Fundamentos de As II

a
1
o CONCEPTOS BÁSICOS.
~
;:J RESOLUCiÓN
~
,~
DE ECUACIONES
~
<
U
Prerrequisitos.
1.1. Motivación.
1.2. Error,precmwnyexacüwd
1.3. Números exactos y aproximados.
1.4. Soluciones aproximadas de ecuaciones de una variable.
1.5. Métodos cerrados.
1.6. Método del punto fijo.
1.7. Método de Newton-Raphson.
1.8. Método de la secante.
Recordemos que...
Prerrequisitos
~~~lt~~~~~~~~!lMI_
• Límites.
• Sucesiones.
• Suma de los términos de una serie geométrica.
• Polinomios.
• Desigualdades.
• Funciones continuas.
• Derivada de una función. lnterpretación geométrica de la derivada.
• Desarrollo en serie de una función.
1
1. Conceptos básicos. Resolución de ecuaciones
• Series de funciones.
• Representación gráfica de funciones.
• Ecuación de una recta. =--__ - :-r--":11
• Resolución de ecuaciones. C' :':r
1.1. Motivación
..L =~ . _ J::: 31
Los modelos matemáticos están presentes en un gran número de aspectos x'-_::Jl

,-,~
de la vida real, como en el diseño de carrocerías de coches y aviones, en la ela-
,- . _- .:...i:.m
boración de materiales más ligeros y resistentes o en procesos de fundido. Ade-
más, muchas veces se necesita que los problemas planteados se resuelvan en
tiempo real, como el control de procesos químicos. la corrección de la trayec-
toria de un satélite o la producción en fábrica según demanda.
~ _-._. ....: :t(
Un ingeniero se puede encontrar problemas matemáticos a lo largo de su ca-
~:B
rrera profesional que no se pueden resolver de forma exacta, como la mayoría de
las ecuaciones de quinto grado o muchas integrales. También existe un gran nú-
mero de funciones difíciles de evaluar, porque no se pueden poner como un con-
-~
junto finito de suma, resta, multiplicación y división de funciones elementales.
Entre estas funciones están incluidas las funciones trigonométricas, la exponen-
cial y sus inversas. Normalmente sus valores los dan las calculadoras o los orde-
nadores, o se pueden obtener a través de tablas, pero para obtenerlos, hacen falta
métodos para aproximar cualquier valor a partir de unos valores conocidos.
Cuando estamos en cualquiera de las circunstancias anteriores, entra en
_ . _ ':1:
juego el cálculo numérico. Su principal objetivo es obtener soluciones efecti-
vas numéricas de problemas matemáticos, es decir, soluciones que se puedan
calcular. En este sentido, los métodos numéricos son una herramienta muy útil,
al ampliar nuestra habilidad de resolver problemas. El uso de los métodos nu-
méricos está muy extendido, no sólo porque resuelven problemas que no se
pueden solucionar de forma analítica, sino también porque. generalmente, lo
más importante no es obtener la solución exacta, sino una solución aceptable
en las circunstancias determinadas en que se plantea un problema. Esto signifi-
ca que la solución que obtenemos tiene que aproximarse a la realidad y tiene
que ser aceptable para nuestros propósitos.
2
teciones 1. 1. Motivación
Con anterioridad a la aparición de calculadoras electrónicas y ordenadores,

la mayor parte de estos problemas se resolvían realizando los cálculos a mano.
Era un proceso lento, tedioso y largo, que conllevaba un gran número de opera-
ciones. Por eso, era muy importante disponer de métodos eficaces, fiables y
donde hiciera falta el menor número de cálculos posible, porque así era más fá-
cil no equivocarse. Desde la aparición de los ordenadores, lo que importa ya no
es tanto que el número de cálculos sea pequeño, sino controlar el error y obte-
-
L . -:'_~.~ro
t" . .;.. :l'nes.

de aspectos
en la ela-
ner resultados precisos y estables. Con los ordenadores se ha aumentado mu-
cho la potencia de cálculo, y además permiten desarrollar mejor la intuición
acerca del método que se aplica, al poder representar y comparar los resultados
de forma mucho más rápida y eficaz.
El objetivo de esta parte del libro es familiarizarse con métodos de resolu-
~~,', -::~ fundido. Ade- ción fundamentales y no demasiado complicados. Además, hay que compren-
c'::~', ~~ resuelvan en der los conceptos básicos esenciales y que, en un estudio posterior, podrán ser
2·:-:-;:. .; :."'1 de la trayec- ampliados.
~_::: Muchas de las ideas importantes del cálculo numérico se pueden entender a
e:" .:: :':' largo de su ca- partir del polinomio de Taylor, por lo que vamos a utilizarlo como aproxima-
L _ : ::l,' la mayoría de ción a los métodos numéricos. El Teorema de Taylor es un resultado muy cono-
::'~;:,. evi-te un gran nú- cido del cálculo de una variable. Partimos de una función f: [a, b] e IR ~ IR,
~'=- :-·:'.e, como un con- conocida y que cumple unas condiciones determinadas. Nuestro objetivo
r~,.-: ::1~~ elementales. es aproximar la función f en un entorno de un punto e E (a, b) por un poli-
['~e=--:~::.~. la exponen- nomio P (x), de grado n. Este problema surge porque muchas veces la
II
a.. _:::.~,:r::.s o los orde- función f es difícil de evaluar en un punto o su evaluación requiere gran
(~:e,;:r.c~. hacen falta cantidad de tiempo. Sin embargo, un polinomio es fácil de evaluar. Además,
a, ';: '.:"llxidos. a menudo no necesitamos el valor exacto de f(e), sino sólo un valor cercano
:" ..:....-.:;::-.,:'r~~. entra en a él.
'C;:- " !.:ciones efecti- Una forma de determinar el polinomio es haciendo que cumpla algunas
..:. ,;:' .J,J~ ~e puedan condiciones. Lo primero que pedimos, en este caso, es que la función f y la
~;::-:-::"-:-.l~na muy útil, aproximación P; coincidan en el punto e. Si fes derivable y la derivada es con-
;;.: :.e. s métodos nu- tinua, también pediremos l' (e) = P,; (e). Sifes dos veces derivable con conti-
; - . ~ . ~:T.2~ que no se nuidad, una nueva condición sería 1" (e) = P~ (e) y así sucesivamente, mientras
[-;: z;:-.eralmente, lo f sea derivable y la derivada sea continua. El polinomio que se determina así es
L ' . : . 1 e"l aceptable el Polinomio de Taylor.
(" - e~'':: Esto signifi-
, .: ~e::':l,jad y tiene
3
I, Teorema de Taylor
Sea f una función con derivada n-ésima continua en el intervalo la, b J e IR que
además es derivable hasta orden n + 1 en (a, b). Sea e E (a, b). Entonces para cada
x E (a, b) se veriflca que
n!
P; es el polinomio de Taylor de orden n.

- :,;:
La igualdad anterior se conoce como Fórmula de Taylor, R" es el resto y pue-

I de tomar diferentes formas. La más importante es el Resto de Lagrange, que es
::
R" (x) == .
F:"! z" ) (x - c)i1+J con Zn E (e, x)
(n+l)!
El polinomio de Taylor P" nos da un valor aproximado de J en un punto x,

cercano a c. RJ-.;) nos indica lo que nos desviamos del valor verdadero de J, es
decir, es el error que cometemos si utilizamos el valor aproximado en vez del
"
verdadero. Por eso, una de las ventajas del Teorema de Taylor es que el error
que cometemos en la aproximación se puede acotar. No podemos esperar co-
nocer el valor de Z". porque si lo supiéramos. ya sabríamos cuál es el verdadero
valor de f(x). Tenemos que señalar que z; depende de e y del grado del polino-
mio. Luego tampoco vamos a poder saber qué valor toma R; (x), Sin embargo,
su importancia es que vamos a poder estimar cuánto nos desviamos, como mu-
cho, del valor verdadero de f(x), es decir, normalmente vamos a poder encon-
trar una cota superior de IR" (x) l. Este valor se busca a partir de cotas de cada
uno de los factores:
4
ectoties 1. 1. Motivación
I f ' '' +l l ( z".) 1\(x-cY'+ll='I f"+ll( Zn ) I

iCr-cY'+11
IR(x)I=·
I I(n+l)!! (n+l)!
fiak' la. iR que
b] e ,r
.:::,
1
SUP/Ele.Xi. f H I' ( ti'.
1)
.t-C
1"+ 1
¡Eatooces para cada (n+l)!
I
~ En la Figura 1.1 se han representado la función seno y sus polinomios de

Taylor de orden 1 (una recta), 3 y S en J.' = O. Se puede ver que cerca de x = O
r
~
los tres polinomios se aproximan bastante y que en cuanto nos alejamos de
este punto. los polinomios no son buenas aproximaciones. Y cuanto menor es
el grado del polinomio, peor es la aproximación cerca de x = O. porque se
desprecian más términos. La diferencia entre la función y el polinomio es el
error que cometemos en la aproximación. Estas ideas se exponen en los si
guientes ejemplos. .-''
Ejemplo 1. Supongamos que no podemos evaluar la función seno en el

punto 0.3. pero que nos hace falta este valor: Lo podemos obtener por el po
)(" .- :::' -: ¡ resto y pue
linomio de Taylor de orden 3 de la funcion f(x) = sen x en O. Para ello, pri
1 de: Lagrange, que es
mero tenemos que obtener las derivadas hasta orden 3 de f(x) y su valor en
x=O
rex)=COS.l f"(x)=-senx flll(x) = - cosx

reO) = cosO = 1 reO) = -senO = O r"(O) = -cosO =-1
. e:-. punto x,
Ll!1
_ - :::~ -=..:~-:ro de f, es
r~ :-:'--=' -:11 vez del
Una vez que tenemos las derivadas y su valor en x = O, podemos determi
nar el polinomio de Taylor de grado 3
L - -c:' ..;u-: el error
.: ":::--', esperar co
-; : ::' e: verdadero f"(O) fllleO)
P, (x) = feo)+.f'(O)(x- O)+~(:r-O)" +3!(x - 0)3
:: ;~..:~:' .íel polino
_~ 5::-. embargo. O , -1 3 J 3 <~: I ,!
=O+lX+-T +-x =x--x /"j
i::, "::-:'.:". --'(1IDO mu 2! 3! 3!
. -"- - '..: -::<:er encon
~ - ..': _ :':..:~ de cada
5
\P3\ 4
6
2
/
,/
x=
f \ , EjtlllJl
__ ,~--,----;~J,,--_,--------,\:""-,'_"
__
,..3,t4-". 1,57
P~/' -2
,
., f, '.. Ó.l:
har.: .
·
·,,,··
-4
.,
,, -6
=
Figura 1.1. Polinomios de Taylor de sen x.
Esta aproximación es válida en un entorno de x = O. Para determinar el va

lor de la aproximación en x = 0,3, sustituimos este valor y tenemos
nume:: :
mo~ -. --~
1 ,
P, (0,3) = O, 3 - -(0,3) == 0,2955 vamc- .:.:. :.]
. 3!
rna:ll:': ~
dodc'::'::-:]
Ejemplo 2. Si queremos obtener el polinomio de Taylor de orden 4 de la
funcián sen en x = O, sólo hay que calcular una derivada más
I ¡4) (x) = sen x ¡4) (O) = O 1.2. Error, pn

y queda el polinomio
Origen del em
P (x)= f(O)+ f'(O)(x-O)+ ¡"(O) (X-0)2 + ¡II/(O) (x-Of + .t!(O) (x-O)~
4 . . ~ ~ ~
O , -1 '1 O ~ 1 '1
=O+lx+-.c+-x +-x =X--X' portar.::= • J
21 3! 4! 3!
slernrr:= ~,..,¡
.eciones 1.2. Error, precisión y exactitud
que tiene grado 3 y coincide con el de orden 3 porque la derivada cuarta en

°
x = vale O. La razón por la que se habla de polinomio de Taylor de orden n y
no de grado n es ésta, porque el polinomio puede tener grado menor que n si
hay derivadas que valen O. Pero para obtenerlo se tienen en cuenta las deriva
das hasta de orden n incluido.
Ejemplo 3. El valor aproximado para sen 0,3 no coincide con el valor

verdadero de sen 0.3 = 0,295 520 20... La diferencia entre los dos valores se
debe a que no se tienen en cuenta los términos de orden superior a 3, es decir;
a que hemos truncado, como explicaremos más adelante. Si no conociéramos
el valor exacto y quisiéramos acotar de alguna forma el error que cometemos
haríamos, por ejemplo
(7 ) I
I
1f
R (0.3) I ='
3+ [ J
~n 1(0.3 - 0)3+[ 1= Isen 7 I(O
"JI 3)~ ::;;
sup
tE(O,O,3)
Isen t I(O 3)4
3, 1(3+1)11' 4!' 4! '
e: ::;; SUPtE(O,JTJ Isen t I(O. 3)~ =Isen n/ 21(O. 3)4 = (0,3)4 =3 375 X 10-4
4! 4!' 4! '
r:, - ,:,:¿,nllillarel va-

El procedimiento seguido en estos ejemplo es bastante general en cálculo
'-'·,·,s
numérico: primero determinamos un valor aproximado de algo que no conoce
mos y obtenemos simultáneamente una desviación del valor verdadero que no
vamos a poder eliminar. Pero vamos a poder estimar la precisión de la aproxi
mación. La expresión teórica de la cota se estudia, generalmente, con el méto
do de aproximación.
Lo ,.0 »rden 4 de la
1.2. Error, precisión y exactitud

~~~~~~~W:;1~~;+~~~~~~~Jt&á~~_
Origen del error

- ",' I
-..¡-: IX - O)~ Los errores que se cometen al aplicar métodos numéricos pueden tener un
origen muy diverso. Algunos son, hasta cierto punto, inevitables, pero es im
portante conocer su origen para intentar minimizar sus efectos o evitarlos,
siempre que sea posible.
7
Procedencia del error

Los errores al aplicar métodos y modelos numéricos se deben a:
1. Incertidumbre de los datos, errores de medida o errores experimentales.

2. El funcionamiento del ordenador o la calculadora.
3. Errores en la modelización y formulación.
4. Equivocaciones, como errores de programación o errores por torpeza.
5. Los métodos numéricos en sí.
El primer tipo de error. debido a errores en la observación de los datos. es

imposible de corregir, porque normalmente medimos un número real. lo que ya
es en sí imposible por imprecisión e inexactitud del instrumento. Aunque estos E.:,:-: ;:CIjO)
errores no se pueden evitar. se pueden cuantificar con estudios estadísticos. que -",
dan la media y la desviación típica. Así, se puede minimizar su efecto sobre las
observaciones.
Entre los errores debidos al funcionamiento de la máquina, hay que desta
car la pérdida de cifras significativas, truncamiento del número. redondeo.
overflow, underflow, error al evaluar una función o error en la conversión de
valores. Se deben a que las soluciones numéricas se determinan normalmente
con ordenador, y su exactitud está muy limitada por las máquinas y por cómo
realizan los cálculos y representan a los números. Son inevitables, aunque sus
efectos se pueden minimizar y controlar. Debido a su importancia en cálculo
numérico, explicaremos estos errores más adelante.
Normalmente, al desarrollar un modelo matemático. se producen simplifi
caciones para poder realizar los cálculos. y esto origina que el modelo no sea
exacto. Es decir. se adopta un modelo que difícilmente se ajusta a la realidad.
Este tipo de errores no es el objetivo del cálculo numérico. ya que de ellos se
ocupan otras ramas de las Matemáticas.
Ejemplo 4. La Ley de Gravitación Universal no tiene en cuenta los efec

tos de la relatividad. Este hecho no desvirtúa todos los resultados, porque son
efectos despreciables en las escalas en las que nos movernos normalmente, co
mo la determinación de la velocidad de un móvil o en la caída del agua por
una presa. Pero el modelo tiene defectos que hacen que no sea válido para ca
sciones 1.2. Error, precisión y exactitud
sos determinados, como el estudio de la trayectoria de la luz cuando pasa cer

ca de un objeto muv masivo,
l:
Las equivocaciones (donde incluimos los errores de programación o erro
~m"'ntalcs. res por torpeza) son debidos a que la persona que se encarga de materializar un
modelo es humana y. por tanto, se equivoca. Por eso son, hasta cierto punto.
inevitables. Una primera forma de detectar estos errores es observar los resul
~:"~Z3 J
tados y ver si tienen sentido. De forma más técnica. se detectan y evitan con
verificación de resultados parciales y globales. con comprobaciones de los cál
culos o procedimientos de control de los resultados y dividiendo los programas
en muchas subrutinas verificadas. También se pueden corregir a través de los
- .:.: L" datos, es compiladores. que dan diagnósticos que indican dónde están los errores.
. :' 'c,:,1. lo que ya
.-\.mque estos Ejemplo 5. Un algoritmo es una secuencia lógica de pasos necesarios pa
L ' . ' ' .. .i.sricos, que ra ejecutar una tarea especifica. como resolver un problema. Describe, sin ambi
:::::-::l' sobre las güedades. una serie finita de pasos a realizar en un orden determinado. Su obje
tivo es acercarse a una solución a un problema. Un algoritmo debe tener unas
_. -<' que desta características determinadas: debe terminar después de una cantidad finita de
. :: - . redondeo. pasos, debe ser lo más general posible (para tratar cualquier caso particular),
. ::' _ , ' 1 \ ersión de no puede depender nada del azar y debe dar los mismos resultados para usua
l-' - . ' ",'rmalmente rios distintos. Normalmente se utilizan para programar un proceso en el ordena
r ; __ .... ' : por cómo dot: Un ejemplo de algoritmo. para calcular la media de un conjunto de lecturas
:: . _- e'. junque sus obtenidas por GPS para determinar la latitud de un punto.
l-:-' -." _. .: cn cálculo
,::" ':' .. cn simplifi Entrada: lecturas de la latitud </>1' ... </>n f número de lecturas n
. " .ielo no sea
L.~~l ~k
.' '.. .. .: realidad. Sal ida: MEDIA
n
_ ... .: .ie ellos se
Procedimiento
Establecer MEDIA = O
.isejec Para k = 1 .. n hacer MEDIA MEDIA + f k
.. '¡"llIe son MEDIA = h'EDIA
-- ._. mente. co

.• e ",¿lIa por Salida es MEDIA
, flara ca Parar
' - - - - - - - - - _ .
9
Finalmente, hay que incluir entre los errores a los debidos a métodos do. 13. ='~:-~>. :.=
numéricos en sí, ya que siempre hay un resto, por la inexactitud del método nu se reT::-~=::' ::.::i
mérico. No hay que confundir con errores de la modelización, que son porque nOp0r~ .. · ":-..i
el modelo que representa la realidad es impreciso. Estos errores se deben a que
el método numérico no da una solución exacta, sino aproximada. Hemos visto Ejemplo e,
un ejemplo en el polinomio de Taylor. Vamos a ver más a lo largo de todo elli o sup-»:« _,: e
bro, ya que normalmente en cada método se va a estudiar también el error que tiros c'~,; -:¡T :
se comete aplicándolo, siempre que sea posible. Esto es muy importante, por acerte».: :- :1
que nos permite acotar el error que se comete.
Al aplicar un método numérico, obviamente no se van a dar siempre todos ese CGS'· " _~ .4l'l
los tipos de error. Incluso en sucesivas ejecuciones del algoritmo, se pueden godos. T '.: .... .:
dar errores distintos. Así, por ejemplo, en la primera aplicación los errores de ro es re, '. " : .,
redondeo pueden ser los más importantes, en la segunda los de truncamiento esiá d¿ .,. .:';_,
de la función, en todas los errores de programación. Lo que sí está claro es que
tenemos que intentar minimizar el número de errores y que los no se puedan
evitar, sean de magnitud pequeña, porque cuanto menor sea el error total, me
jor va a ser la aproximación obtenida.
Precisión y exactitud
:..
Precisión y exactitud son dos conceptos relacionados entre sí y con las pro
piedades de una solución aproximada. La exactitud es la aproximación de un
número o de una medida al valor real que se supone que representa. Así, la ine
xactitud es un alejamiento sistemático del valor verdadero. Es inherente a un
instrumento, y no siempre se puede corregir. Un ejemplo es un aparato de me
dida que siempre modifica las lecturas en la misma dirección, como un peso
donde el cero no está exactamente en el cero, sino muy próximo a él.
La precisión la indica el número de cifras que representa una cantidad, en
una primera acepción de este concepto. También indica la extensión de la solu
ción aproximada o las lecturas de un instrumento. En general, la imprecisión
instrumental se debe a que no se pueden dar todas las cifras de un número real.
En realidad se miden números reales, pero por el procedimiento la medida en
sí, es imposible dar el número exacto. Por ejemplo, si queremos determinar la
longitud de una pared con un metro que tiene marcados los centímetros y milí
metros, no podremos dar una lectura en décimas de milímetros. En este senti -'
-
10
raciones 1.2. Error, precisión y exactitud
~ .=::~~jllS a métodos do, la precisión es el número de cifras que damos de un número. Pero también
",._ ~~ =-_2 del método nu se refiere a la dispersión entre los datos (aunque se alejen del valor verdadero,
~_. -=-.. JU<: son porque no por ello son menos precisos, como se aclara en el siguiente ejemplo).
e:-:-':-::,; s<: deben a que
["._-=-.':'2':'. Hemos visto Ejemplo 6. Para aclarar la diferencia entre precisión y exactitud vamos
a .: :,:::-z,] de todo elli a suponer que estamos practicando el tiro. Tiramos con precisión si todos los
e -....::..-:-=':¿n el error que tiros están cerca unos de otros. Pero tirar con precisión no quiere decir que
~_-:. .mportante, por- acertemos en el centro de la diana, porque la mira puede estar desviada, o el
arma puede tener otro defecto que haga que los tiros se desvíen siempre. En
a= .:. siempre todos
j,:::- ese caso, hay un error sistemático y los resultados tienen un sesgo o están ses
':'.; :--;tmo. se pueden gados. Tiramos con exactitud si todos los tiros dan en el centro de la diana, pe
L.:.~ ~ =':1 los errores de ro esto no quiere decir que seamos buenos tiradores, porque a lo mejor la mira
l. .:' .ie truncamiento está desviada.
±_e -: está claro es que
.; _e :-:'S no se puedan
'-e.:. e. error total, me aumenta la exactitud
~
-
; e--:-e '1 y con las pro
-
~§
o:
'C
~
... .
. .....
e,
l..:. .:.::- ~ .'ximación de un
~
r::::-~e'-:::1ta. Así, la ine co::l
e:-: E, .nherente a un e
~
s::l a b
) e, ..::- .:parato de me
co::l
e; __ :-._ como un peso
"'_. ':.~:-:-::' J él.
5-C:-.~':' .ma cantidad, en

G e'::::;'-:ón de la solu .....
....
:c=e:-::... JCi. imprecisión o··
.:~.
I-'::'" 2:: -..::-, número real.
:L~.~::=:: iJ. medida en
lle:-e~.> determinar la
e d
k> • e.mmetros y milí
E.::~=-.• -; En este senti Figura t.2. Precisión y exactitud en tiro con diana.
11
Si una persona con mala puntería efectúa varios disparos con un arma con . J
la mira desviada, el resultado (Figura 1.2a) es poco preciso (los disparos es
tán separados entre sí) y poco exacto (los disparos están alejados del centro de
la diana. que es el valor exacto o verdadero). Si dispara con el arma sin la mi
ra desviada, el resultado será impreciso y exacto (Figura 1.2b), porque aunque
los disparos están dispersos, se concentran alrededor del centro. Pero si una _ _ _.::'1
persona con buena puntería efectúa varios disparos con un arma con la mira ___ - _ - : J
desviada, todos los disparos estarán próximos entre sí, pero desviados del cen
tro de la diana (ver la Figura 1.2c). Es preciso (todos [os tiros están cerca), pe
ro no es exacto. Si esta persona dispara con un arma en buen estado. el resul
tado es preciso y exacto (Figura 1.2d), porque los disparos están cerca entre sí
y concentrados en el centro de la diana. ~-..:.- :'!
- ,~
Los métodos numéricos que se emplean para resolver un problema deben

ser exactos, para cumplir los requisitos de un problema general de ingeniería y ____ Jo
ajustarse a la realidad. También deben ser precisos. para que los resultados
puedan ser válidos para nuestros propósitos. Muchas veces esta precisión va a
estar influida por la precisión de los datos de entrada.
Para la aplicación de un método numérico el ordenador o las calculadoras
son una herramienta indispensable hoy en día. Pueden intervenir a través de
programas que implementa el usuario o utilizando una biblioteca de software.
Pero la aplicación de métodos numéricos también se puede hacer a través de _' __. =. ~:41
sistemas de álgebra por ordenador, con hojas de cálculo o directamente con la

calculadora. La elección de un camino u otro para resolver un problema de
penderá de los recursos que tengamos, de las necesidades y exigencias sobre la
solución, del tiempo disponible, y de otros factores particulares del problema.
Pero en todos los casos nos enfrentamos con que el propio diseño y funciona
miento de la máquina (el ordenador generalmente) va a limitar la precisión de
la solución, debido a cómo se representan los números.
irl - f l-¡
Representación de los números en el ordenador "

Una de las razones de por qué al aplicar un método numérico no vamos a
tener la solución exacta está en los errores asociados a la representación numé
12
sciones 1.2. Error, precisión y exactitud
. ~111 arma con rica en los ordenadores. Conocer cómo representa un ordenador un número nos
.disparos es va a ayudar a entender y minimizar el error.
e .iel centro de Para nosotros YiYi = 2. precisamente porque elegimos Yi como el único
;-,·,~ti sin la mi- número real que verifica YiYi = 2. Pero esto no ocurre en un ordenador. Los
r.iue aunque ordenadores representan los números con un número finito de cifras y, por lo
Pero si una tanto. de decimales: para considerar un número infinito de cifras nos haría fal
.rm la mira ta una memoria infinita. lo que es imposible. Cuántos decimales tiene un nú
..i.ios del cen mero en el ordenador es una cuestión que se decide para que los números obte
r :.,i: cerca), pe nidos sean lo suficientemente cercanos al valor verdadero y, así. sean
r, ,':,:do. el resul aceptables. Según el número de cifras que «otorguemos» al número. Yi puede
/. . t! rca entre sí ser 1.4242. 1,4]4213. 1,41421356 u otros mucho valores. Cuál de estos nú
meros elijamos depende de las necesidades sobre la solución y. hasta cierto
punto. podemos elegir 10 próximo que queremos que esté nuestra solución
':- .' ::-~-,~lema deben aproximada a Yi. Pero. en cualquier caso, obteniendo la solución con ordena
:~.::~.. -=.c ingemena y dor (o calculadora) nunca vamos a tener su valor verdadero, sino una aproxi
.. .. _ .:" resultados mación.
e:, ::.:" ::-rccisián va a Los ordenadores representan de forma interna (independientemente de có
mo sea la salida) los números de dos formas: punto fijo y coma flotante. En el
b: - -' calculadoras sistema de punto fijo, todos los números tienen el mismo número de cifras de
~_:::- ::-.:r a través de cimales: 0,2334, -134.4710. -0.0001, -19,5664, 2.6000 tienen 4 cifras deci
.r- '::e. .ie software. males. independientemente de cuántas unidades tengan. Pero la forma más
:...::: ..",:cr a través de usual es coma flotante. Antes de ver cómo es este sistema, observamos que re
: ':':~::': :"mente con la presentamos los números en función de las potencias (positivas o negativas)
.::: .:'. rroblema de del número 10. Así, podemos escribir un número x como
:. ='.. ;:::1ClaS sobre la
: .. ,,:::' :c1 problema.
l .; .::":. \ funciona
l':--·.: .; precisión de
x = signo [t
,·1
x ¡ 10" x ION
J'
donde signo vale + 1 ó -l. Este principio se utiliza en la representación en co

ma flotante. pero «recortando» el número en una cifra determinada:
x = signo [~.r¡ 10") xl ON = signo mantisa lO"pon'"te

L -:'::::-.. :'no vamos a
'c::-:::':::.:J.ción numé
13
Los números están, así, determinados de forma unívoca por el signo, la

mantisa y el exponente N.
Ejemplo 7. Podemos escribir -Y2 == 1,4142 ... como
1.3. Números.
Si sólo consideramos 4 cifras, tenemos el número + 0,1414 x 101• El signo Cifras signific.atJ
es + 1, la mantisa es 0,1414 y el exponente es 1.
Ejemplo 8. En la representación en coma flotante, tenemos las siguien

tes equivalencias 2 == 0,2 . 10 1; 832 == 0,832 . 103 ; 59,435 == 0,59435 . 102 •
.-\. :-.'::~::' • .:.....:1
::;; :.::.:-. ::"'.::':: -.""
El valor del número está, obviamente, limitado por los valores que puede
tomar el exponente N, que está entre No Y NI Y por la longitud de la mantisa .
~.:-::.~ ~ _.=-=-_~ ~ _~ .::..:J
(dada por K). Los errores que se pueden causar por los valores del exponente
fuera de los límites establecidos son el underflow (subdesbordamiento) y over
flow (desbordamiento). Si tomamos un exponente menor que No tenemos un
derflow; si es mayor que N¡ es overflow: Generalmente, un número con expo
::- ~==.::.:. .:- =,
:.::.:-.. 0:'.. -'..2il
nente menor que No tunderflowi se convierte en O, porque el ordenador asume ~:: .::. _ _. e .:o
que su valor es tan pequeño que puede suponerse que es O. En este caso el pro
ceso continúa, suponiendo este nuevo valor. Pero si tenemos un número muy
Ijfmp40)
grande, el overflow significa que la máquina está desbordada, y el resultado es
. : - ".111
un error de ejecución, deteniéndose el proceso.
La longitud de la mantisa, fija en cada ordenador, puede dar muchos pro
blemas al realizar las operaciones, como que no se cumpla que (xy) x == x (yz),
Ejemplo 9. Si utilizamos una longitud de mantisa de 2 dígitos y elegimos

los números x = 0,32, Y == 0,94 Y z = 0,21, es fácil comprobar que no se cumple
la propiedad asociativa (xy) z = x (yz):
~:- c'::
~
(xy) z == (0,32·0,94) ·0.21 == 0,30·0,21 == 0,63 x 10'1
1 -'.:::-.::: .:-.:.~-j
x (yz) == 0,32 . (0,94 . 0,21) == 0,32 . 0,20 == 0,64 x 10-
En realidad, al multiplicar 0,94 . 0,21 el resultado es 0,1974, que es una

mantisa de 4 cifras. Pero como la longitud de la mantisa es 2, tenemos que
...: ..::
acortarla, para lo que hemos aproximado a 0,20, que es más cercano a
14
eciones 1.3. Números exactos y aproximados
r, '. .; por el signo, la 0,1973 que 0,19. Pero también podíamos haber despreciado las últimas cifras.
Como veremos más adelante hemos redondeado, pero no hemos truncado.
- ... 1 X 101 1.3. Números exactos y aproximados

;:~~!!t1~~~~_~&~~~1ii~fi~g:~t!~:Ji~J;§i~~6k~fiim~N~'~~~~~~~
~~~i~~~~~~~
. 101 • El signo
Cifras significativas
':":"-' las siguien El concepto de cifras significativas está muy relacionado con la representa
~wJ.35 . 102 • ción en coma flotante: los números están dados con un número fijo de cifras.
Al hacer cálculos con ordenadores o calculadoras, hay muchos números que
'res que puede están expresados con un número finito de cifras, como son todos los números
:'::-::::-..:i de la mantisa irracionales y muchos de los números racionales. Una primera acepción de ci
1'-:': -::-ó:' del exponente
fras significativas es hasta qué cifra de un número tiene significado o se puede
;.,:".:::-'::.:,.T;iemo) y over confiar que sea cierta. Está muy relacionado con el entorno en que nos move
r .: _O: \ ' tenemos un mos, como el instrumento, el método de medida o la longitud de la mantisa del
1.:.::-. ::-'''::-:1ero con expo
ordenador. Dicho de otra forma, denotan el número de dígitos que se presen
e i . ::- ':;:;nador asume tan, sin contar los ceros a la izquierda que sólo sirven para marcar la posición
:::::- o:'te caso el pro de la coma decimal.
'c. :' ":Ii número muy
L:':--,-, ;:;: resultado es Ejemplo 10. Medimos una longitud en un plano con una regla que mide
metros, centímetros y milímetros. El resultado es 16,2 cm. Esto significa que la
medida real está entre 16,2 y 16,3. La cifra tiene 3 cifras significativas. Si el
i..:..:- muchos pro
¡;:'::o:
resultado hubiera sido 16,0, también tendría 3 cifras significativas, pues el °
L .: -O: .',' I X = X (vz).
°
al final indica que los milímetros que pasan de 16 cm son milímetros y que la
r: :. ..: ,-::,1S v elegimos lectura real está entre 16,0 y 16,1. Si medimos 0,7 milímetros, este número tie
i.: ' .:,c: ,,(1 se cumple ne sólo una cifra significativa, pues lo que queremos decir que ella longitud
medida está entre 7 y 8 milímetros.
En este sentido, cifras significativas designa las cifras que son fiables. Formal
~ mente, una cifra es significativa si es no nula o, si es nula, es significativa si está
situada entre cifras significativas o si es utilizada como indicador de la posición.
-...:. que es una
;...;: .: .enemos que Ejemplo 11. 0,0123 tiene 3 cifras significativas. 12,3 tiene también 3 ci
f: ,.,:~;.¡ cercano a fras significativas. 12300 tiene, sin embargo, 5 cifras significativas, porque se
15
supone que los ceros del final indican que las decenas y las unidades también
deben ser tenidas en cuenta (son indicadores de posición). 103,28 tiene 5 ci
fras significativas, el O también es lino cifra significativa, porque está entre
dos cifras significativas (elIde las centenas y el3 de las unidades). Si escribi
mos este número como 103,280, sigue teniendo 5 cifras significativas, porque
el Ofinal no indica nada, no da ninguna información adicional (añadir un O al
final no añade ninguna información J.
Por convención, muchas veces se dice que aproximamos un número x por x

con n cifras significativas o que la aproximación x tiene n cifras significati Redondeo ~' r.n
vas de x. Esto significa que la diferencia (en valor absoluto) entre las mantisas
de x y x es menor de 5 unidades en su cifra n + 1 o que x se desvía de x como
mucho 0,5 unidad del último dígito dado. También se dice que x tiene n cifras
exactas o conectas. A menos que digamos lo contrario. cuando hablemos de
aproximar con n cifras significativas, será en este sentido. Para los métodos nu
méricos, su importancia está en que se puede decir, por ejemplo, que una solu
ción es aceptable o válida (para nosotros, o para nuestros objetivos en este mo
mento) si es conecta hasta n cifras significativas. Además este concepto está
muy relacionado con el redondeo. - ¡
Ejemplo 12. Una aproximación de x == -fi == 1.414215 ... con 4 cifras sig
nificativas es x= 10414. Para ello debe ser Ix- x\ < 0,0005 == 5 x 10-+ . En Tnmcaron~
efecto.
Truncar m: =-"~
Ix - xl == \10414 - 1,414215 ... 1= 0.000215 ... < 0,0005 mente el res-: Si
escnoe l},
Como Ix - xl < 0,0005 ... basta con eliminar todas las cifras después de
1A 14. No se tiene en cuenta la parte despreciada.
Cuando se t0/110 una aproximación, en vez de escribir que el número apro
ximado x verifica x == 1,414, se puede escribir ::-- - ::-
-
una :u.:-._. ;:
X'" 1.414
en dondc > significa «aprox.. imadamente igual».
Lo conecto es escribir » cuando usamos aproximaciones. Sin embargo,

abusando del lenguaje y la notación, muchas veces se utiliza el signo ==, a pesar
16
aciones 1.3. Números exactos y aproximados
. ,_ ,;,ies también de que en un lado de la igualdad está el número exacto y en el otro una aproxi
,~.:S tiene 5 ci mación. En el ejemplo anterior tomamos el número x como 1,414, entendiendo
','.!t está entre que a efectos numéricos se verifica la igualdad. Este abuso de la notación lo va
, e ' . Si escribi mos a usar especialmente cuando trabajamos con números con 11 cifras signifi
.-', ,.-idIS. porque cativas. Entonces podemos interpretar la igualdad como «igualdad con n cifras
,'~é!dir un O al significativas» y, en ese sentido, el número exacto y el aproximado son iguales.
.." '-..;:'1ero x por X ~~ __ ~r77wr !&\ilíi1l iJBli

l ítras significati Redondeo y truncamiento
:::-. ~~::: las mantisas
;': :':"'-~Jdexcomo Los siguientes procedimientos son necesarios al utilizar un método mate
::': .-.-:-" tiene n cifras mático para obtener la solución aproximada a un problema. El redondeo y el
- . .-:-~: nablemos de truncamiento se dan. por ejemplo, cuando se ejecuta un problema por ordena
::.:: .c- métodos nu dor o cuando nosotros elegimos cifras aproximadas, incluso en la obtención de
~::'-::_ . que una solu
los datos. Se llevan a cabo porque a veces no es posible conservar todas las ci
: ::::~:",'" en este mo fras. por ejemplo. por cómo representa los números un ordenador, o porque
;::., ::'::: concepto está aplicando estas reglas se obtiene un error similar al contenido sin aplicarlas,
pero se ha reducido considerablemente el tiempo de ejecución del algoritmo.
': -/- cifras sig

[, ,~ = ~ x 10-4 . En Truncar un número
Truncar un número es tomar las primeras k cifras decimales, eliminando directa

< " mente el resto. Si las cifras que se eliminan corresponden a enteros, en su lugar se
después de escribe O.
".ttnero apro La definición anterior de truncamiento corresponde a truncar un número.

Sin embargo existe otra acepción de truncamiento, que se refiere a truncar
una función. Se lleva a cabo cuando aproximamos una función por otra (nor
malmente. nosotros aproximaremos por polinomios) y despreciamos algunos
términos. bien porque así ya tenemos la precisión requerida, para evitar nuevos
cálculos o porque no se pueden calcular los nuevos términos. Un ejemplo lo vi
S:n embargo, mos con el polinomio de Taylor. donde al aproximar f(x) por PI/(x), despreciába
.L.-: -. ;:1c' =. a pesar mos o truncábamos los términos de grado mayor o igual que n + 1. Y cometía
17
mas un error al truncar en el orden n. En general, el contexto nos permite dis Ej~pI
tinguir si nos referimos a truncar un número o una función. Por eso, a lo largo
de este libro, utilizaremos el término truncar con ambos sentidos indistinta
mente.
Redondeo
~~Jl:>lste enelirIJin~r~QdasJasGifrasa la derecha de la que
si es decimal, pero afi.adiendo una unidad a la última
dfracünservad.a si la parte despreciada vale cinconnidades o más del primer orden
despreciado. Si las cifras despreciadas son enteras, su lugar se sustituye por ceros, E.--==P'
-: ~J
pero se añade igualmente una unidad a la última cifra conservada si fuera necesario.
Existen otros redondeos, como el redondeo de dígito par, donde se añade
una unidad a la última cifra conservada si la parte despreciada vale más de cin
co unidades del primer orden despreciado. Si la parte despreciada vale exacta
mente cinco, entonces se añade una unidad al último número conservado si és
te es par. El redondeo de dígito par evita que, en caso de que la parte
despreciada valga exactamente cinco unidades, se cometa siempre un error en
la misma dirección, al efectuar muchos redondeos. Pero, por simplificar, yana
ser que se indique lo contrario, utilizaremos el redondeo simétrico.
- :1l
Ejemplo 13. Al truncar 245,79 con 3 cifras significativas, se eliminan
todas las cifras menos las tres primeras y queda 245. Para redondear este 11/1
mero con las mismas cifras significativas, nos tenemos que fijar en lo que eli
minamos: 79. Como el primer número es 7, tenemos que añadir 1 al último de
los números que queda, que es el 5. El resultado, redondeado, es 246.
Ejemplo 14. Al redondear 5,6992 con 3 cifras significativas, queda 5,70. _o: .:L'
Hay que añadir un 1 al último de los números considerados. porque la prime
ra cifra despreciada es mayor que 5 (es un 9). Para redondear con 4 cifras sig
nificativas, nos .fijamos que tenemos que eliminar 0,0092. Entonces, como es
mayor que 0,005, hay que sumar 1 al último número; queda «10», por lo que
el resultado es 5,700. Hay que poner el último O último, porque es una cifra
significativa.
18
l!m'tí
tetones 1.3. Números exactos y aproximados
~".: :'-," permite dis Ejemplo 15. Al redondear 372.27 con 3 cifras significativas, queda 372,
e ?:~eso. a lo largo Con 4 cifras significativas, resulta 372,3. Con 2 cifras significativas es 370: se
, <~-.:: .ios indistinta ha eliminado el 2 de las unidades y las decenas se dejan como están, porque
2 < 5. Con 1 cifra significativa hay que dejar sólo 1 cifra que dé información
sobre el número y tenemos 400: se quita el 72, pero se añade 1 al 3 porque
72 > 50. Como tenemos que indicar que son centenas, añadimos los ceros.
El error de truncamiento surge porque se «corta» a partir de una cifra de un

número o a partir de un término en una expresión. Se va a calcular en valor ab
soluto.
Ejemplo 16. En el ejemplo 13, truncamos 245,79 con 3 cifras significati

vas y obteníamos 245. El error de truncamiento es
/245,79 - 2451 = 0,79

r i: ":'.':1Je se añade
Ejemplo 17. La idea de truncamiento de una función se entiende muy
.:=.:-:: . ::le más de cin
bien con la formula de Taylor. Al aproximar una función fpor su polinomio de
~~~:::..:.: \ ale exacta
~. ~ ':1-enado si és
Taylor P despreciamos el resto R,lx). Así cometemos un error de truncamien
Il
to. Se llama así porque se aproxima una función (que a lo mejor se podría ha
s.: ..:~ que la parte
ber aproximado por una suma infinita en un entorno del punto) por una suma
'.~:-:-.::'~e un error en
en la que se han eliminado directamente (sin evaluar ni tener en cuenta) algu
C'~ ;.::-:=~litlcar, yana
nos de su términos. Si tomamos la funcián jtxí = eX y su polinomio de Taylor de
r:::.::-~':~~l.
orden 4, tenemos
r .;:.. ~5. se eliminan
\ 1, 1, 1~
¡ -'.:' rieor este nú e "" l+J.• +-.c +-X +- .•r
e -- .. ' ,12 lo que eli 2! 3! 41
'¡:.:.' ; al 1timo de
ú
L : ,e '::.16. Vemos que> también se utiliza con funciones. Se deja al lector la compro
bación de esta relación. El error de truncamiento de esta aproximación se de
.:.:- .: queda 5,70. be a que despreciamos
-.·~:c:,<:c la prime-
t,,'. - ¡.--+ cifras sig 1 5 1 6 1 n
-.T +-x ... +-.:r + ...
.. ':.t.'. como es 51 6! n1
L_, . ;"or lo que
r .': <:.' una cifra Muy asociado al error de truncamiento de un número tenemos el error de
redondeo, que se debe a que en un ordenador o al realizar los cálculos de forma
19
práctica, es necesario redondear algunos números. También lo obtendremos en

valor absoluto. Al utilizar un ordenador se pueden minimizar los efectos del
error de redondeo utilizando las opciones de doble precisión o aumentando el
número de cifras en la mantisa. Otro método para minimizar el error de redon
deo es la utilización de aritmética de intervalos: conservar valores máximo y
mínimo de cada número en cada paso, dando el resultado como un número
perteneciente a un intervalo. La desventaja es que hace falta un intervalo de
muy poco diámetro para obtener una aproximación muy precisa. Además, una
desventaja de estos procedimientos es un aumento del tiempo de cómputo del
ordenador.
Ejemplo 18. Si redondeamos JI con 5 cifras significativas, tenemos

:x = 3.1416.
El error que cometemos al redondear no es mayor que la mitad del
orden de la última cifra conservada. que es el último 6 y su orden en
0,0001 es decir; el error de redondeo es menor 0,00005. Si redondeamos JI en
x' = 3,141592, el error de redondeo es menor que 0,0000005. Estos valores
nos dan una cota del error:
(';lr.'::' ::-_.: .. ~: :
Como al redondear un número nos aproximamos más al valor exacto que si
lo truncamos: generalmente el error de redondeo va a ser menor que el de trun CLI. L~-_'=: '...J
camiento.
Ejemplo 19. H:mws a usar aritmética de 3 cifras para calcular

4+11
I
I!=L~
Lo haremos con redondeo y truncando. Para ello. en la siguiente tabla escribi
mos los valores truncados y redondeados de 1/(4 + n).
mn-
Error relativo ~i ee:
n 2 3 4
1 1 1 1 1 eL: _.:' -~
Suma apro.\:::~-_-:- ~ -.::¡
4+n 5 6 7 8
portar.:e ~:':-J
-..- - :-~.'".-:--./~ I 0,200 0,166 0,142 0,125

Xin1.::.2:
del cI' - -
~. .
~ r-~ r---'-'r r r
0,200 0,167 0,143 0.125
20
'acianes 1.3. Números exactos y aproximados
1::- -'~tcndremos en El valor exacto es

I~:::~- ',:,.; efectos del
l' - - zumentando el
~::: .: Ce. error de redon
I-
¡¡=]
1-
4+n
= ..!:.+~+~+2. = 168+ 140+ 120+ 105 = 533
5 6 7 8 840 840
'..: .,,'.'·:c~ máximo y
.:.":: _ ,'TO un número
Como 533/840 es aproximadamente 0.6345238 ...• este valor difiere de los
. : _:.:.. '::1 intervalo de
valores obtenidos utilizando truncamiento y redondeo. El error de redondeo es
<:.--\demás, una mucho menor que el de truncamiento
c:-:' :-i" cómputo del
error de truncamiento = 10.6345238 - 0.633 i = 0.0015238 .
error de redondeo = 10.6345238 - 0.6351 = 0,0004762 .
. .>, as. tenemos
.,t la mitad del Por otro lado, si redondeamos el valor exacto a 3 cifras, obtenemos 0,635.
r' orden en
ji!
que es el valor obtenido con redondeo.
-ideamos 1t en
ji',. , ~. Estos valores
Una de las causas por la que los resultados numéricos no son exactos está
en el truncamiento y al redondeo. Actualmente, los métodos numéricos se apli
can a través de ordenadores o calculadoras. Y. aunque los ordenadores normal
-, .: exacto que si
mente redondean, hay muchos que truncan. yeso da lugar a un error sistemáti
.cue el de trun co. Una de sus principales consecuencias es un aumento del error por
propagación. Por eso. no hay que despreciar este tipo de errores. porque su
magnitud puede ser grande y llegar incluso a desbordamiento o subdesborda
1
•• ' ~.¡ 4+n
miento. Por otro lado. como son inevitables. no podemos eliminarlos totalmen
te. Sin embargo. podemos acotarlos y tenerlos debajo de un nivel de acepta
!- :: .abla escribi- ción.
Error relativo y error absoluto
I
li
Una cuestión crucial para un método numérico es qué error se comete al
Suma aproximar. Porque generalmente. para los propósitos prácticos, no es tan im
¡¡
portante determinar una función de forma exacta, como obtener un valor apro
ximado y tener acotado el error que cometemos en la aproximación. La cota
--
del error que se comete muchas veces va a ser determinante al elegir entre va
rios procedimientos. Comenzamos con definiciones.
21
Error absoluto
Es el error como diferencia entre el valor exacto y la aproximación obtenida, en va

lor absoluto. Si x es una aproximación de x, el error absoluto es
A veces puede ser importante saber si se comete un error por exceso (x> x)
o por defecto (x < x), lo que se determina con el signo de (x - x). Por ejemplo,
si calculamos la dosis de un medicamento, un error por exceso puede ser mor
tal, pero por defecto no tiene importancia, O al calcular la velocidad mínima
para que un avión despegue. si se comete un error por defecto. el avión puede
no despegar y salirse de la pista. Si se determinar por exceso, el resultado no
tiene esa trascendencia (se gasta más combustible. pero eso es todo). Sin em
Error relativo i
bargo, en la mayor parte de las aplicaciones que vamos a estudiar el signo no
es importante, por eso definimos el error tomando valor absoluto. parado ":C'\:: :'3. :!J/~'~
Si x e5 una .iL-~:c¡:t_-
Ejemplo 20. El polinomio de Tavlor de orden 4 de f(x) = e' en x = O (ver
ejemplo 17) es
Para obtener el valor aproximado en x = 1 tenemos que sustituir en esta -.. - - -

.
'-
-
-" -
-
"

expresión
.Ó - - Ji
1)_}
p~ (1 - , - _, J. + ~ + J..-- 65 -"
+ 1 + J.+ 2.-l-J.-i. - L. 708"''''''''),
~U~J.,. ..
2! 31 4! ') 6 24 24
Por otro lado, f( 1) = e = 2.718281828 ... El error que cometemos por trun
car la serie es
E= Ip.l (1) -.fO)1 = 2.718281828 ... - 2,7083333 ...
22
eciones "3
!. . Números exactos y aproximados
Este valor sólo lo podemos determinar si redondeamos o truncamos los

números anteriores. Utilizaremos redondeo con ó cifras significativas
eion obtenida, en va- E = Ip-\ (l) -I: 1)¡"" 2.71828 - 2.70833 = 0.00995
es
La diferencia es muv pequeña. Al tomar valores redondeados, al error an
I terior liabria que sumarle el error de redondeo.
~
.
Pero para nosotros no es lo mismo. por ejemplo. que nos suban un café 10
. - ·:'\.ceso(x>x) céntimos. como que nos suban el precio de un coche 10 céntimos. Porque el
valor de un café es mucho menor que el valor de un coche. Esto también pasa
Por ejemplo.
al aplicar métodos numéricos. que muchas \'eces. no importa sólo el valor que
"u",de ser mor
toma de E. sino también su relación con x x. Así se define el error relativo.
ó
.Idad mínima
;: ",) .rvión puede
z . resultado no Error relativo
c' -'JO l. Sin em
;. el signo no Es el error como diferencia entre el valor exacto y la aproximación obtenida, com
parado con la magnitud verdadera que se mide.
"*
Si x es una aproximación de x 0, entonces el error absoluto es
cíJx=O(ver
,
=
E.
.
lx-xi
¡'\-/I
• »'
=,E
I
' v- ,
r-
El valor de E, será. normalmente. menor que l. porque la diferencia Ix - xl

-::Iir en esta es pequeña en relación con el valor de .r. Muchas veces, por comodidad. se uti
liza el error porcentual, que es el porcentaje del error relativo en relación con
el valor verdadero: E,' ¡ OO.
... ~. ... . ...,
Ejemplo 21. En el ejemplo anterior; utilizando redondeo con 5 cifras, el
error relativo es
" 5 por trun

E.. = _E" ~ 0.00995
, If(1)1 ~ 2,71828 ",,0,36604xlO-'¡
que es menor que el error absoluto porquejt vs > 1.
23
1. Conceptos básicos. Resolución de ecuaciones 14. Sotuciories
Teóricamente, la definición de error absoluto es correcta. Pero en la prácti

ca, puede parecer inútil. porque generalmente desconocemos x: si lo conocié
ramos no nos haría falta aplicar ningún método de aproximación. Además, si
conocemos exactamente el valor del error, tendríamos también el x, que es
nuestro objetivo:
x=X±E
y no nos haría falta determinar x. Pero se supone que x está cerca de x (porque
si no el método de aproximación sería inútil al no aproximar) y entonces se
puede usar x en vez de x para definir E, como cipi. ~,:
do. n
~I~IXl
E,. -
Esta expresión puede seguir pareciendo inútil, porque no conocemos exac

tamente E. Normalmente, nos tenemos que contentar con estimar o acotar el
error. En la práctica. esto es bastante. Por ejemplo, si queremos re-orientar la
trayectoria de una nave espacial, tenemos que modificar una serie de paráme
tros de la trayectoria. Al determinarlos, cometemos un error y nos bastaría con
saber de qué magnitud es este error, porque con esta cota. podemos determinar
si la nave va a alcanzar nuestro objetivo dentro de los límites admitidos.
1.4. Soluciones
Cotas del error absoluto y del error relativo

Un p: - e:::
ción flx =
La cota del error absoluto o cota del error, es un número ~ que verifica
función ¿.:.~_ 1
En algun -, , _.:.'0
f(x) = 2.1.' - - - ~
sos, ha: ILe:' .~ ':
La cota del error relativo, 8, es un número que cumple
ejemplo. <: ; _;:¡
hay ningún --::: =:.
Ejemplo ~
jar la inc.' .: '.:
24
tetones 1.4. Soluciones aproximadas de ecuaciones de una variable
2:::-0 en la prácti Una vez que tenemos una cota del error, tenemos muchas otras cotas: si 2
. si lo conocié es una cota del error, también lo será cualquier número mayor que 2. Pero al
.~:-:-..:._ .on. Además, si estimar la cota, lo que no interesa es encontrar un valor lo más ajustado posi
:..:e-- :'~¿n el x, que es ble.
Ejemplo 22. En el Ejemplo 3 hemos determinado la cota del error de

forma un poco burda, porque podríamos haber «afinado» bastante más no si
hubiéramos acotado el seno por 1 (que es el máximo absoluto), sino por un va
:..:. _:::- _ j de x (porque lor más realista en el intervalo a considerar que es (O, 0,3). Este valor podría
1.. :".":':- \ entonces se haber sido sen 0,3 que, por otra parte, es el valor que buscamos y que, en prin
cipio. desconocemos. Pero podríamos haber obtenido otra cota mejor toman
do. por ejemplo, sen 7[/6 = 1/2 que es un valor conocido
R (0.3)1= Isen z" I (0.3)~ < sUPrE(o¡¡-ih) Isentl (0.3)" = ~(0.3)4

I 3· 4!' 4! - 41'
-' _:'nocemos exac = 2. (O. 3)~ = 1.6875X 10--1
r: ::- ::::13.1' o acotar el 2 24
c:':::-:'.:'s re-orientar la
;,,:- .; -::iC' de paráme que es menor que 3.375 x 10--+. la cota anterior.
r - ::,,~ bastaría con
:. ·'::-:-::"s determinar
i:=- .:'::-:iitidos.
1.4. Soluciones aproximadas de ecuaciones de una variable
~~~~~~
I
1 Un problema fundamental de la Matemática Aplicada es resolver la ecua
¡,,,,ir,,, ción f (x) = O. es decir, determinar los valores de x en los que se anula una
función dada. Estos valores se llaman raíces o soluciones de una ecuación.
¡ En algunos casos, ya sabemos resolver analíticamente este problema, como
2
f(x) = 2x + 7,f(x) = x + 3x - 4 ó f(x) = sen" (x - 3). Para los dos primeros ca
t sos. hay métodos generales que nos permiten llegar a la solución. En el tercer
ejemplo, se pueden encontrar valores en los que se anula la función, aunque no
r hay ningún método general que nos permita llegar a la solución.
I
[
f Ejemplo 23. Para resolver la ecuación f(x) = 2x + 7 = O. hay que despe
i jar la incógnita para resolver la ecuación lineal:
25
7
2x+7= o ~2x =-7 ~ x=--
2
Ejemplo 24. Las soluciones def(x) = O, dondef(x) = x 2 + 3x - 4 se ob-

tienen mediante la conocida fórmula de resolución de ecuaciones de segundo
grado:
o -3±~32_4.1.(-4) -3±,/9+l6
r +3x-4=0~x= =----- O'.l
2·1 2 0-< : -
-
={-32+5~=1
~
= -3±-J2S = -3±5
2 2 _-3_-_5 =_-8 =-4
2 2
Ejemplo 25. Podemos resolver de forma exacta la ecuación f(x)

= sen" (x - 3) = O, ya que: - -_':: -
:-:-_.::.~-: - =-~::l
sen" (x - 3) = O <=:> sen (x - 3) = O <=:> x - 3 = kIT <=:> x = 3 + kIT "~"' __"o-'-_" - .J;;:
para k E ?L. La ecuación tiene infinitas soluciones -"" - -J

_ _ ...::1,;
x= 3, x=3+n, x=3-n, x = 3 + 2IT, x = 3 - 2IT, oo.

-='+.J
Aunque a efectos prácticos tendríamos que dar la solución de forma apro- p.=,¿::-:- -. =:: - j
ximada (no podemos expresar con un número finito de cifras el valor de n) he- ",=,_ -..L: "- -c _ :::J
mos resuelto la ecuación de forma exacta. r:-:.::.j.::., ::-:: -'-~
A pesar de este ejemplo, no se conoce una fórmula general para determinar

las soluciones de las ecuaciones donde aparecen funciones trigonométricas. De
hecho, la mayor parte de esas ecuaciones no se pueden resolver de forma analí-
tica. Aunque podemos llegar a la solución exacta de algunas ecuaciones, al tra-
bajar con problemas reales, con mucha frecuencia nos vamos a encontrar pro- 1.5. Métodos ~
blemas cuya solución no se puede encontrar de forma exacta, ya que
intervienen funciones no polinómicas o polinomios de grado mayor que cua-
tro. De hecho, en muchos casos, la ecuación puede parecer sencilla, pero no te- :-:"::".j,
L,='~
ner solución exacta. de un.::. ::.... ~
26
ciones 1.5. Métodos cerrados
Ejemplo 26. Un ejemplo clásico de ecuación que no se puede resolver

analiticamente es
-x
e =x
. - 3x - 4 se ob- que es equivalente a
;.:' de segundo e-X-x=O
Esta ecuación se resuelve jácilmente de forma aproximada. Aunque, en ge-
=", --16 neral, vamos a buscar las raíces de una ecuación del tipo f(x) = 0, a veces y,
según el método que apliquemos para resolver la ecuación, nos puede intere-
sar escribirla de otra forma, como g(x) = x.
A pesar de la imposibilidad de obtener, en la mayor parte de las ecuacio-
nes, una raíz exacta, es posible llegar a soluciones aproximadas por distintos
métodos numéricos. Como, además, podemos acotar el error que cometemos
en la determinación numérica, estas soluciones van a estar tan «cercanas» a la
solución exacta como queramos. Por esto, para efectos prácticos, no es necesa-
.i.ici án f(x)
rio llegar a la solución exacta y muchas veces basta con una solución aproxi-
mada. De hecho, en muchos problemas por la complejidad del proceso de de-
:: =:-kJr terminación de soluciones exactas. es preferible aplicar métodos numéricos y
obtener soluciones aproximadas.
A continuación se van a estudiar métodos para encontrar la solución apro-
ximada de cualquier ecuación f(x) = O. Si tenemos alguna información. como
- "'-. . . .
-;1.
un intervalo donde esté la solución, cómo se comportaf(x) o sus características
k .' (. iorma apro- podemos decidimos. a priori, por un método que haga que la convergencia a la
.,:'01' de n) he- solución sea más rápida. A la solución nos acercamos con soluciones aproxi-
madas previas y, en cada paso. el error que se comete va disminuyendo. Ade-
más, para cada uno de los métodos determinaremos cotas del error máximo y,
te ~..:.. :'.::"J. determinar cuando es posible, cuántas iteraciones como mucho tenemos que hacer para
~ ~ . .iométricas. De llegar a una solución aceptable para nuestros propósitos.
::: e: .ie forma analí-
L:..~ -: __ ..1-: iones, al tra-
T. ' .; encontrar pro- 1.5. Métodos cerrados
L..: -:\...:..::tJ. ya que ~~~~~~¡~~{t$ir0~~!i~~~*~~~,Jt~··~~~<¡~';;?~~~f};'~';:¡t~~~k~ft~~Pi1fi~~i~7~!~~ff;~~
-:;.~ --:~..i:\ al' que cua-
o -:=--. _.::.::. pero no te-

... Los métodos cerrados o convergentes para la determinación de soluciones
de una ecuación son aquellos donde se conoce a priori un intervalo (a, b) don-
27
de está la raíz. Según avanzamos en el procedimiento, nos acercamos progresi- - --O:-'.JI
vamente a la raíz y siempre tenemos cotas superiores e inferiores de la misma. : :- ---=-:;

A pesar de sus ventajas, estos métodos no son muy útiles hoy en día, porque la
potencia de cálculo de los ordenadores permite emplear procedimientos más ::
precisos de forma rápida. Pero su estudio nos ayuda a entender los principios
de la aproximación de soluciones de forma intuitiva y sencilla.
Lo más difícil puede ser, en muchos casos, conocer (a. b). Se puede hacer,
por ejemplo representando gráficamente la función. También existen resulta-
dos que nos ayudan a demostrar si existe este intervalo y a delimitarlo. Por
ejemplo, según el Teorema de Bolzano, si f es una función continua en [a, b] Y
fea) y f(b) tienen signos opuestos (uno es positivo y el otro negativo), entonces
existe un punto c E (a, b) conf(c) = O. Aunque nos dice que existe una raíz c,
este resultado no nos dice si e es única. Pero si la función es, además, derivable
y f' (O) 7:- O en (a, b), como entonces la función es siempre creciente o decre-
ciente, no va a poder tomar el valorf= Oen dos puntos c¡ y C2 (ya que entonces
la derivada se debería anular en un punto e entre ellos, lo que contradice la hi-
pótesis f' (x) 7:- O).
Ejemplo 27. Según el Teorema de Bolrano, la funcián f(x) = e-x - x = O

tiene una solución en [O, 1]. En efecto, en los extremos del intervalo la función
tiene signos distintos:
1
feO) = eO - O= 1 > O f(l) = e- - 1 z -0,632 < O - -- - -
~ - _ :J:
~-
Ce.: ~-_~ _ _,
x
Además. la solución es única, porque como _e- es una función creciente '.'". ::.::::- .
en el intervalo [O, 1], se cumple :. :-.:~-- . -::-,j
f' (x) = _e- x - 1 ~ _e- 1 - 1 ~ -0,368 - 1 < O

- :: '::' j
Como f' < O. f es estrictamente decreciente y sólo tiene una raíz en [O. l].
En este apartado, vamos a suponer que tenemos un intervalo [a, b] donde

hay una única solución simple de la función. Si hubiera más de una solución o
ésta fuera múltiple, no tendríamos la certeza de que vamos a llegar a ella apli-
cando un método cerrado. Tendríamos que emplear otras técnicas.
28
iciones 1.5. Métodos cerrados
.;.. progresi-
~~ ~::'T0S
El método más sencillo para la resolución de ecuaciones de una variable.
te-:.. ~:,; de la misma. desde el punto de vista intuitivo, e:' el de la bisección. Ln idea de este mcrodo
r.. ' ~~. ira. porque la cs qne. una vez que se ha localizado la raiz, ve divide el intervnlo en el qnc está
,.:':':rni<:TIlos mas en mitades y siempre nos quedamos con la mitad en la que esta la solución de
"~:-.:::~:- ¡~l~ principios 1;1 ecuación en esquema 5C representa en el cuadro siguiente.
3;.' puede hacer.

;\'S\('T1 resulta-
Método de la bisección
_=.::ni[~u]o. Por
Para obtener la solución x def(xJ = O con nn error menor qne e por el método de Ia
~ ~. -... ::-.:..3 en ['7. bl Y
bisección, hay que seguir el siguiente procedimiento:
r :-.~~_'.:'_r\i.enlollce~
c:e nna raí? c. 1. Se localiza una raíz en el intervalo (1:(1. XI)' Llamamos x = .lo.
. __ ~·:-i,. derivable
O:-~ .:- __ ente o decre- 2. . . . ue
U na aproxtmacuin ., eslU tuu: es e I punto me di10 d e .lo + .\:[
(.la' Xl)' x~ = - - , - o
___ cue entonces

__ ~ ~ -mradicc la lIí- 3. Si IX2 - xl < F. Xl es ID. solución aproximada y terminamos con X2 = X.
3', Si esta aproximación no es aceptable (!X2 - xl > f), se divide el intervalo
(.lo. .r.} en dos. mitades (X,l_ Xc\ y (xc, x¡). Se llama x~ = X.
'"'=C'\-x=O 4. Se busca en qué mitad está la solnción y se elige como nuevo intervalo.
la función
'- . . ;__0 S. Se repiten los pasos 2, 3, 3' Y4 con el nuevo intervalo.
Observamos que la división del intervalo en Jl1~ mitades se repite indcfiui-

:::.:. < darucnrc hasta obtener la solución aceptable. ó decir. e! error que cometemos
uí tcinar la aproximación es menor que E (que e~ une C01:1 dC'1 erren. Si la solu-
•.' ':. :(in creciente ción x es el punto medio del intervalo. está claro que es una solnción aceptable
':' hemos terminado (paso 3J. Si no lo cs. una COla del error nox la da la longitud
del intervalo: ~j partimos de una longitud l.) '=' x - x,), en cada paso la longitud
< del nuevo intervalo e~ la mitad de la lougitud del intervalo del paso anterior.
1" j = Ul: De forma recursiva, si hemos hecho i subdivisiones. la longitud de ca-
;',.¡~ en [O. l]. da uno de lo-, nuevos subintervalos es (;=; {uil'. Como la rarz aproximada es uno
de los extremos de un subinrervnlo y la solución «real» está en él. el error es me-
nor qnc la longituJ 1.. Esto .~lgmJi(a que tras n. iteraciones, una cota del error es:
/.JI donde
.' el,
~, ~~ "::l~ solución o
e, _ ~;:.LI;1 ella apli-
-'=1";"1
29
En general, si para conseguir una cota del error menor que E (dado) hay
que repetir el proceso n veces, entonces buscamos n que cumpla
Así, con este método nos aseguramos que llegamos a la raíz con un error
máximo que hemos predeterminado. El número de pasos que vamos a dar lo
conocemos antes de empezar la subdivisión de intervalos.
Ejemplo 28. Podemos determinar el número máximo de iteraciones que

vamos a necesitar. Por ejemplo, queremos un error menor que 0,01 partiendo
de un intervalo de longitud 10. Como la longitud del intervalo es
l
11.
=.!Q
211
1. - ~
y debe ser 1" < E .enionces se debe cumplir

.,
10 10 1l
-<E=O 01q--<2" q 1000<2
2 1l
0,01
'
3.
Para determinar n podemos proceder de dos formas: a partir de lag} (1000) 4.

o probando con valores de n hasta que 2" > 1000. El resultado es que necesita- 5. ~ __- __ :=J
mos más de 9 iteraciones, es decir, 10 ó más, porque
1000 < 2" :::::} n > 9

j
En la figura 1.3 se representa el proceso seguido para aproximar la solu-
ción e def(x) = Ocon un error menor que E. Primero representamos la función
y aislamos un intervalo (xQ, Xl) donde está la solución. A continuación:
30
'clones 1.5. Métodos cerrados
e ..::..:;:> E (dado) hay

U~-.:' . .; E
con un error
_.::. :-'::'lZ
Xa
.; _::- vamos a dar lo
e _.: ·.-t raciones que

,,O 1 partiendo
L';. c ,'
Figura 1.3. Método de la bisección.
1. Partimos de los puntos xo, Xl y como f(xo) . f(xl) < O, hay una raíz al
menos en el intervalo (xo, Xl), según el Teorema de Bolzano. En este
°
caso esf(xo) < y f(xl) > O.
2. Tomamos el punto medio del intervalo. Xl = (.\0 + XI) 12 como solución
aproximada.
3. La solución no es aceptable. porque (Xl - xo) 12 > E. f(xl) -j:. O, por lo
que consideramos los subintervalos (.10, Xl) Y (Xl, XI)'
r·- - .ie log, (1000) 4. Como f(xl) < O, la solución está en (Xl, Xl)'
L~ :' ,¡lle necesita- S. Partimos de (Xl. XI)'
(a) Obtenemos su punto medio X3 = (x¡ + X2) 12 y es la nueva solución
aproximada.
(b) °
Como f(x3) -j:. y (XI - X2) /2 > E, .13 no es una solución aproxima-
da aceptable. Tenemos dos subintervalos.
:. .: . -:-:-. xrmar la solu-
(c) Estudiamos el signo de f(x3), y ahora nos quedamos con el inter-
':::-.:'::::105 la función
valo (Xl, X3)'
;:-. :.:-. ":'::'Clon:
1. El punto medio del nuevo intervalo es X4 = (X2 + X3) /2.
ii. Aunque f(x4) -j:. O, como (X3 - X2) 12 < E, X4 sí es una solución
aproximada aceptable. Hemos llegado a In < E.
31
Ejemplo 29. Buscamos una solución aproximada de la ecuación
con un error menor de O, L. Primero la representamos gráficamente y observa-

mos que la solución está entre O y l. Esto ya lo sabíamos por el ejemplo 27. Te-
nemos que
feO) = eO - O = 1 > O f( 1) = e- 1 - 1 '" -0,632 < O
Estos números no son racionales, pero para simplificar los cálculos, va-
mos a utilizar sólo 3 cifras significativas y redondeo simétrico. Primero vea-
/110S cuántas veces tenemos que repetir el proceso:
1 1 I l'
l = - < E = 0.1 ~ - < 2' ~ 10 < 2 ~ n>3
"2" . 0.1
Entonces hay que determinar 4 puntos medios. Primero dividimos el inter-

valo (O, 1) por su plinto medio, que es (l - O) /2 = OS El valor defes
f(0.5) = e- O.5 - 0,5'" 0,107 > O
Paso ti
1
1
3
.::
-1
,1
Figura 1.4. f(x) = e-O - x.
32
,,'ción y continuamos con el intervalo (0,5, 1). Su plinto medio es (l - 0.5) 12 = 0,75.
En este puma, f(0,75) = e-ols - 0,75 "" -0.278 < O y el nuevo intervalo es (0,5,
0,75), Su punto medio es 0.625 y allí
r:. 0';:( y observa-
cmplo 27. Te- f(0.625) = e-O 625 - 0.625 "" -0.897 x 10- 1
que es menor que O, por lo que continuamos con el intervalo (0,5, 0,625). El
-- ~
~ punto medio de este intervalo es 0,563 (hemos utilizado el redondeo simétrico
y, por eso, es un valor aproximado) y el valor de f en este punto es
,,-¿Iculos, va-
e Primero vea-
f(0.563) = e-l J S63
· - 0,563 "" 0,650 x 10-2
La solución aproximada es x = 0.563 Yuna cota del error es II = 0,625 - 0,563 =

= 0.062, que es la longitud del último intervalo.
En la siguiente tabla están los resultados parciales de los valores de los
r .;:;"/05 el inter- extremos del intervalo considerado en cada paso (a, b), el valor de f en estos
.:t' Tes extremos, el punto medio del intervalo c y Sil valor por!
Paso a b fea) f(b) Punto medio e f(e)
1 O 1 1 ~ü_
,- O, )- 0,107
- 0,632 I
2 0,5 1 0.107 - 0.632 1+0,~=
1
O.7S
- - 0,278
3 0,5 0.75 0.107 - 0.278 05+,07< = 0,625 - 0.897 x 10"]
4 0.5
I
I 0.625 0.107 - 0,089 8 1 ú,52~(i}2"" 0.653 I - 0.650 X 10-2
Para determinar la solución aproximada, x = 0.653, hemos utilizado re-

dondeo con 3 cifras significativas. Como la longitud del último que nos queda-
<; ría, (0,563.0,625) es menor que 0.1, el error que cometemos debido al método
es menor que esta cantidad. Pero a este error le tenemos que sumar el error de
redondeo y su propagación, valores que no conocemos. Estos errores se come-
ten al aproximar el punto medio.
33
Un pseudocódigo para implementar este proceso es el siguiente: L,
Entrada: función i , extremos del intervalo x. x.; error e,

número máximo de i t erac i ones Ntt: pur r. :' <:
Salida: x_aprox r iteraciones ni cota del error ~ re al.c , , -
Establecer x_aprox = xc, n = O, !l = Ix. - X: 1
si IXl - Xo I < E entonces terminar
Procedimiento
n = n + 1
si n > Nm entonces terminar
Para obtener 12 ...:'1
x_aprox = I x + Xc I /2
~ = ~/2
1.
si f(x_aprox) = O entonces
~ = O
Terminar
Fin si 3". Si está J.p:'=~
si f(x) . f(x_aprox) < O entonces Xc = x_aprox
En oc.ro caso, si f(x) . f(x_aproxl >0 entonces X: = x_aprox -L Se busca er; .:r
si ~ < 8 entonces terminar .:; Se repiten k~
Repetir Procedimiento
Salida es x_aprox, n r ~
Parar
El método de la bisección es rápido y fácil de aplicar. y su comprensión

nos ayuda a entender los mecanismos de funcionamiento más sencillos de los -;
métodos de aproximación. Además. funciona siempre y en el proceso determi-

namos cotas superiores e inferiores de la solución aproximada. Pero no es de-
masiado eficiente. en el sentido ele que utilizando otros métodos (aunque sean
1.
más inseguros) podemos determinar la raíz con el mismo error. pero con menor
número ele pasos (menos esfuerzo).
El proceso de convergencia a la solución se puede acelerar con método de
regula falsi, también conocido como de las cuerdas. de la falsa posición o de la
interpolación lineal. Este método es muy similar al de la bisección y posee sus
principales ventajas. como que funciona siempre y que en cada paso se acota la
raíz. La diferencia está en CJL,e tiene en cuenta que si, por ejemplo.j(x-) está más
cercana a O que [ix, L es de esperar que .1'1) esté más cercano a la raíz que Xi.
.J
34
ciones 1.5. Métodos cerrados
La idea de este método es ir tomando intervalos cada vez de menor longi-
~:éror E,
°
tud, pero teniendo en cuenta la proximidad a de f(xo) y f(.~I). Por eso, para
determinar los extremos del intervalo. en este caso elegimos entre Xo, XI y el
punto de intersección de la recta que une L\",f(x())) y (XI,f(XI» con el eje x. En
~
realidad, le que se hace es sustituir la curva que representa la función por una
línea recta, que da una «falsa posición» de la raíz. y de ahí viene su nombre.
r
I Método de regula falsi
Para obtener la solución x de f(;r) = Ocon un error menor que E:

'1. Se localiza una raíz en el intervalo (xo, x.). X = Xl'
2. Una aproximación de la raíz es el punto de intersección de la recta que une (xo,
f(xo» y (x,,f(x]) con el eje x, llamado X2.
'"
.,). Si ¡X2 - xl < E. X2 es la solución aproximada y terminamos,
3'. Si esta aproximación no es aceptable (lx2 - xi > Ej, se divide el intervalo (xo,
Xl) en dos mitades (xoo X2) Y (x2. .r.). X = X2·
- x_aprox 4. Se busca en qué mitad está la solución y se elige como nuevo intervalo.
lS. Se repiten los pasos 2, 3, 3' Y 4 con el nuevo intervalo.
La elección del subintervalo se hace de forma que la solución siempre está

entre los dos extremos del intervalo considerado en cada iteración. Por eso una
comprensión cota del error es siempre la longitud del intervalo.
'cC:~ci]jos de los En el método de regulafalsi se sustituye el punto medio del intervalo por el
:,:>0 determi- punto de intersección indicado. y esta intersección representa una mejor apro-
::>;C"\' no es de- ximación de ia raíz (Figura 1.5). Para la función de la figura, hacemos:
• .lunque sean
1. Partimos de los puntos .ro. Xl. ComolCrr)) < O y f(Xl) > 0, sabemos que
-::::'" con menor
hay una raíz al menos en el intervalo hu, XI)'
..,.... Se determina el punto de intersección de la recta que une (xo, f(xo») y
, :, método de
, (XI,f(X¡)) con el eje x mediante
-ición o de la
, : posee sus , x¡!Ü o ) - x,,ICr¡)
'>" se acota la oO' f(xo)-f(x¡)
t - ",) está más
__ z que XI.
Es la solución aproximada.
35
E
/
_-\ ,.:::~:~- ~1
puedece:e -~
que m-o,: -=-_-=- ~
neraln; ~ :-_: ~
Ejernpk. .3
aprOX:i': :_, ->:
Figura 1.5. Método regulafalsi. con W' t ,,-o - "']

lución te ' .. - .. :;
tambiei: . '" . "";
tersecci:-: .,: .,
3. Obtenemos los subintervalos (xo, X2) y (X2, x]). Por serf(x2) < 0, la solu-
ción está en (X2, x.).
4. Como (x) - X2) > E, la solución no es aceptable. x = X2.
5. Se determina el punto de intersección de la recta que une (X2' f(X2)) y
(xj,f{t¡))
(a) Obtenemos el nuevo punto de intersección X3 y es la nueva solu- Obs->. :

ción aproximada. madamer> --~
(b) f(X3) < 0, así que nos quedamos con el intervalo (X3, x.). que al rr.t: .:'
considere .. _
1. IX3 - .Y21 < E y la solución es aceptable. se ha illd:_, --_
Paro o- _.. ,¿
De forma analítica, se pueden utilizar triángulos semejantes para determi- Su lon g i T>.. : : '
nar cuánto vale el punto de intersección buscado, que llamamos X punto de :':::-.:'
36
Operando con esta igualdad y despejando el valor de x, llegamos a
xJ(xo)-xof(xJ
x = ----"'----"-'--------"-"---'------'-'-
f(xo)-f(x l )
A diferencia del método de la bisección, con el método de regula falsi no se

puede determinar a priori cuántos pasos hacen falta para obtener un error menor
que uno dado E. La ventaja frente a él es que la convergencia es más rápida, ge-
neralmente.
Ejemplo 30. Determinamos, por el método regula falsi, una solución

aproximada de la ecuación
e-Á -x= °
con un error menor de E = 0,1. Partimos, como en el Ejemplo 29, de que la so-
° °
lución está entre y 1. Tenemosf(O) = 1 > y f(l) "" - 0,632 < O. Utilizamos
también aritmética con 3 cifras significativas y con redondeo simétrico. La in-
tersección de la recta que pasa por (0,1) Y (1, - 0,632) Y el eje x, es
<: ¡<O, la solu-
.r, = .lJ(xo)-xof(x¡) = 1·1-0·(-0,632) =0.613

..:_=- _:k' Ix>f(X2)) y . fC\"o)-f(x¡) 1-(-0,632) .
f(0,613)=e- 0 6lJ -0,613=-0,713xlO- 1 <O
=- '- la nueva solu- Obsérvese que sólo escribimos igualdades, aunque algunas sean «aproxi-
madamente igual». A partir de este punto. vamos a escribir = en vez de "". ya
'. x l. que al trabajar con 3 cifras significativas, abusando de la notación podemos
considerar que los números son «iguales». aunque sean aproximados, como ya
se ha indicado.
Para la que solución esté en el siguiente intervalo, éste debe ser (O, 0,613).
t c.:-:=' para determi-
,
°
Su longitud es 0,613 - = 0,613 > 0,1, por lo que el proceso sigue. El nuevo
punto de intersección es
1
.r, = x,f(xo)-·\'ofe.-r,) = 0,613·1-0·(-0,713x10' ) =0,572
f(.\"0)-f(x 2 ) 1-(-0,713xIO- I )
37
y f(0,572) = e- O,572 - 0,572 = - 0,760 X 10-2 < O. El siguiente intervalo de la ite- -1
°
ración es (O, 0,572), de longitud 0,572 - = 0,572 > 0,1. El punto de intersec-
ción correspondiente es
x = xd(x o)-xof(x3 ) = 0,572.1-0'(-0,760~1O-2) =0,567

4 f(x o)-f(x3 ) 1-(-0,760xlO-~)
f(0,567) = e-
05 67
- 0,567 = 0,225x 10- 3 > °
Así, el nuevo intervalo es (X3, X4) = (0,567, 0,573) Y su longitud es
0,573 - 0,567 = 0,005 < 0,1. La solución aproximada es x = 0,567 Y una cota
del error es ~ = 0,005. Representamos los resultados parciales en una tabla: -- ---- - - = -'""
Paso a b fea) f(b) lntersee. f(e)

1.6. Método del p
1 IlIJE
1 1 1 - 0,632 0,613 - 0,713 x 10-
2 °° 0,613 1 - 0,713 X 10- 1
- 0,760 X 10-2
0,572 - 0,760 x 10-2
0,225 x 10-3 I E;-¡ '.X
3 0,572 1 0,567
° una un.c. ".
cotas '- ~:O- . ~ =
='.l
De nuevo, a la cota del error hay que añadir los errores que se cometen métod>. , __ . '=
por redondeo al aproximar el punto de corte e y el valor def. Hemos tenido de ne' ':o '_ -'C - _,.:;;
que repetir todo el proceso 3 veces. Para este problema, hemos realizado un bajo L:'._' . : - . ~
paso menos que con el método de la bisección. Además, la cota del error es ecua.: - - . ".Jo.:
p - .
mucho menor. Esto no siempre ocurre así, como se verá en los ejercicios.
tir d:- :-
Un pseudocódigo que implemente el método de regulafalsi es: cumrL: -
real.z , .:
tad« .-- _, .
Entrada: función i, extremos del intervalo Xo, x~, error
permitido E, número máximo de iteraciones Nm
Salida: x_aprox, iteraciones n, cota del error ~
Establecer x_aprox= xo/ n = O apI' .
Si IXl - xol < E entonces terminar en_
Procedimiento II.'
Di -:
n=n+l L:' ..
38
ciones 1.6. Método del punto fijo
Si n > Nm entonces terminar

- LI/O de la ite-
x_aprox = (xjf(xo) - xOf(x1) / (f(xo ) - f(xd))
.. JI! intersec-
~ = Ix_aprox - xol
si f(x_aprox) = O entonces
~=O
-.--=0.567 Terminar
Fin Si
Si f(x o ) • f(x_aprox) < O entonces Xl = x_aprox
En otro caso si f(x o ) . f(x_aprox) > O entonces X o = x_aprox
Si ~ < E entonces terminar
longitud es
.~¡:;- y una cota
Salida es x_.aprox, n , ~
f . t '7 lIna tabla:
Parar
¡(e)
1.6. Método del punto fijo
'.-13 X 10-1 ~ _2-&.&& 2 R ¡;¡¡¡¡¡¡;¡¡¡¡¡:~ ., iUZ1.Z¡¡¡¡¡¡¡¡¡¡¡;;;;;;;;;;¡¡¡¡¡¡
2
-.-60 X 10-
En los métodos vistos hasta ahora, se conocía un intervalo en el que hay
1.~~5 X 10-3
una única raíz. Este intervalo se va haciendo cada vez más pequeño para tener
cotas superiores e inferiores tan próximas a la solución como queramos. En los
. ': .II! cometen métodos siguientes, vamos a estudiar cómo aproximar raíces por métodos don-
de no se sabe nada de la solución, a priori. A partir de un valor cualquiera, y
Hemos tenido
realizado un
bajo unas ciertas condiciones, nos podemos ir aproximado a la solución de la
ecuación por iteraciones sucesivas.
del error es
'; 'c ,'·CICIOS.
Para utilizar el método del punto fijo sólo se necesita un valor inicial y a par-
tir de él nos vamos acercando a la solución de la ecuación, siempre y cuando se
~:--.
cumplan unas condiciones. La determinación de las sucesivas aproximaciones se
realiza utilizando una ecuación recursiva. Este resultado forma parte de un resul-
tado mucho más general y con gran cantidad de aplicaciones, pero aquí sólo va-
error
mos a estudiar su aplicación a la resolución aproximada de ecuaciones.
El método del punto fijo es un método iterativo que se puede usar para
--_ .. ~
aproximar raíces de la ecuación f (x) = O en aquellos casos en que sea posible
encontrar una función g que verifique ciertas condiciones y de modo que
f(.\:) = O si y sólo si g(x) = x. El proceso de transformación de f(x) = O a
g(x) = x se realiza con operaciones algebraicas elementales (se puede tomar
39
g(x) =f(x) - x). En este caso, encontrar una raíz paraI es equivalente a encon-
trar un punto fijo para g. es decir. un punto X tal que g(x) = x. No siempre es
posible encontrar un punto fijo de una función. Aquí vamos a enunciar el Teo-
rema de la aplicación contractiva. donde pedimos una propiedad a g y pode-
mos asegurar que existe. Además, nos da el proceso iterativo para llegar a x .
. 11:~0rr~JÍl~delaaplicación contractiva cota- -::: :- - 1

suce~¡:':-. :.: - _=
S~ag una función continua definida de un intervalo cerrado en sí mismo,
gr: fa. bJ ~ La. b], con la siguiente propiedad: existe k E IR, con O < k < 1, tal que
para x, y E la. bl cualesquiera, se verifica
En: ':-.. c-' ••_
I
ig(x) - g(y) ~ k Ix - yl la prop.e z.,: _'"
Entonces existe un único punto x~ E [a, b Jen el que g(x··) = x' .

El punto x" se llama punto fijo de g.
La':l_:' -
dad de e..: __ - ;;
Una función g que verifica las propiedades anteriores se llama contractiva. to es asi.> : __=
Demostrar que una función es contractiva aplicando directamente la definición
puede ser complicado. Sin embargo. si g está definida de [a. bJ en [a, b] y tiene
derivada que verifica Ig' (x) I ~ k < L podemos afirmar que g es contractiva. Es-
ta constante k es la misma que la del teorema anterior. De esta forma. es mucho
más sencillo estudiar esta propiedad.
Ejemplo 31. La función g(x) = -: es contractiva en el intervalo [0,25.

0,80]. Primero hay que ver si transforma este intervalo en sí mismo. Es una
funcion decreciente. \' entonces basta con mostrar que g(0.25) ~ 0.80 Y
g(O.80) :::: 0.25
g(0,25) = e- U.2S "" 0.7788 < 0.80 g(0.80) = e- oso

. "" 0,44933> 0,25
independic:: -::,¡
cualquier ::-'.1
Con este resultado nos aseguramos de que g([0,25, 0.80]) e [0.25. 0.80). conjunto. e :--.:
También ha}' que ver si Ig'l ~ k <1 en este intervalo. Como g' (x) = - «: hay
que estudiar I-e-'I = «:
40
serones 1.6. Método del punto fijo
___ .Jente a encon- 0,44 < e--D·80 S e-x S e--D25 < 0,78
'\o siempre es
~:' _ enunciar el Teo- Un valor de k es 0,78. AsÍ, podemos asegurar que la función es contractiva
r :-::~"J a g y pode- en [0,25, 0,80).
o' ~J.ra llegar a x'.
La demostración del teorema de la aplicación contractiva, además de ser
sencilla es muy interesante, porque da el proceso para obtener el punto fijo x" y
cotas del error. Elegimos Xo E [a, b1 cualquiera, y definimos recursivamente la
sucesión de números reales
o en sí mismo,
Ü< k < 1, talque X"+1 = g(xl/)
Entonces, como XI/+l = g(xl/), X/1 = g(X,,-I) y Ig(x,,) - g(Xn-l) I S k Ix" - x,,-11 por
la propiedad de g enunciada,
2lxl/_l
IXI/+l - x,,1 = Ig(x,,) - g(xl/_¡) S k lXI/ - xl/_II S k
1 - x,,-21 S ... S k" IXl - xol
La sucesión así definida es convergente, porque podemos aplicar la propie-
'::J.r.1a contractiva.
dad de Cauchy si demostramos que X,,+; - xl/l ---7 1/-7= para i arbitrario. Pero es-
to es así, porque
1 °
L--:-.:::-.te la definición
en [a. b] y tiene IJ: +¡ -x" 1=Ix"+i -X,,+,_I +·'I',,+¡_1 -X I1+,_! +",-X"+I +X"+I- x ,, 1
Il
~ ; ::, .ontractiva. Es-
¡;- ~. _ ::'m1a. es mucho
slx"+i -x,,+,_¡1 + IXIl+,_1 -X,,+¡_! 1 + + IXn+1 -x" I
Sk ii+¡-}
IX1-xol+kl+¡-2Ix1-xol+ -v k" Ixl-xol
i k" _ kn+'
.tervalo [0,25, =I:r¡ -xol Lkn+j-I ==lxl-xol---
FI 1-k
e ,- ''';SII/O. Es una
k ~ .:S I S 0,80 Y
= I:1.'1 - J'-o I k" 1-
1- k'
k ---7"""'00
°
..-<': > 0.25 independientemente del valor i. Como la sucesión converge y Xj E [a, b] para
l. ~ =[0.25, 0,80]. cualquier j, entonces al ser [a, b] cerrado y acotado, el límite x" estará en este
conjunto. Como g es una función continua, tenemos
:': I = - e-x, hay
41
c
WlJ 11. • •r J.8.11 • cL .~~
::.---,
x R(X')
Por tanto, para cualquier punto inicial Xo, si g verifica las condiciones im-
puestas, las iteraciones X,,+I = g(x,,) nos llevan al punto fijo .c",
Por otro lado, tras n iteraciones siempre se verifica
k" k"
IXll-x'l~ l-k Ixo-x*l~ l_kmax{xo-a,b-xo}
y así podemos hacer una determinación previa de una cota del error .6. y del nú-
mero de iteraciones que debemos realizar. Esta estimación se puede realizar
antes de determinar ninguna solución aproximada, sólo conociendo el valor
inicial. Por otro lado, se puede considerar que el error absoluto E: verifica -'~, -~
:-:',_,: ~ .: _ ~ '~J::
Según esta expresión, el error cometido en cada paso es proporcional al

error cometido en el paso anterior. Pero además, nos permite conocer tras la
primera iteración el número de iteraciones máximo que vamos a efectuar para
tener una cota del error menor que el error aceptable. Sin embargo estas esti-
maciones pueden no ser buenas porque se ignoran muchos factores que hacen
que la convergencia sea más rápida y se llegue a una solución aceptable con
menor número de iteraciones.
Ejemplo 32. Queremos saber cuántas iteraciones hay que realizar, como _ '.:-::s.:
máximo, para obtener, por el método del punto fijo. una solución aproximada
de la ecuación
-x
e =x
con un error menor de 0,1, en el intervalo [0,25, 0,80], tomando 0,30 como pun-
to inicial. Ya sabemos que g(x) = e es una función contractiva en el intervalo
-1
_Ji
considerado. El valor es k = 0,78 (Ejemplo 31 j. Si partimos de 0,3, sabemos que
42
iciones 1.6. Método del punto fijo
e
Ix" - x"] s 1- k max lx, -
0.78"
a, b - x a } = .. ~ _~ max{0,80- 0,30, 0,30 - 0,25} =
= °,78" 1-0,78
0,5 < 0.78" .2.2728
.
l ~ ,:mdiciones im-
Si queremos que el error real sea menor de 0,1, entonces
Ix" - x·' I< 0,78" °

1
. 2.2728 S 0,1:::> 0.78" S 2.2~28 = 0,43999 X 10-1 :::> n ~ 13
Aunque este procedimiento nos da una estimación previa del número máxi-
. .:.;:. error .Ci y del nú- mo de iteraciones, en este caso no es buena, como mostraremos en un ejemplo
(~ ,;:: puede realizar siguiente.
.:. ~.xiendo el valor
['._:: [wrifica La importancia de hacer la transformación de J a g está en que da una fór-
mula para predecir un nuevo valor de x (que será Xi +1)' partiendo del valor an-
terior de x (que era .r.), Así, dada una solución inicial aproximada xo, la solu-
ción se puede refinar haciendo X = g(x para n ~ O. La representación gráfica
Il+l ll )
..: ;:, proporcional al del método del punto fijo es muy ilustrativa (Figura 1.6). Hacemos la transfor-
re:-':;: conocer tras la mación deJ(x) a g(x) y comprobamos que g cumple las condiciones. Si repre-
a.:..•'" J efectuar para sentamos las funciones g(x). y = x:
1 :::':'.::'Jrgo estas esti-
~ :'::':':"res que hacen 1. Comenzamos en un punto Xo cualquiera.
1_ _ - aceptable con 2. Como Xl = g(xo), «pasamos» g(xo) a través de la recta y = X Y así tene-
mos Xl en el eje x.
3. En este caso, g(xo) :;t Xo Y IXl - Xo 1 > E, así que Xl es el siguiente punto de
.. realizar; como la iteración.
,. :-i;¡aproximada 4. Hacemos X2 = g(XI)'
(a) Llegamos a X2 en el eje x a través de la recta y = x.

(b) De nuevo, IX2 - xli> E.
(c)
..: '1.30 como pun-
._ t'71 el intervalo 5. Hay que continuar con el proceso hasta determinar X3, porque ya sí es
.:.. sabemos que IX3 - x21 < E. X3 es la solución aproximada.
43
'-~'*C 4t « l.
r 7 = $ .:: k·
Ejemplo Xl
COI: .1"
r'¡x =
I I I I
;.~ . :. ,;; .'
1r·-
.... '. _
Figura 1.6. Método del punto fijo.
En el siguiente recuadro se da un esquema de la aplicación del método del
punto fijo
··~ª,tajl~~~~~f!jasl¡)luci(jlnx* de f{x) = Ocon un error menor que E:
sforma fa ecuaciónf(x) = O en g(x) = x.

I •. ""."'~>'" comprueba que g : la. b] ---+ [a, b] es continua y verifica, para k E (0,1) Y
e
x. y cualesquiera, que 19(x) - g(y) ¡~ k Ix - y],
3. Se elige un punto x() E (a, b). i = O.
4. Se hace Xí+l = g(Xi)'
5. Si IXi-t-l - xd < E, entonces X¡+I es la solución aproxima.9iª,.¡y~erminamos.
6. Si el número de iteraciones i es mayor que el númerO'Jfi~hno de iteraciones
N, el procedimiento falla.
1. SjIXi+I -Xii> e. se repite desde el punto 4 para t~'~.,.0l",d.
44
tciones
1.6. Método del punto fijo
Ejemplo 33. Utilizando el método del punto fijo, podemos determinar

una solución aproximada de la ecuación
«: - x = O
con un error menor de E = 0,1 (ver Ejemplo 29). Para transformar la ecuación
f(x) = O en una igualdad del tipo g(x) = x, lo único que hacemos es cambiar el
término x al otro lado de la igualdad
'- e-\ - X = O <::=:> e = X
-.1
Sabemos por el Ejemplo 31 que la función es contractiva en el intervalo

[0,25,0,80]. Entonces, si partimos de cualquier punto Xo E (0,25, 0,80) vamos
a llegar a la solución. El proceso que vamos a seguir lo representamos en la
Figura 1.7. Partimos, por ejemplo, de Xo = 0,300. En este punto es
x¡ = g(xo) = e-D·300 "'" 0,741
"'- •.. -. del método del
g(X e_______ __
O)
g(X¡)
amos.
de iteraciones
t------+
Xo X2 X4 X3 Xl
Figura 1.7. Método del punto fijo para resolver «: = x.
45
"'°h.- ....... <c * j8
JI.
; ,
nr , ::,132
Como en los ejemplos anteriores, utilizamos aritmética de 3 cifras con re mas !t.
dondeo simétrico. Por otro lado, la cota del error es que e': :
1105. Le; .::
11 = IXI - xol = 10,741 - 0,3001 = 0,441> 0,1 la fun. :
y tenemos que seguir iterando. Para XI = 0,741 es La :::-. =- .:: -:-.lt

mero teI~.:'.:-:~-:-":
g(
XI) =e
-0.741
"" O, 4 77 = X2 11 = IX2 - xII = 10,477 - 0,7411 = 0,264 > 0,1 sos. lo :'-...:' _ -=
De nuevo, el proceso continua, porque la cota del error es mayor que el
error máximo permitido. Partiendo de X2 = 0,477, tenemos
g(X2 ) 0621 = X3
= e-OA77 "", 11 = IX3 - x21 = 10,621- 0,477\ = 0,144 > 0,1 - - - - - -
- - - .- _- -
....
-::-,---..:..-"-"
Al ser la cota del error mayor que 0,1, hay que determinar X4
g(X3) = e-D.621 "" 0,537 = X4 11 = IX4 - x31 = 10,537 - 0,6211 = 0,084 < 0,1
Por tanto, la solución aproximada es x = 0,537 Y la hemos determinado - ---.-

- - -- -
-_......
con 4 pasos, como se resume en la tabla siguiente: -
- ---
.
--
.:, = _._=
Paso O 1 2 3 4
~ =
Xi 0,300 0,741 0,477 0,621 0,537
g(Xi) 0,741 0,477 0,621 0,537
11 0,441 0,264 0,144 0,084

Sa.::':::'::' _.
Pa~~::.-
El número de iteraciones es mucho menor que la estimación previa del
mismo. Esta diferencia se debe a que al tomar max {xo - a, b - xo} se comete La \ c.-._ e. i
un error grande que se propaga (este máximo es 0,5, cuando el valor Ixo - x" I queIa cor.v e rre
es menor que 0,24). car siemp.e . :.J
Para obtener el error total hay que añadir los errores que se cometen por no verifi ~ e. __ .:l
redondeo en .r, y enf(x;) a la cota del error cometido al aplicar el método. He- converja.
46
sciones 1.6. Método del punto fijo
L-_" _.~ .' cifras con re- mas tenido que repetir todo el proceso 4 veces. Aunque hemos dado más pasos
que en el método regula [alsi, el proceso y los cálculos SOI1 mucho más senci
llos. La desventaja de este método está en que primero tenemos que estudiar si
lafuncián transformada g es contractiva.
La implementación en ordenador del método del punto fijo es sencilla. Pri

mero tendríamos que estudiar si la función es contractiva (que es, en muchos ca
:::: 0.264> 0,1
sos, lo más complicado). Una vez que sepamos que lo es, el pseudocódigo sería:
r- - ~; mayor que el
Entrada: función g, intervalo [a, bJ, error permitido E,
. -
:::: 0.144> 0,1
número máximo de iteraciones Nm, valor inicial X o
Salida: x_aprox, iteraciones n, cota del error ~
Establecer x_aprox= Xo, n = O
Procedimiento
n=n+l
:;- ::::0.084<0,1 Si n > Nm entonces
Salida es «el procedimiento falla»
"1-' determinado Terminar

Fin Si
x_aprox:::: g (xJ )
~ =1 x_aprox - Xc 1
f 4 Si g(x_aprox) = x_aprox, entonces
~ =0
0,537 Terminar
Fin Si
,;,.'
En otro caso Xo = x_aprox
c:-
Salida es x_aprox, n , ~
Parar
r.-- '_;_iÓil prevía del
- .- - x } se comete La ventaja del método del punto fijo frente a los métodos convergentes, es
'"-- o' valor Ixo - x" que la convergencia es más rápida. Pero su desventaja es que no se puede apli
car siempre, porque hace falta que la función sea contractiva. Si no lo fuera, o
- .':: ,'e' cometen por no verifica algunas de las condiciones, puede ser que el proceso iterativo no
'. __ '. r . método. He- converja.
47
-...... < .•,s. ...

sr mr SU!!.'I" .z,.·, ?lB TI. r" E
Despe,,~.:
1.7. Método de Newton-Raphson
_ _¡¡;;¡¡¡¡¡;¡¡¡Y~~:i8~~2;~~~'¡:~~"¡~
[ix
El método de Newton-Raphson o método de Newton es uno de los más uti-
lizados para la determinación aproximada de raíces, por su sencillez y rapidez.
Este :-::..:: --"
También es iterativo y la idea es aproximarnos a la solución a través de la tan-
valores Si..:-::·
gente a la función [. Como en el método del punto fijo, se parte de un valor
aproximado de la solución .1'0. Obviamente. vamos a pedir que la funciónf sea
continua y derivable con continuidad. Entonces se puede trazar la pendiente a
la función f en el punto (xo, f(xo)) y, normalmente, el punto donde esta recta
corta al eje x es una solución mejor de la solución (Figura 1.8). El proceso de É:'Li::' _:~
aproximación por la tangente se puede repetir iterativamente, hasta determinar algún ':. E:-. : .:::
la solución aproximada con un error aceptable. .~ :' ~.- ::: ;;
podernc- '':':'::- 2
se \ei.::,.:. - . ~
-]
Figura 1.8. Método de Newton-Raphson,
La expresión matemática que permite determinar el punto Xl a partir de .1'0

se obtiene considerando que la derivadar'(x-) es la pendiente de la recta tan-
gente af por xo. Si Xl es el punto de intersección de este recta con el eje x, en-
tonces según la definición de derivada, tenemos (ver Figura 1.8)
48
clones 1.l Método de Newton-Raphson
Despejando x] llegamos a su expresión en función de xo,f(xo) y I'(xo)

I r , xof'(x o) - f(x o) f(x o)
f(xo)=xof (.'(o)-xJ (xo)=>x¡ = f'(x =>x¡ =xo - f'(x
, _.. - de los más uti- o) o)
. ,,:-<:llez y rapidez.
i:::. .. ::- aves de la tan-
Este razonamiento se puede repetir y tenemos la expresión general de los
'oC ::--'-:Le de un valor
valores sucesivos de XI/+1
-.:-" . .1 función f sea [tx; )
:-::"':::-.e:- la pendiente a x 11+1 = x/l - . f'(x-~ n )
,- ~~]jde esta recta
El proceso de Ésta es la fórmula de Newton-Raphson. Puede ocurrir que I'(x,,) = O para
1:: '::,.;ra determinar algún n. En este caso, se empieza de nuevo el proceso con otro xo.
A partir de la fórmula de Taylor (aunque vamos a omitir la demostración)
podemos saber cómo va a ser la convergencia, ya que si existef" y es continua,
se verifica la siguiente relación entre x," x y la solución exacta XC
IX/l+¡-xl ~K Ix" -xl' para K= sup{12f'(x)

f"(x) I para .X E l}
donde 1 es un intervalo donde está la solución. Si e; es el error que se comete
tras n iteraciones, podemos escribir
C'i+l ~ K c~
Esto significa que en cada paso, vamos a obtener un error proporcional al

cuadrado del error cometido en el paso anterior. Así, el número de cifras deci-
~~
males correctas se va a duplicar aproximadamente en cada paso. Y la conver-
gencia va a ser mucho más rápida que en el método del punto fijo, aunque hay
que hacer más operaciones, al determinar también I' (x,,). La igualdad anterior
,:- : - a partir de Xo también nos permite estimar una cota del error y las iteraciones que tenemos
:~:= le la recta tan- que hacer, porque
e:.. _ ~':1 el eje x. en-
- -:I<KI-
1X:,,-x - ~\n-j--\--I'<KJI
- x n_2 - x-1 4 < <KMI'_\o-X-1""
_00'-
para K=sup{lf"(x)/2f'(x)!paraxEI}
y M=I+2+4+8+ ..,+2/l- 1 = 2" - 1.
49
-i,.'C_ 'A.'
7 7 ::
Ejemplo 34. Vamos a estimar cuántas iteraciones hay que realiiar. como ,1.
máximo, para obtener una solución aproximada de la ecuación
con un error menor de 0,01, por el método de Newton-Raphson. Derivamos J)' ~.

tenemos
!(x)-=e-'-x j'(x)-=-e-'-l f"(x)-=e-\
Entonces
- -1 < KIvJ Ixa _x-1 /1

1xnx_
2
para K -= sup {I fl/(x) / 2f'(x) I para x E ¡} Y M -= 2" -1. Como la solu-

ción está en [025, 0,80], tenemos en cuenta este intervalo para determinar K
Ce ,,", __ .-...
t" (x)
-'- '- I = I .e-.\
-=
I e- \e-(J.20
:::;. -= 0,2686... < 0.2687 tinua. ,,~: .:J
I2f'(x) 2(-e-' -1) 2(e-' + 1) 2(e-DS + 1)
Hemos tenido en cuenta que e-e es decreciente. Aunque desconocemos x, Método de ~ewt'"
sabemos que la solución está en [0,25,0,80], Y xo -= 0,300. Así. si llamamos 1'1/1
a la cota del error cometida tras n iteraciones, Para obtener la -
Ixa -xl:::; max {Ixa - 0,251, \xo - 0,801} -= max {O, 05, 0, S} = 0,5 = 1'10 l. Se cornprndi:Jd
2. Se deterrniDiiIIIIIII
Finalmente, tenemos
3. Se elige un
IX/I - xl < (02687)M Ixa- xl 2n :::; (0,2687)2/1- 1 • 0,5 2n -= 1'1/1 :::; 0,01 ::::? n ::::: 2 4. 110 -= ma'- tJ+
5. Sij'(X.l=Q
El número de iteraciones va a ser. como mucho, 2. Si quisiéramos que el 6. Se hace..«, _
error fuera menor que 0,0000 l. tendríamos que hacer 3 iteraciones, porque con el eje L
1'13 = (0.2687 )2\ -1 . 0,5 23 "" 1,5813 X 10-6 :::; 0,00001 7. Si el nÚIna'o
N, el proced"
Vemos que haciendo una iteración más, hemos duplicado el número de ci- 8. 1'1. -= KA:_
fras decimales correctas.
9.
Tras haber comprobado que f cumple las condiciones necesarias, los pasos 10.
seguidos (Figura 1.8) hasta obtener la solución son:
50
iciones 1.7. Método de Newton-Raphson
_ . vealizar; como 1. Comenzamos en un punto Xo cualquiera.

L..
2. Calculamos jLo.).
3. Determinamos el punto de corte de la tangente por (xo,f(xo» con el eje
.r, x¡ = X o - f(x o ) /('(x o )
Derivamos j y 4. Como esta aproximación no es válida (Ix) -:xl> E):
(a) Calculamosf'(x¡).
(b) Determinamos el punto de corte de la tangente por (x¡,f(x¡» con
el eje x,x, =x¡-j(x¡)/f'(x¡)
(c) Esta solución aproximada tampoco es válida (lx2 -:xl> E), por lo
que el proceso sigue.
C,lmo la solu- 5. Repetimos los pasos anteriores hasta llegar a (Ix n -:xl> E). x n es la so-
lución aproximada.
. .ieterminar K
Un esquema de la aplicación de este método se resume, sij existe y es con-
< í).2687 tinua, en el siguiente recuadro:
, .; " Ullocemos x. Método de Newton-Raphson

; !1amamos ~"
Para obtener la solución x dej(x) = O con un error menor que E:
: = 0.5 = ~o l. Se comprueba que j es continua y derivable.

2. Se determinanf',f" y K.
3. Se elige un punto xo, i = O.
,==:>1l~2 4. ~o=max {xo-a, b-xo}.
5. Sif'(x,) = O, entonces el procedimiento fanapara~(!
que el
'. ¡',UIlOS 6. Se hace, Xi+! = X, - j(x¡)lf' (x.). Es el punto
<mes. porque con el ejex.
Q', •
7. Si el número de iteraciones i es mayO]'
<úmero de ci- 8. ~¡ =K~~_¡
9. Si ~i < E, entonces Xi+¡ es la soludófiaPfClxi
L: . _ '.:.I":J'-. los pasos lO. Si ~i > E, se repite desde el punto
51
._~~.I:. p-
7 l' "
Ejemplo 35. Utilizando el método de Newton-Raphson, vamos a deter-

minar una solución aproximada de la ecuación que ap :J
en esili
= e-\ -x = O
e ".
f(x)
ten pC'" 'o.: .:!
con un error menor de E = 0,01 (ver Ejemplo 29). fes lI/W función continua y
derivable, porque es suma de funciones continuas y derivables. Su derivada es El :-:~~: .; Ji
f'(x) = _e-X
1 Y es distinta de O en IR. - {Ojo Intentaremos evitar el punto O,
-
sería:
pues nos puede dar problemas al determina la intersección de la tangente con -
el eje x. Además, es dos veces derivable. Partimos, como en el ejemplo 33, del ---------
punto inicial Xo = 0,300. La cota del error cometido es (Ejemplo 34)
.6.0 = max {Ixo - 0,251 , Ixo - 0,81 j = max {0,05, 0,5 j = 0,5
::::. -= - =--= - ~
La primera iteración nos da el valor
- -.- - - -
-- _.---
~0,300
, . .f (x o ) e -0,300 - - - - - ..-
x¡ = "'o - - ,-.- = 0,300 - -0,)00 ~ 0,300 +0,253 = 0,553
f(,lo) -e-L
Utilizamos de nuevo aritmética de 3 cifras con redondeo simétrico. La co-

ta del error es - .-.:. - - -_- _.-=-
..
E¡ = KE; ~.6.¡ = 0,2687· 0,5- = 0,0 67175> 0,01

7 ,
Hay que realizar una nueva iteración. Para Xl = 0,553 es

,f(x¡) e-'J553 - 0,553
x,=x¡--,-=0,553- O'" ~0,567
- f (x,) -e ,L - L
E2 =KE~ ~.6.2 =0,2687·(0,067175)2 ~0,1213xlO--l <0,01
Ya tenemos, en dos iteraciones, la solución aproximada x = 0,567. La tabla

siguiente resume los pasos dados
.
-.- - - --
..
- -- --
Paso O 1 2
Xi 0.300 0,553 0,567
.6. 0,067175 0,L213 x 10-4
52
aciones 1.7. Método de Newton-Raphson
\<fI~
,:aJJ10S a deter- Hemos obtenido, con menor número de iteraciones, un error mucho menor
que aplicando el método del punto fijo (es 0,01 en vez de 0,1). Pero, de nuevo,
en esta cota del error no se han incluido otros errores, como los que se come-
ten por redondeo al calcular .r, y f
~~. -.,':ción continua y
'.:' : -. Sil derivada es El método de Newton-Raphson, si existe y es continua!", en pseudocódigo
7 : . iiar el punto 0, sería:
.- .,: __,1 tangente con
Entrada: función f, derivada f ' , error permitido E, nú-
eiemplo 33. del
, 3--1-) mero máximo de iteraciones Nm, valor inicial X Q , constante
K, intervalo (a, b)
" =0.5 Salida: x_aprox, iteraciones n, cota del error ~
Establecer x_aprox=xQ , n=O

~ = max {x¿ - a, b - x o}
Procedimiento
-=~3 = 0.553
n=n+l
si n > Nm entonces
L: .viétrico. La co- Salida es «el procedimiento falla»
Terminar
Fin Si
> __ '.' 1
x-aprox =X Q - f(xoJ / f' (x;)
~ =K~2
Si f (:'caprox) = O, entonces
~ =0
Terminar
" - < 0.01
Fin Si
C.: -:'= 0.567. La tabla En otro caso x¿ = x_aprox
Salida es x_aprox, n, ~
Parar
2
Al aplicar el método de Newton-Raphson pueden surgir distintas dificulta-
e des, como que el proceso no sea convergente para el valor inicial, que haya
más de una solución de la ecuaciónf(x) = O, que lleguemos a otra raíz distinta
, 10----+ °
de la que esperada, o que I' sea cercana a en un entorno de la solución y esto
53
. ,,""e........ •• F
11, ::,:.,.:: I
dé errores al redondear. Esto hace que tengamos que tomar ciertas pre
cauciones para ver si llegamos a la solución aplicando el método de Newton
Raphson. Pero. incluso en casos en los que no converge, es muy útil para acer
carnos rápidamente a la raíz a partir de valores positivos y negativos de módulo
grande y aplicar después algún método cerrado.
1.8. Método de la secante

MiICU& 2
Una dificultad que surge a menudo al aplicar el método de Newton-Raphson
es la determinación de la derivada. Aunque hay un gran número de funciones, co
mo los polinomios, cuya derivada es fácil de calcular y evaluar, esto no ocurre
siempre. Si este proceso es complejo, se puede trabajar con un valor aproximado
de la derivada. En un capítulo posterior estudiaremos cómo derivar numéricamen
te. Pero vamos a utilizar parte esta técnica para explicar el método de la secante.
La idea intuitiva está en sustituir la tangente por una aproximación. La apro
ximación es la recta que pasa por dos puntos de la gráfica de la función 1, cuya
raíz queremos determinar. A partir de la tangente aproximada, se determina un
valor de corte con el eje x y esta es una solución aproximada (Figura 1.9). Es el
método de la secante.
- ... - - ..:.::- - ",:;,
.Z __ ._':-"· ::.1l
.; -:: _:" :....:~ ~
':Z:-.: ~.- ,,-=-1

:: _:: _:- .:.... - "l
- _. :-i
\::.< ::..~_:c!
. : -.:--=-__ =- - ~ - .:.",~-_J
. ~ ,
Figura 1.9. Método de la secante.
54
sciones 1.8. Método de la secante
t: .: mar ciertas pre Analíticamente, se sustituye la derivada por

: :-:·.:::,:do de Newton
e, :-:..~:, útil para acer f'(x)~ f(X¡_I)-fCx)
, ~.:: c: .uivos de módulo X H -Xi
Se dice que la derivada se aproxima con una diferencia finita dividida hacia
atrás (así es como se llama el cociente anterior). La diferencia finita se sustitu
ye en la fórmula de Newton-Raphson para obtener la solución aproximada
•
e -=-:: '\ewton-Raphson (X'_1 - .tJf(xJ
L.::~: ce funciones, co ·1"+1 = .1', - .fC.1' ¡-I )-
f(.:e)
. ,
~. _: .. JI. esto no ocurre
r; _~ valor aproximado
Esta relación de recurrencia es la fórmula del método de la secante. Si
, ':-::":', JI numéricamen
f(X'-I) =f(Xi) para algún i tendríamos que empezar el proceso para otros valores
-:,,-::·:,jo de la secante.
iniciales. Observamos que en este método se necesitan 2 valores iniciales de x,
r : ·',:~iación. La apro
pero no es necesario que la raíz esté entre estos valores. Por eso. no se incluye
L:. ~-: :,: funciónf, cuya
dentro de los métodos cerrados.
L:.':.:. .;e determina un
Los criterios para la terminación del método de la secante pueden ser va
0::.':..: figura 1.9). Es el
rios, como que dos iteraciones sucesivas estén muy próximas entre sí o que el
valor del módulo defsea suficientemente pequeño. También terminamos cuan
do excedemos un número prefijado de iteraciones.
Aunque la fórmula que determina un nuevo punto es igual en este método
y en el método de regula falsi, hay una diferencia muy importante entre ambas
igualdades. En la regula falsi, la raíz siempre está entre dos valores x, y Xi+¡' ya
que un valor siempre sustituye a aquel cuyo valor de la función tiene el mismo
signo. Sin embargo, esto no se tiene en cuenta en el método de la secante, por
que un valor sustituye al anterior, sin importar el signo de la función. Lo que se
tiene en cuenta es qué valor está más cerca de la raíz. Así, el método de la se
cante no da cotas superiores e inferiores del valor de la raíz. Y tampoco tiene
por qué ser siempre convergente. Pero cuando converge, la convergencia es
mucho más rápido que los métodos cenados. Además, como el método de
Newton-Raphson, incluso en el caso de que no converja, nos permite un acer
camiento rápido a la raíz.
Los pasos que se dan para llegar a la solución aproximada en la Figura 1.9
son:
55
._"""C:'w • • • 1,7
--_.......
~".~. s • .··.PUI·.
_-----~---- s ....•
1. Comenzamos con dos puntos Xo y X¡ cualquiera. En este caso. la raíz x

no está entre ellos. E --,
- - --,
- ---
2. Calculamos j'(x-) y f(x,).
3. Calculamos X2 por X2 = XI - (.Yo - XI) f(Xi)/ (((xu) - f(.'(¡)). que es el pun
to de corte de tangente aproximada con el eje x. Ahora x está entre los ---
---------~
=-..:.~
dos puntos de la iteración siguiente, que son X¡ y X2. Pero esta circuns -
-"-- ----
tancia no es importante. .:: =-- - --::
4. Como esta aproximación no es válida porque IX2 - xl> E: - ----
--
- ..... - - - -
---------'
(a) Calculamosj'(x-).
(b) La siguiente iteración X3 = X2 - (Xl - X2) f(X2)/ (((XI) - f(X2))'
(c) Esta solución aproximada tampoco es válida (lx2 - xl> E). por lo
que el proceso sigue. De nuevo, la raíz esta entre los siguientes
puntos de la iteración.
lll. Calculamos f(X3).

iii. Determinamos la siguiente iteración x~ = X3 - (X2 - X3) f(X3)/
(f(X2) - fe'(3)).
lll. Este valor ya sí vale como x'" X4 y terminamos.
Para aplicar el método de la secante. los pasos a dar son:
s¿~.:.:.::. _
Método de la secante p¿:::-=.:::
Para obtener la solución x de [tx¡ = O con un error menor que E para la raíz: Ejemplo ~
una SOI1" .l
1. Se parte de dos puntos Xo y XI.

2. Se hace, para i = 1. X _ ¡ =
I (XI-I - x¡}f(x¡)/(f(x¡-l) - f(x¡»).
XI - I
3. Si el número de iteraciones í es mayor que el número máximo de iteraciones
con un ('''' , .,
derivab., ~ -~
4. Si IXi+J - xd < E Ó I!(XI_l) I < El, entonces X'+1 es la solución aproximada y termi
f'(x) =-,
namos.
pues ¡H', " ,_~
S. Si Ix;+] -xd > E y lt(XH) 1 < E¡ se repite desde el punto 2 para i = i + 1. el eje .r. F, .-,
hace ta:
ración "
56
iciones 1.8, iVlétodo de la secante
:: <;: caso, la raíz x Eles un nivel de tolerancia para r, que prefijamos.

El procedimiento para implementar el método de la secante es sencillo, co
mo muestra su pseudocódigo:
.:¡ue es el pun
o c: está entre los
~:, Entrada: función i , derivada f " errores E, El, número máximo
?,,,,r(, esta circuns de iteraciones Nm, valores iniciales Xc, Xl'
Salida: x_aprox, iteraciones n
> E: Establecer x_aprox= Xl' n = O
Procedimiento
n=n+l
i f(x2))' Si n > Nm entonces
L :- c:¡ > E), por lo Salida es «el procedimiento falla»
L., - . :~;: los siguientes Terminar
Fin Si
Calcular f(x o ) , i t x.¡

(xo-x,)f(x:l
l, = '" - 1,\2 - X3) f(xo)l X aprox= x-
- - f(xo)-f(xcl
Si f(x_aprox) =0, entonces terminar
r.. .. ...:.=1i o S.
Si IXl - x_aproxl < E ó '1 f(x_aprox) 1< El entonces terminar
En otro caso, Xc = Xl' x, = x_aprox
" Repetir Procedimiento
Salida es x_aprox ii, II
l
Parar
E para la raíz;
Ejemplo 36. Utilizando el método de la secante, vamos a determinar
una solución aproximada de la ecuación
L
f(x) = e -x - x = °
xrmo de iterádones con un error menor de E = 0,1 (ver Ejemplo 29). f es una función continua y
derivable, porque es suma de funciones continuas y derivables. Su derivada es
°
f' (x) = -e -x - l que es distinta de en IR - {O}. Intentaremos evitar este punto.
pues nos puede dar problemas al determina la intersección de la tangente con
~j, i = i + 1. el eje x. Partimos. como en el ejemplo 33. del punto inicial Xo = 0,300. Pero /70S
hace falta otro punto inicial. Tomamos, por ejemplo, Xl = 0,8. La primera ite
ración nos da el valor
57
-' .•.• SJ2i . J2i2 ij

¡'SL., ti I "'11' -.Irlrmn.
1. Conceptos básicos, Resolución de ecuaciones
O8-0,8)
= _(x o-x¡)f(x¡)=08_ (0,3-0,8)(e- .
x2 x¡ f(xo)-f(x¡) , (e- 0.3-0,3)-(e-o. 8 - 0 , 8 )
~0.8- -0,5·(-0,351) ~O 8- 0,176 ~O 8-0222=0578

.. -::1
. 0,441- (-0,351) , 0,792 " , - _..:. ..3,.)
,.=~ ~
.. '-, ~
Utilizamos aritmética de 3 cifras con redondeo simétrico. Por eso, a partir
de ahora, aunque aproximemos, vamos a escribir = en vez de E, abusando de la
notación. Como [X2 - xII> 0,1, el procedimiento continúa. La nueva iteración
nos da
578
X = .r, _ (x¡ - xJf(xJ = 0578 _ (0,8 - 0, 578)(e-o· - 0,578)
3 - f(x¡)-f(x 2 ) ' (-0,351)-(e-o. 578-O,578)
-3,77 X 10-3 _7
= 0,578 - -0,334 = 0,578 -1,13 X 10 - = 0,567
. ~--'=
Ahora la diferencia entre X2 Y X3 es menor que 0,1:
así que podemos tomar X3 como raíz aproximada. Las iteraciones obtenidas son -.
-
_.. ";"'..J _
.:. 5 _ -=-s
Paso O 1 2
X¡ 0,300 0,800 0,578
0,800
..- -'- -:--:-~
X¡+l 0,578 0,567 -=,,':- -JI
Indicamos que la solución «real» de la ecuación e-x-x = es x= 0,56714...° -=---' - -.;; ]
Este método es el último que estudiamos para la solución aproximada de

ecuaciones de una variable. Con estos métodos podemos llegar a una raíz apro
:~
ximada de cualquier ecuación. La elección de uno u otro método dependerá
~ .. : "': oO:U
principalmente de las características del problema y de nuestras posibilidades
.. _oO. "':'3
y necesidades. Conocerlos todos y saber sus ventajas y desventajas nos ayuda
rá en esta elección.
58
sciones Recordemos que
Recordemos que:
~:. Al aplicar métodos numéricos, lo importante es no tanto llegar a la solu

""

ción exacta (analítica) de un problema, sino obtener una solución numé
:.::: = 0.578 rica aceptable. Hay que intentar minimizar el error hasta conseguir que
sea menor del nivel prefijado. Por eso, tenemos que poder determinar la
cota del error cometido.
•, Por eso, a partir ~:. Los principales motivos para obtener la solución numérica aproximada

.::, E. abusando de la en vez de la solución analítica son que no se necesite o no se pueda de
l, ~,,; "un'a iteración
terminar la solución exacta, que el proceso sea muy complejo y que la
precisión necesitada no lo justifique.
•:~ Hay que distinguir entre distintos tipos de error. Algunos dependen de
- 0.578)
los métodos numéricos en sí, otros de cómo los aplicamos y también
,e-. _ '~'.578)
hay errores que son ajenos a lo métodos numéricos.
•:. Al obtener un error, no es siempre lo más importante saber cómo de
}.~ -: grande es éste, sino su magnitud en comparación con los números con
los que estamos trabajando. Por eso, muchas veces es más determinante
el error relativo que el absoluto .
•:. Muchas veces vamos a utilizar el signo = en vez de = cuando usamos
aproximaciones. Es una abuso de la notación. ya que en un lado de la
igualdad está el número exacto y en el otro una aproximación. Está jus
:¿,' obtenidas son tificado porque a efectos numéricos se verifica la igualdad.
.:. Si al resolver los ejercicios de las tres primeras secciones no se pueden
[2 dar las soluciones con soltura, recomendamos que se repita una lectura
comprensiva y detallada de la teoría, por la importancia de estos con
l.5- " ceptos introductorios en los métodos numéricos .
..:. La representación gráfica de las funciones cuyas soluciones queremos
t'::~-
determinar, siempre que sea posible, va a acelerar el proceso y nos va a
dar una idea de cómo llegar a la solución.
r= '¿' x= 0,567t4... ~;. Al elegir qué método aplicar para resolver una ecuación, hay que tener

en cuenta la sencillez del procedimiento, el tiempo de ejecución y nues
L:~ :.r aproximada de
tras necesidades en este momento.
ll~~.if a una raíz apro
~:. No siempre es mejor el método con convergencia más rápida. porque

rr :-:-,¿¡odo dependerá
puede que no lo podamos aplicar o que no nos lleve a la solución.
lL~<ra~ posibilidades
~;. Para aplicar métodos cerrados para aproximar soluciones de ecuaciones
~" ernaias nos ayuda-
de una variable hay que conocer en qué intervalo está la solución.
59
-,""CC _ . • ' '7

'$ g '1 ,.JIJIL-.HJITILlr. '$ ;¡-"7
~t· La principal ventaja de los métodos cerrados es que siempre convergen
a la raíz y que son fáciles y rápidos de aplicar, Su principal desventaja
es que la convergencia es más lenta que en los procesos iterativos y que
hay que tener localizada la raíz.
~:~ Podemos combinar la utilización de varios métodos para la resolución
aproximada de una ecuación. Por ejemplo, por el método de Newton
Raphson podemos localizar una raíz de forma rápida, para luego deter
minarla con el método de la bisección. Así evitamos hacer muchas ope
raciones hasta llevar a un intervalo de poca longitud para comenzar en
él con la división en 2 subintervalos .
e~.. El teorema de la aplicación contractiva nos da condiciones suficientes
para que una función tenga un punto fijo. Pero podemos tener una fun
ción que no sea contractiva y que tenga puntos fijos, incluso que con
verja a él aplicando el método del punto fijo. . .
.:. La ventaja del método del punto fijo frente a los métodos convergentes 2.1.
o cerrados es que la convergencia es más rápida. Pero su desventaja es 2.2. .,- .
que no se puede aplicar siempre, porque hace falta que la función sea 2.3. --,-
contractiva. Comprobar esto puede ser complicado. 2.4. Enor4
·Z" En general, aplicando el método de Newton-Raphson, la convergencia
va a ser más rápida que en el método del punto fijo, pero hay casos en
2.5.
2.6.
In
l
.
~
los que no es así. R

.,:~ La elección de uno u otro método de aproximación de raíces dependerá
de nuestras posibilidades y necesidades en ese momento y de las carac
terísticas del problema. Con la experiencia, adquiriremos la «intuición»
que nos permita decidir sin lugar a duda qué método elegir.
Prerreq u isitos
. ):_:-:. -:~
• D~:-_ -,-.::j
• \L,_ :.
• E~ _-'-o :4
• R;:, ~]
60
-~~""~~$j1Wt-fMt?tr'm
1 '15"T"'
setenes
2
;;: <.e mpre convergen o INTERPOLACiÓN
I =-:-::-.~:pal desventaja ~
(;:, ,i terativos y que ;:J POLINÓMICA
k ' ::- .ira la resolución ~
,~
Y APROXIMACiÓN
l -'.:: .'JO de Newton
:í":_. ::'.lla luego deter
~
1> -..:':=f muchas ope
r, .; =-..iTa comenzar en
-<
U 'ftIñí":JñJWfITiWwe r' prTIrw

,:'.~:,: :,"nes suficientes
.::=::::. -, tener una fun
¡.. ,;. ':1': luso que con-
Prerreouisitas.
r.e: .io- convergentes 2.1. Motivación.
F::-. <.1 desventaja es 2.2. Polinomio de Lagrange.
l:.::. .: _= la función sea 2.3. Diferencias divididas. Fórmula de Newton.
2.4. Error cometido por un polinomio interpolador.

t, :-.. \J. convergencia 2.5. Interpolación de Hermite.
¡.. '. :':'"0 hay casos en 2.6. Interpolación de splines.
Recordemos que...
~=-. ~: :-.lÍces dependerá
):-:-.::'.,0v de las carac
r:-=::::c's la «intuición»
J>-:. ;: .=;;lr. Prerrequisitos
• Raíces de polinomios.
• Factorización de polinomios.
• Desigualdades.
• Números combinatorios.
• Derivadas de funciones.
• Máximos y mínimos absolutos de funciones en un intervalo.
• Ecuaciones de rectas.
• Resolución de sistemas de ecuaciones lineales.
61
."~' .. ,aSEU..! a.••"

•• 2 ; 7 :,S:., t1 7 " 1••"'
2. Interpolación polinómica y aproximación

=
2.1. Motivación
e ;
A menudo podemos tener valores de ciertos parámetros obtenidos experi

mentalmente (como temperaturas de un motor bajo ciertas condiciones o con
centraciones de una sustancia en un compuesto en unos instantes determina
dos) y necesitar conocer una función f(x) que describa el comportamiento del
sistema. Muchas veces queremos integrar o derivar esta función que no cono
cemos. O podemos necesitar los valores de f(x) en otros puntos, en donde no
podemos determinarlos experimentalmente. También podemos conocer f(x),
pero que no podemos conocer sus valores en todos los puntos. En todos estos
casos, se busca otra función más sencilla de evaluar y que coincida con la fun
ción original en los puntos dados. A partir de la nueva función se calculan estos
valores que necesitamos.
Los principales objetivos que se plantean en los siguientes ejemplos son la
aproximación de los valores intermedios, la obtención de una representación
continua, derivación o integración de funciones que relacionan las variables
experimentales. En todos estos casos, es necesario deducir y reproducir la rela
ción entre las variables que intervienen en un problema, a partir de unos datos
obtenidos originalmente, Por eso, un problema clásico en el análisis numérico .
cogien.. ': r - "!
es la interpolación de una serie de valores. Por interpolación entendemos el 1 de m.: .~
proceso por el que se determina una función que en unos puntos determinados circunst.:«. .;
vale exactamente los valores dados por los datos. poblaci -r- : ,. ,
Ejemplo 1. La siguiente tabla da la temperatura de una habitación en Ejemplo 2

función de las horas que lleva funcionando la calefacción, cuando la tempera los 1'a ÍC' r: _.
tura inicial de la habitación es de lO° e para fio, e . ,',
de f en ,1': -'o
en el qUe" "
Horas O 1 2 3 4 los valore ,::'
Temperatura 10 15,2 19,5 21,4 22,8
Nos gustaría conocer una función que describa la temperatura, para saber
a qué hora hay que encender la calefacción para que alcance una temperatura
determinada.
62
~n
2. 1. Motivación
Ejemplo 2. La falta de datos es un problema muy común, Un ejemplo lo

encontramos en el censo de población, según los datos facilitados por el Insti
• tuto Nacional de Estadística (INE), A partir de 1996, los datos de población en
:-;:' : btenidos experi España los datos son los siguientes
s .: ndiciones o con
.~~, .antes determina Año Población
~ : :;~:)onamiento del
1996 39669394
L~~~::iI1 que no cono
=- _~.~,)s. en donde no 1998 39852651
d::,=:,-'s conocer f(x), 1999 40202160
L: - '. En todos estos
: ~::n.:ida con la fun
2000 40499791
:1': .: 'e calculan estos 2001 41116842
2002 41837894
:C;:" ejemplos son la
e _n;l representación 2003 42717064
lo..:: ¡¡un las variables 2004 43197684
r:. .eproducir la rela
I ;-'::':lir de unos datos Para el año 1997 no se dispone de datos, porque en su momento no se re
, e ~ .málisis numérico cogieron. Pero este dato puede hacemos falta, Además, el dato de 1996 es del
é~::r: entendemos el 1 de mayo y los datos de los años posteriores son referidos a 1 de enero. Esta
¡:: _ni:,:' determinados circunstancia también tendrá que ser tenida en cuenta si queremos estimar la
población en 1997,
i, habitación en
.< ': .: Ejemplo 3. Actualmente, con una calculadora o un ordenador obtenemos
L ~ .csndo la tempera- los valores de cualquier función, Pero esto no siempre ha sido así, Por ejemplo,
para funciones como e', In x, sen x, cos x o tg x, lo que se conocía era el valor
de f en unos puntos (que venían en tablas) y si queríamos evaluarla en un punto
en el que no estaba tabulado, teníamos que aproximarlo. La siguiente tabla da
.;
los valores de lafunción In x, redondeados con 4 decimales, de 1 a 2:
x 1 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2
l.[:~-.,-:(ra, para saber f ° 0,0953 0,1823 0,2624 0,3365 0,4055 0,47 0,5306 0,5878 0,6419 0,6931
v,: _~ o :, ',0 temperatura
Si nos hace falta In 1,35, debemos calcularlo a partir de estos valores.
63
-e, «.. as:..a: fl

77 .:r:::. I ' 7
2. Interpolación poiinámics y aproximación

""""
Cuando queremos obtener el valor de una función en un punto donde no se

puede evaluar directamente, lo primero que se nos ocurre es encontrar otra fun
ción fácil de construir y de evaluar que coincida con los datos que conocemos,
Lo más sencillo es unir los datos de que disponemos mediante segmentos y
aproximar así los datos que no tenemos, Al interpolar uniendo los datos me
diante segmentos estamos aproximando la función por una recta (polinomio de
grado 1) entre cada 2 datos,
Ejemplo 4. Para calcular los valores de una función dada mediante una
tabla, en un punto que no aparece en la tabla, se utiliza la aproximación por una
cJeIC'
recta. Para aproximar ln 1,35 a partir de la tabla del ejemplo 3 determinamos la
punto.
ecuación de la recta que pasa por OJ, 0,2624) Y (l A. 0,3365) Y el valor aproxi que lc : .". J
mado es el correspondiente a 1,35. En la figura observamos que la función prác
una L:'" - '::1
ticamente coincide con la recta en [1,3, lA]. La ecuación de la recta es mavor :
blande e- -'~
x-1,3 1,3-1,4 0,1 ción po.: - :-:'-'.,
y-0.2624 0,2624-0,3365 0,7-0741
:::::} 0,074l(x-1,3) = O,1(y -0,2624) Ejemplo é
unCOL':~' " •
:::::} Y = O. 741x - O, 9633+0,2624:::::} Y = O, 741x - O. 7009
tos. Lo , --]
de la be:
factori.-. '_;¡
truirla, ;'j, ,
o coso En t. " _i
o
decir ui. : ';j
0,4
0.2
x
, ~
Figura 2.1. Aproximación de In x a partir de los valores de la tabla. F 1~_- _
64
>n 2. 1. Motivación
L ~ "::-,LO donde no se A partir de esta ecuación, obtenemos la aproximación

:-. :::-~_lmtrar otra fun
In 1,35"" 0,741 . 1.35 - 0,7009 = 0,29945"" 0,2995
a: ,JUc conocemos.
:-":.:.:-~:c segmentos y redondeando con 4 cifras decimales. Si hubiéramos calculado directamente el
l:::-":~' Jos datos me valor con lo calculadora, tendríamos In 1,35 = 0,300104592..., que es un valor
l ::: .: .; polinomio de
1 muy cercano al obtenido. De hecho el error cumple
E = 10,2995 - 0,300 I 04592 ... 1 < 6,046 x 10---1

. ~ . ~~ ".,.: mediante una Aunque la interpolación por una recta es válida en muchos casos (como el
¡ ~;':Lición por una ejemplo anterior). el resultado va a tener cambios bruscos si se unen varios
¡ _; .ieterminamos la
puntos. Por otro lado, la experiencia y la intuición, frecuentemente, nos dicen
f~ eivalor aproxi que la función que describe el problema es suave. Por eso, deberíamos buscar
; -: .,;tuncion prác una función que pudiéramos derivar y se suele escoger un polinomio de grado
t ~~ ",c~a es
mayor o varios polinomios que «encajen» de alguna fonna. Como estamos ha
blando de interpolar con un polinomio, el proceso se conoce como interpola
ción polinómica.
I - ~
Ejemplo 5. Supongamos que queremos diseñar una barra antivuelco de

- :1{)9
un coche. Teóricamente hemos deducido que debe pasar por 5 puntos fijos da
tos. Lo más inmediato sería unirlos por segmentos y calcular la configuración
de la barra a partir de ello (figura 2.2). Sin embargo, el resultado no es satis
factorio, porque (independientemente de las dificultades mecánicas para cons
truirla) parece lógico pensar que la funcion debe ser suave y sin cambios brus
cos. En este sentido, es más sensato buscar una funcion que sea regular, es
decir, un polinomio de mayor grado.
/~/\
-::' .ie la tabla. Figura 2.2. Aproximación a una barra que pasa por 5 puntos dados.
65
. '.1••••
'1111111'.117'" 7
En general, disponemos de una colección de datos, (Xk,f(Xk)) para k = O, ..., n,
que pueden venir de una función matemática, definida por una ecuación, o de
una función empírica y ser resultado de la observación. Llamamosj'(x.) a la se
gunda coordenada de los datos y representa el valor de f en xi, aunque no co
nozcamos la función. Pero también se usa mucho la notaciónji = f(x,). Los
puntos XI< se llaman nodos. La forma más elemental de interpolar una función
consiste en aproximar los valores por un polinomio que represente los datos.
Esto quiere decir que se trata de buscar un polinomio PI! (x) de grado n de for
maque '- -...:. - --~
para k = 0, ..., n (2.1) : . =- '::". _ -.. ..J

-. - - - - ,
,
PI! (x) es el polinomio de interpolación. Si aproxima a una función matemática ~':: .:: _ _ _ -.. 3
f(x) se dice que p; (x) es una aproximación polinómica de f(x). -=. ': : -: -_ - '::':::1
~::
El grado del polinomio de interpolación es n porque las n + 1 condiciones -: _ =- _0'.:::: :-:]

de 2.1 nos dan n + 1 ecuaciones y n + 1 incógnitas. Las incógnitas son los coe :-.-: ~ .: ': - - - ..•...,:
ficientes de la potencias de x y el término independiente del polinomio. Por
tanto, las n + 1 incógnitas nos dan los coeficientes hasta x".
Intuitivamente, y con los conocimientos que tenemos, no nos cuesta enten

der que sea posible aproximar una función continua por un polinomio. Partien
do del Teorema de Taylor, sabemos que es posible, para una función continua y

derivable f(x), yen un entorno de un punto XI), aproximarla por un polinomio. - - .
Pero para la interpolación este teorema no vale, no sólo porque hace falta tener
la funciónf(x) a priori, sino porque sólo dice lo que pasa cerca de XI) y sólo tie
ne en cuenta lo que pasa en él. Por eso, frecuentemente el polinomio de Taylor
no da una buena aproximación según nos alejamos de XI). Remarcamos que al
interpolar queremos que se aproxime bien en todo un intervalo, por lo que te
nemos que estudiar otros métodos.
Ejemplo 6. Podemos utilizar el polinomio de Taylor de orden 3 de In (x + 1)
.-- - --- - - ~
en un entorno de x = O. como se vio en los ejercicios de capítulo l. Pero si que --- - -- -

--
remos determinar In 6 con este polinomio, tenemos
66
on 2. 1. Motivación
r parak=O, ... ,11, In(6) "" 1,791759469

)c _c..:: ecuación, o de
52 5' A
~'--:::o5f(Xk) a la se P,(5) = 5--+-= 34,16

ce . aunque no co
. 2 3
:2_ .. C. T~ =! (Xk)' Los
I:;:·:-::-·:,ar una función Vemos que los valores son muy distintos y esta aproximación 110 es válida,
c::rr::";:nte los datos. por la magnitud del error cometido.
~:: zrado n de for
Una característica importante del polinomio de interpolación de grado n es
que, para 11 + 1 datos, existe y es único. Intuitivamente, sabemos que por 2 pun
(2.1) tos pasa una única recta y por 3 puntos una única parábola. Para demostrar que
el polinomio de interpolación de cualquier grado es único vamos a razonar por
l .: _c.::l'n matemática reducción al absurdo. Este método consiste en suponer los contrario de lo que
queremos demostrar (nuestra hipótesis), para llegar a una contradicción o a que
l..:.., -: - 1 condiciones sólo puede pasar lo que queremos demostrar. Entonces nuestra suposición de
~ . zc':.as son los coe berá ser falsa y sólo puede ser cierta nuestra hipótesis.
e _~. polinomio. Por Supongamos que existen dos polinomios interpoladores de grado n, que
llamamos PIl (x) Y PIl (x). Estos polinomios verifican:
- . c':',; cuesta enten
[ r· .mornio. Partien PIl (Xk) = PIl (Xk) = !(Xk) para k = O ... 11
L . _c,ción continua y
~.:. :r.: r un polinomio. Entonces. si llamamos P Il (x) = PIl (x) - PIl (x) se tiene que cumplir que:
)c.: _;: hace falta tener
:c:r:.:: de Xo y sólo tie PIl (Xk) - PIl (Xk) = O para k = O... Il
r· .:c.,.>mio de Taylor
, ::z erarcamos que al Pero P Il (x) es un polinomio de grado menor o igual que n, que tiene n + 1
e:- .::: '. por lo que te raíces (Xk para k = O, ..., n). Y cualquier polinomio de grado n con 11 + 1 raíces
debe ser el polinomio nulo (es un resultado conocido por Álgebra). Entones se
tiene que cumplir que PIl (x) = P/I (x) .
.., ': 3 de In (x + 1) En este capítulo vamos a proporcionar métodos para determinar el polino
mio de interpolación. Así vamos a demostrar que este polinomio existe. Una
importante cuestión práctica es cómo determinar PIl (x). Como, partiendo de
unos datos, se llega al mismo polinomio, un aspecto importante para determi
narlo es elegir el método numérico que suponga menos cálculos o que sea más
¡,,- 1, Pero si que apropiado en cada momento.
67
'¡e_. 2
n:
-,.~------"'---!II!!II!!!!!I!I_--""--"-
1 d "IJI) J 11 111
2.2. Polinomio de Lagrange
...• __ 1
El método de los polinomios de Lagrange tiene un gran interés teórico, pe
ro es un método poco práctico, a pesar de ser de fácil implementación en orde
nador. Su principal desventaja es que si determinamos el polinomio de grado n,
P« (x), y luego aumentamos el número de nodos, tenemos que empezar de nue
vo todo el proceso y no nos vale P» (x).
En este método no tenemos que hacer ninguna suposición sobre la conti
nuidad y derivabilidad de la función f(x), que describe el comportamiento de
los datos. Simplemente nos hacen falta los datos (Xk,j(Xk» para k = O ... n. Los
x, pueden estar arbitrariamente espaciados y ordenados. La idea de Lagrange
fue determinar n polinomios L k (x), de tal forma que cada uno valga 1 en el no
do Xk y O en los otros nodos. Luego, al sumar estos polinomios, multiplicados
por factores adecuados (que van a ser los datos f (Xk), se obtiene el polinomio
de Lagrange.
Ejemplo 7. Es sencillo determinar un polinomio que valga 1 en un nodo
y O en el resto. Si partimos de los nodos Xo = -1, XI = O, X2 = 2 Y X3 = 5, se puede
construir un polinomio de grado 3 que valga O en XI = O, Xl = 2 Y X3 = 5 Y sea
distinto de cero en Xo = -1. Las raíces de este polinomio son los otros nodos 0,
2 Y 5, por lo que deberán aparecer los factores (X - O), (X - 2) Y (x - 5). Si mul
tiplicamos estos factores, tenemos un polinomio de grado 3
qo (x) = (x - O) (x - 2) (x - 5)
Podemos conseguir que valga 1 en Xo = -1 dividiendo entre qo (xo), para
obtener:
(x - O)(:r - 2)(x - 5) (x - O)(x - 2)(x - 5)

LQ(x)= =-------- Ejempl-; 8
, (-1-0)(-1-2)(-1-5) -18
Es inmediato comprobar que Lo (-1) =-1 v Lo (O) = Lo (2) = Lo (5) = O.

Entender el método de Lagrange es más sencillo comenzando con los ca
sos más simples: 2 nodos y 3 nodos. Luego obtendremos la fórmula general.
68
on 2.2. Polinomio de Lagrange
Para 2 nodos, tenemos un polinomio de grado 1. En primer lugar, determina
•
mos L k (x), qk (x) y qk (x¡J qk (x) es el polinomio que vale O en los nodos distin
tos de x, y toma un valor distinto de O en Xk. L¿ (x) vale 1 en Xk y O en los otros
e o:oo::'f¿S teórico, pe nodos. Para 2 nodos, la ecuación de estos polinomios es
I,::o~oo:::-o:;:¡lión en orde
1( o:'--o:'mio de grado 17, Lo(x)= CJo(x) _ X-XI

e _:: e.npezar de nue CJoCro)-x- v
o -'1
L 1 (x)
., __ CJ-
1 (x)
- - X - -r o
,:_ :.--: <obre la canti
CJ¡(X¡) -~ 1 0'0
l _ .roortamiento de
: - ~.:. ~ = O ... n. Los
Lo (x) es un polinomio de grado 1 (es una recta) que vale 1 en Xo y O en X¡ y L¡
L 0':::'3 de Lagrange
(xo) = O Y L¡ (Xl) = l. L¡ también es una recta. Hemos utilizado los polinomios
L:"' o . alga 1 en el no
intermedios qk (x), ya que nos permitirán generalizar este proceso simplifican
[~oo: :'. multiplicados
do la notación. Una vez que tenemos unos polinomios con estas características,
(·-:::,n:, el polinomio
observamos que
f(xo) Lo (xo) =j(xo) f(xo) Lo (x¡) = O

f c.: 1 en un nodo j(x¡) L¡ (xo) = O
00
f(x¡) L I (x¡) = f(x¡)
:= _ o'.' 5, se puede
=
o = ~ .''- x; = 5 Y sea Luego. si sumamos f(xo) Lo (x) y f(x¡) L¡ (x), tenemos el polinomio de
, otros nodos O, grado 1:
.r - 5). Si mul
p, (x) = Lo (x)f(xo) + L¡ (x)f(x¡)
que verifica:
: ,.:",0 q,o, (xo), para PI (xo) =f(xo) p¡ (Xl) =f(x¡)
Esto es lo que queríamos conseguir.

-~J
Ejemplo 8. Si tenemos observaciones en 2 nodos, Xo y X¡
1: = L (5) = O. k O 1
Xk -1 O
¡C:-'::':':1do con los ca
!(Xk) 1,8 2,4
; _:0:':mula general.
69
~'?'!i'C • • L22 E
-",;;::II-"---"'-~---------""----"-"
podemos determinar el polinomio interpolador a partir de:

,- -::l
Lo(x)= X-XI = x-O =-x

Xo -XI -1-0
X- X X - (-1) 1
. ) = - -o=
L I (x =X+
x¡-XO 0-(-1)
-. - ;l
Entonces
PI (X) = Lo (x) f(xo) + L¡ (X)f(Xl) = 1,8 . (-x) + 2,4 . (x + 1)

= -1,8x + 2,4x + 2,4 = 0,6x + 2,4
Se deja como ejercicio comprobar que PI (-1) = 1,8 Y PI (O) = 2,4. =
De forma similar, partiendo de 3 nodos, el polinomio interpolador, utili
zando el método de Lagrange. es
_ ...
donde La (xo) = 1 = L¡ (Xl) = ~ (X2), Lo (XI) = La (X2) = L¡ (xo) = L, (X2) = L; (xo) =
L 2 (Xl) = O. Siempre se toma L, (x) como un polinomio que vale 1 en Xk y Oen el
resto de los nodos. Con 3 nodos, son polinomios de grado 2. La forma de cons
truir L k (x) es encontrar un polinomio de grado 3 que se anule en todos los no
dos menos en xi, que llamamos qk (x) y luego dividirlo entre qk (xd. Un qk que
10 verifica es el producto de los factores (x - xi) paraj -:,t. k. Con 3 nodos, los po
linomios L k (x) son:
Lo(x)= qo(x) = (x-xI)(X-X2)

qo(x o) (x¿ -x¡)(xQ -xJ
.c.. -:: :c.. - JI:
L¡(x)= q¡(x) = (x-X O ) ( x - x2 )
q¡(x l ) (XI -XO)(xI -xJ ~ '.:¡,::-_'.:: :: :'t
L,(x)= q,(x) = (x-xo)(x-x¡)

- q2(:r2 ) (x, -xo)(x, -XI) ....:._:.;...:.....
70
on 2.2. Polinomio de Lagrange
Obsérvese que Lo (x) y L¡ (x) no son iguales para 2 nodos que para 3. Para
2 nodos son rectas y con 3 nodos son polinomios de grado 2, es decir, de la for
ma ax' + bx + e, ya que tiene un factor más en el numerador. Para construir
P2 (x) se ha multiplicado cada L; (x) por f(Xk) , porque así en los nodos se obtie
nen los valores dados.
Ejemplo 9. A los datos del ejemplo 8 añadimos X2 = 2, f(X2) = 3,0. Ob

tengamos un polinomio interpolador. En este caso, será de grado 2. Los poli
nomio L, (x) son
; - 1) Lo(x)= qo(x) = (x-O)(x-2) = x(x-2) = Xl -2x
qo(xo) (-1-0)(-1-2) 3 3
LJx)= q¡(x) = (x-(-1))(x-2) =(x+l)(x-2) x 2 -x-2

r :1' = 2A.
q¡(x¡) (0-(-1))(0-2) 2 2
I =:-occrpolador, utili- 2
L,(x)= q2(X) = (x-(-I))(x-O) = (x+l)x = x +x
~ q2(X2) (2-(-1))(2-0) 6 6
Nótese que no podemos basarnos en los polinomios Lo (x) y L¡ (x) del

= L2 (xo) = ejemplo 8. Una vez que tenemos L k (x), hacemos
°
IX:::)
~ -oc 1 en Xk y en el
°
:~.l forma de cons

P2(x) = Lo(x)f(x o) + L¡Cr)f(x¡) + L 2(x)f(x,)
ll._oc en todos los no = 1,8· L o(x)+2,4 ·L¡ (x) +3,0· L 2(x)
:=-,0 0: IX:). Un q, que 2
= (0,6 -1,2 +0,5)x +(-1,2 + 1,2+0,5)x + 2,4
e .:-. 3 nodos, los po 2
=-o,lx +0,5x+2,4
Es muy sencillo comprobar que este polinomio cumple las condiciones pe
didas, y se deja como ejercicio.
A partir del polinomio de grado 1 y de grado 2, podemos deducir cómo se

construye el polinomio interpolador por el método de Lagrange. Partimos de
n + 1 nodos, {xo, Xl. oo., x n } . Buscamos un polinomio de grado n que valga
f(Xk) en cada nodo xi. Primero tenemos que encontrar polinomios L; (x) que
°
valgan 1 en Xk y en el resto de los nodos. Podemos empezar con:
71
, Q,!U&. ,'p
_"'''':llI!'•••, m G • •I• • •Uf'
•iIiI• •
I
t
qo (x) = (x - Xl) (X - Xc) ... (x - X,,) L" -:

q¡ (X) = (x-xo) .1. (X-X(_I) (X-X(+Jl ... (X-X,,) para O < k < 11
q" (x) = (x - XO) (x - Xl) ... (x - X,._I)
Sabemos que estos polinomios cumplen q¡ (x/) = Oen Xl si k *-j. por la forma
en que están construidos. Son polinomios de grado 11 - l. Pero en X( verifican
qo (xo) = (xo - XI) (xo - xc) ... (xo - XI')
q¡ (Xk) = (x¡ - xo) ... (x¡ - X"_I) (x" - Xhl) ... (x" - x,,) para O < k < 11
q" (x,,) = (x, - xo) (x, - XI) .•. (x, - X/;_I)
y estos valores no tienen por qué ser 1, que es lo que buscamos. Sin embargo,
si construimos
entonces estos nuevos polinomios sí verifican L( (XI) = Oen XI si k*- j y L( (x,,) = l.
Nótese que LI:. (x) depende del número de nodos que se toman. que no es lo
mismo La (x) para 3 nodos que para 8 nodos. por ejemplo. Una vez que tene
mos estos polinomios. si cada uno de ellos lo multiplicamos por f(Xk). el poli
nomio LI:. (x)f(x) va a cumplir:
L" (x) f(x,) = Oparaj *- k

LI:. (x¡) f(xd = f(x()
Si sumamos todos estos polinomio. tenemos un polinomio de grado 11, que
llamamos p", y que pasa por los puntos (x",J(x,,» para k = 0 ... 17.
Interpolación polinómica de Lagrange Se ~, .' : J

~.31. e. v- .~
PI! (x) = Lo L\ )f(x,.) + L] (x)f(x]) + ...+ L" (x)f<-r,,) ttütnu ( el
= qo(x) f(x,J+ q¡(x) f(x¡)+ ... + ql/(x) f(x,)

qo(.ro) q¡(x,) q,,(x,)
q ,,
q I .r.
~ q,(x)
=~-"'-
f (x
.) q [ ,':
k~O q k (XI:. ) . ,
q I ,', =
72
Ion 2.2. Polinomio de Lagrange
Ejemplo 10. Experimentalmente, se han obtenido los siguientes datos de

,< k < n velocidad de un automóvil de carreras al empezar a andar. x; indica el segun
do yf(x,) la velocidad, en kilómetros por hora.
= '. por la forma
k O 1 2 3
en x:: verifican
Segundo (Xk) 1,31 2,73 3,64 5,14
Velocidad (f(Xk» 42 72 93 114 I
1< k « n
-, .::. -. Sin embargo,

100
..:::
'<,
E 75
"'"
":J
:::
":J
= l. 50
" . = i YL, (Xk) ~
".::',. que no es lo ~
-_ "c. vez que tene 25
,. '::-,:':. (IX,), el po1i
O
O 1 2 3 4 5 6
Tiempo (s)
~: ':'. .ie grado n, que Figura 2.3. Polinomio interpolador de los datos de velocidad de un coche
de carreras.
¡
Se quiere determinar un polinomio que aproxime a estos datos (Figura
t 2.3 J. Como disponemos de 4 datos, el polinomio va a tener grado 3. Determi
k~. ' namos q, (x) y q¡ (x,), utilizando número con 3 cifras significativas:
/'.1',) (jo (x) = el: - 2,73) (x - 3.64) (x - 5,14)
(jo (xo) = qo (1,31) = (1,31- 2,73) (1,31- 3,64) (1,31 - 5,14) = -12,7
q, (x) = (x -1,31) (x - 3,64) (x- 5,14)
(jI (Xl) = q, (2,73) = (2,73 - 1,31) (2,73 - 3,64) (2.73 - 5,14) = 3.11
'--------~
73
, : .4.WUJ 2 '1 ",

JJ. • • 7 r r'l3I1 '
2. Interpolación polinómica JI aproximación
q: (x) = (x - 1,31) (x - 2,73) (x - 5,14)
q2 (X2) = q2 (3,64) = (3,64 -1,31) (3,64 - 2,73) (3,64 - 5.14) = -3,18
q3 (x) = (x - 1,31) (x - 2,73) (x - 3,64)
q3 (X3) = q3 (5,14) = (5,14 - 1.31) (5,14 - 2,73) (5,14 - 3,64) = 13,8
Hemos escrito el signo = aunque redondeemos, porque a efectos numéricos.

ambos lados de la igualdad son idénticos «con 3 cifras significativas». Enton
ces, abusando de nuevo de la notación y escribiendo fracciones con denomina
dor no entero, por la fórmula de Lagrange. el polinomio interpolador es:
Ejemplo 1
P3(X)= qo(x) f(x q¡(x) fCY¡) + q2(X) f(xJ+ q3(X) f(x
o)+ 3)
qo(x o) q¡(x¡) q2(XJ q3(XJ
= 42. (x-2,73)(x-3,64)(x-5,14) PCJ!il):O " : : . : .;¡
liia.i(~ c; o , -'/' j
-12,7
+72. (x-l,31)(x-3,64)(x-5,14)
3,11
+93. (x -1,31)(x - 2, 73)(x - 5,14)
-3,18
+114. (x-l,31)(x-2,73)(x-3,64)
Aprc: __ -~
13,8 que inci.: __ .
so. Los ,r.;: ':.1
Realizando operaciones, simplificando y redondeando, tenemos:
,1<
42" 72",'
P3 (x) = -12.7 (x' -1l,5r + 42, 7x - 51,1)+ 3,11 (x' -10, Le + 30,2x - 24,6) A.ño
Poblad I
93",' 114 3 '

+ -3,18 Ce -9,18.:c +24,3x-18,4)+ 13,8 (x -7,68r +18,3x-13,0)
= -3,31 (x' -11,5x 2 + 42, 7x -51, 1)+23,2 (x' -10, lx 2 +30,2x - 24,6)
-29,2 (x 3 - 9, 18x 2 + 24,3.:r -18,4) + 8,26 (x -7,68.:r + 18,3x -13, O)
3 2
= -3,31x' + 38, lx 2 -141x + 169+23,2x 3 -234x 2 + 700x - 570
74
on 2_2. Polinomio de Lagrange
- ~ ~..l, = -3,18 -29,2x 3 +268x 2 -709x+537 +8,26x 3 -63,4x 2 + 151x -107

= -1,05x 3 +8,7x 2 +x+29
,,.~./
- :.~...1, = 13,8
Para llegar a este resultado, redondeamos en cada paso. El proceso de ob
~ .: «ecros numéricos,
tención de esta forma del polinomio, más manejable si vamos a obtener varios
i;:'::~_-otivas». Enton
valores de p (x) en distintos puntos, ha incluido un gran número de cálculos y
e: ':'.' eO/1 denomina
redondeos.
r:::' -~,i,'Lldor es:
Ejemplo 11. A partir de los datos del ejemplo 2, vamos a estimar un

. " I
- ~ -'-'((x 3 ) valor de la población para el 1 de enero de 1997. Para simplificar, conside
.r ) raremos sólo los datos de los años 1996 a 2000. Sabemos que el dato corres
pondiente a 1996 es del 1 de mayo y que el resto es del 1 de enero. ELIde
mayo de 1996 es el día 122 (1996 es bisiesto). Por tanto, el dato de 1996 co
rresponde a
122
1996+- = 1996.3
366
Aproximaremos el valor del año 1997 con los datos de 1996 a 2000, por
que incluir datos más alejados puede hacer que el resultado sea menos preci
so. Los datos están en la siguiente tabla:
r :, i>C: lilas:
k O 1 2 3
L' - .30.2.:r - 24,6) Año (Xk) 1996,3 1998 1999 2000
Población (f) 39669394 39852651 40202160 40499791
',':...,.~ -18,3x -13,0)
1,.- -.30.2x-24,6)
5~ - - 18. 3x -13, O)
-:':'.-570
75
~"'~~ . • •,."L 1217

&7.[· ,
....
o
4,04e+07
4,02e+07
4e+07
3,98e+07
3,96e+07
3,94e+07
3,92e+07
],ge+07
1996 1997 1998 1999 2000
x
Figura 2.4. Aproximación de la población en España en 1997,
Como tenemos 4 datos, tendremos un polinomio de grado 3, Tenemos que

calcular
qo (x) = (x -
1998) (x - 1999) (x - 2000)
2
=x 3 - + 11 988 002x - 7988 004 000
5997x
q¡ (x) = (x - 1996,3) (x - 1999) (x - 2000)
=x 3 - 5995, 3x 2 + 1,1981 x 107x - 7,9812 X 109
q: (x) = (x - 1996,3) (x - 1998) (x - 2000)
=x 3 - 5994Jx2 + 1,1977 x 107 )," - 7,9772 X 109
q3 (x) = (x- 1996,3) (x- 1998) (x-1999)
~x3-5993,3x2+ 1,1973 x 10
7x-7,9732
x 109
y los valores de estos polinomios en x.:
qo (xo) = (1996,3 - 1998) (1996,3 - 1999) (1996,3 - 2000) = -16,983

q, (XI) = (1998 - 1996,3) (1998 - 1999) (1998 - 2000) = 3,4
q2 (X2) = (1999 - 1996,3) (1999 - 1998) (1999 - 2000) = -2,7
q3 (X3) = (2000 - 1996,3) (2000 - 1998) (2000 - 1999) = 7,4
76
,n 2.2. Polinomio de Lagrange
Entonces, el polinomio es:
p,(x)= qo(x) f(x )+ q¡(x) f(x¡)+ q2(X) f(x q,(x) f(x,)

o 2)+
qo(:r o) q¡(x¡) q2(X 2) q,(x,)
= _ (x-1998) (x -1999) (x- 2000) 39669394
16,983
+ (.:r -1996,3) (x - 1999) ex - 2000) 39852651
3,4
_ (x-1996,3)(x-1998)(x-2000) 40202160
2,7
I ,
+ (x -1996,3) (x -1998)(x - 1999) 40499791
7,4
':::':-::' ~I1 1997.
El polinomio interpolador y los datos iniciales se muestran en la figura
2.4. Si desarrollamos los productos, los cálculos son muy tediosos y el polino
r... ~ r . Tenemos que mio resultante tiene coeficientes muy grandes. Sin embargo, se puede evitar
hacer muchos cálculos si sustituimos el valor x = 1997 para obtener el valor
aproximado de la población en este año:
(''''':'1'-10 1997) = (1997 -1998) (1997 - 1999) (1997 - 2000) 39669394

p,( 16,983
.:.., .:: ' 109
+ (1997 -1996. 3) (1997 - 1999) (1997 - 2000) 39852651
9 3,4
.:.,--.::' 10
(1997 - 1996,3) e1997 - 1998) ex - 2000) 40202160
r.:.:: . 9
10 2,7
+ (1997 -1996. 3) (1997 -1998) (1997 - 1999) 40499791
7,4
~.. = -16,983 _6-39669394+ 4,2 39852651- 2,140202160+ 1,440499791

= .~.-1. 16.983 3,4 2,7 7,4
""" 39638498,88""" 39638499
, = -,-1.
77
~:~L• • •
~ _,~·":::!l:±t!i!lll.!!iIII!lI"_• • • •" •
• •" '• •JlIIU,Mlll
•••• .•un
•• • • ".IíIIIl•••••"•••
t'I'L. r" 1 R' nnri
2. interpolación polinénnica y aproximación 23
Luego, una cifra aproximada de habitantes de España elIde enero de
1997 es 39638499.
Si quisiéramos añadir un dato nuevo para obtener otra aproximación, de
beríamos empezar de nuevo todo el proceso de interpolación y determinar de
nuevo los polinomios qk (x).
2.3. Diferencias divididas. Fórmula de Newton

Ob~=~·::<:: ~
ximac i ór; ~~.:-_::.::1
curvatura :::-_ .::.
Ya sabemos que con n + 1 valores de una función en los n + 1 nodos se
punto. x:- _-:,'::::::I
puede determinar un único polinomio de grado Il que pase por ellos. La inter
polación de Lagrange es un procedimiento muy intuitivo y que nos ayuda a en tas que p::-s::..= ?'
f(:r¡)I / .~-: -' :
tender la interpolación polinómica. Sin embargo, existen otros métodos que
Gene::-.:.:~-=::..:l
presentan claras ventajas respecto a éste. Para nodos Xk arbitrariamente separa
dos y ordenados se puede usar la fórmula de diferencias divididas de Newton
orden Ci .: .: .
que, además de ser la más útil, es la forma más popular de determinar el poli
nomio de interpolación. Una ventaja de este método respecto a la interpolación
de Lagrange es que es posible aumentar el grado sin tener que determinar un
polinomio totalmente nuevo, ya que se pueden utilizar los coeficientes ya de para k ='.'. ':
terminados. Esto posibilita aumentar la precisión, pero sin comenzar de nuevo
cias dividi.L- j¡
los cálculos, como pasaba utilizando el polinomio de Lagrange.
Para entender mejor la ecuación general de método de las diferencias divi
didas de Newton, es recomendable conocer antes las ecuaciones para la inter
polación de primer y segundo orden, debido a su fácil interpretación visual.
Para el polinomio de grado l, que pasa por 2 puntos, tenemos una recta, de
que es la 01:::::-:=1:
ecuación: resta de ]e',- :'.:":
pasa por x, :.
De forr..; =-~
como
Para grado 2, al determinar el polinomio que pasa por 3 puntos, se in
troduce una cierta «curvatura» en la recta que pasa por 2 de los puntos, re
sultando
78
ion 2.3. Diferencias divididas. Fórmula de Newton
\.: :00 o. J de enero de

P (x) = f(x o ) + f(x¡) - f(x o ) (x - x o )
2
,.-,0 .i-roximacion, de x¡ -xo
~ o ': y determinar de f(.-"(2)-f(x¡) _f(x¡)-f(x o )
x 2 -Xl o"l:¡ -xo
.r, -Xo
= p¡(x)+b2 ( x - xo ) (X-X¡)
Obsérvese que los dos primeros sumandos son iguales a la recta de la apro
• ximación lineal que pasa por Xo y Xl' El último término es el que introduce una
,- _:- n + 1 nodos se curvatura en la recta anterior y para determinarlo se tiene en cuenta el nuevo
;:"-0: :=,-:r ellos. La inter
punto, X2. Además, para determinar b2 se consideran las pendientes de las rec
:. '::'::c nos ayuda a en
tas que pasan por Xo y Xl, que es (f(X1) - f(xo)) / (Xl - xo) y por Xl y X2 ((f(X2)
-r; : :[05 métodos que f(xl)) / (X2 - Xl))'
r:-::r2riamente separa Generalizando este procedimiento, definimos las diferencias divididas de
, '::-. ididas de Newton °
orden como
C-o: ':c!erminar el poli
ec: .J. la interpolación f[xd =f(Xk)
te r .:: ue determinar un
[, : .eficientes ya de para k = 0, ..., n. Estas diferencias son el valor de la función en Xk. Las diferen
ir; : :rnenzar de nuevo cias divididas de orden 1 son
c--.:::-_~~.
~ :.:.' diferencias divi "1: XO l> f(xk+j)-f(x.) =' f[x]- f["1:- k ]

. f[ -"k' k..... 1 - k+l
1. .
1.:::: ::1e5 para la inter X k+¡ -x ¡ X k+1 - X k
l:-.:=:-:=,retación visual.
ero=:-r_,J5 una recta, de que es la diferencia entre dos diferencias divididas de orden 0, dividida entre la
resta de los nodos. Geométricamente, representa la pendiente de la recta que
pasa por x, y Xk+h es decir. aproxima la derivada de f(x).
De forma recursiva similar, las diferencias divididas de orden 2 se definen
como
:: : ~ puntos, se in f[x¡, xk+l' X = f[xk+l' xk+oJ - f[x k, x k+¡]

r .:: '::c los puntos, re k+2]
X k +2 - xk
79
-'''::..'.Y._.•'
• 111:==,'. n,
2. Interpolación polinómica y aproximación 23
que aproxima la derivada de las diferencias de orden 1. Así, podemos decir que
las diferencias divididas de orden :2 aproximan «la derivada de la aproximación
de la derivada» o. 10 que es lo mismo. son una aproximación de la derivada se
gunda de j(x).
Y, en general, siguiendo esta pauta, se define la diferencia dividida de or
denm.
I '
Diferencias divididas de Newton de orden m I
en donde f
den m - 1.
[X¡c+l, XH • .. . . XI!!J yf [Xh X,~¡, .... Xk~,,,- ¡J son diferencias divididas de or I~
La :_- __ :-1
tabla. éT. _ - - ]
Como son una aproximación de la derivada de las diferencias de orden lumna -.'::
In - 1, en realidad son una aproximación de la derivada de orden m de la fun La colur: - _
ciónj(x). -
partir de ,_. _,~l
cias de " ~ ~ =- .
Ejemplo 12. Dada la siguiente tabla de valores, den k - l __J
por deba
se caku:.::-
k O 1 2 3 4
Xk -1 1 2 4 7
!(Xk) -1 -3 2 6 12 Xk f[Xk] flxi:- Xii
- .:
TI
Xo j(XI))
-
vamos calcular las diferencias divididas de hasta orden 4. En general, como XI j(Xl)
siempre nos basamos en las diferencias de orden anterior. éste cálculo se hace
... ... r' -
en una tabla como la siguiente:
-
X" f(x ll )
80
on 2.3. Diferencias divididas. Fórmula de Newton
s: - lemas decir que

L. ":c L1 aproximación Xk f[Xk] f[XhXk+d f[Xk ",xkd f [Xk ••• Xk+3] f[xo ••• X4]
"'. .. ~c la derivada se- -1 -1
-3-(-1)
= -1
I
rc- ..' dividida de or 1- (-1) 5-(-1)
1 -3 =/
2 - (-3) 2-(-1) -1-2 3
=5 = -
2 -1 2-5 4-(-1) 5 1/ 6 - (-3 / 5) 23
r 2 2 --=-1 =
¡ 6-/
---=2
4-1 0- (-1) I
=
7 - (-1) 240
I 4-2 2-2 7-1 6
4 6 -=0
r"X,---,] 12 -6 7-2
--=2
7-4
7 12
:i~ div ididasde or-
La tabla del ejemplo 12 se llama tabla de diferencias (divididas). En esta

tabla. en la primera columna están los valores de los nodos, xi. La segunda co
.: :'c~encias de orden lumna son los valoresj'(x.) = f[xd, que son las diferencias divididas de orden O.
::: ~ ~en m de la fun- La columna siguiente son las diferencias divididas de orden 1. que se forman a
partir de las diferencias divididas de orden O. Las columnas sucesivas (diferen
cias de orden k) se escriben a partir de su columna anterior (diferencias de or
den k - 1). Cada uno de los valores de una columna se escriben medio reglón
por debajo de las diferencias de orden anteriores, que son a partir de las cuales
se calculan.
x, If[xd rv; xk+d f[Xk ••• Xk+2] ... f[xo ... XII]
f(xo) f(x]) - f(x o)

Xo f[xl' .r.] - f[xo'x]]
Xl -X o x] -Xo
- ~: eeneral; como ..1
.t f(x• 1;1
.- f[xl' ..., x,,] - f[x o' ...• x,,_]]
culculo se hace
I
...
... ... Xn -X o
···1I l(r)
. . n - . J{ C o)
.t !,'-1/
f[x n _ ] , Xli] - f[X"_2' X"_I]
X/1 I f(X/1) }:" - X"_l x, - X Ji_ 2
81
··:;;~_"I. = IS ..
lit
• 111 11 1.'
2. Interpolación polinómica y aproximación 23
A partir de las diferencias divididas, el polinomio de interpolación por

Xl j[.rtl ,
Newton es:
L? .
Interpolación con diferencias divididas de Newton
Xb A;2] (x - xo) (x - Xl) +

(x - Xn~L)
Ejemplo 13. Vamos a determinar el polinomio de grado 4 que pasa por

los puntos del ejemplo 12. De este ejemplo, tenemos la tabla de diferencias. A e
partir de estas diferencias. el polinomio interpolador es
P4 (x) == f[x o ] + f[x o , Xl] (X - .lo) + f[x o, Xl' X2 ] (X - .lo)] el.' - Xl) +
+f[·:r o, Xl' x 2 • x 3 ] (x- ~\:o) (x - .r.) (x -xJ
+ f[x o, Xl' X2 ' x 3 ' x 4 ] (X- .lo) (X - XJ) (X - X2 ) (X - X,)
==-l+(-l)(x-(-1))+2 (x-(-l»)(x-l)
+ [ --3J (x-(-1»)(x-l)(x-2)+-(x-(-l)(x-2)(x-4)
23
5 240
3
== -l-(x+ 1)+2(x+ 1) (x -1) --(x+ 1) (x-1) (x-2)
5
23 Esta .: " ':~
+-(x+ 1) (x-l) (x-2) (x-4)
linoniios. E " ~
240
nomio pcr, ...

Podemos dejarlo escrito así o podemos desarrollar y agrupar términos, re centenas
sultando: efectúan ;,'
polinonu, ' _, -~
23 4 47 1 929 o 7 179 Este ::,
p (x)==-x - - x + - . c + - x -
4 240 40 240 40 30 que al re:
terpolad. ;'
Ejemplo 14. Partimos de los datos del ejemplo 10. Vamos a determinar
el polinomio interpolador por el método de Newton. Trabajaremos con 3 cifras En !é\ c', ::- -=.~
significativas. Comenzamos con la tabla de diferencias: observarn:'. ~_=
82
,n 2.3. Diferencias divididas. Fórmula de Newton
~~ .nterpolación por
Xk f[Xd f[Xt,Xk+l] f [xk, Xk+h Xk+2] f[xo, n., X3]
1,31 42 72-42 =211
2,73 72
2,73-1,31 '
3,64-1,31
°
23,1 - 21, 1 = 858
'
93-72 =231 -3,78-0,858
= -1,21
3,64-2,73 ' 14-23,1 5,14-1,31
-X:I+ 3,64 93 = -3,78
114- 93 5,14-2,73
=14
5,14 114 5,14- 3,64
ro' 00 J. que pasa por

t,oo o:'t diferencias. A Con los valores de las diferencias divididas de esta tabla, obtenemos el po
linomio interpolador
, -X,)+ lh (x) = 42 + 21,1 (x - 1,31) + 0,858 (x - 1,31) (x - 2,73)

-1,21 (x - 1,31) (x - 2,73) (x - 3,64)
:
= 42 + 21, lr - 27,6 + 0,858x2 - 3,47x + 3,09
-1,21x3 + 9,29,/ - 22,1x + 15.8
=-1,2x3 + 1O.1x2 - 4,47x + 33,3
-2) (x-4) Este polinomio difiere ligeramente del obtenido en el ejemplo 10, que era
'o ~ Jh (x) = -1,05x3 + 8.7x 2 + x + 29

Esta diferencia se debe a que hemos redondeado para obtener ambos po
linomios. Este efecto se nota, en este caso, especialmente al calcular el poli
nomio por el método de Lagrange, ya que obteníamos números del orden de
:~.~ 0",;1' términos, re centenas y al redondear, despreciábamos todos los decimales. Además, se
efectúan un mayor número de cálculos. Así, e! error se va propagando y los
polinomios difieren.
Este hecho no contradice que el polinomio interpolador sea único, por
que al redondear en realidad obtenemos aproximaciones de! polinomio in
terpolador:
":,5 a determinar
-, '''os con 3 cifras En la expresión del polinomio interpolador mediante diferencias divididas,
observamos que el polinomio de grado n se obtiene a partir del polinomio de
83
·¡c""lli¡"I&l&S 2J [,
- r
2. Interpolación polinómica y aproximación 2.4. Error
grado n - 1, p,,_], sumando el término f [x(), Xl, ..., x,J (x - x() (x - Xl) ... (X- X,,_I)' .....¡
Es decir,
p" (x) = P"-1 (x) + f [x(), Xl, ..., x,,] (x - x() (x - Xl) ... (X - X"_I) -
-- -"-
~
- - ....~
Como para determinar pn-I (X) sólo hacen falta los nodos {xo, XI, ... , X"_I}, si =
añadimos un nuevo nodo, no hace falta empezar todo el proceso de nuevo, bas
ta con calcular las diferencias que nos faltan (que son las diferencias donde es
., .
tá X y añadir este nuevo término.
H CUlO,: .:, _ _ :.=::
Ejemplo 15. Si disponemos de un lluevo dato del ejemplo 10, que es S: : -, ,:,_.:-;
x" = 6.69, f(X4) = 134, podemos determinar el polinomio de grado 4 sin necesi trar fó~~ __ . ~
dad de empezar de lluevo todo el proceso. Nos hacen falta las diferencias don diterer.: ..:' ::- >§
de intervenga XJ,
antes ce. ':"::'_--:;
naba .:::.:..::..~: :.:.::
no \¿:T,.:, _ :: <]
ponas.:::.:: ::.. ::-~
2.4. Error come1
= -3.78-0,858 ==_ 4.64 =-1.17 .-\1 :'".::-::'.:1

6.69 - 2. 73 3,96 grado ':.:'
.. . ] - f[xl' .:C" X 3' x"] - f[x o , .1'1' -'2' .r)]
cometer.t . ~;;
.f[ X o ' .\ l ' .\ 2 ' x, . .\ "
x" -.\,
=-Ll7-(-1.21) =_2: 04 ==-7,43xlO-'

6,69 -1, 31 5,38 e C':::~ _ ::. :-.]
todo u::::.:....:.:.. - ;
Hemos redondeado con 2 decimales. Resulta: Si :e:::::::-_ -;
linorm; .:..: ;::::...:
P4 (x) =P3 (x) +f[xo, x], X2, X3, X4] (x - xo) (x - Xl) ... (x - X3)
el erre: ::' ::.)
=-1,2x
3
+ 1O,lx 2
- 4,47x + 33,3 Así. e:-. e,:: . .:.S
84
iion "') 4'•

.r;.. ~ Error cometido con un polinomio interpolador
.......
~ - X,) '" (x -X,,-I). + ¡[xo, XI, X2, X3, X4] (x - 1,31) (x - 2,73)(x - 3,64) (x - 5,14)
=-1,2x3 + 1O,lx2 - 4,47x + 33,3
-7,43 x 10-3 (X4 - 12,8x 3 + 57,8x2 - 107x + 66,9)
2
~\. - Xn-l) =-1,2x3 + 1O,lx - 4,47x + 33.3
-7,43 x io';' + 9,51 x 1O-2x3 - 0,429x2 + 0,795x - 0,497
"t." ••"'-"\_ ••• , Xn-l}, si =-7,43 x 1O-3x4 - 1, lOx3 + 9,67x2 - 3,68x + 32,8
r~:. :,,] de nuevo, bas
~ ~: ~-:,cncias donde es- Este es el polinomio de grado 4 que interpola los valores dados de la velo
cidad del coche.
s: »tplo 10, que es

:: Si los datos son equidistantes (igualmente espaciados), se pueden encon
_v.ido 4- sin necesi trar fórmulas de diferencias de Newton que requieran menos cálculos. Son las
r.. . .: : iiferencias don diferencias progresivas o regresivas, que son un caso particular de las diferen
cias divididas de Newton. Estos procedimientos tuvieron mucha importancia
antes del desarrollo de los ordenadores, ya que el número de cálculos condicio
naba cuánto tiempo se iba a necesitar para obtener la solución. Sin embargo,
no vamos a estudiar estas diferencias en este libro porque actualmente su im
=----
,;; = l~. 90 portancia no es muy grande.
. .i:~ = -2,98
~..:. - 3.05
2.4. Error cometido con un polinomio interpolador
Al interpolar valores que representan una funciónf(x) por un polinomio de

grado n, P» (x), uno de los aspectos que más nos van a interesar es el error que
cometemos. Este error, en un punto x es
E (x) = If(x) - pn (x)1

Como el polinomio interpolador es único, el error no va a depender del mé
todo utilizado para la interpolación.
Si tenemos n + 1 nodos y los valores def(x) e interpolamos, tenemos un po
linomi.o de grado n. Si f(x) fuera un polinomio de este mismo grado, entonces
el error es 0, porque el polinomio de grado n que pasa por n + 1 puntos es único.
Así, en este caso particular, la funciónf cumple que su derivada n + 1 es O. Esto
85
"',~!I'!!LiE... "P'
_---_0..-'_ . -..
nos puede hacer pensar que la derivada de orden JI + 1 de [, va indicar el error

que cometemos al aproximar por un polinomio de grado n.
Si conocemos la funciónf(x) y tiene derivada hasta orden 11 + l , Ytodas las
derivadas hasta este orden son continuas, entonces E (x) = P» (x) - f(x) tiene
n + 1 ceros en los nodos {xo, Xj, x.}, Luego en estos nodos tiene el mismo
oo"
valor (que es O) que cualquier polinomio de la forma
P (x) = C (x - xo) (x - Xl) ... (x - XII)
Si queremos calcular el error en un punto cualquiera X, podemos pedir que

P (x) y E (x) coincidan en él y estudiar qué valor toma la constante C en este
caso. Como existen las derivadas defhasta orden n + L y son continuas. la di
ferencia
E (r) - P (x)
debe anularse 11 + 2 veces: en los nodos .Yo, Xl ..... XI! Yen X. Por tanto. la deriva
Ejernpl-; H
da 11 + l de esta diferencia se tiene que anular al menos una vez en el intervalo
1..7i 1 ;.,,
más pequeño que contiene a todos estos punto, que llamamos l. Este cero es ~.
La derivada es:
r-: (X)_E"-i-li (:r)=C(íZ+l)l-(P;,-i-ll (x)-f"+IJ(X))

= Cin + 1)!+f+1J (x)
porque. como PI] (x) es de grado 11, su derivada 11 + l es O. Entonces en x se cumple

-F 1I + 1 , (J;)
CII1+1)!+('+1' (¿)=O=>C=_.J '"
. - (11+1)! porque =
error e,;-;
Así podemos estimar el error cometido en x, porque
, ]
Ca;);
Como esta expresión es válida para cualquier punto :Y, entonces se conoce obtener -,
el error. el error" _
86
to: "'> .
_ _ _"""L~'i;!'ii;;<i~~~~
~~<W--~~tRij;;2,,''::'~''Il~JE72T':S:::::'''-':=:=--=~=
-=-::.....::~:::~-.-::.::::::=-.::.'"=.~;;.""':"_-~":'--:;-:=-~':;·-~:7 -'~:.:..:::~~::.¿=:~--'-,_.=-" ~:::':;;-.'..:.-¿~--:--':::;'~;::-E¡':;¿';:::1::';:l"'¿ili",?:~;~~7""---=~~~""I!<ED~
le ' . _ indicar el error

';X,,~\~ '.L2":;"<Jii;,, rJ>'~)~J, ;,,',"'f,... "~"" ,::.t:
v- . - 1, Y todas las
- 'xi-f(x) tiene 'S, ror ¿ cc.;-y:~;w c¡;
-, tiene el mismo PUBlO x es
e: ~~ : ;,~ :
z<.r}= e \,-1,. '\1
-._--
(n·-i-lL
- -:. ~emos pedir que
._ _ ' -rante C en este en donde ~ depende de x.
, " _ontinuas, la di
Este error depende del punto x y ~ está en el menor intervalo que contiene
a {xo, Xl, ... , XII}'
- - r' tanto. la deriva
l:-.. z: en el intervalo Ejemplo 16. Vamos a encontrar una cota de! error que hemos cometido al
2...-' <! Este cero es ~. aproximar ¡(x) = In X en X = 1,35 por el polinomio de grado l en e! ejemplo 4.
Este polinomio se determinó a partir de los valores de Xo = 1.3 Y XI = 1,4. El
error es
.
EL\}= (x-x'j)(.r-x¡)
I fHI (;) I
(1+I)l
.' _ c' el1 X se cumple

=? 8(1,35) = (1.35- U)
1
1 (1.35-1.5)(~;;)1=0,05.0,15-21 ;:\
-. ':>
porque f' (x) = -lit.:'. Como no conocemos ~, encontramos una cota de este
error como
t -
l 1 1
8(1.35) = 0,05·0,15- ---:;-::; 0,00375-, ::; 2,219 xl
2 ~- 1,3
_,
°
'X-X I1 )
Como el valor de 0,00375/1,3 2 no es racional, lo hemos maximizado para

z : :.'l1ces se conoce obtener la cota del error. Este valor, al ser una cota. lógicamente es mayor que
el error que teníamos deforma más aproximada en el ejemplo citado.
87
- . - ·,,~tH a fi.!!¡¡·'!~':1i#'.wfflJ, J~.!._!if.IIIl!!lIl.'l1!fIffilIIj,!"'l""rri~r~~,~~~',Jl!!!!iliHli!ik,i'~¡~~_~' _

.!M 71 ¡ET
interpolación poiinomice v aproximación E-o
Con la expresión anterior sólo podemos estimar el error que cometemos en
un punto x determinado. Sin embargo, muchas veces lo que importa es conocer
una cota del error válida en todo un intervalo. Entonces hay que buscar una co
ta superior de r: (x). Si tenemos todos los nodos están en un intervalo I. es
decir, x¡ E J Y existe una cota de la derivada de orden n + 1 en este intervalo,
que llamamos M + ], entonces podemos encontrar una cota del error E.
I1
Cota del error cometidopormterpq~~d@DpQlinómiea
Una cota del eITO! cometido alaproJ(in"it¡;¡r f(x) (derivable n + l veces) por un poli
nomio de grado n, en el intervalo I, está dada por
E(X) :;;
en donde para .1- E cualquiera.
Esta expresión todavía depende de x. Si buscamos una cota 6.. indepen

diente del punto, tenemos que acotar la función: -.,¡
(x - xo) (x - x¡)...(x - x n )
Lo mejor es encontrar el máximo de esta función, pero puede resultar muy
laborioso y complicado. Existe, no obstante, otras formas de acotar esta fun
ción, pero son menos precisas.
Hay que señalar que la cota que obtenemos es una cota del error máximo
que se comete en todo el intervalo. Pero en cada uno de los puntos se va a co
meter un error menor, generalmente. De hecho, se podría estimar una cota me
nor para cada uno de los puntos y así lo haremos cuando lo necesitemos. Pero
la ventaja de esta ecuación es que tenemos una cota del error en todo el inter
valo. lo que nos evita estimar diferentes valores para distintos puntos.
- : -=
Ejemplo 17. Vamos a obtener una cota del error cometido al aproximar
lafunciónf(x) = e", en el intervalo [O. l l- por un polinomio de grado 2 a partir
de los valores de f en los nodos O, 0.5 Y l. Se verifica:
88
ron 2.4. Error cometido con un polinomio interpolador
L:-.:¡ue cometemos en
o+¡
11.:.'" .mporta es conocer E(X)::::;I(X-Xo)(X-x¡)(X-X o ) M I
- (2+1)1
\2-, .::ue buscar una co
= I(x-O)(x- 0,5)(x -1) ~31

L "':-. un intervalo l. es
- : en este intervalo,
2. -=-=: error E.
donde M 3 es una cota de la derivada de orden 3 de f(x) en [0, 1]. Esta derivada es
j'(x) =f"(x) =f"'(x) = e'
veces) por UTIOOH

y como es una funcián creciente, en [O, 1] se tiene
Ij'''(x) I= lexl ::::; el = e = M 3

Por otro lado
A(x) = (x - O) (x - 0,5) (x - 1) = x 3 - 1,5x 2 + 0,5x
Como [O, 1] es un intervalo cerrado, en él se alcanzan un máximo y un mí

_-_ .ota ,6" indepen nimo (Teorema de Weierstrass). Esto ocurre o bien en los extremos del interva
lo o en los puntos donde se anule la derivada de la función. En los extremos
del intervalo, A(x) vale O. por la forma en que se Iza construido. Luego el máxi
mo y el mínimo deben estar en (O. 1). Hay que buscarlos mediante la derivada
de la función, que es
':- _ ;' .:ede resultar muy
l~ ,::e acotar esta fun A'(x) = 3x

2
- 3x + 0,5
:::.::. ::;:l error máximo
2
se va a co
: -, ::-LíltOS
Se anula cuando 3x - 3x + 0,5 = 0, es decir
i ,,<:::13.r una cota me
:-_"cesitemos. Pero -(-3)±~(-3)2 -4·3·0,5 3±~ 3±-f3

t= = =-
e:-:- -:- en todo el inter . 2·3 6 6
::.:-: : -; puntos,
Redondeando con 5 decimales, las dos soluciones de la ecuación sin valor
--': ::10 al aproximar absoluto son al = 0,21132 y a2 = 0,78868. Como buscamos una cota de
.i: :-z rada 2 a partir
I(x - O) (x - 0,5) (x - 1)1
89
. {IfIIi;iIUU . .E & ''$

] L.-id F
2. Interpolación polinómica y aproximación 2.4. Error
sustituimos estos valores en la expresión anterior y vemos cuál es mayor:
I(al - O) (al - 0,5) (al - 1)/ = 1(0,21132 - O) (0,21132 - 0,5) (0,21132 - 1)1
= 4,8113 x 10- 2
l(a2 - O) (a2 - 0,5) (a2 - 1)[ = [(0,78868 - O) (0,78868 - 0,5) (0,78868 - 1)1 p _,1
= 4,8113 x 10- 2
Ambos valores son iguales (lo que es evidente si observamos que son simé
tricos respecto a 0,5). Entonces, la cota del error es
-
B(.:r):::: (x - O)(x - O,))(x - 1) 3! I
M, I
ya qUe'
I
::::1(X-0)(X-0,5) (x-1) ~I
Li; l - _,'
::::4,8113x 10- 2 ·0,45305

=2.1789xlO- 2
Ejemplo 18. Aproximamos la función f(x) = cos x por un polinomio de

grado 10 a partir de los valores def en los 11 nodos O, 0,1, 0,15, 0,2, 0,3, 0.35,
0,45, 0,65, 0,8, 0,9, 1. Obtenemos una cota del error cometido en el intervalo
[0, 1] mediante
Es!,; _ .i
más si i . :
donde Mil es una cota de la derivada de orden 1 ¡ de f(x) = cos x. Las deriva
das del coseno verifican Pero e
grado ji',
f\x) =-senx
obten en:
r(x) = -cos x
los cálc :
f"'(x) = sen x
f Ok \X = (- 1) ' cos X
l( ) que ll0I1T ... '
r:J -
J I()
x (1 )k+ I sen x
=- / para 1\, = O,1, ... remos ar
__
90
ron 2.4. Error cometido con un polinomio interpolador
e-S mayor: La derivada de orden 11 de fcumple en [0,1]:
'1.21132-01 It' 1) (x) I = I(-lf+l sen xl = I sen xI:s; 1 = M lI
~ 1'1.78868 -1)i Por otro lado
A (x) = i(x-xo) (X-Xl) ... (X-X11)1

":,:, que son simé = i(x - O) (x - 0,1) (x - 0,15) (x - 2) (x - 0,3) (x - 0,35)
. (x - 0,45) (x - 0,65) (x - 0,8) (x - 0.9) (x - 01
:s; 1 . 0,9 . 0.85 . 0.8 . 0,7 . 0,65 . 0,55 . 0,65 . 0,8 . 0,9 . 1
ya que hemos acotado cada diferencia por
Ix - xkl = SUP{Xk, I - xd
La cota del error que resulta con estos valores es
r)
C(-"- < I( v _ v ) ¡ y _ r.) ... ¡\--r _ v ")
IV! ¡.'
,-
e - ¡\-\. ·'1.0 \,A_ '\I /I.¡¡/ I 11!
i 1;
1
polinomio de
"" :1/7
< 1·0.9
. ·0,85·
" 0,8·0,7
" . ·0,65·0.55
. . ·0.65·0.8
"·0.9
. -1-'
1l!
";~. 0.2, 0,3, 0,35.
en el intervalo :s; 1. 796 X 10-9 = ,6.
Esta aproximacion es un poco burda, ya que podríamos afinar bastante

más si calculamos el máximo de la función
G(x) = (x - O) (x - 0.1) (x - 0,15) (x - 2) (x - 0,3) (x - 0,35) .

. (x - 0,45) (x - 0,65) (x - 0,8) (x - 0,9) (x - 1)
= ,:':" x. Las deriva
Pero estos cálculos SOI1 muy laboriosos (hay que resolver una ecuación de
grado 10, lo que /10 siempre es posible de forma exacta) y la cota del error que
obtenemos es aceptable. Por tanto, en este caso /10 compensa el realizar todos
los cálculos para obtener una cota mejor.
La dificultad de encontrar una cota del error aplicando la ecuación está en

que normalmente no conocemos cotas de las derivadas de la función que que
remos aproximar. cuando disponemos de unos datos. Muchas veces, ni siquie
91
l' JI r
ra conocemos la funciónf(x). Sin embargo, la acotación del error va a ser muy

útil al integrar numéricamente, pues en este caso, sí conocemos la función f
Con el método de las diferencias divididas de Newton es más sencillo esti
mar una cota del error cuando no conocemosf(x). En este caso, el error se pue
de aproximar mediante una diferencia dividida de orden n + 1, ya que esta dife
rencia es una aproximación de la derivada de orden n + l. Así, el error E (x) "l'
cometido en un punto x cumple
Como para calcular f [x, .lo, XI, ... , x,rJ hace falta conocer f(x), que es una in T.
L.'".
cógnita, así no podemos estimar el error. Pero podemos utilizar una aproxima
ción de esta diferencia dividida y tener
r:Ó
1:.'
linc-: ~ ~~
cuando tengamos un dato adicional. Esta relación depende también de x, pero

para encontrar una cota del error absoluto podemos acotar los productos [x - xkl.
2.5. lnterpolack
Ejemplo 19. Vamos a estimar el error que cometemos al aproximar por
un polinomio de grado 3 en el ejemplo 14. Para ello, utilizaremos las diferen
cias obtenidas en el ejemplo 15, a partir del nuevo dato X4. El error en un pun Pélc:':': .:._-;,
to x, E (x), es aproximadamente nodo-o <:- _ JI
Esto n; :e, :-.:: í
E (x) "" I f [xo, Xl. Xl, X3, X4] (x - xo) (x - XI) (x - X2) (x - X3) (x - x4)1 ción c:- .c.
= 1-7,43 x 1O-3 1/(x - 1,31) (x - 2,73) (x - 3,64) (x - 5,14)1 mera. '.
= 7,43 x 1O-3 1(x - 1,31) (x- 2,73) (x - 3,64) (x- 5,14)1 puede Jr-
suele en: ::,,:: ~ 1
Se puede encontrar fácilmente una cota de este error, acotando gamos. C_:: :::::ll
derivad;
A (x) = (x - 1,31) (x - 2,73) (x - 3,64) (x - 5,14)
f(Xd y • 1
=x 4 - 12,82x3 + 57,757x2 - 106,99x + 66,911 mos que _. .:.=r
I'(x) coi», :.:..:. ¡
Como el máximo y mínimo de A(x) se alcanzan donde se anulen las deriva
das (en los extremos del intervalo (lJ 1,5,14), A(x) es O), hacemos tonces. C': . . 1
A' (x) = 4x 3 - 2
38,46x + 115,51x - 106,99
92
on Interpolación de Hermite
2 .::J•
ce =:cor va a ser muy y las raíces de esta ecuación son

: >. :::~~ JS la función f
:. e:, :-:,is sencillo esti a] "'" 1,828,02"'" 3,185, 03 "'" 4,607
~ • _- ' . el error se pue
Las hemos determinado con un programa de ordenador; pero existe una
I - .. :. J. que esta dife
fórmula que da las soluciones de una ecuación de tercer grado, por lo que las
. . <. el error E (x) podíamos haber encontrado de forma exacta. En estos puntos, A verifica
A(1,828) = (1,828 - 1,31) (1,828 - 2,73) (1,828 - 3,64) (1,828 - 5,14) "'" -2,804
r. .. - X,,) \ A(3,185) = (3,185 - 1,31) (3,185 - 2,73) (3,185 - 3,64) (3,185 - 5,14) "'" 0,759
A( 4,607) = (4,607 - 1,31) (4,607 - 2.73) (4,607 - 3,64) (4,607 - 5,14) "'" -3,190
_. ". que es una in
L.:=": una aproxima- Luego el error va a cumplir
E (x) "" 7,43 X 10-3 lA (x) I ::::; 7,43 x 10-3 . 3,190 = 2,3702 X 10-2
.': -.':;¡)I Esta cota es válida en el intervalo (1,3, 5,14) Y para la aproximación al po
linomio de grado 3 del ejemplo 14.
ce: ~':"3bién de x, pero
:> ::,"oductos IX-Xkl.
2.5. Interpolación de Hermite
",:. ... aproximar por
::::-:'':'':05 las dijeren
e ::.. t' rror en un pun- Puede darse el caso de que no sólo conozcamos los valores de f(x) en los
nodos, sino que también conozcamos la derivada de la función en esos puntos.
Esto no es tan infrecuente. Pensemos en el ejemplo de un móvil, donde la posi
t .' - .":' I IX - x4)1 ción es la variable independiente. La velocidad es, en este caso, la derivada pri
:"':;-5.14)1 mera. y no es difícil que también esté a nuestra disposición. En este caso se
- ~.14)1 puede aproximar por un polinomio de Hermite. Este tipo de interpolación se
suele emplear en problemas de movimiento de partículas en el espacio. Supon
. . .'.;¡¡do gamos que tenemos n + 1 nodos, xi, para k = O... n y los valores de f(x) y de su
, -'
derivada f'(x) en esos puntos. A estos valores los llamamos, respectivamente,
f(Xk) y f'(Xk)' Todos los nodos pertenecen al intervalo (a, b). También supone
-~~.CJll
mos que la derivada def(x) es continua en todo el intervalo (a, b) y pediremos
.ir.ulen las deriva f'(x) coincida con la derivada del polinomio de interpolación en los nodos. En
!. :.:.,"1105 tonces. está claro que las n + 1 condiciones iniciales, que salen al aproximar
por un polinomio
,~:-" p (Xk) =f(Xk) para k = O ... n
93
'·"il!"'UI....•• s Uf'"
se convierten en 2n + 2. ya que añadimos --' ...
_-.JI
para k= O ... n .,
Como se determinan 2n + 2 incógnitas, resultará un polinomio de grado
2n + l. Este polinomio es único, como pasaba si no imponemos condición so
bre las derivadas.
El polinomio de Hermite es un polinomio que cumple las condiciones an

.
teriores. Se puede determinar a partir de los términos Lié (x) que aparecían en la
interpolación de Lagrange. Sabemos que estos coeficientes dependen de! grado
del polinomio de interpolación. Por eso. introducimos la notación L,,~ (x). en
donde 11 indica el grado de] polinomio y k indica es el coeficiente k-ésimo. es
decir,
donde q¡ (x) es el polinomio formado por el producto de los factores (x -.1.J pa
ra i = O... n. con i -: /: . k. q, (xd es el valor de este polinomio en X~. Recordemos
que Ln,f,. (x) vale l en x~ y Oen los otros nodos. Tenemos que añadir n porque los
polinomios L k (x) que utilizamos en la interpolación de Lagrange depende del
número de nodos n + l. Por eso. no es lo mismo partir de n = 3 nodos que de
n = 4 nodos. Con esta notación se expresa el polinomio de Herrnite.
Polinomio de Hermite
en donde H", (x) = [1- 2(x - XJL~A (x,)] L~k (x)
H"k (x)=(x-xk)L~Á (x)
I y L,',k es el k-ésimo coeficiente de Lagrange del polinomio de grado n.

---------
94
,n 2.5. Interpolación de Hermite
El subíndice 2n + I del polinomio de Hermite H 2n +1 (x) indica que es un po

linomio de grado 2n + 1.
Ejemplo 20. Vamos a construir una carretera con un puente que una dos
_:-:-mio de grado riberas de un río. Debe unir dos carreteras paralelas al curso del río. Por eso,
[~ -_-, condición so sabemos que debe pasar por dos puntos determinados (donde terminan las ca
rreteras, que supondremos con coordenadas (0,0) y (5,1)). Además, se pide
_-':1diciones an que la continuación de la carretera a ambos lados sea tangente a las carrete
__ :: ::¡:,arecían en la ras existentes (ver figura 2.5), para facilitar la circulación de los coches. Los
~ ~::~:::-"j"'n del grado datos que tenemos son
:_:, :.5n LII,k (x), en
J:'~- __ :::~:;;; k-ésimo, es
k
Xk
°O I
5
!(Xk) O 1
t' (Xk) O O
,,- _-::es (x - x¡) pa

( - Recordemos 2
e _' _:> 1/ porque los
'::;- .. ;::: depende del
= .~ nodos que de
- --->~-ile.
l tX}
-2 o
T
2
x
4 6
Figura 2.5. Unión por un polinomio de Hermite de una carretera a los dos
lados de un río.
rv n.
95
'~".¡,.,'J ,.... r •
22E!!"": rI r IltSrrnr
2. Interpolación polinómica y eproximecion
El polinomio de Hermite va a tener grado 3 = 2 . 1 + L porque n = 1. El

polinomio de Lagrange va a ser una recta, porque tenemos 2 datos (n = 1). Los
polinomios Li¡ (x) son
Ll.k (x) se obtienen derivando estos coeficientes
L;o(x) =-1
'
Lu(x) = ~1
)
y entonces podemos determinar Hu (x) y Hu (x):
H¡O (x)= [1- 2(x - X o )L;o (xl))] L~o (x)

= [1- 2(x - 0)(-1)](5 - x/ = (1 + 2x)(5 - xf creme.: . _: ~
Hu (x) = [1- 2er - x 1 )L ;1(x))] L~l (x) aplic.c ".:- -:~

vadas ~~ _ --=:
=1 I - I = r/ 3 - ~2 x )l/X)2
11- 2(x - 5) . -1](X,\2 - E<~ __ =-J
L 5 \5) \ ) 5 cota~ C:~ _: ~ ~.
H 10 (x) = (x -\"o)L~o (x) = (x - O) (5 - xf = x(5 - X)2 válida :'.::.~ _ - JI
Hu (x) = (x - '\"I)L;1 (x) = (x - 5)x'

A partir de estos polinomios, y con f(xk) y f'(Xk), escribimos el polinomio
de Hermite H 3 (x)
1 1
H 3(x)= 2"f(xJH u:(:r)+ 2".f'(xJH u(x)

k=O r::=O
Ln., ~
tervalo :.
96
on 2.5. interpolación de Hermite
~
- .. ;,orque n = l. El
'5 ~ .:"::0.1 t n = 1). Los =0·(1+2x)(5-x) +1· 3- 2 2 [ Jí\5XJ2 +0·x(5-x) 2+0·(x-5)x 2
5x
=(3-~XJ(~J
Este polinomio es el que hemos representado en la figura 2.5, entre x = OY
x=5.
Como normalmente. al estudiar la interpolación con el método de Hermite,

tenemos que disponer de una fórmula que nos permita estimar el error que co
metemos. En este caso, es:
sCr) = I (..r - x o ) " (x - xy ...(x - xTi '(2n (~) I

t":"+ 2)!
suponiendo que f es derivable con continuidad 2n + 2 veces y que ~ está en el

intervalo (a, b), donde se encuentran todos los nodos. a y b no tienen por qué
coincidir con un nodo. Esta ecuación es similar a la empleada para determinar
: el error al aproximar por un polinomio de Lagrange, teniendo en cuenta el in
cremento del grado del polinomio. De nuevo, la mayor dificultad para poder
aplicar esta fórmula del error está en que normalmente no conocemos las deri
vadas de la función que queremos aproximar, ni tampoco sus cotas.
~
Este último aspecto es interesante, porque normalmente vamos a buscar
cotas del error, que nos van a ayudar a decidir si la aproximación encontrada es
válida para nuestros propósitos. Una cota será
1
6. = sup I (x - x o )2 (x - Xl)"... (x - xrJ 2 sup I f2/l-r2) (x)
1 1 __
XElo.b] xEla,b] (2n + 2):

r:: ":CS el polinomio
Así, para acotar el error también hay que acotar
g (X) = ( x-xo ) 2 ( x-x]) 2...·lx-x,,) 2

Una forma de buscar extremos (máximos y mínimos) absolutos en un in
H L.r)
tervalo [a, b J, es derivar la función g y ver dónde se anula. g es un polinomio
97
"'!I!IIiII!l,UU. 2&iC'1!
n
de grado Zn, pero para calcular las raíces de la derivada no tenemos que resol
ver un polinomio de este grado. Su derivada es
g' (x) = 2 (x - xo) (x - XI)2 ... (x - x,i

+ 2 (x - xoi (x - XI) ... (x - xli
+ ... + 2 (x-xo)' (X-XI)2 ... (x-x,,)
= 2 (x-xo) (X-XI)'" (x-x,,) [(X-XI)", (x-x,,)
+ (x - xo) (x - X2) ... (x - x¡¡) + ... + (x - xo) (x - x]) ... (x - x,,_¡)]
Esta función se anula en los puntos r, y en donde se anule el polinomio de

grado n - 1:
P (x) = (X-XI)'" (X-XII) + (x-x ü ) (.\-X2) ... (x-x,,)

+ ... + (x - xo) (x - Xi) ... (x - X,,_I )
Luego sólo hay que calcular las raíces de un polinomio de grado II - l.

Además. g(:r) es una función continua y [a, b] es un intervalo cenado y acota
do. Consecuentemente, se alcanzan el máximo y el mínimo en este intervalo.
Los únicos candidatos a máximos y mínimos son: ri, para k = O .,. 11, las raíces
del polinomio de grado n - 1 Y a Y b. Para determinar en qué punto se alcanza
el máximo y el mínimo, basta con calcular g en todos los puntos y donde g sea
mayor (en valor absoluto, que es lo que nos interesa), es donde se alcanza el
valor extremo. Este procedimiento da una cota del error más precisa que otros
métodos de acotación. Y aunque. a priori, había que buscar las raíces de un po
linomio de grado 21J. en la práctica hay que resolver una ecuación polinómica
de grado n-l. que el procedimiento es más sencillo y menos laborioso.
Ejemplo 21. Queremos encontrar una aproximación polinómica a la

[uncion ¡(x) = x In x el1 el intervalo [1, 3] que sea sencilla de evaluar: Pero
2 B", ..
ello.L.:,
queremos que en este intervalo el error cometido sea menor que 0,1. No sabe
mos si es suficiente determinar el polinomio de Hermite de grado 5, a partir de
los valores en Xa = 1. XI = 2 Y X2 = 3. Como n = 2, el error en un plinto x va a ser
C( ,)_(,._" \2('r_ . ')'(',._

L .\ -.' "oj ., '\1 .l
,.)2
.'lo
.f2+21(~)
- (2·2+2)!
,, , , rr e } (f::)
=(x-lr(x-2)-(X-3)--'_':1_
6!
mio dt :
98
ion ';~:::~¿!;}0:']':3jfi:.';;)§C;íf¿; e. '9
----""""~~,"""'" ~-S-?~~"--.i~,,:c::,~=---~-::...-=-~_:::=::,~---.- ~_~_ .-----.....c "_ :; ,,~: __,:-'-' ~:-:,":-,,"~:_::,;;,,;,=,::"'::~-;~=:,::jL:!~·,.~-:;;:'~"é"'''''~·~~-~~-::;;",,--'D'-lr"'"~~
:::::'~mos que resol Por otro lado, las derivadas de f son
,1;"
f'(x) = 2.{-ln x+-' =2x In x+x = x(2ln x+1)
x
f"( x) = 2 In x + 1+ 2 = 2 In x +3
f'''(x) =~
.'. I ... (x - XI1-1)] x
~ .. ::: ;:! polinomio de ·f

4}
1") --
,.-\ - ¿.
'"
.C
4
·f 5 } ( x)=
x'
ó" 12
~-e grado n - 1. ·f (.\)=--
4
x
r _ _errado y acota
¡- :- -este intervalo.
El error verifica
2. . = ... JI, las raíces
W.r~~~)
__ :: ::UDto se alcanza
::. : ' y donde g sea 18(x)1 = 1 (x - V (x - 2)2 (x - 1
-; .: ':~e se alcanza el
r'.:., ::recisa que otros
2..' _' - .nces de un po
-1_.I (X
\'
-1) (x - 2)
.,
(.y - 3)' -
' 1 12
6!~4
1
. :: _ .<; ón polinómica
e - - :,borioso. =!I (x -1)" (.1.'-2)2 (.X' - 3)' _._1_1
60~4
. '; ¡¡1OmZCa ala
.'t evaluar: Pero
Buscamos los máximos de la función g(x) = (x - 1)" (x - 2)" (x - 3t Para
r- . . c 0.1. No sabe
ello, hacemos
r: ;,5.apartirde g' (x) = 2(x - 1) (x - 2)" (x- 3)" + 2 (x - 1)2 (x - 2) (x - 3/
.."¡,ntoxvaaser + 2 (x - 1)" (x
- 2)2 (x - 3)
= 2 (x - 1) (x - 2) (x - 3) [(x - 2) (x - 3)
+ (x - 1) (x - 3) + (x - 1) (x - 2)]
= 2 (x - 1) (x - 2) (x - 3) (3x 2 - 12x + 11)
Aunque podía parecer difícil calcular las raíces de g', porque es un polino
mio de grado 5, al escribir la derivada de esta forma. es muy sencillo. Se redu
99
Lb
ce al cálculo de las raíces de una ecuación de grado 2, porque las otras solucio
nes son r¡ = 1, 1'2 = 2 Y 1'3 = 3. Las raices que faltan, que llamamos 1'4 y 1'5, son
x=
12±.J12
2-4·3·11
=2±-
-13
2·3 3
26
interpolaca
En estos puntos, se verifica
-- ---
~
-
- -
-
-.;.
Como g (x) es una función continua y [l, 3] es cerrado y acotado, se al

canzan el máximo y el mínimo en este intervalo. Además, como g (1) = g(2) =
-13) = g [2 -:3
= g(3) = O < g [2 +:3 -13) ' y estos puntos son los únicos candida ..,
ten» ':.
tos a extremos, el máximo se alcanza en 1'4 y 1'5. Entonces
~.6Li 0: ..
inter: .:.
le(x)1 =I(X-l)' (x-2f (X-3)2 601~41 :r, = ('. ,
2.6bi. E'
nodos
<1 0(1' ,)_I_II<I~_I_1
-1" 4 60~4 - 243 60~4
Obser e:'
simetri. ~
X4 = O,' :',0=
3 1 I 1 1
= I 3· 81 5~4 ~ 405~4 ~ 405· 1
< 0,0024692 ~ 0.1
100
00 2.6. lnterpolecion de splines
~ ~
_. otras solucio- 2
Así. la aproximación de f(x) = x In x por su polinomio de Hermite de gra
r-_ .. - ", y rs. son do 5 nos da un error menor que 0,1 en el intervalo [1,3].
2.6. Interpolación de splines
Cuando hemos interpolado un polinomio (por cualquier método) de grado

_---.J) ~ .
n, partiendo de n + 1 datos, hemos tenido en cuenta, implícitamente, todas las
derivadas hasta orden 11 - 1, porque determinamos un polinomio continuo, que
es siempre derivable hasta orden n - 1. Este hecho se refleja en que la curva
que aproxima muestra los serpenteos (al menos, hasta orden n - 1) sugeridos
por los puntos. Por eso, no siempre ocurre que aumentando el grado del poli
- .--~ ....,-
J' nomio el error decrezca: existen muchos resultados donde las funciones apro
- ---.' ximadas pueden llevar a resultados erróneos e inestables. Este hecho se conoce
como fenómeno de Runge.
Ejemplo 22. Queremos aproximar la función
..cotado, se al- 1
ztl)=g(2)= f(x) = \:,8 + 1
.inicos candida
por 1II1 polinomio. Si comenzamos con 3 nodos (xo= -1, XI = O. X2 = 1) )" los de
terminamos el polinomio de grado 3 que pasa por ellos. el resultado (Figura
2.6a) se aproxima en (-1,5, 1,5), pero no se aproxima en el resto. El polinomio
interpolador de grado 6, obtenido con los nodos {xo = -3, XI = -2, X2 = -1,
X3 = O. X.+ = 1, X5 = 2, X6 = 3) se parece más af(x) que en el caso anterior (Figura
2.6b). En la Figura 2.6c se representa el polinomio de grado 8 que pasa por los
nodos {xo = -3. XJ = -2, X2 = -1, X3 = -0,5, x.+ = O, X5 = 0,5, X6 = 1,X7 = 2, X8 = 3}.
Observamos que su gráfica difiere bastante de la de f(x). Pero si los nodos no son
simétricos. como en lafigura 2.6d. donde los nodos son Xo = -3, Xl = -2, X2 = 0,5,
x.+ = OY X5 = 1, el polinomio resultante ni siquiera posee la simetría de f(x).
101
'"i!"llAiI l•• .1 llii"""

a b
J
2
---"-
-
--
e d
.,
Figura 2.6. Interpolación polinómica con distinto

número de nodos.
Una alternativa para evitar que al aumentar el grado el polinomio resultan-

te se «aleje» de la función que queremos interpolar puede ser aproximar a tro-
zos, es decir. dividir el intervalo en subintervalos y determinar un polinomio
de grado menor al número de nodos (que es 11 + l ) en cada uno de los sub-
intervalos. La aproximación polinomial a trozos más sencilla se puede nevar a
cabo uniendo los datos mediante segmentos, formado una línea quebrada (co-
mo se hizo en la figura 2.2). Pero un inconveniente de este método es que ge-
neralmente pedimos que la solución numérica sea una función suave (deriva-
ble), ya que la función a la que aproximamos normalmente lo es y las
condiciones físicas del problema así lo exigen. Y la solución aproximada así
obtenida no lo es.
102
on 2.6. Interpolación de splines
t Este problema se resuelve si empleamos interpolación por polinomios de

Hermite a trozos, si se conocen los valores de ¡(x) y f'(x) en cada unos de los
nodos. Pero la dificultad de aplicar este método es que no siempre conocemos
estos valores de la derivada de la función. Por eso, una solución es interpolar
por medio de splines, también llamadas funciones de interpolación segmenta-
ria o cerchas, donde, a lo sumo es necesario conocer la derivada en los extre-
mos del intervalo. Esta técnica surge al intentar que una lámina flexible y del-
-:---... gada de plástico (un curvígrafo o cercha, spline en inglés) pase por un número
determinado de puntos. La curva resultante es un spline. Una de sus muchas
---=------~-~
2 3 aplicaciones se tiene en el diseño asistido por ordenador.
Ejemplo 23, Si a partir de los nodos de 2.6c, interpolamos utilizando un

spline obtenemos la gráfica de 2.7. Aunque presenta algunas «singularida-
des», como que en el punto x = O tenga un mínimo relativo, en este representa-
ción gráfica observamos que se asemeja mucho más a
1
f 'i X ) = +1
~----J
X"-
. \, X
que el polinomio de grado 8.

-,--------,
2 3
2'
1
.::L'mio resultan-
;::~ -c- '::';J)'oximar a tro- 1\
~~ ~~
E::.::})' un polinomio
: __ ~ .. .iü O de los sub-
..' ':: puede llevar a -3 -2 -1 O ] 2 3

l- _ :.::: J quebrada (co- x
t,' :'hodo es que ge-
n suave (deriva- -1
r' .' "':::nte lo es y las
aproximada así
Figura 2.7, Interpolación por splines de .t (x)) = - 8-1 ,
.K' +1
103
,"¡¡¡_r _ .__ ¡'ili 1•

ID 111
Para determinar los splines, numéricamente se aplica interpolación polinó-

mica por secciones: se divide en intervalo (a, b) en subintervalos con puntos
comunes {a = Xo, XI, ... , X b = x n } (que se llaman nodos de nuevo). Para divi-
I1 - ],
dir en subintervalos basta con indicar cuáles son los nodos. A partir de ellos ya
podemos reconstruir los subintervalos. Los subintervalos pueden tener distinta
longitud, no tienen por qué ser iguales.
Ejemplo 24. Vamos a dividir el intervalo (-3, 3) en 4 sub intervalos, da-

dos por los nodos:
{Xo = -3, XI = -2, X2 = 0, X3 = 0,5, X4 = 3}

Los subintervalos que resultan son (-3, -2), (-2, O), (O, 0,5) Y (0.5, 3).
Para aproximar una función por splines, se interpola en cada uno de los su-
bintervalos por un polinomiovf (x), pero pidiendo que la función resultante
g(x) sea varias veces derivable en los nodos comunes. g está definida a trozos
en cada subintervalo (x" Xk+l) como el polinomio ji, para k = °..
n-l. La in-
terpolación polinómica más sencilla es lineal por secciones, pero el resultado
tiene, como ya hemos comentado, poco interés desde el punto de vista prácti-
co: en los nodos comunes las gráficas tienen esquinas, lo que no suele ocurrir en
el diseño de la carrocería de un coche o el fuselaje de un avión. Los splines pue-
de ser de cualquier grado, pero normalmente se utilizan splines cúbicos. donde
la función g es continua y tiene derivadas primera y segunda continuas en todo
el intervalo (a. b). Buscamos funciones de la forma. para k = 0, .... n - 1
en cada uno de los n subintervalos (Xk. Xk+l) resultantes de los n + 1 nodos (ver
figura 2.8). Así, nos quedan 4n incógnitas a determinar. Las condiciones para
determinar estas incógnitas son:
e Los valores de las funciones interpolantes deben coincidir con los datos Se .: _'::~J
(Xk,f(X,J) en los extremos de cada subintervalo. es decir: • H,,<.: _-o J
104
on 2.6. Interpolación de splines
l=-,:::::-;:"Jlación polinó-
J:.:::: =-. :'l'JS con puntos
~::: :-. uevo). Para divi-
~ ,-\ r-artir de ellos ya tri
=- _::: ~-:n tener distinta ;-\
\. f
~
00
. I
,, '
' fk /'-
,,
o.
~~'
, '
¡ - o';'intervalos, da- ,,
.~ YIO,5,3).
l Xl X2 », Xk+l
Figura 2.S. División en subintervalos y funciones j, (x) definidas en cada

.- _.:.':::' uno de los su- uno de ellos.
o':' e _:-¡ción resultante
"-:,, ~dinida a trozos para k = 0, .., n-l. De esta forma, resultan 2n condiciones. De estas
. = ... 11 - 1. La in- condiciones se deduce la continuidad de la función definida a trozos re-
t e- ::'-:fO el resultado sultante, ya que se cumple:
t .: de vista prácti-
[_:: '0 suele ocurrir en
o
ji- (.'ú¡) = j(Xk+í) = fk+l (Xk-t-l)
=- LIS splines pue-
~ o -:::'cúbicos. donde • Las derivadas primeras de las funciones fk (r) deben ser iguales en los
r __ , 'minuas en todo nodos interiores (todos los nodos, excepto XI) y x l1 )
i. = .... n - 1
.f:-l (x k ) = f/ (x,) para k = 1,..., i1-l
El número de condiciones que añadimos es n - 1.
- , - J nodos (ver • También deben coincidir las derivadas segundas en los nodos interiores
~ _- ",ndiciones para
.f~1 (x.) =.1;' (x,) para k = 1,..., n-l
e .: _.~:f con los datos Se añaden otras n - 1 condiciones nuevas.
• Hasta ahora, tenemos
2n + (n - 1) + (n - 1) = 411 - 2
105
'lIIq7!!dL & S )"'"

_ .. ".""'IIlI. . . ...... ~ .. _..
condiciones. Nos faltan 2 condiciones para determinar de forma única

las funciones Ji (x). Por otro lado, los dos puntos anteriores imponen
condiciones sobre los nodos interiores. Pero también tenemos que exigir
alguna condición sobre los extremos del intervalo, .lo y X Il • Para determi-
nar el spline cúbico, se pide que en estos extremos se esté en uno de es-
tos dos casos, según se disponga de datos adicionales o no:
Las derivadas segundas en los nodos finales son O:
1'1i1(\,)=0
.1n-]~ n
En este caso, se llama spline natural o libre. Un ejemplo de spline li-

bre es la curva que describe una barra elástica a la que se la obliga a
pasar por unos puntos.
La derivada primera en los extremos verifica
.to '\' -. o
I ( . ) - f'l f'1 {. \ _ rl
.117- 1 -.T"
\.\" }
donde f ol y .f.,1 son datos del problema.
En cualquiera de estos dos casos, el spline cúbico g existe y es único.

:=
La principal dificultad de la aproximación por splines está en el tamaño del

sistema de ecuaciones que tenemos que resolver para determinar las 411 incóg-
nitas. Por ejemplo, si tenemos 4 nodos, los subintervalos son 3. En cada uno de
ellos tenemos que encontrar un polinomio ji (x) de grado 3 para k = O. 1,2. Así,
resultan 4· 3 = 12 ecuaciones, con igual número de incógnitas. Es necesario un
trabajo laborioso para resolver este sistema.
Ejemplo 25. De un coche en movimiento conocemos que en el instante

inicial (t = O) estaba parado (es decir; su velocidad es O km/ht l' 511 aceleración
es 96 km/h 2 . Pasada '1 hora. Sil velocidad es 112 km/h. A las 3' horas tiene una
velocidad de SO km/li y una aceleración de --48 km!h 2 (es un movimiento dece-
lerado J. Suponemos que la función f el.') que describe su velocidad es regular
(derivable 2 veces). Vamos a buscar. utilizando splines, una funcion g(x) que
aproxime a f(x). La aceleración es [(x). Conocemos el valor de f(x) en 3 no-
106
2. lnterpolecion polinomice v eproximecion
condiciones. Nos faltan 2 condiciones para determinar de forma unica dos y el 'e.
las funciones fie (x). POl' otro lado, los dos puntas anteriores imponen la siguicnt;
condiciones sabre los nodes interiores. Pero tambien tenernos que exigir
alguna condicion sabre los extremes del intervalo, .co y x.; Para determi
nar el spline ctibico, se pide que en estos extremes se este en uno de es
tos dos casas, segun se disponga de datos adicionales 0 no:
Las derivadas segundas en los nodes finales son 0:
Lr»: ,.
(0, 1) y I 1."~ -,
En este caso, se llama spline natural 0 litre. Un ejernplo de spline li
nomio de
bre es la curva que describe una barra elastica a la que se la obliga a
pasar par unos puntos,
La derivada primera en los extremes verifica
- -:
,
L
donde .fo' y '/;:" son datos del problema. tos C.Y,. "
escribe:
En cualquiera de estes dos casas, ei spline ciibico g existe y es UTIlCO.
La principal dificultad de la aproxirnacion por splines esta en el tamafio del

sistema de ecuaciones que tenernos que resolver para determinar las 4n incog
nitas. Per ejernplo, si tenemos 4 nodos, los subintervalos son 3. En cada uno de
ellos tenemos que encontrar un polinomio ii. (r) de grade 3 para k = 0, 1, 2. 1'.s1,
resultan 4·3 = 12 ecuaciones. can igual mirnero de incognitas. Es necesario un
trabajo laborioso para resol vel' este sistema.
Ejemplo 25, De WI cache en movimiento conocemos que en et instante Son .::

inicial (t = 0) estaba parade (es decir; su velocidad es 0 km/h) V su aceleracion - L
es 96 km/h 2 • Posada "I hom. su velocidad es 112 km/h. A las 3' horas tiene una nodos i.n:
2
velocidad de 80 km/h Y una aceleracion de -48 km/h (es lin movimiento dece
lerado). Suponemos que fa [uncion f (x) que describe su velocidad es regula!'
(derivable 2 veces). Vamos a buscar; utilizando splines, una fun cion g(x) que
aproxime a lex). La acelcracion es 1'(x). Conocemos el valor de I(x) en 3 no
106
on 2.6. lnterpolecion de splines
,- "~~
forma unica dos vel valor de f' (x) en los nodos exteriores. Estos datos estan resumidos en
'- imponen
:~:l,-'res {a siguiente tabla:
:: ~:':-:':LOS que exigir
Para determi k i, 0 I 1 I 2 I1
~ ::-::: en uno de es-
Xk TOT11~
f<xd
r (Xk)
Los nodos estan en el intervale [0,3]. Los 2 subintervalos que resultan son
(0, 1) y (1. 3). En cada uno de estos subintetvalos vamos a determinar un poli
i :' ::: ','r:,lo de spline li nomic Lie grado 3:
e ,:. :c:.: = sela obliga a
3 2
Ie (x) = aox + hi}x + CeX + do en (0,1)
,C' {,.\ __ rt ,.3 + b 2 +. + (qf en, (,1,.)
' '1)'
j l l"./'.j - ~fiA IX C:X
Estos polinotnios tienen que verificar:
Los valores de las funciones interpolantes deben coincidir can los da
tos .f(.-rJ,:)) en los extremes de cada subintervalo, que matematicamente se
escribe:
\:,t( y es unico.
.{' I .. \
Jo\-,tO)==J .. \ ~ f ",n· \
r-: ~
Ft, ..A(\)----7JO\Uj==U----;, 0,3", n
V ==C!O' : -r-UO" V
0"\2 r: '
n, 1
vo'UTOn=Co
f +
, -:--c:..:. c:: el tamafio del Jo" " fl \ ~" ) ~"... 1 ":
(X1) == J \Xlj ~Jo (1" == IlL::::::;- I 1~ == Go· 1- + De;' 1-
j l ~ ,
'"" 1"
,....
CO· L do + +
:e'~-:"::,: las 4n incog == aa + Do -!- en
: En cada uno de f r: I -
'-' i \,.{ 1j - J.i'(.. \ ~ f I 1 \ _ Ii.i' 2 ---:'"
.'~. I) ---t' J 1 \.i) -
~ 1
-L
12 - U:
," -
13
...:-
+ UI-.I " 1c + C,1 •;1 I
T
II
(,
.: =_=-=- >=0. 1, 2. Asi, =U\ +0] +Cl +(1 1

,0 E, necesario un r 1 ' \ .i',," " C f-:< \
}1',)L2j=ji.,'-2)=?jl\--'J== 8f':0=?'80 =al'_J-:<3 + l')1' 3c + Cj' 3 + d ]
= 27a] + 901 -I- 3c] + d,
>':' en el instante Son 2 . 2 == 4 condiciones.

.u aceleracion - Las derivadas primeras de lasfuncionesj, (x) dehen ser iguales en los
ioras tiene una nodos iuteriores, en este caso, en XI- Como las derivadas dej; (x) son:
, :' '0 ": -,C\'lmiento dece
i.lad es regular f'0 (,,)
.l
3a 0 x' +2box
\ "'/ = , +c o
<ncion g(x) que J'fi Xr) = .n: I,e,2 + 21) JA

/(
')/1'0 + C'
•.
J
, .7 c t (:r) en 3 no-
107
entonces debe cumplirse: Resoi.:c: .':::
mos que lC. ,_ "
t: Lc l) = .k
(XI) => 3a0 . f + 2 b 1+ Co = 3a 1 . f + 2 hi . 1+ (I
Q • metodo de :, _ci
=> 3aO +2bo +c O = 3al +2bl +(1 plificaci c' . _~- ~~
nitas i1iET
Hemos aiiadido 2 ·1 = 1 condicion nueva.
- Tambien deben coincidir las derivadas segundas en el nodo interior
(XI)' Las derivadas segundas son
POl' ";C' ._
fa"(X) = 6a ox+2bo nes, el sis::
,f'ex) = 6a l x +2hl
Aiiadimos 2 - 1 = 1 condicion, que es:
f;'(X I ) = / / '(x l ) => 6a o ·1+2ho =6a l · l + 2 bl

=> 3ao +b o = 3° 1 +b]
Como edemas conocemos e! valor de f' (x) en los extremes del interva
10 [0, 3], las 2 ultimas condiciones SOI1:
incognita • . .
do el met.:«: _,
10 que implica que:
.I; (0) = 3ao .0 + 2bo ·0 + Co = 96 => Co = 96

2
r; (3) = 3a] ·3' +2b] ·3+c] = -48 => 27a; +6b[ +c] = -48
Asf, resultan 4 . 2 = 8 ecuaciones, que son
do = 0 (2.2)
ao + b., + Co = 112 (2.3)
al + b, + CI + d, = 112 (2.4)
27 a, + 9b l + 3C1 + d, = 80 (2.5)
3ao + 2bo + Co = 3a I + 'Ib, + cI (2.6)
3ao+bo= 3al +b l (2.7)
Co= 96 (2.8)
Tl a, + 6b] + CI = -48 (2.9)
108
ron 2.6. lnterpolecion de splines
Resolver este sistema por la regla de Cramer es muy largo, ya que tendria
rnos que calcular 9 determinantes de orden 8. Es mas seneillo resolverlo por el
1-;.- (1 metodo de reduccion 0 eliminacion de Gauss, pero es mejor hacer alguna sim
plificacion antes. De (2.2) y (2.8), resulta que tenemos 2 ecuaciones y 2 incog
nitas menos. Por otro lado, sustituyendo (2.8) en (2.3). queda
c' nodo interior ao + b o + 96 = 112 =? ao + b o = 16 =? bo = 16 - ao
Par otro lado, sustituyendo este valor y b., = 16 - all en el resto de ecuacio
nes, el sistema, reordenado, queda reducido a
ao-3aj-2b l - c j = -128
2ao-3aj-b1=-16
aj + b, + CI + d, = 112
Tla, + 6b j + CI = -48
Tla, + 9b j + 3c] + d, = 80
' "'OS del interva- Como podemos escribir bo en [uncion de ao, nos queda un sistema CO/1 5
ecuaciones y 5 incognitas: aa, a), bv. C1 Y d.. Escribimos los coeficientes de las
incognitas y los terminos independientes en la matri: My resolvemos aplican
do el metodo de Gauss:
1 -3 -2 -1 0 -128
2 -3 -1 o 0 -16
= -48 M=lo 1 1 1 1 112
0 27 6 1 0 -48
0 27 9 3 1 80
(2.2)
(2.3) 1 -3 -2 -1 0 -128
(2.4)
0 3 3 2 0 240
(2.5) =?
(2.6) 0 1 1 1 1 112
F; ~ F; -2F;
(2.7) 0 27 6 1 0 -48
(2.8) 0 27 9 3 1 80
(2.9)
109
2. lnterpolscion polinomice v eproximecion
(1 -3 ,..,
-1
. 0 1~81
-;~~ I
-L,
i , 1 1 1 I
I 0 ~ ~
L~
=> I n
v 3 3 2 0 240
L
t:
" HF;[ I
v 27 -48j
A
" 6 0
In \ \.1 27 {\
';1 3 1
! 80
,..,
(1 -3 -L, -1 0 '''S\1
-lL
=> 1
I
i
0 1 1 1 1 112 !
F3 ~ ~ -3F; -t
! =>
0 r\
v -3 -96 j
r\
v -1
,.~ =---~
F. ----;>
F. -27F; 0 0 -L.l -26 -27 -3072 I
,.."
I
t; ~F. -27F; i'" ,.

I
0 0 -18 -LLt -26 -2944)
-3 -2 -1 o - 128 1
o 1 11/
~ ~-
iI
o -18 -24 -26 -2944 [
o -21 -26 '-"7
-L! -_,v,L
'Jr\7"
Ii
o o -1 -3 -96)
1 -3 -2 -1 nv -1281
0 1 -t
1
,1 1~ 1 --; '"l
IlL
I
=> I
0 0 -18 -24- -26 -2944 I
F~ ~6F',
_IT: 1- -.;
r s. :3
2176 !
,A. I
0 u 0 12 20
i
0 r\
v -1 .3 -96)
En coda paso, debajo de cada implicacion (=», hemos indicado las opera
ciones que haciamos con coda fila (que hemos llamado Fi}. Las sustituciones
que Sf i',: _-- _.
se han indicado con ~ (por ejemplo, Fc ~ - 2F] indica que en fa segunda la deri. ,._
fila se escribe estafila menos 2 multiplicado por la primera), Los intercambios
entre filas se indican con H, Asi, Fe H F 3 significa que hemos intercambiado
las filas,J.lsegunda
.u 1/... v tercera A loartir
UL"'.y - i ,,,
,'~ de In ]110t'·;." resultante escribiendo de.....- nue
\.~.~ <A- {""", ,,,,.~f<.;.,''L--,jl/_t,~V"J~~_,~ ,)\...-,t._J~,--_,tU4J' <.-V
vo las incognitas, tenemos que:
110
on 2.6. lnterpolscion de splines
Clo-3ClL -2b[ -CI = -128

OJ +b j +CI +d l = 112
-18b 1 24c[ 26d l = -2944
-CI - 3d] = -96
-16d j = 1024
1024 r<
d = - ---- - 0'+
! 16
('I = 96- 3d] = 96- 3(-64) = 288
~) 1 1
-,.., b. = 1"8 (2944- 24C 1 - 26d]) = 18 (2944- 24· 288 - 26(-64» = -128
(/1 = 112- bl -C 1 - ell = 122- (-128)- 288- (-64)= 16
=-128+301 +2b1 +c] =-128+3·]6+2·(-128)+288=-48
Teniatnos. ademds
..;;.. do=O, co=96, bo=16-ao=16-(-48)=64
Una vez que hemos encontrado los valores de todas los incognitas, pode
mas escribir los polinomios:
fll (x)= -48x3 + 64.\2 + 96x en [0, 1]

:t\ (x) = 16x 3 - 128.'1) + 288x - 64 en [1. 3]
Y obtener asi el spline g(x)
- 48x ' +64x" + 96x para x E [0,1]

o ! r\ = J
,","'J 11o'\"-128x"+288x-64 paraxEO,3]
_"do {CiS opera

. ,-., sustituciones
c 211 la segundo
'Co
.v. tin esta fi gura nemos
que se representa en ta jigura 29'~ 1 representa d0 tambien
I"
~.~~:.-: intercambics
to derivada de f en las extremos del intervalo. Ademds, notese que hemos defi
n: TC rcambiado
nido g(x) como fll ex) en el segundo node (XI = 1). Podiamos huber definido es
"(,!lda de flue-
te valor come II (1), es indiferente, porque lafuncion vale 10 mismo, }' tambien
sus de rivadas primera ~v segunda.
111
120
CUeD,~IT
100 .:. La ~~:~,
80
das. '. s,
60 di. Ie:':":::
facil.t.;r
40
~:~ i\l ~~::j
20 ?\e'·.:. :,.
tas > .:.::
O'------I.-----L----'------'----"---------''-----' nu;:"-'·=· ~
o 0,5 1,5 2 2,5 3 3,5
x
Figura 2.9. Representaci6n de g(x).

sier:'_f:'""~
trab; 2.2]
de "':-: :-:"
¢:~ Frecuentemente podemos estar en la situaci6n de tener valores de cier
0:_ El xfe,,]
tos parametres obtenidos experimentalmente y necesitar conocer una el '. ::':T
funci6n que describa el comportamiento del sistema. 0 necesitar los va lore- :;-:1
lores en otros puntos, que no podemos determinar experimentalmente.
*:c l~I"l,J. .=~
Tambien podemos conocer la funci6n, pero que no podemos conocer
los valores en todos los puntos. Entonces 10 que se hace es buscar otra
funci6n mas sencilla de evaluar y que coincida con la funci6n original
en los puntos dados. Esto se llama interpolar.
<.;., Dado un conjunto de n + 1 datos, que son, para k = 0, ..., n, los nodos x,
y el valor de una funci6n en ellos !(Xk), el polinomio interpolador que
«pas a» por estos datos es iinico. Su grado es n y se denota PI! (x). Hay
varias formas de encontrar este polinomio.
?:<- El metodo de Lagrange se basa en encontrar varios polinomios que val
gan 1 en un nodo (Xk) y 0 en el resto. Operando adecuadamente con es
tos polinornios, se obtiene el polinomio interpolador de Lagrange.
$:9 Si tenemos el polinomio interpolador de Lagrange y afiadimos un nuevo
nodo y el valor de una funci6n en el, para determinar un nuevo polino
112
on Recordemos que
mio interpolador hay que comenzar de nuevo todo el proceso. Esta es

una desventaja de este metodo, porque esta situacion se puede dar fre
cuentemente.
..:.. La determinacion del polinomio interpolador por el metoda de Newton
se bas a en determinar aproximaciones de las derivadas primeras, segun
das, y sucesivas en los nodos. Se conocen con el nombre de diferencias
divididas y a partir de ellas se construye el polinomio interpolador. Para
facilitar los calculos, las diferencias divididas se escriben en una tabla.
~:. Al afiadir un nuevo dato, si disponemos de las diferencias divididas de
Newton, basta con calcular algunas nuevas diferencias y a partir de es
tas y del polinomio interpolador de grado n - 1, Pn-l (x) se obtiene el
nuevo polinomio p; (x).
+~+ El error obtenido por medio del polinomio interpolador de n datos esta
muy relacionado con la derivada de orden n de la funcion que queremos
aproximar. La dificultad de conocer y acotar el error esta en que no
siempre conocemos la funcion a la que aproximamos. Sin embargo, si
trabajamos con diferencias divididas, el error es del mismo orden que la
diferencia del orden primero que no consideramos. Asi, si disponemos
de un nuevo dato, es facil estimar el error.
fC::. =:. \ aloresde Cler ·t· El Metodo de Hermite nos da polinomios interpoladores si conocemos
~:=':IJ.I conocer una
el valor de la derivada de la funcion en los nodos. Si tenemos estos va
;;.: C necesitar los va lores en n + 1 nodos, el grado del polinomio es 2n + 1.
r =\ ::,-::rimentalmente. .;. Una desventaja del polinomio interpolador es que al aumentar el grado
r:: =":,dcmos conocer no siempre se aumenta la precision. POI' eso, a veces basta con tener una
e "",.<·e es buscar otra funcion que sea derivable 2 veces y que definimos a trozos. Es un spli
FO", i.:.. runcion original
ne. Si tenemos n + 1 nodos, el resultado son n polinomios de grado 3,
definidos cada uno en un subintervalo.
~~. Una dificultad del rnetodo de los splines es que tenemos que resolver
. n, los nodos x,
r: ... interpolador que
sistemas de 4n ecuaciones y 4n incognitas.
se cenota PII (x). Hay
; ~.-i~'·jomios que val

':-.:'': adamente con es
C'C::e Lagrange.
\ .:..;".::dimos un nuevo
I'.-'-=' '.1:-, nuevo polino
113
FE
3.1. Motivaci6n
La diferenciacion y la integracion son los pilares del Calculo Infinitesimal, despues ':::.:: ~
la principal herramienta matematica de un ingeniero. Para introducir la dife una SUT~,
renciacion, se comienza definiendo la derivada de una funcion j en un punto a
mediante el paso al limite de un cociente, obteniendose como resultado, en su
caso, un mimero real f' (a). Suponiendo que se realiza elmismo proceso para
punto generico x, se define la funcion derivadaf' (x). Despues de un laborioso
trabajo se demuestra una serie de formulas 0 reglas que se agrupan en una tabla
de derivadas, gracias a la cual podemos derivar funciones de aspecto muy com
plicado sin caleular un solo limite.
Se sigue un procedimiento analogo can el concepto de integral. Primero se
introduce la integral definida de una funci6njen un intervalo [a, b] mediante el
3.1.
paso al limite de una cierta suma, obteniendose, en su caso, un mimero ff . [jn
Suponiendo que se realiza el mismo proceso cuando el extrema superior

b es un punto generico x, se obtiene de nuevo una funcion rf . Se demuestra
que la derivada de esta funcion no es otra que nuestra fun cion originalj, y asf,
damos con una receta para caleular integrales sin necesidad de hacer lfrnites:
para saber cuanto vale J: f , comenzamos buscando una funcion F que al ser
derivada de f (10 hacemos leyendo la tabla de derivadas al reves), para terminar
b
con I f = F(b)- F(a). Observese que, salvo quiza por una constante afiadida,
a
la funcion F(x) es r f.
Podria p.:.~::.:=~
3.1. Ejemplo. Si queremos caleularf' (1), siendofla funcion to el prct.=::-:--:J
asi. COD'- :":.;;;:
podernos .:.= ..:.:
f(X)=[X-~J[X-i J[x-~ J' En r:-:,-,,,,
que :--c .:.. :'.::1
identida.i
primero expandimos el producto (y=e· . . . . :;
116
3. 1. Motivaci6n
1 13, 3 1
{(x)=x - - r +-x--,
lIE . . 12 S 24
c .. c:~TI;t;.""Ll:. despues aplicamos la tabla de derivadas (derivada de la funci6n potencial, de

- ... ....
-~-
...---_.~ ;- ~.:::..
una suma, ...) para obtener
rr-, . =-=-. ''':=: pur~~;) ~.i
c·= - - =-== ': :.:, :.... :.j\~ con 5U , 13 3

=- :,·~~eS0 oara .rer):=: 3x' --x+
6 S
:-. . :- _= ~ _,- ~"':'D laborio-,o
:- -=-.-=:-"':'-:::I~ ~n un2. tabla = y finalmente sustituimos x par 1,
__ -__ :C' ll-::Uy corn-
I f'(1)=3- Q ~_ 29
6 + S - 24 .
~ ~=-_:~c,.:.:. Prirnero S~
'>.:: mediante el
3.2. Ejemplo. Para calcular la integral
.~._-
- "';'11~r'O
.1".
,. '-I
J.. . to •
I (x-~J[x-*J[X-±JdX'
"
f c. =~~'CCTIO superior
x. . . Se dernuestra
<D": 0 c'riginal]: y as!' determinamos una primitiva del integrando, evaluamos en los extremos y
<i~'': de nacer limites: restamos
J"(lx- '2IJ(l x-"31J l(x- '41J J' ..

l·:r -1213 + 8'3
~...:r~,..:'n
;: F que al ser
o dx:=: «
0
x'
1 J
x - 24 dx:=:
il =-='.::"'. para terminar
c.'::'::"" tante aiiadida,
±
:=: [ x· - ~~ x' + 1~ x" - 2~ x I~: :=: 196
Podrfa parecer que. aplicando estos procedimientos, un ingeniero tiene resuel
':_ .c--==-,,:;6n to el problema de calcular derivadas e integrales; pero desgraciadamente no es
asi. Conviene detenernos a recapacitar sabre cuales son las funciones a las que
podemos aplicar los metodos antes expuestos.
En primer lugar tendriamos las funciones elementales, las piezas can las
que se construyen las demas, es decir, las funciones constantes, la funci6n
identidad (y = x), las trigonometricas (y = cos x, y :=: sen x, ...) y la exponencial
(y :=: eX). Par otra parte, tendriamos una serie de operaciones que nos permiten
117
3. Integraci6n y derivaci6n numerices
combinar funciones existentes para crear otras nuevas: suma, multiplicaci6n, Todavi; ~:u
divisi6n, composici6n e inversi6n. Podemos referirnos a todas las funciones nornenos ,-, -' _"
que pueden generarse de esta manera como funciones bdsicas. Por supuesto, cas: pueder. -?
las funciones basicas no tienen por que estar definidas en toda la recta real. operaciones _~~
mentada ::T:e,~,a
3.3. Ejemplo. Mediante sumas y productos de funciones constantes y de
c
nos impei.r .n
la indentidad se puede obtener cualquier polinornio, como y = x' + 2x ++. En e} :::;~::
matemati,' , ~ '-~
Mediante la composici6n de una trigonometrica y de una polin6mica resulta.
de una gL:' _.:. ,
por ejemplo, la funci6n y = sen (Xl + x). POI' medio de la inversion, a partir de
En c:<:: ~.::.I
y = x 3 obtenemos y = \G. Un ejemplo de funci6n basica mas complicada que aproximac: ~,
las anteriores serfa: dos nurueri ,
nida (priIL~:-_
cos(..J7+l +2)+tan .:r
y=
La derivada de una funci6n basica es tarnbien una funci6n basica y, en 3.2. Regia del n
principio, podemos calcularla utilizando la tabla de derivadas. &
Sin embargo, la primitiva de una funci6n basica puede no ser una funci6n
basica. POI' ejemplo, la funci6n f(x) = e x ' es basica, pero su primitiva,
mente n[;;:,:<::" :
F(x) = 1'.1, no 10 es; por eso no podemos calcular f: x
e ' dx con la tabla de in tenida. C:--:.: e;;
finida ~C't:::: .ll
tegrales. Se debe sefialar que, incluso siendo la primitiva una funci6n basica, ignorand: .::e TI
puede ser extremadamente dificil, si no imposible, determinarla. Incluso cuan
do se pudiera derivar 0 integral' mediante tablas, la complejidad de los calculos
podrfa aconsejar una aproximaci6n numerica.
3.4. Ejemplo. La primitiva de una funci6n algebraica de la forma

f(x) = p(x) , en donde p(x) y q(x) son polinomios, es tambien una funci6n al-
q(x) -· -.
... -
gebraica. El metodo que conocemos para hallar la primitiva (integral' descom S
poniendola en fracciones simples) requiere que seamos capaces de detenninar
todas las rakes del denominador. Sin embargo, no existe un procedimiento ge
neral que nos permita hacerlo. POI' supuesto, podrfamos aproximar las rakes
mediante los procedimientos estudiados en el primer capitulo, pero entonces
ya estarfamos empleando metodos numericos.
118
3.2. Regia del trapecio
-; _:-~~.::. rnultiplicacion, Todavia existen mas dificultades, pues las funeiones que deseriben los fe
.; - -J c,~ las funciones nomenos fisicos que interesan a un ingeniero no siempre son funciones basi
f" •.•. Por supuesto, eas: pueden aparecer definidas mediante lfrnites, integrales, series 0 mediante
i ::<:~.:: 1.1 recta real. operaeiones logicas; estas ultimas son frecuentes euando la funcion esta imple
mentada mediante una rutina de un programa informatico. Estas circunstancias
C" -::' constantes y de
nos impedinan derivar 0 integrar mediante tablas.
:'== '. = x' +2.:r 2
+~. En el peor de los casos, la funcion podrfa no tener siquiera una expresion
r; ;--lin6mica resulta, matematica explicita. por 10 que solo dispondriamos de una tabla de valores 0
a ,::-·:,:-si6n. a partir de de una grafica empirica, obtenidas mediante experimentacion,
En este capitulo abordaremos distintas estrategias para calcular, de modo
;.;, --..;, .omplicada que aproximado, derivadas e integrales. Obviamente, puesto que se trata de meto
dos numericos, no pretendemos hallar la funcion derivada ni la integral indefi
nida (primitivas), sino la derivada en un punto y la integral definida.
l =- ~=-_: :<',n basica y, en 3.2. Regia del trapecio

~ c:: -= '--: . . ~.:38!E E~..£J~
5i~ E! ; " 4 ; & ~~
:-c:: .c_ ser una funcion
Una de las ideas mas simples que se nos puede ocurrir es interpolar lineal
::·::fO su primitiva,
mente nuestra funcion j, para derivar 0 integrar despues la funcion affn asf ob
,··'D la tabla de in- tenida. Centremonos de momenta en la integraei6n: supongamos que j esta de
finida sobre un intervalo [a, b]; interpolando linealmente en ese intervalo e
s; _::J. runcion basica, ignorando de momenta el tratamiento de los errores, tenemos
r:~=-,::sl.1.Incluso euan
,I::: ':~,J de los calculos
f(bl-f(a) Lr-a)+f(b). (1)
f(x)"" ')-a .
~::·~:·.::i2J de la forma
Integrando el miembro de la derecha en (1) resulta
C_::~" una funcion al
b(f(b) - f(a) (x-a)+ f( a )~) G
i X ]X~b
~I:·':: integrar descom
"-.::-.:~·e s de determinar
f7
..
.
(b-a) .
[f(b)
='
.
- f(a) (x - a)" + f()
(b-a) 2
a.Y
.
.[=0
; _;: procedimiento ge ='"

f'(b) - f (a) (b-a)" f(' I ) (f(b)+f(a»(b-a)
+ a)(J-a=" .
~ .:::",:ximar las raices
(b-cl) 2 . 2
:::O:::'.j1,:). pero entonees
Asf se obtiene la llamada regla del trapecio.
119
Regia del trapecio - ~,~ -- :-..>;
f"f(x)dx~ f(a)+f(b)
a 2
(b-a)
Recuerdese que el area de un trapecio es el producto de la semisuma de las

bases par la altura. En la figura 3.1 el trapecio aparece tumbado.
3.5. Ejemplo. Apliquemos la regIa del trapecio para aproximar fa" f(x) dx,
siendofla funci6n del ejemplo 3.1. Operamos con dos cifras decimales
1"f(x) dx
o ~ (f(0,00) + f(2,00)· ~
?
cz
~ «0,00 - 0,50)(0,00 - 0, 33)(0, 00 - 0,25) + (2,00 - 0,50)(2.00 - 0, 33)(2, 00 - 0,25» zz:
~ (-0,04 + 4,38) = 4,34.
EI valor exacto calculado es su momenta fue 1 f(x) dx

2
O'
16
= -
9
cz L778.
-
------_.
-
- -- - - --
, . f(b) + f(a)
Figura 3.1. Area del trapecio =' 2' (b - a) .
120
3.2. Regia del trspecio
Podemos observar en los ejemplos anteriores que el error al integrar ha si

~
do bastante grande. El motivo no es otro que la excesiva amplitud del intervalo
considerado. Podemos mejorar facilmente la precision de la integral dividiendo
el intervalo en varios subintervalos y aplicando la formula del trapecio en cada
r uno de ellos.
C~ . .:: semisuma de las 3.6. Ejemplo. Dividamos el intervalo [0, 2] en veinte partes iguales y apli
quemos la regla del trapecio en cada una de ellas, para aproximar f f(x) dx,
-c-r-r-
~
......
,,; ,,, -r r
, Ll ....... ~
, • I.r' .f( ~x) dx
~,
siendo f la funci6n del ejemplo 3.1. Operamos con tres cifras decimales
* .... j
c.::,,,:C'clmales
ft(x) dx ~ f f(O, 1· (k -1)) + f(O, 1· k) (0,1) zz:
k=l 2
cz [f(O) + f(O,1) + f(O, 1) + f(0,2) +... + fO, 9) + f(2)J 0, 1 ~ L785.
>:)0 - 0,25)) ~
2 2 2
16 Podemos comprobar que el resultado ha mejorado notablemente. Los calculos

= - ~ 1. 778. son algo pes ados si se efecnian con calculadora. Sin embargo, es facil escribir
~;
un pequefio programa a proposito. Por ejemplo, si disponemos de Microsoft
Excel, abrimos una pagina en blanco y puls amos Alt-Fll, para acceder al
editor de Visual Basic; en el menu Insertar de este editor (no en el de Excel)
seleccionamos Modulo y copiamos el siguiente codigo en la ventana en blanco
que aparecera:
Function f (x)
f = (x - 0,5) * (x - 0,333) * (x - 0,25)
feb) End Function
Function trap ( )
n = 20
a = 0
- b = 2
b h = (b - a) / n
k = 0
trap = 0
:'-U) .
Do
121
k = k + 1
If k > n Then Exit Do _.
trap trap + (f ((k - 1) * h) + f (k * h)) /2
.
Loop
trap = trap * h
End Function
Finalmente, en una de las casillas de la pagma de Excel escribirnos
= trap () y pulsamos la tecla Intro, obteniendo asf el valor 1.785. Si quere
mos dividir el intervalo en 50 partes, cambiamos la linea n = 20 por n = 50, Y
asf sale 1.778.
Por supuesto, al aplicar la regla del trapecio en n subintervalos iguales

(a = Xo < XI < ... < X,,-1 < X"
= b) podriamos agrupar los sumandos iguales, con 10
que reducirfamos el rnimero de sumas.
Observese que la regia del trapecio en n subintervalos iguales equivale a
estimar la integral mediante el producto de la amplitud del intervalo por un
promedio de los valores del integrando (( l!..:!.1~ll'" +L~::f(xJ) / n), en el que

los puntos extremos cuentan la mitad.
RegIa del trapecio enn subintervalosde iguafamplitud (n + 1 nodos)
3.- Ej
3.3. Integraci6n del polinomio interpolador

~i135i."·;;:·:;:.,;,,,,$;::'· : 5!i5lfb£i£il ", i·
En la secci6n anterior se obtuvo la regia del trapecio al interpolar lineal
mente para integrar despues. Parece razonable mejorar el procedimiento susti
tuyendo el integrando por un polinomio interpolador de mayor grado.
De forma general, supongamos que queremos aproximar la integral

f f(x) dx y que conocemos los valores de f en n + 1 puntos del intervalo
-----_. .
[a, b], esto es, tenemos los nodos
122
3.3. Integraci6n del polinomio interpolador
a ~ .1'0 < Xl < ... < X n _ I < X" ~ b.
El polinornio de grado menor que n + 1 que interpola a I en esos puntos,

expresado en la forma de Lagrange, viene dado por
17
~,:
(x)= ~
L.J ch(x) f'( XI_~
')
. ,=0 ch(X,)' ,.
10:: E,.( el escribimos
I ;85, Si quere
':3.l-~ en donde qk(X) es el polinomio de grado n obtenido al simplificar
: = ~: por n = 50, Y (x xo)(x x]) ...(x x,,) q,(x)
Compruebese que ---"------() vale 1 en
q, x k
X = x, Y vale 0
x-x,
"..::~:~rYalos
iguales
en cualquiera de los otros n nodos,
~"~" iguales, con 10
Al reemplazar el integrando I(x) por el polinomio PI1(x), obtenemos la si
guiente aproximacion de la integral
jS :;u.l1es equiva1e a
d~: .ntervalo por un
n). en e1 que Integracion numerica por interpolacion ell n + lpuntos
t')
1q)x)dr
ff(x)dx,," iaJ{x;c), en donde a
'.1 i;::::fl: q,(x,) ,
3.7. Ejemplo. Supongamos que I es una funcion desconocida de la que

se ha obtenido por experimentacion la siguiente tabla de valores
Xk -1 0 2 4
• !(Xk) 6 0 24 0
, ..:.: .nterpolar lineal
F:o:dimiento susti
;;:;:.'~ grade.
Vamos a utilizar la interpolacion de orden n =3 para estimar el valor de r f(x) dx.
fr·, '" ::113.r la integral Tenemos .1'0 = -1, XI = 0, .1'2 = 2, .1'3 = 4. Como I (XJ) =I (.1'3) = 0, solo necesitamos
p..::::,IS del intervalo calcular ao y a-:
123
3. lnteqrscion y derivecion numerices 3
ao =
ao =
Finalmente
5 125
f f(x) dx "" L aJ(x
4
-
1
II
k~O
k) = ----;;-6 +-24 = 65.
L 48
Observese que la tarea de calcular la integral de una funcion, que puede ser
muy complicada, incluso desconocida, se ha sustituido por el calculo de n + 1
integrales de otras tantas funciones polin6micas. Aunque esos polinomios son
siempre los mismos independientemente del integrando, 10 cual facilita la ta
b
bulaci6n de los valores de las integrales f qk(X) dx,
a la complicaci6n de los
calculos no se compensa con la ganancia de precisi6n en los resultados, por 10
que, en la practica, la f6rmula anterior solo se suele emplear para valores de n
menores que 6 y con nodos igualmente espaciados.
Parece l6gico estimar el error de truncamiento en la integraci6n a partir de
las estimaciones que ya conocemos para el error en la interpolaci6n lineal.
Recordemos que el error de truncamiento cometido al aproximar el valor
de una funci6n f(x) mediante el polinomio interpolador en n + 1 puntos PI/(x)
viene dado por
(2)
en donde ~ es un cierto mimero desconocido que se encuentra entre los nodos

Xo, XI, ... , x Observese que, para cada X comprendido entre dos de los nodos,
l1 •
el mimero ~ sera diferente.

Supongamos que los nodos a = Xo, XI, ... , XIl = b estan igualmente espacia
dos y que la derivada de orden n + 1 de nuestra funci6n esta acotada, en valor
124
3.3. lnteqrecion del polinotnio interpolador
.;; absoluto, esto es que existe una con stante M n+1 tal que If"+1) (x) I ~ M n+1 para to
do x E [a, b].
!~ :1
Al integrar en (2), aparece el termino fba l(x-xo)(x-xJ ...(x-x n )Idx.
l~S
Recordando que x k = a + k ' : resulta conveniente aplicar en esta ultima inte
~s
gral el cambio de variable x = (b - a) u + a, de manera que
b-a k k
x- x k = x- a - k - - = (b-a)u -(b-a)- = (b- a)(u--)
n n n
Como dx = (b - a)du, se obtiene
rr='::':'Il. que puede ser

",'" ~' :ilculo de n + 1
: ::-:- polinomios son
s: l(x-xo)(x-xJ ...(x-x,J1 dx=(b-a)"+2 f: lu...(u-~) ...(u-l)1 du
c:=~J.l facilita la ta
-"';:'plicaci6n de los En consecuencia, el error de truncamiento absoluto En se puede acotar CO

mo sigue
k, re sultados, por 10
k2, para valores de n
~,~:t\cotaci6n del error al integral' el polinomio interpolador de ordenn.
II:;:' ;TJ.ci6n
a partir de
~~,L}ci6n lineal.
E=!.f(X)- p~(x)l$ (b-a)'
H 21Yi"+!d,,
21 aproximar el valor
"(n+1)!
er: ': - 1 puntos pix)
(2)
E:;:II"l entre los nodos

l2;:' dos de los nodos,
l . ~~llmente espacia
~":.:: acotada, en valor
125
3. Integraci6n y derivecion numerices
A continuaci6n calculamos los valores de algunas de las constantes d.:
dl = f: lu(u-l)ldu=-f:U(U-l)du=i
_.-=- ~ ..
.~. ~ -=.-.
~-- '-_.- ~
~
3.4. Regia de Simpson

3 "
En las anteriores circunstancias, para n = 2 Ycon nodos igualmente espaciados,
se obtiene la Hamada regla de Simpson. En este caso, a = X o < Xl =/-t/, < .1'2 = b.
Integracidn numerica por interpolaci6n en tres puntos igualmente espaciados

(regia de Simpson).
3.8. Ejemplo. Apliquemos la regia de Simpson para estimar el valor de

2 1
la integral "
10 - - - d x . En esta ocasi6n tenemos Xo = 0, Xl = n, Xl = 2n,
2 +cos X ~.9. Ej
126
3.4. Regia de Simpson
La integral puede calcularse con exactitud utilizando procedimientos que supe

;:'0 ~:'rl.;tantes d.:
ran los objetivos del curso. El resultado ex acto es
(' 1 2-13
o 2 +cos x dx =:: 3 n "'" 3.62759873
1
,,- '; if - 1idu = 32
Vemos que la aproximacion obtenida es bastante mala. Esto se debe a que
el intervalo [0, 2n] es demasiado ancho: comprobaremos que la aproximacion
puede mejorarse aplicando la regla de Simpson en varios subintervalos, al
igual que hicimos con la del trapecio. En la figura 3.2 se puede ver la grafica de
1
f(x) = , con forma de campana, y la de su polinomio interpolador de
2 +cos x
segundo grado, que es la funcion que de hecho integramos al aplicar la regla de
Simpson. El error es el area de la zona sombreada.
•
f';~~,cnte espaciados, 1
/._-h
~- " -
-b •
2 < x2 -
y
~. 0+ 1 - - - - - - - - - - - - - - - - - - -
Bmenteespa 11: 211:

§ :',',;:('1
Error al aplicar la regla de Simpson a la integral Jro "
2
~-. 1
Figura 3.2. 2+c0S-';: dx .
~
t
=::
De la misma manera que la regla del trapecio (integracion por interpola
cion lineal) podia mejorar sensiblemente al aplicarse en multiples subinterva
:':. ;:-:i mar el valor de los, podemos dividir en varias partes el dominio de integracion para aplicar en
cada una de ellas la regla de Simpson y conseguir asf una mejor aproximacion.
=:: x = n, X2 =:: 2n, 2" 1
3.9. Ejemplo. Vamos a calcular por aproximacion la integral
o 2+cos x
dx 1
aplicando la regla de Simpson en los subintervalos [0, n /2], [n /2, 3n /2],
[3n /2, 2n].
l+_~=_.. +~
,, / 2 1 n f(0)+4f(n/4)+f(n/2) n 3 2+~,~ 2
..;- _l'+Jr =::4,89

-- 9 1o
- - - d x "'" -
:2 + cos x : 2 6
=-
:2 6
=:: 0,605
127
3. lnteqrscion y derivecion numerices

dx~nf(l[/2)+4f(n)+f(3n/2) =n ~+4.1+~ =_5n ~2.618 Regia del SinIj~
1) n 12
»r: 2 + cos x 6 6 6
2n 1 d.x=n fC3n/2)+4f(7n/4)+f(2n) n
~+_-I_+~
,,+!,2 )
r]
~-l
f
0
- - - - - ~ 0,605
)n/2 2 + cos x 2 6 2 6
~
Par 10 tanto,
2n 1
1
1 -2+cosx
o
--dx ~ 0,605+2,618+0,605 = 3.828
3.FI. Ej
En la figura 3.3 aparece sombreada la regi6n cuya area representa el error

cometido.
En el caso particular de que todos los intervalos tengan la misma amplitud,
podemos agrupar sumandos iguales. Sean
a = Xo < X2 < ... < X21l-2 < X2n = b
5UIT.:..:i ..::~ __ .. ;
los extremos de n subintervalos de [a. b] can igual amplitud b - a .

n
Denotemos par x"k-I' can k = 1,2.... n, al punta media de cada uno de esos
".-) = X _ 2+ x
k 1 k
subintervalos, esto es, x..
E:-. ":-~-.~ :-j

tOf de \-~ ~ .,.;__ ]
1
y - ------~
--------.
o+------------------=-
n 2n
"n )
Figura 3.3. Error al aplicar la regla de Simpson a la integral l
o - 0- ,- ,
_+,::os.r
dx
dividiendo el intervalo [0, 2n] en tres subintervalos.
128
3.4. RegIa de Simpson
i - _ SiT ",,2,6]8 RegIa del Simpson en n subintervalos de igual amplitud (2li +lnodos)
~-6
f f(x)dx"" --I.'
b b-:a
. f( 11 .
{i x c p)+4f(x'k j)+f(xlk ) _
---",,0,605 n k~1 6
= b~a( In
"k=O
x 2J +i ' t f '(x2k_l) _ f ((I ) + f (b) )
k=] 2
3.10. Ejemplo. Desarrollamos un pequefio programa para aplicar la regla

de Simpson en varios subintervalos de igual amplitud y asf obtener distintas
;.::. ~:-::T;;senta
"-, .rusma amplitud,

e] error
aproximaciones para valor de la integral r' 2H~>S x dx .
Observese que SP representara la suma de los valores del integrando en los

nodos de fndice par (extremos de cada subintervalo), mientras que S1 sera la
sum a de los valores del integrando en los nodos de fndice impar (los puntos
.: medios de cada subintervalo), de manera que el valor estimado de la integral
~
.:~ sera
; ,~;: ,'aJa uno de esos

-2iT [ SP+2SI-- .
3n 3
I)
En una pagina en blanco de Excel pulsamos Alt-Fll, para acceder al edi

tor de Visual Basic; en el menu Insertar de este editor seleccionamos Modulo y
escribimos las siguientes lfneas en la ventana.
Function f (x)
~-----
f=1/(2=Cos(x))
2rc End Function
Function Simp(n)
.:.-: j k 1
2+cosx dx a o
~. 2-_,~~.
b 2 * 3.141592
129
3. Integraci6n y derivaci6n numerices 3.5. E,
h = (b - a) / (2 * n) 3.5. Error en la
S1 = 0
SP f (a)
Do La 3.~:'::~
If k > 2 * n Then Exit Do dor (ver l., ,~,,:
S1 S1 + f (a + k * h) 1a regla ::~ ~ :::<
k = k + 1 tud. el er:': ~ :1
SP = SP + f (a + k * h) Por 10 tJ.=-~: .
k = k + 1 -
Loop b - a pe[
'""1
Simp = ( (b - a) / (3 * n)) * (S P +2 * S I - ( (f (a) +f (b)) / 2) )
End Function
En las ce1das Al-A12 de 1ahoja de Excel copiamos los distintos valores de

n, desde 1 hasta 12. En 1a ce1da Bl escribimos =Simp (Al) . Finalmente, se1ec
cionamos las ce1das Bl-B12 y pu1samos en Edici6n-Rellenar-Hacia
abaj o. De esta manera, en las ce1das Bl- B12 nos aparecen las aproximacio
Acotaci6n del e
nes de 1aintegral.
Niimero de subintervalos, n Simpson en n subintervalos en donde .
1 4,886920889
2 3,49065812
3 3,676826478
4 3,615324456 3.11. Ej
5 3,630952472
3,626704247 20 sub.r; :~:-.:
6
7 3,627838625
8 3,627534473 f(XI =.'
9 3,627615948
10 3,627594115 En este ~.::' -,
11 3,627599965
12 3,627598397 sabiamc. .-!
130
3.5. Error en las reglas del trapecio y de Simpson

;." E ....-"
La aeotaei6n del error de truneamiento al integrar el polinomio interpola

dar (ver la seccion 3) proporeiona, en el easo 11 = 1, una aeotaei6n del error en
la regla del trapecio. Si esta regla se apliea en III subintervalos de igual ampli
tud, el error total sera la suma de los errores eometidos en eada subintervalo.
Por 10 tanto, debemos sustituir en la formula de aeotaei6n del error la eantidad
b - a par b - a , que es la amplitud de eada subintervalo, y multipliear la ean

11/
:0 - ~ (b)) ! 2) )
tidad obtenida par Ill, porque hay III subintervalos. Teniendo en euenta que
(b-aJ'1
c-i,-:intos valores de ell = 6I ' se a b tiene
' E :s: III 1--;;-
'
(, M;- . S'Imp lif
1 icando
2
. f .nalmente, selee
=-~~~~enar-Hacia
t: _:::. :.l' aproximacio-
Acotacion del error en la regia del trapedo en m subintervalos.
E :s: (h-a)' M"

12m 2
III subintervalos en donde
~">'::'):-;9 l!"(x) I :s: M 2 para tada x E [a, b]

~~:-_.:,::
. c<~:8
L~.: '::-:...:56 3.11. Ejemplo. En el ejemplo 3.6 aplieamos la regla del trapeeio en
~ ~~~"':''72
>- ""':''::-+7 20 subintervalos para estimar el valor de la integral f: lex) dx, siendo
~-'~_::::6:5
:-~:..:..473 13" 3._1
3
3
:-~::,Y-+8
l(x)= . r -
12 X' + s ·r - 24'
:-:''''''':'115
En este easo conociamos el valor exaeto de la integral, ~ , par 10 que tambien
:-:'~";~65
:-:: ~::":·97 sabiarnos cual era el error eometido en esa aproxirnacion, E =I~ - 1,7851,
131
3. Integraci6n y derivaci6n numerices 3.5. Em
Si queremos aplicar la formula de acotacion del error que acabamos de obte

ner, debemos considerar a = 0, b = 2 Y III = 20. Para determinar la con stante M1,
derivamos nuestra funcion dos veces
grar toT .:: : C =--; -:: .

pecto -i~: ;' _~.~f
asf que podemos escoger M 2 = 10 Ysale misma ,0::;.:::' 1.;
(2-0)310 1
E ~ 0 =-=0,01666...
12·20- 60 , i
- ;
E S~
Comprobamos en este ejemplo que E =1¥-1,7851< 0,0073 < 0,01666...
1 r ..:
Logicamente, la formula de acotacion del error solo es util cuando ignora
mos el valor exacto de la integral.
Pasemos ahora a estudiar el error en la regla de Simpson, comenzando con
el caso mas sencillo de su aplicaci6n en un solo intervalo. Si aplicamos la for
mula del error de la seccion 3 para el caso n = 2 (recuerdese que n es aqui el or
den del polinomio interpolador), obtenemos una acotaci6n del error para la re
gla de Simpson en un solo intervalo
(3)
en donde M 3 es una cota de la derivada tercera del integrando, 11 3) (x) 1~ M 3 pa Rccue~·j;;::--:: ,~:..i
ra todo x E [a, b]. : -r- ~.-: S. ;.f_ f
No debemos olvidar que nuestro proposito es conseguir una estimacion del
error para la regla de Simpson aplicada en multiples subintervalos, por 10 que
nos interesa concentrarnos en el caso de que la amplitud b - a sea pequefia
(bastara dividir el intervalo inicial en un mimero suficientemente grande subin
tervalos). En esas condiciones, cuanto mayor sea el exponente de b - a. menor
sera la cota del error. Recordemos que un numero positivo menor que uno se va por . - .-.
haciendo cada vez menor segun 10 elevamos a potencias cada vez mayores. . . ,
En esas condiciones, podemos conseguir una acotacion mejor que la ante n; :"ut<;-:~::-:~· .:-'=:
rior. El truco consiste en imaginamos que afiadimos un nuevo nodo X3 a los tres
132
It :..~::bamos de obte que ya teniamos, Xu = a, XI = "_';b , x 2 = b, cuyo polinomio interpolador P2 da lu

~::-:.~ la constante M 2 ,
gar a la regla de Simpson; 10 hacemos de manera que X3 este muy cerca de Xl.
Sea P3 el polinomio interpolador correspondiente a esos cuatro nodos. La dife
rencia q = P2 - P3 es un polinomio de grado 3 que verifica q(xo) = q(xl) = q(X2) = 0,
par 10 que q(x) = A(x - xo)(x - Xl)(X - X2) para una cierta constante A. Al inte
grar q(x) entre Xo = a y X2 = b sale cera, porque la grafica de q es simetrica res
pecto del punta (XI, 0). Por 10 tanto, al integrar P3 en vez de P2 obtenemos la
misma regla: la de Simpson. La ventaja reside en que ahara la acotaci6n del
error vendra dada par
E ::;; M~ f' l(x-x o)(x-x l ) ( x - x2 ) ( X - x3 )1dx «

.' <,')1666... 4! Xo
: .uando ignora ","-~

M
4!
I
a
I(x-xo)(x-.:rl ) 2 (x-xJ I dx=
~~=-c.comenzando can
=
M~(b-a)511 uU-
( 1)2(1 ) l
-UGU=
M 4(b-a)5 1 M 4(b-a)5
o
. Si "plicamos la f6r 4! 0 - 24 120 2880
se ~~=!! es aquf el or
E:;:O 1 error para la re
en donde se ha aplicado el mismo cambia de variable que en la secci6n 3, esto
es, x = (b - a)u + a. En definitiva
(3) E«b-a)5 M~
- .
(4)
2880
;,---=: ,c··' (x) I ::;; M 3 pa
Recuerdese que aquf M 4 es una cota del valor absoluto de la derivada cuarta,
11 4 1 (x) I::;; M 4 para todo x E [a, b].
~ ~:';::. estimacion del
Observese que la acotaci6n obtenida en (4) no siempre es menor que la de
,;;:::'--, alos, par 10 que (3). pero resulta claramente mejor cuando se aplica en intervalas muy pequefios.
C " - a sea pequefia
Finalmente, la cota del error de truncamiento al aplicar la regla de Simpson
==:;:o:,;:e grande subin en In subintervalos iguales se obtiene sumando las acotaciones de los errores
;C-'c de b - a, menor en cada uno de ellos, obtenidas segiin f6rmula (4). Como antes, cambiamos b - a
':~':::~I-,r que uno se va
par b-a, la amplitud de cada subintervalo, y multiplicamos par In, porque hay
.~c:::. '-ez mayores.
III
5~ :-::e.1or que la ante m subintervalos.

;:: . node X3 a los tres
133
Acotackin del error en la regIa de Simpson en m subintervalos,

m
(h-(dM
E < . ' 4
- 2880m 4
3.12. Ejemplo. Se quiere estimar el valor de la intezral ~

J' In (x + 2) dx
0
2
mediante la regia de Simpson, dividiendo el intervalo [0, 2J en un mirnero va

riable de subintervalos. Vamos a calcular las cotas del error cometido en cada
casa, segtin la formula anterior. Adernas, como sabemos calcular el valor exac
to de la integral, podemos comparar las cotas del error con el error real (exac
to) en cada caso.
Para hallar una cota M 4 del valor absoluto de la derivada cuarta del inte
grande, derivamos cuatro veces la funcion j" (x) = In2 (x + 2) para obtener
4! X = 22-12In(.r+2)
.f (x) (.1+2)4
de donde l.t'(x)1 :;22-~}n,"!< 0.86. En consecuencia, escogemos M 4 = 0,86 y

podemos acotar as! el error 3,6. Formulas
(2-0)sxO,86 27.52
E < =-------,
- 2880 m' 2880 m'
-"_ ... .,J

El valor exacto de la integral es
J: In
2(x
+2) dx = 14ln" 2 -121n 2 +4"" 2,408576029
134
3.6. Formulas de cuadratura de Gauss
En la siguiente tabla se reflejan los resultados.

~
r
(
m Simpson en m subintervalos E (error real) 27,52
2880 m
4
t~ 1
2
2,410020304
2,408696339
0,00144428
0,00012031
0,00955556
0,00059722
~-
0=
3 2,408601526 0,00002550 0,00011797
~ 4 2,408584316 0,00000829 0,00003733
t 5
6
2,408579467
2,408577699
0.00000344
0,00000167
0,00001529
0,00000737
7 2,408576934 0,00000091 0,00000398
- In'(x+2)dx 8 2,408576561 0,00000053 0,00000233
9 2,408576361 0,00000033 0,00000146
2 ,,:-- un mimero va 10 2,408576247 0,00000022 0,00000096
~ 0_Tnctido en cada 11 2,408576178 0,00000015 0,00000065
a..:~~:..'I el valor exac 12 2,408576134 0,00000011 0,00000046
.-: i . error real (exac
"2:='2: .::uarta del inte Es interesante observar que si el integrando es un polinomio de grado me
: ::- .c:- J. 0 btener nor que n, entonces la constante Mil puede tomarse igual a cera, porque la deri
vada de orden n de un polinomio de grado menor que n es identicamente nula.
Par 10 tanto, la regla del trapecio da resultados exactos cuando el integrando es
un polinomio de grad a menor que dos, mientras que la de Simpson es exacta
siempre que el integrando sea un polinomio de grado menor que cuatro.
l'~::::~',c,s M, = 0,86 Y
"'z-m o
• 'm HlIlL:."_..".Jii:.k ·5: Tll.-I!lll\HliilfSIi

·00 - • kI:;;;";1II iii
En las secciones anteriores hemos obtenido distintas f6rmulas de integra

ci6n numerica mediante la integraci6n de polinomios interpoladores construi
dos en uno a varios subintervalos. Todas elias se pueden expresar en la forma
J:'f(x)dx,"", I,a k f(x k ) (5)

S::-~<~9 k=O
135
3. Integraci6n y derivaci6n numericss
en donde xo, XI, ... x son n nodos (puntos del intervalo [rz, bJ) y an, a], ... all-I
l1 _ ]
son ciertos coeficientes. Por ejemplo, en la regla de Simpson en m subinterva

los de igual amplitud tenemos n = 2m + 1 y
b-.a
Go ==6--;;;
(7
1
= 2\h-a!
?'m
b-(i
a 2m =6111- ..
~
La eleccion de los nodos ha sido hasta ahora bastante arbitraria: se han es --
cogido igualmente espaciados para facilitar la programacion del algoritmo.
Otro punto de vista consiste en elegir los nodos de forma optima, en el sentido - - - ="1:
de que se consiga que la formula sea exacta para integrandos polinomicos del
mayor grado posible. Por ejemplo, si queremos una regla con n nodos, en la
formula (5) tendriamos 2n incognitas (n nodos y n coeficientes); por 10 tanto,
podnamos imponer 2n condiciones: la primera, que la formula sea exacta para
polinomios de grado cero (constantes), la segunda, que la formula sea exacta
para polinomios de grado 1. etc .. Asi la regla obtenida serfa exacta para poli
nomios de grado menor que 2n. Estas reglas se denominan formulas de cua
dratura de Gauss.
3.13. Ejemplo. La regla del trapecio en un solo intervalo, en la que apa

recen dos nodos, es exacta para polinomios de grado menor que dos. Sin em
bargo, la formula de cuadratura de Gauss con dos nodos sera exacta para poli
nomios de grado menor que cuatro. La regla de Simpson en un solo intervalo,
en la que aparecen tres nodos, es exacta para polinomios de grado menor que
cuatro. Sin embargo, la formula de cuadratura de Gauss con tres nodos sera
exacta para polinomios de grado menor que seis.
3.1·" fje
Una vez que se ha decidido el numero de nodos n, el procedimiento para regla de (_..:-::""
determinar estos nodos xo. X], ... XII-I Y los pesos an, a], ... all_I, para la corres
pondiente formula de cuadratura de Gauss, no es nada sencillo. En lineas gene 1. P: ': =
P:-,-~:~
rales, podnamos razonar asi:
1. Llamemos P,lx) al polinomio monico (coeficiente de XII igual a 1) cu

yas rakes son los nodos que buscamos. No olvidemos que los nodos
son de momento desconocidos, por 10 que los n coeficientes de P son I1
incognitas que debemos detenninar.
136
\ (/,;. ai, ... ClII_1 2. Para cada k = 0, k

... n - 1 el polinomio x Pn(x) tiene grado menor que
"." ::" !II subinterva-
211, luego r x
k
P; (x) dx = O. De esta manera planteamos un sistema
X, ..' =b lineal de n ecuaciones (una por cada valor de k) cuyas incognitas son
los II coeficientes de PJx).
ii-a
11 2:n == 6t1l 3. Resolvemos el sistema lineal anterior y asf determinamos el polinomio
PJx).
.::..-:-:.:[:aria: se han es 4. Hallamos la raices de PI/(x), que seran los nodos Xo < ... < XII-I .
5. Una vez conocidos los nodos, determinamos los pesos de acuerdo con
;;::::: :T. del algoritmo.
,-'::'L:.. en el senti do . .
el procedimiento de la seccion 3, esto es a,
." l''t, (
= ~.
x) rL\
0.-:':' ='-Jlinomicos del

c..:: : T, " nodos, en la
A primera vista, el metodo puede parece excesivamente engorroso, pero, si
> ~ ..:::-;; por 10 tanto,
uno se fija bien, observara que en la determinacion de los nodos y de los pesos
:::. _~.:. sea exacta para
no participa para nada el integrando j'(x), por 10 que los calculos pueden hacer
l.:. :':~mula sea exacta
se y tabularse de una vez para siempre. Como no es cosa de hacer estos calculos
"-,, exacta para poli
para cada intervalo [a, b], comenzamos normalizando cualquier integral a una
c formulas de cua
en el intervalo [-1, 1] mediante el siguiente cambio de variable x = 1 u + bi" ,
1
; "
de manera que
:;-. :C.>-, en la que apa
•.< .iue dos. Sin em
se:'; .:xacta para poli- 1: g(x) dx =b;a t g( b;a u + c.;'') ell!
c~, '.::i solo intervalo,
, .':'': ;rJdo menor que Los polinomios PII(x) se denominan en este caso polinomios de Legendre.
, , :'. noes nodos sera
3.14. Ejemplo. Aplicamos el procedimiento descrito para determinar la
<edimiento para regla de cuadratura de Gauss con n = 2 nodos.
_ . para la corres 2
. , : _En lineas gene 1. P 2(x ) = x + b.x + boo
2. Planteamos el sistema
._ __ igual a 1) cu I ,
c:-:::'.:' que los nodos I (x ' +b,x+b dx = 0

-1 o)
I , ,
:--::"<ientes de PI/ son
I (X' + b.x' + box) dx = 0
-J
137
3. lnteqrecion y derivaci6n numerices
esto es
La soluci6n es bo = -~, hi = O.
3. Las rakes del polinomio P2 (x) = XC -* son Xo = -~~. Xl = ,\ .

Si -:
4. Los pesos de la formula de cuadratura de Gauss con dos nodos son
a -
Q -
11Cfo(x)dx
-1
(x·) -
11.
(x-x
x·
- -1
1)d.:r
v-
-
-
II
-1
(x-~~)dx
-I
1
-
1
-
-
_c, ,
-'-- -
2
1
Cf o ' O '0-"1 -
-"\ -
, -\"
- - -\ ,
Procediendo como en el ejemplo anterior. se pueden obtener las f6rmulas

de cuadratura de Gauss para el mimero de nodos que se desee. Observe se ~
que la c,b;;:<' -.,
nodos I .
.F6l'muta de cuadratura de Gauss con n = 2 nodos. Repiuenc.. 1
rrespondiet:e ~{
f"(u) dU = f'
f
l
-I'
j' ( -1
l~,) +.
\ I '.
J
"3
. Formula de cuadt4
1
1
3.15. Ejemplo. Vamos a estimar el valor de la integral
1 ~
2 -i cos r
1
138
mediante la formula de cuadratura de Gauss con 2 nodos. Sea R(X) = 2+C~SX'
Mediante el cambio de variable x =",,"-0 u + 2~+0 = nu + n se tiene
' ".
So- R(x)dx=n
II R(nu+n)du=n II 1 du=n II 1 du
-I -I 2 + COS(lrll + n) -I 2 - cos lrlt
I
-r . T ·,....3
.r
Sl . (li) = 1 , entonces
. ~:~ ios nodos son 2 -COSlrll
-- 1 1_~
..:- -;
-=~=1 I (-II rrli- 2-cOS[f3J

I_J(u)du""'f-:'~J+. \0/-
r'- 2-coslJ("]
+ 2-COS)3J
5
Finalmente
-="'::"::-=1
r"" __1__ dx = nIl feu) du "'" 2,804219132

Jo 2 + cos X -I
,~,(ner las formulas

c·~~:::~.
Observese que con solo dos nodos se ha logrado una aproximacion mejor
que la obtenida en el ejemplo 3.8 con la regla de Simpson en un intervalo (tres
~ nodos).
[ Repitiendo los calculos del ejemplo 3.14 con n = 3 nodos, se obtiene la co
rrespondiente formula de cuadratura de Gauss.
I
§c
f
e.
I 5
I f<tt) du "'"
-1
139
3.16. Ejemplo. Vamos a estimar ahara el valor de la integral 3.7. Diferencias t
f"
o
'J
_
1
+cos X
dx mediante la f6rmula de cuadratura de Gauss con 3 nodos. Sean
D", L. :c, ~
g Yflas funciones el ejemplo 3.15. Entonces nealmente :: .:-_'-i
de orden ~ ::-.:::-"
da sobre '-:
Finalmente
2 dx = lrfl
1 2+cosx
o
1
1[
-I'
f(u)du'" 4,057449518
f'iY'
Podemos comprobar como al afiadir un nodo mejora la aproximaci6n obte

nida. En la figura 3.4 podemos ver el error que se comete al aproximar la inte
gral mediante la f6rmula de Gauss can 3 nodos. EI error sera la diferencia entre
el area de la zona con sombreado claro Y el area de la zona can sombreado os
curo. ~
Formula de las ~
Al igual que las reglas del trapecio y de Simpson, las de cuadratura de
Gauss tarnbien se pueden emplear en multiples subintervalos, can 10 que mejo I
ra la aproximaci6n. t
I
~
La cantidad h se ~
~
3.17. Eja
das -:,':T'
Figura 3.4. Error al aplicar la f6rmula de Gauss can 3 nodos a la integral
1. o+c~.x dx.
.,
I) - :-.
140
3.7. Diferencias divididas centradas
_ _~ la integral 3.7. Diferencias divididas centradas

~
t- - • .; ? nodes. Sean
De la misma manera que, para obtener la regla del trapecio, interpolarnos li
nealmente e integramos despues, podemos derivar el el polinomio interpolador
de orden 1 para estimar la derivada de la funci6n. Supongamos que festa defini
da sobre un intervalo [a, b]. Interpolando linealmente en ese intervalo, tenemos
'~
. ~ f(b)-f(a) (.'r-a)+f(h).
f(:'()- b a
r-
Derivando en el miembro de la derecha, podemos hacer la siguiente estimacion
F(x) "" feb) - f(a). En particular, siendo h la mitad de la longitud del inter
(b-a)
• c:::-~,.,'~imaci6n obte valo, h =b;a, y aplicando la expresi6n anterior en el punto medio x del interva
;:,.. ",::",'"imar la inte
10 [a, b], obtenemos la Hamada formula de las diferencias divididas centradas.
~::. ..:. ,j:f~rencia entre
a . "-,)mbreado os-
Formula de las diferencias divididas centradas

l~;.::.::
cuadratura de
k··, ~'n lo que mejo
F(x)"" f(x+h)-f(x-h)
La cantidad h se denomina incremento 0 tamafiodel-paso.
~ --'"
'~i:i.-;;
2n
3.17. Ejemplo. Apliguemos la f6rmula de diferencias divididas centra
das con h = 0,1 para aproximar!,(l), siendofla funci6n del ejemplo 3.1
. '~'. ' J. la integral

f(x) = [x-±) [x-* J[x-±),
141
3. lnteqrecion y derivecion numerices 3,8
Operamos con diez eifras significativas Poderno- c;:"

guiente e~pr:::'-,,~,!
f'(1) ~ f(1 +~) -:- f(1-1~) = 731 cz 1,218333333
to 600
EI valor exaeto que calculamos entonees fue f'(l) = ~: zz: 1,208333333,

Al intentar mejorar la precisi6n de la derivada obtenida eseogiendo un in
tervalo menor, nos encontramos eon un problema: al dividir entre una eantidad
pequefia, los errores de redondeo y truneamiento del numerador pueden au
mentar. Mientras que la integracion numerica tiende ala estabilidad (al dismi En par.i":~.i:
nuir el tarnafio del paso, aumenta la exactitud), la diferenciaci6n numerica tien en tres pun.c-. .:
de a amplifiear los errores. Afortunadamente es mueho menos frecuente
necesitar la segunda que la primera: en muchos casos podemos optar por la de q,)XI =
rivaci6n analitica exacta. q,(:ri = .
(J:l.\! =
3.8. Derivaci6n del polinomio interpolador para obtene:
3=
Al igual que hicimos para la integraci6n nurnerica, podemos eonsiderar po
linornios interpoladores de grado mayor que uno. Supongamos que conocemos 1'
los valores de f en n + 1 puntos, esto es, tenemos los nodos
I X - .,
Xo < Xl < ... < X,,_I < XII
Recordemos que el polinomio de grado menor que n + 1 que interpola a fen 3.18. Ejd
esos puntos viene dado por
X, = O. x= =
en donde qJx) es el polinomio de grado n obtenido al simplificar

(x - .1'0 )(.1' - XI )•••(.1' - XII)
142
3.8. Derivaci6n del poJinomio interpolador
Podemos aproximar la derivada en un punto x E [Xo, x n ] mediante la si

guiente expresi6n
~_:_:_:._::
E$timacion de la derivada mediante lnterpolacion en n + 1

~ = ~ ~ 1.~08333333
reX) ~ i q~(x) I(x,)

L':"':. ::,~c>giendo
un in k~O qk(X k)
~,:_:- :::3.Te una can tidad
L,:-:- -::--oJor pueden au
~ :: <_b:lldad (al dismi
En particular, para estimar el valor de la derivada mediante interpolaci6n
iC":",-:::" nurnerica tien en tres puntos, consideramos los polinomios
...- ';,enos frecuente
d:::-:-,_, optar por la de 2
qo(X) = (x - Xl) (X - X2) = x - XX2 - XIX + XlX2 => qo (X) = 2x - X2 - Xl
2
ql(X) = (X - Xo) (X - X2) = x - XX2 - XoX + XoX2 => qi (X) = 2x - X2 - Xo
2
q2(X) = (X - Xl) (X - xo) = x - XXo - XIX + XIXO => q2 (X) = 2x - Xo - XI
-
para obtener
t': X.) ~ P2'( X') = q~(x)

.
f( X.) + q;(x). .f( '\1-) + q~(x) .f( X, ) =
. o
Cx~-=:T,CS considerar po qo(x o) q1(X1) q2(XJ
2
f':"T')~ que conocemos

~>.
2x-x, -Xl f 2x-x, -x o f 2x-x o -Xl f(
----=------"--. (x o) + - . (x 1) + . x2 )
(x, -x1)(XO -x 2 ) (x 1- XO )(X1-x 2 ) (x 2 -X O)(X 2 -Xl)
. ~ -:;Je interpola a I en 3.18. Ejemplo. Supongamos que I es una funci6n desconocida y que he
mos obtenido por experimentaci6n los siguientes valores en los nodos Xo = -1,
Xl= 0, X2 = 2
-1 2
Xk
°
F.:=:-c:j,:; al simplificar !(Xk) 0,685 0,666 2,968
Sustituyendo Xo = -1, Xl = 0, X2 = 2, X = 1, I (Xo) = 0,685, I (Xl) = 0,666,

I (X2) = 2,968 en la expresi6n anterior resultaf'(l) ~ 1,151.
3. Integraci6n y derivaci6n numetices s..
La formula de derivacion numerica obtenida a partir de la interpolacion se 3.19. Ejes

simplifica notablemente si consideramos nodos igualmente espaciados y si es ,ff .t ; == -.-_ ;;
timamos la derivada en uno de esos nodos.
Par ejemplo, con los nodos xo, XI = Xo + h, Xc = Xl + h, evaluando en x = xo,
obtenemos lante. c< ::- ,~
Si evaluamos en X = XI resulta
Esta formula no es otra que la de las diferencias centradas divididas, 10 que nos
sirve para observar que esta regla proporciona una aproximacion de segundo arden. por 10 l.::."ll:. C:. 1
POI' ultimo, si evaluamos en X = Xc, tenemos Pixie' . 1
derivan.i - ,
f'(x,)~ 2x 2 -x, -:1: 1 fU 2x o -X o -xo f(xJ+ 2x 2 -x o -x] .
o)+
(x o - xJ(x o - .v.) (x 1 - X o )(X 1 - ':(2) (x 2 - X o )(X2 - x])
f' (X) "= - - - - - - '
2~1 f(x + ;~1 f(x 2 )
1h
1 \ - .
f(x 2 ) = 2 f(x o ) - 1)
La primera y la tercera de las formulas pueden escribirse como sigue. Ob

servese que una corresponde a h positivo y la otra a h negativo.
f"(x) zz: - - -
I:
Estimaci6n de la derivada por interpolacion con 3 nodos
f'(x)~ -3f(x)+4f(x+h)-f(x+2h)
. 2h
144
3.8. Derivaci6n del polinomio interpolador
__ .': .i::o:rpolaci6n se 3.19. Ejemplo. Vamos a estimar el valor de la derivada de la funci6n

x
~Ic o:,::-,,:i~ldos y si es- f(x) = - 0- en el punto x = 1 en 3 nodos y tamafio de paso 0.1. Comenza
.C +1
_ ~ . '--:~.ll:do en x = Xn, mos con la estirnacion proporcionada por la formula de interpolacion hacia de
lante, esto es, con h = 0,1.
_. -x,:,-x l
-3 fO) + 4f(l +0, 1)- f(l +0,2) = -0.0042652635
.:: -x. i(X 2 -Xl) f'(1)'-'" 0,2
Analogamente, si interpolamos hacia arras escogiendo h = -0,1, resulta
I -3f(1) +4f(1-0, 1)- f(1-0,2) = -0.005726992

f (1) '-" -0,2
2'~c - x,) -Xl
-'. )(X 2 -Xl) El valor exacto de la derivada se calcula sin dificultad en este caso
I-x
f'(x) = (x' + 1)2
20·~:'. :jidas. 10 que nos
. ..: C' .JcC" segundo orden. por 10 tanto, el valor exacto es f' (1) = 0.
Podemos obtener formulas similares para las derivadas de mayor orden,

derivando de nuevo en la expresion
2x: -X o -Xl
,. - X',)(X 2 - x.)
f'er)'"" 2X-X 2 - Xl . fU ) + lx-.\o-X u f(x ) + 2x-xo - x 1 f(x )
o l 2
(x o - Xl )(xo - xc) (Xl - '\0 )(.x 1 - x, ) (x 2 - X o )(x 2 - Xl)
t::-o:c como sigue. Ob- As! resulta
,,2
f (x)'-", . f(x o ) +
2 f
,(x1 ) +
2
f(x,)
(x o -xl)(X o -x,) (xl-XO)(XI -x o ) (x 2 -Xo)(X o -Xl)
eo
Eo
~"
Al considerar nodos igualmente espaciados, y escoger X = Xl. xo = X - h,
X2 = X + h, se tiene
~
145
~ ---~-
__-::-~.f
Estimacion de la derivada segunda con 3 nodos (centrada) '-U~~
\ ;.":," ;
rex) zzz f(x - 11) - 2f~x) + l(x + h)
. . h"
,-- - - :r
~ ....: '..... :.~ _. :.
3.20.
lex) =
x
- 0-
Ejemplo. Estimamos el valor de la derivada segunda de la funcion
en el punto x = 1 con un tamafio de paso h = 0,1.
-:: ...
-"";';;:";

_...:
.;;
r+1
f " (I) "" /(1- 0,1) - 2/(1) +.f(1 + 0, 1) = -0.50248743

. (0,1)2 .
De nuevo, el valor exacto de la derivada segunda se calcula sin dificultad p2:-..: -~pi
bIt:' ~':-~:::-J
'
. - ') - XC, - 3 .
t. ." (x)-~x (..c +1)'
;.;1 ,_.:;j
~ ~r::·.::·'-':::
por 10 tanto, el valor exacto es. f " (l) = 1
-2"'
Si se interpola en un mimero suficiente de puntos, se puede estimar el valor
de las derivadas de orden superior. ".'~.~ -:
':"_ ~ ":".;.;l
Recordemos que:
.:. Llamamos funciones basicas a las que pueden definirse a partir de las
elementales mediante las operaciones habituales .
•:. La derivada de una funcion basica es tambien una funcion basica y, en
principio, puede calcularse aplicando la tabla de derivadas. n '. ~~. ~.,:,
.:. La primitiva de una funcion basica puede no ser una funcion basica, en ttr,=...'-=
cuyo caso, de nada nos sirve la tabla de integrales.
.........
•:. Las funciones que aparecen en ingenieria no siempre son basicas. A ve ......
-
,
~.
- "
-
-
~...,
ces solo son conocidas en unos cuantos puntos .

•:. Incluso cuando la derivacion 0 la integraci6n mediante tablas son factibles,
puede resultar apropiado utilizar derivacion 0 integracion numericas.
146
Recordemos que
.:. Mientras la integraci6n numerica tiende a ser estable, porque se van

c-
compensando los errores por defecto y por exceso al sumarlos, la deri
vaci6n numerica puede resultar inestable, porque al dividir entre canti
I
dades pequeiias podemos amplificar los errores de redondeo y trunca
I
miento.
•:. Un buen procedimiento para obtener f6rmulas de integraci6n 0 de deri
vaci6n numericas consiste en reemplazar la funci6n dada por un polino
~.:: _- j., de la funci6n mio interpolador, para integrar 0 derivar despues ese polinomio en vez
de a la funci6n dada.
•:. Al integrar un polinomio interpolador de primer orden se obtiene la re
gla del trapecio, mientras que al integrar uno de segundo orden obtene
"'\...:. ~ - ..: ... mos la regla de Simpson.
.:. La forma mas conveniente de utilizar las f6rmulas del trapecio y de
Simpson consiste en dividir el intervalo dado en varios subintervalos,
2. '.~. =.:lcultad para aplicar despues las f6rmulas en cada uno de ellos. As! mejora nota
blemente la exactitud de los calculos .
•:. Al aplicar la regla del trapecio, el error es inversamente proporcional
al cuadrado del mimero de subintervalos, mientras que con la de
Simpson el error es inversamente proporcional a la cuarta potencia de
ese mimero.
•:. La cuadratura de Gauss tambien se basa en la integraci6n del polinomio
Le=::'= estimar el valor
interpolador, pero, en este caso, se escogen los nodos de manera que las
f6rmulas sean exactas para polinomios del mayor grado posible.
•:. Si las derivadas sucesivas del integrando que estamos considerando no
alcanzan valores demasiado grandes, las f6rmulas de cuadratura de
Gauss en varios subintervalos proporcionan mejores resultados que las
~ - -,;:, :l partir de las del trapecio 0 Simpson, cuando se considera un rnimero equivalente de
nodos en unas y otras .
=-:'.c:,:m basica y, en •:. Aunque la f6rmula de las diferencias divididas centradas se obtiene de
. ..: J. J.". rivando un polinomio de interpolador de orden uno, tambien puede ob
L :-,::-,ci6n basica, en tenerse derivando uno de segundo orden, por 10 que el error que se co
mete con ella es menor de 10 que en principio cabrfa esperar. De hecho,
~;:' ";: basicas. A ve proporciona resultados exactos cuando se aplica a polinomios de segun
do grado.
s: ~:':J.S son factibles,
c-- - ':Tnericas.
147
7
4. Soluciones eproxlmedes de ecueciones diferenciales
4.1. Ecuaciones diferenciales ordinarias (EDO)

C'n ~~ = .=~
El termino integral se utiliza en matematicas en dos sentidos diferentes,

que el Teorema Fundamental del Calculo se encarga de relacionar. Par una par ; "
t...-
-- ]
._ .-------"
te, la integral definida de una funci6n en un intervalo es un cierto mimero real. neral -:::: .::. -:
Par otra parte, al hacer una integral indefinida tenemos que buscar una funci6n
cuya derivada sea el integrando. En ese sentido, el proceso de integrar viene a
ser como una adivinanza en la que inc6gnita es una funci6n de la cual solo se
conoce su derivada. De forma mas general una ecuaci6n cuya inc6gnita es una
funci6n y en la que aparecen las derivadas de esa funci6n se denomina ecua
ci6n diferencial ordinaria (EDO para abreviar).
4.1. Ejemplo. La ecuaci6n y' = 3,.2 + 1 es una ecuaci6n diferencial ordi
naria. La inc6gnita es la funci6n y, que depende de x. Esta EDO equivale a la .:loT'
I,..~'
-
~'.
-,--":;'
__ . ' ", •
siguiente pregunta: i,Cuales son las funciones que tienen par derivada a la fun - .. - . - .
'----- . "'-
,
-- - ~ <
:,.:-:. ''''''':''-
2 '
ci6n 3x + l? Por supuesto, para responder solo hace falta integrar

' , ..u . E~
:v = f (3x- + 1) dx = .r + X +C
en donde C representa a una constante arbitraria.
4.2. Ejemplo. No siempre sera posible en una EDO despejar y' en fun
ci6n de x, como en el ejemplo 4.1: Para resolver la ecuaci6n y' = _2~\),2 no bas
ta con hacer la integral del miembro de la derecha, porque el factor l que apa
rece en el es desconocido. Hace falta una manipulaci6n previa; dividiendo los
dos miembros de la ecuaci6n entre -l e integrando ambos resulta
f ~~' dx= f Lx dx
esto es
1 , ~.::, Ej
- =.c +C
:v
y por 10 tanto v = -,_1_, en donde C es una constante cualquiera.

. r+C .... "- .. ..: - .-=-. .;. - ~,
150
s diferenciales 4.1. Ecueciones diterencietes ordineries (EDO)
Se llama orden de una EDO al orden de la mayor derivada que aparezca

II!
en la ecuaci6n. Se denomina solucion de una EDO de orden p a cualquier fun
ci6n de clase p que al reemplazar a la variable haga que la igualdad sea cierta
, '--:'::::,dos diferentes, para todo valor de x de un cierto dominio.
L~~,,';;3.r. Par una par
Una familia de soluciones de una EDO de orden 11 se denamina solucion ge
~ .rerto mimero real.
neral de la ecuaci6n en un dominio U de [R 1/+] si para todo (xo, Yo, Y], ..., YI1-I) E U
~ ~-_;'<ar una funci6n
existe una iinica soluci6n y en esa familia que verifica
., i;: integrar viene a
,,:-:-, 2:: la cual solo se y(xo) = Yo, y'(xo) = YI, ..., /,-11 (xo) =YI/_I.
~:~:,.-" incognita es una
:; -;: .ienornina ecua Si la ecuaci6n diferencial ordinaria se puede escribir de la siguiente forma
c;;- .liferencial ordi

al/(x»''') + a,,_I(x)/,-I) + ... + al(x)y' + aoy = g(x)
L EDO equivale a la
en donde a.; ... ao, g son funciones que solo depend en de x, decimos que se tra
~~,=-jeriYada a la fun
ta de una ecuaci6n diferencial ordinaria lineal.
i ;::::,;;,;rar
4.3. Ejemplo. La EDO del ejemplo 4.1 es lineal de orden 1. Su soluci6n

3
general es la familia Y = x + X + C, en donde C es una constante; para cada va
lor de C obtenemos una soluci6n. Observese que para todo punto (xu, Yo) de
U = [Re podemos determinar el valor de C de modo que y(xo) = Yo. Basta esco
C j;;"pcjar .v' en fun ger C = Yo - Xo3 - Xo·
o' =- 2xl
o
no bas
E ::. ,.::;:tor y- que apa 4.4. Ejemplo. La EDO del ejemplo 4.2 es de orden 1, pero no es lineal
f:'-r::' '~,: dividiendo los porque aparece una variable y elevada al cuadrado. Su soluci6n general es la
?-:::-ulta I
familia y = -,--. Para todo punto del dominio U = {(xo, Yo) E [R2 : Yo ::j:. O}
.c+C
I 0
podemos escoger C =- - x; de manera que y(xo) = Yo.

•\' 0
4.5. Ejemplo. La ecuaci6n diferencial xy' + y = eX' es de orden 1. No es

una ecuaci6n lineal pues aparece la variable y en un exponente. Por otra parte,
no es posible resolver esta EDO utilizando el procedimiento indicado en los
. .~·~:·;;,ra.
ejemplos anteriores. Un truco para simplificarla es introducir la funci6n v = xy,
cuya variable independiente es x. Al ser v' = y + xy', la EDO quedaria asf v' = e",
151
• --0iiill!iC' ._••.
lI!I!!
4. Soluciones aproximadas de ecuaciones diferenciales 4.1.
o 10 que es equivalente, -e-IV' = -1. Integrando respecto de x resulta e-\ = -x + C,

luego v = -In( C - x), de manera que la familia
In(C - x) prc~cn:j;. -~=-_.:::. 11

y=
x el orden. - •
E" ;0, c. • ;
es la soluci6n general de la ecuaci6n xy' + Y = eX)'. Para todo punto del dominio existenc.; :::" ;
U = {(xo, Yo) E [R2: Xo ;;t. O} podemos escoger la constante C = Xo + e-'0 "0, de ma
nera que y(xo) =Yo. C10n :C:c:,_ - c. i.
apro:\:'~:.::.r.':".
4.6. Ejemplo, La ecuaci6n y" = cos x es de orden 2. Para resolverla solo I.~
Ji"~
"'::
',"-' _', .-,:
- __
hay que integrar dos veces. Al integrar la primera vez queda y' = sen x + C; al
hacerlo por segunda vez resulta y = -cos x + Cx + D. Por 10 tanto, la soluci6n restnc:c::·::-. :-.='
general de la EDO es .v = Cx + D - cos x. Observese que para todo punto
orden ': >
(xo, Yo, YI) del dominio U = [R3 podemos escoger las constantes C = Y1 - sen Xo, que k, ;";:'J
D = Yo - (Yl - sen xo).\:o + cos xo. de manera que y(xo) = Yo, y'(xo) = YI· para "!";=:''-.':'''''.
Frecuentemente encontraremos las ecuaciones diferenciales escritas con
orden c:". .~ ...
una notaci6n diferente. Recordando que la derivada y' se escribe tarnbien como
sigue
y' = dyldx, al multiplicar cuantas veces sea necesario los dos miembros de la
ecuaci6n por dx, obtenemos una forma de la ecuaci6n diferencial en la que no se
distingue entre variable dependiente e independiente. Por supuesto, para dotar de
rigor matematico a esta notaci6n necesitariamos definir con precisi6n que enten De e'-t:, :,'.':":-.:1
demos par dx y por dy de forma que el cociente dy/dx sea la derivada v . Renun perior ,:0:-'--=":":2
ciamos aquf a esa exigencia de rigor, como, por otra parte, hicieron los fundado donde - z!
res de la disciplina, y nos conformamos con interpretar que dx y dy representan z =!::. ..; .
incrementos infinitesimales en las variables x e y. Coherentemente con esa nota
cion, cada soluci6n de la EDO se puede expresar mediante una ecuaci6n de dos ~.8. Eje
variables, x e y, que geometricamente representa un curva, a la que denorninare se puece c:'?'"'
mos curva integral. Lo mismo se aplica a la soluci6n general de la EDO.
4.7. Ejemplo. La ecuaci6n diferencial xy' + y = err del ejemplo 4.5 se

puede expresar como (y - en) dx + X dy = 0, mientras que su soluci6n general
se expresa como x + e- = C en forma de curva integral.
n
En principio, una ecuaci6n diferencial puede no tener soluci6n general en o utilizar..::·: c.3;
un determinado dominio. Afortunadamente, bajo condiciones bastante genera
152
; diferenciales 4. 1. Ecuaciones diferenciales ordin a ria 5 rEDO)
'::-"', ulta -: = -x + C, les, se puede asegurar la existencia de solucion general para ecuaciones diferen
ciales de orden n que tengan la derivada de orden superior despejada: es decir,
.
para ecuaciones d e Itipo
' Y," = g (x, y, y ,, ..., y "-11) ,en d on d e g (x, y, y ,•...• y11-1)) re
presenta una formula en la que aparecen involucradas x, y y sus derivadas hasta
el orden n - l.
Es muy impartante destacar que del hecho de que podamos asegurar la
k t"j,:w del dominio existencia de solucion no se deduce que seamos capaces de calcularla. Es mas,
- e-xo Yo, de ma en la mayona de las ocasiones no existe un procedimiento para hallar la solu
cion general de forma exacta: par eso necesitamos metodos numericos para
aproximarla.
. ?~} resolverla solo Introduciremos algunos de estos procedimientos para resolver numerica
~ c. - = sen x + C: al
mente ecuaciones diferenciales de orden uno can la derivada despejada. Esta
L :::nto. la soluci6n restriccion no es demasiado exagerada si se tiene en cuenta que una EDO de
q'~:: para todo punta orden n > 1 puede expresarse como un sistema de ecuaciones de orden uno y
iEee' C = Yl - sen XI), que los metodos desarrollados para ecuaciones individuales pueden adaptarse
" = \' ' para sistemas.
Para transfonnar una ecuacion de orden n en un sistema de ecuaciones de
;~,::"lc' escritas can
orden uno debemos introducir nuevas variables auxiliares, definiendolas como
:~.'<:-:~ tarnbien como
sigue
,:;,~" miembros de la
e,,~:;.:] en la que no se ~ -- ~ --..-I"~ ,
" , ":"1 - .v" ,
Z~ - - --
..(,0 .. ... ~ ":',n~] •"II-I)
If'e-::''ro, para dotar de
1 ==-::'::1:,i6n que en ten De esta manera, cualquier EDO de orden n; que tenga la derivada de orden su
~ .ierivada y'. Renun perior despejada, se puede expresar en forma vectorial como z' = [t», z), en
h:':,::fon los fund ado donde lex, z) representa una formula en la que aparecen las variables x y
;E ~',_ y dv representan Z = (':0. ZIo ... , z,,).
t~::-::-_ene can esa nota
: _=-::: ecuacion de dos 4.8. Ejemplo. La ecuaci6n diferencial y'" = y" + 3y' + 2/-x, de orden 3,
;: .2 que denorninare se puede expresar mediante el sistema
~"--- -":c laEDO.
1
=
j
7 7
......'0 ....... 1
,- .::.::l ejernplo 4.5 se 7' == ...... 2

7
""'I
f: - ., <olucion general
7' - 7/7 1 -
,"2 -
7
"2 + 3'1 + -"'0 x.
~ ,<Deion general en a utilizando la notacion vectorial z' = lex, z), conj'(x, z) = (ZI. ':2. ':2+ 3Z1+ 2Z6 - x).
i"':':::' bastante genera En este capitulo nos dedicaremos a desarrollar metodos numericos para re
153
51,"
4. Soluciones aproximadas de ecuaciones diferenciales 4.2. £
solver, de forma aproximada, problemas de valores iniciales de orden uno, esto porque i,nf_;
es, problemas planteados can una EDO del tipo .1" = [t». y) y can una condicion cuenterner.t- :!
inicial y(Xo) = Yo. ximacione- ,~,
para de' ~o;;- :J
4.9. Ejemplo. Un problema de valores iniciales serfa Inte £:.. .. ..;:.:;
obtiene L: ':;:.1.
[.,J = -2xv"
h(2) = 3
1
En el ejemplo 4.2 se vio que la solucion general de la EDO era v = -,--. Se comier.z. ,',
.v +C
conocida =,'
Si queremos que se satisfaga la condicion inicial, debe cumplirse ner segui~",-~~j
I I II
3 = v(2) = -c+C
-. esto es, 3 = - - luego debemos escoger C = - -. En
. 2 4+C 3
3
consecuencia, la funcion v = , es la solucion del problema. Debemos Prcce; ::-.J
. 3r-11 - - -
Yo, .1'1' \" :-::;,
insistir en que. en general, no sera posible hallar una solucion exacta de un pro
blema de valores iniciales.
M€todo de las a;
4.2. EI rnetodo de las aproximaciones sucesivas ,
~
Antes de pasar a considerar los rnetodos numeric as para la resolucion

aproximada de problemas de valores iniciales de la forma Se pc::::..:: j;
senta un ,-:: ,:i:
Jy'=!(X,y) , xEI
- - -
Yo, -"I' _\ ~ .
(1)
lY(X o ) =."0
siendo Xu un punta de un intervalo I, es conveniente tratar brevemente sabre los

llamados metodos analiticos, que permiten aproximar la solucion del proble Es nu.-.
ma sin discretizar la variable. Estos metodos son de escasa utilidad practica can a la s: ._:,s
154
s diferenciales 4.2. £1 metoda de las aproximaciones sucesivas
~. ~:: orden uno, esto porque implican el calculo de primitivas 0 la suma de series, 10 que resulta fre
,'. :'.~." una condici6n cuentemente irrealizable. En particular vamos a exponer el metodo de las apro
ximaciones sucesivas, que tiene gran importancia te6rica y sirve de inspiraci6n
para desarrollar metodos numericos eficaces.
Integrando respecto de x, desde Xo hasta t, en la EDO que aparece en (1) se
obtiene la siguiente ecuaci6n integral, que es equivalente a esa EDO
y(t) - ,\'0 = r
-'0
y'(.:r) dx = r fer,
X(I
y(x» dx (2)
ED'.:) era v = _,_1_. Se comienza considerando como una primera aproximaci6n de la soluci6n des
, r+C
conocida y = y(x) del problema (I ) ala propia constante Yo (x) = Yo' para obte
-'':cbe cumplirse ner seguidamente, mediante la ecuaci6n (2), una mejor aproximaci6n
11
s-:.= ~=T C=--. En
3 VI (r) = \' 0 +
~ ~
f'
Xu
. v
I'(x '. 0 (x)
' dx
=~=::,lema , Debemos Procediendo de esta manera, encontramos una sucesi6n de funciones

Yo' Y ,v"".
I• mediante la siguiente f6rmula de recurrencia
:,~:-, ",\~acta de un pro
Metodo de las aproximaciones sucesivas
5'+1 (r) = Yo + Lfer, Yk (x)) dx
•
!" =.lC:: la resoluci 6n
Se puede demostrar que si la funci6n f es suficientemente regular y no pre
senta un crecimiento brusco al aumentar la variable y, entonces la sucesi6n
Yo' Yl' Yc' ... converge a la soluci6n exacta y, en el siguiente sentido
(1)
lim max {IY(x) - 5\(x)l:x E I} = O.
K-----'o""'"
.~-:: enente sobre los

i ~~ ,.:.::6n del proble Es mas, no solamente las aproximaciones sucesivas Yo' YL' Yc"" se acer
(,:- .itilidad practica
can a la soluci6n exacta, sino que, para una valor de k suficientemente gran
155
,~
4. Soluciones aproximadas de ecuaciones diferenciales
de, se puede conseguir que la funci6n 5\ verifique (1) con la exactitud que se
quiera.
4.10. Ejemplo. Consideremos el problema de valores iniciales
{ "y(O)
~." = x + Y , x e c-h.n;
=2
Tenemosj'(x, y) = x + v, xo = 0, Yo = 2, 1= (-h, h). La primera aproximaci6n

es Yo (x) = 2. La segunda sera
cir. si h « .
TaIT.':':::,:·. i
V
•j •
(t)=2+I
0
' (x+2)dx=2+~t2
2 +2t acerca ~ ..:: ~]
y as! sucesivamente
-
"I' (.:r+2+-.:C
1',(t)=.c+
'- 2
1, +2X.) dx=2+2t+-r
0
3, +-t
2
1
6
1
siernpreq c:::'
3 , 1 "1 jdx=2+2t+-t·+-t·+-t
.~
- =2+ II (:r+2+2x+-x"+-x.
y.,(t)
3, 1"1 1-1
.. 0 2 6 2 2 24
_
o 0
[
(
1'-1 U) = 2 + Ilx
3,1,1 )
+2 +2.:r+-x· +-:1;"" +-x-l dx = 2+2t +-r +-t· +-t-l +-t)
2 2 24
3,1.,11.
2 2 8 120
4.3. EI metoda
?\ os ;:--=-= ::~=
Si paramos el proceso en k = 4, tenemos la siguiente aproximaci6n
mencame.t:e ~
_ 3, 1 1 1 -I 1 <
v (x)=2+2x+-r +-.:C +-x +-x'
.-1 . 2 2 8 120
La solucion exacta del problema es y = 3e' - x-I (jcompruebesel), fun

Al i;..:.::.. -{
cion cuyo polinomio de Taylor de orden 5 es
nio de L . .::.:-.~
do una rr:...::.....~ ~
156
5 diferenciales 4.3. EI metoda de Euler
:0= .:: exactitud que se Asf que el maximo error que cometemos al aproximar la soluci6n median
te Y-I es
f2 ~=-:-~':-lJl~s
8 = max {I,,(x) - 5'.(x)l: x E (-h, h)} s
s max {IY(x) - p(x)1 + !P(x) - Y-I (x)l:x E (-h, h)} s
6 S S 5 5
/ trl -,,6) (0)x + -2X
s max !
:.:r E (- I1. I)}
1 S -3h + -2h = -h
6! 120 . 6! 120 48
... ,=~.l aproximacion

Observese que el error es muy pequefio si trabajamos cerca del cero, es de
cir, si h« 1.
Tambien podemos comprobar que la so1uci6n aproximada Y-I' no solo se
acerca a la soluci6n exacta, sino que ella misma satisface de forma bastante
aproximada la ecuaci6n diferencial. En efecto
\:51 h-l
ly~Cr)-f(x'Y-l(x»I= ~2 -
.-1
- ;20 s6
1
siempre que h s 10.
1 -I
+-t
"'. . 24
1 4 1 5 4.3. EI rnetodo de Euler

~-t +-t
8 120
Nos proponemos presentar distintos metodos numericos para resolver nu

~: ~·c.:maci6n
mericamente problemas de valores iniciales de la forma
y = lex, y)
t
r { y(x ) = Yo (3)
o
E .: :~·ipruebese!), fun-
Al igual que en los capftulos anteriores, procedemos a discretizar el domi
nio de la variable x, que supondremos que es un cierto intervalo [a, b], eligien
do una malla de nodos
a SXo <Xl < ... < XI1- 1 <XII S b.
157
.. .."
~~-
Para no complicar la exposicion, supondremos que el tamafio de paso

h = Xk+l - XI es fijo; por 10 tanto no consideraremos los llamados metodos den 2C.:c::-_:-~ i
adaptativos, en los que el tamafio de paso es variable. Si los extremos del in cion -":c. ::-,"'1
nor r-:: _ ..
b-a
tervalo se toman como nodos (X o = a, xit = b), entonces h = - - . funcion "
n
Nuestra meta sera conseguir una n-upla de mimeros Yil ..., Yll que aproxi lando pc;-::_
men a los verdaderos val ores de la funcion incognita Y = y(x) en los nodos, es sen ,::-c ..:.-=- z;
to es, y, "" Y(XI) para k = 0, ..., 11. El conjunto de estos II valores, YI' .... y,,, cons
metodo- ':- -=-'~
tituira una solucion numerica del problema, para esa malla de nodos. Est.:,·, . ,
Un primer enfoque del problema podria consistir en aplicar las ideas de la inici'll -1::: ~~,)
seccion anterior, transformando la ecuacion diferencial en el intervalo (XI, X/+l) bido "- ,::.z ,':7]
en una ecuacion integral en ese intervalo. As! obtenemos Por ejcT',::- '
arranque ,:-:-.3.
y(X'+l)-y(X k ) = f'-l f(x,y(x) dx que
que
Sl§:'-'C
C0FL' ":::: ;
:=c''''
ell::':':": :::
Igualdad que, mediante el cambio de variable x = XI + ht se expresa como denormr.; c:qJ
sigue un met-xi '-"
lucian J.;:'::'.ll
(4) tiene c:: i
Ecuacion integral equivalente en el intervalo (Xl, Xk+I). En c." .. ~
el mien: r-: : -'
v( t
•
) - v( t )
';:+1,
h
• 'k =1 ((x,+th,v(x,+th))dt
j
D''''''
el extrerr.. :::-::
El miembro de la derecha es un promedio del integrando (una especie de

media aritmetica) que se tendra que aproximar mediante una formula en la que
intervengan la funcion j. el tarnafio de paso h, el extremo inferior del intervalo
xi, y los valores aproximados )'h )'k+l de la solucion en los extremos del interva
10. Por eso, resulta razonable considerar algoritmos como los siguientes
(4)
158
5 diferenciales 4.3. EI metodo de Euler
= tamafio de paso El miembro de la derecha de la ecuaci6n (4) es una f6rmula en la que pue
~ .. ":T,Jdos metodos den aparecer las cuatro variables que figuran entre parentesis asi como la fun
i - - extremos del in- ci6nfdel planteamiento del problema. N6tese que Xk+1 = x, + h. Segun el ante
rior razonamiento, la f6rmula F debe aproxirnar, de alguna manera, a la
funci6nf
La idea es comenzar con el primer valor )"0 (valor de arranque) e ir calcu
que aproxi
lando progresivamente )"1, )"2•... aplicando en cada etapa la ecuaci6n (4). Ob
los nodos, es-
=:1
servese que cada )"1+1 se calcula a partir del valor anterior )'k, por 10 que estos
L- _'='. . ..., YII> cons- metodos se denominan metodos de un paso.
L.::.=", Dodos.
Estamos suponiendo que el valor de de arranq ue )'0 coincide con el valor
a;-:~::r las ideas de la
inicial del problema, )'(xo) = )"0, 10 cual en la practica no siempre es posible de
:: e. .ntervalo (Xk, Xk+l)
bido a las limitaciones en la representaci6n de los niimeros en un ordenador.
Por ejemplo, si el valor inicial del problema es )'0 = 7[, entonees el valor de
arranque sera cercano a Yo. pero no podra coincidir con el. No obstante, en 10
que sigue ignoraremos este problema y eonsideraremos que el valor de arran
que coincide con el valor inicia1.
Cuando es posible despejar la variable )'1+1 en la eeuaei6n (4), el metodo se
- ," ,e expresa como
denomina explicito; en otro caso, decimos que es implicito. Para calcular Yk+1 en
un metoda implfcito es necesario aplicar procedimientos numericos para la reso
luci6n aproximada de ecuaciones. Para que el metodo tenga sentido, la ecuaci6n
(4) tiene que tener solucion unica cuando se considera )'1:+1 como variable.
~
f En una primera aproximacion, puesto que h es pequeiio, podemos estimar
[
~
el miembro derecho de la ecuaci6n integral mediante el valor del integrando en
el extrema inferior del intervalo, es decir, para t = 0
t
E_
~
1
JI)r f(:r! + th, y(x! + tlz) dt '" f(x!, yJ

una especie de
L - .. ~.:'rmula en la que Asf obtenemos nuestro primer metodo,
, ::-~",:-l'Jr del intervalo
;c. :-",nos del interva
Metodo de Euler. El metodo numerico
- ", cuientes
,
-'k+1
- ..II ! f'('
=..\"
(4)
se denomina Metoda de Euler
159
-- ----;;;:;~-:;~~~7-·
Obviamente, podemos escribir el esquema como sigue 4.4. Converget
Se trata de un metodo explicito de un solo paso en el que
4.11. Ejemplo. Aplicamos el metodo de Euler para resolver el problema
y'= 2{y ; yeO) = 1
en el intervalo x E [0, 1] con tamafio de paso h = 0,1. Antes de hacer las cuen
tas, observamos que, repitiendo la idea del ejercicio 4.2, podemos calcular la
soluci6n de forma exacta, obteniendo y = (1 + },l.
As! que en este caso pode
mos comparar la solucion aproximada obtenida mediante el rnetodo de Euler
(columna Yk) con la soluci6n exacta (columna (l + xd).
. Se ~ qu.: liE
. carse a P !i'~
k Xk Yk (l+xd
lquierpr~
°
1 °
0,1
1
1 + O.1f(O, 1) = 1,2 1.21
1 ~proNs:w.d ~.
2 0,2 1,2+0,lf(0,I,I,2)"" 1,42 1.44

3 0,3 1,42 + 0,lf(0,2, 1,42) "" 1,66 1.69
4 0,4 1,66 + 0,1f(O,3, 1,66) "" 1,92 1.96
I
5 0,5 I 1,92 + O,lf(O,4, 1,92) "" 2,20 2.25 E~.£~~
6 0,6 2,20 + 0,lf(0,5, 2,20) "" 2,50 I
2.56 ~'fi..
7 0,7 2,50 + 0,lf(0,6, 2,50) "" 2,82 2.89

8 0,8
0,9 J
2,82 + 0,lf(O,7, 2,82) "" 3,16 3.24
~
3.16 + 0.lf(0,8, 3,16): 3,52 3.61
1 3,52 + 0.1f(0,9, 3,52) - 3,90 4
I
.:.;... - -;." -. ,----
Observese que el error va aumentando segun x, se aleja de XI) = 0, punto en

el que arranca el algoritmo.
160
I; diferenciales 4.4. Convergencia y consistencia
4.4. Convergencia y consistencia

Ie il7 nw . ITW~~ "en m'Jj~_ !lit 1 , ffjg
No todas las f6rmulas como la de la ecuaci6n (4) sirven para aproximar so
luciones de ecuaciones diferenciales. Para que un metodo numerico sea acepta
ble debe verificar algunas condiciones: la primera obviamente debe ser que la
soluci6n numerica se aproxime realmente a la exacta, que normalmente es des
conocida; es decir, que la diferencia entre las soluciones exacta y numerica
,~- .ver el problema tienda a cero segun el tamafio del paso tienda a cero. Consideremos una fun
ci6n continua g con g(O) = 0, un problema P de valores iniciales y su soluci6n
exacta y.
;:-:' =~ hacer las cuen

r··,~"mos calcular la ESe dice que un metodo numericoc()llve..~~respectode&af:a:
k: ::::'.este caso pode ten 8, K> 0 tales que j Y(Xk) - Yk I ~ Kg(h)pataQualesquierak
': ::. rietodo de Euler
Se dice que un metodo converge con orden pal aplicarse a

carse a P respecto de la funci6n g(h) = hP •
(I ..;.xd2 £1 metoda es convergente de orden p si converge con orden p al aplicarse a
;quier problema con solucion y no converge can orden p + 1 al apJicarse a ""'EY" I
1 ,problema can soluci6n.

1.21
1.44
1.69 dice que el metodo converge al aplicarse a P si converge al aplicarse a P res
1.96 =
de alguna funcion continua gcan g(O) O.
2.25 metoda es convergente si converg~aLaplicarsea ~llal<Juiel'~~~~I~~~J;o
2.56
2.89
3.24
3.61 En ocasiones, como se ilustra en el siguiente ejemplo, puede ocurrir que
4 una familia de funciones aproxime a la so1uci6n de una EDO pero que esas
aproximaciones no verifiquen, ni siquiera de forma aproximada, la ecuaci6n
diferencial.
~.: ':::::.\' = 0, punto en
161
-----::-::;-----==
~--------------_ .... -~. __ ~-"-~-
..
&
4. Soluciones aproximadas de ecueciones diferenciales
4.12. Ejemplo. La solucion exacta del problema

y
y' := -'-
. r
{
y(l):=1
es la funcion y := x. Las funciones de la forma y = .r + h sene '2) se aproximan

s;: -: _
tanto como se quiera a y := X si se hace h tan pequefio como sea preciso; sin em
bargo estas funciones estan muy lejos de satisfacer la ecuacion diferencial. En
efecto, par una parte y':= 1 + cost ~;1) ~ 2, para cualquier h fijo, cuando x "" 1,
. y h x-I
rruentras que -'--:= 1+ - sene T) ~ 1, cuando x "" 1.
x x
·U:'. Ej
Para evitar que ocurra algo parecido a 10 que se describe en el ejemplo
4.12, es razonable exigir que el metodo numerico este disefiado de manera que,
si se aplica la formula (4) para los valares exactos del problema, la igualdad se
cumpla de forma aproximada, 0 10 que es 10 mismo. que la diferencia entre los
miembros de la derecha y de la izquierda en (4) sea muy pequefia. ~n -:: ... ~~
Consideremos de nuevo una funcion continua g con g(O) := 0, un problema

P de valares iniciales y su solucion exacta y.
metodo numerico es consistente respecto de g al aplicarse a P si

-, =
metodo es consistente de orden palaplicarse a P si es consisten

aP respecto de Ia funcion g (h):= fl. . . ......
(Q;nsistente de orden p si es consisteirte de orden p al aplicarse a
can solucion y no es consistente de oiden p + 1 al aplicarse a
162
i diferenciales 4.4. Convergencia y consistencie
r-~e dice que un metodo es consistente al aplicarsea P S1 escol'lsjst\;it)ll~at:~]gl~leat·"'.

se a P respecto de alguna funcion continua g con g(O) :::: O.
EI metodo es conslstente si es consistente al aplicarse a cualquier problema CO,ll
solucion.
aproximan~C
"'-:: .: sin em

::'~=(lSO: Se puede demostrar que el metodo de Euler del ejemplo 4.11 es convergen
~~ .- .iiferencial. En te y consistente de orden 1. Eso no significa que, en algunos casos particulares,
f: -~_:. cuando x'" 1, no se pueda conseguir una convergencia mejor; 10 seguro es que, en el peor de
los casos, la convergencia sera de orden 1.
4.13. Ejemplo. Consideremos el problema

,,:'~::,.= cn el ejemplo
f..::.i: .ie manera que,
y'::::y
~f=:-:-,.::. la igualdad se
yeO) :::: 1
.~:--"-;';1Cia entre los
e-,,,:, -=:: ~l:1.
en el intervalo x E [0, 1]. Tenemos,j(x, y) :::: y, Xo :::: 0, Yo :::: 1. EI algoritmo de
'( :::: i). un problema
Euler es en este caso
50 Yk+] :::: (l + h)Yk

=u aplicarsea'~si
~.
1
Y h :::: k . Por 10 tanto
~-
Ii
con k:::: 0..... 11
Yo:::: 1
f 1+ h
~ Yl::::
Iv de
~.
g a1 apl1(]arse
Yk:::: (l + h)k
Por otra parte, es evidente que la solucion exacta es y :::: e', Para estudiar el
l""g P consisterr
51 CS orden de convergencia en este caso concreto hay que computar el lfrnite
E~
f:' " aI, apl~c~~e a u

r- i ill aphc~se a
, y(Xk)-Yk
1LIl'I
11..,0 h"
l'
:::: Hl'I
11..,0
y(kh)-Y k
h"
ekll_(l+h/
:::: lm----'----'--
"..,0 h"
t- I
163
"~_::±==L
para distintos valores de p, comenzando por p = 0, hasta que el lirnite sea dis
tinto de cero. Utilizamos la regla de L'Hopital
lim v(xJ- Yk = lim e kh -(I+h)k =0

h-->O hO h-->O
kh_(1+h)k
= trHfl e = u1m -k/- - ' - - ' - -
h-k(1+h)H=O
, y(x,)-y, par 10 liJ;: ;:' -:l!
1l Hl ' ,
};-->O hI IHO h 1>-->0 I Es I":"::-.O: f
k1>_(l+h)k
u y(Xk)-Yk u e u e/h - k (k - I )(l + h)k-2 k
Hfl
h-->O
0
h'
= 1>-->0
LIfl 0
h:
= 1>-->0
l Ifl
2 2
En consecuencia, existe un entomo de cero tal que, si h esta en e1, entonces 4.5. Mejoras de
y par 10 tanto
par 10 que la convergencia es, en este caso, de orden 1. mediante :;~ .~

Tambien podemos estudiar la consistencia. Para ella consideramos el limite intervale. 0:<:' l
inte gral ]T.e'''::.:1
(k+l)h kh
Y( Xk+1) -Y (x )
k -y(.:r e -e _ekh diada en i: ~ ... .:~
k)
lim h = lim _---'1-'.-1 _
h-->O h" 1>-->0 h"
= lim
,ekh(eh_l_h)
= lim
, e\(eh-I-h)
-'---,---'--
RegIa del trapec..t '3
h-->O h P+] h-->O h +1 p ~
~
3
'3
Aplicando la regla de L'Hopital cuando sea preciso, obtenemos ~;;
~
y(X'+I) - v(xJ ..)
.. 1 -,\(x k e"(eh-I-h) e"(eh-I)
lim 1 = lim . = lim . = 0
11-->0 h O
h-->O hI IHO 1
trar que ;:- . : ':1

de Euler: ,,~::-. ~
etapa c" -;~_-C' ...
siernpre ;,-:.,,:,:::!
764
i diferenciales 4.5. Mejoras del metoda de Euler
!'-l::': ::,:1 limite sea dis- En consecuencia, existe un entorno de cera tal que, si h esta en el, entonces
I y(X k + 1 ) h- y(x k ) - y(x

k
) I < eX, h ~ eh
por 10 que el metodo es, en este caso, consistente de orden 1.

-=u
Es posible demostrar, bajo unas condiciones bastante generales para la fun
i .. ~ -:; .1' k cion f, que los metodos consistentes de orden p son convergentes de orden p.
2
, ::': -:.; :::I1 el, entonces 4.5. Mejoras del metoda de Euler
Para establecer el metodo de Euler estimabamos la integral
fal [tx; +th, y(x k +th)) dt
mediante el valor apraximado f(x" Yk) del integrando en el extrema inferior del
i""' ' : '::::f3J1l0S el limite intervalo, esto es, para t = 0, considerando y(xd "" Yk. Si optamos por estimar la
integral mediante la regla del trapecio (formula de integracion numerica estu
diada en el capitulo 3) obtenemos un metoda con el mismo nombre.
Regla del trapecio para ecuaciones diferenciales.
Yk + 1 - Yk
~~=~mos
h
c-l)=o
La regla del trapecio es un metodo implicito de un paso. Se puede demos
trar que es convergente de orden dos, 10 que en principio 10 haria preferible al
de Euler; sin embargo, su caracter implfcito le resta utilidad porque en cada
e''
etapa es necesario evaluar Yk+1 mediante pracedimientos numericos, pues no
2 siempre podremos despejar esa variable en la formula.
165
4.14. Ejemplo. Aplicamos 1a regla del trapecio a1 problema

-=- --71
y' = x}'
yeO) = 1
en e1 intervalo x E [0, 1] con tamafio de paso h = 0,1. de manera que x, = kh.

. ~ - .....-: . -
v =1
- 0
v =1
- 1
+~(O
2
+ h» ) ~ v
" 1 • 1
= [__ 2_]
h' _ 2
~ 1.005 025126 . MelOdtl de lkmLl
"~OJ
Y1 = 1+-
11 (211
2
- - ,-+2hy,
h' - 2 -
J ~ y,
-
=[ 0 '2 ]
(h: - 2) (h - 1) ,,~O 1
~ 1.015176895 ~
y, = 1+ -
11( , 2 , + 3lzy, J~
1
2 (h: -2) (11- -I)
6 11 " _ ') ll ~ - 4 - ') II ]
~ v, = , ~,~, ~ 1.066 760 249

. [ ih: -2)(-1+lr)(-2+3Ir>. 1,-0.1
Asf se continuarfa hasta XIO = 1. Se puede demostrar que 1a solucion exacta

..J.E. £j;
es vex) = e C C , par 10que
y(X j ) = y(O,I) zz: 1,005012521

y(x,) = y(0,2) ~ 1,02020134
y(x,) = yeO, 3) ~ 1,04602786 -.
.
...
",
E1 principal inconveniente de 1a regla del trapecio es su caracter impliciro.

Para remediarlo puede utilizarse 1a llamada tecnica de Heun. La idea es corre
gir 1a regla del trapecio
y;+l-Y; feX;,)'k)+f(xk+PYk+l)
11 2
166
!S diferenciales 4.5. Mejoras del metoda de Euler
~-~.=-. ~cm3. sustituyendo el valor .\'k+l que aparece en el miembro de la derecha por la esti
macion que proporciona el metodo Euler
.\'k+1 = Yk + hf (Xk, .\'d

~ .'.',c.:,cra que x, = kh.
As! se obtiene la siguiente mejora del metodo de Euler.
Metodo de Heun.
== 1.0IS 176895 Yk+ 1- Yk _ f(x p yJ + fexk+J' Yk + hf'(xk , Yk))

h 2
El metodo de Helin es uno de los procedimientos del tipo predictor-co

~- rrector: mientras la formula de Euler proporciona el siguiente valor .\'k+1 (pre
dictor). la formula del trapecio, adaptada para este fin, sirve para corregir ese
dato (corrector). Se puede demostrar que el metodo de Heun es consistente y
convergente de orden 2 si la funcion j del problema satisface unas condiciones
bastante generales.
q·~e ::0 solucion exacta
4.15. Ejemplo. Aplicamos el metodo de Helin para resolver el problema
, 2 t:
Y = 'II' .v(O) =1
en el intervalo x E [0. IJ con tarnaiio de paso h = 0, I, tal y como se hizo en el

ejercicio 4.11 con el metodo de Euler. Recordemos que la solucion exacta era
Y = (l + xi, Realizamos las operaciones con una hoja de calculo. Incluimos en
la segunda columna los resultados obtenidos con el metodo de Euler. Observa
-".__aracter implfcito. mos que el metoda de Heun efectivamente mejora al de Euler.
=-," . La idea es corre-
167
---_-..._--------_..... -~ ...~"-~~
4. Soluciones aproximadas de ecuaciones diferenciales 4.6. Metodo!
Xk Yk Euler Yk Heun (1 + Xk)2
0 1,000 1,000 1,000

0,1 1,200 1,210 1,210
0,2 1,419 1,439 1,440
0,3 1,657 1,689 1,690
0,4 1,915 1,958 1.960
0,5 2,192 2,248 2,250
0,6 2,488 2,557 2,560
Ccnsiderarac-s ];
0,7 2,803 2,887 2.890
La formula ~:C I
0,8 3,138 3,236 3,240
3) nos per:~·,,:::- ~
0,9 3,492 3,606 3,610
1 3.866 3,995 4,000
J t .: - ' ..
4.6. Metodos de Runge-Kutta expHcitos de dos etapas en donde :.:c, .; .'~
El metodo de Heun se ha obtenido a partir de la f6rmula
y(x ) - v(x)
. k+! h' k
r
1
= Jo f(x, +th, .vCr, +th» dt
considerando las siguientes aproximaciones: Come ..: . "'::=

y(x,+t/;::--.- 'j
1. Los valores Y(Xk)' y(Xk+l) del miembro de la izquierda se aproximan ler para apr: .':::J
respectivamente por Yb Yk+l. nera que
2. El miembro de la derecha se aproxima mediante integraci6n numerica
por interpolaci6n con dos nodos (regla del trapecio; vease la secci6n 3 del capi
tulo 3). Como la soluci6n y(x) es desconocida, hay que estimar el valor de
Y(Xk + th) en los dos nodos. Hemos ot:::-:.J;;
3. Como primer nodo se escoge t = 0 y se aproxima Y(Xk + 0 h) = Y(Xk) "" Yk. elecci6n de ~
4. Como segundo nodo se elige t = 1 Y se aproxima Y(Xk + h) =Y(Xk+J me
diante la formula de Euler y(Xk+l) "" Yk + hf(Xb Yk).
168
es diferenciales 4.6. Metodos de Runge-Kutta explicitos de dos etapas
En consecuencia. el metodo de Heun se puede expresar asf

~
1"'+1 -
• f,.
Yk -
- 2III0 +..1,_ III
h
Il o = fCrk' Yk )
III = fCr k + h, Yk + hll o )
Estas ideas se pueden aplicar para obtener nuevos metodos de integracion.

Consideramos ahora como primer nodo t = to = 0 y como segundo nodo t = t[_
La formula de integracion numerica por interpolacion (seccion 3 del capitulo
3) nos permite escribir
f f(x k +th, y(.:r k + th)) dt = Gof(x p y(x k ) ) + aJ(x k +t/z, y(x k + t/1)) (5)
-etapas
[ ;-- _-.:
en donde las constantes Go. af vienen dad as por
Go = nU-tl)dt
to -tl
_nU-to)dt
=1 __1
2t l
1
, °
1 -
t 1 - to
=
Zt,
Como la solucion y(x) es desconocida, hay que estimar tanto Y(Xk) como
Y(Xk + tlh) en (5). De nuevo estimamos Y(Xk) = Yk Y utilizamos la formula de Eu
l~J._=rjJ se aproximan ler para aproximar y(Xk + tllz)), solo que ahora el paso no es h sino uh, de ma
nera que
."" --,to:s:raci6n numeric a
se .; seccion 3 del capt y(Xk + tlh) = Yk + t,hf(Xb Yk)
!"-'= esrirnar el valor de
Hemos obtenido asf toda una familia de metodos numericos, uno para cada
a ..'. - () h) = Y(Xk) = Yk· elecci6n de t;
"" <:>, - h) = Y(Xk+j) me-
169
4. Soluciones aproximadas de ecuaciones diferenciales 4. Z Metodos c
4.7. Metodos de
Metodos de Runge-Kutta de dos etapas (explfcitos),
)"+1 - y,
h =aOUO+£f1Ll 1
tegrand: .. _:-:-~
Uo = f(x" Y.)
derech.; -::" .": .~
Ut ::::: f(x k + tJZ')'k + ht1uo )
1
a =1-
" I_ t]
1 obtenienc:
a =
1 It -I
Estos metodos de Runge-Kutta son consistentes y convergentes de orden 2.

Aunque presentan dos etapas (integraci6n con dos nodos) son metodos explici
tos de un solo paso, porque )'k+1 se calcula a partir de Xlc, )',. El metodo de Runge
Kutta explicito de dos etapas que se obtiene al escoger 11 = I, es precisamente
el de Heun. que apJr:::.:.::::.-:-,
en JJl -i- 1 :".: <::s
todo de E.;.;,~.
416
.. Ejemplo. Si elegimos 1] == -3 , obtenemos el llamado M'eto d0 de nuevo ink2:_.:.i
4
bro derecncce
Ralston, que se expresa as!
)'k+l - )'k == ~11 +~u

Ii 3 I, 3 1
ll'l == f( . yJ escogiendc, ~
para cada -,
Tamb.e: '--:'
coeficien:- .
170
; diferenciales 4.l Metodos de Runge-Kutta explicitos de va ria 5 etapas
4.7. Metodos de Runge-Kutta explicitos de varias etapas
Las ideas expuestas en apartado anterior pueden generalizarse min mas in
tegrando numericamente con In + 1 nodos 0 = to S;; t, S;; .•. S;; t.; S;; 1 en el miembro
derecho de la ecuaci6n integral
=
y(X;+I)- y(x;) =
h
f f(.""'; - th,
0
y(x; +th» dt (6)
=
e.
obteniendo
1 1/ 1
fa f(x; + th, y(x; + th» dt "" I. a /(x; + ht, y(x; + ht »

i~O
J
(7)
"::' ~:::,-iteS de arden 2. Se nos presenta ahora el problema de estimar los valares
-S-~::
r-:-:etodos explfci
E -~d:ilJO de Runge Y(X; + th), ..., y(x; + fmh)
= ~ .:::' precisamente
que apareceran al aplicar la f6rmula de integraci6n numerica par interpolacion

en In + ] nodos (seccion 3 del capitulo 3). En vez de limitarnos a utilizar el me
todo de Euler, como se hizo en el caso con dos etapas, se puede emplear de
,~""'~.1Jo Metodo de nuevo integracion numerica par interpolacion para estimar el valar del miern
bro derecho de
y(.'t'; + ht) - y(x;) = faIf(x; + hi), :v(x; + hfit)) dt (8)

If;
escogiendo como nuevos nodos los puntos fit j con 0 S;; j S;; i-I. Asf se obtiene,
para cada valar de i ~ 1
.1 ;-1 t. t
Jo f(x; + htt, Y(.\k + 17t/» dt "" I. eL
I~O
ij
1
f(x; + hi, -t , y(x; + ht, --L)
; f,
(9)
Tarnbien serfa posible escoger s610 algunos de los nodos titj, con 10 que los
coeficientes dij correspondientes a los nodos no seleccionados sedan nulos.
171
4. Soluciones aproximadas de ecuaciones diferenciales 4.7. Metodos t
El metodo numerico que queremos desarrollar tendra como variables las .'h
ademas de, para cada k, unas nuevas variables Uo, ..• U", de forma que Los ce ~:.ij
hav que ..:'''':;':-TI
y, '" y(x,)
uj ' " j (x, + hi; y(Xk + htj ))

..tI7. [it
Mediante las ecuaciones (6) y 0) se obtiene es el ill-cc_,..:' j
Yk +J - Yk ~ y(x k +l )
-'--"-'--'---.:....;;...-
h
-
h
Y(xJ - -II f( x,+t,yxk+t
h ( - ~
h)) d t-L..J(LU,
j~O
·U8. Ej4
0" .i J cientes -::e ,
Asimismo, de las ecuaciones (8) y (9) resulta
y(x k + ht,) = y(x k) + ht, £1 j(.'{k + ht/, y(X k + ht/)) dt '" Y k + ht, r dl!
;-1
;==0
Ui
en donde i ~ 1 Y los coeficientes Gj y di) verifican I,~~o Q j = I,iJ~~ di) = 1 para

todo i ~ 1, pues 1a amplitud del intervale [0, 1] es 1 (vease 1a secci6n 3.3).
En este desarrollo se admite que t, coincida con t.; 1: la justificaci6n consis
tina en considerar los metodos que se obtienen escogiendo t, 7:- ti+l Y obtener un
nuevo me todo haciendo que t, y ti+! converjan a un mismo nodo.
Razonando de esta manera, se obtiene el siguiente esquema numerico
l\f~t9dosdeRunge-Kutta de m + 1 etapas (explfcitos) . del corres-=-'~~"J
u;=j(Xk+ht"Yk+ht,rdjiU) si i~l
j:..::O
Recordemos que estamos asumiendo que los coeficientes verifican

tr i-1
raj =1 "L..J d ij. = 1 para i ~ 1

j=.O j=O
172
~ diferenciales 4.7. MIHodos de Runge-Kutta explicitos de varias etapas
vuriables las Yk
:i':'=-_'C
10 que en particular impliea que d lO == 1 en eualquier easo.
Los de Runge-Kutta son metodos de un solo paso, aunque en eada paso
f''''-i.l que
hay que determinar los valores de u-; ... Urn; esas son las m + 1 etapas.
4.17. Ejemplo. El unico metodo explicito de Runge-Kutta de una etapa

es el metodo de Euler.
, '- '" ) " 0, II; 4.18. Ejemplo. Si elegimos los nodos to == 0, == 1/3, t, t2 == 2/3, los eoefi
~ ......' cientes de la integraei6n numerica par interpolaei6n son
a'0 -- fo (t -;,J (t -,)' -

l
dt
j

1
2
fd u
1 ')
(0-))(0-;) 4
-h, ii J
~ ='.}
f~ (t-O)(t-i)dt ==0
:::: ~ ~'. eli] == 1 para
E" .; seccion 3.3).
a1 == (:-0) (:-D
i '> 'i ficacion consis
;..
~
y obtener un
::::,
'-':<>':"
-r •
n(t-O) (t-+)I dt
a2 = . . , . "l =
3
(~-O) (~-) 4
~i-';;"",2 numerico
Los nuevos nodos, que se emplearan para determinar los eoefieientes d 20 y

d2 ! correspondientes a i = 2 (reeordemos que el coeficiente eorrespondiente a
t tj 1/3 1
i == 1 es siempre d lO = 1), son -.!L == 0 t == 2/3 == 2' En consecuencia, (de
t2 2
nuevo aplicando la secei6n 3.3)
d == f~ (t -~) dt
20
(O-~) ==0
~=--:e, dOl == f~ (t - 0) dt
verifican
- (~-O) == 1
173
-
4. Soluciones aproximadas de ecuaciones diferenciales 4.7. Metodos d
Se obtiene asf el siguiente metodo de tres etapas, denominado Metoda de

Heun de orden 3, parque ese es su orden de convergencia y de consistencia
Y;+l - Y; 1 )
li =:1 u; + -I LI,
Ll o = f(x k , }'k)
u- --
Es importante sefialar que el procedimiento de integraci6n numerica par
interpolaci6n es s6lo una de las opciones de que se dispone para seleccionar
los coeficientes a.. d u, Es po sible seleccionar los coeficientes por procedimien
tos diferentes dando lugar a metodos de Runge-Kutta con el mayor orden posi Li
ble para un determinado mimero de etapas.

El siguiente cuadro resume algunos resultados sobre el orden de consisten
cia y convergencia de los metodos de Runge-Kutta.
Y3. he':-' - ,
nodo t ::- ~ -,.
Ordende los Metodos de Runge-Kutta. mos Q esc: ;:--:- ;
As: ':. -:-. _- c',
Metodo d. RUl
-~
Se comprendera que los metodos de cuatro etapas resulten especialmente
interesantes.
Comencemos escogiendo los nodos
1 1
t =--E t =-+E
1 2 2 2
174
: diferenciales 4. Z Metodos de Runge-Kutta explicitos de varias etapas
v>~..i.io Metoda de para hacer tender despues E~ O. ASl se obtiene

~ :..= ... onsistencia
ct, =f
°(t - of
l I ' ( )
t - 1 (It
I
1
II (_~)2(_1) 6
nCt-O)Ct-(!+£))Ct-l)dt ~E -> 1
({ I = I I - I j = I 1 "->11
((, -E)-0)((2 -E)- (0 +E)) (( i-E) -1) -2<0 -E) E (-:, - E) C 3
f~(t-O)Ct-(~-E))Ct-l)dt -ZE -> 1

a = =
r~.. - numerica pOl' , (n+E)-O)((~+E)-(~+E) (C+£)-l) 2(t+E)E(-±+£) £->°3
seleccionar
Y':: :':";'.l
t=' ::c~ procedimien
e, ~<. or orden posi a = nCt-O)Ct-~)'dt 1
--"'-----~-
3 1 , 6
(1-0) (1- t
'!
1 - ~ .::er, de consisten-
Ya hemos visto que ds« = 1. Para calcular d 20 y d 2 1 escogemos como tinico

nodo tllt e, con 10 que se obtiene deo = 0 Y del = 1. Por ultimo, para i = 3, volve
I
~ mos a escoger un unico nodo, tft; de manera que d 30 = d 3 1 = 0 Y d 3 , = 1.
§,
§
ASl obtenernos el siguiente esquema numerico
fi-.znai
§,--, al numero de
t cuatro etapascu Metodo de Runge-Kutta standard de cuatro etapas y orden cuatro.

l
~s varden cinco. Yi:+1 - Yk _ Un +2u + 2u2 + U 3
j
h 6
Uo = f(x k , Y,)
:;.:~::=r; especialmente
' h h
u1 =, f (x k +2' Yk +:,U'tj)
«. ==.f'(Xk+~_"
It
u, = [tx , + h, + hu2 )
175
4. Soluciones aproximadas de ecuaciones diferenciales 4.1.
4.19. Ejemplo. Aplicamos el metodo standard de cuatro etapas para re .:. Para ::~~~
solver el problema con . . i<~;;
v: = 2~ ; yeO) =1
en el intervalo x E [0, 1] con tamafio de paso h = 0,1. Recordemos que la solu que.r.z- r
cion exacta era y = (1 + X)2. Comenzamos con Xo = 0, Yo = 1. n3.TI2S F:3
.:. Exis.e : n
Xk Uo Ul U2 U3 Yk (1 + Xk)2
0 2,0000 2,0976 2,1023 2,2002 1.0000 1

OJ 2,2000 2,2978 2,3021 2,4002 1,2100 1.21
0,2 2.4000 2,4980 2,5019 2,6001 1,4400 1,44
0,3 2,6000 2,6981 2.7018 2,8001 1,6900 1.69
0,4 2,8000 2,8983 2,9017 3.0001 1.9600 1.96
0,5 3,0000 3,0984 3,1016 3,2001 2,2500 2,25
0,6 3,2000 3,2985 3.3015 3,4001 2,5600 2,56
0,7 3,4000 3,4986 3,5014 3.6001 2,8900 2,89
0,8 3,6000 3,6986 3,7013 3,8001 3,2400 3,24
0,9 3,8000 3,8987 3,9012 4,0001 3,6100 3,61
1 4,0000 4,0988 4,1012 4,2001 4,0000 4
Observese que el metodo es exacto a1 aplicarse a este problema.
Recordemos que:
.:. En muchas ocasiones no es posible determinar las soluciones exactas de

las ecuaciones diferenciales ordinarias. Esas soluciones se pueden apro
ximar mediante metodos analiticos (como el de las aproximaciones su
cesivas) 0 mediante metodos numericos, en los que se discretiza la va
riable, e1igiendo una malla de nodos en e1 intervalo.
•:. Para deducir los metodos numericos, resulta iitil representar la ecuacion
diferencial ordinaria mediante su ecuacion integral equivalente.
176
diferenciales 4. 1. Ecuaciones diferenciales ordinarias (EDO)
~=-.~. erapas para re- .:. Para que un rnetodo numerico sea interesante debe ser convergente y
consistente. Cuanto mayor sea el orden de convergencia y de consisten
cia, mejor sera el metodo, siempre que no se aumente demasiado el cos
te computacional.
.:. Los metodos de Runge-Kutta constituyen una amplia familia de es
~ .:::=-,,::.~ que la solu- quemas numericos para la resoluci6n de ecuaciones diferenciales ordi
narias. En ella se incluyen los rnetodos de Euler, Heun, Ralston, etc .
•:. Existen metodos de Runge-Kutta de una, dos, tres y cuatro etapas cuyos
6rdenes de convergencia y consistencia coinciden con su mimero de
,1 -'-xd etapas.
I
.:. La integraci6n numerica mediante interpolaci6n es una estrategia valida
I
para deducir los metodos de Runge-Kutta con el mayor orden posible,
"s.
"';('
[.21
l....L+
aunque existen otras.
), l.69
.~- ; .96
j" 2.25
~- :.56
.~ 2.89
); :.2-1
): :.61
)' -+
;;", :-,"'ma.
<::.;';.>mes exactas de
x:::- '-f: pueden apro
. ~:·".,,'''xi!i1aciones SU'
~ ~ .i.scretiza la va-
X::'-cI'EJ.r la ecuaci6n
;:-.~"::'. alente.
177
.... :..:;:;;;~~~
5. Funciones de varias variables
y'
• Sucesiones de mimeros reales. Limite. Propiedades del lfrnite. Criterio u
de Cauchy. Calculo de lirnites, '.U
• Funciones reales de una variable real. Lfrnites y continuidad. Propieda ..

-....;,,- ~
des de los limites. Propiedades de las funciones continuas. Calculo de If espacio euchd
mites.
5.1. EI espacio [Rn. Producto escalar

gOD:;'} :::. L ~ . ..:.,
\tCW~ U.:"-:. ":.:l

El espacio ~" de las »-uplas ordenadas de niimeros reales (x., X2, ... , x,,) con
la operacion suma
5.2. Norma de
L£
y la operacion producto par un escalar A E ~
.-\ ~.:,.> .;:-,
A (Xl, X2, ... , X,,) === (Ax], Ax2, ... , Ax,,) modulo .... nor
es un espacio vectorial de dimension II sobre el cuerpo ~ de los mimeros rea
les. A la base fonnada par los vectores
{el===(l,O, ...,O); e2 === (0, 1,0, ...,0) ; ... ; e,,===(O,O, .... O,l)} Ob~="·==-3
aplicacrcr; .:;:'
le llamamos base can6nica del espacio. La expresion del vector x = (Xlo X2, ... ,
x,,) en funcion de ella es
coincide ~'.:- e
de la norrr.; :3:
Los elementos de ~2 tambien suelen representarse por (x, y), los de ~3 por
(x, y, z) y sus respectivas bases canonicas par {i; j} Y {i; j; k}.
Desigualdad de- d~
En ~" definimos el producto escalar 0 producto interior U . v de los vee
tores u y v como sigue:
t3
"
I
U'V===UjV1+UOV
_ _O+ ... +U n V" = '"
£",,; UV r I
En =:::~::._
i:::::l
tal que y = :..x:
Sean u, v, w elementos de ~" y A un mimero real, se cumple:
l.
2.
°
U . U === si Ysolo si U === 0.
U . v === v . U (propiedad conmutativa).
180
I
5.2. Norma de un vector
:-s:c: limite. Criterio 3. u· (v + w) = U . v + U . w (propiedad distributiva).

4. (.~u)· v = .~ (u . v) = u . (Av) (propiedad homogenea),
l'~~::-:;';ldad.
Propieda Al espacio affn asociado a [R" dotado de su producto interior le llamamos
~~=j2~. Calculo de li- espacio euclideo de dimension n. Si II = 2 tenemos el plano euclideo y si n = 3
el espacio euclideo tridimensional.
Dos vectores no nulos u y v son ortogonales si u . v = O. Un vector es or
i1
togonal a un subconjunto no vacio M de [R si es ortogonal a cada uno de sus
-
;~ c' .t. X2, •.• , x n ) con
vectores. Dos subconjuntos M y L son ortogonales si cada vector de M es orto
gonal a L. El conjunto de vectores ortogonales a un vector dado es, junto con el
vector 0, un subespacio vectorial de JR." de dimensi6n n - 1.
y- - YIl)
5.2.
- Jj
Norma de un vector
*"l?fE- 5Ttt:Jft. ...•~~
A cada vector x de JR." le asignamos un numero realjx], llamado longitud,

modulo 0 norma de x, definido por
-
E ':c los mimeros rea 112! 2 2 2
I XI = (x x) = -VXj + X 2 + ... + x"
- .,''-'.
_. .... 0 , I)} Observemos que Ilxll siempre es mayor 0 igual que 0, por 10 que 11·11 es una
aplicaci6n de JR.i1 en los mimeros reales positivos JR.+. Si n = 1, la norma de x
~; -·c,:-tor x = (x., X2, ... ,
coincide con el valor absoluto del numero real x. Para probar las propiedades
de la norma necesitamos establecer previamente la desigualdad siguiente.
X:~- Yl. los de JR.3 por Desigualdad de Cauehy-Schwarz, paratodupardevci;tQresx,Y:id.e~tls e cUillPle:

; J: k i·
uerior u . v de los vee-
En efecto, si x e y son linealmente dependientes, existe un mimero real A

tal que y = AX: par tanto
:: ~:.:=nple:
I~ .\\I=I~ 1= IAlllxl1 =IlxllllAxll

2
XjAK i = Ilxllllyll
181
I
--
~ ~~- - -~--- --=- - ----
Si x e y son linealmente independientes, para cualquier A E IR, se tiene

y- AX 7: 0; por consiguiente Ily - Axil> 0 y el trinomio de segundo grado en A
Ily - AXW == I
J=1
(y; - ,1.,";)2 == i
)::::1
yJ - 2Ai i=l
x,)'; + },,2 i
i=l
X,2
no tiene rakes reales. Como consecuencia su discriminante es negativo
es decir
5.3. EI product
o _ &U1; " ,J
Cons.c.ere
da de \c'::: :-::'
Propiedades de la norma. Sean x e y dos vectores de IRn y A. un mimero real. mo tipo .j:: :i
S(;;clllllple: cha (Figur; :-.
a) Ilx\!= 0 51 y s610 si x == 0
b) 1l;L~j == IA1 lIxll
. Ilx + Yll 5 lIxH + Ityll
Las demostraciones de a) y b) son inmediatas. Probemos c). Como
!Ix + yl12 == i
i=l
C\ + Y f = i i
i=l
(x~ + 2X;Yi + y~) == Ilxll" + 2 i
i=1
·\Y j + IIyl12
x
por la desigualdad de Cauchy-Schwarz
182
5.3. EI producto vectorial en [~3
L:;c'~'_ ;::: :=:.

se tiene extrayendo la raiz cuadrada
: '--= -;::~:-,jc' -zrado en A
[x + rl ~ 1IIIxii + IIYII· o
- ;: '\
Coseno del angulo que forman dos vectores. El coseno delangulo a que forman
dos vectores x e y se define par
r~ -:' :-Oc2ativo x-y
cos a= llxlJ llyll
Es evidente que x e y son ortogonales si y solo si x . y = O.
5.3. EI producto vectorial en [R3

o .~~-~F~ ~, flt.
Consideremos el espacio [R3 y su base canonica {i, j, k}. Una terna ordena
da de vectores {a, b, c} decimos que es derecha 0 dextrogira si toma el mis
lffi numero real. mo tipo de orientacion que los dedos pulgar, fndice y corazon de la mana dere
cha (Figura 5.l) 0 bien si al girar a hacia b el vector c tiene el sentido de
fc
I:
n - _!. Como kt /;
'-: '\ .rv +liYII

2
x J x k
(a) Derecho (b) Izquierdo RegIa de la mana derecha
i~\ Figura 5.1.
183
avance de un tornillo (regla del sacacrochos). En caso contario decimos que la

tema es izquierda 0 levogira, El sistema de coordenadas cartesianas decimos
que es derecho si [i, j, k} forman una terna derecha.
Definicion de producto vectorial. Se llama producto vectorial u /\ v de los vecto

res u y v de rp:3 al vector wdefinido por
k
II, =lu'VJ:
)
V1 v. J I
-
De acuerdo con las propiedades de los determinantes. el vector w es distin

to de cera y si y s610 si u y v son linealmente independientes. Si w i:- 0, enton
ees w es ortogonal a los vectores u y v, y como consecuencia al subespacio que u"\=-\'
determinan, ya que
u2 u,
u·w = IU' U31 +U Iu' UII +u, lUI
v VI
-II",
=u lI,
1I2 1I, =0
[/1
V
-
v
o
- .v V V l
o 3 3
I l 2
1'2 V,
5.1. Eitmpl
Analogamente se comprueba que v . w = 0. El sentido de w viene fijado
porla terna derecha {u, v, w} (Figura 5.2) Y Sll modulo es el area del paralelo
gramo de lados u y v, es decir
Ilu /\ vii = Ilul! Ilvil sen ex.

En efecto: u
2 2
Ilu/\ vl1 =II wl1 =(u,", -U,V 2 ) 2 +(U3V I -U IV 3)2 + (U IV 2 -U 2,\)2 =
=(u: +u~ +u;)(v~ +1'~ +1';)-(u I ' \ +U21'2 +u,v,f =
2
=Ilull"llvW - (u V)2 =Ilull' IH -llul1211v112 cos' ex =
2 o
=IluW IlvW (1- cos ex) =1'luW IH sen' ex.
184
5.3. EI producto vectorial en ~3
':..c-. . .iecimos que la

. ~ -:-:='lCinas decimos
Itt
E
~ .~. v de los
E:
I§
~
r
~ Figura 5.2, Producto vectorial.
::. '.::~ tor w es distin

L C :: ' Si w 7:- 0, enton Se comprueba facilmente que el producto vectorial es anticonmutativo
... :.: .::.: -ubespacio que u v = - (v 1\ u) y que no es asociativo.
1\
Dados tres vectores ordenados a, b, c llamaremos producto mixto y 10 re
presentamos por [a, b, c] al numero
;.
~. =0 [a, b, c] = (a 1\ b) , c
5.1. Ejemplo
f~.· ,;t w viene fijado
~ . . : 'co del paralelo-
c
Sean los vectores u = (1, 2, -1); v = (-1,0,3); w = (2, -1, 0):
a) Producto escalar:
u' v = (1,2, -1) . (-1, 0, 3) = 1 (-1) + 2,0 + (-1) . 3 =-4
b) Norma:
==
Illul = ~f +2 2
+(-1)' =.J6 ; IH =.JiO ; IIwII ==.J5
c) Comprobacion de la desigualdad de Cauchy-Schwarz:
o
Iu v1~ Ilullllvll : 1-41 < -v'6O
185
.
~.=_.;
~ iiliiiiiiiiiiii-----~"-~' .
•••
5. Funciones de varies variables 5A. Dista
d) Comprobaci6n de la propiedad triangular Ilu + vii ~ Ilull + ilvll:
Ilu + vii = 11(0, 2, 2)11 = -J8 => -J8 <.f6 +.J1O

e) Coseno del angulo a que forman u y v: cos a = -4 / -J6O
f) Producto vectorial de u y v:
D.; lee; .,::;

J k
tamen:e :.:..~ ,j
UAV= 1 2 -1 =6i-2j+2k
-1 0 3
g) Producto mixto: [u, v, w] = (6, -2, 2) . (2, -1, 0) = 14.

I~c~~
L - .~.~
h) La ecuaci6n del subespacio ortogonal au es u . x = 0, es decir
ra}~
L1}l
I . ~.-
r~<::J
f
Por tanto se trata del subespacio de dimensi6n dos y ecuaci6n Xl + 2~2 - X3 = 0
c.
i) Las ecuaciones del subespacio ortogonal a M = {u, v) es u . x = 0,
v . x = 0, es decir
(1,2, -1) . (XI. X2, X3) = 0
(-1,0,3) . (Xl. X2, X3) = 0
Por tanto se trata del subespacio de dimensi6n uno y ecuaciones

mos entorno
Xl + 2X2 -X3 = 0
-XI+ 3X3 = 0
5.4. Distancia entre dos puntos. Conjuntos acotados
Sea en el espacio afin [R" el sistema de referencia constituido por el punto
origen de coordenadas 0 y la base can6nica {e., e2, ..., ell}' A partir de la norma
de un vector definimos la distancia euclidea d entre dos puntos cualesquiera

cibe ::-1 :.'=~~
del espacio.
186
5A. Distencie entre dos puntas. Conjuntos scotedos
::; u - .rv]:
'I
"-
-.:, -,,60
De las correspondientes propiedades de la norma se deducen inmedia

tamente las siguientes propiedades de la distancia.
Sean x, y, z tres puntos, se tiene:
=
'. es decir
~::=--DX + 2X2 -X3 =

. u. v ] es u . x
°
= 0,
Si a es un punto de [f{n y r un mimero real positivo, r > 0, a los conjuntos
B (a, r) = {x E [R" : d (x, a) < r} y B* (a, r) = {x E [Rn : d (x, a)::; r}
les denorninamos bola abierta y bola cerrada de centro a y radio r, respectiva

mente. A cualquier subconjunto que contenga a una bola de centro a le llama
~-: ~C:.:ll)neS
mos entomo de a. En particular cualquier bola de centro a es un entomo de a.
DetirJd6n de ~onjunto aeo:tad&."

do siesta contenidQ en una bola.
sdos
a; Por ejemplo en [f{2 un cuadrilatero, un cfrculo, un segmento son conjuntos
acotados; una recta, una parabola, un semiplano son conjuntos no acotados.
r;<::~iil) por el punto Observemos que el supremo de las distancias entre dos puntos cualesquiera de
__.;" ::artir de la norma un conjunto acotado M es una cantidad finita. Precisamente dicho supremo re
, ;,:.;r:l~'S cualesquiera cibe el nombre de diametro de M. Los conjuntos acotados cumplen propieda
des muy sencillas.
187
d
5. Funciones de veries variables 5.5.
Propiedades de los conjuntos acotados.
a) Todo subconjunto de un conjunto acotado es acotado.
b) La union de dos subconjuntos acotados, y por tanto de lin mimero finito de

y per .:
ellos, es un subconjunto acotado. 0":',=:- ==
c) La interseecion de subconjuilios<ac9taetosesunsubconjunto acotado.
<', ""."""'," -,
5.2. Ejemplo
n'~~'- '-=.0 ~;'J'
1:-' ........:. .. ~ < '-'"- • ~ .!"~
2
a) EI conjunto A = {(x, y) E [R.2 : )' = x } no es acotado ya que no existe
ninguna bola que 10 contenga.
b) Si u, es el segmento [(0,2 +;;), (2 -;\, 0)] de [R.2 el conjunto M = U M"
1,:21
es acotado y su diametro es -J13 .(Representese M).
c) Sea la funcion exponencialj(x) = e' y C = (-00, 0) La imagenj(C) es
acotada y su diametro es 1. ((,Por que").
5.5. Conjuntos abiertos y conjuntos cerrados
Un subconjunto A de [R.n decimos que es abierto si para cada punto x de A

~.3. Ejernp
existe una bola B (x, r) contenida en A.
'Pl'opiedades de los conjuntos abiertos.

i1
EI conjunto vacio ¢ y el espacio total 1R. son conjuntos abiertos.
La union de una coleccion cualquiera de conjuntos abiertos es un conjunto
mterseccion de una coleccion finita de conjtilltos abiertos es un conjunto
-"
- _:l;
188
5.5. Conjuntos sbiertos y conjuntos cerrados
Las propiedades a) y b) son evidentes. Probemos c). Si x es un punto
iI perteneciente a la interseccion de un mimero finito de conjuntos abiertos, en

tonces pertenece a cada uno de ellos y para cada conjunto existe una bola de
centro x contenida en el. La bola de menor radio esta contenida en todos ell os
~ r;>Jmero finitoide y por 10 tanto en su interseccion. D
~. Observemos que si el mimero de abiertos no es finito, el razonamiento an
f,. acotad
~'_·H' O. terior es falso ya que puede no existir una bola de menor radio. Por ejemplo, la
interseccion de todos los intervalos abiertos de la forma (-1/n, l/n) de IR es el
punto 0, que evidentemente no es un conjunto abierto.
Un subconjunto F de IRI! es cerrado si su complementario es abierto. A
partir de las propiedades de conjuntos abiertos, utilizando las leyes de De Mor
L'::'~ YCl que no existe gan sobre los complementarios de la union e interseccion de conjuntos, se de
ducen las siguientes propiedades de los conjuntos cerrados.

..':-'l'O!yf
•. -....: 1 l 1:::::: UM 11
It::::l
Propiedades de los conjuntos cerrados;

L irnagen j (C) es
a) m
'f' yson cerradas.
ilDl!
j«
b) La interseccion de una coleccion cuaiquierade conjuntos cerrados.esun con

junto cerrado.
-
!,~ _ ~ ada punto x de A
c) La union de una colecci6n finita de conjuntos cerrados es un conjunto cerrado.
5.3. Ejemplo
,
~.
E?
~os.
es un~dniunto
.
a) Los conjuntos A = {(x, y) E [Ill"
1'1.-: x 2 +4y7 <4} YB= {(x, y) E lR-:
'2
son abiertos. Si consideramos un punto arbitrario de uno de ellos, cualquier

x +4y2 >4}
bola de centro ese punto y radio menor que su distancia a la elipse esta conte
nida en el conjunto. Entonces A U B es tarnbien abierto y como la elipse C =
2 2
{(x, y) E 1R : x + 4/ = 4} es el complementario de A U B, resulta que C es un
iini)"i
~.;/ . conjunto cerrado.
bus es un cqnjunto La distancia D de un punto a a un subconjunto M de IR" se define por D(a,
M) = inf{ dta, x) : x E M}. N6tese que D(a, M) existe siempre ya que el conjun
I to {d(a, x) : x E M} esta acotado por 0.
2
b) El conjunto [3, 7) x [-1, 2] de 1R no es abierto ni cerrado. i,Por que?
189
~ -.o;;;;;~ ...._ ' -

· ·. .· u
5. Funciones de veries variables 5 6"
c) EI conjunto M del ejemplo 5.2.b) no es abierto porque fijado un punto
de M, cualquier bola de centro ese punto y radio r > 0 contiene puntos de M y
puntos que no son de M. Tampoco es cerrado porque su complementario M no
es abierto; par ejemplo el punto (2, 0) E M y ninguna bola de centro (2, 0) es
ta contenida en M, todas ellas tienen puntos de M.
5.6. Interior, exterior y frontera de un conjunto
Cada subconjunto no vacfo M de ~n determina en el espacio tres clases de
puntos: interiores, exteriores y frontera de M. de tal manera que un punto cual
quiera de ~Il pertenece unicamente a una de esas clases.
- --- -,.
- ---
--~.,.,
Frontera de M
o \ f
InteriOrde~
. . . . . . . . y'
, ..... - - .... , ,
;- ....
. ---
----- ------,
-
~....
--._--
: x I Exterior de M
,
, -'
I
~.4. Ejernp
Figura 5.3.
Sea x E ~n. Decimos que x es un punto interior de M si existe una bola de
centro x totalmente contenida en M. EI punto x es exterior si existe una bola
totalmente contenida en el complemenario de M. Finalmente, x es un punto
frontera de M si cualquier bola de centro x tiene puntos de M y puntos del
complementario de M.
Al conjunto de puntos interiores le llamamos interior de M y 10 represen
tamos por Int(M). Al conjunto de puntos exteriores le llamamos exterior de M
y 10 represetamos par Ext(M). Al conjunto de puntos frontera de M le llama
190
5.6, lnteriot; exterior y Frontera de un conjunto
;;,qll~ fijado un punto mos frontera de My 10 representamos por Fr(M). De acuerdo con estas defini
!1~o::De puntos de M y ciones, cada punto de [R" pertenece a uno de estos tres conjuntos y solamente a
J;.-=clcmentario!'vf no uno. Es decir:
i2. .ie centro (2, 0) es
[R" = Int(M) u Ext(M) u Fr(M)
Int(M) n Ext(M) = Int(M) n Fr(M) = Ext(M) n Fr(M) =¢
Ademas, tanto Int(M) como Ext(M) son conjuntos abiertos, ya que cada uno de
sus puntos es centro de una bola contenida en el conjunto. Fr(M) es un conjun
• to cerrado por ser complementario del abierto Int(M) u Ext(M).
Asociamos a M dos nuevos conjuntos: su adherencia, que representamos
~';:'c:~'io Ires clases de
por Adh(M), y su acumulacion, que representamos par M'. Un punto x es de
~2. '::''.::: un punto cual-
adherencia de M (0 adherente a M) si cualquier bola de centro x contiene pun
tos de M. Es obvio que todos los puntos de M son puntos de adherencia de M.
Un punto a decimos que es de acumulacion de M si existen puntos x *- a
de M tan pr6ximos como queramos al punto a. En otras palabras, un punto a es
/
de acumulaci6n de M si para toda bola de centro a y cualquier radio r se tiene
(B( a, r) - {a}) n M ,c ¢. La expresi6n x ~ a s610 tiene sentido si a es un punto
de acumulaci6n del conjunto M al que pertenece x.
Los puntos de adherencia que no son de acumulaci6n se Haman aislados.
Estos puntos son centro de una bola cuyo unico punto de M es el mismo.
Exterior de M
5.4. Ejemplo
a) El subconjunto M = {(x, y) E [R2: 9x + 4/ ~ 36} es cerrado por ser su

2
complementario abierto. En efecto, para cualquier punto (a, b) de [~2 - M,

la bola de centro (a, b) y radio r menor que la distancia de (a, b) ala elipse
9x 2 + 4/ = 36 esta totalmente contenida en [R2 - M. Ademas:
r s. existe una bola de
ior si existe una bola Int(M) = {(x, y) E 2
[R :
1\
9f+ 4y'' < 36}
rr:..::~te. .r es un punto Ext(M) = {(x, y) E [R2: 91'-+4/ > 36)
22.'
~ iE .\1 Y puntos del Fr(M) = {(x, y) E [R : 9x +4y = 36)
Adh(M) = M' = M
r de J[ y 10 represen
E2...~-,C'S exterior de M b) El conjunto M = {(n, n) E [R2: n = 1, 2, 3... ) es cerrado ya que su com
j.:::e,a de M le llama plementario es abierto. En efecto, para cualquier punto (a, b) del complemen
191
~ IIioiiiOO"'=--c.."-'-'

- ~ ~ ,-
-
- - --- _ ..
5. Funciones de veries variables
tario M, si res la distancia de (a, b) aM. la bola E«a, b), r!2) esta contenida
en M. Observese que todos los puntos de M son aislados. Se tiene:
Int(M) = ¢
Ext(M) = M"
Fr(M) = M
Adh=M
M'= ¢
n
5.7. Sucesiones en IR
Recardemos que una sucesi6n en un conjunto X es una aplicaci6n x : N ~ X.

La imagen de 11 por X se denota por XII Y se llama termino l1-esimo de la suce
si6n. Se suele identificar la sucesi6n con la imagen de la aplicaci6n X y desig
narla simplemente par (XII)'
El concepto de convergencia de una sucesi6n (XII) de [R;P tiene una formula
ci6n analoga al caso real.
";
-
DefiniCion de limite de una sueeslon, Una sucesion (XiI) de [R;P converge al punto
... "
ade[R;P sipara todo e > 0 existeun mimero natural n« (que depende de E) tal que si ----
. ---
~
>' :,.i-~. _ nil

ifica "Xi! .a.-t~
~
.- --_._
'-H v escribim " '
_ no ce
v "'-rp..
i,'
V~nl1 H •. n ./
.... c .....,n
L •
H '-~CL .r><::lsr.. '-"''-,~ "-,.0_
11111 ~~(t! = a
::--)~
o bien (x,,) ~ a.
~'1!:i£1if:'t:;:;Et!~P'¥,!!'~:::'~.~C·"''f'~;....."""" •• :.. ":;~_._.•....•..:'::'~- _,"::~
5. Z 1. Propiedades del Limite de sucesiones
192
5.7. Sucesiones en [~n
f =. e-ta contenida En efecto, supongamos que (XII) ~ a, (XII) ~ b y a 7:- b, y lleguemos a una
s~ .iene: contradicci6n. Dado E> 0 existen nl y /12 tales que
si n ?: nl se verifica Ilxll - all < £/2

si n ?: /12 se verifica Ilxll - bll < £/2
para z z max (n], n2} se cumplen las dos desigualdades ala vez y se tiene
Iia - bll = Iia - XII + XII - bll S Iia - x/111 + Ilx/1 - bll < E
como e se puede elegir tan pequefio como queramos Iia - bll = 0 y por tanto
a=b. 0
• 2. Sea (x una sucesi6n

ll )
~ .:.::,.:i6n x : N ~ X.
, .:-~, i:110 de la suce
a.::::.l-::ion X y desig
XII =
X" X2, ..., x p • a con iCion
(
l~i:~:~:~~.·.~~a~tl~I~~~~;n~r~~o~~~~~~t~~~~~ilt:~;'1
punta ali = n(a], ai•")...,La p ) es diuue.caua
.>
verja a la coordenada a;
~. :. =:,~ una formula
Veamos la demostraci6n:
~.
a) Supongamos que (XII) ~ a; para cualquier Indice i probemos que

Io.::mverge alPUllto
(x;') ~ a; Sea E> 0, por hip6tesis existe no tal que si n ?: no se tiene Ilx n - all < E.
m.ie de £) si
Por 10 tanto, para todo n ?: no se cumple
I
i
g
E'
Ix;' - ail S Ilx/1 - all < E
£.
b) Recfprocamente, supongamos que ex:;') ~ a, para cada i = 1, 2, ..., p;
I probemos que (XII) ~ a. Sea E> 0, por hip6tesis para cada i existe n, tal que
•
si n ?: », se verifica Ix;' - a I< E / -JP
j
si n ?: n2 se verifica I x; - a I< E / -JP

2
si 11 ?: n p se verifica Ix~ - a p 1< E / -JP
193
5. Funciones de veries variables 5.8 Funcione
Si 110 = max (11[,112, .•. , l1p }, para todo n ~ l10 se cumplen todas las desigual 58 i='.,mciones
dades a la vez. Elevandolas al cuadrado y sumandolas
o
Ilx" _a11
2
= f
~l
(x;' -of <p£=e2
p
--_: .:': .", "
- --~ - ~- - .:..- ..:. ~~
de donde [x- al.1 < e. D

La propiedad anterior permite extender sin dificultad el criterio de Cauchy
P
sobre la convergencia de sucesiones en IR al caso de sucesiones en IR .
Definicion de sucesion de Cauchy. Una sucesion (x,,) de IR P se llama de Cauchy 0

fundamental si para todo E > 0 existe un nurnero natural no tal que si n, m ~ 110 se
cumple I~xll - xmH < e.
De manera similar a la ultima propiedad, se demuestra que una sucesion

(x n ) es de Cauchy en IR si y solo si cada sucesion componente (x~) es de
P
Cauchy en IR. Teniendo en cuenta que una sucesion converge en IR si y solo si

P
es de Cauchy, podemos enunciar el criterio analogo en IR •
·("':;"1 .' deCau.chy. Una sucesion de [RP es convergente si y solo si es de Cauchy.

1\:.:".
5.5. Ejemplos
1. La sucesion [~?1~2 + 1 ,V;;\)I

n n: +1
3
converge en 1R a (0, 2, 1) porque cada
sucesion componente converge a la coordenada correspondiente.
2. • »
La sucesion n' + 1 ,-1
[1-,--,VI1 no converge en IF£-3 porque la segunda su-
n 11 +1 - ::.J
cesion componente no converge en IR.
194
5.8. Funciones de varias variables. Limites y continuidad
~_ ::-2.lS las desigual- 5.8. Funciones de varias variables. Umites y continuidad

A.lnti j u1 :;WZ:;~ __ t . 2i!i.l.."!iifiL !!ill _IL
Denominamos funciones de varias variables a las definidas en subcon

juntos de [RI), n > 1. Las definiciones de limite y continuidad son fonnalmente
identicas a las de una variable. En todo 10 que sigue, consideremos un subcon
junto A de [~", un punto a de acumulacion de A y una aplicacionj': A ---7 IR.
D
e _:-".:;::rio de Cauchy
:£-;.=':-_~~ en ~p. Definicion de limite. Se dicequeb es ellimite de f(x) cuandQ.x-tiende a cz,
si para
If(x) bt < E.
todo
e» 0 eXi~';~'£;~;"~:
Definicion de continuidad.
to-..:: 2,-,~ una sucesion
~:,::-:ef1te (x~) es de
~;~ ;::;; :=: si y s610 si
Sifes continua en todos los puntos de a, se dice que f es continua en A.
Esi es de .~Y • Una formulaci6n muy uti1 de la definici6n de continuidad es la siguiente:
Definicion de continllidad.Sea a E A. Se dice que f escol)tinu~enasi la imagen

inversar\\l) de cualquier entomo VdeI(a)esunentJJl:ad~~a.·· .
[' :_ 1 i porque cada Es claro que las dos definiciones dadas son equivalentes. En efecto, dada
una bola B(f(a), E) de centro f(a) y radio E, existe 8> 0, por tanto una bola
I;.l_-:-:-;:c. B(a, 8), tal que si Ilx - all < 8, es decir x E B(a, 8), se cumple Ilf(x) - hll < E, 0
10 que es equivalentef(x) E B(f(a), E), con 10 que B(a, 8) Cr'(B (f(a), E» y
r'(B (f(a), E»
es un entomo de a.
!J<. - --: _::: la segunda su- En caso de ser A = [R" 0 de no existir confusion con el dominio A. escribi
mos simp1emente lim lex).
.\~a
195
~-------------------~--
._-----~---------~~---=-~
5. Funciones de varias variables 58 Funcione«
!iii& .LE - =- .;.. - - - - =--

5.8.1. Propiedades de/limite
-
_ • __ - • _ -_ ...
.;;;l
1. Si existe lim f(:r) , entonces es unico.

x~a
La demostracion es analoga a la de unicidad del limite de una sucesion. A ,£~*& i it._ ~

partir de esta propiedad podemos razonar la no existencia de limite en algunos ~fi!D 1F a;:::~
casos. t~ dis.ima=-- de ~.
2. Sea B un subconjunto de A, a un punta de acumulacion de B (y par tanto de A).

Si Iim f(x) =: b, entonces existe lim fer) y vale b.
.teA. .. f----+a xeB.x---!ta
.: --.,.,
En efecto: dado E> 0, par hipotesis existe 8> 0 tal que si x E A. 0 < 1~J; - al I <
8, se tiene If(x) - bl < E. Ahara bien, si x E B farzosamente x E A y por tanto,
para ese misma 8, se cumple
xEB,0<llx-all<8:::::} xEA,0<lIx-all<8:::::} If(x)-bl<E
es decir, lim f(x)

xEB,x---:'Ja
=: b. o
5.6. Ejemplo
-- --- _.
- ,._----
....
La funcion j: [R2 -7 [R definida par ~-
- -. - -~ '::-;~
xv .
f(x, y) =: o' 0 Sl (x, y) :f: (0. 0) : f(O, 0) =: 0
. r: +v·
no tiene limite cuando (x. v) -7 (0, 0), pues si para cada It E [R cansideramos la
recta B A=:{(x, y) E [R2 : )' =: Ax}, resulta
2
/. / / AX A
Iim f(x, y) =: lim f(x, At) =: lim 0 0 =: --0
(x,vHIO.O)
(x, vleB1
x-.O x-.o /C O+k) l+k
196 I
5.8. Funciones de varias variables. Limites y continuidad
•
luego para cada recta y = Ax tiene un limite diferente y sabemos que el limite,
si existe, tiene que ser iinico.
Unos subconjuntos muy iitiles para el estudio del limite son las sucesiones
r ~
~
convergentes al punto. El resultado siguiente nos da una caracterizaci6n de la
existencia de limite.
I
'!E
;;;;;
e .:::-..:n:l sucesi6n. A Caracterizacion del limite por sucesiones. Una condici6n necesaria y suficiente
1:- .imite en algunos para que exista lim f(x) = b, es que para toda sucesi6n (x,,) de puntosde
XE.-\ ..:r---4t<
A, distintos de a, tal que (x,,) ~ a se tenga (f(xn)).~ b.
Veamos la demostraci6n.
a) La condici6n es necesaria. Supongamos que lim f(x)

x~a
=b y sea
Ilx - all
~.~ .; ::: .·L 0 < < (x,,) C A, X,,::F a, tal que (XI/) ~ a. Probemos que (f(x n» ~ b. En efecto: sea E> 0,
[:;: ': ::: .-t y par tanto,
por ser lfrn f(x)
.\~a
=b existe 8> 0 tal que si x E A, 0 < Ilx - all < 8, se tiene
If(x) - bl < E. Por otro lado, como (x,J ~ a, dado 8> 0 existe no ENtal que si
x)-bl<E n~ no se cumple Ilx/1 - all < 8, y por 10 tanto If(x,,) - bl < E. Es decir (f(x » ~ b. n
b) La condici6n es suficiente. Razonemos por reducci6n al absurdo. Su
D pongamos que no existe lim f(x) 0 bien que existe pero es distinto de b. En
x~a
cualquiera de los dos casos existe un entomo de b. 010 que es equivalente E> 0,
tal que para cada 8 = lin existe al menos un punto x; E A, 0 < Ilx" - all < lin, de
modo que If(x n ) - bl > E. Hemos construido as! una sucesi6n (x,J de elementos
de A, distintos de a, tal que (x n ) ~ a y (f(x n» no converge a b, 10 que contradi
ce la hip6tesis. D
5.7. Ejemplo
~ ~ .onsideramos la La funci6nfde [f{ en [f{ definida parf(t) = sen lit si t::F 0,f(0) = O. no posee
lfrnite en t = O. En efecto, si consideramos las sucesiones convergentes a 0,
(tn) = (lI2nn), (t'n) = (lI(2nn + nl2», resulta:
: - i.
f(tn) = sen 2n n ~ 0 f(t',,) = sen (2n n + n12) ~ 1
, 197
~ •.•O;;;;::=~ ..
;;E;!!II
77
5. Funciones de veries variables 5 8, Funciones
El conjunto de funciones de A en [R que poseen limite en el punto a tienen '-;"'- - --'"
las mismas propiedades algebraicas que en el caso de funciones de una varia

ble y las demostraciones son totalmente analogas.
5,8,2, Propieds
Las funciones de un subconjunto A de [R" en [R1I1 se Haman vectoriales si
In > 1 Y escalares si In = 1. Cada funci6n j con valores en [R1I1, In > 1, viene de
terminada por In funciones escalares if], 12, ..., /'11) que reciben el nombre de
componentes de f Analogamente a 10 que ocurre con el limite de sucesiones,
el limite de j existe en un punto si y s610 si existe el limite en el punto de cada
una de sus componentes. Como consecuenciaj es continua en el punto a de A
si y s610 si 10 es cadaj., i = 1, 2, ..., In.
5.8. Ejemplo
faJ
~ b)
1. La funci6nj(x, y) = (fl (x, .V),f2 (x, y),j, (x, y)) de [R2 en [R3 definida por
.~ (x, y) = cos (x+y)

.4
t. (x, y) = oJ: 0 si (x, y) :;t (0, 0),.f2 (0,0) = 0

x: + y-
I, (x, y) = eX'+v'
tiene limite (1, 0, 1) cuando (x, y) --7 (0, 0) porque cada una de las funciones
componentes converge a la coordenada correspondiente.
198
5.8. Funciones de veries variables. Limites y continuided
~ ~~ .;:1punto a tienen N6tese que

1.[:< ::'11c:5 de una varia- {~ t~
_.f ,
0< /
~X,),) -
-,' <-
,_ "' -- x1 ~ 0<
_ I'1m.f 2 (X,},) <_ I'1m - 0
x2
.. .C + y- X" (x.y)->(o.O) (x. ,')->(0.0)
2. La funci6nj(x, y) = (fl (x, y),fl (x, y)) de [Rl en [~2 definida por
t. (x, y) = 3x 2
-
2
2x y
I.- (x, y) = XC"XJ'

+y '
" si (x, ,,) :;t (0, 0), f, (0,0) = 0
..
no tiene lfrnite en (0, 0) porque, de acuerdo con el ejemplo 5.6, la segunda

componente no 10 tiene.
~~~~::;~,;~~~~~~::t~~~~~~~~~~~~.,:;~,~~~~g
5.8.2. Propiedades de las tunciones continues

L . :::211 vectoriales si
Las propiedades de los lfmites se trasladan directamente a las funciones
[. :=:....iii > 1, viene de
continuas.
:=~::""',,"n el nombre de
l ::-'.'~C de sucesiones,
If =2 el punto de cada
Algebra de funeiones continuas. Seanfy g dos funciones de A en lR contmuas:eri
!'- ~ '~:i el punto a de A
a E A. Y a, f3 dosmimeros reales. Entonces las siguientes funciones de Aen[R son
continuas en a;
aj+ f3g
La funci6n producto fg
, ~: =I1 ~' definida por
Si g(x):;t 0 para todo x E A,la fl.t
Como consecuencia de la caracterizaci6n del lfmite por sucesiones, si la

funci6njes continua en a y (x,J ~ a, entonces
lfmj(x,J = f(lfm x,,) = f(a)

n---4=
t _2 de las funciones n~oo
199
~ ioiiO===-----., ..- .
F
\"C~rs:l :- "
Caracterfzackin de la continuidad por sucesiones. Una condici6n necesaria y
suficiente para que j sea continua en a E A es que para toda sucesion (x,J de A, tal
entornod: =,
que (xn ) ~ ala sucesion j'(x.) ~ j(a). 5.9. Ejemplo
La funci6n compuesta de dos funciones continuas es tambien continua

probz.:-.::<c ."
Il iX . .
Composiclon de funelones continuas. Sea A un subconjunto de [R" y B un polinomi ; ; .:i::

CJdJ. ur~.:.. '.:== _3..5
subconjunto de [R1n. Sij: A ~ B es continua en a E A Y g : B ~ [RI' es continua en
b =j(a), entonces la aplicacion compuesta II = g 0 j es continua en a. proye; ':'-'.=- ::. i
I L; ~ _::-3
En efecto. Sea \I un entomo de h(a) = g(j(a»), por ser g continua en b exis

te un entomo W de b tal que si yEW n B se tiene g(y) E V. Par otro lado, co
mo f es continua en a. dado el entomo W de b existe un entomo U de a tal que
si x E UnA se tiene j(x) E W. Como consecuencia, para todo x E UnA se Recordemos que:
cumple h(x) = g(j(x)) E V 0
A partir de la segunda definicion de funci6n continua en un punto, pode

mos caracterizar la continuidad en todo el conjunto de definici6n de f
I ""',,_, "
CQntiI'1Uiil~(lgl()bal. Seajuna aplicacion de {Rn en [Rnl, Una condicon necesaria y
Su;nCiel1fepara que j sea continua en {R" es que la imagen inversa de cualquier sub
~~l1jUt1toabierto (cerrado) de {Rin sea un subconjunto abierto (cerrado) de (R",
En efecto. La condici6n es necesaria. Sea G es un subconjunto abierto de

[Rill. Podemos suponerj-I(G) ¢ 1> ya que en caso contrario el resultado es obvio.
Para cada x E j-l(G) el abierto G es un entomo dej(x), y por serjcontinua en
x existe un entomo abierto de x (una bola abierta) \I, tal que j(V)J C G. £1
conjunto \I = {\I, : x E j -1 (G)} es abierto par ser uni6n de abiertos e igual a
rl(G). luego j"" (G) es abierto.
La condici6n es suficiente. Sea x un punta arbitrario de [R". Dado un entor
no abierto (una bola abierta) cualquiera W de j(x), por hip6tesis su imagen in
200
Recordemos que
versaf-I(W) = Ves un conjunto abierto de [R" que contiene a x y por tanto un

~';::l£~m necesariay entorno de x. Evidentemente f( V) C W y f es continua en x. D
r"i6n Lr,,) de A,tal
5.9. Ejemplos.
1. Es obvio que las funciones constantes son continuas, y muy sencillo

L-=,:~:; continua
probar, basta considerar (5 = E, que las funciones proyecciones sobre los ejes
ITi (x), X2, ... x,,) = Xi son tarnbien continuas. Como consecuencia una funci6n
~ I
~ R--~
~,
~'"; ';u
U'" Y B. un
"""
""
polin6mica de [f{", que esta formada por una suma de funciones (monomios)
es continua en I cada una de las cuales es el pro due to de una funci6n constante par funciones
1m a. \
proyeccion, es continua.
2
2. La funci6n F(x. y) = tag(cos(x + y) es continua en todo [R2 ya que
F = hog 0 f es composici6n de las funciones continuas h(t) = tag t, g(s) = cos s
2
• ntinua en b exis y f(x, y) = x + y .
. For otro lado, co
'f" ':c,,'. C de a tal que
r., :i:' x E UnA se Recordemos que:
D
.:. Si un vector es ortogonal a un subconjunto M, entonces es ortogonal a
todo el subespacio generado por M.
L c: ., un punto, pode
.:. A la norma de un vector tambien se le llama modulo y si es un elemen
£'-.:-=>~,n de t. to de IR valor absoluto.
•:. Un conjunto M no es acotado si la distancia entre dos puntos cualesquie
g
ra de M se hace tan grande como queramos. Como consecuencia, M no
~-rilic6n nec~~~fia y
Ec -i 1 ,.. es acotado si existe una sucesi6n (x,,) de puntos de M tal que Ilx,,11 --7 00.
[!Sa oe
e-
cua qUl~~.sub·
I:e .rdo) de [R" .:. Los terminos abierto y cerrado aplicados a un conjunto se corresponden
~.
con la idea intuitiva que tenemos de ellos. Una tinea sin valla «esta
abierta», una tinea con valla «esta cerrada» .
i1,.."j unto abierto de •:. La idea de frontera, interior y exterior de un pais se corresponde con los
_ .e sultado es obvio. terminos rnatematicos aplicados a un conjunto.
• ,~:.- serf continua en .:. Un punto es adherente (0 pertenece a la adherencia) de un conjunto si
L ~:,.~ ((V)J C G. EI esta «pegado a el». Es decir si existen puntos del conjunto tan cerca de
; :'c: _benos e igual a el como queramos. Es claro que todo punto del conjunto es de adheren
cia. (No puede estar mas cerca, su distancia al conjunto es cero) .
C~ - Dado un entor
. •:. Un punto es de acumulaci6n de un conjunto si existen puntos del con
ir- :~-l" su imagen in junto distintos de el tan cercanos como se quiera. Es obvio que todo
201
~------------------~""•. ~==.
5. Funciones de veries variables
punto de acumulaci6n es de adherencia y que la diferencia M' y Adh(M)

es el conjunto de puntos asilados Ais(M), de modo que siempre se
tiene
M' =Adh(M) U Ais(M)
.:. El mimero 0 puede considerarse 0 no perteneciente a los mimeros natu

rales N. En una expresi6n matematica cuya variable sea un mimero na
tural s6lo se pueden considerar aquellos valores de n para los que la ex
presi6n tenga sentido. Por ejemplo, para la sucesi6n de mimeros reales
(lIn), necesariamente ha de ser n ;::: 1 Ypara la sucesi6n C:~2' n:3) de [j;k2,
necesariamente ha de ser n ;::: 4.
Prerrequisitos
- - - -~ - -.;..
202
6. Diferencial de una iuncion 6.1. Derivea
• Derivaci6n de funciones polinomicas, racionales, trascendentes. 6.1. Ejernpl

• Teorema del valor medio:
feb) - f(a) == (b - a)f(~)
• Regia de la cadena:
(g 01) '(a) == g'(f(a))!'(a)
6.1. Derivada sequn un vector. Derivadas direccionales

u,.
Sea A un abierto de [R11. a un punto de A y f: A ~ [R una aplicaci6n. Fijado
un vector no nulo v de [R", para valores suficientemente pequefios de Itl, pode
mos definir la funci6n real de variable real t ~ f (a + tv). Ala derivada de esta
funci6n en t == 0, si existe, se le llama derivada de f siguiendo el vector v. _ •• _ _ 00 oJ
Derivada segun un vector. Se llama derivada segun el vector v de La funcion f en

elpunto a, y se designa par DJCa), al lfrnite
= \. - ~- - _..
D.ICa) == lim f(a + tv) - f(a)
• (-->0 t
6.2. Ejernp
siernpre que exista.
Si Ilvll == L a DJ(a) le llamamos derivada direccional en la direcci6n v.

Como caso particular, podemos considerar las derivadas segun los vectores de
la base can6nica de [R11, que reciben el nombre especial de derivadas parcia
les. Por ejemplo, si e, == (0, 0, ..., 0, 1, 0, .... 0), la derivada DeJ(a) es la deriva
da parcial respecto a la variable Xi, y la design amos por D,j(a) 0 bien por -
:::. ... "-'-:- - - .
of
a-(a).
Xi
204
6. 1. Derivada segun un vector. Derivadas direccionales
::..< :::,:lentes. 6.1. Ejemplo
Sea
[t;x, y) =,
X'
:c +y-
,
.
SI (x, y) ;;t (0, 0) ; J(O, 0) = °
La derivada de f en el punto (0, 0) segun el vector v = (a, b) ;;t (0, 0) es por
definici6n
anales 3 3 3
• DJ(O, 0) = lim JUa, tb) -

1-->0
t
J (0, 0 =hm
),
t-->O
-
a
t
t 3 a' + t 3 b2
a
a' + b' .
n.; :o.::1l.::aci6n. Fijado
x·,= J;flos de Itl, pode Las derivadas parciales son D 1 f(O, 0) = 1 y Dl/(O, 0) = 0.
~ :.0 derivada de esta
~-=.~. -;:1 vector v. En caso de que existan las derivadas parciales de fen todos los puntos de A,
ala aplicaci6n Vf de A en [R11 definida por
Id<la
Vf(x) = (Dl/(x), Dl/(x), ..., Dnf(x))
le llamamos gradiente de f Si una aplicaci6n g es el gradiente de f es decir, si
I
~
g = Vf entonces decimos que f es una funcion potencial de g.
6.2. Ejemplo
(
~ La funci6n g de [~" en [~" definida por g(x, y) = (2xy + l, x" + 3 xl) es una
funci6n potencial de f(x, y) = x"y + xl ya que
tal en la direccion v.
~:: ~'''::1 los vectores de Dl/(x, y) = 2xy + l = gl (x, y)
j" derivadas parcia Dl/(x, y) = x 2 + 3xy2 = g2 (x, y)
aD'" U) es la deriva
C"~ D -, a I 0 bien por es decir,
g (x, y) = Vf(x, y) = (D] f(x, y), Dl/(x, y))
205
~------------------=~'=,-.- .":
~ !!l!l!!!!!!!I!I - " '_ _ ~~
6. Diferencial de una iuncion
6.2. Diferencial de una funci6n

~ ...1>. aud . d ..~
La informacion que nos proporciona la derivada direccional es muy peque
fia. Veremos en el ejemplo siguiente como una funcion puede poseer todas las
derivadas direccionales en un punto y no ser continua en el, Esto conduce a la
necesidad de definir el concepto de diferencial. En todo 10 que sigue, salvo
mencion expresa, A es un abierto de IH n,j = (fi, h, ...,in) una aplicacion de A en
IHm y a un punto de A.
6.3. Ejemplo
Sea
.:r"v .
f(x,y)= -, . 4 Sl(X,y)*(O,O); f(O,O)=O 6A. Ejemps
y- +x
f no es continua en el origen, pues su limite a traves de la recta x = es 0, y su
limite a traves de la parabola y = x 2 es 1/2. Sin embargo, existe la derivada de f
°
*
en (0, 0) siguiendo cualquier vector v = (a, b) (0,0). En efecto:
DJ (0, 0)
.
= lim f
1->0
(ta, tb) - f(O, 0)
t
= lim
£->0
t:a
3b-
t
1tb
+t 5a 4
= a" si b *
b
°
DJ (0, 0) = ° °
si b =
D 7.
Si existe, la aplicacion lineal A es necesariamente unica y se designa por

Df(a). Como demostraremos mas adelante la matriz de orden m X n que deter- ble en . .,
206
6.2. Diferencial de una tuncion
mina Df(a) es la matriz de las derivadas parciales de f en a, que denotamos por

• J'(a)
;:-~~·=2.1 es muy peque DJJa) DJ1(a) D,Jl(a)

};:-:'i: ooseer todas las DJ2(a) DJ2(a) DJ2(a)
e. Esto conduce a la I
.f'(a) =
> .: que sigue, salvo
:..::. .:.":icaci6n de A en ... ..
I
DJn (a) D 2.{,,, (a) D"fn (a)
y llamamos matrizjacobiana defen a. Observese que puede existirJ'(a) y no

ser f diferenciable en a.
i-=
6.4. Ejemplo
Ic':~.i x °
= es 0, y su
X~ <i: la derivada de f
La funci6n
~=::-..:co:
f(x, y) =
x"v' - 2x 3 + 31'3
. ,
.:c+y
"
.
Sl (x, y) =1= (0, 0); f(O,O) = °
-= ~ si b=l= °
tiene derivadas parciales en a = (0, 0)
DJ(O, 0) = lim f((O, 0) +t(l, 0)) - f(O, 0) = lim feet, 0) - f(O, 0) _
[-->0 t [-->0 t
_7t 3
=lfm---=-2
3
[-->0 t
DJ(O, 0) = lim f((O, 0) + teO, 1))- f(O, 0) lim f((O, t) - f(O, 0) _
[-->0 t 1-->0 t
~t3
=lim~=3
'-->0 t
i~.:. :. se designa por luego existe su matriz jacobiana y es It = (-2 3). Sin embargo no es diferencia
.i::-. »: x n que deter ble en (0, 0), ya que el lfrnite
207
~-~
-;
f((h. k) - {(O, 0) - Mh, k)

Ifm
'/;.,HOO, Ilu1, k)II
, h'k' -2h 3 +3k' +(-2h+3k)(h' +k 2 )
= 1nn
,/;.kH,OOI (h 2 +k")--Jh' +k 2
no puede ser O. En efecto, si tomamos el lfrnite a traves de la recta h = k, resulta
, 71~ + 73
1 + 2,3,z _ 3
11m ~ - r;;;
h-.O 2...}2 h' 2-y2
, '
FE ;; : ;; :: :;
6.2. 1. Propiedades de fa diferenciaf
I 1. Unicidad. Si f es diferenciable en a, existe una unica aplicaei6n lineal II
A: IR [Rill tal que A= Df(a).

I1
---;
En efecto, supongamos que existe otra aplicacion lineal J1 : [R" ---; [Rill, ,u i:- A.
tal que J1 = Df(a), entonees se tiene:
lim 1/ (0 + h) - fro) - )'(h)11 = 0

1
[l]
Ih-:g IIIzII
l' Ilf(o+h)-f(o)-J1(ll)11 0 en donde
[2]
/~
h=:::O Ilhl'l =
Si llamamos drh) =f(a + h) -f(o), teniendo en euenta [1] y [2] resulta
, IIMh)-,U(h)11 / 11}\,(h)-d(h)+d(h)-j.I(h)11
11m =hm :;
h->O
h~O Ilhll /;-.0
h*O IIIzII
/ Ild(h) - Mh)11. + 11m
:; 11m
/ Ild(l!) - J1(h)11 = 0
i~-:,~; Ilhll /:!-:~ Ilhll
208
6.2. DiferenciaJ de una iuncion
Como eonseeuencia
, IIA(h) - ~(h)11 =0
hm
Ih;~ Ilhl
Entonees para eada x E [R;", X :f= O. si haeemos h = tx tenemos
L ~::~:J.!z = k, resulta
, II).(IX) - p( IX)11 IIA( x) - ~(x )11
O=hm
',;~' I'IIIX I = I xl'I
por 10 tanto
• IIMx) - ~(x)11 = 0 =:;. A(.:r) = ~(.:r) para todo x E [R;"
t ,"~,li("aci6n lineal
(Observemos que A(O) = p(O) par ser A Yj.1l1nea1es.) D
~
2. Continuidad. Si f es difereneiable en a, entonees f es continua en a.
l, -= _:=_ .,U:f=A.
En efecto, sea A = Df(a) y sea
. )_ fCx)-f(a)-A(x-a)
[lJ R(x -a - 'I I'
I x - al
en donde
[2J
lfmR(x-a)=O
-:- resulta
por serf diferenciable en a. De 1a expresi6n anterior deducimos que:
;
fCx) = f(a) + A(.:r a) + Ilx all R(x a)
Tomando lfrnites cuando x tiende a a tenemos
Iirn f(x)
X-----')(1
= fCa)
209
iLc ~
1
6. Diierenciel de una iuncion
ya que, por ser A continua La derL:;.t

diente para ~":I
lim ACX: - a)
x~a
=0 f lineal ~c .~.~;:-:}
y par hipotesis
lim Illx
X-UJ
all R(.t
I
a) =0
Luego f es continua en a. o 6.5. Ejemph
Dif~nci.alde Ia suma. Sify g son dos funciones de A. en ~;;' diferenciables

a EA, entonces la funcion f -+- g es diferenciable a y se cumple
no es cor::::-ljJ
Diferenciald~lprodueto. Sify g son dos funciones de A en [;:g diferenciables te a trave- .j;:- j
E A, entonces Ia funcionj" g es diferenciable ena y se cnmple tanto no p'..:ctoii:
DU Tg)(a) =f{a)Dg(a) -t- g(a)IJf(a)
I)ifler~~Il(:ia1!dlel cociente,Sily gson dos fanciones de A en iRI diferenciables

1~!l:~38 i i yg(.Kj.::F 0 para todo x EA,entonces la funcion cociente.f1g es diferencia
l~i~S!;;t;irJ;Y :;i;; cnmple
tanto
SiD e~-.:o.J
Diferencial de tina Inneicn constante. Si f es una funcion constante, enton
sencillo _ ..-.~
=0.
DJ/(Q. U = •
de una funcion lineal. Si f: 1!il!~~'Z!es una aplicacion lineal, f

eualquier punto y su diferencial es~liamisma.
210
6.2. Diterencis! de una tuncion
La demostraci6n de las propiedades 3, 4, 5 y 6 es analoga a su correspon

diente para funciones de una variable. La propiedad 7 es evidente, pues por ser
flineal se cumple:
f(x + h) - f(x) - f(h) - °

Ilhl
D 6.5. Ejemplos
r .
.~." diferencj~~l~s
E.
1. La funci6n
.f( x, y)
X"
3
+Y
3
= X , - "v SI
. X =F- -y;. f (x, - x) = °
no es continua en (0, 0) ya que no tiene limite en ese punto. En efecto, ellimi
°
te a traves de la recta x = es -1 y ellimite a traves de la recta .y = es 1, por
tanto no puede ser diferenciable.
°
2. La funci6n f(x, y) = ~ I.)."Y es continua en (0, 0), ya que
1
o~I~I~I~±Cr"+y") I~# II(x, y)11

y tomando limites en la desigualdad es claro que lim
iX.YH(O.O)
If(x, y)l= ° y por
tanto lim [t», y) = O.
(x,y)~(O_O)
Sin embargo la funci6n no es diferenciable en (0, 0). En efecto, es muy

sencillo comprobar que existen sus derivadas parciales y sus valores son
°
DI!(O, 0) = y Dz!(O, 0) = 0, pero
f ,
1Hfl
f((h, k) - (CO, 0) - A(h, k)
. =lm
li -JIhkf
(h.kH(O.Ol 11(11, k)11 h +e
(lI,k)-.(O.O)..J
2
211
~ iii!
'"
,
6. Diferencial de una funci6n 6.3. Diieret,
no existe. El Iimite a traves de la familia de rectas k = ph es como g ~'" ~.i
G, ,
lim--"-
y depende de u.
- ,
2
3. Una funcion polinomica, por ejemplof(x, y, z) = x\z - 4/z • es diferen
ciable en cualquier punto de su dominio por ser suma de funciones diferenciables.
En efecto, cada monomio es el producto de una funcion constante par funciones CaracterizaciOO .-I
lineales (las proyecciones). As! el primer monomio x yl de f es el producto de ;-t:. f es d-f ...""...,. iii
2 ",""m
1 e,,-.~~
TIl f(x, y, z) = x par TIl f(x, ); z) = x por TId (x, ); z) = y par TId(x, ); z) = z. En este C3-'O. Df~_
Observese que el razonamiento anteriar es una consecuencia de las propie Df:(o), .... D{"/''7H.:
. ~
dades enunciadas.
6.3. Diferencial de las componentes de una funci6n vectorial
Una funcion vectorialf = (fi,E ...•.f,,) es diferenciable en un punto si y solo

si 10 es cada una de sus componentes, y su diferencial Df(a) es la aplicacion li
neal que tiene par componentes las diferenciales de las componentes (Dfi (a),
D.h(a)• ..., D.f,,(a)). Este hecho reduce eJ estudio de la diferenciabiJidad de fun
ciones vectariales a funciones escalares. Para demostrarlo necesitamos la si
guiente propiedad.
Diferencial de la composicion de f y una aplicacion lineal. Si f de A en

[R;m es diferenciable en a E A Y g de [R;m en [R; es una aplicacion lineal, entonces
G = go f es diferenciable en a y DG (a) = go Df(a).
En efecto, por ser g lineal se cumpJe:
G (a + h) - G (a) - go Df(a) (h) = g[f(a + h) - f(a) - Df(a) (h)]
212
6.3. Diferencial de las componentes de una funci6n ...
::' como g es continua en todo A y f es diferenciable en a, resulta
, G(a+h)-G(a)-RoDf(a)(h)
I un . = I'1m R[fCa+h)-fCa)-Df(a)(h)]
. =
IHO Ilhll IHO I hll
[I '
=R /;-->0
im
f(a+h)-f(a)-Df(a)(!z)]
I hI = R( =
0) 0 0
- -. ;::. es diferen
.._. -:-.::" diferenciables.
[':-_,,~~_:c por funciones Caracterizacion de la diferencial de! Seaf= U;,f2, ... ,j;,,) del abiertoA de jR"en
,.:-;: - ::' el producto de ~m. f es diferenciable en a E A. si Y solo si 10 es cada una desus<:cornponentesj;.
; ~'- ~ f1:fLr, y, z) = z. En este caso, Df(o) es la aplicacion lineal que tiene par compofientes(DJI(~).
.:., :::-.>1 de las prop ie
Dj;(a), .." Pt;n(a»). .. . . .
En efecto. Supongamos f diferenciable. Para cada i = I, 2, ..., In la compo
-
:ion vectorial
;: ::- .m punto si y solo

".= ::s la aplicacion li
nentej; es la composicion de la proyeccion i-esima n; conf
'- :~= ;,;)nentes (Dfi (a), .t; = Ttl 0 f

i:~:::':~i:lbilidad de fun
r~ - :-,e.::esitamos la si
~
m lineal. Si f de A en
Como n; es lineal y f diferenciable en C/, la propiedad anterior asegura que j;
:..::,: ::; lineal, entonces
es diferenciable en a y Df; (0) = n; ° Df(a).
Reciprocamente. Si para cada i = 1,2.... , »i la aplicacion f es diferenciable
a, se cumple
.. - Dt'la) (h)]
, Ifca+h)-f(a)-pf,(a)(h)1
lim
h-->O IIII
h =0
213
iii!::
T r "!J
6. Diferencial de una tuncion 6.4.
Sea IL la aplicaci6n lineal R" en [R'" cuyas componentes son tDf; (a), Dfi (a), ...,
d1
jili.~-d':a
DIn(a)). Probemos que IL = Df(a). Efectivamente Determinacion
a,la matriz
u Ilf(a+h)-f(a)-IL(h)11 <1' i l.f(a+h)-.t;(a)-Df;(cl)(h)l_
o
-
"I~ I hll - hl~ l~l IIhl1 -. D En eie: '.)

es decir
td, d::. ... ~ ±
SeJ.: ~:'
6.4. Helacion entre la diferencial y la derivada sequn un vector tor e se :i::' 0:
Seafuna funci6n de un abierto A de [R" en IR. Vamos a probar que sif es di
ferenciable en un pun to de A, existe la derivada de fen el punto siguiendo cual
quier vector. Sin embargo, el reciproco es falso. La existencia de la derivada si
guiendo cualquier veetor no impliea la diferenciabilidad de la funci6n.
Relacion entre la diferencial y la derlvada segun un vector. Sifes diferenciable por 13 r:-:- ~'S
en a E A, entonces existe D,.j(a) para todo v =t:- 0 de jRn y En 0:: ~~~
(Dr i ,i, [.:-: i
D,J(a) = DfCa) (v)
En efecto, por ser f diferenciable en a
0= lim I f(a + h) - fCa) - Df(a)(h) 1= lfm I fCa + tv) - f(a) - Df(a)(tv) 1=

h-.O Ilhll ,-.0 Iltvll
-~,
-1111
v lfrn
1-.0
If(a+tv)-l(a)-tDf\a)(v)I __
IIt
I
-1111 lim
v (-.0 t
I'
f(a+tv)-f(a) , " I
Df(a)(\) I
de donde
Df(a)(v) = Hmo l(a +tv) - lCa) = DJ(a).
t-« t
N6tese que hemos considerado el limite a traves de la recta h = tv. D
214
6.4. Relecion entre fa diierenciet y le derivede...
Dr(a).D!J.(o), ...,
Determinacion de la dlferenciai. Sif= (}1>12, .,.,f,n) esdiferenciable
a, la marriz jacobianaf'(a) defen a deferminapf(a).
riO .. ' ;21: = O. 0
En efecto, supongamos primero que la funci6n tiene s610 una componente,
es decir m = 1, y que Df(a) es la aplicaci6n lineal determinada por Ia matriz
td, dl ... d Probemos que dj = D}f(a).
ll ) .
Il
Sea ej el vector j-esimo de la base can6nica de [R aplicando Df(a) al vec ,
~un un vector tor ej se tiene
• o
J. ==-='':'3I que sifes di o
r.:~t,) -iguiendo cual
Df(a)(e)=(d)do~"
... d)
I 1
=d !
~r~'.2 .ie la derivada si . I
Go: ::: tuncion.
,0
por la propiedad anterior Df(o) (eJ = DJ(o). Luego d, = DJf(a).
En el caso general m > 1, sabemos que Df(o) tiene como eomponentes
tD], (0), Df, (0), ..., Df; (a)). Entonees, si v E [RII
n
ID"I;(a)v,
;=1
D~(a)(v)
n
- ,,', - Df(a)(tv) 1_ Df(a)(v) = Df,(a)(v) = I IDJl(a)v,

I
;=1 =
Df,n (a)(v)
-, - ,'iO) -Df(a)(v) I "
ID;fn(a)v,
,=1
D).I; (0) Dl.1; (a) ... D",I; (a) v1

DJ2(a) D2fl(a) ... D n f2 (0) v2
... .. , ... . .. ..,
D).f,,, (a) D 2,f,,, (0) ... D,JIl (a) v"
,,::-::,:::. h = tv. o por 10tanto la matriz jaeobianaf'(o) determina la aplieaei6n lineal Dj(o). 0
215
iiliii!!
_nL
6. Diferencial de una iuncion 6.4.
En resumen, para que j sea diferenciable en un punto a es necesario que al vector [) ~

exista la matriz jacobiana en ese punto, y si j es diferenciable en a, entonces 10 repre'C:-,~-'.I
1'(a) determina a Dj(a). ducto "',~C-:.:.:
6.6. Ejemplo
Cada una de las componentes j; de la funci6nj de fR.2 en [R3 definida por en donde c .e
,
que j' = _ I
o
j(x, y) = (.1'- - y, 2x y
'
O
+ 3y 2, - x + y)
es diferenciable en cualquier punta (x, y) por ser una funci6n polin6mica, co
mo consecuenciaj(x, y) tambien 10 es.
Las diferenciales de jl (x, y) = .12 - v.I, (x, y) = 2.1\ + 3l,f, (x, y) = - .1'+ Y
en el punto generico (x. y) son las aplicaciones lineales definidas por las matri
ces jacobianas.
Dj, (x, y) = (2.1' -1)

1 3
Dj2 (x, y) = (6x-y 2.1' + 6v)
Dj, (x; y) = (-1 1)
entonces la diferencial dejes Dj(x, y) = (Dfl (x, v), Dj2(X, y), D!l(X, y)) Y viene
deterrninada por su matriz jacobiana, cuyas filas son las matrices jacobianas de
Df, (x, y), es decir
DfC'{, y) = 6x\
r -1
2.1 -1]
2,1;,3 +6)'
Por 10 ~~_:: "
S1I ni,"'", : ' c.
l 1 valor :,,':"",__ :-::-c~

la mis:n; .::~~
Derivada direccional maxima. Supongamos que j de A en [R es diferen
ciable en a E A. Si v es un vector de [R" de norma uno, 111,'11 = 1, sabemos que 6.7. Ejemp
VJ
V /:
2
D\}(a) = (DJ(a) DJCa) ' .. DJCa)) = L,DJ(a)v j linorn., , :.:.
j=!
dien:e .: -=.
Vn elm,~':~,: S
216
6.4. Refaci6n entre fa diferenciaf y fa derivada ...
t,: .~ :::' necesario que al vector (Dd(a), Def(a), ..., Dmf(a)) Ie llamamos vector gradiente defen a y
~. .::.":' L: en a. entonces 10representamos por Vf(a). Entonces Dvf(a) 10 podemos escribir como el pro
ducto escalar de Vf(a) y v, Es decir,
DJ(a) = Vf(a) . v = IIVf(a)11 cos e

e: -= .iefinida por en donde erepresenta al angulo que forman los vectores Vf(a) y v (recuerdese
que Ilvll = 1). Por la desigualdad de Cauchy-Schwarz
::c.:. ::-. r.olinomica, co IDJ(a)1 = l\7fCa). vi:; Ilvreat llvll:; II\7fCa)11
.:- . .' .r, y) = - x +y En particular, si consideramos el vector
e:":.. -=2.~ par las matri-
Vfea)
v= 1'~fca)11
que evidentemente tiene norma uno, resulta:
Di'. y)) Y viene

i X. • 2
r..:::-.~::~ jacobianas de DJ(a) = Vf(a). ,,\7fCa) = I Vf(a)11
Vfea)11 IIVf(a)'1 = IIVf(a)11
Por 10 tanto la derivada direccional es maxima en la direccion del gradiente y

su valor es el modulo del gradiente. EI resultado es completamente 16gico, el
valor maximo de DJ(a) se alcanzara cuando e=
O. es decir si Vj(a) y v tienen
la misma direcci6n y el mismo sentido, y este valor maximo sera IIVj(a)ll.
", eCi ::; es diferen
= 1. sabemos que 6.7. Ejemplo
Sea g (x, y, z) = xz? + lz. Determinemos el valor maximo de la derivada di

reccional en el punto e2, 1, -1). Como g es diferenciable en todo [R;-' por ser po
" . linomica, la derivada direccional maxima se alcanza en la direcci6n del gra
diente (l, 2yz. 2xz + y\ ~ en (2, 1, -1) es el vector 0, -2. -3), y su valor es
el m6dulo. En este caso -V 14.
217
.~
F
6. Diferencial de una iuncion 6,5.
6.5. Condici6n suficiente de diferenciabilidad
Hemos visto como la existencia de la derivada siguiendo cualquier vector.

ya que
en particular la existencia de las derivadas parciales, era condicion necesaria
para la diferenciabilidad de la fun cion en el punto. Establecemos ahara una
condicion suficiente.
en donee
(;()ndiciOIrsuficiente.dediferenciabilidad. Para que lafuncion j"> (fl.f2> ... ,j~,)

sea diferenciable en un punta a = (a), a-, .... aT/) es suficiente que existan todas las
derivadas parciales DJj(x) en los puntos de un entorno de a y sean continuas en a. I
Como f es diferenciabie en a si y solo si 10 es cada una de sus componentes

!J, basta probarlo para el caso m = I. Ademas, para facilitar la notacion supon
dremos f de dos variables. Sea la identidad
Consideremos las funciones reales de una variable real

ya qUe ,'
gl (t) = f(t, aJ - f(al' ( 2 ) definida en [ap + ht ]
at tiende :.. ._.
g2 (t) = feat + h., t) - feat + h., a 2 ) definida en [a" a2 + h2 ] tiene
ambas son continuas en sus intervalos de definicion y derivables en su interior.

Aplicando el tearema del valor medio
en donde
218
Sustituyendo en la identidad del principio, se tiene
•
[ta + h) - lea) = hPJ(c j ) + heDJ(cJ
~ -' :.::ilquier vector,
ya que
. , ...iicion necesaria
a.:-:-::-mos ahora una g'j (b j ) = DJ(c j ) Y s', (bJ = DJ(cJ,
en donde
. [> (Ii,!z, ,..,];,,) c = (bl'°2) Y

j C2 = (OJ +hl'b2 ) ·
existan todas~as
• continues ~n(l. POl' 10 tanto
componentes
.::. ::.:- ~''':S
j.t-(a+h)-f(a)- tDJCCl)hj IIt [Dj(c)h) -Dj(a)h) I
~ . .: :-""[3.ci6n supon I/hl! = Ilhll =
- ti a, + h j , ( 2)
It
= , ,
[DJ(c) - DJ\a)]h j II ::::;
2 •
[D) (c) - DJ(a)]

j=l
ya que Ihjl : : ; Ilhll. Ahora bien, eomo llej - all::::; III/III, si h tiende a 0, entonees c,
- - h] tiende a a; y como por hip6tesis las derivadas parciales son eontinuas en a, se
- h2 ] tiene
11m
h-"fO
D. (Cc,) = D J' (Ca) para todo . j = 1,2
J' I·
r: .::::':' en su interior,
con 10 que tomando lfrnites en la desigualdad anterior, resulta
: - . i be)
11m I
f Ca + /z ) - f (a ) - Ip j - o
I DjCa)h j
IHO Ilhll
y f es difereneiable en a. o
219
•
6. Diferencial de una iuncion 6.5.
Si las derivadas parciales de j existen y son continuas en un entomo de a,

diremos que j es diferenciable con continuidad en a.
6.8. Ejemplos
1. La condici6n anterior es suficiente pero no es necesaria para que j sea

diferenciable en el punto. La funci6n
o 7 1
.v) = (x- + .v-) sen
[t x,
, ~
x2 + y2 si (x, y) #- (0, 0): j(O. 0) = 0
posee derivadas praciales DJ!(x, y) y Dd(x, y) en todos los puntos (x, y) de [Ff,
pero son discontinuas en (0, 0). En efecto
~.C) + y-, ~ .CoX+ y-. ' ~.r + y

1 1
DJ(x, y) = 2x sen cos 0 , si (x, y) #- (0, 0)
DJ(O. 0) = lfrn feU, 0) - f(O, 0) = lim t"sen(l / t) = 0
r->O t t->O t
pero lim DJ(x, y) #- 0, ya que la sucesi6n (x,. Yn ) = (-:-.-0,01 tiende a

(.',vl->(O,O; l41rJr' )
(0, 0) cuando n tiende a 00 y sin embargo
par tanto D[ j(x, y) no es continua en (0, 0). Analogamente, para la otra derivada
~ x0-"+ Y'0 cos ~ x·0 + y

1
D,j(x,v)=2vsen -J ,I )- .0 si(x,y)#-(O,O) ," "::'1""'",
....... .:..:.
.::.
'-.
-
- _._--":..
.--::
x + y-
Doj(O, 0) = lim f((O, t)) - j(O, 0) = lim t" sen(lJ t) = 0
- n~= t r~O t
220
• e.: ;":f; entorno de a, 1 'I

y la sucesi6n (xI!' Y,,) = [ 0, 411 2 7[ ' j
Por otro lado,f es diferenciable en (0, 0) ya que
::-.:: --'--=-.:i para que f sea

" 1
(h' + k' )sen ~' , Oh - Ok

h: + k:
lim =0
(h.K.\----:>(O.O)
-Jh2 + k'
.: .'. i~'! =0
1 10 que se deduce de tomar Iimites en 1a desigua1dad

:s. ;:'~:":t05 IX. y) de IR-,
2 1
.,. ):;:= (0, 0)

O~I--
(h + e)senff+ k'
~h2 + k 2
< (h
II
2
- ~h' -v k:
+e: ~-Jh: +e
I
r
~
2. La funci6n de 1R en 1R ,f(x, y) = (e'+Y, x\' + ix) es diferenciable en to

2 2
2
dos los puntos de 1R , ya que sus derivadas parciales
..i.,.: ..,.: .
"
oj tiende a DJI (x, y) = e'+' : Ir.], (x. y) = eX+>
D 1.f : (x,
'
y) = 2xy + y- : Del: CT, y) = x, + 2yx
son continuas en to do [~2. La diferencial def en (0, 0) es la aplicaci6n lineal de

:':-:- =-1 finida por la matriz jacobiana
:. ~~.: la otra derivada f'(0,0)=[~ ~J
= ;:. '.. Y) :;:= (0, 0) y en el punto (-1, 1) la aplicaci6n lineal definida por
I' (-1,1) = [1-1 -11J
221
_& •
e
3_ I: lH. ---:> R definida por [tx, Y) = x 2 + l- x)', es diferenciable en todo
2
1H. por tener sus derivadas parciales continuas:
D1/(x, y) = 2x - y DdCr, y) = 2y-x

- - i
En el punto (2, -1) su diferencial es la aplicaci6n lineal determinada por la
matriz (5 -4)_ EI valor de la derivada segun el vector (1. -1) en ese punto es
D(I~lJ(2,-1) = (5 -4)[~lJ = 9
En el punto (2, -1) la derivada direccional maxima de I se alcanza en la di
recci6n de su gradiente (5, -4) Ysu valor es
,
11(5, - 4)11 = ~25 + 16 = .J4i
~ .
- ~--- -
6.6. Regia de la cadena
La composici6n de dos funciones diferenciables es una funci6n diferencia

ble y su diferencial es la composici6n de las diferenciales. Probaremos primero
un caso particular. Para facilitar la notaci6n consideramos funciones de dos va ..... - ~ :.
riables. La generalizaci6n a funciones de tres 0 mas variables es inmediata.
RegIa de la cadena (caso particular). Seaf: IH. ---:> 1H.2 diferenciable con continuidad
en un punto a E IH. y g: 1H.2 ---:> IH. diferenciable con continuidad en f(a) = (b. c).
Entonces F =g 0 f: ~ ---:> IH. es diferenciable en a y
c' . . . . . - .__ -_.
DF(a) = Dgtb, c) 0 Df(a)

-v-.
En efecto, si U E R U 'f':. 0, y 1= (flof~), designamos por
222
6.6. Regia de la cadena
C::'~=-~-:l.:iable en todo con 10 cual,
f(a +u) = (~(a +u), f2(a +u)) = (b+h, c+ k)

y obtenemos la identidad
.; _:::::mlinada por la F(a + u) - F(a) = g(f(a +u)) - g(f(a)) = g(b+ h, c + k) - g(b, c) =

· - ~ ~" ese punto es = g(b + h, c + k) - g(b, c + k) + gib. c + k) - gtb, c)
Para k fijo consideramos la funci6n de una variable t ~ get, b + k) a la que

aplicamos el teorema del valor medio para funciones reales de una variable re
al en el intervalo [b, b + h] Y resulta
,- c~:;.:,mza en la di g(b +h, c +k) - g(b, c+k) - D,g(~, c +k)h
en donde i; E (b, b + h).

Analogamente, aplicamos el teorema del valor medio ala funci6n t ~ g(b, t)
en el intervalo [c. c + k]
g(b, c + k) - g(b) = D 2g(b, p)k

en donde u E (c, C + k).
• Sustiyendo en la identidad los valores de g
k :'~;-.:i6n diferencia
F(a + u) - F(a) = D,g(~, c + k)h + D 2g(b, /l)k
· ::~ ~ ~-lrel110s primera
, ::-_=-.: .ones de dos va dividiendo por u y teniendo en cuenta los valores de h y k, queda
t>, ::- inrnediata,
F(a+u)-F(a) =D (J= k).~(a+u)-.~(a) D (b ).f?(a+u)-.!;(a)
,g .", c + + 2g , P
u u u
Cuando u tiende a cera, h y k, tienden a cera, ~ tiende a b y u tiende a c.

Como las derivadas parciales son continuas, tomando lfrnites cuando u tiende a
cera en la expresi6n anterior, se tiene
F(a) = Ir.gtb, c)f',(a) + D 2g(b, c)f'ia)

o 10 que es equivalente
DF(a) = Dg(b, c) a Df(a). o
223
_.
II!!!'
I
RegIa de Ia cadena (caso general). Sea A un abierto de [R" y B un abierto de [Rm,

Iuna aplicaci6n de A en B y g una aplicaci6n de B en lRl'. Si / es diferenciable en
a E A y g es diferenciable en b :=: j(a). entonces h :=: g -T es diferenciable en a y
Dh(a):=: Dg(f(a)) 0 D.f(a).
La demostraci6n puede verse en [6] capitulo 8.
6.9. Ejemplos
1. Sean j(n, v) :=: (sen (u + v), u\ g (x, y) = (x", x + y, i). Determinemos

por la regIa de la cadena la c1iferencial de F = go/ en el punto (0, Jr).
D f(0.
. Jr) = [
COS( /l + v) cos(u + V)) .
=
[-1 -11I
. 2u 0 (0", 0 0 )
~ ~ r. ~, J [~ ~J
2
6.7. Teorema (
Dg(f(O, 1f» DR(O, 0) ;' =
l 0 3y-
• (0.0)
0 0
o 01 (0 0
DF(O'1f)~l~r ~Jx[~l ~l)~l~l ~1

_.
-""=' --=: _ -~--~
._ "::", _ c·_
. _.- ~":: ". ~
Observese que hemos identificado las aplicaciones lineales D/(O, Jr),

Dg(O, 0) Y DF(O, Jr) con las matrices que las detenninan.
2. Sean u = /leX, y), V = vex, y), w = w(x, y) y sea Z = z(u, v, w). Calculemos
las derivadas parciales de z:=: z(/l(x, v), vex. y), w(x, y)) en un punto generico (x,
y). Apliquemos la regIa de la cadena
224
6.7. Teoreme del valor media
0'--
ft un amerto d~Il~ ,
h'
~-l
: ,,';;:iJ' 'm uu au
ax uy
r=nciable ,;~y
~ diferenciable.en
(az az 1_1 az uz az Jx av uv
(
l ux uy) \uu uv uw U.T ay
uw aw
ux Uy
efectuando el producto e identificando los terminos
Dererminemos az az au uz av az UYl'
-=-.-+-.-+-.
U~-. ,71. ax au ax av a~T aw ux
az az uu uz av uz aw
-=-.-+-.-+-.
ay au ay uv ay uw uy
6.7. Teorema del valor medio

¥L :¥ z;; ii5i'iiii!t~35=~~.'-.~"",;;;_;:::·;,;,·-e~:5i'
El teorema del valor medio para funciones reales de una variable real se
puede extender a funciones reales de varias variables. Con el fin de facilitar la
notaci6n en la demostraci6n, enunciamos el resultado para dos variables, pero
su generalizaci6n a n variables es inmediata.
~
- .- - -i
-~- _~~l,-:"l
lc c- Dl-F(O
'J ..".,
,/f,;j,
Teorema del valor rnedio. Sea A un abierto de ~2 yj de A en
renciable en A. Si (a, b) E A Y(11, k) E ~2 son tales
.. i. Calculemos (0 + th, b + tk) E A, entonces existe un mimero real (), 0 <
L:~ ~ .::;,0 generico (x,
fCa + h; b + k) - j(o,.b)=Dj(z)(I1, k)
en donde z = (0 + 8h, b + 8k).
225
IlIIiI!
d
T
6. Diterenciei de una iuncion
En efecto, sea \fI : [0, 1] ~ A la funci6n definida por segmcr:::

Efe.:ti\~-_::-::~
\fI(f) = (a + th. b + tk).
Evidentemente \fI es diferenciable en (0, 1) y su matriz jacobiana es
\fI '(t) = (17 k)
Si g : [0, 1] ~ [R es la funci6n composici6n defy \fI
\fI f
[0,1] • A---l.~ [R
II + get) = f(\fI(t))
g
g es continua en [0, 1] Y derivable en (0, 1) por ser composici6n de funciones

continuas y diferenciables. Aplicando agel teorema del valor medio en [0, 1]
tenemos
Recordemos que:
g(l) - g(O) = g'ee), en donde eE (0,1)
Ahora bien, g(l) = f(a + 17, b + k), g(O) == f(a, b) y por la regla de la cadena :,;;,.--
Dg( e) = Df(a + eh, b + ek) DlfJ( e) 0 10 que es equivalente
0
I . .
J? (e) == (DJ(a + eh, b + ek) DJ(a + eh, b + ek)) 1\ k ==
{hJ ••• p _~ i£
== DJ(a + eh. b + ek)h + Dol(a + eh, b + ek)k = Df(z)(h, k)
..... _:<1
en donde z = (a + e17, b + ek). Sustituyendo en la igualdad resulta
f(a + 17, b + k) - f(a, b) = Df(z)(h, k) o
6.10. Ejemplo
Vamos a probar que el teorema del valor medio no es cierto para funciones
con valores vectoriales. Seaf: [R ~ [R2 definida pOl' f(t) = (sen t, cos t) y sea el
226
Recordemos que
segmento [0, 2n] C R No existe ningun t E [R tal que f(2n) - f(O) = j'(t)2n.
Efectivamente:
l .::.~ ~bEma es
f(2n) - tv» = (~ ) - (~ ) = (~) : f' (t) = ( _~::tt)
por 10 tanto tendria que ser
0) (2n cos t ) . 0 = 2n cos t

( o = -an sen t .. es decir 0 = 2n sen t
.-.;;,
pero no existe ningiin valor de t que anule simultaneamente al seno y al coseno.

'=':=:~fl de funciones
•C::~ medic en [0, 1]
Recordemos que:
.:. La derivada direccional en la direcci6n de un vector v es la derivada se-
l.::.
;:;:
:::~l.l de la cadena gun el vector unitario H.
v
.:. Las derivadas parciales son las derivadas direccionales en las direccio
nes de los vectores de la base can6nica de [R".
•:. Pueden existir todas las derivadas segun un vector de f en un punto y no
- :!ih,k) ser f continua en el punto.
.:. Una funci6n diferenciable siempre es continua en el punto, pero una
funci6n continua no tiene porque ser diferenciable.
! :::<:],3 .:. Una funci6n vectorial (con valores en [~m) es diferenciable si y s610 si 10
es cada una de sus componentes y las componentes de su diferencial
D son las diferenciales de sus componentes.
•:. La existencia de las derivadas parciales en el punto, es decir, de la ma
triz jacobiana, no implica que la funci6n sea diferenciable. Se trata de
una condici6n necesaria pero no suficiente.
~-:::~- para funciones .:. La existencia de las derivadas parciales de f en todos los puntos de un
~- . cos t) y sea el entomo del punto P y su continuidad en P implica la diferenciabilidad
227
II!!!
________________..--7 ==-,
6. Diferencial de una funci6n
de f en P. Se trata de una condici6n suficiente pero no necesaria. Este

sera el caso mas habitual.
.:. Si una funci6n es diferenciable en un punto, 10. derivada segtin un vector
v es 10. imagen de v por medio de 10. diferencial. Sin embargo, aunque
exista matriz jacobiana, si 10. funci6n no es diferenciable, hay que deter
minar DJ(x, y) por medio de 10. defmici6n.
•:. La regla de 10. cadena nos permite calcular 10. matriz jacobiana y por 10
tanto todas las derivadas parciales de 10. funci6n compuesta. Ahora bien,
como todas las variables se consideran constantes, salvo aquella respec
to a 10. que se deriva, tambien podemos realizar el calculo directamente,
derivando como si fuese una funci6n de una variable.
•:. El teorema del valor medio no se cumple para funciones vectoriales.
.:. N6tese que en 10. demostraci6n de los teoremas, condici6n suficiente de p j
10. diferenciabilidad, regla de 10. cadena, valor medio, etc., 10. tecnica es
siempre 10. misma: considerar funciones de una variable y aplicar sus 7.1.
7.2.
~
E1
propiedades.
7.3.
7.4.
7.5.
7.6.
7.7.
Prerrequisitos
L ":' .'_ .
..::., - - - '----'..;
228
----- --e -==

Ai •
7. Derivadas de orden superior
• Formas cuadraticas:
Igualdad de las
clase uno en A.
Definici6n y propiedades. Matriz asociada.
(x, y) ---7 D;J~x"
y'
Formas definidas positivas y definidas negativas.
Clasificaci6n de las formas cuadraticas. se cumple D:, ff~~~1
"
• Sistema de ecuaciones lineales:
Definici6n. Propiedades. yJ j una..... .-,.., C-'

~~~._~
Resoluci6n: Regla de Cramer. Teorema de Rouche.

orema z:~:-: =-'
7.1. Derivadas de orden superior

F77 !!!ill
n
Sea A un subconjunto abierto de IR y funa aplicaci6n de A en IR. Suponga
mos que existe DJ(x) para todo x de A. Esto nos permite definir una nueva
funci6n 'P;(x) = DJ(x). Si en un punto a E A existe la derivada parcial Dj'P; (a)
en el pur..: .1
a este mimero se Ie llama derivada parcial segunda de f en a respecto a las
variables i, j, Y se denota por Dijj(a). Otras notaciones son:
crr
- ' (a); f:':j (a) ; .r;'(a) ; .., Si -c> .=",
dx.x, en Qcn.=,,·' :;
Repitiendo este procedimiento podemos definir las derivadas parciales de
cualquier orden.
7.1. Ejernp
Si todas las derivadas de orden q de f existen en cada x E A Ycada derivada
D q . .... iq es una funci6n continua en A, entonces decimos que f es una funcion
de clase q en A. Si para cualquier mimero natural f es de clase q en A, entonces
decimos que f es de clase infinito en A.
EI siguiente resultado expresa condiciones suficientes para que las deri
vadas parciales cruzadas sean iguales. Su demostraci6n puede verse en [6]
tomo 1.
230
Z 1. Derivadas de orden superior
Igualdad de las derivadas-crnzadas. Sea~~;U!~r~~i}l1fQ!.<:4~;r

clase uno en A tal que existe
(x, y) -+ D1d(x, y) es continua en
se cumple D 21 J (a, b) = D1d(a, b).
EI resultado anterior es cierto cualquiera que sea el mimero de variables. Si

A es un subconjunto abierto de [R/, a = (ai, ai, ..., a; ..., al , ... , all) un punto de A
YJuna aplicaci6n de A en [R, que cumple las correspondientes hip6tesis del te
orema anterior, se tiene
DuJ(a) = DiJ(a) .
• En efecto, aplicando el resultado a la funci6n de dos variables
! co: A en R. Suponga
[E~=cfinir una nueva
g (x, y) = F (a), a2, ... , x, ai+), ... , y, aj+), ... , an)
1', 23.::. parcial D/¥i (a)

.,' ::::". ,2 respecto a las
en el punto (a; aJ, resulta
if:
DuJ(a) = D I2 g Ca; aj) = Del g ca; aj) = DjiJ(a).
SiJes de clase q ~ 2 enA y (jl,ie, .... jp) es una permutaci6n de (i), i 2, ..., i p),
en donde p :::; q, procediendo por inducci6n, se puede probar que
t;- . ,:cas parciales de D· . J(a)

'!,'2· .... 'p = Dll·12,. .... .Ip J(a) •
7.1. Ejemplos
r -::-', \, cada derivada
,.: _::: - es una funcion 1. Sea J(x, y, z: u ) = x 22 Y - xyzu2 . Compro bemos que I
u + Z23 '
as denvadas
: . .::.;,::: ,7 en A, entonces D 24 J y D42 J son iguales en todos los puntos de [R4. En efecto
DJ(x, y, z, u) = 3Z\2 - xzu' ; D2 J ( x , y, z, u) = -2xzu

tee ::rr3 que las deri 2u-2xyzu
DJ(x, y, Z, 1I) = 2x ; D4d(x, y, z, 1I) = -2xzu
[ : ..:eJe verse en [6J
231
•
I!!
_________________ ~.----=::II
a.
Z Derivadas de orden superior
2. Si no se cumplen las hip6tesis del teorerna, puede ocurrir que las deri en donde
2
vadas cruzadas sean distintas. En efecto, la funci6n de 1R en IR definida par
x 2 _ v2
[t x, Y) = .rv , " si (x, Y) 7:- (0, 0) ; f(O, 0) = 0
x- + v
se llama rest: .j;
es de clase uno, ya que son continuas sus derivadas parciales primeras Al poli':'c:'---j,
rna polinornio (j
y[x 4+4.y"y2_ y 4] . . la funci6n '. ,:,
DJ(x, y) = 1 1 , SI (x, y) 7:- (0,0) : DJ(O, 0) = 0 resto, es de.:~
(r +Y' t
4-4x\2
D2, f('.x,) .)= x[x (x' + y2)2- / ] . ) 00) ; D 2, f (U,
SI (x, Y 7:- (U,
00) 0
=
Si la de:':.'·.s:
sin embargo
D1d(O. 0) = tI!!J DJ(O, k) ~ DJ(O. 0) =-1

en donde
D,J(O, 0) = lim D,f(h, 0) - D,f(O, 0) =1
. 1i...,0 h
con 10 que D 12f(O, 0) 7:- D2 1 f(O, 0). La hip6tesis del teorema que no se cumple
es la continuidad de las derivadas segundas en (0, 0).
7.2. EITeorema de Taylor

-'j j.
f: A ---" :::.. ~:;:~
Recardemos la f6rmula de Taylor para funciones reales de una variable tos de .-t " z . ~
real: «Sea A un abierto de IR y f: A -7 IR una funci6n m + 1 veces derivable en
[a, b] CA. Entonces para todo x E [a, b] existe eE (a, x) tal que
esta C(T.:e:',~'::='
('(0) ("(0) 1 ("'(o) II!
f(x)=f(a)+-'-l,-(x-a)+-'-2-,-(x-a)~+...+-'-,-(x-a) +R",+! obtenerrc , _:-:-J
. . m. de Tay!.:,;:
232
7.2. EI Teorema de Taylor
E :< .irt ir que las deri

en donde
F- "':; :=. definida por
R _ ["+1)(8
111+1 - (Ill + I)!) ( x - a)I11+1
= :.J
se llama resto de Lagrange.»

::.~;:, r-nmeras Al polinomio P'li(x) de grado m en (x - a) que figura en la f6rmula se le lla
ma polinomio de Taylor de orden III de f en a. EI polinomio F; (x) aproxima
la funci6nf(x) en un entomo de a con un error menor que cualquier cota del
~ ~'.OI=O resto, es decir
'.01=0 If(x) - ~n (x)1 ~ IR +1 1

m
Si la derivada de orden III + 1 es continua, entonces podemos poner
f"'+11 (8) = r: (a)+ e(x - a)

en donde
lim stx - a)
.\:----'f-"
=0
~;:-.:. .iue no se cumple Como consecuencia
f(X)=~n+l(X)+. 1.,,(x-a)'"+le(.r-a)
-
__~,
~.
de una variable
::2cs derivable en
La extensi6n de la f6nnula de Taylor al caso de una funci6n de n variables
f: A ---7 IR, siendo A un abierto de IR es muy sencilla. Si a y b = a + h son pun
tos de A, y el segmento que los une
n
. .~uc
[a, a + h] = {z = a + th ; 0 ~ t ~ I}
, esta contenido en A, consideramos la restricci6n de f al segmento, con 10 que

',~ - a i" + R I11 +1 obtenemos una funci6n de una sola variable real a la que aplicamos la f6rmula
de Taylor.
233
~ ~~:' Ii=:S
"'
l Derivadas de orden superior
Si calcu..crx
Teorema de Taylor. Sea A un abierto de [R" y f: A ~ [R una funci6n de clase m + 1
tuimos en L :--q
en A. Si [a, a + h] esta eontenido en A, entonees existe ~ E (a. a + h) tal que
do la Reglade ~2
1
L hDf(a)+-2I L hhD,f(a)+ ... +
If II
f(a+l1) = f(a)+
• F i=) , /. . i.j=l /.1 U"
J
1 n
In'.. ,... ', h.k
+-.L '1'.
... h.D f(a)+R UI+ 1
.~j/l ·.<>:JJI2,··IUt~··
J;;! M'
".1.h: 12,\,··lm
endonde
se llama resto de Lagrange.
Igual qu:-x
variables l; .
Veamos su demostraci6n. Sea g : [R ~ [RII definida por de orden m i:-."
metido al ::c=~ :,j
cota del re-:
En el "L::.:0
La funci6n g es de clase infinita por serlo todas sus componentes, ademas (i I, i 2 , ...• f :' _;
(difieren c'f' .. :-'..i
g([0,1])=[a,a+h] y [0,1]Cg- 1(A) zadas, las j:-:-.. ~
lizar la nota: :·:IJ
POI' 10 tanto, la funci6n composici6n F = fog, definida por F(t) = f(a + th),
es de clase III + 1 Yle podemos aplicar la f6rmula de Taylor para funciones de
una variable en el intervalo [0, 1]
F'(O) F" (0) r: (0) tr:» (8) en donde :-::::-s..;

F(1)=F(O)+--+--+ ... + +-- niendose :- _::--"
1! 21 m! (m + 1)!
en donde 0< 8 < 1.
234
7.2. EI Teorema de Taylor
Si ca1culamos las derivadas F'(O) , F"(O), ..., r"I(O), rr', r:" (8) y susti
1
r·
. eion detal
[7h) tuimos en la expresion anterior, obtenemos la formula del enunciado, Utilizan
do la RegIa de la Cadena, las sucesivas derivadas de Fen t son:
r--·
n
T F'(t) = Df'ta +th) 0 Dr;(t) = 'Vf(a +th)· h = L hpJ(a +th)
1=1
I
FI/(t)
=L
1;
= LhJVDJ(a+th).h]= Lh;LhjDJ(a+th)=
i~j
n
hJlpjJ(a+th)
11
i~1
;:
j=j
£..1=1
} si 1 ~ r ~ m, por induccion resulta

II
rl(t)= L h.'1 , h1: , ..., h.'r D '1- .... . f(a + th)

I,"
o
II' J2-' " ir
Igual que ocurria en el caso de una variable, al polinomio de grado m en las

variables hi, h2 , .•• ,17 que figura en la formula le Ilamamos polinomio de Taylor
11
~
de orden m de f en e1 punto a y 10 designamos por Pm (17], ha, ..., hn). EI error co
metido al aproximar f por P; en un entorno del punto a es men or que cualquier
cota del resto.
En el sumatorio que da la expresion FI(t) hay muchos terminos iguales. Si
: ~.~onentes, ademas (i], i 2 , ... , ir) y V], i-, ..., j,) son los mismos indices colocados en distinto orden
(difieren en una perrnutacion), por el teorema de igualdad de las derivadas cru
zadas, las derivadas Djli2iJ(a) y Dj1hJJ(a) son iguales. Esto nos permite uti
Iizar la notacion simb61ica
b:: cor FU) =f(a + th),
~ para funciones de
ri(t) = (hpj +h1D2 + ... +h"DJ f(a +th)
t: - i 8) en donde e1 desarrollo anterior se debe realizar por la formula de Newton, defi

.• -- i )!
niendose el producto por (hi Dj)(hjDj) = h;hjDij' Por ejemplo:
(hPI + h1D1 )".f(X) = h~ Dllf(x) + 2h j h1D1 J ( x ) + h~ D22f(x)
235
--
______ ~-----------~~=-----=:I
•
Con esta notaci6n la f6rmula de Taylor para una funci6n de dos variables ya que
en el punto (a, b) es
1
f(a + h, b + k) = [Ia, b) + ]j(lID 1+ kD 2)f(a, b) + ... +
es decir. [C,':.:c~' :;;
+J, (lzD[ + kDJ'" f(a, b) + R"'+l la funcion :. "'-. '
m.
7.2. Ejernplos
7.3. Extremos re
1. Desarrollemos el polinomio [tx, y) = x\' + 3y -2 en potencias de
(x - 1) e (y + 2). Aplicamos el teorema de Taylor af en (1, -2).
Un pUTIk .: ;
DJ(x, y) = 2.~' ; DJ(x, y) =x +32
de la funcicn: i
= 21' ; D12f(x, y) = 2x ; D2 J ( x , y) = 0
D l1f(.y, y) desigualdad es .~
rno) absolute e
Dmfex. y) = D 22J(X, y) = D 12J(.Y, y) = 0 ; D11J(X, y) = 2
Un punto ., l
defsi existecn
Las derivadas de orden cuatro son todas nulas. Particularizando para A estos pur.t,.- j
(1, -2) tenemos
estricta. Li .;:"':':-'
DJ(I,-2) = -4 ; D2f(I,-2) = 4 A COr.I:~_~
puntos de "".·:-~1
D l 1 f ( I , - 2 ) = -4 ; D 1J(1,-2) = 2
En primer >..:~~
1 1, variable. S':';:'::J
[t», y) = f(l, - 2) +]j[ -4(J.: -1) + 4(y + 2)] + 2! [-4(x -1)- + un punto de .:
1 ,
+ 2· 2(x -1)(1' +2)] +-[3 ·2(x -1)'eY + 2)]
. 3! .
= 1. Ce:2:::c
de fv fe, i",~''::
= -10 - 4(.1.' -1) + 4ey + 2) - 2(x -I)" + 2(.1.' -1)(y + 2) + 2. C~·'.::-2
+(x-l)2(y+2) gunda en .; ~.'::.c.
(maximo' '''':.:.:i
2. Calculemos el polinomio de Taylor de orden tres de la funci6n
f(x, y, z) = e' + v + : en el punto (0, 0, 0)
Taylor. L. :O::.,ci
reducir cI :=- ~j
funcion r ~C -,;~
236
l3. Extremos reletivos
c; >':-, .ie dos variables ya que
Z
DJ(x, y, z) = DJ(x, y, z) = D 12f(x, y, z) = ... = eHV+
es decir, todas las derivadas cualesquiera que sean los subindices son iguales a
la funci6n y en (0, 0, 0) valen 1.
. -=en potencias de
7.3.
...
Extremos relativos
-.... trrYWf7~1 E"'1i1YTI!im~
Un punto a de [R,11 decimos que es un punto de maximo (minimo) absoluto

de la funci6nfde [R.11 en [R. sif(a) 2f(x) (I(a) -:;'f(x)) para todo x de [R.n. Si la
.1. =0 desigualdad es estricta, entonces decimos que a es un punto de maximo (mini
. '.')=2
mo) absoluto estricto.
Un punto a decimos que es un punto de maximo (minimo) relativo 0 local
de! si existe un entomo V de a tal que f(a) 2f(x) (I(a) -:;'f(x)) para todo x E V.
F .=.:-::-:-ularizando para
A estos puntos les llamamos tarnbien extremos relativos. Si la desigualdad es
estricta, a es un punto de extremo relativo estricto.
A continuaci6n estudiamos condiciones que nos permiten determinar los
puntos de extremo relativo de una funci6n real definida en un abierto A de [R.n.
En primer lugar, recordemos los resultados para el caso de funciones de una
variable. Supongamos un intervalo abierto I de [R., funa funci6n de I en [R. y a
__ _1)2 +
un punto de I.
1. Condici6n necesaria de extremo: «Si a es un punto de extrema relativo

defy fes derivable en a, entoncesf'(a) = 0.»
. ,- '. ~2)+
°
2. Condici6n suficiente de extremo: «Si f'(a) = y f tiene derivada se
°
gunda en a tal que f"(a) > (I"(a) < 0), entonces a es un punto de minima
(maximo) relativo.»
-r. :~e' de la funci6n
Analogarnente a las demostraciones de los teoremas de valor medio y de
Taylor, la tecnica que utilizaremos para probar las condiciones de extrema es
~,
-_.
-;
-r
~:r+z)·
- ' reducir el problema al de funciones de una variable. En todo 10 que sigue la
funci6n f se sup one diferenciable.
237
• , ... I!!!
~-----,, .... ~!a' -=::S,
cuyo polinc=~")
Condicion necesaria de extremo. Sea A un abierto de !R." y f una funcion de A del desarro.i: j,;
cenlRdiferenciable en a E A. Si a es un punto de extremo relative de f, entonces
DI(a) = 0.
En efecto, sea g : !R. ---7 !R. definida por g (t) = a + tho Es claro que g es de
11
clase infinito, por serlo cada una de sus componentes, y que g (0) = a. La fun
cion composici6n F = fog definida por F (1) = f(a + th) es derivable en t = O.
POI' otra parte, si a es un minimo (maximo) local de t.
entonces 0 es un
se llama matriz
minimo (maximo) local de F. En efecto, existe una bola B (a, r) de centro a y
radio r > 0 contenida en A, tal quef(x) ?f(a) (f(x) -::;f(a)) para todo x E Bta, r):
y como g es continua, entonces U = g-J (B(a, r)) es un entorno de 0 E IR y para
Condici6n suticiesl
cualquier t E U se cumple ide c:lase dos en A. y)
F(t) =f(a + th) ?f(a) = F(O) (F(t) =f(a + tlz) -::;f(a) = F(O) i
i) . • S,i"{2(a, h) > ~)
;t'lvoestricto.
l'
Aplicando 10. condici6n necesaria de extremo para funciones reales de una
variable real, ha de ser P(O) = 0, con 10 cual ipSi(?(a. h) < U..•.
tivo estncto. ,"
F'(O) = 'Yf(a) . h = Df(a) (h) =0 L' •••"•••. ".".. . .~
Como esto sucede para cada vector h e 1R", necesariamente Df(a) = O. 0 Razon- ,':',:~
[6] tome I~. j
a, contem.: ,-;
..............:Oscritieos. a EA decimos que es un punto critico defsi Dl(a) = 0,0 equiva
let1tcmente DJ(a) = 0 para todo i = 1,2, ..., n. Un punto crftico se llama estaciona
riosinoes un extremo relativo de!
en donde ':
Los posibles extremos relativos de f en a se encuentran entre los puntos cri
i = 1. 2.....
ticos. EI estudio de las derivadas segundas nos va a permitir 10. obtenci6n de
condiciones suficientes de extremo. Acado. punto entice a le asociamos 10. for
ma cuadratica
Q(a, h) = I" h/lpJ(a) POI' L . :1

i,j=l probar q.c . '.-;:
238
7.3. Extremos relativos
cuyo polinomio hornogeneo de segundo grade representa al segundo termino

del desarrollo de Taylor defen un entomo de a. La matriz de Q(a, h)
Duf(a) D12f(a) D1J(a)l

Hl(a) = D 21 f (a ) D 2d (a )
I
D 2 J (a )
L ~s .;laro que g es de
-:; __ ~ z ,eli = a. La fun DnJ(a) D"J(a) D",,!ca) )
!::' .ierivable en t = O.
k: -_ entonces 0 es un
:: r de centro a y
se llama matriz hessiana de f en a.
F; _~ _ .odo x E B(a, r);
l:: ~: de 0 E [R Y para
I Condici6n suficiente deextremo.SeaA unabiertO?elR ,J9113. fUl1ciQr1deA en IR
ll
de clase dos en A, y a E A un punta cl'ftieo de l 5ecJlJJl.plc::

:; - __ = nO»
i) Si Q(a, 11) > 0 para todo h EIffi"..... JO}, entonces ttesunpunto demfniroorela
U"_ _:-j::S reales de una tivo estricto.
ii) Si Q(a, 11) < 0 para todo 11 E !RTf - {OJ, entonces a es un puntoderriax:imorela
tivo estricto .
....-:_c-J'C' Df(a) = O. D Razonemos la dernostracion, cuyos detalles pueden verse por ejemplo en
[6J tome 1. Si desarrollamosj'por la f6rmula de Taylor en un entorno B(a, r) de
a, contenido en A, para cada x E B(a, r) tenemos
Ii 1 n
fCr) = f(a) + ~ C\ - a) DJ(a) + 2! i~l (x, - a)(x j - (lj) DJ(zJ
r; ::~_=-e los puntos crf en donde z. E (a, x). Si a es un punto critico, entonces DJ(a) = 0 para todo
r:::~ L1 obtenci6n de
i = 1, 2, ..., n, y queda
,_ -:: j-;ociamos la for
1
f(x)-f(a) = 21 Q (z" x - a)
Por la continuidad de las derivadas parciales segundas en a, podemos

probar que si Q(a, 11) es definida positiva (Q(a, h) > 0 para todo h E [RTf - {OD,
239
• II!!
=------------------~_._---===
**
existe una bola B(a, 8) de radio 8 menor que r, tal que para cualquiera que sea se cumple:
zE Bia, 8) la forma cuadratica Q (z, h) es tambien definida positiva. Como
consecuencia, si x E Bta, 8), x:;t. a. se tiene 1. rt - -:>
f(.r) - f(a) == 2! Q(zx' x- a) > 0

2. rT -<
3. rt
Y por tanto a sera un minimo local estricto de f.

Analogamente se razona el caso de maximo si Q(a, h) es definida negativa
(Q (a, h) < 0 para todo hEIR" - {O}). D
En resumen, la forma de proceder para determinar los extremos relativos

de f en A es la siguiente:
1. Se resuelve el sistema D, f(x) == 0, Dc!(x) == 0, .... D,J(x) == 0 para en
contrar los posibles puntos de extrema PI, P 2 , ... , P; def. por 10 tanto. ;,::.r
2. Se estudia si la matriz hessiana en cada punto P define el signo de la sultado es~==-_'-i
forma cuadratica Q (P, h) Y se puede aplicar la condici6n suficiente. Para ella
es conveniente recordar el siguiente resultado algebraico sobre la clasificaci6n Sl" = (
2.
de las formas cuadraticas. signo Q .P. -: ==
no Q tP. i:, = ~~
signos OPL:::-O::7S
Clasificacion de las formas cuadraticas. Sea Si r = ': =-cI:'
n
q(.r) == L aux,,""-}
i, j=l
una forma cuadratica en IR" yAk == deter {(au) : 1 ~ i, j ~ k}. Entonces

y razonamcs =;;:
i) Si A k > 0, k = 1. 2.... , n, la forma q es definida positiva. Si r = : =:i.
ii) Si (-l/A k > 0, k = 1. 2, ..., n, la forma q es definida negativa. no puede ~.::-: ::-;:
En el caso 11 = 2, funciones de dos variables, el estudio del hessiano pro 3. E=-,. _~..!
porciona mas informacion que en el caso general. Si P es un punto crftico de f f( " . ." 'i
.\' \. =
y designamos su matriz hessiana por
Hf(?) == ( D]J(P) D1d(P)) [r s)

, l
D 2J(P) D 22f(P) - s t
240
l3. Extremos relativos
:c::.~..:31quiera que sea se cumple:
°{rr >< °°==>==> Pes

h:-::L positiva, Como
-i un minima local estricto def
1. rt - s: >
Pes un maximo local estricto de f
2. rt - S2 < 0. No hay extrema relativo.
3. rt - i = 0. Caso dudoso. P puede ser extrema 0 no.
~ ::'- definida negativa En efecto, sea Q (P, h) = rhT + Zshh, + th~ Y analicemos los tres cas os
D
1. Como r ~ 0, se tiene
k' -xtremos relativos 1 '"} '"} '"}

t
Q(P, h) = -[(rh1 +sh2 + (rt-r)h;J
.', D,,",Yi = °
para en-
r
por 10 tanto, para todo h ~ 0, la forma Q (P, h) tiene el mismo signa que r. El re
)~;:::nc el signa de la sultado es consecuencia de la condici6n suficiente.
r: '-,::i.:iente. Para ello
}s<:'re 13. clasificaci6n °
2. Si r ~ y consideramos h = (hi, h 2 ) con h 2 ~ 0, h[ = -sh 2/r, entonces
signa Q (P, h) = -signo r. En cambio si consideramos h = (hI. 0), entonces sig
no Q (P, h) = signa r. As! pues, existen dos vectores en los que Q (P, h) toma
signos opuestos y P no puede ser extremo.
°
Si r = pero t ~ 0, podemos escribir
1 -i ') ')
Q(P, h) = -[(th, + sh 1 ) - + (rt - s-)h;]
t -
t Er.tonces
y razonamos igual que antes.
:~_~ __ , .J.. Si r = t = 0, entonces Q (P, h) = 2sh 1h2 evidentemente cambia de signa y P
J:~": neganva. no puede ser extremo.
u.:: ' del hessiano pro 3. En este caso no se puede afirmar nada. Por ejemplo, la funci6n
:' "::-. punto crftico de f 2
f(x, y) = Y (x + y) tiene como punto entice (0, 0), r = s = 0, t = 2, Y fno posee
extrema en (0, 0), ya que en un entorno del punto tan pequefio como queramos,
f toma val ores positivos f( E, E) > 0, con E> 0, Y val ores negativos
f( ~E + u, -E) = -Ej.1 < 0, con E > 0, u > °
241
- - II!
~ """,, , , "-.
7 IlIII:.•
.J
Sin embargo. la funci6nf(x, y) = x + l evidentemente tiene un minimo en

4
(0, 0) y tambien cumple rt - Sl = 0 en ese punto critico. I ~

u
7.3. Ejemplos
1. Detenninemos los extremos de f(x, y) = 2x 2 + l + x 2y. Los puntos cri

ticos son las soluciones del sistema
D I f(x, y) = 4x + 2xy = 0 Q
Dl/(x, y) = 2y + Xl = 0
PI = (0, 0), P 2 (2, -2), P 3 (-2, -2). Veamos el hessiano:

y su matriz
DII!(x, y) = 4 + 2y ; D l2f(x, y) = 2x : D 2l/(x, y) =2
det Iff (0, 0) = 1 ~ ~ =8 > 0

1
Como 4 > 0, (0, 0) es mmimo.

en donde
detHf(2,-2)=I~ ;1=-16<0
Por tanto (2, -2) no es extrema
det Iff (-2, -2) = 1~4 ~41 = -16 < 0

Por tJ.I:.:: _,-,
mfnimo k·..:;::: :::;;
Por tanto (-2, -2) no es extremo.
l
2. Seaf(x, y, z) = 2x + + 3l- 2xy - 2yz + 3. Estudiemos la existencia
2
de extremos locales de f Los puntos cnticos son las soluciones del sistema. 7.4. Funci6n inv.
.X
DJ(x, v, z) = 4x -2} = 0
D 2. f( v-
~""
\'
v ,
7) -- "')' v\. - 2 \.- 2 c,7 - 0
..... ~.
Un cambio
cambio in'·:::~~~
D,f(x, v, Z) = 6z - 2y = 0
242
l4. Funci6n inversa. Cambia de variable
cuya unica soluci6n es (0, 0, 0).

t'CcC -:cC:'C' un minimo en
Dllf(O, 0, 0) = 4 D l 2f(0, 0, 0) = -2 Dl3f(O, 0, 0) = °

Dnf(O, 0, 0) = 2 D 2J(0, 0, 0) = -2 D3 J ( 0 , 0, 0) = 6
Los puntos en- La forma cuadratica asociada af en (0, 0, 0) es
Q«O, 0, 0); (hI' h2 , hJ) = (hpl +h 2D2 +h 3D3f f (0, 0, 0) =

=4h~ + 2h~ + 6h: - 4hJ12 - 4h)13
L"
y su matriz
-I
en donde
Hf(O, 0, 0) = -2
l° 4 -22-2OJ
-2 6
L1 1 = 4 > °.L1 = -2
4 -21 = 4 > °.L1 = -2
4
-2
2
°
-21=8>0
'2 2 '3
1
° -2 6
Por tanto, la forma cuadratica es definida positiva y (0, 0, 0) es un punto de

mmimo local estricto.
~~_'='_c:mos la existencia
G~ _=:'~ S del sistema. 7.4. Funci6n inversa. Cambio de variable
Un cambio de variable en [Rn es una aplicaci6n biyectivaf: [Rn ~ [Rn. El

cambio inverso g =f-1 se puede encontrar resolviendo el sistema
243
- -----------~.,,---;::::==
Y1 =: .I;Crl' xc' , J: Il ) Xl =: J?1(Yl' Y:, , y,,) expresion Qil:: se

ya que
y, =:.1; (.~rl' .\': , An ) X: =: J?: (V!, Y:, , yJ
<=:>
Todo e< -. -~
mostracion r , -:.j
cion de ccc-:
La resolucion de un determinado problema puede facilitarse mediante un
cambio de variable que haga mas sencillas las operaciones. Una vez resuelta el
problema, se realiza el cambio inverso para obtener los resultados en funcion
de las variables iniciales. Para que el cambio sea titil debe elegirse con las mis
Teorel11a de la rUm:l
1
mas propiedades (continuidad, diferenciabilidad, ...) que las funciones del pro Sea A un abierto ct.:: iI
blema. de! F(ti) 4 O. EXisti: ~
Si suponemos una funcion lineal jdefinida par que f(V)=: W y la ,e4
Adernas; para cada .:4
~ ~
!]
1
El teore r.: .(
sifcumpl::: ' ..,1
entonces f es inversible, y se trata de un cambio de variable, si y solo si es in en un enh:·rr.: j
versible la matriz (a,;) que define a.f Un resultado algebraico muy conocido uno de los ~'~r:,
asegura que esto sucede si y solo si det(al/) t:- O. un entorno -::c -,
En caso de ser f diferenciable, podemos considerar af casi lineal, en algun funcion en :: :.:
entorno de cada punta (I, en el sentido de quefpuede aproximarse en dicho en
torno par la aplicacion
7.4. Ejemplu
X ---7 f(a) + Df(a) (x - a)
entonces, parece natural quefsea inversible en el entorno de X si 10 es Df(a), es

decir, si detf' (a) t:- 0, como as! ocurre. Bajo esta condicion de que el deterrni
nante jacobiano sea distinto de ceto.f" es tarnbien diferenciablc en los puntos es de cla'-" :.: e
f(x) imagenes de los del entorno y se tiene:
l 1
Dr (f(x)) =: [Df(x)r
244
7.4. Funcion inversa. Cambia de variable
expresi6n que se deduce de aplicar la Regla de Cadena a la identidad i-I' = I

ya que
Df(x) 0 Dr\(f(x)) =I
Todo esto nos lleva a establecer el teorema de la funci6n inversa, cuya de
mostraci6n puede verse en el Apendice 3 de la primera parte de [6], y la defini
ci6n de cambia de variable de clase q ~ 1.
f..:._ -_~IjJ"se
mediante un
r::-=~ L'na vez resuelto el
~ :-~,.:lt:ldos en funci6n
Teorema de la funcion inversa
:t-:: :::::girse con las mis
E.":.' Iunciones del pro- Sea A un abierto de [R",f de A en !F&" una funci6nde clase q en A, a un punta de A y
detj'(a) *- O. Existe un entorno abierto V de a y utr.entomo abiertow de f(a) tales
I
que f(V) = W y la restriccion del aVtiene unalnversaf- : W-&Vde clase q en W
Ademas, para cada y E tV, se verifica:
(rl)'tv) = [.f'(r (Y »)r

l 1
•
El teorema de la funci6n inversa tiene un caracter local en el sentido de que

si f cumple sus hip6tesis 10 iinico que podemos asegurar es la existencia de f- I
r;.;.- .c .<i y s610 si es in en un entomo del punto. Tanto es asi que f puede cumplir la hip6tesis en cada
~:::-:- _,co muy conocido uno de los puntos de un abierto A y como consecuencia existir inversa local en
un entorno de cada punto de A y no existir inversa global por no ser inyectiva la
. .::.: _:1 <i lineal, en alglm funci6n en todo A.
r: .'.'rnarse en dicho en-
7.4. Ejemplos
a) La funci6nf de [R2 en [R2 definida par

T' .ie .r si 10 es Df(a), es
f(x, y) = (eX cos y, e' sen y)
tic.: :--, de que el deterrni
:i::-:-:::cclable en los puntas es de clase 00 en [R2 por ser indefinidamente derivable, ademas
det rex. y) = (' cos Y -ex senYI=e'x >0

eX sen y e' cos y
245
!'&1tJ pn
.---------------------~ 7
...._---=::::!
I
para todo (x, y) E ~2. Entonces.jverifica las hipotesis del teorema de la fun Coordenad
cion inversa y posee una inversa local de clase 00 en un entorno de cada punto. ciones: x = " ,
Sin embargo, j no tiene inversa global porque no es inyectiva en ~2 ya que jacobiano
j(x, y) =j(x, y + 2n).
b) La funcion f de ~3 en ~3 definida por
j(x, y, z) = (sen x, sen y, sen z) es distinto ceo ,';;

yectiva en t"--"
es de clase 00 en todo ~'\ ademas consideram.« :"
cos x
detr(O, 0, 0) = ° °
° ° cos y
cos z (0. o.0 i
=1 la restricci«. i~
se infinite e.: =-e
° ° OX-. Reso: teoI
j(A) en A l::,;:' q
por 10 tanto cumple las hipotesis del teorema de 1a funcion inversa en el pun
to (0, 0, 0) y podemos asegurar la existencia de inversa local en un entorno
de ese punto. Sin embargo, en (nl2, n. -n) no se cumplen las hip6tesis ya que
det f' (nI2, it, -n) = 0, y el teorema no asegura la existencia de inversa local.
c) Las hip6tesis del teorema son una condicion suficiente pero no necesa Aplicacion
3
ria para la existencia de inversa local. Por ejemplo, la funci6nj(x) = x no cum junto de :=., .
ple las hip6tesis en el punto x = 0, ya que det f' (0) = 0, sin embargo existe R Si efect:..:"{
t ' (,)
v' = Y 1/3. narnos per F c:
Cambio de variable de clase q. Sea A un abierto de ~n, decimos que la funci6nj

de A en I);R" es un cambio de variable de clase q ~ 1 en A si se cumple:
,Ia<onmc;on ""'1
.Hmf(p, e) = f uroiij
1. j es de clase q en A. p4U ~
I 2. J es inyectiva en A.
13. det.f'(x) :;t: 0 para todo x E A. Esta :>.:::.:::..:
siempre cy;:, -c
Estudiemos alguno de los cambios de variables mas utilizados. e E [0. :::
246
l4. Funcion inversa. Cambia de variable
,_ t . :C'orema de la fun Coordenadas polares. Sea la aplicaci6nj: [R2 ---7 [R2 definida por las ecua
~ ': mo de cada punto. ciones: x = p cos e: y = p sen e. Evidentemente j es de clase infinito en 1f{2 y su
::-:. ~:Il\a en [R2 ya que jacobiano
detf'(p.el=lcose -psene[_
Isen e p cos e - p
es distinto de cera si p =F O. Comot\p, e) =j( p. e+ 2n). es clara que j no es in

yectiva en todo [Re. Ahara bien. si para un valor fijo de e, por ejemplo eo = 0,
consideramos el abierto
2
A = {(P, e) E [R1 : p> 0; -n < e < n}
=1 la restriccion de j a A es inyectiva. Entonces j es un cambio de variable de cla
se infinito entre A y j(A), en donde j(A) es todo [R" menos el semieje negativo
OX-. Resolviendo las ecuaciones dadas se obtiene el cambio inverso r' de
j(A) en A que queda determinado por
~ :-. inversa en el pun
:~'_ :~':al en un entomo
p.:::-. ::" hip6tesis ya que p = ~X2 + y' : e = Arc tg I : (x, y) E f(A)
x
L",-:",:3. de inversa local.
Aplicacion del cambio a polares en los limites dobles. Sea B un subcon

C'<:~'1Ie pero no necesa
r_- ,:'TlJ(X =K, no cum
' - ) junto de Iii', (0, 0) un punto de acumulaci6n de B y j(x, y) una funci6n de B en
-= ,.;in embargo existe R Si efectuamos el cambio a polares x = p cos e, y = p sen e enj'(x, y) y desig
namos por F(p, e) = j( p cos e. p sen e) la funci6n resultante, se tiene:
~cm"" que I. funcionf I «Ia condici6n necesaria y suficienteparaque lim j(x, y) ="1
(.\.))..:...;.(0\0)
\X,(lEB
es que
~ cumple:
I
lfmF(p. 8) = I uniforrnemente en $».
p~v
I Esta condici6n es equivalente a que «para todo E > 0 exista 0> 0 tal que
siempre que 0 < p < 0, entonces se verifique IF (P, e) -II < E cualquiera que sea
L..: . :::iudos.
eE [0. 2n]».
247
.ax L. II
- - - - . - - - - - - - - - - - - _. .~!16 _=:!
Si al efectuar el cambio a polares la funci6n F toma la forma f es de cl::sc .r
F(p, B) = h(P)R(Bl
y se cumple limh(p) = 0 . «la condici6n necesaria y suficiente para que

p-->O
limF(p, B) = 0
p-->o
es distitnt. i.J
es que g (B) sea una funci6n acotada». (Veanse problemas del capitulo 3 del yectiva cr. ::<
tomo 1 de [2]. denadas r< •..:J
tanto. 10. r~<~
7.5. Ejemplo entre A. .- :=. ' ;
del cambi .n
Seaf: u:;g2 --t u:;g definida por
.3 ,:
.t" (x.y)= .X 0 -• '

0 Sl(X.y),t:( 0 ,0);
. .f ( 00
, )=0
:c + y-
Estudiemos la continuidad en (0, 0). Calculamos ellimite de f en (0. 0)
= lim p( cos'
p--40
B- ser/B) = 0 __~A
ya que
0:0:; Ip(COS' B- sen'B)I:o:; p
Luegofes continua en (0,0).
Coordenadas cilindricas, Las coordenadas polares se extienden al espa

cio de tres dimensiones, siendo f: u:;g3 ~ u:;g3 la aplicaci6n definida par las ecua Coordena
ciones: eCUaClOTIc'
x = p cos B : y = p sen B ; z= z
248
c .. C··I'-: • bl
'7.'.:if
E.6? runcson
~""~.
= .r %• • "".. ~
iin~er:;.a.
...i -
ami..H(J uS vane
•
e
_ _ i , :i f es de clase infinito y su jacobiano
cose -p sen e
: __ .:O:-~;:' para que det.f'(p, e) = Isen e pcos e °°1=P
° ° 11
es distitnto de cero si p 7:- O. Como f(p, e, :;;) = f( p, e + 2 IT, z) f no es in

,.'. >:,,1 capitulo 3 del yectiva en todo [~3. Si A es el abierto del plano (p, e) definido en las coor
3
denadas polares, un abierto de 1R en el que f es inyectiva es A x IR. Por 10
tanto, la restricci6n de f a A x IR es un cambio de variable de clase infinito
entre A x [~ Y f(A x [~). Resolviendo las ecuaciones dadas se obtienen las
del cambio inverso.
P=IjX+Y
f 1 1
e = Arc tg..:...v ; z = z ; (x, y, z) E f(A x [~)
x
._~:O de f en (0, 0)
p'':' :nB)
- ~
+P
e :Y
--,P
..;'7':
-t ~,P
"v J,fi ~
• •
_ \
Coordenadas polares Coordenadas cilfndricas Coordenadas esfericas
Figura 7.1.
f"=C C:o exrienden al espa

,,~- ~:C",:nida par las eeua Coordenadas esfericas. Sea la aplicaei6n f: 1R 3 ~ 1R 3 definida por las
ecuaciones:
x =p eos e sen <p ; y =p sen e sen <p ; z =p cos <p
249
II!
---.-._------------~
r
~----==
= ..
six'-y=;. _.
j es de clase infinito en [R0 y su jacobiano
subconjur.: ; -; :
cos e sen qJ -p sen e sen qJ p cos e cos qJ can 10 qUe .:'"
go s610 sc: ;' _;;;
detf'(p, e, qJ) = sen e sen qJ p cos e sen qJ p sen e sen qJ == _pc sell qJ
[R2. Por eic-::.:'
cos qJ o -p sen qJ
se anula si p == 0 0 bien qJ == kn. Evidentemente j no es inyectiva en todo [R3 Un

abierto en donde j define un cambia de variable es Resole. :=::,
verso.
A == { (p, e, qJ) E [R' : p > 0 ;- J[ < e < n ; 0 < qJ < n:}
Las ecuaciones del cambia inverso son

no existir '"
2. \ -=-._.'
x + J == I :. ,:~
Nota. Si en los cambios anteriores se consideran otros angulos, se obtienen
y == p sen f:- ='"'
cambios analogos, que por abuso de lenguaje suelen denominarse de la misma
manera.
7.6. Ejemplos 7.5. Funci6n irr
1. Seat: [R2 ---+ [R2 definida por j(x, y) == (xy, x + y). Estudiemos en que
condiciones es un cambio variable. En primer lugarj es de clase infinito en [R2,
adernas su determinante jacobiano es de A. Dire.; "'-5
x en un C::-. C • ~
I
Y t caci6n ~'2= .
det f'(x, 1') == - -I == I' - X
• • II 1 1
distinto de cero si y ;;t. x, luego para cualquier punta de R' que no pertenezca a
la recta y == x existe un entorno en el que j po see funci6n inversa. Veamos cual
En otr -=-.- :!
es el mayor abierto de [R2 en el que j es inyectiva Figura - .=.
, ,
J.J' == x I' " , ,
[tx, Y) == [tx', y') ¢::> :::::? (x +1' -Y)Y==x I' ~
J: + y == x' + y' .. - .
~ x'(y - y') - y(y - y') == 0 :::::? (x' - y)(y - y') == 0
250
7.5. Funcion implicite. Derivecion
si .r' - y 7:- 0, entonees y = v', x' = x y fes inyeetiva. Determinemos ahara en que
subeonjuntos se eumple que y 7:- x'. Si y = x' de las eeuaciones se obtiene y' = x
con 10 que los puntos (x, y), (x'. y') son sirnetricos respeeto a la recta y = x, lue
. go solo se puede eonsiderar uno de los dos semiplanos en los que y = x divide a
f '-==-_ ,_' = -p' sen qJ [R2. Por ejemplo
.:;:- - ~ ~
A = {(x, y) E [Re: x - y > O}

~ /-:: - .
. c. ::[1 todo [R3. Un
Resolviendo las eeuaciones u = xy, v = x + y se obtiene las del cambio in
verso.
: < . . <.'7:
Nota. El senti do de «mayor abierto de [R2 en el que f es inyectiva» es el de

no existir otro abierto que 10 contenga en elf que sea inyectiva.
2.Vamos a expresar en coordenadas polares las ecuaciones de la recta

x +y = 1 Y de la eircunferencia x 2 + i = 4. Para
ello sustituimos x = p cos 8,
;-. ~-.:: .ilos. se obtienen y = p sen 8 en las ecuaciones, y obtenemos p (cos 8 + sen 8) = 1 Y P = 2.
:c:~-__ :-_2'C de la misma
7.5. Funci6n implicita. Derivaci6n

s!~ti£~.<~~~5~;5<;~-:~:23#i:2,S1:~'i'2~g·~-gS+i0{::§1Z~§8-;;U§:·~:~E~~~
~E ~L~ ~7~.::~ic~:;~~S~~;.S::~~
E .tudiemos en que
Consideremos un abierto ,4 de [R 2 , una funcion f de A en [R y un punto (a, b)
,," 2 .::.:'.e infinito en [R2,
de A. Diremos que la ecuaci6n f(x, Y) = 0 define a y como funcion implicita de
x en un entorno U de (a, b) sif(a, b) = 0 y existe un entorno V de a y una apli
cacion g de Ven [R tales que
{(.1", y) E U:x E V, f(x, y) = O}:::) {(x, y) E U:x E V, Y =g(x)}

':':c no pertenezca a
!f: - :::"3.. Veamos cual En otras palabras y = g (x) cumple f(x, g (x)) = 0 para todo x E V. Vease la
Figura 7.2.
;', =x'I" ::::::;.
.: -' - y') = 0
251
, II!
-~----- ... _-----------~-",.,----===
:5" f t», y) = 0
- - - - - - - --- - - - - - -- - -- - - -- - -- - .
T b ,/ u£-,/;\ (a, b)
'/'-~
- - - - - - - - - - - - - - - - - - - - - ~: ~ - - _.- ... ~I
, ,
~
,," ,,
:.
, a
~ .. '
x
Figura 7.2. Funcion implfcita definida por lex, y) = o.

g: V----'7 T
En ger.era
[Rn+] v U~ ::.3;
7.7. Ejemplos Entonces :-:: ;;
existe UE .::-'~.::;
1. Seaf(x, y) = XC + / - 2 definida en todo ~c. En un entorno de (1. 1), para todc':.
la ecuacion XC + / - 2 = 0 define a y como funcion implfcita de x. En este caso
se trata de la ecuacion de una circunferencia y se puede encontrar la expre
sion de la funcion implfcita despejando y. Resulta y = + -V 2 - xc. Evidentemen
te, lex, -V 2 - XC) = 0 en un entorno suficientemente pequerio de x = 1. Vease la Mas 2:-:-,::
Figura 7.3.a). abierto --1:-= :;
sea so]uc:- j
2. l + y - x 2 = 0 define a y como funcion implfcita de x en un entorno de
(0, 0). La expresion de la funcion y = g (x) no la podemos determinar explfcita
mente, pero es claro que g (xl + g (x) - XC = O. Vease la Figura 7.3.b).
EmCEC:-' j
x = (x . .:::
cion g = . ~.. -e.
se curnple
[i: .....
252
'7 F
$.0. ;f::"n
U.E imp ;1<1,,,,,&
of';fi ,..
EvlI ticits_. D~· rg'''!/9/
dl ..i"~CI·O'n
2
+ v2 = 2 )'5+)'_X2 = 0
X y
I)' .
"
, \u
,
"
""', ,,
~-1t~
... ;
,I ' - __ ,I
I : , ___
v x x
b)
- I a)
Figura 7.3.
r' = O.
En general, se puede considerar una funcion j' definida en un abierto A de
Y un punta P = (aj, a2, ...• a.; b) de A, solucion de !(xj, X2, .... X,,, y) = O.
[R(" + I
Entonces Ia ecuacion define a y como funcion irnplfcita de (xj, X2, ..., x n ) si
existe un entorno V de a = (aj, G:> ... , all) Y una aplicacion g de Ven [R tal que
para todo (x., X2 • ..., XI/) E V se cumple
} _-:_ entorno de (1, 1),
f..:::.~ J;;> .1.. En este caso
d: ::-.:~'ntrar la expre
!(Xj, X2 ..., Xn • g (XI • .1.2, .... XI/)) =0
-, .:: - .:, Evidentemen
Mas general todavia. Podemos considerar una funcion j" definida en un
f;:O:".: J;;> .r = 1. Vease la
abierto A de [RI/+m y un punta P = (aj, ai • ..., an. b, b:. .... bill) = (a, b) de A, que
sea solucion de la ecuacion
t ::.: . ;;>n un entorno de
,.. 2::::-minar explicita !(Xj, X2 .... Xn • YI. )'2 ..... YIII) =0
::,~~=-2 -.3.b).
Entonces la ecuacion define a Y = (y., Y2, .... Ym) como funcion irnplicita de
X = (.1.10 X2, .... x n ) si existe un entorno V de a = (aj, a-, ... , an) en [R" y una aplica
cion g = (glo S:• .... gill) de Ven [Rm tal que b = g(a) y para todo (x., .1.2, .... X,,) E V
se cumple
!(XIo X2, .... Xn • gl (Xj, X2 • .... XII). g2(Xj, X2, ..., XII)' gill (x., X2, ... , X/1)) =0
253
,
7.8. Ejemplo
entonces existe u, ~,
2 3
La ecuaci6n / + " - 2 x 2 == 0 define a z como funci6n implfcita de (x, v)
tornoabierto V oe 1
en un entomo de P == (-1, 1, I), Es claro que P cumple la ecuaci6n y que se
ic,;,J
puede despejar z en funci6n de x, y.
Tratemos de encontrar condiciones para que/(xI, X2, "., x", y) == 0 defina a una
de las variables, en este caso la variable y, como funci6n implicita de las otras.
a)
b)
deHDn<t,'
{(x, y) E L :f'
Supongamos que i es lineal, entonces la ecuaci6n que determina es de la forma
EI [ee,,,~'':::
implfcita - ,
presi6n.
En 3.1:;_,-=-"
y la iinica condici6n para poder despejar y, es decir. para que y sea funci6n im
consider., ., z :
plfcita de (xr, X2, "., x n ) es f3:;t O.
puesto que "e:.:J
Para facilitar la notaci6n designamos por (a, b) el punto (ar, ai; "., an, b) y
cita de las " -::-,
por (x, y) el punto (x], X2. "., X'I> y).
rente. sier:,:":: i
Si f es de clase uno en el abierto A y P == (a, b) es un punto de A soluci6n de
la ecuacion, la posibilidad de aproximar i en un entorno de P por medio de la
7.9. Ejemplo
funci6n lineal
Sea L ::, ,--",
II (x, y) ==/(a, b) + D/(a, b) (x - a, y - b)
y el pUnIC
nos mueve a pensar que si el coeficiente de y es distinto de cero, es decir, i) ~. .. -]

si D + d(a 1, 02, "., all, b) :;t 0, entonees la funci6n / define a y como funci6n
il ii) D
implfcita de (XI, X2, "., x n ) en un entorno de P, como asf sucede. El resultado
se conoce con el nombre de teorema de la funci6n irnplfcita y su demostra par 10 [3.:::
ci6n puede verse en [6] primera parte. punta. if == ,
11eore]'i!lane la funcion impltcita

y la eCLU~'
;)e,anJ-iJ~naOlertode lR
Jl 7 m
(a, b). un punta de A y luna funcion de A en \Rill de clase puntox = -:
Sin e:<'-=-,!
que la c, _:..~ ,:~
punta.
o i, j E {L 2. ,.., m} EJ [;::,,,,'-'.;l
necesan..-. :'::1.
254
7.5. Funcion implicita. Derivaci6n
I: =-, .rr.plicita de (x, y)

,,, ~_'L'3.ci6n y que se
a)
b)
det (D"+i /; (x, y)
oj:; °;
i, j E {I. 2, .... Ill} para todo (x, y) E
{(X,y)E U:f(x,y)=O}={(X,y)E U:XE v,y=g(x)}.
= 0 defina a una
:~:!a de las otras.
¢--,,:-,.::. C?5 de la forma
El teorema anterior unicamente asegura la existencia de una iinica funci6n
implicita y = g(x) de clase q, pero en general no es posible determinar su ex
presi6n.
En algunas ocasiones la ecuaci6n tiene la forma j(x, y) = c, entonces se
5C?:.l funci6n im
considera la ecuaci6nj(x, y) - c = O. Por conveniencia de notaci6n hemos su
puesto que sean las In iiltimas variables las que se definen como funci6n implf
r-- _,. c1:- ... , a,u b) y
cita de las n primeras, pero es evidente que el orden de las variables es indife
rente, siempre que se cumplan las hip6tesis del teorema.
1'~ -:'. ce A soluci6n de
.:.:- P por medio de la
7.9. Ejemplo
Sea la ecuaci6nj(x, y.::;, u) = O. en dondej'(r, y, z, u) = x +

2
l- 2lx
3
+ yu 3 + 8,
y el punto (1, -1, 0, 2). Se cumple:
~- ~c cero, es decir, i) jO,-I,O,2)=0

~: _ como funci6n ii) D4 (l , -I, 0, 2) = [3Y~?](I-][J,2)= -12 oj:; 0
;1 ~_~cdC? El resultado
[' ,,':::' " 5U demostra por 10 tanto define a u como funci6n implicita g de (x, y, z) en un entorno del
punto, u = g(x, y, z), Tambien se cumple
D\O, -1, 0, 2) = [2x- 6z 2x 2]0,-1,0.2) = 2 oj:; 0

t
~-
y la ecuaci6n define a x como funci6n implicita k de (Y, z, u) en un entorno del
l
~
d: .4 en iH;1Il declase punto, x = k (v, z,u).
Sin embargo, D 3 0 , -1, 0, 2) = [-4zx h _ I , O, 2) = 0 y no podemos asegurar
3
~
f- que la ecuaci6n defina a z como funci6n implicita de (x, y, u) en un entorno del
;;c
E
punto.
EI teorema de la funci6n implicita expresa condiciones suficientes, pero no
,~ necesarias, para la existencia de una iinica funci6n implicita.
255
......
•
7. Detivedes de orden superior
7.10. Ejemplo de donde ,,::~=,~

y = g(xi eL, :-;
La ecuacion x 3 - y4 = 0 define a x como funci6n implicita de y en un entor
,U 7.12. Ejemp~
=
no del punto (0,0), x -V y , no obstante DJ(O, 0) [3..c L~o O.= 0
=
7.11. Ejemplo La ecu;., ~
x en un ent
Sea [t», v, Z, II) = (x + y + Z + II, xy + zu + 2). Las ecuaciones Sea y = ~2
.~r+y+z+u=O
xy +zu+2 =0
derivand.: r : -r-e
definen a (z, u) como funci6n implicita (z, u) = C!51 (x, y), g: (r, y)) de (x, y), en
un entorno del punto (L - L 1, -1) ya que se cumplen las hip6tesis del teorema
de la funci6n implfcita
i) fO, -1, 1, -1) = (0, 0)
ii) ID,.t;(.\:,).. ~.U) D4.~(X,):.~'U)11 =1 1 11 11 11

D.j.~(.\,),<.,U)(L_ll_l)
de donde -; 0
D,f2(.\')'''''u) u ZiL-ll-J) = -1 1 =2 Anal., . .::

funcion IL',=,:i
Supongamos ahora que la funci6n f de dos variables satisface las hip6 puede de:e:-::'~J
tesis del teorema de la funcion impliita y que la ecuaci6n [t», y) = 0 define a = (a~. ,
a y como funcion implfcita de x en un entorno U de (a, b). Sea y = g(:r), x E V,
entonces
[tx, g (x)) =0 con ]0 ..:,_.'
[)
Calculemos el valor de la derivada g'(a). Si derivamos respecto a x en la
igualdad anterior, resulta
para ":',,~~, ,
D1f(x, g (x)) + Dd(x, g (x)) g'(x) =0 P J.I-::. ",' ,
pejanc.i,' -.: ~::.
particularizando para el punto (a, b) y teniendo en cuenta que b = g (a) Par; ~,:,,_.J
diente c;:, '-'
DJ.!(a, b) + Dd(a, b) g'(a) =0 proce' ,
256
7.5. Funcion implicite. Derivecion
de donde se obtiene el valor de g' (a). En general resulta mas sencillo sustituir
y = g (x) en la ecuacion y derivar. tal como se muestra en el ejemplo siguiente.
i.~ ~:.:: .1;: y en un entor
=0. 7.12. Ejemplo
La ecuaci6n / + y - x~ - x + 3xy + 1 = 0 define a y como funci6n implfcita de

3
xenunentomode(-l, l)yaquef(-L l)=OyDd(-I, 1)=[3i+ 1 +3xki.ll= 1.

~~. ~~-C~ Sea y = g (x). Sustituyendo en la ecuacion, se tiene
g(x)" + g(x) -x~ _x + 3xg(x) + 1 = 0

3
derivando respecto a x
,'.1) de (x, y), en

3g (xig'(x) + g'(x) - 2x - 3x~ + 3g (x) + 3xg'(x) = 0
~::-,<;:,~is del teorema
particularizando para x = -1, g (-I) = 1. resulta
3g'(-1) + g'(-I) + 2 - 3 + 3 - 3g'(-J) =0
~I = 2
I
de donde g'(-1) = -2.
-1
Analogamente si la ecuaci6n f'Crl, x~, .... x//' v) = 0 define a y como
funci6n implfcita g de (x~. ,~r~, .... Xi;! en un entorno de P = (aj, a-, ... , an, b) se
le- -.:::;,face las hip6
puede determinar el valor de las derivadas parciales de la funcion g en el punta
y) = 0 define
a = (aj, aj, ... , an) derivando respecto a cada variable en la ecuacion
:"=2 ' = g(:r), x E V,
f(XI,X2, .... x.; g (XI. X2• .. . , ,rn ) ) =0

can 10 cual se tiene
-'"-pecto a x en la D, f(xi. X2, ... , X n , y) + D II +I f(xi. X~, ... , XII. y) DIg (Xi. X2, .... .1'//) = 0
para cada i = I. 2, ..., 11

Particularizando para XI = aj, X~ = a~, ... , Xii = all, b = g (ai, a~ . ..., an) y des
pejando se obtienen las derivadas D, g (aJ, a~, .... an) para cada i = L 2, ..., n.
S. -:_=:, = g (a) Para calcular las derivadas segundas se deriva en la ecuacion correspon
diente de la derivada primera respecto a la segunda variable. Aplicando este
proceso se obtienen las derivadas sucesivas.
257
-
7.13. Ejemplo Derhaci6n U
La ecuaci6n ./ + y - XC - ::,3 + 4 = 0 define a." como funci6n implicita de (x. z)

en un entorno de (L - L 1). por 10 tanto
g (x, d + g (x. z) - XC _;:3 +4 =0

Derivando respecto a x
3g(x, dDlg(x. ::,)+Dlg(x. z)-2x=0 [IJ define a (0'" ..' :

un determin...; _
Derivando respecto a z
[2J
particularizando para x = L ::, = 1. y = g(1. I) = - L de [1] y de [2J. resulta se sustituyer

con la regla ce .J
D I geL 1) = 1/2 D 2 g ( L 1) = 3/4
.A(x]. x .. . ,
Derivando nuevamente en [1] respecto a x
i. (Xl' .\:.
6g (x. ::,lD l gCr. d + 3g (x. .::iD11g (x, z) + D 1 ] g(x, ::,) - 2 =0
particularizando para los valores anteriores se obtiene D 1 ] g (1. 1) = 7/8.
Derivando nuevamente en [1 J respecto a z
6g (x, z)D2g (x, z)D I g Cr, ::,) + 3 g (x. d D lc g (x. ::,) + D]2 g (x, z) = 0 respecto a L '
particularizando para los valores anteriores se obtiene Dv: g (1, 1) = 9/16. ciones cor; L: .~
Finalmente. derivando respecto a .:: en [2]
D····
6g (x, z)D c g (x, d + 3g (x, dD c2g (x, z) + D» g (x . z) - 6z =0
que se qUlc~o::->
y particularizando se obtiene D n g (1. I) = 75/32.
sistema de i., - j
N6tese que el teorema de 1'1 funci6n implfcita asegura que la funci6n g es
de clase dos y por ]0 tanto se cumple el teorema de igualdad de las derivadas
7.14. Ejemph
segundas, es decir,
D!2g(L 1)=Dc1g(1, 1)=9/16
Compruebese calculando D 2 ! g (1, 1) por derivaci6n respecto a x en la ecua

ci6n [2].
258
Z5. Funcion implicita. Derivaci6n
Derivacion implicita (caso general). Si el sistema
r., . ::-. .mplicita de (x, ;:) .h(.rt' x 2 ' .•• , x"' YP Y2 ' , YI/!) = 0
f2(.r l, x 2 ' ... , J.:",)\, )'2' , )'m) = 0
t; (.r l , X" ... , x" ,)'p Y2' ... , Ym) = 0
[1] define a (YI, Y2, ..., ."111) como funcion implicita de (Xl, X2, ..., X,,) en el entorno de
un detenninado punto,
Y] =gl(X p X2" " , x n ) , Y2 =g2(.r l , x 2, ···, x ,) , ..., Y'" =glll(x p x2,,,,,x n )

[2]
1- _0: ::]. resulta se sustituyen las funciones anteriores en las ecuaciones y se deriva, de acuerdo
can la regla de la cadena, el sistema
t; (XI' x 2 ' , x n ' gl (r,, X2 ' ••• , X,), g, (XI' X2 ' , X,), ..., gil! (XI' X2 ' ••• , J:: n » = 0
- -.2 = 0
t. Crl , X 2' , Xii' gl (.r], .r 2 , ... , X,,), g2 (x,, X2' , .r n ) , ••• , gm (XI' X 2' ..., X,) = 0
.; ~. 1) = 7/8.
.1,,, (Xp X2' ..., X Il
' gl (x,, X2 ' ... , X,,), g2 (XI' x., ..., X,,), ..., g; (x,. X2' ..., x,,» = 0
.:! _ ~'I.Y, ;:) =0

respecto a la variable correspondiente Xi, obteniendose un sistema de m ecua
•. 1) = 9/16. ciones can las m incognitas
DJ?I(x], x 2' ..., x,,), D jg 2(x l, .r 2 , ... , XII)' ..., D,g m(.r ] , x 2 ' ... , .:r n )
- - 6;: = 0
que se quieren determinar. Para hallar las derivadas segundas se deriva en el
sistema de las derivadas primeras y as! sucesivamente.
,_. _ --:...:-: la funcion g es
: ~ .. J de las derivadas
7.14. Ejemplo
Las ecuaciones
, 'c - -·:<te! a x en la ecua- X+y+z+u=o

xy + ru + 2 = 0
259
definen a (z, u) como funci6n irnplicita (z, u) = (gl (x, y), gl (x. y)) de (x, y), en En el pn::~~ - ;
un entorno del punto (1, -1, 1, -1). Ca1culemos las derivadas D, gl (x, y), D 1 g2 sistema
(x, y), D 2gl (x, y) y D 2g2 (x, y) en el punto (x, y) = (1, -1). Sustituimos las fun
ciones en las ecuaciones
x + Y + gl (x, y) + g2 (x, y) = 0
xy + gl (x, y) gl (x. y) + 2 = 0
Derivamos las ecuaciones respecto a x
1 + D, gl (x, v) + D 1 gl (x, y) = 0
y + D 1 gl (x, y)g2 (x, y) + gl (x, y) D 1 g2 (x, ."1')=0
particularizamos para (x, y) = (1, -1) Y tenemos en cuenta que gj (1. -1) =1Y
g2(1,-1)=-I
Este me:
1 +D j g ] ( L - I ) + D 1g 2(1,-1)=0 En nUIT,c~: :'.j
-1- D 1g 1 ( 1 , - I ) + D 1g1(1,-I)=0 afirmar si ; , ,",
to posible : _ :l
de donde D 1 gl (1,-1) = -1, Y D 1 g2(1, -1) = 0
irnplicita. :-: '=C::J
Derivamos las ecuaciones respecto a y
una de las " ~-.:;
las otras d,·,. :.
1 + D 2g (x, y) + D 2g2Cr. y) = 0
dos variab!e . -,
1
x + D 2gl (x, y) g2 (x, y) + gl (x, y) D 2 g2 (x, y) = 0

ci6n de q'..~ .
segundo (, _' - ~
particularizamos para (x. y) = (1, -1) Y tenemos en cuenta que g] (1, -1) = 1y por ejem;:,.:
g2(1, -1) =-1 dos, y 000 ~ - - '~
riable.
1 +D2g!(l,-I)+D2 g 2(1,-1)=0
1 - D 2 gl (1, -1) + D 2 g2 (1, -1) = 0 7.15. Ejempiu
Problema de extremos condicionados. Se trata de encontrar los extremos

de una funci6nj(x, y, z) con Ia condici6n de que los puntos (x. y. z) pertenezcan
a una superficie g (x, y. z) = 0 0 bien a una curva gl (x, y. z) = 0, g2 (x, y, z) = 0, en la esfc:'.::. -
en donde las funcionesf, g, g), g2 son al menos de clase dos. bI E,:_ .=:~
260
7.5. Funcion implicita. Derivaci6n
. de (x, y), en
.'. i! En el primer caso los candidatos a extremos relativos son las soluciones del
S:
.. _,:,_, [J 5i (x, v), D\ sistema
S':"~imimos las fun
Vf(x, y, z) + AVR(X, y, z) = 0
R(x, v, z) = 0
y en el segundo caso las del sistema
VfC-y, y, z) + AIVRI(X, y, z) + A2 VR2 (x, y, z) = 0

RI(X,y,z)=O
R2 (x, y, z) = 0
(1, -1) =1Y

Este metodo se llama de los multlplicadores de Lagrange.
En numerosos problemas su naturaleza geometrica 0 ffsica nos permite
c afirmar si los candidatos son 0 no extremos relativos. En caso de no ser es
to posible y como norma general, de acuerdo con el teorema de la funcion
implicita, podemos considerar, en el primer caso, que g (x, y, z) = 0 define a
una de las variables, por ejemplo z, como funcion irnplfcita z = h (x, y), de
las otras dos, y de esta manera estudiar la matriz hessiana de la funcion de
dos variables f(x, y, h (x, v) ya que asf hemos tenido en cuenta la condi
, i cion de que los puntos pertenezcan ala superficie. De forma analoga, en el
segundo caso gl (x, y, z) = O. g2 (x, y, z) = 0 definen a dos de las variables,
t: .: .. ;: 'Z ( 1, -1) =1Y por ejemplo y, z, como funcion irnplfcita z = hi (x), Y = 11 2 (x) de las otras
dos, y de esta manera estudiar la derivada segunda de la funcion de una va
riablef(x, hi (x), h 2 (x » .
7.15. Ejemplo
a) Determinense los posibles candidatos a extremo relativo de la funcion
. • ': -I'~ir
los extremos f(x, y, z) = x 2 + l + xy + 3z
'. ::) pertenezcan
.- =.'. ?2 (X, y, z) = 0, en la esfera x' + y2 + ::2 = 3.
:i b) Esnidiese si la solucion (I, 1, 1) es extremo relativo.
261
a) Los posibles candidatos son las soluciones del sistema obtenido al de
rivar la ecuacion P~.
x=' + . .:ry + 3z + A (x=' + .i + i

v=' +' - 3) = 0 b: C _
define J. .- ~.~' . .
respecto a cada una de las variables x, y, z, y la ecuaci6n de la esfera. a la supern,': ~ -.;:
2x+y+2AX = 0 2(1 + A )x + y = 0
2)'+x+2,1,y=0 2(1+}L)Y+X=O
~
3+2AZ = 0 3+2AZ = 0
x' + / +Z2 =3 x=' + y 2 + Z' = 3
de las dos primeras ecuaciones resultan dos casos posibles:
i) x = 0, y = 0
ii) x =t 0, Y =t 0, A =t -1 (para A = -1 se tiene el caso anterior). Entonces
2(1 + A)X + Y = 0 X \' V=X

=} -=- = .:... =} y=' = x 2 =}
2(1+A)Y+X=0 V X . v=-x
Teniendo en cuenta los casas anteriores, resolvamos el sistema.

resulta
1.0) Si x = 0, Y = 0, entonces de Ia cuarta ecuacion z = ± \)3 y de la terce
ra ,1,= += -{3/2 y las soluciones son:
2.°) Si x =t 0, y =t 0, Y = x. entonces de la primera ecuacion 2 (1 + A) + 1 = 0;

A = -3/2, de la tercera ; = 1 y de 1a cuarta x=' = 1, y las soluciones son:
P3=(1, 1, 1),A=-3/2 ; p,,=(-l,-l, 1),,1,=-3/2.

D ..
3.°) Si x =t 0, Y =t 0, y = -x, entonces de Ia primera ecuacion 20 +A) -1 = 0;

A = -1/2, de la tercera z = 3 y de 1acuarta 2x2 = -6, y no existen soluciones reales.
262
l5. Funci6n implicita. Derivaci6n
... .: .~. :: ':'btenido al de Luego los posibles candidatos a extrema relativo son los puntas PI. P2 , P 3 Y
P4 •
b) Cornpruebese que en un entorno de (1, 1, 1) la ecuaci6n x 2 + l + l = 3

define a z como funci6n implfcita z = h (x, y) de x, y. Restringiendo la funci6nj
__: ~,,;:,ra. a la superficie, se obtiene 1a funci6n de dos variables
F(x, y) = j(x, y, h (x, y» = XC + l +.xy + 3h (x, y)
cuya matriz hessiana debemos de estudiar. Calculamos sus derivadas primeras.
D 1 F(x, y) = 2x + Y + 3D 1 h (x, y)
D 2F(x, y) = 2y + x + 3D2h(x, y)
t~~
derivando de nuevo en las ecuaciones anteriores
D 11 F(x, y) = 2 + 3D l 1 hex, y)
~: .::-::erior). Entonces
D I 2F(x, y) = 1 + 3D I 2h(x, y)
D 22F(x, y) = 2 + 3D22h(x, y)
Por 10 tanto, tenemos que calcular el valor de las derivadas de h. Derivando
, respecto a x e y en la ecuaci6n
x 2 + y' + h (x, y)2 = 3
-:::. :~<.::ma.
resulta
_: = = ',3 y de la terce 2x + 2h(x, y) D 1 hex. y) =0
2y + 2h(x, y) D 2h (x, y) =0
- 3/2. derivando en estas ecuaciones
2 + 2D 1 h (x, y)2 + 2h (x, y)D 11h (x, y) = 0

"::._ :-, = i I + A) + 1 = 0;
2D 2h(x, y)D 1 hex, y) + 2h(x, y)D 12h(x, y) = 0
:- _ ~: "'];:,s son:
2 + 2D 2 h (x. y)2 + 2h (x, y)D 22 h (x, y) = 0
~< _:'.'::.
Particularizando para x = 1, y = 1, z = h (1, 1) = 1, se tiene
;: _.:.~ .on 2( 1+A) -1 = 0: D1h(l, 1)=-1; D 2h(l, 1)=-1; D11h(l, 1)=-2; D I2h(l, 1)=-1;
,,:,-:-:-: scluciones reales. D 22 h (l, 1) = -2
263
l Derivadas de orden superior 7.6. Definicion d
-
Las derivadas segundas de Fen el punto (1, 1) son Una l:i'-· ..
curva no e' :: .i.:':
ble si la hlr:~:·.:-:":c
da entre de" :: ..' .~
y la matriz hessiana es Si 1a ~r:--_. ,:2
diferentes -:.:: :: .::-.::J
(-4 -2J\
-2 -4
puntas sc 1':' -
que asocia al punto (1, 1) una forma cuadratica negativa, por 10 tanto (L l ) es
un maximo de F y (L L 1) es un maximo de f
7.6. Definicion de curva. Recta tangente y plano normal
De manera intuitiva entendernos una curva como la trayectoria que descri

be en el espacio el movimiento de una particula. Cada instante t tiene asociado
el punto
r (t) = (v (t). y (t), .:: (t))
de posici6n de la particula. Tambien es conforme a nuestra intuici6n que la

particula no pueda desaparecer del espacio u ocupar dos posiciones distintas en
un tiempo tan pequefio como queramos. Por todo ello, ala aplicaci6n t ---7 r (t)
la supondrernos continua y no constante. A r (t) le llamamos representacion
parametrica de la curva y a sus componentes
x = x (t) : y = y (t) : .:: = z (t)
ecuaciones parametricas.
Definicion de curva. Una curva C es una aplicacion continua r de un intervalo I

de larectaenfJJ§.J.
264
7.6. Definicion de curva. Recta tangente y plano normal
Una curva plana es aquella que se encuentra en un plano del espacio. Si la

curva no es plana decimos que es alabeada. Una curva se llama diferencia
= ---1- ble si la funci6n que la define es diferenciable. A la parte de curva comprendi
da entre dos puntos cualesquiera se la denomina arco de curva.
Si la aplicaci6n r (t) que define C no es inyectiva, entonces dos 0 mas valores
diferentes del pararnetro t tienen como imagen al mismo punto. A esta clase de
puntos se les llama multiples. Una curva es simple si no posee puntos multiples.
..: :-: ~ 1,) tanto (1, 1) es
e>(
-
D normal
l ~ _:.
:-:"xia que descri
- ._,::c t tiene asociado
Curva simple
Figura 7.4.
Puntas doble y triple
Una curva definida en un intervalo [a, b] es cerrada si r (al = r (b). En ca

so de ser cerrada y r inyectiva en el intervalo abierto (a, b), entonces decimos
que es una curva simple cerrada.
._ ~,'~ _ intuicion que la

; - <;"nes distintas en .r = r cos B X= a cos B
::. __:,.icacion t ---t r (t)
=-,_-c,> representacion
v = r sen B
BE [0,2 rcl t y = b sen e
BE [0,2 rc]
Figura 7.5. La circunferencia y la elipse son curvas cerradas simples.

~
jEi r de un intervalo I
~
265
7. Derivadas de orden superior 7.6. Definicion c
EI parametro de la curva puede ser una de las tres variables del espacio. En Supongam .~ 'l
este caso la representaci6n se llama explicita, por ejemplo x = .r. y =f(xl, z = gCl,.) diferenciab le. e. :'ii
y la curva es simple. Otra forma de definir la curva es mediante dos ecuaciones tor PQ viene c:;"cr
F (x, )~ z) = 0, G (x, y, z) = 0, que definan a dos de las variables como funci6n
de la otra. Este tipo de representaci6n se llama implicita.
Una misma curva puede admitir diferentes representaciones parametricas, Si
C viene determinada par a (t) = (£XI (r), £X2 (t), £X3 (t)) definida en el intervalo
I de IR, y consideramos un cambio de variable 17 del intervalo J al intervalo I, tomando limite ~'cl
t = h (u), la composici6n ~ (u) = a (17 (u)) es otra representaci6n parametrica de C
11
J ------.. I
u------..t=h(u)------.. (x(h(u))=~(u)
7.16. Ejemplos
3
1. Sea la curva definida par x = t, Y = i', Z = t , t E R Si hacemos el cam
2 3
bio t = -2u, la nueva representacion parametrica es x = -2u, y = 4u , Z = -8u ,
U E IR.
2. Una representaci6n parametrica del segmento que une los puntas
A = (0,2, 1) y B = (3, -1, 2) viene dada par
(X,y,z)=(l-t) (0,2, 1)+t(3,-1,2) tE [0,1]

es decir
x = 3t ; y =2- 3t : z = 1+ t ; t E [0, 1]
3. Una representaci6n parametrica de la curva dada en forma implicita Si el \e.::::~ r

l
par las ecuaciones x 2 + = 1 ; z = e', se puede determinar mediante las ecua punto P El ',:;'~ ','1
ciones parametricas de la circunferencia. De esta manera, resulta viene deter:: __- .... ~
orientacior; -=e _~
x = cos () : v = sen () ; z = e
Co
' I:! ; () E [0, 2Jr]
Un pur.~ .
La recta tangente a una curva C en un punto P de C es la recta posici6n li cion r (t! < r -.
mite, cuando Q tiende a P. de las rectas que pasan por P Ypor otro punto Q de C. todo 10 que '::,:.e
266
16. Definicion de curva. Recta tangente y plano normal
,~.:.::.;:::" del espacio. En Supongamos que la representacion parmetrica r (t) de C es continuamente

, . . z: .:.. Y =f(x), z = g(x) diferenciable, el punto P es r (t) y el punto Q es r (t + h). La direcci6n del vec
""".~·"me dos ecuaciones tor PQ viene determinada por
. ':"'- ..:.bks como funcion
tao 1 .
~_ ~:1e- parametricas, Si h[r Ct + h) - ret)]
==~~::,}da en el intervalo
c':-:- .,kl J al intervalo I,
tomando lfmite cuando h tiende a 0
~ :__:1 parametrica de C
r'(t) = lim ret + h) - ret) = (x'(t), y'(t), z'(t))

IHO h
Q=r(t+h)
- S: hacemos el cam
= = 4u2 , Z = -8Ll,
I: _ .i : une los puntos
. _i. l] Recta tangente
Figura 7.6
..:~ .. ::: forma implfcita

Si el vector r ' (1) es distinto de cera, se denomina vector tangente a C en el
L _: ::':ediante las ecua
punto P. El vector tangente tiene la direccion de la recta tangente y su sentido
~:- '.J La
viene determinado por los valores crecientes de t. Por 10 tanto, depende de la
orientacion de la curva.
Un punto P = r (to) decimos que es singular respecto a la parametriza
C ::. :.: recta posicion If cion r (t) si r ' (to) = O. A los puntos no singulares les llamamos regulares. En
-', - . ':ro punto Q de C. todo 10 que sigue consideramos un punto P = r (to) = (xo, Yo, 20) regular.
267
7. Derivadas de orden superior 7.7. Definicion de
-
plano normal
Recta tangente. Sea C una curva diferenciable determinada por la representaci6n
parametrica r (t) = (x (t), y (t), z (t), Se llama recta tangente a C en el punto
P = r (to) = (xo, Yo, 20) a la recta de ecuacion
x- x o ::::: y- )'(J = z- Zo 1.1. Definicion de ~

X'(i n! y'(t()) Z/(t O )
~_:.
Desde un ::JlJ
Plan()norma'l.SeUamaplano normal a la curva C en el punto P al plano perpen como el Iuge; ;""J
dictl1aren P a larecta tangente a C en P. Su ecuacion es con dos gra,i ' ~
vectorial
cuyas variab.e- .J
Notemos que esta ultima ecuacion es el resultado de imponer la condici6n y su fronter.; :-~
de perpendicularidad de un vector generico del plano ((x - xo), (v - Yo), qui era de G? .. :"Ji
(z- zo» y el vector tangente (x'Uo), y'(to), z'Uo». les denomin i.r.. s
y no constar.:e
7.17. Ejemplo Ala fun, . - j
ficie C. y J '-.> :~
Calculemos el vector tangente, el vector tangente unitario, la ecuaci6n de
-t', Z = 1 + t3
la recta tangente y la ecuaci6n del plano normal a la curva x = t, Y =
en el punto (1, -1, 2) imagen de to = 1. ecuaciones para
rf{t) = (1, -2t, 3r') ; r ' (1) = (1, -2, 3) ; Ilr (1)11 = ~
f
vector tangente unitario
r ' (1) 1
t = Ilr f(1)11 = -04 (1, - 2,3)
recta tangente
x-I 1'+1 z-2
1 -2 3
268
7. 7. Definicion de superiicie. Plano tangente y recta normal
ce. plano normal

~~ ala Crepresenta.
F G.l.·.o.'.•..• n.• .• .• ·.•. •l
en elptillto. (x - 1) - 2 (y + 1) + 3 (z - 2) = 0 ; x - 2y + 3z - 9 = 0
E
~
I 7.7. Definicion de superficie, Plano tangente y recta normal
i , _d ~3 ,'~.j .:.: _ ]§§zWE =
~ ~
~
Desde un punto de vista intuitivo, podemos considerar una superficie S
~ P ill plano p~rpen- como ellugar geometrico de los puntos que ocupa una particula que se mueve
e-
I~<)
con dos grados de libertad. La posicion del movil viene dada par una funcion
vectorial
r (ll, v) = (x (u, v), Y (u, v), Z (u, v)

f
cuyas variables (u, v) toman valores en un subconjunto G del plano 0 bien en G
k:: .' :--'. '[1e1'
la condicion y su frontera, en donde G es abierto y conexo por arGOS (dos puntos cuales
- xo), (y - Yo), quiera de G pueden unirse par una curva contenida en G). A estos subconjunos
les denominamos regiones. Tambien suponemos que r es una funcion continua
y no constante.
Ala funcion r (u, v) le llamamos representacion parametrica de la super
ficie C, y a sus componentes
'-~ :_:-:C. la ecuacion de
= .. y = -r, Z = 1 + t3 x = x (u, v) ; y = y (u, v) ; Z = (u, v)
ecuaciones parametricas de S.
=,1-1
7
~
,1 Q]jf) »-:':'>
~- )0
u y
Figura 7.7. Superficie parametrica.
269
7. Derivadas de orden superior 7. 7. Definicion de
Si la func.c.. i
Definicion de superficie parametrica. Una superficie parametrica S es la imagen que S es uno. supei
en ~3 de una region plana G por medio de una aplicacion continua. regular si lo- " :::~i
Como hay superficies que no pueden detenninarse par unas sol as ecuacio
nes parametricas, ampliamos la definici6n de superficie en el siguiente sentido. son no nulos y ._~
O. Par 10 tame ,= z:
I
Definici6ndesuperticie. Unsuhconjunto COllexo por arcosS de [R' es una super

fide sieslaul1iiJn de un numerefinit« de superficies parametricas.
En algunos casos los parametres u y v coinciden con dos de las variables de

[R3, par ejemplo 7.18. Ejemplos
x = x ; y = y ; z = z (r, y)
entonces la aplicaci6n r es inyectiva y la representaci6n recibe el nombre de cies:
explicita, En otras casos, la superficie se determina, al menos en el entorno de
un punto, por una ecuaci6n de la forma a)
F (x, y, z) = 0 b)
que define a una de las variables como funci6n de las otras dos. Esta represen
taci6n se llama Implicita. c)
Una misma superficie puede admitir diferentes representaciones parametri
cas. Si a (u, v) = (£Xl (U, v), a, (U, V), £X, (u, V)), definida en una regi6n G, deter d)
mina una superficie S y
U = 11) (s, t) ; v = 111 (s, t)
son las ecuaciones de un cambio de variable h entre una region A y la regi6n G, r

entonces la composici6n a (h (s, t)) = ~ (05, t) es otra representaci6n pararnetri
ca de S
A
-----.
h G en donde ,i >
par las de ~ i ~_.:..: :.J
(05, t)-----.(h j (05, r), h: (05, t))-----.a(h (05, t)) = ~(s, t)
270
7.7. Definicion de superficie. Plano tangente y recta normal
~. Si la fun cion que define la superficie S es de clase m; entonces decimos

Fii ica S es la i#i4.g~J'l que S es una superficie de clase m. A un punto P = r (u, v) le llamamos punto
~~ regular si los vectores
r(1 ==C\:'YI:'Z/:) Y r, =(x;~y:,z~)

1=':~ ',:'1",
solas ecuacio
: ",- ::; siguiente sentido.
son no nulos y linealmente independientes, 0 10 que es equivalente si r, 1\ r, 1:
O. POl" 10 tanto P es regular si y solo si
~ :it: R.; e 5 ltna)~IIper"~
[
Xu'
:~J =2
jgn'-,-"
.'
)'ll
~ '_ T1..~.-:....
rango , ,
X,. y,. ~"
[; ::' .ie las variables de

7.18. Ejemplos
1. Las siguientes ecuaciones son representaciones explfcitas de superfi

'":~. ~;c-:;bc el nombre de cies:
~ :: "" en el entorno de
f 0 0
a) z=+-yx'+y cono positivo.
2
.1 \'2
b) .---+'
. . - a? b 2 paraboloide eliptico.
:< .:.' .ios. Esta represen o o
,T' y'
c) 7=---"- paraboloide hiperbolico.
[:~··:C::-;:Ct,:-iones parametri .. a' b'
z = _~a2 - .1 2 - yL semiesfera negativa.
r-rz-r-r-rr-r-r-r-r-z-
" :: - ... ;;:i region G, deter d)
2. La superficie esferica admite la representacion parametrica
"',,,; :·n A y la region G, r(l/. v) = (a cos v cos It, a cos v sen u, a sen v)
:i~='-cnlacion parametri
o en forma de ecuaciones
x = a cos v cos u , y = a cos v sen u z = a sen v
en donde a > 0 Y los parametres u y v varian en el rectangulo de [R2 definido

par las desigualdades:
~,
o~ u ~ 27r ; -7r/2 ~ v ~ 7r/2
271
Z Derivadas de orden superior 7.Z Definicion de
3. Una representacion parametrica del plano x - Y + .:: = 1 es x = u, )' = v, se les llanu. curv
z = 1 L! + V.
-r
rametro u, P: : ~.
4. Dada la representacion implfcita del cilindro ehptico x" + = 4, una 4l una iinica Ci..::-· ..:. .~
representacion parametrica suya es x = 2 cos u, y = sen II, Z = v. ridianos (!! =, :;'
5. Para encontrar una representacion implfcita de la superficie de ecua fera pasa UI~ .;:.. ~,
Clones
x =u + v , y =u - v , Z = uv , tu, v) E [R;2
basta eliminar los parametres u y ventre las tres ecuaciones
1
II = -(x
2
+ .y)
Sea S una superficie representada par la funcion r (u, v) de clase m :2 1 en

la region G. Una curva II = II (r), v = v (t) de G deterrnina una curva contenida
en S de ecuaciones
x=x(u(t).vU)): Y=Y(ll(t),V(t)); '::='::(ll(t),V(t))

Definicion de vector]
A las curvas de S imageries de las rectas
son la forma
II = constante, cuyas ecuaciones
Sen elpunto P = r'1
x = X (llo, v) )' = Y (uo, v) .:: =.:: (llo. v)
~ I~.·.·(~.··
.. S
las ecuaci\\:· .}
~
r
.:
.': pecto a t
X'(tl =
obtenem> ." '.

x expresion -::_
t ---..(u (t), v (t))----. r (u (t), v (t))
Figura 7.8. Curva sobre una superficie.
272
7. 7. Definicion de superticie. Plano tangente y recta normal
-- = 1 -:5 x = II, Y = v, se les llama curvas de parametro 1'. Analogamente se tiene las curvas de pa
rarnetro /I. Por cada punto P = r (110. 1'n) pasa una iinica curva de parametro u y
•. :-~:~:.\.: + 4y2 = 4, una una unica curva de pararnetro v. Un ejemplo 10 constituyen en la esfera los me
ridianos (/I = constante) y los paralelos (v = constante). POl' cada punto de la es
:= .: superficie de ecua fera pas a un iinico meridiano y un unico paralelo.
,r ~
r
~-
. ,=0
•
.. de clase III :::: 1 en
I u
//
~ . : .. _:'iC\ curva contenida
Figura 7.9. Curvas parametro II y V.

,'. , (T))
Definicion de vector tangente. Un vector T se dice que es tangente a la superficie

,,_._. ~'uvas ecuaClOnes
S en el punto P = r (uo, va) si T es tangente en P a una curva contenida en S.
~
Supongamos que P es un punto regular de S y sean
X=X(II(1), v(t» ; y=y(u(t), v(t» ; :::= Z (II (t), 1'(t»
'" las ecuaciones de una curva C contenida en S que pasa por P Derivando res
pecto a t
• x'(t) = x.u '(r) + x:1"(t) ; y'(t) = y:,u '(t) + y;v'(t) ; z '(t) = z:,u'(t) + ::::.\1 'U)
\'
obtenemos un vector tangente a C en P, y por 10 tanto tangente a S en P, cuya

expresi6n vectorial es
r'(i) = r~u'(t) + r,'.v'(t)
273
7. Derivadas de orden superior 7.7.
Definicion de :
en donde r; = ex:"
Y:" z:,). r; = (x', y:,
z:.). Como los vectores r:, y r: son lineal
mente independientes, ya que suponemos P regular, podemos afirrnar que
cualquier vector tangente a S en P es una combinaci6n lineal de {r.; r.}. Por
otra parte, es obvio que r; es un vector tangente a la curva parametro u, y r; es Supongarr '.:;:
un vector tangente a la curva parametro v, que pas an por P. finida en fon'·._:-=:
ci6n de clasec.: : . :
superficie ei: ,·:·.il
ficie en el pur.: .
z = (r), comen:.::..:. ~
en to, se tiene
~_--_"",-c/
-~~ /
luego VFi'.
(X2 = y'(tc,I, U: = ~
tangente. ell;, _ =-_J
Figura 7.10. Vector tangente as.

7.19. Ejemplos
Definicion de plano tangente. Se llama plano tangente a S en el punta regular P al

plano que pasa par P y contiene a los vectores r; y r;
que pasan ;:'.: ~:' f

Par consiguiente un vector caracteristico del plano es r:, 1\ r: y su vector unitario
Paralelc. :':::- :;;
Si P = (xo, Yo, zo), la ecuaci6n del plano tangente a S en P es
N I (x - xo) + N: (Y - Yo) + N, (z - zo) = 0
La recta perpendicular en P al plano tangente se llama recta normal a S en

P, su ecuaci6n viene dada por -:
274
II Definicion de superiicie. Plano tangente y recta normal
:,-~ - r Y r' son lineal ----+-"- .v-v

,1'-,1'0 __ _ ._0 _ '"7
"'-. - 7
.....'0
7- ·~::-:Y:05 afirmar que N1 - N2 - -------;:;:
,e -----Le>{r'r'}Por
==-_:.l u.... vr'
lI'
-~ , :'~i':~metro U, y r:, es Supongamos que en el entorno de un punto (xo, Yo, zo) la superficie esta de
,t. ,=.
finida en forma implfcita por la ecuacion F (x, y, z) = 0, en donde F es una fun
cion de clase uno, entonces el gradiente V' F (xo, Yo, zo) es un vector normal a la
superficie en el punta. En efecto, sea (al, al, (3) un vector tangente a la super
ficie en el punto P, es decir, tangente en P a una curva x = x (t), y = Y (t),
Z = (t), contenida en la superficie. Derivando F (x (t), l' (t), Z (t» = 0 respecto at
en to, se tiene
F,' x'(t) + F,'y'(t) + F; z'(t) = 0
V'F(xo, Yo, zo) . (x'(to), y'(to), z'(to» = 0
f
luego V' F (xo, Yo, zo) es normal a cualquier vector tangente, al = x'(to),
al = J"(to), a3 = z'(to). Como consecuencia es un vector caracteristico del plano
tangente, cuya ecuacion viene dada por
DIF (xo, Yo, zo) (x - xo) + DlF (xo, Yo, zo) (v - Yo) + D 3F (xo, Yo, zo) (z - zo) = 0
!.
7.19. Ejemplos
t i:~ punta regtllar P al 1. Detenninemos las ecuaciones de las curvas parametres de la esfera
x = 2 cos v cos u y = 2 cos v sen u Z= 2 sen v
r 5U vector unitario que pasan por el punto v = n/3, u = n/6.
Paralelo, es decir, curva parametro v = n/3
n
x = 2 cos-cos u x = cos u
3
~';;:5
l"='-
n
.v = 2 cos-sen
3 u ¢:::}
v = sen u 0 ~ u ~ 2n
tt
,- _ recta normal a S en z = 2 sen- r;::;
""'7-. = 'V,)
3
275
Meridiana, es decir, curva parametro u = n/6

Recordemos que:
n
.:. Para (':"':::"-;1
J: = 2 cosv cos- x = -J3 cos v
6 variable- :-]
n trata Q= ~~
.I' = 2 cos v sen -6 <=> I' = cos V .:. EI teGl::::~·.:i
mediante :l:
z = 2 sen v z = 2 sen v
jar e~ lCo l?!
minad: :='<'1
2. Calculemos el producto r; /\ r, el vector normal unitario N, la ecua del puc: e
cion del plano tangente y la ecuacion de la recta normal a la superficie de ecua .:. Obser oC'~
ciones la tunc: ~..
metod: Sl
x = u - \' Y =u+ v , Z = ltV tu, v) E ~1 par otr. ;; ~
do).
en el punta P = (1. 3, 2). .:. La Si£L~::~
r (u, v) = (u - v, u + v, uv) r, tu, v) = 0,1, v) r,' (u, v) = (-1, 1, u)
nos er: ;,:~. !
j k minim: lb
bles: ': R.
r,;/\ r: = 1 1 v = (u - v)] - (u + v)j + 2k
contin.i; =:
-1 1 ul absolu.: y
r'/\r' 1 .:. C na r;-,l:-:C'
N = II'~ ,II = -v2u'
I' , tu - v, - u - v, 2) en un .: ~:J
r" /\ r,' +2v' + 4
.:. L n C l-=-_ =-.=~
cion ::-.> e.:
EI punta (L, 3, 2) es la imagen de It = 2. v = 1. EI vector normal unitario en .:~ El or: ~:-:.
P es N = (1, -3, 2 )/-{14. La ecuacion del plano tangente es (a, i'· :::-: ~
coorc,,:.:j
(x - 1) - 3 (y - 3) + 2 (z - 2) =0 ::::::> x - 3)' + 2z + 4 = 0 gene:-,,::,,_ . ..=...J
.:. El c.::.:-:, :-:.
y la ecuaci6n de la recta normal dL·".' '
po!.::.::-:-;.
x-I .1'-3 z-2 .:. El tc::-~:-::;
1 -3 2
276
Recordemos que
Recordemos que:
.:. Para obtener una derivada parcial, consideramos constantes todas las
variables excepto aquella respecto a la que vamos a derivar, es decir, se
trata de hallar la derivada de una funci6n de una variable.
•:. El teorema de Taylor aproxima la funci6n f en un entorno de un punto
mediante un polinomio P Cuanto mayor es el grado del polinomio me
jor es la aproximaci6n. El error cometido al sustituir fpor P viene deter
minado por el resto R, de modo que cualquier cota de IRI en el entorno
'- _ ..nitario N, la ecua del punto es una cota de If- pI.
suoerficie de ecua-
to _ .::. .:. Observese que en las condiciones de extrema relativo el dominio A de
la funci6n se ha supuesto abierto y que s610 en este caso es aplicable el
metodo. Si A no es abierto, es necesario estudiar por un lado lnt (A) y
por otro el resto del conjunto A (1a frontera de-A en caso de ser A cerra
do) .
•:. La siguiente propiedad de las funciones reales de una variable: «si f es
r '1=(-1,1,1/) continua en un intervalo cerrado y acotado I, entonces f alcanza al me
nos en un punto de I su maximo absoluto y al menos en un punta de I su
minimo absoluto», se conserva para las funciones reales de varias varia
bles: «si K es un subconjunto cerrado y acotado de [R" y f: [R" ~ [~ es
-=1..
continua en K, entonces f alcanza al menos en un punto de K su maximo
absoluto y al menos en un punto de K su minimo absoluto» .
•:. Una manera de comprobar que f no posee maximo (minimo) absoluto
...., j
en un conjunto M es encontrar una sucesi6n {x,,} de M tal que Ilx,,11 ~ 00 •
•:. Un cambio de variable local (global) necesariamente ha de ser una fun
ci6n inyectiva y continua en el entorno del punto (en todo el dominio).
: :- _- _~ normal unitario en •:. El origen de coordenadas siempre se puede trasladar a cualquier punto
to;: -:' (a, b) de [R2, por 10 que considerar (0, 0) en la aplicaci6n del cambio a
coordenadas polares para el calculo de lfmites dobles no resta ninguna
->--1-=0 generalidad al procedimiento.
•:. El cambio a coordenadas esfericas nos permite una aplicaci6n al
calculo de lfmites triples, totalmente analog a a la de coordenadas
polares .
•:. El teorema de la funci6n implfcita nos proporciona condiciones sufi
cientes para su existencia. En general no se puede determinar su expre
si6n, pew sf sus derivadas en cualquier punto, para 10 cual se debe deri
277
7. Derivedes de arden superior
var la ecuaci6n (ecuaciones) una vez que se hayan sustituido la variable

(variables) correspondiente.
~;~ El vector (1, 0) es tangente a la curva de ecuaciones x := t, y:= t C• t E IR
(parabola) en (0, 0), ya que x'(O) := 1, )"(0) := O. Si efectuamos el cambio
/
de parametra t := u 3, otra representacron
., de 1a curva es x := U3 , )' := U6 ,
U E IR y para U := 0 resulta x'(O) := 0, y'(O) := 0 y no se obtiene el vector
tangente (1, 0). Como consecuencia, se debe tener en cuenta que aun
que en una determinada representaci6n el vector derivada en un punto
sea el vector cera, la curva puede tener vector tangente. En otras pala
bras, un punto puede ser regular para una representaci6n y no serlo para
otra.
Prerrequisitos
~0,E":::Ij]j4'fjL,-,.-"-.
• Inte~.:~ ,..
Part i'::',;-:
SUI'll::' 'IJ
Imec:-..:· ,
DeI~:'_':::~
Ime=.Co'::-;
nu~j:..:.':':-·~
Caro-.'::':.::'
278
8.1. EI concepto de integral doble
El calculo del area de un recinto plano limitado por el eje Ox,las rectas x = a,
x = b, y la curva Y =f(x) definida en el intervalo [a, bJ, condujo al concepto de
integral simple (Figura 8.l.a). El calculo del volumen de un cuerpo limitado
par los planos z = 0, x = a, x = b, Y = c. Y = d, y la superficie z =f(x, y) definida
en el rectangulo [a, bJ x [c, d} conduce al concepto de integral doble (Figura
8.l.b). En ambos casos las definiciones son totalmente analogas.
Seafuna funci6n real definida y acotada en A = [a, bJ x [c, d]. Una parti
cion P del rectangulo A es una colecci6n de puntos P, x P l , en donde PI es una
participaci6n de [a. bJ Yr, una partici6n de [c, dJ, que determina una colecci6n
de subrectangulos (Figura 8.2). POl' serf acotada existe su supremo y su infi
mo en cada subrectangulo Q de P. Si representamos por M(f, Q) el supremo de en donde : ' .:::,
fen Q y por IQI el area de Q, entonees la suma de IQI M(f, Q) para todos los Analogan.e.i.e "
subrectangulos de la partici6n se llama suma superior de Riemann S(f, P) de para todo- :- " ~~
f respecto de P, es decir, dej'respec: ~e j
S(f, P) = L: IQI M(/, Q)

"
S1 IA:e c :: _ J1
mo, cualJL:=~": I
En otr ; c :-.::.1
to de tod:F> ;
d las sumo." :--=';;~
y
I de las sW:'.:· 'J
--II presentan f::
b
x
Figura 8.1.
respect» .:': =:-:;.
que todo " . -..:
280
8. 1. EI concepto de integral doble
~ -'J
i:~:o:o Ox. las rectasx=a,

-v
]
~ --:jujo al concepto de
.1'2
! .'-:: ,"11 cuerpo limitado
.1'1
C
r:'::::-:-:: =/(x. v) definida
I,;::,';:,;ral doble (Figura

! ! ! I I l' x
~"::'~;,=~£as. a XI x2 xp b
l ~_ . [c. dJ. Una parti
~ .=: ;:'D. donde PI es una Figura 8.2. Particion del rectangulo,
i::':::::11ina una coleccion
{,: su supremo y su Infi
r i,[, Q) el supremo de en donde L significa la suma cuando Q recorre todos los subrectangulos de P.
V < Q) para todos los " Analogamente, si In (I, Q) representa el Infimo de f en Q, la suma de IQI m(J, Q)
.de Riemann S(J, P) de para todos los rectangulos de la particion se llama suma inferior de Riemann
defrespecto de P, es decir,
stf, P) = L IIQI m(J, Q)
Si IAII es el area del rectangulo A, M es el supremo de f en A y m es su Infi

mo, cualquiera que sea la partici6n P de A se cumple
_E__ ; =!(X, .1')
IAi In :s; s(J, P) :s; S(J, P) :s; IA.! 111
En otras palabras, el conjunto de todas las sumas superiores y el conjun
to de todas las sumas inferiores de Riemann estan acotados. Al supremo de
d
las sumas inferiores se le llama integral inferior de Riemann y al infirno
.\'
de las sumas superiores se le llama integral superior de Riemann y se re
presentan por
Lf Lf y
respectivamente. La integral inferior y la integral superior existen siempre, ya

que todo conjunto de mimeros reales acotado posee supremo e Infimo.
281
-- - ",- .,--- ...

~:--.::--- -' --
w •
8. La integral multiple
8.2. Funciones in'

Integral de Riemann de fen A. Decimos que f es integrable en A si :! .
Una cond.c..»
rectangulo A C' :.:
Con
cada
En efecrc. '.5
8.1. Ejemplos superiores y Cc :'-~
representa e: .:"j
1. Veamos que una funci6n constante f(x, y) = k es integrable en cual
quier rectangulo A de ~2 y su integral es k IA'. En efecto, cualquiera que sea la L{=:~
partici6n P
S(f, P) = L M(f, Q) . !QI = L k IQI = k L IQI = k IAI y la funcion C'· :'-::J
s(f, P) = L m(f, Q) ·IQI = L k IQI = k L IQI = k IAI

Reciprocame
ya que m(f, Q) = M(f, Q) = k. Luego todas las sumas son constantes y las inte nes de mfirn; :. s
grales superior e inferior valen k IA I. tales que
2. Veamos que la funci6n definida por f(x, y) = 1 si (x, y) son racionales y

f(x, y) = 0 si x 0 y es irracional no es integrable en el rectangulo [1,2] x [3,5].
En efecto, cualquiera que sea la partici6n P, en cada subrectangulo Q existen
puntos con las dos coordenadas racionales con 10 que M(j, Q) = 1 y puntos con Si P es :.:. =i.!
las coordenadas irracionales con 10 que m(f, Q) = O. Por 10 tanto
resulta
282
8.2. Funciones integrables
8.2. Funciones integrables

··ffiA si i 5'P'""" 'xF' '7' =_31!i!mWiI!!!il!i:&E,.ki& ,iI!!!..., ~
Una condici6n necesaria y suficiente para que exista la integral de f en el

rectangulo A es la siguiente:
Condieion deintegrabiIidad de Riemann. f es integrable en A si y solo.sipara

cada E> 0 existeuna partici6n P deA tal que S(j, P) - s(j, P) ::;. E.
'"
En efecto, si se cumple la condicion, es evidente que el Infimo de las sumas
superiores y el supremo de las sumas inferiores coinciden. Por tanto, si peA)
representa el conjunto de las particiones de A, se tiene
~~ ~~ integrable en cual
,!" .ualquiera que sea la fA f = inf {set, P):P E -P(A)} = sup {set, P):P E P(A)} = Lf
r -: A,: y la funci6n es integrable.
=:: AI
Recfprocamente. Sea E> 0 tan pequefio como queramos; por las definicio
.:::- _!;]stantes y las inte nes de Infimo y supremo, existen respectivamente dos particiones P' y P" de A
tales que
~:.son racionales y
f::;~; s(f,p")-f. f::;~
'-' ,', I
~c-;gulo [1,2] x [3, 5]. S(f,P')-S-

, A' 2' _A' 2
;..~ ~~e':Lingulo Q existen
.f ,- Q I = 1 y puntos con
Si P es la particion formada por la union de P' y P'', teniendo en cuenta que
jr' .: tanto
S(j, P) ::; S(j, PI) ; s(f, PI) ::; s(f, P)

;. ==
resulta
set, P) - If::; ~ ; Lf - set, P) ::; ~
283
- _ ~ .._ - - - - --::--- ~ ~e.----- -- --

n •
as _ -
Como par hipotesis f es integrable, se tiene es integrable. :':...1;
nal del cmd:.::::"
2. La fL:-.:~
J.f=L.t es integrable :::"
de A es 1.
y sumando las desigualdades resulta
Si f; P) - sif, P) ~ £ D
8.3. Integraci6n!
Las funciones continuas en A son integrables, pues para todo valar £ > 0
tan pequefio como querarnos, podemos encontrar una partici6n P, de modo que
en cada uno de sus subrectangulos Q 10. diferencia entre el supremo Met: Q) Y Record.:::,·:,
el Infimo mi], Q) sea menor que E. Como consecuencia par 10 tanto _:. l
mas una IUr:~:':'j
S(j, P) - stf P) =L [<1I,1(j; Q) - mi], Q)J IQI ~ E IAI nida par
y se cumple 10. condici6n de integrabilidad de Riemann.
Existe una caracterizaci6n de las funciones integrables, conocida can el
nombre de tearema de Lebesgue, de aplicaci6n muy sencilla, cuyo enunciado
damos a continuaci6n.
La fun.:
una funcior, ::'.11
Car3tterizacion de las funciones integrables. f es integrable en A si y s610 si el gulo A Y 7,.::..: ;';
conjunto de los puntas de discontinuidad de f en A tiene area nula.
La demostraci6n puede verse en [6] tom a II. La mayor parte de las funcio
nes que utilizamos en 10. practica a bien son continuas a bien su conjunto de
puntas de discontinuidad es un conjunto fin ito a numerable, par 10 tanto son
integrables.
8.2. Ejemplos
1. En A = [0, 1J x [0, 1J la funci6n definida par

X' si x - ~0
I'
f(x.y)= .
•J ."
{.x + Y si x - y > 0
284
83. !nf-""",r£"'",",,,,=',,';'~ ;::,...;i:<~.r.. Ul::
:;:C~:;'~':::JS«~=~:':1E -:,..~L"::-_"E~
U"iI rr~ ...;rntn ::i .......
I:'v~B!3!i:::V ~'!!V'v
tedo
~\!.~v
......
es integrable, pues f solo es discontinua en el segmento de la recta y = x diago

nal del cuadrado, y un segmento tiene area cera.
2. La funcionj'(x, y) = x si x es racional,f(x, y) = 3 en los de mas casos, no
es integrable en A = [-1, 0] x [1, 2], ya que es discontinua en todo A y el area
de A es 1. .,;
D
8.3. Integraci6n sobre un recinto acotado
i ::::.:..: rodovalor E > 0
ar-:,:.'TI P de modo que
:-:: '--,;,rc:mo M(j; Q) Y Recordemos que un subconjunto M de [R2 es acotado si existe una bola, y
por 10 tanto un rectangulo, que 10 contiene, A cada subconjunto M Ie asocia
mos una funcion C M de [R2 en rR, Hamada Iuncion caracterfstica de M, defi
t." . : ; .: ...11
nida por
;:.:: _::'. conocida con el C (X, y ) = { l si(X,y)EM
.uvo enunciado
M
o
si (x, y) rl: M
La funcion caracteristica nos pennite extender el concepto de integral de

una funcion a un subconjunto acotado. Supongamos M contenido en un rectan
~ A si Y solo si.el gulo A y funa funcion real definida e integrable en A.
Ii;.
~: ~ :: ::.:Io: de las funcio

-t
//-..
~
-..~, Z =lex, y)
/.~ ..•.....•....... -~'
'--.c''''' -u conjunto de ; /.: -: ~"'<'."' ..: :-<'-_:~-- '"'::-:.
:r-.:.::-::. cor 10 tanto son t:~;~< f. ~
~ /..~
1"".. 1;/
.)- =;;::
I
:;- : v
--'---:-----:---- : ~ ~
~/:~:~~-~-~-~f_~-~-~.\ A
. /' ,r
x 'M ~ ~ ~Fr(M)
Figura 8.3. Integraci6n sobre un recinto acotado M.
285
-.:.- --- ~- - - ,.:.;....--- .----- ~- ---

•
-
La suma co:- 1,{
Integracion sobre un recinto acotado, Se llama integral de j sobre M y se repre total venga ,].::.:::, ;
S.enta por Lf a la integral de la funcion producto jc'H sabre A, siempre que dicha
Jint~gral exista.
o bien, en CJ.S·: j,
rada
Como CM vale 1 en M y 0 en el resto del rectangulo, su conjunto de

puntos de discontinuidad es la frontera de M. POl' consiguiente «CM es in
tegrable en A, y par lo tanto lo es fC~j, si y s610 si la frontera de M tiene Al marger. .il
area cera». Esto sucede en la totalidad de los recintos que utilizamos en la en que CODC:>:;
practica. POl' ejernplo, si M esta limitado por una curva diferenciable, el
con la inte f'::-':' il
area de la curva es cero Y CM es integrable en A. La integral tambien se
integrales lie:: _-=~
suele representar por
L[i», y) dx dy
8.4. lnteqracion reiterada
Seafuna funci6n integrable en A == [a, b] x [c, d]. Supongamosjpositiva

y consideremos el cilindroide de base A limitado por la superficie z == j(x, y).
Comentamos al principio del tema que el concepto de integral doble 10 moti
vaba el calculo del volumen de un cilindroide. Una idea intuitiva nos Ilevaria
a descomponer el cuerpo en bandas paralelas al plano yz, tal como muestra la
Figura 8.4. El volumen aproximado de cada banda serfa el area de la cara por
su anchura.
v, == (Xi - .t,-J r [t x, y)dy
en donde x es un punta fijo comprendido entre Xi _ I Y Xi.
286
8.4. Integraci6n reiterada
La suma de los volumenes de todas las bandas nos sugiere que el volumen
total venga dado par la integral reiterada
b fd
fa dx c j(x, y)dy
o bien, en caso de considerar franjas paralelas al plano xz, por la integral reite
rada
.u conjunto de .1 fb
~ -- -" fc dy a j(x, y)dx
b~~'..:~cme "C~l es in
, .-~ t e TO de M tiene
-r-
,2_~ utiliz amos en la Al margen de las consideraciones intuitivas hechas, podemos preguntarnos
L':: 2~ferenciable, el
en que condiciones las integrales reiteradas existen, son iguales y coinciden
::: ~~ ::,.:;.1 tarnbien se con la integral doble. De esta manera, disponemos de un metoda para calcular
integrales dobles par medio de integrales simples
-
~~. r.;:mlOsjpositiva
"'--,,~, ',,.> -
___ - -j(x )1)
... .L ...... ....., - , •
c
b
",:::-:::-.:1 doble 10 moti

! .,.~_::i\a nos llevaria
:. :.:... :·:,mo muestra la

;; •.:;0'':;' de la cara por d
x
y
Figura 8.4. Integraci6n reiterada.
287
~.,
- ~ ~--- ~ - - .-:::;--- ~ ~----------

•
Integracion reiterada. Seafintegrable en A = [a, h] x [c, d]. Si para cada x de

[a, b} e y de [c, £1] existen las integrales
I f(x, y)£1y, I" [t», y)dx

d
c a
yaque
f(x,y)d.r
Corne ~~
Vamos a razonarlo para 1a primera integral reiterada, analogamente 10 ,c' .: -
hariamos para 1a segunda. Sea P = P, X P 2 una partici6n de A, en don de grable en

-P(A), SOIl ;:-<~ j,,;
deduce quO'
y sean las funciones
g(..r) = rc
fCr, y)dy ; g/x) = r),,-1
f(x. y)dy
teniendo er; ..:.=~
Supongamos que M r'1 y m r'1 son el supremo y el Infimo defen el subrectan
gulo Qr'1 = [xr_ 1, X,] X [Y'1_I, )''1]. Se verifica:
m,'1(Y'1 - )''1- 1) ~ gix ) ~ M,,/y'1 - )''1- 1)
resulta
para cada x E [X'_I. x.}, Sumando respecto a q, se tiene:
111 m m
I
q=l
I1lr~(Y~ - Y~-I) ~ I s, (x) = g(x) ~ I
17=1 q::::l
Mrq(Yq - Yq-)
Si en . _= .A
Fijemos para cada r un punta x~ del intervalo [x r _ 1, x,]. Si multiplicamos la dos curv«
desigualdad anterior por (x, - xr-J y sumamos respecto de r; resulta:
11 ttl /I
I
rc::l
(r, - xr_J Iq=l
mrq(Yq - Yq-l ) < I
1'=1
Crr - Xr_l)g(J~J~ definidas e:- -c,
< i
r=1
(x, - X,_I) f'1=1
Mr,/Y q - )''1-1)
288
£14. lnteqrscion reiterede
a 10 que es equivalente
n
stf, P) ~ L (x; - Xr-l)R(.r;)~ SU, P)
r:::l
[1]
ya que
sif, P) = L r, q
In rq(x, - x r_1)()'q - )''1-1)
:..:?~~
I:C
S(f, P) = L M rq(.\ - ,:rr_l)(Yq - Yq-l)
r, q
,:=: ;_-..:x';",mente lo Como f es integrable en A, de la desigualdad [1], se deduce que g es inte

;~ - ::~. ic~r;de grable en [a, b], pues el supremo de S(j, P) Yel infima de s(j, P), cuando P E
PeA), son par definici6n la integral de f en A. Par 10 tanto de la desigualdad se
=d! deduce que
Lf(x, y)dx dy ~ s: R(x)dx ~ Lf(x, y)dx dy,

teniendo en cuenta que
§:= -=_ _=- -=_ ~:.lc~rc(tJ.n-
d
" g(x)dJ' = I" dxI f(.-r, y)dy
Ia tr ~
resulta
L lex, y)dx dy = s: dx f lex, y)dy o
- ~~
Si en vez de un rectangulo, el recinto de integraci6n M esta limitado par
.:. . . :. . . ~..:.;_~~ _2
-._-~----~
dos curvas
y = hj(x) , y = hix)
definidas en el intervalo [a, b], tales que h, (x) ~ h-. (x), tenemos
b r''t,rx)
IJf
lex, y)dx dy = I
a
dx J,.
h1 ( x )
lex, y)dy
289
'"
~ -- - _.~ ------ .~~- ~ --

_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _7 -. . . . . .
Analogamente, si M esta limitado par las curvas x = hj(y), x = h2(y) defini 8.5. Cambio de
das en el intervalo [c, dJ, tales que hj(y) ~ h 2(y), tenemos
d lh'(\')
f
M'
[t;x, •v)dx dv• =
1dv··
c' h
l
( ,, ) '
{(x, v)dx
• El calcu.c ~
riables apr,,;,,;:;:
8.3. Ejemplos
1. Sea
M={(X,y)EIR":(y-4)/22X2-..)4-y ; yE[0,4]}
Como M esta limitado por las curvas
x=-..)4-Y ; x=(y-4)/2
definidas en el intervalo [0, 4J (dibiijese el segmento parabolico), tenemos
Lf(x, y)dx dy f dyt~~:2 f(x, y)dx

= La de: r:',= ~TI
puede verse :-"
El recinto M tambien 10 podemos considerar limitado par las curvas analogo 2. 0 :j
2
-v = 4 - x , • V = 2x +4
definidas en el intervalo [-2, OJ, con 10 que resulta
Lf(x, y)dx dy = r dx f::~ f(x, y)dy Otra Cl;.:::- .:..."

so de que ; ::c~,
2. Calculemos la integral de f(x, y) =xy sobre el recinto M limitado par la
2
recta y = x y la parabola y = x • 8.4. Ejernpk
,
1. .\ l~~:j
culerno- l.; .~;~
en donde
Observese que la recta y la parabola se cartan en los puntos (0, 0) y (1, 1).
290
8.5. Cambia de variable
~ = '::' '. ! defini

8.5. Cambia de variable
aIlE ~"". 'j. mE ai!!'mi!'W77~;~~
El calculo de integrales dobles se puede facilitar mediante cambios de va
riables apropiados que simplifiquen los recintos y las funciones.
Cambio de variable ea-laiategral doble. Sea g uncambio de variable de ecuaciones

x = gl(U, v) ,y = glu, v)
; '= definido y de clase uno en un T, ysealuna funcion integrable enelreei
M =. gET). La integral UOID1e'.Ut:
fog multiplicada por el ab~o],lltl~• •~[~J;¥\~Q,~J~~:cl;oJ(
b ~~~~T<::S
fLf (x, y)dx dy== Bt.fff:4(~!~~~, '~2~1~~·,g~Jj.~~~~f~j~lci!rj,;4v
La demostraci6n de este resultado sale fuera del prop6sito de este libro y
puede verse, por ejemplo, en [6] tomo II. El factor IJ(u, v)1 desempefia el papel
:' --=--'::.. . analogo a g'(t) en el cambia de variable para la integral simple (g creciente)
J: f(x)dx = r fEfi(t))g/(t)dt
Otra cuesti6n importante es que el resultado sigue siendo valido aun en el ca
so de que g no sea inyectiva 0 se anule su jacobiano en un conjunto de area nula.
\/ - ..:~,,=: r-C'f 1;.=;.
8.4. Ejemplos
1. Mediante el cambia a coordenadas polares x = peas e, y = p sen ecal

culemos la integral
I = If
iYJ (x
2
+ v' )dx dv
~ ~
en donde
~-- 2 2 0
M = {(x, Y) E lR. : x + Y- S 1)
291
c.
- ..... ...;.;.'" ...::..-- - ..;.::.....- ~~ ....----.

& Y
8.
El jacobiano de la transformaci6n es 8.6. Integral rnul
J(p,8)=
cos 8 -p sen e =p
8 p cos 8 Elconce;:-:)
Isen
na dificultad .; c
y el recinto en coordenadas polares llama triple. e= ~
finida y aC"ciji
T = {(p, 8) E [R2 : 0 ~ p ~ 1; 0 ~ e ~ 2n}
par 10 tanto
y ccnsideran..s
tenemos UTI'::' ;:-.2;]
subrectang u.
S(j; P) Y 1.:<.2'
2. Calculando cada una de las integrales, comprobemos que
par repen. ic r; e
ble.
II'
Ju
cLrd\"=II
. T
IJ(u.v)ldudv
Analoc '::'::',C'l
puntas de G:<·~
sienda g el cambio de variable bre un recir ; ""
teristica de :.! F
x=u+v y=v-u
y Tel triangulo del plano uv de vertices (0, 0), (2, 0) y (0, 2). En efecto:
T = {(u, v) E [R2 : 0 ~ u ~ 2; 0 ~ v ~ 2 -u}

y la existenc.. d
como la recta u = 0 se transforrna en la recta y = .1', la recta v = 0 en la parabola men de 1.::. :':: ",Ii
y = _x2 y la recta u + V = 2 en la recta x = 2 (representese la figura), tenemos
Si se c::==-~
multiple. en -:.i!
M=g(T)={(.:r,y)E[R2 :0~X~2;-X2 ~y~x}
Jtu, v) = II 1 11 = 1+2u
1-2u 1
I
2 IX .d\"= f2 714
II,If
dxclY=
•
f0 dx - c ' 0
(.:r+x-)dx=
3 en donde
2 f7_1! f2 14
If (1+2u)dudv= f O+2u)du
T O O
dv=
()
(2u+l)(2-u)du=-
3
292
8.6. Integral multiple

-..- .::.:.-.-. --'-~:'-''::':-;-::'''''-:''''''''=''"'~~:=:=-S:~iiSliJiIl!'l!!i1§:.l!!l§iil.;'i''~':.§~
El concepto de integral doble y todos sus resultados se extienden sin ningu

na dificultad a cualquier mimero n de variables. En el caso 11 = 3 la integral se
llama triple, en el caso n = 4 cuadruple, etc. Por ejemplo, sij es una funci6n de
finida y acotada en el rectangulo tridimensional (paralelepipedo)

-v-
A = [a, b] x [c, d] x [e, g]
y consideramos una partici6n de cada uno de los intervalos que definen A, ob
tenemos una partici6n P = PI X P 2 X P 3 de A que determina una colecci6n de
subrectangulos Q. Para cada partici6n P podemos definir la suma superior
S(f, P) Y la suma inferior s( I, P) Y establecer el concepto de integral triple
T:':- ~ ~ cue
por repetici6n exacta del proceso desarrollado en la definici6n de integral do
ble.
Analogamente al caso n = 2, j es integrable en A si y s610 si el conjunto de
puntos de discontinuidad de j en A tiene volumen nulo. La integraci6n de j so
bre un recinto acotado M contenido en A se define a partir de la funci6n carac
teristica de M. Para n = 3 se tiene
Er: efecto: r j(x, v, z)dx dv- d: =

Ju f C'_. (x, y, z)j(x, -v, z)dx dy d:
_~ t
y la existencia de la segunda integral esta asegurada sij es integrable y el volu

tc = (ien la parabola
men de la frontera del recinto M es cera.
.;.-~:. .igura), tenemos
Si se cumplen las condiciones analogas a las dadas para n = 2. la integral
multiple, en particular la triple, se puede calcular por integraci6n reiterada
i. j(x, y, z)dx ely d: = f dx f"(X)- ely

M a
b
'i(.\")
J'z,(x,V)
- _- j (x, y, z)dz
::1(.1:,)')
en donde
• 14
;_~u ==
3
Z = Zl(X, y) ; ::. = Z2(X, y) ZI (x, y) s; Z2 (x, y)
293
J' _~~~-~~
:z --- -----
-
F
son dos superficies que limitan el recinto M, cuya proyecci6n sobre el plano xy
es un recinto limitado por las curvas
Y = YI(X) ; Y = Y2 (x) YI (x) ~)'2 (x)

8.5. Ejernplos
definidas en el intervalo [a, b] (Figura 8.5).
en donde
a b
I / //'
~
' / },=" (x) /
I
,
-' 1 ~
"/
y = Y2 (x)
y
Figura 8.5. Recinto proyectable respecto al plano xy.
Este tipo de recintos se Haman proyectales respecto al plano xy. Analoga

mente podemos considerar recintos proyectables respecto a los planos xz e vz.
EI cambio de variable en la integral multiple, en particular en la integral tri
ple, tiene la misma expresi6n que en la integral doble y se cumple bajo las mis 2. Sc:'::'
mas condiciones. Si , r
1~
es un cambio de variable de clase uno, que transforma el recinto Ten el recinto

My J (u, v, w) es el jacobiano del cambio, se tiene:
294
r-re el plano .\;. f [tx, v, z)dx dv d: =

J~-f' ,
Ir Iss: (u, v, w), g2 (u, v, w), g3 tu, v, w)) IJiu, v, w) Idu dv dw
8.5. Ejemplos
1. Calculernos
1= fft xyz dx dy d:
'x. yi
en donde
-- M = (x, y, z) E [R
3
: x2 0 ; y2 0 z20 x
2 ') -i
+ y' + z S I}
Por integraci6n reiterada:
~
I = rl x ax Jr\'I-X' .v dv r,l-X'-" z d: =
Jo o , J o
I ,1-x'1_x 2 _ 11' 2
=rxdx r
Jo Jo .
v 2 '11Y= .
l i'·I-x: 1 ,
io x ax -2'(v
1
=
0
x\'-
. ,y )clY
. =
__ ~. .\1,'.
IiI
[. \ -2- '- , \ - -2 -, . \ 4 "J =
=
.I-x r 11-.:c .. (1-x-t I' C\
2 0
a. :' .ano .rv. Analoga I r

1 1, I
;:,~ .0 :'~s pianos xz e yz.
= '8 Jo (x 2x + x )dx = 48
c_'::.~ ;;' T1 la integral tri

: ~ ,,::-:',;:,le bajo las mis- 2. Sea
1 2 2
M = {(x, y, z) : x 2 0 ; y 2 0 ; z 2 0 ; x' + y S r ; Z S h}
- Calculemos, mediante el cambio a coordenadas cilfndricas
r;c~ ::;:,.1 Ten el recinto
x = p cos e , y = p sen e , z = z
295
~;
"lI!i'-'
;-. . -~~.e::::----~~--- -
-~~ """"IiIIiIIiiIiIiii _
la integral
yAI
.
I
1= fft (x 2
+ /)elx dv d: i
I
Se tiene:
01
T = {(p, e, z): 0 5, p 5, r ; 05, e 5, tt / 2 ; 05, z 5, h}
I
cos e -p sen e 0
J(p,e,z)= sen pease 0 =p
001 y+
I
I
'A
li
I
---/
, - -:~-
...
i
!
i
\- ~ .. .
8.7. Aplicaciones de la integral

~
o.
; :,==~
Can ocasi6n de la integraci6n reiterada, hemos introducido los recintos

proyectables. Esta clase de recintos aparecen en la mayor parte de los proble
mas que se presentan en la practica, ella nos induce a estudiarlos can un poco
mas de detalle antes de comenzar can las aplicaciones de la integral.
Los re.::-,::·,;:
Recintos proyectables planes, Un recinto M decimos que es proyectable respecto nidas en c' . c,.,
al eje Ox (al eje Ov) si las rectas paralelas al eje OV (a! ejeOx) cortan a su frontera
eje Ox. A1'i.: ~.:...i.
como maximo en clos puntos, salvo en las partes de frontera formadas par segrnen
Xl (y) 5,).: ~ _,
tos paralelos al eje Oy (al eje Ox).
proyectab., - - ~
296
#"~ ~
<"!; ."
",:#,.1", Apticeciones de fa integral
y. Yf
-~------~--------
~,~.: -~
I Cb
Recinto proyectable
)0 x
o
(
~
Recimo proyectable
)0 x
sobre el eje Ox sobre el eje Oy
f~
YJ
rt~
,
y
- ------t-~J---- --i----~--------------t---·
Ii: "\ :
ii' j
----"I __ +_I'-J---.-.~--- \.. \ it

I
\
. ;'. \ " -
~,
~ ,,
-
[=-~,.=_:ijo los recintos
: -:: .::.:c::: de los proble
o
Recinto no proyectable
sobre ningun eje
~x
o
Recinto proyectable
sobre los dos ejes
~x
~-~_.:~l05 can un poco

Figura 8.6.
:':.~ ._ ::::t'gral.
~. nrn~··=-table
I:t?- ~
-.J'-'"
Los recintos limitados par dos curvas y = YI (x), Y = .\'2(X), Yr(x) ::;; Y2 (x) defi
nidas en el intervalo [a, bJ y par las rectas x = a, x = b son proyectables sabre el
~ ~~l1'1an a su
eje Ox. Analogamente los recintos limitados par dos curvas x = XI(Y), x = X2 (y),
madas par
XI (y) ::;; X2 (\') definidas en un intervalo [c, d] y par las rectas Y = c, Y = d son
proyectables sabre el eje Oy.
297
'"
.-. -- ~. ~ .c::::----- - ~ ~ ----

-~-----------------._.
Recintos proyectabl
table respecto 3 <iT; ~
//~.7 la frontera de ,if '~"'i
i ",---'-')
Ifneos perpendicul~
Il . · · -. J
I
I Si un :':-: .:-.I
I~:
. :7' sobre ~l C' ..' r
v = .\', (.\:) ficies i ~y: _. _:~
) planodc_' .~
a b
mayoria C:c .
Figura 8.7, Recintos proyectables cuyas fronteras contienen segrnentos per los plan", _ '.
pendiculares a los ejes de proyecci6n cintos pr:-.:- _~.1
recinto- c"_ . ::
En general los recintos no son proyectables, pero en 13 mayor parte de los

casos se pueden descomponer C01110 union de un niimero finito de recintos pro Area de un recintiJ!
yectables, La integral sobre el recinto total es la suma de las integrales sobre
los recintos parciales.
La J~::". '.
Si el revi:': ',j
y=Y, r.-,. -.
o
-+----------~
.r
•
.v
Figura 8.8,
El caso de los recintos del espacio es anal ago a los del plano. Aquf la pro
yecci6n se considera sabre uno cualquiera de los tres planos coordenados.
298
8.7. Apllceciones de fa integral
Recintos proyectables en el espacio. Un recinto M de decimos que es proyec

iJ{3
table respecto a un plano coordenado si las rectas perpendiculares al plano cortan a
la frontera de M como maximo en dos puntos, salvo que contenga segmentos recti
. --- lfneos perpendiculares al plano.
Si un recinto es proyectable respecto a un plano coordenado su proyecci6n

sabre el es un recinto proyectable plano. Los recintos limitados par dos super
ficies (par ejemplo Z = ZI (x, v), Z = Z2 (x, .1')) definidas en un mismo recinto del
~
plano de las variables (plano xy) es proyectable respecto a dicho plano. En la
mayorfa de [as casas, [as recintos M son no proyectables respecto a ninguno de
:0 = ;:::-- -, :-- '
~ :-.....=- los pianos coardenados pero pueden descomponerse en un mimero finito de re
cintos proyectables. La integral sobre M es la suma de [as integrales sabre los
recintos en que se ha dividido.
Area de un recinto plano. El area de un recinto plano M viene dadapor

~~ ,,":'-_~
ro
J = J'r
"
I
./.\-1
,II' dv,
L,...
-
~.------:---- siempre que dicha integral exista.

~T ,,;-;---.,
La definicion es consecuencia inmediata de la definici6n de integral doble.

Si el recinto M es proyectable sobre el eje Ox y viene limitado par las curvas
.I' = .1'1 (x) . .I' = .1" (x) definidas en el intervalo la, bJ, ,"2(1') 2': .1'1 (r), se tiene
~
299
r- • ~ ~ ~ .c::::--- -- ~ ::z ---- =

FE
----~------------_.
8.
Espacio comprendido entre dos

x x
Recinto proyectable sobre xz esferas concentricas
no proyectable sobre XY Recinto no proyectable
sobre ningiin plano
Figura 8.9.
en el caso particular de que Yl(X) = 0
y recobramos la expresi6n de la integral simple.
8.6. Ejemplo
Calculemos el area de la region del primer cuadrante limitada par la hiper

bola xy = 1 y las rectas y = x, y = 4x. Es decir,
M = {(x, y) : x ;:::: 0 : v > 0 : x:s; y :s; 4x ; xy:S; 1}

Los puntas de intersecci6n de la hiperbola can las rectas son (l, 1) Y
(1/2, 2). El recinto !'lIla podemos considerar como union de los recintos M, Y
M 2 , en donde
300
M] = {Cr, y): o::O;x::O; 1/2 ; x::O;y::O;4x}

M:2={(x,y): 1I2::O;x::O;l : x::O;y::O;lIx}
E1 area de M es la suma de las areas de los recintos M] y M1
5= If,
-.vI
dx dy = If
;v/j
dx dv + If"'1 ~
dx dv =
--~~------ II' 3 r ' life r , ]1

~J +ll1ll. -~
lie -h r1 -1/\ v
= .0[ dxJ dy+ J1'" dxJ dv =

.r .r
'L'
/ /
= In 2
- O L ..... 112
k-_
~. - . - -
y
1
:2
.:
.. ~7
xy= I
----~
1/2 x
_~c. ~'or la hiper-
Figura 8.10. Recinto M == M, U M 1 .
c .. ' son (1, 1) y
, ~",cintos M, Y
<
301
~
r- - - ~ ~ ,e:::::::.-- - .c;:::::::--- I:Z" ~~- ~
!
Volumen de un cuerpo. El volumen V'de un recinto M del espacio tridimensional I
viene dado por I
,
\ =
T1 JrIol ] Ii"". u,/.. . .
r ". I."\.-
d.\. 7 I
-H I en la inte~.:.:· ,j
fericas
siernpre que dicha integral exista.
Sea M un recinto proyectable sobre el plano XY. limitado par las superficies entonces c . 0 __ •
Z = ZICr. Y), Z = Z2(X, Y). definidas en el recinro M' proyecci6n de M sobre el pla
no xy tales que '::2(X, Y)::::: '::1 (X. Y). Supongamos que M' esta limitado por las cur
vas y = YI(x). Y = ,\'2(X), definidas en el intervale [a. b] y cumplen Y2(X) ::::: ."I(X)
(vease Figura 8.5). El volumen de M viene dado par
T/_
~ -
r ~i"lo
1/
","
(,. c, ~
4, \.',:'
.' __
""l\·l.\
r;' ...... ~ (0,. ,,)--
.,~.}. ....·1 (,. "\'),1,'
.'~". \ J '- _~
En caso de ser ZI(X, v) = O. es decir, el plano X\'. resulta par 10 tQC· r. '
y recobrarnos la expresion de la integral doble. Podemos obtener formulas ami

Longitud _
logas para recintos proyectables sabre los otros planos coordenados.
en el inte ;-, :".:'
[ct, b] en . ,.,._~
8.7. Ejemplo
para CiG.: .' ..=
2 la maxima ':=--'~
Calculemos el volumen de la esfera x + / + Z2:s; 1'2. Vamos a determinar el
gonale s ,
volumen de la octava parte
que C i:> ... _ c
Si C r.: -::s
Se tiene: curva- (;cl:: _:1

En C>::'':o
v= f'dxf',r-,' dyJ,,,r--,.-,, d: contmui.: < r :
Jo J(I u ficable '. _
302
Esta integral puede calcularse haciendo el cambio

r-=== ~~'~=E~~~'::;-;;~ f ' ,
Y= -vr -.:C sen t
en la integracion respecto a y, pero es mas sencillo el cambio a coordenadas es

fericas
x = p cos e sen cp : y = p sen e sen tp ; z = p cos cp
..l:-:·-:rTI·'::l:::~ entonces el recinto transformado D' es

-c . -,re e i 1=':~'-'
u- i.r- CUl' D' = ((p, e, cp) : 0 s p s r ; 0 s e s nl2 : 0 s cp s n12}

> y (.1.-;
y el jacobiano de las transformaci6n IJ co. e, cp)11 = pI sen cp

r
V= IIJnr P' sencpdpdedcp= Jr"I'
0 r"n 1,
o de Jo sencpdCPJo p-dp=6nr
0
' por 10 tanto el volumen de la esfera es
4 ,
8\/=-nr
3
- '::'- ~(nnulas ami

,.j ~ - ...... '
Longitud de un arco de curva. Sea C una curva simple definida par r(t)
en el intervalo [a, b]. Cada particion P = {a = to. t l , t:, ...• t/l = b} del intervalo
fa, bJ en n segmentos determina una lfnea poligonal de n lados inscrita en C. Si
para cada nurnero natural n consideramos una partici6n arbitraria de modo que
- -,.:ktcrrninar el la maxima longitud de cuerda tienda a cero, entonces las longitudes de las poli
gonales [I, [:, .... [/I, pueden ser convergentes a un lfmite I. En este caso decimos
que C es una curva rectificable y a lIe llamamos longitud de C.
Si C no es simple, pero se puede descomponer en un mimero finite de cur
vas simples, la longitud de C se define como la suma de las longitudes de las
curvas que componen C.
En caso de que C venga detenninada par una aplicaci6n diferenciable con
continuidad ret) = (x(t). y(t), z(t)), t E [a, b}, se puede demostar que C es recti
ficable y su longitud l viene dada por la expresi6n siguiente.
303
::" . -~~~-.c:::---~ iiZ --- -- - -

a (b)
.4. rea de una Sll~
do M del plano .'}~ 1
=;
I I
(' a (tJ
I
t
.~
j..
a (A) II siempre
.' •. • •
que did!:ol
~
Figura 8.11. E1 m·::.· -: ~

ci6n P j~~! ~::'i
la sup~,fi_':: ~
Longitud de un arco de curva regular. Sea r(t) = (x(r), y(t), z(tl) una curva de cla- I el plane' :.::...-~=~
se uno en intervaloabierto I, Si [a, b] C 1.1a longitud del areo que une los puntas I un parale ,~=- ~
I ~a.-). Y" reb) viene dada par 0 • I I Y II? 5-'''; : .. - :~
I ",,' . ' . ralelogr cl::" __
1= s o,
" \lX\tr +y (r): +z (f)- at
0 ,
:
II
i
a la superr.: '-c
La demostracion es muy parecida a la dada para curvas planas en e1 Calcu

10 Integral de una variable y puede verse par ejemplo en [1 ].
8.8. Ejemplos ya que --

del eje .'
1. Calcu1emos 1a Iongitud del area de curva
t
t ~
J
x = e cos Y = e sen t ; z = e'
entre los puntas A = (1. O. 1) YB = (-e", O. eit). El punta A es 1a imagen de t = 0 Si h:::·-c:-:-',J
y e1 punta B de t = n. Como m05 UL, ::':-~~
x'(z) = c'(cos t sen t) : y'(t) = e t (sen t + cos t) ; z'(t) = et
resulta
!= j
0
lf I, ' ) 'T
[e-(cost-sentr+e-Csent+cost)-+e-] -dt=
-i 'r 1/'"
= riC
Jo
-J3 e'dt = -J3 (e" -1)
304
I Area de una superficie. Sea z = zex, y) una superficie definida en el recinro aceta
.. ----: do M del plano };:y. E] area S de 10. superficie viene dada pot 1aintegral
Jf
S = •3 ~1
i
+ z,,2 + Z," dx dy
M
siempre que dicha integal exista.
El motivo de la definicion anterior es el siguiente. Considerernos una parti

cion P de M formada por subrectangulos Q. Cada uno de ellos determina sabre
10. superficie un cuadrilatero curvilfneo L cuya proyeccion es Q. Asimismo, en
~,u,~ curva de cla el plano tangente a 10. superficie en cualquiera de los puntos de L se determina
~ go..:.: une los puntos un paralelogramo H cuya area aproxima ]0. del cuadrilatero L (Figura 4.11). Si
~
t 1 y III son las longitudes de los lados de su area es Q, IQI

= lm y e1 area del pa
e, e
ralelogramo H es lmlcos en donde es el angulo agudo que forma 10. normal
f a ]0. superficie can el eje Oz. Como
I
:":-.'::S ~n el Calcu cose=----,====~
,II
...
+ ;:'2
,\
+ .7'2
. . . y
yo. que un vector normal ala superficie es (z~, ;:;, -1) Y un vector caracterfstico
del eje (0. 0, 1), se tiene
I 1- x.)lIZ,)...
lH1-l( (') Jl+. "y
7'2 + ~y
7'2
__ .magen de t = 0 Si hacemos 10. sumo. para todos los subrectangulos de 10. particion obtene
mas una expresion de 10. forma
=e' "" Ll1+z'(x
!(r)m()'.I'V y.)2+ ""'v
7 .' (X. ,-,)2
~ \') x'i'-j- l'-'j
i·1
.i! =: que es una sumo. de Riemann de 10. integral sabre M de 10. funcion
o(x , v) = \j11 + Z,2

h 0/ '.\: + Z.,2
Y
.;
305
-.- - -~~~--~ I:Z - -

m
-
I I
I ,
I I
I ,
I L
I I I I
• •Q
Figura 8.12. Area de una superficie.
par 10 que parece natural definir el area S de la superficie par la integral de la

funci6n g, tal como se ha expresado en el enunciado.
FigurJ -,
8.9. Ejemplo
2
Calculemos el area de la parci6n de superficie z = x + /limitada por el Recordemos que :
plano z = 2. El recinto plano en el que esta definida la porci6n de superficie es
M = {(x, y) E [R2 : };2 + ./ ::; 2}. Adernas z~ = 2x. z; = 2)'. Par 10 tanto
Resolvamos la integral mediante un cambio a coardenadas polares
x = p cos 8 . y = p sen 8 , J(p, 8) = P
306
Recordemos que
s =1 d81\2 P~l + 4 p2 lip = 2n8 J'. Sp

2
II
"
(j \I
1- -+ e'
=n!(l+4 P')';']" = 9n_7!.. 13][

41 L
3/2 f]
2 6 3
'"
r
~ .; integral de la
Porci6n de paraboloide :: = x + / limitado par e1 plano

2
Figura 8.13. z = 2.
nrnitada por el Recordemos que:

.::~: .: ~ j", -uperficie es
~~ - t.into .:- El proceso de definicion de la integral multiple (doble, triple, ...) es
exactamente igual que el de la integral de funciones de una variable.
--h: d\' -t- Una funcion acotada es integrable en el rectangulo n-dimensional si y
solo si su conjunto de puntos de discontinuidad tiene medida (area, vo
lumen...) cero.
".' pniares -:- Se puede definir la integral de j sobre un recinto acotado D mediante la
integral de la funcion producto dejpor la funcion caracteristica de M en
cualquier rectangulo »-dimensional A que contenga a D.
~
307
., ,. ,- ~~ .c::::::--- - ~
iiCiiI
-
I
.:. Para determinar las integrales reiteradas en un dominio de integracion
proyectable D de IR" se debe proceder de la rnanera siguiente:
i) Se halla el intervalo [a, b] de integracion de una de las variables,

par ejernplo x.
ii) Se considera otra variable, por ejemplo y. Se determina la proyec
cion D' de D sobre el plano que definen ambas, en este caso x)'.
iii) Para un valor fijo de la primera variable en D', se halla el intervalo
[I, 111] de integracion de la segunda. Es claro que I y m dependeran
del valor fijado. En este caso [I (x), In (x)]. w
iv) Para un valor fijo de las dos primeras variables en D se halla el in
tervalo [p, qJ de integracion de la tercera. Es claro que p y q de En es:e .""c'1
penderan de los valores fijados. En este caso [p (x, y], q (x. y)]. mas de c-': .
eliminac.. :-" ~
De esta forma resulta cualquier; .:. ~ ;
tal forrna, .
d."JO/!'\; dyf!!CI [i», v. xsd;
job
i7 in (:r) !fr J.-, y)
I
inmedia., ~ .t
Ejernpl I
.:. EI procedimiento anterior es valido cualquiera que sea el mimero 11 de
variables .
•:. La integral de una funcion j no varia si se suprime en el recinto de inte
gracion D un subconjunto de medida nula (longitud, area, volumen, ".j .
•:. Como consecuencia de ]0 anterior, un cambio de variable sigue siendo
valido aunque su jacobiano se anule en un subconjunto de medida nula
de D. (En realidad el cambia esta definido en D menos el subconjunto una lii: :.
de medida nula). de la .',:. ."
.:. Es necesario observar bien el recinto D para saber si existe un cambio ecuac: ,."
de variable apropiado que facilite el calculo de la integral. ra. Q,,-
.:. Al efectuar un cambio de variable en una integral, el factor par el que se
multiplica el integrando es el valor absoluto del jacobiano.
308

Fundamentos de As II

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Fundamentos de As II

Enviado por

Direitos autorais:

Formatos disponíveis

a

Los modelos matemáticos están presentes en un gran número de aspectos x'-_::Jl

Con anterioridad a la aparición de calculadoras electrónicas y ordenadores,

t" . .;.. :l'nes.

P; es el polinomio de Taylor de orden n.

La igualdad anterior se conoce como Fórmula de Taylor, R" es el resto y pue-

El polinomio de Taylor P" nos da un valor aproximado de J en un punto x,

I f ' '' +l l ( z".) 1\(x-cY'+ll='I f"+ll( Zn ) I

~ En la Figura 1.1 se han representado la función seno y sus polinomios de

Ejemplo 1. Supongamos que no podemos evaluar la función seno en el

rex)=COS.l f"(x)=-senx flll(x) = - cosx

Esta aproximación es válida en un entorno de x = O. Para determinar el va­

I ¡4) (x) = sen x ¡4) (O) = O 1.2. Error, pn

.eciones 1.2. Error, precisión y exactitud

que tiene grado 3 y coincide con el de orden 3 porque la derivada cuarta en

Ejemplo 3. El valor aproximado para sen 0,3 no coincide con el valor

r:, - ,:,:¿,nllillarel va-

1.2. Error, precisión y exactitud

Origen del error

Procedencia del error

1. Incertidumbre de los datos, errores de medida o errores experimentales.

El primer tipo de error. debido a errores en la observación de los datos. es

Ejemplo 4. La Ley de Gravitación Universal no tiene en cuenta los efec­

sciones 1.2. Error, precisión y exactitud

sos determinados, como el estudio de la trayectoria de la luz cuando pasa cer­

-- ._. mente. co­

5-C:-.~':' .ma cantidad, en

Los métodos numéricos que se emplean para resolver un problema deben

sistemas de álgebra por ordenador, con hojas de cálculo o directamente con la

Representación de los números en el ordenador "

donde signo vale + 1 ó -l. Este principio se utiliza en la representación en co­

x = signo [~.r¡ 10") xl ON = signo mantisa lO"pon'"te

Los números están, así, determinados de forma unívoca por el signo, la

Ejemplo 7. Podemos escribir -Y2 == 1,4142 ... como

Ejemplo 8. En la representación en coma flotante, tenemos las siguien­

Ejemplo 9. Si utilizamos una longitud de mantisa de 2 dígitos y elegimos

En realidad, al multiplicar 0,94 . 0,21 el resultado es 0,1974, que es una

- ... 1 X 101 1.3. Números exactos y aproximados

Por convención, muchas veces se dice que aproximamos un número x por x

en dondc > significa «aprox.. imadamente igual».

Lo conecto es escribir » cuando usamos aproximaciones. Sin embargo,

.." '-..;:'1ero x por X ~~ __ ~r77wr !&\ilíi1l iJBli

': -/- cifras sig­

Truncar un número es tomar las primeras k cifras decimales, eliminando directa­

".ttnero apro­ La definición anterior de truncamiento corresponde a truncar un número.

de este libro, utilizaremos el término truncar con ambos sentidos indistinta­

~~Jl:>lste enelirIJin~r~QdasJasGifrasa la derecha de la que

si es decimal, pero afi.adiendo una unidad a la última

dfracünservad.a si la parte despreciada vale cinconnidades o más del primer orden

Existen otros redondeos, como el redondeo de dígito par, donde se añade

co unidades del primer orden despreciado. Si la parte despreciada vale exacta­

te es par. El redondeo de dígito par evita que, en caso de que la parte

despreciada valga exactamente cinco unidades, se cometa siempre un error en

la misma dirección, al efectuar muchos redondeos. Pero, por simplificar, yana

ser que se indique lo contrario, utilizaremos el redondeo simétrico.

Ejemplo 13. Al truncar 245,79 con 3 cifras significativas, se eliminan

minamos: 79. Como el primer número es 7, tenemos que añadir 1 al último de

los números que queda, que es el 5. El resultado, redondeado, es 246.

Hay que añadir un 1 al último de los números considerados. porque la prime­

El error de truncamiento surge porque se «corta» a partir de una cifra de un

Ejemplo 16. En el ejemplo 13, truncamos 245,79 con 3 cifras significati­

/245,79 - 2451 = 0,79

práctica, es necesario redondear algunos números. También lo obtendremos en

Esta aproximación es válida en un entorno de x = O. Para determinar el va

Ejemplo 4. La Ley de Gravitación Universal no tiene en cuenta los efec

sos determinados, como el estudio de la trayectoria de la luz cuando pasa cer

-- ._. mente. co

donde signo vale + 1 ó -l. Este principio se utiliza en la representación en co

Ejemplo 8. En la representación en coma flotante, tenemos las siguien

': -/- cifras sig

Truncar un número es tomar las primeras k cifras decimales, eliminando directa

".ttnero apro La definición anterior de truncamiento corresponde a truncar un número.

de este libro, utilizaremos el término truncar con ambos sentidos indistinta

co unidades del primer orden despreciado. Si la parte despreciada vale exacta

Hay que añadir un 1 al último de los números considerados. porque la prime

Ejemplo 16. En el ejemplo 13, truncamos 245,79 con 3 cifras significati

Es el error como diferencia entre el valor exacto y la aproximación obtenida, en va

" 5 por trun

Teóricamente, la definición de error absoluto es correcta. Pero en la prácti

Esta expresión puede seguir pareciendo inútil, porque no conocemos exac