Calculo Numerico

Universidad Nacional de Santiago del Estero
Facultad de Agronoma y Agroindustrias

Departamento Fsico-Matemtico

CALCULO NUMERICO
Curso prctico con aplicaciones
a la Ingeniera en Alimentos

Dra. Lucrecia Luca Chaillou

2008

2

A mis adorados Abuelos y Padres
con todo mi amor, respeto y admiracin

3
Prlogo

Los mtodos numricos constituyen una herramienta muy valiosa para la resolucin de
problemas prcticos de Ingeniera, por ello el objetivo de este libro es presentarlos de manera
prctica y sinttica.
Los distintos captulos se disearon de acuerdo con las exigencias requeridas para la en-
seanza de clculo numrico, asignatura de 3 ao de la carrera de Ingeniera en Alimentos, des-
de el punto de vista prctico, considerando que los temas desarrollados servirn como base para
estudios ms profundos.
Los temas tratados incluyen aspectos tericos y prcticos sobre modelos y algoritmos;
aproximaciones y errores; solucin numrica de ecuaciones; sistemas de ecuaciones lineales;
aproximacin polinomial y funcional; simulacin; series de Fourier; transformada de Laplace y
ecuaciones diferenciales. Se presentan grficos aclaratorios, algoritmos de cada mtodo numri-
co, as como tambin ejercicios resueltos y propuestos aplicados a la Ingeniera de Alimentos.

Ctedra de Clculo Numrico
Facultad de Agronoma y Agroindustrias
Universidad Nacional de Santiago del Estero

4
ndice
Pg.
Dedicatoria 2
Prlogo 3
ndice 4-6
Captulo 1: METODOS NUMERICOS, MODELOS Y ALGORITMOS 7-14
1.1. METODOS NUMRICOS 7
1.2. MODELOS MATEMTICOS 8
1.2.1. Clasificacin de modelos matemticos 9
1.3. ALGORITMOS 10
1.4. RESOLUCIN NUMRICA DE UN PROBLEMA REAL 12
EJERCICIOS PROPUESTOS 14
Captulo 2: APROXIMACIONES Y ERRORES 15-20
2.1. CIFRAS SIGNIFICATIVAS 15
2.2. EXACTITUD Y PRECISIN 16
2.3. ERRORES 16-19
2.3.1. Error absoluto y relativo 16
2.3.2. Errores en la resolucin numrica 16
2.3.2.1. Error de truncamiento 17
2.3.2.2. Error de redondeo 17
2.3.2.3. Otros tipos de error 19
Captulo 3: SOLUCION NUMERICA DE ECUACIONES 21-40
3.1. METODO GRAFICO 21
3.2. METODOS NUMERICOS DE CALCULO DE UNA RAIZ 22-35
3.2.1. Mtodos cerrados 22-26
3.2.1.1. Mtodo de la Biseccin 22
3.2.1.2. Mtodo de la Falsa Posicin o Regula Falsi 24
3.2.2. Mtodos abiertos 26-35
3.2.2.1. Mtodo de Aproximaciones sucesivas 26
3.2.2.2. Mtodo de Newton-Raphson o de la Tangente 29
3.2.2.3. Mtodo de Newton de segundo orden 31
3.2.2.4. Mtodo de Von Mises 32
3.2.2.5. Mtodo de la secante 34
3.3. RACES DE POLINOMIOS 35-39
3.3.1. Teoremas fundamentales de la Teora de ecuaciones algebraicas 35
3.3.2. Divisin sinttica 36
3.3.3. Regla de los signos de Descartes 37
3.3.4. Races racionales 37
3.3.5. Races irracionales 37
3.3.5.1. Mtodo de Newton-Raphson 38
Captulo 4: SISTEMAS DE ECUACIONES LINEALES 41-55
4.1. CONCEPTOS PREVIOS 41-42
4.2. MTODOS DE RESOLUCIN DE SISTEMAS DE ECUACIONES ALGEBRAI-
CAS LINELES
42-54
4.2.1. Mtodos directos 42-48
4.2.1.1. Mtodo de eliminacin de Gauss 42
4.2.1.2. Mtodo de Gauss - Jordan 46
4.2.1.3. Particin de matrices 47
4.2.2. Mtodos iterativos 48
4.2.2.1. Mtodo de Jacobi 49
4.2.2.2. Mtodo de GaussSeidel 52

5
4.2.2.3. Mtodo de Relajacin 54
Captulo 5: APROXIMACION POLINOMIAL Y FUNCIONAL 56-80
5.1. APROXIMACIN POLINOMIAL 56-71
5.1.1. Diferencias finitas 56
5.1.2. Diferencias divididas 58
5.1.3. Interpolacin con incrementos constantes. Interpolacin de Newton 59
5.1.4. Interpolacin con incrementos variables. Interpolacin de Lagrange 61
5.1.5. Interpolacin inversa 63
5.1.6. Derivacin numrica 63
5.1.7. Integracin numrica 66-71
5.1.7.1. Regla trapecial 67
5.1.7.2. Regla de Simpson 1/3 69
5.1.7.3. Regla de Simpson 3/8 69
5.2. APROXIMACIN FUNCIONAL 71-77
5.2.1. Regresin lineal 71
5.2.2. Linealizacin de relaciones no lineales 73
5.2.3. Regresin polinomial 74
5.2.4. Regresin lineal mltiple 75
Captulo 6: SIMULACION 81-93
6.1. METODOLOGA DE SIMULACIN 81
6.1.1. Mtodos de Montecarlo 82-89
6.1.1.1. Generacin de nmeros aleatorios 82
6.1.1.2. Generacin de Nmeros pseudo aleatorios 83
6.1.1.2.1. Mtodo de los cuadrados centrales 83
7.1.1.2.2. Mtodo de los productos centrales 83
6.1.1.2.3. Mtodos congruenciales 83
6.1.1.3. Aplicaciones de los mtodos de Montecarlo 85
6.1.1.3.1. Paseo aleatorio 85
6.1.1.3.2. Integracin por simulacin 87
6.1.1.3.2. Lnea de espera 88
6.2. Modelos Demogrficos y de la Cintica Qumica 89-93
6.2.1. Modelo demogrfico 89
6.2.2. Modelos de la cintica qumica 90
6.2.2.1. Mtodo diferencial 91
6.2.2.2. Mtodo integral 92
6.2.2.3. Dinmica de sistemas cinetoqumicos 92
Captulo 7: SERIES DE FOURIER 94-104
7.1. CONSIDERACIONES PREVIAS 94-97
7.1.1. Funciones peridicas 94
7.1.2. Series trigonomtricas 95
7.1.3. Funciones seccionalmente continuas 95
7.1.4. Funciones pares e impares 96
7.2. DESARROLLO EN SERIE DE FOURIER 97-101
7.2.1. Clculo de los coeficientes de Fourier 98
7.2.2. Expresin de la serie de Fourier para funciones de perodo arbitrario 99
7.2.3. Forma exponencial de la serie de Fourier 100
7.2.4. Consideraciones simplificatorias 100
7.2.5. Espectro de frecuencias 101
7.3. INTEGRALES DE FOURIER 102
Captulo 8: TRANSFORMADA DE LAPLACE 105-111
8.1. DEFINICIN DE TRASFORMADA DE LAPLACE 105

6
8.2. PROPIEDADES IMPORTANTES DE LA TRANSFORMADA DE LAPLACE 106
8.2.1. Transformada de Laplace de operaciones 106
8.3. MTODOS PARA CALCULAR TRANSFORMADAS DE LAPLACE 107
8.4. VENTAJAS DEL MTODO DE LA TRANSFORMADA DE LAPLACE 107
8.5. TRANSFORMADA DE LAPLACE DE ALGUNAS FUNCIONES IMPORTANTES 108
8.6. TRANSFORMADA INVERSA DE LAPLACE 109
8.7. INTEGRAL DE CONVOLUCION 109
Captulo 9: ECUACIONES DIFERENCIALES 112-131
9.1. CONCEPTOS PREVIOS 112-113
9.2. ECUACIONES DIFERENCIALES ORDINARIAS 113-125
9.2.1. Solucin analtica 114
9.2.1.1. Solucin por el mtodo del operador diferencial 114
9.2.2. Solucin por mtodos numricos 116
9.2.2.1. Mtodos de un paso 116
9.2.2.1.1. Mtodo de la Serie de Taylor 116
9.2.2.1.2. Mtodo de Euler 117
9.2.2.1.3 Mtodos de Runge-Kutta 119
9.2.2.1.4 Mtodos de Heun 123
9.2.2.2. Mtodos de pasos mltiples 125
9.3. ECUACIN DIFERENCIAL LINEAL DE SEGUNDO ORDEN 125-129
9.3.1. Mtodos de resolucin 125
9.3.1.1. Mtodo del operador diferencial 125
9.3.1. 1.1. Solucin complementaria 126
9.3.1.1.1.1. Caso sobre-amortiguado 126
9.3.1.1.1.2. Caso crtico 127
9.3.1.1.1.3. Caso oscilatorio amortiguado 128
9.3.1.1.2. Solucin particular 128
9.1.1.3. Solucin general 129
9.3.1.2. Mtodo de los coeficientes indeterminados 129
9.4. ECUACIONES DIFERENCIALES PARCIALES 131-132
9.4.1. Ecuaciones elpticas 132
9.4.2. Ecuacin Parablica 132
9.4.3. Ecuacin Hiperblica 132
BIBLIOGRAFA CONSULTADA 134
Clculo Numrico

7
Captulo 1
METODOS NUMERICOS, MODELOS Y ALGORITMOS

La resolucin de problemas de Ingeniera est asociada, por lo general, a resultados
numricos puesto que se requieren respuestas prcticas. Muchos de estos problemas slo se
pueden resolver de forma aproximada, por ello es importante el estudio de una rama de las Ma-
temticas denominada Anlisis Numrico, esta rama involucra el estudio de Mtodos Numricos.
Su desarrollo estuvo y est notablemente influenciado y determinado por las computadoras digita-
les que permiten realizar los clculos de manera veloz, confiable y flexible.

1.1. METODOS NUMRICOS
Se pueden definir a los mtodos numricos como las tcnicas mediante las cuales es
posible formular problemas de manera que puedan resolverse utilizando operaciones aritmti-
cas, tambin como el grupo de conocimientos matemticos relacionados con el diseo y anli-
sis de algoritmos necesarios para resolver problemas de ciencia e ingeniera. Estos mtodos se
caracterizan porque: permiten dar ms importancia a la formulacin e interpretacin de la solucin,
los clculos involucrados estn relacionados con cantidades discretas, permiten obtener resulta-
dos aproximados y ayudan a identificar, cuantificar y minimizar los errores.
Existen varios motivos por los cuales deben estudiarse estos mtodos:
1. Son herramientas poderosas para la solucin de problemas. Permiten manejar sis-
temas de ecuaciones grandes, no linealidades y geometras complicadas.
2. Su teora es la base de programas de mtodos numricos.
3. Su conocimiento permite disear programas propios.
4. Son un vehculo eficiente para aprender a servirse de las computadoras persona-
les.
5. Son un medio para reforzar la comprensin de las matemticas.
Estos mtodos permiten:
Encontrar las races de ecuaciones lineales y no lineales
Resolver grandes sistemas de ecuaciones algebraicas lineales
Encontrar aproximaciones de funciones
Clculo Numrico

8
Realizar interpolaciones para encontrar valores intermedios en tablas de datos
Aproximar derivadas de cualquier orden
Integrar cualquier funcin
Resolver problemas de valor inicial y de frontera
Obtener soluciones numricas para ecuaciones diferenciales parciales
Realizar ajustamiento de curvas a datos

1.2. MODELOS MATEMTICOS
El mundo real es naturalmente complejo y en muchas ocasiones los problemas a resolver
resultan difciles de sintetizar. Para identificar sus aspectos esenciales y expresarlos en trminos
precisos se debe realizar un proceso de abstraccin. Esa abstraccin del problema del mundo real
simplificando su expresin se denomina modelizacin. La modelizacin es una de las reas ms
atractivas de la ingeniera y las ciencias aplicadas. De hecho, los ingenieros necesitan construir
modelos para resolver problemas de la vida real.
El objetivo de un modelo consiste en reproducir la realidad de la forma ms fiel posible, tra-
tando de entender cmo se comporta el mundo real y obteniendo las respuestas que pueden es-
perarse de determinadas acciones. Su seleccin es una etapa crucial para obtener una solucin
satisfactoria a un problema real. Las estructuras matemticas asociadas no son arbitrarias, sino
una consecuencia de la realidad misma.
Un modelo mental puede definirse como una representacin de la realidad en la que se
consideran los aspectos ms relevantes, es decir el modelo representa una parte de la realidad.
Un modelo matemtico es una formulacin o ecuacin que expresa las caractersticas
fundamentales de un sistema o proceso fsico en trminos matemticos. Los modelos pueden
estar constituidos por simples ecuaciones algebraicas hasta grandes y complicados sistemas de
ecuaciones diferenciales. Sus caractersticas son:
1. Describe un sistema o proceso natural en trminos matemticos.
2. Representa una idealizacin y una simplificacin de la realidad.
3. Conduce a resultados predecibles y, en consecuencia, puede utilizarse para
propsitos de prediccin.
La generacin de un modelo matemtico involucra dos etapas fundamentales, la de con-
ceptualizacin y la de formulacin. En la primera se debe caracterizar el contexto del problema
real, definir claramente el propsito y los lmites del modelo, identificar y establecer relaciones
Clculo Numrico

9
entre las variables; en la segunda etapa se deben determinar las ecuaciones asociadas al modelo
y seleccionar y estimar los parmetros del modelo.
El objetivo del modelo es aplicarlo para obtener alguna informacin del problema o fen-
meno que se estudia. Frecuentemente sufre modificaciones y a veces es descartado y aunque
contenga errores, puede poner en evidencia componentes esenciales de una realidad compleja.
1.2.1. Clasificacin de modelos matemticos
Los modelos matemticos pueden clasificarse en funcin del tratamiento de la incertidum-
bre; del origen de la informacin; de su campo de aplicacin, etc.
a) En funcin del tratamiento de la incertidumbre
Determinstico: se conoce de manera puntual la forma del resultado ya que no hay incertidumbre.
Adems, los datos utilizados para alimentar el modelo son completamente conocidos y determina-
dos.
Estocstico: probabilstico, no se conoce el resultado esperado, sino su probabilidad y existe por
lo tanto incertidumbre.
b) En funcin del origen de la informacin utilizada para construirlos
Modelos heursticos: del griego euriskein, hallar, inventar. Son los que estn basados en las
explicaciones sobre las causas o mecanismos naturales que dan lugar al fenmeno estudiado.
Modelos empricos: del griego empeiricos (experiencia, experimento) Son los que utilizan las
observaciones directas o los resultados de experimentos del fenmeno estudiado.
c) En funcin de su campo de aplicacin
Modelos conceptuales: son los que reproducen mediante frmulas y algoritmos matemticos
ms o menos complejos los procesos fsicos que se producen en la naturaleza.
Modelo matemtico de optimizacin: los modelos matemticos de optimizacin son ampliamen-
te utilizados en diversas ramas de la ingeniera para resolver problemas que por su naturaleza son
indeterminados, es decir presentan ms de una solucin posible.
d) En funcin del factor tiempo
Modelos estticos: son independientes del tiempo, consideran situaciones estacionarias.
Clculo Numrico

10
Modelos dinmicos: son los que describen el comportamiento del sistema en estudio en funcin
del tiempo.

1.3. ALGORITMOS
Un algoritmo puede definirse como una secuencia lgica de pasos necesarios para la eje-
cucin de una tarea especfica, tal como la solucin de un problema, tambin como una secuen-
cia de instrucciones para alcanzar un resultado deseado en un tiempo finito.
Un buen algoritmo se caracteriza por: terminar luego de una cantidad finita de pasos, ser lo
ms general y preciso posible, ser determinstico, no dejar nada al azar y permitir obtener resulta-
dos independientes de quien lo est utilizando.
Para generar un algoritmo se debe seguir una serie de pasos:
1. Determinar el objetivo de la tarea
2. Identificar los datos de entrada y de salida
3. Determinar el proceso involucrado
4. Identificar las variables internas
5. Dividir el proceso en acciones elementales
6. Determinar la secuencia de estas acciones
7. Incorporar estructuras de control
Por lo general, el objetivo del algoritmo ser el de implementar un procedimiento numrico
para resolver un problema o para aproximar una solucin del problema. Consta de un principio;
de una serie de pasos en los que se deben definir los valores iniciales de las variables del proble-
ma, operar con estos valores hasta llegar a un resultado, proporcionar un resultado y de un final.
Un algoritmo se puede representar mediante un pseudocdigo que especifica los datos
de entrada, la forma de los resultados deseados y los pasos involucrados bien mediante un dia-
grama de flujo que es una representacin visual o grfica del algoritmo que emplea una serie de
bloques y flechas. Cada bloque representa una operacin particular o un paso en el algoritmo. Las
flechas indican la secuencia en que se implementan las operaciones.
Los smbolos que se utilizan en diagramas de flujo se representan en la Figura 1.1.

Clculo Numrico

11

Figura 1.1. Smbolos que se utilizan en diagramas de flujo
Por ejemplo, si se deseara escribir el algoritmo para la solucin de un problema simple tal co-
mo, dados dos nmeros x
1
y x
2
, escribir el mayor de ellos, se presentan a continuacin el
pseudocdigo y el diagrama de flujo (Figura 1.2) correspondientes:
Algoritmo Mayor (algoritmo que muestra el mayor
de dos nmeros)
Las variables de entrada son: x
1
, x
2
Paso 1: Introducir x
1
, x
2

Paso 2: si x
1
> x
2
entonces escribir x
1
Paso 3: si

no escribir x
2

PARAR

Figura 1.2. Diagrama de flujo del algoritmo Mayor
Bloque Terminal: indica el inicio o finalizacin del algoritmo
Bloque de Proceso: representa los clculos o manipulacin de datos
Bloque de Entrada/Salida: indica la entrada o salida de datos e informa-
cin
Bloque de Decisin: representa una comparacin o pregunta que deter-
mina alternativas diferentes a seguir
Bloque de Iteracin: representa clculos repetitivos
Conector: indica un truncamiento en el camino del diagrama de flujo
cuando el diagrama es grande y no cabe en una pgina.
Inicio
Introducir
x
1
y x
2

x
1
> x
2

SI NO
Imprimir
x
2

Imprimir
x
1

FIN
Clculo Numrico

12
1.4. RESOLUCIN NUMRICA DE UN PROBLEMA REAL
Consideremos el problema fsico de una encomienda que se deja caer desde un globo ae-
rosttico. Se desea determinar la velocidad de cada luego de 12 segundos si la masa del cuerpo
es 70 kg y que el coeficiente de roce es 0,27 kg/m.
En la Figura 1.3 puede observarse un esquema de la situacin planteada.

Figura 1.3. Representacin de las fuerzas que actan sobre un cuerpo
en cada libre.

El modelo fsico que lo rige est dado por la segunda Ley de Newton. Su expresin ma-
temtica es
F= M a (1.1)
Este modelo es una idealizacin y simplificacin de la realidad, no incluye los efectos de la
relatividad, donde F corresponde a la fuerza neta que acta sobre el cuerpo, M es la masa del
objeto y a su aceleracin.
Para un cuerpo que cae dentro del permetro de la Tierra, la fuerza neta est formada por
dos fuerzas opuestas: la atraccin hacia abajo debida a la gravedad P y la fuerza hacia arriba de-
bida a la resistencia del aire F
, si consideramos el sistema de referencia positivo hacia abajo, esta

ltima tendr signo negativo. La resistencia ofrecida por el aire puede expresarse de varias mane-
ras, una aproximacin sencilla es suponer que:
F

= v (1.2)
Adems la aceleracin puede expresarse como la razn de cambio de la velocidad con
respecto al tiempo (dv/dt), por lo tanto la ecuacin (1.1) puede escribirse como
v Mg
dt
dv
M = (1.3)
Si se divide por M a ambos miembros para normalizarla se llega a la ecuacin
v
M
g
dt
dv
= (1.4)
P
F

t=0
t=t
y(t)
Clculo Numrico

13
La ecuacin (1.4) es un modelo matemtico y es una ecuacin diferencial puesto que est
escrita en trminos de la razn de cambio diferencial (dv/dt). Para resolverla pueden utilizarse dos
mtodos: el analtico que aplica las reglas del clculo diferencial o bien el mtodo numrico.
a) Solucin analtica
La solucin analtica exacta de la ecuacin (1.4) es:
=

t
M
e 1
gM
) t ( v (1.5)
Al sustituir los valores de los parmetros en la ecuacin (1.5) se obtiene
=
t
70
27 , 0
2
e 1
) m / kg ( 27 , 0
) kg ( 70 ) s / m ( 8 , 9
) t ( v
b) Solucin numrica
Como se mencion anteriormente, los mtodos numricos permiten reformular el problema
para que se pueda resolver mediante simples operaciones aritmticas. Entonces se aproxima la
razn de cambio de la velocidad con respecto al tiempo por:
i 1 i
i 1 i
t t
) t ( v ) t ( v
t
v
dt
dv
+
+
(1.6)
Reemplazando en (1.4)
) t ( v
M
g
t t
) t ( v ) t ( v
i
i 1 i
i 1 i

=
+
+
(1.7)
Esta ecuacin puede reordenarse para obtener la velocidad en el instante t
i+1

) t t ( ) t ( v
M
g ) t ( v ) t ( v
i 1 i i i 1 i

+ =
+ +
(1.8)
De manera que la ecuacin diferencial se transforma en una ecuacin algebraica, en la
que se puede calcular v (t
i+1
) si se da un valor inicial a v (t
i
), y donde

) t ( v
M
g
i
es la pendiente
de la recta descripta por esta ecuacin, es decir:
( ) ( ) ( ) ( )
tiempo
de Incremento
x
pendiente
la de Valor
anterior
v de Valor
nuevo
v de Valor
+ =
Como en el instante inicial la velocidad del cuerpo es 0, se toma ste para calcular la velo-
cidad en t=2 s y as sucesivamente. En la Tabla 1.4 se muestran los valores de velocidad obteni-
dos para la solucin analtica y la solucin numrica.
Clculo Numrico

14
Tabla 1.4. Solucin analtica y numrica
al problema de un cuerpo que cae
t (s)
Solucin
analtica
Solucin
numrica
v (m/s)
0 0 0
2 19,5246 19,6000
4 38,8991 39,0488
6 58,1248 58,3476
8 77,2027 77,4975
10 96,1341 96,4996
12 114,9199 115,3552

Puede observarse que por un mtodo numrico la solucin se aproxima bastante bien a
solucin exacta. Para minimizar las diferencias se puede utilizar un menor intervalo de clculo, por
ejemplo intervalos de 1 s. Con la ayuda de una computadora digital se puede efectuar un gran
nmero de clculos en pocos segundos y modelar con exactitud la velocidad de un cuerpo que
cae sin tener que resolver la ecuacin diferencial.

EJERCICIOS PROPUESTOS
1.1. Ejemplifique el proceso de generacin de un modelo matemtico, a partir de un fenmeno o
problema del mundo real. Detalle los aspectos involucrados en la conceptualizacin y la formula-
cin del mismo.
1.2. Responda verdadero o falso:
a) Un algoritmo debe ser finito y preciso
b) Los mtodos numricos son aquellos en los que se reformula un problema matemtico pa-
ra que pueda resolverse mediante operaciones aritmticas.
c) Un modelo matemtico nunca puede ser modificado
1.3. Enuncie las caractersticas relevantes del Clculo Numrico e indique por lo menos cinco pro-
blemas matemticos que surgen en Ingeniera y pueden resolverse por Mtodos Numricos.
1.4. Calcule analtica y numricamente la velocidad de cada, a los 20 s, de un cuerpo de 50 kg
que se deja caer desde un aeroplano, considerando que la fuerza de roce es v
2
(=0,27
kg/m).Grafique ambas soluciones.
1.5. Escriba el algoritmo y el diagrama de flujo correspondiente al problema de la multiplicacin de
dos nmeros.
Clculo Numrico

15
Captulo 2
APROXIMACIONES Y ERRORES

El anlisis del error en un resultado numrico es esencial en cualquier clculo hecho a ma-
no o con una computadora. Los datos de entrada rara vez son exactos puesto que se basan en
ensayos experimentales o bien son estimados y los mtodos numricos introducen errores de
varios tipos, por ello brindan resultados aproximados. En la prctica profesional, los errores son
costosos y en algunos casos letales. Adems como los resultados de los mtodos numricos son
aproximaciones, es necesario tener en claro los conceptos de cifras significativas, exactitud y pre-
cisin.

2.1. CIFRAS SIGNIFICATIVAS
La confiabilidad de un valor numrico est dada por sus cifras significativas que se defi-
nen como el nmero de dgitos, ms un dgito estimado que se pueda usar con confianza. Por
ejemplo, si se leen 25 ml en una bureta, que est graduada en 0,1 ml, se puede decir que el nivel
del lquido es mayor que 25,1 y menor que 25,2 ml como puede observarse en la Figura 2.1. Has-
ta puede estimarse con una aproximacin de 0,05 ml, por lo tanto el volumen vertido es 25,15 ml
que tiene 4 cifras significativas. Los primeros tres dgitos son seguros y el ltimo es una estima-
cin.

Figura 2.1. Representacin de la seccin de una bureta

Un cero puede ser significativo o no, dependiendo de su posicin en un nmero dado. Los
ceros que solamente sitan la cifra decimal no son significativos, si se escribiera 25,15 ml como
0,02515 l, el nmero de cifras significativas sigue siendo el mismo. Los ceros al final de un nme-
ro pueden ser significativos o no. Si se dice que un tanque de agua se encuentra a 10,0 m de altu-
ra, significa que la altura se conoce hasta las dcimas de metro. Si esa misma altura se da como
25
Clculo Numrico

16
1000 cm la expresin es confusa y para mantener el criterio de cifras significativas se utiliza la
notacin cientfica 1,0 x 10
3
.

2.2. EXACTITUD Y PRECISIN
La precisin se refiere al nmero de cifras significativas que representan una cantidad a
la extensin en las lecturas repetidas de un instrumento que mide alguna propiedad fsica.
La exactitud se refiere a la aproximacin de un nmero o de una medida al valor verdade-
ro que se supone representa.

2.3. ERRORES
2.3.1. Error absoluto y relativo
El error se aplica para indicar la inexactitud y la imprecisin de las mediciones.
El error numrico es igual a la diferencia entre el valor verdadero y el aproximado:
E
v
= valor verdadero valor aproximado (2.1)
El error relativo fraccional resulta de normalizar el error respecto al valor verdadero:

verdadero valor
error
fraccional relativo Error = (2.2)
Si se expresa en porcentaje:
100 x
verdadero valor
verdadero error
E
v
= (2.3)
El error relativo porcentual de aproximacin est dado por:
100 x
actual n aproximaci
previa n aproximaci actual n aproximaci
E
a

= (2.4)
Por lo general se toma el valor absoluto del error.
De acuerdo con Scarborough, se tiene la seguridad de que el resultado es correcto en al
menos n cifras significativas si se cumple el siguiente criterio:
)% 10 x 5 , 0 (
n 2
s

= (2.5)
donde
s
es la tolerancia prefijada.

Clculo Numrico

17
2.3.2. Errores en la resolucin numrica
Las soluciones que resultan de la aplicacin de los mtodos numricos son aproximadas
debido a que existen incertidumbres en los datos, puesto que stos son empricos; en el modelo
ya que es una idealizacin y simplificacin de la realidad y en la resolucin numrica debido a
errores de truncamiento y de redondeo.
2.3.2.1. Error de truncamiento
Estos errores resultan al usar una aproximacin en lugar de un procedimiento matemtico
exacto y dependen del mtodo numrico empleado.
La serie de Taylor (2.6) puede utilizarse para predecir el valor de la funcin en x
i+1
en
trminos de la funcin y de sus derivadas en la vecindad de un punto x
i
.
n
n
i 1 i
i
) n (
2
i 1 i
i
i 1 i i i 1 i
R ) x x (
! n
) x ( f
) x x (
! 2
) x ( ' ' f
) x x )( x ( ' f ) x ( f ) x ( f + + + + + =
+ + + +
L (2.6)
El trmino residual considera todos los trminos desde n+1 hasta el infinito.
) paso ( h ) x x ( con , ) x x (
! ) 1 n (
) ( f
R
i 1 i
1 n
i 1 i
) 1 n (
n
=
+

=
+
+
+
+
(2.7)
Si se considera el primer trmino de la serie, la aproximacin es de orden cero; con dos
trminos la aproximacin es de 1 orden, tres trminos corresponden a 2 orden y as sucesiva-
mente. Cuanto mayor sea el nmero de trminos incluidos, menor ser el error de truncamiento.
2.3.2.2. Error de redondeo
Estos errores resultan de representar en forma aproximada nmeros exactos, dependen
de la computadora o de quien realice los clculos. Si se realizan las operaciones algebraicas a
mano se deben tener en cuenta las reglas de redondeo.
Reglas de redondeo
1. Se conservan las cifras significativas y el resto se descarta. El ltimo dgito que se
conserva se aumenta en 1si el primer dgito descartado es mayor que 5. De otra
manera se deja igual. Si el primer dgito descartado es 5 o es 5 seguido de ceros,
entonces el ltimo dgito retenido se incrementa en 1 solo si es impar.
2. En la suma y la resta el redondeo se lleva a cabo de manera que el ltimo dgito re-
tenido en la respuesta corresponda al ltimo dgito ms significativo de los nmeros
que estn sumando o restando. Un dgito en la columna de las centsimas es ms
significativo que en las milsimas.
Clculo Numrico

18
3. Para la multiplicacin y la divisin el redondeo es tal que la cantidad de cifras del
resultado es igual al nmero ms pequeo de cifras significativas que contienen las
cantidades en operacin.
4. En el caso de operaciones combinadas se ejecutan las operaciones entre parnte-
sis y el resultado se redondea antes de proceder con la otra operacin.
Si los clculos se realizan utilizando una computadora se debe considerar que la mayora
de ellas guardan un nmero finito de cifras significativas durante un clculo y resultan crticos en
dos casos:
1. Ciertos mtodos requieren cantidades extremadamente grandes para obtener una res-
puesta, adems los clculos dependen entre s, por lo tanto los clculos posteriores son
dependientes de los anteriores y por lo tanto el efecto de acumulacin en el transcurso de
una gran cantidad de clculos resulta significativo.
2. Si se realizan operaciones algebraicas con nmeros muy pequeos y muy grandes al
mismo tiempo.
Adems la mayora de las computadoras representan a los nmeros como nmeros de
punto flotante. La representacin de punto flotante de un nmero est dada por la siguiente ex-
presin:

b
p
B a a a a . ) x ( fl L
3 2 1
0 = (2.8)
Donde:
: es el signo del nmero, puede ser positivo o negativo
a
1
a
2
a
3
...a
p
: es la parte fraccionaria significativa
B: es la base, puede ser 2, 10 16
b: es el exponente entero, las computadoras de 12 dgitos tiene un valor de b de 999
p: es el nmero de dgitos significativos (precisin)
Por ejemplo, si se quiere representar el nmero 24,12 como un nmero de punto flotante
con B=10 y p=4, este ser:
fl(x)= +.2412x10
2

Si la computadora admite solo p cifras significativas el redondeo se hace al nmero ms
prximo. Dado el nmero:

El redondeo para este nmero utilizando el punto flotante fl(x) es:
b
2 p 1 p p 3 2 1
10 a a a a a a . 0 x L L
+ +
=
Clculo Numrico

19

Las cotas del error de redondeo sern:

a) Error absoluto E
a
= fl(x)-x con su valor absoluto
p b
a
10 . 5 . 0 E

b) Error relativo E
r
=
x
E
a
con su valor absoluto
p
r
10 . 5 . 0 E

2.3.2.3. Otros tipos de error
Errores por equivocacin
Son errores por torpeza o por equivocacin, son debidos por lo general a errores humanos.
Las equivocaciones ocurren en cualquier etapa del proceso de modelado matemtico y pueden
contribuir con las otras componentes del error.
Errores de formulacin
Estos errores degeneran en un modelo matemtico incompleto y si se est usando un mo-
delo deficiente, ningn mtodo numrico generar resultados adecuados.
Incertidumbre en los datos
Algunas veces se introducen errores en un anlisis debido a la incertidumbre de los datos
fsicos sobre los que se basa el modelo. Son errores que muestran inexactitud e imprecisin.


2.1. Suponga que debe cuantificar la cantidad de -caroteno en lechuga y experimentalmente se
determin que el valor es 0,042 mg/100g. Si el valor verdadero es 0,048 mg/100g, indique el error
verdadero y el error relativo porcentual.
2.2. Estime el valor de e
0.5
utilizando la expansin en serie de Mac Laurin, calculando los errores
relativos porcentuales real y aproximado (considere que el valor real de e
0.5
es1, 648721271 des-
pus del agregado de cada trmino hasta que el valor absoluto del error aproximado sea menor
que el criterio establecido por la frmula de Scarborough para 3 cifras significativas.
2.3. En la tabla que sigue se muestran las velocidades de formacin del compuesto C, mediante
una reaccin enzimtica, a partir de los reactivos A y B. Se indican las velocidades de formacin
con 3, 4, 5 y 6 cifras significativas. Calcule los errores relativos porcentuales para un tiempo t =
12s, considerando que el valor real con 10 cifras significativas es 4984,921508 g/s.
5 a si 10 ) 1 a ( a a a . 0 ) x ( fl
5 a si 10 a a a a . 0 ) x ( fl
1 p
b
p 3 2 1
1 p
b
p 3 2 1
+ =
< =
+
+
L
L
Clculo Numrico

20
Tiempo (s)
Velocidad de formacin (g/s)
Cifras significativas
3 4 5 6
4 3200 3200 3200,4 3200,46
8 4489 4489 4489,3 44892,41
12 4980 4984 4984,8 4984,91
2.4. Aplique las reglas de redondeo a:
a) 5,6723 a 3 cifras significativas
b) 10,406 a 4 cifras significativas
c) 7,3500 a 2 cifras significativas
2.5. Evale:
2,2 1,768 y 0,0642 x 4,80
2.6. Utilice trminos en la Serie de Taylor de cero a cuarto orden para aproximar la funcin f(x)= -
0,2 x
4
- 0,35 x
3
-0,5 x
2
-0,45 x+1,8 para x= 2 y calcule el error de truncamiento en cada caso. Consi-
dere h=1.
2.7. Represente las siguientes cantidades como nmeros de punto flotante. Considerando base
10 y 4 dgitos significativos.
a) 28,31; b) -0,00144; c) 38000
Clculo Numrico

21
Captulo 3
SOLUCION NUMERICA DE ECUACIONES

Uno de los problemas ms antiguos y bsicos del clculo numrico es el problema de
bsqueda de la solucin de una ecuacin, es decir encontrar los valores de la variable x que satis-
facen la ecuacin f(x)=0, para una funcin f dada. Las ecuaciones pueden ser algebraicas (la fun-
cin f es un polinomio), por ejemplo: x
2
+5x-4=0 o bien trascendentes puesto que estn constitui-
das por funciones trascendentes tales como funciones exponenciales, trigonomtricas, logartmi-
cas, etc., por ejemplo: e
-x
x; sen x; ln x
2
1. Solamente en casos muy simples, de ecuaciones
algebraicas, existen frmulas que permiten resolverlas en trminos de sus coeficientes, para el
resto de las ecuaciones se utilizan mtodos aproximados que permiten mejorar la solucin por
simple repeticin del mismo mtodo hasta adquirir el grado de aproximacin requerido. Estos
mtodos son apropiados para realizarlos utilizando computadoras puesto que comprenden la re-
peticin de un proceso, es decir iteracin. A continuacin se describen mtodos numricos que
permiten calcular las races de ecuaciones algebraicas y trascendentes.

3.1. METODO GRAFICO
Este es un mtodo muy simple, consiste en calcular valores de la variable dependiente pa-
ra distintos valores de la variable independiente. A continuacin se grafican en un sistema de ejes
coordenados cartesianos y se observa el punto de interseccin de la funcin con el eje de las
abscisas. Este punto proporciona una primera aproximacin a la raz de la ecuacin.
Por ejemplo, si se desea determinar, aplicando el mtodo grfico, los valores aproximados de
las races de x
2
-6 x +1 =0. Para ello se calcula el valor de la funcin en el intervalo [-2,8] y se
representan los valores en un sistema de ejes cartesianos (Figura 3.1).
-2 0 2 4 6 8
-10
-5
0
5
10
15
20 y
x

Figura 3.1. Grfico del polinomio x
2
-6 x +1
Se observa en el grfico que las races aproximadas son 0 y 6.

Clculo Numrico

22
3.2. METODOS NUMERICOS DE CLCULO DE UNA RAIZ

Los mtodos de cmputo de una raz real de una ecuacin involucra dos pasos, en primer
lugar la determinacin del intervalo de bsqueda, es decir el intervalo al que la raz pertenece,
siempre que la ecuacin est vinculada a un sistema fsico y en segundo lugar la seleccin y apli-
cacin de un mtodo numrico apropiado para determinar la raz con la exactitud adecuada.
Estos mtodos se clasifican en dos categoras: mtodos abiertos y mtodos cerrados. Los
mtodos cerrados, tales como el mtodo de la biseccin y el de la falsa posicin, son aquellos que
usan intervalos, se caracterizan por ser siempre convergentes pero la velocidad de convergencia
es lenta. Los mtodos abiertos, mtodo de aproximaciones sucesivas, de Newton-Raphson, de
Newton de 2 orden, de Von Mises, de la secante, requieren informacin nicamente de un punto,
o de dos pero que no necesariamente encierran a la raz. La convergencia es ms rpida pero
algunas veces divergen.
3.2.1. Mtodos cerrados
3.2.1.1. Mtodo de la Biseccin
El mtodo de la biseccin, conocido tambin como de corte binario, de particin en dos
intervalos iguales, de bsqueda binaria o de Bolzano se basa en el Teorema del Valor Intermedio
y en el teorema de Bolzano.
Teorema del valor intermedio: Si f[a,b] y k es un nmero cualquiera comprendido entre f(a) y f (b) entonces
existe un c en el intervalo (a,b) tal que f(c)=k.
Teorema de Bolzano: sea f una funcin contnua en el intervalo [a,b], con f(a)f(b)<0 entonces existe al me-
nos un punto c[a,b] tal que f(c)=0
Si se tiene una funcin f(x) continua en el intervalo [x
L
,x
U
], con f(x
L
) y f(x
U
) de signos
opuestos, por el teorema anterior, existe un valor x* incluido en el intervalo (x
L
,x
U
) tal que f(x*)=0.
El mtodo requiere de dividir el intervalo a la mitad y localizar la mitad que contiene a la raz. El
proceso se repite y su aproximacin mejora a medida que los subintervalos se dividen en interva-
los ms y ms pequeos. La primera aproximacin a la raz, se determina como x
M
=
( )
2
x x
U L
+
,
ver Figura 3.2.

Figura 3.2. Esquema del mtodo de la Biseccin
x
y
(x
M
,0) x
L

x
U

Clculo Numrico

23
Para determinar en que subintervalo est la raz debe considerarse lo siguiente:
Si f (x
M
) = 0, entonces la raz es igual a x
M
.
Si f (x
L
). f(x
M
) < 0, la raz se encuentra en el primer subintervalo (x
L
, x
M
)
Si f(x
L
). f (x
M
) > 0, la raz se encuentra en el segundo subintervalo (x
M
, x
U
).
Se calcula una nueva aproximacin a la raz en el nuevo subintervalo y se contina con las ite-
raciones hasta la cota de error fijada de antemano.
Las ventajas y desventajas del mtodo se detallan a continuacin:

Ventajas Desventajas
Es siempre convergente - Converge muy lentamente
- Si existe ms de una raz en el interva-
lo, el mtodo permite encontrar slo una
de ellas

A continuacin se presenta un algoritmo de este mtodo iterativo.
Algoritmo para el mtodo de Biseccin
Permite encontrar una solucin a la ecuacin f(x)=0, dada la funcin continua f en el interva-
lo [x
L
,x
U
].
Considerando la siguiente notacin:
x
L
: lmite inferior del intervalo considerado

x
U
: lmite superior del intervalo considerado
x
M
: raz aproximada
E: cota de error o criterio de detencin
N: nmero mximo de iteraciones
Paso 1: Tomar i = 1
Paso 2: Mientras i N seguir con los pasos 3 a 6
Paso 3: Tomar x
M
= x
L
+
( )
2
x x
U L
+

Paso 4: Si E
2
x x
U L
<
+
f(x
M
)=0, SALIDA x
M

PARAR
Paso 5: Tomar i = i+1
Paso 6: Si f(x
L
). f(x
M
) >0, tomar x
L
=x
M
,
si no tomar x
U
=x
M

Paso 7: SALIDA (Procedimiento completado sin xito despus de N iteraciones)
PARAR

Clculo Numrico

24
Por ejemplo, si se desea determinar, aplicando el mtodo de la biseccin, una de las races de
la ecuacin x
3
+x
2
-3x-3=0, considerando que la funcin cambia de signo en el intervalo (1,2).
La estimacin inicial de la raz se sita en el punto medio de este intervalo:
X
M
=
( )
5 , 1
2
2 1
2
x x
U L
=
+
=
+

Ahora se calcula f(x
L
). f(x
M
):
f(1) . f(1,5) = (-4) . (-1,875) = 7,5 > 0 no hay cambio de signo entre a y x
1
, entonces la raz se en-
cuentra en el intervalo (1,5, 2).
La aproximacin a la raz en la segunda iteracin se calcula como x
M
= 75 , 1
2
2 5 , 1
=
+

y f(1,5) . f(1,75) = -1,70312< 0 , por lo tanto la raz est en (1,5, 1,75), entonces la tercera itera-
cin es:
x
M
= 625 , 1
2
75 , 1 5 , 1
=
+

y as sucesivamente, en la sexta iteracin se llega a un valor de x
6
=1,734 bastante prximo al va-
lor verdadero de la raz 1,7321
3.2.1.2. Mtodo de la Falsa Posicin o Regula Falsi
Este mtodo es similar al de la biseccin salvo que la siguiente iteracin se toma en la in-
terseccin de una recta entre el par de valores x y el eje de las abscisas en lugar de tomar el pun-
to medio. El reemplazo de la curva por una lnea recta da una posicin falsa de la raz, de aqu el
nombre de mtodo de la regla falsa.
Para aplicarlo se eligen los extremos x
L
y x
U
del intervalo entre los que se encuentra la raz,
verificando que se cumpla que f(x
L
). f(x
U
) < 0. Si se observa la Figura 3.3, por semejanza de trin-
gulos, puede escribirse la siguiente igualdad:
U M
U
L M
L
x x
) x ( f
x x
) x ( f
(3.1)
Y despejando de la expresin (3.1) el valor de x
M
, que es una aproximacin de la raz, se obtiene
la siguiente frmula de iteracin o recurrencia:
) x ( f ) x ( f
x x
) x ( f x x
L U
L U
U U M
= (3.2)
El valor de x
M
, calculado con la ecuacin (3.2), reemplaza a uno de los dos valores, x
L
o x
U

que produzca un valor de la funcin que tenga el mismo signo de f(x
M
). De esta manera los valo-
res x
L
y x
U
siempre encierran a la raz.
Si f(x
M
)=0 el proceso termina.
Si f(x
M
) tiene el mismo signo de f(x
L
), el prximo paso es elegir x
L
= x
M
y x
U
= x
U
.
Si f(x
M
) tiene el mismo signo de f(x
U
) el prximo paso es elegir x
L
= x
L
y x
U
= x
M
.
Clculo Numrico

25
El proceso se repite en la misma forma hasta llegar a la cota de error.
En la Figura 3.3 se presenta un esquema del mtodo.

Figura 3.3. Esquema del mtodo de la Falsa Posicin
Un algoritmo para este mtodo iterativo es el que sigue.
Algoritmo para el mtodo de la Falsa Posicin
Permite encontrar una solucin a la ecuacin f(x)=0, dada la funcin continua f en el interva-
lo [x
L
,x
U
], considerando la siguiente notacin:
x
L
: lmite inferior del intervalo considerado

x
U
: lmite superior del intervalo considerado
x
M
: raz aproximada
f(x
L
): valor de la funcin en x
L
f(x
U
): valor de la funcin en x
U

Paso 1: Tomar i = 1
Paso 3: Tomar
) x ( f ) x ( f
x x
) x ( f x x
L U
L U
U U M
=
Paso 4: Si E
) x ( f ) x ( f
x x
) x ( f
L U
L U
U
<
f(x
M
)=0, SALIDA x
M

PARAR
Paso 6: Si f(x
L
). f(x
M
) >0, tomar x
L
=x
M
,
si no tomar x
U
=x
M

PARAR

x
y
(x
M
,0)
x
L

x
U

Clculo Numrico

26
Por ejemplo, si se desea determinar, aplicando el mtodo de la falsa posicin, una de las ra-
ces de la ecuacin planteada en el tem 3.2.1.1, considerando que la funcin cambia de signo
en el intervalo (1,2).
Se iniciarn los clculos con los valores iniciales x
L
= 1 y x
U
= 2
Primera iteracin:
x
L
= 1, f(x
L
) = -4
x
U
= 2 f(x
U
) = 3
57142 , 1
) 4 ( 3
) 1 2 (
3 2 x
M
=

=
Segunda iteracin:
Como f(x
M
)= -1,36449 tiene el mismo signo que f(x
L
), x
M
se convierte en el lmite superior de la
siguiente iteracin, x
U
= 1,57142
x
L
= 1, f(x
L
) = -4

x
U
= 1,57142 f(x
U
) = -1,36449
70540 , 1
) 4 ( 36449 , 1
) 1 57142 , 1 (
36449 , 1 57142 , 1 x
M
=

=

Se procede de esta manera hasta que en la quinta iteracin el valor de x
M
es 1,73194 muy
prximo al valor verdadero 1,7321
Las ventajas y desventajas del mtodo son:

Es siempre convergente - Si existe ms de una raz en el interva-
lo, el mtodo permite encontrar slo una
de ellas
Converge ms rpidamente que el
mtodo de la biseccin

3.2.2. Mtodos abiertos
3.2.2.1. Mtodo de Aproximaciones sucesivas
El mtodo de aproximaciones sucesivas o iteracin de punto fijo es una forma muy til y
simple de encontrar la raz de una ecuacin de la forma f(x)=0. Para ello se reordena la ecuacin
de manera que x sea igual a g(x). Esta transformacin se puede llevar a cabo mediante operacio-
nes algebraicas o simplemente agregando x en ambos miembros de la ecuacin original. A una
solucin de esta ecuacin se le llama un punto fijo de la funcin g. Sin embargo, es muy importan-
te la seleccin de la funcin g(x), ya que no siempre converge con cualquier forma elegida de g(x).
Clculo Numrico

27
En sntesis, sea:
f(x)=0 (3.3)
una ecuacin algebraica o trascendente y x = x* una raz de ella o sea un valor de x tal que la veri-
fique idnticamente, es decir: f(x*)=0. Sumando x a ambos miembros de (3.3) se tiene f(x) +x = x y
llamando g(x)= x + f(x) se tiene que:
x = g(x) (3.4)
El mtodo de aproximaciones sucesivas consiste en sustituir x
0
, un valor aproximado de la
raz x* en el segundo miembro de la ecuacin (3.4), con lo que se obtiene: x
1
=g(x
0
)
Procediendo reiteradamente de esta manera, la i-sima aproximacin o i-sima iteracin
es: x
i+1
=g(x
i
) (3.5)
Algoritmo para el mtodo de Iteracin de Punto Fijo
Permite encontrar una solucin a la ecuacin x=g(x), dada una aproximacin inicial x
0
.
x
0
: aproximacin inicial a la raz

x: aproximacin a la raz
Paso 1: Tomar i = 1
Paso 3: Tomar x= g(x
0
)
Paso 4: Si E x x
0
< , SALIDA x
PARAR
Paso 6: Tomar x
0
=x
PARAR

Si a medida que n crece, x
i+1
tiende a x* se dice que el mtodo converge, en caso contrario
diverge. Si el mtodo converge, la diferencia entre dos iteraciones sucesivas ser ms pequea a
medida que i aumenta, lo que proporciona un criterio de terminacin de aplicacin del mtodo. Se
acepta el siguiente teorema sin demostracin:
Clculo Numrico

28
Teorema: El mtodo de aproximaciones sucesivas converge si existe un nmero fijo m tal
que: 1 < m x f ) ( ' .
Un planteamiento grfico diferente es el de separar la ecuacin x = g(x) en dos partes, co-
mo y
1
= x (recta a 45) y y
2
= g(x), stas se pueden graficar por separado. Los valores de x co-
rrespondientes a las intersecciones de estas funciones representan las races de f(x) = 0. En la
Figura 3.4 se muestra la convergencia (a) y (b) ya que verifican el teorema de la convergencia y la
divergencia (c) y (d) en el mtodo de Aproximaciones sucesivas.

Figura 3.4. Convergencia y divergencia del Mtodo de Iteracin de Punto Fijo

Por ejemplo, si se desea determinar, aplicando el mtodo de aproximaciones sucesivas, una
de las races de la ecuacin x
2
- 4x + 2=0, existen muchas formas de cambiar la ecuacin a la
forma x=g(x).
Si se despeja x de la ecuacin se tiene:
4
2 x
x
2
+
= , por lo tanto la ecuacin de recurrencia
o iteracin es
4
2 ) x (
x
2
i
1 i
+
=
+

x
0
x
1 x
*

x
2 x
y
(b)
x
x
1
x x x*
y
x
1 x
x
2
x*
y
x
0
x
x
1
x
2
a
y
(a)
(c)
(d)
Clculo Numrico

29
En la tabla siguiente se muestran los valores obtenidos, se comienza con una aproxima-
cin x
0
=1. El valor real de la raz (0.586) se alcanza luego de cinco iteraciones.
x
i
x
i+1

1 0,75
0,75 0,641
0,641 0,603
0,603 0,591
0,591 0,587
0,587 0,586

Es simple - No siempre es convergente, depende de
la forma de la funcin g(x)
Es flexible

3.2.2.2. Mtodo de Newton-Raphson o de la Tangente
En este mtodo si el valor inicial de la raz es x
i
, se puede extender una tangente desde el
punto (x
i
, f(x
i
)). El punto donde esta tangente corta al eje x representa una aproximacin mejorada
de la raz.
Existen por lo menos tres maneras usuales de introducir el mtodo de Newton Raphson
puesto que se puede derivar a partir de un mtodo grfico a partir de la de iteracin de punto fijo
bien utilizando la serie de Taylor. El desarrollo a partir de esta serie es el siguiente:
2
i 1 i i 1 i i i 1 i
) x x (
2
) ( ' ' f
) x x )( x ( ' f ) x ( f ) x ( f
+ + =
+ + +
(3.6)
donde se encuentra en alguna parte del intervalo x
i
y x
i+1
. Truncando la serie de Taylor despus
de la primera derivada, se obtiene:
f(x
i+1
) f(x
i
) + f (x
i
)(x
i+1
-x
i
) (3.7)
donde f (x
i
) es adems de la derivada primera, la pendiente de la recta descripta.
En la interseccin con el eje x, f(x
i+1
) debe ser igual a cero, o sea:
0 f(x
i
) + f (x
i
)(x
i+1
-x
i
) (3.8)
Resolviendo para x
i+1
:
) x ( ' f
) x ( f
x x
i
i
i 1 i
=
+
(3.9)
La frmula (3.9) se denomina Frmula de Newton Raphson.
Clculo Numrico

30
Este mtodo definido por el denominador f (x
i
) hace que geomtricamente se pase de una
aproximacin a la siguiente por la tangente a la curva y = f(x) trazada en el punto correspondiente
a la aproximacin presente, esto puede observarse en la Figura 3.5.

Figura 3.5. Mtodo de Newton-Raphson
Algoritmo para el mtodo de Newton-Raphson
Permite encontrar una solucin a la ecuacin f(x)=0, dada una aproximacin inicial x
0
.
x
0

f(x): funcin en estudio
f(x): derivada de la funcin
Paso 1: Tomar i = 1
Paso 3: Tomar
) x ( ' f
) x ( f
x x
0
0
0
=
Paso 4: Si E x x
0
< , SALIDA x
PARAR
Paso 6: Tomar x
0
=x
PARAR

Por ejemplo, si se desea determinar, aplicando el mtodo Newton-Raphson, una de las races
de la ecuacin x
2
- 4x + 2=0, se calcula la derivada primera de la funcin dada.
y
x
0
x
1
x
2
x*
x

Clculo Numrico

31
Como f(x
i
)= x
2
- 4x + 2, su derivada primera es: f(x
i
)= 2x - 4. Por lo tanto la frmula de recu-
rrencia es:

4 x 2
2 x 4 x
x
) x ( ' f
) x ( f
x x
i
2
i
i
i
i
i 1 i
+
= =
+

En la tabla siguiente se muestran los valores obtenidos, se comienza con una aproxima-
cin x
0
=1. El valor real de la raz (0.586) se alcanza luego de dos iteraciones.
x
i
x
i+1

1 0,5
0,5 0,583
0,583 0,586

Converge ms rpido que cual-
quiera de los mtodos analizados
hasta ahora.
- No siempre es convergente, depende de
la naturaleza de la funcin
- No es conveniente en el caso de races
mltiples
- Puede alejarse del rea de
inters si la pendiente es cercana a cero

3.2.2.3. Mtodo de Newton de segundo orden
Si en lugar de considerar los dos primeros trminos de la serie de Taylor se consideran los
tres primeros trminos (3.6), se representa con x
i
a la diferencia entre x
i+1
y x
i
y se iguala a cero,
se tiene:
0 ) x ( ' ' f
2
) x (
) x ( ' f x ) x ( f
i
2
i
i i i
=
+ + (3.10)
y sustituyendo x
i
por
) x ( ' f
) x ( f
i
i
(a partir de la frmula de Newton-Raphson) queda:
0 ) x ( ' ' f
) x ( ' f
) x ( f
2
1
) x ( ' f x ) x ( f
i
i
i
i i i
=
+ (3.11)
Despejando x
i
se obtiene:
) x ( ' ' f
) x ( ' f 2
) x ( f
) x ( ' f
) x ( f
x
i
i
i
i
i
i
= (3.12)
Clculo Numrico

32
De la ecuacin (3.12) se puede despejar el valor de x
i+1
:
) x ( ' ' f
) x ( ' f 2
) x ( f
) x ( ' f
) x ( f
x x
i
i
i
i
i
i
1
i
=
+
(3.13)
Este mtodo considera un mayor nmero de trminos de la serie por lo tanto converge
ms rpidamente que el mtodo de Newton-Raphson.
Algoritmo para el mtodo de Newton de segundo orden
0
.
x
0

f(x): derivada primera de la funcin
f(x): derivada segunda de la funcin
Paso 1: Tomar i = 1
Paso 3: Tomar
) x ( ' ' f
) x ( ' f 2
) x ( f
) x ( ' f
) x ( f
x x
0
0
0
0
0
0
=

Paso 4: Si E x x
0
< , SALIDA x
PARAR
Paso 6: Tomar x
0
=x
PARAR

3.2.2.4. Mtodo de Von Mises
El mtodo de Newton-Raphson puede ser problemtico si se est en puntos alejados de
las races y cercanos a puntos donde el valor de f(x
i
) sea prximo a cero. Para ello von Mises
sugiri utilizar Newton-Raphson (frmula 3.9) sustituyendo el denominador f(x
i
) por f(x
0
), es decir
obtener geomtricamente las siguientes aproximaciones por medio de paralelas a la primera tan-
gente. La ecuacin de recurrencia es:
Clculo Numrico

33
) x ( ' f
) x ( f
x x
0
i
i 1 i
=
+
(3.14)
En la Figura 3.6 se muestra un esquema de la aplicacin del Mtodo de von Mises.

Figura 3.6. Mtodo de von Mises
Algoritmo para el mtodo de Von Mises
0
.
x
0

f(x
00
): valor de la derivada de la funcin para el valor inicial de aproximacin x
0

Paso 1: Tomar i = 1
Paso 3: Tomar
) x ( ' f
) x ( f
x x
00
0
0
=
Paso 4: Si E x x
0
< , SALIDA x
PARAR
Paso 6: Tomar x
0
=x
PARAR
3.2.2.5. Mtodo de la secante
Surge como una variacin del mtodo de Newton-Raphson, en lugar de tomar la tangente
se toma la secante. De manera que la derivada se aproxima por una diferencia dividida, es decir:
x
2
y
x
0
x
1 x*
x
3
x
Clculo Numrico

34
i 1 i
i 1 i
x x
) x ( f ) x ( f
) xi ( ' f
(3.15)
Esto puede sustituirse en la frmula (3.9), de manera que se llega a:
) x ( f ) x ( f
) x x )( x ( f
x x
i 1 i
i 1 i i
i 1 i

+
(3.16)
La ecuacin (3.16) es la frmula para el mtodo de la secante. El mtodo requiere de dos valores
iniciales pero como no se requiere que f(x) cambie de signo en el intervalo considerado, no se lo
incluye dentro de los mtodos que utilizan intervalos.
Algoritmo para el mtodo de la Secante
Permite encontrar una solucin a la ecuacin f(x)=0, dadas dos aproximacin inicial x
0
y x
1
.
x
0
x
1

Paso 1: Tomar i = 2
Paso 3: Tomar
) x ( f ) x ( f
) x x )( x ( f
x x
1 0
1 0 1
1

=
Paso 4: Si E x x
0
< , SALIDA x
PARAR
Paso 6: Tomar x
0
=x
1
;
x
1
=x
PARAR

En la Figura 3.7 se muestra un esquema del mtodo.

Clculo Numrico

35

Figura 3.7. Mtodo de la Secante

3.3. RACES DE POLINOMIOS
Los polinomios son funciones de relevancia en modelos de ciencia e ingeniera, a conti-
nuacin se detallan teoremas y reglas necesarias para el clculo de sus races.

3.3.1. Teoremas fundamentales de la Teora de ecuaciones algebraicas.
El teorema fundamental del Algebra indica:
Teorema Fundamental del Algebra: Toda ecuacin algebraica de grado n admite n races reales o comple-
jas.
A continuacin se enuncian y demuestran algunos teoremas de inters para encontrar las
races de polinomios.
Teorema del residuo: el residuo que resulta de dividir el polinomio P(x) entre el binomio (x a), es igual al
valor del polinomio cuando x = a.
Demostracin:
Sea Q(x) el cociente y R el residuo que resulta de dividir P(x) entre x a, por definicin de
divisin de un polinomio entre un binomio se tiene:
P(x) = (x a) Q(x) + R
y si: x = a, P(a) = (a-a) Q(a) +R P(a) = R con lo que queda demostrado el teorema.
Teorema recproco: el valor del polinomio P(x) para x = a, es igual al residuo que resulta de dividir P(x) entre
x a.
y
x
i
x
i-1
x*
x

f(x
i
)
f(x
i-1
)
Clculo Numrico

36
Teorema del factor: si x =a es una raz de la ecuacin P(x) = 0, entonces x a es un factor del polinomio
P(x).
P(x) = (x a) Q(x) + R
y si: x = a, P(a) = (a-a) Q(a) +R P(a) = R
Como P(a) =0 puesto que a es una raz de P(x) =0, el resto R es igual a cero por lo tanto
puede afirmarse que (x a) es un factor de P(x).
3.3.2. Divisin sinttica
La divisin de un polinomio P(x) entre (x-a) puede expresarse como:
P(x) = (x a) Q(x) + R (3.17)
donde Q(x) es el cociente y R el resto o residuo.
Si se considera que
1 2
3
2
2
1
1
0

+ + + + + =
n n
n n n
A x A x A x A x A x Q L ) ( es el cociente y R el re-
siduo o resto que resulta de dividir el polinomio:
n n
n n
n
a x a x a x a x P + + + + =

1
1
1 0
L ) ( entre el
binomio (x- a), entonces puede expresarse como:
) aA R ( x ) aA A (
x ) aA A ( x ) aA A ( x A a x a x a x a
1 n 2 n 1 n
2 n
1 2
1 n
0 1
n
0 n 1 n
1 n
1
n
0

+ +
+ + + + = + + + + L L

Como los polinomios de ambos miembros son iguales los coeficientes de las mismas po-
tencias de x en ambos polinomios deben ser iguales entre s, luego:
a
0
=A
0
a
1
=A
1
- a A
0
. . .
a
n-1
=A
n-1
- a A
n-2

a
n
=R

- a A
n-1
de donde se obtiene:
A
0
=a
0

A
1
= a
1
+ a A
0
. . .
A
n-1
= a
n-1
+ a A
n-2
R =

a
n
+ a A
n-1
Estos son los coeficientes del polinomio, cociente y residuo buscados, los clculos se pue-
den arreglar de la siguiente forma:
Clculo Numrico

37
a
0
a
1
. . . a
n -1
a
n

a a A
0
a A
n-2
a A
n-1

A
0
A
1
. . . A
n-1
R

Este es un esquema de la divisin sinttica, se debe ordenar el polinomio P(x) en poten-
cias decrecientes de x, insertando un 0 para todos los trminos con coeficientes nulos. Si P(x) es
de grado n, entonces el cociente Q(x) es de grado n-1.
3.3.3. Regla de los signos de Descartes
El nmero de races reales positivas en la ecuacin algebraica de coeficiente reales P(x)
=0, es igual al nmero de cambios de signo en el polinomio P(x) o es menor que este nmero en
un nmero par. El nmero de races negativas es igual al nmero de cambios de signo en el poli-
nomio P(- x) o es menor que este nmero en un nmero par.
3.3.4. Races racionales
Para determinar las races racionales de una ecuacin algebraica de coeficientes enteros
o reales si se elimina la parte decimal multiplicndose por un nmero lo suficientemente grande
pueden establecerse los siguientes pasos:
1. Escribir la ecuacin en orden descendente de potencias de x.
2. Separa todas las races nulas.
3. Determinar los nmeros mximos de races positivas y negativas por la regla de los
signos de Descartes.
4. Establecer las posibles races racionales.
5. Probar que una de estas es raz, aplicando el teorema recproco del factor.
6. Separar la raz determinada y estudiar la ecuacin reducida obtenida, de manera de
eliminar de la lista original de posibles races racionales las que ya no pueden ser.
3.3.5. Races irracionales
Si una ecuacin algebraica posee races irracionales, en primer lugar se deben aplicar los
procedimientos descriptos anteriormente para encontrar y separar las races racionales, de forma
que se tenga una ecuacin reducida que posea solamente races irracionales. Si esta ecuacin es
de primer o segundo grado, sus races se obtienen por medio de frmulas, para grados superiores
al segundo se pueden aplicar los mtodos detallados anteriormente.

Clculo Numrico

38
3.3.5.1. Mtodo de Newton-Raphson
Como la funcin considerada es un polinomio, se puede escribir la frmula (3.9) como:
) x ( ' P
) x ( P
x x
i
i
i 1 i
=
+
(3.18)
El polinomio P(x) puede expresarse como la ecuacin (3.17), si se toma x = x
i
, se tiene que:
P(x
i
)= R (3.19)
El denominador de la ecuacin (3.18) puede obtenerse derivando la expresin (3.17) con
respecto a x:
P(x)=(x-x
i
)Q(x)+Q(x) (3.20)
Y haciendo x=x
i
, se llega a que:
P(x
i
)= Q(x
i
) (3.21)
Y de acuerdo con el teorema recproco al del residuo Q(x) puede determinarse como el residuo R
que resulta de dividir Q(x) entre (x-x
i
) puesto que:
Q(x)=(x-x
i
) S(x)+R (3.22)
Si se toma x=x
i
, resulta:
P(x
n
) = Q(x
n
) =R (3.23)
Sustituyendo en (3.18) se obtiene la expresin de Newton-Raphson para resolver una ecuacin
algebraica:
x
' R
R
x
i 1 i
=
+
(3.24)
Realizando consideraciones similares se llega a la frmula de recurrencia de Newton de
segundo orden para una ecuacin algebraica:
R
' R
' R
' ' R
) x ( ' P
) x ( ' ' P
2
1
) x ( P
) x ( ' P
x
1
i
i
i
i
i
= + =
(3.25)
Por ejemplo, si se desea determinar, aplicando el mtodo Newton-Raphson, una de las races
irracionales de la ecuacin x
3
+2x
2
-3x-3=0, (se sabe que una de las races es 1.4605), se co-
mienza con x=2:

1 2 -3 -3
2 2 8 10
1 4 5 7
2 2 12
1 6 17
Clculo Numrico

39
Entonces se aplica la frmula (3.24) para obtener una mejor aproximacin de la raz:
5882 . 1
17
7
2 x
1
= =
1 2 -3 -3
1,5882 1,5882 5,6988 4,2862
1 3,5882 2,6988 1,2862
1,5882 1,5882 8,2211
1 5,1764 10,9198
4704 , 1
9198 , 10
2862 , 1
5882 , 1 x
2
= =
Se realiza la divisin sinttica para este valor y as sucesivamente hasta llegar al valor
buscado.


3.1. Calcule la raz cuadrada negativa de 0.8 utilizando el mtodo de aproximaciones sucesivas.
3.2. Evale, aplicando Iteracin de Punto Fijo, el factor de friccin f en una tubera por la que circu-
la un fluido con flujo turbulento. Este factor est dado por la ecuacin:
+ =
f Re
35 , 9
D
e
log 2 14 , 1
f
1
. Considere que el dimetro D= 0,2 m; el espesor e=0,0035 m y el
nmero de Reynolds, Re =3x10
4
.
3.3. Resuelva la ecuacin: sen 2x = 0, a partir de x
0
=1,165, aplicando el mtodo de Newton de 2
orden.
3.4. Aplique el mtodo de von Mises, y luego comprelo con Newton-Raphson y Newton de 2
orden, para resolver: 4x
3
18 x
2
+ 12 x 6 = 0
3.5. Considere la pared de un horno, de 0,08 m de espesor, la temperatura del lado interno es 642
K, si las prdidas de calor desde la superficie externa se producen por conveccin y radiacin,
determine la temperatura del lado externo de la pared (T
1
). La ecuacin que rige esta situacin
problemtica es:
( ) ( ) ( ) 0 T T h T T T T
x
k
f 1
4
f
4
1 0 1
= + +

Los datos son:
Conductividad trmica, k =1,33 W/mK; Emisividad, = 0.8;Temperatura del lado interno de la pa-
red, T
0
= 642 K; Temperatura del lado externo de la pared, T
1
;Temperatura del aire, T
f
=299 K;
Clculo Numrico

40
Coeficiente convectivo de transferencia calrica, h =18 W/m
2
K; Constante de Stefan-Boltzmann,
=5,67 x10
-8
W/m
2
K
4
; Espesor de la pared, x=0,08 m.

3.6. Un proyecto de Ingeniera Qumica requiere que se calcule, exactamente, el volumen molar
(v) de monxido de carbono a 80 bares de presin y 226 K, de tal forma que se pueda determinar
el tubo adecuado que los contenga. Aplique los mtodos de Newton Raphson y von Mises.
Datos: R=0.08314 bar m
3
/kgmol K; a=1.396 bar m
6
/(kgmol)
2
; b= 0,0345 m
3
/kgmol
3.7. Demuestre que: 1, 2 y -2, son races de la ecuacin: x
3
x
2
- 4 x + 4 =0, utilizando el teorema
del factor.
3.8. Resuelva la ecuacin: x
3
7 x
2
- 10 x + 16 =0, utilice la regla de los signos de Descartes.
Clculo Numrico

41
Captulo 4
SISTEMAS DE ECUACIONES LINEALES

En muchas ocasiones los problemas de matemticas aplicadas a la ciencia e ingeniera
pueden reducirse a un sistema de ecuaciones algebraicas lineales. Estos sistemas pueden resol-
verse tanto por mtodos exactos como por mtodos aproximados.

4.1. CONCEPTOS PREVIOS

Una ecuacin algebraica lineal es una ecuacin en donde en cada trmino aparece ni-
camente una variable o incgnita elevada a la primera potencia.
Por ejemplo, a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ + a
1n
x
n
= c
1
, es una ecuacin algebraica lineal en
las variables x
1
, x
2
, x
3
, , x
n
. Se admite que los coeficientes a
11
, a
12
, a
13
,, a
1n
y el trmino inde-
pendiente c
1
, son constantes reales.
Un sistema de ecuaciones lineales es un conjunto de ecuaciones que deben resolverse
simultneamente. Por ejemplo,
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ + a
1n
x
n
= c
1

a
21
x
1
+ a
22
x
2
+ a
23
x
3
+ + a
2n
x
n
= c
2
a
31
x
1
+ a
32
x
2
+ a
33
x
3
+ + a
3n
x
n
= c
3
(4.1)
M
a
n1
x
1
+ a
n2
x
2
+ a
n3
x
3
+ + a
nn
x
n
= c
n

Aplicando la definicin de producto de matrices, en este sistema de n ecuaciones algebrai-
cas lineales con n incgnitas, puede escribirse en forma matricial:
n
2
1
n
2
1
nn 3 n 2 n 1 n
n 2 23 22 21
n 1 13 12 11
c
c
c
x
x
x
a a a a
a a a a
a a a a
K K K K K K
K
(4.2)
Este sistema de ecuaciones se simboliza como [A]
nxn
[X]
nx1
= [C]
nx1
, en donde A es la matriz
del sistema, X es el vector incgnita y C es el vector de trminos independientes, que en forma
sinttica se simboliza como AX=C.
Clculo Numrico

42
La matriz formada por A, a la que se le agrega el vector de trminos independientes como
ltima columna, se denomina matriz ampliada del sistema que se simboliza como [A
a
].
Solucin de un sistema de ecuaciones: es un conjunto de valores de las incgnitas que
verifican simultneamente a todas y cada una de las ecuaciones del sistema.
De acuerdo con su solucin, un sistema puede ser compatible, si admite solucin; o in-
compatible si no admite solucin. Un sistema compatible puede ser determinado, si la solucin
es nica; o indeterminado, si la solucin no es nica.
Teorema de Rouch Frobenius: Si el rango de la matriz de coeficientes es igual al rango de la matriz am-
pliada (rg (A) = rg (A
a
)) entonces A X = C es compatible, y recprocamente.

El corolario de este teorema es el siguiente:
Un sistema Compatible ser determinado (solucin nica) si el rango de la matriz de coeficientes es
igual al nmero de incgnitas r(A)=n, y ser indeterminado (infinitas soluciones) si el rango de la matriz de
coeficientes es menor que el nmero de incgnitas r(A) < n
Las soluciones de un sistema compatible de la forma AX=C permanecen invariantes ante
las siguientes operaciones elementales:
Intercambio de dos filas o renglones cualesquiera.
Multiplicacin de una fila por un escalar no nulo.
Suma a una fila de una combinacin lineal no nula de otro rengln

4.2. MTODOS DE RESOLUCIN DE SISTEMAS DE ECUACIONES ALGEBRAICAS LINELES

Para la resolucin de Sistemas de ecuaciones algebraicas lineales se utilizan dos tipos de
mtodos: mtodos directos y mtodos iterativos.
4.2.1. Mtodos directos
Los mtodos directos son aquellos que obtiene la solucin exacta, salvo errores de redon-
deo en los clculos, luego de un nmero finito de operaciones elementales. Pertenecen a este
grupo el mtodo de eliminacin de Gauss, el mtodo de Gauss-Jordan, particin de matrices, etc.
A continuacin se describen los mtodos mencionados.
4.2.1.1. Mtodo de eliminacin de Gauss
Consideremos el sistema de ecuaciones algebraicas lineales:

Clculo Numrico

43
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ + a
1n
x
n
= c
1
(4.3a)
a
21
x
1
+ a
22
x
2
+ a
23
x
3
+ + a
2n
x
n
= c
2
(4.3b)
a
31
x
1
+ a
32
x
2
+ a
33
x
3
+ + a
3n
x
n
= c
3
(4.3c)
M
a
n1
x
1
+ a
n2
x
2
+ a
n3
x
3
+ + a
nn
x
n
= c
n
(4.3d)

El procedimiento para resolver este sistema consta de dos pasos:
1. Eliminacin hacia adelante de incgnitas.
2. Sustitucin hacia atrs
1. Eliminacin hacia adelante
En la eliminacin hacia adelante, se reduce el conjunto de ecuaciones a un sistema trian-
gular superior. El paso inicial consiste en multiplicar la primera ecuacin del sistema (4.3a) por el
cociente entre los coeficientes de la primera incgnita de la segunda y primera ecuacin,
11
21
a
a
,
obtenindose:
11
1
21 n
11
n 1
21 2
11
12
21 1 21
a
c
a x
a
a
a x
a
a
a x a =
+ +
+ K (4.4)
Como el primer trmino de la primera ecuacin modificada (4.4) es idntico al primer
trmino de la segunda ecuacin (4.3b), se elimina la primera incgnita de (4.3b) restando la ecua-
cin (4.4) de (4.3b) y se llega a:
11
1
21 2 n
11
n 1
21 n 2 2
11
12
21 22
a
c
a c x
a
a
a a x
a
a
a a =
+ +
K , es decir:
a
22
x
2
++a
2n
x
n
=c
2
(4.5)
el apstrofe se utiliza para indicar que los coeficientes de las incgnitas han sufrido modificaciones
en sus valores. El proceso se repite hasta que se elimina la primera incgnita de las ecuaciones
restantes dando como resultado el siguiente sistema modificado:
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ + a
1n
x
n
= c
1
(4.6a)
a
22
x
2
+ a
23
x
3
+ + a
2n
x
n
= c
2
(4.6b)
M
a
n2
x
2
+ a
n3
x
3
+ + a
nn
x
n
= c
n
(4.6d)
Clculo Numrico

44
La ecuacin pivotal, es decir la que permanece invariante es la ecuacin (4.6a). A conti-
nuacin se repite el proceso para eliminar la segunda incgnita (x
2
) desde la tercera ecuacin has-
ta la ltima, restando a cada ecuacin la segunda ecuacin (4.6b) multiplicada por
22
2 i
' a
' a
(recor-
dando que i representa al nmero de fila o rengln, siendo i3): Una vez completado este paso se
repite el procedimiento de manera de eliminar las incgnitas iniciales de las ecuaciones subsi-
guientes hasta llegar a la ltima, transformndose el sistema en un sistema triangular superior:
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ + a
1n
x
n
= c
1
(4.7a)
a
22
x
2
+ a
23
x
3
+ + a
2n
x
n
= c
2
(4.7b)
a
33
x
3
+ + a
3n
x
n
= c
3
(4.7c)
M
a
(n-1)
nn
x
n
= c
(n-1)
n
(4.7d)
2. Sustitucin hacia atrs
La ecuacin (4.7c) puede resolverse para x
n
:
a
c
) 1 n (
nn
) 1 n (
n
n
x

= (4.8)
Este resultado se puede sustituir en la (n-1)-sima ecuacin y resolver sta para x
n-1
. El
procedimiento se repite, evaluando las x restantes. Esquemticamente:

( )
( )
11
3 13 2 12 1
1
22
3 23 1
2
3
3
3
3 33
2 23 22
1 13 12 11
3 33 32 31
2 23 22 21
1 13 12 11
a
x a x a c
x
a
x ' a ' c
x
' ' a
' ' c
x
' ' c ' ' a
' c ' a ' a
c a a a
c a a a
c a a a
c a a a

=
=
=

Una de las desventajas de este mtodo es que durante el proceso en las fases de elimina-
cin y sustitucin es posible que ocurra una divisin entre cero. Por ello se ha desarrollado una
estrategia del pivoteo que evita parcialmente estos problemas.
Eliminacin hacia adelante

Sustitucin hacia atrs
Clculo Numrico

45
Si se resuelve un pequeo nmero de ecuaciones, el error por redondeo es pequeo y
generalmente no afecta sustancialmente la precisin de los resultados, pero si se van a resolver
simultneamente muchas ecuaciones, el efecto acumulativo del error por redondeo puede introdu-
cir errores relativamente grandes en la solucin. Por esta razn el nmero de ecuaciones simult-
neas que se puede resolver satisfactoriamente con el mtodo de eliminacin de Gauss, utilizando
de 8 a 10 dgitos significativos en las operaciones aritmticas, se limita generalmente a 15 o 20.
A continuacin se indica el algoritmo del mtodo.
Algoritmo de Eliminacin de Gauss
Considerando el sistema (4.3) y la siguiente notacin:
n: nmero de ecuaciones
a
ij
: elementos de la matriz ampliada A
a
(1 i n y 1 j n + 1)
p: ndice del elemento pivote
F
i
: fila i
Paso 1: Para i = 1, ..., n-1 seguir los Pasos 2 a 4. (Eliminacin hacia adelante)
Paso 2: Sea p el menor entero con i p n y a
pi
0.
Si p no puede encontrarse, SALIDA (No existe solucin nica)
PARAR
Paso 3: Si pi intercambiar la fila p por la fila i
Paso 4: Para j= i+1, ..., n seguir los Pasos 5 a 6
Paso 5: Hacer
ii
ij
ij
a
a
m =
Paso 6: Realizar F
j
-m
ij
F
i
e intercambiarla por la fila F
j

Paso 7: Si a
nn
=0 entonces SALIDA (No existe solucin nica)
PARAR
Paso 8: Hacer
nn
n
n
a
c
x = (Sustitucin hacia atrs)
Paso 9: Para i= n-1, ..., 1 tomar
=

+ =
n
1 i j
j
ij i
ii
i
x a c
a
1
x
Paso 10: SALIDA X (es decir (x
1
,x
2
, ...,x
n
))
PARAR

Por ejemplo, se desea resolver el sistema
= +
= +
= + +
8 x 4 x 3 x 2
1 x x x 3
3 x 2 x x
3 2 1
3 2 1
3 2 1
, aplicando el mtodo de eli-
minacin gaussiana.
Clculo Numrico

46
a) Eliminacin hacia adelante
Como el coeficiente de la primera incgnita es 1, se multiplica la primera ecuacin por 3 y
se resta el resultado de la segunda ecuacin, luego se multiplica por 2 la primera ecuacin y se
resta de la tercera de manera que el sistema queda reducido a:
=
=
= + +
2 x 8 x
8 x 5 x 4
3 x 2 x x
3 2
3 2
3 2 1

Se procede ahora a eliminar la segunda incgnita de la tercera ecuacin, para ello se divi-
de la segunda ecuacin por -4 y se multiplica por el coeficiente de la tercera ecuacin que en este
caso es 1, quedando la segunda como: 2 x
4
5
x
3 2
= + y se resta este resultado de la tercera
ecuacin. El sistema es ahora:
=
=
= + +
0 x
4
37
8 x 5 x 4
3 x 2 x x
3
3 2
3 2 1

b) Sustitucin hacia atrs
Se despeja x
3
de la tercera ecuacin, en este caso: x
3
=0, se reemplaza este valor en la se-
gunda ecuacin: 8 x 4
2
= por lo tanto x
2
=2 y por ltimo se reemplazan estos valores en la pri-
mera ecuacin 3 2 x
1
= + entonces x
1
=1.
4.2.1.2. Mtodo de Gauss - Jordan
Es diferente al mtodo de eliminacin gaussiana puesto que cuando se elimina una incg-
nita no slo se elimina de las ecuaciones siguientes sino de todas las otras ecuaciones. De esta
forma el paso de eliminacin genera una matriz identidad en lugar de una matriz triangular. Por
consiguiente no es necesario emplear la sustitucin hacia atrs para obtener la solucin. A conti-
nuacin se esquematiza el mtodo.
Clculo Numrico

47
3 3
2 2
1 1
3
2
1
3 33 32 31
2 23 22 21
1 13 12 11
* c x
* c x
* c x
* c 1 0 0
* c 0 1 0
* c 0 0 1
c a a a
c a a a
c a a a
=
=
=

Por ejemplo, si se desea resolver el sistema anterior utilizando este mtodo, se escribe el sis-
tema en forma matricial, se trabaja con la matriz ampliada (formada por la matriz de coeficien-
tes a la que se le adiciona una ltima columna constituida por los trminos independientes),
luego se efectan operaciones elementales en las filas hasta llegar a la matriz identidad que-
dando los valores de las incgnitas en la ltima columna de la matriz ampliada.
+
+
+
+
+
+
0 1 0 0
2 0 1 0
1 0 0 1
0 1 0 0
2 4 5 1 0
1 4 3 0 1
0 4 37 0 0
2 4 5 1 0
1 4 3 0 1
2 8 1 0
2 4 5 1 0
3 2 1 1
2 8 1 0
8 5 4 0
3 2 1 1
8 4 3 2
1 1 1 3
3 2 1 1
2 3
1 3
3
3 2
1 2
3 2 3 1
2 1
4 5
4 3
37
4
1
4 1 2
3
F F /
F F /
F
F F
F F
F / F F
F F
/
/
/
/
/
/

Se llega al mismo resultado que con el mtodo anterior, es decir x
1
=1, x
2
=2 y x
3
=0.
Este no es un mtodo recomendable ya que involucra alrededor de un 50% de clculos
adicionales, sin que haya ms beneficios.
4.2.1.3. Particin de matrices
Este mtodo puede utilizarse para resolver grandes sistemas de ecuaciones lineales, y
consiste en dividir las matrices de la ecuacin matricial del sistema en submatrices de orden
menor.
Dado un sistema de ecuaciones, expresado en notacin matricial, [A]
2x2
[X]
2x1
= [C]
2x1
. Si
A
22
representa una submatriz de A con inversa conocida, formada por alguno de los renglones da
A y el mismo nmero de columnas de A, se puede expresar la ecuacin matricial en forma nota-
cional como:
2
1
2
1
22 21
12 11
c
c
x
x
A A
A A
(4.9)
Clculo Numrico

48
En donde fijada la posicin de la submatriz A
22
en A, quedan obligadas las de las otras
submatrices.
Para resolver el sistema matricial se realizan las operaciones matriciales indicadas en l,
producto e igualdad, teniendo en cuenta que los elementos matriciales son a la vez matrices.
Se tiene:
A
11
x
1
+ A
12
x
2
= c
1
(4.10)
A
21
x
1
+ A
22
x
2
= c
2
(4.11)
Despejando el vector x
2
de (4.11), se obtiene: A
22
x
2
= c
2
- A
21
x
1
y por lo tanto:
x
2
= A
22
-1
(c
2
- A
21
x
1
) (4.13)
Sustituyendo (4.13) en (4.10) y despejando el vector x
1
, se llega a:
A
11
x
1
+ A
12
A
22
-1
(c
2
- A
21
x
1
) = c
1

(A
11
- A
12
A
22
-1
A
21
) x
1
= c
1
- A
12
A
22
-1
c
2

x
1
= (A
11
- A
12
A
22
-1
A
21
)
-1
(c
1
- A
12
A
22
-1
c
2
) (4.14)
En esta ltima expresin se hace B = A
11
- A
12
A
22
-1
A
21
y D = A
12
A
22
-1
, por lo tanto (4.14)
queda como:
x
1
= B
-1
(c
1
- Dc
2
) (4.15)
Reemplazando la ecuacin (4.15) en la ecuacin (4.13):
x
2
= A
22
-1
c
2
- A
22
-1
A
21
B
-1
(c
1
- Dc
2
)
x
2
= - A
22
-1
A
21
B
-1
c
1
+ (A
22
-1
+ A
22
-1
A
21
B
-1
D) c
2
(4.16)
Haciendo en esta ltima expresin: E = A
22
-1
A
21
y F = A
22
-1
+ E B
-1
D, se puede escribir
(4.16) como sigue:
x
2
= - EB
-1
c
1
+ F c
2
(4.17)
En sntesis se llega a:

2
1
1
1 1
2
1
c
c
F EB
D B B
x
x
(4.18)
4.2.2. Mtodos iterativos
Los mtodos iterativos o de aproximaciones sucesivas se utilizan cuando los sistemas de
ecuaciones a resolver son de grandes dimensiones o bien son sistemas dispersos (la matriz de
coeficientes posee muchos ceros). Estos mtodos construyen una sucesin de aproximaciones a
Clculo Numrico

49
la solucin de las incgnitas hasta obtener una precisin determinada o hasta completar un nme-
ro determinado de iteraciones. Son ejemplos el mtodo de Jacobi, el de Gauss-Seidel, etc.
4.2.2.1. Mtodo de Jacobi
Si se considera un sistema de ecuaciones algebraicas, que puede escribirse en forma ma-
tricial como [A] [X] = [C] y que A = D + R, donde D es una matriz diagonal; es decir, una matriz
cuadrada cuyos elementos sobre la diagonal principal son los nicos diferentes de cero. Entonces
puede escribirse que:
(D + R) X = C
DX = C RX
X = D
-1
C D
-1
R X (4.19)
Se admite que la diagonal de A no contiene elementos nulos, para que exista la matriz in-
versa D
-1
. La ecuacin (4.19) sugiere el mtodo iterativo:

X
k+1
= D
-1
C D
-1
R X
k
(4.20)
Este es el mtodo iterativo de Jacobi, de iteraciones totales o de desplazamientos simult-
neos, definido por la ecuacin de recurrencia (4.20), significa que del sistema de ecuaciones, se
despeja x
1
de la primera ecuacin, x
2
de la segunda, etc., obtenindose las siguientes ecuaciones:
11
n n 1 3 13 2 12 1
1
a
x a x a x a c
x

=
K
(4.21)
22
n n 2 3 23 1 21
2
a
x a x a x a 2 c
x

=
K
(4.22)
33
n n 3 2 32 1 31 3
3
a
x a x a x a c
x

=
K
(4.23)
M
nn
1 n 1 n , n 2 2 n 1 1 n n
n
a
x a x a x a c
x

=
K
(4.24)

Para aplicar el mtodo, se considera una primera aproximacin al valor de las incgnitas x,
que se denomina X
(0)
(el suprandice indica el orden de aproximacin). Se sustituye esta primera
aproximacin en los segundos miembros de las ecuaciones (4.21) a (4.24), por ejemplo, si se to-
ma la solucin trivial, en la ecuacin (4.21) se encuentra x
1
haciendo x
2
hasta x
n
iguales a cero.
Luego se calcula x
2
de la ecuacin (4.22) tomando x
1
, x
3
, x
n
iguales a cero y as sucesivamente
hasta llegar a la ltima ecuacin y encontrar x
n
. Se obtiene de esta manera una nueva aproxima-
Clculo Numrico

50
cin a los valores de las incgnitas, es la aproximacin de orden 1, es decir X
(1)
. El procedimiento
se repite hasta que la solucin converja cerca de los valores reales. La convergencia se puede
verificar usando el criterio de error relativo.
Este mtodo es muy poco utilizado debido a que el mtodo de Gauss-Seidel converge ms
rpidamente a la solucin y adems lo hace cuando no se logra que el mtodo de Jacobi conver-
ja.
La condicin suficiente para que el mtodo de Jacobi converja es que la matriz de coefi-
cientes sea diagonal dominante, es decir que cada elemento de la diagonal principal es mayor en
valor absoluto que la suma del resto de los elementos de la misma fila en la que se encuentra el
elemento en cuestin.
A continuacin se presenta un algoritmo para este mtodo iterativo.
Algoritmo de Jacobi
a
ij
: elementos de la matriz A (i indica el nmero de fila y j el nmero de columna en el que se
encuentra el elemento en cuestin)
c
i
: elementos del vector C
x
0i
: componentes de la primera aproximacin al vector solucin (esta primera aproximacin
es X
0
)
x
i
(k)
: componentes de la aproximacin de orden k al vector solucin, k vara de 1 a N (indica
el orden de aproximacin o iteracin)
Paso 1: Para k = 1
Paso 2: Mientras k N seguir con los pasos 3 a 6
Paso 3: Para i= 1, ..., n, calcular la aproximacin de orden 1 mediante la frmula:
=
n
i j
1 j
j 0
ij i
ii
i
x a c
a
1
x
Paso 4: Si E X X
0
< , SALIDA X (es decir (x
1
,x
2
, ...,x
n
))
PARAR
Paso 5: Tomar k = k+1
Paso 6: Para i= 1, ..., n tomar x
0i
=x
i

Paso 7: SALIDA (Nmero mximo de iteraciones completado)
PARAR

Clculo Numrico

51
= +
= +
=
450 x 100 x 2 x 3
20 3 , 0 x 7 x 1 , 0
4 x 1 , 0 x x 2
3 2 1
2 1
3 2 1
utilizando este mtodo,
suponiendo una cota de error del 3 %.

Se despeja x
1
2
de la segunda y x
3
de la tercera ecuacin.

2
x 1 , 0 x 4
x
3 2
1
+ +
= ;
7
x 3 , 0 x 1 , 0 20
x
3 1
2
+
= ;
100
x 2 x 3 450
x
2 1
3
+
=
Se supone como primera aproximacin la solucin trivial, entonces de la primera ecuacin
se despeja x
1
suponiendo que x
2
= x
3
= 0 por lo tanto x
1
= 2.
Se calcula x
2
suponiendo que x
1
=x
3
=0, es decir: 857 , 2
7
20
x
2
= = y por ltimo x
3
que es:
5 , 4
100
450
x
3
= = .
Se realiza una nueva iteracin con los valores: x
1
= 2; x
2
= 2.857 y x
3
= 4.5, es decir:
653 , 3
2
) 5 , 4 ( 1 , 0 857 , 2 4
x
1
=
+ +
=
021 , 3
7
) 5 , 4 ( 3 , 0 )) 2 ( . ) 1 , 0 (( 20
x
2
=
+
=
497 , 4
100
) 857 , 2 ( 2 )) 2 ).( 3 (( 450
x
3
=
+
=
Se calcula el error relativo porcentual de aproximacin:
% 25 , 45 100 .
653 , 3
2 653 , 3
E
1
x
=
= ;
% 43 , 5 100 .
021 , 3
857 , 2 021 , 3
E
2
x
=
= ;
% 07 , 0 100 .
497 , 4
5 , 4 497 , 4
E
3
x
=
=
Se realiza una nueva iteracin, ahora con x
1
= 3,653; x
2
= 3,021 y x
3
= 4,497 y se llega a que
x
1
=3,735 con E
x1
= 2,19 %; x
2
=2,998 con E
x2
= 0,77 %; x
3
=4,451 con E
x3
= 1,03 %.
Clculo Numrico

52
4.2.2.2. Mtodo de GaussSeidel
Es un mtodo iterativo que disminuye el error de redondeo, se denomina tambin de des-
plazamientos sucesivos o de iteraciones parciales. Si se tiene un conjunto de n ecuaciones (4.1),
que puede escribirse en forma matricial como: [A] [X] = [C] y si los elementos de la diagonal prin-
cipal son diferentes de cero, la primera ecuacin se puede resolver para x
1
, la segunda para x
2
,
etc., lo que lleva a las ecuaciones (4.21) a (4.24).
Se puede comenzar el proceso de solucin utilizando una aproximacin inicial X
0
a la solu-
cin que es el vector columna X. La solucin trivial puede servir de valor inicial, se supone que x
2
,
..., x
n
valen 0. Estos valores se sustituyen en la ecuacin (4.21) y de ella se despeja un nuevo va-
lor de
11
1
1
a
c
x = . Luego se sustituye el nuevo valor de x
1
con x
3
,, x
n
iguales a cero en la ecua-
cin (4.22) y se calcula un nuevo valor de x
2
. Este procedimiento se repite en cada una de las
ecuaciones hasta llegar a la ecuacin (4.24) de la que se calcula un nuevo valor de x
n
. Se regresa
a la primera ecuacin y se repite todo el proceso hasta que la solucin converja cerca de los valo-
res reales. La convergencia se puede verificar usando el criterio de error relativo. Este mtodo se
diferencia del de Jacobi puesto que una vez que se calcula una aproximacin a una incgnita se
utiliza esta aproximacin en la misma iteracin.
Las condiciones suficientes para que el mtodo de Gauss-Seidel converja es que la matriz
de coeficientes sea diagonal dominante o bien que la matriz de coeficientes sea simtrica y defini-
da positiva. Un algoritmo del mtodo se muestra a continuacin.
Algoritmo de Gauss-Seidel
a
ij
: elementos de la matriz A (i indica el nmero de fila y j el nmero de columna en el que se
encuentra el elemento en cuestin)
c
i
: elementos del vector C
x
0i
: componentes de la primera aproximacin al vector solucin (esta primera aproximacin
es X
0
)
x
i
(k)
: componentes de la aproximacin de orden k al vector solucin, k vara de 1 a N (indica
el orden de aproximacin o iteracin)
Paso 1: Para k = 1
Paso 2: Mientras k N seguir con los Pasos 3 a 6
Paso 3: Para i= 1, ..., n, calcular la aproximacin de orden i mediante la frmula:
= + =
1 i
1 j
n
1 i j
j 0
ij
j
ij i
ii
i
x a x a c
a
1
x
continua
Clculo Numrico

53
Paso 4: Si E X X
0
< , SALIDA X (es decir (x
1
,x
2
, ...,x
n
))
PARAR
Paso 5: Tomar k = k+1
Paso 6: Para i= 1, ..., n tomar x
0i
=x
i

Paso 7: SALIDA (Nmero mximo de iteraciones completado)
PARAR

= +
= +
=
450 x 100 x 2 x 3
20 3 , 0 x 7 x 1 , 0
4 x 1 , 0 x x 2
3 2 1
2 1
3 2 1
utilizando este mtodo,
suponiendo una cota de error del 3 %.

Se despeja x
1
2
de la segunda y x
3
de la tercera ecuacin.

2
x 1 , 0 x 4
x
3 2
1
+ +
= ;
7
x 3 , 0 x 1 , 0 20
x
3 1
2
+
= ;
100
x 2 x 3 450
x
2 1
3
+
=
Se supone que x
2
= x
3
= 0, por lo tanto x
1
= 2, con este nuevo valor y con x
3
= 0 se calcula x
2
,
es decir:
828 , 2
7
)) 2 ( . ) 1 , 0 (( 20
x
2
=
=
con este valor y x
1
= 2 se calcula x
3
,
497 , 4
100
) 828 , 2 ( 2 )) 2 ).( 3 (( 450
x
3
=
+
=
Con estos nuevos valores de x
2
y x
3
se determina un nuevo valor de x
1

639 , 3
2
) 497 , 4 ( 1 . 0 828 , 2 4
x
1
=
+ +
=
Con este valor y x
3
= 4,497 se calcula x
2
:
998 , 2
7
) 497 , 4 ( 3 , 0 )) 639 , 3 ( . ) 1 , 0 (( 20
x
2
=
+
=
Y con este valor y x
1
=3,639 se encuentra el nuevo valor de x
3

Clculo Numrico

54
451 , 4
100
) 998 , 2 ( 2 )) 639 , 3 ).( 3 (( 450
x
3
=
+
=
Se calcula el error relativo porcentual de aproximacin:
% 04 , 45 100 .
639 , 3
2 639 , 3
E
1
x
=
= ;
% 67 , 5 100 .
998 , 2
828 , 2 998 , 2
E
2
x
=
= ;
% 03 , 1 100 .
451 , 4
497 , 4 451 , 4
E
3
x
=
=
En la tercera iteracin se llega a que x
1
=3,722 con E
x1
= 2,23 %; x
2
=2,995 con E
x2
= 0,1 %;
x
3
=4,448 con E
x3
= 0,07 %.

4.2.2.3. Mtodo de Relajacin
El mtodo de relajacin fue ideado por el ingeniero britnico Richard Southwell, converge
ms rpidamente que el de Gauss-Seidel. Consiste en tomar nueva aproximacin a la solucin
como una combinacin lineal de la solucin de la etapa anterior, es decir aplicando la frmula
(4.24) correspondiente al mtodo de Gauss-Seidel pero con la incorporacin de un factor de rela-
jacin denominado w:
+ =

= + =
1 i
1 j
n
1 i j
j 0
ij
j
ij i
ii
) 1 k (
i
) k (
i
x a x a c
a
1
w x ) w 1 ( x (4.25)
En esta frmula el suprandice k indica que es la k-sima iteracin y a w se le asigna un
valor entre 0 y 2, este valor se determina por prueba y error y el mtodo se denominar:
Mtodo de sub-relajacin, si 0<w<1, es aplicable en los casos en que el mtodo de Gauss-
Seidel diverge
Mtodo de sobre-relajacin, si 1<w<2, se aplica para acelerar la convergencia del mtodo de
Gauss-Seidel
Mtodo de Gauss-Seidel si w=1


4. 1. Utilice el mtodo de eliminacin gaussiana y el de Gauss-Jordan para resolver el siguiente
sistema de ecuaciones:

Clculo Numrico

55
3 x
1
0,1 x
2
2 x
3
= 14

0,1 x
1
+ 8 x
2
2,3 x
3
= - 21

0,4 x
1
0,8 x
2
+ 10 x
3
= 75

4.2. En una fbrica de embutidos, se elaboran tres tipos diferentes de estos productos que res-
ponden a las formulaciones A, B y C. En el cuadro que sigue se presentan las proporciones nece-
sarias de las materias primas principales de cada formulacin.
Si se dispone diariamente de 140 tn de hgado, 130 tn de carne porcina y 180 tn
de tocino, indique la produccin diaria de cada tipo de producto en kg/d.
Tipo de
embutido
Hgado Carne Tocino
A 3 1 2
B 1 3 2
C 3 2 4

4.3. Calcule el valor de las incgnitas x
1
y x
2
del sistema de 5 ecuaciones con 5 incgnitas, apli-
cando el mtodo de particin de matrices.
x
1
+ x
2
+ x
3
+ x
4
+ x
5
= 18

x
1
+ 2 x
2
+ 2 x
3
+3 x
4
+ 4 x
5
= 27

2 x
1
+ x
2
- 2 x
3
+ 2 x
4
- 3 x
5
= - 32

3 x
1
+ 2 x
2
+ 3 x
3
+ 4 x
4
+ x
5
= 6

- x
1
+ x
2
- 4 x
3
+ 4 x
4
+ 2 x
5
= - 24

4.4. Utilice el mtodo de Jacobi para resolver el sistema indicado a continuacin, calculando para
cada iteracin el error relativo porcentual. Utilice como criterio de parada un error del 6 %, compa-
re con la solucin obtenida anteriormente.
16 x
1
+2 x
2
2 x
3
= 16

4 x
1
+ 24 x
2
+18 x
3
= 24

2 x
1
14 x
2
+ 34 x
3
= -16

4.5. Resuelva el sistema anterior utilizando el mtodo de Gauss-Seidel.
4.6. Resuelva el sistema anterior por el mtodo de sobre-relajacin, utilizando w=1.4
Clculo Numrico

56
Captulo 5
APROXIMACION POLINOMIAL Y FUNCIONAL

En la prctica es frecuente tratar funciones que no son del tipo de las elementales, adems
de funciones definidas de manera tabular o grfica, de las que se desconoce su expresin analti-
ca y de las que se necesita conocer valores de la variable que no estn tabulados.
Existen casos de funciones expresadas en forma tabular en los que se requiere una alta
aproximacin y para ello existen mtodos numricos que por lo general utilizan funciones raciona-
les enteras (polinomios), de manera que la curva descripta por los mismos toque todos los puntos
definidos. Si no se requiere gran aproximacin se deriva una curva simple que represente el com-
portamiento general de los datos.

5.1. APROXIMACIN POLINOMIAL
Si se tiene una funcin definida en forma tabular de la que se desconoce su expresin
analtica puede afirmarse que para n+1 datos o puntos existe uno y solo un polinomio de n-simo
grado que pasa a travs de todos los puntos y existe una variedad de frmulas matemticas que
permiten expresar a este polinomio.
5.1.1. Diferencias finitas
El clculo de las diferencias finitas permite encontrar el grado del polinomio por el cual
puede describirse una funcin tabular.
Dada la funcin y=f(x) definida en forma tabular como la que se presenta en la Tabla 5.1, y
suponiendo que los valores de la variable independiente x
n
, estn igualmente espaciados entre s,
es decir que el incremento o paso es igual a un valor constante denominado h.
Tabla 5.1. Funcin tabular de paso constante
x y
x
0
y
0

x
1
= x
0
+h y
1

x
2
= x
0
+2h y
2

x
3
= x
0
+3h y
3

x
n
= x
0
+nh y
n

Se denominan primeras diferencias hacia adelante y se representan con y
i
a las dife-
rencias entre dos valores consecutivos de y, es decir:
Clculo Numrico

57
a
0
= y
1
y
0
(5.1)
a
1
= y
2
y
1
(5.2)
a
2
= y
3
y
2
(5.3)

a
n-1
= y
n
y
n-1
(5.4)
Las diferencias de las primeras diferencias se llaman segundas diferencias hacia adelan-
te,
2
y
i
:
b
0
= a
1
a
0
= y
2
2y
1
+ y
0
(5.5)
b
1
= a
2
a
1
= y
3
2y
2
+ y
1
(5.6)
b
2
= a
3
a
2
= y
4
2y
3
+ y
2
(5.7)

b
n-2
= a
n-1
a
n-2
= y
n
2y
n-1
+ y
n-2
(5.8)
Las diferencias de las segundas diferencias se llaman terceras diferencias hacia adelan-
te,
3
y
i
:
c
0
= b
1
b
0
= y
3
3y
2
+ 3y
1
y
0
(5.9)
c
1
= b
2
b
1
= y
4
3y
3
+ 3y
2
y
1
(5.10)
c
2
= b
3
b
2
= y
5
3y
4
+ 3y
3
y
2
(5.11)

c
n-3
= b
n-2
b
n-3
= y
n
3y
n-1
+3 y
n-2
y
n-3
(5.12)
Siguiendo este proceso se definen las cuartas, quintas, etc., diferencias hacia adelante.
Todas las diferencias pueden arreglarse en una tabla de diferencias (ver Tabla 5.2), en donde
cada diferencia se indica entre los dos elementos que la producen, ver la tabla siguiente:
Tabla 5.2. Tabla de diferencias
x
i
y
i
y
i

2
y
i

3
y
i

x
0
y
0

a
0
= y
1
y
0

x
1
= x
0
+h y
1
b
0
= a
1
a
0

a
1
= y
2
y
1
c
0
= b
1
b
0

x
2
= x
0
+2h y
2
b
1
= a
2
a
1

a
2
= y
3
y
2
c
1
= b
2
b
1

x
3
= x
0
+3h y
3
b
2
= a
3
a
2

c
n - 3
= b
n - 2
b
n - 3

b
n - 2
= a
n-1
a
n - 2

a
n-1
= y
n
y
n -1

x
n
= x
0
+nh y
n

Clculo Numrico

58
Si una de estas diferencias se vuelve constante (o aproximadamente constante), puede
decirse que los valores tabulados pueden describirse por un polinomio de grado igual al orden de
la diferencia constante (o aproximadamente constante).
5.1.2. Diferencias divididas
Si se considera la funcin y=f(x) definida en forma tabular, parecida a la presentada en la
Tabla 5.1, pero sin que los valores de la variable independiente tengan paso constante, puede
escribirse un polinomio de grado n-simo que pase por todos los (n+1) puntos definidos de la fun-
cin tal como:
n 1 n 1 0 2 1 0 1 0 0 n
a ) x x ( ) x x )( x x ( a ) x x )( x x ( a ) x x ( a ) x ( P

+ + + + = L L (5.13)
Los coeficientes a
i
pueden determinarse fcilmente si se utilizan las diferencias divididas
de los valores tabulados.
La diferencia

dividida de orden cero se define como:
f [x
r
]= f(x
r
) (5.14)
esta diferencia se puede denotar tambin como y
r
bien f
r
.
La diferencia de primer orden o diferencia de orden uno es igual a:

r s
r s
s r
x x
) x ( f ) x ( f
] x , x [ f
= (5.15)
Las diferencias de orden superior se definen en trminos de diferencias de orden inferior,
por ejemplo una diferencia de orden n se define como:
0 n
1 n 1 0 n 1
n 1 0
x x
] x , , x , x [ f ] x , , x [ f
] x , , x , x [ f
=

K K
K (5.16)
Una vez definidas las diferencias, los coeficientes se determinan como sigue:
a
0
=f(x
0
) (5.17)
a
1
=f[x
0
,x
1
]
0 1
0 1
x x
) x ( f ) x ( f
= (5.18)
a
2
=f[x
0
, x
1
, x
2
]
0 2
0 1 1 2
0 2
1 0 2 1
x x
)] x ( f ) x ( f [ )] x ( f ) x ( f [
x x
] x , x [ f ] x , x [ f
= (5.19)
M
a
n
=
0 n
1 n 1 0 n 1
n 1 0
x x
] x , , x , x [ f ] x , , x [ f
] x , , x , x [ f
=

K K
K (5.20)
Clculo Numrico

59
Por lo tanto si se reemplaza en el polinomio dado por (5.13) se llega a que:
] x , , x [ f ) x x ( ) x x )( x x (
] x , x , x [ f ) x x )( x x ( ] x , x [ f ) x x ( ) x ( f ) x ( P
n 0 1 n 1 0
2 1 0 1 0 1 0 0 0 n
L L
L
+
+ + + + =
(5.21)
Este polinomio se conoce como polinomio de interpolacin con diferencias divididas de
Newton.
5.1.3. Interpolacin con incrementos constantes. Interpolacin de Newton
Si se desea encontrar un valor incluido entre dos valores consecutivos de una funcin ta-
bular puede utilizarse la interpolacin de Newton. Para ello se utilizan las diferencias finitas defini-
das en el tem 5.1.1.
Dada la funcin y = f(x), definida en la Tabla 5.1, para encontrar un valor de x incluido entre
dos valores consecutivos de la tabla mencionada, x
k
< x< x
k+1
, se supone que la funcin f(x) se
aproxima a un polinomio P
n
(x) de grado n, que pasa por todos los puntos que definen a la funcin
(puesto que la diferencia de orden n es aproximadamente constante). Recordando la definicin de
diferencias hacia adelante y que las diferencias de orden superior se definen en funcin de las
diferencias de orden inferior pueden calcularse los valores de la variable dependiente y en funcin
de estas diferencias como se indica a continuacin:
y
1
= y
0
+ a
0
(5.22)
y
2
= y
1
+ a
1
= (y
0
+ a
0
) + (a
0
+ b
0
) = y
0
+ 2a
0
+ b
0
(5.23)
y
3
= y
2
+ a
2
= y
0
+ 2a
0
+ b
0
+ (a
1
+ b
1
)= (y
0
+ 2a
0
+ b
0
) + (a
0
+ b
0
+ b
0
+c
0
)= y
0
+ 3a
0
+ 3b
0
+c
0
(5.24)
En estas expresiones puede verse que aparecen las primeras de las distintas diferencias
de rdenes sucesivos a partir de y
0
, afectadas por los coeficientes del desarrollo del binomio de
Newton. Suponiendo que esto es verdadero para cualquier valor de y, puede establecerse que:
... d
! 4
) 3 k )( 2 k )( 1 k ( k
c
3!
2) - 1)(k - k(k
b
! 2
) 1 k ( k
ka y y
0 0 0 0 0 k
+

+ +
+ + = (5.25)
Y como: a
0
=y
0
, b
0
=
2
y
0
, c
0
=
3
y
0
, d
0
=
4
y
0
, puede escribirse:
.. y
! 4
) 3 k )( 2 k )( 1 k ( k
y
3!
2) - 1)(k - k(k
y
! 2
) 1 k ( k
y k y y
0
4
0
3
0
2
0 0 k
+

+ +
+ + = . (5.26)
Esta frmula es verdadera para todo valor entero positivo de k, se denomina frmula de interpo-
lacin de Newton y es aplicable para cualquier valor de x
k
correspondiente o no a la tabla. En
esta frmula, y
k
es un valor aproximado (interpolado) de la funcin obtenida para x = x
k
; y
0
es el
valor inicial de y, el cual se considera inmediato al valor que se trata de interpolar; y
0
,
2
y
0
,
3
y
0
,
Clculo Numrico

60
4
y
0,
, son las diferencias hacia adelante de rdenes sucesivas correspondientes a y
0
; y k se
determina como sigue:
x
k
= x
0
+ kh
h
x x
k
k 0
= (5.27)
Si se considera el polinomio interpolante de Newton en funcin de las diferencias divididas,
el error para un polinomio de grado n es:
) x x ( ) x x )( x x )( x x ]( x , , x , x , x [ f
n 2 1 0 0 1 n n 1 n

+
L K
(5.28)
El algoritmo utilizando estas diferencias puede escribirse como:
Algoritmo de Interpolacin de Newton
n+1: nmero de datos o puntos definidos de la funcin tabular
k: subndice que indica el nmero de orden de los datos, vara de 2 hasta n
x
k
: valores de la variable independiente
y
k
: valores de la variable dependiente
x
s
: valor de la variable para el que se desea conocer el valor de f(x
s
)=y
s
D: diferencias divididas
Paso 1: Tomar j= 2, ..., n
Paso 2: Para k= j, ..., n, calcular las diferencias divididas con la frmula:
j k k
1 j , 1 k 1 j , k
j , k
x x
D D
D
=
Paso 3: Para j=1, ..., n hacer C=D(1,j)
Paso 4: Hacer P
a
=1
Paso 5: Para j=1, ..., n, tomar P
a
= P
a
*(x
s
-x
j
)
Paso 6: Tomar y
s
=0
Paso 7: Para j= 1, ..., n , calcular y
s
como y
s
= y
s
+

=
n
1 j
C* P
a
Paso 9: SALIDA y
s

PARAR

Por ejemplo si se desea encontrar el valor de la variable independiente para x=6,2 de la fun-
cin definida por la tabla

x 0 4 8 12 16 20
y 4 16 124 424 1012 1984

Clculo Numrico

61
Se calculan las diferencias hacia adelante:
x y y
2
y
3
y
0 4
4 16 12
8 124 108 96
12 424 300 192 96
16 1012 588 288 96
20 1984 972 384 96
Como puede observarse las diferencias de orden 3 terceras diferencias se mantienen
constantes, por lo tanto la funcin puede describirse por un polinomio de tercer grado. Se aplica la
frmula (5.26) para encontrar el valor deseado. Siendo:
x
0
=4, y
0
=16; x
k
=6,2; h=4; y=108 ;
2
y=192 ;
3
y=96; k=0,55

1 , 62 96
3!
2) - 1)(0,55 - 0,55(0,55
192
! 2
) 1 55 , 0 ( 55 , 0
108 . 55 , 0 16 y
k
= +
+ + =
O bien puede resolverse el problema encontrando el polinomio de interpolacin de New-
ton, para ello se calculan las diferencias divididas hasta el orden quinto, es decir:

x y f[x
0
,x
1
] f[x
0
,x
1
,x
2
] f[x
0
,x
1
,x
2
, x
3
] f[x
0
,x
1
,x
2
, x
3
,x
4
] f[x
0
,x
1
,x
2
, x
3
,x
4
]
0 4
4 16 3
8 124 27 3
12 424 75 4 0,083
16 1012 147 4,5 0,031 -3,25 x10
-3

20 1984 243 4,8 0,015 -8 x10
-4
-2,025 x10
-4

El polinomio interpolador es un polinomio de quinto grado:

P(x) = 4 + 3(x-0) + 3(x-0)(x-4) + 0,083(x-0)(x-4)(x-8) - 3,25 x10
-3
(x-0)(x-4)(x-8)(x-12) +
- 2,025 x10
-4
(x-0)(x-4)(x-8)(x-12)(x-16)
Por lo tanto si x=6,2, se reemplaza en el polinomio de Newton y el valor de la variable dependiente
es: 61,1.

5.1.4. Interpolacin con incrementos variables. Interpolacin de Lagrange
Este mtodo se utiliza para funciones tabulares en las cuales los valores de x no son equi-
distantes. Para realizar la interpolacin, se busca un polinomio que pase por todos los puntos. Si
se tienen n puntos el polinomio debe ser de grado n-1, o sea:
1 n 2 n
2 n
1
1 n
0
a x a x a x a y

+ + + + = L (5.29)
Este polinomio puede escribirse en la forma:
y = A
1
(x-x
2
) (x-x
3
) (x-x
n
) + A
2
(x-x
1
) (x-x
3
) (x-x
n
) + . . . + A
n
(x-x
1
) (x-x
2
) (x-x
n-1
) (5.28)
Clculo Numrico

62
el grado del polinomio es n-1. Los coeficientes A
0
, A
1
, A
2
, A
n
se determinan de manera que la
grfica del polinomio pase por todos los puntos especificados.
Si x = x
n
, se tiene y = y
n
, entonces reemplazando en la frmula (5.28) se llega a que:
y
n
= A
n
(x
n
x
1
) (x
n
x
2
) (x
n
x
3
) . . . (x
n
x
n-1
) (5.30)
y despejando el coeficiente A
n
:
) x x ( ) x x )( x x )( x x (
y
A
1 n n 3 n 2 n 1 n
n
n

=
L
(5.31)
Si se sustituyen los coeficientes dados por la ecuacin (5.31) en la ecuacin (5.29) se tiene
la frmula de interpolacin de Lagrange:

n
1 n n 2 n 1 n
1 n 2 1
2
n 2 3 2 1 2
n 3 1
1
n 1 3 1 2 1
n 3 2
y
) x x ( ) x x )( x x (
) x x ( ) x x )( x x (
y
) x x ( ) x x )( x x (
) x x ( ) x x )( x x (
y
) x x ( ) x x )( x x (
) x x ( ) x x )( x x (
y

+ +
+

+

=
L
L
L
L
L
L
L
(5.32)
Esta frmula suele expresarse tambin como:

= =
= =
n
1 j
i j
n
1 j
i j 1 n
y ) x ( L ) x ( f ) x ( L ) x ( P (5.33)
con:
=
n
j k
1 k k j
k
j
x x
x x
) x ( L
La frmula de error para el polinomio de Lagrange de grado n-1es similar a la frmula de
error para el polinomio de Taylor salvo que contiene un producto de n trminos:
) x x ( ) x x )( x x (
! n
)) x ( ( f
1 n 2 1
) n (
L (5.34)
El algoritmo para la interpolacin de Lagrange es:
Algoritmo de Interpolacin de Lagrange
n: nmero de datos o puntos definidos de la funcin tabular
x: valores de la variable independiente
y: valores de la variable dependiente
x
s
: valor de la variable para el que se desea conocer el valor de f(x
s
)=y
s
L: es el coeficiente polinmico de Lagrange
Paso 1: Tomar y
i
= 0
Paso 2: Para i= 1, ..., n+1, tomar L =1
Clculo Numrico

63

Paso 3: Para j = 1, ..., n+1, si ij calcular el coeficiente polinmico mediante la
frmula:
j i
j s
j
x x
x x
L L
=
Paso 4: Calcular y
s
mediante la frmula y
s
=yi+

+
=
1 n
1 j
L
j
y
i

Paso 5: SALIDA y
s

PARAR

Por ejemplo si se deseara encontrar el valor de la funcin tabular dada por la tabla para x=4
aplicando la interpolacin de Lagrange:
x 2 8 12
y 0,69315 2,07944 2,48491
Se utiliza interpolacin de orden 2 puesto que se tiene 3 puntos definidos:
3
2 3 1 3
2 1
2
3 2 1 2
3 1
1
3 1 2 1
3 2
2
y
) x x )( x x (
) x x )( x x (
y
) x x )( x x (
) x x )( x x (
y
) x x )( x x (
) x x )( x x (
) x ( P

+

+

= y reemplazan-
do por los valores correspondientes:
25899 , 1 48491 , 2
) 8 12 )( 2 12 (
) 8 4 )( 2 4 (
07944 , 2
) 12 8 )( 2 8 (
) 12 4 )( 2 4 (
69315 , 0
) 12 2 )( 8 2 (
) 12 4 )( 8 4 (
) 4 ( P
2
=

+

+

=
5.1.5. Interpolacin inversa
El problema de interpolacin inversa consiste en determinar el valor de la variable inde-
pendiente x conocido el valor de la funcin f(x). Se resuelve utilizando la frmula de interpolacin
de Lagrange y formando una tabla con los valores de la variable dependiente como valores de x y
los de la independiente como los de y.
5.1.6. Derivacin numrica
Dada la funcin y = f(x) se trata de calcular el valor de sus derivadas en algunos de los
puntos x = x
0
, x
1
, x
2
, , x
n
. Si se acepta aproximar la funcin con la frmula de interpolacin de
Newton (5.26):
... y
! 4
) 3 k )( 2 k )( 1 k ( k
y
3!
2) - 1)(k - k(k
y
! 2
) 1 k ( k
y k y y
0
4
0
3
0
2
0 0 k
+

+ +
+ + =
Derivando ambos miembros de la ecuacin (5.26) con respecto a x y teniendo en cuenta que el
segundo miembro es una funcin compuesta de x, se tiene:
continua
Clculo Numrico

64
[ ]
dx
dk
y
! 3
k 2 k 3 k
y
! 2
k k
y k y
dk
d
) x ( f
dx
d
0
3
2 3
0
2
2
0 0
L +
+
+
+ + = (5.35)
y de (5.27),
h
1
dx
dk
= , entonces la ecuacin (5.35) queda reducida a:
[ ] L +
+
+
+ =
0
3
2
0
2
0
y
6
2 k 6 k 3
y
2
1 k 2
y
h
1
) x ( f
dx
d
(5.36)
Derivando esta ecuacin con respecto a x, se obtiene la segunda derivada.
[ ]
dx
dk
y
6
2 k 6 k 3
y
2
1 k 2
y
dk
d
h
1
) x ( f
dx
d
0
3
2
0
2
0
2
L +
+
+
+ = por lo que:
[ ] L + + =
0
3
0
2
2 2
2
y ) 1 k ( y
h
1
) x ( f
dx
d
(5.37)
Si se deriva de nuevo con respecto a x, se obtiene la tercera derivada:
[ ] L + =
0
3
3 3
3
y
h
1
) x ( f
dx
d
(5.38)
Considerando que si x=x
0
entonces k=0, se puede escribir una frmula muy simple para
estimar la primera derivada de la funcin en ese punto x
i
como se indica a continuacin:

+ + = =

n
y
) 1 ( y
3
1
y
2
1
y
h
1
) x ( ' f ) x ( f
dx
d
0
n
1 n
0
3
0
2
0 i
L (5.39)
Si se utiliza el primer trmino de la frmula (5.39) esto significa que la interpolacin es line-
al y la frmula, considerando el error (ltimo trmino) es:
[ ] ) ( f h
2
1
y
h
1
) x ( ' f
) 2 ( 2
0 i
= (5.40)
Con dos trminos se tiene:
) ( f h
3
1
y
2
1
y
h
1
) x ( ' f
) 3 ( 2
0
2
0 i
+
= (5.41)
La frmula de la ecuacin (5.39) se denomina aproximacin de diferencias hacia ade-
lante debido a que todas las diferencias se realizan con valores de la funcin que estn delante
de y
i
. Si se utilizan diferencias entre valores de la funcin que estn antes de y
i
, se tienen la
aproximacin de diferencias hacia atrs y si se utilizan intervalos de diferencias en los que el
valor considerado se encuentra en el centro del intervalo se tiene la aproximacin de diferencias
centrales. En la Tabla 5.1 se presentan frmulas para calcular derivadas de primer a tercer orden
Clculo Numrico

65
utilizando uno a cuatro trminos de la ecuacin (5.39) con diferencias hacia adelante, hacia atrs y
centrales. Para facilitar la escritura se hace f(x
i
) = f
i
.
Tabla 5.3. Frmulas para calcular derivadas mediante aproximaciones de diferencia
Primera derivada
Aproximaciones de diferencia hacia adelante
' '
i
i 1 i '
i
f h
2
1
E , E
h
f f
f +
=
+

' ' '
i
2 i 1 i 2 i '
i
f h
3
1
E , E
h 2
f 3 f 4 f
f +
+
=
+ +

' ' ' '
i
3 i 1 i 2 i 3 i '
i
f h
4
1
E , E
h 6
f 11 f 18 f 9 f 2
f +
+
=
+ + +

Aproximaciones de diferencia hacia atrs
' '
i
1 i i '
i
f h
2
1
E , E
h
f f
f +
=

' ' '
i
2 2 i 1 i i '
i
f h
3
1
E , E
h 2
f f 4 f 3
f +
+
=

' ' ' '
i
3 3 i 2 i 1 i i '
i
f h
4
1
E , E
h 6
f 2 f 9 f 18 f 11
f +
+
=

Aproximaciones de diferencias centrales
' ' '
i
2
1 i 1 i '
i
f
6
h
E , E
h 2
f f
f +
=
+

) v (
i
4 2 i 1 i 1 i 2 i '
i
f h
30
1
E , E
h 12
f f 8 f 8 f
f +
+ +
=
+ +

Segunda derivada
' ' '
i
2
i 1 i 2 i ' '
i
f h E , E
h
f f 2 f
f +
+
=
+ +

' ' ' '
i
2
2
i 1 i 2 i 3 i ' '
i
f h
12
11
E , E
h
f 2 f 5 f 4 f
f +
+ +
=
+ + +

' ' '
i
2
2 i 1 i i ' '
i
f h E , E
h
f f 2 f
f +
+
=

' ' ' '
i
2
2
3 i 2 i 1 i i ' '
i
f h
12
11
E , E
h
f 2 f 5 f 4 f
f +
+ +
=

' ' ' '
i
2
2
1 i i 1 i ' '
i
f
12
h
E , E
h
f f 2 f
f +
+
=
+

Clculo Numrico

66
) vi (
i
4
2
2 i 1 i i 1 i 2 i ' '
i
f h
90
1
E , E
h 12
f f 16 f 30 f 16 f
f +
+ +
=
+ +

Tercera derivada
' ' ' '
i
2
3
i 1 i 2 i 3 i ' ' '
i
f h
2
3
E , E
h
f f 3 f 3 f
f +
+
=
+ + +

' ' ' '
i
2
3
3 i 2 i 1 i i ' ' '
i
f h
2
3
E , E
h
f 2 f 3 f 3 f
f +
+
=

) v (
i
2
3
2 i 1 i 1 i 2 i ' '
i
f h
4
1
E , E
h 2
f 2 f 2 f 2 f
f +
+
=
+ +

Por ejemplo si se deseara encontrar el valor de la segunda derivada para x=4 para la funcin
tabular:
x 2 3 4 5
y 3,010 4,771 6,021 6,990

Se utiliza la frmula dada en la tabla 5.1:
281 0
1
771 4 021 6 2 990 6 2
2
1 1
,
, , ,
h
f f f
f
i i i ' '
i
=
+
=
+
=
+

5.1.7. Integracin numrica
Dada la funcin f(x) cuya aproximacin est dada por la ecuacin (5.26) que pasa por los
n+1 puntos pivotes para los que x = x
0
, x
1
, x
2
,, x
n
, todos ellos igualmente espaciados, entonces
se podr tener una aproximacin a la integral de la funcin:
dx y
! 3
) 2 k )( 1 k ( k
y
! 2
) 1 k ( k
y k y dx ) x ( f
n
0
n
0
x
x
x
x
0
3
0
2
0 0

+

+
+ + = L (5.42)
Haciendo un cambio de variable en el que x es igual a x
0
+kh, y diferenciando, se tiene que
dx =hdk. Adems si x= x
0
entonces k=0 y si x = x
n
= x
0
+nh, entonces k=n. Sustituyendo estos va-
lores en la ecuacin (5.42) se llega a que:
n
0
0
3
2 3 4
0
2
2 3
0
2
0
x
x
n
0
0
3
2 3
0
2
2
0 0
y
6
k
6
k
24
k
y
4
k
6
k
y
2
k
ky h
hdk y
6
k 2 k 3 k
y
2
k k
y k y dx ) x ( f
n
0
+ +
+ + =
=
+
+
+
+ + =

L
L
(5.43)
Por lo tanto, reemplazando los lmites se llega a que:
Clculo Numrico

67
+ +
+ + =
L
0
3
2 3 4
0
2
2 3
0
2
0
x
x
y
6
n
6
n
24
n
y
4
n
6
n
y
2
n
ny h dx ) x ( f
n
0
(5.47)
A continuacin se presentan algunas reglas de aproximacin a la integral de una funcin:
regla del trapecio, regla de Simpson1/3

y regla de Simpson de 3/8.
5.1.7.1. Regla trapecial
Si la interpolacin se limita al primer orden, y la integral solo se calcula entre los dos prime-
ros valores de x, es decir entre x
0
y x
1
(n=1), aplicando (5.47), se obtiene:
( )
1 0
x
x
0 1 0 0
2
0
x
x
y y
2
h
dx ) x ( f , y y y como y ) y
2
1
y ( h dx ) x ( f
1
0
1
0
+ = = + =

(5.48)
Geomtricamente, el primer miembro de la expresin anterior corresponde al rea A
1
bajo
la curva y= f(x) entre las rectas x =x
0
y x = x
1
y el eje x. El segundo miembro, que es el valor
aproximado de la integral representa al rea del trapecio formado por las tres rectas antes men-
cionadas y la que une los puntos pivotes usados en la interpolacin lineal. De manera semejante
a como se obtuvo la expresin (5.48) para el rea elemental A
1
, se pueden obtener expresiones
para A
2,
A
3, ,
A
n
(ver Figura 5.1). Por ejemplo, para A
n
se tiene: ( )
n 1 n
x
x
y y
2
h
dx ) x ( f
n
1 n
+ =

.
Sumando miembro a miembro las expresiones individuales se obtiene que:
( )
1 n 3 2 1 n 0
x
x
y y y y ( 2 y y
2
h
dx ) x ( f
n
1 n
+ + + + + + =
L (5.48)
El segundo miembro de esta expresin, que proporciona un valor aproximado a la integral
del primer miembro, recibe el nombre de frmula o regla trapecial, la cual se expresa en la for-
ma: [ ] ordenadas las de resto 2 y y
2
h
A
n 0
2
1
+ + = (5.49)

Figura 5.1 Aproximacin al rea bajo la curva con la frmula trapecial
A
1
x
0
x
1
A
2
A
3
A
4
A
n
y
x
Clculo Numrico

68
Para mejorar la exactitud de la regla del trapecio, se puede dividir el intervalo de integra-
cin en h segmentos y aplicar el mtodo a cada uno de ellos. El ancho de segmento se calcula
como
n
x x
h
0 n

= y la regla se denomina trapecial de segmentos mltiples.
Algoritmo para Integracin por la regla trapecial de segmentos mltiples
m: nmero de segmentos
h: ancho de segmentos
x
0
: lmite inferior de integracin
x
n
: lmite superior de integracin
y
i
: valor de la variable dependiente
SU: valor de y para la subrutina de clculo
A: rea del segmento
IN: valor de la integral
Paso 1: Ingresar n
Paso 2: Hacer m=n-1
Paso 3: Ingresar x
0
,x
n

Paso 4: Calcular h como
m
x x
h
0 n

=
Paso 5: Ingresar y
1

Paso 6:

Hacer SU= y
1

Paso 7: Para i=2 hasta m hacer SU=SU+2*y
i

Paso 8: Calcular el rea mediante la frmula A=(SU+y
n
)/2*m
Paso 9: Calcular IN mediante la frmula A * ) x x ( IN
0 n
=
Paso 10: la SALIDA es IN

PARAR
5.1.7.2. Regla de Simpson 1/3
Si la interpolacin es limitada de segundo orden y la integral solo se calcula entre los tres
primeros valores de x (n=2) en (5.47) se obtiene:
+ +
+ + =
L
0
3
2 3 4
0
2
2 3
0
2
0
x
x
y
6
2
6
2
24
2
y
4
2
6
2
y
2
2
y 2 h dx ) x ( f
2
0
(5.50)
y como y
0
= y
1
- y
0
y
2
y
0
= y
2
2 y
1
+ y
0
se tiene:
) y y 4 y (
3
h
) y y 2 y (
3
1
) y y ( 2 y 2 h dx ) x ( f
2 1 0 0 1 2 0 1 0
x
x
2
0
+ + =
+ + + =
, en forma general:
Clculo Numrico

69
) ( ) (
n n n
x
x
y y y
h
dx x f
n
+ + =

1 2
4
3
2 0
(5.51)
Sumando miembro a miembro se obtiene:
[ ] ) y y y y ( 4 ) y y y y ( 2 y y
3
h
dx ) x ( f
1 n 5 3 1 2 n 6 4 2 n 0
x
x
n
0

+ + + + + + + + + + + =
L L (5.52)
El segundo miembro de la ecuacin se denomina frmula de Simpson del 1/3 y se expre-
sa como:
[ ] impar orden de ordenadas 4 par orden de ordenadas 2 y y
3
h
A
n 0
3
1
+ + + = (5.53)
En la Figura 5.2 se muestra un esquema de aplicacin de esta frmula:

Figura 5.2 Aproximacin al rea bajo la curva con la frmula
de Simpson de 1/3

5.1.7.3. Regla de Simpson 3/8
Si la interpolacin es de tercer orden y se toma n =3, se obtiene:

+ +
+ + =
L
0
3
2 3 4
0
2
2 3
0
2
0
x
x
y
6
3
6
3
24
3
y
4
3
6
3
y
2
3
y 3 h dx ) x ( f
3
0
(5.54)
( )
) (
) ( ) ( ) (
3 2 1 0
0 1 2 3 0 1 2 0 1 0
3 3
8
3
3 3
8
3
2
4
9
2
9
3
3
0
y y y y h
y y y y y y y y y y h dx x f
x
x
+ + + =
=
+ + + + + =

en forma general:
) y y 3 y 3 y ( h
8
3
dx ) x ( f
n 1 n 2 n 3 n
x
x
n
3 0
+ + + =

(5.55)
Sumando miembro a miembro:
x
1
y
x
x
2
A
1
Clculo Numrico

70
+ + + + + + + + +
+ + + + + + +
=

) y y y y y y y y ( 3
) y y y y ( 2 y y
h
8
3
dx ) x ( f
1 n 2 n 8 7 5 4 2 1
3 n 9 6 3 n 0
x
x
n
0
L
L
(5.56)
El segundo miembro de la ecuacin se denomina frmula de Simpson del 3/8 y se expresa co-
mo:
[ ] ordenadas de resto 3 3 de mltiplo orden de ordenadas 2 y y h
8
3
A
n 0
8
3
+ + + = (5.57)
En la Figura 5.3 se muestra un esquema de aplicacin de esta frmula:

Figura 5.3 Aproximacin al rea bajo la curva con la frmula
de Simpson de 3/8

Por ejemplo si se deseara encontrar el valor aproximado de la integral de la funcin tabular:
x 2 4 6 8 10 12 14 16
y 8 4 2 1 2 6 9 10

Utilizando la regla trapecial y las de Simpson se obtiene:
66
2
)] 9 6 2 1 2 4 ( 2 10 8 [ 2
A
2 / 1
=
+ + + + + + +
=
66 , 58
3
)] 6 1 4 ( 4 ) 9 2 2 ( 2 10 8 [ 2
A
3 / 1
=
+ + + + + + +
=
60
8
)] 6 2 2 4 ( 3 ) 9 1 ( 2 10 8 [ 3 . 2
A
8 / 3
=
+ + + + + + + +
=

x
1
x
2
x
0
y
x
x
3
Clculo Numrico

71
5.2. APROXIMACIN FUNCIONAL

En este tipo de aproximacin se trata de encontrar la ecuacin de una curva que, aunque
no pase por todos los puntos, tenga pocas variaciones, es decir sea suave y pase lo ms cerca
posible de todos ellos, para ello es necesario aplicar el criterio de mnimos cuadrados. Antes de
aplicar este criterio, debe escogerse la forma de la curva que se va a ajustar al conjunto de puntos
dado y su ecuacin puede obtenerse desde un conocimiento previo del problema, es decir por su
interpretacin fsica o en forma arbitraria observando que ecuacin conocida describe aproxima-
damente a esta curva.
Dentro de la aproximacin funcional por mnimos cuadrados se distinguen tres tipos de re-
gresin: lineal, polinomial, lineal mltiple.
5.2.1. Regresin lineal
El ejemplo ms simple de aproximacin por mnimos cuadrados es el ajuste de un conjun-
to de datos a una lnea recta.
La expresin matemtica de una recta es:
y = a
0
+ a
1
x + E (5.58)
en donde a
0
y a
1
son coeficientes que representan la interseccin con el eje de las ordenadas y la
pendiente, respectivamente y E es el error o residuo entre el modelo y las observaciones. Reorde-
nando, se puede calcular el error como
E = y - a
0
- a
1
x (5.59)
es decir, es la diferencia entre el valor real de y y el valor aproximado, a
0
+ a
1
x que predice la
ecuacin lineal.
Una forma de obtener un mejor ajuste es minimizar la suma de cuadrados de los residuos,
S
r
, de la siguiente manera:
( )

= =
= =
n
1 i
2
i 1 0 i
n
1 i
2
i r
x a a y E S (5.50)
Para encontrar los valores de a
0
y a
1
que minimicen la ecuacin (5.50) se debe derivar esta
ecuacin con respecto a los coeficientes indicados, es decir:
=
=
n
1 i
i 1 0 i
0
r
) x a a y ( 2
a
S
(5.51)
=
=
n
1 i
i i 1 0 i
1
r
] x ) x a a y ( 2
a
S
(5.52)
Clculo Numrico

72
Para generar un mnimo, se igualan estas derivadas a cero y se expresan como un con-
junto de dos ecuaciones lineales con dos incgnitas a
0
y a
1
.
na
0
+ x
i
a
1
= y
i
(5.53)
x
i
a
0
+ x
i
2
a
1
= x
i
y
i

Si se resuelve este sistema se obtiene:

=
2
i
2
i
i i i i
1
) x ( x n
y x y x n
a (5.54)
x a y a
1 0
= (5.55)
donde: x y y son las medias aritmticas de y y x respectivamente.
El error estndar de aproximacin S
y/x
, que indica el error para los valores predichos de y
correspondientes a los valores particulares de x y permite cuantificar la dispersin alrededor de la
lnea de regresin, se calcula mediante la siguiente ecuacin:
2 n
S
S
r
x / y
= (5.56)
Para cuantificar la eficiencia del ajuste, que es particularmente til en la comparacin de
varias regresiones, se utilizan el coeficiente de determinacin r
2
y el de correlacin r, que es la raz
cuadrada del coeficiente anterior.
El coeficiente de determinacin se calcula como sigue:
t
r t 2
S
S S
r

= (5.57)
donde:
2
t
) y yi ( S

= es la cantidad de dispersin en la variable dependiente que existe antes de
la regresin.
La diferencia entre las dos cantidades cuantifica la mejora en la reduccin del error debido
al modelo de la lnea recta.
Para un ajuste perfecto S
r
= 0 y r
2
=1, as la lnea recta explica un 100 % de la variabilidad.
El algoritmo para regresin lineal es:

Clculo Numrico

73
Algoritmo para Regresin lineal
x
i
: valor de la variable independiente (i vara de 1 a n)
y
i
: valor de la variable dependiente
S
x
: suma de los valores de x
i

S
y
: suma de los valores de y
i

X^2: suma de cuadrados de x
i

Y^2: suma de cuadrados de y
i

XY: suma del producto
x
m
:

valor medio de x
y
m
:

valor medio de y
a
1
: pendiente
a
0
: trmino independiente
Paso 1: Para i= 1, ..., n, seguir los pasos 2 a 4
Paso 2: calcular la suma de los valores de x como: S
x
= S
x
+x
i

Paso 3: Para i= 1, ..., n, calcular la suma de los valores de y como: S
y
= S
y
+y
i

Paso 4: Para i= 1, ..., n, calcular la suma de cuadrados de x como: X^2= x
i
+ x
i
x
i
Paso 5: Para i= 1, ..., n, calcular la suma de cuadrados de y como: Y^2= y
i
+ y
i
y
i
Paso 6:

Hacer x
m
= S
x
/n
Paso 7: Hacer y
m
= S
y
/n
Paso 8: Calcular a
1
mediante la frmula: y
m
=(n*XY- S
x
S
y
)

/(n* X^2- S
x
S
y
)
Paso 9: Calcular a
0
mediante la frmula: a
0
= y
m
- a
1
* x
m
Paso 10: la SALIDA es a
0
y a
1
PARAR

5.2.2. Linealizacin de relaciones no lineales
En el caso de tener relaciones no lineales se pueden hacer transformaciones que expresen
los datos de manera que sean compatibles con la regresin lineal. A continuacin se presentan
algunos ejemplos.
Modelo exponencial
x b
1
1
e d y = (5.58)
en donde d
1
y b
1
son constantes. Para linealizar este modelo se aplican logaritmos naturales, es
decir:
ln y = ln d
1
+ b
1
ln e (5.59)
Clculo Numrico

74
En una grfica semilogartmica de ln y vs. x se genera una lnea recta con pendiente b
1
y
ordenada al origen: ln d
1
.
Modelo de ecuacin elevada a una potencia
2
b
2
x d y = (5.60)
En donde d
2
y b
2
son coeficientes, puede linealizarse mediante logaritmos en base 10, o sea:
log y = b
2
log x + log d
2
(5.61)
de forma que en una grfica logartmica de log y vs log x se genera una lnea recta con pendiente
b
2
y ordenada al origen log d
2
.
Modelo de crecimiento a saturacin
x b
x
d y
3
3
+
= (5.62)
Los coeficientes d
3
y b
3
son constantes y puede linealizarse si se invierte la ecuacin (5.62), es
decir:
3 3
3
d
1
x
1
d
b
y
1
+ = (5.63)
Una grfica de 1/y contra 1/x ser lineal, con pendiente b
3
/d
3
y ordenada al origen 1/d
3
.

5.2.3. Regresin polinomial
El procedimiento de mnimos cuadrados se puede extender fcilmente y ajustar los datos a
un polinomio de m- simo grado.
m
m
2
2 1 0
x a x a x a a y + + + + = L (5.64)
En este caso la suma de cuadrados de los residuos es:
=
=
n
1 i
2 m
i m
2
i 2 i 1 0 i r
) x a x a x a a y ( S L (5.65)
Siguiendo el procedimiento anterior, se deriva la ecuacin con respecto a cada uno de los
coeficientes del polinomio, para obtener:
=
=
n
1 i
m
i m
2
i 2 i 1 0 i
0
r
) x a x a x a a y ( 2
a
S
L (5.66)
=
=
n
1 i
m
i m
2
i 2 i 1 0 i i
1
r
) x a x a x a a y ( x 2
a
S
L (5.67)
Clculo Numrico

75
. . .
=
=
n
1 i
m
i m
2
i 2 i 1 0 i
m
i
m
r
) x a x a x a a y ( x 2
a
S
L (5.68)
Si estas ecuaciones se igualan a cero y se reordenan se obtiene un conjunto de ecuacio-
nes normales:

na
0
+ a
1
x
i
+ a
2
x
i
2
+ . . . +a
m
x
i
m
= y
i
a
0
x
i
+ a
1
x
i
2
+ a
2
x
i
3
+ . . . +a
m
x
i
m+1
= x
i
y
i

a
0
x
i
2
+ a
1
x
i
3
+ a
2
x
i
4
+ . . . +a
m
x
i
m+2
= x
i
2
y
i
(5.69)
. . . . .
. . . . .
. . . . .

a
0
x
i
m
+ a
1
x
i
m+1
+ a
2
x
i
m+2
+ . . . +a
m
x
i
2m
= x
i
m
y
i
El error de regresin polinomial se calcula con:
) 1 m ( n
S
S
r
x / y
+
= (5.70)
Y el coeficiente de determinacin con

v
r v 2
S
S S
r

= (5.71)
5.2.4. Regresin lineal mltiple
Se utiliza si y es una funcin de dos o ms variables. Por ejemplo si y es funcin lineal de
x
1
y x
2
de la forma:
y = a
0
+ a
1
x
1
+ a
2
x
2
(5.72)
La suma de los residuos es:
=
=
n
1 i
2
i , 2 2 i , 1 1 0 i r
) x a x a a y ( S (5.73)
Si se deriva con respecto a cada uno de los coeficientes se obtiene:
=
=
n
1 i
i , 2 2 i , 1 1 0 i
0
r
) x a x a a y ( 2
a
S
(5.74)
=
=
n
1 i
i , 2 2 i , 1 1 0 i i , 1
1
r
) x a x a a y ( x 2
a
S
(5.75)
Clculo Numrico

76
=
=
n
1 i
i , 2 2 i , 1 1 0 i i , 2
2
r
) x a x a a y ( x 2
a
S
(5.76)
Los coeficientes que generan la suma mnima de los cuadrados de los residuos se obtie-
nen igualando a cero cada una de las derivadas parciales y expresando las ecuaciones como un
conjunto de ecuaciones lineales simultneas, de la forma:

na
0
+ a
1
x
1
,
i
+ a
2
x
2,i

= y
i
a
0
x
1,i
+ a
1
x
1,i
2
+ a
2
x
1,i
x
2,i
= x
1,i
y
i
(5.77)
a
0
x
2,i
2
+ a
1
x
1,i
x
2,i
+ a
2
x
2,i
2
= x
2
,
i
y
i

Por ejemplo se desean ajustar los datos experimentales de la tabla que se presenta a conti-
nuacin a un modelo exponencial.

x 1 2 2,5 4 6
y 0,4 0,7 0,8 1,0 1,2

La ecuacin que describe estos datos es la (5.59):
x b
1
1
e d y =
Aplicando logaritmos neperianos a ambos miembros de la ecuacin se llega a que:
ln y = ln d
1
+ b
1
ln e
Por lo tanto se puede llamar Y a ln y; a
0
al ln d
1
y a
1
a b
1
, de manera que la ecuacin con
esa transformacin es una ecuacin lineal:
Y=a
0
+a
1
x
En la tabla que sigue se presenta la transformacin de los datos

x y Y=ln y x.Y x
2

1 0,4 -0,916 -0,916 1
2 0,7 -0,365 -0,712 4
2,5 0,8 -0,223 -0,557 6,25
4 1 0 0 16
6 1,2 0,182 1,092 36
15,5 -1,313 -1,093 63,25

El valor medio de x es 3,1 y el de Y es -0,262
Clculo Numrico

77
El clculo de la pendiente en base a la frmula (5.54) es:
195 , 0
) 5 , 15 ( ) 25 , 63 ( 5
) 313 , 1 ( 5 , 15 ) 0935 , 1 ( 5
a
2
1
=

=
a
0
= -0,262 (0,195. 3,1)= -0,867
Como a
0
= ln d
1
, entonces d
1
=e
-0,867
=0,420
Como a
1
= b
1
, entonces b
1
es 0,195
La ecuacin ajustada es:
y = 0,420 e
0,195 x

EJERCICOS PROPUESTOS

5.1. Obtenga, aplicando el mtodo de diferencias finitas, el grado del polinomio que puede repre-
sentar al conjunto de valores de la siguiente tabla:
x 0 6 12 18 24 30
y 2 8 62 212 506 992

5.2. Utilice el mtodo de interpolacin que corresponda para:
a) conocer la produccin de arroz parboilizado durante el ao 95 si los datos de pro-
duccin en toneladas se presentan en la tabla que sigue:
Ao 90 92 94 96 98
Produccin (tn) 1229 1302 1100 1200 1220

b) determinar la conductividad trmica de las frutillas a -25 C si su conductividad en
W/m K a diferentes temperaturas es:
T (C) -40 -34 -30 -24 -20 -15 -10 -5
k(W/m K) 1.489 1.450 1.413 1.375 1.388 1.299 1.255 1.183

5.3. Para la funcin definida en la tabla de la distribucin de velocidades de leche en una tubera,
calcule:
a) la primera derivada en x = 2, utilizando las frmulas de interpolacin limitadas al primero,
segundo y tercer orden.
b) La primera y segunda derivadas para x = 4, aplicando la interpolacin de segundo orden.
X 2 3 4 5 6 7
y 6,010 8,144 12,022 14,990 16,781 20,451

5.4. Si se tiene una curva de crecimiento de Clostridium sporogenes en la que se representa la
velocidad de crecimiento en funcin del tiempo, descripta por los datos que se presentan en la
tabla, indique el valor de la pendiente de la curva en un tiempo t = 300 min.
Clculo Numrico

78
t(min) 0 100 200 300 400
v
( N/min) x 10
6

0 30 45 50 50

5.5. Las dos primeras columnas de la tabla que se presenta a continuacin indican las relaciones
tiempo temperatura en el centro de una lata de habas en salsa de tomates que se est esterili-
zando en un autoclave discontinuo. La tercera columna presenta el valor letal de las temperaturas
superiores a 100 C. Como el rea bajo la curva de letalidad vs. tiempo corresponde al valor este-
rilizante de este tratamiento, determine si el mismo es suficiente considerando que el valor apro-
piado es 6 minutos.
t (min) T (C) L t (min) T (C) L
0 54,44 2,208 x 10
-7
14 116,77 0,378
1 62,78 1,506 x 10
-6
15 117,22, 0,419
2 68,54 5,675 x 10
-6
16 118,05 0,507
3 75,55 2,851 x 10
-5
17 118,61 0,577
4 81,66 1,164 x 10
-4
18 119,05 0,638
5 87,22 4,188 x 10
-4
19 119,5 0,708
6 92,77 1,503 x 10
-4
20 119,61 0,726
7 97,77 4,753 x 10
-3
21 117,77 0,475
8 102,22 0,013 22 108,33 0,054
9 105,55 0,028 23 93,33 1,710 x 10
- 3

10 108,33 0,054 24 80,00 7,943 x 10
- 5

11 110,55 0,090 25 68,88 6,138 x 10
- 6

12 112,77 0,150
13 114,44 0,221

5.6. Determine la ecuacin de la recta de regresin para los datos de la tabla que sigue que re-
presentan la cantidad de -caroteno (mg) extrado de granos de maz (kg). Grafique la funcin
tabular y el ajuste. Calcule la media, desviacin estndar y el coeficiente de variacin.
Maz (kg) 0,1 0,4 0,5 0,7 0,8 0,9
-caroteno (mg) 0,61 0,92 0,99 1,52 1,47 2,03

5.7. Ajuste a un polinomio de segundo orden los datos que siguen:
x 0 1 2 3 4 5
y 4,1 14,7 26,6 52,2 80,9 122,1
Clculo Numrico

79
Grafique los datos y el polinomio de ajuste, calcule el error de aproximacin y el coeficiente de
correlacin
5.8. Considere que p representa a la poblacin de levaduras del gnero Saccharomyces que se
utilizan en la elaboracin de cerveza y que f es la concentracin de la fuente de carbono que ser-
vir de sustrato a estos microorganismos. Las medidas de k (tasa de crecimiento especfico en
das
-1
contra f (mg/L) se muestran en la tabla. Determine los valores de k
mx
(tasa mxima de cre-
cimiento para valores de f)

y K (constante de semi-saturacin), empleando la linealizacin del mo-
delo de promedio de crecimiento a saturacin.
La ecuacin que rige el modelo es:
f K
f
k k
mx
+
=
x 7 9 15 25 40 75 100 150
y 0,28 0,36 0,56 0,74 0,86 0,97 0,99 1,14

5.9. La relacin entre la concentracin de una sustancia orgnica en funcin del tiempo est ex-
presada por la siguiente tabla de datos experimentales:
Tiempo (min) 0,1 0,4 0,5 0,7 0,7 0,9
Concentracin (mgL
-1
) 0,61 0,92 0,99 1,52 1,47 2,03

Establezca la relacin emprica C=f (t) que mejor se ajuste a los datos y grafique los datos expe-
rimentales y el ajuste.
5.10. La relacin entre el contenido en CO
2
de un determinado vapor (W en ppm) y la conductivi-
dad especfica del condensado (C en mhos cm
-1
) est dada por la siguiente tabla:

C (mhos cm
-1
) 0,49 1,56 2,32 3,11 3,74 4,44 5,36
W (ppm) 0,78 3,09 5,25 8,44 11,88 15,79 20,18

Determine la ecuacin polinomial W=f (C) que se ajuste a los datos y grafique.

Clculo Numrico

80
Captulo 6
SIMULACION

El trmino simulacin se refiere a la construccin de una representacin simplificada de un
proceso o un sistema fsico con el fin de facilitar su anlisis, se caracteriza por el hecho de no in-
cluir todas las propiedades del sistema real; es decir, que el propsito de la simulacin es mostrar
el efecto de ciertos factores particulares que se estn investigando.
Se utiliza simulacin si no existe una formulacin matemtica o mtodos de resolucin
analticos (o son demasiado complejos); se desea experimentar con el sistema antes de su cons-
truccin e interesa controlar las condiciones del sistema y resulta imposible experimentar sobre el
mismo. Sus objetivos son observar, predecir, modificar y optimizar un sistema. De esta manera es
posible estudiar el comportamiento del sistema, imaginar situaciones para mejorarlo, con costos
bajos o poco peligrosos.

6.1. METODOLOGA DE SIMULACIN

Debido al carcter tan complejo de un sistema real, el estudio que se hace para obtener un
modelo o simulacin se considera dividido en cuatro etapas principales, que son las siguientes:
1. Observacin del sistema: representa la fase experimental del estudio en la que se hace
un anlisis preliminar del sistema, con el fin de determinar la interaccin con otros sistemas, sus
restricciones, las variables que interactan dentro del mismo y sus interrelaciones, las medidas de
efectividad que se van a utilizar para definirlo y estudiarlo y los resultados que se esperan obtener
del estudio que fundamentarn el diseo del modelo.
2. Establecimiento del sistema matemtico: de las conclusiones inferidas en la etapa ante-
rior se fijan los postulados sobre los que se fundamenta el modelo matemtico y en general puede
consistir en un sistema de ecuaciones diferenciales o de diferencias. En la formulacin del modelo
es necesario definir todas las variables que forman parte de l, sus relaciones lgicas y los dia-
gramas de flujo que describan en forma completa el modelo.
3. Solucin del modelo matemtico: esta proporciona informacin que predice el compor-
tamiento del sistema real, el cual sirve para conocer el grado de validez del modelo. Si no se pue-
den resolver las ecuaciones que forman el modelo matemtico, ya sea por la cantidad de clculos
matemticos que requieren, por falta de capacidad de la computadora o por no poder obtenerse
Clculo Numrico

81
exactamente la solucin, se puede hacer un anlisis cualitativo del modelo matemtico con el fin
de resolverlo; el planteamiento y solucin de estos modelos cualitativos es lo que constituye los
mtodos de Montecarlo.
4. Verificacin y ajuste del modelo: Los resultados obtenidos en la etapa anterior se com-
paran con los resultados del comportamiento que sigue el sistema real y con los cuales se esta-
bleci el modelo de la etapa 1.
6.1.1. Mtodos de Montecarlo
Los mtodos de Montecarlo abarcan una coleccin de tcnicas que permiten obtener solu-
ciones de problemas matemticos o fsicos por medio de pruebas aleatorias repetidas. En la
prctica, las pruebas aleatorias se sustituyen por resultados de ciertos clculos realizados con
nmeros aleatorios.
El problema crucial de la aplicacin de estos mtodos es hallar los valores de una variable
aleatoria (discreta o continua) con una distribucin de probabilidad dada por la funcin p(x) a partir
de una transformacin de los valores de una variable aleatoria uniformemente distribuida en el
intervalo [0,1), proporcionada por la computadora o por una rutina incorporada al programa (esto
se denomina generacin de nmeros aleatorios).
6.1.1.1. Generacin de nmeros aleatorios
En los experimentos de simulacin, es necesario aplicar un mecanismo que proporcione
nmeros aleatorios. La forma de obtenerlos es variada, entre los primeros mecanismos se tenan
las ruletas, dados, cartas, etc., actualmente pueden generarse mediante tcnicas que utilizan ta-
blas, computadoras analgicas y digitales. En la Tabla 6.1 se presenta un cuadro comparativo de
estas tcnicas.
Tabla 6.1. Tcnicas de generacin de nmeros aleatorios
TECNICA
CARACTERISTICAS
DE
OPERACION
VENTAJAS DESVENTAJAS
TABLAS
Los nmeros han sido generados
por algn otro medio.
Se puede repetir la misma
secuencia de nmeros.
Es lenta y puede quedar limitada si
se trata de una muestra grande.
Los nmeros con los que se trabaja
son siempre los mismos para cual-
quier problema.
COMPUTADORAS
ANALOGICAS
Generan los nmeros por algn
proceso fsico.
Los nmeros son verdade-
ramente aleatorios con alta
frecuencia.
No se puede repetir la misma se-
cuencia.
COMPUTADORAS
DIGITALES
Los nmeros se generan por
medio de tablas con algn adita-
mento analgico que establezca
algn proceso fsico o bien por
generacin interna utilizando una
relacin de recurrencia.
La generacin interna por
medio de alguna relacin
de recurrencia se puede
considerar como una
operacin normal de la
computadora y se pueden
lograr grandes muestras
de nmeros en poco tiem-
po y es posible reproducir
el proceso.
En el caso de tablas la generacin
se vuelve lenta y ocupa un gran
espacio en la memoria y en el caso
de aditamentos analgicos no se
puede reproducir una misma se-
cuencia de nmeros.

Clculo Numrico

82
Cabe aclarar que las relaciones de recurrencia producen secuencias en las que es posible
identificar cualquier nmero de antemano, estableciendo una secuencia determinstica y perdien-
do su carcter aleatorio. Estas secuencias se consideran aleatorias si las sucesiones de nmeros
generados tienen una distribucin uniforme y son estadsticamente independientes y se denomi-
nan nmeros pseudoaleatorios o nmeros aleatorios producidos por mtodos secuenciales.
6.1.1.2. Generacin de Nmeros pseudoaleatorios
Para generarlos pueden utilizarse los mtodos de cuadrados centrales, de los productos
centrales y mtodos congruenciales.
6.1.1.2.1. Mtodo de los cuadrados centrales
Se parte de un nmero de n cifras que se eleva al cuadrado y del resultado obtenido, que
por lo general es un nmero de 2n cifras, se toman las n cifras de la parte central, que a su vez se
vuelven a elevar al cuadrado y as sucesivamente. La desventaja es que tiende a degenerar rpi-
damente hacia valores constantes dependiendo del nmero inicial que se elija.
Por ejemplo se desean generar nmeros entre 0 y 999 y se elige como nmero inicial a 204,
que genera la secuencia:
204
2
=41616161
161
2
=25921592
592
2
=350464504
6.1.1.2.2. Mtodo de los productos centrales
Se efecta el producto entre dos nmeros seguidos de la sucesin de nmeros pseudoa-
leatorios y del resultado tomar los nmeros del medio para obtener el nmero siguiente de la su-
cesin. Tambin tiende a degenerar a valores constantes.
Por ejemplo se desean generar 3 nmeros aleatorios y se eligen como nmeros iniciales a
1425 y 1915, que generan la secuencia:
(1425)(1915)=27288757288
(7288)(1915)=139565209565
(9565)(7288)=697097207097
6.1.1.2.3. Mtodos congruenciales
Dentro de los mtodos secuenciales, los ms importantes son los de tipo congruencial y
responden a una expresin general de la forma:
U
i+1
= (U
i
+ k) md m (6.1)
Clculo Numrico

83
donde:
U
i+1
: nmero aleatorio generado en el paso i+1
U
i
: nmero aleatorio generado en el paso i
: multiplicador
k: incremento
m: mdulo
Significa que (U
i
+ k) se divide entre m y el residuo que se obtenga es el valor de U
i+1
.
Estos nmeros quedan limitados ya que U
0
y k deben ser mayores o iguales a 0, pero menores
que m. El multiplicador debe ser mayor que cero y menor que m.
Pueden distinguirse los siguientes mtodos congruenciales:
a) Mtodo congruencial mixto
Se lo denomina as si k es una constante diferente de cero. Para asegurar que el perodo
de una secuencia sea mayor a la cantidad de nmeros aleatorios requeridos es importante la se-
leccin del mdulo, incremento, multiplicador y del valor inicial.
Se puede obtener una muestra con un perodo igual al mdulo m si se cumplen las si-
guientes condiciones:
1. k y m son nmeros primos relativos
2. = pt +1, siendo p un factor primo de m y t cualquier entero no negativo.
3. En el caso de que 4 sea un factor de m, se aplica la condicin:
= 4t +1, donde t es cualquier entero no negativo.
Como las computadoras emplean nmeros binarios o decimales, se utilizan criterios dife-
rentes para la seleccin de m, por ejemplo para computadoras decimales conviene que m valga
10
d
, siendo d el nmero de dgitos decimales que se tiene en una palabra. U
0
puede ser cualquier
nmero decimal positivo, k un nmero impar positivo no divisible entre 5, y = 20t

+1, donde t es
cualquier entero no negativo o bien =10
s
+1, con s>1.
b) Mtodo congruencial multiplicativo
Es el ms empleado, se obtiene cuando k =0, o sea:
U
i+1
= (U
i
) md m (6.2)
c) Mtodo congruencial aditivo
En este caso =1 y se tiene la frmula:
U
i+1
= (U
i
+ U
i+s
) md m (6.3)
Clculo Numrico

84
y si s es igual a 1, U
0
= y U
1
=1, se obtiene la secuencia de Fibonacci.
6.1.1.3. Aplicaciones de los mtodos de Montecarlo
Como aplicaciones de estos mtodos se pueden mencionar: paseo aleatorio, integracin
por simulacin y lnea de espera.
6.1.1.3.1. Paseo aleatorio
Para explicar este mtodo supongamos que se desea saber cual es la distancia D que re-
corre un nio en una plaza despus de haber dado n pasos, cada paso tiene la misma longitud P,
variando exclusivamente la direccin hacia la que se mueve dentro de un ngulo tal que 0
360, como se muestra en la Figura 6.1.

Figura 6.1. Paseo aleatorio
La distancia esperada se define como:
D
esp
= P n (6.4)
Para realizar la simulacin de la distancia recorrida por el nio se genera un nmero alea-
torio U
i
, para obtener el ngulo
i
en radianes se multiplica al nmero por 2.
Las componentes de cada paso dado se calculan mediante las expresiones:
x
i
= P cos
i
(6.5)
y
i
= P sen
I
(6.6)
La distancia despus de n pasos, con la ecuacin:
2
n
1 i
i
2
n
1 i
i esp
Y X D

=

= =
(6.7)
Un algoritmo para el paseo aleatorio es:

x
1
x
2
x
3

x
y
1

y
1

y
2

y
3

P
D
i

Clculo Numrico

85
Algoritmo para el Paseo aleatorio
Para determinar la distancia esperada luego de un nmero N de simulaciones, para
nmero de pasos y longitud de paso determinadas
n: nmero de pasos
P: longitud del paso
N: nmero mximo de simulaciones
x y y: componentes del paso
Sx: sumatoria de las componentes x; Sy: sumatoria de las componentes y
: ngulo simulado en radianes
U: nmero aleatorio de 0 a 1
D(j): distancia acumulada hasta el paseo j-simo
DE: distancia esperada que se calcula como P n
DM: distancia media obtenida por simulacin
E: diferencia entre la DE y la distancia obtenida por simulacin
Paso 1: Tomar j=1
Paso 2: Hacer D(j)=DE
Paso 3: Tomar j=2
Paso 4: Tomar Sx=0;
Sy=0
Paso 5: Si jN seguir los pasos 6 a 11
Paso 6: Tomar i=1
Paso 7: Si in seguir los pasos 8 a 11

Paso 8: Generar U=rand(1)
Paso 9:

Hacer =2**U;
x= P *cos

y = P *sen
Paso 10: Hacer Sx=Sx+x;
Sy=Sy+y
Paso 11: Tomar i=i+1
Paso 12: Si I>N ,calcular la distancia acumulada mediante la frmula
2 ^ Sy 2 ^ Sx ) 1 j ( D ) j ( D + + =
Paso 13: Tomar j=j+1
Paso 14: Repetir los pasos 7a 11
Paso 15: Si j>N entonces hacer DM=D(j)/j;
100 .
DE
DM DE
E

=
Paso 16: la SALIDA es DM, E
PARAR
Clculo Numrico

86
6.1.1.3.2. Integracin por simulacin
Una de las aplicaciones ms frecuentes que han tenido los mtodos de Montecarlo ha sido
el clculo de reas o volmenes.
Si se desea calcular el rea bajo la curva de una funcin, en el intervalo (a,b), como la que
se muestra en la Figura 6.2., se deben seguir ciertos pasos.

Figura 6.2. Grfico de una funcin cuya rea
se desea calcular
Estos pasos son:
1. Definir un rea conocida que comprende el rea que se desea integrar, en este caso un
rectngulo.
2. Considerar esta rea como un blanco con dos zonas, sobre la que se lanzan dardos, que
se distribuyen sobre toda el rea. Cada vez que se lanza el dardo, se observa si qued en
el rea bajo la curva, contabilizando como un acierto en el caso de que as ocurra y no in-
dicando nada en caso contrario.
3. Repetir este proceso N veces
4. Se aproxima el nmero de aciertos, n, a :
n p
a
N (6.8)
donde p
a
es la probabilidad de acertar.
5. A partir de la consideracin de que la distribucin de dardos es uniforme, se puede pensar
que n es un nmero asociado al rea buscada y N el valor asociado al rea del rectngulo,
por lo cual se tiene:
Area p
a
(rea rectangular), esta probabilidad es p
a
=n/N de la ecuacin (6.8), por lo tanto
rea n/N (rea rectangular) (6.9)
El procedimiento descripto puede hacerse por generacin de nmeros aleatorios.

x
y
a
b
c
Clculo Numrico

87
6.1.1.3.2. Lnea de espera
Se puede utilizar el mtodo de Montecarlo para calcular el tiempo medio de espera en una
situacin dada.
El problema se estudia para distintas frecuencias de llegada y se simula el transcurso del tiempo
por medio del generador de nmeros aleatorios, el cual proporciona un nmero cada minuto y de
acuerdo al nmero se tendr o no el arribo de una muestra para hacer uso del servicio.
El tiempo de servicio, que por lo general no depende de cuando ocurre el perodo sino ms
bien de la longitud del intervalo, es bastante comn en las situaciones cotidianas de lneas de es-
pera. Para calcular el tiempo se aplican los siguientes pasos:
1. Clculo de la probabilidad de que el sistema est ocupado P
w

=
=
w
P (6.10)
dnde es la tasa promedio de llegadas y es la tasa promedio de servicio.
2. Clculo de la probabilidad de que el sistema no est trabajando, o est vaco:
P
0
= 1 P
w
= 1 - (6.11)
3. Clculo de la probabilidad de que haya n muestras en el sistema P
n
:
P
n
= P
0
n
(6.12)
donde n es cualquier entero no negativo.
4. Clculo del nmero promedio de muestras que se encuentran en el sistema, L, ya sea
esperando o siendo analizadas:

=
1
L (6.13)
5. Clculo del nmero promedio de muestras que esperan ser analizadas, L
q
.

= =
1
L L
2
q
(6.14)
6. Clculo del tiempo de espera, en el se distinguen:
Tiempo promedio de una unidad en el sistema,
=
L
W (6.15)
y el Tiempo de espera de una muestra para ser analizada:
Clculo Numrico

88

=
q
q
L
W (6.16)
Por ejemplo, si se quiere calcular el tiempo de espera en un laboratorio de anlisis de agua al
que llegan 20 muestras por hora y el tiempo promedio de anlisis es 30 muestras por hora.
Se calcula la probabilidad de que el sistema est ocupado
3
2
30
20
P
w
= =
= , la probabilidad de
que no lo est es 1/3.
El nmero de muestras que se encuentran en el sistema siendo analizadas o en espera es:
2
3 / 1
3 / 2
L = = , por lo tanto el nmero que espera ser analizado es
3
4
3
2
2 L
q
= = .
El tiempo promedio de una unidad en el sistema es min 6 h
10
1
20
2
W = = = y el tiempo pro-
medio de espera es min 15 h
15
1
20
3 / 4
W
q
= = =

6.2. Modelos Demogrficos y de la Cintica Qumica
Como ejemplos de modelos de la dinmica de sistemas pueden mencionarse los modelos
demogrficos y los de la cintica qumica.
6.2.1. Modelo demogrfico
La relacin entre la poblacin en un instante de tiempo P(T) y un instante anterior P(T-1),
donde H es el tiempo transcurrido entre ambos, y N y D son los nacimientos y las defunciones
ocurridos en ese tiempo, pueden modelarse por la ecuacin:
P(T) = P(T-1) + H*(N - D) (6.17)
Esta ecuacin representa un modelo matemtico simple de la poblacin y permite determi-
nar la poblacin en el instante T.
Adems, por lo general, los nacimientos y las defunciones se expresan en funcin de las
tasas de natalidad, TN, y de defuncin TD, entonces se tienen las siguientes expresiones:
N = P(T-1)*TN (6.18)
D= P(T-1)*TD (6.19)
Se tienen tres ecuaciones, que se pueden interpretar como tres instrucciones de progra-
macin que pueden integrarse en un programa de una computadora. Para generarlo deben reali-
zarse las siguientes tareas:
Clculo Numrico

89
1. Encabezamiento: se identifica el nombre del programa y su versin, ao, autores, finali-
dad y otros datos de inters para el usuario.
2. Inicializacin: se definen todos los elementos que participan en el programa, por ejemplo,
variables, parmetros, constantes, etc. Es conveniente especificar el nombre o el rol de
cada variable.
3. Dimensionamiento de las variables: se especifica la dimensiones de las variables que
requieren exigen la reserva de memoria en la computadora y se almacenan en vectores
para su posterior impresin en tablas.
4. Ingreso de datos: el programa debe ser verstil, es decir debe permitir la modificacin de
los datos de entrada.
5. Mdulo de clculo: en el se incluye una estructura iterativa mediante la cual se ordena a
la computadora que realice la tarea incluida entre las instrucciones FOR T = y NEXT T,
hasta alcanzar una determinada condicin.
6.2.2. Modelos de la cintica qumica
La cintica qumica tiene por objetivo el estudio de las velocidades de las reacciones qu-
micas en sistemas homogneos y heterogneos, as como los factores que determinan esas velo-
cidades. El estudio de estos ltimos permite formular conclusiones sobre el mecanismo que rige
en esas reacciones.
En el estudio de estos modelos se pueden considerar dos aspectos: el fenomenolgico y el
terico.
Con respecto al primero se estudia la forma en que las velocidades dependen de la con-
centracin.
La velocidad de una reaccin, puede definirse como la cantidad de sustancia transformada
en la unidad de tiempo. El estudio se realiza sobre una reaccin conocida es decir una en la que
ya estn establecidas las reacciones estequiomtricas entre reactantes y productos,
aA + bB + mM + nN + (6.20)
en la que el segundo miembro puede ser reemplazado por P (productos):
aA + bB + P (6.21)
La teora demuestra que, en general, la velocidad de reaccin en un instante t es propor-
cional a los productos de las concentraciones molares actuales (masas activas) de los reactivos,
elevadas a una potencia igual a su respectivo coeficiente estequiomtrico. La cantidad de sustan-
cia transformada puede expresarse en nmero de unidades de reaccin convertidos en productos.
Si esta cantidad es x en el tiempo t, la velocidad es:
Clculo Numrico

90
[ ] [ ] [ ] L
c b a
C B A k
dt
dx
v = = (6.22)
esta expresin constituye la ley bsica de la cintica qumica.
La velocidad de una reaccin puede expresarse en funcin de la variacin de la concentra-
cin molar de uno de los reactivos (que se consume) o de uno de los productos (que se forma). La
sustancia se selecciona segn convenga por su significacin, por su facilidad de ser valorada, etc.
La velocidad de consumo de A, puede expresarse como:

[ ]
[ ] [ ] [ ] L
c b a
C B A k
dt
A d
= (6.23)
La constante k es la constante de velocidad o velocidad especfica, se determina isotrmi-
camente. El orden total de la reaccin, N, se define como el nmero total de molculas o tomos
de las sustancias reaccionantes cuyas concentraciones, al variar en funcin del tiempo, participan
en la expresin de la velocidad de la reaccin.
La experiencia prueba que no siempre las reacciones ocurren de acuerdo a lo expresado
en las expresiones anteriores y la ley fundamental de la cintica se expresa en funcin de los
rdenes de reaccin
i
con respecto a la concentracin que ponderan, es decir:
[ ]
[ ] [ ] [ ] L
c b a
C B A k
dt
A d

= (6.24)
El objetivo de los modelos es determinar esos exponentes (coeficientes estequiomtricos),
que se llaman x, y , z, .Pueden emplearse dos mtodos: el mtodo diferencial y el integral.
6.2.2.1. Mtodo diferencial
Se determinan los valores de la derivada de la concentracin con respecto al tiempo.
Una forma de obtenerlos es a travs de las concentraciones con el tiempo y representando
[] frente a t, ya que la pendiente es la derivada buscada. Estas se comparan con la ecuacin
cintica.
La determinacin de los rdenes de reaccin se efecta determinando el valor inicial de la
velocidad, para lo que se emplean tiempos de reaccin cortos de manera que no haya cambios
apreciables en la concentracin y se mide la velocidad. Por ejemplo si se mantienen constantes
todas las concentraciones y al duplicar la de A se observa que la velocidad [A] se cuadruplica,
entonces x = 2 y as se determinan todos los exponentes. A continuacin se determina k emple-
ando valores medidos, en un experimento de [A], [B], [C], .

Clculo Numrico

91
6.2.2.2. Mtodo integral
La ecuacin diferencial se transforma por integracin en otra que exprese la concentracin
en funcin del tiempo. Para ello se mide la velocidad de reaccin durante un largo perodo de
tiempo y luego se ajustan los datos a la ecuacin integrada.
Por ejemplo, se supone que la cintica es de primer orden,
] [
] [
A
dt
A d
= (6.25)
la ecuacin integrada es
[A] = [A]
0
e
kt
(6.26)
por lo tanto una representacin de
[ ]
[ ]
0
A
A
log frente al tiempo t es una lnea recta de pendiente k,
por lo que a partir de las medidas experimentales de [A]con el tiempo se puede obtener el valor de
la constante de velocidad k a partir de la pendiente de la grfica.
El mtodo integral tiene mucho de artesanal, ya que se formula una hiptesis sobre la
ecuacin de velocidad y los rdenes de reaccin en reactantes y productos y se valida por con-
traste con los resultados experimentales. Si no existe buena concordancia se formula otra hipte-
sis y se repiten los clculos hasta llegar a un resultado satisfactorio.
Este mtodo es el ms usado, su principal inconveniente es que se supone que los rde-
nes de reaccin son nmeros enteros y esto no siempre es as, adems se aplica a una sola curva
de cintica en determinadas condiciones.
El mtodo diferencial es tericamente ms correcto, su inconveniente deriva de la determi-
nacin de las pendientes.
6.2.2.3. Dinmica de sistemas cinetoqumicos
Considerando una reaccin simple:
A + B C + D (6.27)
Si una molcula de A entra en colisin con una de B, pueden reaccionar y formar C y D.
Suponiendo coeficientes estequiomtricos iguales a 1, la velocidad de reaccin se puede expresar
como:
[ ]
[ ][ ] B A k
dt
d
= (6.28)
Si la variacin de fuese lineal, para un tiempo T transcurrido entre T 1 y T, con H = T
(T-1), se obtiene:
Clculo Numrico

92
[ ]
( )
[ ]
( )
[ ]
( )
[ ]
( ) 1 T 1 T
1 T T
B A K
H

=
L L
(6.29)
Entonces, el comportamiento temporal de la concentracin del reactante A se expresa co-
mo:
[ ]
( )
[ ]
( )
[ ]
( )
[ ]
( )
H B A K A A
1 T 1 T 1 T T
= (6.30)
Reemplazando A en el primer miembro por B, C y D, se obtiene las restantes expresiones
y se obtiene la velocidad por cualquiera de los mtodos estudiados.


6.1. Encuentre 7 nmeros aleatorios generados por el mtodo de cuadrados centrales, entre 0 y
999, considerando como nmero inicial 612.
6.2. Calcule los cinco primeros nmeros aleatorios aplicando el mtodo de los productos centrales
si U
0
=1422 y U
1
= 1963
6.3. A una lnea de espera de un laboratorio de anlisis de miel llegan 30 muestras por hora y el
tiempo promedio de anlisis es 10 muestras por hora, realice un anlisis de esta lnea de espera.
6.4. Considere la seccin de empaque de una gran fbrica de galletitas a donde llega el producto
listo para ser envasado. Si llegan a una tasa de 90 grupos a ser envasados por hora y existen 10
lneas de envasado si la tasa de servicio es 12 por hora calcule el tiempo de espera promedio y la
utilizacin de la instalacin.
6.5. Considere una reaccin irreversible de primer orden y que la velocidad de reaccin se ha se-
guido midiendo la absorbancia de la disolucin en distintos tiempos, con los siguientes resultados:
Tiempo
(min)
0 18 57 130 240 337 398
Absorbancia 1,39 1,26 1,03 0,706 0,398 0,251 0,18

Si [A]
0
= 1,39 y [B]
0
=0, encuentre el valor de k y los valores de [A]
t
por aplicacin del mode-
lo y por integracin directa para t = 0 hasta70 minutos con H = 10 min.
Clculo Numrico

93
Captulo 7
SERIES DE FOURIER
En numerosos problemas de ingeniera aparecen funciones peridicas discontinuas y fun-
ciones aperidicas que pueden representarse por funciones senoidales, esto conduce a la Teora
de las Series e Integrales de Fourier.
La idea bsica de las series de Fourier es que toda funcin peridica de perodo T puede
ser expresada como una suma trigonomtrica de senos y cosenos del mismo perodo T.
Neugebauer en 1952 descubri que los Babilonios utilizaron una forma primitiva de las se-
ries de Fourier para predecir eventos celestiales. La historia moderna de las series de Fourier co-
menz en 1747con D'Alembert y su tratado sobre las oscilaciones de las cuerdas de un violn.
Euler en 1748 propuso que la solucin poda ser expresada en una serie senoidal. Las mismas
ideas fueron luego expuestas por D. Bernoulli (1753) y Lagrange (1759). La formula para calcular
los coeficientes apareci por primera vez en un artculo escrito por Euler en 1777. La contribucin
de Fourier comenz en 1807 con sus estudios del problema del flujo del calor.
7.1. CONSIDERACIONES PREVIAS
7.1.1. Funciones peridicas
Una funcin f(x) es peridica con perodo T si est definida para cualquier valor de x real y
si existe un nmero positivo T tal que:
f(x+T)= f(x) (7.1)
En la Figura 7.1 se muestra un ejemplo de funcin peridica. Adems de la definicin pue-
de deducirse que si el perodo es T entonces cualquier mltiplo entero de T tambin lo es.

Figura 7.1. Funcin peridica con perodo T

x
T
2T
f(x)
Clculo Numrico

94
El valor ms pequeo de T para el cual se cumple la ecuacin (7.1) se denomina perodo
fundamental de f(x).
Puede demostrarse que si f(x) y g(x) son funciones de perodo T, la funcin: h(x) = f(x) +
g(x) tambin tiene perodo T.

7.1.2. Series trigonomtricas
Una serie trigonomtrica puede representarse como:
a
0
+a
1
cos x+b
1
sen x+a
2
cos 2x + b
2
sen 2x+ ... (7.2)
donde a
n
y b
n
son coeficientes de la serie y cada trmino tiene perodo 2. Si la serie converge, su
suma es una funcin de perodo 2.

7.1.3. Funciones seccionalmente continuas
Una funcin de valor real f es seccionalmente continua en un intervalo [a, b] si:
a) f es definida y continua en todos, excepto en un nmero finito de puntos de [a, b] y
b) los siguientes lmites existen en cada punto de discontinuidad x
0
en [a, b]:
) h
0
x ( f
lim
0 h
) x ( f
0
+
=
+
(7.3)
) h
0
x ( f
lim
0 h
) x ( f
0

(7.4)
Las discontinuidades aceptadas se denominan discontinuidades por salto, de magnitud:
Salto = f(x
0
+
) f(x
0
-
)
Propiedades
a) Si f(x) C [a, b] entonces existe la integral de la funcin en este intervalo y es indepen-
diente de los valores que toma la funcin f en sus puntos de discontinuidad. En particular si f(x) y
g(x) son idnticas en [a, b] excepto en sus puntos de discontinuidad, entonces puede escribirse la
siguiente igualdad:

=
b
a
b
a
dx ) x ( g dx ) x ( f (7.5)
Clculo Numrico

95
b) Si f(x) y g(x) C [a, b] tambin lo es su producto interno, entonces la integral del producto de
dos funciones seccionalmente continuas siempre existe.
Definido el producto interno en C [a, b] puede demostrarse que el conjunto de funciones
seccionalmente continuas en el intervalo mencionado es un espacio euclidiano denotado por C
[a, b] y contiene a C [a, b] como subespacio.
7.1.4. Funciones pares e impares
Las funciones pares e impares se caracterizan por su simetra con respecto al eje de las
ordenadas y al origen de coordenadas, respectivamente.
Analticamente las funciones pares son aquellas para las cuales se verifica que:
f(-x)= f(x) (7.6)
mientras que las funciones impares satisfacen:
f(-x)= - f(x) (7.7)
En la Figura 7.2 (a) y (b) se esquematizan estas funciones.

Figura 7.2. Funciones con simetra: par (a) e impar (b)

Son ejemplos de funciones pares x
2
, cos nx, x
2n
, x y de funciones impares x, x
3
, sen nx,
x
2n+1
.
y
x x
y
(a)
(b)
Clculo Numrico

96
Estas funciones tienen propiedades que son muy tiles para el desarrollo de funciones en
serie de Fourier, a continuacin se enuncian las ms interesantes:
La suma o diferencia y el producto o cociente de dos funciones pares da como resultado
una funcin par.
La suma o diferencia de dos funciones impares es impar.
El producto o cociente entre dos funciones impares es par.
La suma o diferencia de una funcin impar y una funcin par no es par ni impar.
El producto o cociente entre una funcin impar y una funcin par es impar.

7.2. DESARROLLO EN SERIE DE FOURIER
Sea f(x) una funcin de la variable real x, que en el intervalo (, +2) satisface las condi-
ciones de Dirichlet, es decir:
1) f(x) tiene un nmero finito de discontinuidades,
2) f(x) tiene un nmero finito de mximos y mnimos
3) f(x) es acotada
entonces, f(x) pertenece a la clase de funciones seccionalmente continuas o continuas por partes
o por tramos, f(x) C (, +2) y admite como modelo matemtico la Serie trigonomtrica de
Fourier:

=
+ + =
1 n 1 n
n n
0
nx cos b nx sen a
2
b
) x ( f , con n = 1, 2, 3, (7.8)
Siendo a
n
y b
n
los coeficientes de Fourier que se calculan con las frmulas siguientes:
= dx nx sen ) x ( f
1
a
n
(7.9)
= dx nx cos ) x ( f
1
b
n
(7.10)

= dx ) x ( f
2
1
2
b
0
(7.11)
Clculo Numrico

97
El intervalo de integracin podra extenderse de 0 a 2 o desde x
0
a (x
0
+2) para todo x
0
,
sin afectar el valor de los coeficientes a
n
y b
n
puesto que la funcin f(x) se repite idnticamente al
cabo del periodo 2 independientemente del lmite inferior del intervalo. La eleccin del intervalo
fundamental [-,] es a los fines de facilitar las discusiones de simetra que se presentan ms ade-
lante.

7.2.1. Clculo de los coeficientes de Fourier
Para demostrar la validez de las ecuaciones (7.9) y (7.11) se utilizan las siguientes propie-
dades de las funciones senoidales:
a)
=

=

m n para
m n para 0
dx mx sen nx sen
b)
=

=

m n para
m n para 0
dx mx cos nx cos
c) 0 dx mx cos nx sen =

Para determinar a
n
, se multiplican ambos miembros de la serie (7.8) por sen mx y se inte-
gra en un perodo es decir:
dx nx cos b nx sen a
2
b
mx sen dx mx sen ) x ( f
1 n 1 n
n n
0
+ + =

=

(7.12)
El resultado de esta integral es:
=

n n
a dx mx sen nx sen a (7.13)
Por lo tanto,

= = dx nx sen ) x ( f
1
a a dx mx sen ) x ( f
n n
(7.14)
Un clculo anlogo multiplicando por cos mx e integrando en un perodo completo permite
obtener b
n
.
Significado de b
0
/2

Clculo Numrico

98
Su expresin, dada por la frmula (7.11), se denomina coeficiente constante, es el valor
medio de la funcin en el intervalo (-,). Se puede evaluar si se calcula el rea encerrada por f(x)
en un perodo y dividirlo entre este perodo.
7.2.2. Expresin de la serie de Fourier para funciones de perodo arbitrario
En la prctica las funciones peridicas rara vez tiene un perodo igual a 2, por lo general
tiene cualquier perodo T, por lo general expresado en unidades de tiempo. Para solucionar esto
se utiliza un cambio de escala.
Suponiendo una funcin f(t) de periodo T, puede introducirse una nueva variable x tal que
f(t) como funcin de x tenga perodo 2 . Si se hace que:
x
2
T
t
= (7.15)
puede deducirse que x es:
t
T
2
x

= (7.16)
Por lo tanto si x= corresponde a
2
T
t = . Esto significa que f(x) tiene perodo 2. De
donde si f tiene una serie de Fourier, ser de la forma:

=
+ + =
=
1 n 1 n
n n
0
nx cos b nx sen a
2
b
x
2
T
f ) t ( f (7.17)
con coeficientes de la forma:

= dx nx sen ) x
2
T
( f
1
a
n
;

= dx nx cos ) x
2
T
( f
1
b
n
;

= dx ) x
2
T
( f
2
1
2
b
0

Si se diferencia la ecuacin (7.16) se tiene que:
dt
T
2
dx

= (7.18)
Y el intervalo de integracin sobre el eje x corresponde al intervalo
2
T
t
2
T
, por lo tanto consi-
derando que
T
2
= y reemplazando en las expresiones de la serie y de los coeficientes se tiene
que:

=
+ + =
1 n 1 n
n n
0
t n cos b t n sen a
2
b
) t ( f con n = 1, 2, 3, (7.19)
Clculo Numrico

99
=
2
T
2
T
n
dt t n sen ) t ( f
T
2
a (7.20)
=
2
T
2
T
n
dt t n cos ) t ( f
T
2
b (7.21)
=
2
T
2
T
0
dt ) t ( f
T
1
b (7.22)

7.2.3. Forma exponencial de la serie de Fourier
Si se consideran las relaciones de Euler: e
ix
= cos x i sen x la serie puede expresarse
como sigue:
=

=
n
t in
n
e ) t ( f (7.23)
Con dt e ) t ( f
T
1
t in
2
T
2
T
n

= , n= 0, 1, 2, 3, (7.24)

7.2.4. Consideraciones simplificatorias
Tomando en cuenta la geometra de las funciones peridicas pueden realizarse algunas
simplificaciones que ayudan al clculo de la expresin en serie de Fourier.
Si f(x) es una funcin par en el intervalo considerado (-, ), su desarrollo en serie de Fou-
rier es:
=
+ =
1 n
n
0
nx cos b
2
b
) x ( f y adems dx nx cos ) x ( f
2
dx nx cos ) x ( f
1
b
0
n

=
=
Si f(x) es una funcin impar en el intervalo considerado (-, ), su desarrollo en serie de
Fourier es:
=
=
1 n
n
nx sen a ) x ( f y adems dx nx sen ) x ( f
2
dx nx sen ) x ( f
1
a
0
n

=
=
Clculo Numrico

100
El desarrollo en el perodo (-, ) es igual al desarrollo en el perodo (0, ) multiplicado por
dos.

7.2.5. Espectro de frecuencias
Si la funcin a desarrollar es funcin del tiempo y si T es el perodo, se puede expresar de
acuerdo a la expresin (7.19), sta puede escribirse en forma ms compacta como:
=
+ =
1 n
n n
0
) t n cos( C
2
b
) t ( f (7.25)
con
2
n
2
n n
b a C + = (7.26)
y con
n
n 1
n
b
a
tg
= (7.27)
La funcin f(t) queda desarrollada en una suma de componentes armnicas en las que C
n

y
n
son la amplitud y el ngulo de fase respectivamente, como se observa en la Figura 7.3.

Figura 7.3. Diagrama fasorial de la Serie de Fourier

La ecuacin (7.25) muestra claramente que una funcin peridica que satisface las condi-
ciones de Dirichlet puede descomponerse en un valor medio y componentes senoidales armni-
camente relacionadas cuyas frecuencias son mltiplos enteros de la frecuencia fundamental 1/T.
La amplitud y fase de las componentes estn dadas por las expresiones (7.26) y (7.27), respecti-
vamente.
Si se representa grficamente el valor absoluto de C
n
en funcin de n, se obtiene el es-
pectro discreto de frecuencias, si se desea representar tambin
n
, se deben ampliar las deno-
minaciones a espectro discreto de amplitud (Figura 7.4.(a)) y el espectro discreto de fase (Fi-
gura 7.4 (b)), respectivamente, en el que cada componente de fase o de amplitud est espaciada
en y consiste en lneas discretas.

b
n

a
n

nt
n

C
n

Clculo Numrico

101

Figura 7.4. Espectro discreto de amplitud (a) y de fases (b)

7.3. INTEGRALES DE FOURIER

Las integrales de Fourier pueden interpretarse como el resultado de una generalizacin del
mtodo de las Series de Fourier para incluir funciones no peridicas. La forma ms frecuentemen-
te adoptada es del par unilateral de integrales de Fourier, que se representa como sigue:
)) ( g ( F d e ) ( g
2
1
) t ( f
1 t i
=
(7.28)
)) t ( f ( F dt e ) t ( f ) ( g
t i
0
= =

(7.29)
Siendo la expresin (7.28) la Integral inversa de Fourier y (7.29) la integral de Fourier.
Por ejemplo si se desea encontrar el desarrollo en serie de Fourier de la funcin:
-k para - < x < 0
f(x)=
k para 0 < x <
Considerando que f(x + 2 ) = f(x)
En primer lugar se realiza un grfico de la funcin:

2 3 4 n
n
C
(a)

2 3 4
n
(b)
x
-

f(x)
k
-k
Clculo Numrico

102
Por inspeccin grfica se puede afirmar que es una funcin impar puesto que f(x)=-f(-x), y
tomando en cuenta las consideraciones simplificatorias el desarrollo en Serie de Fourier est dado
por:
=
=
1 n
n
nx sen a ) x ( f y el coeficiente a
n
se calcula como:
( )
( )
=
= +
=

n cos 1
n
k 2
0 cos n cos
n
k 2
nx cos
n
k 2
dx nx sen k
2
dx nx sen ) x ( f
2
dx nx sen ) x ( f
1
a
0
0 0
n

Puede deducirse que si n es impar (1-cos n) es igual a 2 y si n es par (1-cos n) es igual a cero,
por lo tanto la serie toma valores solamente para n impar, esto puede expresarse tomando (2n-1)
como coeficiente del argumento. En sntesis, la serie en forma compacta es:
=

=
1 n
x ) 1 n 2 ( sen
) 1 n 2 (
k 4
) x ( f
Una representacin de la funcin y de la 1, 3, 5 y 7 armnica se muestra en la figura que
sigue.
-3 -2 -1 0 1 2 3
-6
-4
-2
0
2
4
6
x
16/ (sin(x)+1/3 sin(3 x)+1/5 sin(5 x)+1/7 sin(7 x))

f(x)
1 arm
3 arm
5 arm
7 arm

7.1. Demuestre que las formas trigonomtricas dadas a continuacin son expresiones de la serie
de Fourier:
a)
=
+ =
1
0
n
n n
t n c c t f ) cos( ) ( b)
=
+ + =
1
0
n
n n
t n sen c c t f ) ( ) (
7.2. A partir de la forma bsica de la Serie de Fourier deduzca su expresin exponencial.

Clculo Numrico

103
7.3. Encuentre el desarrollo en serie de Fourier de la funcin definida por:
0, en T/6 < t < -T/12
f(t)= A, en T/12 < t < T/12
0, en T/12 < t < T/6

7.4. Desarrolle en Serie de Fourier la funcin:
-8 para - < x < 0
f(x)=
8 para 0 < x <
Considere que f(x + 2 ) = f(x)
7.5. Desarrolle f(x) = 3x
2
, en serie de Fourier si el perodo es 2 .
7.6. Sea f(x) = x peridica en el intervalo (-4, 4), encuentre los coeficientes y escriba su desarrollo
en serie de Fourier.

Clculo Numrico

104
Captulo 8
TRANSFORMADA DE LAPLACE

El mtodo de la Transformada de Laplace constituye una valiosa herramienta para la reso-
lucin de numerosos problemas que se presentan en ingeniera, tales como la resolucin de
ecuaciones diferenciales, evaluacin de integrales, solucin de ecuaciones integrales, etc.
En el caso particular de la resolucin de ecuaciones diferenciales, este mtodo tiene nota-
bles ventajas sobre los otros mtodos de resolucin ya que se pueden transformar las ecuaciones
diferenciales en algebraicas, cualesquiera sean las condiciones iniciales dadas, estas se incorpo-
ran al problema algebraico y el uso de tablas de transformadas de Laplace facilita notablemente la
resolucin.

8.1. DEFINICIN DE TRASFORMADA DE LAPLACE

Sea f(t) una funcin de t definida para t 0, la Transformada de Laplace de f(t), que se
denota por L [f(t)] por F(s), est definida por la ecuacin:
L [f(t)] = F(s) = dt ) t ( f e
0
st
(8.1)
donde s es un parmetro complejo, pero se restringe a valores reales. El smbolo L se denomina
operador de la Transformada de Laplace. La integral impropia de la ecuacin (8.1) puede definirse
como:
dt ) t ( f e
m
0
st
m
lm

(8.2)
Si este lmite existe, la integral converge y puede asegurarse la existencia de la Transfor-
mada de Laplace. A continuacin se indica el teorema para la existencia de la transformada.
Teorema para la existencia de la transformada de Laplace: Si f(t) es seccionalmente continua en el intervalo
0 t A, para cualquier A positiva y adems ) (t f
at
Ke donde t M y K, a y M son constantes reales y K
y M necesariamente positivas, entonces existe la Transformada de Laplace de f(t) para s > a.
Algunas caractersticas de la funcin f(t) son las siguientes:
Clculo Numrico

105
la variable real no necesariamente representa al tiempo, puede utilizarse el smbolo ade-
cuado para el sistema en consideracin,
f(t) debe ser una funcin unvoca para que tenga una nica F(s). Sin embargo, se admite
que la funcin tenga un nmero finito de discontinuidades,
si existe discontinuidad para f(t) en t=0, entonces el lmite inferior de la transformada se
considera como una aproximacin por el lado positivo, es decir f(0
+
).

8.2. PROPIEDADES IMPORTANTES DE LA TRANSFORMADA DE LAPLACE

Se detallan, en los apartados que siguen, propiedades de la transformada de Laplace que
facilitan notablemente su clculo.
a) Linealidad
Teorema: Si c
1
y c
2
son constantes y f
1
(t) y f
2
(t) son funciones cuyas transformadas de Laplace son, respec-
tivamente, F
1
(s) y F
2
(s), entonces:
L[c
1
f
1
(t) + c
2
f
2
(t)] = c
1
L[f
1
(t)] + c
2
L[f
2
(t)] = c
1
F
1
(s) + c
2
F
2
(s) (8.3)
El smbolo L es el operador transformada de Laplace y debido a la propiedad de linealidad
expresada en este teorema se dice que L es un operador lineal.
b) Traslacin o desplazamiento de frecuencia
Teorema: La transformada de Laplace de
t
e

veces una funcin es igual a la transformada de Laplace de
la funcin con s reemplazado por (s + ).
L[
t
e

f(t)] = F(s +) (8.4)
c) Desplazamiento temporal
Teorema: Si L [f(t)] = F(s), entonces: L [f(t t
0
) u (t t
0
)] = F(s) e
s t
0
(8.5)
d) Cambio de escala
Teorema: Si L [f(t)] = F(s), entonces: L[f(at)] =
a
s
a
1
F (8.6)
8.2.1. Transformada de Laplace de operaciones
Al aplicar la transformada de Laplace a la solucin de ecuaciones diferenciales se deben
transformar no solamente funciones sino tambin operaciones, por ello se enuncian a continua-
cin los teoremas pertinentes
Clculo Numrico

106
Teorema de la derivacin: Si una funcin f(t) y su primera derivada son ambas Laplace transformables y si
L [f(t)] = F(s), entonces: L
t d
t f d ) (
= L[D f(t)] = s F(s) f(0
+
) (8.7)
Esta propiedad se extiende para las derivadas de orden superior.
Teorema de la integracin: Si L [f(t)] = F(s), entonces: L =
t
dt t f
0
) (
s
s F ) (
(8.8)
Teorema de la multiplicacin por t: Si L [f(t)] = F(s), entonces: L [t f(t)] = -
ds
s F d ) (
(8.9)
Teorema de la divisin por t: Si L [f(t)] = F(s), entonces: L

s
ds s F t f
t
) ( ) (
1
(8.10)

8.3. MTODOS PARA CALCULAR TRANSFORMADAS DE LAPLACE

Existen varios mtodos para encontrar las transformadas de Laplace:
Mtodo directo: utilizando la definicin dada en la expresin (8.1).
Mtodo de las series: si f(t) tiene un desarrollo en serie dado por:
F(t) = a
0
+ a
1
t + a
2
t
2
+ ... =
=0 n
n
n
t a , su transformada de Laplace puede calcularse como la
suma de la transformada de cada uno de los sumandos de la serie, es decir:
L [f(t)] =
=
+
= + + +
0
1 3
2
2
1 0
2
n
n
n
s
a n
s
a
s
a
s
a ! !
L
Mtodo de las ecuaciones diferenciales: consiste en encontrar una ecuacin diferencial
que sea satisfecha por f(t) y aplicar luego los teoremas anteriores.
Mediante el uso de tablas.

8.4. VENTAJAS DEL MTODO DE LA TRANSFORMADA DE LAPLACE

Simplifica funciones: pues la transformada convierte funciones que ocurren frecuentemen-
te, tales como funciones exponenciales o funciones trascendentes y sus combinaciones en
simples funciones algebraicas, fciles de operar.
Clculo Numrico

107
Simplifica operaciones: la transformada de Laplace convierte la derivacin en multiplica-
cin y la integracin en divisin.
Determina constantes automticamente: al resolver la ecuacin diferencial de un sistema
dado por el mtodo de la transformada de Laplace, la solucin surge completa y no es ne-
cesario operar adicionalmente para determinar las constantes.
Permite generalizar respuestas de sistemas: si se determina la respuesta de un sistema a
las funciones escaln o impulso como excitacin, es posible determinar fcilmente la res-
puesta del mismo sistema a cualquier otro tipo de funcin excitacin.

8.5. TRANSFORMADA DE LAPLACE DE ALGUNAS FUNCIONES IMPORTANTES

En la Tabla 8.1 se muestran las transformadas de Laplace para algunas funciones impor-
tantes.
Tabla 8.1. Transformadas de Laplace de algunas funciones utilizadas con frecuencia
Nombre de la Funcin Expresin Transformada de Laplace
Escaln unitaria u(t)
s
1

Exponencial de t
at
e
a s
1

Seno sen t
2 2
+ s

Coseno cos t
2 2
+ s
s

Seno hiperblico senh bt
2 2
b s
b

Coseno hiperblico cosh bt
2 2
b s
s

Potencias positiva de t t
n

1 n
s
! n
+

Por ejemplo, si se desea calcular la transformada de Laplace de la siguiente funcin:
f(t)= t 2 cos 4 t 4 sen 6 t 12 e 8
3 t 5
+ +
Utilizando la propiedad de linealidad se puede escribir la transformada como sigue:
L [ t 2 cos 2 t 4 sen 3 t 6 e 4
3 t 5
+ + ] = L ] e 4 [
t 5
+ L ] t 6 [
3
- L [ t 4 sen 3 ]+L ] t 2 cos 2 [
Utilizando la Tabla 8.1, el clculo se simplifica notablemente y se llega que:
Clculo Numrico

108
L[f(t)]=
4 s
s 4
16 s
24
s
72
5 s
8
2 2 4
+
+
+
+

8.6. TRANSFORMADA INVERSA DE LAPLACE

Si se necesita encontrar una funcin f(t) cuya trasformada de Laplace se conoce, es decir
F(s), lo que se est buscando es en realidad una funcin que se denomina transformada inversa
de Laplace que se simboliza como L
-1
[f(t)], donde L
-1
se denomina operador de la transformada
inversa de Laplace.
Para evaluar estas transformadas inversas se pueden utilizar varios mtodos, tales como
el uso de tablas, de teoremas sobre transformadas inversas de Laplace, el mtodo de las convo-
luciones.
Por ejemplo si se desea determinar la funcin que tiene como transformada de Laplace a:
( ) ( ) 3 s
9
1 s
8
) s ( F
= , utilizando la columna de la derecha de la Tabla 8.1, se puede deducir que:

L
-1
F(s)=8 e
t
- 9 e
3t

8.7. INTEGRAL DE CONVOLUCION

Si F(s) y G(s) son las transformadas de Laplace de las funciones f(t) y g(t), respectivamen-
te, entonces:
L
-1
[F(s)G(s)]= f(t) g(t) (8.11)
Es interesante saber si existe alguna expresin para la transformada inversa de Laplace
del producto F(s) G(s) en trminos de las funciones originales, para ello se utiliza el siguiente teo-
rema:
Teorema de convolucin:
Si L
-1
[F(s)]= f(t) y L
-1
[G(s)]= g(t), entonces L
-1
[F(s).G(s)]=
=
t
0
g * f du ) u t ( g ) u ( f .
Donde f *g se denomina la convolucin de f y g.
En forma equivalente se tiene que:
Clculo Numrico

109
L
-1
[f*g]= L ) s ( G ) s ( F du ) u t ( g ) u ( f
t
0
=

Por ejemplo si se desea encontrar la transformada inversa de Laplace de:
2 2
) 1 s (
s
+
, se
tiene que: L
-1
t cos
) 1 s (
s
2
=
+
y que L
-1
sent
) 1 s (
1
2
=
+
. Por el teorema de convolucin se llega
a que:
L
-1

L
-1
= = =
+
t
0
2 2
du ) u t ( sen u cos sent * t cos
) 1 s (
1
) 1 s (
s

sent t
2
1
t sen
2
1
t cos t cos sent
2
1
t
2
1
sent du u cos senu t cos du u cos sent
du ] senu t cos u cos sent [ u cos
2
t
0
t
0
2
t
0
=
+ = =
= =

8. 1. Demuestre, suponiendo que s > 0 y s > a, que:
a) L [
t a
e ]=
a s
1
; b)L [sen at] =
2 2
a s
a
+
; c)L [cos at] =
2 2
a s
s
+

8.2. Encuentre la transformada de Laplace de las siguientes funciones:
a) t
2
e3t; b) e-
2t
sen 4t; c)
t
t sen

8.3. Encuentre la transformada inversa de Laplace de:
a)
a s
1
;
9
1
2
+ s
;
16 8
12 4
2
+ +
+
s s
s

8.4. Encuentre la Transformada Inversa de Laplace de las ecuaciones diferenciales:
a) y+ y = 16 cos t; y(0)=0, y(0)=0
b) y + 2 y+ 5 y = 0; y(0)=3, y(0)= -7
Clculo Numrico

110
8.5. Considere dos tanques de salmuera conectados como se indica en la Figura 2. El tanque 1
contiene x kg de sal en 100 l de salmuera y el tanque 2 y kg da sal en 200 l de salmuera. Esta se
conserva uniforme por agitacin y se bombea de un tanque a otro a la tasa indicada. Adems al
tanque 1 fluye agua pura a una tasa de 7,08 l/s y del tanque 2 salen 7,08 l/s por lo que el volumen
de salmuera en ambos tanques permanece constante. Encuentre la concentracin de sal en cada
tanque en funcin del tiempo, considerando que la concentracin inicial es 0,4 kg/l en el tanque 1
y 0,3 kg/l en el tanque 2.
Clculo Numrico

111
Captulo 9
ECUACIONES DIFERENCIALES

La importancia de las ecuaciones diferenciales en matemticas aplicadas se debe al hecho
que la mayor parte de las leyes cientficas se expresan en trminos de la rapidez de variacin de
una variable con respecto otra. Adems proporcionan una herramienta esencial para modelar mu-
chos problemas en Ingeniera, Fsica, Economa y Biologa, puesto que estos, por lo general, re-
quieren la determinacin de una funcin que satisface a una ecuacin diferencial.

9.1. CONCEPTOS PREVIOS

Una ecuacin diferencial es una ecuacin que involucra derivadas de una funcin desco-
nocida de una o ms variables.
Una ecuacin diferencial ordinaria es aquella en la que la funcin desconocida depende
de una variable (las derivadas son derivadas ordinarias). Un ejemplo se muestra en la ecuacin
(9.1).
4 x 4 y D bien o 4 x 4 ' y o y x 4
dx
dy
= = = (9.1)
Una ecuacin diferencial parcial es aquella en la que la funcin desconocida depende de
ms de una variable (las derivadas son derivadas parciales), tal como se muestra en la ecuacin
(9.2).
v
x
v
t
v
2
2
2
2
=
(9.2)
El orden de una ecuacin diferencial es el orden de la derivada ms alta que aparece en la
ecuacin.
El grado de una ecuacin diferencial es el grado algebraico de la derivada de mayor orden
que aparece en la ecuacin.
Clculo Numrico

112
Ecuacin diferencial lineal: es la ecuacin en la que no aparecen potencias de la variable
dependiente y ni de sus derivadas, ni productos de la variable dependiente por sus derivadas o
productos entre derivadas, puede escribirse como:
) x ( f y ) x ( a ' y ) x ( a ... y ) x ( a y ) x ( a
n 1 n
) 1 n (
1
) n (
0
= + + + +

(9.3)
donde f(x) y los coeficientes a
0
(x), a
1
(x),, a
n
(x) son funciones de x y a
0
(x) no es idntica a 0.
Solucin de una ecuacin diferencial: es cualquier relacin funcional que no incluya de-
rivadas o integrales de funciones desconocidas y que implique a la propia ecuacin diferencial, en
el sentido que la verifique idnticamente por sustitucin directa.
Ecuacin o condiciones homogneas: se dan si son satisfechas por una funcin parti-
cular y(x) y tambin por cy(x), donde c es una constante arbitraria. Por ejemplo, una condicin
homognea puede obtenerse del requerimiento de que una funcin o una de sus derivadas (o
alguna combinacin lineal de la funcin y/o ciertas de sus derivadas) sea nula.
Problemas de valor inicial y de frontera
Dada una ecuacin diferencial ordinaria de orden n y cualquier grado, se establece que en
su solucin general deben aparecer n constantes arbitrarias, entonces la solucin general es
una funcin g de la forma: g(x, y, c
1
, c
2
, , c
n
) =0 y los valores de estas constantes se determinan
sujetando la solucin general a n condiciones independientes.
Dependiendo de cmo se establezcan estas condiciones, se distinguen dos tipos de pro-
blemas: los de valores iniciales y los de valores de frontera.
Un problema de valor inicial es un problema que busca determinar una solucin a una
ecuacin diferencial sujeta a condiciones sobre la funcin desconocida y sus derivadas
especificadas en un valor de la variable independiente. Estas condiciones se denominan
condiciones iniciales.
Un problema de valor de frontera es un problema que busca determinar una solucin a
una ecuacin diferencial sujeta a condiciones sobre la funcin desconocida especificadas
en dos ms valores de la variable independiente. Estas condiciones se denominan
condiciones de frontera.

9.2. ECUACIONES DIFERENCIALES ORDINARIAS LINEALES DE PRIMER ORDEN
Una ecuacin diferencial ordinaria puede simbolizarse como
) y , x ( f
dx
dy
= (9.4)
Clculo Numrico

113
Dentro del tema de las ecuaciones diferenciales ordinarias, se destaca, dentro de las ma-
temticas aplicadas, el problema del valor inicial.
El conjunto constituido por una ecuacin diferencial ordinaria lineal y la condicin inicial
constituyen el problema del valor inicial, que puede expresarse como sigue:
=
= +
0
o 1
y ) 0 ( y
) x ( f ) x ( y ) x ( a
x d
y d
a
(9.5)
donde a
1
y a
2
son coeficientes, y es la variable dependiente, x la variable independiente, f(x) es
una funcin. Desde el punto de vista sistmico, se puede decir que f(x) es la excitacin o entrada
del sistema y y es la respuesta o salida del sistema.
9.2.1. Solucin analtica
Si se normaliza la ecuacin, es decir se dividen ambos miembros por el coeficiente de la
derivada de mayor orden, se tiene:
=
= +
0
o
y ) 0 ( y
) x ( h ) x ( y ) x ( b
x d
y d
(9.6)
en la que
1
0
0
a
a
b = y
1
a
) x ( f
) x ( h =
Recordando lo estudiado en anlisis matemtico puede afirmarse que la solucin general
del problema de valor inicial es:
dx e ) x ( h e e K ) x ( y
dx ) x ( b dx ) x ( b dx ) x ( b
0 0 0
+ = (9.7)
La solucin general est constituida por el primer sumando que corresponde a la solucin
transitoria o funcin complementaria y
c
(x), que es independiente de la funcin excitacin y el
segundo sumando que corresponde a la solucin permanente o forzada y
p
(x) que depende de
la funcin excitacin.
Por lo general se trabajan con coeficientes constantes, por lo tanto la solucin general de
una ecuacin diferencial lineal de 1 orden puede expresarse como sigue:
dx e ) x ( h e e K ) x ( y
x b
x b
x b
0
0
0

+ = (9.8)
La constante K se evala con la condicin inicial y(0) = y
0
.
9.2.1.1. Solucin por el mtodo del operador diferencial
Si se considera ahora una ecuacin diferencial en la que la variable independiente es el
tiempo, se tiene:
Clculo Numrico

114

0 0
u ) t ( u
) t ( h ) t ( u
dt
du
=
= +
(9.9)
La solucin general aplicando la frmula (9.7) es:
dt e ) t ( h e e K ) t ( u
t t t

+ = (9.10)
Como se observa, esta solucin es la suma de la suma de la solucin complementaria y de la par-
ticular:
u(t) = u
c
(t) + u
p
(t) (9.11)
Si la funcin excitacin h(t) es nula, el problema descripto por (9.9) se puede escribir co-
mo:
0 0 c
c
c
u ) t ( u
0 ) t ( u
t d
u d
=
= +
(9.12)
y su solucin es:
u
c
(t) = K e
- t

En forma abreviada puede expresarse que:
D u
c
(t) + u
c
(t) = 0 u
c
(t) = K e
-t

La inferencia que puede extraerse de la expresin anterior es:
I
1
: (D + ) u
c
(t)= K e
- t
(9.13)
Si existe funcin excitacin la ecuacin (9.9) puede escribirse en forma abreviada como:
D u(t) + u(t)= h(t) (9.14)
y su solucin particular es:

= t d e ) t ( h e ) t ( u
t t
p
(9.15)
por lo tanto puede inferirse que:
I
2
: ) t ( h
D
1
) t ( u
p
+
=

= t d e ) t ( h e ) t ( u
t t
p
(9.16)
Donde (D+) es el operador derivada polinmico y
+ D
1
es el operador derivada polinmico in-
verso.

Clculo Numrico

115
9.2.2. Solucin por mtodos numricos
Dentro de los mtodos numricos de solucin aproximada a ecuaciones diferenciales ordi-
narias, se distinguen los mtodos de un paso y los de pasos mltiples.
9.2.2.1. Mtodos de un paso
Con los mtodos de Paso nico, la solucin numrica a una ecuacin diferencial, se en-
cuentra utilizando la informacin de la derivada en el punto x
i
para extrapolar a partir de un valor
anterior y
i
a un valor actual y
i+1
en una distancia determinada, denotada con h. Este procedimiento
se aplica paso a paso para encontrar el valor de y y trazar la trayectoria de la solucin. En cada
paso de extrapolacin se comete error. Puede simbolizarse como:
h y y
i 1 i
+ =
+
(9.17)
Donde y
i+1
es el nuevo valor, y
i
es el valor anterior, es la funcin de incremento o pendiente y h
el paso.
9.2.2.1.1. Mtodo de la Serie de Taylor
Este mtodo no es estrictamente un mtodo numrico pero por lo general se utiliza junto
con los esquemas numricos, es de aplicabilidad general y sirve como punto de partida para otros
mtodos.
Dada una ecuacin diferencial como la explicitada en la ecuacin (9.4), la relacin entre x y
y se obtiene al encontrar los coeficientes de la Serie de Taylor. Desarrollando la serie para un va-
lor x
i
se tiene:
n
i 1 i
i
) n (
2
i 1 i
i
i 1 i i i 1 i
) x x (
! n
) x ( f
) x x (
! 2
) x ( ' ' f
) x x )( x ( ' f ) x ( f ) x ( f + + + + =
+ + + +
L (9.18)
Si se trunca la serie en el tercer trmino, el mtodo se denomina de 2 orden y reempla-
zando f(x) por y(x) y (x
i+1
-x
i
) por h, se obtiene:
2 i
i i 1 i
h
! 2
) x ( ' ' y
h ) x ( ' y y ) x ( y + + =
+
(9.19)
El valor de y(x) se conoce a partir de la ecuacin diferencial y y(x) se obtiene por diferen-
ciacin de la ecuacin original. Incrementando el orden del mtodo se obtiene mayor precisin
pero las expresiones se tornan complicadas, por lo general se utiliza muy poco en la prctica.
Por ejemplo si se desea encontrar la solucin del siguiente problema de valor inicial para x=1:

=
+ =
1 ) 0 ( y
y x
dx
dy

Clculo Numrico

116
Para aplicar la frmula (9.19) las derivadas son:
y(x
i
)=x
i
+y(x
i
) y derivando esta expresin con respecto a x, se tiene
y(x
i
)= 1+ y(x
i
)=1+ x
i
+y(x
i
)
Por lo tanto la expresin de recurrencia a aplicar reemplazando estos valores en (9.18) es:
) y x 1 (
! 2
h
h ) y x ( y ) x ( y
i i
2
i i i 1 i
+ + + + + =
+

Se comienza con x=0 para el que y(0)=1 y suponiendo un paso h=0,1 en la tabla que sigue se
explicitan los valores obtenidos. Se incluyen tambin los valores que se obtiene utilizando la solu-
cin analtica que es: y(x)=2e
x
-x-1.

Mtodo de la
Serie de
Taylor
Mtodo
analtico
Error
verdadero
x
i
y
i
y
i

0 1,000 1 0
0,1 1,110 1,110 0
0,2 1,240 1,243 0,003
0,3 1,390 1,399 0,09
0,4 1,560 1,584 0,024
0,5 1,750 1,797 0,047
0,6 1,960 2,044 0,084
0,7 2,190 2,327 0,137
0,8 2,440 2,651 0,211
0,9 2,710 3,019 0,309
1 3,000 3,436 0,436

9.2.2.1.2. Mtodo de Euler
Si se trunca la serie de Taylor a partir de su segundo trmino, se tiene la siguiente expre-
sin:
h ) x ( ' y y ) x ( y
i i 1 i
+ =
+
(9.20)
Por lo general y por razones de simplicidad se denota a y(x
i
) como f(x
i
,y
i
). A la expresin (9.20) se
la conoce como mtodo de Euler o mtodo de Euler-Cauchy o de pendiente puntual. Se caracteri-
za porque se predice un nuevo valor de y usando la pendiente, es decir la primera derivada en el
valor anterior de x para extrapolar linealmente sobre un tamao de paso constante h. En la figura
9.1 se muestra un esquema del mtodo.

Clculo Numrico

117

Figura 9.1. Esquema del mtodo de Euler
Puede decirse que el mtodo puede sintetizarse como:
Valor nuevo = valor anterior + pendiente * paso
La solucin de una ecuacin diferencial ordinaria por este mtodo incluye dos tipos de
error: error de truncamiento y de redondeo. El error de truncamiento se compone de dos partes, el
error de truncamiento local que resulta de aplicar el mtodo en un paso y el error de propagacin
que resulta de las aproximaciones producidas en los pasos anteriores, la suma de ambos da el
error de truncamiento global. A partir de la serie de Taylor puede deducirse que el error de trun-
camiento local es:
) 1 n ( 2 i i
t
h h
2
) y , x ( ' f
E
+
+ + = L (9.20)
Para un paso lo suficientemente pequeo los errores decrecen a medida que el orden crece y por
lo general se calcula el error de truncamiento local aproximado:
) h ( h
2
) y , x ( ' f
E
2 2 i i
a
t
= = (9.21)
El algoritmo correspondiente es:
Algoritmo para aproximar la solucin de un problema de valor inicial por el
mtodo de Euler
0 0 n 0
y ) x ( y , x x x ), y , x ( f ' y = = : problema de valor inicial
f(x,y):funcin que especifica la ecuacin diferencial
X: valor de la variable independiente
x
0
: valor inicial de la variable independiente
x
n
: valor final de la variable independiente
Y: valor de la variable dependiente
y
0
: valor inicial de la variable dependiente
h: tamao de paso

h
x
i
x
i+1

Error
Valor real
Valor predicho
x
y
continua
Clculo Numrico

118
N: nmero entero que indica el nmero de segmentos igualmente espaciados (es
igual al nmero de datos menos 1)
Paso 1: Ingresar x
0
,x
n
, N, y
0

Paso 2: Hacer
N
) x x (
h
n 0

=

Paso 3: Hacer X= x
0
, Y= y
0

Paso 3: Para i=1, 2, ..., N seguir los pasos 4 y 5
Paso 4: Tomar Y=Y+h*f(x,y)
X=X+h
Paso 5: la SALIDA es (X,Y)

PARAR
Por ejemplo si se desea encontrar la solucin del problema de valor inicial planteado en el tem
anterior la expresin que surge de aplicar la ecuacin (9.19) es:
h ) y x ( x ) x ( y
i i i 1 i
+ + =
+

Si se desea calcular y(x
0
)= y
0
+ (x
0
+ y
0
)h=1+(0+1)0,1=1,1 y as sucesivamente.

Mtodo de
Euler
Mtodo
analtico
Error
verdadero
x
i
y
i
y
i

0 1,000 1 0
0,1 1,100 1,110 0,010
0,2 1,220 1,243 0,023
0,3 1,362 1,399 0,037
0,4 1,528 1,584 0,056
0,5 1,721 1,797 0,076
0,6 1,943 2,044 0,101
0,7 2,197 2,327 0,130
0,8 2,487 2,651 0,164
0,9 2,816 3,019 0,203
1 3,187 3,436 0,249

9.2.2.1.3 Mtodos de Runge-Kutta
Se trata de una familia de mtodos y si bien se estima el valor de la funcin utilizando la
expresin general dada por la ecuacin (9.17), en lugar de calcular derivadas de orden superior,
se evala la funcin en un mayor nmero de puntos, tratando de igualar la precisin del mtodo
de la serie de Taylor.
La frmula general est dada por la expresin:
h ) h , y , x ( y y
i i i 1 i
+ =
+
(9.22)
Donde (x
i
,y
i
,h) es la funcin de incremento y puede interpretarse como el promedio de la pen-
diente sobre el intervalo.
Clculo Numrico

119
Esta funcin de incremento puede escribirse como:
=
1
b
1
+
2
b
2
+ ... +
n
b
n
(9.23)
los valores de son constantes y los de b son en realidad ecuaciones recurrentes de la forma:
b
1
=f(x
i
,y
i
) (9.23a)
b
2
=f(x
i
+ l
1
h, y
i
+ m
11
b
1
h) (9.23b)
b
3
=f(x
i
+ l
2
h, y
i
+ m
21
b
1
h + m
22
b
2
h ) (9.23c)
M
b
n
=f(x
i
+ l
n-1
h, y
i
+ m
n-1,1
b
1
h + m
n-1,2
b
2
h + ...+ m
n-1,n-1
b
n-1
h) (9.23c)
Una vez que se establece n los valores de , l y m, se evalan igualando la ecuacin
(9.22) a la serie de Taylor (9.18). El mtodo de Runge-Kutta de 1 orden (n=1) es el mtodo de
Euler, los mtodos de Runge-Kutta de 2 orden utilizan una funcin de incremento con dos trmi-
nos y debido a que se desprecian los trminos con h
3
y de orden superior durante la derivacin, el
error local de truncamiento es (h
3
) y el error global es (h
2
). Si n=3 el mtodo es de 3 orden, si
n=4 es de 4 orden.
Mtodo de Runge-Kutta de 2 orden
En este caso las ecuaciones (9.22), (9.23a y 9.23b) pueden expresarse como:
h ) b b ( y y
2 2 1 1 i 1 i
+ + =
+
(9.24)
b
1
=f(x
i
,y
i
) (9.24a)
b
2
=f(x
i
+ l
1
h, y
i
+ m
11
b
1
h) (9.24b)
Para obtener el valor de los coeficientes se debe igualar la ecuacin (9.24) a la serie de
Taylor de 2 orden que es:
! 2
h
) y , x ( ' f h ) y , x ( f y ) x ( y
2
i i i i i 1 i
+ + =
+
(9.25)
donde f(x
i
,y
i
) debe determinarse utilizando la regla de la cadena, es decir:
dx
dy
y
f
x
f
) y , x ( ' f
i i
= (9.26)
y sustituyendo (9.26) en (925) se llega a que:
! 2
h
dx
dy
y
f
x
f
h ) y , x ( f y ) x ( y
2
i i i 1 i

+ + =
+
(9.27)
Clculo Numrico

120
Para tratar de igualar la expresin (9.24b) a la serie se utiliza la expresin (9.27) pero apli-
cada a una funcin de dos variables, es decir:
) h (
y
f
h b m
x
f
h l ) y , x ( f ) h b m y , h l x ( f
2
1 11 1 i i 1 11 i 1 i
+
+ = + + (9.28)
Por lo tanto si sustituimos este resultado en (9.24) se obtiene:
) h (
y
f
) y , x ( f h m
x
f
h l ) y , x ( f h ) y , x ( f h y y
3
i i
2
11 2
2
1 2 i i 2 i i 1 i 1 i
+
+ + + =
+
(9.29)
Y reordenando trminos en la ecuacin (9.29) se llega a que:
) h ( h
y
f
) y , x ( f m
x
f
l h )] y , x ( f ) y , x ( f [ y y
3 2
i i 11 2 1 2 i i 2 i i 1 i 1 i
+
+ + + =
+
(9.30)
Comparando (9.30) con (9.27) se determina que para que las dos expresiones sean equivalentes,
se debe cumplir que:
2
1
m
2
1
l
1
11 2
1 2
2 1
=
=
= +
(9.31)
Volviendo a la expresin (9.24), para calcular los coeficientes con las expresiones (9.31) se
debe suponer el valor de una de ellas para calcular el resto. Suponiendo que se especifique el
valor de
2
, las ecuaciones se resuelven para:
2
11 1
2 1
2
1
m l
1
= =
=
(9.32)
Si se considera que
2
es igual a , las ecuaciones (9.32) pueden resolverse y se obtiene
1
=1/2 y l
1
=m
11
=1, sustituyendo estos valores en la ecuacin (9.24) se tiene:
h ) b
2
1
b
2
1
( y y
2 1 i 1 i
+ + =
+
(9.33)
donde:
b
1
=f(x
i
,y
i
) (9.33a)
b
2
=f(x
i
+ h, y
i
+ b
1
h) (9.33b)
Un algoritmo para este mtodo es el que sigue.

Clculo Numrico

121

Algoritmo para aproximar la solucin de un problema de valor inicial por el
mtodo de Runge-Kutta de 2 orden suponiendo
2
= ,
0 0 n 0
y ) x ( y , x x x ), y , x ( f ' y = = : problema de valor inicial
f(x,y):funcin que especifica la ecuacin diferencial
X: valor de la variable independiente
x
0
: valor inicial de la variable independiente
x
n
: valor final de la variable independiente
Y: valor de la variable dependiente
y
0
: valor inicial de la variable dependiente
h: tamao de paso
N: nmero entero que indica el nmero de segmentos igualmente espaciados (es
igual al nmero de datos menos 1)
Paso 1: Ingresar x
0
,x
n
, N, y
0

Paso 2: Hacer
N
) x x (
h
n 0

=

Paso 3: Hacer X= x
0
; Y= y
0

Paso 3: Para i=1, 2, ..., N seguir los pasos 4 y 5
Paso 4: Tomar b
1
= f(x,y);
b
2
=f(X + h, Y+ b
1
h)
Paso 5: Tomar ) b b (
2
h
Y Y
2 1
+ + = Y=Y+h*f(x,y)
X=X+h
Paso 6: la SALIDA es (X,Y)

PARAR

Si se considera que
2
es igual a 2/3 las ecuaciones (9.32) pueden resolverse y se obtiene
1
=1/3 y l
1
=m
11
=3/4, sustituyendo estos valores en la ecuacin (9.24) se tiene:
h ) b
3
2
b
3
1
( y y
2 1 i 1 i
+ + =
+
(9.34)
donde:
b
1
=f(x
i
,y
i
) (9.34a)
b
2
= ) hb
4
3
yi h,
4
3
f(xi
1
+ + (9.34b)
Clculo Numrico

122
Una versin comn es la dada por:
h ) b b 4 b (
6
1
y y
3 2 1 i 1 i

+ + + =
+
(9.35)
b
1
=f(x
i
,y
i
) (9.35a)
b
2
= ) hb
2
1
y h,
2
1
f(xi
1 i
+ + (9.35b)
b
3
= ) 2hb hb y h, f(xi
2 1 i
+ + (9.35c)
Una versin comn es la dada por:
h ) b b 2 b 2 b (
6
1
y y
4 3 2 1 i 1 i

+ + + + =
+
(9.36)
b
1
=f(x
i
,y
i
) (9.36a)
b
2
= ) hb
2
1
y h,
2
1
f(xi
1 i
+ + (9.36b)
b
3
= ) hb
2
1
y h,
2
1
f(xi
2 i
+ + (9.36c)
b
4
= ) hb y h, f(xi
3 i
+ + (9.36d)
9.2.2.1.4 Mtodo de Heun
Este es un mtodo que permite mejorar la aproximacin de la pendiente e implica el clcu-
lo de dos derivadas, se promedian las mismas y se obtiene una aproximacin mejorada de la pen-
diente en el intervalo completo. Puede decirse que el mtodo de Heun utiliza un esquema predic-
tor-corrector.
El valor de la pendiente, es decir
y
i
=f(x
i
,y
i
) (9.37)
se toma para extrapolar linealmente a y
i+1
, obtenindose la ecuacin predictora:
h ) y , x ( f y y
i i i
p
1 i
+ =
+
(9.38)
este valor de y se utiliza para calcular una pendiente aproximada al final del intervalo:
) y , x ( f ' y
p
1 i
1 i 1 i
+
+ +
= (9.39)
Se promedian las pendientes obtenidas en las ecuaciones (9.37 y 9.39) y se tiene:
Clculo Numrico

123
2
) y , x ( f ) y , x ( f
2
' y ' y
' y
p
1 i 1
i i i
1 i i + + +
+
=
+
= (9.40)
Esta pendiente se utiliza en la ecuacin correctora que permite calcular el valor de la varia-
ble dependiente de la funcin:
h
2
) y , x ( f ) y , x ( f
y y
p
1 i 1
i i i
i 1 i
+ +
+
+
+ = (9.41)
El algoritmo correspondiente es el especificado para el mtodo de Runge-Kutta de 2 or-
den con
2
= .

Por ejemplo si se desea encontrar la solucin del problema de valor inicial, ya resuelto por el
mtodo de la serie de Taylor y de Euler para x=1:

=
+ =
1 ) 0 ( y
y x
dx
dy

La pendiente en (x
0
,y
0
) es 1
Se toma este resultado para extrapolar linealmente a y
1
, considerando h=0,1se obtiene la ecua-
cin predictora:
1 , 1 1 , 0 1 h 1 y y
0
p
1
= + = + =
este valor de y se utiliza para calcular una pendiente aproximada al final del intervalo:
) y , x ( f ' y
p
1 i
1 i 1 i
+
+ +
= =0,1+1,1=1,2
Se promedian las pendientes obtenidas en las ecuaciones y se tiene:
1 , 1
2
2 , 1 1
' y =
+
=
Esta pendiente se utiliza en la ecuacin correctora que permite calcular el valor de la varia-
ble dependiente de la funcin:
11 , 1 1 , 0 * 1 , 1 1 h ' y y y
0 1
= + = + = y as se va repitiendo el clculo hasta llegar al valor deseado de y,
a continuacin se muestra una tabla con los valores obtenidos aplicando este mtodo.

Clculo Numrico

124

Mtodo de
Heun
Mtodo
analtico
Error
verdadero
x
i
y
i
y
i

0 1,000 1 0
0,1 1,110 1,110 0
0,2 1,242 1,243 0,001
0,3 1,398 1,399 0,001
0,4 1,582 1,584 0,002
0,5 1,795 1,797 0,002
0,6 2,041 2,044 0,003
0,7 2,323 2,327 0,004
0,8 2,646 2,651 0,005
0,9 3,012 3,019 0,007
1 3,428 3,436 0,008

9.2.2.2. Mtodos de pasos mltiples
Los mtodos de pasos mltiples se basan en que una vez que los clculos han comenza-
do, los datos obtenidos en puntos anteriores sirven de gua. Se caracterizan porque no se inician
por s mismos, requieren de valores previos que deben ser obtenidos por otros mtodos, los cam-
bios de paso son complicados.

9.3. ECUACIN DIFERENCIAL LINEAL DE SEGUNDO ORDEN
Una ecuacin diferencial de 2 orden con coeficientes constantes puede expresarse
como sigue:
) t ( f ) t ( y a
t d
y d
a
t d
y d
a
0 1
2
2
2
= + + (9.42)
Normalizando, es decir dividindola por el coeficiente de la derivada de mayor orden se
tiene:
) t ( h ) t ( y b
t d
y d
b
t d
y d
0 1
2
2
= + + (9.43)

9.3.1. Mtodos de resolucin

9.3.1.1. Mtodo del operador diferencial
Si se utiliza el operador diferencial se puede escribir esta ecuacin de la siguiente manera:
D
2
y(t) + b
1
D y(t) + b
0
y(t) = h(t) (9.44)
Clculo Numrico

125
y factoreando:
(D
2
+ b
1
D + b
0
) y(t) = h(t) (9.45)
Si se reemplaza por a este operador polinmico, y considerando la funcin excitacin h(t)
igual a 0, se llega a la (ecuacin caracterstica):

2
+ b
1
+ b
0
=0 (9.46)
que se puede interpretar como una ecuacin cuadrtica y si sus races son:
1
y
2
, el parntesis
de la ecuacin (9.45) puede expresarse en funcin de las mismas:
(D -
1
) (D -
2
) y(t) = h(t) (9.47)
Las races de la ecuacin caracterstica se calculan mediante la ecuacin (9.48):
0
2
1 1
2 , 1
b
2
b
2
b
= (9.48)
que puede expresarse tambin como
1,2
=
Se debe recordar que la solucin general es la suma de la solucin complementaria (y
c
(t))
y de la particular (y
p
(t)):
y(t) = y
c
(t) + y
p
(t) (9.50)

9.3.1.1.1. Solucin complementaria
Considerando la ecuacin (9.47), si la funcin excitacin es nula, se obtiene la solucin
complementaria:
(D -
1
) (D -
2
) y
c
(t) = 0 (9.51)
y segn el tipo de races
1
y
2
se tienen tres casos:
1. Caso sobre-amortiguado, races reales y distintas
2. Caso oscilatorio amortiguado, races complejas y distintas
3. Caso crtico, races reales e iguales.
9.3.1.1.1.1. Caso sobre-amortiguado
Las races
1
y
2
son reales y distintas, la solucin es:
t
2
t
1 c
2 1
e K e K ) t ( y

+ = (9.52)
Clculo Numrico

126
donde K
1
y K
2
son constantes de integracin que pueden determinarse a partir de condiciones
iniciales. En la Figura 9.2 se muestra un esquema del caso sobreamortiguado considerando las
constantes K
1
y K
2
positivas.

Figura 9.2. Esquema de un caso sobreamortiguado

9.3.1.1.1.2. Caso crtico
Las races
1
y
2
son reales e iguales, es decir:
1
=
2
, la solucin es:
( )
t
2 1 c
1
e t K K ) t ( y

+ = (9.53)
En la Figura 9.3 se muestra un esquema del caso crtico considerando las constantes K
1
y
K
2
positivas.

Figura 9.3. Esquema de un caso crtico

t
1
1
e K

t
2
2
e K

t
2
t
1
2 1
e K e K

+
t
1
1
e K

t
2
1
te K

t
2
t
1
1 1
te K e K

+
Clculo Numrico

127
9.3.1.1.1.3. Caso oscilatorio amortiguado
Las races
1
y
2
son complejas y distintas, es decir:
1,2
= i , la solucin puede ex-
presarse de cuatro formas diferentes:
( )
t i
2
t i
1
t
c
e K e K e ) t ( y

+ = (9.54)
) t sen B t cos A ( e ) t ( y
t
c
+ =

(9.55)
) t cos( e C ) t ( y
t
c
=

(9.56)
) t ( sen e C ) t ( y
t
c
+ =

(9.57)
En la figura 9.4 se muestra un esquema de este caso.

Figura 9.4. Esquema de un caso oscilatorio amortiguado

9.3.1.1.2. Solucin particular
Esta solucin se expresa como:
( )
2
t ) ( t t
p
t d e ) t ( h e e ) t ( y
2 1 2 1

+
= (9.58)

9.3.1.1.3. Solucin general
Como se expres anteriormente, la solucin general es la suma de la solucin complemen-
taria y de la particular, esta suma puede esquematizarse como:
y
x
t
1
1
e K

t
1
1
e K

t cos e K
t
1
1

Clculo Numrico

128
( )
2
t ) ( t t
t
t
2 1
t
2
t
1
t d e ) t ( h e e
) t cos( Ce
e ) t k k (
e k e k
) t ( y
2 1 2 1 1
2 1

+

+

+
+
= (9.59)
Por ejemplo si se desea calcular la solucin del siguiente problema de valor inicial:
y 4 y + 4y =0 con y(0) = 3; y(0) = 1.

Como es una ecuacin homognea, no tiene funcin excitacin, se necesita calcular sola-
mente la solucin complementaria. Aplicando la ecuacin (9.48) se obtienen las races
1
y
2
que
son reales e iguales, es decir:
1
=
2
=2, por lo tanto el caso que se presenta es el caso crtico y la
solucin es:
( )
t 2
2 1 c
1
e t K K ) t ( y + =
Para calcular las constantes K
1
y K
2
, se aplican las condiciones iniciales:
( ) 3 K 3 e 0 K K ) 0 ( y
1
0 . 2
2 1
= = + =
Para aplicar la segunda condicin inicial se debe derivar la solucin, es decir:
( )
t 2
2
t 2
2
t 2
1
1 1 1
te K 2 e K e K 2 ) t ( ' y + + =
Y particularizando para y(0) = 1, se tiene:

( ) 5 6 1 K 1 0 e K e 3 2 ) 0 ( ' y
2
0
2
0
= = = + + =
La solucin complementaria que tambin es la solucin general se escribe como:
t 2
c
e ) t 5 3 ( ) t ( y =
9.3.1.2. Mtodo de los coeficientes indeterminados
Este mtodo se emplea en ecuaciones diferenciales en las cuales la funcin excitacin
contiene un polinomio, trminos de la forma sen r x, cos r x, e
rx
donde r es constante, o combina-
ciones de sumas y productos de estos.
Consiste en hacer una hiptesis inteligente de la forma de la solucin particular y sustituir
esta funcin, que en general involucra uno o ms coeficientes desconocidos, en la ecuacin dife-
rencial. Para que este mtodo sea aplicable con xito, se deben determinar los coeficientes des-
conocidos, de tal manera que la funcin satisfaga a la ecuacin diferencial. Por ello se dice que se
basa en la habilidad para suponer la forma general de la solucin particular.
Si la ecuacin es de la forma:
Clculo Numrico

129
) x ( h y c
x d
y d
b
x d
y d
a
2
2
= + + (9.60)
La funcin excitacin puede tener alguna de las formas que se presentan a continuacin:
P
n
(x) = a
0
x
n
+ a
1
x
n-1
+ + a
n

e
x
P
n
(x)
h(x) = e
x
P
n
(x) sen x (9.61)
e
x
P
n
(x) cos x

Si h(x) = a
0
x
n
+ a
1
x
n-1
+ + a
n
, la solucin particular se supone como:

y
p
(x) = A
0
x
n
+ A
1
x
n-1
+ A
n
(9.62)
Si h(x) = e
x
P
n
(x) la solucin particular se supone como:

y
p
(x) = e
x
(A
0
x
n
+ A
1
x
n-1
+ A
n
) (9.63)

cos t
Si h(x) = e
x
(a
0
x
n
+ a
1
x
n-1
+ + a
n
) sen t , la solucin es:

y
p
(x) = e
x
(A
0
x
n
+ A
1
x
n-1
+ A
n
) cos t + e
x
(A
0
x
n
+ A
1
x
n-1
+ A
n
) sen t (9.64)
Por ejemplo si se desea calcular la solucin particular de la ecuacin diferencial:
y + 4y + 9y = x
2
+ 3x
Se supone que la solucin particular es:
y
p
(x) = A
0
x
2
+ A
1
x + A
2
Se deriva esta solucin y se llega a:
y
p
(x) = 2A
0
x

+ A
1

y se deriva de nuevo:
y
p
(x) = 2A
0

Se reemplazan estos valores en la ecuacin diferencial original y se tiene:
2A
0
+4(2A
0
x

+ A
1
)+9(A
0
x
2
+ A
1
x + A
2
)= x
2
+ 3x
Distribuyendo y agrupando trminos se obtiene:
9A
0
x
2
+ (8A
0
+ 9A
1
) x +2A
0
+ 4 A
1
+ A
2
= x
2
+ 3x
Clculo Numrico

130
Por igualdad de polinomios se llega a que:
A
0
=1/9; A
1
=19/81; A
2
= - 94/729
La solucin particular es:
y
p
(x) =
9
1
x
2
+
81
19
x -
729
94
A
2

9.4. ECUACIONES DIFERENCIALES PARCIALES
Una forma de representar una ecuacin diferencial parcial de segundo orden con dos va-
riables independientes es:
( ) ( ) y , x H y , x u G
y
u
F
x
u
E
y
u
C
y x
u
B
x
u
A
2
2 2
2
2
= +
(9.65)
Estas ecuaciones se clasifican de acuerdo a la relacin de los coeficientes A, B, y C, en
los siguientes tipos:
Elptica si B
2
4AC < 0
Parablica si B
2
4AC = 0
Hiperblica si B
2
4AC > 0
A continuacin se presentan los ejemplos tpicos de cada uno de estos tipos:
9.4.1. Ecuaciones elpticas
Ecuacin de Laplace:

( ) ( )
( ) ( )
( ) ( )
( ) ( ) x g e , x u
x g c , x u
y f y , b u
y f y , a u
0
y
u
x
u
2
1
2
1
2
2
2
2
=
=
=
=
=

Ecuacin de Poisson:

( ) y , x F
y
u
x
u
2
2
2
2
=

9.4.2. Ecuacin Parablica
Ecuacin de calor:
( )
( )
( ) ( ) x f 0 , x u
T t , L u
T t , 0 u
t
u 1
x
u
2
1
2 2
2
=
=
=

Clculo Numrico

131
9.4.3. Ecuacin Hiperblica
Ecuacin de onda:

( )
( )
( )
( ) ( ) x g 0 , x
t
u
) x ( f 0 , x u
0 t , L u
0 t , 0 u
t
u 1
x
u
2
2
2
2
=
=
=
=

Para solucionar estas ecuaciones se utiliza el Mtodo de separacin de variables, por
ejemplo si se tienen una ecuacin diferencial parcial, de segundo orden, con dos variables inde-
pendientes, u(x,t) la misma puede expresarse como el producto de dos funciones, una que de-
pende solo de x y otra que depende solo de t.
1.1. En una poblacin aislada p(t), la rapidez de crecimiento de la poblacin dp/dt es igual a una
funcin de la poblacin; as: ) (p f
dt
dp
=
La expresin ms simple para f(p) es f(p) = p(t), donde es una constante positiva. Determine: la
poblacin en funcin del tiempo si p(0) = p
0

1.2. Se determin experimentalmente que un cierto material radioactivo decae con una rapidez
que es proporcional a la cantidad presente. Un bloque de este material tiene originalmente una
masa de 100 g y se observa que al cabo de 20 aos es de 75 g.
a) Determine una expresin para la masa en funcin del tiempo.
b) Determine el tiempo de vida media del material.
c) Represente grficamente masa en funcin del tiempo.

1.3. Un cuerpo de masa M se lanza verticalmente con una velocidad v
0
. Se asume que el aire pre-
senta una fuerza de roce proporcional a la velocidad con un coeficiente de roce .
Determine la expresin que permite evaluar la altura mxima y el tiempo que tarda en alcanzarla.
Represente grficamente.

1.4. De acuerdo con la Ley de enfriamiento de Newton, la velocidad a la que se enfra una sustan-
cia al aire libre es proporcional a la diferencia entre la temperatura de la sustancia y la del aire. Si
la temperatura del aire es 28 C y la de la sustancia se enfra desde 100 C a 75C en 15 minutos,
indique cunto tardar dicha sustancia en alcanzar 50C? Resuelva analticamente y por los
mtodos de la serie de Taylor, Euler, Heun y Runge-Kutta de 4 orden.
Clculo Numrico

132
1.5. Un trozo de carne de 2,3 kg, originalmente a 10C, se lleva a un horno a 300 C a las 20
horas, despus de 75 minutos se determin mediante termocupla la temperatura de la carne que
fue de 168 C a qu hora se alcanzarn 212C , temperatura necesaria para que la carne este
cocida trmino medio? Resuelva analticamente y por los mtodos de la serie de Taylor, Euler,
Heun y Runge-Kutta de 4 orden.
1.6. Utilizando el mtodo de los coeficientes indeterminados encuentre la solucin particular para:
a) y + 4 y = 9 e
2x

b) y + 4 y +48 y = x
2
+2x
c) y + 12 y +16 y = 24 sen 8x

1.7. Se encontr experimentalmente que un peso de 8 N estira un resorte 8 cm. Si el peso se lleva
5 cm por debajo de la posicin de equilibrio y se suelta:
a) Establezca la ecuacin diferencial y las condiciones asociadas que describan el movimien-
to;
b) Encuentre la posicin del peso como una funcin del tiempo;
c) Determine la posicin, velocidad, y aceleracin del peso 0,6 s despus de haberlo soltado.

Clculo Numrico

133
BIBLIOGRAFIA CONSULTADA

AYRES, F Jr. 1991. Ecuaciones diferenciales. Editorial Mc Graw Hill/ Interamericana de
Mxico, S.A. Mxico.
BOYCE, W. E.; DI PRIMA, R. C. 1974. Ecuaciones diferenciales y problemas con valores
en la frontera. Editorial LIMUSA. Mxico.
BURDEN, R. L.; FAIRES, J. D. 1985. Anlisis Numrico. Grupo editorial Interamericana de
Mxico, S.A. de C. V. Mxico.
CHAPRA, S. C.; CANALE, R. P. 1994. Mtodos Numricos para Ingenieros. Editorial Mc
Graw Hill/ Interamericana de Mxico, S.A. Mxico.
EDWARDS, C. H. Jr., PENNEY, D. E. 1993. Ecuaciones diferenciales aplicadas. Editorial
Prentice Hall Hispanoamericana S.A. Mxico. 3 edicin. Mxico.
KREYSZIG., E. 1991. Matemticas avanzadas para Ingeniera. Vol I y II. Editorial LIMUSA,
S. A. de C. V. Mxico.
LASBAINES A. 2003. Introduccin al Clculo Numrico. Cuaderno de Laboratorio de Teor-
a de Sistemas N 6. UNSE. Santiago del Estero. Argentina
LUTHE, R.; OLIVERA, A.; SCHUTZ, F. 1995. Mtodos Numricos. Editorial LIMUSA, S. A.
de C. V. Mxico.
PITA, C. 1989. Ecuaciones diferenciales: una introduccin con aplicaciones. Editorial LI-
MUSA, S. A. de C. V. Mxico.
SPIEGEL, M. R. 1997. Ecuaciones diferenciales aplicadas. Editorial Prentice Hall Hispa-
noamericana S.A. Mxico.
SPIEGEL, M. R. 1997. Transformadas de Laplace. Editorial Mc Graw Hill/ Interamericana
de Mxico, S.A. Mxico.
WILLIAMS, J. 1975. Transformadas de Laplace. Vol. 10. Editorial LIMUSA. Mxico.

Calculo Numerico

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Calculo Numerico

Uploaded by

Copyright:

Available Formats

Universidad Nacional de Santiago del Estero

Facultad de Agronoma y Agroindustrias

, si consideramos el sistema de referencia positivo hacia abajo, esta

= , utilizando la columna de la derecha de la Tabla 8.1, se puede deducir que:

You might also like