Richard L. Burden J. Douglas Faves 7 | Analisis numéricoContenido Preliminares matematicos 1 LL Repawo decdleulo 2 1.2 Brrores de redonudee y aritmética dena computadora 18 1.3 Algoritmos y eonvergencia 31 14 Software aunético 40) N Soluciones de ecuaciones de una variable 47 21 El eiodo de bisercida 4d 22 leruckin de pumuo fijo $5 23° Eletiodode Newton 65 24 Analisis de eerur para los métodos iteratives 78 25° Convergencia acelerada 6 26 Cems de polinomios y el método de Milller 1 2.7 Una vision general de méiodos y de software 101 Interpolacién y aproximacién polinomial 104 3 Interpolachin y polinomio de Lagrange 107 32 Dilercacias divididas 122 3.3 Interpolacita de Mermite 133 34 Interpolacién de trazadores cibicos ML 35 Curvos paminésricas 156 3.6 Reseia de métondon y de software 163Conteris Diferenciacién e Integracién numéricas 166 AL Difeconciacion qumérica 167 4.2 Extrapolacién de Richardson 178 43 Elemenios de Ia iniegracién numérica 186 4,1 Intogracién aumérica compocsia 196 45° Imcegracivin de Romberg 207 4.6 Métedos adaplatives de cundratura 213 4.7 Cuadratura gaussian 20 48° Intogrates multiplex 227 4.9 Integrales iomprpias 241 4.10 Reset de mévodos y software 247 Problemas de valor iniclal para ecuaciones diferenclales ordinarias 249 5.1 ‘Teoeia clement de los problemas de valor inieial 21 3.2 Métode de Euler 256 3.1 Méualos de Taylor de arden superior 266 S40 Métodas de Runge-Kutta 272 5.5 Control del evoey ef método de Ronge-Kutt-Fehiberg 282 $6 Méuios mubipaios 289 5.7 Métodos maltipasos con tamafo variable de paso 301 3.8 Métodos de extrapolacién 907 3.9 Beuaciones de orden superior y sisternas de ecunctones diferonciales 313 5.10 Estabilidad 324 5.11 Eeuaciones diferenctates igidas 324 5.12 Reset de mnétodos ydo software 42 Métodos directos para resolver sistemas lineales 344 6.1 Sistemus de ecuaciomes lineales 345 62 Estrateging de pivoteo 359 63 Algebra tinea! e inversus.de matrices 370 64 Determiname de tna matic 383 65 Factorizacién de matrices. 388 6.6 Tipos especiales de mairices 398 6.7 Reseta de métodos y de software 413Contenido vii 7 Métodos Iterativos en el algebra matricial 417 2 72 czy 14 1S 16 Normas de vectors y de matices 418 ‘Vectors y valores carictcrsticos 430 Métodon itcrlivos para resolver sistemas lincsles 437 Estimaciones de crc yrefinamicnto itcrativo 454 El método del gradiente conjogado 465 Reseta de métodos y de software 481 8 Teoriade la aproximacién 483 a 82 83 Ba BS BS a7 Apeoximaciée discret por mfnizaps cuadeados 484 Polinomios ortogonales y aproximacién por minimos cuadrades 498. Potinomios de-Chebyshev y economizacida de Ins series de potencias 307 Aproximacién mediante la funeian racinnsl $17 Apvokimacién polinontial trigonornétrica $29 “Transformacdas espidas de Fourie $37 Reefs de métodow y de programas de cOnpuio $48 9 Aproximacion de los valores caracteristicos 550 a4 92 93 aa as Atgebre tineal y valores coracteristicos. 531 Método de la potencia 560 Méuodo de Howscholder 577 Algositmo QR 585 Resefa de métodes y programas de edmput $97 10 soluciones numéricas de sistemas de ecuaciones no lineales 600 10 10.2 loa 104 105 106 Punter fijos para fimcianes de varias variables 602 Método de Newton 61 Méiodos euasi-Newton 620. Mékodos del descemve: mis répidy 628 Métodos de homotopia y de continuacién 635 Resefin de-méiodos y de programas de cémputo 643vill Contenido 11 Problemas con valor en la frontera para ecuaciones diferenciales ordinarias 645 Tht El méiado del disparn lineal 646: 12. Fl meiado del dixparo para problemas no tinewkes 653, 11.3) Métodos de diferencias finitas para Jos problemas inealex 660) TL4 Métodos de diferencias finitas para problermas no Hineales 667 HLS El miétade de Rayleigh Rite 672 ns Rese de medion 9 programas de compute 684 12 Soluciones numéricas para las ecuaciones diferenciales parciales 691 T21 Bcuacionos sifewaciates pacialeseliican 4 ewaciones diferencias parcial purubdticas Tot Ecuaciones diferenviales parciales hiperbéticas 718 Una introducci6n al tadiod de elementos finitos 726 Resell de méiodos y de programas de cémpuia 741 Bibliografia 743 Respuestas a ejercicios seleccionados 753 Indice 931Prefacio Acerca del texto Hemos elaborade este material pari una serie de eursos ueerca de ta teoria y aplicacidn de las técnicas de aproximacién numérica, Estd diseiiado sobre todo para estudiantes orienta dos a lax matematicas, eiencias ¢ ingenieria que hap concluide su curso de ediculo en B= cenciatura, Serd de utilidad estar familiarizado con los Eundamentos de! dlgebra de matrices y las ecuaciones diferenciales, aunque en el texto preseniamos un material introductorio adecuado para estos temas, de modo que estas cursos no som prerrequisitos. Las ediciones unteriores.de Andlisis numérico s¢ utilizan cn situuciones muy variadas. En algunos casas, se enfatiaé cl andlisis matemiticn en que se basa el desarrollo de las técnicas de aproximacién y no los propios métextos; en otros, el énfasis fue a la inversa, Asimisma, el libra se utiliza como referencia bisiea para cursos iniciales posteriores a ta Nicenciatura en programas de ingenier‘a y ciencias de la computaeidn: como base part un examen de actuurfa en métodos numérices, donde e+ comin el estudio nutodidacta; y en ‘cursos de andlisis introductorio impurtides eo universidades internacionales. Heras wata- do de adaptar el hbro-a estoy usuarios tan diversos sin comprometer nuestro: propésito orl inal: Ofrecer wa iatraduceién w lax téenicas wodernas de aproximacisa; explicar edmo, por qui y cudmdo se espera que funcionen; y proporcionur wna base finne para et es ftudio posterior del andlists numérica y el eémpuia etemifica, El libro contiene wuficiente material para un alio completo de estudio, aunque tal vez los lectores Jo utilicen slo para un curvo de un semestre, En ese lapso, los estudiantes aprenden a identificar qué problemas requieren métodos numéricos para su solucidn y ven ejemplos de la propagacidn (« difusién) del error que puede ocurrir al aplicarlos, Ademis, Tecenocen céma aproximar con precisiéa las soluciones de problemas que bo se pueden resolver con exaciitud y aprenden Kécnicas de estimaciéa de cotas (o limites) del error en las uprowimaciones. E! reste del texto sirve como referencia para métodas no considerados en el curso, Fl tratamiento de un ato a un semestre es consistent con los propdsitox del texto, ‘Casi todos los Conceptos del texto se Ilustran mediante ejemplos; esx Prefocio de los métodos y los algoritmos hasta generalizaciones y extensiones de la tcoria. Ademés, Jos conjuntos de ejercicios incluyen muchos problemas de aplicacidn de diversas éreas de La ingenierfa, asf como de lis ciencias fisiens, de la computacién, bioldgicas y sociales, Lax upticaciones elegidas demvestran en forma concisa c6mo se pueden aplicar tos métodos numéricos cn situaciones reales. Existen varios paquetes de software para realizar céleulos matemsticos simbélicos. De tos, predominan en el medio académico Derive, Maple y Mathematica. Las versiones es- colares de estos paquetes estén disponibles a precios razonables y funcionan en la mayo= ria de las computadoras. Aunque existen diferencias importantes entre los paquectes, tanto cen desempeiio como en precio, todos pueden realizar operaciones comunes de céleulo y Algebra. El hecho de contar con un paquete pura el cilculo simbélico pucde ser muy dtil en el estudio de las técnicas de aproximacién. Los resultados de la mayor parte de nuestros cjemiplos y ejercicios se generaron a partir de problemas para los que pueden determiniat- s¢ los valores exactos, pues esto permite examinar el desempe'to del método de aproxima- ciGn. A menudo, las soluciones exactas se pueden obtener con relativa facitidad mediante caleulo simbélico. Ademds, para muchas técnicas numéricas, el andlisis del error exige aacotar una derivada ordinaria parcial de orden superior de una funci6n, lo cual puede ser una larea tediosa y poco instructiva cuando se dominan las técnicas del calculo. Las deri vadas se pueden obtener ripidamenie en forma simbélica y un poco de ingenio permite que un cdlculo simbélico aynde también en el proceso de acutacién. Se cligi6 a Maple como paquete estindar debido al uso generalizado, pero Derive & Mathematica se pueden sustituir con slo ligeras modificaciones. También, se agregaron jemples y cjercicios donde s¢ tiene ta impresién que un sistemas de dlgebea por computa- dora podria traer beneficios significativos y se analizaron los métodos de aproximaci6n que usa Maple cuando 20 es posible resolver un problema de manera exacta. Novedades en esta edicién La séptima edicién incluye dos nuevas seccioncs importantes. El método del gradicnte conjugade precondicionado se agreg6 al capitulo 7 para proporcionar un tratamiento més completo de la solucién numérica de los sistemas de ecuaciones lincales, Se presenta co- ‘mo una técnica de aproximacin iterativa para resolver sistemas lineales positivos defini- dos. De esta forma, es. particularmente titi para aproximar la soluciGn de sistemas dispersos. de gran tamuito, En ef capftulo 10 se afadié una seecién sobre métodos de homotopia y continuacién. Estos proporcionan una técnica muy distinta, que en fechas recientes ha llamado mucho Ia atencién, para aproximar las soluciones de sistemas de ecuaciones no lincales. Tambidn se afladen en todo el libro grandes listados de cédigo Maple, pues los revi- sores consideraron till esin caracteristicn en Ia sexta ediciée. Hemos actualizado todo <1 cédigo Maple a la versién 6, que es la mas reciente, Las personas familiarizadas con nucs- {ras ediciones anteriores verdn que casi todas las paginas mcjoraron de alguna manera, Se actualizaron y revisaron las referencias y se han agregado nuevos ejercicios. Esperamos {que todos estos cambios le parezcan benéficos para la ensefianza y el estudio del andlisix numérico; la mayor parte de ellos han sido motivados por cambios en la prescntacién del material a nuestros propios estudiantes,Prefacio td ‘O1ra moditicacidn importante en est eicign es un sitio en Interet* en bitpulwwwm as a ¢chw/efaircs/ Numerical: Analysis En exte sitio colocaremos programes actualizados confarme cambie el software, ast come respuestas a los comentarios reulizades por usuarios del libro, También podemos agregar nucvo material que podtrfa incluirse en ediciones posteriores, en la forma de archi wos PDF que pucden scr convultados por los usuarios, Fsperamos que esio amplie ta vida de Ia séptima edicién, tualizado el material. vez que mantenga ac- * La infoemacéa conenia en evie-siio emul em ings, Asimisro, esta casa editorial no se hase responsable si em algin momenta desapareee el tito 0 eambla de direclén, Algoritmos Como ef: lax ediciones ameriores, se proporciona un algoritmo-detallado y estructurado sin ¢! fistado del programa para cada método en el texto. Las algoritmos aparecen de forma que Jos estudiantes puedan codificarlos, aun con poca experiencia en programacién, Los programas pura cada algoritmo estén eseritos en FORTRAN, Pascal y C. Ademds, los hemos codificado por medio de Maple y Mathematica, asf como MATLAB, un paque- te de software anptiamente ulilizado pura aplicaciones de! Algebra lineal. Estodebe garan- tizar que se dispone de un conjunto- de programas para la mayor parte de los sistemas de edmputo, Bar medio de los algoritmos se obtienen programas que dan los resultados earreetos para los ejemplos y ejercicios en el texto, pero de ningdn modo se intems escribir softwae re profesional de cardcter general. En particular, los algoritmos no siempre estin excritos ide una forma que conduce al programa mids efecrivo en términos de requisitas de tiempo 9 ulmacenamiento, Cuando ocurre un conflicio entre escribir un algoritmo extremadamen- te efieaz y woo algo distinio que ilusire mejor las caracteristicas. importantes del méiode, 'e opta por lo segundo, Acerca de los complementos en la direccl6n www.thomsonlearning.com.mx En el sitio, el lector encontrurd informacidn sobre este libre y podrd, ademas, consultar Jos archivos electnsnicas de los algeritmas que aparecen en el texto. (en distintas forma- 108). Para cada algoritino hay un programa C, Fortran, Maple, Muthematica, MATLAB. ¥ Pascal; y para cada sistema hay varios programas, cuya uplicacién depende de la ver- sidn del sofiware que se emplee: esos programas se ejemplifican con un problema del tex- to, de mado que el usuario pueda resolverlo en el lenguaje de su cleccidn e identifique ja entrada (INPUT) y la salida (OUTPUT), éstos pueden también modificarse para re= solver otros problemas, Las entradas y salidas son casi lax minmay en cada sistema de progrumacisn,xi Prefacio Los programas pueden correrse en una computadora que posea los sistemas operati- -yos MS-DOS, Windows.0 Macintosh, Sin embargo, se requiere un software apropiado, co- ‘mo un compilador para Pascal, Fortran, C, 0 algdn sistema algebraico para computadora, (Maple, Mathematica o MATLAB). El lector encontrara seis subdirectorios para cada len- guaje ¥ los archivos complementarios, ‘Todos los programas estin en archivos ASCII y hojas de calcula; y pueden modificar- se mediante un procesador de palabras, eapaz de erear un archivo estindar de ASCII (de Jos Hamados “sélo texto”). Los archivos README se presentan en formaio ASCII y PDR, y se incluyen con los archivos del programas, de manera que los sistemas de programacin puedan ejecutarse en. forma individual. Sugerencias para un curso Andiisis numérico esté discBado para quc los profcsorcs pucdan clegir cnire lox temas, ast como el nivel de rigor teérico y cl énfasis en las aplicaciones. En concordancia con estos propésitos, proporcionamas referencias detalladas para los resultados no demostrados en €l texto y las aplicaciones utilizadas para indicar to importaneia prictica de los métodos. Las referencias son las que tienen mits posibilidades de ser halladas en las bibliotecas de fas uni Jes y se actualizaron para reflejar la edickin més reciente en el momento en que este libro se imprimié. También incluimos citas de articulos originales de investiga- ci6n cuando consideramas que el material es accesible a nuestros lectores. En el siguiente diagrama de flujo se indican los prerrequisitos de cada capitulo, La tinica desviaciGn de este diagrama se describe en la nota al pic de pégina, al inicio de ta seocidn 3.4, La mayor parte de tas secuencias posibles que pueden genterarse con este dia- rama, los aulores las utilizaron en Foungstown Siate University, Eaptiuto 1 _— Capttulo 6} | Caputo 3 f 4Prefocio aif Agradecimientos Nos sentimos muy afotunidos porque muchos de nuestros estudiantes y eolegas nos han comunicado sus impresiones acerca de las ediciones anteriores de este libro, Todos es tos comentarios fueron tomados en cuenta y 3¢ procurs incluir todas las sugerencias acordes con Ios principios dl li inismo, agradecemos a todos aquellos que se han tomado un tiempo para contactarnes e informamos de mejoras que podemos hacer en ver- siones posteriores. En particular, queremos agradecer ¢l esfuerzo de las siguientes personas: Glen Granzow, Idaho State University José Miguel, Universidad Peruana Cayetano Heredia, Lima, Peni John M. Neuberger. Norther Arizona University L.G. de Pillis, Harvey Mudd College Agradecemos cn particular a nucstro amigo y alguna vez alumno, Jim Baglama, de Ball State University. Jim estuvo de acuerdo en revisat ampliamente esta edicidn y nos ayud6 a actuatizar las secciones de hibliograffa y software, Es muy gratificante ver el de- sarrollo de nucstros estudiantes en su profesién. ‘Ota persons que se devempenia bien en su profesiGn, aunque de mancra muy distinta, es nuestro editor Gary Ostedt, gerente sobresaliente de nucstros proyectos y gran amigo en Jo personal, Extraflaremos en gran medida su direceién y apoyo, y aprovechamos la opor- tunidad para deseatle lo mejor en su pronto retirn de BrooksColc. Igual que en las ediciones anteriores de este libro, aprovechamos la ayuda de los es- rudiantes de Youngstown Sute University para peeparur Ta séptima edicién, Nuestra habil asistente para esta cdicién fue Laurie Marinelli, a la que agradecemos su trabajo. También queremos expresar nuestra gratitud a los colegas académicas y administratives de Youngy- town State University por damos la oportunidad y facilitamos los medios para concluir es- le proyecto. Por ultimo, quisigramos agradecer a quienes han wtilizado y adoptado las diversas edi- ciones de Andlisés numérico en estos ais. Es maravillase saber de tantos estudiantes y j6- venes profesores que utilizan nuestro libro en su primer encuentro con el estudio de los métodos numérieas. Esperamos que esta edicidn continie esta tendencia y apoye el gusto de los estudiantes por el andlisis numérico. Si usted tiene sugerencias para mejorar ¢1 max terial que pucdan incorporarse en las proximas ediciones del libro, agradeceremos sus co- mentarios en las siguientes direcciones de correo electrSnico: Richard L. Buerden J. Douglas Faires faires@mathysueduCAPITULO 1 Preliminares matematicos Eats primeros cursos de quimica se introduce la ley del gas ideal, PY = NRT, ‘que relaciona la presién P, el volumen V, la temperatura Ty el né- mero de moles N de un gas “ideal”, En esta eeuacién, K es una cons- tante que depende del sistema de medida, Suponga que se realizan dos experimentos para comprabar es- ta ley con el mismo gas en cada caso, En el primer experimento, P= 1.00 atm, V = 0.100 m, N= 0.00420 mol, R= 0.08206. Por medio de la ley del gas ideal se predice que la temperatura del gas seré = PY _ __(1.00)(0.100)___ = 7 NR ~ (o.0420,0.08206) — 18 K = 17°C Al medir la temperatura del gas, vemos que la temperatura real es 18°C.2 CAPITULO 3 © Pretiminares matemdticos Luego, repetimos el experimento con los mismos valores de R y ‘N, pero se increments la presién por un factor de dos y se reduce el volumen por el mismo factor, Como ef producto PY es el mismo, la temperatura prevista min es 17 °C, pero ahora la temperatura real del gas es de 19°C. Por supuesto que se sospecha de la ley del gas ideal, pero antes de concluir que la ley no es valida en esta situacién es necesario exa- minar los datos para ver siel error se puede atribuir a los resulta- dos experimentales. En caso afirmativo, podriamos determinar la precisién necesaria en nuestros resultados experimentales para pa- Fantizar que no ocurra un error de esta magnitud. El anilisis del error que surge en los efilculos e¢ un tema impor- tante en ef undlisis numérico y xe presenta en In seccién 1.2, Esta aplicacién particular se considera en el ejercicio 28 de esa secciin, Este capitulo contiene un breve repaso de temas de eélculo ele- mental de una variable, necesarios en capitulos posteriores, junto con una introduccién a la convergencia, ef andlisis det error y la re» Presentacidn de los ntimeros en tos dispositivos utilizados para ta realizacién de los cileulos. 1.1 Repaso de calculo Los conceptos de limite y continuidad de una funcién son fundamentales en el estudio del céleulo diferencial. Definicién 1.1 Una funcidn fdefinida en un conjunto X de mimeros reales tiene el Kimite Len xy, denoia- do por lim fox) =, ray si, dado cualquier nimero real € > 0, existe un mimero real 8 > 0 tal que [fon = £1 < €, siempre que.r€ Xy 0 < [x—ay| <6, (Véase la figura 1.1.) s Definici6n 1.2 Scafuuna funcién definida en un conjunto X de niimeros reales y x, € X. Entonces fes con tinua en x, si Mim fix) = fos). m0 La funcién fs continua en el conjunto X si es continua en cada nimero en X. .Fgura 1.1 Definicton £.3 Teoremo 1.4 1.1 Repaso de célevlo 3 COD) denota al conjunto de funciones que son continuas en X. Cuando X es un inter- valo de la recta real, se omiten los pardntesis en esta notacidn. Por ejemplo, el conjunto de todas 1as funciones continuas en el intervalo cerrado [a.b] se denota Cla). El limite de una sucesién de niitneros realcs o complejos se define de manera similar. 1 una sucesiéa infinita de nimeros reales 0 complejos. La sucesién (x,)z. tie- ne el limite x (converge # x) si, para cualquier « > 0, existe un entero positive N(e) tal que |x, — 2] Me). La notacién A= 0 x cuando 400, significa que la sucesién (,)52., converge ax . En el siguiente teorema se relacionan fos conceptos de convergencia y continuidad. Sifes una funcién definida en un conjunto X de némerow reales y x9 € X,entonces lan s- guientes afirmaciones son equivalentes: fm. fes continua en fy Db. Si {4,}2.; €8 cualquier sucesi¢n on X que converge a x,, entonces im fE,) = fer) . ‘Supondremos que son continuas las funciones por considerar en el andlisis de los métodos numéricos, pues ét¢ ¢¢ un requisito mfaimo para tener un comportamiente pre- decible. Las funciones discontinuas pueden interrumpirse en los puntos de interés, lo que puede causar dificultades a] intentar aproximar una solucidn a un problema. Per lo gene- ral los supuestos mis elaborados acerca de una funcidin conducen a mejorcs resultados de aproximacidn. Por ejemplo, una funcién con grifica uniforme se comportard, por lo gene-Definietén 1.5 Figura 1.2 Tearema 1.6 Teorema 1.7 CAPITULO 1 © Pretiminares matemdticas ral, de manera mais predecible que una en forma de sierra, La condiciOn de suavidad se ba- sa-en el concepto de derivada, Sea f una funcidn definida en un intervalo abierto que contiene a xy, La funcién es deri- vable en xy si fis) ~ fico S99 = tim existe, El nimezo fg) es la derivada de fen xy, Una funcién que ticne derivada en cada iimero de un conjunto X ex derivable en X. Laderivada de fen x, es La pendiente de la recta tangente 8 le grifiea de fen (xq. foo. como se muestra en Ia figura 1.2. La recuatangecse tiene pendiomte (1g) Geta) Si la funcién fes derivable en xq, entonces fes continua en ty, . EI conjumo de todas las funciones que tienen n derivadas continuas en X se denota C°U0, y ct conjunto de funciones que tienen dcrivadas de todos los érdcnes en X se deno- ta C(X), Las funciones polinomiales, racionales, trigonométricas, exponenciales y loga- rftmicas éstin en C-(X), donde X consta de todos los ndmeros para low que extn definids las funciones. Si X.es un intervalo de Ia reeta real, se orniten de nuevo los paréntesis en es- ta notacién. Los siguientes teoremas son fundamentales en ta deduccidn de métodos para la esti- macién del error. Las demosteaciones de estos leoremas y de los demés resultados kin re ferencia en esta seccién se pueden encontrar en cualquier texto de céiculo. (Teorema de Rolle) Suponga que f€ Cla.b] y que fex derivable en (a, b). Si f(a) = f(b), entonces existe un ndmero ¢ en (4, b) tal que f‘(c) = 0, (Véase la figura 1.3.) .11. Reposo de cleulo 5 Figura 13 fess Teorema 1.8 (Teorema del valor medio) Sife Cla, bl y fes derivable en (a, ), entonces existe un nimero ¢ en (a, b) tal que (Méase 1a figura 1.4.) 7 Figura 14 Pendiense Je) Teorema 1.9 (Teorema de los valores extremas) Sif Cla, b), entonces existen ey. €, € [a, b] tales que fic,) = f(x) fCe,) para toda x € [a,, Ademds, si es derivable en (u, #), entonces los ndmeros ¢, ye, aparecen en los ex- tremos de (4, b], 0 bien donde se anula f” (Véase la figura 1.5.) . ‘Como. se mcncioné en el prefacio, cuando sea adccuado usarcmos cf sistema de bra por computadara, Maple, Los sistemas de dlgebra por eomputadora son tiles para fa derivacién simbdlica y el trazo de gréficas. Ambus térnicas se ilustran en el ejemplo 1.6 CAPITULO 1 © Pretiminares mateméticos Figura 15 EJEMPLO-¥ Determine max, «.<» f(s) para Six) = Sco 2k ~ 2 sen 2x ‘en los intervatos [1, 2] y (0.5, 1). Primers ilustraremos las eapucidades grifieas de Maple. Para tener acceso al paquete de graficacién se escribe La instruccién >with (ploto) ; A continuacién aparecen las instrucciones del paquete. Se introduce la definicisn de fal escribir La respuesta de Maple cs S#209 (20x) - 24x pen (24x) : £:= $.cos(2x) ~ 2x sen (2x) Para graficar fen ef intervalo (0.5, 2), use la instrvccién splot (£,#+0.8..2)2 La gréfica aparece como en la figura 1.6, en la cual se pueden determinar las coordenadas de cualquier punto sobee a gréfica al mover ef apuntahor del rat6n al punto dexeado y opri- el bot6n izquicrdo. Esta técnica se utiliza para estimar las intersecciones con los cjcs {y las extremos de las funciones. Completamos el ejemplo usando el leorema de valores extremos. Primero, considere- mos ¢! intervalo [1,2]. Para obtener Ia primera derivada g = J’, se escribe pgredift (fxs la respuesta de Maple es ig) =~ 12 sen(2e) — Ax cos(2x)1.1 Repose de ccale 7 Figura 16 con la instruccign Lucgo, podemos resotver win) = 0 para t= x Como ft) = ~3,899520037 y 7(2) = ~0.241008124, tenemos, 2}, um valor miscime de f12} = intervato =0.241008124, como se muestra en ta figura 1,7, yun Figura 1.78 CAPITULO 1 © Freliminares matemétices valor minimo aproximada de f(1 358229874) = ~5.675301338. Por tanto, max |$cos 2r— 2x sen 2x| ~ |f(1.358229874)| = 5,675301338. Ses Si tratamos de resolver g(x) = 0, para 0.5 Sx 1, vemos que al introducir Ivetg.x, 0.5..197 Maple responde con feolve(~12 sen(2x) ~ Ax cos (2), x, 5.1) Jo cual indica que Maple no pudo encontrar una solucién en 0.5, 1). Si grafica g, verd que no hay soluciones en este intervalo, y el maximo ocurre en un exiremo. Por tanto, /” nun- ca se anula en [0.5, 1]. como se muestra en In Figure 1.8, y comm f(0.5) = 1.860040545 y §(1) = ~3,899329037, tenemos méx |S.cos 2e— 2s sen 2x| = |f(1)| = 3899329037. . Figura 1.8 El otto concepto bisico del célculo que usaremos ampliamente ¢s la integral de Rie Definicién 1.10 La integral de Riemann de Ia funci6n fen el intervalo [a, b) es el siguiente limite, si és te existe: ‘ . atin Se [ roa wai, 346) Ate1. Repaso de céleulo 9 x, Satisfacen a = XS, So" Sx, = by At = x=, donde los niimeros 1, my z, se clige de manera arbitrariaen el intervalo (xj... para toda = 1, 2, Toda funcién continua fen [a, b] es Riemann-integrable en [a, 6]. Esto nos permite celegir, para fines de céleulo, los puntos x, uniformemente distribuidos en {a, 6), para ca- dai = 1,2... melegir c, = x, En este caso, [seas = tim 2=4 5 pony, donde los ndmeros que aparceen en la figura 1.9 como x, son.x, = a + ib ~ an, Figura 1.9 f He i re En nuestro estudio del anilisis numérico necesitaremos otros dos resultados. El pri- mero es una generalizacién del teorema det valor medio para integrales. Teorema 1.11 (Teorema del valor medio panderado para integrates) Suponga que fe Cla, b), que Ia integral de Riemann de g existe en [a, bly que g(x) no cambia de signo en [a, b]. Entonces existe un nimero ¢ en (a, b) tal que ‘ [pee ae see f* eras . ‘Cuando g(x) = 1, el tcorema 1.11 es el det valor medio-pura integrales que proporcio- na el valor promedio de Ia funcién fen el intervalo [a, 6] coma fle) = gh [no ies (Véase la figura 1.10,)10 CAPITULO 1 © Preliminares mateméticos Figura 1.10 Por lo general, la demostracién del tcorema 1.11 n0 se da cn un curso bisico de calcu- Jo, pero se puede encontrar en ta mayor parte de los textos de andlisis (véase, por ejemplo, [Fu p. 162]), El otro teorema que necesitaremos y que normalmente no se presenta en un curso bi- sico de célculo se deduce al aplicar de manera sucesiva el tcorema de Rolle af f"s..+4 Yi por dltima, a f'*-, Teorema 1.12 (Teorema generalizado de Rolle) Suponga que f'€ Cla, 6] es n veces derivable en (a, b). Si f(x) se anula en los m + 1 mime- ros distinios xy ..., x, en [@, b], entonces existe un niimero c en (a, b) tal que fo"\(c) = 0. . El siguiente teorema es el del valor intermedio. Aunque su enunciado parece razonable, Ia demostracién esté fuera del alcance de un curso usual de célculo. Sin embargo, se puede encontrar en la mayor parte de los textos de andlisis (véase, por ejemplo, [Fu, p. 67). Teorema 1.13 (Teorema del valor intermedi) SifeCla, bl y Kes cuslquier mimero entre f(a) y feb), entonces existe un mimero ¢ en (a. by tal que fc) = K. 7 En Ia figura 1.1] se muestra una elecciGn del niimero garantizado por el teorema del valor intermedio, En este ejemplo hay otras dos posibilidades. Figura 1.11 0. fad)EJEMPLO2 Teorema 1.14 EJEMPLO 3 11 Reposo de eéleuto 1 Para mostrar que x5 — 2r° + 3x? — 1 = 0 tiene una solucién en el intervalo [0, 1}, consi- dere fix) = a5 — 2x) + ds? — 1, Pursto que fO)==1<01=fay ¥.f¢s continua, el tcorema dc} valor intermedio indica que existe un ndmera xen 0 (R), el teorema de Taylor se puede aplicar a cualquier n = 0. Adems, fe =-sena, f'ay=—coss, fe) =senx yf) = cone,12 CAPLETULO 1 © Preliminares mateméticas de modo que fH fO=9 fO-1 yy f*H=o0 a, Paraa = 2.4) = 0, tonemos conc 1m 5a + Eat ven fi, dande {1 es un mimero entre 0 y x. (Wéase la figura 1.12.) Figura 1.12 yo ria 1d Para x = 0.01, el polinomio de Taylor y el término del residue son cos 01 = 1 — too + Foo sen x) = 0.99995 + 0.16 X 10-* sen &x), donde 0 < §(r) < 0.01. (La barra sobre cl 6 en 0.16 se usa para indicar que este digito se repite de manera indefinida.) Puesto que |sen &x)| < 1 para toda x, tenemos Joos 0.08 - 0.99008 | = 0.18 x 10-6, de modo que Ja aproximaci6n 0.99995 coincide por lo mcnas con los primeros cinco digi- tos de cos O.01, y 0.9999483 < 0.99995 — 1.6 X 108 = cos BOL = 0.99995 + 16 x 10% < 0.999517, La cota de error es mucho mayor que ¢] error real. Esto se debe, en parte, a la pobre cota que usamos para |sen £{x}]. Se pucde demostrar que para todo valor de x, tenemos [sen xf = [x]. Como 0 = ¢<0.01, podriamos usar el hecho de que | sen &x)] = 0:01 ¢n la fSemula para el error, lo que produce la cota 0.16 % 10°".4A Repaso de célcule 13 b. Comof(0) = 0, el tercer polinomio de Taylor con término de residuo-en tomo a x4 = cs coreta= tee Lh co i), 2 6 donde 0 < d(x) < 0.01. El polinomio de aproximacién es el mismo, y la aproxima- ci6n adn €s 0.99995, pero ahora tenemos und mucho mejor garantia de precisién. Puesto que |cos &x)| = 1 para toda 2, tenemos a. R f. ~ = 10, 2, tos fea] «4 ont) 42x 10°10, De modo que feos 0.01 = 0.99995] =< 4.2 x 10°19, O,9909a990958 = 0.99998 = 4.2 x 10-1 cos 0.01 = 0.99995 + 4.2 x 10°" = 0,99995000042, En Las dos primeras partes de este ejemplo se ilustran los dos objetivos del andli- sis numérico. El primero es encontrar una aproximacién, que los polinomios de Taylor proporcionan en ambas partes, El segundo es determinar la precisiin de la aproxima- cidn. En este caso, el tetcer polinomio de Taylor fue mucho mds informative que el segundo, aunque umbos dieron la misma aproximaciGn. €. Usaimas el tereer polinomio de Taylor para obtener fF corracm "(1 Lela © PY eteos Feo ae fee bef LP cos & [-- tof Clete Es ~o1- i (1+ af x con Ela de. 24 J Por tanto, 1 f cossae~ on - $ On" = 0.00983, Se puede determinar una cota para el error en esta aproximaciéin a partir dela integ del término del residuo de Taylor y el hecho de que |cos & (x)| 6 1 para toda x: AIP #emdwer| < fis [eos Fs) ae Lf" ween sd x10 aif se 83% 10-%,CAPITULO 1 © Preliminaes motemdticos Como el valor real de esta integral es 1 PO coxare seo} = sen == 0,090833417, lo 0 €] error real para esta aproximaci6n e& 8.332% 10°, que ext dentro de la cola de error, . Enel ejemplo 3, también podriamos usar un medio de Maple, se define a fcomo mn de Algebra por computadora, For af recom (x); Maple nos permite colocar varios enunciudas en un renglén y usar los dos puntos para eli- minur fas respuestus de Maple. Por ejemplo, obtentemos el terver polinomia de Taylor con sedistaylor({)x-0,4)1 p3iseanvert (e2, polynam) : La primera pane catesta ta serie de Taylor con cuatro térinines (grado 3) y el rexiduo de= snrrollade respecto a x) = 0. La segunda parte convierte la serie 53 en el polinomio p3 al eliminar el residuo, Para obtener 1 cifras decimales en cl resultado, intraducimos: ot arelly y cvuluamos £0.01), BOON) y 170.01) — PYxO.O1)| con oyl eevee {sube (00.01, 8)14 py2 rmevalf (oubs (x=0, perrisabs (yl~y2) 7 Ento produce y, = f(0.01) = 6,99995000042, », = P,(0.01) = 6,99995000000 y Ig0.01) — Pyooiy| = 42 x 10-%, Para obtener una geifica similar a la figura 1.12, inteoducimos eplot({ #99 )exe-Pis PL) Lay instrucciones para Ins integrales: son pqrsine(£, xe0..0.1 pa2raintip3, x=0,.0.1); ssiqi-a2); per cen lo cual se obtienen los valores 1 4)© [ sarde= oonsey3ai66e7 y ge] Pye de= Cosmeana3sa, con error 0.83314 x 10-*. En Jos incivas (a) y (b) del ejemplo. se muestea c6mo dos téenicas pueden produci¢ ta misma aproximacién pero con diversas garantias de precisién, Recuerle que determinar as aproximaciones es slo parte de nuestro objetivo. Una parte igualmente imporunte es determinar al menos una cota para ta precisidn de In aproximaciéa.11 Repaso de efleuto 15 CONJUNTO DE EJERCICIOS 1.1 1 Deamestre que la siguientes ecusciones denen al menos una solace en hs interval dab. xeose- 20+ 3r-1= 0, (02,0.3]y 1121.3] @-2F-mr=0, [21y le 2eeost2ay — (r- 2¥ 12.31 1.4) sa dasr= 0, 145) 22 Determine imervalos que contcagan soluciones a ls siguientes ccusciones a e309 Bo atoe e B-2f- drt 320 8 +4008 +4.002e+ L101 = A. Demnesre que (x)se anula al menos una vez en os interalos dados, © fala tet (e~ Wseniiain, 10.1) B fu) —Dunetxcnm, (01 © fa) =xsene-(e- DI11.2) @ fa) 2sensla +2, 1-13) fh aot wig cy Ft) ra aes Tae ea & fa)e@-e+205, (1 Bb fu) = te 3-20, 105.1 © fay= tomy ==, Pal & fayette, 12) 5, Use eorems del valor itermeaioy el teoerns de Rolle pars entrar que la gritica de i) = 28 + De + k crural cjex exactmente una vex, sin importar el valoe de a constanie 6. Supoaga que fe Cla. y que fx) existe en a,b). Demesire que sfx) # 0 paraioca xen {a #),emonces puede exisira lo sumo un nimers pen fa B] tl que fp) = 0. 7. Seafox) =. ‘© Determine el segundo potinomio de Taylor Ps} en torna'a xy = 0, DB. Caleule #405) y e-eror reat al usar Py('5) para aproaimarf(0-5). €-Repitnelinciso (a) usando x, = . Repita el incixo (bs) con el polinomio del inciso (). ‘8. Obtenga el ercer polinomio de Taylor Py(x) para la funci6n f(x) = Vx + Ten tornoa xp = 0. Aprarime V3, VETS, WS y VS usando P(x), y calcu los erore reales 9. Detcmine cl ceundopoliemio de Taylor P paral funcin fia) ~ econ xem tame ag ~ Use P0.5) para aproximar f(05), Determine una cota superiog para el errr |fi0.5) = F0.5)| par medio de ta {Sema para el error y compércio con el.enor real, Bb. Calcule ona cota para err Lys) ~ Py al wsar Pc) para apronima fx) en elim terval (1. _Agotie [709 por mai de [ rene 4 Calcule una cota superio para el eror en (c) mediante f° |R.¢x)atc| y compéscla con ef pO ee cervor real. 10, Repita el ejervisio 9 con my = m6, 1. Determine e! tercer polinomia de Tayloe P(x) para la funcién f(x) = (x= iim x wespecto a atCAPITULO 1 © Pretiminares matemdticos A. Use Py(0.5) para aproximar f(0.8). Determine una cota superior para el error [Y(0.5) — P,(0.3)] por mestio de la fGrmuta para of error y conmpsrcto com el errr eal be Calcule una cota para cl error fix) = ,(e)! al usar P fx) para aproimar f(x) en el tn tervalo [05, 1.5}. €Aproxime [de usando : Play de 4. Calcule una cota superior para cl error en (c) mediante |" | R(x) del, y compdrela con el ertor real = 12. Sean (rd = 2x cos(2r) = (= 2F yay = 0. 8. Determine el tercer potinomio de Taylor P(x) y dselo para aproximar (04). b, Use la formula del error en el teorema de Taylor y determine con ella una cota superior para el error 1/(04) ~ P,(0.4) |, Calcule el error real, Determine el cuarto polinomio dé Taylor Py(x} y dsclo para aproximmas f(0.4). 4. Conia férmula del eroren el teorema de Taylor determine una sota superior para el error [f0.4) - PY(0.4) |, Calecule el eeror rea, 13, Calcule e] cuarto polinomio de Taylor Py(i) para la funcita Ai) = xe" en tirnd 8 49 = O. &. Calcule una cota superior para [fix - Pix), cons 04. B Aproxime [°"/ta) ax usando (°° Ps) de Determine una cota superior para el errr en (b) usando 4, Aproxime /“0.2) usando P (0.2) y caleule el eror 14, Use el término del errr de un polinomio de Taylor para estimar el error implicado al emplear sen x= x par aproximar sea 15. Use un polinomio de Taylor respecto a. 9/4 para aproximar cox 42° con una precixin de 10° 16, Sea tr) = e sen(a/3), Utlice Maple para determinar fo siguiente, EL tercer polinomio de Mactaurin P\(). bd, fx) y una cota para el error If (x) = P,Cx)| en [0. 1). 17. Sea f(r) = Ini? + 2), Utilice Maple para determinar lo siguiente, 8. El polinomio de Taylor #2) para f desarroltada en tomo a x, = 1. by Elerror méximo |fi) = P,)! paras r= 1 & El potinomio de Maclaurin P(x) para f 4. El error miximo |ftx) - Po) | paraOs x 51. 4% 4P,(0) aproxima a f(0) mejor de lo que P,(1) aproxima a f(1)? WB. Sean f(x) = (1 = 2)! ay % 0, Determine el »-ésimo polinomio de Taylor P(x) para f(x) en tormo a 4. Determine ua valor dem necesario pare que Py(#) aproxime # fOx3 basta 10-6 en {0.05} 19, Sean fox) = °y ty = 0. Determine el n-ésimo potinomio de Taylor P,(x) para fx) respects 41g Determine un valor de m necesario para que P(x) aproxime a(x) hasta 10-* en [0.0.5], 20, Obtenga cl n-6simo polinomnio de Maclaurin P,(x) para f(s) = arctan x. El polinomio P,Q) = 1 = 42° se usard para aproximar f4(x) = 0s x on (—, $1: Determine tena cota para el error maximo. 22, El n-4simo potinomio de Taylor para una funcida fen x, se comoce a weees como un potine- mio de grado m a lo sumo, qve aproxima “mejor” a fcerca de x, . Explique por qué es adecuada esta descripcida. 1D. Determine el polinomio cundeético que mejor uproxima una funcida fcerca de x5 = 1 si Ja recta tingenie en sp = I tlene la ecuacion y= 4e~1 yi f°) = 6, P(x) de.1.1 Repaso de cdlcula v7 Para obtener ta zproximacion 2.5 de se uiliza un polinomio de Maclaurin para e*. La cota {del error en esta aproxi macién se calcula como £ = +. Determine una cota para c! error en E. A, La funcion error definida como enta= Fe [Pert a proporciona Is prokabilidad de que cualquiera de una serie de ensayos esté a menos de x uni- 0 tal que fla) # 0 para toda x en lp ~ 6p + 4}. donde |p — 4, p + 6] ex subconjunto de fa, 6) b. Suponga que /¢) = 0 sca k > 0 un valor dado, Demuestre que existe & > 0 tal que Ica) | = & para toda.x en ip ~ & p+ 8). donde [p ~ 8, 7 + 6] es subconjunto de fa. b).18 CAPLTULO 1 © Freliminares matemdticos 1.2 Errores de redondeo y aritmética de una computadora La aritmética que realiza una calceladora 0 una computadora es distin de la aritmética de Iuestos cures de digebra 9 célculo. Por experiencia esperaria que siempre se tuviera como enunciados yerdaderos cosas como 2+ 2 4,44 = 16 y (V3) = 3. En la arit- mética computacional comin, siempre se tendrin los dos primetos, pero no siempre el ter- cero, Pura ver por qué, debemos explorar el mundo de ta aritmética con un acimero finito de cifras, En nuestro mundo matemitico tradicional permitimos la existencia de némeros coo una cantidad infinita de cifras, La aritmética que usamos en este mundo define a V3 co- mo el tinico ndmero positive tal que al multiplicarse por sf mismo produce el entero 3. Sin embargo, en el mundo de las computadoras, cada niimero representable tiene xélo un ni- mero Finito, fio. de cifras. Esto significa, por ejemplo, que sélo los nlmeros racionales (y ‘no todos ellos) se pueden representar eon exactitud. Puesto que V3 no es racional, se da ‘una representaciGn aproximada, una cuyo cuadrade no seréi 3, aunque sf To bastante cerca no #3 como para que sea aceptable en Ia mayor parte de las situaciones, Luego, en mu- chos casos, esta aritmética de la miquina es sutisfactoria y se apeueba sin mis, aunque veces extu diserepancia puede generar problemas, Los errores de redandeo surgen al usar una calculadora 0 computadora para célculos con némecros reales, pucs la aritmnética de La méquina sélo utiliza némeros con una canti- dad finita de cifras, de modo que los edlculos se realizan tinicamente con representaciones aproximadas de los némeros verdaderos. En una computadora comtin, s6lo se usa un suib- onjunto relativamente peque'io del sistema de nmeros reales para representarlos a tox. Este subconjunte contiene sto mimeros rocionales (tanto positives como negativos) y almacena la parte fraccionaria, junto con una parte exponential En 1985, el Institute for Electrical and Electronic Engineers, IEEE (Instituto para In- rus Eléctricos y Electronicos) publics un informe llamado Binary Floating Point Arldlmeti Stondard 754-1985. Se espcificaron lon formato par lan precisiones simple, doble y extendida; en general, los fabricantes de microcomputadoras utilizan estos estdn- dares para e] hardware de punto flotante. Por ejemplo, el coprocesador numérico de las PC utiliza una representacién de 64 bits (digitos binarios) para un nimero real, llamado real argo. El primer bit es un indicador de signo, denotado como s. Le sigue un exponente de 11 bits, ¢, denominado earneteristica y una fraccién binaria de 52 bits, f. Hamada mantl- sa. La base para el exponente es 2, ‘Como 52 digitos binarios comesponden a entre 16 y 17 digites decimales. podemos suponer que un ntimero representado en este sistema tiene al menos 16 cifras decimales de precisiGn, El exponente de 11 digitos binariox proporciona un intervalo Je 0.42" — 1 = 2047. Sin embargo, el uso exclusivo de enteros positives para el exponente no permitirfa tuna representaciGn adecuada de los ndmeros con magnitud pequetia, Pura garantizar que estos niimeros también sean represeatables, se resta 1023 de la caracteristica, de modo que el intervalo del exponente ¢s en realidad de -1023 a 1024, Para aborrar espacio de almacenamiento y proporcionar una represcntacién tinica de cada numero de punto flotante, se impone una normalizacién, El uso de este sistema pro- porciona un ndmero de punto flotante de la forma (21D C1 +N. ‘Considere, por ejemplo, cl mimero de maquina (0.100000: 101 1.100 10001(200000000000000000000000000000000000000,1.2. Enmore de redondeo y artmética de une computadora 19 ‘EL bit de la extrema izquierda es cero, lo cual indica que el mimero es positive, Los siguien- tes 11 bits, 10000000011, que dan la caractertstiea, son equivalentes al mimero decimal CHT 24 0-4 FO PET WFTW 1024 +2 + 1 = 1027, ‘La parte exponencial del niimero es, por tanto, 21997-¥2) = 24. Los itimos 52 bits espe ‘sifican que ta mantisa ¢s sou-(g}or- (fer (ah er G her Gher Gy En consecuencia, este nimero de indquina representa con precision al niimero decimal (perme + p=c—1)8 gorma(r4(L4 i + + * 4 +t + as) = 27.56640625. Sin embargo, el siguiente niimero de maquina menor es © 10000000011 101100100001 101111100 10T TLL ATLL TAFTTMAAAL, y el siguiente numero de méquina mayor es .9.110000000011 101 11001100010000000000000000000000000000000000000001 Esto significa que nuestro mimero de méquina original representa no s6lo a 27.56640625, sino también a Ta mitad de los niimeros reales que estin entre 27.56640625 y los dos ni- eros de méquina mds prOximos a él. Para ser precisos, representa « cualquier niimere real enel intervalo [27.566:106249999998225643 1 6059974953532 1893310546875, 27,56640623000000 1776356839-4002504 646778 106689453125), El menor niimero positive normalizado que puede representarse tiene ceros en todas partes, excepto en el bit del extremo derecho (donde tiene un 1) y ex equivalente a 2710S. L$ 2°52) me 10-308, y el mayor tiene un cero al principio seguido de unos; es equivalente a DHEA + (2 — 2-8 — 1088, Log mimeros que aparecen en los cdleulos y tienen una magnitud menor que 272. (1+27*) producen un desbordamienta de la capacidad minima o subdesbordamiento Ys por lo general, se igualan a cero, Los mimeros mayores que 2!4. (2—2~82) producen un desbordamiento* y hacen que se detengan los céleulos. El uso de digitos binarios tiende a encubrir las dificultades de c4lculo que aparcoen al usar una colecci6n finita de nimeros de maquina para representar a todos los ndimeros rea- les. Para examinar estos problemas, supondremos, para mayor claridad, que los niimeros de méquina se representan en la forma de punto flotante decimal normatizada LOAM. X10, Sd 29, y OFd,=9, para cada i= 1,2,..., & Los nilmeros de esta forina se Haman miimeros de mdguina de- Cimates con k digitos. IN, del RT: Estos comceptos s¢ conocen también como: overflow y unerflow.20 EJEMPLO 1 Definicién 1.15 EJEMPLO 2 CAPITULO 1 = Pretiminones motemdticos ‘Cualquier nimero positivo real dentro del intervalo numérico de la méquina se puede normalixar como Y= Oedylys dy dy ge00 % 10% La forma de punto flotante de y, que denotames f1(y), sc obtiene terminando 1a mantisa de y en & cifrus decimales, Hay dos formas de realizar esto, Un método, Hamado truncamlenta, consiste simplemente en cortar las digitos d,, ydj,p... para obtener MG) = Oddy, X AO, E] oto método, llamado redonden, suma $x 10*-* ny y luego trunca el resultado para obtener un mimero de Ia forma FAY) = 0.88)... 10 ‘Ast, al redondear, si d,,, = 5, sumamos 1 2 d, para obtener fly} e& docit, redonddeamas har cia arriba, Si dy, <5, simplemente truncamos todo excepto los primeros k digites; asl re- dondeamos hacia abgjo. Si el redondeo es hacia abajo, entonces 8, ™ d, pars cada i = 1, 2... & Sin embargo, los digitos podrfan cambiar si ef redondco es hacia arriba. EJ niimero ‘tiene un desarrollo decimal infinito de In forma 3 = 3.1415926S... Escrito en forma decimal normalizada, tenemos w= 0.314159265... X 10!, La forma de punto flotmnte de ar con un truncamiento a cinco cifras ex fifa) = 0.31415 x 10! = 3.1415, Puesto que la sexta cifra del desarrollo decimal de a es 9, fa forma de punto flotante de arcon un redondeo a cinco cifras es Jim = 0.3) + 0.00001) & 10! = 3.1416, . El error que resulta al sustituir un ndmero por su forma de punto flotante es el error de redondeo (sin importar si se determiné por trancumicnto o redandeo), En la siguiente defini idm se describen dos métodos para medit errores de aproximacién, § ‘p* es una aproximacién de p, ¢! error absolute es |p — p*| y el error relative et Considere bos errores absoluta y relativo al representar p-por p* en ¢l ejemplo siguicate: a. Sip = 0.3000 x 10! y p* = 0.3100.x 10), ef error absoluto es 0.1 y el error relativo es 0.3333 x 10-4,Definicién 1.16 Tabla 1.1. 1.2 Errores de redondeo y aritmética de una computadora 21 Db, Sip = 0.3000 107 y p* error relativa es 0.3333 X 10 Sip = 0.3000 x 104 y p* = 0.3100 x 104, ¢1 error absaluto ¢s 0.1 x 10° y ef error relativo es de nuevo 0.3333 % 10°!, 100 x LO, el error absoluto es 0.1 x 10 y el Exste ejemplo muestra que ocurre el mismo error relative, 0.3333 * 10!, para una ran variedad de crrores absolutos, Como una medida de ta precisiGn, el error absoluio Puede llevar a confusiones, en tanto que el error relativo es mds significativo, pucs toma en cuenta el tamaiio del valor. . La siguiente definiciéa utiliza el error relutivo come una medida de las cifras signifi- Cativas de precision para una apronimacién. El néimero p* aproxima a p con ¢ cifras significativas sir es ¢] mayor entero no negativo para el cual <5 10", En ta tabla 1.1 se ilustra lo naturaleza cont rar, para diversos valores de méx|p = p* |, cuanda p* coi wa de las cifras significativas al enume- minima cota superior de |p = p*|, que se denota ide con p hasta cuatro cifras significativas 1001000 wo 999010000 mix Ip—p*l | 00omos ooms 00s 05 23 ams De regreso a la representacién de fos niimeros en la méquina, vemos que f(y) como punto flotante para el ndmero y tiene el error relativo jee y Si se usan k cifras decimales y el truncamiento para Ia representaciGn en la mSquina de dye dd ye % 10%, entonces peo) (ies hid ves X10 = Od, fla y Vidiya X10 % 108-t -| Oddy. 10" | Como d, # 0, el valor minima det denominador ¢s 0.1, El 1 es la cota superior de! nume= rador, i22 EJEMPLO 3 Tabla 1.2 CAPITULO 1 © Preliminores matemdticos De manera similar, una cota para el error relative al usar ta aritmética de redondeo a kel- raw es 0.5 x 10F*", (Vénse el ejercicio 24.) . ‘Observe que las cotas para cl error relativo al usar la ariumética con k cifras son inde= pendientes del ndmera representado. Este resultado se debe a ta manera en que se distri- boyen los nifineros de méquina a lo largo de la tecta real, Debido a la forma exponencial de Ja caracteristica, s¢ usa la misma cantidad de ndmeros docimales de maquina para repre sentar cada une de los intervalos [0.1, 1], (1, 10} y (10, 100}. De hecho, dentro de los kimt- tes de la maquina, la cantidad de nimeros decimales de maquina en [10", 10"*!] es conse tante pura todo entero m, ‘Ademds de la representacién imprecisa de los nimeros, la aritmética realizada en una compitadora no es exacta. La aritmética implica el manejo de los digitas binarios median- te diversas operaciones de corrimiento, o Wégicas, Come ta mecdsica real de estas oper ciones no es pertinente a esta presentacidn, diseflaremos nuestro propio enfoque de la arit- mética de una computadera, Aunque nuestra aritmétiea no dard lu imagen exacta, bastard para explicar los problemas potenciales, (Para una explicacién de la mecsinica real, el lec tor deberd consultar textos de clencias de la computac’n mas oriestados a los mspectos tdeniens, como (Mal, Computer System Architecture.) Suponga que se tienen tas representacianes de punta flotante f1(0) y f2(9) pare los nil- meros reales xy y, y que los simbolos @, ©, @, S representan las operaciones de suma, mdquina, respectivamente, Supondremos que se usa tuna aritmética con un mimeto finite de cifras dada por F@yafMMO+ lO, x Sy =) X Alon, Oya Sitey- fi By = SUFMx) + ftp). Esto correspande a realizar la aritmética exacta con las representaciones de punto flotante dex y y, para lucgo convertir el resultado cxacto en su represcntaci6n de punto flotan- te con un némero finito de cifras, La aritméticn de redondeo se leva a cuba ficilmemte en un sistema de dlgebra par compittadora, La instrucei6n de Maple abigicsr=ts hace que toda Ia aritmética se redondee a t cifras. Por ejemplo, fi f(x) fi(y)) se realiza con antingticn de redondéo a / cifras mediante eval f teval f G0) sevalf(y)) 5 La ejecucisn de la aritméticu de truncamiento a 1 cifras es més dificil y requiere una serie de pasos 0 un procedimiento, En el ejercicio 27 se estudis este problema. ‘Suponga que.x = 3, y = 4-y que se usa el truncamiento a einco cifras para los céleulos aritméticos donde intervienen xy y, En la tabla 1.2 se enumeran los valores de estas ope- raciones de tipo computadora com fl(x) = 0.71428 x Hy f(y) = 0.33333 x 10m ‘Operacian Resuhae Valor real ‘Error absolute ‘Exar relaiiva rOy 0.10476 X 108 Bal e190 x 10-* tis} x 10°F 1Or OBO x 10 wl 0.238 x 10° 0.625 X 10°F x@y 0.23900 19" sn 05m x 10" amo x 10~ yOr 0.21428 x 101 1st asm xio 267 x 104Tabla 1.3 1.2 Errores de redondeo y aritmética de una computadore 23 Como el maximo error relativo para las operaciones del ejemplo 3 es 0.267 x 10-4 la aritmética produce resultados satisfactorios con cinco cifras. Suponga, sin embargo, que también tenemos los ntimeros u = 0.714251, v = 98765.9 y w= O.1II11Lx 10-4, de mo- do que fi(u) = 0.71425 x 10°, fF(v) = 0.98765 x 10° y fi(uy = 0.11111 x 10. (Elegi- mas estos mimeros par inos problemas que pueden surgir con la aritmetica cuando se tiene tna cantidad finita de cifras.) En latabla 1.3, £ © we produce un error absoluto pequeflo, pero un error relativo gran de, La division posicrior entre cl mimero pequeiio wo ta multiplicacién por el numero grande v aumenta el error absoiuio, sin modificar el error relativo. La suma de los ntime- fos grande y pequeilo 1 ¥ v produce un error absoluto grande pero no uno relat Operecion Resultado ‘Valor real Error absolute Error relative *Qu 0.30000 1a OBMTIE 10"! OTT IOS 0.136 Qu @Qw 0.29629 10! BNE 107 0.465. 0.136 USmsSy — 0.29029 10! O.M2RS x 10? 0.465 0.136 u@v 0.98765 x 10° 0.98766. 10% 0.161 x 10° 0.163 x 10-4 Uno de los los edleulos mas comunes que producen errores tiene que ver con la can- eclaciGn de cifras significativas debide a la resta de miimeros casi iguales. Suponga que dos mimeros casi iguales xy y, con x > y, tienen las representaciones de & cifras FHC) = Oddy. yet g iy X10, y LAG) = Oddy «+ dBye Boor --- By % 10", La forma de punto flotante de x — y es SAGER) — FLO = Dery Oy. om TOM, donde Oo Tpeg eo Oy = Oty, (Chae 9 — OB ye Boos > Be El ndmero de punto flotante utilizado para representar x — y tiene a lo sumo k — p cifras significativas. Sin embargo, en la mayor parte de los dispositivos de céleulo ax —y s¢ le asignarin & cifras, de modo que las Gitimas p se anulardn © serin asignadas al azar. En todes los cdlculos poxteriores con x - y se tendré el problema de contar con & ~ p cifras significativas, pues una cadena de edlculos no es mis precisa que su parte més débil. Si una representaci6n con un ndimero finito de cifras o un célculo introduce un error, éste aumenta al dividir entre un nimero con magnitud pequefa (0, en forma equivalente, al muhtiplicar por un niimero con magnitud grande). Suponga, por ejemplo, que el ndme- oz tiene la aproximacién con un ngmeto finito de cifras z + 8, donde el error 5 surge por Ja representacién 0 un edlculo anterior. Suponga ahora que dividimos entre © = 10°", don- den > Q, Entonces waft i) n{ Ee (2+ 6) 10"24 EJEMPLO4 EJEMPLO 5, CAPETULO 4 © Pretiminores mateméticos Ast, el error absolute en esta aproaimacidn, | 6] x 10", ¢s el error absoluto original, | 6], multiplicado por ¢1 factor 10%, ‘Sean p = 0.54617 y g = 0.54601. Fl valor exacto de r = p - g es 7 = 0.00016, Suponga que la resta se realiza con una aritmética de cuatro cifras. Al redondear p y ga cuatro ci- fras, tenemos p* = 0.5462 y q* = 0.5460, respectivamente, y r* = p* — g* = 0.0002 es la aproximacién de cuatro cifras de r. Como dr=el _ locos - 0.0002 | Trl lo.o0016] 5, el resultado sélo tiene una cifra significativa, en tanto que la precisién para p* y q* fue de cuatro y cinco cifras significativas, respectivamente, Si ve usa el truncamiemto para obtener las cuatro cifras, las apreximaciones de cuatro cifras de p,q y r Son p® = O.S461, q* = 0.5460 y * = p* — q* = 0.0001, Con esto se obtiene [-- | _ [0.00016 - 0.00011 Il lo.ooa16 | lo que también produce s6lo una cifra de * cisi6n. . = 0.375, La pérdida de precisi6a debida al error de redondéo se puede evitar a menudo mediaa- te la reformulacién del problema, como se muestra en el siguiente ejemplo. La fGrmula cuadritica establece que las ratces de axt + be + ¢ = 0, cuando a ¥ 0, son b+ VP = 2a «py Con aritmética de redonde a cuatro cifras, considere esta f6rmula aplicads 4 la ecusci6n 2° + 62.10x + | = 0, cuyas raices son aproximadamente x, = —0.01610723 yx, = ~62.08390, En esta ccuacién, b? es mucho mayor que dae, de modo que el numerador en ¢] célculo de x, implica la resta de niimeros casi iguales. Como. VB — dae = VISE IO} — (OOK T.000)(1.000) = V3856, — 000 = VRS: = 62.06, tenemos se) = ‘una nala aproximacién a xy ~ —0.01611, con cl error relative grande 0.01615 + 0.02000 | |-oo161 Por otro lado, el calcula de x) implica la suma de los némeros casi iguales -6 y —VB? = dac. Esto no presenta problemas, pues 62.10 - 62.06 _ -1242 2.000 2,000, ~ 24x10! filly) = = - 62.10EIEMPLOG Tabla 1.4 12 Errores de refondeo y aritmeética de une computedora 25 tiene el error relativo pequerto |-62.08 + 62.101 ~ 32% 10-4, 62.08 | Para obtener una aproximacién ids precisa con redondco a cuatro cifras para xy. 9¢ cambia la forma de la formula cusdritica mediante la racionalizacidn del mumerador: bP - (68 - dac) ~b~ Vit hac! 2a(=b = VF = aac)" Jo que se simplifica como una frmula cuadritica slternativa x 2) ‘Al usar (1.2) tenemos Se) = sieges 7 aay 7 7001680, con el pequefio error relativo 6.2 « 10-4 . La tdenica de racionalizacién se pusde aplicar también para obtener la siguiente frmu- la cuadrétiea alternativa para xy: a EE 413) 2 b+ Vb = aac" ° Esta forma se utilizar si b es un nimero negativo. Sin embargo, en el ejemplo 5, ¢} uso incorrecto de esta férmula para x, no slo produciria la resta de nimeros casi iguales, sino también la divisin entre el resultado pequctio de esta resia, La imprecision que esta com- binacién produce, ard 000 00 Ila)" tae 7 50.00, 10 — 62.06 ~ 0.04000 tiene el gran error relative 1.9 x 10-4 La pérdida de procisin debida a un error de redondeo también se puede reducir reor- denando los cdleulos, como se muestra en el siguiente ejemplo. vale fix) = x9 ~ 6.1n? + 3.20 + 1.5 ens = 4.71 con una aritmética de tres cifras. En Ia tabla 1 4 s¢ dan los resultados intermedios de los cAlculos. Verifique con cuida- do ests resultados para asegurarse de que es correcto su concepto de aritmética con un nd- ‘mera finito de cifras. Observe que los valores truncados a tres cifras s6lo conservan las tres primeras, sin ningdn redondeo: estos valores differen de mancra significativa de los valo- res redondeados a tres cifras. z # x 612 Be Exacto 471 2218 OSABTINL 135.2230) 15.072 “Tres cifras 0 then @rsosl fir x2tmevalf (Erunc(x*10"{) (ee) ) Lo“ te-tyt \Verifique que el procedimienio funciona para Jos siguientes valores. m= 1MOBIe= 5 be = 124,036,158 exe IMO = 5 a em 124.036, x= 0.00683, 12 b x= O0S1=2 B= 0.00653, = 2 bh x= -0.00686,1=2 En el ejempto inicial de este capitulo se describié un experimento fsico relative a la tempe- ratura de un gas bajo presidn, En esta aplicacidn, tenfamos. que # = 1.00 atmésfera, V = 0.100 m', W = 0.00420 moles y R = 0.08206. Al despejar Ten la ky del gas ideal tenemos PY ___ 00,0100) ‘ — PY. 0.000010) __ 399,15 K = 17°C. 7 We ~ qoos20Mo-oonz0— ~ 29015 En el laboratorio se determiné que baja catas condiciones Ja temperatura T ers de 15°C + y aque al duplicar la presién y reducie ef volumen a la mitad, Tera igual a 19 °C. Suponga que Jos datos estén redandeados con una precisiGn igual al némero de cites dadas y demuesixe «que tas clfras del Iaboratorio estdn dentro de las cots de precisin dela ley de! gas ideal13. Algoriemos y convergencia 3a 1.3 Algoritmos y convergencia EJEMPLO1 En el texto estaremos analizando procedimicntos de aproximacisn, lamados aigorirmos, relacionados con series de célculos. Un algoritmo es un procedimiento que describe, sin ambigiiedades, una serie finita de pasos a realizar en un orden especifico. El objeto del al- oritmo es poner en prictica un procedimiento para resolver un problema 0 aproximarse a tuna solucisn del problema. Usaremos un seudocédigo para describir los algoritmos. Este seudocédigo especifica ta forma de Ia entrada por proporcionar y la forma de a salida deseada. No con todos los procedimicntos numéricos se obticne una salida satisfactoria para una entrada elegida de manera arbitraria. Como consecuencia, en cada algoritimo se incorpora una técnica para detenetlo, independiente de la técnica numérica, para evilir cicles infinitos, En los algoritmos se usan dos simbolos de puntuacién: Uo punto (.) indica el fin de vn paso, el punto y coma (;) separa las tareus dentro de un paso. Las sangrias se usan para indicar que los grupos de enunciados deben considerarse como una sola entidad. Las técnicas de formacién de ciclos en los algoritmos son controladas por un conta- dor, como por ejemplo, © por una condicisn, como Mientras i cytes 1 a y el valor de In 1.5 con ocho cifras decimales es 0.4054651 1, Suponga que queremos calcular el valor minimo de N necesario para que hin 1.5 - Py(.5)| < 10-5 sin usar el término del residuo en el polinomio de Taylor. Ea los cursos de cileulo aprendimos que si 57. a, es una serie alternante con limite A euyos términos disminuyen en magnitud, entonces A y la N-ésima suma parcial Ay = S“_, a, difieren por menos que la muagnitud del (W + 1)-¢sitno término; es decir, la ayl = lays l El siguiente algoritmo usa esta cota, ENTRADA valor, tolerancia TOL, némero méximo de iteraciones MF SALIDA grado N del polinomio o un mensaje de error, Poso 1 Establezca N = 1; ye SUAEA = 0; POTENCIA TERMINO = y : SIGNO = —\. (Se usa para ejecutar la attemancia de signos.) Paso 2 Mientras N = M realice los Pasos 3-5. Posa3 Fijar SIGNO = ~SIGNO. (Alterna las signas.) SUMA = SUMA + SIGNO -TERMING, —(Acumula los términos.) POTENCIA = POTENCIA + y; TERMINO = POTENCIAKN + 1). (Calcuta ef siguiente sérmino.)Definictin 1.17 EJEMPLO 3. 1.3 Algoritmos y convergencia 33 Poso# Si |TERMINO| Oen cierta etapa de los célculos y que se denota por Fa magnitud del error después den operaciones sucesivas. Los dos easos que surgen con ms frecuencia en la prictica se definen como sigue, Suponga que £q > 0 denota un error inicial y E, representa la magnitud de un error des- pués de n operaciones sucesivas. Si E, = CaF, donde Ces una constante independiente de n entonces se dice que el crecimiento del error es lineal. Si E, = C'E, para alguna C > 1, entonces el crecimiento del error se denomina exponencial. : Normalmente ¢s inevitable el crecimiento lineal del error y, cuando € y Ey son pequeftos, por lo general son aceptables los resultados. Por otro lado, hay que evitar el crecimiento exponcncial del error, pucs el témino C* crece incluso para valores de n rela- tivamente pequetios. Esto conduce a imprecisiones inaceptables, sin importar el tamafto de Eq, En consecuencia, un algoritae que exhibe un crecimiente lineal del error es estable, pero no asf un algoritmo con crecimiento exponencial del error. (Véase la figura 1.13 de Is pagina 34.) La ecuaci6n recursiva tiene la solucion4 Figura 1.13 CAPLTULO 1 © Pretiminoces matemdticos nm Creciewem exponencil nestabse © Ba Oke . © Crecimiemo lineal estabte * Bm Oney 10 10 Lye Frocme FLO “Gr Sipy= Ly p, = 4 tenemos, = 1 yc, = 0,de mode que p, = (4Y" para toda n, Suponga «que usa una aritmética de redondew a cinca cifras para calculur los terminos de la sucesiGn dada por esta ecuacidn. Entonces jig = 1.0000 y 7, = 0.33333, lo cual requiere modifi las constantes. a ¢, = 10000 y ¢, = —0.12500 * 1074. Asfque Ta sucesifn {p, 379 gene rada estd dada por By = 1.0000 (Gy — 0.12500 « 10°53)", y elemor de redondeo, Py — By = 012500 X 10°43"), creee en forma exponencial con m. Esto se refleja en las imprecisiones extremas despuds de los primeros términos, como sc mucstra en Ia tabla 1.5, Por otro lido, la ecuscidn de recurrencia Pa= Py) — Pane Parin = 2,3,‘Tabla 1.5 ‘Tabla 1.6 1.3 Algoritmos y convergencia 35 a p, caleulads 7, cOmTeeIo Error relative © 0.80000 x Lot 0.10000 % 10! 1 0.33333 x 10? 0.33333 x 10° 2 O4IILO x 10° Oia x 10° 3 o37o x 10-- 0.37037 x 10-4 4 2290 10) OIZHG x 10°* s 0.37660 X10? O4N1S2K 10-28 K NO? 6 032300 x 10-8 O13 X10"? BK 10? 7 026893 x 10-0472 X 10-3 Tx OP 8 092872 X10-F —O.SMDX10"9 GX 10! tiene la soluci6n p, = ¢, + cyt para las constantes ¢, y e, porque 2-1 — Pra = Mey ten — W) — Ce, + ea — 2) = 621) + ey — 2 = $2) =e) Hey = Pye Sify = Ly p, = +.las constantes en esta ocuacién se couvierten en c, = 1 yc, = ~3, de mode que p, = 1 ~ in. Con wna aritmética de redandco a cinco cifras se obtiene jy = 1,0000 yp, = 0.33333, En consecuencia, las constantes con redondco a cinco cifras son €, = 1.0000 y é, = -0.66667. Ast, B, = 1.0000 ~ 0.66667n, y eletror por redondco es * 2 ne iy= (asier 2 que erece linealmente con n., Esto se refleia en la estabilidad que aparece en la tabla 1.6. . 9, calculado 0 (0.10000 0.10000 10! 1 0.33333 x 10° 0.33333 x 10° 2 033330 10” 0.33333 x 10” x JO"? 3 -0.10000 x 10! 0.10000 x 10 0 4 = 0.16667 % 10! 0 3 0.23333 X 10! 4x 10-8 6 — 0.30000 x 10! = 0.30000 10' 7 =036667 x10) 0.36667 x 1080 B -0.43334 x 10! 0.43333 « 10! 2% 10-5 Los efectos del error por redoncleo se pueden reducir mediante una aritmética de or- den superior, come la opcién de precisién doble o mdltiple en la mayor parte de las com putadoras. El uso de la aritmética de doble precisién presenta las desventajas de mds iernpa de cémputo y no se elimina el crecimiento del error por redondeo, sino solamente se pospone hasta realizar otros cdlculos,36 Definicién 1.18 EJEMPLO 4 ‘Tabla 1.7 CAPITULO 1 © Preliminores matemdticas ‘Un método para estimar el error de redondes consiste en usar aritenética de intervalos (es decir, conservar los valores indximo y minimo-en cada paso), de modo que, af final, ob- tenemos un intervalo que contiene al valor real, Desafortunadamente, se necesitaria un interval muy pequefo para una ejecucién razonable. Puesto que se usan con frecuencia las técnicas iterativas relacionadas con sucesiones, esta seccidn concluye con un breve andlisis de cierta terminologia usada para deseribir La rapidez a Ia que ocusre la eonvergencia cuundo se emplea una wenica numérica, En general, quisigrames que la técnica convergiese lo mis répido posible, Se usa la inte defini~ n para. comparar las razones. de convergencia de varios métodos. Suponga que {f,}7., € uita sucesién euyo valor de comvengencia éx cero y que (a, converge & un mimero a, Si existe una constante positiva K tal que | enionces decimas que (a, }7., converge a a con rapidez de convergencia (4(2,). Esta ex- presidn se Ice "“O maytiscula de 3,*, Se indica escribiendo a, = a + Ot8,) . al sxlg,|. param grande, Aunque la define 1.18 permite comparur {cr,}7., Com una sucesién arbitraria (B,}¢-.en casi todas las situaciones usamos 1 am para algtin nimero p > 0, Par lo general, se tiene intends en el mayor valor de_p tal que a, = a+ Olin), ‘Suponga que, para m= 1, Aunque lim,_,..¢, = Oy lim, &, = 0. 1a sucesidn (4, } converge en este imite mucha ms rapido que la sucesién {a,), usando la aritmética de redondeo a cinco cifras, como se muestra en fa tabla 1.7. ” L 2 3 4 $ 6 r @, 2.00000 0.75000 O44 = G20 0.28000 OSH 0.16327 a, 4.00000, 0.62500 0.22222 0.10938 0.064000 O.041667T — 1.029155. Si B, = Ih y B, = 1%n3, vemos que atl la,-ol=1.3 Alganitmes y comvergencia 37 de modo que e,-0+0(4) y a-0+0(4) La rapidez de convergencia de (a,} a cero es similar a la convergencia de {Ldn} a ce- 10, en tanto que (6,) converge a cero con una rapidez similar a la de 1a sucesién (m2), 1a cual converge més ripido. 1. ‘También usamos la notacidin “O maydscula” para deseribir lu rapidez de convergen- cia de funciones. Definicién 1.19 Suponga que lim, Gh) = Oy lim, ., F(h) = L. Si existe una constante positiva K tal que lr = 2] 3 K1Gc)|, — para f suficientemente pequena, sntonces escribimas Ft) = £ + OCG). . Por lo comin, las funciones que usainos para la comparacién tienen ta forma GUA) = J, donde p > 0, Nos interesa el mayor valor de p para el que Fi) = L + OH"). EJEMPLOS En cl ejemplo 3(b) de la seccidn 1.1 vimos que el tercer polinomio de Taylor da J 1 = wl- s+ — cosh = 1 = ht + srht cos Eth), para algxin niimero & (Jr) entre cero y h. En consecuencia, Veg : cosh + 3" = gyi’ cos Ett). De este resultado se deduce que cosh Fite 1 + OU, pues [(cos + hie) — 1] = |tcos E¢hylat ob tt Esto implica que, cuando h > 0, coy h-+ 4? converge a su Limite, 1, casi tan répido como Af converge a 0. . CONJUNTO DEEJERCICIOS 1.3 A. a Con aritinética de frincanuews dc. res stot aie Jo summa 39) (1 ice prime- mobsters dey luego te +e i, id is 1, {Cual método ex mis preciso” {Por qu bb xcriba un algoritma para sumar i sere finita 3%, x, en orden inverso, 2. El ndmero ¢ se define como ¢ = 37g (Vn!) donde n? = nin 1) +++2+ 1 param # Oy O!= 1. Use ta aritmdtica de (runcamiento de cuatro cifras para calcwlar Ia siguiente aproximacign de # y determine los errores absolut y reat38 CAPITULO 1 © Pretiminares matemdticos ty m a. Useel hecho de que tan m/4 = 1 para determinar el ndmero de tfrminos n dela serie que debeiios surat para garantizar que |4P4(1)— a] < 10-3, b. Bl lengusje de programacién C++ requiere que el valor aproximado de mesié dentro 6c 10", {Cuanios términos de la serie dcbemos sumar para obtener este grado de pre- cisidn? En el ejecicio 3 se detalla un mtoda poco efecivo para obtener una aproximacin de. EL rpétodo se puede mejorar de manera sytacial se considers que m4 = arctm + + sctan “yy #¢-evaha la serie para cl arctan en 3 y en $. Calcule ei ndmero de términos que debemos Sumas para garuntirar que Ia aproximacisa de mesté dentro de 10°? ira férmula para calcular # se puede deducir de la identidad m4 = 4 srctan 4 — arctan 21. Catcule ct nimero de tminos que debemos sumar para parancizar que la aproiimacién dé" . tin sent = 0 A um sen Lo 1) «im (sen) =0 J. Lim flag + 1 — Inked] = 0 Determine las razones de convergencia de lat siguientes funciones cuando h > 0, sen 1 = cosh Yim S24 = be tim 1724 9 * moh J 2 A Pe ee Le 4 wg ey a “ok ‘= ;Cudnias muliplicaciones y sumas se necesian para determninar una suma de la siguiente forma? S yap, mR bb. Modifique Ia suma del inciso (0) em una forma equivalente que reduzca el ndmero de cileulos Suponga que s¢ tiene el polinomio Pix) = age’ + a, ayx0-! + ++ + ap + dg ¥ xy Construya tun algoritmo para evaluar P\(x,) por medio de una mutiplicacién anidada, En el ejemplo $ de la secein 1.2 se dan féemulas alternstivas para las rafces £, y x, de ax? + bs + ¢ = 9, Consuuya un algaritmo con entrada a 6, ¢ y salida xy. % que permita calswlar las raices x, ¥ x, (que pueden ser iguales 6 complejos canjugados) mediante Ia mejor (rmala ppara.cada rae Construys un algoritmo cuya entrada sea un entero n = 1, os ndimeros ty.1,, mero x cuya salida sea el producto (x = xgXx=.1,) 7 (3h Supanga que inde, ena T-xt8 T= ayy un a ae eee +e1.3 Algoritmos y convergencia 39 para.x< Ly seax = 0.25, Escriba y ejecute un algoritmo que cakcule cl nmero de términos necesarios en el micmbro izquiendo de la ecuacién, de modo que este lado inguierdo difiera del lado derecho en menos de 106. 1B. a, Suponga que 0 < 9 < py que a, = a + O(n), Demvestre que a, = a + O1n"%). 1b. Consiruya tina tabla con los valores dé If, Un, Wn) y Wnt param = $, 10, 100 1000) {y anatice fos variaciones en las tasus de convergencia de estas sucesiones.a medida que rece m 14, a. Suponga que 0 A produce un desbordam 10. Cuando hay subdesbordamiento, el programa continda sin que haya una pérdida signi- ficativa de exictitud, Si ocurve un desbordumiento, faltard el programa Ef ulgoritmno supone que las caracteristicas de punto flotante de la méquina se deseri= ben mediante los pardmetros N, 5, 8, v. ¥. Nes el mimero miximo de datos que se pueden sumar con al menos t/3 cifras de precisidn. Esto significa que et algoritmo tratard de ealcu- lar la norma de wn vector x =(%y. Kye. %q¥ 8610 $i = N, Para resolver el problema de subdesbordamiento-desbordamienio, las mimeros no-nulos de punto flotante se separan en tres gropos: los nikméres 1 de pequena magnitud, que emlsfecen 0 < [x|--< 3; lox ndma- fox x de magnitud media, donde y = |r| < Ys y lox ndmeros x de gran mmgnitud, donde ¥ = ||. Los pardmetros y y ¥.se eligen de modo que no se presenten problemas de sub- desbordamignto-desbordamiento al sumar tos ndmeros de magnitud mediana y elevarlos al ‘cusdrado, Al elevar al cusdrudo los niimeros de-pequetia magnitud puede ocurrir un subvles- bondamiento, por lo cual se usa un factor escatar S mucho mayor que 1, de exe modo (Sx)? ‘evita ¢f subdesbordamiento aungue no lo haga 2°, Al sumar y clevar al cundrado los niime- ros de gran magnitud se puede tener un desbordamienio, de mondo que en este cso se usa tun factor de escals mucha menor que | para garantizar que (34)? no provaque un desborda- miento al calcularlo ¢ incorporaria en una suma, aun cuando x? genere problemas. Para evitar los cambios de excala innecesarios, » y ¥ se-eligen de modo que el inter- valo de niimerus de magnitud media sea lo mis amplio posible, El siguiemte algoritmo es4a CAPETULO 4 © Pretiminares matemdticas tuna modificacién del descrito en [Brow, K, p. 471]. Este incorpora un procedimiento para cambiar la exala de las componenies del vector que tienen magnitud pequefla hasta en- contrar una componente de magnitud mediana, Luego, se invierte Ia escala de la suma anterior y se continiia elevanda al cuadrado y sumando mimeros pequefios y medianos has- ta encontrar una componente de gran magnitud. Una vex que aparece ésta, el algoritmo scala la suma anterior y se procede # cambiar la escala, elevar al cuadrado y sumar los riimeros restantes. Supone que al pasar de los niimeros pequetios a lox medianos, los nii- eros pequefios no escalados resultn insignificantes en comparaci6n con los nimeros me- dianos, De manera similar, al pasar de mimeros medianos a grandes, los ntimeros medianos 1 escalados son insignificantes comparados con los némeros grandes, Asf, hay que clegir Jos parimetros de escalamiento de modo que los niimeros sean anulados (igualados a cero) sélo cuando realmente sean insignificantes. Las relaciones usuales entre lax caracte- risticas de la maquina descritas por f, ¢, A, emtn, emdx y los pardmetros N, 5, 5, y y Y apae recen despuds del algoritmo, Enel algoritmo se utilizan tres banderas para indicar las diversas etapas del proceso de suma. Estas banderas reciben sus valores iniciales en el paso 3. La BANDERA I es | hasta que aparezca un componente mediano © grande; entonces s¢ (ransforma en 0, La BANDERA 2.cs0 mientras se sumen niimeros pequefios, se convierie en | al encontrar un nuimero mediano por peitera vex y vuelve a ser 0 al aparecer un nimero grande. La BAN- DERA 3 cs igual a0 al principio y se transforma en 1 cuando aparece un mimero grande por vez primera, En el paso 3 también se introduce la bandera HECHO, que es igual a0 hasta concluir fos cdlculos, y, una vez terminadas, vuelve a ser 1. ENTRADA A SALIDA NORMA o un mensaje pertinente de error. SSK AM tty. Paso 1 Sin mentonces establezca NORMA = (SUMA)'7/S, HECHO =1 si po establezca SUMA = (SUMA/SS; _ (Cambia fa escala de niimeros grandes.) BANDERA2 = |, Paso 7 Mientras (iS n'y BANDERA2 = I) efectiie Paso 8. (Siena de nidmers media- nos.)14 Software numérico 43 Paso 8 Si |x,| < Yentonces establezca SUMA = SUMA + x2; i=t+d sino establezca AANDERA2 = 0. (Se ha encontrado un miimero grande.) Pase 9 Si HECHO =O entonces +i 7 > a entonces ectablezca NORMA = (SUMA)!; HECHO =| obien establerca SUMA = (SUMA)s)s. (Cambia de excala e-los niimeras grandes.) BANDERA = 1 Paso 10 Mientras (¢ = n'y HANDERA3 = 1) ejecute Paso IL Poso 11 Establezea SUMA = SUMA + (sx); (Suma Jas nimenas grandes.) feat Paso 12 Si HECHO = Oentonces siSUMA'® < As enionces establezca NORMA = (SUMA)'9is, HECHO = | o bien establezca SUMA = A. (La normaes demasiado grande.) Faso 13 $i HECHO = | entonces SALIDA (‘La norma es’, NORMA) o bien SALIDA (‘Norma =", NORMA, ‘ocurrié un desbordamiento’), Poso 16 PARAR. Las reluciones enize las caracterfsticas de la miquina 1, 0. A. entin, emds y los parte metros del algoritmo W, s, 5, y y ¥ fueron elegidas en [Brow W, p. 471] como: N= 10% donde ey =La— 221, el mayor entero menora igual a (¢—2)/2; s= 10% donde, =L—(emdx + ews: S= 10 donde ep =[(1 = eminy2], el menor entero mayor o igual a (I = eminyéd: ystoe, donde, =ftemin +1 - 22k Y= tO", donde y= Ltemde — owl, La confiabilidad incorporada a este algoritme de props gran medida el prado de dificultad en comparacidn con fico mostrado antes en esta seccié Existen muchos tipos de software comerciales disponibles y de dominio pulblico de propOsito gencral para el antilisis numérico, La mayor parte de Jos primeros software fuc~ ron escritos para supercomputadoras (mainframe), una bocna referencia para esto es Sour~ ces and Developmeris of Mathematical Software, editado por Wayne Cowell [Co]. Ahora que la computador de escritorin se ha vuelto bastante paderasa, se dispone de software numérico comin para las computadoris personales y estaciones de trabajo, La mayor par~ le de este software extd escrito en FORTRAN, aunque algunos paquctes estin escritos en C.C++ y FORTRANDO, En 1971 [WR] presenté algunos procedimientos en ALGOL para el edleuto de matrices. LLuego, u partir de un paguete de subrutinas de FORTRAN basadas en los procedimientos de ALGOL, se obtuvieron las rutinas EISPACK. Estas estén decumentadas en los manua- Jes publicados por Springer-Verlag como parte de su serie Lecture Notes in Compurer ‘general ha incrementado en ritmo de propésito espect-44 CAPITULO 1 * Preliminores mateméticos Sciences [Sm, B] y {Gar}. Las subrutinas en FORTRAN se usan para calcular valores y ‘eetores caracterfsticos para una amplia variedad de matrices. El prayecto EISPACK foe el primer paquete de software numérico a gran escala que estuvo disponible para el do nio pablico y fue la guia de muchos paquetes posteriores. EISPACK recibe mantenimien- tw de netlib y aparece en la dircocién bttp://www.netlib.orgieispack. LINPACK cs um paquete de subrutinas de FORTRAN para analizar y resolver siste- nas de ecuaciones tineales y problemas lineales de minimos cuadrados. La documentacisn de este paquete esti en [DBMS] y aparece en hitp://www.netlib.osp/linpack. {CV] da una introduccién paso a paso a LINPACK, EISPACK y BIAS ( por sus siglas en inglés de, su- brutinas bisicas de algebra lineal, Basic Linear Algebra Subprograris). El paquete LAPACK, lanzado al mercado en 1992, es una biblioteca de subrutinas de FORTRAN superior a LINPACK y EISPACK, que integra estos dos conjuntos de algo- ritmos en un paguete unificado y actualizado. El software se recstructuré para lograr ma- yor eficiencia con procesadores vectoriales y otros multiprocesadores de alto rendimiento ‘0 de memoria compartida. LAPACK se amplié en profundidad y aleance en la versién 3.0, disponible en FORTRAN, FORTRAN®), C, C++ y JAVA. FORTRANDO, C y JAVA 56- lo estén disponibles como interfaces de Lenguaje © traducciones de las bibliotecas en FOR- TRAN de LAPACK. El paquete BLAS no forma parte de LAPACK, pero el cédigo de BLAS se distribuye con LAPACK. El texto LAPACK User's Guide, tercera edicidn [An] cali disponible en SLAM o en hup:étwww.netlib.org/lapack/i g/lapack_lug htm), Todo LA~ PACK 0 algunas de sus rutinas individuales pueden obtenerse por medio de netlib en ne- ilibornl gov, netlibresearch att.com. © htip:/twww:neilib-orgflapack. Existen otros paquetes de dominio piblico que sirven para resolver ciertos tipos de problemas. La informacién acerca de estos programas se puede obtener por medio de eo- reo clectrénica, enviande el mensaje help” a slguna de las siguientes direcciones: ne bresearch att.com, neWibornl gov, netlibnae.no 0 netlibdraci cs, uow.edu.au 0 a la direcciém uuep adress uunet!research!netlib. Como altemativa a netlib, puede usar Xnetlib para bus- car en la base de datos y obtener el software. Hay mas informacisn en el articulo Sofiwa- re Distribution using Metlib, de Dongarra, Roman y Wade [DRW] Estos paquetes son muy eficaces, exactos y confiables. Ademis, se han probado en forma exhaustiva y su documentaciGn es fécil de consulter, Aunque estas programas son portitiles, ¢s bueno investigar su compalibilidad con la miquina y leer con detenimaiento toda la documentacién. Los programas verifican casi todas las contingencias particulares ue podrian producir errores y falls. Al final de cada capttulo analizaremos algunos de los poquetes adecuados de propésito: general Los paquetes comerciales también representan lo més avanzado en métodas numéri- cos. Por lo general, su contenido se basa en los paquetes de dominio pilblico, pero inclu- yen técnicas para casi cualquier tipo de problema, IMSL. (del inglés International Mathematical Soft ware Library, bibliotecas internacio: nales en matemiticas y estadistica) incluye las bibliotecas MATH, STAT y SFUN para matematicas numeéricas, estadistica y funciones especiales del andlisis numérico, respecti« vamente. Estas bibliotecas conticnen mas de 900 subrutinas disponibles originalmente en FORTRAN 77 y ahora en C++, FORTRANSO y JAVA. Con estas subrutinas se resuel- ven los problemas mis comunes de anélisis numérico. En 1970, IMSL se convirti¢ en la primera biblioteca cientifica de gran escala para las supercomputadoras (rmainframe). Des+ de entonces, las bibliotecas han estado disponibles para sistemas de cmputo que van desde Jas supercomputadoras hasta las compuitadoras personales. Estas pueden adquirirse en Vi- sual Numerics, 9990 Richmond Ave $400, Houston, TX 77042~4548, con direcci6n en Internet htip//www.vni.com, Los paquetes s¢ entregan en forma compilada, con amplia14 Software numérico 45 documentacién. Hay un programa ejemplo para cada rutina, asf como informacion bi de referencia. Las IMSL conticnen métedos para sistemas lincales, andlisis de sistemas caracteristicos, interpolacién y aproximacién, inlegraciéa y derivacidn, ecuacienes dife- renciales, transformadas, ecuaciones no lineales, optimizacion y operaciones bixicas con tmatcices y vectores. La biblioteca contiene ademas muchas rutinas de estadistica, Fl Numerical Algorithms Group (NAG) se fund6 en 1970, en Reino Unido. NAG ofre- ce mis de 1000 subrutinas en una biblioteca de FORTRAN 77, cerca de 400 subrutinas en ‘una biblioteca en C, ms de 200 subrutinas en su biblioteca de FORTRAN 90 y una biblio- teca numérica de FORTRAN MPI para mdquinas en parulelo y cimutos de ¢staciones de trabajo © computadoras personales. Un subconjunto de su biblioteca en FORTRAN 77 (la NAG Foundation Library) estd disponible para computadoras personales y estaciones de trabajo donde el espacio esté limitado. Las bibliotecas NAG C, FORTRAN 90 y FOR+ ‘TRAN MPI ofrecen muchas de las mismas rutinas de la biblioteca FORTRAN. El manual del usuario de NAG incluye instrucciones y ejemples, junto con una salida muestra para cada una de las rutinas. [Ph] es una introducci6n Gtil para las rutinas NAG, La biblioteca NAG contiene rutinas que permiten realizar la mayor parte de las tareas estiindar de anlie sis numérico de manera similar a las IMSL. También incluye algunas rutinas de estadlistica y un conjunto de rutinas grificas. La biblioteca se puede comprar en Numerical Algo- rithms Group, In., 1400 Opus Place, Suite 200, Downers Grove, IL 60518-8702, eon di- reccidn en Intemet hitp://www.nag.com. 10s payuctes IMSL y NAG extin diveflados para los matemsticas, cienttfices ¢ inge- niieros que desean Hamar desde un prograrna las subrutinus FORTRAN de alta calidad dentro de un programa. La documentacisn que incluyen fos paquetes comerciales explica el programa maestro que se necesita para usar las rutinas de la biblioteca. Los siguientes tres paquetes de software son ambicntes independientes, Al activarlos, el usuario teclea instrucciones para que el paquete resuelva el problema. Sin embargo, cada paquete perm te programar dentro del lenguaje de sus instrucciones. MATLAB cé un laboratorio de matrices que originalmente era un programa en FOR- TRAN publicado por Cleve Moter {Mo}, El laboratorio se basa sobre todo en las su brutinas EISPACK y LINPACK, aunque se han incorporado funciones como sistemas fineales, integracién numériea, trazadores cubicos, ajuste de curvas, optimizacién, eeus- iones diferenciales ondinarias y herramientas graficas. MATLAB esté escrito actualmen- te en Cy en lenguaje ensamblador, y In yersiGn para compuiadora personal requiere un coprocesador numérico, La estructura bdsica consiste en realizar operaciones con mal ces, como determinar lox valores earucteristicos de una matriz introducida desde la linea de instrueciones 0 desde un archivo externo mediante Hamadas de funciones, Este cs un podcroso sistema autosuliciente que resulta muy stil para la ensefunca de Sigebra tincal aplicada. MATLAB est en el mercado desde 1085 y puede adquirirse en The Math Works, Ine., Cochituate Place, 24 Prime Pak Way, Natick, MA 01760. La direceiGn de correo clectrinico de ‘The Math Works es infomathworks.com y Ia direccigin en Intemet es hup://yww.nathworks.com. El software de MATLAB esté discfiade para cjecutarse en ‘muchas computadoras, incluyendo las computadoras personales compatibles con IBM, APPLE Macintosh y las estaciones de trabajo SUN, La versign de MATLAB para el estu- diamte no requicre un coprocesador pero Jo usard en caso que eslé disponible, segundo paquete ¢s GAUSS, un sistema matemdtico y estadistico producide por Ediefson y Samuel D. Jones en 1985, Esti codificado en lenguaje ensamblador y se basa en EISPACK y LINPACK. Como en el caso de MATLAB, dispone de integracién, derivaci6n, sistemas no Tincales, transformadas ripidas de Fourier y grificas, GAUSS ex 14 menos orientado a la ensefhanza en dlgebra lineal y més hacia el anilisis estadistico de46 CAPETULO 1 © Pretiminares matematicos datos. Este paquete también usa un coprocesador numérico si esté disponible. Puede ad- quirirse en Aptech Systems, Inc., 23804 $.E, Kenl-Kangley Road, Maple Valley, WA 98038 (infoaptech.com). El tercer paquéte es Maple, un sistema de dlgcbra por computadora desarrollade en 1980 por The Symbolic Computational Group de 1a Universidad de Waterloo, El disefio del sistema Maple original se presenta en el articulo de B.W. Char, K.O. Geddes, W.M. Gentlemen y GH. Gonnet [CGGG]. Maple estd en ef mercado desde 1985 y se consigue en Waterloo Maple Inc., $7 Erb Suet, Waterloo ON N2L 6C2. La direceién de correo electronico de Waterloo Maple es infomaplesoft.com y la direccién en Internet es hutp:flwww. maplesoft.com Maple estd escrito en € y tiene la capacidad de manejar Ia in- formacién de manera simbélica, lo cual permite al usuario oblener respuestas exactas en vez de valores numéricos. Con Maple se pueden obtener respuestas exactas a problemas ‘mateméticos como integrales, ecuaciones diferenciales y sistemas lineales. Contiene una estructura de programacién y permite guardar tcxto ¢ instrucciones en sus archivos de hoja de trabajo. Luego, estas hojas de trabajo se pueden introducir en Maple y ejecutar las ins- ucciones. Debido a sus carscteristicas de cilculo simb6lico, célculo numérico y hojas de trabajo, se eligié a Maple como Lenguaje para este texto. En todo ef libro se imtercalan instrucciones de Maple. Existen muchos poquetes que pueden ser catalogudos como paquetes de supercaleu- tadora para computadoras personales. Sin embargo, estos no deben confundirse con el software de propdsito general mencionado aqu. Si usted tiene interés cn alguno de estos paquetes, debe leer Superealculators on the PC por B. Simon y RLM. Wilson (SW). Para obtener mis informacién acerea del software y las bibliotecas de software con- sulte los libros de Cody y Waite [CW] y Kockler [Ko]; asf come en cl articulo de 1995 de Dongarra y Walker [DW], En el libre de Chaitini-Chatelin y Prayse (CF y el artieulo de Gold- berg [Go] hay més informacién acerca del c&lculo de pusto flotante. Algunos libros dedicados a la aplicacién de técnicas numéricas en computadoras en paralelo son Schendell [Sche], Phillips y Freeman [PF] y Golub y Ortega [GO].CAPITULO 2 47 Soluciones de ecuaciones de una variable E, crecimiento de una Poblacién numerosa puede modelarse durante periodos breves, con sélo suponer que ésta crece constante- mente con el tiempo a una tasa que es proporcional al mimero de habitantes que existen en ese tiempo. Si denotamos con N(#) la can- tidad de habitantes en el tiempo # y con ) el indice constante de na- talidad, ta poblacién satisface In ecuacidn diferencia aN _ a NW La solucién de esta ecuacién es N(f) = Nye, donde N, denota la po- Blacién iniclal, Pray= 1000e4 + 485. (ed — 1) 1564 1435 1000. Poblacién (e0 miles) ‘Tasn de natalidad f A48 CAPITULO 2 © Solucianes de ecuaciones de une variable Este modelo exponeneial es vilide s6lo cuando la poblacién se halla aislada, es decir, sin que exista inmigracién proveniente del ex- ‘terior. Si se permite la Inmigracién con una tasa constante r la ecua- idn diferencial que rige Ia situacién serd anit) a NO ‘euya solucién es Nit) = Ne! + xe Supdngase que clerta poblacién tiene iniclalmente un millén de habitantes, que 435 00 de ellos inmigran hacia la comunidad du- rante el primer ao y que 1 564 000 se encuentran en ella al final del aio 1, Si queremas determinar la natalidad de esta poblacién, debe- mos determinar 4 en la ecuacién 435.000 1 $64.00 = 1.000 000¢4 + fA - 1h Los métedes numéricos que se tratan en este eapiiula sirven para ‘obtener aproximaciones a las saluciones de este tipo de ecuaciones, cuando no es posible obtencr respuestas exuctas con métodos alge- braicos. En el ejercicio 20 de de este problema en particular. seccién 2.3 se considera Ia solucién 21 El método de bisecci6n En exte capitulo estudiaremos uno de Jos problemas bésicos de la aproximacién numérica: sl problema de lu tuisqueda de rafces. Consiste en obtener una ruiz, 0 soluciéa, de una ecuncién de la forma f¢r) = 0 para una funcién dada,f. (AI nmero x se le Hama tambien cero de) El problema de encontrar una aproximacién a la rai de una ecuacién se remon- ‘ta por lo menos al afio 1700 a.C, Una tabla cunciforme que pertenece a la Yale Babylonian ‘Collection, y que data de este periado, da un numero sexagesimal (base 60) equivalente a 1.414222 como aproximacién a ‘V2, resultado que tiene una precisién de hasta 10-5. Esta aproximaciin se puede determinar mediante una técnica descrita en el ejercicio 19 de la seccidin 2.2. La primera técnica, que ve basa en el teorema del valor intermedio, se conove con el nombre de métode de biseccién o de bisqueda binaria. Supongamos que fes una fun- ign continua definida en el intervalo (a, 6] con f(a) y (1) de signos diferentes, De acuer- do con el teoremia del valor intermedio, existe un niimero p en (a, 6) tal que f(p) = 0. Si bien el procedimiento se aplicu aunque exista mis de una rafz en cl intervalo (a, b), por ra zones de simplicided suponemos que la rafz de este intervalo es nica. EI métoda requie- re dividir varias veces a la mitad los subintervalos de [a, b] y. en cada paso, localizar la mi- tad que contenga ap.Figura 2.1 ALGORITMO 21 21.1 método de biseccién 49 Para empezar, supongamos que a, = a y b; = by sea p, el punto medio de (a, bl: es decir, +b, naa BE Sis(p,) = 0, entonces p = p,; de no ser ast, entonces /(p,) tiene el mismo signo que f(a,) 0 ftb,). Sify) y fla,) tienen el mismo signo, entonces p € (p,..b,) y tomamos a b, = b,. Sif(p,) y J(a,) tienen signos opuestos, entonces p € (a,, p,) ¥ tomamos a, yb = p,. Despues volvemos a apficar el proceso af intervalo [4,, b,}, Esto nos da et mé- todo que se describe en el algoritmo 2.1 (Véase fig. 2.1). ién a f(x) = O dada ta funcién fo: de f(a) y f(b) tienen signos opuestos: ua en el intervalo | b}, don- ENTRADA extremos a, b; tolerancia TOL; miimero maximo de iteraciones My, SALIDA solucién aproximada p o mensaje de error. Paso 1 Tome i= 1; FA= fla), Paso 2 Micniras = Ny haga pasos 3-6, Paso 3 Tome p= a + (b — aWi2: (Caleule p,.) FP = fip.50 CAPITULO 2 © Soluciones de ecuociones de une variable Poso 4 Si FP = O00 (b — a2 < TOL entonces SALIDA (p): (Procedimiento serminada satisfactoriamente,) PARAR. Paso § Tomei =i +1. P0306 SiFA+ FP>Ocntonces tome a =p; (Calcule a,b) FA=FP si no tome # = p, Poso 7 SALIDA (‘El método fracasé después de Ny iteraciones, Ny (Procedimiento terminada sin éxito.) PARAR. . A continuacién describiremos otros procedimientos de paro que pueden aplicarse en 1 pase 4 del algoritme 2.1 0 a cualquiera de las lécnicas iterativas que se cstudian en este capitulo, Por ejemplo, seleccione una tolerancia « > 0 y genere pj... py hasta que se sa- tisfaga unn de las siguientes condiciones: ley -Pyal <6 uy len = Peal te Pact ce py #0, 0 2.2 bal Pw 22) [fel Ny, Obsérvese que para iniciar el algoritmo de biseccidn, hay que encontrar un. intervalo |, bl. de modo que fta) « /¢b) <0, En cada paso, la longitud del intervalo que se sabe que contiene un cero de/fse reduce en un factor de 2; por tanto, conviene eseoger un intervalo inicial [a, 5] lo mas pequefio posible. Por ejemplo, si f(x) = 2x’ — 2 + x — 1, entonces f-4-f<0 yf) f)<0 de manera que el algoritmo de bi-eccién pueda emplearse en uno de los intervalos [~4, 4] ‘0 [0, 1}. Al comenzar el algoritma de biseecién en (0, 1] y no en [~4, 4}, la cantidad de iteraciones necesarias para alcanzar determinada exactitud disminuird en 3.EJEMPLO 1 Tabla 21 2 Elmétodo de biseccién 51 E] siguiente ejemplo ilustra el algoritmo de biseccidin. En este ejemplo la iteracién se termina cuando el error relativo es menor que 0.0001, es decir, cuando domed cigs, lal La ecuacién f(x) =x! + 4x? — 10 = 0 tiene una rafz en [1, 2], ya que f(l) = -Sy J(2) = 14, El algoritmo de biseccién da los valores de In tabla 2.1. = . 4, Py fe) T 10 20 1s 2375 2 10 15 Ls =1.79687 3 125 3 1375 0.16211 4 125 1.375 13125 0.84839 3 13125 1375 1.34375 0.35098, 6 1.34325 1.375 1.380375 = 0.00641 7 1.359375 1375 1,3671875 0.03236 8 1.350378 13671875 1.36328125 0.03215 9 36328125 13671875 1,365234375 0.000072 10 1.363281125 1365234375 41,368237813 9.01605 n 1.36425 7813 1368234375 1.364756094 =0,00799 12 1.364746094 1365234375 1364990235 0.00396 13 1.364900235 1368234375 1.3651 12305 —0.00194 Despods de 13 iteraciones, p,, = 1.365112305 aproxima Ja raiz.p con un error de Ip = pysl < |b,g = al | 1.365234375 = 1.365112305] = 0,000122070, Puesto que |a,,1 < |p 9.0 X 10-4, Ia aproximaciGn seri correcta al menos en cuatro digitos significativos. El valor correcto de p, con nucve cifras decimales, es p = 1.365230013. Observe quc py estd mfx cerca de P que la aproximacién final p,,. Podemos suponer que esto es verdad ya que |fip,)| < I 0,3). pero no pademos verificarlo sino conocertios La respuesta verdadera. . EI método de biseccin, aunque clara desde e) punto de vista conceptual, ofrece in- convenientes importantes, como el de converger lentamente (es decis, N pucde volverse muy grande antes que |p — p,| sea bastante pequefio) ¢ inadvertidamente podemos dese- char una buena aproximaci6n intermedia. Sin embargo. tiene 1a importante propiedad de que siempre converge cn una solucién y, por tal razén, a menudo sirve para iniciar los mé- todos mis eficientes que explicaremos mas adelante en ¢l capitulo,52 Teorema 2.1 EJEMPLO 2 CAPITULO 2 © Soluciones de ecuaciones de una variable ‘Supongamos que f C [a,b] y ffa) + Ab) <0. El método de biseccién que se usa en el al- goritmo 2.1 genera una sucesién (p,)~, que aproxima a un cero de p de f, tal que Y PE (ay be Y como p, = $ (a, + &,) para toda n 2 1, se deduce que b-a 1 -pl S>6,-4)= Ip, - pls 3-4) Yaque esta desigualdad implica que (p,)Z_, converge a p con una razén de convergencia O (1); es decir, P=PtO (x) Es importante sefialar que el teorema 2.1 da s6lo waa cova del error de aproximacién y que éta pucde ser extremadamente conservadora. Por ejemplo, cuando la aplicamos al problema del ejemplo | sélo garantiza que eo Ip-pol = = ~2x 1075, pero el error real ex mucho menor: lp —pyl = |1.365230013 - 1.365234375] ~ 4.4 x 10-*, Para determinar la cantidad de itersciones necesarias para resolver f(x) = 23 + 4x? ~ 10 = Ocon una exactitud de 10°? por medio de a, = 1 y deb, = 2 hay que encontrar un entero N que satisfaga Ipy —p] S2°Mb - a) = 2-¥ 10-3 Para determinar N usazemos logaritmos. Aunque se podrian usar logaritmos de cual- quier base, utilizaremas los de base 10, porque la tolerancia esté dada como wna potencia de 10, Puesto que 2-¥ < 10-} implica que logy,2- < logygl0? = ~3, tendremos —Nlogy2<-3 0 y = 9.96, Jogja 2 Por tanto, se necesitan unas diez iteraciones para lograr una aproximaci6a exacta dentro de 10>, La tabla 2.1 muestra que el valor de p, = 1.365234375 es exacto dentro de 10~*,2A El método de biseccién 53 Conviene recordar que el anilisis de error no da mas que una cota del nuimero de iteracio- nes necesarias; muchas veces esta cota es mucho mayor que el nimero que se requicre . La cota para ¢l mimero de iteraciones en el método de biseccién supone que los clculos se realizan en una aritmética con una infinidad de digitos, Al aplicarse el método en una computadora, hay que tomar en cuenta los efectos de los errores por redondeo. Por ejemplo, el célculo det punto medio del intervalo [a,, b,,| debe encontrarse mediante la Pa = 4, + tio con la ecuacién algcbraicamente equival La primera ecuacién agrega una pequefia correcién, (b, — 4,2, al valor conocido a,. ‘Cuando 6, ~ a, esté cerea de la precision méxima de la méquina, esta correccién podria fener un error, pero éste no afectarfa de manera significativa ef valor calculado de p,. Sin embargo, cuando b, ~ a, esté cerca de la precisiGn maxima de la méquina, es posible que (a, +B, regrese un punto medio que ni siquiera esté en el intervalo (a, 6.) Como obscrvacién final, para determinar cud] subimervalo de [a,. 8,) contiene una raiz de f, es mejor usar la funcién signo, que se define como -h sia <0, signo(x)=] 0% — six=0, 1 six>0, Elcriterio signo (/(a,)) signo (fp) <0 en tugarde fia, f(p,) <0 a e] mismo resultado pero evita 1a posibilidad de un sobeeflujo en Ix multiplicacién de Hia,) y f(p,)- CONJUNTO DE EJERCICIOS 2.3 Aplique el método de biseccién para obtener p, para fix) = Vx — cos.xen (0, I] Sea fix) = Hx +1) (c ~ 5) Ue — 1). Aplique el método de bisecci6n a los siguientes intervalos. para enconiris p, a [=2, 15] b[=1.25,25) 3. Aplique el mécodo de biseccin para encontrar ls soluciones exactas dentro de 10-2 para 2 — Ta? + Lax ~ 6 = Oen cada intervato, [0,1] b (1.3.2) eB)54 CAPITULO 2 + Soluciones de ecvacianes de una variable 4 n 12. 13. 16. re Aplique el método de biseccidin para encontrar las soluciones exactas dentro de 10°? para e — 20 ~ 40 +41 + 4= 0 en cada intervalo, ® [-2-1 be 10,2) 1231 a [-1,0] Use el método de bisecciin para encontrar una solucién exacta dentro de 10"? para x= tan x en [4.4.51 Use ef método de biscecivn para encontrar tina soluckin exacta dentro de 10-? para 2+ 08 (et = 2} — et = Den (0.5, 15}. Aplique el método de biseccién para encontrar soluciones exactas dentro de 10* para los ki: guientes problemas Be-280 panOeesl betme+ar-2=0 pandsrs1 & 2rom2) G+ <0 pem-3sas-2 y pa -1ses0 d. vcosr- 224 4e—1=0 pam02<"503 y pam Lsrsid Sea fla) = (¢ +2) e+ LP x Ue 1c ~ 2). ,A cull ceno de f converge el metodo de bisee- in en los siguientes intervalos? m I-15.25) [05.24] [-0531 dh [-3,-05) Sea lx) = (x-+ 2) Cx + 1) xe ~ D(x ~ 2). A cul cero de f converge el método de bisee- Ci6n en los siguientes intervalos? am [-3.25] be [-25.3] ee [= 17515] de (15,1751 Encuentre una aproximackin a V3 correcta con una exactitud de 10~4 usando el algoritmo de biseccion, [Sugerencia: considere fix) = 3? = 3.) Encuentre una aproximacién a V’25 correcta en 10~* por medio del algoritmo de biseccién. Use el teorema 2.1 para obtener una cota del nimero de iteraciones que se requicren para al- ‘canzar na apeoximacin con una exactitud de 10° ala solucidn de x° + x — 4 = Oque xe en- ccuentra en el intervala {1 4], Obtenga una aproximaci6n de la raiz com este grado de exactitud. Use el teorema 2.1 para obtener una cota del nlmero de iteracioaes que se requieren para al- ‘cancar una aproximacién con una exactinud de 10° ala solucidn de x? —x— 1 = Oque se en- Ccuentra en el intervalo (1, 2]- Obenga una aproximacion de la ralz con este grado de exactitud, Sea JL = - 1)! p= Ly p, = 1+ Ua, Demuestre que [f(p,)] < 10°" siempre que > 1, pero que |p ~ p,| < 10°? requiere que n > 1000, Sea {p,} la sucesicn definida por p, = "j_) }+ Demucstre que (p,) diverge aun cuando lim, @e~ Pao) = 9. La funcidn definida por f(x) = sen me tiene ceros en todos los enteros. Muestre que cuando =12 Gl, sh atbn? Un abrevadero de longitud tiene una seceién transversal en forma de semiefreulo con radio F (Véase la figura anexa.) Cuando se lena de agua hasta una distancia A de la parte superior, el volumen V de agua es Vm £10.5n7 ~ P aresecihir) ~ hie? ~ 1)!).2.2. Remcién de punto fijo 55 Suponga que L = 10 pies, r= I pie. y.que V'= 12.4 pies?, Determine la profundidad del ngua ‘en cl abrevadern basta 0.01 pics, 18, Uns panicula pan del repose solve un plano inclinado uniforme, cuyo dngulo @ camibis con ‘una rapide constame de #8 ogco ‘Al final de F segundos, la posicion de! objeto estd dada por to-do ( 22 -o) Saponga que ia particuls sc dexplars 1.7 pes en 1 + Encocntc, com una exactitod de 10%, a rapide w con que 6 cambia. Suponga que ¢ = 32.17 pies/s*. nd Un punto fio de una funcién ¢ es un mimero p para el cual g(p) = p. Enesta scecidéa cs- tudiaremos el problema de encontrar las soluciones a los problemas de punto fijo y la eo- nexién entre éstos y Jos de bisqueda de Ia raiz que deseamos resolver. |Los problemas de bisqueda de raices y los de punto fijo son clases equivalentes en el siguiente sentido: ‘Dado un problema de buscar una raiz f(p) = 0, podemos definir una funciéa g con un punto fijo en p de diversas formas: por cjemplo, como g(x) = x — f(x} ocomo g(x} + 3 fla). Por el contrario, si Ia fanciGn g tiene un punto fijo en p, entonces la fun- ‘ei6a definida por f(x) = x — g(x) tiene un cero-en p. 2.2. Iteraclén de punto fijo -Aungue los problemas que queremos resolver vienen en forma de busqueda de raices, la forma de punto fijo es mas facil de anali2ar; algunas opciones de punto fijo dan origen ‘a tSenicas muy poderosas de busqueda de raices. ‘Lo primero que debemos hacer es acostumbramos a este nuevo tipo de problema, y eeidir cudndo una funcién tiene un punto fijo-y e6mo podemos aproximar los puntos fi- jos com determinado grado de precisién. EJEMPLO 1 La furncién pix) =x — 2, para —2 Sx 5 3, tiene puntos fijos en x= —Iy cnx = 2, * porque p=? a1 Esto podemos observarlo-en la figura 2.256 CAPITULO 2 ® Solucianes de ecuaciones de una variable Figura 2.2 El siguiente teorema contiene suficientes condiciones para la cxistencia y unicidad del punto fijo. Teorema 2.2 a. Sig € Cla. bly g(x) € [a, 6), para toda x6 (a, 6], entonces g tiene un punto fijo en [a bY si ademis g'(x) existe en (a, b) y existe una constante positiva k < 1 con Teco] s&— paratoda xe (0,5), entonces el punto fijo en [a, 6] es nico (véase Fig. 2.3). . Figura 2.322 Iterocién de punto fio 57 Demostracién @ Sigla) = @0si gtb) = b, entonces ¢ tendra un punto fijo en un extremo. Supongamos ‘que no es asf; entonces deberd ser cierto que g(a) > a ¥ que g(6) 0 yy —Mb)= a1) - <0. El tcorema del valor intermedia establece que existe una p € (a,b) para la cual h(p) = 0. Ese nero p-es un punto fijo de x. O=hpy=sp)—p —implicaque xp) =p. Ib. Suponga ademés que | ¢‘(x)| <= <1 y que p y g son puntos fijos en fa, 5] tal que p # q. Segin el tcorema de! valor medio, existe un nimero £ enue py q y, por tanto, en a, b) tal que eH _ ores Pex tanto, Ip al = Inq) — ql = I@)l Ip— al =tlp- al < Ip-al, Jo cual es una comadiccidn, Esta comradicriGn se debe solamente a la suposicién, p # q. Por tama, p = q y el punto fijo en fa, b] es nica, one EJEMPLO2 am Sea g(x) = (x? — 13 en [—1, 1]. El teorema del valor extremo establece que el mini- mo absolute de ¢ ocurre en y g(0) = —4 De manera aniloga, el miximo abso- luto de g ocurte en x = + 1 pene aoc “£ 1) = 0. Ademés, g es continua y oe 2 {Sy Pratodare (1). Por tanto, ¢ satistoce todas las hipStesis del teorema 2.2 y tiene un punto fijo tinica en rin En este ejemplo el tnico punto fio p en el intervalo{~1, 1] puede determinarse al- pebraicamente. Si Isl P=s)= portanto =p? 3p 1 = 0, Jo cual, por la formula cuadritica, implica que p-te-vB) Nétese que g también tiene un punto fijo-tinica p = }(3+ V'T3) en el intervalo [3, 4]. ‘Sin embargo, 9(4) = 3 y g’(4) =} > 1. asf que g no satisface las hipétesis del teore- 2.2 en [3,4], Esto demuestra que esas hipstesis son suficientes para garantizar un Punto fijo nica, pero no son necesarias (véase Fiz. 24)58 CAPETULO 2 © Soluciones de ecuaciones de une variable Figura24 GG + V8) 30 + va) by Seagis) = 37%, Puesto que g(x) = —37*ln 3 < Oem (0, 1), la funcién g es decrecien- teen [0, 1}, Por tanto KI) =} Sg) S1= RO), para Sxsh Asf, para x € [0, 1}, tendremos g(x) € [0, 1], ¥ g tendri un punto fijo en {0, 1]. Pues- to que 80) = -In3 ~ 1.098612289, Figura 2.5Figura 2.6 2.2 _teracién de punto fijo 59 Ig'ca| & 1 en, 1), y no se pucde utilizar el teorema 2.2 para determinar uunicidad, Sin embargo, g siempre ¢s decreciente y en la figura 2.5 se observa cla ramente que el punto fijo ha de ser inico. . Para aproximar ¢l punto fijo de una funcién g, escogemos una aproximacidn inicial py ¥y gencramos la sucesidn (p_)7=» haciendo p, = s(P,_,) Para cada n= |. Sila secuencia ‘converge en p y sig es continua, entonces p=lim p, = lim g@,. y obtenemos una solucién con x= g(x). Esta técnica recibe el nombre de iteraciin de ‘punto fio o iteracién funcional. Este procedimiento se describe detalladamente en el al- goritmo 2.2 y se muestra gréficamente cn la figura 2.6. g (lim p,_y) =e). ALGORITMO Py Ps Ps Po @ Iteraclén de punto fijo Para obtener una solucién a p = stp) dada una aproximacién inicial py: ENTRADA aproximacién inicial po; tolerancia TOL; nimero maximo de iteraciones No. SALIDA solucién aproximada p o mensaje de error. Poso 1 Tome i= Paso 2 Mientras i < N haga pasos 3-6, Paso 3 Tome p=g(p,). (Caleule p,.) Paso 4 Si |p —py| = 1, 1! = Le — Pant + Pound ~ "+ Past ~ Pal dpa = Pratl t Wat Paral +0 Ley = Pal =k, ag + ela, — ay) to + tly pl = Ray — pl te Et oe eet, Va = Por el teorema 2.3, lim, Pq = p, de modo que aa - Lap] bi |i — 2,15 tim tl; — ag] Ss etl, — pol Sa co ne = & # cs una serie geometries con razén ky O< k-< 1, Esta sucesidn converge a 1 ~®), to que nes du la segunda cou: & Ip~als 7a le -pol Anibas desigualdades del corolario relacionan la rizén 4 la que {p, pg converge a la cota & de Ja primera derivada, La raz6n de convergencia depende del factor *, Cuando mas pequetio seu ef valor de &, mis rdipida serd la convergencia, la cual puede ser muy lenta si resid cerea de |. En el siguiente ejemplo, reconsideraremos los métodas de punto fija det ejemplo 3 a la lux de lox resultados que describimos en el teorema 2.3 y su conolario,2.2 Tteracién de punto fijo 63 EJEMPLOG a. = x)= 4x? + 10, tenemos 2,(1) = 6 y 9\(2) = ~12, de modo gue en si mismo, Ademas, g(x) = 1 — 3x2 — Bx, de modo que | ¢’ ool > 1 para toda x en (1, 2], Aunque el tcorema 2.3 no garantiza que ¢l método deba fa- lar para esta eleceiin de g. tampoco tenemos razéa para esperar una convergencia. BCom g(a) = ((10/r) = 41], podemos ver que g, no mapea [1.2] en [1,2] y que la sucesiGn {77,}79 no est definida en py = 1.5. Ademis, tampeco hay un intervalo que contenga ap ~ 1.365 tal que ‘ lean] <1, puesto que — | gtipy| = 3.4. No hay raz6n para esperar que exte método converja, Para la funcién g(x) = $ (10 — 3)", gia) = -F400 =x)" <0 nf. asi que g, es estrictamente econ en 1, 2]. Sin embargo, |9(2)| = 2.12, por lo cual ta condicion |g] 3 &-<1 falla en (1, 2]. Un andlisis mas cerca de La sucesidn {7,)7-0- comenzando con fp = 1.5 revela que basta considerar cl interva- lo {l, 15] en vez de [1, 2]. En este intervalo sigue siendo verdad que gi(x) <0 y gy es extrictamente decreciente, pero adentis 1< 1.28 = g)(1.5) 5 940) 5 (1) = LS, para toda x € (1, 1.5]. Esto demuestra que g, mapea el intervalo (1, 1.5] en sf mis- ma, Puesto que también es cierto que |9’¢x)| = |9%(1.5)] = 0.66 en este interva. to, e1 teorema 2.3 confirma la convergencia de la cual ya estébumnos conscientes, 4. Para ga(s) = (10/4 + x))!2 tenemos -5 5 Is] =| =—— | 8 Soa e lara ViOKS)" <0.15, paratoda xe [1.2]. La cota en Ja magnited de g{(x) es mucho menor que la de la magnitud de 44(x) lo cual explica la convergencia mis rSpida que se obtiene con gy. La sucesidn definida por abt act — asi ie + de converge mucho més ripido que nuestras otras opciones, En las siguientes secciones veremos de dénde provino esta opeién y por qué es tan efectiva. . CONJUNTODEEJERCICIOS 2.2 A. Use el manejo algebraico para demostrar que las siguientes funciones tienen un punto fijo en p exactamente cuando fip) = 0, donde fn) = xt + 2c? = = 3. +3 mi Gte-2aM & aioa(* ;CAPLTULO 2 © Soluciones de ecuociones de una variable a4+ 2843 ax + 4 2. a Efectbe cuatro iteraciones, si ex posible hacerlo, en las funclones gselinblas en el eh cio I, Seapy = TY Pyyy = a(P2)paran = 0,1,2,3. bh Cua) tuacidn, « su juicis, dard la mejor aproximacidn a la solucign? 3. Se propanen los wes métodas siguientes para calcular 21", Clasiffquelos por orden, basindose para cllo-en ln rapidez de convergencia supmnienda que pry * 1, 2a + 21

V2. 1b Aplique el hecho de que 0 < (zy — V2)? sicmpre que ay * V2 para demoatrar que si 0< woe V2. enisuees x, > V2. & Utilice las resultados de las partes (2) y (b) para demostrar que la sucesiéu en (a) comerge 2.V2 siempre que x> 0. a, Demuestre que si A es un ndmero positivo, entonces la sucesién definida por medio de con. para a2, saaverge a'VA sisinpe quay > 0. B {Qué sucede si ry <0? Reemplace Ia suposicidn del teorema 2.3 de que “existe un mimero positive £ <1 con Ie’) | 5 &” con “g satistace 1a condicién de Lipschitz en el intervato (a, 6] con Ia constante de Lipschitz £.< 1°, (Véase el ejersicio 25, seccidn 1.1.) Dermucsire que las conelusiones de este teorema siguen siendo vélidas Suponga que g es comlinaamente diferencinble en algiin intervalo (c, d) que contenga el punto fijo pde g. Demuestre- que si |(p)| < 1, entonces existe una 8 > 0 tal que ia iteraciéa de pun- to fijo converge para cualquier aproximacin po siempre que |p, ~ p| = & Us objeto que cae Verticalmente en el aire esif sujeto a una resistencia viscosa y también a ba fuerza de gravedad. Suponga que dejamtos caet un objeto de: masa m desde una altura sy que Iaaltura del objeto despuds de segundos ex mg me HO ig Site Fa66 CAPITULO 2 * Soluctones de ecuociones de una variable donde g = 32.17 piews? y & representa el coeficiente de resistencia del en Ib-sipies, Supon- [Ba que 5, = 300 pics, m = 0.25 Ib, y que k= 0.1 Ib-spies, Calcule, con una exactitud de 0.01 1, el tempo que tarda este pese de un cuarto de libra en caer al suclo. 24, Scag € Cla, bl y supongamos que p estd en ta, b) con sip) = py que latest > 1. Demues- tre que existe una 6 > 0 tal que, si 0< py — pl <8 entunces Ip, ~ p| < |p, = pl. Por ‘tanto, sin importar qué tan cerca cxté La apronimacién inicial py de p, la siguicnte itcracion p se encontrard nbs lejos, de modo que Ia iteracida de punto fjo no converse si Py # p 2.3 Elmétodo de Newton El método de Newton (0 método de Newton-Raphson) es una de las técnicas numéricas para resolver un problema de biisqueda de rafces f(x) = O més poderosas y conocidas. Hay muchas formas de introducirlo. La més coniin consiste en cosiderarlo gréficamente. Ora posibilidad consiste en derivarlo como una Weniea que permite logear una convergencia ‘mis répida que la que ofrecen otros tipos de iteracién funcional, Esto lo hacemos en la sec- cin 2.4, Una tercera forma de introducir ¢1 método de Newton, que estudianemos a.con- \inuacién, se basa en los polinomios de Taylor. Supongamos que fe (2(a, b]. Sea Xe (a, b) una aproximacion de p tal que f'(®) + 0 y |p — 2 es “pequefio”. Consideremos el primer polinomio de Taylor para f(x) expandi« do alrededor de &, 3) fo) =f@)+ @- HP + 2 SO). donde £ (x) esté entre x y ¥. Dado que f(p) = O esta ecuacién, con x = p, da e-* 02 /@)+~ -9F@+ Pew Derivamos €) mélodo de Newton suponiende que, como Ip — x les tan pequedio, el térmi- no que contiene (p ~ 3)? es mucho menor y que O~f® +o - Osa). Despejando p de esta ecuacidn obtenemos @) ay Esto nos prepara paca introducir e! método de Newton, el cual comienza con wna aproxi- maci6n inicial py y genera la stcesidn (p,)7-o definida por pare (25) La figura 2.7 muestra grificamente cOmo se obticnen las uproximaciones usando tangen- tes sucesivas. (Véase también el ejercicia 11.) Comenzando con la aproximacidn inicial p, la uproximacidn p, es la intersecci6n con el eje x de la Iinea tangente 4 Ia grifica de fen Pf(P,)). La aproximacién p, es la intersecciGn x de la wangente a la gréfica de fen (p,,f(0,)) y asf sucesivamente, El algoriumo 2.3 sigue este procedimicnto,Figura 27 ‘ALGORITMO 2,3, El métoda de Newton 67 Método de Newton obtener una soluciGn a f(x) = 0 dada la funcién diferenciable fy una aproximacién ial Po ENTRADA aproximacién inicial py; tolerancia TOL; niimero méximo de iteraciones Ny. SALIDA solucién aproximada p o mensaje de fracaso, Paso 1 Tome i=l. Paso 2 Mientras i < N, haga pasos 3-6. Paso3 Tome p= py— f(py¥f'(po)- — (Calcule p;) Peso 4 Si |p — pl < TOLentonces SALIDA (pk (Procedimiento terminado satisfactoriamente.) PARAR. Peso ‘Tomei= i+. Paso 6 ‘Tome p, = p. (Redefina py) Paso 7 SALIDA (‘El método fracasé después de Ny iteraciones, Ny (Procedimienta terninado sin éxito.) PARAR, . Las desigualdades de la técnica de paro dadas con el método de biseccién son aplica- bles al método de Newton, Es decir, seleccione una tolerancia ¢ > Oy construya py... Py hasta que boy -Pyal <2 6 |e = a <6 pytO an len!EJEMPLO 1 Figura 28 CAPITULO 2 © Soluciones de ecuociones de una variable o bien Vel 0 tal que el métado de Newton generu una sucesion (p,)=. que converge a p para cusiquier apro- ximaci6n inicial py € [p ~ 6p + 3]. 1 Demostrocién La demostracién se basa en analizar el métoda de Newton como un es quema de iteraciéa funcional p, = g(p,-\)s para n = 1, com fe aaa EE. ‘Sea k un nimero cualquiera en (0, 1). Primero debemos encontrar un intervalo [p — 6, p+ 8) que gmapea en sf mismo y en que Ig'tx)| $k para toda xe (p ~ &.p + 5). Como f"(p) #0 y f" es continun, existe 8, > O tal que f"(x}#0 para re [p— 5), p +8) C la, 6]. Por tanto, g estd definida y ex continua en [p ~ 5,,p + 8], También, _ fear =serrn _ fo sin var Voor * gwen para x€[p — 5,,p + 5] y como fe Ca, b), tendremos g € C'[p — 8p + 8). Por suposicign, /(p) = 0, asf que Lop) Yor ap) =70 CAPITULO 2 © Soluciones de ecuociones de uma variable Como 4 es continua y como 0 < k < 1, parte (b) del ejercicio 27 en Ia seecién 1.1 implica que existe 6,con 0 <8<8,y Iscol sk parntoda xe Ip- 6 p+ A. ‘Todavia falta demostrar que g manda [p = 8,p + Slen|p — 8, p + )-Sixe [p- 8 ‘p+ Shel teorema de! valor medio implica que, para algin nimero € entre x y p, |g) — step! = |e (1 Ls — pl. Por tanto, lee = pl = Late) = al = le @l le pl sele—pl <|x-pl. Puesto que xelp — 8p + dnc deduce que |x - p| <8y que | gtx) - pl 0 son constantes y P(P) es a poblacion en cl tiempo 4, Py representa cl valor limite de la poblacién, ya que lim... tt) = P;, Usilice los datos de los censos correspondien- tes wos afos 1950, 1960 y 1970 yse vienen en la tla de ta pSgina 104 paru determinar las. constantes F, ¢ y K para un modelo logistico de crecimiento. Utilice el modelo logfstico para predecir la poblacidn de Estados Unidos en los afios 1980 y 2010, suponiendo que 1 = 0 O son comstantes y P(e) ¢8 la poblacién en el tiempo f, Repita el jervicio 27 ‘usando el modelo de Gompertz en ver de! modelo logistico. 29. El jugador A dejard en cero (por una puntuacién de 21 a 0) al jugador B en un partido de ra- quetbol com una probabitidad de pa ite ak 2 ~pte donde p denots la probabilidad de que A gnne un intereambio de tirns (independiemtemente del servicin) (Véase [Keller, J, p. 267],) Determine, con una exactitud de 10%, el valor minimo de (P qUE garantie que A dejard en cero & B al menos en la mitad de los partidos que jueguen. 4M. En el disco de los vehiculos para todo tipo de terreno, es necesario tener en cventa Las fallan ‘cuando se trata de ibrar dos tipos de obsticulos. Una es lafaila por rocamienso, y ocurre cuan= do el vehicula intenta crwrar un absticulo que hace que su fondo toqus ef suelo, La otra recibe el nombre de falla por colisid de la defensa delantera y ocurre cuando el vehiculo desciende por una zanja y la defensa delantera txca el suelo.18 CAPITULO 2 © Sofuciones de ecuaciones de une variable La figura anexa, sdaptada de [Bek], muestra los componcates usociados al segundo tipo de fo a. En elfa se indica que el dngulo maximo a que puede aleattur wn vehfculo cuando es el Sipiler mine en Que mer cette la falla por razanaedte safisfact la councisn Aten aco at Byenta~ Com a- Esena = 0, dude Aten. B=lenp, C= (h+05Dpe0 A, 050 Unf, y E-= (+ 0:80) cos p, ~ 05D. a. Seafirma que, cuando f= 89 palg, h = 49 pulg..D = 5S pulg y B, = 115°, el Angulo arse- 4 aproximadamente de 33°, Veritique este resultado. by Encnenire a para la sifwacién.cn que J, h y A, son igusles come en fa parte (a), pero B= 30 pulg. 2.4 Andlisis de error para los métodos tterativos Definicién 2.6 Eo esta seccién investigaremos el orden de convergencia de los esquemas de iteracién funcional y, con el propésito de obtener una ripida convergencia, redescubriremes el mé- toda de Newton, También estudiaremos los métodos para acelerar la convergencia del métoda de Newton en circunstuncias especiales. Ante todo, necesitamos un procedimien- Jo nuevo para medir la rapidez com que converge una sucesi6a, Supongamos que (7,)7-y €8 una sucesin que converge a p, con p, % p para toda a. Si existen constantes positivas A y acon tim Haul. ae |p, ~ PP entonces (p,].9 Comverge ap con arden ay una constante de error asintética A. m Se dice que un métode iterative de Ja forma p, = 4(p,.) ¢ de orden oy, si ia suce- sin (p,) yoo converge a la solucién p = gip) con orden a. En general, una sucesiéa con un alto orden de convergeacia converge mas répidamen- fe quc una con in orden mis bajo. La constante asiniGtica influye en la tapidez de conver- gencia, pero no es tan importante como e! orden. Enfocaremos nuestra atencién en dos casos de orden.24 Andlisis de error para las métodes iterativos 79 1. Sia = 1, la sucesi6n seri tinealmente convergente. 2. Sia = 2, la sucesi6n serd cundréticamente convergent, En ol siguiente ejemplo se compara una succsién lincalmenle convergente eon Una -cuadedticamente convergente, y se demuestra por qué trataremos de encontrar métodos que produzcan sucesiones convergentes de un orden supecicr, EJEMPLO 1 Supongamos que {p,)"-» converge linealmente 2.0, con Pail im = 0.5 om ip y que {p,}¢_9 converge cuadréticamente a 0 con la misma constante de error asint6ti En el esquema linealmente convergente, esta suposicin significa que =~ o5yrlpol. micntras que el procedimiento cuadréticamente eonvergente tiene lp.- ol =lp,| =05]p,_,1 = 0.577Ip,21 = Ip, - 01 = la, | =o5lp,-,/? = @sn0519, 2147 = 0.5) 1,24 ~ (0.5) 10.5} 17,-3F1* = 0.57 1a,_5 meee OS! La tabla 2.7 ilustra Ia rapides relativa de convergencia @ ccro de Jas sucesiones cuando Tpol =Tal = 1. Tabla 27 Seen a oan convergent {p,)in9 _comerseete (i,35-» a sr oe! 1 50000 > 10-7 2 2.5000 x 10-1 3 1.2300 x 10-1 7125 x 10-8 4 62500 10-2 BA5I8 x 10-5 5 BIS ™ 124.6566 1071 6 13625 x 107 1.0842. 10" 7 78128 x 10-3 5775 x 10-” La sucesiGn cundréticamente convergente se encuentra cerca de 0 a menos de 10° por el séptimo téemino, Se necesitan 126 términos por Jo menos para garantizar esta pre- cision de In sueesiGn linealmente convergente.80 Teorema 2.7 Teoremo 2.8 CAPETULO 2 * Soluciones de ecvaciones de una variable En general, las sucesiones cuadraticamente convergenics lo hacen con mucha mayor rapide que las que convergen sGlo de modo lineal, pero muchas Lécnicas que generan su- cesiones convergentes Jo hacen sélo en forma lineal, Sea g € Cla, b] tl que g(x) € (a, 5) para toda x € CTa, 6]. Supongamos, ademés, que g’ €5 continua en (a, &) y que existe una constante positiva k< 1 con lstl =k, para todox € (a,b) Si g’(p) # 0, entonces para cualquier nimero p, en (a, #] la sucesiGn Pe= Sp) para w= 1, converge s6lo linealmente en el nico punto fijo pen [a, 6). . Demostracién En cl tcorema 2.3 del punto fijo que vimos cn la seccién 2.2 encontramos que la sucesiba converge a p. Puesto que g' existe en [a, b] podemos aplicar el tcorema del valor medio a g para demostrar que, para cualquier 2, Pyer~ P* BPy) — BP) = KEMP — P donde §, esté entre p, yp. Puesto que {p, }z- converge a p, {£,}79 también convergerd a p. Como g' es continua en [a, b], tendremos lim s'&) = 5") Por tanto, P ‘ ” ‘ > chim eG 20) y En consecuencia, la iteracién de punto fijo muestra una convergencia lincal con una cons- tante de error asintético | ¢’(p) [siempre que g’(p) # 0. ase El teorema 2,7 establece que, en el caso de los métodes de punto fijo, la convergencia de orden superior puede ocurrir sto cuando g'(p} = 0, El resultado siguiente describe otras condiciones que garantizan la eonvergencia cuadrétiea que buscamos. Sea p una solucidn de la ecuacién x = g(x). Sepongamos que g'(p) = Oy g es continua y estd estrictamente acotada por M en un intervalo abierto I que contiene a p. Entonces existe una 5> 0 tal que, para poe [p ~ 6 p + 8] la sucesisn definida por p, = g(p,_,). cuando n& 1, converge al menos cuadriticamente ap, Ademds, para valores suficieatemente grandes de 7, \ oi ‘ lages Pl <> lena ‘7 Demostracién Escoja t en (0, 1) y 8 > 0 tal que en el intervalo [p ~ 8p +4], conteni- doen f, tenemos | ¢’(x)| = ky g” sea continua. Dado que | ¢‘(x)| = <1 el argumento cempleado en ta demostracién del teorema 2.5 de Ja seccidn 2.3 indica que los términas de la sucesién (p,}?-9 estin contenidos en [p — 8, p + 6]. Al desarrollar g(x) en un polino- mio lineal de Taylor para.x € {p — 6,p + 5] obtenemos:2.4 Andlisis de error para los métadas iterativos 81 gO) = lp) + ga py + me &-pR donde £ se encuentra entre x y p. Las hipotesis g(p) = p y g’(p) = 0 significan que ga) = p+ ae (r= py En particular, cuando x = py, "1, Paot ™ 8V,) = P+ ss » n= Di. con , entre p, y p. Por tanto, “Ue Pais P= ae , — PF. Puesto que | g'(x)l = k <1 en [p — 8 p + S]yg manda [p ~ 8, p + 8] en s{ mismo, del teorema de punto fijo se deduce que (p,)7.9 canverge a p. Pero £, se encuentra entre py Pp, para cada n, de modo que (£,)5_5 también converge ap. ¥ El resultado anterior implica que la sucesién (pq)u9 €8 cusdréticamente convergente si #'(p) * Oy con convergencia de orden superior si g"(p) = 0. Puesto que g” esti estrictamente acotada por M en el intervalo [p — 8, p + 8] esto también implica que, con valores suficientemente grandes de n, Ips el < a 'p, = pl? oo. Los teoremas 2.7 y 2.8 nos indican que nuestra bxisqueda de los métodos de punto f- jo cusdriticamente convergentes deberfa sefialar hacia las funciones cuyas derivadas se anulan en el punta fijo, La manera mas fécil de plantcar un problema de punto fijo relacionado con el de la bdsqueda de raices f(s) = 0 consiste en restar a.x un multiplo de f(x). Por tanto, 3 conti- fvaci6n consideraremos un esquema de ls forma Pe kG, = para EN para g de la forma a) m= He) WO. donde ¢ es una foncién difcrenciable que scrd clegida més tarde, Para que el procedimiento iterativa derivado de g seu cuadriticamente convergente, ex necesario tener g’(p) = 0 cuando f(p) = 0. Dado que 8) = 1 - fia) - fb),82 Definiciém 2.9 Teorema 2.10 Teorema 2,11 CAPETULO 2 © Soluciones de ecuaciones de una variable tendremos BP) = 1 — Sp) flp) — fe) bP) = 1 — FUP) 0 — SPM) = 1 — SPP), ya" (p) = Osi y silo si dp) = Vf'(p). Un entoque raconable ¢s suponer que d(x) = 1/f"(x), lo cual garantizard que dp) = “(p) y entonces e! procedimiento natural para producir la convergencia cuadratica serd — £02) = Fo, P, = 8, Este, por supuesto, es el métode de Newton. En la explicacisn anterior, impusimos la restriceién de que fp) # 0, donde p es Ia soluci6n de f(2) = 0. Conforme a la dcfinicidn de! método de Newton, ¢s evidente que pueden surgir dificultades si f“(p,) tiende a cero simulténeamente con f(p,). En particular, el método de Newton y el de la secante generalmente ocasionarin problemas si f"(p) cuando f(p) = 0. Para examinar mis a fondo estas dificultsdes, dammos la siguiente defini cin Una soluciéa p de f(x) = Oes un cero de multiplicidad m de f'si para x + p, podemos es- ceribit f(2) = (x — pY* gta), donde lim, ., ¢(2) # 0. . En esencia, q(x) representa la parte de f(x) que no contribuye al cero de f. El siguien- te resultado proporciona un métoda facil para idenlificar los ceros simples de una funcién, los que tienen mnuhiiplicidad uno. fe Cla, b} tiene un cero simple en p en (a, b) si y s6lo si fip) = 0, pero f'(p) #0. Demostracién Si f ticne un cero simple en p, entonces fip) = Oy fx) = (x ~ pytx). donde Ifm,_,, q(x) # 0, Puesta que fe C'fa, Bl. F'Q) = Nien fC) = lim (gl) + ( = pda’) = him gla) # 0. Por el contrario, si f(p) = 0, pero f"(p) # ©, desarrollamos fen el polinomio de Taylor de grado cero alrededar de p. Entonces LD = Sep) + ECM — p) = we PSE) donde £(x) se encuentra entre x y p. Dado que fe C![a, 6]. Ui f"¢E ()) = Mier ee) = Spy e 0. = os Definiendo g =f" & tenemos que f(x) = (x = pigs), donde Iim,_,, q(2) # 0. Por tan- to, ftiene un cero simple en p. ene En el ejetvicio 10 se aplica Ia siguiente generalizacién del tcorema 2.10. La funcién f¢ Cla, b) tiene un cero de multiplicidad men p en (a B) sly sélo si O=fP—) =F) =F) = =H), pero F™p) #0. .EJEMPLO 2 Tabla 28 2.4 Anétisis de error para Ins métodos iterativos 33 El resultado det teorema 2.10 implica que alrededor de p existe un intervalo tal que el método de Newton converge cuadrsticamente en p para cualquier aproximacin inicial Py, = p. a condicién de que p sea un cero simple. El siguiente ejemplo muestra céme la ‘convergencia cuadrética posiblemente no ocurra cuando cl cero no es simple, La fancién descrita por f(x) =e — x — 1 tiene un cera de multiplicidad dos en p = 0. por- que f(0) = e9-0-—1=Oy (0) =e" — 1 = 0, pero f(0) = e* = 1. De hecho, pode- mos expresar f(x}-en la forma #-x-1 Stay = te — oF <—S* donde, por la regla de L’Hpital, ear et wget ig S10 En la tabla 2.8 se incluyen los términos que s¢ generaron con el método de Newton aplicado a fcon py = 1. La sucesién converge claramente a cero, pero no es cuadritica- mente convergente, La gréfica de /'se muestra en la figura 2.11. . Lo 9 ar x 107 o 1 asaisa 1 L381 x 10°? 2 0.31506. 1 6413 10™ 3 0.16800 tr 3.4703 x 10 4 0.08635 1B Laaie x 10~ 3 0.09380 1 B80 10° 6 0.02206 Is 42610 10-9 7 0.01107 We hgn42x 10-8 4 0.008545,84 EJEMPLO 3 Tabla 2.9 CAPITULO 2 © Soleciones de ecuaciones de uno variable Un método para resolver el problema de las rnices miltiples consiste en detinir una fanci6n pe pur medio de py = fa) Si p es un cero de f de multiplicidad m y si f(x) = (x ~ py“gia), entonces, (c= pr) MO” Seem pega) + = PPT) <6-p — mgs) + — pg’ también tiene un cero en p. Pero como gip) # 0, 4) gio) * = pra) or tanto, p es tun cero simple de yu. Asi, podemos aplicar el méiodo de Newton a la fun- ci6n 4 para obtener als) = ie SuPer {oF = Orel reo? obien LO)f'e) rears) ‘Si g tiene las condi 3 de continuidad necesarias, la itcracién funcional aplicada a g serd cuadréticamente convergente sin importar fa muttiplicidad de la raiz de f; En teorta, el Unico inconveniente de este método es el cdlculo adicional de f%(x) y el procedimiento més Iaborioso con que se calculan las iteraciones. Sin embargo, en la prictica la presencia ide un cero multiple puede ocasionar serios problemas de redondeo porque ¢! denomina- dor de (2.11) consta de la diferencia de dos mimeros que estan cercanos a la raiz. Quy La tabla 2.9 comticne las aproximaciones dela taiz doble cn x = Ode f(x) =e! —x-1 utilizando p, = gip,.,). paraa = 1, donde g estd dada por (2.11), Los resultados fueron obienidos usando una calculadora con diez digitos de precisién. Elegimos la aproximacién inicial de py, = 1 de modo que las entradas puedan compararse con Ins de la tabla 2.8, Lo que no aparece en Ta tabla 2.9 es que no se logra mejoramienio alguno en la aproximacién de la ralz —2.8085217 x 10-7 en las célculos subsccucntes cuando se usa esta calculado- ra, ya que el denoniinador y el numerador se acetean al cero. . 23421061 x 10-1 ~ 84582788 X 107? = 11889524 x 10-3 6.638230 & 10-% ~2n085217 x 10-7EJEMPLO 4 Tabla 2.10 2.4 Anéliss de error pora los métodos iterntivas 85 En el ejemplo 3 de la seccién’2.2 encontramos ta rafr p= 1.36523001 de fix) = 3° + 4x2 — 10 = 0. Para comparar la convergencis para una raiz de multiplicidad uno por el mé- toda de Newton y el métode modificade de Newton que se mencions en la ecuaciém (2.11), sea 10 Ce métoda de Newton Maat Pant In Pa = &(Pyat) Gonde g se obtiene de Ia ecusciéa (2.11), (Cuando y= 1.5, las tes primeras iteraciones pars (i) y (ii) se incluyen en Ja tabla 2.10, Los resullados muestran la convergencia répida de ambos méwdos en el caso de uns saz simple, . a D Fy :137233333L.3ss80898 P, 136826201 1.36519585 7 136523001 —_1.36523001 CONJUNTO DEEJERCICIOS 2.4 Use el métoda de Newton para encontrar las soluciones de los siguientes problemas con una cexartted de 10-4. a Patt e 8 oO padZr=1 Bb, costs + V2) +ai2 + V2)-0, paa-2=e GC P=WE VERE 0, pads se 6. + Min Fe — Ang) en P= 0, pare =O 22. Repita el ejercicio | aplicando el metodo modificado de Newton-Raphson descrito-en La ecu ci6n (2.11). {Mejor Ia rapider-o ta cxactitud en comparaciéa con el ejencicia 1? 3. Apligué el método de News y «1 método modificado de Newton-Raplasoa descito en la ecus- {ign (2.11) para encontrar una soluciGn del siguiente problema con una exactirud de 10-5, A+ LAM — 2079" —03W=0 pa - 1S x= 0, Este ese! mismo problema que 1(é), slo que el coeficente ha sido reemplazado par sus apeo- simaciones de cuntrodigitos. Compare las soluciones con los resultados de lid) y de 24d Demuestre que las stcesionessiguienles convergen linealmente a p = 0. Qué tan grande dche ser.aanies que |p, —p| = 5% 10-77 =P, nel $a Demuestre que. para cualquier entero postivo &, la sucesidn definida por p, = Wr? conver ze linealmente ap = 0. 1 Para cada pare enteros.4 ym, determine un simero N para el cusl VN®< 10°86 CAPITULO 2 © Soluciones de ecuaciones de una variable 6m Demuestie que Ia sucesidn p, = 10°2 converge euadrdticamente en cer. 1b, Demuestre que Ia sucesion p, = 10°" no converge cuadriticamente # cero, sin importar-ct tamadio del exponente k > f CComstruya una sucesidn que converja a cero de onden 3, 1, Supongs que > 1. Constraya una sucesiin que converts cero de orden 8. Suponga que p es una raiz de multipicidad mde f donde ~ es continua en un intervalo abier- to que contiene p. Demursire quel siguiente métexto de punto fjo tne f'n) = 0: 9. Demvextre que el algoritmo de bisecci6n 2.1 da una sucesidn con una cota de error que conver> ge lincalmente a cere, 10, Suponga que tiene m derivadas continuas, Modifique Ia demostracidn del teorema 2.10 para Pictur qve fine una r(x de mulipiciad men pa y slo O=fP=srr rep), pero sp) #0, LL. El método iterative para resclver fi) = 0, dado por el métode de punta fijo g(x) = x, donde Bead _ $a) | edb nena. FO) FOOL Fe! BAPE be Bens 2, = BP) ™ Pana = Alene 8p) = gp) = 0, Esto generalmente prosuciré una convergencia cubica (wr = 3), Use ot “andlisis del ejemplo { para comparar la convergencin cuadrstica y la convergencia cubic . Puede deinostranse (véave, por ejemplo, [DaB. pp. 228-2291) que, si (p,}iug son aproxima- clonce que comvergea mediante al mtads de th recaate a p, la soluclén de f(x) = 0, entoneer existe una constante Con Ip, ,,—-y! ~ Clp, ~ al |p, 1 — Pl para valores suficientemente grandes de. Suponga que (p,) converge a p'con arden a, demuestre que a = (1 + VSV2. Ello significa que el orden de convergencia ce! metodo de la secante es aproximadamen- 2.5 Convergencia acelerada Rara vez podemos danios cl lujo de tener una convergentcia cuadratica: por cllo, a comti- nuacién estudiaremos una técnica denominada métode A? de Aitken, cl cual sirve para acelerar la convergencia de una sucesién que sea linealmente convergente, prescindiendo de su otigen 0 aplicacién. Supongamos que (p, )z49¢4 una sucesidn Linealmente convergente con un limite p. Pax ra impulsar la construccién de una sucesidn {7,)7-5 que converja més ripidamente ap que (Pqly-e Supongamos primero que los signos de Py ~ P, Pyay — Pe ¥ Pasz — P 800 iguales Yy que » es suficientemente geande como para que Pett P Past TP Pa P Past ~ Po Entonces, yon — PY Wana ~ PAP, Phe por tanto, Fhe — Vee? + PE yeaa — Oa + Pua + PPEJEMPLO 1 ‘Tabla 2.11 2.5 Comergencia acelerada 87 Parr + Pa Wasi) P™ Prat Pn ~ Past ‘Al despejar p obtenemos Past Pn ~ Past me Pyar * Pa Pad Si sumamos y restamos los términos p! y 2p, p,..1 en el numerador, podemos reescribir es- ta expresi6n ast: PR PaPnsa ~ WaPaes ~ 2 PaPart ~ Ph ~ Piss Pavr ~ Past * Pn po — PaTPaPuer + PpPnas)— Ph— Pa Pro + Pho) Part ~ 2Pavt + Py py Paint Py Bae El método A? de Aitken s¢ basa en ta suposicién de que la sucesiOn (P,}7ug definida ber . Pag = Pa? ee . aay oe Wear t Py converge més répidamente a p que la sucesi6n original (p,37.9 La sucesién {p,}e.y- donde p, = cos(i/n), converge linealmente ap = 1, En la tabla 2.11 s¢ inclayen los primetos términos de las sucesiones p,)2ay y {P,)zey- Sin duda parece que (P,)7., converge mds répidamente ap = L que (p, }>. . " P, A 1 9.59030 0.96178 2 0.8758 = 0.98213 3 0.94896 0.98979 4 0.96891 99M 5 0.98007 0.99541 6 0.98614 7 0.98981 La-notacién 4 asociada a esta técnica tiene su origen en la siguiente definicién, Definicién 2.12 Dada la sucesin (p,).o, la diferencia progresiva Ap, esté definida por BP, Paap Pye Para n=O.88 Teorema 2,13 CAPITULO 2 © Soluciones de ecuacicnes de una variable Las potencias mayores Atp, se definen recursivamente por medio de Ap, = ACO 'p,), parak = 2. . La definicién anterior significa que a= MP pat — Pa) = APasn — MPa = (Prva Pasi) — Pasa ~ Pals Por tanto, 9°P, = Pasa Past + Pat y la f6ermula A, de Ia ecuacién (2.12) puede escribirse ast s (p,) i Pam “Apne param =O, a1) Hasta ahora, al hablar del método 4? de Aitken, hemos dicho que la sucesi6n (7-9 converge a p mis ripidamente que In sucesida original {p,}7_«y pero no hemos dicho lo que se enliende por una convergencia “més rpida”, El teorema 2.13 explica y justifica es- ta terminologia. La demostracién del teorema se veri en el ejercicio 14. Supongamos que {p,)z-9 ¢5 una sucesién que converge lincalmente al limite p y que, pa- 1a todos los valores suficientemente grandes de m, tenemos (p, — P) (Py+4 — p) > 0. En- tonces. la sucesiGn (f,)7-9 converge a p con mayor rapidez quc {p,3%7-g €0 cl scotido de que lim =0. . A Py P Al aplicar un método A? modificado de Aitken 4 una sucesién linealmente conver- gente obtenida mediante la iteracién de punto fijo. podemos acelerar la convergencia & cuadritica, A este procedimicnto ss le conace con cl nombre de método de Steffensen, difiere un poco de la aplicacién del método A? de Aitken directamente a la sucesin de raciones de punta fijo que convergen linealmente. El método A? de Aitken deberd construit {as términos en el orden: Po P= 8p). Pr = BP Py = LAMP PL= BP) By = (OMe donde (A?) indica que se usa la ecuacién (2.13), El método de Steffensen consiruye los ‘migmos primeros cuatro términos py. P,. Py ¥ Bo. No obstanle, en este paso supane que: p, 5 una mejor aproximacién de p que pi, y aplica la iteracién de punto fijo a p, en vez de Py Al aplicar esta notacién, lu secuencia generada seré Pe P= etry PPR. PIP (HD. wl = st -.- La ecuacién (2.13) genera cada tercer término; los demas usan la iteracién de punto fijoen el término anterior. El procedimienta se describe en el algoritmo 2.6ALGORITMO, 2.6 EJEMPLO2 Tabla 212 2.5 Convergencia aceteroda 89 Método de Steffensen Para encontrar una solucién a p = g(p) dada una aproximacién inicial pg: ENTRADA aproximaci6n inicial p,; tolerancia TOL; mimero méximo de iteraciones No. SALIDA solucién aproximada p o mensaje de falla. Poso 1 Tome i= 1; Poso 2 Mientras i= N,, haga pasos 3-6. PasaZ Tome p, = g(py)i (Calcule pi'-",) Pi= sp, (Caleule pi) P= po 0 —PuPMPz— 29, + AQ) (Caleule p,") Pasaé Si |p—pol Ota queg © C'lp — 6 p + 5],entonces con el método de Steffensen obtendremos la convergencia cua dritica para cualquier p, < lp ~ 6p + 8], . CONJUNTO DEEJERCICIOS 2.5 J. Lassiguicntes sucesiones son lineslmente comergentes. Gestere los cinco primenostérainos de la sacesién (2,} por medio del asada ? de Aitken, AOS Peep Raed be p= O75, pete mel ees pede nel dp = 05, p= cor Py nel 2. Considere [a funcidn fix} =e + 3¢in2)? e* — (ln Spe — (In 2)", Aplique el mévodo de New- ton con py = 0 para aproximar una raiz de f. Genere términos hasta que |p,.,—P, |< 1.0002. Construya la sucesidn {,). {Mejoeé la convergencia? J. Soan gfx) = wos(e = Hy pl = 2. Aplique el método de Sieffenten para eacontrar pi! 4. Scan g(x) = 1 + ts0n ay y pl = 1. Aplique el métedo de Steffensen para encontrar pi’ y pis 5. El mitodo de Stofenion se aplica a una funcién g por medio de p= 1 y a! = 3 para obte- ner pi’ = 0.75. ;Qué podria ser 3" 4G, El método de Steffeusen s¢ aplics tener pi)’ = 2.7802, Qué es pT 9. Resuclva x? =x | = 0 para la raizen [!, 2] con una cxactitad de 10-4 aplicando el métaxdo de Sicfcnsen y compare después los resultados con fos del ejercicto 6 de la seecién 22, 8. Resuelva.c— 27" =0 pam la raz en [0, 1] com una exactitud de 10“ emplcando cl método de Steffensen y compare después bos resultados con fos del ejercicto & de la seccisn 2.2, 9. Apliguo el méiodo de Steffenscn con py = 2 para calcula la apronimacién de 3 con una exac- titud de 10+, Desputs compare este resultada con Ios obienidas en el cjercicio 9 de la sein 2.2 en el ¢jericio 10 de la sevcidn 2.1, 19. Aplique el método-de Sieffensen para aproximar las soluciones de las siguicmics eruaciones con una exactitud de 10°5, mc (2 = et » x93, donde g es la funciin en el ejecicio fa) de In seceidn 2.2 b. x= 0,5 (sen x 4 cov), donde g ex la funci6n en cl ejercicio 11(f) de la weccitn 22. 3x2 = of = 0, donde g ef fa funcidn on el ejercicie 12(a) de Ia seceiin 22. dx — conn = 0, domide g es ha finicién en ef ejercicio 12¢b) de la seeciém 2.2. 1. Las sucesiones siguientes coovergen a 0, Use el mitted A? do Alken para generar (j,} hasta que Ip,| 35 107%: 1 Bay met una. funcién g por medio de pf" = Vy ey = VE para ob-2.6 Cems de potinomios y el método de Miller 91 12, Se dice que una sucesiin (,) ¢> supertineakmente convergente up si lp. pl tim PtP! 29, om |p, el 1a. Demucsire que, sip, +p con orden a para a> 1 entonces (p,} xcrd superlincalmente con: vetgente ap. by Demuestre que p, = es stiperlinealmente convergenté a 0, pero que no converge A cero con orden a para toda a > 1. 13, Suponga que (p,} ex superlinealmente convergente en p. Dermuestre que Meyer = Pal im —Patt Pe 14, Demuestre el teorema 2.13 [Sugerencic: suponga que 8, = Vy. — 2p, — p) ~A y demuen- tre que tim,_,. 6, = 0. Despuds exprese (jy. ~ PMP, = p) en fonciin de 8. 8,5) ¥ A] 18, Sea P,(x) el potinomio de Taylor de grado n para fir) = e desarrelado alrededor de x, = 0. . Con x Hija, demuestre que p, = F(x) saticface las hip6tesis del teoremna 2.12 bb Seax = 1, Use el método A? de Aitken pura generar is sucesién fy... By: €. Enesta situacién, ;s0 acelera la comvengencia con el mtode de Aitken? 2.6 Ceros de polinomios y el método de Miller Teorema 2.15 Corolarie 2.16 Un polinomio de grade n tiene la forma Pua tay ar ttn tant ay, donde las a4, denominadas coeficientes de P, son constantes y a, # 0. La funcidn cero, P(x) = O para todos los valores de 4, se considera un polinomio, pero sin que se le asigne grade alguno. (Teorema fundamental de étgebra) ‘Si P(x) es un polinomio de grado m2 1 con coeficientes reales © complejas, entonces P(x) = O.tiene al menos una rafz (pasiblemente compleja). s Aunque ef tcorema 2.18 es basico en cl estudio de las funciones clementales, la de ‘mostracién habitual requiere técnicas tomadas del estudio de La teoria de las funciones ‘complejas. Le recomendamos al fector consultar [SaS, p. 155], a fin de concluir una expo- sicidn sistemitica de los tcmay necestrios para deznostrar el tcorema 2,15, Una consecuencia importante de ese tcorema es el corolario siguiente. ‘Si P() es un polinomio de grado n = 1 con coeficientes reales 0 complejos, entonees exis- Yen constantes dnicas. x). xy..++5 Ay posiblemente complejas, y enteros positivos my, My vvon my tales que SAL, m,= my PUD © a0 = 4, = yr (eae, .92 Corolario 2.17 Teorema 2.18 EJEMPLO 1 CAPITULO 2 = Soluciones de ecuociones de una varioble El corolario 2.16 establece que el conjunto de ceros de un polinomio es ‘nico y que, si cada cero x, se cuenta el mismo nimero de veces que su multiplicidad m, entonces un polinomia de grado a tendrd exactamente n eros. El siguiente corolario de! teorema fundamental de digebra se usaré con frecuencia cn esta seceidn y en capftulos posteriores. Sean Plx} y Q(x) polinomios de grade & lo ria m. Six), 135,64 4p 600k >, $00 mime ros distintos con P(x) = Gtx) para d= 1, 2,.... & entonces Pt) = Q(x), pura todos los valores de x. . Si queremos localizar los ceros aproximados de un. polinomio P{x) con el procedi- miento de Newion, necesitamos evaluar P(x) en valores especificudos, Puesio que Pix) y P(x) son polinomios, la eficiencia computacional requiere evaluar estas funciones en la forma anidada que explicamos en Ia séceién 1.2. El método de Horner incorpora esta toc nica y, por lo mismo, requiere silo n mulliplicaciones y n sumas para evaluar un polino- mio arbitrario de grade (Método de Homer) Sea Pi) = age +a, xt! + tay t ay ay bea tbe pamk= nin entonces by = Phy). Més atin, si GRP = gh Batt hon tba hy Pla) = Ce — QU) + by. . Demostractin Scgiin Ia definicién de (x), (0 = ghOG) + by = Gr tM gt! + one + Bax By) + By (hat + By pe bone Bye + hy) bby be + Barge + byte) + by bt + Ugg = Dit h" om by = bys + Ky — Byrd De acuerdo con la hipttesis. b, = a, ¥ by — by. pty = ap por tanto (r= 5 IQ) + By = Pid yb = Plxg he eng Aplique el método de Horner para evaluar Pr) = 214 — 3a? + 3x —4enay= -2, ‘Cuando realizamos manualmente los ediculos en el métode de Horner, primero cons- truimos una tabla que sugiere el nombre de divisin sintéiica comdnmente aplicado a esta técnica, En este problema, la tabla es la siguiente:2.6 Ceras de potinomias y ef método de Maller 93 Coeficiente Coeficiente Coeficiente Coeficiente ‘Término de xt c dex constante a, ay = bX bay = 14 wa 2 b= -? Por tanto, PCx) = (x + 228 — Ax? + Sx — 7) + 10, . Una ventaja mas del uso del procedimienta de Homer (o divisién sintética) consiste en que, coma Plxy = 8 = HQ) QO) + by donde O63) = bgt + by gat E ob dae + By al derivar respevto a x abtenemos Play = Oi) te ad y Play) = Ola) (2.14) Cuando usamos ¢1 método de Newton=Raphson para encontrar un cero aproximado de un polinomio, podemes evaluar de la misma manera P(x) y P’Cx), EJEMPLO 2 Encuentre una aproximacién a uno de los cerus de Pls) = 2x! = RE + Ae 4, ‘usando el procedimiento de Newton y Ia divisién sintét para evatuar P(a,) y P(x,) en cada itcraci6n x, Con y= 2 coma aproximacién inicial, obtavimos P{—2) en el ejemplo I por me- diode 2 0 =s 30-4 4 a -10 2 -4 5-7 100 = P=2). ‘Usando el teorema 2.18 y la ecuacién (2.14), OW =wW=4F45r-7 y P(-2)= 01-2), de modo que P(—2) puede encontrarse al evaluar (X—2) de manera similar: X= 2 2 -4 5 1 4 16 42 2 84 49 = Q(—2) = PL-2)94 CAPITULO 2 © Saluciones de ecvaciones de uno variable y _ Pay) A Puy) Al repetir el procedimiento para encontrar .t,, -3 3 -4 6.451 = 6.197, 5.742 3.451 3.197 1.742 = Pay) 12.902 -29.368 16353-32565 = Oty) = PCa). Por tanto, P(—1,796) = 1.742, P*(— 1.796) = —32.565, y e 1.742 5 x = = 1.796 gg 77 TAR. De modo semejante, x5 = ~1,73897, Un cero real con cinco cifras decimales es — 1.73896, ‘Obsérvese que el polinomio Q(x) depende de 1a aproximacién que se emplea, y cam= bia de-una iteracién a otra, El algoritmo 2.7 calcula Plxq) y P'Usg) por medio del método de Homer, aicoemo Método de Homer az Para evaluar el polinomio PO) = ant + ay ot + oo aye + ay = (x — rgOLH) + by y su derivada en x9: ENTRADA grado-n; coeficientes ay. SALIOA y= Plydis = Pir: Paso! Tome y=a,: (Caleule b, para Py (Calcule b,, para Q.) Paso 2 Paraj= nin 2yovesl tome y= x,y +a; (Calcul b, para P.) agr ty. (Calcule by”, para Q.) se Kye Poso 3 Tome y= xy + dy. (Catlcule by para P.) Poso 4 SALIDA (y, 2); PARAR. . Si la teracién N, xy en cl procedimiento de Newton es un cero aproximado de P, en- tonces Pa) =r OLX) + by = (x= cya) + PL) ™ Or = ayQW,Teorema 2.19 2.6 Ceros de polinamios y et método de Maller 95 dde modo que x — 2, Sera un factor apronimado de P(x), Suponiendo que i, = ry sea el ce +0 aproximade de Py que Q\(3) = (Cx) sea el factor aproximado, obvendremon Pw) (x ~ £90\0). Si aplicamos el método de Newton a @ (x) podemos encontrar un segundo cero aprox do de P, Si P(x) ¢>.un polinomio de grado n con 7 ceros reales, aplicamos varias veces este procedimiento para finalmente obtener (# — 2) ceros aproximados de P y un factor cua- dsdtico aproximado Q,._, (1). En esta etapa, podernos resolver Q,_. (x) = O mediante una f6r- ‘mula cuadrética para obtener los des dltimos ceros aproximados de P, Aunque pademos tsar este método para obtener todos Tos f (= IRS YD (-DHr= Si queremos aproximar /(3) = } por medio de P,(3) con valores ereeientes de n, oblene- mos Jos valores en la tabla 3.1: un evidente fracuso. EL tipo de dificuitad que encontramos en este caso €s muy comién, pues los polinomios de Taylor tienen 1a propiedad de que tox Ia informacién utilizads en la aproximacién se concentra en el Gnico punto x, Ete problema generalmente limita el uso de la apcoxima- cién polindmica de Taylor al caso en que las aproximaciones se necesiten sélo en puntos cercanos ay En los céleulos ordinarios conviene més usar métodos que incluyan informacién en diversos puntos y que estudiaremos en las siguientes paginas de este capitulo. La principal aplicacién de tos polinornios de Taylor en el andlisis nurnérico no es la aproximacién, sino la derivacién de los méiodos ouméricos y la estimacién del error. 3.1 Interpolacién y polinomlo de Lagrange Como los polinomios de Taylor no son adecusdos para la interpolacién es nevesario hacer uso de métodos alternos. En esta seccién encontraremos polinomios de aproximacién que se determinan con s6lo especificur determinados puntos cn et plano por donde dcben pasar. El problema de encontrar un polinomio de primer grado que pasa por los puntos dis- timtos (t. ¥e) ¥ (xy. ¥,) e8 el mismo que el de aproximar una funcién f, para la cual fly) = Yo ¥ 0e,) = ¥, por medio de un potinomio de primer grado que interpote los valo- res de fen los puntos dados o que coincida con ellos, Primero definiremos las funciones Lis y y se define entonces PU) = Lyf leg) + Ldfee).108 Figura 3.3 Figura.3.4 CAPITULO 3 © Intemolacisn y qpraximacién potinomial Como Lio=l L)=0 Lag=0 y Lash tenemos Pag) = 1+ faq) + 0» Fl) = fl.) = ¥p y Plx,) = O- fix) + 1+ fl.) =f) Ye r Ast pes la nica funcién lineal que pasa por (xy. vg) ¥ (xy, ¥,). (Véase la Fig. 3.3.) A fin de generalizar el concepto de interpolacién lineal, consideremos Ta construceiéa dc un polinomio de grado méximo n que pase por los a + 1 puntos Cay FEM ap FODe oer Cp Seg? (ease la figura 3.4.)Figura 3.5 Teorema 3.2 3.1 Interpotacién y potinamia de Lagrange 109 En este caso para cada t= 0, 1, ..., m construimos una funcién £,, (x) con la propie ad de que Ls) = 0, cuanda i # ky L404) = 1. Para satisfacer £,.,(4) = 0 para cada i 4k ve requiere que el numerador de 1, (x) eontenga ¢l térmnino (em Oe Og) ea. Para satisfacer 144) = 1s el denominator de 2, (8) debe eoincidir con este término 1g) * Tage i) tae) En la figura 3.5 se muestra un dibujo de la gréfica de un £, , comtin, El polinomio de interpolaciGn se describe faicilmente ahora que conocemos la forma de Ly. Este polinomio, denominado a-ésimo polinomie interpolante de Lagrange, se define en el siguiente teorema. Si tq Xj... son. + L ndmeros distintos y si fes una funciGn cuyos valores extin da- dos en esos mimeros, entances existe un Gnico polinomio Pt) de grado a lo més, con Ia propiedad de que Foe) = Ply) paracads k= 0,1,... Este polinomio esté dado por PO) = fle hby ghd) + + SUE 0) Y fG 1,0), BD a donde para cada & = 0, 1, ar 10 eg ere) ze i 2 O= Ga a) Oy NA) oa) mt) Hama . Escribiremos £, (x) simplemente como £,(x) cuando ao haya confusign respecto a su grado.110 EJEMPLO 1 Figura 3.6 CAPITULO 3 © Interpolacion y oproximacién potinomiat Si queremos utilizar los nimeros (a riados) 4g 2, x, = 2.5 yx, = 4 paru obtener el se- undo polinomia interpolante para f(x) = Wx debemos determinar los cocficientes polind= micas Ly(t), £y(x) y Ly(ay = 25)r= 4) WO" OT 35a = (65x 10, =e) Ede + ty 22 ho Qs=aQ5-H 3 . ¥. (x — 2x — 2.5) G4 Sy+5 LO GT ayaa 3 Puesto que f(a) = f(2) = 0.5, f(4)) = f(2.5) = O4 y f(xy) = f(4) = 0.28, tendremos Pa) =F fp) = OS((x - 6.5)x + 10) + 0.4 + a = (0.05x = 0.425) + 1.15. Una aproximacién a f(3) = 4. (Véase Fig, 3.6) 6s 10) = PQ) = 0.325. ‘Compare esto con la tbla 3.1, donde no se podia usar ningiin polinomio de Taylor (desarrollado alrededor de x = 1) para aproximar ruzonablemeate f(3) = |. .Teorema 3.3 BAA Interpotocién y potinomio de Lagrange ii Podemos usar un programa de cémputs para construir wn polinomio interpolate. Por ejemplo, €6 Maple usamos >interpix, ¥, xi; donde X es la Hista [ty -.-, x,], Yes la lista [fxg ...» /(e,)] y x es la variable a ser usado, En este ejemplb podemnos generar un polinomig interpolanie p = 0.053? — 0.425x + 1.15 eon el comando ‘ Ne 10.5,0.4,0.28) .x)¢ escriha Jo cual da 0.325 El siguiente paso consiste en calcular un residvo © cota del error incurtide al apro- ximar uns funci6n mediante un polinomio interpolante. Esto se hace en el siguiente teorema, Sopongamos que X.4)...-. ¥, $00 miimeros distintos en el intervalo fa, bl y quefe C™! [a.4), Emtonces, para ¢ada x en fa, b] existe un niimero £(x} em (a, b) con fade Pe i. po em a), 63) donde P(x) ese potinomio inkezpotmic de te ecunciba (3.1) . Demostractén Observe primero que, six =x, para 1, entonces f(s) Pix). y al seleccionar &(1,) arbitrariamente en (a, 6) se obtiene La ecuaciGn (3.3). Six # 4, para cualguier k= 0,1, ..., , defina la fusicién g para ten [a, B] por medig de (= xt) @- Y =f) ~ PO Ye) - Pe =x) 4, = Gy SifCA) = e*, entonces Py 3, (4) sera el polino- mio que concuerda con f(x) en.x, = 2,.t, = 3y con x, = 6, es decir, (= 2x6) 4 DEI G- 23-6) (6-2-3) En el siguiente resultudo se describe un método con el que se generan recursivamen- te aproximaciones al polinomio de Lagrange Si festd definida en ay. x. ..-. 5 ¥ 4) ¥-x,40n dos niimeros distintos de este conjunlo, en- tances CDP pipet tO) OT ADP a, cc fnst tt Pixy= GD describe el polinomio de grado k de Lagrange que interpola f en los & + 1 puntos xy By oven ate . Demostrocién Para facilitar la notaci6n, sean Q Poy eagets...8¥OS Pate. Peal Puesto que Cx) y Q.x) son polinomios de grado k To menos, P(x) sera ‘eg ‘Goaio mts k. Si0 Ses k y sir t ij entonces Q(x.) = Gtx) = flr), asi que (5, — 4) Oe) — ,- 490) Gx) Pa) = ee Goa) 8) fe. 4%) a> Ademés, como Qx;) = lx), tenemos (x, — x) 2 sym tena) TOP Se116 Tabla 3.3 EJEMPLO5 CAPLTULO 3 © Intempolocién y opraximancn potinomial De modo andlogo, como Q(x) = f(x), cbtenemas P(x,) = f(x). Pero, por definicién, Po,,...,4 68 el polinomio tnico de grado 1 lo més k que concuerda con fen ty.ty,.... iy Por consiguiente, P= Poy. ae ame De acuerdo con e} teorema 3.5, los polinomios interpolantes pueden generarse de ma- nera recursiva. Por ejemplo, podemos generaslos como sc indica en la tabla 3.3, donde cae da hilera se termina antes de iniciar las siguientes, % Po= Quo a Pr=Qig Far = Qi P= Qp Fip= Qi Pann ro 5 Py= Org Pay = O14 Pras =r. Porzs = Qs Me Pom Qin Pra = Qu Paya Qa Pisa = Qua Posasa = Qua A este procedimieato se le conoce con el nombre de métedo de Neville. La notacién P que se usa en Ia tabla 3.3 es dificil de mancjar por Ja cantidad de subindices con que se represenian las entradas o datos. Pero obsérvese que, al consiruir un arreglo, ska se nece- sitan dos subindices. Descender por lu tabla equivale a utilizar puntos consecutivos x, con i'mais grande: dasplazarse hacia la derecha equivale a aumentar el grado de! polinomio interpolante, Dado que los puntos aparecen consecutivamente en cada entrada, debemos describir Gnicamente un punto inicial y la cantidad de puntos adicionales con que se cons- truird fa aproximacién Para evitar los subindices multiples, sea Q, (2), 0 , 10, se0h= 10a y3, = A, + V0), Pras Sd Piy32.5)= 3 derechos de aul3.1 Interpotocién y polinomio de Lagrange 121 ‘donde P,(x) es el polinomio inierpotamte de f(x) en los nodos x", x{" Dy a= 5+ 4h para cada j = 0, 1,2, 05 1. ¢Parece que la sucesion (y,} converge en fl + V/10)? Interpolacion Inversa Suponga que fe C'[a, b1./") # Oa fa. y que fine un osro-» cen {a, 81. Sean xp... 4. + 1 niimeros distintos en [u, 6] con ftx) = y, para cada k= 0, 1, .... a. Si quiere aproximar p, construya cl polinomio interpolante de grado en Jos noxos Yor soe Ya para f~', Pesto que y, = f(x) y 0 = fip), ¢ deduce que fo) = 5 y p= f-NO)- ‘Se dael nombre de interpolacién iterada inversa al uso de Ia interpolacidn itera para xproxi- rar {0}, 22. Use la interpolacion iterada inversa para ottener una apronimasién a Ia solucion de x ~ 27+ = 0, por medio de lor datos 03 04 0. o7s0aia | 0.670320 | O.sss1 | 0.s48812 06 23, Construya un algoritmo que sirva para obtcnet la interpolaciGn inversa, 24, a En la introduccién de eate capftulo-se incluyé una tabla con la poblacién de Estados Unidos, centre los aftos 1940 y 19910, Use ln interpokacién de Lagrange para aproximar la poblaciéa 0 los wis, 1930, 1965 y 2010. 1b. La poblacién de 1930 fue aproximadamente de 123 203 000 hat su juicio, tienen sus cifras comespondientes a los afios LOGS y 20107 25, ‘Se sospecba que las clevadas coneentrasiones de tanina en las hojas de hos robles madros in- bhiben al erecimienta de Ins larvas dela polls invemnal (Openophtera bromata L, Geometridae) {que tanto datian a los drboles en algunos fics. La tabla anexa conticne el peso promedio de dos rmuestras de larva. leanadas en los primeros 28 dlas despots del nacimienlo. La priera mucs- tra se cri6.e0 hajas de nobles jovenes, mientras que la segunda lo hizo en hojas maduras det mismo drbot & Usel Bh Para calcular un peso prosnedio maximo aproximado de cada muestra, determine el méximo {el potinomio intespolame. tes. {Qué exactinud, a terpolacidn de Lagrange para aproximar la curva del peso: promedio de las mocs- Dia Freso promedio dé ta muestra 1 (mg) 3 Peso promedi de la muesica 2 (mg) 56] 9.44] 899 26. En el ejervicio 24 de la seccién 1.1 se integrd una serie de Mactanrin para aproximar erf(1), sdoode crf (x) ¢s la distribusign normal de ta funeiéa de error definida por @, Use la serie de Maclaurin para construir una tabla de erf(x) con una exactitud de 10~* para ef (x) donde x, = 6.2i, para i = O.Mvens 5 1B Use fa imerpolacién lineal y Is cundrética para obtener una aproximacidm de erf(7 Que métado le parece mss adecisdo? 27. Demuestre ! teorems {14 aplicando e} provedimiento de la demostraciGn del tearema 3.3. [Su- ‘gerencia: sea at) =) — Pa — Ya) PE Gaur ‘donde P es el polinomio de Taylor de m-ésimo grado y use el teorema 1.12]122 CAPITULO 3 © Interpolociée y apraximacién potinomiat 28. Demuestre que max | ptxd| = AP, donde e(xy = (x = jae — G+ 1h), yey 29. Et polinomio de Bernstein de grado n para/‘e C{0, |] est dado poe wpm) fk Bay > =| AC = ar, von (T)e(Z) eam donde (}) denota n¥/e'(n — &)!. Estos polinomios pueden usarse en una demostracidin construc- iva del teorema de aproximacion de Weierstrass 3.1 (véuse [Bart]), ya que lim B,(x) = f(x), Para coda x € (0,1). = a. Obtenga Ay(x) para las funcioncs W fine ai) fayei b, Demuestre que, para cada kn, (21) GC) we Vala? (¢. Uiice ta parte (b) y el hecho de que, sequin (li) de Ia parte (4), 123 (Tea para cada n, para demoutrar que cuando f(x) = 33, ava 4. Ultitice tn pare (c) pare estar ol valor de necestrio para que 1F,(2)~ 2°] <10°* sen ‘vilido para todas las. en {0, 1}. 3.2 Diferencias divididas En la seecién anterior utilizamos la interpolacién iterada para generar aproximaciones po- lindmicas de grado cuda vez mayor en wn punto especificg, Los métodos de diferencias di- vididas, que explicaremos en esta seccidn, sirven para generar sucesivamente los polino- ios. El estudio que haremos de este tema seré breve, pues los resultados de esta seeci~in no tendirén gran uso en Jo que resta del libro. En la mayor parte de los textos antiguos de andlisis numéricos se examinan de modo exhaustivo los métodos de las diferencias dividi- das. Si usted necesita un tratamiento més completo, le recomendarnos consultar el libro de Hildebrand (Hild), ‘Supongamos que P,(1) cs 1 n-ésimo polinomio de Lagrange que concucrda con la funcidn fen los nidmeros distintos xq. 5. +++» sy: Las diferencias divididas de f respecto a ge Nps see 4, SE wsan para expresar P,(x) en la forma PACD = ay + a) ~ 49) + ale AME) He a3) =a) ad + Gfx — ag para las constantes apropiadus dy dy2.2 Difereacias divididas 123 Para determinar la primera de las constantes, dy note que, si P,(x) estd escrito en la forma de la ecuacidn (3.5), entonces al evaluar P,¢s) en x9 queda sélo el término constas le ay, es decir Ay = Pit) = f(x). De manera similar, cuando se evala P(x) en. Ios tinicos términes no cero en Ia eva Juacién de P,(x,) son los términos constante y lineal, AG) + a0, — AQ) = PAG) = FOC as{ que c ae fos) as aN ‘Ahora es nocesario presentar la notaciGn de diferencias divididas, que nos recuerda la no- tucién A? de Aitken que ulilizamos en la seceién 2.5. La diferencia dividida cero de la funcidn f respecto a. que se denota como lx), es simplemente cl valor de fen 1,: Fix = fey). a7 El resto de lus diferencias divididas se definen en forma inductiva. La pelmera diferencia dividida de f respecto a.x,y x,., se denota flr, 4,4] y se define asi flo) = fis) Sse, ea G8) La segunda diferencia dividida f(x, x,,. %,,3) se define como sigue Liss Ava) ~ fle Ri) Slop ona] = A “, En forma andloga, después de determinar las primeras (k — 1) diferencias divididas, FU A ae YS Sih Ja k~ésima diferencia dividida relativa a x, 1), j.3+ +--+ 444 6st dada por lepton Moen gh = esses tad Siataynfveel oy Con esta notacién, podemos reexpresar la ecuacitn (3.6) como a, = {LX %) y €) polino- mio imterpolante de lo ecuaci¢in (3.8) es PCO) = flee] + fltg. 2,}0r = xg) + aie = xe =) ). Como cabe suponer tras evaluar dy y a), las constantes requeridas son tot ate ay) a 4 = Pls dy dy . Por tanto, podemos reescribir P,(x) como (véase (Hild, pp. 43-47)] a para cada k= 0, G10) PA) = Slt) fly tps ee IO) Od a124 CAPITULO 3 © Interpolacién y aproximacién potinomial ‘Como se indica en et ejercicio 17, el valor de fx. =~ %] €8 independiente del orden de los GIMETOS yy. mr Rye A Esta ecuuacion se le conace con el nombre de {érmula de diferencias divididas interpolantes de Newton. En la tabla 3.7 se describe esqueméticamente la deter- minacién de las diferencias divididas obtenida de los puntos de datos tabulados. Con esos da- tos también es posible determinar dos cuartas diferencias y una quinta diferencia, Tabla 3.7 Primeras, ‘Segundas Terceras: x fa) diferencias divididas diferencias divididas diferencias divididas safle) fly) Mp) = Mey tp 4) Moe an) Piety A) =e be) — fle) aft) SB yty a) fe Mn) = Meta ad == fl) Fergani EM esd Arps gn = Berean 54 sf le 51 Mss) i) La formula de las diferencias divididas interpolantes de Newton puede implantarse por medio del algoritmo 3.2. Se puede modificar la forma de Ia salida para producir todas las diferencias divididas, como se hizo en el ejemplo 1. Aicorrmo Formula de las diferencias divididas Interpolantes de Newton 3.2 Para obtener los eoeficientes de las diferencins divididas de! polinomio interpolante P en Jos (n + 1) mimeros distintos x, x,...., 1,3 para la funcién f: ENTRADA os niimeros. xy Xj) -+4 yi Valores fxg) Se Fao SALIDA los mimeros Fy Fy ft Pa) => F,, T= x). Oo pmo + fk) como Figgy Fygy --+ F,, dondeEJEMPLO 1 Tabla 3.8 Teorema 3.6 125 En el ejemplo 3 de Ia seccién 3.1 utilizamos varios polinomios interpolantes para aproxi- mar f(1 5), por media de los datos contcnidos en las tres primeras columnas de la tabla 3.8. El resto de entradas 0 datos de la tabla incluyen diferencias divididas que se calcularon me- iante el algoritmo 3.2, [Los coeficientes de la {érmula de las diferencias divididas progresivas del interpotante de Newton se encuentran 4 1o largo de la diagonal de la tabla. El polinomio es Px) = 0.765197 — 04837057 (x — 1.0) — 0,108733%x — 1.0) — 1.3) +:0,0653784x — 10x — 1.3K ~ 1.6) + .0018251G2 — 1.0.x — 13x — 1.6 — 1.9), ‘Nétese que el valor P,(1.5) = 0.511820 concuerda con el resultado de la seccién 3.1. ejemplo 3, como debe ser. porque los polinomios son los mismos. . toa cl Aa td Sle Hi ee ee ee 0 10 a76sINTT —0.4837057, 113 @6200860 =0,1087339 05489460 10658784 2 16 aasssan2 010896033, 10018251 05786120 .0680685 319 opeisias ousenes 05715210 422 01103623 El teorema del valor medio aplicado a Ia ecuacién (3.8) cuando i = 0, Slr) - flag) es aon significa que, cuando existe f’. fx x4] = f(2) para algiin niimero é entre xy y 1). El si- guiente tcorema generaliza este resulado. Supongamos que fe Crfa, b] ¥ ty 4... 1, Som niimeros distintos en [a, b]. Entonces existe un nximero gen (a, b} con, Fike Ks126 CAPITULO 3 © Interpotacién y apraximacion potinomiat Demostrocién Sca sta) = fle) ~ Pyar, Puesto que f(x,) = P,(t,) para cada d= 0, t,o. n, la funeién g tiene n + 1 ceros distin. tos en [a, 6]. Conforme al tcoremma generalizado de Rolle, existe en (a, b) un mimero eon 8!"XE) = 0, tal que O= feng) — PLY (B). Por ser P,(x) un polinomio de grado m cuyo cocficiente principal 08 ftp. y..-.4 tale PKA) = ml fle Rye vooy Ale para todos los valores de 2. En consecuencia, dey l= La formula de las diferencias divididas interpolantes de Newton pucds expresarse en forma simplificada cuando se arreglan consecutivamente Jy Xp. ++ X, 60 expacios igus les. Al introducir la notacion k= «,,,— x, para cada /=Q. 1... m=] y seas ty + sh, podemas escribir la diferencia x ~ x,como.x ~ 1x, = (s ~ 2), Por tanto, la cous cidn (3.10) se transforma en Pyle) = Pylig + 209 = fig) + lif 44] + 868 — DA faye ty 83) Fo EE DHT typos 6S als EDM flag yoo th Fry Al uiilizar Ia notacidn del eveficiemte binomial, 5 sts = Doe (sk +1 (; ) ~ # . podlertios expresar P,(x) en forma compacta como ee P(x) = Ply + 5h) = fing) + (j Jay Xp see Mh My a ‘Acdsia ce le lama férmula de Ins diferencias divididas progresivas de Newton. Otra forma, denominada formula de las diferencias progresivas de Newton, se construye uti- lizando la notacidn de las diferencias progresivas 4 que explicamos al hablar del método ? de Aitken. Con esta notacién, fix fix) 1 Mp) = PF sy mo FB ay aah * 1 | Sf Ge) — Mfg) ! A [sews] eer A YfL%)sDefinicién 3.7 4.2 Diferencis wividios 127 yen general, 1 Meg tyes ADA page MC tiene la siguicme férmula, Formuta de las diferencias progresivas de Newton Pn = fi +S (; Jst100 G2 Si reordenamos los mados interpallantes come yy, semejante a la ecuacidia (3.10): Ps) = fl) + flys, (Me 8) + floss pet, gle 5,00 — 4) 4 fing Mle Br Si los odes tinea espacios iguales con x=x, + shyx= x, + (s +n — lkentonces ++ p Se-obliene una Formula + yo @ = 4). Pes Pir, + sh) = flag) + sh {leq nya) tats + IE fla, $65 + Dis +t DN fey se he Esta forma se conoce con el nombre de formula de las diferencias divididas regre- sivas de Newton, y sirve para derivar una formula de uso -més comin denominada férmu- In de las diferencias regresivas de Newton, Para explicar esta Ultima, necesitamos la si- ulate definicisn, Dada la sucesién (2,1; defina la diferencia regresiva Vp, (Iéase nabla p,) por medio de Veg Pa Pr-v paren 1 Las potencias mayores se definen recursivamente por Fe Eph pak 2 . La definickéa 3:7 implica que 1 al ye MSG ) e+ yet Pf) 4 ¢ ——$— a Pi) = find + SVS ux) + veya.128 EJEMPLO2 ‘Tabla 3.9 CAPLTULO 3 © Intempolacién y opraximacién polinemil La notacién del coeficiente binomial xe amplid, para incluir todos los valores reales de s al tomar (r)- por tanio, a-1- 1) PAN = ft.) +(-D! ( . rsa) rer(3 Yep) + mee (| ‘ers, » Esto nos da él siguiente resultado. Férmula de las diferencias regresivas de Newton PAO) = fle) + y co k > Jee fl, La tabla 3.9 corresponde a las diferencias divididas de los datos que se dan en el ejemplo 1. (3.13) Prmerat ‘Segundas Tercerae_ Cuaras diferencias diferencias diferencias diferencias divididas divididuc ivididus ——divididas 1007681977 4837057 13° 06200860 =0.1087339 =0:5489460 0.0658784 16 0.454022 0.004433 05786120 ‘0.0680685 19 02818186 00118183 05718210 22 0.1103623 Sélo un polinomio interpolante hasta de grado 4 usa estos cinco puntos, pero ‘orgunizaremws fos puntos para obtener mejores aproximaciones de interpolacion de grados 1, 2y 3. Esto hos dard la exactitud de una aproximacién de euarlo grado para el valor dado dex, Si se requicre una aproximacién a f(1.1) una eleccién adecuada de los nodos ser xy = LO,xy = 1,3, = 16,45 = Ly x, = 22, porque es la que utiliza lo antes posible los puntos de datos mis cercanos ax = 1 da. Ello significa que h = 0.3 y ques = ¥ lambign hace uso de la cuarta diferencia dividi- 3» Por lo cual In férmula se emplea con las dife- rencias divididas que aparecen subrayadas con Iineas seguidas en la tabla 3.9: 1 PALA) = PALO+ 5 0.3) 1 172 = 0.765197 + | (0.3) (=0.4837057) + > (-3) (0.3)? (~0.1087339)EJEMPLO 3 3.2. Diferencias divididas 129 3 3 ) (0.3)%(0.065878" 3) (-$) (0.3)*(0.0018251) ‘Si queremos apronimar un valor cuando x esté cerca del final de Jos valores tabulados, digamos x = 2.0, de nuevo seria conveniente utilizar lo antes posible los puntos de datos ‘ms cercanos a x. Para ello es necesario aplicar La férmula de diferencias divididas regre- sivas con s = — 2 y las diferencias divididas de ta tabla 3.9 que aparecen subrayadas con Uneas punteadas: ) P20) = P, (: 2- 7 = 0.1103623 — + (0.3-0.5715210) Z (3) (0.37.01 18183) -2(4)Jesronns-3(2)(2))orrame = 0.2238754. . Gis win Las férmulas de Newton no son convenientes para aproximar tn valor f(e) para x si- tuado cerca del centro de Ia tabla, porque x, 0 podrd estar cerca de x si empleamos el mé= todo regresive oe! progresivo, de modo que intervenga la diferencia de orden més alto, En Este €as0 disponemos de varias {Stmulas de diferencias divididas; cada una de ellas es apli- cable de manera éptima en detcrminadas situaciones. A esas ténicas sc les lama formu Jas de diferencias centradas, Hay varias de ellas, pero por ahora slo nos ocuparemos dle tuna, el método de Stirling: una vez ms, al lector que desee una explicacién més comple- ta le aconsejamos consultar a Hildebrand [Hild]. Para las fGrmulas de diferencias ccntradas escogemos x cerca del punto que va a ser aproximado y marcamos los nodes directamente por debajo de xy como x), x3). Jos que estin directumente arriba como _,. #3, .... Con esta convencién, la formula de Stirling esté dada por sh Pyle) = Pagal) = Fel + sis? — 1h) Te ato te n+ ft tg aol + Alig 21) + SHS Ixy ay) G.14) het PER 18 = 4) oe 2 LPL ge ee Sil 562 = 1) (= mye! FT Fmt oer Ea) tL ait 2s med sin = 2m + Les impar, y sim = 2mres par. aplicamos lu misma formula pero suprimimos {a Gltima Uinea, Los elementos de esta {Grmula aparccen subrayados cn Ja tabla 3.10. Considere La tabla de datos que se dio en Jos ejemplos precedentes. Si queremos aplicar la fécmula de Stirling para aproximar f(1.5) con x, = 1.6, usamos los elementos subrayadas en la tabla de diferencias 3.11,130 ‘Tabla 3.10 Tabia 3.11 CAPITULO 3 © Interpolocién y oproximacién polinomial Primeras ‘Segundas “Tercens ‘Cuarias diferencias diferencias diferencias x so divididas divididas divididas n> fle) Fy ey) fle) Sa Sl fo fl) Sood PU ge Xs My His) Mla gt 4 fll Hay %y.%) x fg) ‘Primera Segundis Tercera Cuartas Giferencias Siferencias diferencias. ——_ferencias s fe dlivididas divididas divididas ——_divididas 10 0.765197 ~0.4837087 13 0,6200860 =0.1087339 8.60 0.065878 16 qassaan2 0.04044; 05786120 0.0680685 19 O28IRIR6 ooutsis3 STISZIO 22 0.103623 La formula con h = 0.3, x) = 1.6 ys = ~ 4, se convierte en 1 ra 9=4,(16+(-4) 0) 1\/03 = 0.4554022 + (-3) (2) (05489460) + (—0,5786120)) + (-2) (0.37%-0.0494433) 1\2 ) - ‘) (0.37 (0.065874 + 0,0680685) - :) ¢0.3)4(0.0018251) = 05118200, .Ba Diferencias divisidas 131 CONJUNTO DEEJERCICIOS 3.2 L 4 Use la formula de diferencias diviidas interpotantes de Newton o el algoritmo 3.2 para cons- {muir polinomios interpolontes de grado uno, dos y tres con los siguientes datos, Use cada uno de Jos potinonsios para eproximar el valoe especi A (BA) Sif(B.L) = 16, 94610, (8.3) = 17.56402, (8.6) = 1R.50815, £18.7) = 18.82091 b. £09) si {(0.6) = —0.17694460, (0.7) = 0.01375227, f(0.8) = 0.22363362, f1.0) = 0,65809197 Use la formula de diferencia progresiva de Newton para construir polinomios interpolantes de grado uno, dos y tres con los siguientes datos, Aprozime el valor especificado usando cada uno de los potinomion. eK - 4 si S(-0.75) = -0.07181250, {(-0.5) = —0,02475000, f(-0.25) = 0.33493750, (0) = 1,10100000 be £0.25) st f(0.1) = —0.62049958, /(0,2) = —0.28398068, (0,3) = 0,00060095, f10.4) = (0.24842440 Use la formula de diferencias represivas de Newton para construir polinomios interpolantes de grado uno, dos y tres con los siguientes datos. Por medio de cada uno de 10s polinornios apro= ime el valor expecificado. a fl} i (0.75) = -0.0718 (0) = 1.10100000 1b. (0.25) sb f(0.1) = =0.62049958, /(0.2) = 028398668, f(0.3) = 0.00660095, (0.4) = 024842440 ‘=. Use al algoritmo 2.2 para consiruir el polinomio interpolante de grado cuairo-¢an los pun- tos desigualmente expaciadas que aparecen en la tbsla anexs: J=0.5) = =0.02475000, f(=0.25) = 0.33493750, x fu) 00 6.0K OL = S.R94Rs 03 —S.650)4 06 | =S.177RR 10 4.28172 by Agregvc /(IL1) = ~3.99583 a Ia bia y consmuya el polinomio interpolante de grado cinco, & Aproxime /(0,05) mediante los siguientes datos y la férmula de diferencias divididas pro- sgresivas de Newton: x [00 02 os 06 ox Foo | 100000 | 1. ragga [18322 | 222554 1B Use In (éemuta de las diferencias divididas represivas de Newton para aproximar /40-65). & Aplique la formula de Stirling pura aproximar /(0.43). Demuestre que et polinomio que interpola los siguientes datos ex de grado 3,132 CAPITULO 3 * Jntempolacién y opraximaside potincrnial 7. a, Demuestre que los polinomios de diferencins divididas progresivas de Newton Pu) = 3-2 +1) + Oe + I) + + NO 1 y Qu) = -1+ att 2) See + DEH + + DOE DD ‘mteepollan los datos « [-2 [-1[o]afa2 ye t- [3s [fo fs bh, {Por qué lu parte (2} oo viola ba propiedad de singularidad de los polinomios ieterpolantes™ 8. Un polinomio de cuana grado P\x) tatisfice A*P(O) © 24, APIO) = 6 y A?) = 0, donde APC) © Pix + 1} — Plz), Caleule SP(10). 9. Se tienen los siguichics datos para tm polinomio P(a) de grado desconocido. Determine el Coeficiente de 1? en Px) ri todas Ins difeseocta progresivas de tercer orden yon | 10. Se dan Jos siguientes datos para un pollnamio A(x) de grado descanccide, x [9 |) |2zqa as [4 [oe [ais ae [Determine el coeficieme de «* en P(x) sl todas las diferencias progresivas de cuarto orden son 1. 1 La Remus de las diferencias divididas progresivas de Newnon sive para uproximar f(03) si se ‘sucnt con los siguientes datos. « [oo | oz [os fos yay [iso [210 [300 | a0 ‘Suponga que se descubre que f(0.4) fue subexpresado en 10 y que {40.6} fue sobreexpresade fen 5. .Cudnio debers modifcarse ta aproximacin a f(0.3)? 12. Con ana fonciéin fla férmla de las diferencias divididas interpolantes de Newion st el poino- iio interpolante rape t eae eage—029 + He =0254r—054 en los nods ry = 0,1, = O25, xy = OS y.x, = 0.75, Obtenga f(0.75), 13, Con una funcidn flas diferencias divididas progresivas-estin daxlas por e008 Sim) Sy 51 yada) Ale 4) fly, 41 = 10 RAOT — figlas Determine Jos disos que falian en la tabla,3.3 Interpolacién de Hermite 133. 14. a. En La introduccién de este capitulo se incluy® una tabla que contiene la poblacién de Esta- das Unidos de 1940 a 1990. Utilice las diferencias divididas adocuadas para aproximar ta Pablacitn de los aios 1930, 1965 y 2010, by En 1920 La poblaciGn (ue apronimadamente de 123 203 000. {Cul es, a su juisio, In exas- titud de las cifras corresporitientes & los aos de 1965 y 2010? 1S. Sixetione Pyle) & Fl) + flay. HA — a) + a,b — er — 8D tate — te — Kr =) + + abs — at Saher Ue ay yh vse P,(.x,) para demostrar que a, = ftp. ¥) 16. Demuestre que mth Ne, fre Keo) para alguna €(x) (Sugerencia: segtin la ecuacién (3.3), SEMEL fia) = Pons Siconsideramos el polinomio interpotante de grada m+ Yen ry. 4p sse+ typ tenemos FU) = Py la) = PAL) + fla yoo AD GE ag) Oe = a) AT, Sem igus vove i'n rearregto de los enteros 0, Hy v++5 ms Demvestre que fTS ye 0s004 5.) = SU Ayscovs fl [Sugerencia: Considere et coeficiente principal det potinemnio de Lagrange de gra do m eM 108 S808 (5. X)60005-) = (gyn KD 3.3. Interpolacién de Hermite Los potinomias osculantes representan una generalizacién de los polinomios de Taylor y de Lagrange. Dados + 1 nimeros distintos 3,,.x,,.... 4, €n a, b] y los enteros no nega- UIVO5 tig tye coy Mgy YM = MAX (Igy ‘m,}. El polinamio osculante que aproxima tuna funcién fe Cm[a, b}, en a, para cada # = 0,..., 1, ¢8 ¢ polinomio de menor grado gue conctierda con la furicién f'y con todas sus derivadas de orden menor o iguall que m, en x, para cada i = 0, 1,..., 1. El grado de este polinomio oxculante es, a 10 més, MoS mtn Fo) ya que el ntimero de condiciones por cumplir es 3.7.4 m, + (a + 1). yun polinomia de gra- do Mf tiene M + | coeficientes que podemos utilizar para satisfacerias,134 Definicién 3.8 Teorema 3.9 CAPITULO 3 © Intepolacién y opraximacién polinomiat Sean Ay Xp eee Jq 2 + 1 ndmeros distintos en [a, 6] y m, un entero no negative asociado x, para = 0, Le... m Supdngase que fe C™{a, 6] y quem = maxosc_ ™ El polina- mio osculante que aproxima fees el polinamio P(x) de menor grado tl que AP) Afiey ; a a para eada i= 0,1, moy k=O hem om ‘Nétese que, cuando-n = 0, el polinomio asculante que aproxima fes simplemente el polinomio m,-ésime de Tayler para fen x5. Cuando m, = 0 para cada i, et polinomio oscu- lante es el n-gsimo polinomio de Lagrange que interpola fen xy ats ‘Cuando m, = 1 para cada i= 0, t,.... m Se produce una elase de polinomios deno- tninados polinomlos de Hermite. En una funcidn dada f, estos tltimos concuerdan con f 0 Zip Xpy vse Se Adem, Como sus primeras derivadas concuerdan con Ins de f, tendrtin la misma “forma” que la funcién en ()./Gx)), en el sentido de que las reas tangentes del polinomio coincides con tas de 1a fancién. Aquf estudiaremos séto fos polinomios ascu- lantes en esta situackén y examinaremos primero un teorema que describe con precisién 1a forma de los polinomios de Hermite, Si fe Cla, LL y si ty..ey 4, € [a 5} som distinios, el polinomio tinico de menor grado que concuerda con. fy /" c .vw.X,€8 l polinomio de Hermite de grado alo més 2n + 1 que est dado por Haye bo) = > fie) H, ld + > fx) AO, i i donde: A, (2) =U — ie = ak, Aap) A, 0) = (r= aJEZ 0. Dentro de este contest L, , (x) denota el /-ésime polinomio.de Lagrange de prado n defi- nido en la ecuacidn (3.2). Mas atin, sife C**%fa, b] entonces para x € a, b] oF f= Hayy (2+ oy (8), para alguna gcon a <€ Oy Hy (4) = 0, mientras que A, (a) = [1 = 2, - x) ‘asa * By, a) = (5) — =) + 2 0. En consecuencia, Hayy lt) =D fla 04 JO) 1 # Y fe) 0= fo), fa he asf que Hz, concuerda con fen xy 5 ‘Si queremos demostar la concorduncha dé Hf, , €0n J” en los nodos, primero obser- vamos que L,, (x) es un factor de Hf, , (2), de modo que Hf, ,(1,) = 0 cuando i # j. Ade+ mis, si = jy L,, (4)) = 1 tenemos, Hi (x) = 2L4, (3) + B25) + CL = le, = xf, (IRL, ODE, 2b) + 204, x) = 0. Por tanto Hy, (x) = 0 para todas fas d y las j Finalmente, se (5) += Ap ley jOD = Eg (EMC) * Ble, = xls (ah asf que ff, (4) = Osis # jy A, (x) = 1, Al combinar estos hechos tenemos Hiya 4) = s Sax) 0+ s Say OFS) 1 = Se). oe fe Por tanto, H,,, concuerda con fy H4,,, con fen ty x, En el ejercicio 8 se consideran Ia unicidad de este potinonio y ta fOrmula de error. Uilice el polinomio de Hermite que eoncuerda con los datos de 1a tabla 3.12 para obtener tuna aproximacién de (1.5).136 CAPETULO 3 © Interpolacién y opraximacién potinomial Tabla 3.12 k Tay o@ 13 06200860 1 16 O.4SS#022————0,.5698959 a Calcule primero los polinomios de Lagrange y sus derivadas: eyo ol, alt) 9 9° (a= 19) — 43) zis 320-247 . —200 = 320 = a. 2,2 = pa HOA mae 9 Og AWE Tg Te Zz (ea ar — 5) e too 4s (= 30D) 2d Gg Asi, los polinomios H, (0) y Fi, 30 2 15 isz\P Hy ghs) = [1 — 20- 13K- 5) | > Bye 9 9 9 0, 175 Il = - xe - x ¢ (ar (2 97t ey Finalmente, Ha) = 0.6200860H, 1) + 0.4554022H, ,(x) + 0.2818 186H, = 0.522023247, of) — 05698959, (x) ~ OSBLISTIA, (x)3.3 Interpolacion de Hermite 137 y 110.5) = 06200860 ( = } + o.assso22 (2 + onsteis6 (> ts) = 04 7) O* a}* 81 a = a — 05220282 | —— } — o.sesasss ~ 03811571 | 35 = 05118277, resultado cuya exactiud corresponde a los lugares decimales indicados. . Aunque el teorema 3.9 proporciona una descripcién completa de los polinomios de Hermite, en el ejemplo 1 comprobamos fo siguiente: la necesidad de detenminar y evaluat {os polinomios de Lagrange y sus derivadas hace tedioso el procedimiento, aun para valo- res pequetios de n. Otro método para generar las aproximaciones de Hermite tiene como base Ia {6rmula de diferencias divididas interpotantes de Newton (3.10) para el polinomio de Lagrange €1 yy +4 Pyle) = flag) +S fey ey a y la conexién entre la -Gsima diferencia dividida y la derivada de grado n de fcomo s¢ describié en el teorema 3.6 de la seccidn 3.2. Supongamos que los ntimeros distintos to, x, .... ,. estén dados junto con los valo- res de f'y def” en esos nimeros. Defina una sucesin MUCYA Zy, Zy. +--+ Zq41 POF inedio de orale sah Ge la = aan para cada (= 0,1... m. y constraya la tabla de diferencias divididas en la forma de la tabla 3.7 que utiliza 5. Ryne daaaye Puesto que zy = zy.41 = 4; para cada i, no podemos definir f[zyq Zs) @ partir de La féemula de diferencias divididas. Si suponemos, basindones en el teorema 3.6, que la sus- titucién razonable en este ca80 €6 flz,y 2441 = S(t) = F's), podremos utilizar las en- tradas 0 datos FDS Ee oo FO) en vez de las primeras diferencias divididas no definidas Fils SF ey Beeson Flag Baveale Las diferencias divididas restantes se obtienen en la forma habitual y las diferencias divi- ddidas apropiadas se emplean en la formula de diferencias divididas interpolantes de New= ton, La tabla 3,13 conticne los datos que s¢ emplean en las columnas de las tres primeras diferencias divididas cuando se determina el polinomio de Hermite Hy(x) para xy; ¥ xp. Los datos restantes se generan tal como se hizo en Ia tabla 3.7, El polinomio de Hermite est dado por ast Hage) = fle) + 2 Moo ony SA — BM) 4 50 Una demostracién de este hecho viene en {Po, p. 56).Tabla 3.13 EJEMPLO 2 Tabla 3.14 CAPITULO 3 © Interpolacié y apraximacién potinomfat Primeras diferencias z fay divididan dlivididas rh Sad See! Mw 2 Fen n Bh fala fin Nee 433) Sted = F059) nEnsal ™ nen sgbesinp Mey ty 2) nt sie) Sita 23) =P) Bom fled sey) Los valores de la tabla 3.14 uxan Jos datos del ejemplo 1. Los valores subrayadess son los datos conocidos: los restantes se generan mediante la férmula de las diferencias divididas ordinarias (3.9): HA.) = 0.6200860 + (1.5 — 1.3X-0.5220232) + (1.5 ~ 1.3)*(-0.0897427) + (LS = 1.3P(1.5 = 1.6)(0.0663657) + (1.5 = 1.3(1.5 = 1.6)%(0.0026663) + (LS = 1.3.5 = 1.6915 = 1.9)(~0,0027738) = 05118277. . Ld 0.6200800 0.520232 13 620010 = 0.0897827 05489460 010663657 Lo oassaoa2 ~0.0698330 0:0020663 05998959 0.067905 ~00RTES Ls 22 ~0.0290837 9.0010020 05786120 010685667 12 028181! 0.084837 =O.5811571 LY O28IKI8O La técnica aplicada en el algoritmo 3.3 puede ampliarse y usarve para determinar otros polinomias osculantes. Una explicacin concisa de los procedimientos la encuentra en [Po, pp. 53-57).33 1.3 Intepolacién de Hermite 139 Interpolaci6n de Hermite Para obtener Ios coeficientes del polinomio intexpolante de Hermite Hix) en los (n+ iimeros distintos xy, ..., 4, para la funcién f- ENTRADA Jos niimeros x.y. SALIDA los mimeras Op Q,4---- Qanst.zet1 HD = Oay + Oy yx — Xp) + Qy yl — xg + Dy sl — 19F x — 4) + Oy fa — ahr — xP + = F Qaas iner(® ~ AoE = PP = 4) 4, valores fa). donde Poso 1 Parad = O,1,..., # haga pasos 2y 3. Paso 5 ENTRADA (Oye. Qyj- ++ Qsestest) PARAR. CONJUNTO DEEJERCICIOS 3.3 1. Use el tearema 3.9 0 el algoritmo 33 para consiruir un polinomio.de aproximacign para los ¥i« vicntes datos. ao sn Fo aos go | rw aa | wisem2 | 311056 os | ome | 21emi7ss as | spsasis | a.1si762 10 | a6ssoaie7 | 20166965 er fa rey aos fon | re =03 | -o02«7500 | a.7s10000 01 | —osz049955| 3 sascz082 025 03349375 1890000 0.2 | —0.28398668 | 3.14033271 a | 11010000 | 40020000 03 | aonsco0es| 2ecssan3 oa | ozesi2u40| 2.16529366 2. Los datos del cfercicio 4 se gencraroa por medio de las siguicmes Funcioacs. Use lo» polino- ios eonsinaides en el ejervicio I para ef valor dado de x y can ellos aprosime fix) y-caleute et error teal140 CAPETULO 3 © Interpotacidn y aproximacién potinomial fis) + xx aproximar (8.4), Bb. fix) = sen (e* ~ 2); aproxima (09). se Aa) = 58 + 4001 2 + 4.0024-+ 1101; aproximar f{ 4G. fa) = 008. = 2 + Je 1; aroximar $10.25). 3. a, Use los siguientes valores y la aritmética de redondeo a cinco dfgitar para construie un po Jinomio interpolante de Hermite que le permita aproximar sen 0.34. t 0, D, sen. x= corr 030 | 020582 0.98534 032 | 0.31437 0.94924 035 | 0.34290 0.93937 by Determine una cota de error pars la aproximacién de ta parte (a) y sompsrela con <1 error real. 6. Apregue sen 0.33 = 0.32404 y cos 0.33 = ONO a los datos y vuelv los. AL Sea fix) = Bue! ~ o2 |. Aproxime (1.03) por medio del polinonmio interpolante de Hertnite de grado maximo tres uulizando %) = yx = 1.08. Compare el error real con la cota del enor, by Repita (a) con el pollnomio interpolante de Hermite de grado miximo cinco, utilizande fy Lexy = 105 y= 1.07, 55. Use la fOrmmula de error y Maphe para encontrar una cata de los errores en las aproximaciones de fxben las pares (a) y (c) del jercicio 2. 6. La tabla siguicate contiene datos referentes a la funcidn que se describe mediante fix) = erp(X, Ys x0 donde X es la lista [x(0],x(1], F(XUD) seeee £0e(n)) y ces a variable a utilizar, ¥ es Ia lista (f(x (01),3.6 Resetia de métodos y de software 165 El trazador cibico natural también pucde construirse con Maple. Primero introduzca preadlibiapl, para dispones del paguete. Con X y ¥ coma en el pirrafo anterior, el comando papline (x, ¥,%, 3) 2 construye el trazador cibico natural que interpola X={x{0].....xEm]) y ¥= Ly(01,«+++¥ {al} ,donde es la variable y 3 indica el grado del trazadar cibico. Tam- bign podemos crear trazadores lineales y cuadriticos, Las obras de consulta general para los métodos que se estudiaron en este capitulo son los libros de Powell [Po] y de Davis [Da]. El primer trabajo que xe dedies a tos trazadores 65 obra de Schoenberg [Scho]. Otros libros importantes sobre el tema son los de Schultz [Schul], De Boor [Deb] Diercx {Di] y Schumaker [Schum].CAPITULO 4 166 Diferenciaci6n e integracion numeéricas S. construye una hoja acanalada para techado, usando una mi- quina que comprime una hoja plana, de aluminlo, y la transforma en una hoja cuya seccién transversal tiene Ia forma de onda de la funcién seno. AF Se necesita una hoja corrugada de 4 pies de largo cuyas ondas, tienen una altura de 1 pulgada, desde 1a linea central, y enda onda tie- ne aproximadamente un perloda de 2m pulg, El problema de calcu- lar la Jongitud de ta primera hoja plana consiste en determinar in longitud de In onda dada por f(x) = sen x de x = 0 pulg a r= 48 pulg. Por ef cilculo sabemos que esta longltud es L -[ Tears = |" 1 + (cos x}? dr, de modo que el problema consistirs en evaluar esta integral. Aunque Ja funcién seno es una de Ins mas comunes en materniticas, el cdlculo de su longitud da origen # una Integral cliptica de segunda clase, In cual no puede evaluarse con métodos normales. En este capitulo des- cribiremos los métodos de aproximacién de la solucidn a este tipo de problemas. Los abordaremos en particular en ef ejercicio 21 de la scociin 4.4 y en el ejercicio 10 de in seccién 4.5.4.1. Diferenciacisn numérica 167 En la introduccién del capitulo 3 sedalamos que una de las razo- ‘nes para que aproximemos un conjunto arbitrario de datos mediante polinomias algebraicos es que, dada una funcidn continua cualquie- ‘ra que esté definida en un intervalo cerrada, existiré un polinomio suficientemente cercano w la funcién en todas los puntas del interva- Ip, Por fo dems, las derivadas y las integrales de los polinomios se ‘obtienen y se evaliian ficilmente, Por ello, no deberia sorprendernos ‘que la mayoria de los procedimientos para aproximar integrales y derivadas usen polinamias que sprozinan ta funckén. 4.1 Diferenciacién numérica La derivada de la funcida fen 1p € ftp + A) — Sey) fer, Esta fGrrmula indica una manera obvia de generar una aproximaciéa de f {1}: basta calcular fo +) Se h para valores pequetlos de h. Aunque esto parezea evidente, noes muy util, debidoa nuestro viejo enemigo, el error por redondeo. Sin embargo, ciertamente es un punto-de partida. ‘Para aproximar f'(1,) supongamos primero que x € (a, b). donde fe Cla, 6), y que ay = y+ h para alguna A # O que es lo bastante pequefia para aseguramos dé que xy € 8}. Construimos e! primer polinomio de Lagrange P,,(x) para f determinada por xy y 4x, con su término de error: $42) = Poa) + SEM igen) gh y— hd | flty + Ar — ag) | Gx ays — ty — fet Ll a 1,2 me Dea para alguna & (x) en (a, 6], Al diferenciar obtenemas ray = Lea Hh = fly) +0 [= air — x — bd re] hy- (yh = Mattinten Lt) , aah So" igo) de mode que168 Figura 4.1 EJEMPLO 1 Tabla 4.1 CAPITULO 4 © Diferenciocién e integracién numdricas Un problerna de esta férmula radica en que carecemos de informaciéa sobre D,/(E()) por lo cual no podemios estimar el ervor de truneamiento, Pero euando x es 1, €1 eoeficien- te de D, J7(E(a)) sera cero y la fGrmnula se simplifica como sigue +hy- fly) oh flap = Feet NM ire (4. Para valores pequefios de h, podemas utilizar el cociente ue Ia diferencia [f(xy + A) — Flxy)\/h para aproximar f'(1,) con un error acotado por M| h|/2, donde Mf ¢s una cola en If) | para x ela, b), A esta formula se le Hama formula de la diferencia progresiva si A> 0 (véase Fig. 4.1) y formula de diferencia regresiva si h <0. Pradiente (ey) flay + t= 609) Pendiente A Sean f(x) = In ey x) = 1.8, La formula de la diferencia progresiva FULB + A) =f.) h sirve para aproximar f(1.8) con el error \ Awol _ il HL donde 1.8< £218 +h. 2 2g? LaF Law resultados de ta tabla 4.1 se producen cuando # = 0.1, 0.01 y 0.001. Gseo-p b uate (1.8 + h) = (0.8) lal h may OL 068185389 05406722 0.014321 Oot — 0.59332685 05540180 0,0015432 0.001 058834207 0.554013 0.0001543 Pucsto que f(x) = Lr, el valor exacte de f7(1.8) es 0.555 y las cotas de error son ade- cuadas, .441 Diferenciacién mumérica 169 Para obtener férmutas de aproximacidn a 1a derivada mds gencrales, supongamas que {fq Xye-o-4 fy} Sm dm + 1) nuimeros distintos en algun imervalo 1 y que f © C**'(F), Del \eorema 3.3, se) = Feat + = PEO, para alguna x) en ihassare sae cl k-¢simo polinomio de cocticiente de Lagran- ge para fen Xy, Xy ‘Al diferenciar esta expresién obtenemos Fed=D option + D, = yao Ag) (x = 5, omar 2 py ree ue ‘Una vez mds tendremos un problema al estimar el error de truncamiento, a menos que sea uno de los mimerns x, En este caso, ef termine que contiene: 2,L/*"" "(gw es ce- ra, y entonces la férmula queda asf: Pee > i . (4.2) Fo) = 2B Selig + ihe ne 42) La ecuaci6n (4.2) recibe ¢1 nombre de férmula de (m + 1) pisntos para aproximar f*tx) En términos generates, la utilizacién de mis puntos de evaluacién en la ecuacidn (4.2) produce una mayor exactitud, aunque esto no conviene dada la cantidad de evaluaciones funcionales y e1 aumento en-el error de redondeo. [as férmulas mds comunes son las que abarcan tres y cinco puntos de evaluacién, Primero derivamas alguna fSrmula dtil de tres puntos y consideramos los aspectas de sus errores. Puesto que &—x)x—) y= x, — 3, i a, ee He ayaa) met BO ays, = Geeiaaiaauee my -m—s ii Ee ama ue a Por tanto, de acuerda con la ecuacién (4,2), 25m ‘ta = ft + fad = 43) rep t00 [52 oa Gna + ‘seine —— Ff oe TY: r (4) — aye i [les SE = alta Pe a 18 pack se 8 UE sacked 6 ihe aoe on te vse a zs os ee dao easba (14) sou So pean Ly aes Po eal tantes, es decir, cuando memth oy %yt 2h, parn alguna h #0. En el resto de esta seecign supondremios que el espaciamiento de los nods ¢s igual170 CAPITULO 4% © diferenciaciém & integracién numéricas Al utilizar Ia ecuacién (4.3) con x, = ty 3, = ty + AY com x, = x5 + 2h obtendremos Fy = " Boers wanes cer [=p eco +3 ]+ Fc A Al hacer lo mismo con x, = x), obtenemos 1 feQ=y 5 : Flap) = Aly) + 5 re] Fes fot hy ig + 2h, estas formulas también podemos expresarlas R 3 KE), [-poe + flay +h) — 5 fey + | + tm =t[—4 sey + by, eam] - © pox Fy +h = | 7 fd + FO, | ree , ipa 3 ee flay + 2h) = 5 [> Seq) — ley + AY + yi + >| + ye. Por razones de comodidad, a sustitucién dela variable x + h por x, se usa en la ecua- cin de en medio para transformar esta formula en una aproximacién de /”(x,). Una sust tucién semejante, x, + 2h, por J, se utiliza en la Gltima ecuacién, Esto nos da ues férmu- las para aproximnar f"): 1 e FU) i [+3 fig) + Af 0%, +A) = Sty + UA] + zr. ie fle = [flag — A) + fly + AN — FUE) y 1 BR Peg) = Gy Whig — 22) ~ Aflay — Wd + Bf) + FED. Finalmente nétese que, como pademos obtener Ja tiltima ecuacién a partir de la primera con sélo reempluzar k con ~A, en realidad tenemos sélo dos formulas: ht F(x) = = [-Hlay) + Aly + A) — flay + ZL + 5 PUG a4) » donde & se encuentra entre yy tq + DAY Se) = 3 Mo fe) ~ flay — A FED 45) donde £, estd entre (ty = AVY (ty + A).Figura 42 4.1 Diferenciacign numérica ama Aunque los errores en (4.4) y (4.5) son Oe), e1 error de la ecuacién (4.5) es aproxi« madamente la mitad del error de la ecuacién (4.4). Ello se debe a que en la ecuaciéin (4.5) se emplean datos en ambos lados de xy y a que la ecuactén (4:4) utiliza dnicamente los de tun lado, Asimismo, ndtese que f debe evaluarse s6lo en dos puntos en la ecuscién (4.5), mientras que en 1a ecuaciGn (4.4) se requieren tes evaluaciones. En la figura 4.2 se ilustea, la aproximacién producida con la ecuacicn (4.5). En La ecuacidn (4.4) la aproximacidn es ttil cerca de los extremos del intervalo ya que posiblemente no se tenga informacion de f fuera del intervalo. Pendiente Ufa + A ~ flag Los métodos presentados en tay ecuaciones (4.8) y (4.5) reciben el nombre de fSrrmus las de tres puntos (aunque el tercer punto f(x) no aparezca en la ecuacivn (4.5), Asimis- mo, Hamadas formulas de elnico puntos en que se evahia La funcién en dos puntos més, pero cuyo término de error tiene Ia forma OC). Una de esas f6rmulas es 1 ra f= Tan Ueto ab Bfleg — A+ Bflay + AY Flay + Ud) + nee (4.6) donde £ estd entee ty — 2h y x9 + 2h. Otra férmula de cinco puntos de gran utitidad, so- bre todo en lo relacionado con Ia interpolacién de truzadores cibicos sujetos de la seccién 3.4. 69 la siguiente: i (=25 flag) + 48 fly +B) — 36/Flay + 24) a7) ‘ + 16 ffx + 3) — 3f (ay + 44) + : LOD, donde § se encuentra enire 4p ¥ tq + 4h, Las aproximaciones del extremo izquierda pue- den obtenerse aplicando la fGrmula con A > 0 y las aproximaciones del extremo derecho, conh <0,172 EIEMPLO2 Tabla 4.2 CAPITULO 6 © oiferenciaciéne integracin numerics Los valores de f(x) = xe" estin en la tabla 4,2. fi 18 10.880363 19 12.703199 2.0 14.7BN2 21 17144987 22 19-855030 Puesto que f(x) = (x + Het, tenemos /“(2.0) = 2.167168. Al aproximar f’(2.0) median- te las formulas de tres y cinco puntos se obtienen los siguientes resultados. Formulas de tres puntos Usando (4.4) con h = O.1: 3 [-3/(2.0) + 4f(2.1) ~ f(2.2)] = 22.032310, Usando (4.4) con h = —0.1: 1. (-3f(2.0) + 4/01.9) — (1.8)] = 22054525, Usando (4.5) con h = O.1: 4 f(2.1) ~ f(1.99] = 2.228790, Usando (4.5) con h = 0.2: [f(2.2) ~ fU1.89] = 2.414163, Los errores en las formulas son aproximadamente 13S X10, LIB X10, 616K WO? y= 2.47 x 1071, respectivamente, Formula de cinco puntos Al utilizar (4.6) con A = 0.1 (la tinica formula de cince puntos aplicable); 1 Tq YES = YU) + YOY ~ f22)] = 2.166996, El error en esta féemula ¢s aproximadamente 1.69 x 10-4 Esté claro que la formula de cinco puntos da el mejor resultado, Observe ademés que el error de la ecusciGn (4.5) con h = 0.1 tiene aproximadamente la mitad de la magnitud del error que se genera al emplear Ia ecuacién (4.4) con = 0.1oconh=— O01. ‘También podemos derivar métodos para obtener las aproximaciones a derivadas de or- den superior de una funcién, utilizando exclusivamente los valores tabulados de una fun- cién en varios puntos. Sin embargo, desde el punto de vista algebraico Ia derivaciGn 0s te- diosa y, por tanto, slo describiremos un procedimiento representantivo. Desarrollamos wna funcién fen un tercer polinomio de Taylor alrededor de un punto fy ¥ evaluemos en.ty + Yt) ~ h. Por tanto, 1 1 1 Hay t WY Lo) + Fgh + > Sag + SLM + IEEEJEMPLO 3 4.1 Biferenciacién mumtrica 4173 1 1 1 Log — H) = fl) — Sagi + SPH — EL +e FOE IM donde xh < €) <1y SE, Say t he Si agregamos estas ecuaciones, el término f'(x,) se cancela y obtendremos 1 Lb +) + fle =) = flag) + {aah + uM FE) + PE Al resolver f"(19) en esta ccuacién, obtenemos 1 We Pb) = 5 Uy W ~ 24) + fy + HN FUMED APE 8 Supongamos que f\4) es continua en [4 — hy t+ AJ. Dado que } (fg) + FOE_.I] se encuentra entre ((E,) y /UAE_,), el tworema de valor interme dio implica que existe un mimero € entre , ¥ €_;. ¥. Por tanto, en (ry ~ fi X9 + HD, con POO FE) POE DI Esto nos permite reeseribir la ecuacién (4.8) como 1 5a Me 2 Fs) fy) — 2a) + Flxy + MT PO. 4 para alguna & donde ay — hh <

0 y que la ter- cera derivada de festd acotada por un mémero M > 0, entonces _ ft = Fey iy oP Pee) a site Si queremos reducir el ervor de truncamicato, 4? 1/6, debemos reducit h. Pera al reducie h, el error de redondeo 2/)k erece, As{ pues, en la précticn rura vez conviene que h sea muy pequeiio, porque cl error de redondeo predominard en los célculos. Use los vallores de fa tabla 4.3 para aproximar /“(0,900), donde, fix) = sen x. El valor ver- dadero e.c0s 0.900 = 0.62161, “ene x 0800 0.71786 0901 0850 | O.I5I2E 0.902 O88) 0.77074 9905 as00 © 0.77207 ~— O10 a805 0920 O98 0950 0499 1000 Al aplicar la féiemula £{0.900 + &) = £40.90 — hy ah F0.900) = con diferentes valores de 4, nbtenemos las aproximaciones de la tabla 4.4. La elecciGn dptima de h parece encontrarse entre 0,003 y 0.03. Si analizamas un po- 0 el término de error,Tabla 4.4 4.1. Diferencieciso numérica 175 ‘Aproximecidn A 370.900) Exroe oo 0.62500 0.00339 0.002 0.62250 0.00089 0.005 0.62200 0.00039 o.10 0.62150 —000011 0.020 062150 =0.00011 0.050 62140 0.00021 0.100 0.62055 0.00106 podremos utilizar el ediculo para verificar (véase el ejereicio 23) que un minimo de ¢ ocu- re emh = W/3e/M, donde Ms omi& iil sa 804.90) mix |cos x] =cos 0.8 = 0.69671. sf 900120) ‘Como los valores de f se dan en cinco cifras decimales, es razonable suponer que el error de redandeo est acotado por # = 0.000005, Por tanto, la eleccién Optima de A es aproxi- madamente «sf 30-000005) 0.69671 he ~ 0.028, lo cual es compatible con Jos resultados de la tabla 44, En la prictica, no es posible ealeular uh valor Sptimo dé h que nos sirva para aproxi- mar la derivada, ya que no conocemos la tercera derivada de la funcién. Pero no debemos ‘olvidar que con la reducci6n del tamafio del paso no siempre mejoraremos 1a aproximua- cidn, . Aungue sélo hemos analizado los problemas del error de redondeo que se presentan ‘con fa ecuaciin de fa formula de tres puntos (4.5), se presentan problemas semejantes con todas las formulas de diferenciacién, Ello se debe a la necesidad de dividir una potencia de A. Como comprobamot en la seccién 1.2 (wéase, en particular, él ejeriple 3), 1a division ‘enire mirocros pequciios tiende a exagerar el error del redondeo, por lo que deberfa evitar- 's¢ en lo posible. En el caso de la diferenciaciéa numérica, es imposible evitar por comple- to el problema, aunque sf lo atenuamos con los métodos de orden superior. Recuerde que. como método de aproximacién, la diferencisci6n numérica es inesta- ‘ble porque los valores pequetios de A necesarios para disminuir el error de truncamiento, también hacen crecer el error de sedondeo. Esta es la primera clase de métodos inestables ‘que hemos encontrado y. en lo posible, deberfamos omitirlos. Sin embargo, ademis de em- plearse en los célculas, las formulas que hemos derivado son necesarias para aproximar las soluciones de las ecuaciones diferenciales ordinarias y parciales, ‘CONJUNTO DE EJERCICIOS 4.1 1. Use las formulas de diferencia progresiva y de diferencia regrestva para determinar lac aprox masiones con que s completardn las siguientcs tablas,176 CAPITULO & © Diferenclactin ¢ integracién numéricas az | fo) | fu b ft) as oo a6 02 or Od 2 Los datos de! ejercicio 1 se tomaron de lax siguientes funciones. Caleule los exrares reales del jercicio Ly abtenga las colas de err por medio de las fWrmulas de error. fix) = sen x bo f)se-2e tart 3. Use la férmula de tres puntos més conveniente para determinar lax aproximaciones con que se ccompletaria tus guientes tabtas __ fies re Bor fe) fe 9.025013 a1 | 1698410 1102318 RI | 1756H92 13 | 1346374 8s | 18.19056 14 | 1644865 87 | 1882091 a fer Tix) 29 |=s.027866 20 30 |—+.2a0088. 24 3.1 | 3.490900 22 32 |-2596792 aa 4. Los datos del ejercieio 3 se tomaron de las siguientes fianciones, Calcule tos crores reales det ejercicio 3 y obtenga los. cotns de Error por medio de las férmulas de errr. a funy et DB fis) sin fle) = x00s x 500 8 4. 0) = 200.9) + 3 sen.e ‘5. Use la frmula mis precisa posible de esta seceién para delerminar las aproximaciones coo que se completardn las siguientes tabla, ed fey | fw L700 373823 hiszia =3. FSTETD -2a | s23aza1 -26 | 71nos0 09100145 -24 | 9.209329 0.747023 -22 | saze30s 0.901596 -20 | asi37 6 Los datos del cjercicia 5 se tomaren de las functones dadas. Calcule bas crrotes reales del ejer= eicio 5 y obtengs las cots de ceror usande las fGrmnulas de error y Maple. & fx) = tan b Ad=eO4e 7. Use tos sigutentes datos ¥ el hecho de que las primeras cinco derivadas de f estaban acotadas 0 [1.5] poe 2, 3,6, 12 y 23, respectivamente, para apmnximarf"(3) eon la inayor exaectiud pox sible. Obieng wna cota del ervor. x 2 4 4 5 foo [24142 | 26734 | 28974 | 3.0976 | 3.2808 B Rept i0 7, pero suponga que Ia tetcera devivada de festé acotada en (1, 5] par 4.4.1 Diferencioci6n numérico 177 9. Repita el ejercicio 1 usando ta avitme ervores eon os del efescisi 10, Repita el ejevicio 3 usando la aritmética de come de cuatro digits, y después compare los ert: 5 con los del ejercicio 4 11. Repita el ejeseicio $ usando la aritmética de redondeo 4 cuatro digitos, y despuss compare lox crores con los del ejercici 6. 12, Estudie fa siguiente tabla de datos. 02 [os 06 | 08 [10 Fis) [09708632 [OTTO | GBoRNI | 0.638693 | 0.3843735 8, Aplique 13s formulas adecusels para aproximar ‘(0.49 9 "(0-4 Db. Aplique Las férmulas adecuadas pars aproximar ((0.6) ¥ $"(0.6) ‘Sea fix) = cos ar. Use ls ecuacidn (4.919 los valores de f(x) en x = 0425, 0.5 y 0.75 para spro- ximar f"(0'3). Compare este resultado con el valor exacto y con la aproximackén que se obtLvo cen el ejercicio 11 de la secciGn 3.4. Explique por qué este méiodo resulta tan exacto en este pro- Dlema, Obtenga una cota de error 14, Seaftx) = Met — cos 5, Use Jos siguicntes datos y la ecuocid (4,9) para aproaimu [%(1 3) con he Oly con h = 001 1a de redondeo a cuatro digitos, y después compart los x [10 129 130 Lu | a0 Foy [1139006 [1378176 [14.0276 [14307aT [TeaeIsT ‘Coorpare bos resultados coo 73) 18, Examine detenidamente la siguiente tabla de datos: * [02 oa os og 10 Fey [09798682 [09177710 JO.ROROIaE [0 63RKOs [03843735 1 Use la ecuacidi (4.7) para aproximar "(02 1h Use la ecuncisn (4.7) para aproximar /*(1.0). €. Use la ecuacion 4.6) para aproximar /*0.6) 16, (Derive una fdrmula de cinco puntos tht) para aproximar ft) que wilice ft, ~ A.C. fr, + Hh flxy + Phdy flsy + 3h). [Sugerencia: considere la expresiGn Aflsy — h) + Bidxy + h) + fey + 2h) + Dfixy + 3A). Desarrollo en términos del quinto polinomio de Taylor y seleccio- ne A. © D apropiadamente.] 17. Apliqus la (Orrmula derivada en el ejercicio 16 y bos datos del ¢jercici 1 para aproximar/“(O-4) FO). T%, a, Analice tos emotes de redoado, coma en el ejermplo 4, para la térmata Fog = HB Had pgs 1h Encuentre un valor dptimo de h > O para la funcidn dada en el ejerapl 2. 19, Enel ejercicio 7 de la seceidn 3.3 s@ incluyerm datos que describen ua autorsSvil que recorte ‘una carretera recta, En ¢1 problema se podia predecir su posiciGa y velocidad cuando t = 10 5, Use Jos siguienies tiempos y posiciones para predecir la velocidad dct autoindvi en eada mo- mento incfuido en ta tabla.178 CAPITULO 4 © Diferanciaciém @ integrocién numéricas Tempo | 9. | 3 betothe the Distancia [0 [225 [33 [623 | 42 | 995 20, En un circuito con un voltajc impreso (1) y una inductancia £. la primera ley de Kirchhoff nos da la siguiente zelacién. 4i (@) = L— + Ri, att) a donde R es Ia resistencia del cireuito ¢ jes la corriente. Suponea que medimos Ia corriente con varios valores de # y obtencmos: # [bo | bor | oz | ios | 0 ¢ F300 Faaz Taia Tag (324 donde tse mide en segundos, se da en amperes, Ja inductancia Les una constanic de 0.98 hen~ ries y la resistencia ex de 0.142 ohnw. Aproxime el voltae (1) en low valores 1 = 1.00. 1.01, 1.02, 1.03 y 104, 21, Los estudiantes de cflculo saben. que la derivada de una funcién fen x puede definirse como FO)" bio. Escoja au funcida favorita f, un nimera no cero 2 uilice wna computador o calculadora. Ge= nere las aproximacones (2) por f(x) para — f+ 10-9 ~ fo) fer seed a param = 1, ,..., 20 y deseriba lo que sucede 22, ‘Deduzca un método para sproximar f™ (xg), cuyo tdemino de error sea del orden 2, desarrollan- ido para ello la funcién fen un cuarto polinomic de Taylor alrededor de t, y evaluando en ty * h 6D iy F De 23, Examine detenidamente la funcién tity e 2,£ a 6 donde Mes una cota de in tervera deriva mo en Wie/M. de una funcién, Demuestre que e(h) tiene un mini- 4.2. Extrapolacién de Richardson 1La extrapolacién de Richardson sirve para generar resultados de gran exactitud cuando se uusan férmulas dle bajo orden. Aunque el nombre dado al método xe refiere aun trabajo rea lizado por L. F. Richardson y J. A. Gaunt (RG) en 1927, la idea en que sc basa esta técnica 8 mucho més antigua, En (Joy) usted encontraré un aniculo interesante sobre 1a historia y la aplicacién de la extrapolacidn, La extrupolacién puede aplicurse siempre que sepamos que ef método de aproxima- iGn tiene. un ténmino de error de una forma previsible; la forma se basa en un pardmetro, que generalmente es cl tamaito de paso h, Supongamos que, para cada nimero A # 0 te-4.2. Extropolocitin de Richordson 179 nemos una focmula NH) que aproxima un valor desconocide My que el error de trunca- micnto que supone la aproximacién presenta la forma M = NO) Kt Ky + Kyo + para algiin conjunto de constantes desconocidas K. Ky, Ky... Dado que el error de truncamiento ¢s O(h}, podrfamos esperar, por ejemplo, que M= NOI) = 0.1K, M=NOO1)* 001K, yen general, que M — NCh) = Kt salvo que haya una gran variacién de magnitud entre las constantes Kj, Ky Ky.» La extrapolacién tiene por objeto encontrar un modo fécil de combinar las aproxima- ciones bastante imprecisas O(/) en forma apropiada para producir {rmulas con un error de truncamiento de orden superior. Supongamos, por ¢jempla, que pudiéramos combinar las N(/) formulas asi come producir una formula de aproximacién O(i*), Ni), para M con M = Nth) = Keb + Ky +, una vez mds, para un conjunto desconocido de constantes Kj, Ky... Entonces podrfamos tener M— MO.1)~ 0.018, -M— SK0.001) = 0.00018, y asf sucesivamente. Si las constantes K, y i, son aproximadamente de La misma magni+ tud entonces las aproximaciones (A) serin mucho mejores que bas aproximaciones M(t) correspendienics. La extrapolacién continda al combinar las aproximaciones Ai) en for- ma tal que produzean formulas con un error de truncamiento OU) y asi sucesivamente. Para ver concretamente cémo podemos generar estas fGrmulas de orden superior, to» memos el caso de la formula con que s¢ aproxima M de la forma M = Nth) + Kh + Ky + Ky bo (4.10) Suponemos que la f6rmula se aplica a cualquier h positivo, por lo cual consideraremos el resultado cuando reemplacemos ef parimetro 4 por la mitad de su valor. Tenemos enton- ces la formula h A Re mew(> +k t4K, 54K, t+ 3) 20% 4 8 Al restar la ecuacién (4.10) dos veces de esta ecuacién, eliminsrnos el érmino que comic te K, y oblenemos w=[w (2) v(4)- win)] + (£- 08) +6, (F a) + Con el fin de facilitar la explicacién, definimos N (A) = NU) y Nah) = n(F #)+[a(4) - wen| ‘Tenemos enionces la formula O(42) con que aproximamos M: 3 = nigh) ~ Sine — 8 pp, 1)180 CAPITULO & © diferenciocién @ integracién numéricas Si ahora reemplazamos A por hi2.en esta f6rmula, obtendremos t Ky 3K; M=N,(—}-—m-—=2 a, (7 8 2” (412) Podemos combinar la formula anterior con la ccuacién (4.11) para suprimir cl término h?, En concreto, al restar la ecuacidn (4.11) 4 veces de In ecuacién (4.12) obtenemos am =4n, (5) ~ Nh) + he te, y dividir entre 3 nos da fa férmula O(h?) para aproximar M: N, — Nth) a= [nu(4) + EMO) A Al definir nn=N, (2) € are NA) tenemos la formula OCH): M= Ni) + Se bee, El proceso continga al construir aproximacién O¢h#) siavms(8) » BOD Hy Ia aproximacién O18) Ay, NaWd) ~ NgdY =N,(*)+ i A ( 2 ) 15 y asi sucesivamente. En general, si M puede reescribirse en la forma M = Na) oo Ky + ot, 413) ‘entones para cada j= 2, 3,.... mi, inte una aproximacion Q(h) de ta forma AAD = Nay (*) ae ang) Las aproximaciones anteriores se generan por renglones filas en el orden indicado por los valores o entradas numeradas de In tabla 4.5. Esto se hace para aprovechar al méximo Jas férmmulas de orden superior. La extrapolaciéa puede aplicarse siempre que el error de truncamiento de una formu 1a preseme la forma nat Kf + Othe Rie anne,EJEMPLO 1 4.2 Extropolaciin de Richardson 181 oun 10: N,(t) para un conjunto de constantes K; y cuando a 0 y que Mo Nea) + Ky + Kyi + Ky +4a 1. 12. 13. Extropolacién de Richardson 185 Para algunas constanles, Ky. K,. K,,... Utilice los valores MU), ‘apronimacion GUA") de M. Suponga que N(H) es una aproximacién de M para toda.h > Oy que = MR) + KAP GE om, YN (3) para produci una para algunas constantes Kj, Ky. Kiss. Ultilice los vatores NtA), (4 y 6 () para produce Ia aproximacisa Of) de M. En cileulo aprendimos que ¢ = lira, + 1) '& Determine las aproximaciones de ¢ cuerespondientes ah = 0.04, 0.02 y 0.01 1b, Use la extrapolacioa en las aproximaciones, suponicnda que exisien las constantes Ky. R, con ENE KE AEE RP A, ppara producir una aproximacidn OXh") de ¢, donde h = 0.04. © (Piensa que el supuesto de la parte (b) es correcta? 1a Demvestre que By Calcule las aproximaciones de ¢ aplicando | 01. ‘© Suponga que e = Mh) + Kh + Xj? + Ky? + =>, Uillice la extrapolactin, al menos con 16 digitos de precisién, para calcular una aproximacion OCH) de e com = 0.04 {Cree que el supuesto es corrects i. Demuestre que M—A) = NUH), ‘€. Utilice la pane (€) para demontrar que Ky = Ky = Ky = = 6M) + KR KAP + KW KA RAP oy de modo que la fdrmula se reduce a 24h\in } + Para ft = 0.04,0.02 formula MA) = ( O ena formula = My + Rah Rye Use los resultados de la parte (e) y una extrapolacién para calcular una aproximacia Ot) de e con h = 0.08 ‘Suponga que Ja tabla de extrapolacidn siguiente se elabors para aproximar el ndmero M con = Nh) + RE + Ky + Kilts Nii) A nf i 3) Na) A A v2) 4) ‘& Demucstre que el potinomio interpolante lineal Pp,(h) a través de (A, Nay) y C4, NAA) satinfuce Py (0) = NCA). De manera semejante demuestre que P, (0) = Ny(hi2), } Demuestre que ef polinomio inteepolante lineal Py (h) a través de (Hf, Ny¢h)) y (rH/L6, Nh/2)) satisface P, (0) = NU).186 CAPITULO 4 © Diferenciacién e integracién numérices 14. Suponga que NA) 66 una formula que produce las aproximuiclones O(A) 4 un ndmero My que AF = NH) + KYA Kh + oy para un conjunto de constantes positivas K. Ky..... Entonces Whi, N,(h/2), NCW), todas cotas infertores de M. * Fn el teorema siguiente se detalla el andlisis. 2 error asociado a las formulas cerradas de Newton-Cotes. Para una demostraciGn de este tcorema consulte (IK, p. 313). Supongamos que 577.5 a, f(x) denota la férmula cerrada de (2 + 1) puntos de Newton- Cotes, con x, = 4,4, = by A= (b= ayn, Existe una £€ (a, b) para la cual ser sore [rover “3 aft) + a [e0- a a-m de simes par, si fe C**7[a, b}, y si Wea pesyeg (n+ Dt [soa Saseas He = tp = med si mes impary si fe C** "a, b), . Notese que, cuande n ¢s un entero par, cl grado de precisién ex. + 1, aunque el po- linomio de interpolacién es, como miximo, dé grado n, En el caso én que n es impar, la segunda parte del teorema indica que el grado de precisidn seré apenas n, ‘A continuaci6n sc incluyen algunas de las férmulas cerradas comunes de Newton- Cotes: n= 1:regla del trapecio il} h cy [perder = z Vadtfanl=TF IO. donde yess. — (423) hy n= 2:regla de Simpson "2 A a PP seods= 5 tee +44) + eg ~ SoD, donde ay Ex my(424 he = S:regla de tres octaves de Simpson “ 3h ue [pen te = = Yay + Yt + le Jeg Ge LO, (428) a donde x, < &< x5.4.3, Elementos de lo integrocién numérica 193 n=4 te dh 8h? Po storde = > (7 peag) + 22/0) + 2p + 32 fay + Teal — SE, on 45 945 donde iy E 13, Encocote las coastantes .¢| yr; de modo que la férmula de la cuadatura [ia = cqAO) + oflq) tenga ol grado de precisién mis alto posible, 14, Encuecte las constantes 1 y ¢ de modo que la Férmula de la cuadeatura [ima Lrap+asiy tenga el grado de precisidn mis ako posible.196 CAPITULO 4 © Diferenciacién ¢ integracién numéricas 1S. Aproxime las siguientes integrales mediante Les férmulas (4.23) a (4.30) {Es compatible a cexnctinud de las aproximaciones com his férmulas de error? {QUE partes de (@) de (e) dan la me- jor aproximaciée? by a ~ c ViFide bm (sen aP de a8 16 «fa @ [ota ss 1 ‘ Pb des ft ae fade 16, Dada in funsién fen los siguientes valores « [is 20 (22 2A 26 Foy | 3201s | aarseo Peonat | a03014 | 104667s sproxime [* (2) de usando todas las formulas de cuadratur incluidas en esta seceién que pue- dan aplicane. 17. Suponga que los datos del ejercicio 16 tienen eerores de redondco contenidos en Is tabla s- auiente: -09« 10°¢ Calcul os erores de redondeo del gjericio 16 18 Desica la rgla de Sirapson con el tein de emer por medio de PPrerde= afta) + mS) + agfeg + OD " beng ay 0; ¥ a; Homan como base el echo de que I replade Simpson e¢ exacts para fea) = x cuando = 1,2'y 3. Despuds obtenga & aplicand Ia formula de interac con fee 19. Demucire el enunciado posiror a la defini 4.1: es det, demuesue que wna frmula de cuanto tiene un grado de precisa ny so se ero (Ps) = 0 para unos ls polinomiog Pur de grado = 0 Ly o5 spo £UPCD) #0 par alain plinomio Px) de grado n+ 1 20, Medianie el teorema 4.2, obtenga la regla de tres ostavos de Simpson, ecuscidm (4.25), con el lérinino de. etter. 21, Ulilice el teorema 4.3 para deducie la ecuaciiin (4.28) con un térenino de error 44 Integracién numérica compuesta En términos gencrales, las (Srmulus de Newton-Cotes no son adccuudas para utilizasse en intervalos de integracién grandes, Para estos eusos ve requieren fOrmulas de grado supe- riot y los valores de sus coeficientes son dificiles de obtener. Ademés, lus férnulas de Newion-Cotes se basan en Jos polinomios interpolantes que emplean nodos con espacios iguales, procedimicnto que resulta inenacto en intervalos grandes a causa de la naturaleza oxcilatoria de los polinomios de grado superior. En esta seccién estudiaremos un método Sragmentario para realizar la integracién numérica, en el cual se aplican las formulas de Newion-Cotes de bajo orden. Estos son los métodos de mayor uso,4.4 Integraciéa numérica compuesto 197 CConsidere el problema de obicner una aproximacicn a {' et dx. La regla de Simpson con h = 2 nos da [eae Fe rte t ey = sarees Dado que en este caso la respiiesta exacta €s et — & = $3.59815, cl crror—3.17143 es ‘mucho mayor del que sermalmente aceptariamas. Si queremos aplicar un método fragmentatio a este problema, dividimes {0, 4] en {0. 2},y en (2, 4) y aplicamos dos veces la regla de Simpson con h = | [eden foare foae a Flee det elt Lett deel FIP Hed DAHA = 5386385, E_ error se redujo a - 0.26570. Con estos resultados, subdividimos los intervalos (0. 2] y [2 4] y aplicamos la regla de Simpson con ft = }. obteniendo ast [ieee [ears Pears feat fea I I - Gite tdet ee + Hea dette ot + Fle +40 + 0] + He + de + A He + tet + 2044 4 2 A + 20 +4698 + ef] = 53.6162, El error de esta aproximacién es 0.01807, Para generalizar este procedimiento, se selecciona un entero par n. Se subdivide el in- tervalo [2, B] en m subintervalos y se aplica la regla de Simpson en cada par consecutive de subintervalos, (Véase Fig. 4.7.) Con h = (b — ayfayx,= a+ jh paracadaj = 0,1,..., 1 tenemos [roe py [sera Bitaps rh B = {Futana Afep thea Ze Fes. para alguna & con ay,_4 < £,< ry, sicmpre que fe C*fa, 6] Al aplicar el hecho de que, pa- racadaj = 1,2,.... (af2)— 1, tenemos que f(x, aparece en el término comespondicnte198 CAPITULO & © Diferenciacién @ integracién numéricas Figura 4.7 al intervalo [ry _3.-4,] y también en el término correspondiente al intervalo [3) 3). ]. PO demos reducir esta suma a Sat " ‘0 F FH. Prod 4 # [ry +2" “ray +45. Flr 0 +ey)]- El error asociado con esta aproximacién es aS wat Fp B= GBS donde xy). < § nde fe) min f(x) = = 2 Sg) mix f(s). actus] De acuerdo con el teorema det valor intermedio, existe € (a, b) tal que ry) = 2 Spa 0) = 2p Potu) = = S90).Teorema 4.4 ALGORITMO- a1 4.4 Integracién numérica compuesta 199 Par tanto, gest Steg ere By EU) = 55 SSE) = aaah 0, como h = (b = a)in, (b= a) =~ " ED) Ta MH). Las observaciones anteriores producen el siguiente resultado, Sean fe Cla, bl. m par, h = (b — a\iny x, = a+ jh para cada f= 0, 1,.... Existe 42 € (a, b) tal que la regia compuesta de Simpson para n subintervalos pucde ex- cribirse con su término de error como [roar = + [rey +25 a= 180 fix) + aS fn, »+s0)] El algoritmo 4.1 usa la regla compuesta de Simpson en n subintervalos. Este es el al- goritmo de cuadratura de propésito general que mds se usa. Regia compuesta de Simpson + Para aproximar a integral !~ J f¢x) di ENTRADA extremos a, b: entero positive par 1. SALIDA aproximacién XP a 1, Paso1 Tome h= (ban. Paso 2 ‘Tome XI = fla) + f(b): XI = 0; (Suma de fits,-,)) Xf2 = 0, (Suma de f(xy)).) Paso3 Parai=1,..., m— 1 efeetic pasos 4 y 5. Paso 4 Tome X =a + ih, Paso § Sites parcntonces tome XI2 = XI2 + f(X) si mo, tome XA = XH + 0X). Paso 6 Tome Xf = W(XI0 + 2+ XI2 + 4+ XNY3. Paso? SALIDA (XN); PARAR. . El método de subdivisién se puede aplicar a cualquiera de las frmulas de Newton: Cotes. Las extensiones de las reglas del trapecio (véase Fig. 4.8) y del punto medio se incluyen sin su demostracién. La regls del trapecio requiere sélo un intervalo-en cada apli- cacién, por lo cual el entero n puede ser par 0 impar,200 Figura 4.8 Teorema 4.5 Figura 4.9 Teorema 4.6 CAPITULO 4 © Diferenciacién ¢ integracion numéricas Sean fe Ca, b), h=(b— any x, =a + jh para cada) = 0.1, ...6 (a, b) tal que 1a regia compuesta del trapecio para n subintervalos puede escribirse con su término de error como ™ » fsorac= * [ro +23 pa) +40] oar), 7 I, 2 fi 2 Para el caso de la regla compuesta del punto medio, nuevamente n debe ser par, (Véa- se Fig. 49.) Seafe Ca, bl, n par, h = (b — avin + 2)y x)=a + + Dh paracadaj = —1,0,..44 m+ I. Existe una q € (a, b) tal que la regla compuesta del punto medio para n + 2 sub- intervalos puede eseribirse con su término de error como sigue 2 bea f Sa) de= th ddl) + |r. . le feEJEMPLO 1 44 Integracién numérica compuesto 201 Con {a regla compuesta de Simpson, considere el problema de aproximar f * sen x de con un error absoluto menor que 0.00002. Esta regla nos da para algtin j1-en (0, 17), a ap were a mit [seaxde 32 = sens +43 05] — Tag AON Dado que el error absoluto debe ser menor que 0.00002, la desigualdad ht | _ sen) s—— = ‘rs0 = 1807 T8008 -< 0,002 sirve para determinar n y h. Al completar estos cAlculos obtenemos m > 18. Sin = 20, en- tonces k= #/20, y Ia formula nos da iz # j= ye va8 a(S 19) 43, =(~ a Para asegurarse del grado de exactitud al usar la cegla compuesta del trapecio, se re quiere que ] = 2.000006, ie renal s we = < 0.00002, 12 12a? ‘o.que A = 360. Esto implica realizar un niimero de célculos mucho mayor que los que se re- quieren al aplicar 1a regla compuesta de Simpson, por lo cual pcescindiremos de usar la regla compuesta del trapecio en este problema, Para focifitar la comparacién, la regla compucs- ta del trapecio conn = 20 y con hk = 7/20 nos da [xn rar ps sen ) nora] 1La respuesta exacta es 2, de manera que la regla de Simpson comm = 20 proporciona una respuesta dentro de la cota de error requerida, lo cual evidentemente no sucede en el caso de la regla del trapecio con » = 20. 2 La mayor parte de los sistemas de dlgcbra por computadora incorpora la regla com- puesia de Simpson y la del trapecio. En Maple, para tener acceso a la biblioteca donde es- tin definidas, introduzca >with (student); Las Hamadas de los métodos son trapezoid (£,x«a..b.n} y Simpson (£, xe. .b, 1), Para efectos de nuestra ejemplo, > sin (x) Porapezoidit,202 CAPITULO 4 © Diferenciocidn e jntegracién numéricas Deval te): 1998885974 Sevalf {simpson (fx = 0. 20)); 2.000006785 La regla compucsta del punto medio también aparece en I Biblioteca de Maple y puede Ulilizarve mediame el comando Seva (middlesum(E, x20. ..i,10)) ; que da ta aproximacién 2.008248408. Para mostrar el céxiga de Maple correspondiente al métado del punto medio, defini mos,fle) a,b, at ¥ M.con los comandos x->einta) ; Gy brePiy (bea) ine2)s También necesilamos una variable pura calcular la summa; Ea Maple, el ciclo controladlo pot un contador s¢ define coina, for variable de control del ciclo, £ 0m valor inicial ta, valer final de enuneiade: enunciado: enunciado: ody j serd nuestra variable de control del eiclo, que comienza en 0 y va hasta n/2 = 9 en pasos de und unidad, Para cada valor de J = 0, I... 9, se recorre el ciclo y se realiza cada célculo deatra de} ciclo hasta encontrar li palabra oc. Las palabras reservadas implicadas aqui son for, From, do ¥ od. Observe que no aparece un punto: y coma (;) después de la afirmackin do. sfor J fron 0 to nf? do exjieas (2°41) thy sTotiseval é (Tot+£ tx$)) 2odr wo produce una serie de resultados que culminan cn la suma finul aR ». Tor => flay) = 5 flr, ) = 6392453222, fe fe mos por 2h para concluir con ef método- compuesto del punto medio: fatheron): Tor := 20082434084.4 Integracida numérica compuesta 203 Una propiedad importante que comparten todos los mnétodos de integracién compucs- wes a estabilidad respecio al error de redondeo, Para demostrarla, suponga que aplicamas Ja regla compuesta de Simpson con n subintervalos a una funcién fen [a, b] y que deter- minamos la cola minima de dicho errot, Supongamos que apeoximamos f(x) mediante Fly) y que flay fax) + ey parasada = 0,1 donde , denota el error de redondeo que implica usar f(,) pant uproximar f(x,). Enton- es, el error acumulado, e(h), en la regla compucsta de Simpson cs fy hp wat a : eth) = [z[or? Seg t 4 cyt 4] ma mi ¥ wnt wa =5[!! +2 ¥ deyl t4¥ leyal + | i ms Si los errores de redondco estin uniformemente acotados por €, entonces Je + 4(Z)er4| Pee = ne, h hys—le+2 4 IF G Pero nh = b ~ a, de modo que eth) = (b— ae, 5 una cota independiente de h (yn). Esto significa que, aunque debamos dividir un intervalo en més partes para garantizar cierta precisida, los cilculos agregados no aumentan el error por redondeo, Este resultado indica que ¢l procedimicnia ¢s estable al proximarse fa. cero. Recwerde que ne fue asf en los proceditnientos de diferenciacién nu- meérica que estudiamos al inicio del capitulo, CONJUNTO DE EJERCICIOS 4.4 1. Aplique ta regla compuesta del trapecio con lon vulores indieados de para aproximar Las si- auientes integrates. 2 2 a [ried nos eo fvedn nea 12 . ef oyyie nes & ["Heord, nes 2 ML e [esenaiay noe tf sian nee ot, ' ro elves a nf neds ne 2. Aplique la regla compuesta de Simpson para aproximar I 3. Aplique la regla conipoesta del punto medio con n + 2 subintorvalos para aproximar las inte: rales Jel ejercicio 1204 CAPLTULO 4 © Diferenctocién e integrocién numénicas 2 10, oe 2 Aproxime [a2 e-+* dx por medio de h = 0.25, a. Aplique la regla compuesta del trapesia, b, Aplique la regia compursta de Simpson, ¢.Aplique la regla compuesta del puntos medio, Suponga que /(O) = 1.00.5) = 2.5,/4(1) = 2¥f(025) = f(0.75) = a. Determine est laregla ‘compuesta del trapecio com. = 4 da el valor 1.75 para ['ftx)dx. Laregia del puro modio com que se aproxima |" f(x) dx da el valor 12, la regla compuesta de! ‘punto: medio con. = 2 da 5 y la regla compueata de Simpson da 6. Aplique el hecho de que {E19 fy. H-0.5) = f10.5) ~ 1 para determina f(—1), (05), 410), ROS), ¥ 0. Determine los valores dem y que se requieren para aproximar [fers sede dd be 10“. ‘a Aplique la regla compoesta del trapecio. 1b, Aplique la regla compoesta de Simpsos. 1c. Aplique la regha comporsta del punta medio, Repel eereicia 7 com la inegea [coax Determine los valores de. y que se requieren para sproximar con wa enactinad de 10-7 ‘a Aplique la regla compuesta del trapccio, 1B Aplique la regla compuesta de Simpson, 4. Apligue la regla compuesta del panto nvedio, epi el ejercicin 9 eon ta integral [" hn x dx, ‘Supunga que fest definida por +h Osxs01, fG) =} 1001 + 00H" - 01) +0300~O1F 426-01, Gs 1502, 1,008 + O.IS{x-G2)+ 090 -O2F + 24-02), 02 51203. a. Invewigbe la continuidad de las derivadas de J. 1 Aplique la rezta eoripuesta del trapecio com m= 6 para aproimir (f(x) ds, y etime el certor por media de In cota de error Aue a mela eompucsta de Senpaon con = 6 par aponimar [fxd S00 stds ns eacengu co pane CO? Deshuestre que el error E{) de la tegla compuesta de Simpson puede aproximarve por medio de ISugerencia: 3.7",4.4 Integracisa rumirice compuesta 205 13, a. Con el método usado en el ejerc puesta del trapeci 1b Repita ta parte (a) con la repla compuests del punto medio, 14, Use las estimaciones de error de los ejervicios 12 y 13 para estimar Ios errares del ejereicio 8. io 12, derive una estimacién para Ei) en la regla com: 1S. Use las estimaciones de error de los ejercicios 12.y 13 para estimar los errores del ejercicio 10. 16, En los cursos de ediculo. de varias variables y de estadistica se demuestra que 1 2 Se etnmie? ay = 1, ~oVie para cualquier opositiva, La funcién \ ‘ y= le tneet 10~ ie es Ia funcidin de densidad normal con Ia media = Oy ladesviacién estindar La probabi- liad de que un valor aleatoriamente selocxionado descrito por esta distribucidn se encuenre en a, b] es dada por [”f(2) de. Con una exactitad de 10° aproxime la probabilidad de que un valor aleatoriamente éeleceionado descrito por esta distribucidn se encuentre en a [=] b. {20,20} © [30,30] 17, Determine con ona exactitud de 10°, la longitud de la grifica de la elipse que sigue la ecua- 18, Un automéil recorre una pista de carreras en 84 segundos. Su velocidad en cada intervale de 6 segundos se determina mediante una pistols de radar y estd dad, en piess, desde el princi- pio del recorrio, por los datos de fa tabla sigwiemte Tempo [0 [6 [12 Je [24 [30 [36 ] 42 | 48 | $4] 60] 66/72 | 7 [84 Velovidad [naa [134 [1481156 [147139 [1211 109 [99 Tesla feo bros ire [a3 Qué Tongitud tiene ta pista? 19. Una particule de masa m que ve desplaza por un fuido esd sujeta anna resistencia viscosa R, Ja cual es-ona funcidn de la velocidad 21 La relaci6n entre 1a rexistencia R, Ja velocidad w y et tiempo festa dada por Ia ecuacigs ‘Suponga que Riv) = —v Vv para determinado fluido, donde & se da en newtons y vse daen mmetrosegundo. Sim = 10 kg y si 110) = 10 mvs, aproxime el ticrpo que la partcula tarda cn reducir su velocidad a v= 5 mvs, 20, Para simular las caracteriticas tdrmicas de los frenos de disco (wéase Ia figura ancia), D. A. Se- crit y RW. Hombeck [SH] tuvieron que aproximar numéricamente la “temperatura exterior promediada del rea”, T,cn el cojin del freno, basindose para ello en la ecuacién [0 ne, ar pr, fie donde , represent el rato donde comienva el contacto entre cojiny disc, representa el ri tho exer de dicho contacto, presenta el Angulo subtenido oc Tos cojines del reno el sector y Tc es emperlua et exis punt del coi, eu se cbtuvonumériexmente a206 CAPITULO 4 © Diferenciacién e integracién numéricas lizar ta ecuacién del calor (véase la seccién 122), Sir, = 0.308 pies, ry = 0.478 pies, @, = 0.7051 radiantes y si las ternperaturas dadas en la tabla siguiente s¢ calcularon en varios puntos det disco, obtenga una aproximacién de Thien THM roe) TCH roid NACH 0308 «6407S 0325-794 = 3931064 4611222 0342 = 88S IOI OATR 1239 0359 983271152, 21, Con una exactitud de 10-4, obtenga una aproximacién del valor de la integral que Se incluye en a aplicacién con que inicia este capitulo, [viFwra. + 22, La ceuicisa 1 LU pra = oss vat pocde rewlversé para x aplicand el métedo de Newton con 1 «cher poy= [ ee era 04s yeon Lwo= Si queremos evaluar fen la aproximacién py. necesitamos una fSrmmula de la cuadratura para ‘aproximar ba ode b Varo45 Integracion de Romberg 207 1 Obtenga una solucign de f(x) = 0 con wna exnetitud de 10° aplicando el metodo de New. tun con p= 4.5 y In reyla compuesta de Simpson, 1. Repita (a) aplicando ta regia compuesta del trapecio en ver de la regia compuesta de Simpson. 4.5 Integracién de Romberg En Ia integracion de Romberg s¢ usa la regla compuesta del trapecio para obtener aprox ‘maciones preliminares, y lucgo el proceso de extrapolacién de Richardson para mejorar las aproximaciones. En la seccidn 4.2 dijimos que la extrapolacién de Richardson puede efec- tuarse en cualquier procedimiento de aproximacién de la forma M ~ NOH) = Ky Kye to + Ki, donde K,, Kz...» K, son constantes y N(t) €8 tina aproxinacidn al valor desconocido M. En esta f6rmula el error de truncamiento esti dominado por KA cuando h ex pequefo y, por tanto, esta fGrmula da Ov) apcoximaciones. En la extrapolacidn de Richardson xe uti- liza una técnica de prorrateo para producir formulas con un error de truncamiento de orden superior. En la seecin 4,2 vimos cémo esto nos puede servir para obtener aproxintaci- nes de la derivads. En esta seccin usaremos la extrapolaci6n para aproximar integrales de- finidas. Para comenzar a explicar el método de integracién de Romberg, recordemas lo si- guicnte: Ia regla compuesta del trapecio para aproximar la integral de una funeién fen un intervalo (a, }] por medio de m subintervalos ex -a , PP [sora -t flay +44) + 2S yu) mA donde a < je< b,h = (b~ avin y x, = a + jhe para cadaj = 0, 1,..,, m. Primero-obtenemos las aproximaciones mediante la regia compucsta del trapesio, con my Ay my = 2am, = 4... Yt, = 2°}, donde n es un entero positive. Los valores del tamato del paso A, correspondientes a m, son hy = (b = a)fm, = (b= ay. Con esta otacién, la regla del trapecio se expresu como:s * to = [po d= [fa +f) +2 ( y fat ind)) - won Athy an donde 4, ¢5 un nimero en (a, 6). _ Si introducimos la notacién A, para denotar la purte de la ecuacién (4.31) con que se realiza Ia aproximacién por trapecios. tenemos que (ba) 2 hr y= Ufa) + £0001 = (fea) + fo}, Ry Sina +f) + Ya + AD208 CAPETULD & © Diferenciacion e integracion neméricas a [ro +100) + 21a + £ 1, + hyfla + hye Fh, + ha + hy) + fla + 3h), ysen general (véase Fig. 4.10), 1 a Rita} flat aim wo} 432) Fe para cada k= 2, 3,..., m. (Véanse los cjercicios 12 y 13), yy Ru EJEMPLO 1 Al usarla ecuaci6n (4.32) para efectuar el primer paso dell método de integracidn de Rom- berg para aproximar E: sen x dr con n = 6 obtenernos. Ri =F been 0 + sen 9] = 0; 1 a > [Fu + sen $|" 1.57079633; 1 = Ries [Fs +e (05 + en a = 1.896 11890: 1 Ls r jn Sr Tn Rats [au z (<0 F sheen + sen 9 sen ae 1.97423160, 357034, y Ry, = 1.99839336. .4.5. Integracion de Romberg 209 El valor correcta de la integral dél ejesplo | ¢5.2: por tanto, parece que la converzen- cia es lenta. La extrapolacién de Richardson serviré para agilizar la convergencia, Podemos demostrar, aunque cllo-no sea facil (véase [RR. pp. 136138]) que si fe Cfo, b, entonces podemws escribir la regla compuesta del trapeciocon un término de cero alterna en la forma 5 xii = Kg + 3 eR (433) fm Prear-n, donde K; para cads ies independiente de hy sélo en 2-1 (a) y f-1 (by ‘Con Ia regla compuesta del trapecio-en esta forma, podemos suprimir ef término que contiene A} al eombinar esta ecuacién con su correspondiente que liene h, reemplazada por Bay = Bgl = = KR KM | SKY 2 TS KH Bie i RE cg: [rove R 2k 2 4 3 i (434) 0. ENTRADA extremos a, b; entero n. SALIDA un arreglo R. (Caicule R por renglones; sdlo Hos 2 iltimos renglones se gur- deen en almacenamiento.) Paso T Tome h= b~ a; Ry = fla) + fy. Paso 2 SALIDA (R, Paso $ Paral = 2....4 haga pasos 4-8, By thY fe + ~o5y0|, pon (Aproximacién con et métado del trapecio.) Peso S Paraj=2,.... 1 Posos Tome R,, 4 Reet Fat at (Exiropotacién.) Paso6 SALIDA (Ry, porj = 1,2,.., 0. Poso ? ‘Tome h = Poso 8 Paraj=1,2..... itome Ry, = Rp, (Actualice ef rengiin I de R.) Paso? PARAR, . En cl ejemplo 1, los valores de Ry, «Ra, se obtuvieron aproximando {sen » ds En la bla 4.10, se mucsira la tabla de Romberg que resulta al usar el algoritino 4.2. . Aunque la tabla tiene 21 entradas, solo las seis de la primera columna mecesitan evaluaciones funcionales, pues éstas son las tinicas entradas gencradas por la técnica de integracién; las demas se obtienen al calcular promedios, 0 1,97079633—2,09439511 1.896189) 2.00455976 —1,99857073, 197423100 2.00026917—1,99998313—_2.00000555 1.90387034 00001659 1,99999078 2.000001 9900000 1.998333 2.000103 2,00000000 2.000000 2.00000000 2.00000045 Integrocién de Romberg zat El algoritmo 4.2 requicre un entero m previamente establecido, para determinar el ni= mero de renglones a generar. A menudo conviene mas fijar una tolerancia de error de la aproximaci6n y generar n, dentro de wna cota superior, hasta que las cntradas diagonalcs ‘consecutivas R141 ¥ R,, concuerden en el margen de tolecancia. Para evitar la posibi lidad de que dos elementos de renglén consecutivos concuenden entre sf, pero no con el ‘aor ds ln dahegyal aapronisia, peaacaiil wpromimaciones mats que w0's0l0 TR, — Ra, | esté dentro de la tolerancia, sino también 1R, >, > — Ry. 1. Aunque esta me- 0, EL primer paso del procedimiento consiste en aplicar la regla de Simpson con el tamatio de paso feb ~ a/2. Este procedimiento nos da lo siguiente (véase Fig. 4.11): ‘ i’ [#00 de=Ste, 6) sel Hh — para alguron pen a,2, (4.36 Stab) = 2 fle) +4 lath) +f)214 Figura 4.12 CAPETULO & © Diferenciacién e integracion muméricas E1 siguiente paso consiste en encontrar una forma de estimar la exactitod de nuestra ‘aproximacién, en especial una que no requiera determinar f4%(1), Para ello, primero apli samos la regla compuesta de Simpson at problema con n ~ 4 y el tamaho de paso (b ~ a4 = W2, lo cual nos da Jana tm taser a [soe 2 [roo +¥(a+ + 100| Aye (4) pore (4) Fj. (4.37) para alguea jeen (a, b), Para sinplificar la notacién, supongamos que ate Fa ) +re+n| s(e 444) -4 [pra + 450 + y que s(244.) wt fret measles 3) +0} 12) como Entonces podemos reescribir la couacién (4.37) (véase la Fig, [Pranae = s (a, 44) +5(242.4) is “(% ) aa (4.38) La estimacién de error se obtiene suponiendo que p~ ji 0, mds exactamente, que Fou) Fi), El éxito del método depende de la exactitud de esta suposicidn. Si es exacta, entonces igualar las integrales en las ecuaciones (4.36) y (4.38) implica queEJEMPLO 1 4.6 Métadas adaptativos de cvadratura 215 aj= Go Sia, by fy he Sta, b= = . ‘] Al utilizar esta estimacién en la ecuacién (4.38) obtenemos la estimacién de error [revar~s(0, # +h) s(2 ++ ls 2 2 © een = a+b) _ fas Be Pitan ™ ae [ a, 8) (a : ) s( t 1 5 arb) (ate is |sa.») (a 2 }s 2 wb Este resultado significa que Sia, (a + by/2) + Si(a + b¥2,) aproxima {”/(e) de unas 15 veces mejor de lo que concuerda con cl valor conocido Sia, 6). Por tanto, |sca.a»— s(a a+b) 4.39) esperamos tener at a fron ae - 5(2 (440) y S¢ supone que sa. 222) +5(2249) ¢s una aproximacién suficientemente exacta a f” f(x) dr. Para mostrar la exactitud de la estimacién del error que se da en las ecuaciones (4.39) y. (4.40), consideramos su aplicacién a fa integral [Pxcaxde~ 1. Eneste caso, Fe AVE + 1) = 1.002279878 78 m = ZS | sen 0 +4 sen = + 2sen = + sen ; | nO thsen = +2 4 = 1,000134585,216 ALGORITMO 4.3 CAPITULO 4 © Diferenciacién e integrociéo numéricas por tanto, 4 |s(o. 2) ~s(0, z)-s( : =)| = 0.000143020, Esto s¢ aproxinia muy bien al error feal, [" sen x dy ~ 100134585] 0.000134585, aunque D4 sen x = sen x varia significaivamente en el intervalo (0, 12). . (Cuando la estimacién del error en (4.39) difiere por mis de 15¢ no es valida, aplica- ‘mas la regia de Simpson de manera individual a tos subintervalos [a, (a + #2] y [ta + V2, b], Después utilizames el procedimiento de estimacién del error para determinar si la ‘aproximacién a la integral en coda imervalo se encuentra dentro de una toleruncia de e/2. ‘De ser asi, sumamos las aproximaciones para pradlucir una aproximacién a |* fe) de con tuna tolerancia dee. En caso de que la aproximaciém en uno de los subintervalos ne se encuentre dentre de ta totcrancia 2/2, subsividimos ese subintervalo y repetimas el procedimiento en dos sub- intervalos para determinar si fa aproximacién en cada subintervale ticne una exactitud de 2/4, Continvamos este procedimiento de divisién en mitades hasta que cada parte esté den= to de la tolerancia. requerida, Aunque podemos construir problemas en los que nunca se ‘obtendri esta tolerancia, el procedimiento suele ser efieaz, porque con cada subslivision por lo general aumenta la exactitud de 1a aproximacién en un factor de 16, aunque se re~ quiere un factor de mayor precisién de sdla 2 En el algoritino 4.3 se detalla este procedimicnic adaptativo de ta cuadratura para la regla de Simpson, pero se presentan algunos problemas écnicos que requieren que la im- plantaciém de! método dificra un poco de la expuesio unteriormente. Por ejemplo, en el p 80 | fijamos la toleranciaen 10 ¥ no en 152, como se indica en la desigualdad (4.39), Es- ta cota [a elegimos conservadoramente para compensar el error de la suposicidn f(y) = FN #2). En los problemas en que se sabe que f"" varia mucho, conviene reducir ain mas esta cota, En una subdivisién, el procedimiento que se incluye en el algoritmo aproxima prime- ro la integral en el subintervalo del extremo izquierdo, Para ello es necesaria introducir un procedimiento que almucene y lame eficientemente las evaluaciones funcionales ealeula- das con anterioridad pura les nodos de los subintervalos de Ja mitad derecha. Los pasos 3, 4y 5 contienen un procedimiento para apitar, con un indicador que lleva un control de lox ddatos necesarios para calcular la aproximaci6n en cl subintervala contiguo y a 1a derecha del subintervalo sobre el cual se va a generar la aproximacién, El méiodo es més fiicil de implantar en una computadora, si se usa un lenguaje de programacién que permita la re- cursién, Cuadratura adaptative Para aproximar la integral | = [re fx con una tolerancia dada: ENTRADA extremos a, b; tolerancia TOL; Ifmite al mimero de niveles SALIDA. aproximacién APP-o mensaje que N fue excedido, Paso 1 Tome APP = 0; i TOL, = 10 TOL;4.6 Métodos odaptativos de cuadrotura 217 4,4; hy = (b— ays Fa=flay, FC, = fla +h): FB, = f(b). 5) = A{FA, + 4FC, + FBV3: — (Aproximacién a partir del método de Simpson ‘ para el intervalo completo.) Lal. Poso 2 Mientras i > 0 haga pasos 3-5. Peso 3 Tome FD = fea, + h,/2 FE = fla, + 3h,22); Sl = (EA, + 4FD + FCV6: (Aproximaciones a parti del metodo de Simpson para mitades de subinter- valos,) S2 = ALEC, + 4FE + FBG; : (Guarde los datos en este nivel.) Paso4 Tomei=i-1. (Elimine el nivel.) PososS Si |S1+S2-u] a Per, & Demostracién ‘Tomemos primero cl caso de un polinamio P(x) de un grado menor que n. Recscribimos P(x) como un polinomio de Lagrange de (n — |)-sime grado, con nodos ‘en las ralces del polinomio de Logendre P,dx). Exia representacion de Pix} es exacta, ya ‘que el términa de error centiene la n-sima derivacla de P y esa derivada es cero, Por tan- m= [rode [Sirol jet fi roras226 CAPITULO & © Difereaciacion e integracion numérica ef mens * =-¥ a de | Ptr) = Pla con esto verificamos el resultado de los polinomios de un grade menor que 1, Si el polinomio P(x) de un grado menor que 2n se divide entre el polinomio de Legen- dre de n-ésimo grado P,(x), entonces dos polinomios Ox) y R(x) de un grado menor que 1 se producen por medio de PA) = Ola) (0) + RUD. ‘Ahora recusrimos a la potencia tinica de los polinomios de Legendre, Primero, el gra- do del polinomio ((2) es menor que m: por tanio (de acuerdo con la propiedad 2), fae rg9 demo, sy A, tenemos Después, como x, es una raf de P,(x) para cada i = 1, 2, PO) = Q(x) P,G) + RU) = Rix). Finalimente, como RC) ¢s un polinomio de grado menor que n, el argumento inicial impli- ca que f Ray de = 3 GRU) Al combinar estos hechos, verificamios que la formula es exacta para el polinomio Pix); " Rays = 6, Rx) = 5. 6, Px ‘ soe fi Payde= | (9G) Pa) * Roo] de = Lay constantes.¢, necesarlas para que la cuadratiira funcione, puede generarse a -de Ia ecuscién del teorema 4.7, pero ambas constantes y las rafces de los polinomios de Legendre se tabulan ampliamente. La tabla 4.11 contiene estos valores para n = 2, 3,4 y $, Podemos encontrar otras tablas en [S18], Una integral |” fe2)de en un intervalo arbitraro (a, b) se puede transforma, en otra -en[1, 1] usando e! cambio de variables (véase Fig. 4.16): ees Liban tat bh Esto nos permite oplicar la cuadratura gaussiana a cualquicr intervalo {a + 6], ya que o n+ tb + wed *\s (442) 2Tabla 4.11 Figura 4.16 EJEMPLO 1 Tabla 4.12 4.7 Cuodratura gaussiana 225 a Rulers ra, Coeficlemes ¢,, z os773902672 —_1,000n000000 -o.S773802692 ——_|.o000000000 3 O.7745966692 _—O.5555553586 C.900000000 —(D.ASEESSRES9 -0.7745966692 ——_(0.5555555556 4 OA611363116 03478548451 03399810436 © 0.6521451549 03399810436 0.6571451549 =O.N6LI363116 ——O.347R54RA51 s 0:9061798459 —0.23691268850 05384693101 = -0.4746286705 -00ug000000 A. Se4asss8B9 0.534693 101 0.47H6286705 9061798459 36268450 Consideremos el problema de obtener aproximaciones af” e7" de. La tabla 4,12 con- tiene los valores de las fOrmulas de Newton-Cotes que vienen en Ia secciin 4,3. El valor exacto de la integral con sicte decimales es 0.193643. n 0 1 2 3 4 Foemialas cevradas O.11K3197 —0.1093104 0.193408 0.1093643 Formulas abicrtas 0.148057 0.1063473 1094116 0.1093971 El procedimiento dela cuadrats —_ssiana aplicado a este problema requiere trans- formar primero Ia integral en un prob. —* cuyo intervalo-de integracién sea [—1, 1]. Al usar la ecuacidin (4.42) tenemos eden Lf govnina,226 Tabla 4.13 CAPETULO 4 © Diferenciocién e integracién numéricas Al utilizar los valores de 1a tabla 4.11, obtenemos mejores aproximaciones de la cua dratura gaussiana en este problema [rae proms e-em» 91090 n=3: 5 SGe™ STASHED + (0, BRBRRERSAD}|E™ 6 + ED. SSSSSSSSS6 pe °(5-0-77459H0692/1 16) = 0,1093682, Con el fin de facilitar la comparacién, en la tabla 4.13 se incluyea los valores obtenidos al aplicar el procedimiento de Rambertg con n = 4. . OTT97 ~ 0.13627 @.1093108 0.109914 0.1093610—0,1093643 0,1095009 ——_O.1083641 0110936830. 1093643 CONJUNTO DE EJERCICIOS 4.7 1. Aproxime las siguietes inteprales usando la cuadratura gaussiana co0 m = 2 y compare sus ce- sultados con los valores exacton de las integrates. 1 13 a [einer b. [seme ow 4 « wat a [even rea ‘laine v Repita el ejereicio I cot a = 3. J. Repita cl ejercicio Hoon a = 4 ss Repita el ejercicio I conn = 5. . Determine las constantes a,b, y d que producirdn una fdrmula de cusdratura [i pares = “MN + OFA) + 1) 4 dF) ‘cuyo grado de precision es 3.4.8 Integrles mitiples 227 Determine las constantes 4, b, yd que producirdn una férmula de cuadratura [svar maf(-b + bf) + cf +dS(-d + ef) cuyo grado de peecisiin es 4 6. Verifque las entradas datos para os valores de n = 2 y 3 en a tabla 4.11, obteniendo la rae cet de los polinomios de Legendre respectivosy usando las ecunciones anteriores Ia abla pa- ra calcuar Tos eoeficientes aociados os valores. T. Demuestre que la formula Q(P) = S"*_, ¢, P(x) no puede generar un grado de precision mayor que 2n — 1, sin importarla selecsin de Cy 15 Gq9 ev ov4 Aye [Sugerencla: comstrya un po- Tinomio gue tenga una rai doble en cada tna de 1 1 48 Integrales multiples Podemos modificar abietamente los métodas explicados en las secciones anteriores y utilizarlos para aproximar integrales multiples, Consideremnos la integral doble Jf remaa. donde R es una regién rectangular en el plano: R= {(x. y)la 3x 3b, ¢ Sy = d), para algunas constantes, a,b, ¢ y d (véase Fig. 4.17). Para dar un ejemplo del método de apro- Figura 4.17228 CAPITULO 4 * Diferenciacin ¢ integracide numéricas ximaci6n, emplearemos la regla compuesta de Simpson, aunque también podrfames utili- zar cualquier otra regia compuesta, ‘Para aplicar Ia regia compuesta de Simpson, dividimos la regidn fraccionando (a, &] ¥ (é,d] en un ndmero par de intervalos. Para simplificar la notacidn escogemos los ente- Tos n ym y las particiones [a,b] y [c, d] con los puntos de la red uniformemente espaciados gy ps «so Ky ¥ Yr Ygs oso Yue FESpectivamente, Estas subdivisiones determinan a los tama- fos del paso A= (6 — alvay k = (d ~ clin, Al escribiria integral doble coma intregal ite- [fsenaa -f (fs nay) primero aplicaros la regla compuesta de Simpson para ev [rane tratando a x como una constante. Sea y, = e + Jk para cadaj = 0, k mer 2 [ix y)dy = Sforote a Semper 2 fry + rend] 3 si a (d- oF afr.) 180 ay? Para alguna js en (c, d). Por tanto ‘“ _— [ [render Elf msae 2 2 [reside 2 +4y Pre Yaya de + fire ra) a] ‘is ls fd = okt c fc wd - SER la yt 180 ‘Abora se aplica en la integrales de esta ecuacién In regla compuesta de Simpson, Sea 4, =a + ih para cada i= 0, 1,..., m Enlouces, para cada j= 0, |,.... m, tenemos . ‘ wat 9 [rapa 5 [Hex +2 Alan) +43 Me 9) 41 »| (b= ayit otf rr es Ep ye para alguna & en (a, 6). La aproximacién resultante tiene la forma:6.8 Integrales maliples 229 f [16, ydyde wm flea, wit Ft Jo) +4F pasar tse] imgi-t ete _ 2 fleypt? 2 Y fonds i imi vere fey edt 3 ‘Weal 4 Shedd +25. 3 ferred i A tat 2 +42 2 fam + Dey ea + [rie rg +2 > fear +43 fey 13a) sted El téerina de error E esté dado por HH = OW [aS gy EMF am) | RE ME prey) B= —" s0 [*45 + Hfibe yg) ]_ d—ott Hx.) +e ] a nr ii Si at/f ax4es continua, el teorema del valor intermedi puede aplicarse varias veces para demosirar que Ia evaluscién de las derivadas parciales respecto a.x puede set scem- Plazada por un valor comin y que Kb —a)ht we eo a Pe ie a dO & at fs 180, ay para algunas (7, 72) en R. Si df ay! también es continua, el teorema del valor medio pon- dderado de las integrates implica que a ftx.w) “fF. . aa dem) SS OA,230 CAPETULO & © Diferenciacén # integracién numéricas para algunas (y}, j2) en X. Puesto que m = (d — ¢V/k, el término de error tiene la forma =H af ar a]- a=2e-8 an 9 age OD 180 ays OD wy wf. Lam+u £4.) pe Go ob-a [x para algunas (7, 72) y (7 yen Re EJEMPLO 1 La regla compuesta de Simpson aplicada para aproximar 20 (0s [. { Inte + 2ybdy dey hehe conn = 4 y m= 2 utiliza Tos tamados de paso h = 0.15 y = 0.25, En la Figura 4.18, se rmuesten la regidn de integracién R junto con los nedos (x, y),donde i = 0,1.2.3,4¥/ = 0,1,2y wi, que son los coeficientes de fx, ¥) = Intx, +) en la Suma, Figura 4.18 La aproximacién es an pis (0.15028) Jo fice + 29am SADR 8S gly +299 = 0.4295524387. Puesio que a of Lege ¥ iis, a (x + 2yit at GtyyEJEMPLO 2 4.8 Integrates: miitiples 234 yeel valor maximo de en R ocurre en (1.4, 1,0), el error estard acutado por & +27 fi Be {x WY met Gea ay OF ee Ge dl 472 Xx 10", El valor real de la integral a diez cifras decimales es en pis f ite In(z + 2y) dy de = 04295545265, ¥, Por tanto, la aproximacién tiene uaa exuctitud de 2.1 X 10-6 . Podemus aplicar la misma técnica para aproximar las integrates triples y también las integrates superiares de funciones con més de tres variables. La cantidad de evalusciones funcionales necesarias para la aproximacién, es producto del niimero de las que se requi ren cuando aplicamos el método a cada variable. Si queremos reducir la cantidad de evaluaciones Funciomales, en vez de las férmulas de Newton-Cotes paxiemos incorporar mélodas mas eficientes como la ewadratura gaus na, Ia integracisn de Romberg o la cusdratura adaptativa. En cl cjemplo siguiente se exp! a Ia aplicaciOn de Ja cusdratura gaussiana a la integral incivida en cl ejemplo I. Considere la integral doble del ejemplo I. Antes de wsar la cusdralura gaussian para apro- ‘ximarla, transformamos la regi6n de integracion Re (ny ll4sz3 2010s y= 15) en R= {uy vl-15us5 1-130 1). Las transformaciones lineales com las que lo logramos son L Ww Qe 14-20) yw Ty Py 10- LS, 1 20-14 “ ©, en forma equivalente, x = 0.3u + 1.7 y y= 0.25u-+ 1.25. La utilizacién de este cam- bbia de varlubles nos da van integral a la cual podemos aplicar la cuadratura gaussiana: P fe Ingx + 2ypdy de = 0.075 L f In(0.3u + 0,Sv + 4.2) deed. [La férmula de $a cuadrotura ganssiona para. = 3 tanto en w como cn wrequicre que use mos los nodos: y=) = yg = Oey = Wy = yy ™ —0.7745966002, tty = th = Fy = O.7745966092.232 CAPITULO 4 © Dferencocia &inteprcién numdnces Los pesos asociados som cy, = OB y cy, = ¢,5 = 05. (Véase la tabla 4.11.) Por tanto, ef ante a)drde 0075 SF eyey,lnOIr, #057, +42 ijt = 04295545313, Aunque este resultado requiere apenas 9 evalvaciones Funcionales en comparaciéa con las 15 que requiere ta regla compuesta de Simpson considerada en el ejemplo 1, este resulta da tiene una exactitud de 4,8 x 10°®, en comparacién con la exactitud 24 x 10-® del ejemplo 1. . El uso de los métodos con que se aproximan tas integrates dobles no se limita'a las que tienen regiones Tectangulares de integracién. Los métodos que explicamos unterior- ‘mente poeden modificarse para aproximar las integrates dobles de ta forma [Pre naa (43) ° JP ro dra. aa) De hecho, también podems aproximar las integrales en las regiones que no son de este ti- po efectuando las purticiones de la regiGn adecuudas. (Véase el ejercicio 10.) Para detcribir el méiodo que ve utiliza al aprozimar una integral en la form [renee aplicamos la regla de Simpson para integrar respecto a ambas variables, El tamio del pa- 80 dela variable x ex i = (b ~ aW2, pero el tamatio del paso de y varia com x (Wéase Fig. 4.19) y se escribe ate) = cla) toe TZ En consecvencia, a2 [fore mapae~ [yee con) + aye oe) + sun) + ste, event a ta (fla, fan) + 4 fa, efa) + kay) + fa, aad) + Heth [fla + hola + hy) + 4 fla + hicla + hy +k (a +) + fla + hala + AN} + ae Ub, Ab +4 fl, ob) + HPD + Ab, av}4.8 Integrates mditiples 233 Figura 4.19 El algoritmo 4.4 aplica la regla compuesta de Simpson a una integral de la forma (4,43), Las integrates de la forma (4.44) pueden mancjarse de manera semejante, Riconmug) "™eBtal dobte de Simpson aa Para aproximar la integral f = f [ove yedy det ENTRADA extremos a, b: enteros positivos pares m, m, SALIDA aproximacion Ja J. Foso 1 Tome h = (b — ayn: J)= 0; | (Términos extremos.) 4, = 0; (Términos pares.) 4,20; (Térninos impores.) Paso? Purai= 0, haga las pasos 3-8, Pasod Tome = a+ th; (Método compuesto de Simpson para x.) HX = (dix) ~ che}; Ky = Fl, e(3)) + fr, d(x) (Términos exiremos,) K,= 0; (Ténmiuas pares.) K,=0, (Términos impares.) Paso.4 Para j = 1,2,.s0. 99 — | haga los pasos $ y 6,234 ALCORITMO 45 CAPITULO © © Diferenciacén ¢ itegrciin numéices Paso $ ‘Tome y = ox) + jHX: Q= ft, 9). Paso 6 Si jes par, entonces tome K, = K, +@ sing, tome Ky = Ky + Q. Paso * ‘Tome L= (XK, + 2K, + 4K IX. (e =P pea ridy por el método compuesto de Sinpzon) 4s Pasa 8 Sii=001=mentonces tome J, = 4, +L sino, si f es par entonces tome J, = 4, + L simo,tome Jy = J, +L. Paso 9 Tome J = hid, + 2, + AsV Poso 10 SALIDA (J); PARAR. . Si queremos aplicar la cuadratura gaussiana a [ fre nares primero debemes transfermay, ef intervale (r(x), dta)] a {— 1, 1 para cada xen fa, bl y lue- 0 aplicar lu cusdratura gaussiana, Esto nos da ta férmula [nares y= cb g, ta mete’ pe a (alts) — lady) + ahah + o60d jf Bay ad 9) donde, como antes, las raices r, ,¥ los coeficientes c, , provienen de la tabla 4.11, Ahora transformamos e! interval (a, bf en [—1, 1] usamos la cusdraturs gaussiana para npro- ximar la integral del lado derecho de esta ectiacién. Los detalles se incluyen-en el algorit- mo 4.5 Integral doble gausslana Para aproximar la integral [°["” fax 9) dd: ENTRADA. extremos a,b: enteros positives m, (Las reices r,,¥ los coeficientes ¢, ,deben estar disponibtes para {m,n} y para 1S isi) SALIOA aproximacién J a Paso? Tome h, = (b— a2; fy = (b+ a2;4.8 Tntegrales multiples 235 Poso2 Parai= 1, Paso 3 Tome JX = 0: 2 hihgs + hy: m haga tos pasos 4.5, Paso $ Tome J = J+ eb JX. Paso 6 Tome J = hyd. Paso 7 SALIDA (Ni: PARAR. . EJEMPLO 3 El volumen del sétido de la figura 4.20 sc aproxima aplicande el algoritmo de la integral doble de Simpson, conn =m = 10.4 (0,001.4) 105,025.0) 105,025, 0)236 CAPITULO 4 © Diferenciocién e integracién numéices rf L ele dy de, ones de Ta funeidn f(x, y) = e* y produce el resultado: 0:0333054, el cual se aproxima al volumen del sGlido que se muesira en la figura 4.20, cuya exactitud es de casi siete cifras decimales. Si queremos aplicar el algoritmo de Ja cuadra~ tura gaussiana con n = m = 5, necesitamos sélo 25 evaluaciones de la funcién, obtenign- dove asf La aproximacién 0.033305 56611, que tiene una exactitud de 11 cifras decimales. . Esto require realizar 121 eval ‘Las imegrales iples de ta forma Pe ene nardeay de (véase Fig. 421) se aproximan de manera similar. Debio a fa cantidad de edlculos que se requieren, la cuadratura gaussiana ¢s el método indicado, En cl algoritmo 4.6 se uplica es- te pracedimiento, aiconmmo | ltegral triple gausslana 6 Para aproximar la imtegeal f I " Pre. ade dy de: Ny Jans dots ENTRADA extremos a, b: entetas positivos m,n, p. (las raices r,, tos coeficientes c,, deben estar disponibles pars i = mixta, m, p) ypara | =y21) SALIDA -aproximacién J a1 Paso? Tome A, =~ a2; Ay = (b+ a2; Ja Poso 2 Parni= 1, sm haga los pasos 3-8. Paso 3 Tome JX = O, 2 byt has d, = doy ey = eth ky (dy ~ €))2; ky = Ad, + 2. Peso 4 Puraj = 1,2, Paso 5 Tome JY = 0; 9 kits + ys Ye hata ts By = Bix yk ay = as, 1 = (By ~ V2: f= (By + a2. 41 haga los pasos 5-7.4.8 Integrates miitiples 237 Foso 6 Pursk= 1,2,..., p haga tome 2 = irs + hi eases We We. Paso? Tome IX = IN + oy) 4d¥. Paso 8 Tome d= J + 0, IX. Poso9 Tome! = hyd. Paso 10 SALIDA (J), PARAR, 7 Figura 4.21 El ejemplo siguiente requicre ta evaluacién de cuatro integrales tri EIEMPLO 4 El contro de una masa de una regién sdlida D-con la funcidn de densidad se halla en donde238 Figura 4.22 CAPETULO 4 © Diferenctacién @ integracién numéricas eo [evmnner son los momentos alrededor de los planos coandenados y donde w= [ff eexnady ‘es la'masa, El sélido de la figura 4.22 esté acotado por la parte superior del cono que di- vide el vértice 2 = a? + y? y el plano z = 2 y tiene La funcidn de densidad dada por ats, yz) = Wie + Al aplicar ef algoritmo de Wegral triple gaussiana 4.6 com m= m= p= Sse re ‘quiere realizar 125 evaluaciones de funcisn por integral, y se obtienen las siguientes apro- ximaciones: act =4 we4.8 Integrales mittiptes 239 mi Ere Lo Esto significa que Ja ubicacién aproximada del centro de masa es Vo y? de dy de 1340038156. FF = (0.0, 1.60003701). Por media de la evaluacidin directa de tas integrales, podemos demostrar que el centro de masa se encuentra en (0, 0, 1.6). . CONJUNTODEEJERCICIOS 4.8 1. Use el algoritma 4.4 con m = m = 4 para uproximar las siguicnivs integrales dobles y después ‘compare los resultados. con Ins valores exactos, «fone re e [PP eoeonapae a JP Loeeve aya 2. Catcule tos valores mis pequefion cuando m= mi, de made que pueda emplear el aloriimo 4.4 para apeoximar lis integrates del ejercicio 1 con tna exactitud de 10° del wator real. 3. Use el algoritno 4.4 con (i) n= 4, m= 8 Cin = Bm = Ay dill n = m= Bi para apte las siguientes integrates dobies y luego compare los resultados |, La comvertimos en una integral con singularidad de extremo izquierda en cere al realizar la sustitucién de integracién pel dis 08d, entomces de = tdr = — 8d, Por tanto, ac [EJEMPLO2 4,9 Integrales impropios 245 De modo similar, ef cambio de variable 1 = x”! convierte la integral impropia J JG) de en otra que tiene una singularidad de extremo izquierdo en cero: [rovac= {re} a (448) Podemos apronimarla utilizande ta férmula de la euadrarura del tipo que se deseribid en péginas. anteriores, Para aproximar el valor de la integral impropia x se0 + de, z hacemos el cambio de variable ¢ = 27! pura obtener 1 afr’ te [rit ened Pi), para ven f alrededor de 0 es Pan ast ; SOE EH de modo queO< 451 oe) a ” 6. sito std en CHO, LJ. y tenemos =f’ pasta eee de ref dy wef ji o 2a2— Ll 1 wearer (5 2 Lr f 7 1 +18 = osigostol + [AS ay Al aplicar la cegla compuesta de Simpson con a = 16 a Jos enteros restantes, obtenemos 1 = 0,0014390097 + 0.61904761 = 0.62053661, ‘con una exactitud de 4.0 x 10-4 . CONJUNTO DEEJERCICIOS 4.9 1, Aplique la regla compuesta de Simpyan ¥ fox valores dados de # para aproximar las siguientes lntegrales impropias:246 CAPITULO & = Bifrenciociin « integracin mumdsicas 1h a [mars nd & [Goes ons a ine | coe De “laws [ads ans 2 Use la rgla compuesta de Simgioa y los valores dadot den para aproximar lay siguicns ie tegraes mprapias: re ae & fgcpe oe 3. Utilic ta transformacién r= x1, y despuds ba regia compuesta de Simpson y tos valoecs da- dos de n para aproximar las siguientes integraies smproplas: 1 ned bP aa nee 8 Por tsennds on 1 ‘as 4. Laintogelimpropia ffx) eno puede convertire om an integral com limits initos por me dio de la sasttucién # Us porque limito en cero se vuelve infinito, problema se resie ve escribiendo primera {5 fla) de = [7.f(x) dx + f° yc Aplique este mtoda para peo sirmar las siguientes intégrakes improplas coo wna exactito de 10% “Cnr * lam 5. Suponga que un cuerpo de musa ne desplaza verticalmente hacia arriba comenzand en La s- pperficie de la Ticrra. Si prescindimos de toda la rexisiencia menus la gravedad, lz velocidad de ‘escape wesid dada por vene[etdy donde 4, ee | antes R= 3960 mi cs cl radio de la Tierra y g = 0.048609 mils? es La fuersa de gravedad en la super- fiche de la Tierra, Aproxime la velocidad de escape w & Lo polimomios de Laguere (hy 2) (aon) Forman ua cons exten en (8, = salen Js ek joy oe 20, prs d Veen ances 2) Bl pols if) ro Sloe Melovig igen ee ok Sed sry ye Denil tx, Bead a Mocsre quel ful de curate [rene tacm esa iene grido de precisiGn 2a = 1. (Superencia: Siga loa pasos de la deinonttacién del teore na any4.10 Reseiia de métodos y softwore 207 ‘T. Los polinomios de Laguerte f(a) = 1.2, b= =x. £, tx) Lays a+ Ge ~ 18x + 6 fucron abtenidos en el cjercicio 11 de la secciéa 82. Como mostramen en el Cjercicio 6 estos polinomios son siles para aproximar integrates de la forma (esurareo. a. Deda fel decent mano n= 2 yo ce de 0 1 Deduzca la férmula de cuadratura usando n = 3 y los ceras de E(x) Use las Sérmulas de cusdratura obteniduc en el ejercicio 7 para aproximar ta integral [Views 9 Use las férmulas de cuadratura obtenidas en el ejercicio 7 para aproximar fa integral Lane 4.10 Resefia de métodos y software En este capitulo estudiames fa aproximacién de integrales de funciones de una, dos o tres variables y Ia-aproximaciGn de las derivadas de tna funcién con una sola variable real. Explicamas las reglas del punta medio, del trapccio y de Simpson para describir los métodos y el andlisis del ertor de los métodos de cuadratura. La régla compuesta de Simp- son es fécill de usar y da aproximaciones exacts, a menas que la funcién oscile en un sub- intervalo del intervalo 0 de integraciGn. La cuadratura adzplativa se pucde aplicar si se sospecha que Ia funcién presenta un comportamiento oscilatorio. Usamos ta cuadratura gaussiana para reducir en lo posible el mimero de nodos y para aumentar el grado de prc isién. Estudizmos Ia iniegracidn de Romberg para apravechar Ia repla y Ta exirapolacién compuesta del trapecto, de fécil aplicacién. La mayor parie de Jos programas de computacidin que sirven para imegrar una funcién ‘de una sola variable real, se busan en el méiodo adaptative o en formulas paussianas extre- madamente exactas. La integracién cautelosa de Romberg es un méio adaptative que incluye una verificacién para asegurarse de que el inlegrando tiene un comportamiento w {forme en Jos subintervatos del intervalo-de la imtegracién, Eis méiado se usa con gran éxito a [as bibtiotecas de programas. Por Jo general, las iniegrales miliples se aproximan ampliando buenas métodos adaptatives 2 dimensiones superiores. También recomendamos 1a cusdratura de tipo gaussiano para disminuir la cantidad de evaluaciones de las funciones. 1Las principales rutinas de las bibliotecas IMSL y NAG se basan en QUADPACK: an paquete para integrocién automdtica de R. Piessens, B. de Doncker-Kaponga, C. W. ‘Uberhuber, y D. K. Kahaner publicada por Springer-Verlag en 1983 [PDUK]. Las rutinas también estén disponibles como programas de dominio publico en hitp:flwww.nellib.org- ‘équadpack. La biblioteca IMSL contiene Ia funcién QDAG, que es un esquema de integracin ‘adaptativa que se basa en la regla de 21 puntos de Gaussian-Kronrod y que utiliza una re» ‘gla gaussiana de 10 puntos en Ia estimacién de! error. La regla gaussiana usa los dier pun- 105 Xp, --++ Myq¥ 10s pesos ti}, .-, hg para producir la formula de cuadratura 1°) wifi) ‘con que se aproxima f° f(x) dr. Los puntos adicionales 1,,,.... %,, ¥ los pesos nuevos 1),.---+ thy S€ emplean posteriormemte ea la formula de Kronrod 7", 1, ftx,). Para climinar cl error, se comparan fos resultados de ambas fSrmmulas. La ventaja de utilizar xy... yp ‘en.cada férmula consisie en que ha de evaluarse sélo en 21 puntos. Si aplicdramtos las ro=248 CAPITULO 4 © Diferenciociéa & integrocién numéricas glas gaussianas independientes de 10 y 21 puntos, s¢ necesitarian 31 evaluaciones de fun+ -lones, Este procedimiento admite singuluridades de los extremos en el integrand, ‘Otras subrutinas de IMSL son QDAGS que permiten singularidades en los extremos; QDAGP que permite singularidades especificadas por el usuario; QDAGI, que permite intervalos infinitos de imtegracién y QDNG, que es un procedimiento no adaptative pura Funciones uniformes, La subrutina TWODQ usa las reglas de Gauss-Kronrod para imegrar una funcién de-dos variables. También existe una subrutina QANT> para usar la cundratu- ra gaussiana e integra una funcida de n variables en n intervals dé la forma (a, 6) La biblioteca NAG incluye 1as subrutinas DOLAJF con lax que se calcula la integral de fen el intervalo [a, 5] aplicanda un méiode adaptative que se basa en la cuadratura ‘gaussiana y que utiliza Ja regla de 10 puntos de Gauss y fa regia de 21 puntas de Kronrod. ‘La subrutina DOLAHP sirve para aproximar [° f(x) ce con una familia de formulas de t= po ganssiano que se basan en 1, 3,5, 7, 63, 127 y 255 nodos, Estas reglas interre= lacionodas de alta procisidin se deben a Patterson [Pat] y se emplean en forma adaptativa, ‘La subrutina DOIGBF se utiliza con inegrates maltiples y DOLGAF aproxima una integral ‘cuando sélo- se dan puntos de datos y no la funciéa f/ NAG contiene muchaé otras subru- nas para aproximar integrales. La llamada a la funcion de Maple pea bir calcula la integeal definida f* f(x) dr. El método oumérico que utiliza Maple usa rutinas que mancju ta singulandad y luego la cuadratura de Clenshaw-Curtis, que sc describe cn {CC]. $i esto falta, debido a In presencia de singularidades dentro-o cerca del intervalo, centonces se aplica un método de cuadratura adaptative con exponencial doble, La férmula adaptative de Newten-Cotes se puede aplicar especificando la opeién NCrule en Ja Hamada a funcién de Maple, pint (£,x @ com In propiedad de-quc In op — feral Sly, = 951 slennpore cgue (6, 44). At va tsetse ew acts get pd . SID= (iy) Ises2,-3 sy 24) y ftry) 0 con Lan L, paratoda(t, yy ED 43.1) entonces / satisface una condicién de Lipschitz en B en La variable y con la Constante L de Lipschitz, / En el ejercicio 4 se da la demostracién del teorema 3.3; se parece a la demostracién del resultado comespondieme de las funciones de una variable que explicamos en el cjer- eicio 25 de la seceién 1.1, Como veremws en ef siguiente teorema, a menudo es muy importante deteriinar sila funeién que interviene en un problema de valor inci ‘en su segunda variable, y casi siempre es mis £4 4) que la defi- nicién. No obstante, conviene uclarar que el teorema 5.3 sélo da condiciones suficientes para que una condicién de Lipschitz sea vélida, un reandlisia del ejemplo | desostrurd que dichas condiciones a som necesarias en absolut. ‘Asi, In fancidn del ejemplo | satisface una condicida de Lipschitz, pero ta derivada respecto de y ni siquiera existe cuanda y = 0, El siguiente teorema esuna version del teorema fundamental de existencia y unicidad de las ecuaciones diferenciales ordinarias de primer grado, Aunque podemos demostrurlo reduciendo wn poca Ia hipétesis, esia versidn es suficiente para exte capitulo. (La demos- stracién del teorema, mds o menos en esia farma, se du en (BIR, pp. 142-155].) Supongamor que D = ((f, y)]aS 15 b, 0 < y 0, existe una constante positiva Ate) con la propiedad de que siempre que | gl 0. . Podemos usar Maple para resolver muchos problemas de valor {nicial. Consideremos el problema |, OS1S2, xO)= 05. Para definir la ecuacién diferencial, introducimos. dog: =piy) (e)=y(k inches5.1 Tearia elemental de tes problemas de welor inicio 255 y In condicién inicial my (0150.5; Los nombres deq e init los elige el usuario, El cumando pars resolver el valor inicial es Sdegsols sdaolvelideg, inkth withhr La respuesta ex doqsol: = yi) = 1+ P+ at z }, intraducimes. Para usar Ia solucidin y obtener x jecttol) ;eval-f (subs (e*1.5,q) bs ‘son el resultado 4009155465, La funciéa rhs sirve para asignar la solucién del problema de valoe inicial a la fun- ¢i6n g, que despats evaluamos en f = 1.5. La funciém dsolve puede fallar, si 0 x¢ ob- fienc una solucién cxplicita a) problema de valor inicial, Por ejemplo, el comando Pdetaol2: = duolve ({D(y) (kee Le tenen teeyi th) v10) Ob 00) 1s ‘no tiene €xite porque no ¢s posible encontrar una salucida explicita, En este caso hay que ‘usar un método numérico, CONJUNTO DE EJERCICIOS 5.1 1 Use el tcorema 5.4 para demostrar que los siguientes problemas de valor inicial tience una so lucida nica, y encuentre dicha solucidn. a ysyeor, OSI=1, YOR L pysSyete rss neo +fe dered x= Vie aty Tae OStSH NOI (D Para cada elecciin de f(t, y) dada en fa parte (a) () {Satistace sruna condicidn de Lipschitz en D = {(,y) I<45 L-wcy capt (iD) {Pee usarse et teoresna 5.6 para demottrar qué el probleza de vakor iicial figy), 05151, yO=1, bien planteado? asyerytt fie tinyCAPITULO 5 © Problemas de vator inicial pera ecuaciones diferenciates ondinavias 3. En los siguientes problemas de valor inicial, demuestee que la ecuscién dada define implicita- mente una soluciéa, Aproxime (2) coa el métedla de Newton, mig tli =h = = ay pe SSD = bi grt y= 2 vm 08 1+ Bat . ee by parte ae | ER KD Ov y sent + Pet + 2y =D 4. Mediante la aplicactén del teorema del valor medio a /(1, y), demuestre el teorema 5.3 conser- wanda fijo at, 5. Demwostre que, para cualesquiers constantes.a yb, el conjumie D = (i, y) lasts by en < y< a) es convexo 4 Suponga que Ia perurbacion #7) ex proporcional at decir, que Bi) Br para alguna cons tunic 4, Demuevie disectamente que kos problemas de valor inival siguientes estin bin plan- tendos a yel-y 08182, Q=0 boyfanty, O81<2, Ore -1 ay Sy hee, lars, Wh=0 a. yey bPe, 14132, WI Vie ‘7. Endo de Ploand para resolve el problema de valor inicio Y=feyh aStsh Wa)= a, se describe asf: sea y,{#) =a par cada # en (a, 6]. Defina uns sucesién (y()} de lus funciones por medio de neat finn aiidy kL B a Integre y"= f(t, 4) y use: La condicidn inicial para deducir el métoda de Picard, b Genere vith. yk 40) 7 460 pan el problema de valor inicial yerrl Osrsl, woe k ¢ Compare el resuludo de Ja parte (bp) con la serie de Maclaorin de la solucion seal (0) = ret 5.2 Método de Euler En esta seceién estudiaremas el método de Euler. Aunque rara vex s¢ emplea en la prdcti- ‘ca, 1a simplicidad de su deduccitn sirve para ejemplificar las técnicas con que se desarro- lan algunos de los métodes més avanzados, sin el dlgebra tan engorrosa que acompat tales desarrolios Esie método tiene por objeto obtener una aproximacién de tn problema biea plamtes- do de valor inieial Sera, atteh yla=a, (5.6)5a 5.2 Nétode de Euter 257 En la prictica, no se ob(endrd una aprosimacién continua a la solucién y(0); por el contrario, se generarin aproximaciones a esa solucidn en varios valores, llamados puntos de red, en cl intervalo {a, 6], Una vez obtenida la aproximacién én os puntos, podemos obtener por interpataciGn la solucién aproximada en olros puntos del intervalo, En primer lugar, estipulamos que les puntos de red tienen una distribucién uniforme en todo el interval (a, 6]. Garantizamos esta condicién al seleccionar un entero positive Ny los puntos de red 1 e+ th, para cada T= 0,1, 2,004 Ne La distancia comin entre Jos puntos k = (6 — a\/N recibe el nombre de tamafio-de paso. ‘Utilizaremos el tcorema de Taylor para derivur él métode de Euler, Supongamos que 1) a solucién Gnica de la ecuacidn (5.6), tiene: dos derivadas continiuas en (a, B], de tid do que para cada # = 0, 1,2,...,. NI, Gi teak = HEN Chay — ANU) + 9, para algdn ndmero & en (ty 4) Sih = tpentonces Mlioy) = MED + Aye + ere. yicoma y(t) satisface la ecuacidn diferencial (5.6), Hlbpg d= VED # APE, EDD + tye. 62) El método de Euler construye te; = 4) para cada d= 1, 2,.,., Neal eliminar el wér- mino restante, Por tanto, w+ AFL ui), para cada f= 0, ao (5.8) A la ecuacidn (5.8) se le Hama ecuacién de diferencias asociada al método de Euler. ‘Como veremos luego cn este capitulo, la teorla y la solucion de este tipo de ecuariones nos recuerdan en muchos aspectos a Ia teoria y la solucién de las ecuaciones diferenciales. En 1 algoritmo 5.1 se pone en cjecucin el método de Enler. Método de Euler Para aproximar la solucién del problema. de valor inicial =fi.y, a51Sb Mal=a, en (N+ 1) ndmeros unitermemente espaciadas en el intervalo (a, b]: ENTRADA cxtremos a, by entero N; condicién inicial a, SALIDA aprosimaciéa wa y-en los (NW + 1) valores de 1,258 CAPITULO 5 © Problemas de vaior inital para ecuociones diferenciales ovdinarias Paso.1 Tome b= (b ~ al, 1a wa SALIDA (1, w). Paso 2 Parw i =, 2,10 Nhaga pasos 3, 4, Paso 3 Haga w= w+ Aflt, we (Caleule ws.) teatih (Catcule t,) Poso-4 SALIDA (1, te) Poso5 PARAR. . Pure interpretar geométricamente el método de Euler, nétese que cuando #, es una aprosimacidn cereana de y(1,) la supasicisin de que el problema estd bien planteada impli- ca que Fits wy = yUH) = Lp WDD En la figura $.2(a) aparece la grifica de la funcidn, donde resalta ya). En la figura 5.216) se muestra un paso del méiode de Buler y en la figura $.3 una serie de pasos, EJEMPLO 1 Supongamos que empleamos el método de Euler para aproximar Ia solucisa al problema de valor inicial yeyrPtl Os1s2 \o=a5, con N= 10, Entonces = 0.2, 4, = 0.21, uy = 0.5,y aig = ay Alay — + 1 = wy + 0.2; — 04 + 1] = 1.20, — 0.0087? + 0.2, para i= 0,1,.... 9, La solucién exacta és y(@) = (¢ + 1)? ~ 0.Se', En ta tabla 5,1 se muess tra la comparacién entre los valores aproximados co 4, ¥ fos valores reales. 7 Figura 5.2 Y= fin vio) = Pendiense 4a) = (a, a)Figura 5.3 Tabla 5.1 tema 5.7 5.2 Método de Euler 259 6@ = 0.000000 9.80000 OND 02 = o.ROQINDE-8D7986 = NODS o4 11820000 12140877 = 620877 06 13803000 1680306 OR REIOG on Loauagn0 «2.127229 WI387495 Lo 2aSHI760 =——-2.6408591 0.1826431 1 2849K12,— LITOMIS = 3301303 14 3417734 3.324000. 2806206 16 39501281 $28U838 0.993357 Le 48151763 .9870225 20 S3054720 4396874 Observe que ef error crece wn poco a medida gue ¢l valor de 1 aumenta, Este ereci- mento cootrotade del exror es comsecuencia de la estubllidad del método de Buller, cl cual implica que se expera que, en.el pene de los casos, el error aumente ex forma line “Aunque el método: de Euler no es lo suficlememente exacto para justificar su uso en {a peifctica, resulta lo bastante simple para enalizar el error producido en su aplicaciéa. EY andlisis del error ¢on lox métodos mix precisos que veremos.en secciones posteriores si- gue cl mismo patrén, slo que 8 més complicada, ‘Si queremos obtener wna cota de error en el método de Euler, primero consideraremos dos lemas de edlculo, Para toda.x = —1 y para cualquier m positiva, tenemos 0 (| +x)" em, . Demostraciéo Al aplicar el tgorema de Taylor con flx) = e', Ay = Oy n= | obrenemoe emit deel260 Lema 5.8 Teorema 5.9 CAPITULO 5 © Probtemas de vator inicial para ecvociones diferenciales ordinanios donde se encuentra entre x y coro, Por tanto, 0=1 testtat diel = ot como +120, OS +a (eps em, eae Sis y son ndmeros reales positivos, (a,)/_p es una sucesién que satisface a, = —as, ¥ jy (1+ se, +t para cada J 0, 1,2, (5.9) entonces Demestrocién Par un entero fijo i, fa des!gualdad (5.9) implica que 450+ ate SU + M+ oa, tte ZC + sl + i + shop ta tates 4 S(t slag + (1 +t ht (Late ee tay 1+ tay tee tess SU + oy =) es una serie geométrica con raztin (1 + 5) y, por tanto, su suma es Jett yo Sa gl tart a Por tanto, 1 ony Stalag LEY 2 ty 2 ys de acuerdo con el lema 5.7, com x = 1 + s dada Supongamos que fes continua y que satisfave la condicién de Lipschitz con la coastate Len D= (i ylastsh-wcy co}5.2 Método de Evier 261 ¥ que existe una constante M con la propiedad de que ly") | 3M. para toda r € fa, 5]. Denotemox:coa (1 a solucién tnica del problema de valor inicial y=fuy @stsbh vara Y SEAN Up U,..., Wy as aproximaciones generadas con el métado de Euler para alin ‘eatero positivo N. Entonces para cada i = 0, 1, 2,.... NM, Mona lye) — ale. (3.10) Demostrocién Cuando i = 0, el resullado es verdadero porque y(i,) = uy = a Conforme a Is eruscisn (5.7), para #= 0, 1y.....N— 1 tenemot ¥(.))= vl) + Aste, te) + tye. y conforme.a las ecuaciones en (5.8), = uy + Aft, En consecuencia, al utilizar la notacién ¥, = 46) ¥ ¥.9 = Mlj4) tenemos Jen Mar SH AYO HG pd + Eye) y Iya Waal Loy ay) + abftia yd 20g. upl +E lyreep. Puesto que f satisface una condicién de Lipschitz en la segunda variable con la cons- tante £ y como ly"¢r}| =A, tenemos Vecu = weal SCL + Anply, = ugh + et x ‘Alreferimos.al lema 58 y al suponer que a, =| y, ~ ujlpara cadaj= 0,1... que s= ALy# = dM, tenemos a Wea) _ nine lina lee (Ing al SA) ee Puesto que |yy— uy =O efi + Dh= tenemos Vier — MM eat =, paracadai=0,1,...,N— 1 sen El punto débil del teorema 5.9 consiste en el requisito de conocer una cota de Ia se- ‘gunda derivada de Ia soluciém. Aunque con frecuencia esta condicin nos impide obtener262 CAPITULO 5 © Problemos de volor inicial pare ecvociones diferenciales ovdinarias luna cota de error realista, conviene sefislar que, si existen aff ary af ay, la regia de la ea dena para la diferenciacién parcial implica que ripe we Devens Hes P= = FED = FAO) + FO) + Meat ‘Asi pues, a veces es posible abicner una cota de error para y(t) sin que se conouca ex- plicitamente y(n). EJEMPLO 2. Volviendo ahora al problema de valor inicial -A4+l Osrs2 — 0y=05, considerado en el ejemplo 1, vemos que como,f(t,y) = y =F + 1, tenemos afte, yay = 1 para toda y y, por lo mismo, Z © 1, En este problema la solucién exacta es 1) = (1 + IF — Jet de manera que y"(1) = 2 ~ O.Se'y ly] s05e—-2, par iodare (0,2). Al utilizar ta desigualdad de la cota de error en el métxto de Euler con = 0.2, M = 0 Se? — 2 obtenemos Ia cota de error ly - jl + 0.100.Se? - 2\e% = 1), La tabla 5.2 contiene el error real encontrado cn el ejemplo |, junto-con esta cota de error. Nétese que, aunque utilizamos la cota verdadera en la segunda derivada de la solucién, a cola de error es mucho mayor que el error real . Tabla 5.2 7 iva oe 0810 12 ta 16 18 20 Exrorreal 00293 0.06209 Q.09RS4 0.13875 O.S268 0.23013 0.29063 0.33335 0.38702 0.43068 Coa de error 0.03782 0.08334 0.12931 0.20767 G.29117 O.3031$ 51771 O.560KS 0.85568 1.0K La importancia principal de ta férmula de ta cota de error que s¢ da en el teorema 5.9, radica en que la cota depende linealmente del tamafo de paso &. En consecuencia, cuando cel tamafo disminuye, deberd haber mayor exactitud en las aproximaciones, En el resultado del teorema 5.9 no se tiene en cuenta el efecto que el error de redon- deo ejerce sobre la eleccién del tamafo de paso. Canforme hk decrece, se requierea mis ciiloulos y se pucde predecir un mayor error de redondco, Ast pues, en la prictica la forma de la ecuacién de diferencia =u, t+hft, w). — paracada i= 0, no se utiliza para calcular la aproxitmacién a la solucién y, en un punto de red 4, En cam de fa forma5.2 Método de Euter 263 donde 6, denota ¢] error de redondeo asociado a u,. Al usar métodos semejantes 3 Hos usa- dos en la demostracién del teocema 5,9, podemos producir una cota de error para las apro= ximaciones de dfgitos finitos a 5, obtenidas con el método.de Euler. Teorema 5.10 Sea y(/) ta soluci6n Unica al problema de valor inicial fay), 05136, Mallee 61d iy las aproximaciones obtenidas mediame (5.11). Si 18,| < 8 para ca- «Ny las hipstesis del teorena 5.9 son aplicables a (5.12), enlonces 6.19 se puede esperar que-el error se vuelva grande con valores de f suficientemente pequefios. Podemos utilizar el célculo y detcrminar una cota mis baja para el tamaio de paso hk. To- mar Eth) = (AM/2) + (8/h) implica que Eth) = (M/2) — «6/h2). Si h V26/M. cuando —E'(h) > Oy Eihjes ereciente EI valor minimo de E(t) ocure cuando (Sy ‘Cuando reducimos h mis ald de este valor, el error de la aproximacién tiende a incremen- tarsc. No obstante, normalmente el valor de 6 es Jo bastante pequefio para que esta cota ‘mis baja def no influya en Ia operacién del método de Euler, CONJUNTODEEJERCICIOS 5.2 JL. Apligue el método de Euler para apcoximar Ins soluciones de for siguientes problemas de valor tty, OS1S1, =O, conn = 05 byeleg-y 2srs3 yQ)=1, conn =05 +x 15122 = 2 coh 025 Gym cmutind, OSS, MOT conk= 125 2 A comtinuacidn se dan Ls soluciones reales de los problemas de valor inicial del ejercicie 1. En cada paso, compare! error real con La cova de err,264 CAPITULO 5 © Pmblemes de valar inicial pare ecvaciones diferencioles ordinarias 1 1 = Zi — elt st 35 & mere meine + 2 L a : wet fe ynn=tint wimp sen2r~ 5 conan e 2 Aplique el método de Euler para aproximur fas solucfones de lon si inicial, sy Gi, 1s182 MDL conh Od sl4yitgnyF, 15153 w=0, conn sor eye-ytiy+3, 05452, vO)=-2, conh=02 dye —Syt5P42, O50=1, OV}, conh= 0.1 4. A continuaciin se dan las soluclones: reales a los problemas de vulor inicial det ejercicto 3. Calcule ef ervar cn las uproximaciones det ejeecicko 3. ientes problemas de valor 1 aoe be sto = run (ina) 1 8 Kne 34 & yeas Dado el problema de valor ane 2 yetytre 18152 wyeo om Ins saluclones exactas 1) = He! — ek a. Use ol métode de Fuler con A = 01 para aprossinur La solucidin y compararta con tow valo- ret reales de 9, 1b, Use las respuestas obtenidas en Is parte (a y la interpolacise lineal pans aproximar Jas si- _guicnies valores de y ¥ comparelod cot Jo vilowes rele. yas) iL yt HL 197 . Por medio de ts ecuncia (5.10) enkeue el valor deh aecesarie pique [)— yl 60. {6 Dado el problema de valor inkcial 1x yea : tars WN=-1, con a solucisn exacta y(¢] = — Ltt Use eh ettode de Euler com f= 0.05 para aproximar ta solucicn y compels con bos wabo- res reales de y, ‘Use las respuestas obtendas en et inciso (a) y la interpolaciGw lines! pura aproximar lox si sguientes valores de y ¥ compéreles con los valores reales. L yeh.asay HL L585) (1.978) gy Use laecuacién-(5,10) para calcular el valor de h necexario para que: [y4i,)~ eel = 0.05. 7, Dado el problema de vakorinicial yecytr+h osrs5, yet com la sotacidn exacta sted = e+ . Aproxime (5) aplicanda et métode de Euler, con h = 0.2,h = 0.1 yh = O05, b. Determine el valor Optima de que debe usarse al calcular 5), supontendo que B= 1O-* Y que la evvaciOn (3.14) es wilida Me52 a ay n Métode de Eulér 265. Use tos resultados del ejercicio 3 y Ia interpolacén Hneal para aproximar los siguientes valores de 0. Compare lax apronimaciones obtenidas com lox valores teales obtenidos por meso de Jas funciones de ejercicio 4, 41.25) y 199) be 2A) y 9295) ea) y M195) & WOS8) y 9094) ‘Sea Blab = Ae: + Be 2 A ‘a. Enel problema de valor inicial yeoyet Omsk x0r=0, ccalcute et valor de Jt com el que Eid} se reduce al minima. Suponga que & = 5x 10-H*", si estd empleand La artmética de n digitos en el inciso (c) 1 Para el A dptimo calculacia en cl inciso (a) determine, con Ia ecuacién (8,13) el error minke ‘mo obtenible, . Compare cl error real obienido al utilizar = 0.1 y h = 0.01 con el error minimo del inciso (b), {Puede explicar los resulindos? Considere et peoblesna de valor inieial Rows, 056S% xO) L Qu tiene La volucida y(#) ~ 7%, (Qué sucede evande aplicamos el mélodo de Euler weste pro- ‘Wema, con A = 0,17 ;Vinla este comporamiento el tecrema 5.97 En un libro titslado Looking at History Through Mathemanies, Rashevsiy (Ra, pp. 103-10). se ‘propome tin modelo de un problema referente 2 la aparicicin de no conformistas de la sociedad, ‘Suponga que una soviesiad tiene una poblacién de xi) individuos en el tiempo 1, en los, y que {eco lox-n0 eonformistas que tienen relaciones sexuales con otros ne conformisias engendran [ijos que también son no Conformistas, micniras que una proporciéa fija r ded resto de tos hie {Jos también son no conformistas. Si supane que tas tasns de natalidad y movtalidad de todos los individuos son las consantes b y d, respectivamente, y si loa conformistas ¥ no conformisias lezen relaciones sexuales al azar, el problema se puede expresar mediante las ecusciones dife- renciales dati ae pO MY Em hm dit) + rk — AC donde x,(4) denota la eunticad de no eonformistas de Ia poblacide en el tiempo 4. Si itredacinios la variable pit) = x,(0Vfat0) pam represendar la proporcién de no conformistax eli Sociedad en el tienapo 1, demucatre que extns ecuaclones pueden combinarse y simplificar= 6 et ls ectiicide diferencial iodividual pity Sym nil = pa). b Supontendo que p(0) = (101, b= 0.02, d= 0 ¥= O94 = S)cusndo el wanafo de paso eh ato, €: Resvelva la ccuscisin diferencinl para pti) exactamente, y compare su resuliado del inciso Wb) cade 1 = 50 com <1 valor exacto em exe tiempo. Ein cireuito de voltae impreso 5 que ticne Ia resistencia R, ta inductuncia Ly la capocitan- ela C en paralete, la edrriente j satisface la ecuachdn diferencial 3 y r= 0.1, aproxime la solucidn piu) de a od de fect a Oat266 CAPITULO 5 © Poblemas de vio iniciel por ecuaciones diferenciols ordinatos Supongamos que C= 0.3 farulios, = 1.4 ohms, L= 1.7 hentios y que cl volinje esti duo por 8(t = eM semtzt — ah 1 XO) = 0, calcule la contiente / com los valores ¢ = 0.1 j, donde / = 0, 1....5 100, 5.3 Métodos de Taylor de orden superior Definicién §.11 Los métodos numéricos tienen por abjeta producir aproximaciones suficientemente cxac- fay con un minimo de esfuerzo; por cllo, necesitamos un medio que nos permila comparar Ja cficiencia de diversas métodos de aproximacida, El primer instrumento que estudiare- mos se llama error locat de truscamienta del métado. En un paso espectfica, este error mide ta cantidad en que {a solucin exacta do fa ccuscién difecencial no satisface la ccua- cién de diferencias con que se obtiene la aproximacién. El metodo de diferencias wre p= a, + hdd, wy), prdeadu i= 0,1,..,,N 1, ticne un error local de trancamiente dado por =O, + hd Dd A Foal) = paracada/=0, 1)... —1, . En el miétodo de Euler, ¢1 emor local de truseartiento para el iékimio paso en el pro blema V=finy, ash, ya)=a, es Trash —fll,y), — paracadai=0,1,...,N—1, donde, como siempre, ¥,= y(t) denota el valor exacto de fa solucién en t, Este es un error local, porque mide ta exactitud del métoda en wn paso determinado, suponiiende que el métode fie exacts en el paso anterior. Asi pues, se basi en la ecuscidn diferencial, en el iamafio de paso y en el paso particular de 1a aproximacién, ALestudiar detenidamente la ecuaciGn (5,7) de la secciGn amterior, observamos que el método de Bnier tiene a Foi = ZUG para cada fen ty fay) ‘Cuando se sabe que y"(r) esté acotado por una constante Af en (a. J, ello implica que5.3 todos de Teplor de orden superior 267 Ir, al sar, coin asf que el error local de trancamicuto en el método de Euler ex (7). Una manera de seleceionar Jos métodos de Ia ecuacién de diferencias para resolver ecuaciones diferenciales ordinarias, es hacerlo de mancra que sus crrores locales de (run- camicnto sean O(f*) cou el valor de p mas grande posible, sin que el mimcro y la comple- jidad de les edleulos de los métodos rebasen una cota ruzonable, Obtenemes el método de Euler aplicande el teorema de Taylor con n= 1, para apro- simar la soliciéh dé la ecuaciGn diferenclal; pot-ello, nuestro prither intento de encontrar métodos que mejoren las propicdadcs de convergencia de los métodos de diferencia con- siste en ampliar esta técnica de derivacién para valores mayores de m Supongamos que la solucién y(#) del penblema de valor inicial Yafity), as1sb, faea, tiene (+ 1) derivadas. continuas. Si se desarrolla la solucién 9(¢) en funcidn del n-ésimno polinomio de Taylor alrededor de 4, y calcul te) + hy + 45.15) para alguna & en tf... La diferenei: Silcesiva dé la soludién y(f) nos da ya) = ft. YO) = PMO), yen general, KA = FEM, OD, ‘Al sustituir estes resultados en Ja eenacisn (5.15), abtenemas m Me) = MED ELE MEDD # > LU GM oe 15.16) in Mh rE + FONE MEDD (+ DE El método de la ecuacidn de diferencias correspondiente a la ecuacién (3,116) recibe el nombre de métade de Tuytar de onder m y se obticne suprimiendo el térinine residual que conticnc &, Método de Taylor de orden m: pF ATOM, uy) parm cada d= OI, os, N= 1 (8.17)268 CAPITULO 5 © Problemas de valor inicial pore ecvociones diferenciofes ordinonias donde fh tet TMG, WI Aie wD SIG a) tet FM ti, Notese que el método de Euler es el método de Taylor de orden uno, EJEMPLO 1 Para aplicar el método de Taylor de érdcnes dos ¥ cuatro al problema de valor inicial Yoyoe+l, Ofre2, WO) =05, que estudiamos en las secciones anteriores, debemos encontrar las ties primeras derivudas de ft, IM) = (1) — P+ L respecto a la variable r seated yee yey nmey- Pt 1-m d PEMD) FOP + l= Way U2 =yrP@+1-B-2=y-P-H roms 5 y-e-a- Nay -4-2ey-P-B-1 Entonces A h TY, a) = FG, + 3h m= ay Get 3 ly B24 D (reBleicasiees 3) i B+ a A a is TOME, Ui) = fly d+ > Le DA EIU MT aye h # pL led dye Dt Sy d=) -%-1) eg ae OE a a) ried i ( sty ma) Brats + Gym) Lake oe 2 6 ww En consecuencia, Ios métodos de Taylor de érdenes dos y ¢uitro son y= 05, ‘ Wy =u+sl(t + S)ay-8+ =a]Tabla 5.3 5.4 Wétodos de Taylor de orcen superior 269 Hy = 05, waar para cada i= 0,1,...,N— 1. Si A = 0.2, entonces N= 10-y 4, = 0.27 parai = 1,2, segundo orden se convierte en 10. Por tanto, el métode de = 0.5, o Wy) = ay FO \(: + =) (wy = 0.04? + 1) = ou = 1,22) ~ 0.00887 — 0.008) + 0.22, ye] métode de cuarte orden se conviente en p02, O84 | 8008) ain 3 é uM ) 0.047) 4 02 0.04 0.008 + Foon +14 FS E-SE = 1.22141; ~ 0.008856" ~ 0.008561 + 0.2186, para cadai= 00, 1,..., La tabla 5.3 contione los valores reales de Ia solucién y(t} = (¢ + 1)? = 0.5¢, los re- ‘sullados gbicnidos con lox mélodos de Taylor de orden dos y cuatro y Jos errores reales a ‘que dan origen esos métocos. Valores Migtodos de Métodos de exactos Taylor de orden 2 Error Taylor de onten 4 Brae 4 wu) H, loa = uy, [yey = aay! ‘0.9 =~ 0.So00000 ‘9.s000000 0 e.so00000 0 0.922986 9.830000 ‘@.:0007014 0.829300 _g.a000o14 o4 = 1.2140877 1.215800 0.017123 12140910 0.000034 06 L6d89sn6 L6s20760, 0.031354 Leasiss §— 0,0000062 08 = 2.172295 20923347 0.051032 21272396 G.onOota Lo 2.6408591 0.007468 26408744 G.on00183 3.17004 15 0,0114065, 31759640 GOKNNIIS 14 3.732400. ,0182486 3730021 90000371 Le 42nuKe 10.0225626 4.2818785 G.000047 1B 4151763 0.0311223 48152377 9.0000615 20 5.304720 $.3476843 0.0822123 53085556 o.onps4270 Tabla 5.4 Teorema 5.12 CAPITULO 4 © Problemes de valor inicial para ecvaciones diferenciaies ordinarias ‘Supéngase que debemos encontrar una aproximacién a un punto intermedio de la ta- bla, por ejemplo en r= 1.25, Si empleamos la interpolaciéa lineal en las aproximactomes mediante el méiodo de Taylor de orden cuatro en t= 1.2 y en ¢ = 1.4, tenemos 125-14 12=14 15— 12) 14-12 NL25) =( } s7o6i0 + ( 7324321 = 33180810, Puesto que y(1.25) = 3.3173285, esta aproximacién tiene un error de 0.0007525, cifra que ses casi 30 veces el promedio de los errores de aproximacién on 1.2 en 14, Si queremos mejorar la aproximacidn a »41.25), podemos usar la interpolacién cubi a de Hermite, Para ello se requieren aproximaciones a y“(1.2) y y'C1.A) y también aproxi- macioncs a y{1.2}y ¥{1.4). Pero las aproximaciones de fa derivada stam disponibles de la ecuacidn diferencial, parque y°(# = f(r ¥ (#)). En nuestro ejemplo, ello significa que y'(1) = yt — P+ Lede mode que YC) = 1.2 — (1.2)? + 1 31799640 — 14d + 1 = 2.7309640 YO) = ykL4) — (4) + bs 3.7324327 — 1.96 + 1 = 2.724321 Los rexultados que se muestran en 1a tabla 5.4 fueron obtenides con el procedimienio de las diferencias divididas de la seceién 3.3. Las entradas subrayadas provienen de los datos, lax entradas restanles son fesullado del uso de las formulas del procedimiento de Las diferencias divididas, 12 ‘EHO 2E6H) L2 | Ramept0 o.18825, 2,7e23405 08071225 la RIN ‘o.0sc4s#o 273A la 24321 El polinomio cibieo de Hermite es MU 31799680 + fr — 1.2)2.7399640 + (r= 1.2)°0,1118825 t= L2Pd = 1.4)(-0.3071225), ¥ por tanto, ML.25) = 3.1799640 + 0,1369982 + 0.0002797 + O.O001152 = 3,3173571, resultado que tiene una exactitud de 0.0000286, Esta es mas o menos el promedio del enror en 1-2 yen 1.4, que ext cerca de 4% del error obtenide cuandé sé usa la interpotacién li neal, . Si se utiliza el método de Taylor de orden # para aproximar la solucién de YH=AeWO), as1Sb Wade, con tamana de paso hyy si © C*+ fa, 6]. entonces el error local de wumcamicnto es G4}.5.3. Métodos de Tylov de orden superior 2 Demostractén Note que Ia ecuscién 5.16 puede rescribirse como k ia Fly me PM = 2 m Jor ~~ HD CE. MEN a para alguna £,en (1, 4,,,)- Asi que el error local de truncamiento es ” 7. = TY) = Tay FEN para cada i =0,1,,.., N~ 1. Siy € Ca, B], ello significa que y="!y, std acotado en [a,b] y que 7, = Ole) para cada = 1,2,,... N. ee ‘CONJUNTO DEEJERCICIOS 5.3 |L. Aplique e! método de Taylor de orden dos para aproximar las soluciones cn los siguientes pro- ‘blemas de valor inicial. ayrie—a OStsl, 0) hyal4u-y, tere exat+yh Lets ot a yroomsund, O51<1 2. Repita e ejercicio 1 usando el méiodo de Taylor de orden cuatro. 3. Aplique el método de Taylor de orden dos y cuatr> para aproximar la solucié. de Jos siguien- , com h = OS tes problemas de vale inicial a yaw GR 10512, WIb= Leonk= 04 Bysenrte OSrS 1, MO=OcomN=05 eyeing? +y bsrs3, wis =Leonk= Os hy -tyt4iy, 05151, HO) = Loon 025 44, Aplique «1 método de Taylor de orden dos con h = 0.1 para aproximar ia volucton de yr i+rsemiy, 05152, O=0. Dado el problema de valor inicial 2 Yepetee 1sis2 =o, on la solucn exacta 181 = He! —e: 1 Aplique el métods de Taylor de ceden dos coo = 0.1 para aproxinis bs soluéie y com pprela con los valores reales de. bb. Use las respucstas obtenidas.cn el inciso (a) Ia interpolaci fineal para aprenimar yen los siguicntes valores y compérelos con Tos valores reales de L ogy miss) mh 3(1.97)CAPITULO 5 © Probiemas de valor nice pora acusciones dferencles oxtnarias ‘¢. Aplique ef méiade de Taylor de orden cuatro con fi = 0.1 para-xpcoximar la solvci6n y com- pparela con Jos valores reales de 4, Use ls respniestan obtenias em el ineiio (€) y Is interpolacidn cobica fragmentaria de Her- ite para oproiniar y-en tou xiguicncs valores ¥ comprehen Com low valores realex de ¥ i sttogy iL ts) iil, yor 6. Dado el problema de valor iniciak 1 y-gr % -y, Isesh wD= om la solaciin enact x)= — it a Aplique el métade de Taylor de onden dos com. = 0105 para aproximar la solucién y com pela Gon bs valores reales dey. Jb Use las respuestas obtenidas en el inciso (a) la interpalaide teal para apse Ios si vienes valores de y,y después compirelos can las valores reales, L x(1.os21 i wnsss) wi i.978) Aplique of mdtodo- de Taylor de orden cuatro con k= 105 para uproxin Ia volun y ompirela.con los valores renes de. 4. Use lar respuecias peneradas ene! inceo ey la intepolacin cibica de Hermie para apro- ‘timar lt siguicntes valore de yy compérolos con tor valores reales. 1 x(.082) (1.555) ti (1978) 1. Un proyectil de asa m 0.11 kg que es lateado verticalmente hack arb com ona velocidad ‘nici w(0) = 8 ts, diswinuye su velocidad pot efecto de la foeeza de gravedad F, = — eng y pot la eslitencia de ace F, = Avl vl, donde p= 9.8 my & = 0.002 kyle, Lu souacign ob ferencal deta velocidad vest daa por aut = me = hull, f Caoule a velocidad después de 0.10.2...) 10%, Determine, con una precsién de dcimas de segundo, cxéndoalcanzard el proysctl wv alte ta mim y cwindo empezar a cur. 5.4 Métodos de Runge-Kutta Teorema 5.13 1Las métodas de Taylor que vimos en Ia seceidn anterior tienen un error local de trunca- miento de orden alto, pero poseen Ia desventaja de requerir ef céculo y evuluacién de las derivadus de f(’, y). Este es un procedimiento lento y complicada en la mayor parte de los problemas, por Io cual los métodos de Taylor rara vez se emplean en Ia prictica Los métodos de Runge-Kutta tienen el errar Jocal de truncamiento de orden alta, co- ‘mo las métedos de Taylor, pero permiten prescindir del ediculo y evaluacitin de tas deri- vadas de flr, ). Antes de exponcr las ideas en que se funda su deduecién debemos enun- ciar el teorema de Taylor para dos variables, La demostracidn de este resultado viene en cualquier libro de céiculo avanzade (yéase, por ejemplo, a [Fu, p. 331). ‘Supéngase que flr, ») y todas sus derivadas parciales de orden menor o igual que.a + 1 son cominuas en 2 = {(t, 9) [as rb, c58 yd}, y 3€a (fp Yq) © D. Para toda (1, ») E D, existen Gente Fy fy y w entre yy ypcEJEMPLO1 5.4 Hétodos oe Runge-tutta 273 Aut) = Pat YD RAM donde ¥ ¥ P09) Hyd + [0-0 F SoM +O 19 F rd] me wy Sr i Vol #10 WN 39) Za hn Mo) Zan} wf ( Je- WIG — I Gecrag tora ne! att) wy RODE Ty mS 1 APIO Ye)! Ser gy (EH ‘A In fancida (ry) se le Hama a-ésime potinomio de Taylor en dos variables para Ja funcidn f alrededor de (iy, ) y Ry(ts 99 €5 €l seeming residual asociado a P,(é, y), En la figura $.4 se muestra la grifica de ta funciéa c-¥ w-3 Hans ep| |eosers y= junto con el segundo polinomio de Taylor de f alrededor de (2, 3), es decir, ¢! polinomio ‘en dos variables a 3 Pyle LF PH 2 By — FO FP Serta tedioso obtener manualmente la diferenciacién necesaria para determinar este poli- nomio, Por fortuna, disponemos de un procedimiento de Maple que lo hace por nosotros. Primero debemos iniciar e! procedimiento del polinomio de Taylor de variables mihiples imtroduciendo ¢] comando: > readlib (mtaylor que produce la Yespuesta proct)... fin proc El potinomio de Taylor que necesitamos en cate ejemplo lo-oblenemos introduciende el co- mando pmboylor (exp (= 4-2) "2/4 [y=3)°2/4) 008 (28 oy=7) st=2,ya3 1.3)274 CAPETULO 5 © Problemas de volor inicial para ecuociones diferenciales ordinerias EL ultimo pardmetro de este comando indica que queremos el segundo polinomio mul. tivariado de Taylor, ex decir, el polinomio cuadritice, Si este pardmetro ex 2, obtenemos el polinomio lineal; si es 1, obtenemos el polinomio constante, Cuando se omite este pard= metro, adquiere el valor por omisidin de 6 y nos da el quinta polinamio. La respuesta qué se obtiene eon este comando de Maple ex el polinomio 9 P= f= 2F = r= By = 3) = Figura 5.4 {M91 = exp [-(r = 2PM = y= SR] con Bs + y= 7) pana t-Bu 28-20 2-3-2938 El primer paso al derivar ef método de Runge-Kutta, ¢s determinar lox valores de a, @,y Bi, con Ia propiedad de que a, ftr+ a, + 8) aproxima h TE ys yin. ‘con un error no mayor que O(h?). 0 sea et error focal de truncamienta del método de Tay- lor de orden dos. Dado que 4 co wy LUM= GOR= YEM* EM YOY YOM Mey ‘esto implica que eh aoe Be ae 5.18, THM RAW FGA ST Gy Cad Le (5.18)54 Métodos de RungesKutto 275 Aldesarrollar /(¢-+ ay, y + B,) en su polinomio de Taylor de grado uno alrededor de (rey), se obtiene af OA ay ¥ + BY a fit ayy, (Oy (B19) af + a8, Bray Rutt ayy + By donde ay Pe (a+ ee w+ Rit + ayy + A) aay 7 Em (5.20) para alguna gente fy 1 +a, y wenwe yyy + By ‘Al igualar los coeficientes de f y sus derivadas en las ecoaciones (5.18) y (5.19), ob- tenemos las tres ecuaciones x h Moye aye kata aay Zs y af h ae By = Zh En forma Gnica se determina que los pardmetros a), 0% y By $00 h h a= az oy Bytes Por tanto fia shorl a Bioa aad) il 08 Be oy gti We gars r ¥ de acuerdo eois ba ecuacisin 45.20), ahetoet eee Bee (i zt 5 An) = at CHG MD aay em) it ef +7 ae, wP oy Ew) Si todas las derivackss parciales de segunde arden de festin scotadas, enlonces. (+ fre gre) B(t+ St pia 5 O(h?), 0 sea el orden del error focal de truncamiento del método de Taylor de arden dos, En consecuencia, al utilizur el procedimienta nueva en vez del método de Taylor de orden dos se postrla agregar algtin error: pero ello no aumenta e] orden del ertor. El método de Ia ecuncién de diferencia que resulia al sustituir TOY, y) port + (ni2), y+ (MMs, 93) en el métode de Taylor de orden dos es un mdiodo especifice de Runge- Kutia, conocido oon el nombre de metode det punta medio.276 CAPITULO 5 © Problemas de valor niial para ecvaciones diferenciates orcinarios ‘Método del punto medio: an k a gy =H wo( tpt w) para cada j= 0, Puesto que sla ires panimetras se encuentran en.a, f(t + ay. y+ f,) y les tres see quieren en 1a igualdad con 7, necesitarnos una forma més compleja para cumplir las.con- diciones que requiere cualquiera de los métodos de Taylor de orden superior. La forma mais apropiada de euutne pardmetros con que se aproxima & we TOM ALON + SLM + SFY ° f(t ag fll + ayy > BLL G IM 520) Jnl siquiera con esto se tiene li suficiente Mexibilidad para iguilar el téemind te a Sti yh resultante de la expansién de (A*/6)/"(s, y), En comsecuencia, lo mejor que podemos lograr utilizando (3.21), son métodos con el error local de truncamiente OH). No obstante, el hecho de que (5.21) tenga cuatro parimetros, da cierts flexibitidad en wu eleccién para po- dder devivar varios métodos Oth"), Uno de los ms importantes sel métada maificado de Euler, que correspond a seleccionat a, = a, =! y ay = & = Ay presenta la siguiente forma de ecuaciéa de diferencias. = Método modificado de Euler: ny @ at ign = Het SUM HD +L poee t+ ANG GD paracoda 150, 1, E] olte método importante OUP) es el de Hewn, que corresponde ay = 3: = 5h. y que tiene la forma de ecuacidn de diferencia siguiente, NL sya, ay Método de Heun: 'y ty a. 2 2 = wt FAG wD + AM + A ay +S Alt wed) Wm para cada d= 0.1.2, Ainbas se clasifican como métodos de Runge-Kutta de onden dos, que es el orden de su error focal de tnuncamiento,5.4 Métodas de Runge-Kutta 27 EJEMPLO 2. Supéngase que aplicams los métodos de Runge-Kutta de orden dos a nuestro ejemplo y-P41, O8re2, WO)=05, conN = 10,h = 0.2, 4)= O.2iy ny = 0.5 en cada caso, Las ecuaciones de diferencias son Método del punto medio: 1), , = 1.22; ~ 0.00882 — 0.0081 + 0.218; Métado modificado de Buler: w,,, = 1220, ~ 0.0088 = 0.008/ + 0.216; Método de Hen: iv;,, = 1.224; — 0.0088 — 0.008/ + 0.2173, para cada j= 0, 1,..., 9, La tabla 5.5 contiene los resultados de estos caleulos, Para este problema, es mejor el método del punto medio, sepuida por el método de Heun, . ‘Tabla 55 Witodo del Mivelo modificade Meodo 4 tt) unio medio Error le Euler Error de Hem Eeror 19 e000 © .soo00GO. .soo0q00 0 osoom0 02 0.822986 o.878000 —ONOIZ9KS 0.260000 0.0032986 08273333 GontsEs3 G4 L2N40877 1.211360 0027277 1.206520 00071677 2oRKD aN? Ob — LBdBed06 — 1.6446992 —OUONDBIG 1.672424 o.ntis9s2 16421569 :0067537 OR 24272208 21212842 ~—GaNSBNS3 21102357 0.016938, 1176014 G.onR62a1 10 2eH0R9) — LeastGER — TOIT «26176876 On731715 26280070 0124521 12 LATOAIS — 3.17OIBM — O.GDDATEL 3. 1495789, 00303627 «3.163519 164396 14 5.982000 3.92116H 0112346 —3.6036862 09387138 «3.712057 0203044 16 42HMR3N 42706218 00124620 4.250872 Goag3ees = 42587eN2 OD TOIS 1B 48151763 4800RSRE— ONNATITT 4.750185, 0.0595377 47858852 0.0293310 20 53058720 32808085 015102 280546 OOTMI73 —— S2712645 ——OOM20TE ‘Aunque pademos aproximar 7Xf, y) con el error O(A") mediante una expresion de la forma ACH ayy +B Slt + ayy BEI que contiene cuatro parimetros, el élgebra con que se determinan a}, 6,, a3 yd €s com- plicada y, por Jo mismo, no la explicaremos aqul. De hecho, cl método-de Runge-Kutta de orden tres que resulta de esta expresin generalmecte no se emplea. El méiodo de Runge- Kutta de mayor uso ¢s el de orden cuatro y, en Is forma de la scuaciGn en diferencias, se da porel siguiente métoda, Método de Runge-Kutta de orden cuatro: ny = a NEU aah uli Sus ta278 ALGORITMO. 5.2 EJEMPLO 3 CAPITULO 5 © Problemes de volor inicial para ecvactones diferenciates ardinarics hy w(t + Mut pom ts Aye Alay i tb) para cada i= 0, siempre que la soluciGn y4t) tenga cinco derivadas continuas, Se introduce la notaciéa & ky, &;, by €0 €1 para prescindir de las anidactones sucesivas en Ja segunds variable de “Fite y) (vase el ejercicio 17). En el algoritmo 5.2 se pone en ejecucién el métode de Run= ‘ge-Kutta de orden cuatro. Método de Runge-Kutta de orden cuatro Para aproximar la solucidn del problema de valor inicial Yes astsh yay=a en (N + 1) nimeros uniformemente expaciados en el intervalo {c, 5 ENTRADA extremos a, b; entero N; condicién SALIDA aproximaciéa wa yen los (N+ 1) valores de Paso 1 Tome b= (6 = aN: tea; wea SALIDA (1, we. Peso 2 Pan! = 1,2, Paso.3 Tome XK, = fit, te): Wt + hf, w+ KI2Y hfir + hid, w+ KP}: Ky= it + hat Kyh Poso 4 Tome w= w+(K, + 2K, +2K,+K,V6; (Catcule 1.) teatth. (Catcule 1.) Paso 5 SALIDA (1, w), Paso 6. PARAR. . al x, Naga pasos 3-5, Alaplicarel método de Runge-Kutta de orden cuatro para obtener aproximaciones a la s0- lucién del problema de valor inicial yey-2@4+1 O<1s2 xO)=05, con k= 0.2, N= 10 y 4, = 0.21 obtenemos los resultados y los errores que se proporeio- nan en la tabla 5.6. :‘Tabla 5.6 Tabla 5.7 5.4 Métodos de Runge-tutta 279 Valores Método de Runge-Kui ‘exawtos de orden euarto Ena 4 yey a 00 d-sdo0000 05000000 0 02 o.N29285 08292933 ‘0.00n0053 o4 = 1.2180877 L240 762 “0.0000114 06 at80406 Lesn9220 0.000186 O8 21272208 272027 0.000026 1.0 2.6808591 0.000364 LE 31798415, 0.000874 14 3.732400 .9000398 16 42834838 0.000743 18 48151763 4.8150857 0.900096 20 $.3084720 53083630 o.goono8s mayor exfuerzo de edlculo que se requiere para aplicar los métados de Runge-Kut- ta cs Ia evaluacién def. En los métodes de segundo orden, el errot local de truncanticate es O(f#), y el costo es realizar dos evaluaciones funcionales por paso. El métdo de Run- ge-Kutta de orden cuatro requiere cuairo evaluaciones por paso y el error local de trunca- micoto cs Ok), Butcher (véase un resumen en [But}) establecid la relacidn enire Iu canti- dad de evaluaciones por paso y el orden del error focal de truncamiento que aparece en la tabla 5.7, En €sta se indica por qué los métodes de un orden menor que cinco on Un tie maflo menor de paso se prefieren a los de orden superior con un tamaio mayor de paso. [Evaluuciones por paso z a S Seas? 82059 Wee Ei mehie eet foes iyo) Gti Ue Ot 2) try de teuncamiemo posible Una medida con que se comparan los métodos de orden menor de Runge-Kutta $¢ these cribe asi Come ef método de Runge-Kutta de orden cuatro requiere realizar cuatro evaluacio- nes por paso, deberd dar respuestis mis exactas que lax del métode de Euler con un cuarto del tamafio de pato para que #€a mejor. De manera andloga, si qucremos que el méiodo de Runge-Kutta de orden cuatro sen mejor, deberd ofrecer wna mayor preei- sign con el umafio de paso A que el método de segundo orden con el tamafio de paso ££, poryue el métado de orden cuatro requicre el doble de evaluaciones por paso. En el siguiente ejemplo s¢ explica la superioridad del métoda de Runge-Kutta de cuare to orden segiin esta medida, EJEMPLO4 Parael problema Yey-P+l 05152 WO=05,280 Tabla 5.8 CAPITULO 5 © Problemos de valor inicio! pare ecuociones dijerenciaies ordinarias El método-de Eulercon fh = 0,025, 21 métado del punto medio con h = 0.05 y el mé- toda de Runge-Kutta de cuarta orden con h = 0.1 se comparan en los puntos de la red 0.1, 0.2, 0.3, 0.4 y 0.5, Todos requieren 20 evaluaciones funcionales pura determinar los valo- fen incluidos en 1a tabla 5.8 con que se apraxima x(0.5), Ea este ejemplo, el métado de ‘cuarto orden resulta evidentemente superior, . Méwdo de Método modificade Mérodk de Runge-Kuua Valores Euler de Euler de cuasto orden ‘ exacios f= 0025 b= 005 h=Ol Go 0s000000——_G.So00000 05000000 0.500000) 01 06575145 Oass4982 0.6STIORS Oss74i44 02 0.82029%6 © Ok2SIaKS On290778 03 50706 Longa 04 NRMOETT 1 Bossa 1.213607 OS La2ssIea 14147264 CONJUNTO DEEJERCICIOS 5.4 | Aptique sf métoto medificuso-dc Euler para aproximar las soluriones de fos rigulemes proble- ‘mas de valor inicial y compare despuds las resultados con los valores reales, mare —2y, OS IS 1 MOV= 0, conh = 05; solucidn real yon = ire peo, BY =I y, PSES3. H= A comb = OS; solucién eal yop 1 + ZL Y= Te yl, 1482, 1) = 2, cond = 0.25; solucida real sub = rn e+ 2 dy con + sem 3, OSL EN, 940) AF, cam k= 0.25; solucisn real step = 3 sem br feon at 2. Replta el ejercicio 1 aplicande el métado de Heun. AL. Repita et ejerciclo 1 aplicando-el métado del punto medio, 4. Aplique ef método modificuda de Euler pars apeoximar las soluctones de los siguientes proble- mas de valor inicial y compare después los resultados eon los valores reales amv Gi, PS6S2, WI) 1 cond = 01; solucidin real ys) = aif! + In 9) Boy Ps +O, Les 3, (1) = 0, com i= 0.2; solucidn veal (A) = tan tin, GV = tI + 3, 05152, HO)= -2,conh = 02; solueibn real 9) = —3 + Meee, dmv 4D, OU 1, yCOP= 4, com ho Onto eal) fet S. Uae los resultados del eercicin 4 y ln interpolaci¢ line pura pronimar fos: valores de ¥()¥ 0, la cantidad minima de puntos ide red servird para asegurarse de que el error global |y(¢) — uj, no rebasard « con eual- quier / = 0, 1,..., N.No debe sorprendemos que tener una cantidad minima de puntos do red y ¢l control del error global de un métode de diferencias, sea incompatible con el es- paciamiento uniforme de los puntos en los inlervalos, En esta seccidin estuciaremos tos métodes con que se controla efictentemente el error de un método de ecuucién de diferen- -cias mediante lu seleceién apropiada de los puntos de red, ‘Aunque #0: ¢s pasible, por lo general, determinar cl error global de un métado, en la secvidn 5.10 veremos que existe una estrecha relacién entre el error local de truncamiento5:5. Control det erory ef mécodo de Runge-tuttorehtberg 283 y-¢l error global. Mediante métodas de orden distinto podemos predecir el errat local de {runcamicnto y seleccionar con esta predicciéa un tamaibo de paso que controle el enror lohall Parailustrar este métado, supongamos que tenemos dos métodos de aproximacién, El primero-es un método de n-Gsimo orden obtenide de un método de Taylor de m- O, ‘O0r). En general, ¢1 método es generado’al aplicar ‘al métado de Taylor, pero la derivacidn especifica earece con el error de truncamicato 1, Ja modificacién de Runge-Ki de importancia El segunda método cs similar, pero posee un orden mayor, s¢ deriva del método de Taylor de orden (im + 1)+tsimo de la forma ¥ (ler) = MIN + hdtty y (4), b) + OUir*?), Se obticnen fas siguiemes aproximaciénes y= a a + AGU, ty), pared > O, con un exror local de truncamienta +,,,(h) = Ode*1). Primers suponemos que w; = ¥(,) 1 y seleecionamos un tamafio de paso fijo W pa- ra generar as aproximaciones w, ¥ lj. a ¥(t,,)- Entonces ee, 04). asd = - ae = Kip tp hy Meio) = eg + Ady oy ND . * 1 =F OM wah ‘De manera similar s 1 Fa = FOU od284 CAPETULO 5 = Problemes de volorinicia! para ecvociones diferenciates ordinarios Pero #94) €8 Of") y F,, th) es OGM"), por lo cual la parte significative de 7,,.,(h) de- be peovenir de: 1 7 en Esto nos da una aproximacién ealeulada feilmente del error local de trucamiento del mé- todo OCH"): 1 TCA 5 lien ~ tia Sin embargo, cl objetivo no es séle estimar el error local del Wihcamiento, sino ajus- tar ademds el tamafo de paso para mantenerlo dentro de una cota cxpecificada. Part hacer Jo, ahora se supone que como ¥,(4) es Olt), existe un nimera K independiente de 4 Fah) = KOM, Después podemos estimar el error local de truncamiento producido al aplicar el método de fn-éximo orden con un nuevo twmafa de paso qh, usando las aproximaciones originales wig y hae KAA Reg = eb) = ag t= Eee, ~ ans Para establecer Ia cota de 1, (ah) por #, escogemos ¢ tal que £ ba. = eal = Ieedomnl se es decir tal que et Vie Un método muy usade que utiliza esta desigualdad para controlar el error es el méto- do de Runge-Kutta-Fehiberg. (Véase [Fe].) Este consiste en emplear el métode de Run- igc-Kutta con el error local de truncamienio de quinto orden, +=( ple My Be FD " 1 $6304 50°F” 55 ps 128357 para estimar el error local en un método de Runge-Kutta de cunrto orden dado: por 25 1408 2197 J ty + Fgh + Gages * Fog tem Zk donde k= aft, w), (:+4 I “ gad. konsl+ Git g‘ALGORITMO 53 5.5 Control det error y et metodo de Runge-kutto-Fehiberg 285 ak a8 sane ov ZerZs) ene ee Be * «297 297?” 2197 * 39 3680 B45 bs flat heat Sek, thy + SP - TA A & 34489 Ke nals Fem Bh bah ks te } (Una ventaja de este métode consiste en que slo se requieren seis evaluaciones de /por pa- so. Las métodas arbitrarios de Runge-Kutta de cuanto y quinto orden usados de manera conjunta requieren (vase la tabla 5,7 en la seccion 5.4) al menos cuatro evaluaciones def con el métado de cuarto orden y scis més con el,de quinto orden, lo cual nos da wa total de, por lemenos, diez evaluaciones de funciones. En a teoria del control det error, un valor inicial de k en el -ésimo pasa s¢ usé para obtener los primeros valores de t;..,¥ a, ,, que nos permitieron determinar q en ese paso, y luego se repitieron los célculos. Este procedimiento requiere el doble de evaluaciones de funciones por paso, sin control de error. En la prictica, el valor de g a usar se selecciona de manera un poco diferente, a fin de que valga la pena el aumento de evaluaciones de fun- ciones. El valor de gdeterminado en el i-ésimo paso cumple dos. propésitos: 1. Para rechazar, de ser necesario, la eleccién inicial de h en el paso istsimo y repe~ tir los cdlculos por medio de gli, y 2. Para predecir una eleccién adecuada de h para el (# + I}ésimo paso. Debido a la cwota que debe paigarse en términos de evaluaciones de funciones si se repiten los pasos, q tiende a ser clegida dé manera conservadoras dé hecho. en el miétodo dé Run- ge-Kutta-Febiberg con a = 4, la eleccién comin cs ( eh TOV Bea = al En el algoritmo 5.3 para el metodo de Runge-Kuria-Fehiberg, se agrega ct paso 9 pa- ‘a suprimir grandes modificaciones al Lamafio del paso. Esto se hace para no tener que de- dicar mucho tiempo a los tamafias pequefios de paso en las regiones donde hay irregulari- dades de las derivadas de y. y para evitar los grandes tamatios de pase. que pueden Hevar ‘8 omitir las regiones sensibles entre los pasos. En algunos casos, en el algoritmo se omite totalmente ¢l procedimieno que aumenta el tamaiio del pasa, y el procedimiento con que se disminuye el tamafio se modifica para que se incorpore sélo- cuando-es necesaria con- trolar el error. Método de Runge-Kutta-Fehlberg Para aproximar Ia solucidn del problema de valor inicial fy aSreh, Mabey ‘con un error local de truncamiento que no tebase Ia tolerancia especificada:286 CAPITULO 5 © Problemas de volor inictal para ecuaciones diferenciales ovdinarias ENTRADA extremos a, b; condicidn inicial a tolerancia TOL; tamatio méximo de paso ‘Amd; tamato minimo de paso dunn. SALIDA 1,1; donde waproxima a y(1) ¥ se us6 el tomafo de paso A 0 un mensaje de ue se rehasé cl tamafio minimo de paso. Poso? Tome t= us =a fhm hdc, BAND = 1, SALIDA (1, w). Poso 2 Mientras (RAND) = 1) haga pasos 3-11. Pose 3 Tome Ky = Af (t, wh, Kye hfe ho wt KP Aft oh wt OK, + K+ SOK Ky hfe th wt 2x, — aK, + x, - \ 4 slap 4 MH Kom hfat tho 2k, 42K, = EEK, + BS, = ey. Poso.4 Tome R= 22K, = + ky + ERI. oun: R= F 1 Paso 5 SiR TOL entonces haga pasos 6 y 7. tals Paso § Tomer 6+; (aproximacion aceptada), wews 2K + Ke ye 4 ae aa65 Kym ay aioKa Paso 7 SALIDA (1, wi Paso ® Tome 8 = O.8KTOL/R)", Poso9 Si8=0.1 entonces wme h = O.1h 051 5 = 4 entonces tome h = 4h de otro moda tome h = Bt, (Caleule de nuevo i.) Paso 10 Sik > hmdx entonces tome h = hud, Paso 11 Sit = bentonees me BAND = 0 de otro modo si t + # > bentonces tome h = b— Fr de otro modo si 4 < fuin entonces tome BAND = 0: SALIDA (‘rebasado h minima’), (Procediniento terminada de manera no satigfacta- via.) Paso 12 (EI procedimienta se campletd.) PARAR. .55. Control det erory ef métado de Runge-kutta-Fehiberg 287 EJEMPLO 1 Utilizaremas el algoritme 5.3 para sproximar la solucign del problema de valor inicial -i+ O=rs2, 0) =05, que tiene la soluciéa y{7) = (1 + 1)? ~ 0:5e. La entrada del algoritmo es la tolerancia tun tamafo miximo de paso Amdr = 0.25 y un tamafio minimo de paso fnmén = 0.01. Los resultados se muestran en la tabla S.9. Las dos tiltimas columnas de la ta- ba contienen los resultados del método de quinto orden. Con valores poqucfias de 1, cl error les menor que el del método de cuanto orven, pero-es mayor que cuando raumena, Tabias.9 REFS RKFS 4 yay a 4 &, i) ti, 0 os os os 02500000 09204873 09208885 0.250000 62x ID 13K 10 2424 10-7 04865522 30GERRA 13961910 02365522 ASK IO 26 x 10% 1510 x 10-8 07293332 1.953746 O2z710 43x10 4.2% 10-* 336 10-* 09793332 25864193 25864260 02500000 38x10 «62X10 2SBEIST 5, 12793332 37608520 3260605 0.200000 24x10 «ES X10 32001599 14793332 3.9520B4 3.952093. 0.250000 7x 10°7 17293332 44308127 4.6308268 0.250000 1.5 x 10-t 19793332 S.2578687 | 5.2574861 0.250000 43 x 10-* 20000000 5.3054720S.3054996 _0.0205668 210° Lai6 x 10-5 5.252871 1.839 x 105 53054896 1.768 10° ‘Para ejecutar el método de Runge-Kutta-Fehlberg usando Maple, se utiliza el coman- do dsoive con laopcién numérica. Considere cl problema de valor inicial del ejemplo 1 El comando Sa: -doolveliDty) (t} =yit)—ttt + 1.y10) =0.Shey le) smumeriel ; devuelve el provedimieno = proc(rk f45_2)... end ‘Como sc indica en cl ejemplo, podemos cvaluar y por medio de 92.007 que nos da [= 20, y(0)-= 5.305471958400194] CONJUNTO DE EJERCICIOS 5.5 11. Aplique el mésodo de Runge-Kutta-Fehiberg con ta tolerancia TOL = 10, hmdx = 025 y humin = 0.05 para aproximar las solucioncs de los siguientes problemas de vabor inci [POES, compare Ios resultados con los valores reales.