You are on page 1of 98

Universidad de Oviedo

MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 1

Capítulo 1: INTRODUCCIÓN AL CÁLCULO NUMÉRICO.

Capítulo 1.1. EL OBJETIVO DEL CÁLCULO NUMÉRICO.

Dado un problema matemático, el objetivo del Cálculo Numérico es obtener el valor
numérico de la solución. Este objetivo tiene dos aspectos fundamentales:
a) Encontrar un método factible para determinar la solución numérica (métodos
numéricos).
b) Analizar tanto el método como la solución calculada (análisis numérico).

Capítulo 1.1.1. MÉTODOS NUMÉRICOS:

El Cálculo Numérico, que es esencialmente una rama de las Matemáticas, difiere de las
Matemáticas tradicionales en poner su énfasis central en las necesidades del Cálculo
Numérico.

En particular, un método numérico factible debe tener las siguientes propiedades:
• Debe ser eficiente
• Debe contener un número finito de operaciones

En las matemáticas tradicionales es típico que los métodos se describan por argumentos
académicos o conceptuales que suelen ser poco eficientes desde el punto de vista de la
implementación.

Un ejemplo puede ser la regla de Cramer para calcular un sistema de ecuaciones
lineales basada en el cálculo recursivo de determinantes:

Un sistema de Cramer es un sistema B X A = · de n ecuaciones con n incógnitas y
rango n , es decir, tal que 0 ≠ A con la forma:

¦
¦
¦
)
¦
¦
¦
`
¹
= + + + +
= + + + +
= + + + +
= + + + +
n n nn n n n
n n
n n
n n
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
· ... · · ·
...
· ... · · ·
· ... · · ·
· ... · · ·
3 3 2 2 1 1
3 3 3 33 2 32 1 31
2 2 3 23 2 22 1 21
1 1 3 13 2 12 1 11


Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 2

En el cual la solución del sistema, es decir, los valores de
1
x ,
2
x ,
3
x ,…,
n
x , vienen
dados por la expresión:

A
b a a a
b a a a
b a a a
b a a a
A
b A b A b A b A
x
A
a b a a
a b a a
a b a a
a b a a
A
b A b A b A b A
x
A
a a b a
a a b a
a a b a
a a b a
A
b A b A b A b A
x
A
a a a b
a a a b
a a a b
a a a b
A
b A b A b A b A
x
n n n n n nn n n n
n
nn n n n
n
n
n
n n
nn n n n
n
n
n
n n
nn n n n
n
n
n
n n
...
...
...
...
...
· ... · · ·
...
...
...
...
...
...
· ... · · ·
...
...
...
...
...
· ... · · ·
...
...
...
...
...
· ... · · ·
3 2 1
3 33 32 31
2 23 22 21
1 13 12 11
3 3 2 2 1 1
2 1
3 3 32 31
2 2 22 21
1 1 12 11
3 3 33 2 23 1 13
3
3 1
3 33 3 31
2 23 2 21
1 13 1 11
3 3 32 2 22 1 12
2
3 2
3 33 32 3
2 23 22 2
1 13 12 1
1 3 31 2 21 1 11
1
=
+ + + +
=
=
+ + + +
=
=
+ + + +
=
=
+ + + +
=


Para un sistema de n ecuaciones hay que resolver 1 + n determinantes. Cada uno de
esos determinantes se calcularía por adjuntos de una línea, lo cual conllevaría a realizar, por
cada uno de esos determinantes, n determinantes de dimensión 1 − n , así sucesivamente
hasta llegar a determinantes de dimensión la unidad, con lo cual se habrán
realizado( )! 1 + n determinantes.

Para ilustrar el ejemplo, el caso de un sistema de10ecuaciones con10incógnitas
supondría realizar un total de 800 . 916 . 39 ! 11 = determinantes.


Así decimos que un método es eficiente en relación con otro cuando su implementación
supone un número considerablemente menor de operaciones con respecto al otro método.
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 3

En algunos de los métodos que estudiaremos (resolución de ecuaciones no lineales), la
solución del problema se obtendrá como límite de una sucesión de números reales, es decir,
mediante un proceso infinito; pero en la práctica, al implementar tales métodos debemos
reemplazar el proceso infinito por uno finito, es decir, con un número finito de operaciones. De
esta manera tendremos una solución aproximada.

Capítulo 1.1.1.1. ANÁLISIS NUMÉRICO:

Es probable que una de las partes más importantes en el análisis numérico sea el
estudio del error entre la solución calculada aproximada y la verdadera solución.

Capítulo 1.1.1.2. ERROR ABSOLUTO:

Viene dado por la expresión
*
x x e
a
− = , siendo x la solución exacta y
*
x la solución
calculada.

Capítulo 1.1.1.3. ERROR RELATIVO:

Viene dado por la expresión
x
e
e
a
r
= .

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 4

Capítulo 1.2. FUENTES DE ERROR. ERRORES EN LOS DATOS, ERRORES DE
TRUNCAMIENTO Y ERRORES DE REDONDEO.

La fuente de error principal es, de hecho, el error humano. Esto puede ser como
consecuencia, por ejemplo, de errores de lectura o interpretación, utilizar métodos incorrectos o
de una codificación incorrecta en la implementación del método.

Las otras fuentes de error son:
• Errores en los datos
• Errores de truncamiento
• Errores de redondeo

Y están relacionados con tres conceptos claves en el análisis numérico que son,
respectivamente:
• Condicionamiento
• Convergencia
• Estabilidad

Capítulo 1.2.1. ERRORES EN LOS DATOS:

Un problema no está definido exactamente, los datos están aproximados. Tales errores
afectan, obviamente, a la solución.

Se dice que un problema está bien condicionado si ligeras modificaciones en los datos
originan cambios pequeños en la solución; en caso de que se origen o se pueden originar
grandes cambios en la solución se dice que está mal condicionado.

Es frecuente que los sistemas de ecuaciones estén mal condicionados.

El condicionamiento es algo intrínseco al problema y no lo podremos erradicar
cambiando de método, salvo replanteando el problema.

Capítulo 1.2.2. ERRORES DE TRUNCAMIENTO:

Son debidos, fundamentalmente, al método utilizado que al propio problema y se refieren
más a sus propiedades matemáticas.

Se cometen al sustituir un proceso infinito por otro finito con n iteraciones.

Diremos que el método es convergente cuando el error cometido tiende a cero si el
número de iteraciones tiende a infinito.

Capítulo 1.2.3. ERRORES DE REDONDEO:

Se originan cuando el método se implementa en el ordenador y son debidos a la
representación interna de los números.
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 5

Capítulo 2: INTERPOLACIÓN.

Capítulo 2.1. INTRODUCCIÓN.

Supongamos que partimos de una tabla de valores de la función seno. Por ejemplo:

x ( ) º ( ) x sen
… …
60 866025 , 0
65 906308 , 0
70 939693 , 0
75 965926 , 0
80 984808 , 0
… …

¿Cómo podríamos calcular, por ejemplo, el valor de ( ) 66 sen ?

Para determinar dicho valor, de una manera aproximada, podríamos construir un
polinomio ( ) x P tal que el polinomio coincida con la función ( ) ( ) x sen x f = en los valores de la
tabla suministrada, tal que:
( )
( )
( ) ( )
i i
x sen x P
P
P
=
=
=
...
906308 , 0 65
866025 , 0 60

Así, ( ) ( ) 66 66 P sen ≅

Pero, ¿qué tipo de polinomio verificaría está condición?

Veamos unos ejemplos más sencillos.

En primer lugar, suministramos una tabla con dos valores:


0
x ( )
0 0
y x f =
1
x ( )
1 1
y x f =

Representando gráficamente los puntos ( )
0 0
, y x y ( )
1 1
, y x vemos como definen una
recta. En este caso el polinomio que buscamos sería de la forma ( ) x c c x P ·
1 0
+ = , esto es, un
polinomio de grado menor o igual a uno.
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 6



Ahora, suministraremos una tabla con tres valores:


0
x ( )
0 0
y x f =
1
x ( )
1 1
y x f =
2
x ( )
2 2
y x f =

Representando gráficamente los puntos ( )
0 0
, y x , ( )
1 1
, y x y ( )
2 2
, y x vemos como definen
una parábola. En este caso el polinomio que buscamos sería de la
forma ( )
2
2 1 0
· · x c x c c x P + + = , esto es, un polinomio de grado menor o igual a dos.


x
y
y
0

x
2
x
0

y
2

(x
0
,y
0
)

(x
2
,y
2
)
x
1

y
1
(x
1
,y
1
)

x
y
y
0

x
1

x
0

y
1

(x
0
,y
0
)

(x
1
,y
1
)
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 7

Observamos, pues, que para una muestra de 1 + n términos es necesario un polinomio
de grado menor o igual a n .

Capítulo 2.1.1. EL PROBLEMA DE LA INTERPOLACIÓN:

Sean
n
x x x x ,..., , ,
2 1 0
, 1 + n distintos pertenecientes a R y sea f una función real
definida en el intervalo [ ] b a I , = , con I x x x x
n
∈ ,..., , ,
2 1 0
. Queremos construir un
polinomio ( ) x P de grado menor o igual a n que interpola a f en los puntos
n
x x x x ,..., , ,
2 1 0
, es
decir, que ( ) ( )
0 0
x f x P = , ( ) ( )
1 1
x f x P = , ( ) ( )
2 2
x f x P = , …, ( ) ( )
n n
x f x P =
( 1 + n condiciones).

Demostraremos que tal polinomio existe y es único, y lo denominaremos polinomio
interpolante.

En primer lugar demostraremos la unicidad y a continuación la existencia,
construyéndolo.

Capítulo 2.1.2. TEOREMA DE EXISTENCIA Y UNICIDAD:

Vamos a verificar en primer lugar que existe, a lo sumo, un polinomio de grado menor o
igual a n que interpola a f en los 1 + n puntos distintos
n
x x x x ,..., , ,
2 1 0
:

Suponemos la existencia de dos polinomios ( ) x P y ( ) x Q de grado menor o igual a n que
interpolan a f en los 1 + n puntos distintos
n
x x x x ,..., , ,
2 1 0
, es decir,
( ) ( ) ( ) ( ) [ ] n i x f x Q x f x P
i i i i
, 0 , y ∈ ∀ = = .

Definimos ahora un polinomio ( ) ( ) ( ) x Q x P x R − = de grado menor o igual a n . De este
modo tenemos:
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) 0
...
0
0
0
2 2 2 2 2
1 1 1 1 1
0 0 0 0 0
= − = − =
= − = − =
= − = − =
= − = − =
n n n n n
x f x f x Q x P x R
x f x f x Q x P x R
x f x f x Q x P x R
x f x f x Q x P x R


Es decir, el polinomio ( ) x R es nulo en los 1 + n puntos
n
x x x x ,..., , ,
2 1 0
, o lo que es igual,
tiene 1 + n raíces. Sin embargo, de acuerdo con el teorema fundamental del Álgebra, sabemos
que todo polinomio de grado menor o igual a n tiene n raíces (reales o imaginarias, iguales o
repetidas). ¿Cómo podemos justificar esta aparente contradicción? La única posible solución
es que ( ) x R sea el polinomio nulo, ( ) 0 = x R . En tal caso, tenemos ( ) ( ) ( ) 0 = − = x Q x P x R y
por tanto, ( ) ( ) x Q x P = y queda demostrada la unicidad del polinomio interpolante.

Probaremos ahora la existencia de dicho polinomio mediante su construcción. Para
llevarla a cabo vamos a aplicar dos métodos: la Fórmula de Lagrange y la Fórmula de Newton.


Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 8

Capítulo 2.2. POLINOMIO INTERPOLANTE. FÓRMULAS DE LAGRANGE Y
NEWTON

Capítulo 2.2.1. FÓRMULA DE LAGRANGE:

Si
n
x x x x ,..., , ,
2 1 0
son 1 + n puntos distintos, el polinomio ( ) x P
n
, de grado menor o igual
a n , que verifica ( ) ( ) [ ] n i x f x P
i i n
, 0 , ∈ ∀ = (polinomio de interpolación) viene dado en la
fórmula de Lagrange por la siguiente expresión:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
¿
=
= + + + + =
n
i
i i n n n
x l x f x l x f x l x f x l x f x l x f x P
0
. . . 2 2 . 1 1 . 0 0
· · ... · · · ,
siendo ( ) ( ) ( ) ( ) x l x l x l x l
n
,..., , ,
2 1 0
un polinomio de grado n que se anula en todos los
puntos ( ) [ ] x f x, excepto en uno en que su valor es la unidad.
( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
( )
( )
( )
( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
( )
( )
( )
( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
( )
( )
( )
( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
( )
( )
( ) ¦
¦
¦
¹
¦
¦
¦
´
¦
=
=
=
=
− − − −
− − − −
=
¦
¦
¦
¹
¦
¦
¦
´
¦
=
=
=
=
− − − −
− − − −
=
¦
¦
¦
¹
¦
¦
¦
´
¦
=
=
=
=
− − − −
− − − −
=
¦
¦
¦
¹
¦
¦
¦
´
¦
=
=
=
=
− − − −
− − − −
=


0
...
1
0
0
·...· · ·
·...· · ·
...
0
...
1
0
0
·...· · ·
·...· · ·
0
...
0
1
0
·...· · ·
·...· · ·
0
...
0
0
1
·...· · ·
·...· · ·
2
2 2
1 2
0 2
1 2 1 0
1 2 1 0
2
2 2
1 2
0 2
2 3 2 1 2 0 2
3 1 0
2
1
2 1
1 1
0 1
1 3 1 2 1 0 1
3 2 0
1
1
2 0
1 0
0 0
0 3 0 2 0 1 0
3 2 1
0
n
n n n n n
n
n
n
n
n
n
n
n
n
n
n
x l
x l
x l
x l
x x x x x x x x
x x x x x x x x
x l
x l
x l
x l
x l
x x x x x x x x
x x x x x x x x
x l
x l
x l
x l
x l
x x x x x x x x
x x x x x x x x
x l
x l
x l
x l
x l
x x x x x x x x
x x x x x x x x
x l

( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )


= + −
+ −


=
− − − − − −
− − − − − −
=
n
i k
k k i
k
n i i i i i i i i
n i i
i
x x
x x
x x x x x x x x x x x x
x x x x x x x x x x x x
x l
0 1 1 2 1 0
1 1 2 1 0
·...· · ·...· · ·
·...· · ·...· · ·

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 9

Vamos a verificar que ( ) x P
n
es el polinomio de interpolación:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
0
2 1 0
. . 2 2 . 1 1 . 0 0 0
0 · ... 0 · 0 · 1 ·
· ... · · ·
x f
x f x f x f x f
x l x f x l x f x l x f x l x f x P
n
n n n
=
= + + + + =
= + + + + =


La identidad se verifica sucesivamente para los distintos valores
n
x x x x ,..., , ,
2 1 0
.

Ejercicio:
Se dispone de la siguiente tabla de valores:


… …
2 − 23 −
1 − 7 −
0 1 −
1 1
3 17
… …

Calcular el polinomio de interpolación aplicando la fórmula de Lagrange.
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
120
1 · 2 · 1 ·
· 17
12
3 · 1 · 2 ·
· 1
6
3 · 1 · 1 · 2
· 1
10
3 · 1 · 2 ·
· 7
30
3 · 1 · 1 ·
· 23
· 3 · 1 · 0 · 1 · 2
. 4 . 3 . 2 . 1 . 0 4
− + +
+

− + +
+
+
− − + +


− − +

− − +
− =
= + + + − + − =
x x x x x x x x
x x x x x x x x x x x x
x l f x l f x l f x l f x l f x P

Un problema que tiene la fórmula de Lagrange es que si queremos añadir un nuevo
punto,
1 + n
x , el polinomio se tiene que volver a escribir desde cero ya que los
polinomios ( ) ( ) ( ) ( ) x l x l x l x l
n
,..., , ,
2 1 0
y ahora, ( ) x l
n 1 +
se tienen que volver a calcular. Este
problema se solventa con la fórmula de Newton.

Capítulo 2.2.2. FÓRMULA DE NEWTON:

La idea básica es construir el polinomio en pasos sucesivos: primero construiremos el
polinomio ( ) x P
0
, de grado menor o igual a cero, que coincide con la función en el punto
0
x ;
luego construiremos el polinomio ( ) x P
1
, de grado menor o igual a uno, que coincide con la
función en los puntos
1 0
, x x , así hasta llegar al polinomio ( ) x P
n
, de grado menor o igual
a n que coincide con la función en los puntos
n
x x x x ,..., , ,
2 1 0
. De este modo, cada polinomio
viene definido a partir del anterior, es decir, viene dado por una relación de recurrencia.
( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
n n n n n n n
x f x P x f x P x f x P x f x P x P
x f x P x f x P x f x P x P
x f x P x f x P x P
x f x P x P
= = = =
= = =
= =
=
,..., , ,
...
, ,
,
2 2 1 1 0 0
2 2 2 1 1 2 0 0 2 2
1 1 1 0 0 1 1
0 0 0 0

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 10

Vamos a calcular estos polinomios:
( ) ( )
0 0 0
c x f x P = =

( ) ( ) ( )
( ) ( ) ( )
( ) ( )
( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( )
0 1 0 1
0 1
0 1
1
1 1 1
0 1 0 1 1 0 1 1
0 1 1 0 1
0 1
0 1 0 0 1
1 0 1
·
·
· 0
x x c c x P
x x
x f x f
c
x f x P
x x c x f x Q x f x P
x x c x Q x Q
x f x P
x Q x f x P
x Q x P x P
− + =


=
)
`
¹
=
− + = + =
− = ¬ =
)
`
¹
=
+ =
+ =


( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( )
( )
( ) ( ) ( ) ( ) ( )
( ) ( )
( )
( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( ) ( ) ( )
1 0 2 0 1 0 2
1 2 0 2
0 2 1 0 2
2
2 2 2
1 2 0 2 2 0 2 1 0 2 2 2 2 2 2
1 0 2 2
1 2
1 1 2
1 2 1 1 2 1 1 1 2
0 2
0 0 2
0 2 0 0 2 0 1 0 2
2 1 2
· · ·
·
·
· · ·
· ·
0
0
x x x x c x x c c x P
x x x x
x x c c x f
c
x f x P
x x x x c x x c c x Q x P x P
x x x x c x Q
x Q
x f x P
x Q x f x Q x P x P
x Q
x f x P
x Q x f x Q x P x P
x Q x P x P
− − + − + =
− −
− − −
= ¬
¬
)
`
¹
=
− − + − + = + =
− − =
¦
¦
)
¦
¦
`
¹
=
)
`
¹
=
+ = + =
=
)
`
¹
=
+ = + =
+ =

Así tenemos:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
1 2 1 0 1 0 2 0 1 0
·...· · · · ... · · ·

− − − − + + − − + − + =
n n n
x x x x x x x x c x x x x c x x c c x P

De este modo solventamos el inconveniente que teníamos al añadir más puntos. Por
ejemplo, si añadimos un punto
1 + n
x :
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
n n n
x x x x x x x x c x x x x c x x c c x P − − − − + + − − + − + =
+ +
·...· · · · ... · · ·
2 1 0 1 1 0 2 0 1 0 1

Pero, ¿cómo calculamos los coeficientes
n
c c c c ,..., , ,
2 1 0
?

Capítulo 2.2.3. DIFERENCIAS DIVIDIDAS DE UNA FUNCIÓN:

Dados 1 + n puntos distintos
n
x x x x ,..., , ,
2 1 0
y una función f definida en tales puntos, se
llama diferencia dividida de la función f en los puntos
n
x x x x ,..., , ,
2 1 0
y se
representa [ ]
n
x x x x f ,..., , ,
2 1 0
, al coeficiente de
n
x en el desarrollo del correspondiente
polinomio interpolador.

Así, [ ] [ ] [ ] [ ]
n n
c x f c x f c x f c x f = = = = ,..., , ,
2 2 1 1 0 0
, siendo n el orden de la diferencia
dividida.

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 11

El valor de una diferencia dividida es independiente del orden en que se escriban sus
argumentos.

El polinomio de Newton, usando diferencias divididas, vendrá dado por:
( ) [ ] [ ]( ) [ ]( ) ( )
[ ]( ) ( ) ( ) ( )
1 2 1 0
1 0 2 0 1 0
·...· · · ·
... · · ·

− − − − +
+ + − − + − + =
n n
n
x x x x x x x x x f
x x x x x f x x x f x f x P


Verificándose que [ ]
[ ] [ ]
0
1 2 1 0 3 2 1
2 1 0
,..., , , ,..., , ,
,..., , ,
x x
x x x x f x x x x f
x x x x f
n
n n
n


=



De esta manera, las diferencias divididas de cualquier orden se definen a partir de las de
órdenes precedentes y su cálculo se sintetiza en forma de tabla triangular:


0
x [ ]
0
x f


[ ]
[ ] [ ]
0 1
0 1
1 0
,
x x
x f x f
x x f


=

1
x [ ]
1
x f


[ ]
[ ] [ ]
1 2
1 2
2 1
,
x x
x f x f
x x f


=

2
x [ ]
2
x f


[ ]
[ ] [ ]
2 3
2 3
3 2
,
x x
x f x f
x x f


=

3
x [ ]
3
x f

… …






[ ]
[ ] [ ]
0 2
1 0 2 1
2 1 0
, ,
, ,
x x
x x f x x f
x x x f


=


[ ]
[ ] [ ]
0 3
2 1 0 3 2 1
3 2 1 0
, , , ,
, , ,
x x
x x x f x x x f
x x x x f


=

[ ]
[ ] [ ]
1 3
2 1 3 2
3 2 1
, ,
, ,
x x
x x f x x f
x x x f


=





Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 12

Ejercicio:
Se dispone de la siguiente tabla de valores:


… …
2 − 23 −
1 − 7 −
0 1 −
1 1
3 17
… …

Calcular el polinomio de interpolación aplicando la fórmula de Newton, empleando
diferencias divididas.
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
3 2 1 0 4
2 1 0 3 1 0 2 0 1 0 4
· · · ·
· · · · · ·
x x x x x x x x c
x x x x x x c x x x x c x x c c x P
− − − − +
+ − − − + − − + − + =



2 −

23 −



[ ] 16 ,
1 0
= x x f


1 − 7 −

[ ] 5 , ,
2 1 0
− = x x x f



[ ] 6 ,
2 1
= x x f

[ ] 1 , , ,
3 2 1 0
= x x x x f


0 1 −

[ ] 2 , ,
3 2 1
− = x x x f


[ ] 0 , , , ,
4 3 2 1 0
= x x x x x f


[ ] 2 ,
3 2
= x x f


[ ] 1 , , ,
4 3 2 1
= x x x x f


1 1

[ ] 2 , ,
4 3 2
= x x x f



[ ] 8 ,
4 3
= x x f


3 17


( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
1 3 2
1 · · 1 · 2 · 0 · 1 · 2 · 1 · 2 · 5 2 · 16 23
· · · ·
· · · · · ·
2 3
3 2 1 0 4
2 1 0 3 1 0 2 0 1 0 4
− + − − =
= − + + + + + + + + − + + − =
= − − − − +
+ − − − + − − + − + =
x x x
x x x x x x x x x x
x x x x x x x x c
x x x x x x c x x x x c x x c c x P

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 13

Capítulo 2.3. ERROR EN LA INTERPOLACIÓN.

Sea la función [ ] R b a f →  , : , 1 + n veces derivable en( ) b a, y sea ( ) x P
n
el
polinomio de grado menor o igual a n que interpola a la función en los 1 + n puntos distintos,
[ ] b a x x x x
n
, ,..., , ,
2 1 0
∈ tales que b x x x x a
n
= < < < < = ...
2 1 0
. Si [ ] b a x , ∈ , se verifica que
existe un punto
x
c tal que el error en x viene dado por la expresión:
( ) ( ) ( )
( )
( )
( ) ( )( )( ) ( )
( )
( )
( ) ( )

=
+
+

+
=
= − − − −
+
= − =
n
i
i
n
n
n
n n
x x c f
n
x x x x x x x x c f
n
x P x f x e
0
1
2 1 0
1
· ·
! 1
1
·...· · · · ·
! 1
1




Si
( )
( ) ( ) b a x M x f M
n
, ,
1
∈ ∀ ≤ ∃
+
, entonces ( )
( )
( )

=

+

n
i
i n
x x
n
M
x e
0
·
! 1
.

En este caso tomaremos
( )
( )
( ) x f M
n
b a x
1
,
sup
+

= .
f(x) P(x)
x
0

x
y
x
1

x
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 14

Ejercicio:
Se dispone de los siguientes valores de la función logaritmo neperiano:

x
x ln
… …
9 1972 . 2
5 . 9 2513 . 2
11 3979 . 2
… …

a) Aproximar el valor de 2 . 9 ln utilizando interpolación lineal. Dar una cota del error
cometido.
Vamos a construir el polinomio de interpolación lineal aplicando la fórmula de
Newton empleando diferencias divididas.
( ) ( )
0 1 0 1
· x x c c x P − + =
La tabla de diferencias divididas será:

9 1972 . 2


[ ] 1082 . 0 ,
1 0
= x x f

5 . 9 2513 . 2

[ ] 0052 . 0 , ,
2 1 0
− = x x x f

[ ] 0977 . 0 ,
2 1
= x x f

11 3979 . 2

Así, el polinomio de interpolación vendrá dado por:
( ) ( ) ( ) 9 · 1082 . 0 1972 . 2 ·
0 1 0 1
− + = − + = x x x c c x P
Evaluando el valor de dicho polinomio en 2 . 9 = x obtendremos el valor aproximado
de 2 . 9 ln
( ) ( ) 2 . 9 ln 2188 . 2 9 2 . 9 · 1082 . 0 1972 . 2 2 . 9
1
≈ = − + = P
A continuación vamos a evaluar el error cometido en la aproximación:
( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
( )
( )
81
03 . 0
9
03 . 0
5 . 9
1 1
9
1
5 . 9
1 1
9
1
9 5 . 9 5 . 9 , 9
03 . 0 1
· 03 . 0 · 03 . 0 ·
2
06 . 0
5 . 9 2 . 9 · 9 2 . 9 · ·
2
1
2 . 9 · ·
! 2
1
2
2 2 2
2 2
' ' ' '
' '
0
' '
= ≤
< < ¬ < < ¬ < < ¬ ∈
= − = = =
= − − = − =

=
x e
c c
c c
c c
c f c f
c f x c f x e
n
n
i
i n

b) Aproximar el valor de 2 . 9 ln utilizando interpolación cuadrática. Dar una cota del error
cometido.

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 15

Capítulo 2.3.1. ERROR EN LA INTERPOLACIÓN LINEAL:

Sea una función f , dos veces derivable en ( )
1 0
, x x , y sea ( ) x P
1
el polinomio que
interpola a f en esos dos puntos. Sabemos que si [ ]
1 0
, x x x ∈ ,
( ) ( ) ( ) ( ) ( ) ( )( )
1 0
' '
1 1 0
· · ·
! 2
1
, x x x x c f x P x f x e x x c
n
− − = − = ∈ ∃ .

Vamos a hallar, a partir de esta expresión, una cota para el error (en valor absoluto) en la
interpolación lineal, válida para cualquier punto [ ]
1 0
, x x x ∈ .

( )( ) ( )( )
( ) ( )
( ) ( )
2 0
2 0 0
0 0 0 1 1 0
· 1 · 1 , 0
· · · ·
h t t
h
x x
t
h
h
h x x
h
x x
h x x x x x x h x x x x
− = ∈

= =
=
− − −
= − − − = − = = − −




( ) ( ) ( ) c f h t t x e
' ' 2
1
· · 1 · ·
2
1
− =
( ) ( ) ( )
( )
( )
4
1
2
1
(máximo)
2
1
0 · 2 1
0
· 2 1
1 · 1 ·
'
'
2
= |
.
|

\
|
= ¬ = −
¦
)
¦
`
¹
=
− =
− = − = − =
g
t t
t g
t t g
t t t t t t t g

( ) ( ) c f h x e
' ' 2
1
· ·
4
1
·
2
1

( ) ( ) [ ]
1 0
' '
2
1
, , ·
8
x x x c f
h
x e ∈ ∀ ≤
x
0
x
1

h
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 16

Capítulo 2.3.2. ERROR EN LA INTERPOLACIÓN CUADRÁTICA:

Sea una función f , tres veces derivable en( )
2 0
, x x , y sea ( ) x P
2
el polinomio que
interpola a f en los puntos
2 1 0
, , x x x , tal que
2 1 0
x x x < < . Sabemos que si [ ]
2 0
, x x x ∈ ,
( ) ( ) ( ) ( ) ( ) ( )( )( )
2 1 0
' ' '
1 2 0
· · · ·
! 3
1
, x x x x x x c f x P x f x e x x c
n
− − − = − = ∈ ∃ .

Vamos a hallar, a partir de esta expresión, una cota para el error (en valor absoluto) en la
interpolación cuadrática, válida para cualquier punto [ ]
1 0
, x x x ∈ y supuesto, además, que las
abscisas de los nodos son equidistantes.

( )( )( ) ( )( )( )
( ) ( ) ( )
( ) ( ) ( )
3 0 3 0 0 0
0 0 0 0 1 2 1 0
· 2 · 1 · 2 , 0 ·
2
· ·
2 · · · ·
h t t t
h
x x
t h
h
h x x
h
h x x
h
x x
h x x h x x x x x x h x x x x x x
− − = ∈

= =
− − − − −
=
= − − − − − = − = = − − −




( ) ( ) ( ) ( ) c f h t t t x e
' ' ' 3
2
· · 2 · 1 · ·
! 3
1
− − =
( ) ( ) ( )
( ) ( ) [ ]
( ) ( ) ( ]
[ ]
( ]
( )
( )
( )
( )
( )
( ) ( )
9
3 2
2 · 1 · max
9
3 2
3
3
·
3
2
3
3
·
3
1
1
3
3
1 ·
3
3
·
3
3
1 2
3
3
1 · 1
3
3
1 ·
3
3
1
3
3
1
(máximo)
3
3
1 0 2 6 3
0
2 , 1 2 3 3
1 , 0 2 6 3
2 , 1 2 3
1 , 0 2 3
2 , 1 2 · 1 ·
1 , 0 2 · 1 ·
2 · 1 ·
2 , 0
2
'
2
2
'
2 3
2 3
= − −
= = |
.
|

\
|
− =
=
|
|
.
|

\
|

|
|
.
|

\
|
+ =
|
|
.
|

\
|
− +
|
|
.
|

\
|
− +
|
|
.
|

\
|
+ =
|
|
.
|

\
|
+
± = ¬ = + −
¦
)
¦
`
¹
=
¹
´
¦
∈ − + −
∈ + −
=
¹
´
¦
∈ − + −
∈ + −
=
¹
´
¦
∈ − −
∈ − −
= − − =

t t t
g
t t t
t g
t si t t
t si t t
t g
t si t t t
t si t t t
t si t t t
t si t t t
t t t t g
t

x
0
x
1

h
x
2

2h
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 17

Así, ( ) ( ) ( ) ( ) c f h t t t x e
' ' ' 3
2
· · 2 · 1 · ·
! 3
1
− − =
( ) ( ) [ ]
2 0
' ' '
3
2
, , ·
3 9
x x x c f
h
x e ∈ ∀ ≤

Ejercicio:
Acotar el error de interpolación para la función ( )
x
e x f = en el intervalo[ ] 1 , 0 , cuando se
interpola por un polinomio de grado 2 en los nodos 1 ,
2
1
, 0 .
( ) ( )
( )
( )
3 72
1 1 0 1 , 0
·
2
1
·
3 9
1
·
3 9
2
1 0
3
' ' '
3
2
e
x e
e e e e e c c
e c f
h
x e
c c
c

< < ¬ < < ¬ < < ¬ ∈
= ≤


Capítulo 2.3.3. OBSERVACIONES AL RESULTADO REFERENTE AL ERROR EN LA
INTERPOLACIÓN:

Si se interpola, por ejemplo, la función seno, tenemos que
( )
( ) R x x f
n
∈ ∀ ≤
+
, 1
1
.

Así, el error vendrá dado por:
( ) ( ) ( )
( )
( )
( ) ( )
( )
( )
∏ ∏
= =
+

+
≤ −
+
= − =
n
i
i
n
i
i
n
n n
x x
n
x x c f
n
x P x f x e
0 0
1
·
! 1
1
· ·
! 1
1


Por otra parte:



( ) ( ) ( ) ( ) a b a b a b a b x x x x x x x x
n
− − − − ≤ − − − − ·...· · · ·...· · ·
2 1 0


Así, se verifica que:
( )
( )
( )! 1
1
+


+
n
a b
x e
n
n

x
0
=a x
1
x
2
x x
n
=b
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 18

¿Qué ocurre cuando aumentamos los nodos?
( )
( )
0
! 1
lim
1
=
+

+
∞ →
n
a b
n
n


Vemos, pues, que a medida que incrementamos el número de nodos el error cometido
en la interpolación tiende a cero.

Pero en general, no se consigue disminuir el error incrementando el número de nodos y
por lo tanto, el grado del polinomio.

Para algunas funciones, la cota del error aumenta a medida que aumenta n . Un elevado
número de puntos puede dar lugar a polinomios con muchas oscilaciones que aproximan mal a
la función que se interpola, especialmente en los extremos del intervalo.

Por ejemplo:
La función ( )
2
1
1
x
x f
+
= en[ ] 5 , 5 −
( ) x P
4
en 5 , 3 , 0 , 3 , 5 − −



Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 19

( ) x P
10
en 5 , 4 ,..., 0 ,..., 4 , 5 − −



( ) x P
20
en 5 , 5 . 4 ,..., 0 ,..., 5 . 4 , 5 − −



Para solucionar estos problemas introduciremos el concepto de la interpolación a trozos.


Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 20

Capítulo 2.4. INTERPOLACIÓN POLINÓMICA A TROZOS.

Una buena forma de obtener, por interpolación, una función es la interpolación a trozos o
interpolación segmentaria que consiste en dividir el intervalo[ ] b a, en subintervalos lo
suficientemente pequeños y aproximar la función en esos subintervalos mediante polinomios
de grado pequeño.

Capítulo 2.4.1. INTERPOLACIÓN LINEAL A TROZOS:

Sea f dos veces derivable en( ) b a, y dados 1 + n puntos b x x x x a
n
= < < < < = ...
2 1 0
,
se aproxima la función f en cada intervalo de la forma[ ] 1 ,..., 0 , ,
1
− =
+
n i x x
i i
mediante la recta
que une los puntos ( ) ( )
i i
x f x , y ( ) ( )
1 1
,
+ + i i
x f x .



x
0

x
y
x
1
x
2
x
3

f(x
0
)
f(x
2
)
f(x
1
)
f(x
3
)
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 21

Capítulo 2.4.1.1. ERROR EN LA INTERPOLACIÓN LINEAL A TROZOS:

Queremos calcular una cota para el error en la interpolación lineal a trozos independiente
del punto escogido.
Si [ ]
1 0
, x x x∈ , ( ) ( ) ( ) ( )
1 0 1 1
' ' 2
0 1 1
, , · ·
8
1
x x c c f x x x e ∈ − ≤
Si [ ]
2 1
, x x x∈ , ( ) ( ) ( ) ( )
2 1 1 2
' ' 2
1 2 1
, , · ·
8
1
x x c c f x x x e ∈ − ≤

Si [ ]
n n
x x x ,
1 −
∈ , ( ) ( ) ( ) ( )
n n n n n
x x c c f x x x e , , · ·
8
1
1 1
' ' 2
1 1 − −
∈ − ≤
Así, si [ ]
n
x x x ,
0
∈ , ( ) ( ) ( ) { } [ ] M x x x P x f x e
i i
n i
· , max ·
8
1
2
1
1 0
1 1 +
− ≤ ≤
≤ − = ,
siendo
( )
( ) ( ) b a x M x f
n
, ,
1
∈ ∀ ≤
+
.

Si las abscisas de los nodos son equidistantes, entonces, el error cometido en la
interpolación lineal a trozos vendrá dado por:
( ) M h x e · ·
8
1
2
1


Ejercicio:
Sea la función ( )
3
x x f = en el intervalo[ ] 1 , 1 − .
a) Se desea generar una tabla de valores de f con abscisas equiespaciadas de forma
que la interpolación lineal a trozos entre dos puntos consecutivos tenga un error
menor que
4
10 · 3

. Determinar el número mínimo de puntos.
x
( ) x f
1 −

h + −1

h 2 1+ −

... …
h n· 1+ −


El error cometido viene dado por:
( ) M h x e · ·
8
1
2
1

Calculamos el valor de M :
( )
( ) ( ) ( )
( ) [ ] 1 , 1 , 6
· 6 · 3
' '
' ' 2 ' 3
' '
− ∈ ∀ ≤
= ¬ = ¬ =

c c f
x x f x x f x x f
M c f

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 22

Así:
( )
( )
( )( )
2
max
2 2 4 2
4 2 4 2 4 2
4
1
2 2
1
10 · 2
0 10 · 2 · 10 · 2 0 10 · 4
10 · 4 10 ·
4
1
10 · 3 ·
4
3
10 · 3
·
4
3
6 · ·
8
1

− − −
− − −

=
≤ − + ¬ ≤ −
≤ ¬ ≤ ¬ ≤
¦
)
¦
`
¹

= ≤
h
h h h
h h h
x e
h h x e

Por otra parte sabemos que:
( )
n n n
a b
h
2 1 1
=
− −
=

=
Y por tanto:
100
1
10
2
10 · 2
2
10 · 2
2 2
2
= ¬ = ¬ =
¦
)
¦
`
¹
=
=
− −

n
n n
n
h
h

El mínimo número de puntos es 101 1= + n puntos.

b) Se desea utilizar un único polinomio interpolante (con nodos equidistantes) en todo
el intervalo, manteniendo la cota del error
4
10 · 3

. Determinar el número mínimo de
puntos y el polinomio de interpolación.
Anteriormente hemos probado que con interpolación lineal es necesario
emplear101puntos para que el error cometido sea menor que
4
10 · 3

.
Vamos a probar ahora con la interpolación cuadrática.
x
( ) x f
1 −

0

1


El error cometido viene dado por:
( ) M h x e · ·
3 9
1
3
2

Calculamos el valor de M :
( )
( ) ( ) ( ) ( )
( ) [ ] 1 , 1 , 6
6 · 6 · 3
' ' '
' ' ' ' ' 2 ' 3
' ' '
− ∈ ∀ =
= ¬ = ¬ = ¬ =

c c f
x f x x f x x f x x f
M c f

Así:
( )
( )
? 10 · 3
3 3
2
¿
10 · 3
6 ·
3 9
1
·
3 9
1
4
4
1
1



¦
)
¦
`
¹

= ≤
x e
M x e

Con tres nodos equidistantes no se puede asegurar que el error sea menor
que
4
10 · 3

.
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 23

Vamos a probar ahora la interpolación cúbica.
x
( ) x f
1 −

3 1 −

3 1

1


Tenemos que calcular un polinomio de grado menor o igual a 3 y en el que se
verifique el valor de la función en los nodos anteriores. Deducimos, pues, que el
polinomio de interpolación coincide con la propia función, luego el error es cero.
Así, el mínimo número de puntos necesarios es cuatro y el polinomio de
interpolación es ( ) ( ) x f x x P = =
3
3
.

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 24

Capítulo 3: AJUSTE DE DATOS Y APROXIMACIÓN DE FUNCIONES.

Capítulo 3.1. INTRODUCCIÓN.

El estudio de la teoría de aproximación se puede plantear desde dos puntos de vista. En
un caso, conocida explícitamente una función o bien conocidos los valores que alcanza la
función en determinados puntos, tratamos de buscar una función “simple”, un polinomio, que
coincida con ella en dichos valores y que nos sirva de punto de partida para aproximar la
función en otros puntos. Este caso ya ha sido tratado en el tema anterior (Capítulo 2:
Interpolación).

Otra opción es la búsqueda de un tipo específico de funciones, no necesariamente
polinomios, que optimicen la aproximación a los datos que tenemos de nuestra función. Desde
este punto de vista trataremos el tema de la aproximación de funciones.

Trataremos, en primer lugar, un caso particular de función que se utiliza en gran cantidad
de problemas como es la búsqueda de la recta de regresión, es decir, la recta que mejor
aproxime a la función en ciertos puntos.

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 25

Capítulo 3.2. AJUSTE Y APROXIMACIÓN POR MÍNIMOS CUADRADOS.

Supongamos que tenemos una tabla de puntos de la función, que serían dados
obtenidos experimentalmente o valores generados por una cierta función, y buscamos la
recta ( ) bx a x F + = que mejor aproxime dichos puntos. Pero, ¿en qué sentido se habla de
aproximación?



Vamos a llamar:
( ) [ ] ( ) [ ] ( ) [ ] ( ) [ ]
( ) ( ) ( ) ( )
( )
¿
=
− − =
= − − + + − − + − − + − − =
= − + + − + − + − =
n
i
i i
n n
n n
bx a y
bx a y bx a y bx a y bx a y
x F y x F y x F y x F y d
1
2
2 2
3 3
2
2 2
2
1 1
2 2
3 3
2
2 2
2
1 1
...
...


Deseamos minimizar esta distancia d . (aproximación o ajuste mínimo cuadrático).
Podemos considerar d como una función de a yb :
( ) b a d d , = .

x
1

x
y
x
2
x
3
x
4

f(x
1
)
f(x
3
)
f(x
2
)
f(x
4
)
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 26

Tenemos, pues, que calcular los valores de a yb que hagan mínima la distancia d . Por la
teoría de funciones de varias variables, sabemos que d alcanza un mínimo en el
punto ( )
* *
, b a P si:
( ) ( )
* * * *
, 0 , b a
b
d
b a
a
d


= =




Así:
( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
( ) 0 · 2
... · 2 · 2 · 2 ,
0 · 2
... · 2 · 2 · 2 ,
* *
3
* *
3 3 2
* *
2 2 1
* *
1 1
* *
* *
3
* *
3 2
* *
2 1
* *
1
* *
= − − −
− − − − − − − − − − − =


= − − −
− − − − − − − − − − − =


n n n
n n
x b a y x
x b a y x x b a y x x b a y x b a
b
d
x b a y
x b a y x b a y x b a y b a
a
d

( ) ( ) ( )
( )
( ) ( ) ( )
( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
( ) ( )¦
)
¦
`
¹
+ + + + + + + + + = + + + +
+ + + + + = + + + +
¦
)
¦
`
¹
= − − + + − − + − − + − −
= − − + + − − + − − + − −
¦
¦
)
¦
¦
`
¹
= − − −
− − − − − − − − − − −
= − − −
− − − − − − − − − − −
2 2
3
2
2
2
1
*
3 2 1
*
3 3 2 2 1 1
3 2 1
* *
3 2 1
* *
3
* *
3 3 2
* *
2 2 1
* *
1 1
* *
3
* *
3 2
* *
2 1
* *
1
* *
3
* *
3 3 2
* *
2 2 1
* *
1 1
* *
3
* *
3 2
* *
2 1
* *
1
... · ... · · ... · · ·
... · · ...
0 · ... · · ·
0 ...
0 · 2
... · 2 · 2 · 2
0 · 2
... · 2 · 2 · 2
n n n n
n n
n n n
n n
n n n
n n
x x x x b x x x x a y x y x y x y x
x x x x b n a y y y y
x b a y x x b a y x x b a y x x b a y x
x b a y x b a y x b a y x b a y
x b a y x
x b a y x x b a y x x b a y x
x b a y
x b a y x b a y x b a y

(
(
(
(
¸
(

¸

=
(
¸
(

¸

(
(
(
(
¸
(

¸


¦
¦
)
¦
¦
`
¹
+ =
+ =
¿
¿
¿ ¿
¿
¿ ¿ ¿
¿ ¿
=
=
= =
=
= = =
= =
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
y x
y
b
a
x x
x n
x b x a y x
x b n a y
1
1
1
*
*
1
2
1
1
1
2 *
1
*
1
1
1
* *
1
·
·
· · ·
· ·


Se puede demostrar que este sistema de ecuaciones siempre será compatible y el único
caso en que tenga infinitas soluciones es cuando los puntos ( ) y x, sean todos iguales.
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 27

Ejercicio:
Dados los valores ( ) ( ) ( ) ( ) { } 0 , 1 , 5 , 3 , 3 , 1 , 1 , 0 − . Determinar la recta que mejor aproxime
dichos valores.

x
( ) x f
0 1
1 3
3 5
1 − 0

( ) ( ) x x F b a
b
a
+ = ¬ = = ⇔
(
¸
(

¸

=
(
¸
(

¸

(
¸
(

¸

1 ·
7
9
7
9
18
9
·
10 3
3 4


y = 1,2857x + 1,2857
0
1
2
3
4
5
6
-2 -1 0 1 2 3 4

Hemos visto como podemos aproximar una función mediante una recta.

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 28

Vamos ahora a buscar la parábola que mejor aproxime los puntos dados. La expresión
general de dicha parábola es: ( )
2
cx bx a x F + + = .

En este caso tenemos:
( ) ( ) [ ] ( ) [ ] ( ) [ ] ( ) [ ]
( ) ( ) ( )
( )
( )
¿
=
− − − =
= − − − +
+ + − − − + − − − + − − − =
= − + + − + − + − = =
n
i
i i i
n n n
n n
cx bx a y
cx bx a y
cx bx a y cx bx a y cx bx a y
x F y x F y x F y x F y c b a d d
1
2
2
2
2
2
2
3 3 3
2
2
2 2 2
2
2
1 1 1
2 2
3 3
2
2 2
2
1 1
...
... , ,

Vamos a minimizar esta distancia (ajuste mínimo cuadrático).

Sabemos que d alcanzará un mínimo en el punto ( )
* * *
, , c b a P si:
( ) ( ) ( )
* * * * * * * * *
, , , , 0 , , c b a
c
d
c b a
b
d
c b a
a
d


=


= =




Así:
( ) ( ) ( )
( ) ( )
( ) ( ) ( )
( ) ( )
( ) ( ) ( )
( ) ( ) 0 · 2 ... · 2
· 2 · 2 , ,
0 · 2 ... · 2
· 2 · 2 , ,
0 · 2 ... · 2
· 2 · 2 , ,
2 * * * 2 2
3
*
3
* *
3
2
3
2
2
*
2
* *
2
2
2
2
1
*
1
* *
1
2
1
* * *
2 * * * 2
3
*
3
* *
3 3
2
2
*
2
* *
2 2
2
1
*
1
* *
1 1
* * *
2 * * * 2
3
*
3
* *
3
2
2
*
2
* *
2
2
1
*
1
* *
1
* * *
= − − − − − − − − −
− − − − − − − − − =


= − − − − − − − − −
− − − − − − − − − =


= − − − − − − − − −
− − − − − − − − − =


n n n n
n n n n
n n n
x c x b a y x x c x b a y x
x c x b a y x x c x b a y x c b a
c
d
x c x b a y x x c x b a y x
x c x b a y x x c x b a y x c b a
b
d
x c x b a y x c x b a y
x c x b a y x c x b a y c b a
a
d

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 29

( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( ) ( )
( )
( ) ( ) ( )
( )
( ) ( ) ( )
( )
( ) ( )
( ) ( )
( )
( ) ( )
( )
¦
¦
¦
)
¦
¦
¦
`
¹
+ + + + +
+ + + + + + + + + + = + + + +
+ + + + +
+ + + + + + + + + + = + + + +
+ + + + + + + + + + = + + + +
¦
¦
¦
¦
)
¦
¦
¦
¦
`
¹
= − − − +
+ + − − − + − − − + − − −
= − − − +
+ + − − − + − − − + − − −
= − − − +
+ + − − − + − − − + − − −
¦
¦
¦
¦
)
¦
¦
¦
¦
`
¹
= − − − − − − − − −
− − − − − − − − −
= − − − − − − − − −
− − − − − − − − −
= − − − − − − − − −
− − − − − − − − −
4 4
3
4
2
4
1
*
3 3
3
3
2
3
1
* 2 2
3
2
2
2
1
* 2
3
2
3 2
2
2 1
2
1
3 3
3
3
2
3
1
*
2 2
3
2
2
2
1
*
3 2 1
*
3 3 2 2 1 1
2 2
3
2
2
2
1
*
3 2 1
* *
3 2 1
2 * * * 2
2
3
*
3
* *
3
2
3
2
2
*
2
* *
2
2
2
2
1
*
1
* *
1
2
1
2 * * *
2
3
*
3
* *
3 3
2
2
*
2
* *
2 2
2
1
*
1
* *
1 1
2 * * *
2
3
*
3
* *
3
2
2
*
2
* *
2
2
1
*
1
* *
1
2 * * * 2 2
3
*
3
* *
3
2
3
2
2
*
2
* *
2
2
2
2
1
*
1
* *
1
2
1
2 * * * 2
3
*
3
* *
3 3
2
2
*
2
* *
2 2
2
1
*
1
* *
1 1
2 * * * 2
3
*
3
* *
3
2
2
*
2
* *
2
2
1
*
1
* *
1
... ·
... · ... · · ... · · ·
... ·
... · ... · · ... · · ·
... · ... · · ...
0 ·
... · · ·
0 ·
... · · ·
0
...
0 · 2 ... · 2
· 2 · 2
0 · 2 ... · 2
· 2 · 2
0 · 2 ... · 2
· 2 · 2
n
n n n n
n
n n n n
n n n
n n n n
n n n n
n n n
n n n n
n n n n
n n n
x x x x c
x x x x b x x x x a y x y x y x y x
x x x x c
x x x x b x x x x a y x y x y x y x
x x x x c x x x x b n a y y y y
x c x b a y x
x c x b a y x x c x b a y x x c x b a y x
x c x b a y x
x c x b a y x x c x b a y x x c x b a y x
x c x b a y
x c x b a y x c x b a y x c x b a y
x c x b a y x x c x b a y x
x c x b a y x x c x b a y x
x c x b a y x x c x b a y x
x c x b a y x x c x b a y x
x c x b a y x c x b a y
x c x b a y x c x b a y


(
(
(
(
(
(
(
¸
(

¸

=
(
(
(
¸
(

¸

(
(
(
(
(
(
(
¸
(

¸


¦
¦
¦
)
¦
¦
¦
`
¹
+ + =
+ + =
+ + =
¿
¿
¿
¿ ¿ ¿
¿ ¿ ¿
¿ ¿
¿ ¿ ¿ ¿
¿ ¿ ¿ ¿
¿ ¿ ¿
=
=
=
= = =
= = =
= =
= = = =
= = = =
= = =
n
i
i i
n
i
i i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i i
n
i
i
n
i
i
n
i
i
n
i
i i
n
i
i
n
i
i
n
i
i
y x
y x
y
c
b
a
x x x
x x x
x x n
x c x b x a y x
x c x b x a y x
x c x b n a y
1
2
1
1
*
*
*
1
4
1
3
1
2
1
3
1
2
1
1
2
1
1
4 *
1
3 *
1
2 *
1
2
1
3 *
1
2 *
1
*
1
1
2 *
1
* *
1
·
· ·
· · · ·
· · · ·
· · ·

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 30

Ejercicio:
Calcular la parábola que mejor aproxima, en el sentido de los mínimos cuadrados, a la
función ( )
3
x x f = en los puntos 1 − , 0 y8.

x
( ) x f
1 − 1 −
0 0
8 2

(
(
(
¸
(

¸



=
(
(
(
¸
(

¸


(
(
(
¸
(

¸

=
(
(
(
¸
(

¸

(
(
(
¸
(

¸

833 . 0
9167 . 0
0
127
17
1
·
4097 511 65
511 65 7
65 7 3
c
b
a
c
b
a


( )
2 2
833 . 0 9167 . 0 x x cx bx a x F − = + + =

y = -0,0833x
2
+ 0,9167x - 3E-14
-1,5
-1
-0,5
0
0,5
1
1,5
2
2,5
3
-2 0 2 4 6 8 10

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 31

Vamos a extender el problema del ajuste mínimo cuadrático al caso más general de
considerar que la función aproximadamente sea de la siguiente manera:
( ) ( ) ( ) ( ) ( ) x c x c x c x c x F
k k
ϕ ϕ ϕ ϕ · ... · · ·
3 3 2 2 1 1
+ + + + =

Es decir, la función aproximadamente es una combinación lineal de las funciones ( ) x
i
ϕ ,
elegidas por quien construye la función.

Por ejemplo:
Para 2 = k :
( ) ( )
( )
recta
·
1
2 1
2 1
)
`
¹
¹
´
¦
+ =
= =
x c c x F
x x x
i
ϕ ϕ


Para 3 = k :
( ) ( ) ( )
( )
parábola
· ·
1
2
3 2 1
2
3 2 1
¦
)
¦
`
¹
¦
¹
¦
´
¦
+ + =
= = =
x c x c c x F
x x x x x
i i
ϕ ϕ ϕ


Así, la función a aproximar vendrá dada por la expresión:
( ) ( ) [ ] ( ) [ ] ( ) [ ] ( ) [ ]
( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( ) [ ]
( )
¿ ¿
= =
(
¸
(

¸

− =
= − − − − − +
+ +
+ − − − − − +
+ − − − − − +
+ − − − − − =
= − + + − + − + − =
n
i
k
j
i j j i
n k k n n n n
k k
k k
k k
n n k
x c y
x c x c x c x c y
x c x c x c x c y
x c x c x c x c y
x c x c x c x c y
x F y x F y x F y x F y c c c c d
1
2
1
2
3 3 2 2 1 1
2
3 3 3 3 3 2 2 3 1 1 3
2
2 2 3 3 2 2 2 2 1 1 2
2
1 1 3 3 1 2 2 1 1 1 1
2 2
3 3
2
2 2
2
1 1 3 2 1
·
· ... · · ·
...
· ... · · ·
· ... · · ·
· ... · · ·
... ,..., , ,
ϕ
ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ

d alcanzará un mínimo en el punto ( )
* *
3
*
2
*
1
,..., , ,
k
c c c c P si y sólo si se verifica:
( ) ( ) ( )
( )
* *
3
*
2
*
1
* *
3
*
2
*
1
3
* *
3
*
2
*
1
2
* *
3
*
2
*
1
1
,..., , ,
... ,..., , , ,..., , , 0 ,..., , ,
k
k
k k k
c c c c
c
d
c c c c
c
d
c c c c
c
d
c c c c
c
d


=
= =


=


= =



Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 32

Así:
( ) ( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( ) 0 · · ... · · · · 2
...
· · ... · · · 2
· · ... · · · 2
· · ... · · · · 2 ,..., , ,
1 3 3 2 2 1 1
3 1 3 3 3 3 3 2 2 3 1 1 3
2 1 2 2 3 3 2 2 2 2 1 1 2
1 1 1 1 3 3 1 2 2 1 1 1 1
* *
3
*
2
*
1
1
= − − − − − −
− −
− − − − − − −
− − − − − − −
− − − − − − − =


n n k k n n n n
k k
k k
k k k
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y c c c c
c
d
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ


( ) ( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( ) 0 · · ... · · · · 2
...
· · ... · · · 2
· · ... · · · 2
· · ... · · · · 2 ,..., , ,
2 3 3 2 2 1 1
3 2 3 3 3 3 3 2 2 3 1 1 3
2 2 2 2 3 3 2 2 2 2 1 1 2
1 2 1 1 3 3 1 2 2 1 1 1 1
* *
3
*
2
*
1
2
= − − − − − −
− −
− − − − − − −
− − − − − − −
− − − − − − − =


n n k k n n n n
k k
k k
k k k
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y c c c c
c
d
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ


( ) ( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
...
0 · · ... · · · · 2
...
· · ... · · · 2
· · ... · · · 2
· · ... · · · · 2 ,..., , ,
3 3 3 2 2 1 1
3 3 3 3 3 3 3 2 2 3 1 1 3
2 3 2 2 3 3 2 2 2 2 1 1 2
1 3 1 1 3 3 1 2 2 1 1 1 1
* *
3
*
2
*
1
3
= − − − − − −
− −
− − − − − − −
− − − − − − −
− − − − − − − =


n n k k n n n n
k k
k k
k k k
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y c c c c
c
d
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ


( ) ( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( ) 0 · · ... · · · · 2
...
· · ... · · · 2
· · ... · · · 2
· · ... · · · · 2 ,..., , ,
3 3 2 2 1 1
3 3 3 3 3 3 2 2 3 1 1 3
2 2 2 3 3 2 2 2 2 1 1 2
1 1 1 3 3 1 2 2 1 1 1 1
* *
3
*
2
*
1
= − − − − − −
− −
− − − − − − −
− − − − − − −
− − − − − − − =


n k n k k n n n n
k k k
k k k
k k k k
k
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y c c c c
c
d
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 33

( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( ) 0 · · ... · · ·
...
· · ... · · ·
· · ... · · ·
· · ... · · ·
1 3 3 2 2 1 1
3 1 3 3 3 3 3 2 2 3 1 1 3
2 1 2 2 3 3 2 2 2 2 1 1 2
1 1 1 1 3 3 1 2 2 1 1 1 1
= − − − − − +
+ +
+ − − − − −
+ − − − − − +
+ + + − − −
n n k k n n n n
k k
k k
k k
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ


( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( ) 0 · · ... · · ·
...
· · ... · · ·
· · ... · · ·
· · ... · · ·
2 3 3 2 2 1 1
3 2 3 3 3 3 3 2 2 3 1 1 3
2 2 2 2 3 3 2 2 2 2 1 1 2
1 2 1 1 3 3 1 2 2 1 1 1 1
= − − − − − +
+ +
+ − − − − − +
+ − − − − − +
+ − − − − −
n n k k n n n n
k k
k k
k k
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ


( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( ) 0 · · ... · · ·
...
· · ... · · ·
· · ... · · ·
· · ... · · ·
3 3 3 2 2 1 1
3 3 3 3 3 3 3 2 2 3 1 1 3
2 3 2 2 3 3 2 2 2 2 1 1 2
1 3 1 1 3 3 1 2 2 1 1 1 1
= − − − − − +
+ +
+ − − − − − +
+ − − − − − +
+ − − − − −
n n k k n n n n
k k
k k
k k
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ


( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( ) 0 · · ... · · ·
...
· · ... · · ·
· · ... · · ·
· · ... · · ·
3 3 2 2 1 1
3 3 3 3 3 3 2 2 3 1 1 3
2 2 2 3 3 2 2 2 2 1 1 2
1 1 1 3 3 1 2 2 1 1 1 1
= − − − − − +
+ +
+ − − − − − +
+ − − − − − +
+ − − − − −
n k n k k n n n n
k k k
k k k
k k k
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ


Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 34

( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) [ ] ( )
¦
¦
¦
¦
¦
¦
)
¦
¦
¦
¦
¦
¦
`
¹
= + + − − −
= + + − − −
= + + − − −
= + + − − −
¿
¿
¿
¿
=
=
=
=
0 · · ... · · ·
...
0 · · ... · · ·
0 · · ... · · ·
0 · · ... · · ·
3 3 2 2 1 1
3 3 3 2 2 1 1
2 3 3 2 2 1 1
1 3 3 2 2 1 1
n
i i
i k i k k i i i i
n
i i
i i k k i i i i
n
i i
i i k k i i i i
n
i i
i i k k i i i i
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
x x c x c x c x c y
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ


( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
¦
¦
¦
¦
¦
¦
)
¦
¦
¦
¦
¦
¦
`
¹
+ + + + =
+ + + + =
+ + + + =
+ + + + =
¿ ¿
¿ ¿
¿ ¿
¿ ¿
= =
= =
= =
= =
n
i
i k k i i k i i k i i k
n
i
i k i
n
i
i k i k i i i i i
n
i
i i
n
i
i k i k i i i i i
n
i
i i
n
i
i k i k i i i i i
n
i
i i
x c x x c x x c x x c x y
x x c x c x x c x x c x y
x x c x x c x c x x c x y
x x c x x c x x c x c x y
1
2
3 3 2 2 1 1
1
1
3
2
3 3 2 3 2 1 3 1
1
3
1
2 3 2 3
2
2 2 1 2 1
1
2
1
1 3 1 3 2 1 2
2
1 1
1
1
· ... · · · · · · ·
...
· · ... · · · · · ·
· · ... · · · · · ·
· · ... · · · · · · ·
ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
¦
¦
¦
¦
¦
¦
)
¦
¦
¦
¦
¦
¦
`
¹
+ + + + =
+ + + + =
+ + + + =
+ + + + =
¿ ¿ ¿ ¿ ¿
¿ ¿ ¿ ¿ ¿
¿ ¿ ¿ ¿ ¿
¿ ¿ ¿ ¿ ¿
= = = = =
= = = = =
= = = = =
= = = = =
n
i
i k k
n
i
i i k
n
i
i i k
n
i
i i k
n
i
i k i
n
i
i k i k
n
i
i
n
i
i i
n
i
i i
n
i
i i
n
i
i k i k
n
i
i i
n
i
i
n
i
i i
n
i
i i
n
i
i k i k
n
i
i i
n
i
i i
n
i
i
n
i
i i
x c x x c x x c x x c x y
x x c x c x x c x x c x y
x x c x x c x c x x c x y
x x c x x c x x c x c x y
1
2
1
3 3
1
2 2
1
1 1
1
1
3
1
2
3 3
1
2 3 2
1
1 3 1
1
3
1
2
1
3 2 3
1
2
2 2
1
1 2 1
1
2
1
1
1
3 1 3
1
2 1 2
1
2
1 1
1
1
· ... · · · · · · ·
...
· · ... · · · · · ·
· · ... · · · · · ·
· · ... · · · · · ·
ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 35

( )
( )
( )
( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
(
(
(
(
(
(
¸
(

¸

(
(
(
(
(
(
(
(
(
(
¸
(

¸

=
(
(
(
(
(
(
(
(
(
(
¸
(

¸

¿ ¿ ¿ ¿
¿ ¿ ¿ ¿
¿ ¿ ¿ ¿
¿ ¿ ¿ ¿
¿
¿
¿
¿
= = = =
= = = =
= = = =
= = = =
=
=
=
=
k
A
n
i
i k
n
i
i i k
n
i
i i k
n
i
i i k
n
i
i k i
n
i
i
n
i
i i
n
i
i i
n
i
i k i
n
i
i i
n
i
i
n
i
i i
n
i
i k i
n
i
i i
n
i
i i
n
i
i
b
n
i
i k i
n
i
i i
n
i
i i
n
i
i i
c
c
c
c
x x x x x x x
x x x x x x x
x x x x x x x
x x x x x x x
x y
x y
x y
x y
...
·
... · · ·
...
· ... · ·
· ... · ·
· ... · ·
·
...
·
·
·
3
2
1
1
2
1
3
1
2
1
1
1
3
1
2
3
1
2 3
1
1 3
1
2
1
3 2
1
2
2
1
1 2
1
1
1
3 1
1
2 1
1
2
1
1
1
3
1
2
1
1


ϕ ϕ ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ ϕ ϕ
ϕ
ϕ
ϕ
ϕ

Para simplificar esta ecuación matricial podemos definir una matriz B tal que su
expresión venga dada por:
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
(
(
(
(
(
(
¸
(

¸

=
n k k k k
n
n
n
x x x x
x x x x
x x x x
x x x x
B
ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ
3 2 1
3 3 3 2 3 1 3
2 3 2 2 2 1 2
1 3 1 2 1 1 1
...
...
...
...

De este modo se cumple que B B A
t
· = y
(
(
(
(
(
(
¸
(

¸

=
n
y
y
y
y
B b
...
·
3
2
1

Y la ecuación matricial anterior vendrá dada por:
(
(
(
(
(
(
¸
(

¸

=
(
(
(
(
(
(
¸
(

¸

k
t
n
c
c
c
c
B B
y
y
y
y
B
...
· ·
...
·
3
2
1
3
2
1


Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 36

Ejercicio:
Plantear y resolver el problema de ajuste mínimo cuadrático de una colección de puntos
del plano ( ) ( ) ( ) ( ) { }
n n
y x y x y x y x , ,..., , , , , ,
3 3 2 2 1 1
mediante una función del
tipo ( )
2
·x b a x F + = .

( )
( )
)
`
¹
¹
´
¦
=
=
=
2
2
1
1
: 2
x x
x
k
ϕ
ϕ


( ) ( ) ( )
( ) ( ) ( )
( )
( )
(
(
(
(
¸
(

¸

=
(
¸
(

¸

(
(
(
(
¸
(

¸

(
(
(
(
¸
(

¸

=
(
¸
(

¸

(
(
(
(
¸
(

¸

¿
¿
¿ ¿
¿
¿
¿
¿ ¿
¿ ¿
=
=
= =
=
=
=
= =
= =
n
i
i i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i i
n
i
i i
n
i
i
n
i
i i
n
i
i i
n
i
i
x y
y
b
a
x x
x n
x y
x y
b
a
x x x
x x x
1
2
1
1
4
1
2
1
2
1
2
1
1
1
2
2
1
1 2
1
2 1
1
2
1
·
·
·
·
·
·
·
ϕ
ϕ
ϕ ϕ ϕ
ϕ ϕ ϕ


Aplicar el apartado anterior para determinar la función ( )
2
·x b a x F + = de ajuste mínimo
cuadrático de la colección de puntos ( ) ( ) ( ) ( ) ( ) { } 0 , 3 , 3 , 2 , 5 , 1 , 4 , 0 , 1 , 1 − .

x
( ) x f
1 − 1
0 4
1 5
2 3
3 0

Se trata de calcular los valores de a yb tales que ( ) ( )
¿
=
− − =
5
1
2
2
· ,
i
i i
x b a y b a d sea
mínima.

¹
´
¦
− ≈


(
¸
(

¸

=
(
¸
(

¸

(
¸
(

¸

38 . 0
76 . 3
18
13
·
99 15
15 5
b
a
b
a


Así, ( )
2
· 38 . 0 76 . 3 x x F − =

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 37

Capítulo 3.2.1. AJUSTE DE MÍNIMOS CUADRADOS CON LINEALIZACIÓN DE LOS DATOS:

Ejercicio:
Aproximar una función que pasa por los puntos ( ) 5 . 0 , 1 , ( ) 7 . 1 , 2 , ( ) 4 . 3 , 3 , ( ) 7 . 5 , 4 y
( ) 4 . 8 , 5 mediante una función del tipo ( )
b
x a x F · = , utilizando el método de ajuste de mínimos
cuadrados con linealización de los datos.

x y
1 5 . 0
2 7 . 1
3 4 . 3
4 7 . 5
5 4 . 8

( )

( ) t c c x z z
x b a y
x a y
x a y
x a y
t c c
z
b
b
b
·
ln · ln ln
ln ln ln
· ln ln
·
2 1
2 1
+ = =
+ =
+ =
=
=


x t ln = y z ln =
0 6931 . 0 −
6931 . 0 5306 . 0
0986 . 1 2238 . 1
3863 . 1 7405 . 1
6094 . 1 1282 . 2

(
(
(
(
¸
(

¸

=
(
¸
(

¸

(
(
(
(
¸
(

¸

¿
¿
¿ ¿
¿
=
=
= =
=
n
i
i i
n
i
i
n
i
i
n
i
i
n
i
i
t z
z
c
c
t t
t n
1
1
2
1
1
2
1
1
·
·
¹
´
¦
= =
= = ¬ − =

(
¸
(

¸

=
(
¸
(

¸

(
¸
(

¸


b c
e a c
c
c
7517 . 1
5010 . 0 6912 . 0
5502 . 7
9300 . 4
·
1993 . 6 7874 . 4
7874 . 4 5
2
6912 . 0
1
2
1


( )
7517 . 1
· 5010 . 0 x x F y = =

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 38

Capítulo 4: INTEGRACIÓN NUMÉRICA. MÉTODOS DE COTES Y
MÉTODOS DE GAUSS.

Capítulo 4.1. INTRODUCCIÓN.

El problema a resolver sería calcular, de manera aproximada, integrales definidas de la
forma ( )
}
=
b
a
dx x f I , suponiendo ( ) x f continua en todo el intervalo[ ] b a, .

Si conocemos una función ( ) x F , continua en[ ] b a, , que sea primitiva de f ,
( ) ( ) x f x F =
'
, el problema estaría resuelto, aplicando la regla de Barrow:
( ) ( ) ( ) a F b F dx x f I
b
a
− = =
}
.

Sin embargo, existen funciones, como por ejemplo ( )
2
x
e x f = , que carecen de función
primitiva (definida con funciones elementales), y por tanto, la regla de Barrow no puede
aplicarse.

En conclusión, el problema de evaluar numéricamente una integral definida se nos
presenta cuando no podemos aplicar directamente la regla de Barrow o cuando sólo
conocemos un conjunto de puntos de f , pero no la expresión analítica de la función.

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 39

Capítulo 4.2. FÓRMULAS DE TIPO INTERPOLATORIO.

Las fórmulas de integración numérica, también llamadas de cuadratura, son del tipo
siguiente:
[1]
( ) ( ) ( ) ( ) ( ) ( )
¿
}
=
= + + + + ≈
n
k
k k n n
b
a
x f A x f A x f A x f A x f A dx x f
0
2 2 1 1 0 0
· · ... · · · ,
con [ ] b a x x x x
n
, ,..., , ,
2 1 0
∈ , 1 + n puntos y IR A A A A
n
∈ ,..., , ,
2 1 0
coeficientes denominados
pesos.

Una fórmula de cuadratura [1] se dice que es de tipo interpolatorio si y solamente si, por
definición, dicha fórmula se ha obtenido mediante la integral del polinomio ( ) x P
n
que interpola a
los 1 + n puntos [ ] b a x x x x
n
, ,..., , ,
2 1 0
∈ :
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
} } } }
} } }
+ + + + =
= + + + + = ≈
b
a
n n
b
a
b
a
b
a
b
a
n n
b
a
n
b
a
dx x l x f dx x l x f dx x l x f dx x l x f
dx x l x f x l x f x l x f x l x f dx x P dx x f
· ... · · ·
· ... · · ·
2 2 1 1 0 0
2 2 1 1 0 0

Una fórmula [1] es de tipo interpolatorio si y sólo si ( ) n k dx x l A
b
a
k k
... 0 , = =
}
.

Tomando por nodos los extremos del intervalo[ ] b a, , supongamos que deseamos
calcular vamos a calcular la integral ( )
}
b
a
dx x f mediante la fórmula de
cuadratura ( ) ( ) ( ) ( ) ( ) b f a b a f a b dx x f
b
a
· · − + − ≈
}
. Pero… ¿está fórmula es de tipo
interpolatorio? En principio no podemos afirmar esta hipótesis. Entontes, ¿cómo podemos
tomar los pesos para que la fórmula sea de tipo interpolatorio?

Vamos a ver cómo calculando el polinomio que interpola a f en a x = y b x = e
integrando dicho polinomio llegaremos a la expresión:
( ) ( ) ( ) b f
a b
a f
a b
dx x f
b
a
·
2
·
2

+


}
.

Demostración:
a) Calculamos el polinomio de interpolación, ( ) x P
n
.
De acuerdo con la fórmula de Lagrange, el polinomio que interpola a f en
los 1 + n puntos distintos
n
x x x x ,..., , ,
2 1 0
viene dado por la expresión:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
¿
=
= + + + + =
n
i
i i n n n
x l x f x l x f x l x f x l x f x l x f x P
0
. . . 2 2 . 1 1 . 0 0
· · ... · · ·
Siendo ( ) ( ) ( ) ( ) x l x l x l x l
n
,..., , ,
2 1 0
un polinomio de grado n que se anula en todos los
puntos ( ) [ ] x f x, excepto en uno en que su valor es la unidad,
( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )


= + −
+ −


=
− − − − − −
− − − − − −
=
n
i k
k k i
k
n i i i i i i i i
n i i
i
x x
x x
x x x x x x x x x x x x
x x x x x x x x x x x x
x l
0 1 1 2 1 0
1 1 2 1 0
·...· · ·...· · ·
·...· · ·...· · ·

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 40

Así, obtenemos:
( )
b a
b x
x l


=
0
y ( )
a b
a x
x l


=
1

Y el polinomio de interpolación vendrá dado por:
( ) ( ) ( ) ( ) ( ) ( ) ( )
a b
a x
b f
b a
b x
a f x l b f x l a f x P


+


= + = · · · ·
. 1 . 0 2

b) Integramos ( ) ( )
} }

b
a
n
b
a
dx x P dx x f
( ) ( ) ( ) ( )
( ) ( )
( )
( )
( )
( )
( ) ( )
( ) ( )
=
(
¸
(

¸

|
|
.
|

\
|
− − −

+
(
¸
(

¸

|
|
.
|

\
|
− − −

=
(
¸
(

¸



+
(
¸
(

¸



=
= −

+ −

=


+


=
=
(
¸
(

¸



+


= ≈
} } } }
} } }
2
2 2 2
2
2
2 2
2 2
·
2 2
·
·
2
· ·
2
·
· · · ·
· ·
a
a
ab
b
a b
b f
ab
a
b
b
b a
a f
x a
x
a b
b f
x b
x
b a
a f
dx a x
a b
b f
dx b x
b a
a f
dx
a b
a x
b f dx
b a
b x
a f
dx
a b
a x
b f
b a
b x
a f dx x P dx x f
b
a
b
a
b
a
b
a
b
a
b
a
b
a
b
a
n
b
a

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 41

( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )( )
( ) ( ) ( ) ( )
( )( )
( ) ( ) ( ) ( )
( ) ( )
( )
( ) ( ) ( )
( ) ( ) ( ) [ ] ( )
( ) ( ) [ ] ( ) ( ) b f
a b
a f
a b a b
b f a f
b a
b f a f
b a
b a
b f a f b ab a
b a
b f a f
b a ab
b a
b f a f b a
ab
b a
b f a f
b a
ab
a b b a
a b b f a b a f b a
ab
a b b a
b a b f a b a f
b a
ab
a b
b f
b a
a f b a
ab
a b
b f
b a
a f
b a
ab
a b
b f
b a
a f b a
a b
b f
b a
a f
ab
a b
b f
b a
a f
ab
a b
b f b a
a b
b f b a
b a
a f
ab
b a
a f
ab
b a
a b
b f b a
ab
b a
a f
a
ab
b
a b
b f
ab
a b
b a
a f
a
a
ab
b
a b
b f
ab
a
b
b
b a
a f
a
a
ab
b
a b
b f
ab
a
b
b
b a
a f
·
2
·
2 2
·
1 ·
2
· 1 ·
2
· 1 ·
2
2
·
2
2
·
2
·
2
·
· ·
2
·
· ·
2
·
2
·
2
·
2
· ·
·
2
·
2
· ·
2
·
2
·
2 2
·
2 2
·
2 2
·
2 2
·
2 2
·
2 2
·
2 2 2
2 2 2 2
2 2 2 2
2 2 2 2
2 2 2 2
2 2 2 2
2 2 2 2
2 2 2 2
2
2 2 2
2
2
2
2 2 2
2
2

+

=

+ =
= −

+ = −


+
= −
+ −

+
=
=
− −


=
(
¸
(

¸
+


+
=
=
(
¸
(

¸
+

− −
− + −
=
(
¸
(

¸
+

− −
− − −
=
=
(
¸
(

¸
+

(
¸
(

¸




=
(
¸
(

¸
+

(
¸
(

¸




=
=
(
¸
(

¸
+

(
¸
(

¸




==
+
(
¸
(

¸





(
¸
(

¸




=
=


+

+
+



=
=
(
¸
(

¸


+

+
(
¸
(

¸
+


=
=
(
¸
(

¸

+ −

+
(
¸
(

¸

+ − −

=
=
(
¸
(

¸

+ − −

+
(
¸
(

¸

+ − −

=
=
(
¸
(

¸

|
|
.
|

\
|
− − −

+
(
¸
(

¸

|
|
.
|

\
|
− − −

=

Sin embargo, el probar si una fórmula es o no de tipo interpolatorio se hace más fácil
introduciendo el concepto de grado de precisión.

Capítulo 4.2.1. GRADO DE PRECISIÓN:

Una fórmula de cuadratura tiene grado de precisión al menos n si y sólo si es exacta
para ( ) 1 = x f , ( ) x x f = , ( )
2
x x f = , …, ( )
n
x x f = , y por tanto, para todo polinomio de grado
menor o igual a n .

Definición:
Una fórmula de cuadratura tiene grado de precisión exactamente n si y sólo si es exacta
para ( ) 1 = x f , ( ) x x f = , ( )
2
x x f = , …, ( )
n
x x f = , pero no lo es para ( )
1 +
=
n
x x f .


Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 42

Teorema:
Se verifica que una fórmula de cuadratura, con 1 + n nodos, es de tipo interpolatorio si y
solamente si dicha fórmula es exacta para todo polinomio de grado menor o igual a n tiene
grado de precisión al menos n .

Por tanto, demostrar que ( ) ( ) ( ) b f
a b
a f
a b
dx x f
b
a
·
2
·
2

+


}
equivale a demostrar que
tiene grado de precisión al menos1.

Demostración:
para ( ) 1 = x f :
( ) [ ]
( ) ( ) ( ) ¦
¹
¦
´
¦
− =

+

=

+

=
− = = =
}
} }
a b
a b a b
b f
a b
a f
a b
dx x f
a b x dx dx x f
b
a
b
a
b
a
b
a
2 2
·
2
·
2

para ( ) x x f = :
( )
( ) ( ) ( )
( )( )
¦
¦
¦
¦
¹
¦
¦
¦
¦
´
¦

=
+ −
=
=

+

=

+

=

=
(
¸
(

¸

= =
}
} }
2 2
·
2
·
2
·
2
·
2
2 2
2 2
2 2 2
a b b a a b
b
a b
a
a b
b f
a b
a f
a b
dx x f
a b x
dx dx x f
b
a
b
a
b
a
b
a


Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 43

Capítulo 4.3. FÓRMULAS DE CUADRATURA DE NEWTON – COTES. CERRADAS Y
ABIERTAS.

Son fórmulas de cuadratura de tipo interpolatorio, eligiendo a los puntos de interpolación
equidistantes en el intervalo de integración. Pueden ser de dos tipos: cerradas y abiertas.
En las cerradas, los límites de integración han de ser puntos de interpolación.



En las abiertas, los extremos no deben ser puntos de interpolación.



Capítulo 4.3.1. FÓRMULAS DE NEWTON – COTES CERRADAS:

Veremos los dos casos más sencillos: la fórmula de los trapecios (con dos nodos) y la
fórmula de Simpson (con tres nodos).

Capítulo 4.3.1.1. FÓRMULA DE LOS TRAPECIOS:

La fórmula de los trapecios viene dada por la expresión:
( ) ( ) ( ) b f A a f A dx x f
b
a
· ·
1 0
+ ≈
}




x
y
f(a)
b a
f(b)
f(x)
P
1
(x)
x
0
x
1
x
2
b a … x
3

x
1
x
2
x
3
b=x
n
a=x
0

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 44

Tenemos que calcular los pesos
0
A y
1
A . Para hacer esto podemos escoger entre dos
procedimientos:

a) Calcular el polinomio de interpolación e integrar.

a
( ) a f


[ ]
( ) ( )
a b
a f b f
b a f


= ,

b ( ) b f


( ) ( )
( ) ( )
( ) ( )
( ) ( )
( )
( )
( ) ( )
( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( ) ( )
( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) [ ] ( ) ( ) [ ] b f a f
a b
a f b f a f
a b
a b
a f b f a b a f
a b
a b
a f b f
a b a f
a ab b
a b
a f b f
a b a f
a
ab
b
a b
a f b f
a b a f
a
a
ab
b
a b
a f b f
a b a f
ax
x
a b
a f b f
a b a f dx a x
a b
a f b f
dx a f
dx a x
a b
a f b f
dx a f dx a x
a b
a f b f
a f dx x P
b
a
b
a
b
a
b
a
b
a
b
a
b
a
+

= − +

=
=

− + − =



+ − =
=
(
¸
(

¸
+ −


+ − =
(
¸
(

¸

+ −


+ − =
=
(
¸
(

¸

|
|
.
|

\
|
− − −


+ − =
=
(
¸
(

¸




+ − = −


+ =
= −


+ =
(
¸
(

¸




+ =
} }
} } } }
·
2
· 2 ·
2
2
· ·
2
· ·
2
2
· ·
2 2
· ·
2 2
· ·
2
· · · ·
· ·
2
2 2 2 2
2
2 2
2
1

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 45

b) Aplicar la definición de grado de precisión.
A este método para calcular los pesos también se le denomina método de los
coeficientes indeterminados.
Precisión, al menos, 1.
La fórmula es exacta para ( ) 1 = x f y ( ) x x f = .
Veamos:
para ( ) ( )
1 0
1 A A a b dx x f
b
a
+ = − = ¬ =
}

para ( ) b A a A
a b
xdx x x f
b
a
· ·
2
1 0
2 2
+ =

= ¬ =
}

Tenemos un sistema de dos ecuaciones con dos incógnitas,
0
A y
1
A .
¦
)
¦
`
¹

= +
− = +
2
· ·
2 2
1 0
1 0
a b
A b A a
a b A A

Resolviendo el sistema se obtiene que
1 0
2
A
a b
A =

= .
Así, la expresión de la fórmula de los trapecios vendrá dada por:
( ) ( ) ( ) b f
a b
a f
a b
dx x f
b
a
·
2
·
2

+


}

( ) ( ) ( ) [ ] b f a f
a b
dx x f
b
a
+


}
·
2

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 46

Capítulo 4.3.1.2. FÓRMULA DE SIMPSON:

La fórmula de Simpson viene dada por la expresión:
( ) ( ) ( ) b f A
b a
f A a f A dx x f
b
a
·
2
· ·
2 1 0
+ |
.
|

\
| +
+ ≈
}




Al igual que en la fórmula de los trapecios, podemos calcular los pesos de dos formas
distintas:

a) Calcular el polinomio de interpolación e integrar.
( )
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
( )
( )
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( ) ( ) = − − + − − − − − =
= − −
− −
+
+ − −
− −
+ − −
− −
=
=
− −
− −
+
+
− −
− −
+
− −
− −
=
=
(
¸
(

¸

− −
− −
+
− −
− −
+
− −
− −


} } }
}
} }
}
} }
}
}
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
· ·
2
· · · · · ·
2
· ·
·
· · ·
·
· · ·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
1 0
2
2
2 0
2
1
2 1
2
0
1 0
1 2 0 2
2
2 0
2 1 0 1
1
2 1
2 0 1 0
0
2
1 2 0 2
1 0
1
2 1 0 1
2 0
0
2 0 1 0
2 1
2
1 2 0 2
1 0
1
2 1 0 1
2 0
0
2 0 1 0
2 1
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
b
a
dx x x x x
h
x f
dx x x x x
h
x f
dx x x x x
h
x f
dx x x x x
x x x x
x f
dx x x x x
x x x x
x f
dx x x x x
x x x x
x f
dx x f
x x x x
x x x x
dx x f
x x x x
x x x x
dx x f
x x x x
x x x x
dx x f
x x x x
x x x x
x f
x x x x
x x x x
x f
x x x x
x x x x
dx x f

x
y
f(a)
b a
f(b)
(a+b)/2
f((a+b)/2)

P
2
(x)
f(x)
2h
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 47

( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( )
( )
( ) ( )
( )
( )
( )
[ ]
( )
[ ]
( )
[ ]
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( ) [ ] ( ) ( )
(
¸
(

¸

+ |
.
|

\
| +
+

= + + =
= + + = + + =
=
(
¸
(

¸

+ +
(
¸
(

¸

− −
(
¸
(

¸

− =
=
= + + − − − =
= + + − + − − =
¹
´
¦
=
= −
= − − + − − − − − =
− − −
− − −
− − −
} } }
} } }
} } }
b f
b a
f a f
a b
x f x f x f
h
h x f h x f h x f h
h
x f
h
h
x f
h
h
x f
t t
h
h
x f
t h
t
h
x f t
h
t
h
x f
dt t ht
h
x f
dt h t
h
x f
dt ht t
h
x f
dt t t h
h
x f
dt h t t h
h
x f
dt h t t
h
x f
dt dx
t x x
dx x x x x
h
x f
dx x x x x
h
x f
dx x x x x
h
x f
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
x
x
x
x
x
x
2
· 4 ·
6
· 4 ·
3
·
3
1
· ·
3
4
· ·
3
1
· ·
3
2
·
2
·
3
4
·
3
2
·
2
3 2
· ·
2 3
·
2
·
3
·
2
·
2
· · · ·
2
· ·
2
· · · · · ·
2
: variable de Cambio
· ·
2
· · · · · ·
2
2 1 0
2
3
1 0
3
2
2 3
2
1 3
2
0
3 2
2
2 2
3
2
1
2 3
2
0
2
2
2 2 2
2
1 2
2
0
2
2
2
1
2
0
1
1 0
2
2
2 0
2
1
2 1
2
0
2
0
2
0
2
0

b) Aplicar la definición de grado de precisión.
Precisión, al menos, 2.
La fórmula es exacta para ( ) 1 = x f , ( ) x x f = y ( )
2
x x f = .
Veamos:
para ( ) ( )
2 1 0
1 A A A a b dx x f
b
a
+ + = − = ¬ =
}

para ( ) b A
b a
A a A
a b
xdx x x f
b
a
·
2
· ·
2
2 1 0
2 2
+
+
+ =

= ¬ =
}

para ( )
2
2
2
1
2
0
3 3
2
·
2
· ·
2
b A
b a
A a A
a b
xdx x x f
b
a
+ |
.
|

\
| +
+ =

= ¬ =
}

Tenemos un sistema de tres ecuaciones con tres incógnitas,
0
A ,
1
A y
2
A .
¦
¦
¦
)
¦
¦
¦
`
¹

= + |
.
|

\
| +
+

= +
+
+
− = + +
2
· ·
2
·
2
· ·
2
·
3 3
2
2
1
2
0
2
2 2
2 1 0
2 1 0
a b
A b A
b a
A a
a b
A b A
b a
A a
a b A A A

Resolviendo el sistema se obtiene que
6
0
a b
A

= , ( ) a b A − = ·
3
2
1
y
6
2
a b
A

= .
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 48

Así, la expresión de la fórmula de Simpson vendrá dada por:
( ) ( ) ( ) ( ) b f
a b b a
f a b a f
a b
dx x f
b
a
·
6 2
· ·
3
2
·
6

+ |
.
|

\
| +
− +


}

( ) ( ) ( )
(
¸
(

¸

+ |
.
|

\
| +
+


}
b f
b a
f a f
a b
dx x f
b
a
2
· 4 ·
6


Sabemos que, en la fórmula de los trapecios, el grado de precisión es al menos 1 y en la
fórmula de Simpson, al menos 2. ¿Cómo podemos saber si dichos grados de precisión son
exactamente esos?

Para la fórmula de los trapecios, ¿es exacta para ( )
2
x x f = ?



( ) ( ) [ ] [ ]
[ ]
3 3
3 3
3 3
3 3 3
2
·
2 3
·
2
·
2
3 3
b a
a b a b
b a
a b
b f a f
a b
a b x
dx x
b
a
b
a
+



¦
¦
)
¦
¦
`
¹
+

= +


=
(
¸
(

¸

=
}


No se cumple la igualdad, luego la fórmula no es exacta para ( )
2
x x f = , y por tanto, el
grado de precisión es exactamente 1.
x
y
f(a)
b a
f(b)
f(x)
P
1
(x)
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 49

Para la fórmula de los trapecios, ¿es exacta para ( )
3
x x f = ?



( ) ( )
(
(
¸
(

¸

+ |
.
|

\
| +
+

=

¬
¬
¦
¦
)
¦
¦
`
¹
(
(
¸
(

¸

+ |
.
|

\
| +
+

=
(
¸
(

¸

+ |
.
|

\
| +
+


=
(
¸
(

¸

=
}
4
4
4
4 4
4
4
4
4 4 4
3
2
4 ·
2 4
2
4 ·
2 2
4 ·
6
4 4
b
b a
a
a b a b
b
b a
a
a b
b f
b a
f a f
a b
a b x
dx x
b
a
b
a


Sí. Ambas expresiones son exactamente iguales y por tanto podemos afirmar que el
grado de precisión es, al menos, 3.

¿Es exacta para ( )
4
x x f = ?

( ) ( )
(
(
¸
(

¸

+ |
.
|

\
| +
+



¬
¬
¦
¦
)
¦
¦
`
¹
(
(
¸
(

¸

+ |
.
|

\
| +
+

=
(
¸
(

¸

+ |
.
|

\
| +
+


=
(
¸
(

¸

=
}
5
5
5
5 5
5
5
5
5 5 5
4
2
4 ·
2 5
2
4 ·
2 2
4 ·
6
5 5
b
b a
a
a b a b
b
b a
a
a b
b f
b a
f a f
a b
a b x
dx x
b
a
b
a


No se cumple la igualdad, luego la fórmula no es exacta para ( )
2
x x f = , y por tanto, el
grado de precisión es exactamente 1.
x
y
f(a)
b a
f(b)
(a+b)/2
f((a+b)/2)

P
2
(x)
f(x)
2h
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 50

Gráficamente:



( )
[ ]
¦
¦
)
¦
¦
`
¹
¦
¦
¹
¦
¦
´
¦
= = + +
= + + =
(
¸
(

¸

+ +
= + +
}
10 30 ·
30
1
13 4 · 4 1
6
2
10 2 4 4
2
2
4
1 2
2
0
2 4
2
0
3
x
x x
dx x x

Capítulo 4.3.1.3. ERROR EN LA FÓRMULA DE LOS TRAPECIOS:

Dada la fórmula de los trapecios:
( ) ( ) ( ) [ ] T b f a f
a b
dx x f
b
a
= +


}
·
2


El error cometido vendrá dado por:
( ) ( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( ) ( ) ( )
} }
} } } }
− − = − − =
= = − = − =
b
a
x
b
a
x
b
a
b
a
b
a
b
a
T
dx b x a x c f dx b x a x c f
dx x e dx x P x f dx x P dx x f E
· · · ·
! 2
1
· · · ·
! 2
1
·
' ' ' '
1 1 1


x
y
f(a)
b a
f(b)
(a+b)/2
f((a+b)/2)


f(x)
2h
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 51

Definición: Segundo teorema del valor medio del cálculo integral:

Sea f una función continua en el intervalo cerrado[ ] b a, y sea g una función integrable,
tal que g no cambia de signo en[ ] b a, . Si f y g verifican estas hipótesis, entonces existe un
punto ( ) b a c , ∈ tal que ( ) ( ) ( ) ( )
} }
=
b
a
b
a
dx x g c f dx x g x f · · · · .

Hipótesis:
• f continua en[ ] b a,
• g integrable en[ ] b a,
• signo de g constante en[ ] b a,

Tesis:
( ) ( ) ( ) ( ) ( )
} }
= ∈ ∃
b
a
b
a
dx x g c f dx x g x f b a c · · · · ,
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) [ ] ( )
( ) ( ) ( ) ( )
3 ' '
3
' '
3 3
' '
0
2 3
' '
0
2 ' '
0
' '
' ' ' '
· ·
12
1
6
· ·
! 2
1
2 3
· ·
! 2
1
2
·
3
· ·
! 2
1
· · ·
! 2
1
· · · ·
! 2
1
: variable de Cambio
· · · ·
! 2
1
· · · ·
! 2
1
a b c f
h
c f
h h
c f
t
h
t
c f dt ht t c f dt h t t c f
dt dx
t a x
dx b x a x c f dx b x a x c f E
h
h h
b
a
b
a
x
T
− − = − =
(
¸
(

¸

− =
=
(
¸
(

¸

+ = + = − =
¹
´
¦
=
= −
= − − = − − =
} }
} }

( ) ( )
3 ' '
· ·
12
1
a b c f E
T
− − =

Consideración:
El error será cero si y sólo si ( ) 0
' '
= c f , esto implica que ( ) x f sea un polinomio de grado
menor o igual a uno. Es decir, la fórmula tiene un grado de precisión exactamente uno, tal
como ya había sido demostrado anteriormente.

Capítulo 4.3.1.4. ERROR EN LA FÓRMULA DE SIMPSON:

Dada la fórmula de Simpson:
( ) ( ) ( ) S b f
b a
f a f
a b
dx x f
b
a
=
(
¸
(

¸

+ |
.
|

\
| +
+


}
2
· 4 ·
6


Se demuestra que si f tiene derivada cuarta y es continua en[ ] b a, , entonces existe un
punto ( ) b a c , ∈ tal que:
( ) ( )
( )
( ) ( )
5 4
2
· ·
32 · 90
1
a b c f dx x P dx x f E
b
a
b
a
S
− = − =
} }

( )
( ) ( )
5 4
· ·
32 · 90
1
a b c f E
S
− =

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 52

Capítulo 4.3.2. FÓRMULAS DE NEWTON – COTES ABIERTAS:

Estudiaremos las fórmulas de Newton – Cotes abiertas con un solo nodo (fórmula del
punto medio) y con dos nodos.

Capítulo 4.3.2.1. FÓRMULA DE NEWTON – COTES ABIERTA CON UN SOLO NODO O FÓRMULA
DEL PUNTO MEDIO:

Con un único nodo, la fórmula vendrá dada por la expresión:
( ) ( )
|
.
|

\
| +
= ≈
}
2
· ·
0 0 0
b a
f A x f A dx x f
b
a






Tenemos que calcular el pesos
0
A . Para hacer esto podemos escoger entre dos
procedimientos:
a) Calcular el polinomio de interpolación e integrar.
( )
2
0
b a
x P
+
=
( ) [ ] ( ) a b
b a
x
b a
dx
b a
dx
b a
dx x P
b
a
b
a
b
a
b
a

+
=
+
=
+
=
(
¸
(

¸
+
=
} } }
·
2
·
2 2 2
0

b) Aplicar la definición de grado de precisión.
La fórmula, al ser de tipo interpolatorio, tiene un grado de precisión al menos 0 , es
decir, es exacta para ( ) 1 = x f :
( ) [ ] ( )
( )
a b A
b a
A
b a
f A dx x f
b a
a b x
b a
dx
b a
dx x f
b
a
b
a
b
a
b
a
− =
¦
¦
)
¦
¦
`
¹
+
=
|
.
|

\
| +

|
.
|

\
| +
− = |
.
|

\
| +
= |
.
|

\
| +
=
}
} }
0
0 0
2
·
2
·
2
·
2 2

x
y
f(a)
b a
f(b)
f(x)
P
0
(x)
x
0

a b
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 53

Así, obtenemos:
( ) ( )
|
.
|

\
| +
− ≈
}
2
·
b a
f a b dx x f
b
a


Vamos ahora a calcular cual es el orden de precisión de dicha fórmula. Sabemos que
tiene un grado de precisión al menos 0 , esto es, es exacta para ( ) 1 = x f , pero, ¿es exacta
para ( ) x x f = ?

( )
( ) ( ) ( )
( )
2 2
·
2
·
2
·
2 2
·
2 2
2 2 2
a b b a
a b
b a
a b
b a
f a b dx x f
a b x
dx x dx x f
b
a
b
a
b
a
b
a

=
+

¦
¦
)
¦
¦
`
¹
+
− =
|
.
|

\
| +
− ≈

=
(
¸
(

¸

= =
}
} }


Sí, la fórmula también es exacta para ( ) x x f = , luego su grado de precisión es, al
menos, 2 . Y ahora, ¿es exacta para ( )
2
x x f = ?

( )
( ) ( ) ( )
( )
( )
( )
3 4
·
4
·
2
·
3 3
·
3 3 2
2
3 3 3
2
a b b a
a b
b a
a b
b a
f a b dx x f
a b x
dx x dx x f
b
a
b
a
b
a
b
a


+

¦
¦
)
¦
¦
`
¹
+
− = |
.
|

\
| +
− ≈

=
(
¸
(

¸

= =
}
} }


No, luego el grado de precisión de la fórmula es exactamente, 2 .

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 54

Capítulo 4.3.2.2. FÓRMULA DE NEWTON – COTES ABIERTA CON DOS NODOS:

Ejercicio:
Deducir la fórmula de Newton – Cotes abierta con dos nodos en el intervalo[ ] b a, . ¿Cuál
es el orden de precisión de dicha fórmula?

Aplicarla al cálculo aproximado de la integral ( )
}
=
1
0
cos dx x I π y calcular, exactamente, el
error cometido.

Con dos nodos, la fórmula buscada vendrá dada por la expresión:
( ) ( ) ( )
1 1 0 0
· · x f A x f A dx x f
b
a
+ ≈
}




3
a b
h

=
3
2
3
2 2 3
3
2 · 2
3
2
3
3
3
1
0
a b a b a a b
a h a x
b a a b a a b
a h a x
+
=
− +
=

+ = + =
+
=
− +
=

+ = + =




x
0
a b x
0

h
x
y
f(a)
b a
f(b)
f(x)
P
1
(x)
x
0
x
1

f(x
0
)
f(x
1
)
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 55

Tenemos que calcular los pesos
0
A y
1
A . Para hacer esto podemos escoger entre dos
procedimientos:
a) Calcular el polinomio de interpolación e integrar.
( ) ( )
( ) ( )
( )
0
0 1
0 1
0 1
· x x
x x
x f x f
x f x P −


+ =
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( )
( )
( ) ( )
( ) ( )
( ) ( )
( )
( )
( ) ( ) ( )
( )
( ) ( )
( ) ( ) ( ) [ ] ( ) ( ) ( )
( ) ( ) ( ) ( ) [ ]
(
¸
(

¸

|
.
|

\
| +
+ |
.
|

\
| + −
= + = + =
= − + = − + =
=
(
¸
(

¸



+ =
(
(
¸
(

¸

− −
+ =
= −


+ = −


+ =
= −


+ =
(
¸
(

¸




+ =
} } }
} } } }
3
2
3
2
·
2
·
2
3
·
2
3
·
2
3
·
2
3
·
2
3
· 3
2
3
· 3 ·
2 2
4
· 3 ·
2
· 3 ·
· 3 · · ·
· ·
1 0 1 0
0 1 0 0 1 0
2 2
0 1
0
2
0 0 1
0
0
0 1
0 1
0 0
0 1
0 1
0
0
0 1
0 1
0 0
0 1
0 1
0 1
a b
f
b a
f
a b
x f x f
h
x f
h
x f
h
x f
h
x f
h
x f h
h
x f x f h x f
h h
h
x f x f
h x f
x x
h
x f x f
h x f
dx x x
x x
x f x f
h x f dx x x
x x
x f x f
dx x f
dx x x
x x
x f x f
dx x f dx x x
x x
x f x f
x f dx x P
b
a
b
a
b
a
b
a
b
a
b
a
b
a
b
a

b) Aplicar la definición de grado de precisión.
La fórmula, al ser de tipo interpolatorio, tiene un grado de precisión al menos1, es
decir, es exacta para ( ) 1 = x f y ( ) x x f = :
Para ( ) 1 = x f :
( ) [ ] ( )
( )
a b A A
A A
a b
f A
b a
f A dx x f
a b x dx dx x f
b
a
b
a
b
a
b
a
− = +
¦
¦
)
¦
¦
`
¹
+ = |
.
|

\
| +
+ |
.
|

\
| +

− = = =
}
} }
1 0
1 0 1 0
2
2
·
2
2
·

Para ( ) x x f = :
( )
( )
2 2
2
·
2
2
·
2
2
·
2
2
·
2
2
·
2
2
·
2 2
2 2
1 0
1 0 1 0
2 2 2
a b a b
A
b a
A
a b
A
b a
A
a b
f A
b a
f A dx x f
a b x
xdx dx x f
b
a
b
a
b
a
b
a

=
+
+
+
¬
¬
¦
¦
)
¦
¦
`
¹
+
+
+
= |
.
|

\
| +
+ |
.
|

\
| +


=
(
¸
(

¸

= =
}
} }

Tenemos un sistema de dos ecuaciones con dos incógnitas,
0
A y
1
A .
¦
)
¦
`
¹

=
+
+
+
− = +
2 2
2
·
2
2
·
2 2
1 0
1 0
a b a b
A
b a
A
a b A A

Resolviendo el sistema se obtiene que
1 0
2
A
a b
A =

=
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 56

Así, obtenemos:
( )
(
¸
(

¸

|
.
|

\
| +
+ |
.
|

\
| + −

}
3
2
3
2
·
2
a b
f
b a
f
a b
dx x f
b
a


Vamos ahora a calcular cual es el orden de precisión de dicha fórmula. Sabemos que
tiene un grado de precisión al menos1, esto es, es exacta para ( ) 1 = x f y ( ) x x f = , pero, ¿es
exacta para ( )
2
x x f = ?

( )
( ) ( ) ( )
( )
2 2
·
2
·
2
·
3 3
·
2 2
3 3 3
2
a b b a
a b
b a
a b
b a
f a b dx x f
a b x
dx x dx x f
b
a
b
a
b
a
b
a

=
+

¦
¦
)
¦
¦
`
¹
+
− =
|
.
|

\
| +
− ≈

=
(
¸
(

¸

= =
}
} }


Sí, la fórmula también es exacta para ( ) x x f = , luego su grado de precisión es, al
menos, 2 . Y ahora, ¿es exacta para ( )
2
x x f = ?

( )
( )
3 3
2
3
2
·
2
3
2
3
2
·
2 3
2
3
2
·
2
3 3
·
3 3
2 2
2 2
3 3 3
2
a b a b b a a b
a b b a a b a b
f
b a
f
a b
dx x f
a b x
dx x dx x f
b
a
b
a
b
a
b
a


(
(
¸
(

¸

|
.
|

\
| +
+ |
.
|

\
| + −
¬
¬
¦
¦
)
¦
¦
`
¹
(
(
¸
(

¸

|
.
|

\
| +
+ |
.
|

\
| + −
=
(
¸
(

¸

|
.
|

\
| +
+ |
.
|

\
| + −


=
(
¸
(

¸

= =
}
} }


No, luego el grado de precisión de la fórmula es exactamente, 1.

Así, aplicamos el resultado anterior para calcular el valor aproximado de la integral
( )
}
=
1
0
cos dx x I π :
( ) 0
2
1
2
1
·
2
1
3
2
cos
3
cos ·
2
0 1
cos
1
0
=
(
¸
(

¸

− =
(
¸
(

¸

|
.
|

\
|
− |
.
|

\
| −
≈ =
}
π π
π dx x I

Calculamos el error cometido:
( ) ( ) ( ) [ ] ( ) ( ) [ ] 0 0 ·
1
0 ·
1
·
1
·
1
cos
1
0
1
0
1
0
= = − = =
(
¸
(

¸

≈ =
}
π
π
π
π
π
π
π
π sen sen x sen x sen dx x I
Luego, 0 error = .
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 57

Teorema:
El orden de precisión de una fórmula de Newton – Cotes (cerrada o abierta) simple
con 1 + n nodos es igual a:
¹
´
¦
par es si
impar es si
n n
n n


Por ejemplo:
Fórmula de los trapecios 1 precisión =
Fórmula de Simpson 3 precisión =
Regla del punto medio 1 precisión =
Abierta con dos nodos 1 precisión =

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 58

Capítulo 4.4. FÓRMULAS DE CUADRATURA COMPUESTAS. REGLA DE LOS
TRAPECIOS Y REGLA DE SIMPSON.

Se obtienen dividiendo el intervalo[ ] b a, en n subintervalos y aplicando a cada uno de
ellos una fórmula de cuadratura sencilla.

Capítulo 4.4.1. FÓRMULA DE LOS TRAPECIOS COMPUESTA:

Dado el intervalo[ ] b a, y 1 ≥ n , sea
n
a b
h

= y definimos n i i
n
a b
a x
i
... 0 , · =

+ = .



En el intervalo[ ]
1
,
+ i i
x x se reemplaza la función integrando f .



Así, el valor de la integral en dicho subintervalo vendrá dado por:
( ) ( ) ( ) [ ]
1
·
2
1
+
+ ≈
}
+
i i
x
x
x f x f
h
dx x f
i
i


x
0

x
y
x
1
x
2
x
3

f(x
0
)
f(x
2
)
f(x
1
)
f(x
3
)
f(x)
x
1
x
2
x
3
b=x
n
a=x
0

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 59

Extendiendo este resultado a todos los subintervalos en los que hemos dividido el
intervalo inicial [ ] b a, , obtenemos:
( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ]
( ) ( ) ( )
(
¸
(

¸

+ +

=
= + + + + + + + =
= + ≈ =
¿
¿ ¿
} }

=


=
+

=
+
b f x f a f
n
a b
x f x f x f x f x f x f x f
h
dx x f x f
h
dx x f dx x f
n
i
i
n n
n
i
i i
n
i
x
x
b
a
i
i
1
1
1 2 2 1 1 0
1
0
1
1
0
· 2 ·
2
... ·
2
·
2
1

( ) ( ) ( ) ( )
(
¸
(

¸

+ +


¿
}

=
b f x f a f
n
a b
dx x f
n
i
i
b
a
1
1
· 2 ·
2


Capítulo 4.4.1.1. ERROR EN LA FÓRMULA DE LOS TRAPECIOS COMPUESTA:



El error en la fórmula simple para un intervalo[ ] b a, venía dado por la expresión:
( ) ( )
3 ' '
· ·
12
1
a b c f E
T
− − =

El error cometido en la fórmula simple es la suma de los errores cometidos en cada uno
de los intervalos[ ]
1
,
+ i i
x x en los que se ha dividido el intervalo inicial [ ] b a, .

Así:
( )
( )
( ) ( )
( )
( ) ( )
( )
( )
( )
( )
( ) = − −
− − − − − − − =


∈ ∈ ∈

3
1
,
' '
3
2 3
,
3
' ' 3
1 2
,
2
' ' 3
0 1
,
1
' '
· ·
12
1
... · ·
12
1
· ·
12
1
· ·
12
1
1
3 2 3 2 1 2 1 0 1
n n
x x c
n
x x c x x c x x c
T
n
x x c f
x x c f x x c f x x c f E
n n n

x
y
f(x
0
)
x
2
x
0

f(x
2
)
x
1

f(x
1
)

f(x)
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 60

( ) ( )
( )
( )
( )
1 1 1 1
,
1
' '
3
1
0
,
1
' '
3
1
0
1
· ·
12
1
· ·
12
1
+ + + +

+

=

+

=
+ ¿ ¿
− = − − =
i i i i i i
x x c
i
n
i
x x c
i
n
i
i i
c f h c f x x

Tenemos que acotar
' '
f en el intervalo[ ] b a, . Es decir, tenemos que
calcular
[ ]
( ) { } x f M
b a x
' '
,
max

= y
[ ]
( ) { } x f m
b a x
' '
,
min

= , suponiendo
' '
f continua en[ ] b a, .

De este modo se verifica:
( ) M n c f m n
n
i
i
· ·
1
0
1
' '
≤ ≤
¿

=
+


Dividiendo entre n :
( )
M
n
c f
m
n
i
i
≤ ≤
¿

=
+
1
0
1
' '


Aplicando el teorema del valor medio:

Si ) (x f es continua en[ ] b a, , la función alcanza en ese intervalo todos los valores
comprendidos entre ) (a f y ) (b f .

[ ]
K c f
b a c
b f K a f
=
∈ ∃
< <
) (
,
) ( ) (




Hipótesis:
• f es continua en[ ] b a,
• ( ) ( ) ( ) b f a f K , ∈

Tesis:
( ) ( ) K c f b a c = ∈ ∃ ,

Así:
[ ] ( )
( )
n
c f
c f b a c
n
i
i ¿

=
+
= ∈ ∃
1
0
1
' '
' '
,
x
y
a b c’ c’’ c’’’
f(b)
f(a)
K
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 61

Y por tanto:
( )
( )
( )
( )
( )
( ) b a c b a c x x c
i
n
i
T
n
c f n
n
a b
c f n h c f h E
i i i
,
' '
3
,
' ' 3
,
1
' '
3
1
0
· · ·
12
1
· · ·
12
1
· ·
12
1
1 1
∈ ∈ ∈
+

=
|
.
|

\
| −
− = − = − =
+ +
¿

( ) ( )
( ) b a c
T
n
c f a b
n
E
,
' ' 3
2
· ·
· 12
1

− − =

Capítulo 4.4.2. FÓRMULA DE SIMPSON COMPUESTA:

Dado el intervalo[ ] b a, y 1 ≥ n , sea
n
a b
h
2

= y definimos:
( )
¹
´
¦
= − + =
= + =
n i h i a z
n i hi a x
i
i
... 1 , 1 2
... 0 , 2
.



El procedimiento a seguir sería análogo al visto en la fórmula compuesta de los
trapecios:

En el intervalo[ ]
1
,
+ i i
x x se reemplaza la función integrando f .



La fórmula simple de Simpson venía dada por la expresión:
( ) ( ) ( )
(
¸
(

¸

+ |
.
|

\
| +
+


}
b f
b a
f a f
a b
dx x f
b
a
2
· 4 ·
6

x
1
x
2
x
3
b=x
n
a=x
0

x
0

x
y
x
1
x
2
x
3

f(x
0
)
f(x
2
)
f(x
1
)
f(x
3
)
f(x)
z
1
z
2
z
3

P(x)
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 62

Así, el valor de la integral en el subintervalo[ ]
1
,
+ i i
x x vendrá dado por:
( ) ( ) ( ) ( ) [ ]
1 1 1
· 4 ·
3
1
+ +
+ + ≈
}
+
i i
x
x
x f z f x f
h
dx x f
i
i


Extendiendo este resultado a todos los subintervalos en los que hemos dividido el
intervalo inicial [ ] b a, , obtenemos:
( ) ( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
(
¸
(

¸

+ + +

=
=
(
¸
(

¸

+ + + =
= + + + + + + + + + =
= + + ≈ =
¿ ¿
¿ ¿
¿ ¿
} }
=

=
=

=


=
+ +

=
+
n
n
i
i
n
i
i
n
n
i
i
n
i
i
n n n
n
i
i i i
n
i
x
x
b
a
x f z f x f x f
n
a b
x f z f x f x f n
h
x f z f x f x f z f x f x f z f x f
n
h
x f z f x f
h
dx x f dx x f
i
i
1
1
1
0
1
1
1
0
1 2 2 1 1 1 0
1
0
1 1
1
0
· 2
6
· 4 · 2 · ·
3
· 4 ... · 4 · 4 ·
3
· 4 ·
3
1

( ) ( ) ( ) ( ) ( )
(
¸
(

¸

+ + +


¿ ¿
}
=

=
n
n
i
i
n
i
i
b
a
x f z f x f x f
n
a b
dx x f
1
1
1
0
· 2
6


Capítulo 4.4.2.1. ERROR EN LA FÓRMULA DE SIMPSON COMPUESTA:

El error en la fórmula simple para un intervalo[ ] b a, venía dado por la expresión:
( )
( ) ( )
5 4
· ·
32 · 90
1
a b c f E
S
− =

El error cometido en la fórmula simple es la suma de los errores cometidos en cada uno
de los intervalos[ ]
1
,
+ i i
x x en los que se ha dividido el intervalo inicial [ ] b a, .

Así:
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
5
,
1
4
1
0
5
,
1
4
1
0
5
1
,
1
4
1
0
5
1
,
3
4
5
2 3
,
3
4 5
1 2
,
2
4 5
0 1
,
1
4
· ·
90
1
2 · ·
32 · 90
1
· ·
32 · 90
1
· ·
32 · 90
1
... · ·
32 · 90
1
· ·
32 · 90
1
· ·
32 · 90
1
1 1
1 1 1 1 1
3 2 3 2 1 2 1 0 1
h c f
h c f x x c f x x c f
x x c f x x c f x x c f E
i i i
i i i i i i n n n
x x c
i
n
i
x x c
i
n
i
i i
x x c
i
n
i
n n
x x c
x x c x x c x x c
S
n
+ +
+ + + + −

+

=

+

=
+

+

=


∈ ∈ ∈
¿
¿ ¿
=
= = − = − +
+ + − + − + − =

Tenemos que acotar
( ) 4
f en el intervalo[ ] b a, . Es decir, tenemos que
calcular
[ ]
( )
( ) { } x f M
b a x
4
,
max

= y
[ ]
( )
( ) { } x f m
b a x
4
,
min

= , suponiendo
( ) 4
f continua en[ ] b a, .

De este modo se verifica:
( )
( ) M n c f m n
n
i
i
· ·
1
0
1
4
≤ ≤
¿

=
+


Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 63

Dividiendo entre n :
( )
( )
M
n
c f
m
n
i
i
≤ ≤
¿

=
+
1
0
1
4


Aplicando el teorema del valor medio:
[ ]
( )
( )
( )
( )
n
c f
c f b a c
n
i
i ¿

=
+
= ∈ ∃
1
0
1
4
4
,

Así:
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
5
,
4
1
0
4 5
5
,
4
1
0
5
,
4
1
0
5
,
4
1
0
5
,
1
4
1
0
· ·
· 32 · 90
1
· 32
· · ·
90
1
2
· · ·
90
1
· · ·
90
1
· ·
90
1
1 1
a b c f
n n
a b
c f n
n
a b
c f n h c f n h c f E
b a c
n
i
b a c
n
i
b a c
n
i
b a c
n
i
x x c
i
n
i
S
n
i i i
− =

=
=
|
.
|

\
| −
= = =


=


=


=


=

+

=
¿ ¿
¿ ¿ ¿
+ +

( )
( )
( )
( )
5
,
4
1
0
4
· ·
· 32 · 90
1
a b c f
n
E
b a c
n
i
S
n
− =


=
¿


Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 64

Capítulo 5: RESOLUCIÓN NUMÉRICA DE ECUACIONES NO –
LINEALES.

Capítulo 5.1. INTRODUCCIÓN.

El objetivo buscado es calcular los valores de x que satisfacen la identidad ( ) 0 = x F .
Gráficamente, se trata de calcular las raíces de una función:



Diremos que α = x es una raíz de F si ( ) 0 = α F .
Si F es un polinomio:
• de primer grado:
a
b
x b ax − = ⇔ = + 0
• de segundo grado:
a
ac b b
x c bx ax
2
4
0
2
2
− ± −
= ⇔ = + +

Existen métodos directos para polinomios de grado tres o cuatro, pero a partir de grado
cinco no existen métodos directos generales, aunque puede darse algún caso particular.

Por otra parte, si F no es polinómica, por ejemplo: ( ) ( ) x sen e x F
x
− =

, debemos
recurrir a métodos iterativos; esto es, calcular una sucesión numérica que sea convergente
hacia una de las raíces de la función:
{ } { } ( ) 0 , = →  α α F x x
n n


Capítulo 5.1.1. MÉTODOS DE SEPARACIÓN DE RAÍCES. GRÁFICOS Y TEÓRICOS:

Diremos que una raíz de la ecuación ( ) 0 = x F está separada en el intervalo I si es la
única solución que existe en dicho intervalo.

x
y
x=
f(x)
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 65

Capítulo 5.1.1.1. MÉTODOS GRÁFICOS:

Mediante la gráfica de la función F podemos, en ocasiones, solucionar el problema de la
separación de raíces.

En ocasiones es útil representar
2 1
g g F + =



Así, la abscisa correspondiente al punto de intersección corresponde a una raíz de F .

Por ejemplo:
( ) ( ) x sen e x F
x
− =



x
y
x=
g
1
(x)
g
2
(x)
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 66

Capítulo 5.1.1.2. MÉTODOS TEÓRICOS:

Se basan en la aplicación de los teoremas de Bolzano y Rolle.

Capítulo 5.1.1.2.1. TEOREMA DE BOLZANO:

Si una función es continua en un intervalo cerrado[ ] b a, y toma valores de distinto signo
en a y en b, existe al menos un punto
0
x interior al intervalo en el cual 0 ) (
0
= x f .



Hipótesis:
• f es continua en[ ] b a,
• ( ) ( ) 0 · < b f a f

Tesis:
( ) ( ) 0 , = ∈ ∃ c f b a c

x
y
a b c’ c’’ c’’’
f(b)
f(a)
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 67

Capítulo 5.1.1.2.2. TEOREMA DE ROLLE:

Si una función ) (x f es continua en el intervalo cerrado[ ] b a, y derivable en el intervalo
abierto( ) b a, , verificando además que ) ( ) ( b f a f = , entonces existe al menos un
punto [ ] b a c , ∈ en el que se verifica que 0 ) ( ' = c f
• ) (x f es constante

o 0 ) ( ' ) ( = ¬ = x f K x f
o se verifica en todos los puntos del intervalo
• ) (x f no es constante

y
x
a b
f(a) f(b)
c
y
x
a b
f(a) f(b)
c
y
x
a b
f(a) f(b)
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 68

Teorema:
Un primer resultado afirma que entre dos raíces consecutivas de
'
F existe, a lo sumo,
una raíz de F .





Otro método consiste en aplicar conjuntamente los teoremas de Bolzano y Rolle para
demostrar la unicidad de una raíz en un intervalo[ ] b a, .

Hipótesis:
• F continua en[ ] b a,
• F derivable en( ) b a,
• ( ) ( ) 0 · < b F a F
• ( ) ( ) b a x x F , , 0
'
∈ ∀ ≠

Tesis:
( ) ( ) 0 , ! = ∈ ∃ α α F b a

x
y
x= x=
x
y
x=
x=
x=c
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 69

Capítulo 5.2. MÉTODOS ITERATIVOS DE OBTENCIÓN DE SOLUCIONES.

Una de las técnicas que puede usarse en la resolución aproximada de la
ecuación ( ) 0 = x F consiste en localizar en un intervalo[ ] [ ]
0 0
, , b a b a = la raíz que se desea
aproximar y a continuación iríamos formando sistemáticamente intervalos contenidos cada uno
en el anterior: [ ] [ ] [ ] [ ] [ ]
n n
b a b a b a b a b a , ... , , , ,
3 3 2 2 1 1 0 0
⊃ ⊃ ⊃ ⊃ ⊃ , y conteniendo a su vez a
la raíz, de forma que la longitud de estos intervalos tienda a cero.

Capítulo 5.2.1. MÉTODO DE BISECCIÓN:

Supongamos que la función F es continua en[ ]
0 0
, b a , tal que ( ) ( ) 0 ·
0 0
< b F a F ; en estas
condiciones podemos afirmar que la ecuación ( ) 0 = x F tiene al menos una raíz en( )
0 0
, b a . Se
calcula ( ) M F , siendo M el punto medio del intervalo, es decir,
2
0 0
b a
M
+
= . Si ( ) 0 = M F ,
paramos; en caso contrario, ( ) M F tiene o bien el signo de ( )
0
a F o bien el signo de ( )
0
b F , y
uno de los dos intervalos[ ] M a ,
0
o[ ]
0
, b M tiene la propiedad de que en sus extremos la
función F tiene valores de signos opuestos. Llamemos[ ]
1 1
, b a a este intervalo, que tiene de
longitud la mitad del anterior. Repetimos el proceso.

Por ejemplo:


a=a
0

b=b
0
=b
1

x
1
=a
1
=a
2

y
x
y=F(x)
x
2
=b
2

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 70

[ ] [ ]
[ ] [ ]
[ ] [ ]
(
¸
(

¸
+
= =
(
¸
(

¸
+
= =
=
2
, , ,
,
2
, ,
, ,
1 1
1 2 1 2 2
0
0 0
0 1 1 1
0 0
b a
a x a b a
b
b a
b x b a
b a b a


La longitud de los intervalos:
n
n n
a b
a b
a b
a b
a b
a b
a b
a b
2
...
2
2
2
3
3 3
2
2 2
1 1

= −

= −

= −

= −


Entonces:
n
n
n
n
a b
b
a b
a
2
2

< −

< −
α
α


Si denotamos por { }
n
x a la sucesión de puntos medios, empezando por
1
x , se verifica
que{ }
n
x converge a una raíz de la ecuación.

Sabemos que
n n
a x = o
n n
b x = . Así tenemos la siguiente cota del error:
n
n
a b
x
2

< −α

Dicho esto, si se pretende calcular la raíz con un error menor queε , ¿cuántas
iteraciones debemos realizar?
n
n
a b
a b
2 ·
2
ε
ε
< −
<



Como la función logaritmo es estrictamente creciente, podemos tomar logaritmos a
ambos lados de la inecuación y esta no se verá afectada.
( ) ( )
n
a b 2 · log log ε < −

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 71

Aplicando propiedades de logaritmos:
( )
( )
( )
|
.
|

\
| −
>
<
|
.
|

\
| −
< − −
+ < −
+ < −
ε
ε
ε
ε ε
ε
a b
n
n
a b
n a b
a b
a b
n
log 2 ·log
2 ·log log
2 ·log log log
log log log
2 log log log

2 log
log
|
.
|

\
| −
>
ε
a b
n

Aún así, la convergencia con este método suele ser muy lenta, aunque siempre
convergerá a una raíz real.

Pero si la función no es continua corremos el riesgo de construir una sucesión no
convergente.

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 72

Capítulo 5.3. CONVERGENCIA DEL MÉTODO DE ITERACIÓN DE PUNTO FIJO:
ESTUDIO DEL ERROR.

Este método permite adquirir una raíz de la ecuación ( ) 0 = x F . En este método se
deduce la ecuación ( ) x f x = , de manera que cualquier solución de esta ecuación, es decir,
cualquier punto fijo de f , es una raíz de la ecuación de partida ( ) 0 = x F . Es decir:
Si ( ) α α α f = ∃ entonces ( ) 0 = α F .

Por ejemplo:
( )
( )
( )
( )
( ) 0 ,
1
1
1
1
0 1
2
4
3
2
2
1
2
≠ ∀
− −
− =
+
=
+ =
− =
= − − =
m
m
x x
x x f
x
x
x f
x x f
x x f
x x x F


A cada una de estas funciones
i
f se le llama función de iteración asociada a F .

Gráficamente:


Así, α = x y β = x son puntos fijos de la función f , y por tanto, raíces de F .
y
x
y=f(x)
y=x
x=
x=
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 73

Capítulo 5.3.1. ITERACIÓN DEL PUNTO FIJO:

La iteración del punto fijo consiste en elegir un punto domf x ∈
0
y construir la
sucesión{ }
n
x definida recursivamente por la ecuación siguiente:
{ }
( )
0
1
≥ ∀
=
+
n
x f x
x
n n
n


Así, los puntos que componen la sucesión serán:
( )
( )
( )
( )
1
2 3
1 2
0 1
0
...

=
=
=
=
n n
x f x
x f x
x f x
x f x
x


Para que este algoritmo resuelva el problema planteado hemos de comprobar que se
verifiquen las siguientes condiciones:
• Los puntos de la sucesión{ }
n
x deberán pertenecer al dominio de la función f .
0 , ≥ ∀ ∈ n domf x
n

• La sucesión deberá converger hacia un valor real.
{ } IR x
n
∈ →  α
• El límite de dicha sucesión será un punto fijo de la función f .
( ) α α f =

Por ejemplo:
Supongamos que la función elegida sea ( ) 1 − = x x f :
( ) ( )
( ) ( )
( ) ( ) domf i f x f x
domf f x f x
domf f x f x
domf x
∉ = − = − = = =
∈ = = − = = =
∈ = = − = = =
∈ =
1 1 0 0
0 0 1 1 1
1 1 1 2 2
2
2 3
1 2
0 1
0


Vemos como, a partir del punto
3
x , no se verifica la primera condición.

Para garantizar esta primera condición supongamos que ( ) x f está encerrada en un
intervalo [ ] b a I , = y que la imagen que cada uno de los puntos del intervalo I a través de la
función f está a su vez contenido en [ ] b a I , = . Es decir:
[ ] [ ]
[ ] ( ) [ ] b a x f b a x
b a b a f
, , ,
, , :
∈ ∈ ∀
→ 

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 74

Gráficamente:



[ ] [ ] ( )
[ ]
[ ]
)
`
¹
¹
´
¦


= ×
b a y
b a x
y x b a b a
,
,
, , ,

Demostración:
Por inducción se demuestra que [ ] n b a x
n
∀ ∈ , , .
[ ] ( ) [ ] ( ) [ ] ( ) [ ]
( ) [ ] b a x f x
b a x f x b a x f x b a x f x b a x
n n
,
... , , , ,
1
2 3 1 2 0 1 0
∈ = ¬
¬ ∈ = ¬ ∈ = ¬ ∈ = ¬ ∈



Capítulo 5.3.2. TEOREMA DE EXISTENCIA DEL PUNTO FIJO:

Sea [ ] [ ] b a b a f , , : →  continua en[ ] b a, , entonces [ ] ( ) α α α = ∈ ∃ f b a, . Es decir:
[ ] [ ] [ ] ( ) α α α = ∈ ∃ ¬ →  f b a b a b a f , , , :

Demostración:
Aplicamos el Teorema de Bolzano a la función ( ) ( ) x f x x g − = en[ ] b a, :

Hipótesis:
• g continua en[ ] b a,
Al ser diferencia de funciones continuas.
• ( ) ( ) 0 · < b g a g
( ) ( )
( ) ( ) 0
0
≥ − =
≤ − =
a f b b g
a f a a g


Tesis:
[ ] ( ) 0 , = ∈ ∃ α α g b a
y
x
y=f(x)
y=x
x=a x=b x=
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 75

Así:
( ) ( ) α α α f g = ⇔ = 0

Sin embargo las hipótesis anteriores no garantizan la unicidad del punto fijo.

Por ejemplo:



Existen puntos [ ] ( ) ( )
2 1 2 1 2 1
, , x x x f x f b a x x − > − ∈ , es decir,
( ) ( ) ( ) ( )
2 1 2 1
, , x x d x f x f d > .

Para evitar que suceda esto incorporamos la definición de función contractiva.

Capítulo 5.3.3. FUNCIÓN CONTRACTIVA:

Se dice que f es contractiva en[ ] b a, si y sólo si, por definición:
[ ) ( ) ( ) [ ] b a x x x x L x f x f L , , , · 1 , 0
2 1 2 1 2 1
∈ ∀ − ≤ − ∈ ∃ .

Se verifica también que la contractividad implica la continuidad de la función.

Para estudiar si una función es contractiva utilizaremos el siguiente resultado:

x
y=f(x)
y=x
x=a x=b x=x
1
x=x
2
x=x
3
x=x
4

y
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 76

Sea f continua en[ ] b a, y derivable en( ) b a, , entonces son equivalentes las dos
condiciones siguientes:
• f es contractiva en[ ] b a, con constante de contractividad L .
• ( ) ( ) b a x L x f , , 1
'
∈ ∀ < ≤ , es decir,
'
f es una función acotada en( ) b a, .

Si [ ] [ ] b a b a f , , : →  y es contractiva, entonces existe un único punto fijo en[ ] b a, , es
decir, [ ] ( ) α α α = ∈ ∃ f b a, ! .

La existencia ya esta probada. Probemos ahora la unicidad del punto fijo:

Capítulo 5.3.4. TEOREMA DE UNICIDAD DEL PUNTO FIJO:

Demostraremos la unicidad del punto fijo por reducción al absurdo: supondremos la
existencia de un segundo punto fijo y llegaremos a una contradicción:

Sean [ ]
( )
( ) β β
α α
β α β α
=
=
≠ ∈
f
f
b a y , , , entonces:
( ) ( )
β α β α
β α β α β α β α
− < −
− < − ≤ − = − · L f f


Ejemplo:
Sea ( )
x
e x f

= en[ ] [ ] 1 , 0 , = b a . ¿Es f una función de iteración?

Para que f sea una función de iteración debe verificarse que:
• [ ] [ ] 1 , 0 1 , 0 : →  f
Primero comprobamos que las imágenes de los extremos de los intervalos a través
de f pertenecen al intervalo.
( ) [ ]
( ) [ ] 1 , 0
1
1
1 , 0 1 0
1
0
∈ = =
∈ = =

e
e f
e f

A continuación comprobamos que el resto de puntos del intervalo verifica la
hipótesis, para lo cual, estudiaremos la monotonía de la función.
( )
( ) domf x x f
e x f
x
∈ ∀ <
− =

, 0
'
'

'
f es decreciente en[ ] 1 , 0
[ ]
( ) { }
[ ]
( ) { }
[ ] [ ] 1 , 0 1 ,
1
1 , 0 :
1
min
1 max
1 , 0
1 , 0

(
¸
(

¸

→  ⇔
¦
)
¦
`
¹
=
=


e
f
e
x f
x f
x
x

• f es contractiva en[ ] 1 , 0
[ ) ( ) ( ) 1 , 0 , 1 , 0
'
∈ ∀ ≤ ∈ ∃ x L x f L
( )
x x x
e e e x f
− − −
= = − =
'

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 77

[ ) ( ) 1 , 0 , 1 , 0 1 lim
0
∈ ∀ ≤ ∈ ∃/ ¬ =
− −
→ 
x L e L e
x x
x

En[ ] 1 , 0 no hemos encontrado la constante de contractividad. Probemos en[ ] 1 , 1 . 0 :
( )

( ) 1 , 1 . 0 , 1
1 . 0 '
∈ ∀ < < =
− −
x e e x f
L
x

Luego, f es contractiva en[ ] 1 , 1 . 0 con constante de contractividad
1 . 0 −
= e L .

Capítulo 5.3.5. CONVERGENCIA DEL MÉTODO DE ITERACIÓN DEL PUNTO FIJO. ESTUDIO DEL
ERROR:

Distinguiremos entre convergencia global y convergencia local.

En la convergencia global se darán condiciones para f en[ ] b a, , bajo las cuales el
algoritmo del punto fijo converge para [ ] b a x ,
0
∈ ∀ .

En la convergencia local se darán condiciones más débiles bajo las cuales el algoritmo
converge siempre que el punto inicial esté suficientemente cerca de la solución.

Capítulo 5.3.5.1. TEOREMA DE CONVERGENCIA GLOBAL Y ESTIMACIÓN DEL ERROR:

Sea [ ] [ ] b a b a f , , : →  , contractiva con constante de contractividad L y sea [ ] b a x ,
0
∈ ;
entonces se verifica que la sucesión{ }
n
x definida por ( ) 0 ,
1
≥ =
+
n x f x
n n
es convergente y
converge al único punto fijo α = x de f en[ ] b a, .

Hipótesis:
• [ ] [ ] b a b a f , , : → 
• ( ) ( ) b a x L x f , , 1
'
∈ ∀ < ≤

Tesis:
[ ] ( ) { } α α α α →  = ∈ ∃
n
x f b a y , !

Además, se tiene la siguiente estimación para el error:
a b
L
L
x x
L
L
x
n n
n


≤ −

≤ − ·
1
·
1
0 1
α

Vemos como, cuando L es próxima a cero el error se aproxima a cero y cuando L es
próxima a uno, el error tiende a infinito.
∞ = =

=

= =

=

→ 
→ 
0 1 1 1
lim
1
1
1
0 1 1
lim
1
1
0
0
L L
L
L
L
L
L
n
L
n
L


Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 78

Capítulo 5.3.5.2. TEOREMA DE CONVERGENCIA GLOBAL:

Sea [ ] IR b a f →  , : , derivable con
'
f continua en( ) b a, y supongamos
que ( ) ( ) α α α = ∈ ∃ f b a, y además ( ) 1
'
< α f . Entonces, [ ] δ α δ α δ + − ∈ ∀ > ∃ , 0
0
x la
sucesión{ }
n
x definida por ( )
n n
x f x =
+1
converge a α = x .

Hipótesis:
• [ ] IR b a f →  , :

'
f continua en( ) b a,
• ( ) ( ) α α α = ∈ ∃ f b a,
• ( ) 1
'
< α f

Tesis:
[ ] ( ) { } α α α α →  = ∈ ∃
n
x f b a y , !

Gráficamente:
con ( ) 0 1
'
< < − x f :



Vemos como se forma una “tela de araña” en la que los puntos
n
x convergen haciaα .
x
y=f(x)
y=x
x=a x=b x=x
0
x= x=x
1
x=x
2

y
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 79

con ( ) 1 0
'
< < x f :



Vemos como se forma una “escalera” en la que los puntos
n
x convergen haciaα .

Para ( ) α ≠ ∀ >
0
'
, 1 x x f la sucesión no es convergente.

x
y=f(x)
y=x
x=a x=b x=x
0
x= x=x
1
x=x
2

y
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 80

Capítulo 5.4. ORDEN DE CONVERGENCIA.

Sea{ }
n
x una sucesión de números reales que converge a un cierto valorα , es decir,
{ } α → 
n
x ó { } α =
∞ → 
n
n
x lim , y sea 0 , ≥ ∀ − = n x e
n n
α . Si existen constantes
reales 0 > p y 0 ≠ q tal que q
e
e
p
n
n
n
=
+
∞ → 
1
lim , se dice que la sucesión{ }
n
x converge aα con
orden de convergencia p , siendo q la constante asintótica del error.

Es decir, para n suficientemente grande,
p
n n
p
n
n
e q e q
e
e
·
1
1
= ⇔ ≈
+
+


Se mide la disminución del error entre una iteración y la iteración siguiente.
• Si 1 = p , se dice que la convergencia es lineal.
• Si 2 = p , se dice que la convergencia es cuadrática.

Capítulo 5.4.1. CONVERGENCIA LINEAL:

En el método de iteración del punto fijo, la convergencia es, al menos, lineal; es decir, al
menos de orden1.

Demostración:
( ) ( ) α α f x f x e
n n n
− = − =
+ + 1 1


Aplicando el teorema del valor medio:
( ) ( ) ( ) ( ) ( )
n n n n n n
c f e x c f f x f e
' '
1
· · = − = − =
+
α α

Despejando ( )
n
c f
'
:
( )
( )
n
n
n
n n n
e
e
c f
c f e e
1 '
'
1
·
+
+
=
=


Tomando límites a ambos lados de la expresión:
( ) ( ) ( ) 1 , 1 lim lim lim
' ' ' 1
− ∈ = |
.
|

\
|
= =
∞ →  ∞ → 
+
∞ → 
α f c f c f
e
e
n
n
n
n
n
n
n


Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 81

Capítulo 5.5. CONVERGENCIA CUADRÁTICA Y MÉTODO DE NEWTON.

En el caso particular de que ( ) 0
'
=
n
c f se demuestra que el orden de convergencia es,
al menos, cuadrática (al menos de orden 2 ).

Demostración:
( ) ( ) α α f x f x e
n n n
− = − =
+ + 1 1


Aplicando la fórmula de Taylor en un entorno deα :
( ) ( )
( )
( )
( )
2
' '
2
' '
1
·
2
·
2
n
n
n
n
n n
e
c f
x
c f
f x f e = − = − =
+
α α

Despejando
( )
2
' '
n
c f
:
( )
( )
2
1
' '
2
' '
1
2
·
2
n
n n
n
n
n
e
e c f
e
c f
e
+
+
=
=


Tomando límites a ambos lados de la expresión:
( )
( ) ( ) α
' ' ' ' ' '
' '
2
1
·
2
1
lim ·
2
1
lim ·
2
1
2
lim lim f c f c f
c f
e
e
n
n
n
n
n
n
n
n
n
= |
.
|

\
|
= = =
∞ →  ∞ →  ∞ → 
+
∞ → 


Corolario:
El orden de convergencia nos lo indica el orden de la primera derivada que no se anula
en el punto fijo.
( )
( )
( )
( )
( )
cuadrática ia Convergenc
0
0
lineal ia Convergenc
0
' '
'
'
¬
¦
)
¦
`
¹

=
=
¬
)
`
¹

=
α
α
α α
α
α α
f
f
f
f
f



Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 82

Capítulo 5.5.1. MÉTODO DE NEWTON:



Vamos a construir una sucesión{ }
n
x tal que{ } α → 
n
x .
• Elegimos un punto inicial
0
x .
• Cada punto n i x
i
... 1 ,
1
= ∀
+
se obtiene como la intersección de la recta tangente a la
función F en el punto
i
x con el eje OX.

Calculamos la recta tangente a la función F en
i
x :

( )
( ) ( ) ( )
i i i
x x x F x F y
x x m y y
− = −
− = −
·
·
'
0 0


x
y=F(x)
x=x
0

x=
x=x
1

y
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 83

Y hallamos la intersección de dicha recta con el eje OX:
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( )
( )
( )
( )
( )
( )
( )
( )
i
i
i
i
i
i
i i
i
i i i
i i i i
i i i i
i i i
i i i
x F
x F
x x
x F
x F
x F
x F x
x
x F
x F x F x
x
x F x x F x F x
x F x x F x x F
x x x F x F
y
x x x F x F y
'
' '
'
'
'
' '
' '
'
'
·
·
· ·
· ·
·
0
·
− =
− =

=
= −
− = −
− = − ¬
¬
)
`
¹
=
− = −


Así, la función de iteración para el método de Newton vendrá dada por:
( )
( )
( ) x F
x F
x x f
'
− =
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 84

Apéndice A: FÓRMULAS Y MÉTODOS.

Apéndice A.1. INTERPOLACIÓN.

Fórmula de Lagrange:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
¿
=
= + + + + =
n
i
i i n n n
x l x f x l x f x l x f x l x f x l x f x P
0
. . . 2 2 . 1 1 . 0 0
· · ... · · · ,
con:
( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )


= + −
+ −


=
− − − − − −
− − − − − −
=
n
i k
k k i
k
n i i i i i i i i
n i i
i
x x
x x
x x x x x x x x x x x x
x x x x x x x x x x x x
x l
0 1 1 2 1 0
1 1 2 1 0
·...· · ·...· · ·
·...· · ·...· · ·


Fórmula de Newton:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
1 2 1 0 1 0 2 0 1 0
·...· · · · ... · · ·

− − − − + + − − + − + =
n n n
x x x x x x x x c x x x x c x x c c x P

[ ]
[ ] [ ]
0
1 2 1 0 3 2 1
2 1 0
,..., , , ,..., , ,
,..., , ,
x x
x x x x f x x x x f
x x x x f
n
n n
n


=



Error en la interpolación:
( )
( )
( )

=

+

n
i
i n
x x
n
M
x e
0
·
! 1
con
( )
( )
( ) x f M
n
b a x
1
,
sup
+

=

Error en la interpolación lineal:
( ) ( ) [ ]
1 0
' '
2
1
, , ·
8
x x x c f
h
x e ∈ ∀ ≤

Error en la interpolación cuadrática:
( ) ( ) [ ]
2 0
' ' '
3
2
, , ·
3 9
x x x c f
h
x e ∈ ∀ ≤

Error en la interpolación lineal a trozos:
( ) M h x e · ·
8
1
2
1


Errror en la interpolación cúbica a trozos:
( ) M h x e · ·
3 9
1
3
2


Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 85

Apéndice A.2. AJUSTE DE DATOS Y APROXIMACIÓN DE FUNCIONES.

Recta de regresión:
(
(
(
(
¸
(

¸

=
(
¸
(

¸

(
(
(
(
¸
(

¸


¦
¦
)
¦
¦
`
¹
+ =
+ =
¿
¿
¿ ¿
¿
¿ ¿ ¿
¿ ¿
=
=
= =
=
= = =
= =
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
y x
y
b
a
x x
x n
x b x a y x
x b n a y
1
1
1
*
*
1
2
1
1
1
2 *
1
*
1
1
1
* *
1
·
·
· · ·
· ·


Polinomio de ajuste de grado menor o igual a dos:
(
(
(
(
(
(
(
¸
(

¸

=
(
(
(
¸
(

¸

(
(
(
(
(
(
(
¸
(

¸


¦
¦
¦
)
¦
¦
¦
`
¹
+ + =
+ + =
+ + =
¿
¿
¿
¿ ¿ ¿
¿ ¿ ¿
¿ ¿
¿ ¿ ¿ ¿
¿ ¿ ¿ ¿
¿ ¿ ¿
=
=
=
= = =
= = =
= =
= = = =
= = = =
= = =
n
i
i i
n
i
i i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i i
n
i
i
n
i
i
n
i
i
n
i
i i
n
i
i
n
i
i
n
i
i
y x
y x
y
c
b
a
x x x
x x x
x x n
x c x b x a y x
x c x b x a y x
x c x b n a y
1
2
1
1
*
*
*
1
4
1
3
1
2
1
3
1
2
1
1
2
1
1
4 *
1
3 *
1
2 *
1
2
1
3 *
1
2 *
1
*
1
1
2 *
1
* *
1
·
· ·
· · · ·
· · · ·
· · ·

Función de ajuste. Expresión general:
( )
( )
( )
( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
(
(
(
(
(
(
¸
(

¸

(
(
(
(
(
(
(
(
(
(
¸
(

¸

=
(
(
(
(
(
(
(
(
(
(
¸
(

¸

¿ ¿ ¿ ¿
¿ ¿ ¿ ¿
¿ ¿ ¿ ¿
¿ ¿ ¿ ¿
¿
¿
¿
¿
= = = =
= = = =
= = = =
= = = =
=
=
=
=
k
A
n
i
i k
n
i
i i k
n
i
i i k
n
i
i i k
n
i
i k i
n
i
i
n
i
i i
n
i
i i
n
i
i k i
n
i
i i
n
i
i
n
i
i i
n
i
i k i
n
i
i i
n
i
i i
n
i
i
b
n
i
i k i
n
i
i i
n
i
i i
n
i
i i
c
c
c
c
x x x x x x x
x x x x x x x
x x x x x x x
x x x x x x x
x y
x y
x y
x y
...
·
... · · ·
...
· ... · ·
· ... · ·
· ... · ·
·
...
·
·
·
3
2
1
1
2
1
3
1
2
1
1
1
3
1
2
3
1
2 3
1
1 3
1
2
1
3 2
1
2
2
1
1 2
1
1
1
3 1
1
2 1
1
2
1
1
1
3
1
2
1
1


ϕ ϕ ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ ϕ ϕ
ϕ
ϕ
ϕ
ϕ

( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
(
(
(
(
(
(
¸
(

¸

=
n k k k k
n
n
n
x x x x
x x x x
x x x x
x x x x
B
ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ
3 2 1
3 3 3 2 3 1 3
2 3 2 2 2 1 2
1 3 1 2 1 1 1
...
...
...
...

B B A
t
· = y
(
(
(
(
(
(
¸
(

¸

=
n
y
y
y
y
B b
...
·
3
2
1
¬
(
(
(
(
(
(
¸
(

¸

=
(
(
(
(
(
(
¸
(

¸

k
t
n
c
c
c
c
B B
y
y
y
y
B
...
· ·
...
·
3
2
1
3
2
1

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 86

Apéndice A.3. INTEGRACIÓN NUMÉRICA. MÉTODOS DE COTES Y MÉTODOS DE
GAUSS.

Fórmula de los trapecios:
( ) ( ) ( ) [ ] b f a f
a b
dx x f
b
a
+


}
·
2


Fórmula de Simpson:
( ) ( ) ( )
(
¸
(

¸

+ |
.
|

\
| +
+


}
b f
b a
f a f
a b
dx x f
b
a
2
· 4 ·
6



Error en la fórmula de los trapecios:
( ) ( )
3 ' '
· ·
12
1
a b c f E
T
− − =

Error en la fórmula de Simpson:
( )
( ) ( )
5 4
· ·
32 · 90
1
a b c f E
S
− =

Formula de Newton – Cotes abierta con un solo nodo o fórmula del punto medio:
( ) ( )
|
.
|

\
| +
− ≈
}
2
·
b a
f a b dx x f
b
a


Fórmula de Newton – Cotes abierta con dos nodos:
( )
(
¸
(

¸

|
.
|

\
| +
+ |
.
|

\
| + −

}
3
2
3
2
·
2
a b
f
b a
f
a b
dx x f
b
a


Fórmula de los trapecios compuesta:
( ) ( ) ( ) ( )
(
¸
(

¸

+ +


¿
}

=
b f x f a f
n
a b
dx x f
n
i
i
b
a
1
1
· 2 ·
2


Error en la fórmula de los trapecios:
( ) ( )
( ) b a c
T
n
c f a b
n
E
,
' ' 3
2
· ·
· 12
1

− − =

Fórmula de Simpson compuesta:
( ) ( ) ( ) ( ) ( )
(
¸
(

¸

+ + +


¿ ¿
}
=

=
n
n
i
i
n
i
i
b
a
x f z f x f x f
n
a b
dx x f
1
1
1
0
· 2
6


Error en la fórmula de Simpson:
( )
( )
( )
( )
5
,
4
1
0
4
· ·
· 32 · 90
1
a b c f
n
E
b a c
n
i
S
n
− =


=
¿

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 87

Apéndice A.4. RESOLUCIÓN NUMÉRICA DE ECUACIONES NO – LINEALES.

Teorema de Bolzano:
Hipótesis:
• f es continua en[ ] b a,
• ( ) ( ) 0 · < b f a f
Tesis:
( ) ( ) 0 , = ∈ ∃ c f b a c

Teorema de Rolle:
Hipótesis:
• f es continua en[ ] b a,
• f es derivable en( ) b a,
• ) ( ) ( b f a f =
Tesis:
( ) ( ) 0 ,
'
= ∈ ∃ c f b a c

Error en el método de bisección:
n
n
a b
x
2

< −α

Cálculo del número de iteraciones necesarias en el método de bisección para cometer
un error ε α < −
n
x :
2 log
log
|
.
|

\
| −
>
ε
a b
n

Iteración del punto fijo:
{ }
( )
0
1
≥ ∀
=
+
n
x f x
x
n n
n

• 0 , ≥ ∀ ∈ n domf x
n

• { } IR x
n
∈ →  α
• ( ) α α f =

Teorema de existencia del punto fijo:
[ ] [ ] [ ] ( ) α α α = ∈ ∃ ¬ →  f b a b a b a f , , , :

Función contractiva:
( ) ( ) b a x L x f , , 1
'
∈ ∀ < ≤

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 88

Teorema de convergencia global:
Hipótesis:
• [ ] [ ] b a b a f , , : → 
• ( ) ( ) b a x L x f , , 1
'
∈ ∀ < ≤
Tesis:
[ ] ( ) { } α α α α →  = ∈ ∃
n
x f b a y , !

Teorema de convergencia local:
Hipótesis:
• [ ] IR b a f →  , :

'
f continua en( ) b a,
• ( ) ( ) α α α = ∈ ∃ f b a,
• ( ) 1
'
< α f
Tesis:
[ ] ( ) { } α α α α →  = ∈ ∃
n
x f b a y , !

Error en el método de iteración del punto fijo:
a b
L
L
x x
L
L
x
n n
n


≤ −

≤ − ·
1
·
1
0 1
α

Método de Newton:
{ }
( )
0
1
≥ ∀
=
+
n
x f x
x
n n
n
con ( )
( )
( ) x F
x F
x x f
'
− =


Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 89

Apéndice B: PRÁCTICAS.

Apéndice B.1. INTRODUCCIÓN A LA PROGRAMACIÓN CON MATLAB.

pr001.m:
% Calcula la suma de dos numeros a y b introducidos por el usuario.
clear,clc
a=input('a=')
b=input('b=')
s=a+b;
disp('suma de a y b:')
disp(s)

pr002.m:
% Eleva al cuadrado los elementos de un vector.
% Se emplea un bucle for para recorrer todos los elementos.
clear,clc
v=[1,2,3,4];
for i=1:4
w(i)=v(i)^2;
end
v,w

pr003.m:
% Calcula el factorial de un numero introducido por el usuario
% empleando un algoritmo recursivo.
% Se emplea un bucle while para llegar al caso base.
clear,clc
n=input('introduce un número natural:');
fac=1;
while n>1
fac=fac*n;
n=n-1;
end
disp('el factorial de n es:'), disp(fac)

pr004.m:
% Determina la clasificacion de una persona atendiendo a su edad.
% Se emplean condiciones if anidadas para filtrar la edad.
clear,clc
n=input('edad:');
if n<=10
disp('niño');
elseif n<=18
disp('adolescente');
elseif n<=25
disp('joven');
else
disp('adulto');
end

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 90

pr005.m:
% Eleva al cuadrado los elementos de una matriz.
% Se emplean dos bucles for anidados para recorrer todos los elementos.
clear,clc
a=[1,2,-1;3,5,0];
for i=1:2
for j=1:3
b(i,j)=a(i,j)^2
end
end

f001.m:
function y=f001(x)
% Primera función que hago
y=1+x-x.^2/4

Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 91

Apéndice B.2. INTERPOLACIÓN.

lagrange.m:
function [C,L]=lagrange(X,Y)
% Calcula el polinomio que interpola a los n+1 puntos
% {(x0,y0),(x1,y1),(x2,y2) ,...,(xn,yn)}, empleando la formula de Lagrange.
% Por ejemplo:
% (0,cos(0))=(0,1.0)
% (1.2,cos(1.2))=(1.2,0.362658)
% x-1.2 x-0.0
% P1(x)=1.0·-------- + 0.392658·------- = -0.531368*x + 1.0
% 0.0-1.2 1.2-0.0
%
% Cambiamos el formato a long, con 14 decimales, para una mayor precision.
format long
% X es el vector que contiene la lista de las abscisas
% Y es el vector que contiene la lista de las ordenadas
% C es el vector que contiene los coeficientes del polinomio interpolador de
% Lagrange
% L es la matriz que contiene los coeficientes de los polinomios coeficientes
% de Lagrange
%
% Dimensión del vector X, es decir, el número de componentes de dicho
% vector.
w = length(X);
n = w-1;
% Creamos una matriz cuadrada nula (todos sus componentes a cero) de
% dimensión w.
L = zeros(w,w);

for k = 1:n+1
V = 1;
for j = 1:n+1
if k ~= j
% poly produce un vector cuyas componentes son los coeficientes de
% un polinomio del que se especifican las raíces.
% Por ejemplo:
% >> P=poly(2)
% 1 -2
% El polinomio cuya raíz es 2 es x-2.
% >> Q=poly(3)
% 1 -3
%
% conv(P,Q) multiplica los polinomios P y Q.
% >> conv(P,Q)
% 1 -5 6
% x^2-5*x+6
%
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 92


% conv(V,poly(X(j))) multiplica el valor actual de V por el polinomio
% cuyas raíces son x0,x1,x2,...,xj y
% calcula el numerador del coeficiente.
% X(k)-X(j) calcula el denominador de este coeficiente.
%
% (x-x0)·(x-1)·...·(x-xk-1)·(x-xk+1)·...·(x-xn)
% Ln,k(x) =-------------------------------------------------
% (xk-x0)·(xk-1)·...·(xk-xk-1)·(xk-xk+1)·...·(xk-xn)
V = conv(V,poly(X(j)))/(X(k)-X(j));
end
end
% L(k,:) devuelve toda la fila k de la matriz L.
L(k,:) = V;
end
C = Y*L;
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 93

newton.m:
function C=newton(X,Y)
% Calcula el polinomio que interpola a los n+1 puntos
% {(x0,y0),(x1,y1),(x2,y2) ,...,(xn,yn)}, empleando la formula de Newton.
% Por ejemplo:
% (0,cos(0))=(0,1.0)
% (1.2,cos(1.2))=(1.2,0.362658)
% P1(x)=-0.531368*x + 1.0
%
% Cambiamos el formato a long, con 14 decimales, para una mayor precision.
format long
% X es el vector que contiene la lista de las abscisas
% Y es el vector que contiene la lista de las ordenadas
% C es el vector que contiene los coeficientes del polinomio interpolador
% de Newton
%
% El numero de nodos.
n=length(X)
% Vamos a calcular la matriz de diferencias divididas.
D=zeros(n,n)
% Primero copiamos las imagenes de los nodos en la primera columna.
for i=1:n
D(i,1)=Y(i)
end
% A continuacion aplicamos el algoritmo para calcular las diferencias
% divididas.
for j=2:n
for i=1:n-(j-1)
%
% El valor de una diferencia dividida viene dada por la expresión:
% f[x1,x2,...,xn] - f[x0,x0,...,xn-1]
% f[x0,x1,...,xn]=_____________________________________
% xn - x0
%
D(i,j)=(D(i+1,j-1)-D(i,j-1))/(X(i+(j-1))-X(i));
end
end
% Ya tenemos las diferencias divididas calculadas.
% El polinomio de interpolacion sera de grado menor o igual que n y vendra
% dado por la expresion:
% Pn(x) = c0 + c1·(x-x0) + c2·(x-x0)·(x-x1) + c3·(x-x0)·(x-x1)·(x-x2) + ...
% + cn·(x-x0)·(x-x1)·(x-x2)·...·(x-xn-1)
%
% Declaramos la variables simbolica x.
syms x
% Inicializamos el valor del polinomio a cero.
p=0;
% Calculamos polinomio de interpolacion.
for j=1:n
Q=1;
for k=1:j-1
% poly produce un vector cuyas componentes son los coeficientes de
% un polinomio del que se especifican las raíces.
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 94

% Por ejemplo:
% >> P=poly(2)
% 1 -2
% El polinomio cuya raíz es 2 es x-2.
% >> Q=poly(3)
% 1 -3
%
% conv(P,Q) multiplica los polinomios P y Q.
% >> conv(P,Q)
% 1 -5 6
% x^2-5*x+6
%
% conv(Q,poly(X(k))) multiplica el valor actual de Q por el
% polinomio cuyas raíces son x0,x1,x2,...,xk
Q=conv(Q,poly(X(k)));
end
% poly2sym(Q) devuelve el polinomio cuyos coeficientes los elementos del
% vector Q.
% Por ejemplo:
% A=[1,1,1]
% >> poly2sym(A)
% x+x+x^2
p=p+D(1,j)*poly2sym(Q);
end
% Expandimos y simplificamos el polinomio.
p=simplify(expand(p));
% Finalmente, copiamos sus coeficientes a la matriz C.
C=sym2poly(p);
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 95

Apéndice B.3. APROXIMACIÓN POR MÍNIMOS CUADRADOS.

ajuste.m:
function C=ajuste(X,Y,M)
% Calcula la funcion polinomica F(x) = c1 + c2*x + c3*x^3 + ... + cn*x^n
% que mejor ajusta a los n puntos {(x1,y1), (x2,y2), (x3,y3)..., (xn,yn)}
% empleando el metodo de los minimos cuadrados.
% Por ejemplo:
% >> ajuste([-1,0,8],[-1,0,2],2)
% ans =
%
% -0.08333333333333
% 0.91666666666665
% -0.00000000000001
% Es decir, la funcion polinimica de ajuste es:
% F(x) = -0.8333*x^2 + 0.9166*x
%
% Cambiamos el formato a long, con 14 decimales, para una mayor precision.
format long
% X es el vector que contiene la lista de las abscisas
% Y es el vector que contiene la lista de las ordenadas
% M es el grado del polinomio optimo.
% C es el vector que contiene los coeficientes del la funcion polinomica de
% ajuste.
%
% Dimension del vector X, es decir, el numero de componentes de dicho
% vector y por tanto, el numero de puntos empleados en el ajuste.
n=length(X);
% Tenemos M+1 funciones empleadas para construir el polinomio de ajuste.
% Dicho polinomio sera, pues, combinacion lineal de las M+1 funciones:
% g1(x) = 1, g2(x) = x^2, g3(x) = x^3, ..., gm(x) = x^m.
% Asi, el polinomio de ajuste vendra dado por:
% F(x) = c1 * g1(x) + c2 * g2(x) + c3 * g3(x) + ... + cm * gm(x)
% Empleando los puntos (xi, yi) de la tabla de datos se define la ecuación
% matricial:
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( )
( )
( )
( )
(
(
(
(
(
(
(
(
(
(
¸
(

¸

=
(
(
(
(
(
(
¸
(

¸

(
(
(
(
(
(
(
(
(
(
¸
(

¸

¿
¿
¿
¿
¿ ¿ ¿ ¿
¿ ¿ ¿ ¿
¿ ¿ ¿ ¿
¿ ¿ ¿ ¿
=
=
=
=
= = = =
= = = =
= = = =
= = = =
n
i
i m i
n
i
i i
n
i
i i
n
i
i i
k
n
i
i m
n
i
i i m
n
i
i i m
n
i
i i m
n
i
i m i
n
i
i
n
i
i i
n
i
i i
n
i
i m i
n
i
i i
n
i
i
n
i
i i
n
i
i m i
n
i
i i
n
i
i i
n
i
i
x y
x y
x y
x y
c
c
c
c
x x x x x x x
x x x x x x x
x x x x x x x
x x x x x x x
1
1
3
1
2
1
1
3
2
1
1
2
1
3
1
2
1
1
1
3
1
2
3
1
2 3
1
1 3
1
2
1
3 2
1
2
2
1
1 2
1
1
1
3 1
1
2 1
1
2
1
·
...
·
·
·
...
·
... · · ·
...
· ... · ·
· ... · ·
· ... · ·
ϕ
ϕ
ϕ
ϕ
ϕ ϕ ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ ϕ ϕ ϕ

% Para calcular los coeficientes c1,c2,c3,...,cm tan sólo hay que resolver
% la ecuación A·X=B.
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 96

% Para simplificar la ecuacion podemos crear una matriz auxiliar F:
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
(
(
(
(
(
(
¸
(

¸

=
(
(
(
(
(
(
¸
(

¸

=
+ ×
m
n n n
m
m
m
m n
n k k k k
n
n
n
x x x
x x x
x x x
x x x
x x x x
x x x x
x x x x
x x x x
F
2
3
2
3 3
2
2
2 2
1
2
1 1
1
3 2 1
3 3 3 2 3 1 3
2 3 2 2 2 1 2
1 3 1 2 1 1 1
1
...
... 1
... 1
... 1
...
...
...
...
ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ

% Asi, la ecuacion matricial anterior sera:
% A·X=B
% F·F'·X=F·Y
%
% Creamos la matriz de los términos independientes, B, que tendrá
% una dimensión (M+1,1), es decir, será una matriz con 1 columna y
% M+1 filas.
B=zeros(1:M+1);
% Creamos la matriz auxiliar F, que tendrá una dimensión (n,M+1).
F=zeros(n,M+1);
% Ahora se rellenan las columnas de F con las potencias de X, es decir, las
% imagenes de X a traves de las distintas M+1 funciones polinomicas:
% g1(x) = 1, g2(x) = x^2, g3(x) = x^3, ..., gm(x) = x^m.
for k=1:M+1
% F(:,k) es la columna k de F.
% X era un vector fila con las abscisas de los puntos,
% luego X' será el vector columna (transpuesto) de las
% abscisas.
% Calculamos X'.^(k-1), es decir, la función f(X'), siendo
% f(x)=x^(k-1), puesto que estamos calculando el la función
% de ajustes a partir de polinomios.
F(:,k)=X'.^(k-1);
end
% La matriz A tiene una dimensión (M+1,M+1)
A=F'*F;
% La matriz B tiene una dimensión (M+1,1)
B=F'*Y';
% Así C tiene dimensión (M+1,1)
C=A\B;
% La orden flipud(X) lo que hace es "voltear" el orden de los elementos
% del vector columna X.
% >> flipud([1;2;3])
% ans =
% 3
% 2
% 1
C=flipud(C);
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 97

Apéndice B.4. INTEGRACIÓN NUMÉRICA.

trapecio.m:
function s=trapecio(f,a,b,M)
% Calcula, aplicando la formula del trapcio compuesta, el valor aproximado
% de la integral definida de la funcion f en el intervalo [a,b].
% Por ejemplo:
% >> traprl06('f',1,6,10)
% ans =
% 8.19385456517253
% Es decir, int('f',1,6) == 8.193854.
% Cambiamos el formato a long, con 14 decimales, para una mayor precision.
format long
% f es el integrando, es decir, la función que se integra.
% a y b son los límites de integración, es decir, los extremos inferior y
% superior del intervalo de integracion.
% M es el número de subintervalos.
% s es la aproximación obtenida.
%
% h es la amplitud que tendra cada uno de los subintervalos en los que se
% divide el intervalo de integracion.
% <-----h----->
% ----|-----------|----
% x0 x1
h=(b-a)/M;
% Por tanto, en [a,b] tenemos M+1 nodos equiespaciados y M subintervalos.
% -----|-----|-----|-----|--------------|------
% a=x0 x1 x2 x3 ... b=xn
% [x0,x1], [x1,x2], [x2, x3], ..., [xn-1,xn]
% Dividimos el intervalo [a,b] en M subintervalos de la forma [xi,xi+1] de
% modo que xi = a + i·h, con i=0...n-1.
%
% s sera el valor del sumatorio de las imagenes de los xi a traves de la
% funcion f, es decir, sumatorio('f(xi)',1,n-1).
s=0;
% Calculamos el sumatorio s...
for k=1:(M-1)
x=a+h*k;
s=s+feval(f,x);
end
% El valor de la integral de acuerdo con la formula de los trapecios
% compuesta vendra dada por:
s=h*(feval(f,a)+feval(f,b))/2+h*s;
Universidad de Oviedo
MÉTODOS NUMÉRICOS
Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Alberto Suárez López
Página 98

simpson.m:
function s=simpson(f,a,b,M)
% Calcula, aplicando la formula de Simpson compuesta, el valor aproximado
% de la integral definida de la funcion f en el intervalo [a,b].
% Por ejemplo:
% >> simprl06('f',1,6,10)
% ans =
% 8.18344749663624
% Es decir, int('f',1,6) == 8.183447.
% Cambiamos el formato a long, con 14 decimales, para una mayor precision.
format long
% f es el integrando, es decir, la función que se integra.
% a y b son los límites de integración, es decir, los extremos inferior y
% superior del intervalo de integracion.
% M es el número de subintervalos.
% s es la aproximación obtenida.
%
% h es la amplitud que tendra cada uno de los subintervalos en los que se
% divide el intervalo de integracion.
% <-----2h---->
% <--h-->
% ----|-----|-----|----
% x0 z1 x1
h=(b-a)/(2*M);
% Por tanto, en [a,b] tenemos 2M+1 nodos equiespaciados y M subintervalos.
% Dividimos el intervalo [a,b] en M subintervalos de la forma [xi,xi+1] de
% modo que xi = a + 2·i·h, con i=0...n-1.
% Calculamos el punto medio del intervalo [xi,xi+1] y lo denotamos por zi,
% de modo que zi = a + (2·i - 1)·h, con i=1...n-1.
%
% s1 sera el valor del sumatorio de las imagenes de los zi a traves de la
% funcion f, es decir, sumatorio('f(zi)',1,n).
s1=0;
% s2 sera el valor del sumatorio de las imagenes de los xi a traves de la
% funcion f, es decir, sumatorio('f(xi)',1,n-1).
s2=0;
% Calculamos el sumatorio s1...
for k=1:M
x=a+h*(2*k-1);
s1=s1+feval(f,x);
end
% Y calculamos el sumatorio s2...
for k=1:(M-1)
x=a+h*2*k;
s2=s2+feval(f,x);
end
% El valor de la integral de acuerdo con la formula de Simpson compuesta
% vendra dada por:
s=h*(feval(f,a)+feval(f,b)+4*s1+2*s2)/3;




Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O) En el cual la solución del sistema, es decir, los valores de x1 , x 2 , x 3 ,…, x n , vienen dados por la expresión:

b1 b2 b3 x1 = A11·b1 + A21·b2 + A31·b3 + ... + An1·bn = A

a12 a22 a32

a13 ... a1n a23 ... a2 n a33 ... a3n an 3 ... ann A a13 a23 a33 ... a1n ... a2 n ... a3n

... bn an 2 a11 b1

a21 b2 a31 b3 x2 = A12 ·b1 + A22 ·b2 + A32 ·b3 + ... + An 3 ·bn = A ... an1 bn a11 a21 a31 ... an1 a12 a22 a32 an 2

an 3 ... ann A b1 ... a1n b2 ... a2 n b3 ... a3n bn ... ann A

x3 = ...

A13 ·b1 + A23 ·b2 + A33 ·b3 + ... + An 3 ·bn = A

a11 a21 a31 xn = A1n ·b1 + A2 n ·b2 + A3n ·b3 + ... + Ann ·bn = A ... an1

a12 a22 a32 an 2

a13 ... b1 a23 ... b2 a33 ... b3 an 3 ... bn A

Para un sistema de n ecuaciones hay que resolver n + 1 determinantes. Cada uno de esos determinantes se calcularía por adjuntos de una línea, lo cual conllevaría a realizar, por cada uno de esos determinantes, n determinantes de dimensión n − 1 , así sucesivamente hasta llegar a determinantes de dimensión la unidad, con lo cual se habrán realizado (n + 1)! determinantes. Para ilustrar el ejemplo, el caso de un sistema de 10 ecuaciones con 10 incógnitas supondría realizar un total de 11! = 39.916.800 determinantes. Así decimos que un método es eficiente en relación con otro cuando su implementación supone un número considerablemente menor de operaciones con respecto al otro método. Alberto Suárez López Página 2

Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O) En algunos de los métodos que estudiaremos (resolución de ecuaciones no lineales), la solución del problema se obtendrá como límite de una sucesión de números reales, es decir, mediante un proceso infinito; pero en la práctica, al implementar tales métodos debemos reemplazar el proceso infinito por uno finito, es decir, con un número finito de operaciones. De esta manera tendremos una solución aproximada. Capítulo 1.1.1.1. ANÁLISIS NUMÉRICO: Es probable que una de las partes más importantes en el análisis numérico sea el estudio del error entre la solución calculada aproximada y la verdadera solución. Capítulo 1.1.1.2. ERROR ABSOLUTO: Viene dado por la expresión e a calculada. Capítulo 1.1.1.3. ERROR RELATIVO: Viene dado por la expresión e r =

= x − x * , siendo x la solución exacta y x * la solución

ea . x

Alberto Suárez López

Página 3

salvo replanteando el problema. respectivamente: • Condicionamiento • Convergencia • Estabilidad Capítulo 1. Tales errores afectan.3. ERRORES DE TRUNCAMIENTO Y ERRORES DE REDONDEO. ERRORES EN LOS DATOS: Un problema no está definido exactamente. por ejemplo. Las otras fuentes de error son: • Errores en los datos • Errores de truncamiento • Errores de redondeo Y están relacionados con tres conceptos claves en el análisis numérico que son. ERRORES DE REDONDEO: Se originan cuando el método se implementa en el ordenador y son debidos a la representación interna de los números. El condicionamiento es algo intrínseco al problema y no lo podremos erradicar cambiando de método.2. obviamente. Capítulo 1. FUENTES DE ERROR.1.2. Capítulo 1.I. Es frecuente que los sistemas de ecuaciones estén mal condicionados.O) Capítulo 1. Esto puede ser como consecuencia. utilizar métodos incorrectos o de una codificación incorrecta en la implementación del método. los datos están aproximados.I. al método utilizado que al propio problema y se refieren más a sus propiedades matemáticas. Alberto Suárez López Página 4 . Se dice que un problema está bien condicionado si ligeras modificaciones en los datos originan cambios pequeños en la solución. de errores de lectura o interpretación. fundamentalmente. Diremos que el método es convergente cuando el error cometido tiende a cero si el número de iteraciones tiende a infinito. a la solución. de hecho.2. Se cometen al sustituir un proceso infinito por otro finito con n iteraciones. ERRORES EN LOS DATOS.U. ERRORES DE TRUNCAMIENTO: Son debidos. La fuente de error principal es. el error humano. en caso de que se origen o se pueden originar grandes cambios en la solución se dice que está mal condicionado.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.T.2.2.

Por ejemplo: x (º ) … sen( x ) … 60 65 70 75 80 0. Supongamos que partimos de una tabla de valores de la función seno.O) Capítulo 2: INTERPOLACIÓN. por ejemplo.939693 0. INTRODUCCIÓN.866025 0. un polinomio de grado menor o igual a uno. tal que: P (60 ) = 0. y1 ) vemos como definen una Alberto Suárez López Página 5 . Capítulo 2. ¿qué tipo de polinomio verificaría está condición? Veamos unos ejemplos más sencillos. Representando gráficamente los puntos ( x 0 .866025 P (65) = 0..Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.I. suministramos una tabla con dos valores: . y 0 ) y ( x1 . x0 x1 f (x 0 ) = y 0 f ( x1 ) = y1 recta.1.U.965926 0. En primer lugar. de una manera aproximada.984808 … … ¿Cómo podríamos calcular.T. esto es. sen(66 ) ≅ P (66 ) Pero. el valor de sen(66 ) ? Para determinar dicho valor.I.. podríamos construir un polinomio P ( x ) tal que el polinomio coincida con la función f ( x ) = sen( x ) en los valores de la tabla suministrada. En este caso el polinomio que buscamos sería de la forma P ( x ) = c 0 + c1 · x .906308 0.906308 P ( x i ) = sen( x i ) Así.

y1) y1 (x0 . En este caso el polinomio que buscamos sería de la 2 forma P ( x ) = c 0 + c1 · x + c 2 · x .I. y 2 ) vemos como definen una parábola.y1) y1 (x2 .U.I.y2) y2 (x0 . y1 ) y ( x 2 . un polinomio de grado menor o igual a dos.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. ( x1 . esto es. y 0 ) . y (x1 .y0) y0 x0 Ahora.y0) y0 x0 Alberto Suárez López x1 x2 x Página 6 .O) y (x1 .T. suministraremos una tabla con tres valores: x1 x x0 x1 x2 f (x 0 ) = y 0 f ( x1 ) = y1 f (x 2 ) = y 2 Representando gráficamente los puntos ( x 0 .

P ( x1 ) = f ( x1 ) . que para una muestra de n + 1 términos es necesario un polinomio de grado menor o igual a n . De este modo tenemos: R( x 0 ) = P(x 0 ) − Q(x 0 ) = f ( x 0 ) − f ( x 0 ) = 0 R ( x1 ) = P( x1 ) − Q( x1 ) = f ( x1 ) − f ( x1 ) = 0 R( x 2 ) = P( x 2 ) − Q( x 2 ) = f ( x 2 ) − f ( x 2 ) = 0 R( x n ) = P( x n ) − Q( x n ) = f ( x n ) − f (x n ) = 0 .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. P ( x ) = Q( x ) y queda demostrada la unicidad del polinomio interpolante. x1 . En tal caso.. n + 1 distintos pertenecientes a R y sea f una función real polinomio P ( x ) de grado menor o igual a n que interpola a f en los puntos x0 . y lo denominaremos polinomio interpolante..O) Observamos. x1 .1.2. sabemos que todo polinomio de grado menor o igual a n tiene n raíces (reales o imaginarias.. Definimos ahora un polinomio R ( x ) = P ( x ) − Q( x ) de grado menor o igual a n ..T. es decir. definida en el intervalo I = a. Probaremos ahora la existencia de dicho polinomio mediante su construcción. x1 . n] . es decir. P ( x i ) = f ( x i ) y Q( x i ) = f ( x i ). x 2 .. x1 .. o lo que es igual. x1 . tenemos R ( x ) = P ( x ) − Q( x ) = 0 y por tanto. x2 .. b . ∀i ∈ [0. xn . Alberto Suárez López Página 7 . ….. x2 . construyéndolo.. EL PROBLEMA DE LA INTERPOLACIÓN: Sean x0 . a lo sumo. que P ( x 0 ) = f ( x 0 ) .. el polinomio R ( x ) es nulo en los n + 1 puntos x0 .. con x 0 . x2 . xn .. de acuerdo con el teorema fundamental del Álgebra.... x1 . Sin embargo.... Capítulo 2. x n ∈ I . un polinomio de grado menor o igual a n que interpola a f en los n + 1 puntos distintos x0 .. Para llevarla a cabo vamos a aplicar dos métodos: la Fórmula de Lagrange y la Fórmula de Newton.U. xn . R ( x ) = 0 ... iguales o repetidas). Capítulo 2. P ( x n ) = f ( x n ) ( n + 1 condiciones). xn . Queremos construir un [ ] Demostraremos que tal polinomio existe y es único. Es decir.1.I.1.. x2 ...I. TEOREMA DE EXISTENCIA Y UNICIDAD: Vamos a verificar en primer lugar que existe. x2 . P ( x 2 ) = f ( x 2 ) . xn : Suponemos la existencia de dos polinomios P ( x ) y Q( x ) de grado menor o igual a n que interpolan a f en los n + 1 puntos distintos x0 .. pues. En primer lugar demostraremos la unicidad y a continuación la existencia. ¿Cómo podemos justificar esta aparente contradicción? La única posible solución es que R ( x ) sea el polinomio nulo.. tiene n + 1 raíces.

........ x2 .·(x − x n ) · · l 2 (x ) = (x 2 − x 0 )(x 2 − x1 )(x 2 − x3 )·....·(x 2 − x n ) · · ..I. FÓRMULA DE LAGRANGE: a n . ( x ) + f ( x1 )·l1. ∀i ∈ 0.·(x n − x n −1 ) · · l i (x ) = .·(x − xi −1 )(x − xi +1 )·... ( x ) ...Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. l n ( x ) un polinomio de grado n que se anula en todos los [ ] l 0 (x 0 ) = 1 l 0 ( x1 ) = 0 l 0 (x 2 ) = 0 (x − x1 )(x − x 2 )(x − x3 )·..·(x1 − x n ) 1 2 · · l1 ( x 0 ) = 0 l1 ( x n ) = 0 . l (x ) = 1 (x − x 0 )(x − x 2 )(x − x3 )·.·(xi − xi −1 )(xi − xi +1 )·...... x1 . l 2 (x n ) = 0 l 2 (x 0 ) = 0 l 2 ( x1 ) = 0 l 2 (x 2 ) = 1 (x − x0 )(x − x1 )(x − x 2 )·..·(x − x n −1 ) · · l n (x ) = (x n − x 0 )(x n − x1 )(x n − x 2 )·.·(x − x n ) · · · x − xk =∏ (xi − x 0 )(xi − x1 )(xi − x 2 )·.·(xi − x n ) k =0 xi − x k · · · k ≠i l 2 (x n ) = 0 Alberto Suárez López Página 8 ...·(x − x n ) · · l 0 (x ) = (x 0 − x1 )(x 0 − x 2 )(x 0 − x3 )·..I.O) NEWTON Capítulo 2.. POLINOMIO INTERPOLANTE.1.·(x − x n ) 1 1 · · l1 ( x ) = l (x ) = 0 (x1 − x 0 )(x1 − x 2 )(x1 − x3 )·. el polinomio Pn ( x ) .... n (polinomio de interpolación) viene dado en la fórmula de Lagrange por la siguiente expresión: Si x0 .. que verifica Pn ( x i ) = f ( x i ). (x ) + .U.. xn son n + 1 puntos distintos. + f ( x n )·l n. l1 ( x n ) = 0 l 2 (x 0 ) = 0 l 2 ( x1 ) = 0 l 2 (x 2 ) = 1 (x − x 0 )(x − x1 )(x − x3 )·.. n (x − x 0 )(x − x1 )(x − x 2 )·...T..·(x0 − x n ) · · .... ( x ) = puntos x..... FÓRMULAS DE LAGRANGE Y Capítulo 2. f ( x ) excepto en uno en que su valor es la unidad. l 2 ( x ). .2. (x ) + f ( x 2 )·l 2.2. siendo l 0 ( x ). de grado menor o igual [ ] Pn ( x ) = f ( x 0 )·l 0. n i =0 f ( x i )·l i. l1 ( x )..

.. ( x ) + f ( x1 )·l1. el polinomio se tiene que volver a escribir desde cero ya que los La idea básica es construir el polinomio en pasos sucesivos: primero construiremos el polinomio P0 ( x ) .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. + f ( x n )·l n. luego construiremos el polinomio P1 ( x ) .I.. x1 . l 2 ( x ). Pn ( x n ) = f ( x n ) Página 9 .. ( x ) = polinomios l 0 ( x ). ( x ) + f (0 )·l 2.T. x2 . x1 .. cada polinomio P0 ( x ) P0 ( x 0 ) = f ( x 0 ) P1 ( x ) P1 ( x 0 ) = f ( x 0 ).I..O) Vamos a verificar que Pn ( x ) es el polinomio de interpolación: = f (x 0 )·1 + f ( x1 )·0 + f ( x 2 )·0 + . P1 ( x1 ) = f ( x1 ) P2 ( x ) P2 ( x 0 ) = f ( x 0 ).2.. de grado menor o igual viene definido a partir del anterior. l n +1 ( x ) se tienen que volver a calcular.. Pn ( x 2 ) = f ( x 2 ). l n ( x ) y ahora.. Ejercicio: Se dispone de la siguiente tabla de valores: … … … −2 −1 0 1 3 … − 23 −7 −1 1 17 Calcular el polinomio de interpolación aplicando la fórmula de Lagrange. Pn ( x1 ) = f ( x1 )..2.. De este modo. xn . + f ( x n )·0 = = f (x 0 ) Pn ( x 0 ) = f ( x 0 )·l 0. Este problema se solventa con la fórmula de Newton. x1 . función en los puntos x 0 .... que coincide con la función en el punto x 0 . ( x ) + f (3)·l 4. = −23· (x + 2)(x + 1)(x − 1)(x − 3) + x·( x + 1)( x − 1)( x − 3) · · x·( x + 2 )( x − 1)( x − 3) · · · · · − 7· − 1· − 10 30 6 x·( x + 2 )( x + 1)( x − 3) · · x·( x + 1)(x + 2 )( x − 1) · · + 1· + 17· − 12 120 P4 ( x ) = f (− 2 )·l 0. ( x ) = La identidad se verifica sucesivamente para los distintos valores x0 . ( x ) + ... Capítulo 2. así hasta llegar al polinomio Pn ( x ) . de grado menor o igual a cero. x2 . viene dado por una relación de recurrencia. FÓRMULA DE NEWTON: Un problema que tiene la fórmula de Lagrange es que si queremos añadir un nuevo punto. que coincide con la a n que coincide con la función en los puntos x0 . Alberto Suárez López . de grado menor o igual a uno.. ( x ) + f ( x 2 )·l 2. ( x ) + f (1)·l 3... xn . P2 ( x1 ) = f ( x1 )..U. l1 ( x ). P2 ( x 2 ) = f ( x 2 ) Pn ( x ) Pn ( x 0 ) = f (x 0 ).. ( x ) + f (− 1)·l1. x n +1 . es decir..

... xn y una función [ ] n [ ] [ ] [ ] [ ] Alberto Suárez López Página 10 .. al coeficiente de x en el desarrollo del correspondiente polinomio interpolador.T.2.. f x1 = c1 . c 2 ..U.. se llama diferencia dividida de la función f en los puntos x 0 .. c n ? Capítulo 2. Dados n + 1 puntos distintos x0 . + c n ·( x − x 0 )( x − x1 )( x − x 2 )·.I. x 2 . ¿cómo calculamos los coeficientes c 0 ..O) Vamos a calcular estos polinomios: P0 ( x ) = f (x 0 ) = c 0 P1 ( x ) = P0 ( x ) + Q1 ( x ) P1 ( x ) = f (x 0 ) P1 ( x 0 ) = f ( x 0 ) + Q1 ( x 0 ) Q1 ( x 0 ) = 0 Q1 ( x ) = c1 ·( x − x 0 ) c1 = f (x1 ) − f (x 0 ) x1 − x 0 P1 ( x1 ) = f ( x 0 ) + Q1 ( x1 ) = f ( x 0 ) + c1 ·(x − x 0 ) P1 ( x ) = c 0 + c1 ·(x − x 0 ) P2 ( x ) = P1 ( x ) + Q2 ( x ) P2 ( x 0 ) = f ( x 0 ) P2 ( x1 ) = f ( x1 ) P2 ( x 0 ) = P1 ( x 0 ) + Q2 ( x 0 ) = f ( x 0 ) + Q2 (x 0 ) P2 ( x1 ) = P1 ( x1 ) + Q2 ( x1 ) = f ( x1 ) + Q2 ( x1 ) P1 ( x1 ) = f ( x1 ) Q2 (x 0 ) = 0 Q2 ( x1 ) = 0 Q2 (x ) = c 2 ·(x − x 0 )( x − x1 ) · P2 ( x 2 ) = P2 ( x 2 ) + Q2 ( x 2 ) = c 0 + c1 ·( x 2 − x 0 ) + c 2 ·( x 2 − x 0 )( x 2 − x1 ) · P2 ( x 2 ) = f ( x 2 ) c2 = f ( x 2 ) − c 0 − c1 ·( x 2 − x 0 ) (x 2 − x 0 )(x 2 − x1 ) · P2 ( x ) = c 0 + c1 ·( x − x 0 ) + c 2 ·( x − x 0 )( x − x1 ) · Así tenemos: Pn ( x ) = c 0 + c1 ·( x − x 0 ) + c 2 ·( x − x 0 )( x − x1 ) + .... c1 . Así. x n . x1 .·( x − x n −1 ) · · · De este modo solventamos el inconveniente que teníamos al añadir más puntos. f x 2 = c 2 .. Por ejemplo.3.. siendo n el orden de la diferencia dividida. x1 . f x n = c n ... f x 0 = c 0 .. + c n +1 ·(x − x 0 )( x − x1 )(x − x 2 )·... x2 . DIFERENCIAS DIVIDIDAS DE UNA FUNCIÓN: f definida en tales puntos.... x1 ... si añadimos un punto x n +1 : Pn +1 (x ) = c 0 + c1 ·( x − x 0 ) + c 2 ·(x − x 0 )(x − x1 ) + .·(x − x n ) · · · Pero. x n y se representa f x 0 .I...Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E... x 2 .

.. x1 . x1 . x n = Pn ( x ) = f [x 0 ] + f [x1 ]·( x − x 0 ) + f [x 2 ]·(x − x 0 )(x − x1 ) + .. x1 . x 2 ] x 3 − x1 f [x1 ... x1 ] x2 − x0 f [x 0 .. + · [ ] f [x1 . x1 .. x 2 . x 2 ] − f [x 0 .·(x − x n −1 ) · · Verificándose que f x 0 . x1 .I... x 2 . x 2 ] x3 − x 0 … Alberto Suárez López Página 11 ... x 2 ] = f [x1 . x n ] − f [x 0 . x 2 ] = f [x1 ] − f [x 0 ] x1 − x 0 f [x 2 ] − f [x1 ] x 2 − x1 f [x 3 ] − f [x 2 ] x3 − x 2 … x2 f [x 2 ] f [x 2 . x 3 ] = f [x 2 ..O) El valor de una diferencia dividida es independiente del orden en que se escriban sus argumentos. las diferencias divididas de cualquier orden se definen a partir de las de órdenes precedentes y su cálculo se sintetiza en forma de tabla triangular: x0 f [x 0 ] f [x 0 . x1 ] = x1 f [x1 ] f [x1 . x 2 . x 3 .T.U.. El polinomio de Newton.. x 2 . x n −1 ] xn − x0 De esta manera. usando diferencias divididas. x 3 ] − f [x1 . x 3 ] = x3 … f [x 3 ] f [x 0 . vendrá dado por: + f [x n ]·(x − x 0 )(x − x1 )(x − x 2 )·.. x 3 ] = f [x1 .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. x 2 .. x 2 . x 3 ] − f [x 0 .I.

x 4 ] = 8 f [x 0 . x1 . x 2 .T. empleando diferencias divididas. x3 ] = 2 f [x1 .U. x 4 ] = 2 f [x 3 . x 2 ] = 6 f [x 0 . x1 ] = 16 −1 −7 f [x1 . x1 . x 2 . x 3 .I.O) Ejercicio: Se dispone de la siguiente tabla de valores: … … … −2 −1 0 1 3 … − 23 −7 −1 1 17 Calcular el polinomio de interpolación aplicando la fórmula de Newton. x 3 ] = 1 f [x1 . x 2 ] = −5 f [x 0 . x 3 ] = −2 f [x 2 .I. x 4 ] = 0 0 −1 1 1 3 17 + c 4 ·(x − x 0 )( x − x1 )( x − x 2 )( x − x 3 ) = · · · = − x 3 − 2 x 2 + 3x − 1 P4 ( x ) = c 0 + c1 ·(x − x 0 ) + c 2 ·( x − x 0 )( x − x1 ) + c 3 ·( x − x 0 )( x − x1 )( x − x 2 ) + · · · = −23 + 16·( x + 2) − 5·( x + 2)(x + 1) +·( x + 2)( x + 1)·x + 0·( x + 2)( x + 1)·x·( x − 1) = · · · Alberto Suárez López Página 12 . x 3 . x 3 . + c 4 ·( x − x 0 )( x − x1 )( x − x 2 )(x − x 3 ) · · · P4 ( x ) = c 0 + c1 ·( x − x 0 ) + c 2 ·( x − x 0 )( x − x1 ) + c 3 ·( x − x 0 )( x − x1 )( x − x 2 ) + · · · −2 − 23 f [x 0 . x 2 .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. x 2 . x1 . x 4 ] = 1 f [x 2 .

Alberto Suárez López Página 13 .I. → R . b ) .U.. (n + 1)! i =0 ( ) En este caso tomaremos M ( n +1) (x ) .O) Capítulo 2.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. se verifica que e n x = f x − Pn x = = 1 ·f (n + 1)! y ( n +1) n () () () 1 ·f (n + 1)! ( n +1) (c ) · (x − x 0 )(x − x1 )(x − x 2 )·. b] tales que a = x 0 < x1 < x 2 < . ∀x ∈ (a.... b] . b ) y sea Pn ( x ) el Sea la función f : a. Si x ∈ [a..b ) n M · ∏ x − xi . < x n = b .·(x − x n ) = · · (c ) · ∏ (x − xi ) i =0 P(x) f(x) x0 x x1 x Si ∃M f ( n +1) (x ) ≤ M .3.T. ERROR EN LA INTERPOLACIÓN. x1 . existe un punto c x tal que el error en x viene dado por la expresión: [ ] x 0 . x n ∈ [a. entonces en (x ) ≤ = sup f x∈( a . x 2 .. n + 1 veces derivable en (a. b  polinomio de grado menor o igual a n que interpola a la función en los n + 1 puntos distintos.I...

1972 + 0. x1 ] = 0.2 − 9 ) = 2.1972 2.2 A continuación vamos a evaluar el error cometido en la aproximación: Así.T.1082·( x − 9 ) Evaluando el valor de dicho polinomio en x = 9. Vamos a construir el polinomio de interpolación lineal aplicando la fórmula de Newton empleando diferencias divididas.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.03· f '' (c ) = 0.1082 f [x1 . el polinomio de interpolación vendrá dado por: 11 en x = = () n 1 '' 1 · f (c ) · ∏ (9.06 '' 1 0.0052 P1 ( x ) = c 0 + c1 ·( x − x 0 ) = 2.U.3979 … a) Aproximar el valor de ln 9.5 11 … ln x 2. x 2 ] = −0. x 2 ] = 0.2 − x i ) = · f '' (c ) · (9.2 obtendremos el valor aproximado de ln 9.9.03· − 2 = 2 2 c c 1 1 1 1 1 1 < < c ∈ (9.2513 2. x1 .5) = · 2 2! i =0 0.I.1972 2.3979 La tabla de diferencias divididas será: f [x 0 .2 utilizando interpolación cuadrática.2513 2.1082·(9.2188 ≈ ln 9.5 < c < 9 < 2 < 2 9 c 9 .I.03 0.03 en x ≤ 2 = 81 9 b) Aproximar el valor de ln 9.5) 9. P1 ( x ) = c 0 + c1 ·( x − x 0 ) 9 9 .0977 f [x 0 .1972 + 0. Dar una cota del error () cometido. Alberto Suárez López Página 14 .2 P1 (9. Dar una cota del error cometido.5 2.2 utilizando interpolación lineal.2 − 9.2 − 9 )(9.5 9 c 9 .5 2 0.2 ) = 2.03 · f (c ) = 0.O) Ejercicio: Se dispone de los siguientes valores de la función logaritmo neperiano: x … … 9 9 .

∀ x ∈ [x0 .I.3. x1 . 2! f . Sabemos que si x ∈ [x 0 .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. y sea P1 ( x ) el polinomio que () () () ( )( ) Vamos a hallar.1) = t ·(t − 1)·h 2 h h x0 x1 1 e1 x = · t ·(t − 1) ·h 2 · f '' (c ) 2 g (t ) = t ·(t − 1) = t ·(1 − t ) = t − t 2 g (t ) = 0 ' () g ' (t ) = 1 − 2·t 1 − 2·t = 0 t= 1 (máximo) 2 g 1 1 = 2 4 11 e1 x ≤ · ·h 2 · f '' (c ) 24 h2 e1 x ≤ · f '' (c ) .U. una cota para el error (en valor absoluto) en la interpolación lineal.T. x1 ) .I. 1 ∃c ∈ ( x 0 . a partir de esta expresión. dos veces derivable en (x 0 . válida para cualquier punto x ∈ x 0 . x1 ] 8 () () Alberto Suárez López Página 15 . ERROR EN LA INTERPOLACIÓN LINEAL: Sea una función interpola a f en esos dos puntos.1. x1 ] .O) Capítulo 2. [ ] (x − x )(x − x ) = · 0 1 h = x1 − x 0 = x − x 0 · x − x 0 − h = ( )( ) (x −h x )· (x − xh − h)·h 0 0 2 = = t= x − x0 ∈ (0. x1 ) e1 x = f x − Pn x = · f '' (c )· x − x 0 · x − x1 .

I. x 2 ) e1 x = f x − Pn x = · f 3! () () () ''' (c )·(x − x 0 )(x − x1 )(x − x 2 ) . x1 . una cota para el error (en valor absoluto) en la interpolación cuadrática.2] − t 3 + 3t 2 − 2t · g ' (t ) = g ' (t ) = 0 g 1+ = 1− − 3t + 3t − 2 si t ∈ (1. x 2 . · · [ ] Vamos a hallar.I. 1 ∃c ∈ ( x 0 .3. tres veces derivable en ( x 0 . que las abscisas de los nodos son equidistantes. [ ] (x − x )(x − x )(x − x ) = h = x − x = (x − x )(x − x − h)(x − x − 2h) = · · · · (x − x )· (x − x − h)· (x − x − 2h)·h = t = x − x ∈ (0.U.1] · t 3 − 3t 2 + 2t = g (t ) = t ·(t − 1)(t − 2 ) = · t ·(t − 1)(t − 2 ) si t ∈ (1. válida para cualquier punto x ∈ x 0 .2. x 2 .1) t =1± 3 (máximo) 3 3 3 3 3 3 3 3 = 1+ −1 · 1+ − 2 = 1+ · 1+ · · 1− = 3 3 3 3 3 3 3 1 3 2 3 2 3 · = · = 3 3 3 3 9 2 3 9 t∈(0 .2 ) 3t 2 − 6t + 2 = 0 2 () si t ∈ (1. 2 ) max t ·(t − 1)(t − 2 ) = · Alberto Suárez López Página 16 . además.T. x1 y supuesto.2) = t·(t − 1)(t − 2)·h = · 0 1 2 1 0 0 0 0 0 0 0 3 0 3 h h h h 2h h x0 x1 x2 1 e 2 x = · t ·(t − 1)(t − 2) ·h 3 · f ''' (c ) · 3! t ·(1 − t )(t − 2 ) si t ∈ [0.1] 3t 2 − 6t + 2 si t ∈ (0. ERROR EN LA INTERPOLACIÓN CUADRÁTICA: Sea una función f . Sabemos que si x ∈ x 0 .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.2] si t ∈ [0.O) Capítulo 2. x 2 ) . a partir de esta expresión. tal que x 0 < x1 < x 2 . y sea P2 ( x ) el polinomio que interpola a f en los puntos x 0 .

1) 0 < c < 1 e 0 < e c < e1 ·f ' '' h3 (c ) = 1 · 1 < ec < e e2 x ≤ e 72 3 INTERPOLACIÓN: Capítulo 2. x 2 ] x Acotar el error de interpolación para la función f ( x ) = e en el intervalo 0. e2 x ≤ () () 1 .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. por ejemplo.I.1 . ∀x ∈ R ..U. se verifica que: (b − a )n+1 e n (x ) ≤ (n + 1)! Alberto Suárez López Página 17 . el error vendrá dado por: 1 e n x = f x − Pn x = ·f (n + 1)! Por otra parte: () () () ( n +1) (c ) · ∏ ( n i =0 n 1 x − xi ≤ · x − xi (n + 1)! ∏ i =0 ) ( ) x0=a x1 x2 x xn=b x − x 0 · x − x1 · x − x 2 ·. la función seno. e 2 x = () e2 x ≤ Ejercicio: () 1 · t ·(t − 1)(t − 2) ·h 3 · f · 3! ·f ''' ''' (c ) h3 9 3 (c ) .· x − x n ≤ (b − a )(b − a )(b − a )·. Así.O) Así.. 2 1 c ·e 3 9 3 9 3 2 c ∈ (0. cuando se [ ] interpola por un polinomio de grado 2 en los nodos 0.I.1 .3. OBSERVACIONES AL RESULTADO REFERENTE AL ERROR EN LA Si se interpola. tenemos que f ( n +1) (x ) ≤ 1.. ∀ x ∈ [x 0 ..3.T.·(b − a ) · · Así.

I. que a medida que incrementamos el número de nodos el error cometido en la interpolación tiende a cero.U. especialmente en los extremos del intervalo.O) ¿Qué ocurre cuando aumentamos los nodos? (b − a )n+1 lim n → ∞ (n + 1) ! =0 Vemos.5 Alberto Suárez López Página 18 . Pero en general. Por ejemplo: La función f ( x ) = 1 en [− 5.I. pues.5] 1 + x2 P4 ( x ) en − 5. el grado del polinomio.3.0.T.−3. la cota del error aumenta a medida que aumenta n .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. Para algunas funciones. no se consigue disminuir el error incrementando el número de nodos y por lo tanto. Un elevado número de puntos puede dar lugar a polinomios con muchas oscilaciones que aproximan mal a la función que se interpola.

..4.U.5.5 P20 (x ) en − 5...I....0.−4..T..Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.O) P10 ( x ) en − 5...5.I..−4. Alberto Suárez López Página 19 .5 Para solucionar estos problemas introduciremos el concepto de la interpolación a trozos.0...4...

.T. f ( x i +1 )) .I. < x n = b .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.O) Capítulo 2..1.4. i = 0.4. una función es la interpolación a trozos o interpolación segmentaria que consiste en dividir el intervalo a. y f(x3) se aproxima la función f en cada intervalo de la forma x i .U.. x i +1 .I. b ) y dados n + 1 puntos a = x 0 < x1 < x 2 < . INTERPOLACIÓN POLINÓMICA A TROZOS. que une los puntos ( x i . [ ] Capítulo 2.. Una buena forma de obtener. por interpolación.. f ( x i )) y ( x i +1 . n − 1 mediante la recta [ ] f(x1) f(x2) f(x0) x0 x1 x2 x3 x Alberto Suárez López Página 20 . INTERPOLACIÓN LINEAL A TROZOS: Sea f dos veces derivable en (a.. b en subintervalos lo suficientemente pequeños y aproximar la función en esos subintervalos mediante polinomios de grado pequeño.

e (x ) ≤ ·( x 8 Si x ∈ x 0 . ( ) ≤ 1·(x 8 1 Si x ∈ [x .O) Capítulo 2. Determinar el número mínimo de puntos.T.4. el error cometido en la interpolación lineal a trozos vendrá dado por: 1 e1 x ≤ ·h 2 ·M 8 () Sea la función f ( x ) = x en el intervalo − 1. − 1 + n·h f (x ) .. x i } ·M .I. b ) . x n ) 8 1 2 Así. ERROR EN LA INTERPOLACIÓN LINEAL A TROZOS: Queremos calcular una cota para el error en la interpolación lineal a trozos independiente del punto escogido. x ] . c1 ∈ ( x 0 . x1 ) 2 2 − x1 ) · f '' (c 2 ) . c1 ∈ ( x n −1 . e1 x = f x − P1 x ≤ · max {x i +1 . si x ∈ [x 0 .1 . 3 Ejercicio: [ ] a) Se desea generar una tabla de valores de f con abscisas equiespaciadas de forma que la interpolación lineal a trozos entre dos puntos consecutivos tenga un error menor que 3·10 −4 x −1 −1+ h − 1 + 2h . entonces.1.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U. ∀c ∈ [− 1.. c1 ∈ ( x1 .1] f (x ) = x 3 f ' ( x ) = 3· x 2 f '' (x ) = 6·x Alberto Suárez López Página 21 . 8 0≤i ≤ n −1 ( n +1) (x ) ≤ M . x n ]. x 2 ) 2 1 2 e1 x ≤ ·( x n − x n −1 ) · f '' (c n ) . e1 x 1 2 1 [ ] 1 − x 0 ) · f '' (c1 ) . … … … … … El error cometido viene dado por: Calculamos el valor de M : 1 e1 x ≤ ·h 2 ·M 8 f '' (c ) ≤ M () f '' (c ) ≤ 6. x1 . siendo f Si x ∈ x n −1 . … [ ] () () () () [ ] Si las abscisas de los nodos son equidistantes.1. ∀x ∈ (a. x n .I.

O) Así: 1 3 e1 x ≤ ·h 2 ·6 = ·h 2 3 8 4 ·h 2 ≤ 3·10 − 4 4 e1 x ≤ 3·10 − 4 h 2 − 4·10 − 4 ≤ 0 hmax = 2·10 − 2 Por otra parte sabemos que: −2 () () 1 2 ·h ≤ 10 − 4 4 −2 h 2 ≤ 4·10 − 4 (h + 2·10 )(h − 2·10 ) ≤ 0 · h= Y por tanto: b − a 1 − (− 1) 2 = = n n n El mínimo número de puntos es n + 1 = 101 puntos.1] ¿ 2 3 3 f '' (x ) = 6·x f ''' (x ) = 6 Así: e1 x ≤ 1 ( ) 1 ·M = 1 ·6 9 3 9 3 e (x ) ≤ 3·10 −4 −4 ≤ 3·10 − 4 ? Con tres nodos equidistantes no se puede asegurar que el error sea menor que 3·10 . Determinar el número mínimo de puntos y el polinomio de interpolación.T. b) Se desea utilizar un único polinomio interpolante (con nodos equidistantes) en todo el intervalo.I. ∀c ∈ [− 1. Alberto Suárez López Página 22 .U. Anteriormente hemos probado que con interpolación lineal es necesario emplear 101 puntos para que el error cometido sea menor que 3·10 Vamos a probar ahora con la interpolación cuadrática.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.I. manteniendo la cota del error 3·10 . −4 −4 h = 2·10 −2 2 2·10 − 2 = 2 n h= n 10 − 2 = 1 n n = 100 . x −1 0 1 e2 x ≤ f ''' f (x ) … … … El error cometido viene dado por: () 1 Calculamos el valor de M : 9 3 ·h 3 ·M (c ) ≤ M f (x ) = x 3 f ' ( x ) = 3· x 2 f ''' (c ) = 6.

Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. el mínimo número de puntos necesarios es cuatro y el polinomio de interpolación es P3 ( x ) = x = f ( x ) . pues. 3 Alberto Suárez López Página 23 .T. Deducimos. que el polinomio de interpolación coincide con la propia función.O) Vamos a probar ahora la interpolación cúbica.I.I. x −1 −1 3 13 1 f (x ) … … … … Tenemos que calcular un polinomio de grado menor o igual a 3 y en el que se verifique el valor de la función en los nodos anteriores. luego el error es cero. Así.U.

Desde este punto de vista trataremos el tema de la aproximación de funciones.I. Alberto Suárez López Página 24 . un caso particular de función que se utiliza en gran cantidad de problemas como es la búsqueda de la recta de regresión. Este caso ya ha sido tratado en el tema anterior (Capítulo 2: Interpolación). conocida explícitamente una función o bien conocidos los valores que alcanza la función en determinados puntos.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.T. la recta que mejor aproxime a la función en ciertos puntos. que optimicen la aproximación a los datos que tenemos de nuestra función. El estudio de la teoría de aproximación se puede plantear desde dos puntos de vista. que coincida con ella en dichos valores y que nos sirva de punto de partida para aproximar la función en otros puntos. INTRODUCCIÓN.I. Trataremos. no necesariamente polinomios. Otra opción es la búsqueda de un tipo específico de funciones.U. es decir.1. tratamos de buscar una función “simple”. Capítulo 3. en primer lugar. En un caso. un polinomio.O) Capítulo 3: AJUSTE DE DATOS Y APROXIMACIÓN DE FUNCIONES.

+ [ y n − F (x n )] = 2 2 2 2 n i =1 = ( yi − a − bx i ) 2 Deseamos minimizar esta distancia d . AJUSTE Y APROXIMACIÓN POR MÍNIMOS CUADRADOS.2. ¿en qué sentido se habla de aproximación? y f(x4) f(x2) f(x3) f(x1) x1 Vamos a llamar: x2 x3 x4 x = ( y1 − a − bx1 ) + ( y 2 − a − bx 2 ) + ( y 3 − a − bx 3 ) + . Pero.U. Supongamos que tenemos una tabla de puntos de la función.O) Capítulo 3.I... y buscamos la recta F ( x ) = a + bx que mejor aproxime dichos puntos. + ( y n − a − bx n ) = 2 2 2 2 d = [ y1 − F ( x1 )] + [ y 2 − F (x 2 )] + [ y 3 − F ( x 3 )] + .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E... b ) . Alberto Suárez López Página 25 .I. (aproximación o ajuste mínimo cuadrático). Podemos considerar d como una función de a y b : d = d (a.T. que serían dados obtenidos experimentalmente o valores generados por una cierta función.

− ∂a − 2· y n − a * − b * x n = 0 ( ( ∂d (a ∂b ) ) ( ) * ..O) Tenemos.. b * = −2 x1 · y1 − a * − b * x1 − 2 x 2 · y 2 − a * − b * x 2 − 2 x 3 · y 3 − a * − b * x 3 − ... b = −2· y1 − a * − b * x1 − 2· y 2 − a * − b * x 2 − 2· y 3 − a * − b * x 3 − . + x n n i =1 n i =1 n i =1 ( − 2·( y y1 + y 2 + y 3 + . − n * * n * * * * * * 1 1 1 2 2 2 3 3 3 n n * * n 1 * * 1 2 * * 2 3 * * 3 n * * n 1 1 * * 1 2 2 * * 2 3 3 * * 3 n n * * n 2 2 2 x1 · y1 + x 2 · y 2 + x 3 · y 3 + ... + (y − a − b x ) = 0 x ·( y − a − b x ) + x ·( y − a − b x ) + x ·( y − a − b x ) + .I. + x n ) * * ( ) yi = a * ·n + b* · x1 · yi = a · * n i =1 xi * n i =1 n ⇔ x 2 i n i =1 n i =1 n i =1 xi x 2 i n · a* b* = xi + b · xi i =1 n i =1 yi x1 · yi Se puede demostrar que este sistema de ecuaciones siempre será compatible y el único caso en que tenga infinitas soluciones es cuando los puntos ( x. + x n · y n = a * ·( x1 + x 2 + x 3 + . y ) sean todos iguales.... + x ·( y − a − b x ) = 0 − 2· y1 − a * − b * x1 − 2· y 2 − a * − b * x 2 − 2· y 3 − a * − b * x 3 − . + y n = a ·n + b ·( x1 + x 2 + x 3 + .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.. + x n ) + b * · x12 + x 2 + x 3 + .. b ) = 0 = ∂d (a ∂a ∂b * * * ( * . − ( ( ( ) − 2xn · yn − a * − b* xn = 0 ( ) ) ( ) ( ) − a − b x )= 0 − 2 x ·( y − a − b x ) − 2 x ·( y − a − b x ) − 2 x ·( y − a − b x ) − ...U... que calcular los valores de a y b que hagan mínima la distancia d .. Alberto Suárez López Página 26 .T. b* ) ) ( ) ) ( ) ) Así: ∂d * * a ... pues.. b * )si: ∂d (a ... Por la teoría de funciones de varias variables.I.. − − 2 x ·( y − a − b x ) = 0 (y − a − b x ) + (y − a − b x ) + (y − a − b x ) + . sabemos que d alcanza un mínimo en el punto P a .

1).5).I. (3.U.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.I.T.0 )}. Determinar la recta que mejor aproxime dichos valores. (1.O) Ejercicio: Dados los valores {(0. (− 1.3).2857 Hemos visto como podemos aproximar una función mediante una recta.2857x + 1. Alberto Suárez López Página 27 . x 0 1 3 −1 4 3 3 10 · f (x ) 1 3 5 0 a b = 9 18 ⇔a=b= 9 7 9 F ( x ) = ·(1 + x ) 7 6 5 4 3 2 1 0 -2 -1 0 1 2 3 4 y = 1.

c = ∂a ∂b ∂c ( ) ( ) ( ( * * * ) ) si: Así: ∂d * * * 2 a . La expresión En este caso tenemos: d = d (a. Sabemos que d alcanzará un mínimo en el punto P a .. 2 Vamos ahora a buscar la parábola que mejor aproxime los puntos dados.. − 2 x n · y n − a * − b * x n − c * x n = 0 ( ) ( ) ( ) ( ) Alberto Suárez López Página 28 .U.b .b .O) general de dicha parábola es: F ( x ) = a + bx + cx . + [ y n − F ( x n )] = 2 2 2 2 = y1 − a − bx1 − cx12 n n n i =1 ( + (y = ) + (y − a − bx − cx ) = (y − a − bx − cx ) 2 2 2 n 2 2 − a − bx 2 − cx 2 ) + (y 2 3 2 − a − bx 3 − cx3 ) 2 + . c = −2· y1 − a * − b * x1 − c * x12 − 2· y 2 − a * − b * x 2 − c * x 2 − ∂a 2 2 − 2· y 3 − a * − b * x 3 − c * x 3 − .b .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. c = −2 x12 · y1 − a * − b * x1 − c * x12 − 2 x 2 · y 2 − a * − b * x 2 − c * x 2 − ∂c 2 2 2 2 − 2 x 3 · y 3 − a * − b * x 3 − c * x 3 − . b . c ) = [ y1 − F ( x1 )] + [ y 2 − F ( x 2 )] + [ y 3 − F ( x 3 )] + .. c * = −2 x1 · y1 − a * − b * x1 − c * x12 − 2 x 2 · y 2 − a * − b * x 2 − c * x 2 − ( ( ) 2 2 − 2 x 3 · y 3 − a * − b * x 3 − c * x 3 − . − 2· y n − a * − b * x n − c * x n = 0 ( ( ∂d (a ∂b ( ) ) ) ( ) ( ) ) ) ( ) * 2 ..I.. b .T. b. c ∂d * * * ∂d * * * ∂d * * * a .I.c a .. b * . b . + i i 2 2 i Vamos a minimizar esta distancia (ajuste mínimo cuadrático)..c = 0 = a ... − 2 x n · y n − a * − b * x n − c * x n = 0 ( ) ( ) ∂d * * * 2 2 a ..

.U.T. − 2·( y − a − b x − c x ) = 0 − 2 x ·( y − a − b x − c x ) − 2 x ·( y − a − b x − c x ) − − 2 x ·( y − a − b x − c x ) − .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.....I. + x ) + c ·(x + x + x + ..... + + x ·( y − a − b x − c x ) = 0 x ·( y − a − b x − c x ) + x ·( y − a − b x − c x ) + x ·( y − a − b x − c x ) + . + y = a ·n + b ·( x + x + x + . + x ) x · y + x · y + x · y + .. + x · y = a ·(x + x + x + ......... − 2 x ·( y − a − b x − c x ) = 0 (y − a − b x − c x ) + (y − a − b x − c x ) + (y − a − b x − c x ) + . + x ) + + c ·(x + x + x + . + x ) + b ·(x + x + x + .. + + (y − a − b x − c x ) = 0 x ·( y − a − b x − c x ) + x ·( y − a − b x − c x ) + x ·( y − a − b x − c x ) + . + x ) + + c ·(x + x + x + .. − 2 x ·( y − a − b x − c x ) = 0 − 2 x ·( y − a − b x − c x ) − 2 x ·( y − a − b x − c x ) − − 2 x ·( y − a − b x − c x ) − .... + x · y = a ·(x + x + x + ....O) ) ( ) − a − b x − c x ) − . + x ) 2 − 2· y1 − a * − b * x1 − c * x12 − 2· y 2 − a * − b * x 2 − c * x 2 − 3 * * 3 * 2 3 n * * n * 2 n 1 1 * * 1 * 2 1 2 2 * * 2 * 2 2 3 3 * * 3 * 2 3 n n * * n * 2 n 2 1 1 * * 1 * 2 1 2 2 2 * * 2 * 2 2 2 3 3 * * 3 * 2 3 2 n n * * n * 2 n 1 * * 1 * 2 1 2 * * 2 * 2 2 3 * * 3 * 2 3 n * * n * 2 n 1 1 * * 1 * 2 1 2 2 * * 2 * 2 2 3 3 * * 3 * 2 3 n n * * n * 2 n 2 1 1 * * 1 * 2 1 2 2 2 * * 2 * 2 2 2 3 3 * * 3 * 2 3 2 n n * * n * 2 n 1 2 3 n * * 1 2 3 n * 2 1 2 2 2 3 2 n 1 1 2 2 3 3 n n * 1 2 3 n * 2 1 2 2 2 3 2 n * 3 1 3 2 3 3 3 n 2 1 1 2 2 2 2 3 3 2 n n * 2 1 2 2 2 3 2 n * 3 1 3 2 3 3 3 n * 4 1 4 2 4 3 4 n ( − 2·( y n i =1 n i =1 n i =1 y i = a * ·n + b * · xi · y i = a * · n i =1 n i =1 n i =1 xi + c * · n i =1 n i =1 n i =1 x i2 n i =1 n i =1 n x i3 x i4 ⇔ n i =1 n i =1 n i =1 n i =1 n i =1 xi x i2 x i3 n i =1 n xi + b * · x i2 + c * · xi x i2 x i2 · y i = a * · x i2 + b * · x i3 + c * · i =1 a* x i3 · b * = i =1 c* n 4 xi x i2 n i =1 n i =1 n i =1 yi xi · y i x i2 · y i Alberto Suárez López Página 29 .... + x ) + b ·(x + x + x + .... + x ) x · y + x · y + x · y + ...I. + + x ·( y − a − b x − c x ) = 0 y + y + y + .

833x 2 3 2.O) Ejercicio: Calcular la parábola que mejor aproxima.0833x2 + 0.T.9167 x − 0.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.I. x −1 0 8 3 7 f (x ) −1 0 2 65 a 1 a ≈0 7 65 511 · b = 17 ⇔ b = 0.5 -1 -1.5 0 -2 -0. a la función f ( x ) = 3 x en los puntos − 1 .5 2 1. en el sentido de los mínimos cuadrados.9167x .3E-14 Alberto Suárez López Página 30 .I.5 1 0.833 F ( x ) = a + bx + cx 2 = 0.5 0 2 4 6 8 10 y = -0.U.9167 65 511 4097 c 127 c − 0. 0 y 8 .

..... + c k ·ϕ k ( x ) Es decir... Por ejemplo: Para k = 2 : ϕ 1i ( x ) = 1 ϕ 2 (x ) = x F ( x ) =c 1 + c 2 · x recta Para k = 3 : ϕ1i ( x ) = 1 ϕ 2 ( x ) = x ϕ 3i ( x ) = x 2 F ( x ) =c 1 + c 2 · x + c 3 · x 2 2 parábola Así.... c k = c1 .. c 2 ..O) Vamos a extender el problema del ajuste mínimo cuadrático al caso más general de considerar que la función aproximadamente sea de la siguiente manera: F ( x ) = c1 ·ϕ1 ( x ) + c 2 ·ϕ 2 (x ) + c 3 ·ϕ 3 ( x ) + . − c k ·ϕ k ( x 2 )] + + [ y 3 − c1 ·ϕ1 ( x 3 ) − c 2 ·ϕ 2 ( x 3 ) − c 3 ·ϕ 3 ( x 3 ) − . c 2 .. c 3 . c k si y sólo si se verifica: ∂d * * * ∂d * * * ∂d * * * * * * c1 . c 2 . c 3 ... c 3 . + + [ y n − c1 ·ϕ 1 ( x n ) − c 2 ·ϕ 2 ( x n ) − c 3 ·ϕ 3 ( x n ) − .. c 3 . − c k ·ϕ k (x1 )] + 2 2 2 d (c1 .T.. c k = 0 = c1 . elegidas por quien construye la función. c 2 ...U.. c 2 . la función a aproximar vendrá dada por la expresión: 2 = [ y1 − c1 ·ϕ1 ( x1 ) − c 2 ·ϕ 2 (x1 ) − c 3 ·ϕ 3 ( x1 ) − ......Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.. − c k ·ϕ k ( x n )] = 2 n i =1 k j =1 2 = yi − c j ·ϕ j ( x i ) * * * * d alcanzará un mínimo en el punto P c1 . c k = . + [ y n − F ( x n )] = 2 2 + [ y 2 − c1 ·ϕ1 ( x 2 ) − c 2 ·ϕ 2 ( x 2 ) − c 3 ·ϕ 3 ( x 2 ) − . c k ) = [ y1 − F (x1 )] + [ y 2 − F ( x 2 )] + [ y 3 − F ( x 3 )] + . c k ∂c k ( ) Alberto Suárez López Página 31 .. c 3 . c 3 . c 2 .... = ∂c1 ∂c 2 ∂c 3 ( ) ( ) ( ) ( ) = ∂d * * * * c1 ..I...... la función aproximadamente es una combinación lineal de las funciones ϕ i ( x ) ..I... − c k ·ϕ k ( x 3 )] + + ..

.. − c k ·ϕ k (x 3 )]·ϕ 1 ( x 3 ) − − . − c k ·ϕ k ( x n )]·ϕ 3 ( x n ) = 0 .... − − 2·[ y n − c1 ·ϕ1 ( x n ) − c 2 ·ϕ 2 ( x n ) − c 3 ·ϕ 3 (x n ) − ... − c k ·ϕ k ( x n )]·ϕ k (x n ) = 0 Alberto Suárez López Página 32 ...... − c k ·ϕ k (x 3 )]·ϕ 2 ( x 3 ) − − .. − c k ·ϕ k ( x 2 )]·ϕ 1 ( x 2 ) − ∂d * * * * c1 . c 2 . c k = −2·[ y1 − c1 ·ϕ1 ( x1 ) − c 2 ·ϕ 2 ( x1 ) − c 3 ·ϕ 3 ( x1 ) − . c k = −2·[ y1 − c1 ·ϕ 1 ( x1 ) − c 2 ·ϕ 2 ( x1 ) − c 3 ·ϕ 3 ( x1 ) − ... − c k ·ϕ k (x 3 )]·ϕ k ( x 3 ) − − .. − c k ·ϕ k ( x1 )]·ϕ 2 ( x1 ) − ∂c 2 ( ) − 2[ y 2 − c1 ·ϕ 1 ( x 2 ) − c 2 ·ϕ 2 ( x 2 ) − c 3 ·ϕ 3 ( x 2 ) − ...... − − 2[ y 2 − c1 ·ϕ 1 ( x 2 ) − c 2 ·ϕ 2 (x 2 ) − c 3 ·ϕ 3 ( x 2 ) − ..U.. − − 2·[ y n − c1 ·ϕ1 ( x n ) − c 2 ·ϕ 2 ( x n ) − c 3 ·ϕ 3 (x n ) − . − c k ·ϕ k ( x 2 )]·ϕ 3 ( x 2 ) − ∂d * * * * c1 . c k = −2·[ y1 − c1 ·ϕ 1 ( x1 ) − c 2 ·ϕ 2 ( x1 ) − c 3 ·ϕ 3 ( x1 ) − . c 2 . − c k ·ϕ k ( x 2 )]·ϕ k ( x 2 ) − − 2[ y 3 − c1 ·ϕ 1 ( x 3 ) − c 2 ·ϕ 2 ( x 3 ) − c 3 ·ϕ 3 (x 3 ) − .... − − 2[ y 2 − c1 ·ϕ 1 ( x 2 ) − c 2 ·ϕ 2 ( x 2 ) − c 3 ·ϕ 3 ( x 2 ) − ..... ∂d * * * * c1 .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E... − c k ·ϕ k ( x1 )]·ϕ 3 ( x1 ) − ∂c 3 ( ) − 2·[ y n − c1 ·ϕ1 ( x n ) − c 2 ·ϕ 2 ( x n ) − c 3 ·ϕ 3 ( x n ) − . c 2 .. − c k ·ϕ k ( x1 )]·ϕ1 ( x1 ) − ∂c1 ( ) − 2·[ y n − c1 ·ϕ1 ( x n ) − c 2 ·ϕ 2 ( x n ) − c 3 ·ϕ 3 (x n ) − . − c k ·ϕ k ( x 3 )]·ϕ 3 (x 3 ) − − .... c 2 .. c 3 .. − c k ·ϕ k ( x n )]·ϕ 2 ( x n ) = 0 − 2[ y 3 − c1 ·ϕ 1 ( x 3 ) − c 2 ·ϕ 2 ( x 3 ) − c 3 ·ϕ 3 ( x 3 ) − ..... c 3 ..I....... c 3 .. c 3 ... − c k ·ϕ k ( x n )]·ϕ1 ( x n ) = 0 ∂d * * * * c1 .O) Así: − 2[ y 3 − c1 ·ϕ 1 ( x 3 ) − c 2 ·ϕ 2 ( x 3 ) − c 3 ·ϕ 3 (x 3 ) − ..T. − c k ·ϕ k ( x1 )]·ϕ k ( x1 ) − ∂c k ( ) − 2[ y 2 − c1 ·ϕ 1 ( x 2 ) − c 2 ·ϕ 2 ( x 2 ) − c 3 ·ϕ 3 ( x 2 ) − . c k = −2·[ y1 − c1 ·ϕ 1 ( x1 ) − c 2 ·ϕ 2 ( x1 ) − c 3 ·ϕ 3 ( x1 ) − .... − c k ·ϕ k ( x 2 )]·ϕ 2 (x 2 ) − − 2[ y 3 − c1 ·ϕ 1 ( x 3 ) − c 2 ·ϕ 2 ( x 3 ) − c 3 ·ϕ 3 (x 3 ) − ...I.

... − c k ·ϕ k (x1 )]·ϕ 2 (x1 ) + + [ y 2 − c1 ·ϕ 1 ( x 2 ) − c 2 ·ϕ 2 ( x 2 ) − c 3 ·ϕ 3 ( x 2 ) − . − c k ·ϕ k ( x n )]·ϕ 3 ( x n ) = 0 + .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. − c k ·ϕ k (x3 )]·ϕ1 (x3 ) + + .... − c k ·ϕ k (x1 )]·ϕ 3 (x1 ) + + [ y 2 − c1 ·ϕ 1 (x 2 ) − c 2 ·ϕ 2 ( x 2 ) − c 3 ·ϕ 3 (x 2 ) − .. + + [ y n − c1 ·ϕ 1 ( x n ) − c 2 ·ϕ 2 ( x n ) − c 3 ·ϕ 3 ( x n ) − ..I. − c k ·ϕ k ( x 2 )]·ϕ 3 (x 2 ) + + [ y 3 − c1 ·ϕ 1 (x 3 ) − c 2 ·ϕ 2 (x 3 ) − c 3 ·ϕ 3 (x 3 ) − . − c k ·ϕ k ( x n )]·ϕ 2 ( x n ) = 0 [ y1 − c1 ·ϕ1 (x1 ) − c 2 ·ϕ 2 (x1 ) − c 3 ·ϕ 3 (x1 ) − .O) [ y1 − c1 ·ϕ1 (x1 ) − c 2 ·ϕ 2 (x1 ) − c3 ·ϕ 3 (x1 ) + ..... − c k ·ϕ k ( x 2 )]·ϕ1 ( x 2 ) + [ y 3 − c1 ·ϕ1 (x3 ) − c 2 ·ϕ 2 (x3 ) − c3 ·ϕ 3 (x3 ) − ....... + c k ·ϕ k (x1 )]·ϕ1 (x1 ) + + [ y 2 − c1 ·ϕ 1 ( x 2 ) − c 2 ·ϕ 2 ( x 2 ) − c 3 ·ϕ 3 ( x 2 ) − .. + + [ y n − c1 ·ϕ 1 ( x n ) − c 2 ·ϕ 2 ( x n ) − c 3 ·ϕ 3 ( x n ) − . − c k ·ϕ k ( x n )]·ϕ1 (x n ) = 0 [ y1 − c1 ·ϕ1 (x1 ) − c 2 ·ϕ 2 (x1 ) − c3 ·ϕ 3 (x1 ) − .. − c k ·ϕ k ( x 2 )]·ϕ 2 ( x 2 ) + + [ y 3 − c1 ·ϕ 1 ( x 3 ) − c 2 ·ϕ 2 ( x 3 ) − c 3 ·ϕ 3 ( x 3 ) − ...U... − c k ·ϕ k ( x 3 )]·ϕ k ( x 3 ) + + . − c k ·ϕ k (x1 )]·ϕ k (x1 ) + + [ y 2 − c1 ·ϕ 1 ( x 2 ) − c 2 ·ϕ 2 ( x 2 ) − c 3 ·ϕ 3 ( x 2 ) − . − c k ·ϕ k ( x 3 )]·ϕ 3 ( x 3 ) + + [ y n − c1 ·ϕ 1 (x n ) − c 2 ·ϕ 2 ( x n ) − c 3 ·ϕ 3 ( x n ) − ..... − c k ·ϕ k ( x 2 )]·ϕ k ( x 2 ) + + [ y 3 − c1 ·ϕ 1 ( x 3 ) − c 2 ·ϕ 2 ( x 3 ) − c 3 ·ϕ 3 ( x 3 ) − . − c k ·ϕ k ( x 3 )]·ϕ 2 ( x 3 ) + + .... + + [ y n − c1 ·ϕ1 ( x n ) − c 2 ·ϕ 2 ( x n ) − c 3 ·ϕ 3 ( x n ) − . − c k ·ϕ k ( x n )]·ϕ k ( x n ) = 0 Alberto Suárez López Página 33 ....I..T...... + [ y1 − c1 ·ϕ1 (x1 ) − c 2 ·ϕ 2 (x1 ) − c3 ·ϕ 3 (x1 ) − .

.. + c k · n i =1 ϕ 3 ( x i )·ϕ 2 (x i ) + c 3 · ϕ 3 (x i )2 + .. + c k · ...I..... n i =i n i =1 n i =1 n i =1 y i ·ϕ1 ( xi ) = y i ·ϕ 2 ( xi ) = y i ·ϕ 3 ( xi ) = (c ·ϕ (x ) 1 1 i 1 2 i 2 + c 2 ·ϕ1 (xi )·ϕ 2 ( xi )·+c3 ·ϕ1 ( xi )·ϕ 3 ( xi ) + .. + c k · ϕ 1 (x i )·ϕ k (x i ) ϕ 2 (x i )·ϕ k (x i ) ϕ 3 (x i )·ϕ k (x i ) n i =1 ϕ 2 (x i )·ϕ 1 (x i ) + c 2 · ϕ 3 (x i )·ϕ 1 (x i ) + c 2 · ϕ 2 (x i )2 + c 3 · ϕ 2 (x i )·ϕ 3 (x i ) + ..Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. + c k ·ϕ k (xi )]·ϕ1 (xi ) = 0 [ y i − c1 ·ϕ1 (xi ) − c 2 ·ϕ 2 (xi ) − c3 ·ϕ 3 (xi ) + . + c k ·ϕ 3 (xi )·ϕ k ( xi ) .... n i =1 y i ·ϕ k ( x i ) = c1 · n i =1 ϕ k ( x i )·ϕ 1 (x i ) + c 2 · n i =1 ϕ k ( x i )·ϕ 2 (x i ) + c 3 · n i =1 ϕ k (x i )·ϕ 3 (x i ) + . + c k · ϕ k (x i )2 Alberto Suárez López Página 34 ...I.. + c k ·ϕ1 ( xi )·ϕ k ( xi ) 2 1 i 2 2 i ) ) ) (c ·ϕ (x )·ϕ (x ) + c ·ϕ (x ) 1 3 i 1 i 2 3 i + c3 ·ϕ 2 ( xi )·ϕ 3 (xi ) + . + c k ·ϕ k (xi )]·ϕ k (xi ) = 0 n i =1 n i =1 n i =1 . + c k ·ϕ k (xi )]·ϕ 3 (xi ) = 0 [ y i − c1 ·ϕ1 (xi ) − c 2 ·ϕ 2 (xi ) − c3 ·ϕ 3 (xi ) + . n i =1 y i ·ϕ k ( xi ) = n i =1 k (xi )·ϕ1 (xi ) + c 2 ·ϕ k (xi )·ϕ 2 (xi ) + c3 ·ϕ k (xi )·ϕ 3 (xi ) + .U......T.. + c k ·ϕ k (xi )]·ϕ 2 (xi ) = 0 [ y i − c1 ·ϕ1 (xi ) − c 2 ·ϕ 2 (xi ) − c3 ·ϕ 3 (xi ) + ... + c k ·ϕ k (xi )2 ) n i =1 n i =1 n i =1 n i =1 n i =1 n i =1 n i =1 n i =1 n i =1 y i ·ϕ 1 ( x i ) = c1 · y i ·ϕ 2 ( x i ) = c1 · y i ·ϕ 3 ( x i ) = c1 · ϕ1 (x i )2 + c 2 · ϕ 1 (x i )·ϕ 2 (x i ) + c 3 · n i =1 n i =1 ϕ 1 (x i )·ϕ 3 (x i ) + ...O) n i =i n i =i n i =i [ y i − c1 ·ϕ1 (xi ) − c 2 ·ϕ 2 (xi ) − c3 ·ϕ 3 (xi ) + . + c k ·ϕ 2 ( xi )·ϕ k ( xi ) 2 2 i 3 3 i (c ·ϕ (x )·ϕ (x ) + c ·ϕ (x )·ϕ (x ) + c ·ϕ (x ) (c ·ϕ 1 n i =1 n i =1 n i =1 + ....

... ck Alberto Suárez López Página 35 .. ϕ 2 (x i )·ϕ 3 (x i ) .. ϕ 2 ( x n ) B = ϕ 3 ( x1 ) ϕ 3 ( x 2 ) ϕ 3 ( x 3 ) . ϕ k (xi ) 2 Para simplificar esta ecuación matricial podemos definir una matriz B tal que su expresión venga dada por: ϕ1 ( x1 ) ϕ 1 ( x 2 ) ϕ1 ( x 3 ) . ϕ 3 (x n ) ϕ k ( x1 ) ϕ k ( x 2 ) ϕ k (x 3 ) ...U.T.. n i =1 n i =1 ϕ 2 (x i )2 c1 = ϕ 3 (x i )·ϕ 2 (x i ) ϕ k (x i )·ϕ 2 (x i ) n i =1 A ϕ 3 (xi ) 2 .. n i =1 n i =1 n i =1 n i =1 ϕ 1 (x i )·ϕ k ( x i ) ϕ 2 (x i )·ϕ k (x i ) c 2 ϕ 3 (x i )·ϕ k (x i ) n i =1 ϕ 2 (x i )·ϕ1 (x i ) ϕ 3 (x i )·ϕ 1 (x i ) ....I. · c3 .... y i ·ϕ k ( x i ) b n i =1 n i =1 n i =1 n i =1 ϕ 1 ( x i )2 n i =1 ϕ 1 (x i )·ϕ 2 (x i ) n i =1 n i =1 n i =1 ϕ 1 (x i )·ϕ 3 (x i ) ... yn .... ϕ k (x n ) y1 y2 De este modo se cumple que A = B ·B y b = B· y 3 t .. yn Y la ecuación matricial anterior vendrá dada por: y1 c1 y2 c2 t B· y 3 = B ·B· c 3 ....Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.. ϕ1 ( x n ) ϕ 2 ( x1 ) ϕ 2 ( x 2 ) ϕ 2 ( x 3 ) ...I.. ck ϕ k (x i )·ϕ 1 (x i ) ϕ k (x i )·ϕ 3 (x i ) .O) n i =1 n i =1 n i =1 n i =1 y i ·ϕ 1 ( x i ) y i ·ϕ 2 ( x i ) y i ·ϕ 3 ( x i ) .

y1 ). y n )} mediante una función del tipo F ( x ) = a + b·x . F ( x ) = 3.3).38 2 Así.T.76 b ≈ −0.U..0 )} .38· x Alberto Suárez López Página 36 .. y 2 ).Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.I. ( x 2 .. ( x 3 .4 ).1). i =1 (y i − a − b· x i2 ) 2 sea 5 15 15 99 · a b = 13 18 ⇔ a ≈ 3.76 − 0. (1. (2. b ) = mínima. Aplicar el apartado anterior para determinar la función F ( x ) = a + b·x de ajuste mínimo x −1 0 1 2 3 f (x ) 1 4 5 3 0 5 Se trata de calcular los valores de a y b tales que d (a. y 3 ).O) Ejercicio: Plantear y resolver el problema de ajuste mínimo cuadrático de una colección de puntos del plano {( x1 .. 2 k = 2: n i =1 ϕ 2 (x ) = x 2 ϕ 1 ( x i )2 n i =1 ϕ1 (x ) = 1 ϕ 1 (x i )·ϕ 2 (x i ) n i =1 n n i =1 ϕ 2 (x i )·ϕ 1 (x i ) n i =1 n i =1 ϕ 2 ( x i )2 n a · = b i =1 n i =1 y i ·ϕ 1 ( x i ) y i ·ϕ 2 ( x i ) n n i =1 x i2 x i4 x i2 a = · b n i =1 yi i =1 y i · x i2 2 cuadrático de la colección de puntos {(− 1. ( x n . (3.I. (0.5).

5 1 .6912 = 0.5. x 1 2 3 4 5 y = a· x b y 0 .7 8 .2238 1. (3.O) Capítulo 3.2.5) .0986 1.7 ) y (5.9300 7. (2.I.I. (4.5306 1.4 5 .1282 n i =1 n i =1 ti t i2 n ti c · 1 = c2 i =1 n i =1 zi z i ·t i 5 4.7 3 .7874 4.4) mediante una función del tipo F (x ) = a·x b .8.6912 c 2 = 1.1.7874 6.4 ln y = ln a· x b ( ) t ln y = ln a + ln x b ln y = ln a + b ·ln x z = z ( x ) = c1 + c 2 ·t t = ln x 0 0.7517 = b a = e −0.1.0.7517 Alberto Suárez López Página 37 .U.6931 0.7 ) .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.5010 y = F ( x ) = 0.5010· x 1.1993 · c1 c2 = 4.3863 1.6931 1.7405 2.4 ) .T.5502 ⇔ c1 = −0. utilizando el método de ajuste de mínimos cuadrados con linealización de los datos.3.6094 n n i =1 z c1 c2 z = ln y − 0. AJUSTE DE MÍNIMOS CUADRADOS CON LINEALIZACIÓN DE LOS DATOS: Ejercicio: Aproximar una función que pasa por los puntos (1.

b . la regla de Barrow no puede aplicarse. F ( x ) = f (x ) . En conclusión. integrales definidas de la forma I = b a f ( x )dx .U.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. suponiendo f ( x ) continua en todo el intervalo [a.I. el problema estaría resuelto. que sea primitiva de f . pero no la expresión analítica de la función. MÉTODOS DE COTES Y MÉTODOS DE GAUSS. El problema a resolver sería calcular. Capítulo 4.O) Capítulo 4: INTEGRACIÓN NUMÉRICA.1. existen funciones. y por tanto. [ ] I= b a f ( x )dx = F (b ) − F (a ) . de manera aproximada. b] .I. x2 Sin embargo.T. como por ejemplo f ( x ) = e . que carecen de función primitiva (definida con funciones elementales). INTRODUCCIÓN. aplicando la regla de Barrow: ' Si conocemos una función F ( x ) . Alberto Suárez López Página 38 . continua en a. el problema de evaluar numéricamente una integral definida se nos presenta cuando no podemos aplicar directamente la regla de Barrow o cuando sólo conocemos un conjunto de puntos de f .

¿cómo podemos tomar los pesos para que la fórmula sea de tipo interpolatorio? Vamos a ver cómo calculando el polinomio que interpola a f en x = a y x = b e integrando dicho polinomio llegaremos a la expresión: b a f ( x )dx ≈ b−a b−a · f (a ) + · f (b ) . Una fórmula de cuadratura [1] se dice que es de tipo interpolatorio si y solamente si.. A2 . 2 2 Demostración: a) Calculamos el polinomio de interpolación. x 2 . ( x ) + f ( x1 )·l1. An ∈ IR coeficientes denominados pesos..... b ...·(xi − x n ) k =0 xi − x k · · · k ≠i ] Alberto Suárez López Página 39 . Tomando por nodos los extremos del intervalo a. A1 .....O) Capítulo 4.. Pero… ¿está fórmula es de tipo interpolatorio? En principio no podemos afirmar esta hipótesis. x 2 . x 2 .. x n viene dado por la expresión: Pn ( x ) = f ( x 0 )·l 0. con x 0 . x n ∈ a.. x n ∈ a. l 2 ( x ).U.. b : b a [ ] f ( x )dx ≈ b a b a Pn ( x )dx = [ ] [ f (x 0 )·l 0 (x ) + f (x1 )·l1 (x ) + f (x 2 )·l 2 (x ) + . l n ( x ) un polinomio de grado n que se anula en todos los [ l i (x ) = n (x − x 0 )(x − x1 )(x − x 2 )·. x1 . FÓRMULAS DE TIPO INTERPOLATORIO. + f ( x n )·l n... también llamadas de cuadratura..... supongamos que deseamos calcular vamos a calcular la integral cuadratura b a b a [ ] f ( x )dx mediante la fórmula de f ( x )dx ≈ (b − a )· f (a ) + (b − a )· f (b ) . Pn ( x ) .. son del tipo siguiente: [1] b a f ( x )dx ≈ A0 · f ( x 0 ) + A1 · f ( x1 ) + A2 · f (x 2 ) + . + An · f ( x n ) = n k =0 Ak · f ( x k ) .... x1 ...T... + f ( x n )· l n ( x )dx Una fórmula [1] es de tipo interpolatorio si y sólo si Ak = b a l k ( x )dx.n . ( x ) Siendo l 0 ( x ).. Las fórmulas de integración numérica. dicha fórmula se ha obtenido mediante la integral del polinomio Pn ( x ) que interpola a los n + 1 puntos x 0 .. l1 ( x ). n i =0 f ( x i )·l i. De acuerdo con la fórmula de Lagrange. por definición. n + 1 puntos y A0 ..·(x − xi −1 )(x − xi +1 )·.·(x − x n ) · · · x − xk =∏ (xi − x 0 )(xi − x1 )(xi − x 2 )·. b .. k = 0. el polinomio que interpola a f en los n + 1 puntos distintos x 0 .. (x ) + f ( x 2 )·l 2...I. + f (x n )·l n (x )]dx = a b b b b a a a = f (x 0 )· l 0 ( x )dx + f ( x1 )· l1 ( x )dx + f ( x 2 )· l 2 ( x )dx + .2.I. (x ) + . ( x ) = puntos x. f ( x ) excepto en uno en que su valor es la unidad. Entontes..Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. x1 ..·(xi − xi −1 )(xi − xi +1 )·.

O) Así.U.I. (x ) = f (a )· b) Integramos b b a f ( x )dx ≈ b a b a Pn ( x )dx b a x−b x−a + f (b )· a−b b−a x−b x−a + f (b )· dx = a−b b−a b x −b b x −a f (a ) b f (b ) = f (a )· dx + f (b )· dx = · (x − b )dx + · a a −b a b−a a−b a b−a a f ( x )dx ≈ Pn ( x )dx = f (a )· b a (x − a )dx = f (a ) x 2 = · − b· x a−b 2 2 b a f (b ) x 2 + · − a· x b−a 2 2 b = a f (a ) b a · − b2 − − ab a−b 2 2 f (b ) b 2 a2 + · − ab − − a2 b−a 2 2 = Alberto Suárez López Página 40 . ( x ) + f (b )·l1.T.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. obtenemos: l 0 (x ) = Y el polinomio de interpolación vendrá dado por: x−b x−a y l1 ( x ) = a−b b−a P2 ( x ) = f (a )·l 0.I.

Alberto Suárez López Página 41 .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. el probar si una fórmula es o no de tipo interpolatorio se hace más fácil introduciendo el concepto de grado de precisión.2. f ( x ) = x .I. 2 n Una fórmula de cuadratura tiene grado de precisión al menos n si y sólo si es exacta para f ( x ) = 1 .1. para todo polinomio de grado menor o igual a n . f ( x ) = x . f ( x ) = x . GRADO DE PRECISIÓN: para f ( x ) = 1 .I. …. pero no lo es para f ( x ) = x 2 n Definición: Una fórmula de cuadratura tiene grado de precisión exactamente n si y sólo si es exacta n +1 .U. f ( x ) = x . …. f ( x ) = x .O) = = f (a ) b 2 a2 · − b2 − − ab 2 a−b 2 + f (b ) b 2 a2 · − ab − − a2 2 b−a 2 = f (a ) b 2 f (b ) b 2 a2 a2 · · − b2 − + ab + − ab − + a2 = 2 2 a−b 2 b−a 2 f (a ) f (b ) b 2 b2 a2 a2 · − · = − + ab + − ab + = 2 2 2 a−b b−a 2 = = f (a ) f (b ) a 2 + b 2 a2 + b2 · ab − · + − ab = 2 2 a−b b−a f (a ) f (a ) a 2 + b 2 f (b ) a 2 + b 2 f (b ) ·ab − · · ·ab = + − 2 2 a−b a−b b−a b−a f (a ) f (b ) f (a ) f (b ) a 2 + b 2 f (a ) f (b ) a2 + b2 ·ab − · · ab − = − − == − = 2 2 a−b b−a a−b b−a a−b b−a = = f (a ) f (b ) f (a ) f (b ) a2 + b2 a2 + b2 · ab − · ab − − = − = 2 2 a−b b−a a−b b−a · · · · f (a )(b − a ) − f (b )(a − b ) f (a )(b − a ) + f (b )(b − a ) a2 + b2 a2 + b2 · ab − · ab − = = (a − b )(b − a ) (a − b )(b − a ) 2 2 f (a ) + f (b ) f (a ) − f (b ) 2ab − a 2 − b 2 a2 + b2 · ab − · = = = 2 2 a−b a−b = f (a ) + f (b ) a 2 − 2ab + b 2 f (a ) + f (b ) (a − b ) a−b · ·(− 1) = · ·(− 1) = [ f (a ) + f (b )]· ·(− 1) = 2 2 2 a−b a−b b−a b−a b−a = [ f (a ) + f (b )]· = · f (a ) + · f (b ) 2 2 2 2 Sin embargo. Capítulo 4. y por tanto.T. f ( x ) = x .

O) Teorema: Se verifica que una fórmula de cuadratura. Demostración: b b−a b−a · f (a ) + · f (b ) equivale a demostrar que 2 2 para f ( x ) = 1 : a b a f ( x )dx = f ( x )dx = b a dx = [x ]a = b − a b b−a b−a b−a b−a · f (a ) + · f (b ) = + =b−a 2 2 2 2 b a b a b f ( x )dx = x2 dx = 2 b = a b2 − a2 2 b−a b−a b−a b−a f ( x )dx = · f (a ) + · f (b ) = ·a + ·b = para f ( x ) = x : a 2 2 2 2 (b − a )(a + b ) = b 2 − a 2 = 2 2 Alberto Suárez López Página 42 .I.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. con n + 1 nodos.U. demostrar que b a f ( x )dx ≈ tiene grado de precisión al menos 1 .T. es de tipo interpolatorio si y solamente si dicha fórmula es exacta para todo polinomio de grado menor o igual a n tiene grado de precisión al menos n . Por tanto.I.

CERRADAS Y ABIERTAS.T. Pueden ser de dos tipos: cerradas y abiertas.1. Son fórmulas de cuadratura de tipo interpolatorio.I.3. FÓRMULAS DE CUADRATURA DE NEWTON – COTES. FÓRMULA DE LOS TRAPECIOS: La fórmula de los trapecios viene dada por la expresión: b a f ( x )dx ≈ A0 · f (a ) + A1 · f (b ) y P1(x) f(b) f(x) f(a) a b x Alberto Suárez López Página 43 .O) Capítulo 4.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. En las cerradas. a x0 x1 x2 x3 … b Capítulo 4. los límites de integración han de ser puntos de interpolación. a=x0 x1 x2 x3 … b=xn En las abiertas.3. los extremos no deben ser puntos de interpolación. FÓRMULAS DE NEWTON – COTES CERRADAS: Veremos los dos casos más sencillos: la fórmula de los trapecios (con dos nodos) y la fórmula de Simpson (con tres nodos).3. eligiendo a los puntos de interpolación equidistantes en el intervalo de integración.U.1.1.I. Capítulo 4.

I. Para hacer esto podemos escoger entre dos procedimientos: a) Calcular el polinomio de interpolación e integrar. a f (a ) f [a.I.O) Tenemos que calcular los pesos A0 y A1 .T. b] = b b a f (b ) b a f (b ) − f (a ) b−a f (b ) − f (a ) ·(x − a )dx = b−a b P1 ( x )dx = b f (a ) + f (b ) − f (a ) ·( x − a ) dx = b−a b b a f (a )dx + b a f (b ) − f (a ) = f (a )· dx + · a b−a = f (a )(b − a ) + · f (b ) − f (a ) x 2 (x − a )dx = f (a )(b − a ) + · · − ax a b−a 2 = = a f (b ) − f (a ) b 2 a2 · − ab − − a2 2 2 b−a f (b ) − f (a ) b 2 f (b ) − f (a ) b 2 − 2ab + a 2 a2 = f (a )(b − a ) + − ab + · · = f (a )(b − a ) + · · = b−a 2 2 b−a 2 f (b ) − f (a ) (b − a ) b−a · · = f (a )(b − a ) + [ f (b ) − f (a )]· = b−a 2 2 b−a b−a = ·[2· f (a ) + f (b ) − f (a )] = ·[ f (a ) + f (b )] 2 2 · = f (a )(b − a ) + 2 Alberto Suárez López Página 44 .U.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.

T.U. 1. 2 f ( x )dx ≈ b−a b−a · f (a ) + · f (b ) 2 2 b−a f ( x )dx ≈ ·[ f (a ) + f (b )] 2 Alberto Suárez López Página 45 . Precisión. la expresión de la fórmula de los trapecios vendrá dada por: b−a = A1 . Veamos: para f ( x ) = 1 para f ( x ) = x b a dx = (b − a ) = A0 + A1 xdx = b2 − a2 = A0 ·a + A1 ·b 2 b a Tenemos un sistema de dos ecuaciones con dos incógnitas. A0 + A1 = b − a b2 − a2 a· A0 + b· A1 = 2 Resolviendo el sistema se obtiene que A0 = b a b a Así.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. La fórmula es exacta para f ( x ) = 1 y f ( x ) = x .I. A este método para calcular los pesos también se le denomina método de los coeficientes indeterminados.I. al menos.O) b) Aplicar la definición de grado de precisión. A0 y A1 .

Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O) Capítulo 4.3.1.2. FÓRMULA DE SIMPSON: La fórmula de Simpson viene dada por la expresión:
b a

f ( x )dx ≈ A0 · f (a ) + A1 · f
y

a+b + A2 · f (b ) 2

f((a+b)/2)

f(x)

f(b)

P2(x)

f(a) 2h a (a+b)/2 b x

Al igual que en la fórmula de los trapecios, podemos calcular los pesos de dos formas distintas: a) Calcular el polinomio de interpolación e integrar.
b a

f ( x )dx ≈
x2
0

(x − x 0 )(x − x 2 ) (x − x 0 )(x − x1 ) · · (x − x1 )(x − x 2 ) · · f (x0 ) + · f ( x1 ) + · f ( x ) dx = x (x 0 − x1 )(x 0 − x 2 ) (x1 − x 0 )(x1 − x 2 ) (x 2 − x 0 )(x 2 − x1 ) 2 · · · x ( x − x )( x − x ) x ( x − x )( x − x ) 0 · 2 1 · 2 = · f ( x 0 )dx + · f ( x1 )dx + x ( x − x )( x − x ) x ( x − x )( x − x ) 0 1 · 0 2 1 0 · 1 2 x ( x − x )( x − x ) 0 · 1 + · f ( x 2 )dx = x ( x − x )( x − x ) 2 0 · 2 1 x x f (x 0 ) f (x1 ) = · ( x − x1 )( x − x 2 )·dx + · · ( x − x 0 )( x − x 2 )·dx + · (x1 − x 0 )(x1 − x 2 ) x (x 0 − x1 )(x 0 − x 2 ) x · · x f (x 2 ) (x − x 0 )(x − x1 )·dx = + · (x 2 − x0 )(x 2 − x1 ) x · f (x0 ) x f (x ) x f (x 2 ) x (x − x 0 )(x − x1 )·dx = = · ( x − x1 )( x − x 2 )·dx − 21 · ( x − x 0 )( x − x 2 )·dx + · · · 2 2 x x x
2 2 0 0 2 0 2 2 0 0 2 0 2 2 2

2h

0

h

0

2h

0

Alberto Suárez López

Página 46

Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

=

f (x0 ) · 2h 2

x2 x0

(x − x1 )(x − x 2 )·dx − ·

Cambio de variable : f (x0 ) · 2h 2 f (x0 ) = · 2h 2 = =
h −h h −h

f ( x1 ) · h2 x − x1 = t

x2 x0

(x − x 0 )(x − x 2 )·dx + ·

f (x 2 ) 2h 2

x2 x0

(x − x 0 )(x − x1 )·dx = ·

t ·(t − h )·dt −

[

f ( x1 ) h f (x 2 ) h (h + t )·t·dt = · (h + t )(t − h )·dt + · h 2 −h 2h 2 − h f (x ) h f (x 2 ) h t 2 − ht ·dt − 21 · t 2 − h 2 ·dt + ht + t 2 ·dt = 2 −h −h h 2h

dx = dt

]

[

]

[

]

f (x0 ) t 3 t2 = · − h· 2 2h 2 3 =

h

f ( x 0 ) 2 3 f ( x1 ) 4 3 f ( x 2 ) 2 3 1 4 1 · h + · ·h + · ·h = f ( x 0 )· ·h + f ( x1 )· ·h 3 + f ( x 2 )· ·h = 2 2 2 3 3 3 2h 3 h 3 2h 3 h b−a a+b = ·[ f (x 0 ) + 4· f ( x1 ) + f ( x 2 )] = · f (a ) + 4· f + f (b ) 3 6 2

−h

f ( x1 ) t 3 − 2 · − h 2t 3 h

h

−h

f (x 2 ) t 2 t 3 + · h· + 2 3 2h 2

h

=
−h

b) Aplicar la definición de grado de precisión. Precisión, al menos, 2.

La fórmula es exacta para f ( x ) = 1 , f ( x ) = x y f ( x ) = x . Veamos:
2

para f ( x ) = 1 para f ( x ) = x

b a

dx = (b − a ) = A0 + A1 + A2 xdx =

b2 − a2 a+b = A0 ·a + A1 · + A2 ·b a 2 2 2 b b3 − a3 a+b 2 2 xdx = = A0 ·a + A1 · + A2 ·b 2 para f ( x ) = x a 2 2 Tenemos un sistema de tres ecuaciones con tres incógnitas, A0 , A1 y A2 .
b

A0 + A1 + A2 = b − a a· A0 +
2

a+b b2 − a2 · A1 + b· A2 = 2 2
2

a+b a · A0 + 2

· A1 + b 2 · A2 =

b3 − a3 2
= b−a 2 b−a , A1 = ·(b − a ) y A2 = . 6 3 6

Resolviendo el sistema se obtiene que A0

Alberto Suárez López

Página 47

Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O) Así, la expresión de la fórmula de Simpson vendrá dada por:
b a b a

f ( x )dx ≈

b−a 2 a+b b−a · f (a ) + ·(b − a )· f + · f (b ) 6 3 2 6 b−a a+b f ( x )dx ≈ · f (a ) + 4· f + f (b ) 6 2

Sabemos que, en la fórmula de los trapecios, el grado de precisión es al menos 1 y en la fórmula de Simpson, al menos 2. ¿Cómo podemos saber si dichos grados de precisión son exactamente esos? Para la fórmula de los trapecios, ¿es exacta para f ( x ) = x ?
2

y

P1(x) f(b) f(x) f(a)

a
b a

b

x

x3 x dx = 3
2

b

a

b3 − a3 = 3

b−a b−a 3 ·[ f (a ) + f (b )] = · a + b3 2 2

[

]

b3 − a3 b − a 3 ≠ · a + b3 3 2

[

]
2

No se cumple la igualdad, luego la fórmula no es exacta para f ( x ) = x , y por tanto, el grado de precisión es exactamente 1.

Alberto Suárez López

Página 48

el grado de precisión es exactamente 1. al menos.T.U.I. ¿Es exacta para f ( x ) = x ? 4 b a x5 x dx = 5 4 b = a b5 − a5 5 5 b−a a+b b−a 5 a+b + f (b ) = · f (a ) + 4 f · a +4 6 2 2 2 b5 − a5 b − a 5 a+b ≠ · a +4 5 2 2 5 + b5 + b5 2 No se cumple la igualdad.I. ¿es exacta para f ( x ) = x ? 3 y f((a+b)/2) f(x) f(b) P2(x) f(a) 2h a b a (a+b)/2 b x x4 x dx = 4 3 b = a b4 − a4 4 4 b−a a+b b−a 4 a+b + f (b ) = · f (a ) + 4 f · a +4 6 2 2 2 b4 − a4 b − a 4 a+b = · a +4 4 2 2 4 + b4 + b4 Sí.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. y por tanto. Alberto Suárez López Página 49 . luego la fórmula no es exacta para f ( x ) = x .O) Para la fórmula de los trapecios. Ambas expresiones son exactamente iguales y por tanto podemos afirmar que el grado de precisión es. 3.

ERROR EN LA FÓRMULA DE LOS TRAPECIOS: Dada la fórmula de los trapecios: b a f ( x )dx ≈ b−a ·[ f (a ) + f (b )] = T 2 b a El error cometido vendrá dado por: ET = = b a b a f ( x )dx − P1 ( x )dx = [ f (x ) − P1 (x )]dx = a b b a b a e1 (x )·dx = 1 '' 1 · f (c x )( x − a )(x − b )·dx = · · · 2! 2! f '' (c x )( x − a )( x − b )·dx · · Alberto Suárez López Página 50 .T.O) Gráficamente: y f((a+b)/2) f(x) f(b) f(a) 2h a (a+b)/2 2 b x 2 0 (x 3 + 2 x + 1 dx = ) x4 x2 +2 +x 4 2 = 4 + 4 + 2 = 10 0 2 [1 + 4·4 + 13] = 1 ·30 = 10 6 30 Capítulo 4.I.U.1.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.3.3.I.

b ) tal que: Se demuestra que si f tiene derivada cuarta y es continua en a. b . Es decir. b . entonces existe un b a [ ] ES = ES = f (x )dx − (4 ) b a P2 ( x )dx = 1 ·f 90·32 1 ·f 90·32 (4 ) (c )(b − a )5 · (c )(b − a )5 · Página 51 Alberto Suárez López .1.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. b ) tal que b [ ] b f ( x )· g ( x )·dx = f (c )· g (x )·dx . tal que g no cambia de signo en a. b ) ET = 1 · 2! b a b a f ( x )· g ( x )·dx = f (c )· g ( x )·dx 1 '' · f (c )· 2! b a f '' (c x )( x − a )( x − b )·dx = · · x−a=t dx = dt h 0 (x − a )(x − b )·dx = · Cambio de variable : h 1 1 = · f '' (c )· t ·(t − h )·dt = · f '' (c )· 0 2! 2! [ t3 t2 1 '' t + ht ·dt = · f (c )· + h· 2! 3 2 2 ] h = 0 h3 h3 1 '' 1 '' h 3 1 3 = · f (c )· − = − · f (c )· = − · f '' (c )(b − a ) · 2! 3 2 2! 6 12 1 3 E T = − · f '' (c )(b − a ) · 12 El error será cero si y sólo si f (c ) = 0 . Si f y g verifican estas hipótesis.4. entonces existe un punto c ∈ (a. '' Consideración: Capítulo 4.O) Definición: Segundo teorema del valor medio del cálculo integral: Sea f una función continua en el intervalo cerrado a. ERROR EN LA FÓRMULA DE SIMPSON: Dada la fórmula de Simpson: b a f ( x )dx ≈ b−a a+b · f (a ) + 4· f + f (b ) = S 6 2 punto c ∈ (a.3.I. b y sea g una función integrable. la fórmula tiene un grado de precisión exactamente uno.U. tal como ya había sido demostrado anteriormente. b] signo de g constante en a. esto implica que f ( x ) sea un polinomio de grado menor o igual a uno.T.I. a a [ ] Hipótesis: • f continua en a. b [ ] b a Tesis: ∃c ∈ (a. b • • [ ] g integrable en [a.

tiene un grado de precisión al menos 0 . P0 ( x ) = b a a+b 2 P0 ( x )dx = b a a+b a+b dx = 2 2 b a dx = a+b b a+b ·[x ]a = ·(b − a ) 2 2 b) Aplicar la definición de grado de precisión. al ser de tipo interpolatorio. es decir.3. DEL PUNTO MEDIO: Capítulo 4.U. FÓRMULA DE NEWTON – COTES ABIERTA CON UN SOLO NODO O FÓRMULA Con un único nodo. Para hacer esto podemos escoger entre dos procedimientos: a) Calcular el polinomio de interpolación e integrar.I.2.O) Capítulo 4.I. FÓRMULAS DE NEWTON – COTES ABIERTAS: Estudiaremos las fórmulas de Newton – Cotes abiertas con un solo nodo (fórmula del punto medio) y con dos nodos.2. la fórmula vendrá dada por la expresión: b a f ( x )dx ≈ A0 · f ( x 0 ) = A0 · f a+b 2 a y f(b) b f(x) P0(x) f(a) a x0 b x Tenemos que calcular el pesos A0 .3.1. La fórmula. es exacta para f ( x ) = 1 : b a b a f ( x )dx = b a a+b a+b a+b b ·[x ]a = (b − a ) dx = 2 2 2 a+b a+b f ( x )dx ≈ A0 · f = A0 · 2 2 A0 = b − a Alberto Suárez López Página 52 .T.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.

pero.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. Alberto Suárez López Página 53 . luego su grado de precisión es.I. Y ahora. 2 .U. luego el grado de precisión de la fórmula es exactamente.O) Así. obtenemos: b a f ( x )dx ≈ (b − a )· f a+b 2 para f ( x ) = x ? b a b a Vamos ahora a calcular cual es el orden de precisión de dicha fórmula. Sabemos que tiene un grado de precisión al menos 0 . ¿es exacta para f ( x ) = x ? 2 b a b a Sí. ¿es exacta a + b b2 − a2 (b − a )· = 2 2 a+b a+b = (b − a )· f ( x )dx ≈ (b − a )· f 2 2 a a f ( x )dx = b x2 x·dx = 2 b = b2 − a2 2 menos.T. la fórmula también es exacta para f ( x ) = x .I. 2 . al f ( x )dx = b a x3 x ·dx = 3 2 b = a b3 − a3 3 2 f ( x )dx ≈ (b − a )· f (a + b ) a+b = (b − a )· 2 4 (a + b )2 (b − a )· 4 ≠ b3 − a3 3 No. esto es. es exacta para f ( x ) = 1 .

¿Cuál es el orden de precisión de dicha fórmula? [ ] Aplicarla al cálculo aproximado de la integral I = error cometido.I. 1 0 cos(πx )dx y calcular.2.U. exactamente. el Con dos nodos.2. la fórmula buscada vendrá dada por la expresión: b a f ( x )dx ≈ A0 · f (x 0 ) + A1 · f ( x1 ) h a x0 x0 b h= b − a 3a + b − a 2a + b = = 3 3 3 b − a 3a + 2b − 2a 2b + a x1 = a + 2·h = a + 2 = = 3 3 3 x0 = a + h = a + y f(x0) f(x1) P1(x) b−a 3 f(b) f(a) f(x) a x0 x1 b x Alberto Suárez López Página 54 . b .T.O) Capítulo 4.I. FÓRMULA DE NEWTON – COTES ABIERTA CON DOS NODOS: Ejercicio: Deducir la fórmula de Newton – Cotes abierta con dos nodos en el intervalo a.3.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.

La fórmula. es exacta para f ( x ) = 1 y f ( x ) = x : Para f ( x ) = 1 : b a b a f ( x )dx = b a dx = [x ]a = (b − a ) b f ( x )dx ≈ A0 · f Para f ( x ) = x : b a b a A0 + A1 = b − a 2a + b 2b + a + A1 · f = A0 + A1 2 2 b f ( x )dx = b a x2 xdx = 2 = a b2 − a2 2 f ( x )dx ≈ A0 · f 2a + b 2b + a 2a + b 2b + a + A1 · f = A0 · + A1 · 2 2 2 2 2a + b 2b + a b 2 − a 2 A0 · + A1 · = 2 2 2 Tenemos un sistema de dos ecuaciones con dos incógnitas. P1 ( x ) = f ( x 0 ) + b a f ( x1 ) − f ( x 0 ) ·( x − x 0 ) x1 − x 0 P1 ( x )dx = b b a f (x 0 ) + = f (x 0 )· dx + a f ( x1 ) − f ( x 0 ) · x1 − x 0 f ( x1 ) − f ( x 0 ) ·( x − x 0 ) dx = x1 − x 0 b b a f ( x 0 )dx + b a (x − x 0 )dx = f (x 0 )·3h + a 2 b f ( x1 ) − f (x 0 ) · x1 − x 0 f (x1 ) − f ( x 0 ) ·( x − x 0 )dx = x1 − x 0 b a (x − x 0 )dx = f ( x1 ) − f ( x 0 ) ( x − x 0 ) = f (x 0 )·3h + · h 2 = f ( x 0 )·3h + a f ( x1 ) − f ( x 0 ) 4h 2 h 2 = · − h 2 2 3h 3h 3h = f (x 0 )·3h + [ f ( x1 ) − f ( x 0 )]· = 3h· f ( x 0 ) + · f ( x1 ) − · f ( x 0 ) = 2 2 2 3h 3h 3h b−a 2a + b 2b + a = · f ( x 0 ) + · f ( x1 ) = ·[ f ( x 0 ) + f ( x1 )] = · f + f 2 2 2 2 3 3 b) Aplicar la definición de grado de precisión.I. A0 y A1 . tiene un grado de precisión al menos 1 . A0 + A1 = b − a A0 · 2a + b 2b + a b 2 − a 2 + A1 · = 2 2 2 Resolviendo el sistema se obtiene que A0 = b−a = A1 2 Alberto Suárez López Página 55 .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. es decir. al ser de tipo interpolatorio.I.O) Tenemos que calcular los pesos A0 y A1 . Para hacer esto podemos escoger entre dos procedimientos: a) Calcular el polinomio de interpolación e integrar.U.T.

I. aplicamos el resultado anterior para calcular el valor aproximado de la integral 1 0 I= cos(πx )dx : I= 1 0 cos(πx )dx ≈ 1− 0 π 2π · cos − cos 2 3 3 1 1 1 1 1 = · − =0 2 2 2 1 1 Calculamos el error cometido: I= 1 0 cos(πx )dx ≈ π ·sen(πx ) = 0 1 π ·[sen(πx )]0 = 1 π ·[sen(π ) − sen(0 )] = π ·0 = 0 Luego. esto es. al f ( x )dx = f ( x )dx ≈ b a x3 x ·dx = 3 2 b = a b3 − a3 3 = b − a 2a + b · 2 3 2 b−a 2a + b 2b + a + f · f 2 3 3 2 + 2b + a 3 2 b − a 2a + b · 2 3 + 2b + a 3 2 ≠ b3 − a3 3 No.T. Así. es exacta para f ( x ) = 1 y f ( x ) = x . luego el grado de precisión de la fórmula es exactamente.U.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. pero. Y ahora. error = 0 .O) Así. luego su grado de precisión es. ¿es exacta para f ( x ) = x ? 2 b a b a f ( x )dx = b a x3 x ·dx = 3 2 b = a b3 − a3 3 f ( x )dx ≈ (b − a )· f a+b a+b = (b − a )· 2 2 (b − a )· a + b = b 2 2 − a2 2 menos. obtenemos: b a f ( x )dx ≈ b−a 2a + b 2b + a + f · f 2 3 3 Vamos ahora a calcular cual es el orden de precisión de dicha fórmula. ¿es exacta para f ( x ) = x ? 2 b a b a Sí. Sabemos que tiene un grado de precisión al menos 1 . 2 . la fórmula también es exacta para f ( x ) = x .I. 1 . Alberto Suárez López Página 56 .

U.I.I.T.O) Teorema: El orden de precisión de una fórmula de Newton – Cotes (cerrada o abierta) simple con n + 1 nodos es igual a: n si n es impar n si n es par Por ejemplo: Fórmula de los trapecios Fórmula de Simpson Regla del punto medio Abierta con dos nodos precisión = 1 precisión = 3 precisión = 1 precisión = 1 Alberto Suárez López Página 57 .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.

.I. el valor de la integral en dicho subintervalo vendrá dado por: xi + 1 xi h f ( x )dx ≈ ·[ f ( x i ) + f ( x i +1 )] 2 Alberto Suárez López Página 58 .I. Capítulo 4..Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.4.U.n .O) Capítulo 4. y f(x3) f(x) [ ] f(x1) f(x2) f(x0) x0 x1 x2 x3 x Así. n n x3 … b=xn a=x0 x1 x2 En el intervalo x i . sea h = [ ] [ ] b−a b−a y definimos x i = a + ·i. FÓRMULA DE LOS TRAPECIOS COMPUESTA: Dado el intervalo a. x i +1 se reemplaza la función integrando f . Se obtienen dividiendo el intervalo a. FÓRMULAS DE CUADRATURA COMPUESTAS.T. i = 0. b y n ≥ 1 . b en n subintervalos y aplicando a cada uno de ellos una fórmula de cuadratura sencilla.4.1. REGLA DE LOS TRAPECIOS Y REGLA DE SIMPSON.

U.I.1. x i +1 en los que se ha dividido el intervalo inicial a. ERROR EN LA FÓRMULA DE LOS TRAPECIOS COMPUESTA: y f(x1) f(x2) f(x) f(x0) x0 x1 x2 x El error en la fórmula simple para un intervalo a.. 12 c3∈( x2 ...1.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.. b .O) Extendiendo este resultado a todos los subintervalos en los que hemos dividido el intervalo inicial a. b . obtenemos: [ ] b a f ( x )dx = n −1 i =0 xi + 1 xi f (x )dx ≈ n −1 i =0 h ·[ f ( x i ) + f ( x i +1 )]dx = 2 h = ·[ f ( x 0 ) + f ( x1 ) + f ( x1 ) + f ( x 2 ) + f ( x 2 ) + . [ ] [ ] Así: T En = − 1 '' 1 1 3 3 3 · f (c1 )·(x1 − x0 ) − · f '' (c 2 )·( x 2 − x1 ) − · f '' (c3 )·( x3 − x 2 ) − . xn ) Alberto Suárez López Página 59 . b venía dado por la expresión: [ ] ET = − 1 '' 3 · f (c )(b − a ) · 12 El error cometido en la fórmula simple es la suma de los errores cometidos en cada uno de los intervalos x i .4. x2 ) − 1 3 · f '' (c n ) ·( x n − x n −1 ) = 12 cn ∈( xn −1 .T. x1 ) 12 c2 ∈( x1 .I. x3 ) 12 c1∈( x0 . + f (x n −1 ) + f ( x n )] = 2 n −1 b−a = · f (a ) + 2· f (x i ) + f (b ) 2n i =1 b a f ( x )dx ≈ n −1 b−a · f (a ) + 2· f ( x i ) + f (b ) 2n i =1 Capítulo 4.

suponiendo f '' continua en [a. Es decir. b .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. b . f (b )) Tesis: ∃c ∈ (a. [ ] f (a) < K < f (b) ∃c ∈ [a. b] f '' (c ) = i =0 f '' (ci +1 ) n Página 60 Alberto Suárez López .U. xi +1 ) i =0 '' n −1 3 n −1 1 − ·h · f '' (ci +1 ) 12 ci +1∈( xi .b ] x∈[a . b • [ ] K ∈ ( f (a ). tenemos que calcular M '' '' [ ] = max {f ( x )}y m = min {f ( x )}.I. x∈[a . xi +1 ) i =0 3 Tenemos que acotar f en el intervalo a.O) 1 = − ·(xi +1 − xi ) · f '' (ci +1 ) = 12 ci +1∈( xi . b] f (c ) = K y f(b) K f(a) a c’ c’’ c’’’ b x Hipótesis: • f es continua en a. b] . la función alcanza en ese intervalo todos los valores comprendidos entre f (a ) y f (b) . b ) f (c ) = K n −1 Así: ∃c ∈ [a.I.b ] n −1 i =0 De este modo se verifica: n·m ≤ f '' (ci +1 ) ≤ n·M Dividiendo entre n : n −1 m≤ i =0 f '' (ci +1 ) n ≤M Aplicando el teorema del valor medio: Si f (x) es continua en a.T.

b y n ≥ 1 . sea h = [ ] x1 x i = a + 2hi.b ) Capítulo 4. y f(x3) f(x) P(x) [ ] f(x1) f(x2) f(x0) x0 z1 x1 z2 x2 z3 x3 x La fórmula simple de Simpson venía dada por la expresión: b a f ( x )dx ≈ b−a a+b · f (a ) + 4· f + f (b ) 6 2 Página 61 Alberto Suárez López .n b−a y definimos: . i = 0.b ) 12·n T n n −1 ·n· f '' (c ) c∈( a .4.b ) i =0 1 3 T En = − ·(b − a ) · f '' (c ) 2 c∈( a .2..Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. z i = a + (2i − 1)h. FÓRMULA DE SIMPSON COMPUESTA: Dado el intervalo a. x i +1 se reemplaza la función integrando f ..U.n 2n x3 … b=xn a=x0 x2 El procedimiento a seguir sería análogo al visto en la fórmula compuesta de los trapecios: En el intervalo x i .I. xi +1 ) 12 12 n c∈( a .I. i = 1...T.O) Y por tanto: 3 3 1 1 1 b−a E = − ·h · f '' (ci +1 ) = − ·h 3 ·n· f '' (c ) = − · 12 ci +1∈( xi .

ERROR EN LA FÓRMULA DE SIMPSON COMPUESTA: El error en la fórmula simple para un intervalo a.b en el intervalo a.1. x3 ) n −1 i =0 + = 1 5 · f (4 ) (c3 )·( x n − x n −1 ) = 90·32 cn ∈( xn −1 . b . x i +1 en los que se ha dividido el intervalo inicial a. x1 ) 90·32 c2 ∈( x1 . De este modo se verifica: n·m ≤ f (4 ) (ci +1 ) ≤ n·M Alberto Suárez López Página 62 . xi +1 ) n −1 i =0 1 5 · f (4 ) (ci +1 )·(2h ) = 90·32 ci +1∈( xi . Es decir.b ] n −1 i =0 { (x )}y m = min]{f [ (4 ) x∈ a .. el valor de la integral en el subintervalo x i . suponiendo f (4 ) continua en [a.O) Así. b venía dado por la expresión: [ ] ES = 1 ·f 90·32 (4 ) (c )(b − a )5 · El error cometido en la fórmula simple es la suma de los errores cometidos en cada uno de los intervalos x i . obtenemos: [ ] b a f ( x )dx = n −1 i =0 xi + 1 xi f (x )dx ≈ n −1 i =0 h ·[ f ( x i ) + 4· f ( z i +1 ) + f (x i +1 )] = 3 h = ·[ f ( x 0 ) + 4· f (z1 ) + f ( x1 ) + f ( x1 ) + 4· f ( z 2 ) + f ( x 2 ) + . xi +1 ) (4 ) Tenemos que acotar f calcular M = max f x∈[a . x i +1 vendrá dado por: xi + 1 xi [ ] h f ( x )dx ≈ ·[ f ( x1 ) + 4· f ( z i +1 ) + f (x i +1 )] 3 Extendiendo este resultado a todos los subintervalos en los que hemos dividido el intervalo inicial a. b .I.. b . xn ) n −1 i =0 1 5 · f (4 ) (ci +1 )·(xi +1 − xi ) = 90·32 ci +1∈( xi .T.4. [ ] [ ] Así: S En = 1 1 1 5 5 5 · f (4 ) (c1 )·( x1 − x0 ) + · f (4 ) (c 2 )·( x 2 − x1 ) + · f (4 ) (c3 )·(x3 − x 2 ) + . + 90·32 c1∈( x0 .U.I.2.. xi +1 ) 1 (4 ) · f (ci +1 )·h 5 90 ci +1∈( xi . b] . + f (x n −1 ) + 4· f ( z n ) + f ( x n )] = 3n n −1 n h = ·n· f ( x 0 ) + 2· f ( x i ) + 4· f ( z i ) + f ( x n ) = 3 i =1 i =1 = b a n −1 b−a f (x 0 ) + 2· f ( x i ) + 6n i =1 n i =1 f (z i ) + f (x n ) n i =1 f ( x )dx ≈ n −1 b−a f ( x 0 ) + 2· f ( x i ) + 6n i =1 f (z i ) + f (x n ) Capítulo 4.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. x2 ) 90·32 c3∈( x2 . tenemos que (4 ) [ ] (x )}..

b ) n −1 i =0 1 b−a ·n· f (4 ) (c )· 90 c∈(a .b ) 2n 5 = (b − a ) = n −1 1 · f (4 ) (c )·(b − a )5 1 = ·n· f (4 ) (c )· 4 c∈( a . b] Así: f (4 ) (c ) = f (4 ) (ci +1 ) n n −1 i =0 E = S n n −1 n −1 i =0 1 (4 ) · f (ci +1 )·h 5 = 90 ci +1∈( xi .T.I.O) Dividiendo entre n : n −1 m≤ i =0 f (4 ) (ci +1 ) n ≤M Aplicando el teorema del valor medio: n −1 i =0 ∃c ∈ [a.I.b ) c∈( a .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.b ) i = 0 90·32·n Alberto Suárez López Página 63 .U.b ) 32·n 5 i = 0 90 i = 0 90·32·n n −1 1 5 E nS = · f (4 ) (c )·(b − a ) 4 c∈( a . xi +1 ) 5 1 ·n· f (4 ) (c )·h 5 = 90 c∈(a .

Alberto Suárez López Página 64 . se trata de calcular las raíces de una función: y f(x) x= x Diremos que x = α es una raíz de F si F (α ) = 0 . Capítulo 5.1. calcular una sucesión numérica que sea convergente hacia una de las raíces de la función: −x {xn }.O) Capítulo 5: RESOLUCIÓN NUMÉRICA DE ECUACIONES NO – LINEALES. Gráficamente. MÉTODOS DE SEPARACIÓN DE RAÍCES. debemos recurrir a métodos iterativos. si F no es polinómica. por ejemplo: F ( x ) = e − sen( x ) . Por otra parte. INTRODUCCIÓN.T. esto es. aunque puede darse algún caso particular. {xn }  α → F (α ) = 0 Capítulo 5.I.1.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. El objetivo buscado es calcular los valores de x que satisfacen la identidad F ( x ) = 0 . Si F es un polinomio: • • de primer grado: ax + b = 0 ⇔ x = − 2 b a − b ± b 2 − 4ac 2a de segundo grado: ax + bx + c = 0 ⇔ x = Existen métodos directos para polinomios de grado tres o cuatro.1.I.U. GRÁFICOS Y TEÓRICOS: Diremos que una raíz de la ecuación F ( x ) = 0 está separada en el intervalo I si es la única solución que existe en dicho intervalo. pero a partir de grado cinco no existen métodos directos generales.

O) Capítulo 5.I.1.U.I.1. solucionar el problema de la separación de raíces. MÉTODOS GRÁFICOS: Mediante la gráfica de la función F podemos. Por ejemplo: F ( x ) = e − x − sen( x ) Alberto Suárez López Página 65 . en ocasiones. En ocasiones es útil representar F = g 1 + g 2 y g1(x) g2(x) x= x Así.T.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.1. la abscisa correspondiente al punto de intersección corresponde a una raíz de F .

Capítulo 5.I. TEOREMA DE BOLZANO: Si una función es continua en un intervalo cerrado a.2.1.1. MÉTODOS TEÓRICOS: Se basan en la aplicación de los teoremas de Bolzano y Rolle.2. b • • f (a )· f (b ) < 0 [ ] Tesis: ∃c ∈ (a. b ) f (c ) = 0 Alberto Suárez López Página 66 . b y toma valores de distinto signo en a y en b.1. y [ ] f(a) a c’ c’’ c’’’ b x f(b) Hipótesis: f es continua en a.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.T.U. existe al menos un punto x0 interior al intervalo en el cual f ( x0 ) = 0 .1.I.O) Capítulo 5.1.

1. TEOREMA DE ROLLE: abierto (a.I. b y derivable en el intervalo [ ] [ ] f (x) es constante y f(a) a o o b f(b) x f ( x) = K f ' ( x) = 0 • se verifica en todos los puntos del intervalo f (x) no es constante y f(a) a y f(b) c b x f(a) a Alberto Suárez López c b f(b) x Página 67 .2.2. entonces existe al menos un punto c ∈ a.T.O) Capítulo 5. b ) .U.1.I.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. b en el que se verifica que f ' (c ) = 0 • Si una función f (x ) es continua en el intervalo cerrado a. verificando además que f ( a ) = f (b) .

I. a lo sumo. [ ] Hipótesis: F continua en a. b . b ) F (a )·F (b ) < 0 F ' (x ) ≠ 0.T. b ) F (α ) = 0 Alberto Suárez López Página 68 .U. b • • • • [ ] F derivable en (a.O) Teorema: Un primer resultado afirma que entre dos raíces consecutivas de F existe. ∀x ∈ (a.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. b ) Tesis: ∃!α ∈ (a.I. una raíz de F . y ' x= x= x=c x y x= x= x Otro método consiste en aplicar conjuntamente los teoremas de Bolzano y Rolle para demostrar la unicidad de una raíz en un intervalo a.

Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. Llamemos a1 .I. en estas [ ] a 0 + b0 . siendo M el punto medio del intervalo. Repetimos el proceso. F (M ) tiene o bien el signo de F (a 0 ) o bien el signo de F (b0 ) . M = Supongamos que la función F es continua en a 0 .b0 . b0 ⊃ a1 . b0 la raíz que se desea [ ] [ [ ] aproximar y a continuación iríamos formando sistemáticamente intervalos contenidos cada uno en el anterior: a 0 . tal que F (a 0 )·F (b0 ) < 0 .b1 a este intervalo. Por ejemplo: y y=F(x) [ ] a=a0 x1=a1=a2 x2=b2 b=b0=b1 x Alberto Suárez López Página 69 .b0 tiene la propiedad de que en sus extremos la [ ] [ ] función F tiene valores de signos opuestos. ⊃ a n . MÉTODO DE BISECCIÓN: condiciones podemos afirmar que la ecuación F ( x ) = 0 tiene al menos una raíz en (a 0 . en caso contrario.. y conteniendo a su vez a [ ] [ ] [ ] [ ] ] la raíz.. 2 paramos. bn .b0 ) .2.2. es decir.I. b = a 0 . de forma que la longitud de estos intervalos tienda a cero. Si F (M ) = 0 . MÉTODOS ITERATIVOS DE OBTENCIÓN DE SOLUCIONES. Capítulo 5. y uno de los dos intervalos a 0 . b3 ⊃ . b1 ⊃ a 2 . Una de las técnicas que puede usarse en la resolución aproximada de la ecuación F ( x ) = 0 consiste en localizar en un intervalo a. que tiene de longitud la mitad del anterior. Se calcula F (M ) . b2 ⊃ a 3 .1. M o M .O) Capítulo 5.T.U.

b1 − a1 = bn − a n = Entonces: a 0 + b0 . log(b − a ) < log ε ·2 n ( ) Alberto Suárez López Página 70 . Así tenemos la siguiente cota del error: xn − α < b−a 2n Dicho esto. b2 ] = [a1 . ¿cuántas iteraciones debemos realizar? b−a <ε 2n b − a < ε ·2 n Como la función logaritmo es estrictamente creciente. x2 ] = b−a 2 b−a b2 − a 2 = 2 2 b−a b3 − a3 = 3 2 . podemos tomar logaritmos a ambos lados de la inecuación y esta no se verá afectada. Si denotamos por {x n } a la sucesión de puntos medios. b] [a1 .. si se pretende calcular la raíz con un error menor que ε . se verifica Sabemos que x n = a n o x n = bn .O) [a0 .T. empezando por x1 . b0 2 a1 . b0 ] = [a.I..U. a1 + b1 2 La longitud de los intervalos: b−a 2n b−a 2n b−a bn − α < n 2 an − α < que {x n } converge a una raíz de la ecuación. b0 ] = [a 2 . b1 ] = [x1 .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.I.

I.U. Pero si la función no es continua corremos el riesgo de construir una sucesión no convergente.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.I.O) Aplicando propiedades de logaritmos: log(b − a ) < log ε + log 2 n log(b − a ) < log ε + log ε b−a < n·log 2 b−a log(b − a ) − log ε < n·log 2 log ε n·log 2 > log ε log n> b−a ε log 2 Aún así.T. aunque siempre convergerá a una raíz real. Alberto Suárez López Página 71 . la convergencia con este método suele ser muy lenta.

raíces de F . En este método se cualquier punto fijo de f .U. Si ∃α Este método permite adquirir una raíz de la ecuación F ( x ) = 0 .I.O) Capítulo 5. CONVERGENCIA DEL MÉTODO DE ITERACIÓN DE PUNTO FIJO: ESTUDIO DEL ERROR.I. ∀m ≠ 0 m A cada una de estas funciones f i se le llama función de iteración asociada a F . Por ejemplo: F (x ) = x 2 − x − 1 = 0 f1 (x ) = x 2 − 1 f 3 (x ) = f 2 (x ) = x + 1 x +1 x x2 − x −1 f 4 (x ) = x − . y por tanto.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. Es decir: α = f (α ) entonces F (α ) = 0 . de manera que cualquier solución de esta ecuación. x = α y x = Alberto Suárez López β son puntos fijos de la función f .T. es decir. Gráficamente: y y=f(x) y=x x= x= x Así. es una raíz de la ecuación de partida F ( x ) = 0 .3. Página 72 . deduce la ecuación x = f ( x ) .

I. ∀n ≥ 0 • • La sucesión deberá converger hacia un valor real. Para garantizar esta primera condición supongamos que f ( x ) está encerrada en un intervalo I = a. b ] → [ ] Alberto Suárez López Página 73 . b . Es decir: [ ] ∀x ∈ [a. los puntos que componen la sucesión serán: x1 = f ( x 0 ) x 2 = f ( x1 ) .. a partir del punto x3 .3.U.T.I. α = f (α ) Por ejemplo: Supongamos que la función elegida sea f ( x ) = x −1 : x0 = 2 ∈ domf x1 = f (x 0 ) = f (2 ) = 2 − 1 = 1 = 1 ∈ domf x 2 = f (x1 ) = f (1) = 1 − 1 = 0 = 0 ∈ domf x3 = f ( x 2 ) = f (0 ) = 0 − 1 = − 1 = i ∉ domf Vemos como. x3 = f ( x 2 ) x n = f ( x n −1 ) Para que este algoritmo resuelva el problema planteado hemos de comprobar que se verifiquen las siguientes condiciones: • Los puntos de la sucesión {x n } deberán pertenecer al dominio de la función f . x n ∈ domf . b y que la imagen que cada uno de los puntos del intervalo I a través de la función f está a su vez contenido en I = a. no se verifica la primera condición.. b ].1.O) Capítulo 5.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. b ] f : [a. f (x ) ∈ [a. {xn }  α ∈ IR → El límite de dicha sucesión será un punto fijo de la función f . b]  [a. ITERACIÓN DEL PUNTO FIJO: sucesión {x n } definida recursivamente por la ecuación siguiente: La iteración del punto fijo consiste en elegir un punto x 0 ∈ domf y construir la {xn } x0 x n +1 = f ( x n ) ∀n ≥ 0 Así.

• g (a )· g (b ) < 0 [ ] g (a ) = a − f (a ) ≤ 0 g (b ) = b − f (a ) ≥ 0 Tesis: ∃α ∈ [a. x0 ∈ [a. b ] g (α ) = 0 Página 74 Alberto Suárez López .I. b] = (x. TEOREMA DE EXISTENCIA DEL PUNTO FIJO: Sea f : a. b : Hipótesis: g continua en a. b] x 2 = f ( x1 ) ∈ [a.2. b  → a. b continua en a.I. b] Demostración: Por inducción se demuestra que x n ∈ a. ∀n . b] ∃α ∈ [a. b ]  [a.U. b • Al ser diferencia de funciones continuas. b [ ] [ ] [ ] f : [a. b ] y ∈ [a. b ] [ ] x3 = f ( x 2 ) ∈ [a.. b ] x n = f (x n −1 ) ∈ [a. b]× [a.. b] x1 = f ( x0 ) ∈ [a.O) Gráficamente: y y=x y=f(x) x=a x= x=b x [a. b ] . b . y ) x ∈ [a.3.T. Es decir: [ ] Demostración: Aplicamos el Teorema de Bolzano a la función g ( x ) = x − f ( x ) en a. b . entonces ∃α ∈ a.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. b] f (α ) = α → [ ] f (α ) = α . Capítulo 5.

1) f ( x1 ) − f ( x 2 ) ≤ L· x1 − x 2 . b]. Por ejemplo: y y=x y=f(x) x=a x=x1 x=x2 x=x3 x=x4 x=b x d ( f ( x1 ). Para evitar que suceda esto incorporamos la definición de función contractiva. es decir.3. b si y sólo si. por definición: ∃L ∈ [0. f ( x 2 )) > d (x1 . x 2 ) . Capítulo 5.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. x 2 ∈ [a. ∀x1 . [ ] Se verifica también que la contractividad implica la continuidad de la función. FUNCIÓN CONTRACTIVA: Se dice que f es contractiva en a. Para estudiar si una función es contractiva utilizaremos el siguiente resultado: Alberto Suárez López Página 75 .T. Existen puntos x1 .I.U. b [ ] f (x1 ) − f (x2 ) > x1 − x 2 .I. x 2 ∈ a.3.O) Así: g (α ) = 0 ⇔ α = f (α ) Sin embargo las hipótesis anteriores no garantizan la unicidad del punto fijo.

b con constante de contractividad L . ¿Es f una función de iteración? [ ] [ ] Para que f sea una función de iteración debe verificarse que: • Primero comprobamos que las imágenes de los extremos de los intervalos a través de f pertenecen al intervalo.1] e f ' ( x ) = −e − x max{ f ( x )} = 1 x∈[0 . b y es contractiva. b . b ) . b y α ≠ f (α ) = α .I.1] → f (0 ) = e 0 = 1 ∈ [0. 1 ∈ [0.U.1] f ' ( x ) < 0.3. ∀x ∈ (a. • [ ] f ' [ ] (x ) ≤ L < 1. f ' es una función acotada en (a. estudiaremos la monotonía de la función.I.1) f ' (x ) = − e − x = e − x = e − x 1 ⇔ f : [0.O) Sea f continua en a.1 . para lo cual.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. b ) . Si f : a. entonces existe un único punto fijo en a. ∃!α ∈ [a.1] f (1) = e −1 = A continuación comprobamos que el resto de puntos del intervalo verifica la hipótesis.1]  → . es decir.4. b  → a. ∀x ∈ domf • ∃L ∈ [0. entonces son equivalentes las dos condiciones siguientes: • f es contractiva en a. β ∈ a. b = 0.1] f ' es decreciente en [0. entonces: f (β ) = β α − β = f (α ) − f (β ) ≤ L· α − β < α − β [ ] β α −β < α −β Sea f ( x ) = e Ejemplo: −x en a. b ] f (α ) = α .1 ⊂ [0.T. b ) . es [ ] La existencia ya esta probada. ∀x ∈ (0. Probemos ahora la unicidad del punto fijo: Capítulo 5.1] 1 e min { f ( x )} = x∈[0 .1] e f es contractiva en [0. [ ] [ ] decir.1) f ' (x ) ≤ L. f : [0. b y derivable en (a.1] Alberto Suárez López Página 76 . TEOREMA DE UNICIDAD DEL PUNTO FIJO: Demostraremos la unicidad del punto fijo por reducción al absurdo: supondremos la existencia de un segundo punto fijo y llegaremos a una contradicción: Sean α .1]  [0.

5.O) x → 0 lim e − x = 1 ' ∃L ∈ [0.3.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. ∀x ∈ (0. b .1. n ≥ 0 es convergente y converge al único punto fijo x = α de f en a.1. b] α = f (α ) y {x n }  α → Ln Ln · x1 − x0 ≤ ·b − a 1− L 1− L Además.1 < 1. se tiene la siguiente estimación para el error: xn − α ≤ Vemos como.3.1) e − x ≤ L. b . b ] → f ' ( x ) ≤ L < 1.1 no hemos encontrado la constante de contractividad. [ ] [ ] entonces se verifica que la sucesión {x n } definida por x n +1 = f ( x n ). bajo las cuales el algoritmo del punto fijo converge para ∀x 0 ∈ a. cuando L es próxima a cero el error se aproxima a cero y cuando L es próxima a uno. contractiva con constante de contractividad L y sea x0 ∈ a.1) / En 0. Capítulo 5.1 . ESTUDIO DEL Distinguiremos entre convergencia global y convergencia local. Capítulo 5.1) [ ] [ ] Luego.1 : L [ ] f ( x ) = e − x < e −0.1. b . En la convergencia local se darán condiciones más débiles bajo las cuales el algoritmo converge siempre que el punto inicial esté suficientemente cerca de la solución.T. En la convergencia global se darán condiciones para f en a. el error tiende a infinito. ∀x ∈ (a. f es contractiva en 0. Ln L0 1 = = =1 L → 0 1 − L 1− 0 1 n L L1 L lim = = =∞ L  11 − L → 1−1 0 lim Alberto Suárez López Página 77 .I. b]  [a. b . b ) Tesis: ∃!α ∈ [a. TEOREMA DE CONVERGENCIA GLOBAL Y ESTIMACIÓN DEL ERROR: Sea f : a. b  → a.U.1.I. Probemos en 0. Hipótesis: • • [ ] [ ] [ ] [ ] f : [a. CONVERGENCIA DEL MÉTODO DE ITERACIÓN DEL PUNTO FIJO. ∀x ∈ (0.5. b .1 con constante de contractividad L = e ERROR: −0.

∃δ sucesión {x n } definida por x n +1 = f ( x n ) converge a x = α . b ) f (α ) = α f : [a. derivable con f continua en (a.I.5.2.O) Capítulo 5.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. b ) f (α ) = α y además f (α ) < 1 .3. b  → IR . Sea f : a. b ) y supongamos > 0 ∀x0 ∈ [α − δ .U. b ) ∃α ∈ (a.I. b] α = f (α ) y {x n }  α → ' Gráficamente: con − 1 < f (x ) < 0 : y=x y y=f(x) x=a x=x0 x=x2 x= x=x1 x=b x Vemos como se forma una “tela de araña” en la que los puntos x n convergen hacia α . b]  IR → f ' (α ) < 1 Tesis: ∃!α ∈ [a.T. Alberto Suárez López Página 78 . Entonces. TEOREMA DE CONVERGENCIA GLOBAL: ' [ ] ' que ∃α ∈ (a. α + δ ] la Hipótesis: • • • • f ' continua en (a.

Para f ' (x ) > 1.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.I. Alberto Suárez López Página 79 .T.U. ∀x0 ≠ α la sucesión no es convergente.I.O) con 0 < f ' (x ) < 1 : y=x y=f(x) y x=a x=x0 x=x1 x=x2 x= x=b x Vemos como se forma una “escalera” en la que los puntos x n convergen hacia α .

se dice que la convergencia es lineal.O) Capítulo 5. ORDEN DE CONVERGENCIA.T. es decir.I. al menos de orden 1 . Es decir.U. • Si p = 2 . en +1 ≈ q ⇔ en +1 = q·enp p en Se mide la disminución del error entre una iteración y la iteración siguiente. CONVERGENCIA LINEAL: En el método de iteración del punto fijo. se dice que la sucesión {x n } converge a α con p n → ∞ e n orden de convergencia p .I.4. la convergencia es. se dice que la convergencia es cuadrática.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. {x n }  α ó → Sea {x n } una sucesión de números reales que converge a un cierto valor α . Si existen constantes reales p > 0 y q ≠ 0 tal que lim en +1 = q . Demostración: en +1 = x n +1 − α = f ( x n ) − f (α ) Aplicando el teorema del valor medio: en +1 = f (x n ) − f (α ) = f ' (c n )( x n − α ) = en · f ' (c n ) · ' Despejando f (c n ) : en +1 = en · f ' (c n ) f ' (c n ) = en +1 en Tomando límites a ambos lados de la expresión: en +1 = lim f ' (c n ) = f ' n → ∞ e n → ∞ n lim n → ∞ lim c n = f ' (α ) ∈ (− 1. es decir. al menos. y sea en = x n − α . • Si p = 1 . siendo q la constante asintótica del error. n → ∞ lim {x n } = α . lineal.1) Alberto Suárez López Página 80 . ∀n ≥ 0 .1. Capítulo 5. para n suficientemente grande.4.

cuadrática (al menos de orden 2 ). ' al menos.U.I.5.O) Capítulo 5.I.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. f (α ) = α f (α ) = α '' f ' (α ) ≠ 0 f ' (α ) = 0 Convergencia lineal Convergencia cuadrática f (α ) ≠ 0 Alberto Suárez López Página 81 .T. En el caso particular de que f (c n ) = 0 se demuestra que el orden de convergencia es. CONVERGENCIA CUADRÁTICA Y MÉTODO DE NEWTON. Demostración: en +1 = x n +1 − α = f ( x n ) − f (α ) f '' (c n ) f '' (c n ) 2 2 ·( x n − α ) = ·en 2 2 Aplicando la fórmula de Taylor en un entorno de α : en +1 = f (x n ) − f (α ) = Despejando en +1 = f '' (c n ) 2 ·en 2 f '' (c n ) en +1 = 2 2 en f '' (c n ) : 2 Tomando límites a ambos lados de la expresión: n → ∞ lim en +1 en 2 = lim n → ∞ f '' (c n ) 1 1 = · lim f '' (c n ) = · f '' → 2 2 n ∞ 2 1 lim c n = · f '' (α ) n → ∞ 2 Corolario: El orden de convergencia nos lo indica el orden de la primera derivada que no se anula en el punto fijo.

MÉTODO DE NEWTON: y x= x=x0 x=x1 x y=F(x) Vamos a construir una sucesión {x n } tal que {x n }  → α .I.T.1.5.U. Calculamos la recta tangente a la función F en xi : y − F ( xi ) = F ' (xi )( x − xi ) · y − y 0 = m·( x − x0 ) Alberto Suárez López Página 82 . • • Elegimos un punto inicial x 0 .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.. ∀i = 1..n se obtiene como la intersección de la recta tangente a la función F en el punto xi con el eje OX. Cada punto xi +1 .I.O) Capítulo 5.

U.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. la función de iteración para el método de Newton vendrá dada por: f (x ) = x − F (x ) F ' (x ) Alberto Suárez López Página 83 .O) Y hallamos la intersección de dicha recta con el eje OX: · y − F ( xi ) = F ' ( xi )(x − xi ) y=0 − F ( xi ) = x·F ' ( xi ) − xi ·F ' ( xi ) xi ·F ' ( xi ) − F ( xi ) = x·F ' ( xi ) x i ·F ' ( x i ) − F ( x i ) x= F ' ( xi ) − F ( xi ) = F ' ( xi )( x − xi ) · x= x i ·F ' ( x i ) F ( x i ) − ' F ' ( xi ) F ( xi ) F ( xi ) F ' ( xi ) x = xi − Así.I.I.T.

+ c n ·( x − x 0 )( x − x1 )( x − x 2 )·..... (x ) + ......T.O) Apéndice A: FÓRMULAS Y MÉTODOS...I. l i (x ) = n (x − x 0 )(x − x1 )(x − x 2 )·.. ( x ) = con: n i =0 f ( x i )·l i.. x1 ] 8 h3 9 3 Error en la interpolación cuadrática: e2 x ≤ () ·f ''' (c ) .·(x − x n ) · · · x − xk =∏ (xi − x 0 )(xi − x1 )(xi − x 2 )·. x1 . b ) ( ) ( n +1) (x ) Error en la interpolación lineal: e1 x ≤ () h 2 '' · f (c ) . ( x ) .·(x − xi −1 )(x − xi +1 )·. x 2 .·(xi − xi −1 )(xi − xi +1 )·... x n ] − f [x0 .. x 2 .·(xi − x n ) k =0 xi − x k · · · k ≠i Fórmula de Newton: Pn ( x ) = c 0 + c1 ·( x − x 0 ) + c 2 ·( x − x 0 )( x − x1 ) + . (x ) + f ( x 2 )·l 2.I. x n ] = f [x1 . Fórmula de Lagrange: Pn ( x ) = f ( x 0 )·l 0. ∀ x ∈ [x0 .. x1 .. + f ( x n )·l n.U.... x3 . INTERPOLACIÓN. ∀ x ∈ [x 0 .... x 2 ] Error en la interpolación lineal a trozos: 1 e1 x ≤ ·h 2 ·M 8 () Errror en la interpolación cúbica a trozos: e2 x ≤ () 1 9 3 ·h 3 ·M Alberto Suárez López Página 84 .. x n −1 ] x n − x0 Error en la interpolación: en x ≤ () n M · ∏ x − x i con M = sup f (n + 1)! i =0 x∈( a . x 2 .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.1. Apéndice A.. ( x ) + f ( x1 )·l1.·( x − x n −1 ) · · · f [x0 .

n i =1 n i =1 n i =1 n i =1 ϕ 1 (x i )·ϕ k ( x i ) ϕ 2 (x i )·ϕ k (x i ) c 2 ϕ 3 (x i )·ϕ k (x i ) n i =1 ϕ 2 (x i )·ϕ1 (x i ) ϕ 3 (x i )·ϕ 1 (x i ) .I...2... Recta de regresión: n i =1 n i =1 n i =1 n i =1 n i =1 n yi = a * ·n + b* · x1 · yi = a · * n i =1 xi * n i =1 n ⇔ x 2 i n i =1 xi xi2 · a * xi + b · xi b* = i =1 n i =1 yi x1 · yi Polinomio de ajuste de grado menor o igual a dos: n i =1 n i =1 n i =1 y i = a * ·n + b * · xi · y i = a * · n i =1 n i =1 n i =1 xi + c * · n i =1 n i =1 n i =1 x i2 n i =1 n i =1 n x i3 x i4 ⇔ n i =1 n i =1 n i =1 n i =1 n i =1 xi x i2 x i3 n i =1 n xi + b * · x i2 + c * · xi x i2 x i2 · y i = a * · x i2 + b * · x i3 + c * · i =1 a* x i3 · b * = i =1 c* n 4 xi x i2 n i =1 n i =1 n i =1 yi xi · y i x i2 · y i Función de ajuste. ϕ 2 ( x n ) B = ϕ 3 ( x1 ) ϕ 3 ( x 2 ) ϕ 3 ( x 3 ) . n i =1 n i =1 ϕ 2 (x i )2 c1 = ϕ 3 (x i )·ϕ 2 (x i ) ϕ k (x i )·ϕ 2 (x i ) n i =1 A ϕ 3 (xi ) 2 ...O) Apéndice A.. ϕ k (xi ) 2 ϕ1 ( x1 ) ϕ 1 ( x 2 ) ϕ1 ( x 3 ) ...Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. Expresión general: n i =1 n i =1 n i =1 n i =1 y i ·ϕ 1 ( x i ) y i ·ϕ 2 ( x i ) y i ·ϕ 3 ( x i ) . ϕ k (x n ) c1 y1 y2 c2 t B· y 3 = B ·B· c 3 .......T.. ϕ 2 (x i )·ϕ 3 (x i ) . AJUSTE DE DATOS Y APROXIMACIÓN DE FUNCIONES. · c3 . y i ·ϕ k ( x i ) b n i =1 n i =1 n i =1 n i =1 ϕ 1 ( x i )2 n i =1 ϕ 1 (x i )·ϕ 2 (x i ) n i =1 n i =1 n i =1 ϕ 1 (x i )·ϕ 3 (x i ) .I... ck yn Alberto Suárez López Página 85 . t . yn ... ϕ 3 (x n ) ϕ k ( x1 ) ϕ k ( x 2 ) ϕ k (x 3 ) y1 y2 A = B ·B y b = B· y 3 ....U.. ϕ1 ( x n ) ϕ 2 ( x1 ) ϕ 2 ( x 2 ) ϕ 2 ( x 3 ) . ck ϕ k (x i )·ϕ 1 (x i ) ϕ k (x i )·ϕ 3 (x i ) .....

I.3.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.O) Apéndice A.b ) Alberto Suárez López Página 86 . INTEGRACIÓN NUMÉRICA. MÉTODOS DE COTES Y MÉTODOS DE GAUSS. Fórmula de los trapecios: b a f ( x )dx ≈ b−a ·[ f (a ) + f (b )] 2 b−a a+b + f (b ) · f (a ) + 4· f 6 2 Fórmula de Simpson: b a f ( x )dx ≈ Error en la fórmula de los trapecios: ET = − 1 '' 3 · f (c )(b − a ) · 12 (4 ) Error en la fórmula de Simpson: ES = 1 ·f 90·32 (c )(b − a )5 · a+b 2 Formula de Newton – Cotes abierta con un solo nodo o fórmula del punto medio: b a f ( x )dx ≈ (b − a )· f Fórmula de Newton – Cotes abierta con dos nodos: b a f ( x )dx ≈ b−a 2a + b 2b + a · f + f 2 3 3 n −1 b−a · f (a ) + 2· f ( x i ) + f (b ) 2n i =1 Fórmula de los trapecios compuesta: b a f ( x )dx ≈ Error en la fórmula de los trapecios: T En = − 1 3 ·(b − a ) · f '' (c ) 2 12·n c∈( a .b ) Fórmula de Simpson compuesta: b a f ( x )dx ≈ n −1 b−a f ( x 0 ) + 2· f ( x i ) + 6n i =1 n i =1 f (z i ) + f (x n ) Error en la fórmula de Simpson: E nS = n −1 i =0 1 5 · f (4 ) (c )·(b − a ) 4 90·32·n c∈(a .I.U.T.

b • • • f (a) = f (b) Tesis: [ ] f es derivable en (a. b ) f (c ) = 0 Teorema de Rolle: Hipótesis: f es continua en a.I. b] f (α ) = α Función contractiva: f ' ( x ) ≤ L < 1. b] → ∃α ∈ [a.T.4. RESOLUCIÓN NUMÉRICA DE ECUACIONES NO – LINEALES.O) Apéndice A. ∀n ≥ 0 Teorema de existencia del punto fijo: f : [a.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. b ]  [a.I. b ) ∃c ∈ (a. b ) f ' (c ) = 0 Error en el método de bisección: xn − α < b−a 2n un error x n − α < ε : Cálculo del número de iteraciones necesarias en el método de bisección para cometer log n> b−a ε log 2 x n +1 = f ( x n ) Iteración del punto fijo: {xn } • • • {xn }  α ∈ IR → α = f (α ) ∀n ≥ 0 x n ∈ domf .U. Teorema de Bolzano: Hipótesis: f es continua en a. b • f (a )· f (b ) < 0 • Tesis: [ ] ∃c ∈ (a. b ) Alberto Suárez López Página 87 . ∀x ∈ (a.

Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E. b ) Tesis: ∃!α ∈ [a. b ) ∃α ∈ (a. b] α = f (α ) y {x n }  α → Ln Ln · x1 − x0 ≤ ·b − a 1− L 1− L con f ( x ) = x − Error en el método de iteración del punto fijo: xn − α ≤ Método de Newton: {xn } x n +1 = f (x n ) ∀n ≥ 0 F (x ) F ' (x ) Alberto Suárez López Página 88 . b ] → f ' ( x ) ≤ L < 1. b ) f (α ) = α f : [a.I. b] α = f (α ) y {x n }  α → Teorema de convergencia local: Hipótesis: • • • • f ' continua en (a.I.T. b]  IR → f ' (α ) < 1 Tesis: ∃!α ∈ [a.O) Teorema de convergencia global: Hipótesis: • • f : [a.U. ∀x ∈ (a. b]  [a.

U.I." ) pr004.m: pr002.T.m: ! #$% " & " % ' (# ' pr003. pr001.I." . INTRODUCCIÓN A LA PROGRAMACIÓN CON MATLAB.1.m: / 0 "1 2 0 "3 0 #4 5 Alberto Suárez López Página 89 .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.O) Apéndice B: PRÁCTICAS.m: ) '* + " '* . Apéndice B.

" $ 41 " & " # 5" $ 5 5 (# f001.m: 1" 7 1 8 9 : " 7 (#.I.O) pr005.7 % * ) Alberto Suárez López Página 90 .T.U.I.m: 6 ! # . .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.

11 ) ) = > : : : "% ." " #..1 8 7 " 1. " B 1$C 4 B #A 3. lagrange..14 $"$A 37 "1 <) ) < 6: <) ) / ' 9 = + * )* = '..4A 7 (#..T.U. H " ...O) Apéndice B.I.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E." 7 1 ... 11 # .I.. INTERPOLACIÓN...m: ! < & ) ) => : 7 # # " <) ) ?7 1 7 " 1 " 7 @ 8 5 1 1 1" 1 "# "# " # 1$A 4 #A 3 7 # .4 7 A - 8 H Alberto Suárez López Página 91 .# .. 8 " ..# G 8H ..2... 8H " .$ # G 6 $ # 7 ." 6 9 ' '' < 6 D " " E " 5 " " DF 5 : 8 5 .

... 7 .." B B7 .7 < D 7 .I.O) E G = D .." ..= D .." B7 ..U...........7 D 1 D D D D D D E E = 5 ..T..7 ..7 B7 ..........7 ......" ...= 5 7 1 B7 B B7 D B7 D " B B7 .......7 ...= 5 =5 7 7 7 1 " # 7 5 E <D <D E >< - D 6< Alberto Suárez López Página 92 .7 " B B7 ....I.7 .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.

7 / 7 L 1 6 7 ) : $B7 1 B7 " B7 # ." 7 9 !" 7 7 # 7 &.14 " $"$A 37 " 1 ) ) = > I' : : : ' " @ I' "% )* = E / 6 8 " / " J 5# " ." .7 ." .= ." : Alberto Suárez López G Página 93 .7 5" H " D " 5 .7 .I.7 .7 .7 . ! 17 7 1 7 .T./ 5 .= .7 #B7 1 B7 " .m: => : ?7 1 7 " 7 # 1 " # 7 8 5 1 1 1" 1 "# "# " # 1$A 4 #A 3 8 7 .7 B7 1 B7 " B7 # B B7 .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.O) newton." > ) 6 ) ! 17 7 " / 5 / > ) 7 8 7 1 "B7 1 ." 5 .7 1 " 5 .7 ."& 7&KKKKKKKKKKKKKKKKKKK KKKKKKKKKKKKKKKKKK 7 .I. 5 .

Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O) 8 5 ,, 8 " .# ,, H " .$ # G 6 $ # 7 .#

8H ,, 8H " .4A 7 (#.4 7 A H H # H =D G =D

8 H

H 7 7 7 1 " # 7 D

H H 8 5 J ! " "& " ,, # J 7 7 7 (# /" 5 # 7 7 M #

H

6

Alberto Suárez López

Página 94

Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

Apéndice B.3. APROXIMACIÓN POR MÍNIMOS CUADRADOS.
ajuste.m: 5 : 8 5 ,, 5 5 5 = >N M7 " ?7 " " #7 $- ($ 7 7 # # 7 $ $ 7 -( 7 @

! 13 ! 1#&# ." & ."

.11 $$$$$$$$$$$$ 3 1C A A A A A 4 "A A A A A A .11 1 1 1 1 1 1 111111" 5 M7 .13 $$$- (# 7 1C A 7 "A ) ) = > N 5 / )* = O N " / * ) 7 " " ) 7 # J M7 " -) 7 " = 5 5 7 (# ) 7 $ 5 # -) 7 # 7
n i =1 n i =1

"%

: : ) :

*

7 ($

)

7

N " 7 ( -) 7 9

$ -) 7 $

n i =1

ϕ1 (xi )2

n i =1

ϕ1 (xi )·ϕ 2 ( xi )
n i =1

ϕ1 (xi )·ϕ3 (xi ) ... ϕ 2 (xi )·ϕ3 (xi ) ...
n i =1

n i =1 n i =1 n i =1

ϕ1 (xi )·ϕ m (xi ) ϕ 2 (xi )·ϕ m (xi ) ϕ3 (xi )·ϕ m (xi )
n i =1

n

n i =1 n i =1 n i =1

ϕ 2 (xi )·ϕ1 (xi ) ϕ3 (xi )·ϕ1 ( xi )
...
n i =1 n i =1

ϕ 2 (xi )

2

c1 c2 · c3 = ... ck

i =1 n i =1 n i =1 n i =1

yi ·ϕ1 ( xi ) yi ·ϕ 2 ( xi ) yi ·ϕ3 ( xi ) ... yi ·ϕ m ( xi )

ϕ3 (xi )·ϕ2 (xi ) ϕ m (xi )·ϕ 2 (xi )
n i =1

ϕ3 (xi )2

...

ϕm (xi )·ϕ1 (xi )

ϕm (xi )·ϕ3 (xi ) ...

ϕ m (xi )
:

2

8 9 J= P B

" # $

9 *

Alberto Suárez López

Página 95

Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E.U.I.T.I.O)

ϕ1 ( x1 ) ϕ1 (x2 ) ϕ1 (x3 ) ... ϕ1 ( xn ) ϕ 2 ( x1 ) ϕ 2 (x2 ) ϕ 2 (x3 ) ... ϕ 2 ( xn ) F = ϕ3 ( x1 ) ϕ3 ( x2 ) ϕ3 ( x3 ) ... ϕ3 ( xn )
... ϕ k ( x1 ) ϕ k ( x2 ) ϕ k ( x3 )
J J= P B MMB M> B = B 6 N "" Q R

8

6

7
2 1 2 2 2 3

M

ϕ k ( xn )

1 x1 1 x2 = 1 x3 ...
n × ( m +1)

x x x

... x1m m ... x2 m ... x3
m xn

1

xn

2 xn

9 N " P 6 " N "

6

P : "

R

6 M6 J * N "

7

M: M

R

9

N " =

) = ) 7 " " ) 7 # D " N " M D = ) = R

7 (# ) 7 $ D M

7 ($

N " )

7

7 (

=(D ." 7 7 D ( ." : 5 M D =(D ." < J MM < P M> JG J SP < ,, $ # " 6J 6P 9 = ! # $& " N "" * T 9 9

9

= 9

N "N " N ""

: =

T

Alberto Suárez López

Página 96

.... .O) Apéndice B.... 7 1 7 " * . N 8 ! & N " : .....4... 1 A " A"1 ! & 3"C 4 4 4 #4 $3 % A "U $ "A ) ) G N + 7 * 9 : 3"C 4 $3 % ) "% 9 : ) 9 ) ) 7 : ) 0.. trapecio.....U..." 7 *D 7 ) *.V.V......" 1 D " N.......... *# 7 N ! 7 "& 7 Alberto Suárez López Página 97 ..*.Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E." 7 & 7 / ! & N : 7 B * 1 . 7 7 1 " 7 # 7 $ 7 ! 17 ! " 7 ! # 7 7 "& 7 #& 7 $& ! .....V.....V....T.V.....I.I....m: N 7 ) 8 5 ..... . INTEGRACIÓN NUMÉRICA...V." ) 7 " .V..

. ....I.V.O) simpson..V." D " " 7 > D " N." 7 *. .Universidad de Oviedo MÉTODOS NUMÉRICOS Escuela Universitaria de Ingeniería Técnica en Informática de Oviedo (E." ! 7 "& 7 " .. 7 1 6 " 7 " * .#N 8 ! & / ! : 7 #B* B : " 6 " " 1 # # 1 " D " N 7 *.T......#*.. 1 A " A"1 ! & 3"3 % % A $A $% U C A #% "A 3"3 % $% U ) "% ) ) 9 : G ) 9 ) N + 7 9 * : ) 0.. 0.V..U.*..." ) 6 N ! 7 "& 7 6 #B...m: N 7 ) 8 5 ...# .. $ Alberto Suárez López Página 98 .. " B * 7 7 ) *- % " #.I....#..." 6 ) 7 : & #N " N 1 : .D ## # # ) 7 " .