Metodos Numericos de Chapra

MTODOS NUMRICOS PARA
INGENIEROS
Con aplicaciones en
computadoras personales
MTODOS NUMRICOS PARA
INGENIEROS
Con aplicaciones en
computadoras personales
Steven C. Chapra, Ph.D.
Professor of Civil Engineering
Texas A&M University
Raymond P. Canale, Ph.D.
Professor of Ci.vil Engineering
The University of Michigan
Traduccin:
Carlos Zapata S.
Ingeniero Electricista, UDLA
Diplomado en Ciencias de la Computacin,
Fundaci6n Arturo Rosenblueth
Alfredo Corts Anaya
Licenciado en Ciencias Fsico-Matemiticas, UMSNH
Maestro en Ciencias de laComputaci6n,
IIMAS, UNAM
Revisin tcnica:
Fernando Vera Badillo
Ingeniero Civil, Universidad La Salle
Jefe del Departamento de Matemlticas Aplicadas,
Universidad La Salle
McGRAW-HILL
MXICO BOGOTA BUENOS AIRES CARACAS GUATEMALA LISBOA MADRID
NUEVA YORK PANAMA SAN J UAN SANTIAGO S0 PAUL0
AUCKLAND HAMBURG0 LONDRES MONTREAL
NUEVA DELHI PARS SAN FRANCISCO SINGAPUR
ST. LOUIS SIDNEY TOKIO TORONTO
METODOS NUMRICOS PARA INGENIEROS
Con aplicaciones en computadoras personales
Prohibida la reproduccin total o parcial de esta obra,
por cualquier medlo, sin autorizactn escrita del editor
DERECHOS RESERVADOS (9 1987, respecto a la primera edicin en espaol por
LI BROS McGRAW-HILL DE MCXICO. S. A. DE C. V.
Atlacomulco 499-501, Fracc. Industrial San Andrs Atoto
53500 Naucalpan de J urez, Edo. de Mxico
Miembro de la Cmara Nacional de la lndustrla Editorial, Reg. Nm. 465
ISBN 968-451-847-1
Traducido de la primera edlclon en Ingls de
Numeri cal Methods f or Engineers with Personal Computer Applications
Copyright @ MCMLXXXV, by McGraw-Hill, Inc., U. S. A
ISBN 0-07-010664-9
1234567890 L.M.437 8012345697
Impreso en Mexico Punted In Mexico
Esta obra se t ermi n de
i mpri mi r en febrero de 1988
en Talleres Grficos Continental, S. R. de C. V.
Calz. Tlalpan No. 4620
col. Ni o Jess
Delegacin Tlalpan
1408 Mxi co, D.F.
Se tiraron 2 600 ejemplares
C O NT E NI DO
PREFACIO
PARTE I LOS METODOS NUMERICOS Y LAS COMPUTADORAS
PERSONALES
I. 1 Motivacin
1.2 Fundamentos matemticos
1.3 Orientacin
Captulo 1 Modelos matemticos
Problemas
Captulo 2 La programacin en las computadoras
personales
2.1 Antecedentes histricos
2.2 Desarrollo de programas
2.3 Desarrollo de un programa para el problema del paracaidista
2.4 Estrategias de programacin
Problemas
Captulo 3 Aproximaciones y errores
3.1 Cifras significativas
3.2 Exactitud y precisin
3.3 Definiciones de error
3.4 Errores de redondeo
3.5 Errores de truncamiento
3.6 Error numrico total
3.7 Errores por equivocacin, de planteamiento
e incertidumbre en los datos
Problemas
xi
1
4
7
11
19
21
22
24
46
52
56
63
64
66
67
72
77
95
96
98
Vi CONTENIDO -
EPILOG0 PARTE I
1.4 Elementos de J uicio
1.5 Relaciones y frmulas importantes
1.6 Mtodos avanzados y algunas referencias adicionales
PARTE II RACES DE ECUACIONES
I I. 1 Motivacin
11.3 Orientacin
Captulo 4 Mtodos que usan intervalos
4.1 Mtodos grficos
4.2 Mtodo de biseccin
4.3 Mtodo de la regla falsa
4.4 Bsquedas con incrementos determinando una
aproximacin inicial
Problemas
Capitulo 5 Mtodos abiertos
5.1 I teracin de punto fijo
5.2 Mtodo de Newton-Raphson
5.3 Mtodo de la secante
5.4 Races mltiples
Problemas
EPiLOGO PARTE II
11.4 Elementos e juicio
PARTE 111 SISTEMAS DE ECUACIONES ALGEBRAICAS LINEALES
I I I. 1 Motivacin
111.3 Orientacin
Captulo 7 Eliminacin gaussiana
7.1 Solucin de pocas ecuaciones
7.2 Eliminacin gaussiana simple
1 o1
106
107
109
112
114
119
119
123
132
139
140
145
146
152
158
163
167
171
172
177
180
183
1 86
1 89
197
199
199
203
206
21 5
219
219
227
EPILOG0
PARTE IV
7.3 Desventajas de los mtodos de eliminacin
7. 4 Tcnicas de mejoramiento en las soluciones
7.5 Resumen
Problemas
Captulo 8 Gauss-Jordan, inversin de matrices y
Gauss-Seidel
8. 1 Mtodo de Gauss-J ordan
8. 2 I nversin de matrices
8. 3 Mtodo de Gauss-Seidel
Problemas
Captulo 9 Casos de la parte 111: Sistemas de ecuaciones
Caso 9. 1 Distribucin de recursos (I ngeniera en general) ,
Caso 9. 2 Clculo de distribucin de temperaturas
Caso 9. 3 Anlisis de una armadura estticamente determinada
Caso 9. 4 Corrientes y voltajes en circuitos resistivos
Caso 9. 5 , Dinmica de partculas y cuerpos rgidos
Problemas
algebraicas lineales
(I ngeniera qumica)
(I ngeniera civil)
(I ngeniera elctrica)
(I ngeniera mecnica)
PARTE 111
111.4 Elementos de juicio
AJUSTE DE CURVAS
I V. 1 Motivacin
I V. 2 Fundamentos matemticos
l V.3 Orientacin
Captulo 1 O Regresin con mnimos cuadrados
10.1 Regresin lineal
10. 2 Regresin polinomial
10. 3 Regresin lineal mltiple
Problemas
Capitulo 1 1 lnterpolacin
1 l . 1 Polinomios de interpolacin con diferencias
divididas de Newton
11. 2 Polinomios de interpolacin de Lagrange
11. 3 Comentarios adicionales
11. 4 lnterpolacin segmentaria (spline)
Problemas
236
244
252
254
259
259
262
268
276
279
280
283
287
29 1
293
295
30 1
304
304
307
310
315
319
32 1
336
342
345
349
350
363
368
370
383
vi CONTENIDO
EPiLOGO
PARTE V
Captulo 12 Casos de la parte IV: Ajuste de curvas 387
Caso 12.1 Modelo de ingeniera de venta de productos
(I ngenieria en general) 387
Caso 12.2 Regresin lineal y modelos demogrficos
(I ngeniera qumica) 39 1
Caso 12.3 Ajuste de curvas en el diseo de un mstil para barco
(I ngenieria civil) 395
Caso 12.4 Ajuste de curvas en la estimacin de la corriente RMS
(I ngeniera elctrica) 399
Caso 12.5 Regresin lineal mltiple en el anlisis de datos
experimentales (I ngeniera mecnica) 402
Problemas 404
PARTE IV
IV.4 Elementos de juicio
IV.5 Relaciones y frmulas importantes
IV.6 Mtodos avanzados y algunas referencias adicionales
INTEGRACION
V. 1 Motivacin
V.2 Fundamentos matemticos
V.3 Orientacin
409
41 1
41 1
41 5
422
424
Captulo 13 Frmulas de integracin de Newton-Cotes 429
13.1 Regla del trapecio 43 1
13.2 Regla de Simpson 443
13.3 I ntegracin con intervalos desiguales 455
13.4 Frmulas de integracin abierta 458
Problemas 46 1
Captulo 14 Integracin de Romberg y cuadratura gaussiana 465
14.1 I ntegracin de Romberg 465
14.2 Cuadratura gaussiana 474
Problemas 484
Captulo 15 Casos de la parte V: Integracin 487
Caso 15.1 Anlisis de movimiento de efectivos (I ngeniera en general) 488
Caso 15.2 El uso de integrales para determinar la cantidad total
de calor en los materiales (I ngeniera qumica) 490
Caso 15.3 Fuerza efectiva sobre el mstil de un velero de carreras
(I ngeniera civil) 492
Caso 15.4 Determinacin de la corriente RMS mediante integracin
numrica (I ngeniera elctrica) 496
Caso 15.5 I ntegracin numrica en el clculo del trabajo
(I ngeniera mecnica) 499
Problemas 503
CONTENIDO i X
EPiLOGO PARTE V
V.4 Elementos de iuicio
V.5 Relaciones y frmulas importantes
V.6 Mtodos avanzados y algunas referencias adicionales
PARTE VI ECUACIONES DIFERENCIALES ORDINARIAS
VI. 1 Motivacin
V1.2 Fundamentos matemticos
V1.3 Orientacin
Captulo 16 Mtodos de un paso
16.1 Mtodo de Euler
16.2 Modificaciones y meioras al mtodo de Euler
16.3 Mtodos de Runge-Kuttc
16.4 Sistemas de ecuaciones
Problemas
Captulo 17 Mtodos de pasos mltiples
17.1 Un enfoque simple de pasos mltiples: Mtodo de
Heun sin principio
17.2 Frmulas de integracin
17.3 Mtodos de pasos mltiples de orden superior
Problemas
Captulo 18 Casos de la parte VI: Ecuaciones diferenciales ordinarias
Caso 18.1 Modelos matemticos para proyectos de venta de
computadoras (I ngenieria en general)
Caso 18.2 Diseo de un reactor para produccin farmacutica
(I ngeniera qumica)
Caso 18.3 Deflexin del mstil de un velero (I ngeniera civil)
Caso 18.4 Simulacin de una corriente transitoria en un circuito elctrico
Caso 18.5 El pndulo oscilante (I ngeniera mecnica)
Problemas
(I ngeniera elctrica)
EPiLOGO PARTE VI
V1.4 Elementos de juicio
V1.5 Relaciones y frmulas importantes
V1.6 Mtodos avanzados y algunas referencias adicionales
BlBUOGRAFiA
iNDlCE
509
51 1
51 1
51 5
51 9
522
527
528
550
564
570
573
574
588
594
600
603
604
608
61 3
61 5
61 8
622
54 1
625
627
627
63 1
635
P R E F A C I O
Para el ingeniero moderno el hecho de ir a la par con su profesin im-
plica inevitablemente el uso de las computadoras. Hay pocas disciplinas,
o dicho sea de otra forma, pocas actividades cotidianas que de alguna
manera no tienen contacto con estas mquinas tan poderosas y rpidas.
Ciertamente, las computadoras han sido por aos un aliado de la inge-
niera al desempear millares de tareas, tanto analticas como prcticas,
en el desarrollo de proyectos y la solucin de problemas en forma ms
eficiente. En consecuencia, cuanto ms a fondo y ms temprano se fami-
liarice el estudiante de ingeniera con su terminal o su computadora pel.
sonal, mejor ser su formacin.
Pero, desde cundo?, y qu tan a fondo debe ser este contacto?
Los profesores de ingeniera reconocen desde hace mucho tiempo la im-
portancia del entrenamiento en los primeros semestres en la tecnologa
de las computadoras. Tradicionalmente este entrenamiento abarcaba com-
putadoras grandes (mainframes) y un lenguaje de programacin de alto
nivel como el FORTRAN. Desafortunadamente, es frecuente que a los
estudiantes les resulte difcil aplicar sus nuevas habilidades a proble-
mas de otras materias. Esto se debe a una variedad de factores, de entre
los cuales no carece de importancia la preparacin necesaria para usar
sistemas con mquinas grandes. Como resultado, muchos estudiantes de
ingeniera no explotan bien la capacidad de solucin de problemas que
tienen las computadoras hasta que estn adentrados en su educacin.
Creemos que la revolucin de la microelectrnica nos da la oportuni-
dad de integrar la computacin de una manera ms efectiva en el saln
de clases. Debido a su bajo costo y conveniencia, las computadoras per-
sonales pueden aumentar la capacidad del estudiante de ingeniera para
resolver problemas durante sus aos escolares. Sin embargo, para explo-
tar esta oportunidad al mximo es necesaria una innovacin de los cursos
de introduccin a la computacin. Por ejemplo, a travs de los aos se
ha desarrollado en las universidadesde Texas A&M y Michigan una rees-
tructuracin en dos etapas. Hay un primer curso de computacin dedi-
cado a orientar al estudiante al equipo computacional disponible y al
Xii PREFACIO
desarrollo de habilidades firmes dentro de la programacin. El segundo
curso de computacin est planeado para reafirmar estas habilidades y
mostrar el empleo de la solu&n de problemas en ingeniera.
El presente libro eman del segundo curso. Se eligi el tema de los
mtodos numricos como punto principal por sus muchas aplicaciones
a la ingeniera. Ya sea que los ingenieros utilicen software comercial o
propio, creemos que es esencial una base slida en los mtodos numri-
cos para la aplicacin efectiva de las computadoras en la solucin de pro-
blemas de ingeniera. Desafortunadamente, los mtodos numricos se
presentan durante el ltimo ao de licenciatura o a nivel de posgradua-
dos, aos despus del punto donde pudieron haber sido herramientas ti-
les, instructivas y creativas para el futuro ingeniero.
Por consigu.iente, hemos elaborado este libro de tal forma que pueda
ensearse en los extremos inferior o superior de la carrera de ingeniera
a nivel de licenciatura. Un aspecto de este plan se hace notar en la orga-
nizacin y en el alcance del libro, que est dividido en seis partes. La parte
I trata del material introductorio e incluye informacin sobre programacin
y anlisis de aproximacin y error. Las cinco partes restantes estn dedica-
das a las reas de mtodos numricos, que tienen importancia directa para
el candidato a ingeniero: races de ecuaciones no lineales, ecuaciones alge-
braicas lineales, ajuste de curvas (regresin e interpolacin), integracin y
ecuaciones diferenciales ordinarias. Excluimos temas como los valores ca-
ractersticos y las ecuaciones diferenciales parciales, que tiene mayor impor-
tancia para los estudiantes de posgrado.
Junto con este material hemos incorporado ciertas caractersticas adi-
cionales en la elaboracin de este libro, para hacerlo ms accesible a lec-
tores tanto de los primeros como de los ltimos niveles de licenciatura.
Incluyen:
1. Recuadros. Nos hemos empeado en incluir derivaciones importan-
tes y anlisis de error, con el fin de enriquecer la presentacin. Sin
embargo, algunas veces tal material representa un escollo para el es-
tudiante novato. En consecuencia, hemos apartado en recuadros el
material matemtico ms complicado. Muchos estudiantes encontra-
rn que pueden aplicar los mtodos numricos sin tener que domi-
nar completamente el material contenido en los recuadros.
2. Material introductorio y fundamentos matemticos. Cada parte del li-
bro incluye una seccin de introduccin. Despus de una breve ex-
posicin al problema matemtico general que va a estudiarse, se
suministra una motivacin describiendo cmo podra enfocarse el pro-
blema en ausencia de computadoras, y dnde se plantea este proble-
ma en la prctica de la ingeniera. En seguida se efecta una revisin
de los conceptos matemticos necesarios para comprender el tema
por estudiar. Por ejemplo, se revisa lgebra matricial antes del estu-
dio de ecuaciones algebraicas lineales, y estadstica antes del estudio
PREFACIO xiil
de regresin. Por ltimo, se presentan un esquema y los objetivos de
estudio de cada parte, como orientacin para el lector.
3. Epilogos. As como la introduccih est planeada para dar una mo-
tivacin y una orientacin, incluimos un eplogo al final de cada
parte del libro para consolidar ios conceptos recin adquiridos. Un
detalle importante de este eplogo es una seccin dedicada a los
elementos de juicio necesarios para la eleccin de los mtodos
numricos apropiados para un problema en particular. Adems, se
resumen algunas frmulas importantes y se citan referencias para
mtodos avanzados.
4. Presentaciones secuenciales y grficas. Cada parte principal del libro
consta de tres captulos: dos dedicados a la teora y uno al estudio
de casos. Siempre que es posible, los captulos de teora se estructu-
ran en forma secuencial, esto es, primero se presentan los plantea-
mientos ms directos y elementales. Dado que muchos de los mtodos
ms avanzados se construyen sobre los ms simples, la intencin de
este desarrollo es proporcionar un sentido de evolucin de las tcni-
cas. Adicionalmente hemos desarrollado representaciones grficas para
complementar las descripciones matemticas en la mayor parte de los
planteamientos contenidos en el libro. Hemos encontrado que esta
orientacin visual es particularmente efectiva para proporcionar una
mayor comprensin a los estudiantes de los primeros niveles de licen-
ciatura.
5. Estudio de casos. En cada parte del libro se incluyen casos para de-
mostrar la utilidad prctica de los mtodos numricos. Se realiz un
gran esfuerzo para dar ejemplos de los cursos iniciales de las carreras
de ingeniera. Cuando esto no es posible, se han suministrado bases
tericas y motivacin para los problemas.
6. Software. Se dispone de un paquete de software denominado NU-
MERICOMP que muestra algunos mtodos numricos que se cubren
en el texto: biseccin, eliminacin gaussiana, interpolacin de Lagrange,
regresin lineal, la regla trapezoidal y el mtodo de Euler. Estos pro-
gramas proporcionan al estudiante los criterios de programacin nece-
sarios para cada una de las partes del libro. El software est diseado
para utilizarse con facilidad. Los estudiantes tambin pueden emplear-
lo para verificar los resultados de sus propios esfuerzos de programa-
cin. Aunque el paquete es opcional, pensamos que puede lograrse
un progreso ms rpido cuando se emplean el libro y el software con-
juntamente; se puede conseguir a travs de McGraw-Hill para las com-
putadoras personales IBM-PC y APPLE 11. Una versin profesional
de NUMERICOMP puede adquirirse directamente de EnginComp Soft-
ware, I nc., 15 Research Dr., Ann Arbor, MI 48103.
Finalmente, nos hemos esforzado conscientemente en hacer este li-
bro tan sencillo al usuario como sea posible, por lo que nos empefiamos
en mantener nuestras explicaciones con una orientacin directa y prcti-
ca. Aunque nuestra intencin primaria es presentar a los estudiantes una
slida introduccin a los mtodos numricos, un objetivo subordinado ha
sido hacer de esta introduccin una experiencia agradable. Creemos que
los estudiantes que disfruten los mtodos numricos, las computadoras
y las matemticas, sern al final mejores ingenieros. Si nuestro libro alienta
el entusiasmo por estas materias, consideraremos nuestro esfuerzo como
un xito.
AGRADECIMIENTOS
Queremos agradecer las revisiones hechas por los profesores Ted Cad-
man (University of Maryland), Lee W. J ohnson (Virginia Polytechnic and
State University), Richard Noble (University of Colorado), Satish Ramadh-
yani (Purdue University), Howard Wicke (Ohio University) y Thomas C.
Young (Clarkson University). Extendemos nuestra gratitud a la Texas
A&M University y a la University of Michigan por proporcionarnos apoyo
secretarial y grfico y el tiempo necesario para preparar este libro. En par-
ticular, Donald McDonald y Roy Hann de Texas A&M apoyaron cons-
tantemente este esfuerzo. Obtuvimos sugerencias y buenas ideas de
nuestros colegas Bill Batchelor, Harry J ones, Bill Ledbetter, J ames Mar-
tin y Ralph Wurbs. J eanne Castro ide la organizacin grfica de los cap-
tulos. Tambin Vanessa Stipp, con la ayuda de Kathy Childers, Cindy
Denton y Frances Kahlich, hicieron una excelente labor al mecanografiar
el manuscrito.
Este libro se experiment en clase durante cuatro semestres, princi-
palmente con alumnos de segundo ao en Texas A&M y durante dos
semestres con alumnos de todos los niveles de licenciatura en Michigan.
Durante este tiempo, muchos de los alumnos nos ayudaron a comprobar
la exactitud matemtica y a enriquecer la comprensin de este libro. Lisa
Olson ley el texto completo varias veces y prepar los programas en FOR-
TRAN. Tad Slawecki proporcion una ayuda excelente en cuanto al soft-
ware complementario. Adems, Marla lsenstein, Luis Garcia, Sijin Tom
Lee y Rick Thurman hicieron contribuciones notables.
Tambin debemos agradecer a Kiran Verma, Dave Damstra y a B.
J . Clark de McGraw-Hill su supervisin y aliento. Ursula Smith efectu
un trabajo impecable en la edicin de pruebas del libro. Finalmente, nos
gustara agradecer a nuestras familias, amigos y colegas, quienes sopor-
taron comprensivamente la gran cantidad de horas robadas, necesa-
rias para completar esta obra.
Steven C. Chapra
Raymond P. Canale
P A R T E U N O
LOS MTODOS
NUMRICOS Y LAS
COMPUTADORAS
PERSONALES
'),
7,
I . 1 MOTI VACI ~N
Los mtodos numricos son tcnicas mediante las
cuales es posible formular problemas de tal for-
ma que puedan resolverse usando operaciones
aritmticas. Aunque hay muchos tipos de mtodos
numricos, todos comparten una caracterstica co-
mn: I nvariablemente los mtodos numricos Ile-
van a cabo un buen nmero de tediosos clculos
aritmticos. No es raro que con el desarrollo de
computadoras digitales eficientes y rpidas, el pa-
pel de los mtodos numricos en la solucin de pro-
blemas de ingeniera haya aumentado considera-
blemente en los ltimos aos.
I . 1 . l Mtodos anteriores a la aparicin
de la computadora
Ms all de slo proporcionar un aumento en la
potencia de clculo, la disponibilidad general de
las computadoras (especialmente de las compu-
tadoras personales) y su asociacin con los mto-
dos numricos, ha tenido una influencia muy
significativa en el proceso de solucin de proble-
mas de ingeniera. Antes del uso de la computa-
dora haba tres mtodos diferentes que los inge-
nieros aplicaban a la solucin de problemas:
1. Primero, se encontraban las soluciones de al-
gunos problemas usando mtodos exactos o
analticos. Con frecuencia estas soluciones re-
sultaban tiles y proporcionaban una compren-
sin excelente del comportamiento de algunos
sistemas. Sin embargo, las soluciones analiti-
cas pueden encontrarse slo para una clase I i-
mitada de problemas. Estos problemas incluyen
aquellos que pueden aproximarse mediante
modelos lineales y tambin aquellos que tienen
una geometra simple y pocas dimensiones. En
consecuencia, las soluciones anabjticas tienen
valor prctico limitado, porque la mayor par-
te de los problemas reales no son lineales, e
implican formas y procesos complejos.
2 MTODOS NUMRI COS PARA I NGENI EROS
2.Para analizar el comportamiento de los sistemas se usaban solu-
ciones grficas. stas tomaban la forma de grafos o nomogramas.
Aunque las tcnicas grficas a menudo pueden emplearse para re-
solver problemas complejos, I QS resultados no son muy precisos. Es
ms, las soluciones grficas (sin la ayuda de una computadora) son
tediosas en extremo y difciles de implementar. Finalmente, las tcni-
cas grficas estn limitadas a aquellos problemas que puedan des-
cribirse usando tres dimensiones o menos.
3. Para implementar los mtodos numricos se utilizaban calculado-
ras manuales y reglas de clculo. Aunque en teora estas aproxi-
maciones deberan ser perfectamente adecuadas para resolver
problemas complicados, en la prctica se presentan algunas difi-
cultades. Los clculos manuales son lentos y tediosos. Adems no
existen resultados consistentes debido a que surgen equivocacio-
nes cuando se efectan las tareas manualmente.
Antes del uso de la computadora, se gastaba mucha energa en la
tcnica misma de solucin, en vez de aplicarla sobre la definicin del
problema y su interpretacin (Fig. 1.1~). Esta situacin desafortunada
exista debido al tiempo y trabajo montono que se requeran pa-
ra obtener resultados numricos con tcnicas que no utilizaban a la
computadora.
Hoy en da, las computadoras y los mtodos numricos proporcionan
una alternativa para clculos tan complicados. AI usar la compu-
tadora para obtener soluciones directamente, se pueden aproximar
los clculos sin tener que recurrir a suposiciones de simplificacin o
tcnicas deficientes. Aunque dichas suposiciones son an extremada-
mente valiosas tanto para resolver problemas como para proporcionar
una mayor comprensin, los mtodos numricos representan alternati-
vas que amplan considerablemente la capacidad para confrontar
y resolver los problemas; como resultado, se dispone de ms tiempo
para aprovechar las habilidades creativas personales. Por consiguiente,
es posible dar ms importancia a la formulacin de un problema, a
la interpretacin de la solucin y a su incorporacin al sistema total,
o conciencia holstica (Fig. 1 . 1 b).
1.1.2 Los mtodos numricos y la prctica de la ingeniera
Desde finales de la dcada de 1940, la multiplicacin y disponibilidad
de las computadoras digitales ha llevado a una verdadera explosin
en cuanto al uso y desarrollo de los mtodos numricos. Al principio,
este crecimiento estaba algo limitado por el costo de acceso a com-
putadoras grandes (rnainfiames), por lo que muchos ingenieros conti-
nuaban usando simples planteamientos analticos en una buena parte
LOS METODOS NUMRICOS Y LAS COMPUTADORAS PERSONALES ..___ 3
Formulac4dn
Exposici6n a fondo de
1. rdaci6n del
problema con las leyes
fundamentales
fundamentales
Metodos muy elaborados Mdtodo num6rico
y frecuentemente complcador
para hacer manelable
el problema
lnterpretacidn
lhmitado por una
Anll~om a fonda
holisticamente y
permite pensar
desarrollar la intulmdn:
se puede estudtar la
FIGUR A 1 . 1 Las tres fases en la solucin de problemas de ingeniera en a) la era anterior a las
computadoras y b) la era de las cornputadoras. Los tamaos de los recuadros indi-
can el nivel de importancia que se dirige a cada fase en el saln de clases. Las corn-
putadoras facilitan la implementacin de tcnicas de solucion y as permiten un mayor
cuidado sobre los aspectos creativos de la formulacin de problemas y la interpreta-
cin de resultados.
de su trabaio. No es necesario mencionar que la reciente evolucin
de computadoras personales de baio costo, ha dado a mucha gente
un fcil acceso a poderosas capacidades de cmputo.
Adems existe un buen nmero de razones por las cuales se deben
estudiar los mtodos numricos:
1. Los mtodos numricos son herramientas extremadamente pode-
rosas para la solucin de problemas. Son capaces de manejar sis-
temas de ecuaciones grandes, no linealidades y geometras
complicadas que son comunes en la prctica de la ingeniera y que,
a menudo, son imposibles de resolver analticamente. Por l o tan-
to, amplan la habilidad de quien los estudia para resolver pro-
blemas.
2. En el transcurso de su carrera, es posible que el lector tenga la
ocasin de usar software disponible comercialmente que conten-
4 MTODOS NUMRICOS PARA INGENIEROS
ga mtodos numricos. El uso inteligente de estos programas de-
pende del conocimiento de la teora bsica en la que se basan estos
mtodos.
3. Hay muchos problemas que no pueden plantearse al emplear pro-
gramas hechos. Si se est versado en los mtodos numricos
y se es un adepto de la programacin de computadoras, enton-
ces se tiene la capacidad de disear programas propios para re-
solver los problemas, sin tener que comprar un software costoso.
4. Los mtodos numricos son un vehculo eficiente para aprender
a servirse de las computadoras personales. Es bien sabido que una
manera efectiva de aprender a programar las computadoras es
al escribir los programas. Como los mtodos numricos, en su ma-
yor parte estn elaborados para implementarse en computado-
ras, resultan ideales para este propsito. An ms, estn especial-
mente adaptados para ilustrar la potencia as como las limitaciones
de las computadoras. Cuando el lector implemente con buen re-
sultado los mtodos numricos en una computadora personal y
los aplique para resolver problemas que de otro modo resultan
intratables, entonces tendr una demostracin tangible de cmo
pueden ayudarle las computadoras para su desarrollo profesional.
AI mismo tiempo, aprender a reconocer y controlar los errores
de aproximacin que son inesperables de los clculos numricos
a gran escala.
5. Los mtodos numricos son un medio para reforzar su compren-
sin de las matemticas. Porque una funcin de los mtodos nu-
mricos es lade reducir las matemticas superiores a operaciones
aritmticas bsicas, ya que profundizan en los temas que de otro
modo resultan oscuros. Esta alternativa aumenta su capacidad de
comprensin y entendimiento en la materia.
1.2 FUNDAMENTOS MATEMTICOS
Cada parte de este libro requiere de algunos antecedentes matem-
ticos. En consecuencia, el material introductorio de cada parte inclu-
ye una seccin, como la que el lector est leyendo en este momento,
de fundamentos matemticos. Debido Q que la parte I en s est dedi-
cada al material bsico sobre las matemticas y la computacin, la
presente seccin no abarca la revisin de algn tema matemtico
especfico. En su lugar, se presentan los temas del contenido ma-
temtico que se cubre en este libro. Estos se resumen en la figura 1.2,
y son:
LOS MTODOS NUMRICOS Y LAS COMPUTADORAS PERSONALES 5
FIGURA 1.2 Resumen de los mtodos numricos que se cubren en este libro.
1. Rakes de ecuaciones ( Fig. 1.24. Estos problemas estn re-
lacionados con el valor de una variable o de un parmetro que
satisface una ecuacin. Son especialmente valiosos en proyectos
de ingeniera donde con frecuencia resulta imposible despejar ana-
lticamente parmetros de ecuaciones de diseo.
2. Sistemas de ecuaciones algebraicas lineales ( Fig. 1.2b).
En esencia, estos problemas son similares a los de races de ecua-
ciones en el sentido de que estn relacionados con valores que
satisfacen ecuaciones. Sin embargo, a diferencia de satisfacer una
sola ecuacin, se busca un conjunto de valores que satisfaga
simultneamente a un conjunto de ecuaciones algebraicas. Las
ecuaciones lineales simultneas surgen en el contexto de una
variedad de problemas y en todas las disciplinas de la ingeniera.
En particular, se originan a partir de modelos matemticos de sis-
temas grandes de elementos interconectados, como: estructuras,
circuitos elctricos y redes de fluio de fluidos, aunque tambin
pueden encontrarse en otras reas de los mtodos numricos
como el aiuste de curvas.
3 . Aj uste de curvas ( Fi g. 1.24. Con frecuencia se presentar la
oportunidad de ajustar curvas a un conjunto de datos representados
por puntos. Las tcnicas que se han desarrollado para este fin pue-
den dividirse en dos categoras generales: regresin e interpolacion.
La regresin se emplea cuando hay un grado significativo de error
asociado a los datos; frecuentemente los resultados experimentales
son de esta clase. Para estas situaciones, la estrategia es encontrar
una curva que represente la tendencia general de los datos sin ne-
cesidad de tocar los puntos individuales. En contraste, la interpola-
cin se maneja cuando el objetivo es determinar valores intermedios
entre datos que estn relativamente libres de error. Tal es el caso
de la informacin tabulada. Para estas situaciones, la estrategia es
ajustar una curva directamente a travs de los puntos y usar esta
curva para predecir valores intermedios.
4. I ntegracin ( Fi g.l .2d) . Tal como se representa, una interpre-
tacin fsica de la integracin numrica es la determinacin del
rea bajo la curva. La integracin tiene muchas aplicaciones pa-
ra el ingeniero prctico, empezando por la determinacin de los
centroides de objetos con formas extravagantes hasta el clculo
de cantidades totales basadas en conjuntos de medidas discretas.
Adicionalmente las frmulas de integracin numrica juegan un
papel importante en la solucin de las ecuaciones en diferencias.
5 . Ecuaciones di ferenci al es ordi nari as. ( Fi g. 1.2e). Las
ecuaciones diferenciales ordinarias tienen un enorme significado
LOSMETODOS NUMERICOS Y LAS COMPUTADORAS PERSONALES 7
en la prctica de la ingeniera. Esto se debe a que muchas leyes
fsicas estn expresadas en tefminos de la razn de cambio de una
cantidad ms que en trminos de su magnitud. Entre los ejemplos
se observan desde los modelos de prediccin demogrfica (razn
de cambio de la poblacin) hasta la aceleracin de un cuerpo en
descenso (razn de cambio de la velocidad).
1.3 ORIENTACI~N
Resulta til esta orientacin antes de proceder a la introduccin de
los mtodos numricos. Lo que sigue est pensado como una vista pa-
normica del material contenido en la parte l. Se incluyen adems
algunos objetivos como ayuda para concentrar el esfuerzo del lector
al estudiar el material.
1.3.1 Alcance y contenido
La figura 1.3 es una representacin esquemtica del material conteni-
do en la parte I . Se ha elaborado este diagrama para darle un pano-
rama global de esta parte del libro. Se considera que un sentido de
"imagen global" resulta importante para desarrollar una verdadera
comprensin de los mtodos numricos. AI leer un texto, es posible
que frecuentemente se pierda uno en los detalles tcnicos. Siempre que
el lector perciba que est perdiendo la "imagen global" regrsese
a la figura 1.3 para orientarse nuevamente. Cada parte de este libro
incluye una figura similar.
Esta figura sirve tambin como una breve revisin previa del mate-
rial que se cubre en la parte I . El captulo 1 est diseado para orien-
tarle a los mtodos numricos y para darle una motivacin mostrndole
cmo pueden usarse estas tcnicas en el proceso de elaborar mode-
los matemticos aplicados a la ingeniera. El captulo 2 es una intro-
duccin y una revisin de los aspectos de computacin que estn
relacionados con los mtodos numricos y presenta las habilidades
de programacin que se deben adquirir para explotar eficientemen-
te la computadora. El captulo 3 se ocupa del importante tema del
anlisis de error, que debe entenderse bien para el uso efectivo de
los mtodos numricos.
1.3.2 Metas y objetivos
Estdiese los objetivos. AI terminm la parte I el lector deber estar
preparado para aventurarse en los mtodos numricos. En general,
FIGURA 1.3 Representacin de la organizacin del material en la parte I: Los mtodos numricos
y las computadoras personales.
habr adquirido una nocin fundamental de la importancia de las com-
putadoras y el papel de las aproximaciones y los errores en la imple-
mentacin y desarrollo de los mtodos numricos. Adicionalmente a
estas metas generales, deber dominar cada uno de los objetivos es-
pecficos de estudio que se enuncian en la tabla 1 . 1 .
LOS MhODOS NUMERICOS Y LAS COMPUTADORAS PERSONALES 9
TABLA 1.1 Obietivos de estudio especificos para la parte I
1.
2.
3.
4.
5.
6.
7.
8.
9.
1 o.
11.
Entender la diferencia entre error de truncamiento y de redondeo
Entender el concepto de cifras significativas
Conocer la diferencia entre exactitud y precisin
Apreciar la utilidad del error relativo
Conocer la diferencia entre el error relativo verdadero E" y el error
relativo aproximado eo; darse cuenta de cmo este ltimo puede
emplearse en conjunci6n con un error aceptable especificado con
anterioridad E , para terminar un clculo
Ser capaz de relacionar el error relativo con cifras significativas
Ser capaz de aplicar las reglas de redondeo explicadas en el recuadro 3.1
Comprender cmo se usa la serie de Taylor para aproximar funciones
Comprender la naturaleza de la aproximacin y los trminos residuales de
la serie de Taylor
Conocer la relacin que existe entre las diferencias finitas y las derivadas
Familiarizarse con los elementos de juicio que se describen en el eplogo de
la parte I
Objetivos en computacin. AI completar la parte I el lector se habr
familiarizado con el software (NUMERICOMP) disponible para este
libro. Deber saber qu programas contiene y algunas de sus capa-
cidades de graficacin. Tambin deber tener las habilidades de pro-
gramacin necesarias para desarrollar software propio con los
mtodos numricos de este libro. Deber ser capaz de desarrollar pro-
gramas en trminos de los algoritmos o diagramas de fluio dados.
Podr guardar su software en dispositivos de almacenamiento, como
discos flexibles o cinta magnbtica. Finalmente, el lector habr desa-
rrollado la capacidad de documentar sus programas de tal forma que
los usuarios puedan emplearlos eficientemente.
C A P T U L O U NO
MODELOS
MATEMTICOS
Por qu se deben dominar los mtodos numricos y la programacin
de computadoras para resolver los problemas? Adem6s del hecho de que
a diario se observa que las computadoras intervienen en las actividades
m6s comunes de la vida diaria, dhabr6 alguna contribucin esencial que
estas mAquinas, con sus capacidades decididamente sobrehumanas, pue-
dan hacer a las tareas y retos de los ingenieros? Es totalmente factible,
y con el material contenido en este captulo, se tratar6 de orientar al lec-
tor y motivarlo hacia una posibilidad cuando menos.
Primero se aplica el concepto de modelos matemticos para ayudar
a definir lo que se entiende por mtodos numricos y para ilustrar cmo
pueden facilitar la solucin de problemas en ingeniera. Para esto, se des-
arrolla aqu el modelo matemtico de un proceso fsico y se resuelve con
un mtodo numrico sencillo.
El mundo fsico, con toda su complejidad, puede parecer abrumador
e impredecible, Tradicionalmente, la tarea del cientfico ha sido la de iden-
tificar los patrones reproducibles y las leyes que gobiernan este caos. Por
ejemplo, sobre la base de sus observaciones, Newton formul su segun-
da ley del movimiento, que afirma que la velocidad de cambio de la can-
tidad de movimiento de un cuerpo con respecto al tiempo es igual a la
fuerza resultante que acta sobre l. Considerando las maneras excesiva-
mente complejas en que las fuerzas y los objetos interactan en la tierra,
esta ley ha probado ser una generalizacin vlida.
Adems de que estas leyes proveen de discernimiento, los ingenieros
pueden aplicarlas para formular soluciones a problemas prcticos. Por ejem-
plo, los conocimientos cientficos se usan rutinariamente por los ingenie-
ros en el diseo de, elementos tales como estructuras, mhquinas, circuitos
elctricos y sustancias qumicas sintticas. Desde la perspectiva del dise-
o de ingeniera, estos conocimientos son muy tiles cuando se expresan
en forma de un modelo matem6tico.
Un modelo matemtico puede definirse, de una manera general, co-
mo una formulacin o ecuacin que expresa las caractersticas fundamen-
tales de un sistema o proceso fisico en trminos matemti'cos. Los modelos
12 MTODOS NUMRICOS PARA.INGENIEROS
se clasifican desde simples relaciones algebraicas hasta grandes y compli-
cados sistemas de ecuaciones diferenciales. Recordando nuevamente a
Newton para este ejemplo, la expresin matemtica, o modelo, de su se-
gunda ley es la bien conocida ecuacin
F = ma [1.11
donde F es la fuerza neta que acta sobre el cuerpo (en dinas, o gramo-
centmetro por segundo cuadrado), m es la masa del objeto (en gramos),
y a es su aceleracin (en centmetros por segundo cuadrado).
La ecuacin (1.1) tiene varias caractersticas habituales de los mode-
los matemticos del mundo fsico.
1. Describe un sistema o proceso natural en trminos matemticos.
2. Representa una idealizacin y una simplificacin de la realidad. Es decir,
ignora los detalles insignificantes del proceso natural y se concentra
en sus manifestaciones elementales. Es por esto que la segunda ley
no incluye los efectos de la relatividad, que tienen una importan-
cia mnima cuando se aplican a objetos y fuerzas que interactan
sobre o alrededor de la tierra a escalas visibles a los seres huma-
nos.
3. Finalmente, conduce a resultados predecibles y, en consecuencia, pue-
de emplearse para propsitos de prediccin. Por ejemplo, si se cono-
cen lafuerza aplicada sobre un objeto y su masa, entonces puede usarse
la ecuacin (l. 1) para predecir la aceleracin. Como tiene una forma
algebraica sencilla, puede despejarse directamente
F
m
a =-
De este modo, la aceleracin puede calcularse fcilmente. Sin em-
bargo, los modelos matemticos de otros fenmenos fsicos pueden ser
mucho ms complejos y no pueden resolverse exactamente o requieren
de tcnicas matemticas ms complejas que la simple lgebra para su so-
luci6n. Para ilustrar un modelo de este tipo pero ms complicado, se puede
usar la segunda ley de Newton para determinar la velocidad final de un
cuerpo en cada libre cerca de la superficie terrestre. El cuerpo en descen-
so ser un paracaidista como se muestra en la figura 1.1. Para este caso
puede crearse un modelo al expresar la aceleracin como la razn de
cambio de la velocidad con respecto al tiempo (dv/dtj y sustituir en la
MODELOS MATEMTICOS 13
FIGURA 1.1 Representacin de las fuerzas que actan sobre un paracaidista en des-
censo. FD es la fuerza hacia abai o debi do a la atraccin de la grave-
dad. Fu. es lafuerza hacia arri ba debi do a la resistencia del ai re.
ecuacin (l . 1) para dar
dv
dt
m- =F
u31
donde u es la velocidad en centmetros por segundo). As, la masa multi-
plicada por la razn de cambio de la velocidad es igual a la suma de fuer-
zas que actan sobre el cuerpo. Si la fuerza total es positiva, el objeto
acelera. Si es negativa, el objeto sufre una desaceleracin. Si la fuerza
neta es cero, la velocidad del objeto permanecer a un nivel constante.
Para un cuerpo que cae dentro del permetro de la tierra (Fig. l. 1) ,
la fuerza total est compuesta por dos fuerzas contrarias: la atraccin ha-
cia abajo debida a la gravedad F D y la fuerza hacia arriba debida a la re-
sistencia del aire Fu.
Si a la fuerza hacia abajo se le asigna un signo positivo, se puede usar
la segunda ley para formular la fuerza debida a la gravedad como
donde g es la constante de gravitacin, o la aceleracin debida a la gra-
vedad, que es aproximadamente igual a 980 cm/ s2.
La resistencia del aire puede formularse de diferentes maneras. Una
aproximacin sencilla es suponer que es linealmente proporcional a la ve-
locidad, como en
donde c es una constante de proporcionalidad llamada el coeficiente de
arrastre (en gramos por segundo). As, a mayor velocidad de cada, ma-
yor es la fuerza hacia arriba debida a la resistencia del aire. El parmetro
c toma en cuenta las propiedades del objeto descendente, tales como
la forma o la aspereza de su superficie, que afectan la resistencia del aire.
Para este caso, c podra ser una funcin del tipo de traje o la orientacin
usada por el paracaidista durante la cada libre.
La fuerza total es la diferencia entre las fuerzas hacia abajo y hacia
arriba. Por tanto, las ecuaciones (1.3) a (1.6) pueden combinarse para dar
dv
dt
m- = mg - cv
o, dividiendo cada lado entre m,
dv C
dt m

- 9 - - v
La ecuacin (1.8) es un modelo que relaciona la aceleracin de un cuer-
po que cae a las fuerzas que actan sobre l. Es una ecuacin diferencia[
porque est escrita en trminos de la razn de cambio diferencial (dv/dt)
de la variable que nos interesa predecir. Por esta razn a veces se deno-
mina ecuacin en diferencias. Sin embargo, en contraste con la solucin
dada por lasegunda ley de Newton en la ecuacin (1.2), la solucin exacta
de la ecuacin (1.8) para la velocidad del paracaidista que cae, no puede
obtenerse usando simples manipulaciones algebraicas y operaciones arit-
mticas. En vez de eso, debern aplicarse las tcnicas del clculo para
obtener una solucin exacta. Por ejemplo, si el paracaidista inicialmente
est en reposo ( u = O en t =O), se puede usar el clculo para resolver
la ecuacin (1.8), as
EJ EMPLO 1. 1
Solucin analtica al problema del paracaidista que cae
Enunciado del problema: un paracaidista con una masa de 68 100 g sal-
ta de un aeroplano. Aplquese la ecuacin (1.9) para calcular la veloci-
MTODOS MATEMATICOS 15
FIGURA 1.2 Solucin analtica al problema del paracaidista que cae segn se
calcula en el ejemplo l . l . La velocidad aumenta con el tiempo y
se aproxima asintticamente o una velocidad final.
dad antes de abrir el paracadas. El coeficiente de arrastre c es
aproximadamente igual a 12 500 g/ s.
Solucin: al sustituir los valores de los parmetros en la ecuacin (1.9)
se obtiene
I
980(68,100)
v (t) = [I - e-t12.500/68.1001f
12,500 1
=5339.0 (1 - e-0 18355t
)
al dar varios valores de t se obtienen las velocidades para dicho tiempo:
los resultados se presentan a continuacin
t, S v, cm/ s
O O
2 1640.5
4 2776. 9
6 3564.2
10 4487.3
12 4749. 0
X 5339.0
a 4 109. 5
16 MTODOS NUMERICOS PARA INGENIEROS
De acuerdo al modelo, el paracaidista acelera rpidamente (Fig. 1.2). Se
llega a una velocidad de 4 487.3 cm/s (161.5 km/h) despu6s de 10 s.
Ntese tambin que despus de un tiempo suficientemente grande se al-
canza una velocidad constante (llamada velocidad final) de 5 339.0 cm/s
(192.2 km/h). Esta velocidad es constante porque despus de un tiem-
po suficiente, la fuerza de gravedad estar en equilibrio con la resistencia
del aire. Por lo tanto, la fuerza total es cero y cesa la aceleracin.
A la ecuacin (1.9) se le llama una solucin analtica o exacta porque
satisface exactamente la ecuacin diferencial original. Desafortunadamen-
te, hay muchos modelos matemticos que no pueden resolverse exacta-
mente. En muchos de estos casos, la nica alternativa es la de desarrollar
una solucin numrica que se aproxime a la solucin exacta. Como se
mencion con anterioridad, los mtodos numricos son aquellos en los
que se reformula el problema matemtico para que se pueda resolver me-
diante operaciones aritmticas. Esto puede ilustrarse para la segunda ley
de Newton notndose que se puede aproximar la razn de cambio de
la velocidad con respecto al tiempo mediante (Fig. 1.3)
[1.10]
FIGURA 1.3 USO de una diferencia finita para aproximar la primera derivada de
v con respecto a t.
METODOS MATEMATICOS 17
donde Au y At son diferencias en la velocidad y el tiempo calculadas so-
bre intervalos finitos, u(t,) es la velocidad en el tiempo inicial t,, y u( t , +I )
es la velocidad algn tiempo ms tarde t,, La ecuacin (l . 10) es una
diferencia finita diuida en el tiempo ti. Puede sustituirse en la ecuacin
(1.8) para dar
Esta ecuacin puede ordenarse otra vez para dar
u(t1+1) = U@) + 9 - - u( t i ) &+I - ti)
[ : I [1.12]
Y as, la ecuacin diferencial (1.8) se transforma en una ecuacin qGe
puede resolverse algebraicamente para u( t i + J . Si se da un valor inicial
para la velocidad en un tiempo ti, se puede calcular fcilmente u en t ! ,
Este nuevo valor de u en ti+l puede emplearse para extender el clculo
de u en t i +2 y as sucesivamente. Por lo tanto, en cualquier tiempor de
la trayectoria,
Nuevo valor - valor anterior valor estimulado incremento
de u + de la pendiente x del tiempo de u
-
EJEMPLO 1.2
Solucin numrica al problema del paracaidista que cae
Enunciado del problema: efectuar el mismo clculo que en el ejemplo l . 1
pero usando la ecuacin (1.12) para calcular u( t ) con un incremento de
tiempo igual a 2 s.
Solucin: al principio de los cSlculos (tl =O) , la velocidad del paracai-
dista uft,) es igual a cero. Con esta informacin y los valores de los pa-
rmetros del ejemplo l. l , la ecuacin (l. 12) sepuede usar para estimar
v (t i +1) en ti+l = 2 s.
Para el siguiente intervalo (de t = 2 a 4 S), se repite el clculo con el re-
sultado,
~( 4) =1960 + 980 - ___
[ 68 l2 500 100 (1960+
=3200.5 cmis
significat~vo asociado con los puntos de los datos.
i) Los sistemas grandes de ecuaciones. las no linealidades 51 las geometras com-
plicadas son comunes en la prctica de la ingeniera y fciles de resolver anal-
ticamente
j) Los modelos matemticos no se pueden usar nunca con propsitos de pre-
diccin.
1.2 Lanse las siguientes descripciones de problemas e identifquese qu rea de los
mtodos numricos (segn lo sealado en la Fig. 1.2) se relaciona con su solucin.
Una persona pertenece a una cuadrilla de reconocimiento topogrfico y debe
determinar el rea de un terreno limitado por dos caminos y una corriente que
serpentea
Un ingeniero es responsable de la determinacin de los flujos en una gran red
de tuberas interconectadas entre s para distribuir gas natural a una serie de
comunidades diseminadas en un rea de 20 km2
Para el problema del paracaidista que cae. se debe decidir el valor del coefi-
ciente de arrastre para que un paracaidista de 90 kg de masa no exceda los
160 km/h en los primeros 10 S despus de haber saltado. Deber hacer esta
evaluacin sobre la base. de la solucin analtica [Ec. (1.9)].
La informacin se emplear para disear un tra~e de salto.
Un investigador efecta experimentos para encontrar lacada de voltaje a tra-
vs de una resistencia como una funcin de la corriente. Hace las mediciones
de lacada de voltaje para diferentes valores de la corriente Aunque hay al-
gn error asociado con sus datos, al 91-aficar los puntos. stos le sugieren una
relacin curvilnea. Debe derwar una ecuacin que caracterice esta relacin.
Un ingeniero mecnico tiene que desarrollar un sistema de amortiguamiento para
un auto de carreras. Puede usar lasegunda ley de Newton para tener una ecua-
cin para predecir larazn de cambio en laposicin de la rueda delantera en
respuesta a fuerzas externas. Debe calcular el movimiento de larueda. como
una funcin del tiempo despus de golpear contra un tope de 15 cm a 240
km/h.
Un administrador tiene que calcular el ingreso anual requerido en un periodo
de 20 aos para un centro de entretenimientos que se va a construir para un
cliente. El prstamo puede hacerse a una tasa de inters del 17.6"; Aunque
para hacer este estimado. la informacin est contenida en tablas de econo-
ma, slo aparecen listados los valores para tasas de inters del 15 y 20%
1.3 Proporcinese un ejemplo de un problema de ingeniera donde sea oportuno cada
uno de los siguientes tipos de mtodos numricos. En I O posible. remitasr el ejem-
plo de las experiencias del lector en cursos y en conferencias u otras experiencias
profesionales que haya acumulado hasta la fecha.
a) Races de ecuaciones
b) Ecuaciones algebraicas lineales
c) Ajuste de curvas: regresin
d) Ajuste de curvas: interpotacin
el Integracin
f i Ecuaciones diferenciales ordinaria5
C AP I T UL O DOS
LA PROGRAMACION
EN LAS COMPUTADORAS
PERSONALES
Los mtodos numricos combinan dos en las herramientas ms impor-
tantes en el repertorio de la ingeniera: matemticas y computadoras. Los
mtodos numricos se pueden definir (sin ser muy exacto) como las ma-
temticas por computadora. Las buenas tcnicas de programacin aumen-
tan la habilidad para aplicar los conocimientos de los mtodos numricos.
En particular, las potencialidades y limitaciones de las tcnicas nu-
mricas se aprecian mejor cuando se usan estos mtodos para resolver
los problemas de ingeniera utilizando como herramienta una compu-
tadora.
Al usar este libro se obtiene la posiblidad de desarrollar los propios
programas. Debido a la gran disponibilidad de computadoras personales
y dispositivos de memoria magntica, los programas se pueden conser-
var y usar durante toda la carrera. Por lo tanto, uno de los principales
objetivos de este texto es que el lector obtenga programas tiles y de alta
calidad.
Este texto contiene caractersticas especiales que maximizan esta po-
sibilidad. Todas las tcnicas numricas van acompaadas de material pa-
ra una implementacin efectiva en la computadora. Adems, se dispone
de programas suplementarios para seis de los mtodos ms elementales
discutidos en el libro. Estos programas, desarrollados para computadoras
personales (IBM-PC y Apple 11), pueden servir como base para una bi-
blioteca de programas propios.
Este captulo presenta una informacin preliminar que tiene utilidad
siempre y cuando se desee usar este texto como base para el desarrollo
de programas. Est escrito bajo la suposicin de que ya se ha tenido una
experiencia previa en la programacin de computadoras. Debido a que
el libro no est enfocado hacia un curso de programacin, se estudian
nicamente aquellos aspectos que definen el desarrollo de programas de
anlisis numrico. Tambin se propone proporcionar criterios especficos
para la evaluacin de los esfuerzos del lector.
22 METODOS NUMRICOS PARA INGENIEROS
2.1 ANTECEDENTES HISTRICOS
En el sentido ms amplio, una computadora se puede definir como un
dispositivo que ayuda a calcular. Con base en esta definicin, una de las
computadoras ms antiguas es el baco. Descubierto en el antiguo Egip-
to y en China, se compone de cuentas hiladas sobre alambres en un marco
rectangular (Fig. 2. la).
Las cuentas se usan para guardar potencias de 10 (unidades, decenas,
centenas, etc.) durante un clculo. Cuando se emplea con destreza, el
baco puede competir en velocidad con una calculadora de bolsillo.
Aunque los dispositivos manuales tales como el baco aceleran la ve-
locidad en los clculos, las mquinas extienden an ms las capacidades
humanas para estos clculos. Estimulados por la revolucin industrial,
los cientficos del siglo XVII desarrollaron la primera de tales computadoras
mecnicas. Blas Pascal invent, en 1642, una mquina para sumar (Fig.
2. l b). AI final de ese siglo, Gottfried Leibnitz desarroll una calculadora
mecnica que poda multiplicar y dividir.
Aunque en los siglos siguientes se desarrollaron otros instrumentos
de clculo, no fue sino hasta la dcada de 1940 cuando surgieron las com-
putadoras electrnicas. Se originaron, inicialmente para proyectos milita-
res en la segunda guerra mundial, eran dispositivos de investigacin para
un solo propsito. Estas mquinas, con nombres como ENIAC Y EDSAC,
usaron tubos al vaco como componentes electrnicos bsicos. Aunque
eran caras, lentas y a menudo desconfiables, estas computadoras de la
primera generacin auguraban un procesamiento de datos a gran escala.
Aunque algunas mquinas de la primera generacin, en especial la
UNIVAC, se vendieron a nivel comercial, no fue sino hasta la dcada de
1960 que las computadoras estuvieron disponibles para una gran canti-
dad de cientficos e ingenieros. Esto se debi al desarrollo de los transis-
tores y de algunos dispositivos electrnicos de estado slido que suplieron
a los tubos al vaco creando computadoras que, entre otras cosas, eran
ms confiables. Aunque el uso de estas computadoras se extendi, su
acceso era algunas veces limitado ya que las mquinas seguan siendo
muy caras para que la mayora de los profesionistas las obtuvieran indivi-
dualmente. Por lo tanto, los ingenieros deban asociarse con grandes
organizaciones tales como universidades, oficinas gubernamentales, cor-
poraciones o firmas consultoras para tener acceso a las computadoras.
Sin embargo, a la mitad de la dcada de 1960 y principios de la d-
cada de 1970 un adelanto en la tcnica alter dramticamente esta situa-
cin. En particular, el reemplazo de los transistores por circuitos integrados
ha producido un gran poder computacional en el medio profesional de
los ingenieros. Un circuito integrado, o CI, consiste en una pastilla delga-
da de silicn donde se han colocado miles de transistores. El resultado
prctico de esta innovacin ha sido en dos aspectos. Primero, en el n-
cleo de la mquina o la parte central de las computadoras, las velocida-
LA PROGRAMAC16N EN LAS COMPUTADORAS PERSONALES
23
FIGURA 2.1 Evolucin de los dispositivos de clculo: a) buco; b) calculadora de Pas-
cal; c) supercomputadora y d) microcomputadora o computadora per-
sonal (los incisos b y c con permiso de IBM; el inciso d con permiso de
Apple Computer, I nc.).
des y la capacidad de memoria son muy grandes. Segundo, y ms
importante en el contexto actual, las computadoras personales que son con-
venientes, pequeas, rpidas y confiables se estn produciendo en masa
y a precios razonables. Como se expres en un artculo de la revista Scien-
tific American: Las microcornputadoras de hoy da a un costo tal vez de
$300 dlares, tienen ms capacidad de cmputo que las primeras com-
putadoras electrnicas gigantescas ENIAC. Son 20 veces ms rpidas,
CUADRO 2.1 Comparacin de sistemas comunes de cmputo*
Longitud Capacidad
Cifras de Velocidad de
significa- palabra Costo de clculo, almacena-
Sistema tivas bits (dlares) ciclosls miento (K)
Calculadora 7-1 O 25-350 1-2
Microcomputadora
7-1 O 7-1 6 100-5000 1 06-1 o7 16-256
Minicornputadora
7-1 O 16-32 15,000-1 20,000 1 06-1 o7 128-51 2
Cornputadoras
7-1 4 32 100,000-1 o,ooo,ooo+ 106-1 o*
8000-32,000
prograrnable
grandes
* Condensodo de Auerboch Computer Technology Reports, Agosto 1983.
tienen una memoria mayor, son miles de veces ms confiables, consu-
men la energa de un bulbo en vez de la de una locomotora, ocupan
1/ 30 O00 de volumen y cuestan 1/ 10 O00 parte. Se pueden obtener por
una orden postal o en cualquier tienda especializada (Noyce, 1977).
Las computadoras personales se agrupan, por lo general en una de
dos categoras que a veces no estn bien delimitadas: micro y minicom-
putadoras. Las rnicrocornputadoras son aquellas cuya funcin principal
est contenida en una sola pastilla de circuito integrado. Comnmente
cuestan unos miles de dlares. Las minicomputadoras son un trmino ms
impreciso que se refiere a computadoras que son ms potentes que
las micros pero caen an dentro de las posibilidades de compra de algunas
personas y pequeas compaas. Ambos tipos de computadoras estn
en contraste con computadoras grandes, o supercornputadoras, que se
manejan en intervalos de millones de dlares y sus propietarios son, por
lo general, organizaciones o compaas muy grandes. El cuadro 2.1 re-
sume la informacin general sobre varios tipos de computadoras.
La revolucin en el campo del estado slido ha abierto las puertas
en el rea computacional a cada ingeniero. Sin ernhnrgo, no importa qu
tipo de computadora se use, sta slo tiene utilidad si se le proporcionan
instrucciones precisas. A estas instrucciones se les conoce como progra-
mas. Las siguientes secciones contienen informacin que ser til para
el desarrollo de programas de alta calidad para utilizar los mtodos nu-
mricos.
2.2 DESARROLLO DE PROGRAMAS
El material de este captulo est organizado alrededor de cinco temas, es-
quematizados en la figura 2.2, requeridos para la elaboracin y cuidado
de programas de alta calidad. Este caljitulo contiene secciones que cu-
bren cada uno de estos pasos. Este material incluye un caso de estudio
donde cada uno de los pasos se aplica para desarrollar un programa y
resolver el problema del paracaidista. Despus de asimilar este material,
LA PROGRAMACldN EN LAS COMPUTADORAS PERSONALES 25
el estudiante debe estar mejor preparado para desarrollar programas de
alta calidad para los mtodos del resto del libro.
2.2.1 Diseo de algoritmos
Se puede ahora empezar con el proceso de desarrollar programas para
una computadora. Un programa es simplemente un conjunto de instruc-
ciones para la computadora. Todos los programas que se necesitan co-
rrer en una computadora particular, en conjunto se les llama software.
FIGURA 2.2 Cinco pasos necesarios para producir y dar soporte a programas de al-
ta calidad . Las flechas hacia atrs indican que los primeros cuatro pasos
se pueden ir meiorando conforme se gane experiencia.
Un algoritmo es una secuencia l6gica de pasos necesarios para ejecu-
tar una tarea especfica tal como la solucin de un problema. Los buenos
algoritmos tienen ciertas caractersticas. Siempre deben terminar despuk
de una cantidad finita de pasos y deben ser lo ms general posible para
tratar cualquier caso particular. Los buenos algoritmos deben ser deter-
minsticos; esto es, no deben dejar nada al azar. Los resultados finales
no pueden ser dependientes de quin est usando el algoritmo. En este
sentido, un algoritmo es anlogo a una receta. Dos cocineros que prepa-
ran independientemente una buena receta deben obtener dos platillos
idnticos.
La figura 2 . 3 ~ muestra un algoritmo para la solucin de un problema
simple que suma dos nmeros. Dos programadores que partan de este
algoritmo pueden desarrollar dos programas con estilos diferentes. Sin
FIGURA 2.3 a) Algoritmo y b) diagrama de fluio para la solucin del problema de
una suma simple.
embargo, dados los mismos datos, los programas deben arrojar los mis-
mos resultados.
Una forma alternativa de representar un algoritmo es mediante un dia-
grama de flujo. Esta es una representacin visual o grfica del algoritmo
que emplea una serie de bloques y flechas. Cada bloque en el diagrama
representa una operacin particular o un paso en el algoritmo. Las fle-
chas indican la secuencia en que se implementan las operaciones. La fi-
gura 2.4 ilustra ocho tipos de bloques y flechas que conforman la mayor
parte de las operaciones que se requieren en la programacin de una
computadora personal. La figura 2.3b muestra un diagrama de flujo para el
problema simple de sumar dos nmeros. Los diagramas de flujo tienen
una utilidad particular para bosquejar algoritmos complicados. En estos
casos, un bosquejo grfico puede ser til para visualizar el flujo lgico del
algoritmo. En este texto, se han incluido diagramas de flujo para la ma-
yor parte de los mtodos importantes. Se pueden usar estos diagramas
como base para el desarrollo de sus propios programas.
2.2.2 Composicin de un programa
Despus de confeccionar un algoritmo, el paso siguiente es expresarlo como
una secuencia de declaraciones de programacin llamado cdigo. Es im-
portante resistir la tentacin de escribir el cdigo antes de que el proble-
ma en su totalidad est claramente definido y la tcnica de solucin y el
algoritmo hayan sido cuidadosamente diseados. Las dificultades que ms
comnmente encuentran los programadores sin experiencia se deben por
lo general a la preparacin prematura de un cdigo que no abarque un
plan o una estrategia total, para la solucin del problema.
Despus que se ha diseado un buen algoritmo, el cdigo se escribe
en un lenguaje de alto nivel para una computadora. Se han desarrollado
cientos de lenguajes de programacin de alto nivel desde que la era de
las computadoras empez. Entre ellos, hay tres que tienen importancia
para computadoras personales: BASIC, FORTRAN y PASCAL.
FORTRAN, es la construccin de frmula translation (traduccin de
frmulas), y se desarroll en la dcada de 1950. Debido a que fue expre-
samente diseado para clculos, ha sido el lenguaje ms usado en la in-
geniera y la ciencia.
BASIC, es la contraccin de beginners all-purpose symbolic instruc-
tion code (clave de instrucciones simblicas de propsito general para prin-
cipiantes), fue desarrollado en la dcada de 1960. Requiere una cantidad
pequea de memoria y es relativamente simple de implementar. En con-
secuencia es uno de los lenguajes ms usados en las computadoras per-
sonales; sin embargo, el BASIC no es tan flexible como el FORTRAN
y a veces no es conveniente para programas grandes o complejos.
El PASCAL, que debe su nombre al cientfico francs Blas Pascal, es un
lenguaje estructurado que se desarroll en la dcada de 1970. Los pro-
gramas escritos en Pascal para una computadora determinada pueden
28 METODOS NUMERICOS PARA INGENIEROS
FIGURA 2. 4 Smbolos utilizados en diagramas de fluio.
ser corridos fcilmente en otra. Aunque el Pascal es ms difcil de apren-
der que el BASIC y el FORTRAN, su fuerza sugiere que su importancia
crecer en el futuro. Esto es verdad para la programacin avanzada a gran
escala.
BASIC y FORTRAN son convenientes para programas simples y cortos
que son suficientes para la implementacin de los mtodos numricos de
este libro. Por lo tanto, se ha optado por limitar las presentaciones del
texto, a programas en estos lenguajes. BASIC es una alternativa obvia
por su amplia disponibilidad. Se ha incluido el FORTRAN por su signifi-
cado continuo en el trabajo de ingeniera. Aunque este libro hace nfasis
en las computadoras personales, puede usarse por aqullos que tienen
acceso a mquinas ms grandes y en conjuncin con cualquier lenguaje
de alto nivel. Con este espritu, los programas y diagramas de flujo son
lo suficientemente simples como para que puedan servir de base en el
desarrollo de programas para aqullos que son expertos en Pascal.
Una descripcin completa del BASIC y el FORTRAN, obviamente va
ms all del alcance de este libro. Adems, el nmero de dialectos dispo-
nibles en cada lenguaje complica an ms su descripcin. Por ejemplo,
existen ms de 10 dialectos derivados del BASIC. Sin embargo, limitan-
do la discusin a lo fundamental, se puede cubrir informacin suficiente
de forma tal que se pueda entender e implementar efectivamente el ma-
terial relacionado con la computadora en el resto del libro.
En la figura 2.5 SF! presentan los cdigos en FORTRAN y BASIC pa-
ra sumar dos nmeros, mostrando las diferencias estructurales principales
entre los dos lenguajes, el etiquetado y el espaciamiento de cdigo. En
BASIC, cada instruccin se escribe con un nmero. En contraste, en FOR-
TRAN se etiquetan con un nmero slo aqullas instrucciones que re-
quieren identificacin. Por ejemplo, la instruccin que tiene la etiqueta
nmero 1 en la versin FORTRAN de la figura 2.5 se llama una declara-
SIC
c
I
FIGURA 2.5 Programa de computadora en FORTRAN y BASIC para el problema de
la suma simple.
cin FORMAT. Especifica la forma en que se va a introducir o a imprimir
una lnea particular. Por lo tanto, se debe etiquetar con un nmero para
que la computadora pueda distinguirla de otras declaraciones FORMAT.
Las declaraciones FORTRAN se deben numerar para otros casos pero
la mayor parte, por lo general van sin numerar.
Otra diferencia entre los dos lenguajes es el espaciamiento de cada
lnea; en BASIC, por lo general el espaciamiento no tiene importancia.
Por ejemplo, la lnea 10 se pudo haber escrito de las siguientes formas
10 A = 25
1 OA=25
10 A = 25
y la computadora debe interpretar todas las formas como equivalentes.
En contraste, los trminos en FORTRAN se deben alinear en columnas
especficas. Las reglas sobre la alineacin provienen del hecho de que el
FORTRAN se introduca originalmente en una computadora usando lec-
tora de tarjetas. Aunque las tarjetas se emplean menos frecuentemente
hoy en da, las reglas de espaciamiento por lo general se han conservado.
A las 80 columnas de la tarjeta perforada se les llama campos de la
tarjeta. Los campos de la tarjeta se agrupan por partes para diferentes
propsitos. Estos se ilustran en la forma de codificacin de la figura 2.6.
Una forma de codificacin es un pedazo de papel donde se puede escri-
bir y verificar un programa para revisarlo de errores antes de introducirlo
a la computadora. Ntese que tambin contiene 80 columnas al igual que
una tarjeta perforada. Tambin obsrvese que cada una de las partes de
los campos se usa para propsitos particulares.
Aparte de la estructura, los dos lenguajes tienen otras diferencias as
como fuertes similitudes. En el cuadro 2.2 se delinean stas. Este cuadro
muestra comparaciones en paralelo de seis elementos principales de pro-
gramacic que tienen importancia directa en el uso de los mtodos nu-
mricos. Estos son:
1. Constantes y variables. Se deben seguir ciertas reglas para expresar
nmeros y nombres simblicos en los dos lenguajes. Como se puede
ver en el cuadro 2.2 sta es un rea en donde el BASIC y el FOR-
TRAN son muy diferentes.
2. Entrada-salida. stas son instrucciones mediante las cuales se trans-
mite informacin de y hacia la computadora. He aqu otra rea donde
los lenguajes muestran diferencias considerables. Aunque la mayor parte
de los lenguajes modernos mejoran esta situacin, histricamente las
capacidades de entrada-salida del BASIC, han sido muy limitadas. En
constraste, las declaraciones FORMAT del FORTRAN son herramientas
muy potentes para etiquetar y espaciar la salida. Sin embargo, son de
las declaraciones de programacin ms difciles para un novato y aun
para un experto.
CUADRO 2.2 Referencia rpida: comparacin de FORTRAN y BASIC. FORTRAN
y BASIC son lenguajes de computadora fciles de aprender y de
practicar, en general son los primeros lenguajes de
programacin que se les ensea a los estudiantes de ingeniera.
Como sucede con muchos lenguajes de programacin, existen
varios aspectos que hacen dificil entender su uso. La siguiente
comparacin resulta del intento de bosquejar las diferencias
generales y las similitudes entre FORTRAN y BASIC y a la vez
servir de referencia rpida y como recordatorio. Se pueden
consultar otras fuentes para los detalles referentes Q cada uno
de los lenguajes. Este resumen se limita y se enfoca a la vez al
material que tiene importancia directa con los metodos
numricos y con los programas descritos en el texto.
FORTRAN BASIC
CONSTANTES Y VARIABLES
(Representan los nmeros y caracteres
usados a lo largo del programa)
Constantes
Son valores positivos o negativos, (excluyendo las comas o los smbolos
especiales) que se mantienen inalterados a lo largo del programa.
Enteros Constantes numricas
son constantes que no contienen punto son nmeros enteros o reales con punto
decimal: decimal:
1, -2, 100 1, -2.0, 0. 001, 100
Constantes reales:
contienen punto decimal:
1 .o, -2., 0.001
Exponenciales
son constantes escritas en notacin cientfica. Por ejemplo, los nmeros:
-12 000, 0.000 006 8, 386 O00 O00
se expresan en notacin cientfica como:
-12 x lo3, 6.8 x 3.86 x 10
y se pueden escribir en FORTRAN y BASIC como:
- 12E3, 6.8E-6, 3.86E8
Constantes alfanumricas y cadenas de caracteres
representan letras, nmeros y smbolos que se usan en este texto para etiquetar.
Las cadenas de caracteres tienen otras aplicaciones, incluyendo el USO de
expresiones de relacin.
En FORTRAN se encierran como:
En BASIC se encierran como:
J OHN DOE, I NTRODUCE B VALOR DE A =, 8/5/48
CUADRO 2.2 Referencia rpida: comparacin de FORTRAN y BASIC. (cont.)
FORTRAN
Variables numricas
representan cantidades que pueden cambiar de valor. Se usan para estas
variables los nombres simblicos, que deben empezar con una letra y no
pueden contener smbolos especiales.
Nombres de variables Nombres de variables
consisten de uno a seis caracteres, desde constan de dos caracteres (ms en algu-
la A a la Z y del O a 9: nos dialectos) de laA a la Z y del O al 9:
Variables enteras
AA, X, N1
representan valores enteros y empiezan representan valores reales o enteros.
con las letras I a la N:
N, KOUNT, lNDl
Variables reales
representan valores reales y empiezan
con las letras A a la H y O a la Z:
X, COUNT, VEL1
Variables de caracteres o cadenas
representan cadenas alfanumricas y de caracteres. Se usan nombres simblicos.
. El tratamiento de las cadenas de caracteres vara considerablemente entre
diferentes versiones
Declaracin CHARACTER Cadenas variables
son de la forma: terminan con $. La longitud de la varia-
CHARACTER * n vorl,vor2
ble es limitada.
A$, N1$
donde n es la longitud especfica de la
cadena de caracteres seguida por una
lista de variables. Por ejemplo,
CHARACTER * 4 NOMBRE1, NOMBRE2
Arreglos
son variables con subndice que almacenan un conjunto de valores en vectores
de una dimensin y en matrices multidimensionales. El espacio de
almacenamiento suficiente para un nmero dado de elementos se especifica
mediante
~~
Declaracin DlMENSldN Declaracin DIM
DIMENSION A(n), ISUM(n,,n2) DIM A(n), IS(nl,n2)
Se permiten hasta siete subindices que
La declaracin DIM, en general selimita a
deben ser enteros positivos.
arreglos bidimensionales; las n pueden
Los arreglos no dimensionados generan
ser variables.
un error. Los arreglos no dimensionados suponen
un valor de n =10.
34 M~TODOS NUMRICOS PARA INGENIEROS
CUADRO 2.2. Referencia rpida: comparacin de FORTRAN y BASI C. (cant.)
FORTRAN BAS IC
La declaracin DIG-ENSION se debe co- La declaracin DIM se debe colocar antes
locar antes de cualquier declaracin de la primera lnea donde la variable
ejecutable.
dimensionada se va a usar. En caso de
no ir, supone el valor n =10. El redi-
mensionamiento genera a un mensaje
de error.
Las variables definidas en la declaracin
DIMENSION (esto es, A o ISUM) tienen
la misma regla de las variables numri-
cas "esto es, el arreglo A debe conte-
ner valores reales, mientras que el
arreglo ISUM debe contener valores
enteros.
ENTRADAlSALlDA
qu medios se transmite informacin a y desde un programa),
Declaraciones de formato
especifican la longitud y la posicin de cada uno de los datos, que se van a leer
o a imprimir.
Aunque en la entrada y salida de da- Aunque existe Iodeclaracin de formato
tos existe formato libre, el FORTRAN para lectura o impresin de datos, las
estndar, en general impone un for- versiones recientes de BASIC no lo em-
mato de lectura o impresin.
pleon.
Entrada
especifica los medios por los cuales se transmiten datos al programa
Declaracin READ
permiten introducir datos al programa
durante su ejecucin:
READ f varl,vur2, . . . , vur,
donde f es un cdigo de formato que
especifica el tipo, disposicin y, en algu-
nos casos, el dispositivo usado para leer
los valores de var], var2, . . ., varn. Por
ejemplo:
READ (5, 2) A,B
donde el 2 es la etiqueta donde est la
declaracin FORMAT correspondiente
y el 5 especifica que los datos se obten-
drn de una lectora de tarjetas.
Declaracin DATA
son declaraciones no ejecutables que defi-
nen el valor inicial de una variable.
Tienen la forma general.
Declaracin I NPUT
Permiten introducir datos at programa
durante su ejecucin:
In INPUT varl,vur2, . . . , var,
donde In es el nmero de lneas donde
est la declaracin INPUT y var,, var2,
. . ., var, son los nombres de las varia-
bles cuyos valores se van a leer. Por
ejemplo:
10INPUT A,B
Cuando se ejecuta esta instruccin se
deben introducir los valores de A y B en
un dispositivo, tal como el teclado.
Declaraciones REDlDATA
consiste de una declaracin READ asocia-
da a una declaracin DATA que contie-
ne los valores que se van a leer, como:
CUADRQ 2.2 Referencia rpida: comparacin de FORTRAN y BASIC. (cont.).
FORTRAN BASIC
DATA var,, , . ., var,,lvalor,, 10 READ A,B,C,Z
. . .,valor,,/
donde var es el nombre de la variable
y valor es una constante. Por ejemplo: 90 DATA 5,0.001,88,1 E-6
DATA A,B,C,Z/5.,0.001,88.,1.E-6/
Salida
es el medio por el cual se transmiten datos del programa.
Declaracin WRITE Declaracin PRINT
se usa comnmente para imprimir datos. se usa comnmente para imprimir datos.
Su forma general es: Su forma general es:
WRITE fvarl, . . . , vur, In PRINT varl, . . . , var,
Por ejemplo:
WRITE (6,2) A,B
Por ejemplo:
10 PRINT A,B
donde (6,2) es el cdigo de formato, el En el momento que esta declaracin
2 es la etiqueta de la declaracin FORMAT se ejecuta, los valores de A y B se impri-
correspondiente y el 6 especifica que los men en un dispositivo tal como la panta-
datos se imprimirn en una impresora. lla o una impresora.
I
cA1cu10s
(Operaciones que usan expresiones matemticas) 1
Declaraciones de asignacin
se usan para asignar un valor a una variable:
XM=3.281
indica a la computrdora que asigne el valor 3.281 a la variable XM;
A=XM+5
indica a la computadora que sume 5 a XMy le asigne el resultado (en este caso,
8.281) a la variable A;
A=A+40
indica a la computadora que sume 40 a A y le asigne el resultado (en este caso,
48.281) a la variable A. El valor anterior de A se destruye en el proceso.
Ntese que, aunque A =A +40 no es una expresin matemtica vlida, tiene
un significado especial dentro de la computadora. AI signo de igual en la
declaracin de asignacin se le puede dar un significado de "se reemplaza
por", como en:
A se remplaza por A+40
+
-
Operadores aritmticos
son smbolos usados para representar operaciones matemticas:
Suma
Resta
+
-
. ..
CUADRO 2.2 Referencia rpida: comparacin de FORTRAN y BASIC. (cont.).
FORTRAN BASIC
* Multiplicacin *
i Divisin i
** Exponenciacin **, ?,A
(El signo de exponenciacin
depende del tipo de BASIC)
Si una expresin aritmtica tuviera todos los operadores, el orden en que se
efectuaran sera: primero, todas las exponenciaciones de izquierda a derecha
en BASI C, Applesoft y Microsoft, y de derecha a izquierda en FORTRAN; a
continuacidn todas las multiplicaciones y divisiones de izquierda a derecha, y
finalmente todas las sumas y restas de izquierda a derecha. Cuando una
expresin presenta parntesis, la forma de efectuarlos es del ms interno al ms
externo.
x =$0 +3": - " y4
45
X=(((A+B)-R**3)/33-Y**4/45)**.5 X=(((A+B)-RA3)/33-YA4/45)A.5
CONTROL
(Dirigen el flujo del programa mediante saltos,
transferencias y reasignacianes)
Dedaracin GO TO
especifica un salto incondicional a un nmero de lnea especfico:
GO TO 200
.EQ.
.NE.
.IT.
.LE.
.GT.
.GE.
.AND.
.OR.
Operadores lgicos
se usan para comparar los valores de
, .
Igual a
diferente de
menor que
menor o igual que
mayor que
mayor o igual que
lgica
dos expresiones:
-
<>
<
<=
>
>=
-
AND
OR
Declaracin lgica If
se utilizan para la toma de decisiones, de acuerdo al valor verdadero a falso
que tenga una expresin lgica
IF(N.GT.l .OR.N.LT.3)N=2
IF(N.GE.l) GO TO 10
IF(N>l)OR(N<3)THEN N=2
IF N>=l THEN 10
En los ejemplos anteriores, si la expresin lgica se cumple, se ejecuta la
transferencia o la asignacin. En el primer ejemplo, si N es mayor que 1 a
CUADRO 2.2 Referencia rpida: comparacin de FORTRAN y BASI C. (cont.).
FORTRAN BASI C
menor que 3, entonces N se iguala a 2 y el control pasa a la siguiente lnea. En
el segundo, si N es mayor o igual a 1, el programo se transfiere a la lnea 1 O.
En cualquier caso, si la expresin es falsa, no se ejecuto la transferencia o
reasignacin y el control se pasa a la siguiente lnea.
Ciclos
permiten repetir clculos con una cantidad mnima de declaraciones
Ciclos con IF lgico
repiten calculos que se controlan con base en la declaracin I F:
10 X=Y(I)*Z(I-1)
IF(X.LT.O)GO T O 50
GO TO 10
1=1+1
50 X=-X
10 X=Y(I)*Z(I-1)
20 I F X<O THE N 50
30 I =!+l
40 GO T O 10
50 X=-X
Ciclos controlados por un indice
Ciclos DO Ciclos FORlNEXT
DO In I=j,n,k FOR I =i T O n STEP k
In C ONT I NUE In NEXT I
donde In es el nmero de lnea de la h a declaracin del ciclo, i es el valor
inicial del contador, n es el valor final o terminal y k es el incremento dado a la
variable I para que.vare desde j hasta n. Despus de terminar el ciclo,
valor de n +k siempre y cuando I sea mltiplo de n.
SUBPROGRAMAS: FUNCI ONES Y SUBRUTI NAS
(ejecutan una proposicin o un conjunto de proposiciones
que se repiten varias veces a lo largo de un programa)
, I tiene el
Funciones intrnsecas
operaciones matemticas o trigonomtricas que se emplean comnmente.
~~ ~
son funciones construidas internamente o funciones de biblioteca que realizan
S I N Seno
cos
T A N
Coseno
ALOG o LOG
Tangente
Logaritmo natural o de base e
ALOG o LOGIO
EXP
Logoritmo comn o de base 10
Exponencial
SQRT Raz cuadrada
ABS Valor absoluto
I N T El entero ms grande que
Es menor o igu:?! a x
SIN
cos
TAN
L O G
EXP
S QR
ABS
I NT
FORTRAN BASIC
SOL.
donde x es el argumento de la funcin. Ntese que la lista anterior no est
completa. Dependiendo de la versin del compilador pueden existir ms funcio-
nes intrnsecas.
Funciones definidas por el usuario
son funciones definidas por el programador.
Declaracin de funciones
son de la forma:
narnbre(xl, . . . ,xn) =f
donde nombre es el nombre de la fun-
cin (se puede dar cualquier nombre);
x, , . . .,x,, son variables numricas que
no tienen subndice y f es una expre-
sin aritmtica que depende de
x, , . . . , x,,.
Las declaraciones de funciones van antes
de la primera proposicin de ejecutable.
Se pueden pasar varios argumentos en
una declaracin de una funcin. Las
otras variables dentro de la funcin tie-
nen el mismo valor que en el programa
principal en el punto donde se llama la
funcin.
TRIG(X,Y)=SIN(X)-LOG(Y)
A=5 )' &&
B=10
S=TRI G(A,B)
Declaracin DEF
son de la forma general:
in DEF FNa(x) =f
donde In es el nmero de lnea, a es
cualquier letra del alfabeto, x es una
variable numrica (sin subndice) y f es
una expresin aritmtica que es funcin
de x.
La declaracin DEF va antes de ejecutar
dicha funcin.
Se puede pasar slo argumentos en una
declaracin DEF. Las otras variables
dentro de la funcin tienen el mismo va-
lor que en el programa principal en el
punto donde se llama a la funcin.
10 DEF FNT(X)=SIN(X)-LOG(B)
r
70A=5 80 E= 10 9
90 S=FNT(AJ
Subprogramas Function
se parecen a las declaraciones de funcio-
nes en laejecucin pero, como su nom-
bre lo indica, son programas, esto es,
consisten de varias lneas. Los subpro-
gramas tipo function son de lo forma
general:
FUNCTION name(xl , . . . x2j
nombre =f
RETURN
donde todos los valores que toma la
funcin son aquellos que se definen a1
llamar a dicha Funcin.
FORTRAN BASI C
A= 5
B=10
S=TRIG (A.B)
FUNCTION TRIG(X,Y)
RETURN
TRIG=SIN(X)-LOG(Y)
Ntese que las constantes y las variables
que no se pasan como argumentos de-
ben definirse dentro de la funcin o pa-
sarse por una declaracin COMMON.
Subrutinas
son subprogramas que consisten de un conjunto de proposiciones que realizan
una tarea en particular. Contienen una declaracin RETURN que regresa al
punto donde se llam a la subrutina.
Las subrutinas se llaman con una decla-
racin CALL de laforma:
Call nombr e (arg,,org,,. . .,arg,)
donde nombre es el nombre de la subru-
tina y org,,. . ., org, son los n argu-
mentos (variables o constantes) que se
pasan a la subrutina.
La subrutina va despus del programa
principal y empieza con una declaracin
SUBROUTINE, de la forma:
Las subrutinas se llaman con una decla-
racin GOSUB de la forma:
In, GOSUB Inn
donde I n, es el nmero de lnea de la
declaracin GOSUB y In2 es el nmero
de lnea donde empieza la subrutina.
La primera lnea de la subrutina puede ir
en cualquier lugar dentro del programa.
donde nombre debe ser el mismo al Ila-
mar dicha subrutina con la proposicin
CALL.
Una vez dentro de la subrutina, las proposiciones se ejecutan en secuencia hasta
que se encuentra una declaracin RETURN, despus de lo cual regresa a la si-
guiente lnea de donde est la subrutina.
Se pasan a y desde la subrutino nica- Todos los valores se pasan a y desde la
mente los valores que aparecen como subrutina.
argumentos de la misma:
40 MTODOS NUMRI COS PARA INGENIEROS
CUADRO 2.2. Referencia rpida: comparacin de FORTRAN y BASI C. (cont.)
FORTRAN BAS IC
CALL SUM (X.Y,Z)
-
200 GOSUB 800
END 500 END
SUBROUTINE SUM (A,B,C) 800 Z=X+Y
C=A+B 850 RETURN
RETURN
Ntese que las constantes y las varia-
bles que no se pasan como argumentos
se deben definir dentro de la subru-
tina o pasarse con una declaracin
COMMON.
DOCUMENTACI ~N
(le permite incluir informacin para el usuario de los programas)
las declaraciones de documentacin son instrucciones no ejecutables.
Declaracin de comentario Declaracin REM
Consiste del carcter C o del smbolo * en Consiste de la declaracin REM seguida
C aqu se puede teclear cualquier 1 O REM aqu se puede teclear cualquier
la columna 1 seguido por un mensaje: por un mensaje:
mensaje. mensaje.
3. Clculos. Las operaciones matemticas son muy similares en ambos
lenguajes. Aunque la nomenclatura es un poco diferente, las ecuacio-
nes escritas en los dos lenguajes casi son idnticas.
4. Control. Estas declaraciones se usan para dirigir la secuencia lgica
de las instrucciones en el programa. Para los m6todos numricos, es
suficiente con tres tipos: la declaracin GO TO, el IF lgico y los ci-
clos. Aunque hay pequeas diferencias en la nomenclatura de ambos
lenguajes, las declaraciones son muy similares en operacin.
5. Subprogramas. Como lo indica el nombre, son miniprogramas dentro
del programa principal. Se disean para ejecutar declaraciones que
se repiten muchas veces a lo largo del programa. En vez de reescribir
los miniprogramas muchas veces dentro del programa, se pueden es-
cribir slo una vez e invocarse con una declaracin simple cuando sea
necesario. Estos .subprogramas, que incluyen las subrutinas, funcio-
nes definidas por el usuario y funciones predefinidas, son otro caso
0 7 8 f q
LA PROGRAMACIN EN LAS COMPUTADORAS PERSONALES
donde FORTRAN y BASIC difieren significativamente. Las diferen-
cias estriban en la manera en que se pasa informacin entre el cuerpo
principal del programa y los subprogramas. Como se muestra en el
cuadro 2.2. los argumentos de los subprogramas FORTRAN actan
como ventanas para controlar el paso de informacih. Este es un ejem-
plo que muestra al FORTRAN como un lenguaje ms complicado y.
en consecuencia. ms potente que el BASIC.
6. Documentacin. Estas declaraciones permiten incluir informacin en-
focada al usuario dentro del programa.
En resumen, el FORTRAN es un poco ms flexible y ms poderoso
aunque tambin es ms difcil de aprender que el BASIC. Sin embargo.
ya que ste se desarroll originalmente como una versin simplificada del
FORTRAN. los dos lenguajes muestran varias similitudes. Aunque cada
uno de ellos tiene sus reglas que deben respetarse en cuanto a estilo. su
vocabulario y gramtica son lo suficientemente similares como para per-
mitir una traduccin fcil de la mayor parte de los programas de un len-
guaje a otro. Por 10tanto, en este libro todo el cdigo para computadora
se presenta en formato doble como el de la figura 2.5. Aunque algunas
veces signifique que se olvidarn caractersticas peculiares de uno u otro
lenguaje, esto permitir alcanzar un conocimiento de los dos lenguajes
FORTRAN y BASIC.
2. 2. 3 Rastreo y prueba
Despus de escribir el cdigo del programa. se debe probar para buscar
los errores, a los que se les llama bugs. AI proceso de localizar y corregir los
errores se les conoce como rastreo. Pueden ocurrir varios ti pos de erro-
res cuando se programa en cualquier lenguaje. Los errores de sin taxis violan
las reglas del lenguaje como la ortografa. la formacin de los nmeros.
los nmeros de lnea y otras reglas especficas a cada lenguaje. Estos errores
a menudo resultan al teclear cosas raras. Por ejemplo. la declaracin en
BASIC
30 A =5/ (0. 2 +4 * SIN (2 * Y1
generara un error de sintaxis inmediato porque los parntesis no se en-
cuentran por parejas.
Los errores ms difciles de detectar estn asociados con la lgica y
con la construccin de los programas y pueden ocurrir sin interrupciones
de sintaxis. Por lo tanto, se debe tener especial cuidado y asegurarse de
que el programa hace lo que se le pide. Por ejemplo. supngase que.
se desean sumar los enteros entre 1 y 10 y luego dividirlos entre 10
(es decir. calcular su promedio). Los cdigos en FORTRAN y BASIC de-
ben ser
FORTRAN
s =o
DO40 I =1, 10
S =S +I
40 CONTINUE
A =S/ I
WRITE (6, 1 )A
BASIC
1os=o
20 FOR I =1 TO10
3OS=S+I
40 NEXT I
5C A =S/ l
60 PRINT A
obteniendo como resultado A =5. mientras que el resultado esperado
era A =5.5. La sintaxis est perfecta. pero hay un error de lgica que
la computadora jams podr detectar porque no hay forma de observar-
lo. Una manera de eliminar este tipo de error es la de imprimir durante
el programa los valores de las variables que no se requieran en laforma
final del programa. Por ejemplo. si se ha escrito
WRITE f VO~ I , . . . , vorn in PRINT vorl, . . . , V O ~ ,
con los resultados A =5 e I =11, probablemente se notar que el error
estriba en que el valor de I se incrementa al salir del ciclo.
Los errores de este tipo a menudo son muy dificiles de detectar
en programas muy grandes o muy complejos. Por lo tanto, es una buena
prctica verificar manualmente si es posible, los resultados dados por
' el programa y probarlos en casos especiales. Esto puede hacerse con lpiz,
papel y una calculadora. Los errores asociados con la lgica o con la fi-
nalidad de un programa. no con la gramtica, se les conoce como erro-
res de semntica. Estos ocurren. por lo general durante la ejecucin del
programa y se les conoce tambin como errores en el momento de /a co-
rrida (run time errors). Es absolutamente necesaria la tcnica de impri-
mir los valores de las variables intermedias para verificar la lgica de un
programa y evitar errores de semntica en programas muy grandes.
El rastreo y la prueba de los programas se facilita empleando un buen
estilo de codificacin, Esto puede implicar que el disefio de los programas
consista de varias partes pequeas. A este tipo de estilo de programa-
cin se le conoce como programacin modular. Cada parte es especifica
e identifica fcilmente las tareas a ejecutar. Las subrutinas son medios apro-
piados para tal modularizacin. El programa principal (o el programa que
las llama) puede, entonces ser simplemente un director que gua cada una
de las partes en un esquema lgico. De esta manera. si los programas
no funcionan perfectamente, se puede aislar y localizar el problema ms
rpidamente. Por ejemplo. se pueden escribir subrutinas para c,ada una
de las siguientes tareas:
1. Leer datos. 4. Ejecutar algoritmos numricos.
2. Mostrar datos. 5. Mostrar los resultados en una tabla.
3. Mostrar un carcter para 6. Mostrar los resultados en una grfica.
informacin.
LA PROGRAMACIN EN LAS COMPUTADORAS PERSONALES 43
-
Cada una de estas subrutinas realiza una tarea limitada y aislada que se
puede programar y rastrear separadamente. Esto simplifica mucho el tra-
bajo total. comparado con el rastreo de todo el programa simultneamente.
Despus de probar los mdulos, todo el programa se debe sujetar a
una prueba total del sistema. Para un programa de mtodos numricos,
se debe realizar una serie de clculos y debe compararse con casos donde se
conozca previamente la solucin exacta. Algunas veces se dispone de
la solucin analtica la cual es aceptable para estos propsitos. Tal fue
el caso del paracaidista (recurdense los ejemplos 1.1. y 1.2). En otros
casos, el programador debe realizar clculos manuales con una calcula-
dora de bolsillo para comprobar que el programa lleva a resultados con-
fiables. En cualquier caso, el programa se sujetar a una gran variedad
de pruebas para asegurarse de que funcionar confiablemente bajo todas
las condiciones de operacin posibles. Unicamente hasta entonces el pro-
grama estar listo para ser usado en la solucin de problemas de ingeniera.
2.2.4 Documentacin
Despus de que el programa ha sido rastreado y probado, se debe docu-
mentar. La documentacin es la inclusin de comentarios que le permi-
ten al usuario implementar el programa ms fcilmente. Recurdese que
junto con otras personas que pueden usar sus programas, el programa-
dor mismo es un usuario. Aunque un programa parezca simple y claro
cuando est recin hecho y se guarda en la mente, despus de pasar cierto
tiempo el mismo cdigo puede parecer inaccesible. Por lo tanto, se debe
incluir suficiente informacin para permitirle a los usuarios entender e im-
plementar inmediatamente tales programas.
Esta tarea exhibe aspectos internos y externos. La documentacin in-
terna consiste de algn anlisis o explicacin que se inserta a lo largo del
cdigo del programa para la descripcin de cmo trabaja cada una de
las secciones del mismo. Es importante en casos donde se va a modificar
el programa. Esta documentacin se debe incluir tan pronto como se ter-
mine una parte del programa, en lugar de hacerlo hasta el final, para evi-
tar la prdida del concepto en el diseo original que se tuvo en el desarrollo
del programa. La documentacin interna se mejora considerablemente
con el uso de nombres mnemnicos apropiados para las variables. Estos
nombres pueden ser ms difciles de codificar que los nombres peque-
os, pero la ventaja de ser ms informativos, por lo general hace que
valga la pena el esfuerzo adicional. Utilizar nombres mnemnicos conve-
nientes, incluye en esencia el uso de nombres convencionales o est6n-
dares o abreviaciones comunes para variables.
La documentacin externa explica las instrucciones como mensajes
e informacin impresa suplementaria diseada para auxiliar al usuario en
la implementacin de los programas. Los mensajes impresos se supone
que ayudan a que los resultados estn bien presentados y accesibles al
usuario. Esto implica el uso correcto de espacios, lneas en blanco o ca-
racteres especiales que ilustren la secuencia lgica y la estructura de los
resultados de un programa. Los resultados bien presentados simplifican
la deteccin de errores y aumentan la comprensin de los mismos.
La informacin suplementaria puede variar desde una hoja hasta un
manual para el usuario. La figura 2.7 muestra un ejemplo de una forma
FI GURA 2.7 Formato simple de una pgina para la documentacin de un programa.
Esta pgina se debe guardar en una carpeta con un listado del programa.
LA P ROGRAMACI ~N EN LAS COMPUTADORAS PERSONALES 45
de documentacin simple que se recomienda para preparar cada uno de
los programas a desarrollar. Estas formas se pueden mantener en un cua-
derno de notas para tener una referencia rpida para la biblioteca de pro-
gramas. El manual del usuario para una computadora es un ejemplo de
una documentacin accesible. Este manual indica cmo correr el sistema
y los programas de operacin en disco de la computadora.
2. 2. 5 Almacenamiento y mantenimiento
Los pasos finales en el desarrollo de un programa son el almacenamiento
y mantenimiento del mismo. El mantenimiento involucra acondicionar el
programa e incluso hacerle cambios que lo hagan accesible a problemas
reales. Despus de varias corridas, estos cambios pueden hacer al pro-
grama ms fcil de usar y ms aplicable a mayor cantidad de problemas.
El mantenimiento se facilita con una buena documentacin.
El almacenamiento se refiere a la manera en que los programas se
guardan para uso posterior. Antes del advenimiento de las computado-
ras personales, no haba formas simples de almacenar copias de trabajo
de programas realizados. Los listados de cdigo, de hecho se guardaban,
pero tenan que teclearse de nuevo para usos posteriores. Las cajas de tarjetas
FIGURA 2.8 Disco fl exi bl e.
46 MTODOS NUMERICOS PARA INGENIEROS -
perforadas se podan guardar, pero para un programa de cualquier mag-
nitud resultaban difciles de manejar y susceptibles a deteriorarse.
Como se menciona al principio de este captulo, los dispositivos de
almacenamiento magntico han mejorado sustancialmente la habilidad
de retener programas. Un dispositivo comn de almacenamiento es el disco
flexible. mostrado en la figura 2.8. Los discos flexibles son un medio ba-
rato para almacenar programas y datos. Aunque los discos flexibles tie-
nen una gran utilidad. tambin tienen algunas desventajas. Por una parte,
su tiempo de acceso es muy lento; por otra, se deben manejar y se deben
guardar con mucho cuidado. Dado que pueden borrarse muy fcilmen-
te, siempre se debe tener una copia de cada uno de ellos. Adems, cuando
se termina un programa de computadora, se debe imprimir inmediata-
mente y almacenarlo con la documentacin correspondiente. Estas im-
presiones pueden ser tiles en el caso no deseado, pero posible, de que
el disco y su copia se destruyan.
2.3 DESARROLLO DE UN PROGRAMA PARA
EL PROBLEMA DEL PARACAIDISTA
Ahora se usar el material de las secciones previas para escribir un pro-
grama en BASIC y en FORTRAN para el problema del paracaidista. Es-
tos programas son un ejemplo ideal porque contienen todos los elementos
-entrada-salida, ciclos, decisiones, clculos y subprogramas- que con-
forman al programa en el resto del captulo.
Recurdese que el problema del paracaidista es equivalente a la solu-
cin de la ecuacin (l. 12):
r -7
donde v es la velocidad en un tiempo posterior v(tJ es la velo-
cidad en el tiempo actual ti, g es la aceleracin de la gravedad (igual a)
980 cms/s2, c es el coeficiente de rozamiento, m es la masa del para-
caidista y At = t i +l - t i . El trmino entre corchetes es el valor actual del
promedio de cambio de velocidad respecto al tiempo [Ec. (1.8)]. Si se
conoce la velocidad inicial del paracaidista v (ti) la ecuacin (2.1) se pue-
de resolver repetidamente para valores de v(ti +J , como se hizo en el
ejemplo l. 2.
Con esta informacin como antecedente, ahora se puede desarrollar
un algoritmo para el problema. En este punto, se podra desarrollar un
algoritmo bien detallado. Sin embargo, con la prctica que se tiene, dif-
cilmente se podra. En lugar de ello, se empezar con una versin gene-
ral simple, agregndole detalles poco a poco en forma secuencia1 para
expandir la definicin. Entonces, cuando se haya obtenido una versin
LA PROGRAMACl dN EN LAS COMPUTADORAS PERSONALES 47
FIGURA 2.9 Diagrama de fluio de un programa simple para el problema del
paracaidista.
final. se puede proceder a escribir el programa. En programacin. este
mtodo de iniciar en general e ir avanzando hacia lo especfico se le co-
noce como esquema de anlisis descendente. Entre otras cosas. es efi-
ciente porque, en general es mucho ms fcil eliminar errores si los
algoritmos y los programas se escriben en pasos simples y se van verifi-
cando conforme se avanza.
Un algoritmo muy simple para realizar los clculos del ejemplo 1.2
puede escribirse con palabras de la siguiente manera: introducir los da-
tos. calcular la velocidad, imprimir la respuesta y repetir hasta que se
hayan calculado tantos valores como sea necesario. Este algoritmo se puede
expresar de manera ms formal con un diagrama de flujo. La figura 2.9
muestra un procedimiento detallado de la implementacin de los clculos.
El diagrama de flujo consiste de tres conjuntos de declaraciones:
1. Introducir variables y constantes
2. Inicializar todas las variables
3. Hacer un ciclo iterativo que calcule e imprima las respuestas
Con base al diagrama de flujo, se puede escribir ahora un programa.
Las versiones en FORTRAN y BASIC se muestran en la figura 2.10. N-
tese que para la versicin en BASIC, se usan incrementos de 10 para eti-
quetar los nmeros de lnea. Esto se hace para prever la posibilidad de
T0=0
v0=0
H=Z
t 4=t 0
C = t 2 5 0 0 I
M1681 O 0
T=TO
'V=v o
URI TE<6, I > T , V
FORMAT( 2( ' ' , F 1 0 . 3 > )
I =O
T=T+H
WR I T E ( 6 , l ) T , V
I =I +t
I F ! I . L T . Hj C OT O 2 0 0
STOP
E tiC)
2 0 O ' V=V+C 98 O-C*V,'l'l >*H
FIGURA 2.1 O Programas FORTRAN y BASIC para el problema del paracaidista. Estos
programas duplican los clculos manuales del ejemplo 1.2.
. " . .
LA PROGRAMAC16N EN LAS COMPUTADORAS PERSONALES 49
insertar nuevas lneas de cdigo en refinamiento subsecuentes del pro-
grama.
Aunque el ejercicio mencionado anteriormente ciertamente es un pro-
grama vlido para el problema del paracaidista, por ningn medio explo-
ta todas las posibilidades de programacin ni en FORTRAN ni en BASIC.
Para demostrar como se pueden emplear lneas adicionales, para desa-
rrollar una versin mejor, ahora se refinar el programa.
Muchas de las modificaciones e inserciones siguientes representan una
tcnica de programacin ms eficiente y ms sencilla de ejecutar. Sin
embargo, cierto material se enfoca hacia propsitos didctico5 para de-
mostrar el uso de ciertas declaraciones. El siguiente anlisis muestra
directamente la versin en BASIC. Ya que los programas de la figura 2.11
estn escritos en paralelo, es muy fcil extender el anlisis a la versin
FORTRAN.
El programa de la figura 2.11 tiene nuevas caractersticas. Las princi-
pales son:
1.
2.
El programa calcula ahora la velocidad para tres valores diferentes
del coeficiente de rozamiento y de la masa. La habilidad de realizar
clculos repetitivos es una de las ventajas de las computadoras. Dentro
del diseo en ingeniera, a menudo es til realizar una serie de clcu-
los varias veces con valores diferentes de los coeficientes para valorar
la sensibilidad del modelo a estos cambios. Esto se hace en este caso,
realizando los clculos del ejemplo 1.2 con el coeficiente de rozamiento
variando 2 10%. De esta manera, los tres casos usados en el pro-
grama son para el caso del coeficiente de rozamiento original (12 500
g/s), el coeficiente de rozamiento ms el 10 por ciento (13 750 g/s)
y el coeficiente de rozamiento menos el 10 por ciento (1 1 250 g/s) .
El clculo repetitivo se lleva a cabo agregando un ciclo iterativo (l-
neas 3080 a la 3390). Cada vez que el programa pasa a travs del
ciclo, se usa un coeficiente de rozamiento diferente para calcular la
velocidad. Ntese tambin que el coeficiente de rozamiento y la ma-
sa se usan como variables con subindices C(K) y M(K) . Por lo tanto,
se les asigna una dimensin en la lnea 3040.
El programa tiene ahora un esquema iterativo ms preciso. Adems
de agregar el ciclo mayor para los tres casos de c y de m (lneas 3080
a la 3390), se han usado dos ciclos para calcular el valor actual de
u. Se hace as porque pudiese ser que no se desee imprimir una res-
puesta despus de cada paso. Esto sera especialmente cierto si se
usara un paso muy pequeo, por ejemplo 0.01 S, para obtener resul-
tados ms exactos. Para calcular desde t = O hasta 20 S, se requeri-
ran 20/0.01 2 O00 nmeros. Ya que se requiere un valor para cada
2 S que esquemetice razonablemente la cada del paracaidista, se han
usado dos ciclos anidados de forma tal que el programa imprima re-
sultados en tiempos intermedios. Un ciclo anidado es aquel ciclo que
F
C PRDCRRMR LEGI BLE RL USURRI O
C DEL PARPCP,I DI STP.
c En FDRTRBN pasa EL PROBLEMQ
C
C CI VI L EHCI NEERI HC
C CDLLECE STATION, TEXnS 77843
C
c sc cuwRn
c TEXPS aw UNI VERSI TY
................................................
C FUHCI OH PPlRP CRLCULUR DV/ DT
................................................
DVDT(C.V,N)-980-C.V/ M
................................................
C PRDCRRMR PRI NCI PRL
................................................
UD
................................................
C SUBRUTI NR p a w I MPRI MI R EL ENCP,BEZPDO
................................................
SUBRDUTIHE LRBEL
VRI TE(6, I >
RETURN
END
I FORMI I T( '-':SDLUCI ON Paun LP, VELOCI DAD DE c a l w GEL PmmaI DI sTfi
................................................
C SUBRUTINR PRW LEER DRTDS
................................................
SUBROUTINE I NPUT(TO,TI ,VO,U,P>
RERD <5. 2>10
TI EMPO zHI claL ( SEG)
(S.Z)TI
TIEMPO FI HAL (SEG)
VELDCI DRD I NI ClPL ( CM/ SEC>
RD(S.2)VO
RD< 5, 2 >H
~~
MRCNITUD DEL I HCREI EUTO (SEC)
IMPRIME EL IHTERVPlLO ( SEC)
C
C
C
C
RE,
REI
RE!
RERD( S, 2 )P
2 FORtlPIT< F6.2 )
C VERI FI CL LP, RPlCHITUD DEL IHCRENEHTO E IMPRIME EL IHTERVIILO
I F <P.CE.W.I I ND.P.NE.O> COTO 222U
URI lE(6,3>
3 FDRNPIT('EL I WTERVLLD DESE SER MRVOR D IGURL P LO MPIGNITUD
22:
*DEL INCREMENTO Y NO PUEDE VPLER CERO')
C
C
C
20 RETURN
END
..............................................
SUBRUTI N0 PRRR RERLI ZRR CfiLCULOS
..............................................
SUBRDUTI HE CI LC(TO,T1,VO,H,P)
REM. M
DIMEHSIOU C < 2 O) , l MZ O)
NC-I HT(P/ HI
DVOT(C.V,M)-SBO-C.Y~M
HP- I HTl(Tl- TO>/ P>
DO 3370 K-1.20
REI I D<S,4)C(K)
IF (C<K).EP.O.) COTO 3390
REIID (S.4I J UK)
CI CLO PP,RR CRLCULRR V CDU DI FERENTES C Y M
LEE EL COEFI CI ENTE DE FRI CCI DU
LEE LI I men
4 FOR11RT<FI O.O)
VERIFICPI QUE LR (1181 SE1 CERD
I F ( ~l K>. CT. O. O) COTD 3220
S FORMRT('-','LR NASR DEBE SER M(IV0R PUE CERO',
VRI TE(6,5>
COTO 3390
C I NI CI PLI ZI ( TI EMPO Y VELDCI DRD
3200 r-To
6
C
C
3340
3360
1170
3390
v-vo
VRI TE(6.6)
FDRIIPIT(, , , 4 Y, ' T tSEC>' .1OX,' V (
YRI TE(6.7>T.V
DO 3160 1-1,NP
INPRIME EL CI CLO
CI CLO DE CP,LCULD
C ONT I k
RETURN
END
CWSEC
I NTERVALO
FIGURA 2.1 1 Versiones FORTRAN y BASIC legibles al usuario del programa de la cada
del paracaidista.
contiene otro dentro de s mismo. En este ejemplo, el ciclo interno
(lneas 3320 a la 3350) realiza los clculos usando el tamao de paso
deseado (lnea 2100). Despus de NC iteraciones de este ciclo (don-
de NC se calcula internamente en la lnea 3050), se imprime una res-
puesta. El procedimiento se repite NP veces (donde NP se calcula
internamente en la lnea 3060) mediante el ciclo externo (lneas 3300
a la 3370). Ntese tambin que en vez de especificar el nmero de
pasos (N, especificado en la lnea 130 en las versiones simples de la
figura 2.10), ahora slo se introducen los tiempos inicial y final (l-
neas 2040 y 2060) y se usan las lneas 3050 y 3060 para determinar
internamente el nmero apropiado de pasos.
3. El programa muestra ahora un esquema de etiquetado mbs descripti-
vo. Se incluyen declaraciones de documentacin al principio del pro-
grama, los mensajes de salida, por ejemplo las lneas 1030 a la 1080
y las entradas ms descriptivas, por ejemplo las lneas 2040 a la 2130.
4. El programa est modularizado. Ntese que el programa consiste de
una serie de subrutinas que realizan tareas bien definidas. El progra-
ma principal sirve como supervisor para dirigir cada una de las parte
dentro de un esquema lgico.
5. Se incluyen los diagnsticos para indicar al usuario que Se ha cometi-
do un error. Los diagnsticos son declaraciones en el programa que
imprimen para el usuario un mensaje descriptivo, si ha ocurrido un
error. Las lneas 3160 a la 3210 representan un diagnstico que veri-
fica si la masa es cero. Si as fuese, la ecuacin de la lnea 210 realiza-
ra una divisin por cero. Si la masa es menor o igual a cero, la lines
3170 transfiere el control a la lnea 3180, que imprime el mensaje:
LA MASA NO DEBE SER MENOR O IGUAL A CERO
De forma similar, la lnea 2150 examina que el intervalo de impre-
sin sea mayor que el tamao del paso. Si no es as, se imprimen
los mensajes de las lneas 2170 a la 2190 y el programa transfiere
el control a la lnea 2100 y pide un nuevo tamao de paso.
Las anteriores no son mas que cinco de varias modificaciones que se han
hecho para incrementar las capacidades del programa. Se debe verificar
lnea por lnea para entender a fondo cmo contribuye cada una de las
declaraciones en el programa total. La figura 2.12 muestra una corrida.
En esta figura se introduce un error intencionalmente en el intervalo de
impresin para demostrar las capacidades de diagnsticos del programa.
El anlisis de estas corridas junto con la figura 2.11 deben sugerir algunas
alternativas para empezar a obtener resultados claros y con un esquema
descriptivo.
FIGURA 2.1 2
2.4
Texas A&M Unwerstty
Depto Ingentera Cwl
College Stahon. Texas 77843
DESCRlPClON Este programa calcula la velocidad vert i cal de cada de un
paracatdtsta en functn del tiempo
REQUISITOS ESPECIALES: Se pueden usar hasta 20 coeficientes diferentes de rozamiento
REQUISITOS ESPECIALES- y masas para calcular la uelocldad
REFERENCI A Mtodos numrtcos para Ingenieros con dphcaciones en computadoras
personales, 1986 (Mc-Graw-Hill. Mxico), Cap 2
SOLUCION PARA LA VELOCIDAD Dt CAlCA
DEL PARACAIDISTA MASS I GI -68100
TIEMPO INICIAL lSEG1 10
TILMPOR FINAL (SEGI 123
TISECI VICMISECI
O O
7 1 w n
VFLOCIOAD INICIAL ICMlSEGl 456
MAGNITUD DEL INCREMENTO 32
IMPRIME EL INTERVALO ISEGI = 3
EL (NTERVALO NO DEBE SER MAYOR
O IGUAL QUE LA MAGNITUD DEL
INCREMENTO Y NO DEBE VALER CERO
MAGNITUD DEL INCREMENTO - 8
IMPRIME EL INTERVALO \SEGI = 26
COEFICIENTE DE FRlCClON IG'SEGI
TECLEA UN CERO) 65
(PARA TERMINAR EL CALCULO
MASA IGI = 23
TlSEGl VICMiSLGl
TISECI VlCMlSECl
O 0
2 1960
6 3825 16572
4 3128 51689
10 4488 10732
14 4723 73869
16 4776.20838
18 4807 48987
20 4826 13934
8 4240 49528
12 4635 72918
DRAG COEFFICIENTE IG.SECI
ENTERLEROi=12500
IT0 TERMINATE COMPUTATION
4
6
8
10
12
14
16
20
18
3%; 4699
4482 42869
4796 89686
4995 92151
5201 60276
5121 88278
5252 05696
5283 98906
3985 55437
DRAG COEFFICIENT (GlSECl
I T 0 TERMINATE COMPUTATION
ENTER ZERO1 =11250
MASSI GI =68100
TlSECl VICMiSECI
O O
2 1960
4 3272 42291
6 4151.22591
6 4739.6755
10 5133.70342
12
14
5397 5459
5574 21 576
16 5692 51452
20
18 5771 72778
5824.76927
DRAG COEFFICIENT IGISECI
ENTER ZERO1 =O
(TO TERMINATE COMPUTATION
Documentacin del orograma legible al usuario del problema del
paracaidista, incluye corrtda del programa.
ESTRATEGIAS DE PROGRAMACIN
Este libro brinda al estudioso diversos medios, de clculo con el fin de
convertir la teora de los mtodos numricos en herramientas prcticas
para la soluci6n de problemas de ingeniera, Estos medios incluyen 1) discos
que guardan a los programas, 2) programas, 3) algoritmos y 4) diagra-
mas de flujo. El propsito de esta seccin es el de descubrir la forma en
que cada una de estos medios complementa a los otros a lo largo del l i -
bro. La estrategia global se ilustra en la figura 2.13.
Tal vez al comprar este libro el lector tambin adquiri un disco para
computadora. A este disco se le conocer con el nombre de NUMERI-
COMP, correr sobre una computadora IBM-PC (o cualquier compati-
ble) o sobre una APPLE 11. El disco contiene seis programas escritos en
BASIC: biseccin, eliminacin Gaussiana, regresin lineal, interpolacin
Meta: Resolver los problemas
de ingeniera usando una
computadora y los mtodos
numricos
FIGURA 2.13 Estrategia empleada en el texto para integrar las computadoras
personales y los mtodos numricos en la solucin de problemas de
ingeniera.
54 MTODOS NUM~RICOS PARA INGENIEROS
de Lagrange, regla trapezoidal y el mtodo de Euler. Los programas re-
presentan una coleccin de mtodos numricos simples, pero muy ti!es
para cada una de las partes de este libro. Con muy poca preparacin puede
usarse NUMERICOMP para la solucin de problemas. Esto se debe prin-
cipalmente a que los programas estn escritos en un lenguaje legible y
claro, adems que proporciona toda la informacin necesaria para su ope-
racin. Adems de tener utilidad inmediata, el disco ofrece un ejemplo
concreto de programas bien escritos que se pueden usar como modelo
para programas escritos por el usuario. Finalmente, los programas se pue-
den usar para verificar la exactitud de los resultados en los esfuerzos de
programacin del usuario.
Cada uno de los programas se ilustra completamente en el captulo
que le corresponde dentro del libro. Las ilustraciones muestran tal como
se veran en una pantalla, los datos que se requieren, los resultados de
los clculos y una grfica de los resultados. Estas ilustraciones se generan
usando NUMERICOMP en la solucin de un problema determinado. Se
incluyen algunos ejercicios en cada uno de los captulos para reforzar la
habilidad en el manejo de los discos del usuario en su propia computadora.
Se dan los cdigos de ambas versiones. FORTRAN y BASIC para
los mismos mtodos. Estos programas contienen los algoritmos funda-
mentales con esquemas simples de entrada y salida de datos y con poca
documentacin. Por lo que no son muy claros en su exposicin. Una de
las tareas ser la de modificar estos programas de forma tal que sean un
poco ms claros, usando los recursos y la tcnica individual de cada pro-
gramador. Una vez que esto se haya llevado a cabo, se tendr una herra-
mienta que se aproximar a los programas suplementarios.
Los seis programas del disco NUMERICOMP son para los mtodos
bsicos de cada una de las partes del libro. No son, necesariamente los
ms eficientes computacionalmente hablando sobre los existentes. Por lo
tanto se han incluido diagramas de flujo o algoritmos para la mayor parte
de los otros mtodos numricos del libro. Se pueden usar estos diagra-
mas y algoritmos con la destreza de programacin propia del usuario, para
escribir programas de cualquier otro de los mtodos expuestos.
EJ EMPLO 2.1
Grficas por computadora
Enunciado del problema: el propsito de este ejemplo es el de familiari-
zarse con los programas opcionales NUMERICOMP disponibles con el texto
FIGURA 2.14 a) Ttulo de los programas NUMERICOMP que acompaan al texto. b)
Men principal de NUMERICOMP. c) Men para BISECCION,d) La
pantalla muestra cmo se introduce una funcin para BISECCION; la
funcin en este caso es la ecuacin (1.9), que calcula la velocidad de
cada del paracaidista. e) La pantalla muestra una grfica de la velocidad
contra el tiempo para el paracaidista, como lo calcula NUMERICOMP.
LA PROGRAMAC16N EN L AS COMPUTADORAS PERSONALES 55
FIGURE 2.14
56 MoODOS NUMERICOS PARA INGENIEROS
y usar las capacidades grficas de NUMERICOMP para trazar funciones.
Si el libro se compr sin estos programas, entonces se deben buscar for-
mas para realizar tareas similares sobre la computadora. Esto se puede
llevar a cabo con la ayuda de los programas dados por el sistema o pue-
de requerirse que se desarrollen los propios. La habilidad en el trazo de
funciones es muy importante ya que laforma de resolver un prob!zma
de mtodos numricos se facilita mucho cuando se usa en coordinacin
con grficas por computadora.
Solucin: insrtese el disco NUMERICOMP en la unidad de discos y
crrase el programa de acuerdo a las instrucciones del Manual del usuario.
La pantalla debe producir un esquema similar al de la figura 1.14~1.
Simplemente es la presentacin del programa. Teclese RETURN para
continuar. La pantalla debe mostrar ahora un men de seleccin princi-
pal como se muestra en la figura 2.14b. El men contiene una lista de
seis programas incluyendo una opcin que termina la sesin. Se usar
cada uno de estos programas en el momento apropiado dentro del libro,
cuando se haya visto previamente la teora de cada uno de los mtodos.
Por ahora se usar 19opcin de grdficas por computadora dentro del pro-
grama de BISECCION para grficar la velocidad del paracaidista en tun-
cin del ti9mpo. Para hacerlo, simplemente se introduce el programa de
BISECCION mediante la opcin 1. La pantalla, automticamente debe
mostrar un patrn similar al de la figura 2. 14~ despus de algunos movi-
mientos del disco. Slo se requieren usar las opciones 1, 3 y 4 para grafi-
car funciones. Seleccinese la opcin 1 para introducir la funcin usando
la ecuacin (1.9) con m = 68 100 g, c = 12 500 g/s y g = 980 cm/s
(Fig. 2.14d). Regrsese al men principal y escjase la opcin 3 para
graficar la funcin. Antes de trazar la grfica se deben dar valores mnimo
y mximo para x y paraf(x) que corresponden al tiempo y a la veloci-
dad en este caso. Los valores para x y f ( x ) estn dados por definicin
en la primer columna (en este caso son cero). Prubense varios valores
para los ejes x y paraf(x) (incluyendo valores negativos) para familiari-
zarse con el diseo y operaci6n de la opcin de graficacin. En la figura
2.14e se muestra una grfica que muestra el esquema de la velocidad
como funcin del tiempo.
La opcin de graficacin dada por este programa tendr muchos otros
usos para visualizar mejor los resultados de la aplicacin de los mtodos
numricos y la computacin en la solucin de problemas de ingeniera.
Estos usos se exploran en las secciones subsecuentes del texto.
PROBLEMAS
2.1 Escrbanse las declaraciones BASIC y FORTRAN equivalentes a cada una de las
siguientes expresiones:
LA PROGRAMACl dN EN LAS COMPUTADORAS PERSONALES 57
2.2
2.3
2.4
2.5
xlsenl
-b - -
x - 1
2a
b) y=-
c) x =
I) Si A y Z tienen el mismo signo, entonces reemplcese 2 por Q.
Escrbanse las declaraciones BASIC y FORTRAN para realizar la siguiente operacin
S =2 xi2
Para i =3, 6, 9,. . ., 21.
Dado el siguiente programa
10 A = 10.1
20 B =3.1416
30 Z =1.1
40 PRINT X1
Cul ser el resultado que se imprima, si se insertan las siguientes expresiones
entre las lneas 30 y 40?
a) 35 X1 =A"Z/B
b) 35 X1 =A' (Z/ B)
cj 35 X1 =A'B - B**B/Z +2'2
d) 35 X1 =((A'Z) - B/Z)' *Z)/(B - Z)
e) 32 J =I NT(A* *Z/B - 2)
36 X1 =J 'A
Dado el programa del problema 2.3, escrbase el cdigo de la lnea 35 que eva-
luar las siguientes expresiones algebraicas:
a' - 4 6
x1 =
2
7
XI =a - d z / 5 +6(a +2)2'3 - -
b
La figura para este problema muestra la pgina de una bitcora de un automvil.
Cada rengln representa una visita a la gasolinera en la que el tanque se llena
de gasolina. La pgina tiene, adems columnas para la fecha, el kilometraje mar-
cado por el odmetro, la cantidad de gasolina y su costo.
Escrbase un programa, diseado de forma tal que acepte datos de entrada
bajo este esquema y calcule los kilmetros recorridos por litro y el costo por ki16-
metro de acuerdo a cada intervalo entre llenado y llenado. Debe imprimir una
tabla con tres columnas que conforman la fecha, los kilmetros por litro y el costo
por litro.
FIGURA DEL PROBLEMA 2.5
2.6 Se invierte una cantidad de dinero P en una cuenta cuyos intereses se reinvierten
al final del periodo. El monto futuro F, con una tasa de inters i despus de n
periodos se puede determinar fcilmente con la frmula siguiente:
F =P (1 +i)"
Escrbase un programa que calcule el monto futuro de una inversin. Los datos
de entrada deben incluir la cantidad inicial P, la tasa de inters i (como fraccin
decimal), y el nmero de a6os n para los cuales se va a calcular el monto futuro.
La salida debe incluir tambin estos valores. Incluyendo, en forma de tabla el monto
futuro para cada uno de los aos, hasta el n-simo ao. Correr el programa para
P =$ 1 000.00, i =0.1 y n =20 aos.
2.7 Escrbase un programa para calcular las races reales de la ecuacin cuadrtica
ax' +bx +c =O
donde a, b y c son coeficientes reales. La frmula para calcular las races es la
frmula cuadrtica
LA PROGRAMAC16N EN LAS COMPUTADORAS PERSONALES 59
-b f
X =
2a
Ntese que si la cantidad dentro del signo de la raz cuadrada es negativa enton-
ces las races son complejas. Tambin ocurre una divisin por cero si a =O. Dis-
ese el programa de forma tal que contemple estas contingencias imprimiendo
un mensaje de error. Tambin, inclyase algo de documentacin a lo largo del
programa y etiqutense las salidas para hacer el programa legible. Reptanse los
clculos para valores diferentes de a, b y c, tantas veces como el usuario desee.
Efectense pruebas para los casos:
a) a = l b = 4 c = 2
b) a = O
b =-4 c =2.3
c) a = l h = 2 -
c =2.3
2.8 La funcin exponencial e" se puede evaluar mediante la serie infinita:
Escribase un programa para implementar esta frmula que calcule los valores ex
agregando un trmino cada vez a la serie. En otras palabras, calclese e imprma-
se la secuencia
ex = 1
e x = l + x
e X = l + x + -
X*
2
hasta la orden de trmino prefijado. Para cada caso, calclese el porcentaje de
error relativo dado por
% error =
solucin real - solucin aproximada
solucin real
100%
Utilcese la funcin de biblioteca para calcular ex y determinar la "solucin real".
El progrma debe imprimir la solucin aproximada y el error en cada paso. Se pue-
de emplear una funcin definida por el usuario para calcular el error. y usar ciclos
para simplificar los clculos tanto como sea posible. Para probarlo, utilicese el pro-
grama para calcular exp(0.5) desde el primer trmino de la serie hasta el trmino
x2"/20!. Interprtense los resultados.
2.9 En economa se dispone de frmulas para calcular los pagos anuales debidos a
un prstamo. Supngase que se desea pedir un prstamo de P pesos para pagar-
lo en n pagos anuales con una tasa de inters . La frmula para calcular el pago
anual, A, es.
A1 =P
i(1 +i)"
(1 +i)" - 1
Escrbase un programa para calcular A,. Prubese con P =$10 O00 y una tasa
de inters del 20 por ciento. ( i =0.20). Hgase el programa de tal forma que se
puedan evaluar tantos valores de n como se desee. Calclense los resultados para
n =1, 2, 3, 4 y 5.
2.10 J unto con los clculos de los pagos anuales por prstamos, como se hizo en el
problema 2.9, las frmulas de economa se pueden emplear para determinar los
pagos anuales correspondientes a otros tipos de flujo de efectivo. Por ejemplo,
supngase que existe un gasto que crece de manera uniforme a un promedio G
conforme avanza el tiempo. A estos pagos se les conoce como series de gradiente
aritmticas. La frmula de economa que calcula un pago anual equivalente para
este tipo de flujo de efectivo es
n
1
Ahora, supngase que se pide un prstamo de P =$10 O00 con un inters del
20% (i =0.20) y se compra un nuevo sistema de cmputo. El costo de manteni-
miento de la computadora crece de acuerdo a la serie de gradiente aritmtica con
una tasa de G =$50/ao/ao. J unto con estos dos costos (esto es, flujos de
efectivo negativos para los pagos del prstamo y del mantenimiento), tambin se
obtendrn beneficios o flujos de efectivo positivos con el uso del sistema. El apro-
vechamiento en consulta y el uso de la computadora se pueden tasar con un valor
anual de A, =$4 000. Por lo tanto, el valor neto A, como propietario de la m-
quina sobre una base anual, se puede calcular como beneficios menos costos, o
A N =AB - A, - A2
Por lo tanto, si A, es positivo, la computadora est generando ganancias sobre
una base anual. Si A, es negativo, se est perdiendo dinero.
Desarrllese, rastrese, prubese y documntese un programa que calcule
AN El programa se debe disear de tal forma que el usuario pueda introducir co-
mo datos las variables P, i, G, A, y n. sese el programa para estimar A, con
el nuevo sistema de cmputo para n =1, 2, 3, 4 y 5. Esto es, evalense las ga-
nancias si el sistema se posee de l a 5 aos. Grafquese AN contra n (si es posi-
ble se puede usar lacomputadora para hacer la grfica). Determnese el plazo que
se debe poseer el sistema para empezar a ganar dinero. ( Not a: la informacin adi-
cional para este problema se puede obtener del primer caso del captulo 6).
2.1 1 Implemntese el programa de la figura 2.11. Efectense las modificaciones nece-
sarias de tal forma que sea compatible con el lenguaje usado en la computadora.
Una vez que el programa se encuentre en la computadora, prubese duplicando
los clculos de la figura 2.12. Reptanse los clculos con pasos de tamao 1 y 0.5.
Comprense los resultados con la solucin analtica obtenida anteriormente en el
ejemplo 1.1. ?.Mejoran o empeoran los resultados al hacer el tamao del paso ms
pequeo?. Explquense los resultados.
2.12 El siguiente algoritmo est diseado para determinar la calificacin final de un cur-
so, que consiste en exmenes parciales. tareas y examen final:
Paso 1: Introducir el nmero del curso y el nombre.
Paso 2: Introducir los factores de peso: para exmenes parciales REP) para ta-
reas (PT) y para el examen final (PEF)
LA PROGRAMACl6N EN LAS COMPUTADORAS PERSONALES if)Zfji3fi51*1
Paso 3:
Paso 4:
Paso 5:
Paso 6:
Paso 7:
Paso 8:
Paso 9:
Paso 10:
Paso 11:
Introducir las calificaciones de los exmenes parciales y determinar la
calificacin promedio (CEP).
Introducir las calificaciones de las tareas y determinar lacalificacin pro-
medio (CT) .
Si sta es laltima calificacin, ir al paso 8; de otra manera, continuar.
Determinar la calificacin promedio (CP) mediante
PEP CEP +PT * CT
PEP PT
CP =
Ir al paso 10.
Introducir la calificacin del examen final (CEF).
Determinar la calificacin promedio (CP) mediante
PEP CEP +PT CT +(PEF) (CEF)
PEP +PT +(PEF)
CP =
Imprimir el nmero del curso, nombre y calificacin promedio
Detener los clculos.
a) Escrbase un programa basado en este algoritmo
b) Rastrese y prubese usando los datos: PEP =35; PT =25; PEF =40; Ex-
menes parciales = 100, 98, 83, 76, 100; tareas =96, 94, 83, 100, 77, y
examen final =88.
c) Preprese una pequea documentacin para el programa.
2.13 La figura para este problema muestra el reverso de una hoja de estado de cuenta
de cheques. El banco ha elaborado esta hoja para ayudar en el balance de una
cuenta de cheques. Si se observa bien, se podr6 realizar un algoritmo. Desarrlle-
se, rastrese y documntese un programa que obtenga el saldo actual de lacuen-
ta de cheques basado en el esquema de la figura. Se pueden usar los nmeros
de la figura para probar el programa.
2.14 Escrbase, rastrese y documntese un programa que determine las estadsticas
del deporte preferido. Escjase cualquiera desde futbol hasta el lanzamiento de
bolos. Si el lector practica deportes en interiores elabrese uno para el propio equipo.
Disese el programa de forma tal que sea legible y muestre informacin intere-
sante a cualquiera (por ejemplo, al entrenador o jugador) que pueda usarse para
evaluar el rendimiento de los jugadores.
2.15 sese laopcin de graficacin del programa BISECCIN (en el disco NUMERI-
COMP) para trazar varias funciones de cualquier tipo. Prubense funciones poli-
nominales y trascendentes cuyo comportamiento sea difcil de visualizar antes de
graficarlas. sense varias alternativas para ambos ejes x y y para facilitar laexplo-
racin. Hganse copias permanentes de los trazos si se tiene una impresora.
2.16 Se debe lograr lacapacldad de graticar funciones de una forma parecida a como
lo hace el programa BISECCIN. Progrmese la computadora de una manera
apropiada para lograrlo. Si la computadora no tiene un sistema operativo cuyos
programas puedan ayudar, entonces se deben escribir, usando las capacidades
de la misma.
?.
EL REA DE ABAJ O SE PROPORCIONA PARA AYUDAR EN EL SALDO DEL TALONARlO
CHEQUES POR COBRAR NO
CARGADOS AL ESTADO DE
CUENTA
4 58
O0 50 466
IS 44 46 S
32 9
4 64
74 I 4 463
O0 150 46 I
33 13
4 60
68 5
~
FIGURA DEL PROBLEMA 2.13
MES Abrl I I p ~
SALDO NUEVO
COMO SE MUESTRA EN 643. S4
ESTE ESTADO DE CUENTA
SUMA
DEPSITOS QUE NO
250.00
CUENTA
ESTAN EN ESTE ESTADO DE 22. IS
TorAL S
RESTA
TOTAL DE CHEQUES
POR COBRAR
SALDO DEL TALONARIO 600.52
DESPUS DE RESTAR LA
CARGA DE SERVICIO DEL MES ACTUAL Y SUMAR
LOS INTERESES DEVENGADOS ( s bl o LAS CUENTAS
A FAVOR DEL SALDO
El programa se debe guardar en un disco de memoria magntica. Documntese
este programa despus de rastrearlo y examinarlo cuidadosamente. Djese listo
para poder modificarlo de acuerdo a los requisitos del libro, conforme se avance
2.17 Aprndase la manera de hacer copias permanentes de las grficas del problema
2.16 si se Tiene una impresora.
CAP TULO T R E S
APROXIMACIONES
Y
ERRORES
Debido a que la mayor parte de los mtodos expuestos en este libro son
muy claros en su descripcin y en sus aplicaciones, resulta tentador en
este momento ir directamente al cuerpo principal del texto y averiguar
el uso de estas tcnicas. Sin embargo, ya que los errores son parte intrn-
seca en el entendimiento y uso efectivo de los mtodos numricos, se
ha escogido este captulo para desarrollar este tema.
La importancia de los errores se menciona por primera vez con el pro-
blema del paracaidista, en el captulo 1. Recurdese que se determin
la velocidad de cada del paracaidista analtica y numricamente. Aun-
que con la tcnica numrica se obtuvo una solucin cercana a la real (la
analtica), hubo cierta discrepancia o error, debido a q1.lelos mtodos nu-
mricos son slo una aproximacin.
La mayor parte de las tcnicas desarrolladas en este libro tienen la
caracterstica de poseer errores. Esto puede parecer contradictorio a pri-
mera vista ya que no coincide con la imagen que se tiene de un buen
mecanismo de ingeniera. Los estudiantes y pasantes de ingeniera luchan
constantemente para limitar este tipo de errores en sus trabajos. Cuando
hacen un examen o realizan tareas, son sancionados mas no premiados
por sus errores. En la prctica profesional, los errores pueden resultar cos-
tosos y en algunas ocasiones catastrficos. Se puede perder hasta la vida
si una estructura o un dispositivo llega a fallar.
Aunque la perfeccin es una meta digna de alabarse, es difcil, si no
imposible, alcanzarla. Por ejemplo, a pesar de que el modelo obtenido
mediante la segunda ley de Newton es una aproximacin excelente. en
la prctica jams predecir exactamente lacada del paracaidista. Algunos
fenmenos, tales como la velocidad del viento y alguna pequena variacin
en la resistencia del aire cambiarn totalmente laprediccin, Si estas desvia-
ciones se comportan bajo un patrn constante ya sea subiendo o bajando.
bastar con formular un nuevo modelo. Sin embargo, si su distribucin es
aleatoria pero se agrupa muy prxima alrededor de laprediccin, entonces
las desviaciones pueden calificarse como insignificantes y el modelo nueva-
mente se considerar adecuado. Las aproximaciones numricas pueden in-
3.1
troducir errores similares en el anlisis. Nuevamente la pregunta es: qu
error puede considerarse tolerable?
Este captulo cubre varios aspectos que identifican, cuantifican y mini-
mizan estos errores. En las primeras secciones se revisa la informacin
referente a la cuantificacin de los errores. En seguida se estudian dos de
los errores ms comunes: errores de redondeo y errores de truncamiento.
Los errores de redondeo se deben a que la computadora slo puede repre-
sentar cantidades con un nmero finito de dgitos. Los errores de trunca-
miento representan la diferencia entre una formulacin matemtica exacta
de un problema y la aproximacin dada por un mtodo numrico. Final-
mente, se discuten los errores sin relacionarlos con ningn mtodo nu-
mrico en especial. Incluyendo errores por equivocacin, errores en la
formulacin de modelos y la incertidumbre en la obtencin de datos.
CIFRAS SIGN I FICATIVAS
En este libro se analizan casi exclusivamente aproximaciones que se relacio-
nan con el manejo de nmeros. En consecuencia, antes de discutir los erro-
res asociados con los mtodos numricos, es til repasar algunos conceptos
bsicos referentes a la representacin aproximada de los nmeros mismos.
Cuando se emplea un nmero en un clculo, debe haber seguridad
que pueda usarse con confianza. Por ejemplo, la figura 3.1 muestra un
velocmetro y el odmetro (contador de kilometraje) de un automvil. Con
un simple vistazo al velocmetro puede verse que el automvil viaja a una
velocidad comprendida entre 48 y 49 km/ h. Ya que la flecha est ms
FIGURA 3.1 El velocmetro y el odmetro de un automvil ilustran el concepto de ci-
fras significativas.
APROXIMACIONES Y ERRORES 65
all de la mitad de las marcas del indicador, se puede asegurar que el
automvil viaja aproximadamente a 49 km/ h. Este resultado casi es ver-
dico ya que dos o ms lecturas individuales al indicador llevan a la misma
conclusin. Sin embargo, supngase que se desea obtener una cifra de-
cimal ms en la estimacin de la velocidad. En este caso, alguien puede
decir 48.7, mientras que otro podr decir 48.8 km/ h. Por lo tanto, debi-
do a los lmites del instrumento, nicamente se pueden usar dos dgitos con
confianza. Las estimaciones del tercer dgito (o ms) slo se pueden calcu-
l ar someramente. Sera ridculo afiimar, con base al velocmetro, que el auto-
mvil est viajando a una velocidad de 48. 764 213 8 km/ h. En contraste,
el odmetro muestra hasta seis dgitos confiables. De la figura 3.1 se puede
concluir que el automvil ha recorrido un poco menos de 87 324.5 km du-
rante su uso. En este caso el sptimo dgito (y los siguientes) se desconocen.
El concepto de cifras o digitos significatiuos se ha desarrollado para
designar formalmente la confiabilidad de un valor numrico. El nmero
de cifras significativas es el nmero de dgitos, ms un dgito estimado
que se pueda usar con confianza. Por ejemplo, el velocmetro y el od-
metro de la figura 3.1 estiman hasta tres y siete cifras significativas res-
pectivamente. Los ceros no siempre son cifras significativas ya que pueden
usarse slo para ubicar el punto decimal. Los nmeros
0.000 018 45
0.000 184 5
0.001 845
tienen cuatro cifras significativas. Cuando se incluyen ceros en nmeros
muy grandes, no se ve claro cuantos ceros son significativos, si es que
los hay. Por ejemplo, en el valor nominal, el nmero 45 300 puede
tener tres, cuatro o cinco dgitos significativos, dependiendo si los ce-
ros se conocen con exactitud. La incertidumbre se puede desechar
usando la notacin cientfica en donde 4.53 X l o4, 4.530 X l o4
y 4.530 O x l o4 muestran que el nmero tiene tres, cuatro y cin-
co cifras significativas.
El concepto de cifras significativas tiene dos implicaciones importan-
tes en el estudio de los mtodos numricos.
1. Como se dijo en el problema del paracaidista, los mtodos numri-
cos obtienen resultados aproximados. Por lo tanto, se deben desa-
rrollar criterios para especificar qu tan precisos son los resultados
obtenidos. Una manera de hacerlo es en trminos de cifras significati-
vas. Por ejemplo, se puede decidir que la aproximacin es aceptable
siempre y cuando sea correcta hasta cuatro cifras significativas -es-
to es, debe existir seguridad que las primeras cuatro cifras son co-
rrectas.
2. Aunque ciertas cantidades tales como T , e, o fi representan nmeros
especficos, no se pueden expresar exactamente con un nmero fini-
to de dgitos. Por ejemplo, el nmero T es igual a
3.141 592 653 589 793 238 462 643 .
hasta el infinito. Debido a que las computadoras personales sl o re-
tienen aproximadamente diez cifras significativas (comnmente varan
entre 7 y 14, como se puede ver en el cuadro 2. l), tales nmeros
jams se podrn representar exactamente. A la omisin del resto de
cifras significativas se le conoce como error de redondeo.
Los errores de redondeo y el uso de cifras significativas para expresar
la exactitud de un nmero se estudian con ms detalle en las siguientes
secciones. Adems, el concepto de cifras significativas tiene mucha im-
portancia en la definicin de exactitud y precisin en la siguiente seccin.
3.2 EXACTITUD Y PRECISIN
Los errores asociados con los clculos y medidas se pueden caracterizar
observando SU precisin y exactitud. La precisin se refiere a 1) el nme-
ro de cifras significativas que representan una cantidad o 2) la extensin
en las lecturas repetidas de un instrumento que mide alguna propiedad
fsica. La exactitud se refiere a la aproximacin de un nmero o de una
medida al valor verdadero que se supone representa.
Estos conceptos se pueden ilustrar grficamente usando una analo-
ga con un buen tirador al blanco. Los agujeros en el centro del tiro al
blanco de cada esquema de la figura 3.2 se pueden imaginar como las
predicciones en una tcnica numrica, mientras que el centro del blanco
de cada esquema representa la verdad. La inexactitud (conocida tambin
como sesgo) se define como un alejamiento sistemtico de la verdad. Por
lo tanto, aunque las balas en la figura 3 . 2 ~ estn ms juntas que las de
la figura 3.2~1, los dos casos son igualmente inexactos ya que ambos se
centran en la esquina superior izquierda del blanco. La precisin, por el
otro lado se refiere a la magnitud del esparcimiento de las balas. Por lo
tanto, aunque las figuras 3.2b y 3.2d son igualmente exactas (esto es.
igualmente centradas respecto al blanco), la ltima es ms precisa ya que
las balas estn en un grupo ms compacto.
Los mtodos numricos deben ser lo suficientemente exactos o sin
sesgos para que cumplan los requisitos de un problema particular de inge-
niera. Tambin deben ser lo suficientemente precisos para el diseo en
la ingeniera. En este libro se usa el trmino error para representar la ine-
xactitud y la imprecisin de las predicciones. Con estos conceptos como
antecedentes, ahora se pueden discutir los factores que contribuyen al error
en los clculos numricos.
FIGURA 3.2 Un ejemplo de un buen tirador ilustra el concepto de exactitud y preci-
sin. o) Inexacto e impreciso; b) exacto e impreciso; c) inexacto y preci-
so; d) exacto y preciso.
3.3 DEFINICIONES DE ERROR
Los errores numricos se generan con el uso de aproximaciones para re-
representar las operaciones y cantidades matemticas. Estos incluyen erro-
res de truncamiento, que resultan de representar aproximadamente un
procedimiento matemtico exacto, y los errores de redondeo, que resul-
tan de representar aproximadamente nmeros exactos. Para los dos ti-
pos de errores, la relacin entre el resultado exacto o verdadero y el
aproximado est dada por
Valor verdadero = valor aproximado + error [3.11
reordenando laecuacin (3. l ), se encuentra que el error numrico es igual
a la diferencia entre el valor verdadero y el valor aproximado, esto es
E, = valor verdadero - valor aproximado D.21
68 MgTODOS NUMeRICOS PARA INGENIEROS
EJ EMPLO 3.1
Clculo de errores
Enunciado del problema: supngase que se tiene que medir la longitud
de un puente y de un remache, obtenindose 9 999 y 9 cm, respectiva-
mente. Si los valores verdaderos son 10 O00 y 10 cm, calclese a) el error
y b) el error relativo porcentual de cada caso.
Solucin: a) El error en la medicin del puente es [Ec. (3.2)]
E, = 10 O00 - 9999 = 1 cm
y para el remache es de
E,= 10- 9 = l cm
b) El error relativo porcentual para el puente es de [Ec. (3.3)]
1
E =
100% = 0.01 %
10 O00
y para el remache es de
, = -
100% = 10%
10
Por lo tanto, aunque ambas medidas tienen un error de 1 cm, el error
relativo porcentual del remache es mucho ms grande. Se puede con-
cluir que se ha hecho un buen trabajo en la medida del puente, mientras
que la estimacin para el remache deja mucho que desear.
donde E, se usa para denotar el valor exacto del error. Se incluye el
subndice v para dar a entender que se trata del verdadero error. Como
ya se mencion brevemente, esto contrasta con los otros casos, donde
se debe emplear una estimacin aproximada del error.
Un defecto en esta definicin es que no toma en consideracin el or-
den de magnitud del valor que se est probando. Por ejemplo, un error
de un centmetro es mucho ms significativo si se est midiendo un re-
mache que un puente. Una manera de medir las magnitudes de las canti-
dades que se estn evaluando es normalizar el error respecto al valor
verdadero. como en
Error relativo fracciona1 =
error
valor verdadero
donde, como ya se dijo en la ecuacin (3.2) error = valor verdadero -
valor aproximado. El error relativo tambin se puede multiplicar por el
100% para expresarlo como
error verdadero
valor verdadero
E , = 100 %
donde E, denota el error relatioo porcentual.
Ntese que en las ecuaciones (3.2) y (3.3) E y E tienen un subndice
u que significa la normalizacin del error al valor verdadero. En el ejemplo
3.1, se utiliz el valor verdadero. Sin embargo, en las situaciones reales es
a veces difcil contar con tal infornacin. Para los mtodos numricos,
el valor verdadero nicamente se conocer cuando se habla de funciones
que se puedan resolver analticamente. Por lo general este ser el.caso cuando
se estudie el comportamiento terico de una tcnica en particular. Sin em-
bargo, en aplicaciones reales, obviamente no se conoce la respuesta verda-
dera a priori. En estos casos, normalizar el error es una alternativa, usando
la mejor estimacin posible del valor verdadero, esto es, a la aproximacin
misma, como
error aproximado
valor aproximado
a = 100 %
donde el subndice a significa que el error est normalizado a un valor
aproximado. Ntese tambin que en aplicaciones reales, laecuacin (3.2)
no se puede usar para calcular el trmino del error para la ecuacin (3.4). Uno
de los retos a que se enfrentan los mtodos numricos es el de determinar
estimaciones del error en ausencia de conocimiento de los valores verda-
deros. Por ejemplo, ciertos mtodos numricos usan un esquema iterati-
uo para calcular resultados. En tales esquemas, se hace una aproximacin
en base a la aproximacin anterior. Este proceso se repite varias veces,
o de forma iterativa, para calcular sucesivamente ms y mejores aproxi-
maciones. En tales casos, el error a menudo se calcula como ladiferencia
entre laaproximacin previa y laactual. Por lo tanto, el error relativo por-
centual est dado por
a =
aproximacin actual - aproximacin previa
aproximacin actual
100%
[3.5]
-
En captulos posteriores se explicarn con detalle ste y otros esquemas
para expresar errores.
El signo de las ecuaciones (3.2) hasta la (3.5) puede ser positivo o
negativo. Si laaproximacin es mayor que el valor verdadero (o laapro-
ximacin previa es mayor que laaproximacin actual), el error es negati-
vo; si la aproximacin es menor que el valor verdadero, el error es positivo.
Tambin, en las ecuaciones (3.2) a la (3.5), el denominador puede ser
menor de cero, lo que puede llevar a un error negativo. A menudo. cuando
se realizan clculos, puede no importar mucho el signo del error sino ms
bien que su valor absoluto sea menor que una tolerancia prefijada E,. Por
lo tanto, a menudo es til emplear el valor absoluto de las ecuaciones
(3.2) a la (3.5). En tales casos, los clculos se repiten hasta que
Si se cumple la relacin anterior, entonces se considera que el resultado
obtenido est dentro del nivel aceptable, fijado previamente, E,.
Es tambin conveniente enfocar estos errores hacia el nmero de ci-
fras significativas en la aproximacin. Se puede demostrar (Scarborough.
1966) que si el siguiente criterio se cumple, puede tenerse la seguridad
que el resultado es correcto en al menos n cifras significativas.
[ 3. 7]
EJ EMPLO 3. 2
Estimacin del error para mtodos iterativos
Enunciado del problema: en matemticas, a menudo se pueden repre-
sentar las funciones mediante una serie infinita. Por ejemplo, la funcin
exponencial se puede calcular usando:
[E3.2.1]
Mientras ms trminos se le agreguen a la serie. la aproximacin se acer-
car ms y ms al valor de ex. A la ecuacin (E3.2.1) se le llama expan-
sin en series de Maclaurin.
Empezando con el primer trmino, ex =1, y agregando un trmino
a la vez, estmese el valor de e"' . Despus que se agregue cada trmi-
no, calclense los errores relativos porcentuales real y aproximado. usando
las ecuaciones (3.3) y (3.5), respectivamente. Ntese que el valor real
es eo = 1.648 721 271. Agrguense trminos hasta que el valor abso-
luto del error aproximado e, sea menor al criterio preestablecido. f , que
contempla tres cifras significativas.
Solucin: en primer lugar, la ecuacin (3.7) se puede emplear para de-
terminar el criterio de error que asegura un resultado correcto en al me-
1 nos tres cifras significativas:
es = (0.5 X 102-3)% =0.05%
Por lo tanto, se agregarn trminos a la serie hasta que E, sea menor que
este nivel.
La primera estimacin es igual a la ecuacin (E3.2.1) con un slo tr-
mino. Por lo tanto la primer estimacin es igual a l . La segunda estima-
cin se obtiene agregando el segundo trmino, como sigue:
ex=l +x
y para x = 0.5
= 1 +0.5 = 1.5
Que representa un error relativo porcentual de [Ec. (3.3)]
1.648721271 - 1.5 = 9.029%
" =
1.648721271
La ecuacin (3.5) determina una estimacin aproximada del error, dado
por:
1.5 - 1
Eo =
1.5
100% = 33.3%
Ya que E, no es menor que el valor prefijado, E$, los clculos continan
agregando otro trmino, x2 / 2! y repitiendo los cdlculos de errores. El
proceso se contina hasta que eo < E,. Todos los clculos se pueden re-
sumir de la siguiente manera.
Trminos Resultado E" 9% EL7 5%
1 1 39.3
2 1.5 9.02 33.3
3 1.625 1.44 7.69
4 1.645833333 O. 175 1.27
5 1.648437500 0.01 72 O. 158
6 1.64869791 7 0.001 42 0.01 58
As, despus de que los seis trminos se incluyen, el error estimado baja
de E, = 0.05%, y el clculo termina. Sin embargo, ntese que en vez
de tres cifras significativas, el resultado se mejora al llegar a cinco cifras!
Esto se debe a que, para este caso, las ecuaciones (3.5) y 3.7) son con-
servativas, esto es, aseguran que los resultados son por lo menos tan bue-
nos como lo especifican. Aunque, como se analiza en el cptulo 5, este
no es siempre el caso para la ecuacin (3.5), y es cierto casi siempre.
Con las definiciones anteriores como antecedente, se puede proceder
ahora sobre los dos tipos de error ligados directamente con los mtodos nu-
mricos. Estos son los errores de redondeo y los errores de truncamiento.
3.4 ERRORES DE REDONDEO
Como ya se ha mencionado, los errores de redondeo se deben a que las
computadoras slo guardan un nmero finito de cifras significativas durante
un clculo. Las computadoras realizan esta funcin de maneras diferentes.
Por ejemplo, si slo se guardan siete cifras significativas, la computadora puede
almacenar y usar K como K = 3.141 592, omitiendo los trminos restantes
y generando un error de redondeo, [de la ecuacin (3.2)]:
E, =0.000 O00 65.
La anterior es una de las varias formas que utiliza una computadora
para redondear nmeros. Esta tcnica de retener slo los primeros siete
trminos se le llam truncamiento en el ambiente de computacin. De
preferencia se le llamar de corte para distinguirlo de los errores de trunca-
miento discutidos en la prxima seccin. Un corte ignora los trminos res-
tantes de la representacin decimal completa. Por ejemplo, el octavo dgito
significativo en este caso es 6. Por lo tanto K se representa de manera ms
exacta como 3.141 593 que como 3.141 592 obtenido mediante un corte,
ya que el valor est ms cercano del valor verdadero. Esto se puede visuali-
zar de la siguiente manera, si K se aproxima por K = 3.141 593, el error
de redondeo se reduce a:
E, = 0.000 O00 35.
Las computadoras se pueden desarrollar para redondear nmeros de
acuerdo a reglas de redondeo, como la que se acaba de mencionar. Sin
embargo, esto agrega costo computacional por lo que algunas computado-
ras usan el corte directo. Este enfoque se justifica bajo la suposicin de que
el nmero de cifras significativas en la mayor parte de las computadoras es
mucho mayor que el error de redondeo dado por un corte usualmente in-
significante. Esta suposicin se sustenta en el siguiente ejemplo.
Los errores de redondeo asociados con el ejemplo 3.3 son impercep-
tibles en todos los casos cuando se comparan con el error de truncamiento
en t = 12 S que es (vanse los ejemplos 1.1 y 1.2):
4749.0 - 4995.9
E, =
4749.0
100 =-5.20%
EJ EMPLO 3.3
Efectos del error de redondeo en los clculos del problema del para-
caidista
Enunciado del problema: reptanse los clculos del ejemplo 1.2, usando
tres, cuatro cinco y seis cifras significativas.
CUADRO 3.1 Comparacibn del problema del paracaidista usan-
do una cantidad diferente de cifras significativas, con
un tamao de paso igual a 2 s. Los clculos se reali-
zan con el nmero de cifras significativas indicadas.
VELOCI DAD, cmls (cifras significativas)
Tiempo, S 3 4 5 6
O O O 0.0 0.0
2 1960 1960 1960.0 1960.00
4 3200 3200 3200.4 3200.46
6 3980 3985 3985.5 3985.54
8 4470 4482 4482.3 4482.41
10 . 4780 4796 4796.8 4796.88
12 4980 4995 4995.8 4995.91
Solucin: usando tres cifras significativas, u ( 2 ) se calcular como en el
ejemplo 1.2 :
u ( 2 ) = 1960
Con tres cifras significativas, el valor de u(4) = 3 200.5 se representar
como 3 200. Los clculos continan de la siguiente manera:
u( 6) = 3 980
u( 8) = 4 470
u(10) = 4 780
u(12) = 4 980
El resto de los clculos resueltos estn en el cuadro 3.1.
El valor numrico de t = 12 S y hasta 10 cifras significativas es de
4 995.921 508. Por lo tanto, usando tres, cuatro, cinco y seis cifras signi-
ficativas se producen los errores relativos porcentuales de redondeo 0.32,
0.018, 0.002 4 y 0.000 23, respectivamente.
Ya que la mayor parte de las computadoras tienen entre 7 y 14 cifras
significativas, los errores de redondeo pareceran no ser muy importan-
tes. Sin embargo, hay dos razones del porqu pueden resultar crticos en
algunos mtodos numricos:
1. Ciertos mtodos requieren cantidades extremadamente grandes para
obtener una respuesta. Adems, estos clculos a menudo dependen
entre s. Esto es, los clculos posteriores son dependientes de los an-
teriores. En consecuencia, aunque un error de redondeo individual
puede ser muy pequeo, el efecto de acumulacin en el transcurso
de la gran cantidad de clculos puede ser significativo.
2. El efecto del redondeo puede ser exagerado cuando se llevan a cabo
operaciones algebraicas que emplean nmeros muy pequeos y muy
grandes al mismo tiempo. Ya que este caso se presenta en muchos
mtodos numricos, el error de redondeo puede resultar de mucha
importancia.
EJEMPLO 3.4
La importancia de las cifras significativas de los clculos algebraicos
Enunciado del problema: determnese la diferencia de dos nmeros gran-
des: 32 981 108.123 4 y 32 981 107.998 9. En seguida, reptanse los
clculos pero incrementando el minuendo en un 0.001%.
Solucin:
la diferencia de los nmeros es
32 981 108.123 4
-32 981 107.998 9
0.124 5
Ahora, incrementando el minuendo en un 0.001% se obtiene el nmero
32 981 437.934 5, y la diferencia es:
32 981 437.934 5
-32 981 107.998 9
329.935 6
que es considerablemente diferente de la primera. De aqu que una mo-
dificacin en el minuendo, aparentemente insignificante, provoca una gran
diferencia en el resultado.
Los tipos de errores mencionados hasta ahora pueden tener dificulta-
des para ciertos mtodos numricos. Estos se discuten en las siguientes
secciones del libro.
3.4.1 Reglas de redondeo
Las reglas para redondear nmeros en clculos manuales se analizan en
el recuadro 3.1 y se ilustran en el ejemplo 3.5. Estas reglas no se aplican
normalmente cuando se realizan clculos extensos por computadora. Sin
embargo, ya que se usan clculos manuales a lo largo del texto, se han
incluido estas reglas como punto de referencia para clculos posteriores.
RECUADRO 3.1 Reglas de redondeo
Las siguientes reglas dan la pauta a seguir en el redon-
deo de nmeros cuando se realizan clculos a mano.
1. En el redondeo, se conservan las cifras significativas
y el resto se descarta (fig. B3.1). El ltimo dgito
que se conserva se aumenta en uno si el primer d-
gito descartado es mayor de 5. De otra manera se
deja igual. Si el primer dgito descartado es 5 o es
5 seguido de ceros, entonces el ltimo dgito reteni-
do se incrementa en 1, slo si es impar.
2. En la suma y en la resta, el redondeo se lleva a cabo
de forma tal que el ltimo dgito retenido en la res-
puesta corresponda al ltimo dgito m6s significativo
de los nmeros que estdn sumando o restando. N6-
tese que un dgito en la columna de las centsimas
es m6s significativo que uno de la columna de las mi-
lsimas.
3. Para la multiplicacin y para la divisin el redondeo
es tal que la cantidad de cifras significativas del resul-
ultimo Primer
digito digito
5.6170 431
tad0 es igual al nmero ms pequeo de cifras signi-
ficativas que contiene la cantidad en la operacin.
4. Para combinaciones de las operaciones aritmticas,
existen dos casos generales. Se puede sumar o res-
tar el resultado de las multiplicaciones o de las divi-
siones.
Multiplicacin multiplicacin
( diviin ) ( divizn )
o tambin se pueden multiplicar o dividir los resulta-
dos de las sumas y las restas:
En ambos casos, se ejecutan las operaciones entre
parntesis y el resultado antes de proceder con otra
operacin, en vez de redondear nicamente el resul-
tado final.
Digitas Digitos
retenidos o descartadas
significativas
FIGURA B3-1. Ilustracin de los dgitos retenidos y descartados de un nmero con cin-
co cifras significativas.
EJ EMPLO 3.5
Ilustraciones de las reglas de redondeo
Los siguientes ejemplos tienen por objeto ilustrar las reglas de redondeo
analizadas en el recuadro 3.1
1. Errores de redondeo
5.6723 +5.67 3 cifras significativas
10.406 +10.41
4 cifras signlficativas
7.3500 - 7.4
2 cifras significativas
88.21650 -.+ 88,216
5 cifras significativas
1.25001 1.3 2 cifras significativas
2. Sumas y restas. (Nota: las ltimas cifras ms significativas que se re-
tienen, estn en negritas) :
a) Evalese 2.2 - l . 768
2.2 - 1.768 = 0.432 + 0.4
b) Evalese 4.68 x l op7 + 8.3 x - 228 x lop6. La eva-
luacin de este clculo se facilita expresando los nmeros con un mismo
exponente:
0.004 68 x + 8.3 x - 2.28 x
De esta manera, se puede ver claramente que el 3 es el ltimo dgito
significativo reteniendo, por lo que la respuesta se redondea de la si-
guiente manera:
6,024 68 x - 6.0 x
3. Multiplicacin y divisin:
a) Evalese 0.0642 X 4.8
0.064 2 X 4.8 = 0.308 16 -+0.31
b) Evalese 945 f 0.3185
945
0.318 5
= 2 967.0329 67 . . . -+2 970
4. Combinaciones:
a) Evalese [15.2 (2.8 x + [(8.456 x + 0.1771
Primero, efectense la multiplicacin y la divisin que estn dentro
de los corchetes:
[4.256 X 10.~1 + [4.777 401 . . . + 10.~1
Ahora, antes de sumar, se redondean las cantidades encerradas:
y despus smese y redondese el resultado:
I
9.08 X 10-3 -A 9.1 X 10-3
6.740 X 10-5 - 8.7 X 10-7
b) Evalese
2.672 X lo3 + 5.8
Antes de realizar las sumas y las restas, se expresan los nmeros del nu-
merador y del denominador de manera que estn elevados al mismo ex-
ponente.
674 X 10-7 - 8.7 X 10-7
2.672 x lo3 + 0.005 8 x lo3
Ahora se hace la suma y la resta:
665.3 X
2.677 8 x lo3
1 y se redondea:
665 X 10-7
2.678 X lo3
finalmente, se divide y se redondea el resultado:
2.483 196 . . . X lo-* "+2.48 x
3.5 ERRORES DE TRUNCAMIENTO
Los errores de truncamiento son aquellos que resultan al usar una aproxi-
macin en lugar de un procedimiento matemtico exacto. Por ejemplo, en
el capitulo 1 se aproxim la derivada de la velocidad de cada de un para-
caidista mediante la ecuacin de diferencia dividida de la forma [c. (l. lo)] :
Se introdujo un error de truncamiento en la solucin numrica ya que
la ecuacin de diferencias slo aproxima el valor verdadero de la deriva-
da (Fig. 1.3). Adems para obtener conocimiento de las caractersticas
de estos errores se regresa a la formulacin matemtica usada amplia-
mente en los mtodos numricos para expresar funciones en forma poli-
nomial: La serie de Taylor.
3.5.1 Serie de Taylor
En el ejemplo 3.2 se usa una serie infinita para evaluar una funcin en
un valor especfico de la variable independiente x. De manera similar, la
serie de Taylor da una formulacin para predecir el valor de la funcin
en x,+l en trminos de la funcin y de sus derivadas en una vecindad
al punto x,.
En vez de presentar en conjunto la serie de Taylor, se obtendr ms
conocimiento de la misma construyndola trmino a trmino. Por ejem-
plo, el primer trmino de la serie es:
Esta igualdad, conocida como aproximacin de orden cero, indica que
el valor de f en el nuevo punto es el mismo que el valor en el punto ante-
rior. Este resultado se logra intuitivamente ya que si xi y xi + estn muy
prximas una de la otra, entonces es igualmente posible que el nuevo
valor sea probablemente similar al anterior.
La ecuacin (3.9) da una estimacin perfecta si la funcin que se va
a aproximar es una constante. Sin embargo, si la funcin cambia en todo
el intervalo, entonces se requieren los trminos adicionales de la serie de
Taylor para obtener una mejor aproximacin. Por ejemplo, la aproxima-
cin a primer orden se obtiene sumando otro trmino al anterior para
obtener:
[3.10]
El trmino adicional de primer orden consiste de la pendiente f' (xi) mul-
tiplicada por la distancia entre xi y xi +l . Por lo tanto, la expresin ahora
representa una lnea recta y es capaz de predecir un incremento o un de-
cremento de la funcin entre xi y x ~+~.
Aunque la ecuacin (3.10) puede predecir un cambio, slo es exacta
para una lnea recta o es de direccin lineal. Por lo tanto, se le agrega
a la serie un trmino de segundo orden para obtener algo sobre la curva-
tura de la funcin si es que la tiene:
[3.11]
De manera similar, se pueden agregar trminos adicionales para desarro-
llar la expansin completa de la serie de Taylor:
+m (xi+l - Xj)3 +. . . +- f(,) (Xi )
3!
(Xii-1 - xi ) " + R"
n!
[3.12]
Ntese que debido a que la ecuacin (3.12) es una serie infinita, el signo
igual reemplaza al de aproximacin usado en las ecuaciones (3.9) a la
(3.11). Se incluye un trmino residual para considerar todos los trminos
desde n + 1 hasta el infinito:
f'"+"(h)
R, =
(n + l)!
(Xi+1 - Xi),+]
[3.13]
donde el subndice n indica que el residuo es de la aproximacin a n-esimo
orden y ( es un valor cualquiera de x que se encuentra en xi y xi+
La inclusin de dentro de la serie es de mucha importancia al grado
que se dedica una seccin completa (seccin 3.5.2) para su estudio. Por
ahora, es suficiente darse cuenta que existe este valor que da una estima-
cin exacta del error.
Frecuentemente es conveniente simplificar la serie de Taylor definiendo
un paso h = - xi y expresando la ecuacin (3.12) como:
en donde el trmino residual es ahora:
[3.15]
EJ EMPLO 3.6
Aproximaciones de un polinomio mediante l a serie de Taylor.
Enunciado del problema: sense trminos en la serie de Taylor de cero
a cuarto orden para aproximar la funcin:
desde el punto xi = O y con h = 1. Esto es, predecir el valor de la fun-
cin en xi+ = 1.
Solucin: ya que se trata de una funcin conocida, se pueden calcular
valores de f (x) O y 1. Los resultados (Fig. 3.3) indican que la funcin
empieza en f (O) = 1.2 y contina hacia abajo hasta f (1) = 0.2. Por lo
tanto, el valor que se trata de predecir es 0.2
La aproximaci6n en serie de Taylor de orden cero es [Ec. (3.9)1:
Como se puede ver en la figura 3.3, la aproximacin de orden cero es
una constante. El error de truncamiento en este caso es [recurdese la
ecuacin (3. 2)] :
E = 0.2 - 1.2:- 1.0
en x = 1.
x = O, como:
Para n = 1, la primer derivada se debe determinar y evaluar en
FIGURA 3.3 La aproximacin de {(x) =-0.1 x 4 - 0. 15~~ - 0.5~ - 0. 25~ +1.2
en X =7 mediante series de Taylor de orden cero, de primero y se-
gundo orden.
I La aproximacin a primer orden es [Ec. (3.10)]
f ( xi +l ) E 1.2 - 0.25h
que se puede usar para calcular f (1) = 0.95. Por consiguiente, la aproxi-
macin empieza a coincidir con la trayectoria de la funcin como la pen-
diente de una lnea recta (Fig. 3.3). De esta manera el error de truncamiento
se reduce a:
E, = 0.2 - 0.95 = -0.75
en x = 1. Para n = 2, se evala la segunda derivada en x = O:
f(0) = -1.2(0.0)* - 0.9(0.0) - 1.0 = -1.0
y de acuerdo a la ecuacin (3.11) :
f ( xi +l ) 1.2 - 0.25h - 0.5h2
y, sustituyendo h = 1
f(1) = 0.45
Al incluirse la segunda derivada se aade una curvatura descendente
que proporciona una estimacin mejor, como se muestra en la figura 3.3.
El error de truncamiento se reduce a 0.2 - 0.45 = - 0.25.
Los trminos adicionales mejoran an m6s la aproximacin. En efec-
to, incluyendo la tercera y la cuarta derivada, se obtiene la ecuacin original:
f ( q+l ) = 1.2 - 0.25h - 0.5h2 - 0.15h3 - 0.10h4
donde el trmino residual es:
ya que la quinta derivada de un polinomio de cuarto orden es nula,
R4 = O. Por consiguiente, la expansin en serie de Taylor hasta la cuarta
derivada produce una aproximacin exacta en x = 1.
En general, la expansin en serie de Taylor de n-simo orden es exacta
para un polinomio de n-simo orden. Para otras funciones continuas di-
ferenciables, como las exponenciales o senoidales, no se obtiene una estima-
82 MhODOS NUMERICOS PARA INGENIEROS
cin exacta mediante un nmero finito de trminos. Cada uno de los trminos
adicionales contribuye al mejoramiento de la aproximacin, aunque sea con
poco. Esto se muestra en el ejemplo 3.7. Se obtendra un resultado exacto,
nicamente si se agrega un nmero infinito de trminos.
Aunque lo anterior se cumple, el valor prctico de la serie de Taylor
estriba, en la mayor parte de los casos, en el uso de un nmero finito
de trminos que darn una aproximacin lo suficientemente cercana a
la solucin verdadera para propsitos prcticos. La decisin sobre cun-
tos trminos se requieren para obtener una aproximacin razonable se
basa en el trmino residual de la expansin. Recurdese que el trmino
residual es de la forma general de la ecuacin (3.15). Esta frmula tiene
dos grandes desventajas. Primero [ no se conoce exactamente sino que
slo se sabe que est entre xi y xi+ Segundo, para la evaluacin de la
ecuacin (3.15) se requiere evaluar la (n + 1)-sima derivada de f(x).
Para hacerlo, se necesita conocer f(x) . Pero, si ya se conoce f(xj , enton-
ces no hay razn para realizar la expansin en series de Taylor en primer
lugar!
A pesar de este dilema, la ecuacin (3.15) an resulta til para la eva-
luacin de errores de truncamiento. Esto se debe a que tiene control sobre el
trmino h de la ecuacin. En otras palabras, se puede decidir qu tan
lejos de x se desea evaluar f(x) y se puede controlar la cantidad de trmi-
nos incluidos en la expansin. Por lo tanto, la ecuacin (3.15) se expre-
sa, usualmente como:
R, = O(hntl )
donde la nomenclatura O(h + I ) significa que el error de truncamiento es
de orden h,+ Esto es, el error es proporcional al paso h a la (n + 1)
-ensima potencia. Aunque esta aproximacin no implica nada relacionado
con las derivadas que multiplica h ,+es extremadamente til al evaluar
el error relativo de los mtodos numricos basados en las expansiones
en serie de Taylor. Por ejemplo, si el error es O (hj, y se reduce a la mi-
tad el paso, entonces el error se reducir a la mitad. Por otro lado. si el
error es O(h2) y se reduce a la mitad el paso, entonces el error se redu-
cir a una cuarta parte.
EJ EMPLO 3.7
Uso de la serie de Taylor para aproximar una funcin que tiene un
nmero infinito de derivadas.
Enunciado del problema: sense los trminos de la serie de Taylor con
n = O hasta 6 para aproximar:
f (x) = cos x
en x = a / 3 (60O) en base al valor de f (x) y de sus derivadas alrededor
del punto x = a / 4 (45). Ntese que esto significa que h = a / 3 -
a / 4 =a / 1 2 .
Solucin: como en el ejemplo 3.6, el conocimiento de la funcin original
implica que se puede conocer el valor exacto de f (a / 3 ) =0.5.
La aproximacin de orden cero es [Ec. (3.9)]:
f (d3) = COS ( d 4) =0.707 io6 781
que representa un error relativo porcentual de:
E =
0.5 - 0.707 106 781 loo^ = 41,49g
0.5
Para la aproximacin de primer orden, se suma el trmino que con-
tiene a la primer derivada, donde f (x) = - sen x:
f ( : ) COS (3 -Sen(:)(g) = 0.521 986 659
que tiene un error relativo porcentual de E, = - 4.40.
tiene a la segunda derivada, donde f (x) = - cos x:
En la aproximacin de segundo orden, se incluye el trmino que con-
con un error relativo porcentual de E, = -0.449. Por lo tanto, al agre-
gar ms trminos a la serie se obtiene una mejor aproximacin.
Este proceso se puede continuar, los resultados se muestran en el cua-
dro 3.2. Ntese que las derivadas nunca se acercan a cero, como es el
CUADRO 3.2 Aproximaciones mediante la serie de Taylor de f ( x)
=cos x en x I 3 alrededor del punto x 14. Los
~ valores se muestran para varios brdenes de apro-
I xirnacin (m).
Orden n f(x) P(nI3) C
O cos x 0.707106781 -41.4
1 -sin x 0.52 1 986659
2
-4.4
cos x 0.497754491
3
0.449
sin x 0.499869147
4
2.62 x
cos x 0.500007551
5 -sin x 0.500000304
6 -cos x 0.499999988 2.40 x
-1.51 X 10-3
-6.08 X 10-5
caso del polinomio del ejemplo 3.6. Sin embargo, cada trmino que
se le agrega a la serie produce una mejor aproximacin. Ntese tambin
que la mayor aproximacin se consigue con los primeros trminos. En
este caso, en el momento que se le agreg el tercer trmino, el error se
redujo al 2.62 x lo-*%, lo que significa que se ha alcanzado el 99.9738%
del valor exacto. Por consiguiente, si se le agregan ms trminos a
la serie el error decrece, pero la mejora ser mnima.
En general, se puede suponer que el error de truncamiento disminu-
ye agregando trminos a la serie de Taylor. Adems, si h es lo suficiente-
mente pequeo, entonces los trminos de primero y segundo orden
influyen desproporcionadamente en el porcentaje del error. Esta propie-
dad se ilustra en el ejemplo siguiente.
3.5.2 El residuo de la expansin en la serie de Taylor
Antes de demostrar cmo se usa laserie de Taylor en la estimacin de
errores numricos, se debe explicar por qu se incluye el argumento [ en
la ecuacin (3.15). En vez de presentar una derivacin matemtica ge-
neral se desarrollar una exposicin ms simple basada en una interpre-
tacin geomtrica. En seguida se puede extender este caso especfico a
una formulacin ms general.
Supngase que se trunc la expansin en serie de Taylor [c. (3.14)l
despus del trmino de orden cero para obtener:
f(Xi+l) = f(x0
En la figura 3.4 se muestra un bosquejo de esta prediccin de orden ce-
ro. El residuo o error de esta prediccin, que se muestra tambin en la
figura, consiste de la serie infinita de trminos que fueron truncados:
Ro = f(xi )h +-h2 +-h3 + . . .
f(Xi) f(X.)
2! 3!
Es obvio que tratar el residuo de esta serie infinita con este formato
es inconveniente. Se puede obtener una simplificacin truncando el resi-
duo mismo, de la siguiente manera:
Ro 2 f(xi ) h [3.16]
Aunque, como se mencion en la seccin previa, los trminos de las de-
rivadas de orden inferior cuentan mucho ms en el residuo que los trmi-
nos de las derivadas de orden superior, este resultado todava es inexacto,
ya que se han despreciado los trminos de segundo orden y de rdenes
FIGURA 3.4 Representacin grfica de una prediccin de la serie de Taylor con
residuo.
superiores. Esta inexactitud se denota mediante el smbolo de aproxi-
macin a la igualdad ( =) empleado en la ecuacin (3.16).
Una simplificacin alterna que realiza la aproximacin a una equiva-
lencia est basada en el esquema grfico. Ntese que en la figura 3.4 el
error Lo pudo haberse determinado si se hubiera sabido la posicin del
valor exacto. Obviamente este valor es desconocido ya que de otra ma-
nera no se hubiese requerido de la expansin en serie de Taylor. Sin em-
bargo, el teorema del valor medio del clculo ofrece una forma de rehacer
el problema para evitar en forma parcial este dilema.
El teorema del oalor medio dice que si una funcin f (x) y su primera
derivada son continuas sobre un intervalo [x, xi+J , entonces existe al
menos un punto sobre la funcin que tiene una pendiente, dada por f (E),
que es paralela a la lnea que une f (xi ) con f (xi+1). El parmetro 4
marca el valor x donde ocurre la pendiente (Fig. 3.5). Se puede hacer
una ilustracin tangible de este teorema en el hecho de que si se viaja
entre dos puntos con una velocidad promedio, habr al menos un mo-
mento durante el curso del viaje en el que se mueva a esa velocidad
promedio.
Al hacer uso de este teorema resulta fcil darse cuenta, como se ilustr
en la figura 3.5, que la pendiente f(4) es igual a cociente Ro entre h, o:
FIGURA 3.5 Representacin grfica del teorema del valor medio.
que se puede reordenar para obtener:
Por lo tanto, se ha obtenido el trmino de orden cero de la ecuacin (3.15).
Los trminos de rdenes superiores son una extensin lgica del razona-
miento usado para derivar la ecuacin (3.17), basado en la forma general
del teorema extendido del valor medio (Thomas y Finney, 1979). Por lo
tanto, la versin de primer orden es:
[3.18]
En este caso, el valor de 4 conforma el valor de x que corresponde a la
derivada de segundo orden que hace exacta a la ecuacin (3.18). Los
trminos de orden ms alto se pueden desarrollar de la ecuacin (3.15).
3.5.3 Uso de la serie de Taylor para estimar los errores de truncamiento
Aunque la serie de Taylor es extremadamente til en la estimacin de
errores de truncamiento a lo largo de este libro, puede que an no est
muy claro cmo la expansin puede aplicarse en estos momentos a los
mtodos numricos. En realidad, esto ya se hizo en el ejemplo del para-
APROXIMACIONES Y ERRORES a7
caidista. Recurdese que el objetivo de los ejemplos l. 1 y l. 2 fue el de
predecir la velocidad en funcin del tiempo. Esto es, se deseaba determi-
nar u (t) . Como se especific en la ecuacin (3. 12), u (t) se puede expan-
dir en la serie de Taylor como:
Ahora, truncando la serie despus del trmino con primera derivada, se
obtiene:
La ecuacin (3.20) se puede resolver para:
[3.21]
"
Aproximacin de Error
primer orden de truncamiento
La primera parte de la ecuacin (3.21) es exactamente la misma relacin
que se us para aproximar la derivada del ejemplo 1.2 [Ec. (1. lo)]. Sin
embargo, con el esquema de la serie de Taylor se ha obtenido una esti-
macin del error de truncamiento asociado con esta aproximacin de la
derivada. Usando las ecuaciones (3.13) y (3.21) se obtiene:
O
~- R1 - O(tii.1 - ti)
ti+1 - ti
[3.22]
[3.23]
Por lo tanto, la estimacin de la derivada [Ec. (1.10) o !aprimera parte
de la Ec. (3.21)] tiene un error de truncamiento de orden t,+ - ti. En
otras palabras, el error en la aproximacin usando derivadas debe ser
proporcional al tamao del paso. Por lo tanto, si ste se divide a la
mitad, entonces se espera que el error de la derivada, se reduzca a la mi-
tad.
3.5.4. Diferenciacin numrica
A la ecuacin (3.21) se leconoce con un nombre especial en el anlisis
numrico, se le llarr,a diferencias diuididas finitas. Se puede representar
generalmente como:
O
[3.24]
[3.25]
donde a Aj, se le conoce como la primera diferencia hacia adelante y a
h se le llama tamao del paso, esto es, la longitud del intervalo sobre el
cual se hace la aproximacin. Se le llama diferencia "hacia adelante" ya
que usa los datos i e i -t 1 para estimar la derivada (Fig. 3.6~1). AI trmi-
no completo Af,/h se le conoce como primera diferencia dividida finita.
Esta diferencia dividida hacia adelante no es sino una de tantas que
se pueden desarrollar mediante la serie de Taylor para la aproximacin
de derivadas numricas. Por ejemplo, las aproximaciones a primeras de-
rivadas, utilizando las diferencias hacia atrs o las diferencias centrales se
pueden desarrollar de una manera similar a la de la ecuacin (3.24). Las
primeras usan a (Fig. 3. 6b) , mientras que las segundas usan infor-
macin igualmente espaciada alrededor del punto donde est estimada
la derivada (Fig. 3. 6~). Las aproximaciones ms exactas de la primer de-
rivada se pueden desarrollar incluyendo en la serie de Taylor trminos
de orden ms alto. Finalmente, todas las versiones anteriores se pueden
desarrollar para derivadas de segundo orden, tercer orden y rdenes su-
periores. Las siguientes secciones analizan brevemente estos casos, ilus-
trando cmo se deriva cada uno de ellos.
Aproximaciones a la primera derivada con diferencias hacia atrs.
La serie de Taylor se puede expandir hacia atrs para calcular un valor
anterior sobre el valor actual, dada por:
[3.26]
Truncando la ecuacin despus de la primer derivada y ordenando los
trminos se obtiene:
[3.27]
donde el error es O (h) y V f, indica la primer diferencia dividida hacia
atrs. Vase la figura 3.6b para una representacin grfica,.
Aproximaciones a la primer derivada con diferencias centrales. Una
tercera forma de aproximar la primer derivada es restar la ecuacin (3.26)
FIGURA 3.6 Grf i ca de aproximaciones con diferencias divididas tinitas de l a prime-
r a derivada, a) hacia adelante, b) hacia atrs y c) centrales.
de la expansin en serie de Taylor hacia adelante:
para obtener
que se puede resolver para
or
[3.28]
[3.29]
La ecuacin (3.29) es una representacin de las diferencias centrales (o
centradas) de la primera derivada. Ntese que el error de truncamiento
es del orden de h 2 en contraste con las diferencias divididas hacia adelan-
te y hacia atrs, las cuales fueron de orden h. Por lo tanto, el anlisis de
la serie de Taylor ha llevado a la informacin prctica de que la diferencia
central es larepresentacin ms exacta de laderivada (Fig. 3.6~). Por ejemplo,
si se parte el tamao del paso a la mitad usando diferencias hacia atrs o
hacia adelante, el error se reducir aproximadamente a lamitad, mientras
que para diferencias centrales, el error se reduce a la cuarta parte.
Aproximaciones a derivadas de orden ms alto usando diferencias fini-
tas. J unto a la primer derivada, la expansin de la serie de Taylor se puede
usar para una estimacin numrica de las derivadas de orden superior.
Para hacerlo, se escribe una expansin en serie de Taylor hacia adelante
para f (xj+*) en trminos de f (xi) de la siguiente forma:
f(Xi+2) = f k i ) +f'(XiI (2h) +-
f"(xi) (2h)Z +
2
[3.30]
La ecuacin (3.28) se puede multiplicar por 2 y restarse de la ecuacin
(3.30) para obtener:
. . .
que se puede resolver para:
[3.31]
A esta relacin se le llama diferencias diuididas finitas hacia adelante de
segundo orden. Se pueden usar procedimientos similares para obtener
las versiones hacia atrs y centrales. Las aproximaciones a tercer orden
de las diferencias divididas hacia adelante, hacia atrs y centrales tam-
bin pueden obtenerse (Fig. 3.7 a la 3.9). En todos los casos, las diferen-
cias centradas dan una mejor aproximacin.
Frmulas de exactitud para diferencias de orden superior. Todas las esti-
maciones anteriores truncaron las estimaciones dadas por la serie de Taylor
despus de algunos trminos. Las frmulas de ms exactitud se pueden
desarrollar incluyendo trminos adicionales. Por ejemplo, la expansin
hacia adelante [Ec. (3.28)j se puede resolver para:
[3.32]
FIGURA 3.7 Frmulas de diferencias divididas finitas hacia atrs. Se presentan dos
versiones para cada derivada. La segunda forma incluye ms trminos
de la serie de Taylor y, por lo tanto, es ms exacta.
92 MTODOS NUMRICOS PARA I NGENI EROS
I
FIGURA 3.8 Frmulas de diferencias divididas finitas hacia adelante. Se presentan
dos versiones para cada derivada. La segunda forma incluye ms
trminos de la serie de Tayl or, y por lo tanto, es ms exacta.
En contraste con la ecuacin (3.24), se puede retener el trmino de se-
gundo orden sustituyendo la ecuacin (3.31) en la ecuacin (3.32) para
obtener:
o agrupando trminos
Ntese que la inclusin del trmino con segunda derivada ha dado una
exactitud O (h ). Se pueden desarrollar versiones mejoradas similares pa-
APROXIMACIONES Y ERRORES
93
FIGURA 3.9 Frmulas de diferencias divididas finitas centrales. Se presentan dos ver-
siones para cada derivada. La segunda forma incluye ms trminos de
lo serie de Taylor y, por lo tanto, es ms exacta.
ra diferencias hacia atrs y centrales as como para las aproximaciones
de derivadas de orden superior. Las frmulas se resumen en las figuras
3.7 hasta la 3.9. El siguiente ejemplo ilustra la utilidad de las mismas
en la estimacin de derivadas.
En esta seccin slo se han cubierto algunas de las formas con que
la serie de Taylor es til en el anlisi numrico. Sin embargo, este mate-
rial tiene como propsito inicial ayudar en la estimacin y el control de
errores de truncamiento. Muchos de los mtodos numricos de este libro
se basan en la representacin de aproximaciones simples, de rdenes in-
feriores en vez de expresiones matemticas complicadas. Ya que la ex-
pansin en la serie de Taylor da una estructura mediante la cual se separan
componentes de orden inferior y superior, se demostrar a lo largo del
texto que ste es un vehculo para profundizar en los mtodos numricos.
EJEMPLO 3.8
Aproximaciones de derivadas usando diferencias divididas finitas
Enunciado del problema: sense aproximaciones de diferencias finitas hacia
adelante y hacia atrs de O (h) y centradas, de O (h'), para estimular la pri-
mera derivada de:
f(x) =- 0 . 1 ~~ - 0 . 1 5 ~~ - 0 . 5 ~ ~ - 0. 25~ +1.2
en x =0.5 usando un tamao de paso h = 0.5. Repetir los clculos
usando h = 0.25. Ntese que la derivada se puede calcular directamen-
te como:
f ' (x) = - 0 . 4 ~~ - 0 . 4 5 ~~ - 1. 0~ - 0.25
y se puede usar para calcular el valor exacto de f ' (0.5) = - 0.912 5.
Solucin: para h =0.5, se puede usar la funcin para determinar:
x,-1 =o
f(Xj-1) = 1.2
Xi+! = 1.0
f (xj +J = 0.2
xi = 0.5 !(X) =0.925
Estos datos se pueden usar para calcular la diferencia dividida hacia ade-
lante [Ec. (3.24)]:
f'(0.5) =
0.2 - 0.925
O. 5
=-1.45 E, = 58.9%
la diferencia dividida hacia atrs [ c . (3.27)] :
f '(0.5) =
0.925 - 1.2
0.5
-0.55 E, = 39.7%
y la diferencia dividida central [Ec. (3.29)]:
Para h = 0.25, los datos son:
xi-1 = 0.25 f(xi-1) = 1.103 515 63
x, = 0.50 f (x,) = 0.925
Xi+l - - 0.75 f(xi +l ) = 0.636 328 13
que se pueden usar para calcular la diferencia dividida hacia adelan-
te:
f'(0.5) =
0.636 328 13 - 0.925
- " 1.155 = E" = 26.5%
0.25
la diferencia dividida hacia atrs:
f'(0.5) =
0.925 - 1.103 515 63
0.25
= -0.714 E" = 21.7%
y la diferencia dividida, central
0.636 328 13 - 1.103 515 63
f '(0. 5)~
0.5
= -0.934 E, -2.4%
Para los dos tamaos de paso, las aproximaciones de diferencias centra-
les son ms exactas que las diferencias hacia atrs y hacia adelante. Tam-
bin, como lo predijo el anlisis de la serie de Taylor, la divisin del intervalo
en dos partes iguales divide a la mitad el error de las diferencias hacia
atrs y hacia adelante, y a la cuarta parte el error de las diferencias centrales.
3.6 ERROR NUMRICO TOTAL
El error numrico total es la suma de los errores de redondeo y de trunca-
miento. Desde el problema del paracaidista (ejemplo 3.3) se descubri que
la nica forma de minimizar los errores de redondeo es la de incrementar
el nmero de cifras significativas de la computadora. Ms an, se not que
los errores de redondeo crecen conforme aumenta el nmero de clculos.
En contraste, el ejemplo 3.8 demostr que la estimacin por derivadas se
puede mejorar disminuyendo el tamao del paso. Ya que un decremento
en el tamao del paso lleva a un incremento en los clculos, los errores de
truncamiento decrecen conforme el nmero de clculos aumenta. Por lo
tanto, se encara el siguiente dilema: la estrategia de disminuir un compo-
nente del error total lleva al incremento del otro. En un clculo es concebi-
ble disminuir el tamao del paso para minimizar los errores de truncamiento
slo para descubrir que al hacerlo, los errores de redondeo empiezan a
dominar la solucin y el error total crece!. Por lo tanto, el remedio se con-
vierte en problema (Fig. 3.10). Un reto que debe encararse es el de de-
terminar un tamao apropiado de paso para un clculo en particular. Sera
bueno escoger una gran cantidad de tamaos de paso para disminuir la
cantidad de clculos y los errores de redondeo, sin incurrir en la pena de
un error mayor de truncamiento. Si el error total es el que se muestra en
la figura 3.10, el problema es identificar el punto donde el provecho dis-
minuye, es decir donde los errores de redondeo empiezan a negar los be-
neficios obtenidos con una reduccin en el tamao del paso
En casos reales, sin embargo, estos casos no son comunes ya que la
mayor parte de las computadoras manejan suficientes cifras significativas de
forma tal que los errores de redondeo no influyen. No obstante, algunas
veces ocurren, haciendo pensar en una especie de "principios de incerti-
dumbre numrica", que coloca un lmite absoluto sobre la exactitud que se
puede obtener usando ciertos mtodos numricos con computadora.
FIGURA 3.1 O Representacin grfica de las ventajas y desventajas entre errores de re-
dondeo y truncamiento que en ocasiones influyen en el curso de un me-
todo numrico. Aqu se muestra el punto ptimo, donde el error de
redondeo comienza a negar los beneficios dados por la reduccin del
tamao del paso.
Debido a estas restricciones, hay limitaciones en la estimacin de erro-
res. Por lo tanto, la estimacin de errores en el anlisis numrico es, has-
ta cierto punto, un arte que depende en gran parte de las soluciones de
prueba-error, adems de la intuicin y experiencia del analista.
Aunque en este captulo se ha tratado un tipo de problema numrico
"la solucin de una ecuacin diferencial ordinaria- las conclusiones an-
teriores tienen una relevancia general en muchas de las otras tcnicas del
libro. Sin embargo, debe de hacerse hincapi en que aunque el tema es,
hasta cierto punto, un arte, hay una variedad de mtodos que los analis-
tas pueden usar para cuantificar y controlar los errores en un clculo. La
elaboracin de estas tcnicas jugar un papel prominente en las pginas
siguientes.
3.7 ERRORES POR EQUIVOCACIN,
DE PLANTEAMIENTO E INCERTIDUMBRE
EN LOS DATOS
Aunque las siguientes fuentes de error no estn conectadas directamente
con la mayor parte de ios mtodos numricos de este libro, en algunas
ocasiones pueden tener gran importancia en el esfuerzo por hacer un mo-
delo exitoso. Por lo tanto, se deben tener siempre en mente cuando se
apliquen tcnicas numricas en el contexto de problemas del mundo real.
3.7.1 Errores por equivocacin
A todos les son familiares los errores por torpeza o por equivocacin, En
los primeros aos de la computacin, los resultados numricos errneos
fueron atribuidos algunas veces al mal funcionamiento de lacomputado-
ra misma. Hoy da, esta fuente de error es muy improbable y la mayor
parte de las equivocaciones se pueden atribuir a errores humanos.
Las equivocaciones ocurren a cualquier nivel del proceso de modela-
cin matemtica y pueden contribuir con todas las otras componentes del
error. Se pueden evitar nicamente con el conocimiento de los principios
fundamentales y con el cuidado sobre la aproximacin y diseo de laso-
lucin a un problema.
Las equivocaciones, por lo general se pasan por alto en la discusin
de un mtodo numrico. Esto sin duda prueba el hecho de que los errores
de torpeza son, hasta cierto punto, inevitables. Sin embargo, recurdese que
hay ocasiones en que su aparicin se puede minimizar. En particular, los
buenos hbitos de programacin que se bosquejaron en el captulo 2, son
extremadamente tiles para disminuir las equivocaciones. Adems, hay for-
mas muy simples de verificar cuando un mtodo numrico est trabajando
correctamente. A lo largo del texto, se estudian algunas formas de verificar
los resultados de un clculo numrico.
3.7.2 Errores de formulacin
Los errores de formulacin o de modelamiento degeneran en lo que se
podra considerar como un modelo matemtico incompleto. Un ejemplo
de un error de formulacin imperceptible es el hecho de que la segunda
ley de Newton no explica los efectos relativsticos. Esto no desvirta la
validez de la solucin del ejemplo 1.1 ya que estos errores son rnnimos
en las escalas de tiempo y espacio de la cada del paracaidista.
Sin embargo, supngase que la resistencia del aire no es linealmente
proporcional a la velocidad de cada, como en laecuacin (1.6), sino que
es una funcin del cuadrado de la velocidad. Si este fuese el caso, las
soluciones analticas y numricas obtenidas en el primer captulo seran
falsas debido al error en la formulacin. En algunos casos de estudio del
resto del libro se incluyen algunas consideraciones adicionales de los errores
de formulacin. Se debe estar conciente de estos problemas, y darse cuenta
que si se est usando un modelo deficiente, ningn mtodo numrico ge-
nerar los resultados adecuados.
3.7.3 Incertidumbre en los datos
Algunas veces se introducen errores en un an3lisis debido a laincertidumbre
de los datos fsicos sobre los que se basa el modelo. Por ejemplo, supn-
gase que se desea probar el modelo del paracaidista haciendo saltos re-
petidos individualmente y luego midiendo la velocidad despus de un
intervalo de tiempo especfico. Indudablemente se asociar con cada me-
dicin una incertidumbre. ya que el paracaidista caer ms rpidamente
en unos saltos que en otros. Estos errores pueden mostrar inexactitud e
imprecisin. Si los instrumentos constantemente subestiman o sobreesti-
man las mediciones de la velocidad. se estar tratando con un instrumento
inexacto o desviado. Por el otro lado, si las medidas son casualmente al-
tas y bajas entonces se trata de una cuestin de precisin.
Los errores de medicin se pueden cuantificar sumando los datos con
una o ms estadisticas bien conocidas, que generan tanta informacin como
sea posible, observando las caractersticas especficas de l os datos. Estas
estadsticas descriptivas a menudo son seleccionadas para presentar 1)
la posicin del centro de distribucin de los datos y 2) el grado de espar-
cimiento de los datos. Como tales dan una medida de la desviacin e im-
precisin, respectivamente. En el captulo 10 se retoma el tema de
caracterizacin de incertidumbre en los datos.
Aunque se debe estar conciente de los errores por equivocacin. erro-
res de formulacin e incertidumbre en los datos, los mtodos numricos
usados para construir modelos pueden estudiarse, en la mayor parte de
los casos independientemente de estos errores. Por lo tanto, en ia mayor
parte de este libro se supondr que no hay errores de torpeza. que el mo-
delo es adecuado y que se est trabajando sin errores en las mediciones
de los datos. Bajo estas condiciones. se pueden estudiar los mtodos nu-
mricos sin complicaciones.
PROBLEMAS
3.1 Cuntas cifras significativas hay en cada uno de l os siguientes nmeros'?
a) 0.84 X 10'
f l 0.046 00
b) 84.0
g) 0.004 60
c) 70 h) 8.00 x 10'
d) 70.0 i ) 8.0 X l o3
e) 7
j) 8 000
3.2 Redondense los siguientes nmeros a tres cifras significativas
a) 8.755 d) 5.555 x 10"
b) 0.368 124 X 10' e) 0.999 500
c) 4 225.0002
3.3 Efectense las siguientes sumas y restas y escrbanse los resultados con todas las
cifras significativas necesarias.
ai 0.004 23 +(25.1 x 10~") +(10.322 x 10
b) 5 068 - 2.4
C) (4.68 X lo6) - (8.2 X 10')
d ) (9.8 X - (8.696 X i r5)
e) (7.7 X - (5.409 X +(7.0 X
3.4 Efectense las siguientes multiplicaciones y divisiones y escrbanse los resultados
con todas las cifras significativas necesarias.
a) (8.38 X l o5) X (6.9 X
b) (8.38 x lo4) x (6.90 x
c) 87 619/(0.008 71 x 99 999)
d ) (2.06 x 111)/888
el
(0.4 O00 x 0.020 00)
(0.010 O0 x 0.800)
3.5 Efectese cada una de las siguientes operaciones combinadas y escrbanse los re-
sultados con todas las cifras significativas necesarias.
a) 6.80 (4.0 x 10~6) - 22 (8.06 x
b) (14 x 10 +555 - 80.8) x (2.000 1 - 0.004)
C)
486 X 10-6 - 4.45 X 10-5
(7.777 X 103) +9.6
dl
4.81 x
(6.913 4 x lo3) +32.26
- 6.784 5 x 10~6
58.6 (12 x 10~6) - (208 x (1 801)
4
468.94 x
3.6 En el ejemplo 3.2 se us la serie infinita:
para aproximar ex.
a) Demustrese que esta expansin en serie Maclaurin es un caso especial de la
expansin en serie de Taylor [Ec. (3.1411 con x, =O y h =x.
b) sese la serie de Taylor para estimar f(x) =e-' en x , , ~ =2 para tres casos
diferentes: x, =0.5, 1.0 y 1.5. Emplense los trminos de orden cero, primero,
segundo, y tercero, adems calclese leul para cada caso.
3.7 La expansin en serie de Maclaurin para el cos x es:
x2 x4 x6 x8
2! 4! 6! 8!
cosx="-+"-+-
Iniciando con el primer trmino, COS x = 1. agrguense los trminos uno a uno
para estimar 'COS (T / 3). Despus que se agregue cada uno de los trminos, calc-
lense los errores porcentuales relativos. exactos y aproximados. Usese una calcula-
dora de bolsillo para determinar el valor exacto. Agrgueme trminos hasta que
1 O0 METODOS NUMERICOS PARA INGENIEROS
el valor absoluto del error aproximado falle bajo cierto criterio de error, consideran-
do dos cifras significativas.
3.8 Reptanse los clculos del problema 3. 7, pero ahora usando la serie de Maclaurin
para el sen x:
x3 xs x7
3! 5! 7!
senx =x - - - + +
y estmese el sen (H / 2)
3.9 sense los trminos en serie de Taylor de cero a tercer orden para estimar f (3) para
f(xj =25x3 - 6x2 +7x - 88
usando como punto base x =2. Calclese el error relativo porcentual correcto pa-
ra cada aproximacin.
3.10 sense los trminos en la serie de Taylor de orden cero al cuarto para estimar
f (4) para f (x) =Inx usando como punto base x =1. Clculese el error relativo
porcentual correcto para cada aproximacin.
3.11 sense los trminos en serie de Taylor de orden cero al cuarto para estimar f (2)
paraf (x) =e- x usando como punto base x =1. Calclese el error relativo por-
central correcto e, para cada aproximacin.
3.12 sense aproximaciones de diferencias de O ( h) hacia atrs y hacia adelante y una
aproximacin central de O (h2) para estimar la primera derivada de la funcin
mencionada en el problema 3.9. Evalese la derivada en x =2.5 usando un tamao
de paso de h =O. 25. Comprense los resultados con el valor correcto de laderiva-
da en x =2.5. Interprtense los resultados en base al trmino residual de la serie
de Taylor.
3.13 sense aproximaciones con diferencias hacia atrs, centrales y hacia adelante de,
O (h) para estimar la segunda derivada de la funcin vista en el problema 3.9.
Hgase la evaluacin en x =2.6 usando un tamao de paso de h =0.2. Comp-
rense las estimaciones con el valor correcto de la segunda derivada en x =2.6.
lnterprtense los resultados en base al trmino residual de la serie de Taylor.
EPLOGO:
PARTE I
1.4 ELEMENTOS DE J UICIO
Los mtodos numricos son cientficos en el senti-
do de que representan tcnicas sistemticas para
resolver problemas matemticos. Sin embargo, hay
cierto grado de arte, juicios subjetivos y trminos me-
dios, asociados con su uso efectivo en la prctica
de ingeniera. Para cada uno de los problemas, la
confrontacin es con varias tcnicas numricas al-
ternativas y con muchos tipos de computadoras. Por
lo tanto, la elegancia y la eficiencia de los dife-
rentes enfoques de los problemas es muy indivi-
dualista y se relaciona con la habilidad de escoger
prudentemente entre todas las opciones. Desafor-
tunadamente, como sucede con cualquier proce-
so intuitivo, los factores que influyen en esta
eleccin son difciles de comunicar. Estas habilida-
des pueden ser comprendidas y afinadas amplia-
mente slo por los programadores expertos. Sin
embargo, ya que estas habilidades juegan un pa-
pel muy importante en la implementacin efecti-
va de los mtodos, se ha incluido esta seccin
como una introduccin a algunos de los elemen-
tos de juicio que se deben considerar cuando se
seleccione un mtodo numrico y las herramien-
tas para su implementacin. Aunque no se espe-
ra que en la primer ocasin se capten todos los
beneficios, si se tiene la esperanza de que estos
anlisis influyan en la orientacin cuando se pre-
sente el material subsecuente. Tambin se espera
que si se enfrentan alternativas y algunos elemen-
tos de juicio en el resto del libro, se consultar nue-
vamente este material.
La figura 1.4 ilustra siete factores o elementos de
juicio que se deben tener en cuenta cuando se se-
lecciona un mtodo numrico para un problema
en particular.
l. Tipo de problema matemtico. Como ya se
mencion en la figura 1.2, en este libro se discu-
ten varios tipos de problemas matemticos:
a. Races de ecuaciones
b. Sistemas de ecuaciones algebraicas lineales si-
multneas
ajuste de curvas
d. Integracin numrica
e. Ecuaciones diferenciales ordinarias
Probablemente el lector ya tenga algunos conocimientos bsicos sobre
la aplicacin de los mtodos numricos al enfrentar alguno de los pro-
blemas de la figura 1.4. Los mtodos numricos se necesitarn ya que
los problemas no se pueden resolver eficientemente usando tcnicas ana-
lticas. Se debe estar consciente de que las actividades profesionales
involucran, eventualmente, problemas en las reas anteriores (Fig.
1.4). Por lo tanto, el estudio de los mtodos numricos y la seleccin
de un equipo de cmputo'deben, al menos considerar estos problemas
bsicos. Los problemas ms avanzados pueden requerir de habilidades
en el manejo de soluciones de sistemas de ecuaciones algebraicas no
lineales simultneas, ajuste de curvas de varias variables, optimiza-
FIGURA 1.4 Siete consideraciones para escoger un mtodo numrico en la
solucin de problemas de ingeniera.
EPiLOGO PARTE I 103
cin de parmetros, programacin lineal, problemas de valores pro-
pios y ecuaciones diferenciales parciales. Estas reas requieren de
mayores esfuerzos computacionales y de mtodos avanzados que no
se cubren en este texto. Se pueden consultar algunas referencias ta-
les como: Carnahan, Luther y Wilkes (1969); Hamming ( 1 973); Rals-
ton y Rabinowitz (1 978) para problemas que van ms all del
contenido de este libro. Adems, al final de cada parte de este texto,
se incluye un breve resumen y referencias para los mtodos avanza-
dos para encaminarle en el estudio de consecucin de mtodos nu-
mricos adicionales.
2. Tipo, disponibilidad, precisin, costo y velocidad de una computa-
dora. Se tiene la oportunidad de trabajar con cuatro herramientas
diferentes de cmputo (recurdese el cuadro 2.1). Que van desde una
calculadora de bolsillo hasta una supercomputadora. De hecho, cual-
quiera de las herramientas que se pueden usar en la implementacin
de un mtodo numrico {incluyendo papel y>lpiz, que no estn in-
cluidos en el cuadro). En general no se trata de ultimar capacidades,
sino costos, conveniencia, velocidad, seguridad, repetibilidad y pre-
cisin. Aunque cada una de las herramientas enumeradas en el cua-
dro 2.1 seguirn teniendo utilidad, los grandes avances recientes en
el funcionamiento de las computadoras personales ya han tenido re-
percusin en la profesin de ingeniero. Se espera que esta revolu-
cin se siga extendiendo conforme los avances tecnolgicos continen,
ya que las computadoras personales ofrecen un excelente trmino me-
dio entre conveniencia, costo, precisin, velocidad y capacidad de
almacenamiento. Ms an, se pueden aplicar tilmente a la mayor
parte de los problemas prcticos de ingeniera. Las tcnicas de este
libro, por lo tanto, se escogieron expresamente para que sean com-
patibles con esta clase de computadoras.
3. Costo en el desarrollo de programas contra el costo del software
contra el costo del tiempo de ejecucin, Una vez que se hayan identi-
ficado los tipos de problemas matemticos a resolver y el sistema de
cmputo haya sido seleccionado, ser apropiado considerar los cos-
tos del software y del tiempo de ejecucin. El desarrollo de progra-
mas puede representar un esfuerzo adicional en muchos proyectos
de ingeniera y por lo tanto ser de un costo significativo. A este res-
pecto, es particularmente importante que se est bien familiarizado
con los aspectos tericos y prcticos de los mtodos numricos rele-
vantes. Se puede disponer de una cantidad limitada de programas
desarrollados profesionalmente a alto costo para la solucin de pro-
blemas de ingeniera. Sin embargo, estos programas se deben usar
con mucho cuidado, ya que en general no se esta familiarizado con
la lgica de los mismos. Alternativamente, se puede disponer de pro-
gramas de utilera general a bajo costo (tales como los que vienen
con este texto) para implementar mtodos numricos que se pueden
adaptar fcilmente a una variedad muy amplia de problemas. El cos-
to del desarrollo de programas y el costo del software se puede recu-
perar en el momento de la ejecucin si los programas se han escrito
y probado eficientemente.
4. Caractersticas de los mtodos numricos. Cuando el costo de los
componentes electrnicos de una computadora y de sus programas
es alto, o si la disponibilidad de la computadora est limitada (p. ej.,
en sistemas de tiempo compartido), la manera de escoger cuidado-
samente el mtodo numrico ayudara a adaptarse a tal situacin. Por
el otro lado, si el problema an se encuentra en una etapa experi-
mental y el acceso y costo de una computadora no tienen problemas,
entonces puede ser apropiado seleccionar un mtodo numrico que
siempre trabaje aunque quizs no sea, computacionalmente hablan-
do, muy eficiente. Los mtodos numricos disponibles para resolver
un tipo particular de problema, involucran todos los factores mencio-
nados, adems de:
a. Cantidad de condiciones o de puntos iniciales. Algunos de los m-
todos numricos para encontrar races de ecuaciones o en la so-
lucin de ecuaciones diferenciales, requieren que el usuario es-
pecifique algunas condiciones o puntos iniciales. Los mtodos
simples requieren, en general de un valor, mientras que los mto-
dos complicados pueden requerir ms de un valor. Se deben con-
siderar los elementos de juicio; las ventajas de mtodos complicados
que son computacionalmente eficientes pueden compensar los re-
querimientos de mltiples puntos iniciales. Se debe echar mano
de la experiencia y de los juicios para cada problema en par-
ticular.
b . Velocidad de convergenciu. Ciertos mtodos numricos convergen
ms rpido que otros. Sin embargo, la convergencia rpida puede
requerir de ms puntos iniciales y de programacin ms compleja
que la de un mtodo con convergencia ms lenta. Nuevamente se
debe hacer uso de juicios para la seleccin de cierto mtodo. los
ms rpidos no siempre son los mejores!
c . fstabilidad. Algunos mtodos numricos para encontrar races de
ecuaciones o soluciones de sistemas de ecuaciones lineales, en al-
gunos casos pueden divergir en vez de converger a la respuesta
correcta. iPor qu se debe tolerar esta posibilidad si se ha disea-
do o se ha planeado bien el problema? La respuesta es que estos
mtodos pueden ser altamente eficientes cuando funcionan. Por
lo tanto, surgen nuevamente los elementos de juicio. Se debe de-
cidir si los requisitos del problema justifican el esfuerzo necesario
para aplicar un mtodo que no siempre funciona.
EPLOGO PARTE I 105
d. Exactitud y precisin. Algunos mtodos numricos, simplemente son
ms exactos y precisos que otros. Como ejemplos se tienen las di-
ferentes ecuaciones disponibles para la integracin numrica. En
general, se puede mejorar el funcionamiento de mtodos de poca
exactitud disminuyendo el tamao del paso o aumentando el n-
mero de trminos sobre un intervalo dado. 2Qu ser mejor, usar
un mtodo con poca exactitud y con tamaos de paso pequeos
o usar un mtodo con alta exactitud y tamaos de paso grandes?
Esta pregunta se debe analizar paso por paso considerando los
factores adicionales tales como el costo y la facilidad de progra-
macin. Adems se deben tomar en consideracin los errores de
redondeo cuando se usan en forma repetida mtodos de baja exac-
titud y el nmero de clculos crece demasiado. Aqu las cifras sig-
nificativas que maneja la computadora pueden ser el factor
decisivo.
e . Alcance de las aplicaciones. Algunos mtodos numricos slo se
pueden aplicar a cierta clase de problemas o a los problemas que
satisfacen ciertas restricciones matemticas. Otros mtodos no tie-
nen estas restricciones. Se debe evaluar si vale la pena el esfuerzo
de desarrollar programas que empleen tcnicas apropiadas ni-
camente para un nmero limitado de problemas. El hecho de que
tales tcnicas pueden usarse ampliamente, indica que tienen ven-
tajas que a menudo son menos que las desventajas. Obviamente,
deben evaluarse los elementos de juicio.
f . Requisitos especiales. Algunas tcnicas numricas intentan incre-
mentar la exactitud y la velocidad de convergencia usando infor-
macin especial o adicional. Un ejemplo sera el uso de valores
estimados o valores tericos de los errores para el mejoramiento
de la exactitud. Sin embargo, estas mejoras, en general no se Ile-
van a cabo sin inconvenientes como el aumento en el costo de cm-
puto y el incremento en la complejidad del programa.
g . Esfuerzos requeridos de programacin. Los esfuerzos para mejo-
rar la velocidad de convergencia, estabilidad y exactitud pueden
ser creativos e ingeniosos. Cuando se pueden hacer mejoras sin
aumentar la complejidad en la programacin, entonces se puede
considerar que estas meioras son elegantes y probablemente en-
cuentren uso inmediato en la ingeniera. Sin embargo, si requie-
ren de programas ms complejos, otra vez se deben enfrentar los
elementos de juicio que pueden o no favorecer al nuevo mtodo.
Se ve claro que el anlisis anterior relacionado con la forma de esco-
ger un mtodo numrico se reduce slo a costo y exactitud. Los cos-
tos son los que estn involucrados con el tiempo de cmputo y el
desarrollo de programas. La exactitud apropiada es una cuestin de
tica y de juicio profesional.
5. Comportamiento matemtico de las funciones, ecuaciones o da-
tos. AI seleccionar un mtodo numrico en particular, el tipo de com-
putadora y el tipo de programas, se debe tomar en cuenta la
complejidad de las funciones y de las ecuaciones o datos. Las ecua-
ciones simples y los datos uniformes se pueden manejar apropiada-
mente con algoritmos numricos simples y con computadoras baratas.
Sucede lo contrario con las ecuaciones complicadas y los datos que
contienen discontinuidades.
6. Facilidad de aplicacin (iAccesible al usuario?). Algunos mtodos
numricos son fciles de aplicar y otros difciles. Esto se debe tomar
en cuenta cuando se escoge un mtodo sobre otro. Esta misma idea
se aplica a las decisiones referentes al costo en el desarrollo de pro-
gramas, contra programas desarrollados profesionalmente. El con-
vertir un programa difcil en uno que sea accesible al usuario puede
ser de considerable esfuerzo. Las formas de hacerlo se mencionan en
el captulo 2 y se elaboran a lo largo del libro. Adems los progra-
mas de NUMERICOMP que acompaan a este texto son un ejemplo
de programacin accesible al usuario.
7. Mantenimiento. Los programas para resolver problemas de inge-
niera requieren mantenimiento porque durante las aplicaciones ocu-
rren dificultades, invariablemente. El mantenimiento puede requerir
un cambio en el cdigo del programa o la expansin de la documen-
tacin. Los programas simples y los algoritmos numricos son ms f-
ciles de mantener. Los siguientes captulos involucran el desarollo de
varios tipos de mtodos numricos para una variedad de problemas
matemticos. Se dan en cada captulo varios mtodos alternativos.
Se presentan estos mtodos (en vez de un mtodo escogido por los
autores) ya que no existe uno que sea "el meior" de todos. No hay
mtodos "mejores" ya que existen tantos elementos de juicio que se
deben tomar en consideracin cuando se aplica un mtodo a proble-
mas prcticos. AI final de cada parte del libro se presenta una tabla
que resalta los elementos de juicio involucrados en cada mtodo. Es-
ta tabla debe ayudar a seleccionar un procedimiento numrico apro-
piado para cada problema en particular dentro de un contexto.
I .5 RELACIONES Y FRMULAS IMPORTANTES
El cuadro 1.2 resume la informacin ms importante que se analiz
en la parte I . El cuadro se puede consultar para tener un acceso rpi-
do a las relaciones y frmulas ms importantes. El eplogo de cada
parte del libro contiene estos resmenes.
EPiLOGO PARTE I
-
107
CUADRO 1.2 Resumen de l a i nf ormaci n i mport ant e present ada en la par t e 1.
Definiciones de error
Error verdadero
=valor verdadero - valor aproximado
Error relativo valor verdadera - valor aproximado
porcentual verdadero % =
Error relativo, aprox. actual - aprox. previa
porcentual
oproximado
Criterios de poro Terminar los clculos cuando:
100%
valor verdadero
0 = 100%
aproximacin actuol
0 <6,
donde es es el error relativo porcentual deseado, especificado
directamente o calculado en trminos del nmero deseado de
cifras significativas n
=(0.5 X lo2-")%
Serie de Taylor
Expansin en
la serie de Taylor 2!
3! n!
f(x,+,) =/ ( X, ) +f ' (x, )h +-h2
f Y X J
+-
f ' " ( x) h3 +. , . I f cn) ( X! ) hn +R,
donde
Residuo
O
R, =O(h"+' )
Diferenciacin numrica
Primera diferencia f ( X, +l ) - f(x,)
dividida finlta hacia
f' (XJ =
+O(h)
h
adelante
(Otras diferencias divididas se resumen
de la fig. 3.7 a la 3. 9. )
1.6 MTODOS AVANZADOS Y ALGUNAS
REFERENCIAS ADICIONALES
El eplogo de cada parte del libro tambin incluye una seccin enca-
minada a facilitar y fomentar estudios adicionales de los mtodos nu-
mricos. Esta seccin dar algunas referencias sobre el tema as co-
mo material relacionado con mtodos ms avanzados.*
Para extender los antecedentes mencionados en la parte I, existen nu-
merosos manuales sobre programacin de computadoras. Resultara
difcil mencionar todos los libros y manuales excelentes correspondien-
tes a lenguajes y computadoras especificas. Adems, probablemente
ya se tenga material de contactos previos con la programacin. Sin
embargo, si sta es la primer experiencia con computadoras, Bent y
Sethares (1 982) proporcionan una buena introduccin a BASIC.
McCraken (1965)) Merchant (1979) y Merchant, Sturgel (1977) son
otros libros tiles sobre FORTRAN. El maestro o los compaeros de
semestres avanzados del usuario deben poder darle un consejo acer-
ca de buenos libros de referencia para las mquinas y los lenguajes
disponibles en la escuela.
Tambin para el anlisis de error, cualquier libro de clculo introduc-
tori0 incluira material suplementario relacionado con temas tales CO-
mo la serie de Taylor. Los textos de Swokowski (1 979) y Thomas y Finney
(1 979) proporcionan discusiones legibles de estos temas.
Finalmente, aunque se espera que este libro sirva lo suficiente, siem-
pre es bueno consultar otras fuentes cuando se intenta conocer a-fondo
un nuevo tema. Ralston y Rabinowitz (1 978) y Carnahan, Luther y Wilkes
(1 969) ofrecen textos comprensibles de la mayor parte de los mto-
dos numricos, incluyendo muchos mtodos avanzados que van ms
all del alcance de este libro. Otros libros tiles sobre el tema son Ge-
rald y Wheatley (1 984)) J ames, Smith y Wolford (1 977), Stark (1 970))
Rice ( 1 983, Hornbeck (1 975) y Cheney y Kincaid (1 980).
* Aqu nicamente se hace referencia a estos libros, una bibliografa completa se encontrar
al final del texto.
PA RTE
I
~
~ DOS
RA K ES 11.1
DE
ECUACIONES
. .
a
Desde hace aos, se aprendi a uiar la frmula
cuadrtica:
pura resolver
f(x) = ax2 + bx + c = O ~ [11.2]
A los valores calculados con la ecuiacin ( 1 1 . 1 ) se
les llama races de la ecuacin (11.2). stos re-
presentan los valores de x que hacen la ecuacin
(11.2) igual a cero. Por I S tanto, se puede definir
la raiz de una ecuacin como el valor de x que
hace f (x) = O. Por esta razn, algunas veces a
las races se les conoce como ceros de la ecuacin.
Aunque la frmula cuadrtica es til para resol-
ver la ecuacin (l l .2), hay muchas funciones dife-
rentes que no se pueden resolver de manera tan
fcil. En estos casos, los mtodos numricos des-
critos en los captulos 4 y 5 proporcionan medios
eficientes para obtener la respuesta.
,
13
I I . 1 .l Mtodos empleados antes de la era de la
computadora pura determinar races.
Antes del advenimiento de las computadoras
digitales, haba una serie de mtodos para encon-
trar las races de ecuaciones algebraicas o trascen-
dentales. Para algunos casos, las races se podan
obtener con mtodos directos, como se hace con
la ecuacin ( 1 1 . 1 ) . Aunque haba ecuaciones como
sta que se podan resolver directamente, haba
muchas otras que no lo eran. Por ejemplo, hasta
una funcin aparentemente simple tal, como f (x)
= e- - x no se puede resolver analticamente.
En estos casos, la nica alternativa es una tcnica
de solucin aproximada.
I_ ,A. - x/ .; ?.
., L .
Un mtodo para obtener una solucin aproxima-
da es la de graficar la funcin y determinar dn-
de cruza al eje x. Este punto, que representa el valor de x para el
cual f ( x ) = O, es la raz. Las tcnicas grficas se discuten al principio
de los captulos 4 y 5.
Aunque los mtodos grficos son tiles en la obtencin de estimacio-
nes aproximativas de las races, estn limitadas por la carencia de pre-
cisin. Una aproximacin alternativa es usar la tcnica de prueba y
error. Esta "tcnica" consiste en escojer un valor de x y evaluar si
f (x) es cero. Si no es as (como suceder en la mayor parte de los
casos), se hace otra conjetura y se evala nuevamente f(x) para de-
terminar si el nuevo valor da una mejor estimacin de la raz. El pro-
ceso se repite hasta que se obtenga un valor que genere una f (x)
cercana a cero.
Estos mtodos fortuitos, obviamente son ineficientes e inadecuados
para las exigencias en la prctica de la ingeniera. Las tcnicas des-
critas en la parte I ll representan alternativas que no slo aproximan
sino emplean estrategias sistemticas para encaminarse a la raz ver-
dadera. Adems, se adaptan idealmente a la implementacin en
computadoras personales. Tal como se presenta en las pginas siguien-
tes, la combinacin de estos mtodos sistemticos con la computado-
ra hacen de la solucin de la mayor parte de los problemas sobre races
de ecuaciones una tarea simple y eficiente.
11.1.2 Races de ecuaciones y su prctica en la ingeniera
Aunque las races de ecuaciones caben dentro de otro contexto, fre-
cuentemente aparecen en el rea de diseo en ingeniera. El cuadro
1 1 . 1 muestra un conjunto de principios fundamentales que se utilizan
frecuentemente en trabajos de diseo. Las ecuaciones matemticas
o los modelos derivados de estos principios se emplean en la predic-
cin de las variables dependientes en funcin de las variables inde-
pendientes y de los parmetros. Ntese que en cada caso, las variables
dependientes refleian el estado o funcionamiento del sistema, ya sea
que los parmetros representen sus propiedades o su composicin.
Un ejemplo de tales modelos se presenta en la ecuacin derivada de
la segunda ley de Newton, usada en el captulo 1 para la velocidad
del paracaidista:
[ 11.31
Donde la velocidad v es la variable dependiente, el tiempo t es la va-
riable independiente y g la constante gravitacipnal, el coeficiente de
rozamiento c y la masa m son parmetros. Si se conocen los parme-
RACES DE ECUACIONES 111
CUA ,DRO 11.1 Principios fundamentales usados en los problemas de diseo en
ingeniera
Principio Variable Variable
fundamental dependiente independiente Parmetros
Balance de calor Temperatura Tiempo y Las propiedades
Dosicin trmicas del
material y la
geometra del
sistema
Balance de
material
Concentracin o tiempo y
cantidad de posicin
masa
Balance de la
Magnitud y Tiempo y
fuerza direccin de
posicin
fuerzas para
establecer
el equilibrio
Balance de Cambios en los
Tiempo y
la energa estados de la
posicin
energa cintica
y potencial del
sistema
Leyes de Newton Aceleracin, Tiempo y
del movimiento velocidad o posicin
posicin
El comportamiento
qumico del
material, masa
coeficientes de
transferencia y la
geometra del
sistema
Resistencia del
material,
propiedades
estructurales y la
configuracin del
sistema.
Propiedades
trmicas, masa del
material y la
geometra del
sistema
Masa del material,
geometra del
sistema y
parmetros
disipativos tales
como la friccin o
el rozamiento.
Leyes de Corriente y Tiempo Propiedades
Kirchhoff voltaje en los elctricas del
circuitos sistema, tales como
elctricos la resistencia,
capacitancia e
inductancia.
tros, la ecuacin (11.3) se puede usar para predecir la velocidad del
paracaidista como una funcin del tiempo. Estos clculos se pueden
llevar a cabo directamente ya que v se expresa explicitamente como
una funcin del tiempo. Esto es, est aislada a un lado del signo igual.
11.2
Sin embargo, supngase que se tiene que determinar el coeficiente
de rozamiento para un paracaidista de una masa dada, para alcan-
zar una velocidad prescrita en un periodo dado de tiempo.
Aunque la ecuacin (11.3) proporciona una representacin matemtica
de la interrelacin entre las variables del ,modelo y los parmetros, no
se puede resolver explcitamente para el coeficiente de rozamiento.
Prubese. No hay forma de reordenar la ecuacin para despejar c
de un lado del signo igual. En estos casos, se dice que c es implicita.
Esto representa un dilema real, ya que muchos de los problemas de
diseos en ingeniera, involucran la especificacin de las propieda-
des o la composicin de un sistema (representado por sus parme-
tros) para asegurar que funciona de la manera deseada (representada
por sus variables). Por lo tanto, estos problemas a menudo requieren
que se determinen sus parmetros de forma explcita.
La solucin del dilema las proporcionan los mtodos numricos para
races de ecuaciones. Para resolver el problema usando mtodos
numricos es conveniente cambiar la ecuacin (11.3). Esto se hace res-
tando la variable dependiente v de ambos lados de la ecuacin, ob-
teniendo:
V [11.4]
Por lo tanto, el valor de c que cumple f (c) = O, es la raz de la ecua-
cin. Este valor tambin representa el coeficiente de rozamiento que
soluciona el problema de diseo.
La parte I 1 de este libro analiza una gran variedad de mtodos nu-
mricos y grficos para determinar races de relaciones tales como
la ecuacin (11.4). Estas tcnicas se pueden aplicar a los problemas
de diseo en ingeniera basados en los principios fundamentales deli-
neados en el cuadro I I. 1 as como tantos otros problemas que se afron-
tan frecuentemente en la prctica de la ingeniera.
FUNDAMENTOS MATEMTICOS
En la mayor parte de las reas mencionadas en este libro, en general
existen algunos prerrequisitos de fundamentos matemticos necesa-
rios para conocer a fondo el tema. Por ejemplo, los conceptos de es-
timacin de errores y la expansin en serie de Taylor, analizadas en
el captulo 3, tienen importancia directa en el anlisis de races de ecua-
ciones. Adicionalmente, antes de este punto se mencionaron los tr-
RAlCES DE ECUACIONES 113
minos de ecuaciones "algebraicas" y "trascendentales". Puede
resultar til definir formalmente estos trminos y discutir como se re-
lacionan con esta parte del libro.
Por definicin, una funcin dada por y = f (x) es algebraica si se pue-
de expresar de la siguiente manera:
fnyn +fn-1yn-1 + . . . + f i y +fo = o [11.5]
donde las f son polinomios en x. Los polinomios son un caso simple
de funciones algebraicas que se representan generalmente como:
{(x) = a0 +Ul X + * * . + a,x" C11.61
donde las a son constantes. Algunos ejemplos especficos son:
{(X) = 1 - 2 . 3 7 ~ +7 . 5 ~ ~
Y
f (x) =5x2 - x3 +7x 6
[11.7]
[11.8]
Una funcin trascendental es una que no es algebraica. Incluye fun-
ciones trigonomtricas, exponenciales, logaritmicas y otras menos fa-
miliares. Algunos ejemplos son:
f(x) = e-' - x [11.9]
f(x) = sen x [11.10]
f(x) = In x2 - 1 p1.1 1 J
Las races de las ecuaciones pueden ser reales o complejas. Un ejem-
plo simple de races complejas es el caso para el cual el trmino
b2 - 4 ac de la ecuacin (I I. 1 ) es negativo. Por ejemplo, dado el po-
linomio de segundo orden:
f(x) = 4x2 - 16x + 17
La ecuacin (11.1) se puede usar para determinar que las races son:
16 V(-16)2 - 4(4) (17) 16 * m
X =
2 (4)
-
-
8
Por lo tanto, una raz es:
x = 2 + ; ;
11.3
y la otra es:
x = 2 - , i 1
en donde i = J-"
Aunque hay algunos casos donde las races complejas de las funcio-
nes no polinomiales son de interes, sta situacin es menos comn que
para polinomios. Por lo tanto, los mtodos estndar para encontrar
races, en general caen en dos reas de problemas parecidas en prin-
cipio, pero fundamentalmente diferentes:
l. l a determinacin de races reales de ecuaciones algebraicas y tras-
cendentales. Estas tcnicas se disearon para determinar el valor
de una raz simple de acuerdo a un conocimiento previo de su po-
sicin aproximada.
2. l a determinacin e todas las rakes reales y complejas de un po-
linomio. Estos mtodos se disearon especficamente para polino-
mios. Determinan sistemticamente todas las races del polinomio
en lugar de simplemente una, dada una posicin aproximada.
Este libro est enfocado al rea del primer caso. Los mtodos disea-
dos expresamente para polinomios no se analizan ya que van ms
all del alcance de este libro. Sin embargo, en el eplogo al final de
la parte I I se recomiendan algunas referencias para estas tcnicas.
Antes de proceder con los mtodos numricos para determinar ra-
ces de ecuaciones, ser til dar algunas orientaciones. El siguiente ma-
terial es una introduccin a los temas de la parte ll. Adems, se han
incluido algunos objetivos que orientarn al lector en sus esfuerzos
al estudiar el material.
11.3.1 Campo de accin y avance
La figura 1 1 . 1 es una representacin esquemtica de la organizacin
de la parte It. Examine esta figura cuidadosamente, iniciando en la
parte de arriba y avanzando en el sentido de las manecillas del reloj.
Despus de esta introduccin, el captulo 4 desarrolla los mtodos que
usan intervalos para encontrar races. Estos mtodos empiezan con
suposiciones que encierran o que contienen a la raz y reducen siste-
mticamente el ancho del intervalo. Se cubren dos mtodos: el de bi-
RAiCES DE ECUACIONES
11s
seccin y el de la regl a falsa. Los mtodos grficos proporcionan
conocimiento visual de las tcnicas. Se desarrollan formulaciones es-
peciales para ayudar a determinar cuanto esfuerzo computacional se
requiere para estimar la raz hasta un nivel de precisin previamente
especificado.
En el captulo 5 se cubren los mtodos abiertos. Estos mtodos tam-
bin involucran iteraciones sistemticas de prueba y error pero no
requieren que la suposicin inicial encierre a la raz. Se descubrir
que estos mtodos, en general son ms eficientes computacional-
mente que los mtodos que usan intervalos, pero no siempre traba-
jan. Se analizan los mtodos de la iteracin de punto fijo, el mtodo
de Newton-Raphson y el mtodo de la secante. Los mtodos grficos
proporcionan conocimiento en los casos donde los mtodos abier-
tos no funcionan. Se desarrollan las frmulas que proporcionan una
idea de qu tan rpido un mtodo abierto converge a la raz.
El captulo 6 extiende los conceptos anteriores a los conceptos actua-
les de la ingeniera. Los casos de estudio se emplean para ilustrar las
ventajas y las desventajas de cada uno de los mtodos y para pro-
porcionar conocimiento sobre las aplicaciones de las tcnicas en la
prctica profesional. Loscasos del captulo 6 tambin resaltan los ele-
mentos de juicio (estudiados en la parte I ) asociados con cada uno
de los mtodos.
Se incluye un eplogo al final de la parte I I . ste contiene una compa-
racin detallada de los mtodos discutidos en los captulos 4 y 5. Esta
comparacin incluye una descripcin de los elementos de juicio rela-
cionados con el uso correcto de cada tcnica. En esta seccin se pro-
porciona tambin un resumen de las frmulas importantes, con
referencias a algunos mtodos numricos que van ms all del alcance
de este texto.
Ciertas capacidades automticas de clculo se integran de diferentes
maneras en la parte I I . En primer lugar, programas en NUMERICOMP
legibles para el usuario del mtodo de biseccin disponible para la
Apple I 1 y la IBMPC. Pero tambin se dan los cdigos en FORTRAN
Y BASIC para el mtodo de biseccin directamente en el texto. Con
esto se tiene la oportunidad de copiar y aumentar el cdigo para im-
plementarlo en su propia computadora personal o supercomputadora.
Se incluyen los algoritmos y diagramas de flujo para la mayor parte de
los otros mtodos expuestos en el texto. Este material puede servir
de base para el desarrollo de un paquete de programacin y apli-
carlo a una serie de problemas de ingeniera.
Objetivos de estudio. Despus de terminar la parte 1 1 , se debe tener
la suficiente informacin para aprovechar satisfactoriamente una am-
plia variedad de problemas de ingeniera que se relacionan con las
races de ecuaciones. En trminos generales se dominarn las tcni-
cas, se habr aprendido a valorar su confiabilidad y se tendr la ca-
pacidad de escoger el mejor mtodo (o mtodos) para cualquier
problema en particular. Adems de estas metas globales, se deben
RACES DE ECUACIONES 117
asimilar los conceptos especficos de el cuadro 11.2 para comprender
mejor el material de la parte I t .
Objetivos de computacin. El libro proporciona algunos programas
simples, algoritmos y diagramas de fluio para implementar las tcni-
cas analizadas en la parte II. Como herramientas de aprendizaje to-
dos ellos tienen gran utilidad.
Los programas opcionales son legibles para el usuario. Incluye mto-
do de la biseccin para determinar las races reales de las ecua-
ciones algebraicas y trascendentales. Las grficas asociadas con
NUMERICOMP le facilitarn al lector visualizar el comportamiento
de la funcin en anlisis. Los programas se pueden usar para deter-
minar convenientemente las races de las ecuaciones a cualquier gra-
do de precisin. Es fcil de aplicar NUMERICOMP para resolver
muchos problemas prcticos y se puede usar para verificar los resul-
tados de cualquier programa que el usuario desarrolle por s mismo.
Tambin se proporcionan directamente en el texto los programas en
FORTRAN y BASIC para los mtodos de biseccin y para la itera-
cin simple de punto fijo. Adems, se proporcionan algoritmos y dia-
gramas de fluio generales para la mayor parte de los otros mtodos
de la parte 1 1 . Esta informacin permitir aumentar la biblioteca de
programas del usuario que sean ms eficientes que el mtodo de la
biseccin. Por ejemplo, puede desearse tener sus propios programas
para los mtodos de la regla falsa, Newton-Raphson y de la secante,
que en general son ms eficientes que el mtodo de biseccin.
CUADRO 11.2 Obietivos de estudio especficos de la parte II
1. Entender la interpretacin grfica de una raz
2. Conocer la interpretacin grfica del mtodo de la regla falsa y por qu, en
general, es superior al mtodo de bisecciones.
3. Entender las diferencias entre los mtodos que usan intervalos y los mtodos
abiertos para lalocalizacin de las races.
4. Entender los conceptos de convergencia y de divergencia. Usar el mtodo de
las dos curvas para proporcionar una manifestacin visual de los conceptos.
5. Conocer por qu los mtodos que usan intervalos siempre convergen, mientras
que los mtodos abiertos algunas veces pueden divergir.
6. Entender que la convergencia en los mtodos abiertos es ms probable si el
valor inicial est cercano a la raz.
7. Entender el concepto de convergencia lineal y cuadrtica y sus implicaciones
en la eficiencia de los mtodos de iteraciones de punto fijo y de Newton-
Raphson.
8. Saber las diferencias fundamentales entre los mtodos de la regla falsa y la
secante y cmo se relaciona su convergencia.
9. Entender los problemas que contienen las races mltiples y las modificaciones
que se les pueden hacer para resolverlos a medias.
C A P T U L O C U A T R O
MTODOS QUE
USAN INTERVALOS
En este captulo sobre races de ecuaciones se analizan los mtodos que
aprovechan el hecho de que una funcin, tpicamente, cambia de signo
en la vecindad de una raz. A estas tcnicas se les llama mtodos que usan
intervalos porque se necesita de dos valores iniciales para la raz. Como
su nombre lo indica, estos valores deben encerrar o estar uno de cada
lado de la raz. Los mtodos particulares descritos sobre este punto em-
plean diferentes estrategias para reducir sistemticamente el tamao del
intervalo y as, converger a la respuesta correcta.
Como prembulo de estas tcnicas, se discutirn los mtodos grfi-
cos para graficar funciones y sus races. Adems de la utilidad de los m-
todos grficos para determinar valores iniciales, tambin son tiles para
visualizar las propiedades de las funciones y el comportamiento de los m-
todos numricos.
4.1 MTODOS GRFICOS
Un mtodo simple para obtener una aproximacin a la raz de la ecua-
cin f (x) = O consiste en graficar la funcin y observar en donde cruza
el eje x. Este punto, que representa el valor de x para el cual f (x) = O,
proporciona una aproximacin inicial de la raz.
EJ EMPLO 4.1
Mtodos grficos
Enunciado del problema: emplense grficas para obtener una raz apro-
ximada de la funcin f (x) = e-x - x.
Solucin: se calculan los siguientes valores:
120
METODOS NUMERICOS PARA INGENIEROS
X f(x)
0. 0 1.000
0.2 0. 61 9
0.4 0. 270
0. 6 - 0. 051
0. 8 -0.351
1 .o - 0. 632
Estos puntos se muestran en la grfica de la figura 4. l . La curva resultan-
te cruza al eje x entre 0.5 y 0.6. Un vistazo a la grfica proporciona una
aproximada estimacin de la raz de 0.57, que se acerca a la raz exacta
de 0.567 143 28. . ., que se debe determinar con mtodos numricos.
La validez de la estimacin visual se puede verificar sustituyendo su valor
en la ecuacin original para obtener:
f(0.57) = e-057 - 0.57 =-0.004 5
la cual se acerca a cero
FIGURA 4.1 Met odo grfico para la solucin de ecuaciones algebraicas y trascen-
dentales. Representacin de f l x) =e-x - x contra x. La raz corres-
ponde al val or de x donde f(x) =O, esto es, el punto donde l a funcin
cruza el eje x. Una inspeccin visual de la grfica muestra un valor
aproxi mado de 0.57.
METODOS QUE USAN INTERVALOS 121
FIGURA 4.2
Ilustracin de las formas
que puede tener una
raz en un intervalo pres-
crito por los lmites infe-
rior, x, y superior x,. Los
incisos a) y b) indican
que si Ax,) y f (x,) tienen
el mismo signo, entonces
no habr races dentro
del intervalo o habr un
nmero par de ellas. Los
incisos c) y d) indican
signos opuestos en los
extremos, entonces ha-
br un nmero impar de
races dentro del in-
tervalo.
que si f ( 4 Y Ax,) t' lenen
Las tcnicas grficas tienen un valor prctico limitado ya que no son
precisas. Sin embargo, los mtodos grficos se pueden usar para obtener
aproximaciones de la raz. Estas aproximaciones se pueden emplear co-
mo valores iniciales para los mtodos numricos analizados en este cap-
tulo y en el siguiente. Por ejemplo, los programas de NUMERICOMP que
acompaan este texto le permiten graficar funciones sobre un rango es-
pecfico. Esta grfica puede hacerse seleccionando un par de valores ini-
ciales de un intervalo donde est contenida la raz antes de implementar
el m&& num6rico. l a posibilidad de graficar aumenta considerablemente
la utilidad de los programas.
Las interpretaciones geQmtricas, adems de proporcionar aproxima-
ciones iniciales de la raz, son herramientas importantes en el asimilamiento
de las propiedades de las funciones previendo las fallas de los mtodos
numricos. Por ejemplo, la figura 4.2 muestra algunas formas diferentes
en las que la raz puede encontrarse en un intervalo definido por un lmi-
te inferior x, y un lmite superior x,. La figura 4.2b bosqueja el caso don-
de los valores positivo y negativo de f (x) y f (x,) tienen signos opuestos
respecto al eje x, encierran tres races dentro del intervalo. En general,
si f (x,) y f (x,) tienen signos opuestos, existe un nmero impar de races
dentro del intervalo definido por los mismos. Como se indica en la figura
4.2a y c, si f (x,) y f (x,) tienen el mismo signo, no hay races o hay un
nmero par de ellas entre los valores dados.
Aunque estas generalizaciones son usualmente verdaderas, existen
casos en que no se cumplen. Por ejemplo, las raices mltiples, esto es,
funciones tangenciales al eje x (Fig. 4. 3~) y las funciones discontinuas (Fig.
4.3b) pueden no cumplir estos principios. Un ejemplo de una funcin que
tiene una raz mltiple es la ecuacin cbica f (x) = (x - 2)(x - 2)
(x - 4). Ntese que x = 2 anula dos veces al polinomio, de ah que a x se
le conozca como raz mltiple. Al final del captulo 5, se presentan tcni-
cas que estn diseadas expresamente para localizar races mltiples.
La existencia de casos del tipo mostrado en la figura 4.3 dificulta el
desarrollo de algoritmos generales que garanticen la localizacin de todas
las races en el intervalo. Sin embargo, cuando se usan los mtodos expuestos
en las siguientes secciones en conjuncin con esquemas grficos, son de
gran utilidad en la solucin de problemas de muchas races, fre-
cuentemente se presentan en el rea de ingeniera y matemticas apli-
cadas.
I
EJEMPLO 4.2
Uso de grficas por computadora para localizar races
Enunciado del problema: las grficas por computadora pueden informar
y acelerar los esfuerzos para localizar races de una funcin. Este ejemplo
se desarroll usando los programas de NUMERICOMP disponibles con
.J
FIGURA 4.3
Ilustracin de algunas
excepciones de los casos
generales mostrados en
la figura 4.2. a) Pueden
ocurrir races mltiples
cuando la funcin es
tangencia1 al eje x. En
este caso, aunque los
extremos son de signos
opuestos, hay un nme-
ro par de races en el
intervalo. b) Las funciones
discontinuas en donde
los extremos tienen sig-
nos opuestos tambin
contienen un nmero par
de races. Se requieren
estrategias especiales pa-
ra determinar las races
en estos casos.
FIGURA 4.4 Escalamiento progresivo de f (x) =sen 1 Ox
+ cos 3x mediante la computadora. Estas grficas
interactivas le permiten al analista determinar que exis-
ten dos races entre x =4.2 y x =4.3.
el texto. Sin embargo, de esta manera es posible entender cmo la grafi-
cacin por computadora ayuda a localizar races.
La funcin:
!(x) =sen lox +cos 3x
tiene varias races sobre el r.qngo de x = -5 hasta x = 5. Emplese la
opcin de graficacin del programa para profundizar en el comportamiento
de esta funcin.
Solucin: Como se ilustr en el ejemplo 2.1, se puede usar NUMERI-
COMP para graficar funciones. En la figura 4.4a se muestra la grfica de
f(x) desde x = -5 hasta x = 5. La grfica muestra la existencia de varias
MTODOS QUE USAN INTERVALOS 123
races, incluyendo posiblemente una doble alrededor de x =4.2 en don-
de f (x) parece ser tangente al eje x. Se obtiene una descripcin ms de-
tallada del comportamiento de f (x) cambiando el rango de graficacin
desde x = 3 hasta x = 5, como se muestra en la figura 4.4b. Finalmen-
te, en la figura 4.4c, se acorta la escala vertical a f (x) = -0.15 y f (x)
= 0.15 y la horizontal a x = 4.2 y x = 4.3. Esta grfica muestra clara-
mente que no existe una raz en esta regin y que, en efecto, hay dos ra-
ces diferentes alrededor de x = 4.229 y x = 4.264.
Las grficas por computadora tienen gran utilidad en el estudio de
los mtodos numricos. Esta habilidad tambin puede aplicarse en otras
materias as como en las actividades profesionales.
4.2 MTODO DE BlSECClN
Cuando se aplicaron las tcnicas grficas, en el ejemplo 4.1, se observ
(Fig. 4.1) que f (x) cambi de signo hacia ambos lados de la raz. En ge-
neral, si j (x) es real y continua en el intervalo de x1 a x, y f(xl ) y f(x,)
tienen signos opuestos, esto es,
FIGURA 4.5 Algoritmo de la biseccion.
- " l . . " . .. . . . _" - ". ..
entonces hay, al menos una raz real entre x, y x,.
LOS mtodos de bsqueda incremental se aprovechan de esta carac-
terstica para localizar un intervalo donde la funcin cambie de signo. Por
lo tanto, la localizacin del cambio de signo (y por ende, de la raz), se
logra ms exactamente dividiendo el intervalo en una cantidad definida
de subintervalos. Se rastrea cada uno de estos subintervalos para encon-
trar el cambio de signo. El proceso se repite y la aproximacin a la raz
mejora cada vez ms a medida que los subintervalos se dividen en inter-
valos ms y ms pequeos. Se estudia ms sobre e tema de bsquedas
incrementales en la seccin 4.4.
El mtodo de biseccin, conocido tambin como de corte binario. de
particin en dos intervalos iguales o mtodo de Bolzano, es un mtodo
de bsqueda incremental donde el intervalo se divide siempre en dos.
Si la funcin cambia de signo sobre un intervalo, se evala el valor de
la funcin en el punto medio. La posicin de la raz se determina situn-
dola en el punto medio del subintervalo dentro del cual ocurre un cambio
de signo. El proceso se repite hasta obtener una mejor aproximacin. La
figura 4.5 muestra un algoritmo para la biseccin y en la figura 4.6 se
muestra un bosquejo grfico del mtodo.
EJ EMPLO 4.3
Biseccin
, Enunciado del problema: sese el mtodo de la biseccin para determi-
; nar la Paz de' j (x) = e "x - x.
Solucin: Recurdese de acuerdo a la grfica de la funcin (Fig. 4.1) que
la raz se encuentra entre O y 1. Por lo tanto, el intervalo inicial se puede
escoger desde x/ = O hasta x, = 1. Por consiguiente, la estimacin ini-
'cia1 de la raz se sita en el punto medio de este intervalo:
i
O + l
X, = - =0.5
2
Esta estimacin representa un error de (el valor exacto es 0.567 143 29. , .)
E, = 0.567 143 29 - 0.5 = 0.067 143 29
o, en trminos relativos:
= I 143 29 1100% = 11.8%
0.567 143 29
METODOS QUE USAN INTERVALOS
125
FIGURA 4.6 Grfica del mtodo de biseccin. Esta grfica incluye las primeras tres
iteraciones del ejemplo 4.3.
donde el subndice v indica que el error es con respecto al verdadero. Ahora
se calcula:
f(0) f(0.5) = (1)(0.106 53) = 0.106 53
que es mayor de cero, y por consiguiente no hay cambio de signo entre
x/ y x,. Y por lo tanto, la raz se encuentra dentro del intervalo x = 0.5
y x = 1. El lmite inferior se redefine como x, = 0.5, y la aproximacin
a la raz en la segunda iteracin se calcula como:
0.5 + 1.0
2
= 0.75 le,/ = 32.2%
5
El proceso se puede repetir para obtener aproximaciones ms exactas.
Por ejemplo, la tercera iteracin es:
f(0.5) f(0.75) -0.030 < O
Por lo tanto, la raz est entre 0.5 v 0.75:
x, = 0.75
0.5 + 0.75
2
= 0.625 /E,[ = 10.2%
Y la cuarta iteracin es:
f(0.5)f(0.625) = -0.010 < O
Por lo tanto, la raz est entre 0.5 y 0.625:
x, = 0.625
El mtodo se puede repetir para alcanzar mejores estimaciones. La figura
4.6 muestra una grfica de las primeras tres iteraciones.
En el ejemplo anterior, se puede observar que el error real no dismi-
nuye con cada iteracin. Sin embargo, el intervalo dentro del cual se lo-
caliza la raz se divide a la mitad en cada paso del proceso. Como se estu-
diar en la prxima seccin, la longitud del intervalo proporciona una
aproximacin exacta del lmite superior del error en el mtodo de biseccin.
4.2.1 Criterios de paro y estimacin de errores
El ejemplo 4.3 finaliza con la opcin de repetir el mtodo para obtener
una aproximacin ms exacta de la raz. Ahora se debe desarrollar un
criterio objetivo para decidir cuando debe terminar el mtodo.
el error se encuentre por debajo de algn nivel prefijado. Se puede ver
en el ejemplo 4.3, que el error relativo baj de un 11.8 a un 4.69% du-
rante los clculos. Puede decidirse que el mtodo termine cuando se al-
cance un error ms bajo, por ejemplo del 0. 1%. Esta estrategia es
inconveniente ya que la estimacin del error en el ejemplo anterior se ba-
s en el conocimiento del valor exacto de la raz de la funcin. Este no
Una sugerencia inicial puede ser de que terminen los clculos cuando .
es el caso de una situacin real ya que no habra motivo para usar el m-
todo si ya se supiese la raz.
Por lo tanto, se requiere estimar el error de manera tal que no incluya
el conocimiento previo de la raz. De manera anloga a como se ve en
la seccin 3.3, se puede calcular el error relativo aproximado , d e la si-
guiente manera [recurdese la ecuacin (3.5)]:
donde es la raz de la iteracin actual y xYterior es el valor de la
raz de la iteracin anterior. Se usa el valor absoluto ya que, en general
importa slo la magnitud de E , sin considerar su signo. Cuando I E, I es
menor que un valor previamente fijado, que define el criterio de paro,
el programa se detiene.
EJEMPLO 4.4
Estimacin del error para el mtodo de la biseccin
Enunciado del problema: sese la ecuacin (4.2) para estimar el error
de las iteraciones del ejemplo 4.3.
Solucin: las primeras dos estimaciones de la raz en el ejemplo 4.3 fue-
ron 0.5 y 0.75. Sustituyendo estos valores en la ecuacin (4.2) se obtiene:
0.75 - 0.5
l e a ' = 1 0.75 1
100% = 33.3%
Recurdese que el error exacto para la raz estimada de O. 75 es del 32.2%.
De esta manera, E, es mayor que E , . Este comportamiento se muestra en
las otras iteraciones
Iteraci6n Xr I 4 ?fo / %I t Oh
1 0.5
2
3
4
5
11.8
O. 75 32.2
33.3
0.625 10.2 20.0
0.5625 0.81 9 11.1
0.59375 4.69 5.3
FIGURA 4.7 Errores del mtodo de biseccin. Se grafican los errores verdadero
y aproximado contra el nmero de iteraciones.
Estos resultados, junto con los de las iteraciones subsiguientes se resu-
men en la figura 4.7. La naturaleza desigual del error real se debe a
que para el mtodo de la biseccin la raz exacta se encuentra en cual-
quier lugar dentro del intervalo. Los errores verdadero y aproximado son
casi iguales cuando el intervalo est centrado sobre la raz. Cuando la raz
se encuentra cerca de un extremo. del intervalo, entonces los errores son
muy diferentes.
I
Aunque el error aproximado no proporciona una estimacin exacta
del error verdadero, la figura 4.7 sugiere que E , capta la direccin des-
,endente de E,. Adems, la grfica muestra una caracterstica muy inte-
resante; que E, siempre es mayor que E,. Por lo tanto, cuando E, es
menor que E, los clculos se pueden terminar con la confianza de saber
que la raz es al menos tan exacta como el nivel especfico prefijado.
Aunque siempre es daino aventurar conclusiones generales de un
slo ejemplo, se puede demostrar que E, siempre ser mayor que E, en
el mtodo de biseccin. Esto se debe a que cada vez que se encuentra
una aproximacin a la raz usando bisecciones como x, = (xr + (x, )/ 2,
se sabe que la raz exacta cae en algn lugar dentro de intervalo (x, -
xr)/ 2 = b/ 2. Por lo tanto, la raz debe situarse dentro de f A x/2 de
la aproximacin (Fig. 4.8). Por ejemplo cuando se termin el ejemplo
4.3 se pudo decir definitivamente que:
X, = 0.562 5 - +0.062 5
FIGURA 4.8 Tres formas diferentes en que un intervalo puede agrupar a la raz. En
a) el valor verdadero cae en el centro del intervalo, mietras que en b)
y c ) el valor se acerca a uno de los extremos. Ntese que la diferencia
entre el valor verdadero y el punto medio del intervalo jams sobrepasa
la longitud media del intervalo, o Ax/ 2.
FIGURA 4.9 Esauema grfico del porqu laestimacin del error en el mtodo de bi-
seccin ( Ax/ 2) es equivalente a la estimacin actual de la raz (xrnueuo)
menos la estimacin anterior de la raz
Debido a que A x/ 2 = xnUevo -
Xanierior (Fig. 4.9), la ecuacin (4.2)
proporciona un lmite superior exacto sobre el error real. Para que se
rebase este lmite, la raz reai tendra que caer fuera del intervalo que la
contiene, lo cual, por definiciiin jams ocurrir en el mktodo de bisec-
ciijn. El ejemplo 4.7 muestra otras tcnicas de localizacin de races que
no siempre se portan tan eficientes. Aunque el mtodo de biseccin, en
general es ms lento que otros mtodos, la elegancia del anlisis de error,
ciertamente es un aspecto positivo que puede hacerlo atractivo para cier-
tas aplicaciones de la ingeniera.
4.2.2 Programacin del mtodo de biseccin
El algoritmo de la figura 4.5: ahora se presenta en un programa que se
muestra en la figura 4.10. El programa usa una funcicin (lnea 100) que
facilita la localizacin de la raz y las modificaciones a la funcin. Ade:
ms, se incluye la lnea 200 para verificar la posibilidad de divisiones por
cero durante la evaluacin del error. Tal caso se presenta cuando el in-
tervalo est centrado respecto al origen. En este caso, la ecuacin (4.2)
es infinita. Si esto ocurre, el programa salta sobre la evaluacin del error
para esa iteraci6n.
El programa de la figura 4.10 no es muy legible para el usuario; est
diseado nicamente para calcular la respuesta, el usuario debe hacerlo
ms fcil de usar y de entender. Dentro del paquete de NUMERICOMP
asociado con este texto se proporciona un ejemplo de un programa legi-
ble al usuario para encontrar races de ecuaciones. El siguiente ejemplo
F< X )nEXPC -X )-X 1 ~ . Ut& FN F I 1 E X P I -. X J --
R E I D< S , l ) X L ~ X U ~ E S , l U
FORMI T<3Fl O. O, I S) 1 1 , : ~ INPIJT ~L , X I J . F ~, I M - "
AR-FC XL )*F<XU ) 12r j I F FN F i X L ) FN FCXLII , = XL, XU = lmites inferiot'y
XR-( XL+XU )/2
I F ( L R. CE. O. 0 ) COTO 310
DO 240 NI G!, I M
W-F< XL )*F( XR >
I F I f i . EP. O. 0) COTO 300 l d0 1F AA = O THEN 300
I F <&A. LT. O , O )XU=XR 17G IF AA , . ( 6 1Hb.N XIJ = Y R
XN-< XL+XU )/ 2
I F ( f i f i . CT, O. O) XL- XR 180 16 Ah .I c:) THEN XL = XU
I F <XN. EQ. O. OXOTO 230
Efi-ABS< <XN-XR )LXN )*1 00 211:l E A = A B 5 ( 1 h N - XRI / XNI f
I F <EA.LT.ES)COTO 280 1 <I XR =estimacin inicial de la
(Funcin a la cual se le va a
calcular la raz)
Y
1 2 0 NR = ( XL + k l J ) I c -
i k FOR NI Y TI. 111
1st) AA = FN F(XI.) * FN F( k R)
O THEN 310 superior
ES =error porcentual
aceptable
IM =numero mximo de
Iteraciones.
190 kN = i k L + XU1 / 2 (Verifica s i XL y XU
encierran una raiz)
230 XR-XN
240 CONTI NUE
2 ~ o ~ n f i ~ ( ' ';NO SE ENCUNTRO Lf+.RI I Z' ) P'nj PRI NT "NO SF ENCON'TRU L A RAI ? "
3 FORMAT<' ' , 2F10. 3)
2eo MRI TE( 6,4!XN.Efi .NI
4 FORURT( ' , 2F10. 3, 15) 3 6 , r PRI NT " ILA RAI L EI A CI A FS =" :X.R EA =error porcentual
COTO 310
3 0 0 URI TE( 6, S) XR
5 FORMnT(' ' , ' LA RA1Z EX(I CT0 ES =' , Fl 0. 3) (Prueba de error)
3 1 0 STOP
raz
A.AO AH = LN
MRI TE( 6. 2) 74*: , NEXT NI
URI TE<C, 3) XR, Ef i lol:, PRI NT YR, A
COTO 310
(Evaluacin para determcnar
que subintervalo contiene a
la raizl
XN =nueva aproximacin a
L/ O GUTO 31o
.!:u, PRI NT kN.EA.NI
..
. _. .
2"o c.010 310 la raz
ilir END
calculado
END
FIGURA 4.10 Programa para el mtodo de biseccin.
muestra el uso de NUMERICOMP para encontrar races. Tambin propor-
ciona una buena referencia para valorar y examinar los programas del usuario.
EJEMPLO 4.5
Localizacin de races usando la computadora
Enunciado del problema: asociado con los programas de NUMERICOMP,
se encuentra un programa legible al usuario sobre el mtodo de biseccin.
Se puede usar este programa para resolver un problema de diseo
asociado con el ejemplo del paracaidista analizado en el captulo 1. Co-
mo se recordar, la velocidad del paracaidista est dada, en funcin del
tiempo, de la siguiente manera:
[E4.5.1]
donde u es la velocidad del paracaidista en centmetros por segundo, g
es la constante gravitacional cuyo valor es 980 cm / s2, m es la masa
del paracaidista cuyo valor es 68 100 g y c es el coeficiente de rozamien-
to. En el ejemplo l. 1 se calcul la velocidad del paracaidista en funcin
del tiempo para valores dados de m, c y g. Sin embargo, supngase que
se desea controlar el movimiento del paracaidista de tal forma que se al-
cance una velocidad prefijada en cada libre despus de un tiempo dado.
En este caso, se debe seleccionar un valor apropiado de c que satisfaga
los requisitos de diseo cuando se mantengan constantes m, g, t y u. Una
ojeada a la ecuacin a (E4.5.1) muestra que c no se puede calcular expl-
citamente en funcin de las variables conocidas. Supngase que se de-
sea que la velocidad del paracaidista alcance un valor de 4 O00 cm/ s
despus de 7 s. De esta manera, se debe determinar un valor de c tal que:
[E4.5.2]
con t = 7 S y u = 4 O00 cm/ s.
Solucin: para implementar el mtodo de BISECCIN, se requiere ob-
tener un intervalo inicial que contenga al valor de c que satisfaga la
ecuacin (E4.5.2). Es conveniente seleccionar este intervalo conjuntamente
con la opcin de graficacin de BISECCIN que viene con el disco (op-
cin 3). El programa pregunta los valores mnimo y mximo de x y de
f (x) generando la grdfica mostrada en la figura 4.1 l a despus que se
han introducido las dimensiones de la grfica. Puede verse que existe una
raz entre 10 O00 y 15 O00 g/ s.
El programa BISECCIN pregunta por un lmite mximo de iteracio-
nes permitido, un error de convergencia E, y un lmite inferior y superior
FIGURA 4.1 1 a) Grfica de la ecuacin (E 4.5.2) b) Resultados para determinar el coe-
ficiente de rozamiento usando BISECCION en el problema del para-
caidista.
para la raz. La figura 4.1 lb muestra estos valores, junto con la raz cal-
culada de 11 643.14 g / s. Ntese que con 16 iteraciones se obtiene un
valor aproximado a la raz con un error menor de E,. Ms an, la com-
putadora muestra una verificacin del error de:
f(11643.14) = 1.025391 X l o-'
para confirmar los resultados. Si la exactitud que se requiere no se hubie-
ra alcanzado con el nmero especificado de iteraciones, entonces el al-
goritmo habra terminado despus de 30 iteraciones.
Estos ;esultados estn basados en el algoritmo simple del mtodo de
BISECCION con el uso'de rutinas de entrada y salida legibles al usuario.
El algoritmo usado es similar al de la figura 4.10. El usuario debe estar
listo para escribir sus propios programas sobre el mtodo de biseccin.
Si tiene los programas de NUMERICOMP, entonces los puede usar co-
mo modelo y para verificar que sus programas sean adecuados.
I
4.3 MTODO DE LA REGLA FALSA
Aunque el mtodo de biseccin es una tcnica perfectamente vlida para
determinar races, su enfoque es relativamente ineficiente. Una alternati-
va mejorada es la del mtodo de la regla falsa est basado en una idea
para aproximarse en forma ms eficiente a la raz.
Un defecto del mtodo de biseccin es que al dividir el intervalo xI
a x, en mitades iguales, no se toma en consideracin la magnitud de
f (x() y de f (x,). Por ejemplo, si f (XI) est mucho ms cerca de cero que
f (xu), es lgico que la raz se encuentra ms cerca de xI que de x, (Fig.
4.12). Este mtodo alternativo aprovecha la idea de unir los puntos con
una lnea recta. La interseccin de esta lnea con el eje x proporciona una
mejor estimacin de la raz. El reemplazamiento de la curva por una lnea
recta da una posicin falsa de la raz, de aqu el. nombre de mtodo
de la regla falsa o en latn, regula falsi. Tambin se le conoce como mto-
do de interpolaci6n lineal.
Con el uso de tringulos semejantes (Fig. 4.12), la interseccin de
la lnea recta y el eje x se puede calcular de la siguiente manera:
que se puede resolver Dara (vase el recuadro 4.1 para mayores detalles)
FIGURA 4.12 Esquema grfico del mtodo de l a regla falsa. La frmula se deriva de
los tringulos semejantes (reas sombreadas).
~ ~ ~ . - ~ . I - l_..*_,~-..ll. -. ^_ , ~. - .. - .
134 METODOS NUMtRICOS PARA INGENIEROS
RECUADRO 4.1 Derivacin del mtodo de lo regla falso
Multiplicando en cruz la ecuacin (4.3) se obtiene: sumando y restando x, del lado derecho:
Dividiendo entre - f (x" ):
xuf(x1) - x,f(xu)
f (X/) - f (xu)
xr =
x, =xu -
f(xu>(x/ - xu)
f (XI) - f(xJ
sta es una forma del mtodo de la regla falsa. Ntese
que esto permite cualcular la raz x, en funcin de los 1: -
que es igual a la ecuacin (4.4). Se usa esta forma ya que
manera alternativa, expandindola:
analizado en el captulo 5.
mites inferior, Y superior x u. Se puede Ordenar de una es directamente con el mtodo de la secante
Esta es la frmula de la regla falsa. El valor de xr, calculado con la ecua-
cin (3.4), reemplaza a uno de los dos valores, x, o a x, que produzca
un valor de la funcin que tenga el mismo signo de f (x,). De esta ma-
nera, los valores xl y x, siempre encierran a la raz. El proceso se repite
hasta que la aproximacin a la raz sea adecuada. El algoritmo es idnti-
co al de la biseccin (Fig. 4.6) con la excepcin de que la ecuacin (4.4)
se usa en los pasos 2 y 4. Adems, se usan los mismos criterios de paro
[(Ec. (4.2)] para detener los cSlculos.
b
M~ODOS QUE USAN INTERVALOS 135
Solucin: como en el ejemplo 4.3, incieme los clculos con los valores
iniciales x, = O y x, = 1.
Primera iteracin:
x, = o j (x,> = 1
X, = 1 f(x,) = -0.632 12
El error relativo real se puede estimar como:
1 4 =
0.567 143 29 - 0.612 7 I loo% = 8.0%
1 0.567 143 29 1
Segunda iteracin:
Por lo tanto, la raz se encuentra dentro del primer subintervalo y x, se
convierte en el lmite superior de la siguiente iteracin, x, = 0.6127.
x/ = o f h ) = 1
x, = 0.612 7 f(x,) -0.070 8
X, = 0.612 7 -
-0.070 8(0 - 0.612 7)
1 - (-0.070 8)
= 0.572 19 E, = 0.89%
El error aproximado se puede calcular como:
I 4 =
0.572 19 - 0.612 7
= 7.088
I 0.572 19
Se pueden llevar a cabo iteraciones adicionales para mejorar la estima-
cin de la raz.
Puede emitirse una opinin ms completa sobre la eficiencia relativa
de los mtodos de biseccin y de la regla falsa al observar la figura 4.13
que muestra grficas del error relativo porcentual de los ejemplos 4.3 y
4.6, Ntese cmo el error decrece mucho ms rpidamente para el m-
FIGURA 4.13 Comparacin de errores relativos de los mtodos de la regla falsa y de
btsecciones para f ( x) =e' - x.
todo de la regla falsa que para el de bisecciones ya que el primero es un
esquema ms eficiente para la localizacin de races.
Recurdese que en el mtodo de biseccin el intervalo entre x/ y x,
decrece durante los clculos. Por lo tanto, el intervalo dado por A x/ 2
= ~ x, - x,!,' 2 proporciona una medida del error en estas aproximacio-
nes. Este no es el caso para el mtodo de la regla falsa ya que uno de
los extremos puede permanecer fijo a lo largo de los clculos, mientras
que el otro converge a la raz. Como en el caso, del ejemplo 4.4 donde
el extremo inferior xi se sostuvo en cero, mientras que x, convergi a la
raz. En tales casos, el intervalo no se acorta, sino que se mantiene ms
o menos constante.
El ejemplo 4.6 sugiere que la ecuacin (4.2) representa un criterio
de error muy conservador. De hecho, la ecuacin (4.2) constituye una
aproximacin de la discrepancia de la iteracin preuia. Esto se debe a que
para cada caso, tai como en el ejemplo 4.6, donde el mtodo converge
rpidamente (por ejemplo, el error se reduce casi una orden de magni-
tud por iteracin), la iteracin actual es una aproximacin mucho
mejor al valor real de la raz que el resultado de la iteracin previa
xYterior. Por lo tanto, el numerador de la ecuacin (4.2) representa la di-
ferencia de la iteracin previa. En consecuencia, hay confianza que cuando
se satisface la ecuacin (4.2), la raz se conoce con mayor exactitud su-
perando la tolerancia preestablecida. Sin embargo, como se ve en la si-
guiente seccin, existen casos donde la regla de la posicin falsa converge
lentamente. En estos casos la ecuacin (4.2) no es confiable y se debe
desarrollar un criterio diferente de paro.
4.3.1 Desventajas del mtodo de la regla falsa
Aunque el mtodo de la regla falsa pareciera siempre ser el mejor de los
que usan intervalos, hay casos donde funciona deficientemente. En efec-
to, como en el ejemplo siguiente, hay ciertos casos donde el mtodo de
biseccin da mejores resultados.
EJEMPLO 4.7
Un caso donde el mtodo de biseccin es preferible al de4a'regla falsa
Enunciado del problema: sense los mtodos de biseccin y de la regla
falsa para localizar la raz de:
entre x = O y x = 1.3.
Solucin: usando biseccin, los resultados se resumen como:
1 O 1.3 0.65 35
2 0.65 1.3 - 0.975
2.5 33.3
3 0.975 1.3 1.1375 13.8 14.3
4 0.975 1.1375 1.05625 5.6 7.7
5 0.975 1.05625 1 .O1 5625 1.6 4.0
De esta manera, despus de cinco iteraciones. El error verdadero se reduce
a menos del 2%. Con la regia falsa se obtiene un esquema muy diferente
1 O 1. 3 0. 09430 90. 6
2 0. 09430 1. 3 0. 18176 81. 8 48. 1
3 0. 18176 1. 3 0. 26287 73. 7 30. 9
4 0. 26287 1. 3 0. 3381 1 66. 2 22. 3
5 0. 3381 1 1. 3 0. 40788 59. 2 17. 1
~~~ ~
Despus de cinco iteraciones, el error verdadero se ha reducido ai 59%. Ade-
ms, ntese que 1 E, 1 < 1 eV 1 . De esta forma, el error aproximado
es engaoso. Se puede obtener mayor informacin examinando una grfica
de la funcin. En la figura 4.14 la curva viola una hiptesis sobre la cual
I
FIGURA 4.14 Grfica de lafuncin f(x) =x" - 1 , ilustracin de la convergencia
lenta del mtodo de la regla falsa.
MhODOS QUE USAN INTERVALOS 139
se basa la regla falsa; esto es, si f (x1) se encuentra mucho miis cerca de
cero que f (x,), entonces la raz se encuentra ms cerca a x1 que x, (re-
curdese la figura 4.12). De acuerdo a la grfica de esta funcin, la inver-
sa es verdadera.
El ejemplo anterior ilustra que en general no es posible hacer gene-
ralizaciones relacionadas con los mtodos de obtencin de races. Aun-
que un mtodo como el de la regla falsa, en general es superiar al de
biseccin, hay, invariablemente casos especiales que violan las conclu-
siones generales. Por lo tanto, adems de usar la ecuacin (4.2), los re-
sultados se pueden verificar sustituyendo la raz aproximada en la ecuacin
original y determinar si el resultado se acerca a cero. Estas pruebas se de-
ben incorporar en todos los programas que localizan races.
4.3.2 Programa para el mtodo de la regla falsa
Se puede desarrollar directamente un programa para la regla falsa a
partir del cdigo del mtodo de biseccin de la figura 4.10. La nica mo-
dificacin es la de sustituir la ecuacin (4.4) en las lneas 130 y 190. Ade-
ms, la prueba contra cero sugerida en la ltima seccin, tambin se debe
incorporar en el cdigo.
4.4 BSQUEDAS CON INCREMENTOS
DETERMINANDO UNA
APROXIMACIN INICIAL
Adems de verificar una respuesta individual, se debe determinar si se
han localizado todas las races posibles. Como se mencion anteriormen-
te, en general, una grfica de la funcin ayudar en esta tarea. Otra
opcin es incorporar una bsqueda incremental al principio del progrma.
Consiste en empezar en un extremo de la regin de inters y realizar
evaluaciones de la funcin con pequeos intervalos a lo largo de la re-
gin. Cuando la funcin cambia de signo, se supone que una raz cae
dentro del incremento. Los valores de x de los extremos del intervalo pue-
den servir de valores iniciales para una de las tcnicas descritas en este
capitulo que usan intervalos.
Un problema aunado a los mtodos de bsquedas incrementales es
el de escoger la longitud del incremento. Si la longitud es muy pequea,
la bsqueda puede consumir demasiado tiempo. Por el otro lado, si la
longitud es muy grande, existe la posibilidad de que las races muy cerca-
nas entre s pasen desapercibidas (Fig. 4.15). El problema se combina con
148 , METODOS NUMRICOS PARA INGENIEROS
FIGURA 4.1 5 Casos donde las races se pueden brincar debido a que las longitudes
de los intervalos en los mtodos de bsquedas incrementales son de-
masiado grandes. Ntese que la ltirna raz es mltiple y se iba a brin-
car independientemente de la longitud del incremento.
la posible existencia de races mltiples. Un remedio parcial para estos
casos en calcular la primera derivada de la funcin f' (x) en los extremos
del intervalo. Si la derivada cambia de signo, entonces puede existir un
mximo o un mnimo en ese intervalo, lo que sugiere una bsqueda ms
minuciosa para detectar la posibilidad de una raz.
Aunque estas modificaciones, o el empleo de un incremento muy fi-
no pueden solucionar en parte el problema, se debe aclarar que los
mtodos sencillos tales como el de bsqueda incremental no son infali-
bles. Se debe tener conocimiento de otras informaciones que profundi-
cen en la localizacin de races a fin de complementar las tcnicas
automticas. Esta informacin se puede encontrar graficando la funcin
y entendiendo el problema fsico de donde se origin la ecuacin.
PROBLEMAS
Clculos a mano
4.1 Determnense las races reales de:
f(x) =- 0.874~~ +1.75~ +2.627
a) GrSrficamente
b) Usando la frmula cuadrtica
c) Usando el mtodo de biseccin hasta tres iteraciones para determinar la raz m&
alta. Emplense como valores iniciales xi =2.9 y x, =3.1. Calclese el error es-
timado ea y el error verdadero E,, despus de cada iteracin.
METODOS QUE USAN INTERVALOS
141
. .
4.2
4.3
4.4
4.5
4.6
4.7
Determnense las races reales de
f(x) =-2.1 +6. 21~ - 3.9~' +0. 667~~
a) Grficamente
b) Usando biseccin para localizar la raz ms pequea. Emplense como valores
iniciales x, =0.4 y x, =0.6 e itrese hasta que el error estimado F, se encuentre
abajo de t , =4%
Determhense las races reales de:
f(x) =-23.33 +79.35~ "88.09~~ +41. 6~~ - 8. 68~~ +0. 658~~
a Grficamente
b) Usando biseccin para determinar la raz ms alta para es =1 W . Emplese co-
mo valores iniciales x, =4.5 y x , =5.
c) Realcense los mismos clculos de b) pero usando el mtodo de laregla falsa.
Determnense las races reales de:
f(x) =9.36 - 21.963~ +16.2965~' - 3.70377~~
a) Grficamente
b) Usando el mtodo de la regla falsa con un valor de es correspondiente a tres'
cifras significativas para determinar la raz ms baja.
Localcese la primer raz diferente de cero de tan x =1.1. x donde x est en radia-
nes. sese una tcnica gr6fica y biseccin con valores iniciales O. l y O.G. Realcen-
se los clculos hasta que E, sea menor del es =10%. Verifquense tambin los
errores sustituyendo larespuesta final en la ecuacin original.
Determnese la raz real de In x =0. 5
a) Grficamente
b) Usando el mtodo de biseccin con tres iteraciones y valores iniciales x) = 1
y x, =2.
c) Usando el mtodo de la regla falsa con tres iteraciones y los mismos valores ini-
ciales del inciso anterior.
Determnese la raz real de:
1 - 0. 6~
f(x) =
X i
a) Analticamente
b) Grficamente
C) Usando el mtodo de la regla falsa con tres iteraciones y valores iniciales de 1.5
y de 2.0. Calclese el error aproximado E, y el error verdadero E, despus de ca-
da iteracin.
4.8 Encuntrese la raz cuadrada positiva de 10 usando el mtodo de la regla falsa con
E, =0.5 %. Emplense los valores iniciales de x, =3 y x, =3.2.
4.9 Encuntrese la raz positiva ms pequea de la funcin (x est dada en radianes) :
x' 1 sen XI =4
usando el mtodo de la regla falsa. Para localizar la regin en que cae la raz, pri-
mero grafquese la funcin para valores de x entre O y 4. Realcense los clculos
hasta que eo haga que se cumpla es = 1 B. Verifquese la respuesta final sustitu-
yndola en la funcin original.
4.10 Encuntrese la raz real positiva de:
!(x) =x4 - 8 . 6 ~ ~ - 35.51~' +464x - 998.46
usando el mtodo de la regla falsa. sese una grfica para determinar los valores
iniciales y realizar los clculos con e, =O. 1 % .
4.11 Determnese la raz real de:
f(x) =x3 - 100
a) Analticamente
b) Con el mtodo de la regla falsa con es =0.1 %
4.12 La velocidad del paracaidista est dada por la frmula:
donde g =980. Para un paracaidista de masa m =75 O00 g calclese el coefi-
ciente de rozamiento c con u = 3600 cm/s en t = 6 s . sese el mtodo de
la regla falsa para determinar c con es =O. 1 %.
Problemas para resolver con computadora
4.13 Vulvase a programar la figura 4.10 de forma tal que sea ms legible al usuario.
Entre otras cosas:
a) Documntese indicando la funcin de cada seccir.
b) Etiqutense las entradas y las salidas
c) Agrguese una prueba que verifique si los valores iniciales x, y x,, encierran a
la raz.
d) Agrguese una prueba de verificacin para que la raz obtenida se sustituya en
la ecuacin original para comprobar si el resultado final se ace:ca a cero.
4.14 Prubese el programa del problema 4.13 duplicando los clculos del ejemplo 4.3.
4.15 sese el programa del problema 4.13 para repetir desde el problema 4.1 al 4.6.
MTODOS QUE USAN INTERVALOS 143
4.16 Reptanse los problemas 4.14 y 4.15 usando los programas de NUMERICOMP dis-
ponibles con el texto. sense las capacidades grficas de este programa para verifi-
car los resultados.
4.17 sense los programas de NUMERICOMP para encontrar las races reales de dos
funciones polinomiales cualesquiera. Grafquense las funciones sobre un rango de-
finido para obtener los lmites inferior y superior de las races.
4.18 Reptase el programa 4.17 usando dos funciones trascendentales
4.19 En este problema se usan solamente las capacidades grficas de los programas NU-
MERICOMP disponibles con el texto. LOS programas trazan la funcin sobre inter-
valos ms y ms pequeos para incrementar la cantidad de cifras significativas que
se quiera estimar una raz. Empicese con f(x) =e-' sen (10 x). Grafquese la
funcin con un rango a escala completa desde x =O hasta x =2.5. Estmese
la raz. Trcese nuevamente la funcin sobre el rango x =0.5 a x =1.0. Est-
mese la raz. Finalmente, grafquese la funcin sobre un rango de 0.6 a 0.7. Esto
permite estimar la raz con dos cifras significativas.
4.20 Desarrllese un programa legible al usuario para el mtodo de la regla falsa basado
en la seccin 4.3.2. Prubese el programa con el ejemplo 4.6.
4.21 sese el programa del problema 4.20 para probar los clculos del ejemplo 4.7.
Realcense corridas de 5, 10, 15 y ms iteraciones hasta que el error relativo
porcentual sea menor del O. 1%. Grafquense los errores relativos porcentuales apro-
ximados contra el nmero de iteraciones sobre papel semilogartmico. Interprten-
se los resultados.
C A P T U L O C I N C O
MTODOS
ABIERTOS
En los mtodos del captulo anterior que usan intervalos, la raz se en-
cuentra dentro del mismo, dado por un lmite inferior y otro superior. La
aplicacin repetida de estos mtodos siempre genera aproximaciones ms
y ms cercanas a la raz. A tales mtodos se les conoce como conuergen-
tes ya que se acercan progresivamente a la raz a medida que crece el
nmero de iteraciones (Fig. 5. l a).
FIGURA 5.1 Esquema grfico de las diferencias fundamentales entre los mtodos que
usan intervalos a) y los mtodos abiertos b) y c) en la localizacin de ra-
ces. En a), que ilustra el mtodo de biseccin, la raz est registrada dentro
del intervalo dodo por x, y x,. En contraste, con los mtodos abiertos,
ilustrados en b) y c), se usa una frmula para proyectar xi a xi +, con un
esquema iterativo. De esta manera, el mtodo puede divergir b) o con-
verger c) rpidamente, dependiendo del punto inicial.
En contraste con stos, los mtodos abiertos que se describen en este ca-
ptulo, se basan en frmulas que requieren de un solo valor x o de un
par de ellos pero que no necesariamente encierran a la raz. Como tales,
algunas veces diuergen o se alejan de la raz a medida que crece el nme-
ro de iteraciones (Fig. 5. l b). Sin embargo, cuando los mtodos abiertos
convergen (Fig. 5. IC), en general lo hacen mucho ms rpido que los m-
todos que usan intervalos. Se empieza el anlisis de los mtodos abiertos
con una versin simple que es til para ilustrar su forma general y tam-
bin para demostrar el concepto de convergencia.
5.1 ITERACIN DE PUNTO FIJ O
Como se mencion anteriormente, los mtodos abiertos emplean una fr-
mula que predice una aproximacin a la raz. Tal frmula se puede desa-
rrollar para la iteracin de punto fijo, rearreglando la ecuacin f(x) =O de
tal forma que x quede del lado izquierdo de la ecuacin:
x = [5.11
Esta transformacin se puede llevar a cabo mediante operaciones alge-
braicas o simplemente agregando x a cada lado de la ecuacin original.
Por ejemplo:
x 2- 2x +3=o
se puede reordenar para obtener:
x2 +3
!
x=-
mientras que sen x = O puede transformarse en la forma de la ecuacin
(5.1) sumndole x a ambos lados para obtener:
x = senx + x
La utilidad de la ecuacin (5.1) es que proporciona una frmula para
predecir un valor de x en funcin de x. De esta manera, dada un aproxi-
macin inicial a la raz, xi, la ecuacin (5.1) se puede usar para obtener
una nueva aproximacin xi +l , expresada por la frmula iterativa:
Como con otras frmulas iterativas del libro, el error aproximado de esta
ecuacin se puede calcular usando el estimador de error [Ec. (3.5) 1:
MhODOS ABIERTOS
147
EJEMPLO 5.1
Iteracin de punto fijo
Enunciado del problema: sese iteracin de punto fijo para localizar la
raz de f(x) = e x x.
Solucin: la funcin se puede separar directamente y expresarse en la
forma de ecuacin (5.2) como = e-. Empezando con un valor ini-
cial de x,,=-O, se puede aplicar esta ecuacin iterativa y calcular:
I
Iteraci6n. i X
O
1
2
3
4
5
6
7
8
9
10
O
1 .oooooo
0.367879
0.692201
0.500473
0.606244
0.545396
0.57961 2
0.5601 15
0.571 143
0.564879
1 O0
76.3 100.0
35.1 171.8
22.1 46.9
11.8 38.3
6.89 17.4
2.20 5.90
1.24 3.48
O. 705 1.93
0.399 1.1 1
3.83 11.2
I
De esta manera, cada iteracin acerca cada vez ms al valor estimado
con el valor verdadero de la raz, o sea 0.567 143 29.
RECUADRO 5.1 Convergencia de la iteracin de punto fiio
AI analizar la figura 5.3, se debe notar que la iteracin de
punto fijo converge si en la regin de inters g ( x ) <1.
En otras palabras, la convergencia ocurre si la magnitud
de la pendiente de g ( x ) es menor que la pendiente de la
lnea f( x ) =x. Esta observacin se puede demostrar teri-
camente. Recurdese que la ecuacin aproximada es:
Xi+l =g(xi)
Supngase que la solucin verdadera es:
x, =S(&)
Restando estas dos ecuaciones se obtiene:
xr - Xi+l =g(xJ - g(xJ [B5.1.1]
En el clculo, existe un principio llamado teorema del
valor medio (seccin 3.5.2). Dice que si una funcin g ( x )
y su primera derivada son continuas sobre un intervalo
a <x <b, entonces existe un valor de x ={dentro del
intervalo para el que:
[B5.1.2]
El lado derecho de esta ecuacin es la pendiente de la l-
nea que une a g ( a ) y g ( b ) , De esta manera, el teorema
del valor medio dice que hay al menos un punto entre a
y b que tiene una pendiente, denotada por S({), que es
paralela a la lnea que une g(a) con g(b) (Fig. 3.5).
Ahora, si se hace a =xi y b =x, el lado derecho
de la ecuacin (B5.1.2) se puede expresar como:
S k r ) - g(xJ =(xr - Xi) g (8 Por consiguiente, si g ( ) <1, entonces los errores de-
crecen. con cada iteracin. Si g ( <) >l , entonces los
donde 4 se encuentra en alguna Parte dentro de x, Y x,. errores crecen. Ntese tambin que si la derivada es posi-
Este resultado se puede sustituir en la ecuacin (B5.1.2) tiva,los emores sern positivos, y por lo tanto, la solucio
para obtener: iterativa ser montona (Figs. 5.3a y c). Si la derivada es
[B5.1,31 negativa, entonces los errores oscilarn (Figs. 5.3b y d).
Un corolario de este anlisis demuetra que cuando
Si el error verdadero para la j-sima iteracin se define como: el mtodo converge, el error es casi proporcional a y me-
nor que el error del paso anterior. Por esta razn, la itera-
X, - xi+1 =(X, - xi) S([)
Et,! =x, - xi cin de punto fijo se dice que es linealmente conuergente.
entonces la ecuacin (B5.1.3) se convierte en:
Et , i +l =S(() Et,
5.1.1 Convergencia
Ntese que el error relativo exacto en cada iteracin del ejemplo 5.1 es
casi proporcional (por un factor de 0.5 a 0.6) al error de la iteracin ante-
rior. Esta propiedad, conocida como convergencia lineal, es caractersti-
ca de la iteracin de punto fijo. En el recuadro 5.1 se presenta una base
terica para esta observacin.
FIGURA 5.2 Dos mtodos grficos alternativos paro determinar la raz de f(x) =
e -x. a) Raz en el punto donde sta cruza al eje x; b) raz en la
interseccin de las funciones componentes.
-
METODOS ABIERTOS 149
Adems de la velocidad de convergencia, se debe hacer hincapi en
este momento sobre la posibilidad de convergencia.
Los conceptos de convergencia y de divergencia se pueden ilustrar grfi-
camente. Recurdese que en la seccin 4.1 se grafic una funcin para
visualizar su estructura y su comportamiento (Ej. 4.1). Esta funcin se vuel-
ve a graficar en la figura 5.2a. Un planteamiento grfico diferente es el
de separar la ecuacin f ( x ) = O en dos partes, como en:
f l k) = f2 (x)
Entonces las dos ecuaciones:
Y1 = f l (4 r5.31
Y
Y2 = f2 (x) P.41
se pueden graficar por separado (Fig. 5.2b). Los valores de x correspon-
dientes a las intersecciones de estas funciones representan las races de
f(x) = o.
EJEMPLO 5.2
El mtodo grfico de dos curvas
Enunciado del problema: seprese la ecuacin e x - x = O en dos par-
tes y determnese su raz grficamente.
Solucin: reformlese la ecuacin como yl = x y y2= e -. Calclense
los siguientes valores:
X Y1 Y2
0.0 0.0 1 .O00
0.2 0.2 0.81 9
0.4 0.4 0.670
0.6 0.6 0.549
0.8 0.8 0.449
1 .o 1 .o 0.368
Estos puntos se grfican en la figura 5.2b. La interseccin de las dos cur-
vas indica una aproximacin de x = 0.57, que corresponde al punto donde
la curva original en la figura 5 . 2 ~ cruza al eje x.
El mtodo de las dos curvas se puede usar ahora para ilustrar la con-
vergencia y divergencia de la iteracin de punto fijo.
En primer lugar, la ecuacin (5.1) se puede expresar como un par
de ecuaciones: y, = x y y2= g (x). Estas dos ecuaciones se pueden gra-
ficar por separado. Tal fue el caso de las ecuaciones (5.3) y (5.4) las ra-
ces de f ( x) = O son iguales al valor de la abscisa en la interseccin de
las dos curvas. En la figura 5.3 se grafican la funcin y, = x y cuatro
esquemas diferentes de la funcin y2= g(x).
FIGURA 5.3 Esquema grfico de laconvergenci a a) y b) y l a divergencia c) y d) de l a iteracin
de punto fino. A las gr af i ps a) y c) se les conoce como patrones montonos, mien-
tras que a b) y d) se les conoce.como patrones oscilatorios o en espiral. Ntese que
la convergencia se obtiene cuando 1 g(x) 1 <1.
__I__ _LI_I_-^. . ~
MnODOS ABIERTOS l b1
En el primer caso (Fig. 5.3~4, el valor inicial x, se usa para determi-
nar el punto correspondiente a la curva yz, [xg, g(xo)]. El punto [x1 , xl]
se encuentra moviendo la curva y1 a la izquierda y horizontalmente. Es-
tos movimientos son equivalentes a la primera iteracin del mtodo de
punto fijo:
De esta manera, en la ecuacin y en la grfica se usa un valor inicial x.
para obtener la aproximacin xI . La siguiente iteracin consiste en mo-
verse al punto [xl, g (xl)] b despus a [x2, x2]. Esta iteracin es equiva-
lente a la ecuacin:
La solucin en la figura 5.3a es convergente ya que la aproximacin de
x se acerca ms a la raz con cada iteracin. Lo mismo se cumple para
la figura 5.3b. Sin embargo, ste no es el caso para las figuras 5. 3~ y d,
en donde las iteraciones divergen de la raz. Ntese que la convergencia
ocurre nicamente cuando el valor de la pendiente de y2 = g ( x ) es me-
nor al valor de la pendiente de yI = x, esto es, cuando 19' ( x ) I c 1.
En el recuadro 5.1 se presenta una derivacin terica de este resultado.
5.1.2 Programa para la iteracin de punto fijo
El algoritmo para la computadora de la iteracin de punto fijo es extre-
madamente simple. Consiste en un ciclo que calcula iterativamente nue-
vas aproximaciones junto con una declaracin lgica que determina cuando
se ha cumplido el criterio de paro.
FORTRAN
f
1 so
I 70
2
a10
a FORMhTC' , ZFI 0. 3, I Sf
URI TE~6. 3? XN, EA, NI
STOP
END
BASIC
1 X I
I I
1213
1 30
140
1 50
160
1.70
180
I90
200
210
220
, lFunc16n a la que se
desea calcular la raizl
ES =error porcentual aceptable
XN =aproximact6n a la raz
I NPUr XR.ES. I l l
FOR NI = 1 TU I n
I F XN = 0, THEN 170
XN = FN FCXR) IM =numero maxmo de iteraclones
EA = AB5 ( I XN - XR) I XN) e-. EA =aproximaci6n porcentual del
I F EA \ = ES THEN 210 - (prueba de
1W error
NEXT NI
PRI NT "NO SE ENCONTRO LA RAI L"
END
PRI NT XN.EA.NI
XR = XN
NI NI - I
FIGURA 5.4 Programa par a l a iteracin de punto fi j o. Ntese que este algoritmo
general es similar al de los mtodos abiertos.
En la figura 5.4 se presentan los programas en FORTRAN Y BASIC para
el algoritmo. Se pueden programar de manera similar otros mtodos abier-
tos, simplemente cambiando la frmula iterativa (declaracin 130).
5.2 MTODO DE NEWTON-RAPHSON
Tal vez, dentro de las frmulas para localizar races, la frmula de Newton-
Raphson (Fig. 5.5), sea la ms ampliamente usada. Si el valor inicial de
la raz-es x,, entonces se puede extender una tangente desde el punto
[x;, f (xi)]. El punto donde esta tangente cruza al eje x representa una
aproximacin mejorada a la raz.
El mtodo de Newton-Raphson se puede derivar geomtricamente
(una forma de hacerlo es mediante el uso de la serie de Taylor, descrita
en el recuadro 5.2). Como en la figura 5.5, la primera derivada en x es
equivalente a la pendiente.
que se puede reordenar para obtener:
a la que se conoce como frmula de Newton-Raphson.
FIGURA 5.5 Esquema grfico del mtodo de Newton-Raphson. Se extrapola una
tangente a la funcin en el punto xi [esto es, f'(x;)] hasta el eje x pa-
ra obtener una estimacin de la raz en x, +!.
_l__l ~~.~~
EJEMPLO 5.3
Mtodo de Newton-Raphson
Enunciado del problema: sese el mtodo de Newton-Raphson para
calcular la raz de e "x - x empleando el valor inicial de x. = O.
Solucin: la primera derivada de la funcin se puede evaluar como:
f'(x) = -e-x - 1
que se puede sustituir, junto con la funcin original en la ecuacin (5.6)
para dar:
p i -
xi h
Xi+l = xi - -e-x' -
- J ,
1
Empezando con el valor inicial x. = O, se puede aplicar la ecuacin ite-
rativa para calcular:
O 1 O0
0. 500000000 11. 8
0.56631 1003 0. 147
0.5671 43165 0. 0000220
0.5671 43290 <10
De esta manera, el planteamiento converge rpidamente a la raz real.
Ntese que el error relativo en cada iteracin decrece mucho ms rpido
que como lo hace la iteracin de punto fijo (comprese con el ejemplo 5.1).
5.2.1 Criterios de paro y estimacin de errores
Como con los otros mtodos de localizacin de races, la ecuacin (3.5)
se puede usar como un criterio de paro. Adems, la derivacin del mto-
do con la serie de Taylor (recuadro 5.2) proporciona un conocimiento
terico relacionado con la velocidad de convergencia expresado como:
Ei + = O (Ei *). De esta forma, el error debe ser casi proporcional al cua-
drado del error anterior. En otras palabras, el nmero de cifras significati-
vas se duplica aproximadamente en cada iteracin. Este comportamiento
se examina en el siguiente ejemplo.
RECUADRO 5.2 Derivacin y anlisis del error del mtodo de Newton-Raphson a partir de la serie de Taylor
Adems de la derivacin geomtrica [ecuaciones (5.5) y 0 =f (Xi) +f '(Xi) (xr - Xi)
(5.6)], el mtodo de Newton-Raphson se puede derivar
tambin con el uso de la serie Taylor. Esta derivacin al- f "(O
ternativa es muy til en el sentido de que muestra la De-
+2 (xr - X,)' [B5.2.3]
netracin en la velocidad de convergencia del mtodo. L~ecuacin (B5.2.2) se puede restar de la ecuacin
puede representar como:
Recurdese del captulo 3 que la serie de Taylor se (85.2.3) para obtener:
f "(47
+- (x~+I - X)' [B5.2.1]
2
L
[B5.2.4]
en donde t: se encuentra en parte de1 intervalo en- Ahora, notando que el es igual a la diferencia entre
tre xi y xi +, . Truncando la serie de Taylor despus de la
primera derivada, se obtiene una versin aproximada:
xi +l y el valor real, x, como en:
f (Xi+l) -- f (Xi) +f '(Xi)(X+l - Xi)
Ev.i+l=xr"xi+l
En la interseccin con el eje x, f(xi + ,) debe ser igual a ce-
ro, o:
y la ecuacin (B5.2.4) se puede expresar como:
0 = f (Xi) +f '(Xi)(Xi+l - Xi)
[B5.2.2]
[B5.2.5]
L
que es idntica a la ecuacin (5.6). De esta forma, se ha
derivado el mtodo de Newton-Raphson usando la serie
de Taylor.
Adems de la derivacin, la serie de Taylor se puede
usar para estimar el error de la frmula. Esto se puede lo-
grar al utilizar todos los trminos de la ecuacin B5.2.1
con el resultado exacto. Por esta situacin xi+l =x,, en
donde x, es el valor exacto de la raz. Sustituyendo este
valor, junto con f(x,) =O en la ecuacin (B5.2.1) se
obtiene:
Si se supone que hay convergencia, entonces xi y t: se
deberan aproximar a la raz x,, y la ecuacin (B5.2.5) se
puede reordenar para obtener:
[B5.2.6]
De acuerdo a la ecuaci6n (B5.2.6) el error es casi propor-
cional al cuadrado del error anterior. Esto significa que el
nmero de cifras decimales correctas se duplica aproxi-
madamente en cada iteracin. A este comportamiento se
le llama conoergencia cuadrfica. El ejemplo 5.4 ilustra
esta propiedad.
EJEMPLO 5.4
Anlisis de error en el mtodo de Newton-Raphson
Enunciado del problema: como se dedujo en el recuadro 5.2, el mtodo
de Newton-Raphson es convergente cuadrticamente. Esto es, el error
es aproximadamente proporcional al cuadrado del error anterior, dado por:
CE5.4.11
MTODOS ABIERTOS 1 SS
Examnese esta frmula y vase si es aplicable a los resultados del ejem-
plo 5.3.
Solucin: la primera derivada de !(x) = e x es:
f (x) = --e- - 1
que se puede evaluar en x,= 0.567 143 29 para dar:
f(0.567 143 29) =-1.567 143 29
La segunda derivada es:
fff(x) = e-x
que se puede evaluar, para obtener:
f(0.567 143 29) =0.567 143 29
Estos resultados se pueden sustituir en la ecuacin (E5.4.1) para obtener:
0.567 143 29
E V l + l , =-
Z(1.567 143 29)
Ev , i 2
O
, , i t 1 - - 0.180 95 E,,i 2
Del ejemplo 5.3, el error inicial fue de Et , 0= 0.567 143 29, que se pue-
de sustituir en la ecuacin del error para obtener:
E,,l 0.180 95(0.567 143 29)2 =0.058 2
que se acerca al error real de = 0.067 143 29. En la siguiente iteracin:
Ev, 2 0.180 95(0.067 143 29)2 =0.000 815 8
que tambin se compara favorablemente con el error real de 0.000 832
3. En la tercera iteracin:
= 0.180 95(0.000 832 =0.000 O00 125
que es exactamente el error obtenido en el ejemplo 5.3. La estimacin
del error mejora de esta manera ya que est ms cercano a la raz, xi y
4 se aproximan mejor mediante x, [recurdese la suposicin manejada
al derivar la ecuacin (B5.2.6) a partir de la ecuacin (B5.2.5), en el re-
cuadro 5.21.
Finalmente:
Eu,4 = 0.180 95(0.000 O00 125)2 =2.83 X
De esta manera este ejemplo ilustra que el error en el mtodo de Newton-
Raphson es en este caso, de hecho, casi proporcional (por un factor de
O. 180 95) al cuadrado del error en la iteracin anterior.
5.2.2 Desventajas del mtodo de Newton-Raphson
Aunque el mtodo de Newton-Raphson en general es muy eficiente, hay
situaciones en que se porta deficientemente. Un caso especial -races
mltiples- se analiza al final del captulo. Sin embargo, aun cuando se
trate de races simples, se encuentran dificultades, como en el siguiente
ejemplo.
EJ EMPLO 5.5
Ejemplo de una funcin que converge lentamente con el mtodo de
Newton-Raphson
Enunciado del problema: determnese la raz positiva de f ( x) = x10 - 1
usando el mtodo de Newton-Raphson con un valor inicial de x = 0.5.
Solucin: la frmula del mtodo de Newton-Raphson es en este caso:
que se puede usar para calcular:
O 0.5
1 5 1. 65
2 46. 485
3 4 1. 8365
4 37. 65285
5 33, 887565
De esta forma, despus de la primera prediccin deficiente, el mtodo
converge a la raz 1, pero con una velocidad muy lenta.
Adems de la convergencia lenta, debida a la naturaleza de la fun-
cin, se pueden originar otras dificutades, como se ilustra en la figura 5.6.
Por ejemplo, la figura 5.6a muestra el caso donde un punto de inflexin
-esto es, f ' ( x) = 0- ocurre en la vecindad de una raz. Ntese que las
iteraciones que empiezan en x divergen progresivamente de la raz. En
la figura 5.6b se ilustra la tendencia del mtodo de Newton-Raphson a
oscilar alrededor de un punto mnimo o mximo local. Tales oscilaciones
persisten, o, como en la figura 5.6b, se alcanza una pendiente cercana
a cero, despus de lo cual la solucin se aleja del rea de inter&. En la
figura 5.6c, se ilustra como un valor inicial cercano a una raz puede sal-
METODOS ABIERTOS
157
tar a una posicin varias races lejos. Esta tendencia de alejarse del rea
de inters se debe a que se encuentran pendientes cercanas a cero. Ob-
viamente, una pendiente cero Lf'(x) = O] es un real desastre que causa
158 METODOS NUM~RICOS PARA INGENIEROS
5.3
una divisin por cero en la frmula de Newton-Raphson [Ec. (5.6)] Grfi-
camente (Fig. 5.6d), esto significa que lasolucin se dispara horizontal-
mente y jam& toca al eje x.
La nica solucin en estos casos es la de tener un valor inicial cerca-
no a la raz. Este conocimiento, de hecho, lo proporciona el conocimien-
to fsico del problema o mediante el uso de herramientas tales como las
grficas que proporcionan mayor claridad en el comportamiento de laso-
lucin. Esto sugiere tambiOn que se deben disear programas eficientes
que reconozcan la convergencia lenta o la divergencia. La siguiente sec-
cin est enfocada hacia estos temas.
5.2.3 Programa para el mtodo de Newton-Raphson
Con slo sustituir la lnea 130 de la figura 5.4, se obtiene el mtodo de
Newton-Raphson. Ntese, sin embargo, que el programa se debe tam-
bin modificar para calcular la derivada. Esto se puede llevar a cabo sim-
plemente incluyendo una funcin definida por el usuario.
Adems, de acuerdo a las discusiones anteriores sobre los problemas
potenciales del mtodo de Newton-Raphson, el programa se debe modi-
ficar incorporndole algunos rasgos adicionales:
1.Si es posible, se debe incluir una rutina de graficacin dentro del pro-
-
grama.
2.A1 final de los clculos, laaproximacin a la raz siempre se debe susti-
tuir en lafuncin original para calcular en qu casos el resultado se acerca
a cero. Esta prueba protege contra aqullos casos donde se observa con-
vergencia lenta u oscilatoria, la cual puede llevar a valores pequeos
de E,, mientras que la solucin puede estar an muy lejos de una raz.
3. El programa siempre debe incluir un lmite m6ximo sobre el nmero per-
mitido de iteraciones para estar prevenidos contra las oscilaciones y
la convergencia lenta, o las soluciones divergentes persistirn intermina-
blemente.
MTODO DE LA SECANTE
Un problema fuerte en la implementacin del mtodo de Newton-Raphson
es el de la evaluacin de la derivada. Aunque esto no es un inconvenien-
te para los polinomios y para muchas otras funciones, existen algunas de
stas cuyas derivadas pueden ser extremadam-ente difciles de evaluar.
En estos casos, la derivada se puede aproximar mediante una diferencia
divida, como (Fig. 5.7):
METODOS ABIERTOS
1 59
FIGURA 5.7 Esquema grfico del mtodo de la secante. Esta tcnica es similar a la
del mtodo de Newton-Raphson (Fig. 5.5) en el sentido de que una apro-
ximacin a la raz se calcula extrapolando una tangente de la funcin
hasta el eje x. Sin embargo, el mtodo de la secante usa una diferencia
en vez de la derivada para aproximar la pendiente.
Esta aproximacin se puede sustituir en la ecuacin (5.6) obteniendo la
ecuacin iterativa:
La ecuacin (5.7) es la frmula para el mtodo de la secante. Ntese que
el planteamiento requiere de dos puntos iniciales de x. Sin embargo, de-
bido a que no se requiere que f(x) cambie de signo entre estos valores,
a este mtodo no se le clasifica como aquellos que usan intervalos.
EJEMPLO 5.6
EL mtodo de la secante
Enunciado del problema: sese el mtodo de la secante para calcular la
raz de f ( x ) = e-x - x. Empicese con los valores iniciales de x-1 =
o y x0 = 1.0.
Solucin: recurdese que la raz real es 0.567 143 29 .
Primera iteracin:
"0.632 12(0 - 1)
1 "("0.632 12)
x 1 = 1 -
=0.612 70 / , I =8. 08
Segunda iteracin:
x0 =1 f(xo) -0.632 12
x1 =0.612 70 f(x1) =-0.070 81
(Ntese que las dos aproximaciones se encuentran del mismo lado que
la raz.)
x2 =0.612 70-
"0.070 81 (1-0.612 70)
-0.632 12 - (-0.070 81)
=0.563 84
(E,( =0.58%
\
Tercera iteracin:
x1 =0.61270 f(x1) =-0.070 81
x2 =0.563 84 f(x2) =0.005 18
x3 =0.563 84 -
0.005 18 (0.612 70-0.563) 84
"0.070 81 - (0.005 18)
=0.567 17
I E , / =0.004 8%
5.3.1 Diferencias entre los mtodos de la secante y de la regla falsa
Ntese la similitud entre los mtodos de la secante y de la regla falsa. Por
ejemplo, las ecuaciones (5.7) y (4.4) son idnticas trmino a trmino. Am-
bas usan dos estimaciones iniciales, para calcular una aproximacin a la
pendiente de la funcin que se usa para proyectar hacia el eje x una nue-
va aproximacin a la raz. Sin embargo, existe una diferencia crtica entre
ambos mtodos y sta estriba en la forma en que uno de los valores ini-
ciales se reemplaza por la nueva aproximacin. Recurdese que en el m-
todo de la regla falsa, la Gltima aproximacin de la raz reemplaza a aquel
valor cuya funcin tena el mismo signo de f ( x l ) . En consecuencia, las
dos aproximaciones siempre encierran a la raz. Por lo tanto, en todos
los casos prcticos, el mtodo siempre converge ya que la raz se encuen-
tra dentro del intervalo. En contraste, el mdtodo de la secante reemplaza
los valores en una secuencia estricta, con el nuevo valor xi+l se reem-
plaza a xi y xi reemplaza a xi-l. Como resultado de sto, los dos valores
pueden caer de un mismo lado de la raz. En algunos casos, sto puede
provocar divergencia.
EJEMPLO 5.7
Comparacin de la convergencia en los mtodos de la secante y la
regla falsa.
Enunciado del problema: sense los mtodos de la secante y de la regla
falsa para calcular la raz de f(x) = In x. Hganse los clculos con los va-
lores iniciales x/ = xi- l . 0.5 y x, = xi = 5.0.
1
,
Solucin: en el mtodo de la regla falsa, usando la ecuacin (4.4) y los
criterios de obtencin de la raz en el intervalo mediante el reemplazo de
los valores correspondientes en cada aproximacin, se generan las siguien-
tes iteraciones:
I
lteraciin X I XU x ,
1 9.5 5.8 1.8546
2 e s 1.8546 1.21 63
3 e s 1.21 63 1 .@585
Como se puede ver (Figs. 5.8a y c), las aproximaciones convergen a la
raz real = 1.
En el mtodo de la secante usando la ecuacin (5.7) y el criterio se-
cuencial para reemplazar las aproximaciones se obtiene:
1 0.5 5.@ 1.8546
2 5.8 1.8546
-4.18438
Como se muestra en la figura 5.8d, el comportamiento del mtodo es
divergente.
t
FIGURA 5.8 Comparacin entre los mtodos de la regla falsa y de la secante. Las
primeras iteraciones a) y b) de ambos mtodos son idnticas. Sin em-
bargo, en las segundas c) y d), los puntos usados son diferentes. En
consecuncia, el mtodo de la secante puede divergir, como lo mues-
tra dl .
Aunque el mtodo de la secante sea divergente en algunos casos, cuan-
do converge lo hace ms rpido que el mtodo de la regla falsa. Por ejem-
plo, en la figura 5.9, que se basa en los ejemplos 4.3, 4.6, 5.3 y 5.6, se
muestra la superioridad del mtodo de la secante. La inferioridad del m-
todo de la regla falsa ;e debe a que un extremo permanece fijo y de esta
manera mantiene a la raz dentro del intevalo. Esta propiedad, que es
una ventaja porque previene la divergencia, es una desventaja en rela-
cin a la velocidad de convergencia; esto hace que la aproximacin con
diferencias divididas sea menos exacta que la derivada.
5.3.2 Programa para el mtodo de la secante
Como con los otros mtodos abiertos, se obtiene un programa del mto-
do de la secante simplemente modificando la lnea 110, de tal forma que
se puedan introducir dos valores iniciales y sustituyendo la ecuacin (5.7)
en la lnea 130 de la figura 5.4.
FIGURA 5.9
5.4
Comparacin de los errores relativos porcentuales t y para cada uno
de los mtodos en la determinacin de las races de f(x) =e- x - x.
Adems, las opciones sugeridas en la seccin 5.2.3 para el mtodo
de Newton-Raphson se pueden aplicar al programa de la secante para
obtener tales ventajas.
RACES M LTI PLES
Una raiz mltiple corresponde a un punto donde una funcin es tangen-
cia1 al eje x. Por ejemplo, dos races repetidas resultan de:
f(x) = (x - 3)(x - l)(x - 1)
f (x) = x3 - 5x2 +7x - 3
o, multiplicando trminos,
La ecuacin tiene una raz doble porque un valor de x anula dos trmi-
nos de la ecuacin (5.8). Grficamente, esto significa que la curva toca
FIGURA 5.10
Ejemplos de races ml-
tiples tangentes al eje X.
Ntese que la funcin
no cruza el eje en casos
de mu!tiplicidad par a) y
c), mientras que para
multiplicidad impar s lo
hace b).
tangencialmente al eje x en la raz doble. Vase la figura 5.10~ en x = 1.
Ntese que la funcin toca al eje pero no lo cruza en la raz.
Una raiz triple corresponde al caso en que un valor de x se anula en
tres trminos de la ecuacin, como en:
f(x) = (x - 3)(x - l)(x - l)(x - 1)
o, multiplicando,
)(X) = x4 - 6x3 +12~' - 1 0 ~ +3
Ntese que el esquema grfico (Fig. 5.10bJ indica otra vez que la funcin
es tangencia1 al eje en la raz pero que en este caso s cruza el eje. En
general, la multiplicidad impar de races cruza el eje, mientras que la mul-
tiplicidad par no lo cruza. Por ejemplo, la raz cudruple en la figura 5.10~
no cruza el eje.
Las races mltiples ofrecen ciertas dificultades a los mtodos numri-
cos expuestos en la parte 11:
l. El hecho de que la funcin no cambia de signo en una raz de multi-
plicidad par impide el uso de los mtodos confiables que usan inter-
valos, discutidos en el captulo 4. De esta manera, de los mtodos
incluidos en este texto, los abiertos tienen la limitacin de que pue-
den divergir.
2. Otro posible problema serelaciona con el hecho de que no slo f(x)
se aproxima a cero. Estos problemas afectan a los mtodos de Newton-
Raphson y al de la secante, los que contienen derivadas (o aproxima-
ciones a ella) en el denominador de sus respectivas frmulas. Esto pro-
vocara una divisin entre cero cuando la solucin se acerque a la raz.
Una forma simple de evitar estos problemas, que se ha demostrado
tericamente (Ralston y Rabinowitz, 1978), se basa en el hecho de que
f(x). Por lo tanto, si se verifica f l x) contra cero, dentro del programa,
entonces los clculos se pueden terminar antes de que f'(x) llegue a cero.
3. Se puede demostrar que el mtodo de Newton-Raphson y el de Id
secante convergen en forma lineal, en vez de manera cuadrtica, cuan-
do hay races mltiples (Raltson y Rabinowitz, 1978). Se han propuesto
algunas modificaciones para aliviar este problema. Ralston y Rabino-
witz (1978) proponen que se haga un pequeo cambio en la formu-
lacin para que retorne su convergencia cuadrtica, como:
f (x, 1
f '(Xi)
xi +l =xi - m-
en donde m es la multiplicidad de la raz (esto es, m = 2 para una
raz doble, m = 3 para una raz triple, etc.) . De hecho, puede resultar
insatisfactorio porque presupone el conocimiento de la multiplicidad
de las races.
METODOS ABIERTOS
165
Otra alternativa, tambin sugerida por Ralston y Rabinowitz (1978),
es la de definir una nueva funcin u(x), que es el cociente de la funcin
y su derivada, esto es:
[5.10]
Se puede demostrar que esta funcin tiene races en las mismas posicio-
nes que la funcin original. Por lo tanto, la ecuacin (5.10) se puede susti-
tuir en la ecuacin (5.6) y de esta forma desarrollar una forma alternativa
del mtodo de Newton-Raphson:
Se puede derivar la ecuacin (5.10), obteniendo:
[5.11J
[5.12]
Se pueden sustituir las ecuaciones (5.10) y (5.12) en la ecuacin (5.11)
[5.13]
EJEMPLO 5.8
Mt odo de Newton-Raphson modificado para el clculo de races
mltiples.
Enunciado del problema: sense los dos mtodos, el estndar y el modi-
ficado de Newton-Raphson para evaluar la raz mltiple de la ecuacin
(5.9), con un valor inicial de xo= O.
Solucin: la primera derivada de la ecuacin (5.9) es f(x) = 3x2 - lox
+ 7, y por lo tanto, el mtodo de Newton-Raphson para este problema
[Ec. (5.6)] es:
xi3 - 5Xi2+ 7xi - 3
3xi* - loxi +7
Xi+l = x, -
que se puede resolver iterativamente para obtener:
i Xi 1 I Ojo
O 0 1 O0
1 0. 428571 429 57
2 0.68571 4286 31
3 0. 832865400 17
4 0. 91 3328983 8. 7
5 0. 955783293 4. 4
6 0. 977655101 2. 2
Como ya se haba anticipado, el mtodo converge linealmente hasta el
valor verdadero de 1 .O.
Para el caso del mtodo modificado, la segunda derivada es f ( x )
= 60 x - 10, y la relacin iterativa es [Ec. (5.13)]:
(Xi3 - 5xi2 +7xi - 3) (3Xi2 - loxi + 7)
Xi+l = xi -
(3xi2 - lOxi +7)2 - (xi3 - 5xi2 + 7x, - 3) (6xi - 10)
que se puede resolver para obtener:
i xi l k l
O 0 1 O0
1 l . 1052631 58 1 1
2 1. 003081 664 0. 3 1
3 1 . O00002382 0. 00024
De esta forma, el mtodo modificado converge cuadrticamente. Se pue-
den usar ambos mtodos para buscar la raz simple en x = 3.
Usando un valor inicial de xo= 4 se obtienen los siguientes resultados:
i Estndar, c y
Modificado l t ~ l
o 4 (33%) 4(33%)
-
1 3. 4 (13%)
2. 636 363 637 (1 2%)
2 3.1 (3. 3%)
2. 820 224 720 (6.0%)
3 3. 008 695 652 (0. 29%)
2. 961 728 211 (1.3%)
4 3. 000 074 641 (2. 5 X
2. 998 478 719 (0. 051 %)
5 3. 000 000 O06 (2 x
2. 999 997 682 (7. 7 X
De esta forma, ambos mtodos convergen rpidamente, siendo el mto-
do estndar ms eficiente.
METODOS ABIERTOS
167
El ejemplo anterior ilustra los factores de mayor importancia involu-
crados al escoger el mtodo de Newton modificado. Aunque es preferible
en races mltiples, algunas veces es menos eficiente y requiere ms es-
fuerzo computacional que el mtodo estndar para el caso de races sim-
ples. Se debe notar que se puede desarrollar una versin modificada del
mtodo de la secante para races mltiples sustituyendo la ecuacin (5.10)
en la ecuacin (5.7). La frmula resultante es (Ralston y Rabinowitz, 1978):
PROBLEMAS
Clculos a mano
5.1 sese el mtodo de Newton-Raphson para determinar la raz mayor de:
f (x) =- 0. 875~~ +1.75~ +2.625
Emplese un valor inicial de xi =3. l. Realcese los clculos hasta que E,, sea me-
nor del E, =0.01 %. Tambin verifquense los errores en la respuesta final.
5.2 Determnense las races reales de:
f(x) =-2.1 +6. 21~ - 3 . 9 ~~ +0. 667~~
a) Grficamente
b) Usando el mtodo de Newton-Raphson hasta que = 0.01%
5.3 Emplese el mtodo de Newton-Raphson para determinar las races reales de:
!(X) =-23.33 +79.35~ - 88. 09~~ -k 41. 6~~ - 8. 68~~ +0. 658~~
usando el valor inicial de a) xi = 3.5; b) x= 4.0 y c) x,= 4.5. Prubense y sense
los mtodos grficos para explicar cualquier peculiaridad en los resultados.
5.4 Determnese la raz real menor de:
f(x) =9.36 - 21.963~ +16.2965~~ - 3.70377~~
a) Grficamentg
b) Usando el mtodo de la secante, hasta un valor de es, correspondiente a tres
cifras significativas.
5.5 Localcese la raz positiva de:
f(x) =0 . 5 ~ - sen x
!(x) =9.36 - 21.963~ +16.296 5x2 - 3.703 77x3
5.6
5.7
5.8
5.9
5.10
5.11
5.12
5.13
donde x est dada en radianes. Usese un mtodo grfico y despus calclese tres
iteraciones con el mtodo de Newton-Raphson con un valor inicial de xi = 2.0
para calcular la raz. Reptanse los clculos pero con un valor inicial de xi = 1.0.
sese el mtodo grfico para explicar los resultados.
Encuntrese la raz real positiva de:
f(x) =x4 - 8 . 6 ~ ~ - 35.51~~ +464~ -- 998.46
usando el mtodo de la secante. Emplense los valores iniciales de xi., =7 y xi= S
y calclense cuatro iteraciones.
Calclese E, e interprtense los resultados.
Realcense los mismos clculos del problema 5.6 pero usando el mtodo de Newton-
Raphson, con un valor inicial de x,= 7.
Encuntrese la raz cuadrada positiva de 10 usando tres iteraciones con:
a) El mtodo de Newton-Raphson, con un valor inicial de xi= 3.
b) El mtodo de la secante, con valores iniciales de =3 y x,=3.2.
1 - 0. 6~
f(x) =
X
usando tres iteraciones y el mtodo de la secante con valores iniciales xi., - 1.5
y xi = 2.0. Calclese el error aproximado E, despus de la segunda y la tercera
iteracin.
!(x) =x3 - 100
con el mtodo de la secante, con es= 0. 1 % .
Determnese la raz real mayor de:
x3 - 6x2 +llx - 6
a) Grficamente
b) Usando el mtodo de biseccin (dos iteraciones, XI= 2.5 y X, = 3.6).
C) Usando el mtodo de la regla falsa (dos iteraciones, X/= 2.5 Y X, = 3.6).
d) Usando el mtodo de Newton-Raphson (dos iteraciones, xi = 3.61.
e) Usando el mtodo de la secante (dos iteraciones, x;-l= 2.5 y X,= 3.6).
sese el mtodo de Newton-Raphson para determinar todas las races
de :(x) =x2+ 5.78 x - 11.4504 con e,= 0.001%.
Determnese la raz real ms pequea de:
MTODOS ABIERTOS
169
a) Grficamente
b) Usando el mtodo de biseccin (dos iteraciones, x,= 0.5 y xu= 1.1).
c) Usando el mtodo de la ragla falsa (dos iteraciones, x,= 0.5 y x,= 1.1).
d) Usando el mtodo de Newton-Raphson (dos iteraciones, xi = 0.5).
e) Usando el mtodo de la secante (dos iteraciones, xi -, =0.5 y xi= 1.1).
5.14 Determnese la raz positiva real ms pequea de:
f ( x ) =4X4 - 2 4 . 8 ~~ +57.04~' - 56.76~ +20.57
a) Grficamente
b) Usando el mtodo disponible ms eficiente. Emplense los valores 'inicia-
les de x, =x , . ~ =0.5 y x, =x, = 1.5 y realcense los clculos hasta que
E,= 15%
5.15 Determnense las races de
!(X) =x3 - 3 . 2 ~~ - 1. 92~ +9.216
a) Grficamente
b) Usando el mtodo disponible ms eficiente con E,= 0.1%
5.16 Reptase el problema 4.12, pero usando el mtodo de Newton-Raphson
5.17 Reptase el problema 4.12, pero usando el mtodo de la secante.
Problemas relacionados con la computadora
5.18 Desarrllese un programa para el mtodo de Newton-Raphson basado en la
figura 5.4 y en la seccin 5.2.3. Prubese el programa duplicando los cSlcu-
los del ejemplo 5.3
5.19 sese el programa desarrollado en el problema 5.18 y duplquense los clcu-
los del ejemplo 5.5. Determnese la raz usando un valor inicial de xi = 0.5.
Realcense 5, 10, 15 o ms iteraciones hasta que el error relativo porcentual
exacto sea menor del O. 1 B. Grafquense los errores relativos porcentuales exac-
to y aproximado contra el nlirnero de iteraciones sobre papel semilogartmico.
Interprtense los resultados.
5.20 sese el programa desarrollado en el problema 5.18 para resolver los problemas
5.1 al 5.5. En todos los casos, realcense los clculos dentro de la tolerancia de
E S = 0.001%.
5.21 Desarrllese un programa para el mtodo de la secante basado en la figura 5.4
y en la seccin 5.3.2. Prubese el programa duplicando los clculos del ejemplo
5.6.
5.22 sese el programa desarrollado en el problema 5.21 para resolver los proble-
mas 5.6, 5.9 y 5.10. En todos los casos, realcense los clculos dentro de la
tolerancia de es= 0.001%.
C A P T U L O S E I S
CASOS DE LA PARTE DOS:
RACES DE ECUACIONES
La finalidad de este captulo es la de usar los procedimientos numricos
analizados en los captulos 4 y 5 para resolver problemas reales de inge-
niera. Los mtodos numricos son importantes en la prctica ya que fre-
cuentemente los ingenieros encuentran problemas que no se pueden
plantear desde un punto de vista analtico. Por ejemplo, algunos mode-
los matemticos que se pueden resolver analticamente no son aplicables
en los problemas prcticos. Debido a esto, se deben usar modelos ms
complicados. En estos casos, es conveniente implementar un mtodo nu-
mrico que se pueda usar en una microcomputadora. En otros casos, los
problemas requerirn soluciones explcitas en ecuaciones muy complica-
das (recurdese la seccin 11.1.2 y el ejemplo 4.5).
Los siguientes casos de estudio son una muestra de aquellos que en
forma rutinaria se encuentran durante los estudios superiores o de licen-
ciatura. MAS an, son problemas representativos de aqullos que se en-
contrarn en la vida profesional. Los problemas van desde la ingeniera
econmica en general, hasta las especialidades de la misma: qumica, ci-
vil, elctrica y mecnica. Estos casos de estudio ilustran algunos de los
factores de ms importancia entre las tcnicas numricas.
Por ejemplo, el caso 6.1 hace uso de todos los mtodos, con excep-
cin del mtodo de Newton-Raphson para analizar puntos de equilibrio
que resulten econmicos. El mtodo de Newton-Raphson no se us porque
la funcin en an6lisis es difcil de derivar. Entre otras cosas, en el ejemplo
se demuestra como puede divergir el mtodo de la secante, si el valor
inicial no se encuentra lo suficientemente cerca de la raz.
El caso 6.2 tomado de la ingeniera qumica, muestra un ejemplo ex-
celente de cmo se pueden aplicar los mtodos para la bsqueda de ra-
ces de frmulas que se presentan en la prctica de la ingeniera. Adems,
este ejemplo demuestra la eficiencia del mtodo de Newton-Raphson cuan-
do se requiere un gran nmero de clculos en la localizacin de la raz.
LOS casos 6.3, 6.4 y 6.5 son problemas de ingeniera de diseo, to-
mados del rea de civil, elctrica y mecnica. El caso 6.3 aplica tres m-
todos diferentes para determinar las races de un modelo de crecimiento
demogrfico. En el cuso 6.4, se realiza un anlisis semejante de un circui-
to elctrico. Finalmente, el caso 6.5 analiza las vibraciones de un auto-
mvil. Adems de analizar la eficiencia de cada uno de los mtodos, este
ejemplo tiene una caracterstica adicional, que es la de ilustrar cmo los
mtodos grficos sirven de ayuda en el proceso de localizacin de races.
CASO 6.1 ANALISIS DE PUNTO DE EQUILIBRIO
(INGENIERA EN GENERAL)
Antecedentes: en la prctica de la ingeniera ptima se requiere que los
proyectos, productos y la planificacin de los mismos sean enfocados de
tal manera que resulten econmicos. Por lo tanto, a un ingeniero con ex-
periencia deben serle familiares los anlisis de costos. El problema que
se trata en esta seccin se conoce como problema de puntos de equili-
brio. Se usa para determinar el punto en el cual dos alternativas tienen
valores equivalentes. Estos problemas se encuentran en todos los cam-
pos de la ingeniera. Aunque el problema se enfoca en trminos persona-
les, se puede tomar como prototipo de otros problemas de anlisis de
puntos de equilibrio, que se encuentran a menudo en la vida profesional.
Se est considerando la compra de una o dos microcomputadoras:
La Micro-uno y la Micro-dos. En el cuadro 6.1 se encuentran resu-
midas algunas caractersticas, los costos aproximados y los beneficios de
cada una de ellas. Si se puede pedir un prstamo con un inters del 20%
(i = 0.20), cunto tiempo se deber poseer las mquinas, de manera
que tengan un valor equivalente? En otras palabras, cul es el punto de
equilibrio medido en aos?
Solucin: como es comn en problemas de economa, se tiene una mez-
cla de costos presentes y futuros. Por ejemplo, en lafigura 6.1 se mues-
tra que la compra de la Micro-uno involucra un gasto inicial de $3 000.
Adems de este desembolso, tambin se requiere dinero para el mante-
CUADRO 6. l Costos y beneficios de dos microcomputadoras. Los signos negativos in-
dican un costo o una perdida mientras que un signo positivo indica una
ganancia
COMPUTADORA
Micro-uno Micro-dos
Costo de compra, $ -3000
Incremento en el mantenimiento
del costo por ao, $/ao/ao -200
Ganancias y beneficios anuales,
$/ao 1000
-1 0,000
-50
4000
FIGURA 6.1 Diagrama de fluio de efectivos de costos y beneficias de la Micro-uno.
La abscisa muestra el nmero de aos que se posee la computadora. El
fluio de efectivos se mide en lo ordenada, con los beneficios positivos
y los costos negativos.
nimiento anual de la mquina. Debido a que estos costos tienden a aumen-
tar a medida que la mquina se usa ms y ms, se supone que los Costos
de mantenimiento crecen linealmente con el tiempo. Por ejemplo, alre-
dedor del dcimo ao se requieren $2 O00 anuales para mantener la m-
quina en condiciones de trabajo (Fig. 6.1). Finalmente y adems de estos
costos se deben deducir beneficios del propietario de la computadora. Las
ganancias y las prestaciones derivadas de la Micro-uno se caracterizan por
un ingreso anual constante de $1 000.
Para valorar las dos opciones estos costos se deben convertir en me-
didas comparables. Una manera de hacerlo es expresando todos los cos-
tos individuales como si fuesen pagos anuales, esto es, el costo equivalente
por ao sobre toda la vida til de la computadora. Las ganancias y
las prestaciones ya se encuentran en este formato. Se puede disponer de las
frmulas de economa para expresar los costos de compra y de manteni-
miento de la misma forma. Por ejemplo, el costo de la compra inicial se
puede transformar en una serie de pagos anuales mediante la frmula
(Fig. 6.2~):
A, = P
i (1 + i )"
(1 +i )" - 1
en donde A, es el monto del pago anual, P es el costo de la compra,
i es la tasa de inters y n es el nmero de aos. Por ejemplo, el pago
174 M~TODOS NUMERICOS PARA INGENIEROS
FIGURA 6.2 Esquema grfico del uso de una frmula de economa, a) Tranforma-
cin de un pago en una serie de pagos anuales equivalentes usando la
ecuacin (6.1) y b) transformacin de una serie de gradiente aritmtico
en una serie de pagos anuales equivalentes usando la ecuacin (6.2).
inicial de la Micro-uno es de $-3 000, en donde el signo negativo indica
prdidas. Si latasa de inters es del 20% ( i = 0.2), entonces:
Ap = -3000
O.Z(l.2)"
1.2" - 1
Por ejemplo, si los pagos iniciales se extienden hasta 10 aos ( n =lo),
se puede usar esta frmula para calcular que el pago anual equivalente
sera de $-715.57 por ao.
A los costos de mantenimiento se les conoce como serie de gradiente
aritmtico porque crecen a un promedio constante. La conversin de es-
tas series a una tasa anual A se puede calcular con la frmula:
en donde G es la tasa de crecimiento en el mantenimiento. Como se puede
ver en la figura 6.26 esta frmula transforma el costo de mantenimiento
creciente en una serie equivalente de pagos anuales constantes.
Estas ecuaciones se pueden combinar de forma tal que se pueda ex-
presar el valor de cada computadora en trminos de una serie uniforme
de pagos Por ejemplo, para la Micro-uno:
A, = -3 O00
0.2(1.2)" -200 [ " 1
1 + 1 O00
1.2" - 1 0.2 1.2" - 1
valor total = -costo de compra - costo de mantenimiento +ganancias
en donde A, denota el valor anual total. Agrupando trminos, esta ecua-
cin se puede simplificar:
-600( 1.2)" 200n
A, = +
1.2" - 1 1.2" - 1
~6.31
Si despus de poseer la Micro-uno durante dos aos se decide descartar-
la, entonces sustituyendo n = 2 en la ecuacin (6.3) resultar que el cos-
to es de $1 055 por ao. Si la computadora se descarta despus de poseerla
10 aos (n = lo), la ecuacin muestra un costo de $330 por ao.
De manera similar, para la Micro-dos se puede desarrollar una ecua-
cin para el costo anual, dada por:
-2 OOO(1.2)" +
A, = 50n + 3750
1.2" - 1 1.2" - 1
~6.41
Los valores de la ecuacin (6.4) para n = 2 y n = 10 son de $-2 568
y $ +1 461 por ao, respectivamente. De esta manera, aunque la Micro-
dos es ms costosa en base a periodos cortos, si se posee por periodos
largos, no slo es ms barata, sino que producir ganancias al propieta-
rio. En la figura 6.3a se muestran las ecuaciones (6.3) y (6.4) para varids
valores de n.
La identificacin del punto en el que las dos mquinas tienen valores
iguales indica cuando la Micro-dos viene a ser la mejor compra. Grfica-
mente, esto corresponde a la interseccin de las dos curvas en la figura
6.3~1. Desde un punto de vista matemtico, el punto de equilibrio es el
valor de n para el que las ecuaciones (6.3) y (6.4) son equivalentes, esto es:
-600(1.2)" + 200n - - -2 OOO(1.2)" +
50n +3 750
1.2" - 1 1.2" - 1 1.2" - 1 1.2" - 1
pasando todos los trminos de un lado, el problema se reduce a encon-
trar la raz de la funcin:
- 1 400( 1.2)"
f(n) =
- 150n + 3 750 = O
1.2" - 1 - 1.2" - 1
~6.51
Ntese que debido a la forma en que se ha derivado la ecuacin, la Micro-
uno es ms efectiva en cuanto a costos cuando f (n) < O y la Micro-dos
lo es cuando f (n) > O (Fig. 6.3b). Las races de la ecuacin (6.5) no
se pueden determinar analticamente. Por el otro lado, los pagos anuales equi-
valentes son fciles de calcular dada una n. De esta forma, como en el
1 76 MTODOS NUMRI COS PARA INGENIEROS
FIGURA 6.3 a) Curvas del costo neto de las computadoras Micro-uno [Ec. (6.3)] y
Micro-dos [Ec. (6.4)]. b) La funcin de punto de equilibrio [Ec. (6.5)J .
estudio de laseccin 11.1.2 y el ejemplo 4.5, los aspectos considerados en
la elaboracin de este problema crean la necesidad de un planteamiento
numrico.
Las races de la ecuacin (6.5) se pueden calcular usando algunos
de los mtodos numricos descritos en los captulos 4 y 5. Se pueden
aplicar los mtodos que usan intervalos y el mtodo de la secante con
un esfuerzo mnimo, mientras que el mtodo de Newton-Raphson es em-
barazoso ya que consume mucho tiempo al determinar df / dn de la ecua-
cin (6.5).
En base a la figura 6.3, se sabe que la raz se encuentra entre n = 2 y
n = 10. Estos valores se pueden usar en el mtodo de biseccin. La bi-
seccin de intervalos se puede llevar a cabo 18 veces para obtener un
resultado en donde E, sea menor de 0.001%. El punto de equilibrio ocu-
rre a los n = 3.23 aos. Este resultado se puede verificar sustituyndolo
en la ecuacin (6.5) para ver que f (3.23) =O.
Sustituyendo n = 3.23 ya sea en la ecuacin (6.3) o en la (6.4)se
muestra que en el punto de equilibrio el costo de cualquiera de ellas es
CASOS DE LA PARTE DOS: RACES DE ECUACIONES 177
de $542 por ao. Ms all de este punto, la Micro-dos es ms efectiva
en cuanto a costos. Por consiguiente, si se piensa comprar una mquina
y poseerla por ms de 3.23 aos, la Micro-dos es la mejor compra.
El mtodo de la regla falsa se puede aplicar fcilmente a este proble-
ma. Se obtiene una raz similar despus de 12 iteraciones en el mismo
intervalo inicial de 2 a 10. Por otro lado, el mtodo de la secante conver-
ge a una raz de -24.83 con el mismo intervalo inicial. Sin embargo, si
el intervalo se reduce desde 3 hasta 4, entonces el mtodo de la secante
converge a 3.23 en slo cinco iteraciones. Es interesante notar que el
mtodo de la secante tambin converge en forma rpida si el intervalo
inicial es de 2 a 3, el cual no encierra a la raz. Estos resultados son tpicos
de los factores de importancia que se deben tomar en consideracin y
que se estudian posteriormente en el eplogo. Entonces el mejor mtodo
numrico para este problema depende del juicio emitido respecto a los
factores de importancia, tales como eficiencia numrica, costo de las compu-
tadoras y la confiabilidad del mtodo.
CASO 6.2 LEYES DE LOS GASES IDEALES Y NO IDEALES
(INGENIERA QUMICA)
Antecedentes: la ley de los gases ideales est dada por:
en donde p es la presin absoluta, V es el volumen y n es el nmero de
moles. R es la constante universal de los gases y T es la temperatura ab-
soluta. Aunque esta ecuacin la usan ampliamente los ingenieros y cien-
tficos, slo es exacta sobre un rango limitado de presin y temperatura.
Ms an, la ecuacin (6.6) es ms apropiada para algunos gases que pa-
ra otros.
Una ecuacin alternativa del estado de los gases est dada por:
r6.71
a la que se le conoce con el nombre de ecuacin de van der Waals. u
= V / n es el volumen molal y a y b son constantes empricas que de-
penden de un gas en particular.
Un proyecto de ingeniera qumica requiere que se calcule exactamente
el volumen molal (u) del bixido de carbono y del oxgeno para combi-
naciones diferentes de la temperatura y de la presin, de tal forma que
se pueda seleccionar una vasija apropiada que los contenga. Asimismo,
es importante examinar que tan bien se apega cada gas a la ley de los
gases ideales, comparando los volmenes molales calculados con las ecua-
ciones (6.6) y (6.7). Se proporcionan los siguientes datos:
R = 0.082 054 1 . atm/(mol . K)
a = 3.592
b = 0.042 67
bixido de carbono
a = 1.360
b = 0.031 83
Las presiones de inters en el diseo son de 1, 10 y 100 atm. para com-
binaciones de la temperatura de 300, 500 y 700K.
Solucin: los volmenes molares de ambos gases se calculan con la ley
de los gases ideales, con n = 1. Por ejemplo, si p = 1 atm y T = 300K,
entonces:
RT = 0.082 054
I atm 300 K
n P mol . K I atm
v = - = -
v = 24.616 2 l/mol
Estos clculos se repiten para todas las combinaciones de presin y tem-
peratura y se presentan en el cuadro 6.2.
Los clculos del volumen molar a partir de la ecuacin de van der
Waals se pueden llevar a cabo usando cualquier mtodo numrico que
encuentre races de los estudiados en los captulos 4 y 5, de la siguiente
manera:
CUADRO 6.2 Clculos del volumen molar del caso de estudio 6.2
Volumen molal Volumen molal Volumen molal
(ley de los (van der Waals) (van der
Temperatura Preridn gases ideales) bixido de Waals) oxgeno
K atm llmol carbono llmol llmol
300 1
10
1 O0
500 1
10
1 O0
700 1
10
1 O0
24.6162 24.5126
2.46 16 2.3545
0.2462 0.0795
4 1.0270 40.982 1
4.1027 4.0578
0.4 1 03 0.3663
57.4378 57.41 79
5.7438 5.7242
0.5744 0.5575
24.5928
2.4384
0.2264
4 1 .O259
4.1016
0.41 16
57.4460
5.7521
0.5842
CASOS DE LA PARTE DOS: RA~CES DE ECUACIONES
1 79
En este caso, la derivada def ( u ) se determina fcilmente y es convenien-
te implementar el uso del mtodo de Newton-Raphson. La derivada de
f respecto a u est dada por:
a 2ab
f(U) = p - -
+ -
3 u3
El mtodo de Newton-Raphson se describe mediante la ecuacin (5.6)
como:
la cual se puede usar en el clculo de la raz. Por ejemplo, usando el
valor inicial de 24.616 2, el volumen molal del bixido de carbono a 300K
y a 1 atm se calcula como 24.512 6 I/mol. Este resultado se obtuvo des-
pus de dos iteraciones y con un E,, menor de O. O01 %.
En el cuadro 6.2 se muestran resultados similares para todas las com-
binaciones de presin y de temperatura para ambos gases. Se observa
que los resultados obtenidos con la ecuacin de van der Waals difieren
en ambos gases de los de la ley de los gases ideales, de acuerdo a los
valores especficos de p y de T. Ms an, ya que algunos de estos resul-
tados son significativamente diferentes, el diseo de las vasijas que con-
tendrn a los gases sera muy diferente, dependiendo de qu ecuacin
de estado se haya usado.
En este caso, al usar el mtodo de Newton-Raphson se examin una
ecuacin del estado gaseoso complicada. Los resultados variaron signifi-
cativamente en varios casos usando la ley de los gases ideales. Desde un
punto de vista prctico, el mtodo de Newton-Raphson fue apropiado
en este caso ya que f ( u) fue fcil de calcular. De esta manera, se pueden
explotar las propiedades de rpida convergencia del mtodo de Newton-
Raphson.
Adems de demostrar su potencia en un simple clculo, el mtodo
de Newton-Raphson ilustra en este caso de estudio lo atractivo que es
cuando se requiere una gran cantidad de clculos. Debido a la velocidad
de las microcomputadoras, la eficiencia de cada uno de los mtodos en
la solucin de la mayor parte de races de ecuaciones se vuelve indistin-
guible en un clculo simple. Aun la diferencia de decenas entre el mto-
do eficiente de Newton-Raphson y el mtodo poco. refinado de biseccin
no significa una gran prdida de tiempo cuando se realiza un solo clcu-
lo. Sin embargo, supngase que se desea calcular una raz millones de
veces para resolver un problema. En este caso, la eficiencia del mtodo
puede ser un factor decisivo al escogerlo.
Por ejemplo, supngase que es necesario disear un sistema de con-
trol automtico computarizado de un proceso de produccin de sustan-
cias qumicas. Este sistema requiere una aproximacin exacta de volmenes
molales con base a un medio esencialmente continuo para fabricar conve-
nientemente el producto final. Se instalan calibradores que proporcionan
lecturas instantneas de la presin y la temperatura. Se deben obtener
evaluaciones de u para toda la variedad de gases que se usan en el proceso.
Para estas aplicaciones, los mtodos que usan intervalos, tales como
el de biseccin o de la regla falsa, posiblemente consuman mucho tiem-
po. Adems, los valores iniciales que se requieren con estos mtodos ge-
neraran un retraso en el procedimiento. Este inconveniente igualmente
afecta al mtodo de la secante, que tambin necesita dos valores iniciales.
En contraste, el mtodo de Newton-Raphson requiere 6nicamente un
valor inicial de la raz. Se puede usar la ley de los gases ideales para obte-
ner este valor al inicio del proceso. Despus, suponiendo que el tiempo
empleado sea lo bastante corto como para que la presin y la temperatu-
ra no varen mucho durante los clculos, la solucin de la raz anterior
se puede usar como valor inicial de la siguiente. De esta forma, se tendra
disponible de forma automtica un valor aproximado cercano a la solucin,
requisito indispensable en la convergencia del mtodo de Newton-Raphson.
Todas estas consideraciones favorecern de manera considerable al mtodo
de Newton-Raphson en estos problemas.
CASO 6.3 DINMICA DEL CRECIMIENTO DEMOGRFICO
(INGENIERA CIVIL)
Antecedentes: la dinmica del crecimiento demogrfico es de importan-
cia en todos los planes de estudio de ingeniera. Los progamas de cons-
truccin y de distribucin de recursos en proyectos a gran escala, tales
como el abastecimiento de agua y sistemas de transporte dependen en
gran medida de las tendencias de la poblacin. Adems, las tendencias
de otro tipo de poblaciones, tales como los microbios, son importantes
en muchos procedimientos de ingeniera, como en el tratamiento de ba-
sura, en el manejo de la fermentacin y en la elaboracin de productos
farmacuticos.
Los modelos de crecimiento en un grupo de microbios suponen que
el promedio de cambio de la poblacin (p) es proporcional a la poblacin
existente en un tiempo ( t ) :
La poblacin crece en un medio en el que existe alimento suficiente de
manera que k no es una funcin de la concentracin. (Vase el caso 12.2
que muestra un ejemplo en donde k depende del nivel alimenticio.) Cuan-
do el alimento no escasea, el crecimiento se limita slo por el consumo
de productos txicos o de espacio, si es que el tamao de la poblacin
crece demasiado. Con el tiempo, estos factores retardan la tasa de creci-
CASOS DE LA PARTE DOS: RAiCES DE ECUACIONES 181
miento de la poblacin y la detienen completamente cuando sta alcanza
una densidad mxima de pmex. En este caso, se modifica la ecuacin an-
terior de la siguiente manera:
en donde las unidades de K son litros por clula por da. Esta ecuacin
diferencial se puede integrar de forma analtica dando:
en donde p( t =O) = po. A la ecuacin (6.9) se le conoce como el mo-
delo de crecimiento logstico. Como se muestra en la figura 6.4, este mo-
delo genera una curva de p( t ) en forma de S. Como se puede ver, el
modelo simula un crecimiento inicial lento, seguido por un periodo de
crecimiento rpido y finalmente, un crecimiento limitado a una densidad
demogrfica muy alta.
Como ejemplo de aplicacin de este modelo en el rea de la ingenie-
ra civil, considrese el crecimiento de una poblacin bacteriolgica en un
lago. El crecimiento se comporta como lo define la ecuacin (6.9). La
poblacin es pequea en laprimavera del ao en donde f = O, p(f = O) =
10 clulas por litro. Es sabido que la poblacin alcanza una densidad
de 15 O00 clulas Dor litro cuando t = 60 das y que la tasa de crecimien-
FIGURA 6.4 Un modelo logstico de crecimiento demogrfico. El modelo simuia un
crecimiento inicial lento, despus una aceleracin en I mismo seguido
por un periodo de nivelacin en una densidad poblacional alta.
182 METODOS NUMRI COS PARA INGENIEROS
to K es de 2 X litros por clula por da. Se requiere calcular la den-
sidad de la poblacin bacterial cuando t = 90 das. Si su nmero excede
de 40 O00 clulas por litro, entonces la calidad estndar del agua requie-
re la implementacin de algn procedimiento para disminuirlas y prote-
ger a las personas que se introduzcan al agua.
Solucin: sustituyendo la informacin conocida en la ecuacin (6.9) se
obtiene:
15 O00 =
P m6x
I
[6.10]
la cual tiene slo una incgnita, pmdx. Si la ecuacin (6.10) se pudiera
resolver para pmAx, entonces p(t = 90) se podra determinar fcilmente
de la ecuacin (6.9). Sin embargo, ya que pmsx es implcita, no se puede
obtener directamente de la ecuacin (6.10). Por lo tanto, se debe usar un
mtodo numrico de los captulos 4 y 5. No se usar el mtodo de Newton-
Raphson ya que la derivada de la ecuacin (6.10) es difcil de determinar.
Sin embargo, se pueden aplicar fcilmente los mtodos de biseccin, de la
regla falsa y de la secante. Con un error relativo del 0.01 % los valores ini-
ciales dados de 60 O00 y 70 O00 clulas por litro generan las siguientes apro-
ximaciones de pmsx.
Mtodo empleado Resultado lteracioner
Biseccin 63 198 11
Regla falsa 63 199 5
Secante 63 200 4
Ntese que los mtodos de la regla falsa y de la secante convergen a la
mitad del nmero de iteraciones del mtodo de biseccin.
Ahora, de la ecuacin (6.9), con pmdx = 63 200:
63 200
P(90) = = 58 930 clulas por litro
e-2x10-6(63 200)(90)
Este nivel demogrfico sobrepasa el lmite estndar en cuanto a calidad
del agua que es de 40 O00 clulas por litro y por lo tanto, se debe tomar
alguna medida de correccin.
Este ejemplo, ilustra la eficiencia computacional relativa de tres m-
todos diferentes para encontrar races de ecuaciones en un problema de
diseo de ingeniera civil. Sin embargo, como se menciona anteriormen-
te, el esquema general tiene una aplicacin amplia en todos los campos
CASOS DE LA PARTE DOS: RAiCES DE ECUACIONES
183
de la ingeniera que tengan que ver con el crecimiento de organismos,
incluyendo a los humanos.
CASO 6.4 DISEO DE UN CIRCUITO ELCTRICO
(INGENIERA ELCTRICA)
Antecedentes: los ingenieros electrnicos usan a menudo la ley de Kir-
choff para estudiar el comportamiento de los circuitos elctricos en esta-
do estacionario (que no varan con el tiempo). En el caso 9.4 se analiza
el comportamiento de estos estados estacionarios. Otro tipo de proble-
mas son los de corriente momentnea e implica a los circuitos donde s-
bitamente suceden cambios temporales. Esta situacin ocurre cuando se
cierra el interruptor de la figura 6.5. En este caso, despus de cerrar el
interruptor hay un periodo de ajuste hasta que se alcanza un estado esta-
cionario. La longitud de este periodo de ajuste est relacionada con las
propiedades de almacenamiento de carga del capacitor y con el almace-
namiento de energa dentro del inductor. El almacenamiento de energa
puede oscilar entre estos dos elementos durante un periodo transitorio.
Sin embargo, la resistencia en el circuito disipa la magnitud de las oscila-
ciones.
El flujo de corriente a travs de la resistencia causa una cada de vol-
taje (V,) dado por:
VR =iR
en donde i es la corriente y R es la resistencia del circuito. Cuando las uni-
dades de R e i son ohm y amperes, respectivamente, entonces la unidad
de V es el volt.
De manera semejante, un inductor resiste el cambio en la corriente,
de forma tal que la cada de voltaje (V,) al cruzarlo es de:
di
vr = L-
dt
, .
A
Interruptor -
Batera y ' ; v0
-
-
7-4 , a Capacitor
Inductor
' +
+
Resistencia
FIGURA 6.5 Un circuito elctrico. Cuando se cierra el interruptor, la corriente experi-
menta una serie de oscilaciones hasta que se alcance un nuevo estado
estacionario.
_l_____-~__lll."""~ "" .~
donde t = O, q = qo = VoC, y Vo es el voltaje en la batera. La ecua-
cin (6.11) describe la variacin de la carga en el capacitor en funcin
del tiempo. La solucin q(t) se grfica en la figura 6.6.
Un problema de diseo tpico en ingeniera elctrica, puede necesitar
que se determina la resistencia apropiada para disipar energa a una velo-
cidad constante, con los valores de L y C conocidos. En este caso se su-
pone que la carga se debe disipar al 1% de su valor original (q/ q,, = 0.01)
en t = 0.05 S, con L =5 H y C =lO-"F.
en donde L es la inductancia. Cuando las unidades de L e i son henrios
y amperes, la unidad de V, es el volt y la unidad de t es el segundo.
La cada de voltaje a travs del capacitor (V,) depende de la carga (4)
sobre el mismo:
9
vc = c
en donde C es la capitancia. Cuando las unidades de carga se expresan en
culembios, la unidad de C es el faradio.
La segunda ley de Kirchoff indica que la suma algebraica de las ca-
das de voltaje en un circuito cerrado es cero. Despus de cerrar el inte-
rruptor se tiene:
di
clt C
L - +R i +- =O 9
Sin embargo, la corriente est dada en funcin de la carga como:
I = - . d9
dt
Por lo tanto:
Esta es una ecuacin diferencial ordinaria de segundo orden que se pue-
de resolver usando los mtodos de clculo. La solucin est dada por:
FIGURA 6.6
La carga en un capaci-
tor en funcin del tiem-
po que se presenta
enseguida de cerro: el
interruptor en la figura
6.5.
Solucin: es necesario resolver para R la ecuacin (6.11) , usando los va-
lores conocidos de q, qo, L y C. Sin embargo, se debe emplear un m-
todo numrico ya que R es una variable implcita de la ecuacin (6.11).
Se usar el mtodo de biseccin para este propsito. Los otros mtodos
estudiados en los captulos 4 y 5 tambin son apropiados, aunque el m-
todo de Newton-Raphson tiene desventajas debido a que la derivada de
la ecuacin (6.11) es muy complicada. Reordenando la ecuacin (6.11)
se obtiene:
o, usando los valores numricos dados:
f ( R) = e-o.oo5R cos(d2000 - 0.01R2 0.05) - 0.01 C6.121
Examinando esta ecuacin puede verse que un rango inicial razonable
de R es de O a 400 Q (ya que 2 O00 - 0.01R2 debe ser mayor de ce-
ro). La figura 6.7, grfica de la ecuacin (6.12), lo confirma. Con vein-
FIGURA 6.7 Grfica de la ecuacin (6.12) usada en la obtencin de valores iniciales
de R que encierren a la raz.
1 86 MTODOS NUMERICOS PARA INGENIEROS
CASO 6.5
I
resorteirnasa
'n
corriente
circuito LR
FI GURA 6.8
Ejemplos de tres oscila-
dores armnicos. Las fle-
chas dobles indican las
oscilaciones de cada
sistema.
FIGURA 6.9
tin iteraciones del mtodo de biseccin se obtiene R = 328.1515, con
un error menor al 0.000 1%.
De esta forma, se puede especificar una resistencia con este valor en
el diagrama de la figura 6.5 y esperar que la disipacin sea consisten-
te con los requisitos del problema. Este problema de diseo no se
puede resolver eficientemente sin usar los mtodos de los captulos
4 y 5.
ANALISIS DE VIBRACIONES
(INGENIERIA MECANICA)
Antecedentes: las ecuaciones diferenciales se usan a menudo para mo-
delar el comportamiento de sistemas en ingeniera. Uno de tales mode-
los, que se aplica ampliamente en la mayor parte de los campos de la
ingeniera, es el oscilador armnico. Algunos ejemplos bdsicos del oscila-
dor armnico son el pndulo simple, una masa atada a un resorte y un
circuito elctrico inductor-capacitor (Fig. 6.8). Aunque estos son sistemas
fsicos muy diferentes, sus oscilaciones se pueden describir mediante un
mismo modelo matemtico. De esta manera, aunque este problema analiza
el diseo de un amortiguador para un automvil, el comportamiento ge-
neral se aplica a una gran variedad de problemas en todos los campos
de la ingeniera.
Como se ilustra en la figura 6.9, un conjunto de resortes sostienen
un auto de masa m. Los amortiguadores presentan una resistencia al mo-
vimiento del auto la cual es proporcional a la velocidad vertical (movi-
miento ascendente-descendente) del mismo. La alteracin del equilibrio
del auto provoca que el sistema oscile como x@). En un momento cual;
quiera, las fuerzas que actan sobre la masa m son la resistencia de los
resortes y la capacidad de absorber el golpe de los amortiguadores. La
Un auto de masa m.
CASOS DE LA PARTE DOS: RAfCES DE ECUACIONES 187
resistencia de los resortes es proporcional a la constante de los mismos
(k) y a la distancia al punto de equilibrio (x):
Fuerza del resorte = " kx [6.13]
en donde el signo negativo indica que lafuerza de restauracin regresa
al auto a su posicin de equilibrio. La fuerza de amortiguacin est dada
por:
dx
dt
Fuerza de amortiguacin = "c-
en donde c es un coeficiente de amortiguamiento y dx/dt es la velocidad
vertical. El signo negativo indica que la fuerza de amortiguacin acta en
direccin opuesta a la velocidad.
Las ecuaciones de movimiento para el sistema estn dadas por la se-
gunda ley de Newton (F = ma), que en este problema est expresada
como:
d2x dx
dt dt
m
-
-
-
"c - + ( - W
Masa x aceleracin = fuerza de amortiguacin + fuerza del resorte
O
d2x c dx k
- +" - +" X=o
dt2 m dt m
Esta es una ecuacin diferencial ordinaria de segundo orden que se pue-
de resolver con los mtodos del clculo. Por ejemplo, si el auto encuen-
tra por casualidad un hoyo en el camino en t = O de tal forma que se
desplaza del punto de equilibrio x = x. y dx/dt = O, entonces:
x ( t ) = e-"' (xo cos pt +
donde n = c/ (2m), p =
- sen pt )
n
P
[6.14]
dk/m-c2/(4m2) v k/m > c2/(4m2). La
ecuacin (6.14) proporciona la velocidad vertical del auto en funcin del
tiempo. Los valores de los parmetros son c = 1.4 por l o7 g/ s, m =
1.2 por l o6 g y k = 1.25 por l o9 9/s2. Si x. = 0.3. las consideracio-
nes de diseo en la ingeniera mecnica requieren que se den los estima-
dos en las tres primeras ocasiones que el auto pase a travs del punto
de equilibrio.
1 88 MTODOS NUMRICOS PARA INGENIEROS
Solucin: este problema de diseo se puede resolver usando los mto-
dos numricos de Toscaptulos 4 y 5. Se prefieren los mtodos que usan
intervalos y el de la secante ya que la derivada de la ecuacin (6.14) es
complicada.
Las aproximaciones a los valores iniciales se obtienen fcilmente
con base a la figura 6.10. Este caso de estudio ilustra cmo los mtodos
grficos proporcionan a menudo informacin muy importante para apli-
car satisfactoriamente los mtodos numricos. La grfica ilustra que este
problema es complicado debido a la existencia de varias races, por lo
que en este caso, se deben usar intervalos pequeos para evitar traslapes
de races.
En el cuadro 6.3 se enlistan los resultados obtenidos por los mtodos
de biseccin, la regla falsa y la secante, con un criterio de paro del O. 1 % .
Todos los mtodos convergen rpidamente. Como era de esperarse, los
mtodos de la regla falsa y de la secante son ms eficientes que el de bi-
seccin.
Ntese que para todos los mtodos los errores relativos porcentuales
aproximados son mayores que los errores reales. De esta forma, los re-
sultados son exactos al menos hasta el criterio de paro, el O. 1 %. Sin em-
bargo, puede observarse tambin que el mtodo de la regla falsa y el de
FIGURA 611 O Grfico de lo posicin de un amortiguador respecto al tiempo despus
que lo rueda del auto cae en un hoyo del camino.
". " . .
CUADRO 6.3 Resultados obtenidos al usar los m6todos de bisecciin, regla falsa y de la secante pa-
ra localizar las primeras tres races de las vibraciones de un amortiguador. Se u d un
crfterio de paro del 0.1 para obtener estos resultados. N6tese que los valores exac-
tos de las races son 0.055 209 532 9, 0.1 54 178 13 y 0.253 146 726
~ -~
ERROR RELATIVO
PORCENTUAL
Valor inicial Valor inicial Aproximaciin Nmero de
MBtodo inferior superior a la M~Z iteraciones Aproximado Verdadero
Biseccin 0.0 o. 1 0.0552246 11 0.088 0.027
0.1 0.2 0.1541992 10 0.063 0.014
0.2 0.3 0.2533203 9 0.077 0.069
Regla 0.0 0.1 0.0552095 5 0.002 0.0001
falsa o. 1 0.2 O. 1541 790 4 0.069 0.0006
0.2 0.3 0.2531475 4 0.043 0.0003
Secante 0.0 o. 1 0.0552095 5 0.038 0.0001
o. 1 0.2 0.1541780 5 0.020 0.0001
0.2 0.3 0.2531465 5 0.017 0.0001
la secante son muy conservadores en esta relacin. Recurdese el an-
lisis de la seccin 4.3 en que el criterio de paro constituye esencial-
mente una aproximacin a la diferencia con la iteracin anterior. De esta
forma, para esquemas de convergencia rpida como los mtodos Cte la
regla falsa y de la secante, la mejora en exactitud entre dos iteraciones
sucesivas es tan grande que E" ser, en general, mucho menor que E,.
El significado prctico de este comportamiento es de poca importancia
cuando se va a determinar slo una raz. Sin embargo, si se requiere cal-
cualar varias rakes, la convergencia rpida viene a ser una propiedad muy
valiosa como para tomarla en cuenta cuando se escoge un mtodo en
particular.
PROBLEMAS
Ingeniera en general
6.1 Usando los programas propios, reprodzcanse los clculos realizados en el caso 6.1.
6.2 Realcense los mismos clculos del caso de estudio 6.1, pero usando una tasa de
inters del 17% ( i =0.17). Si es posible, sense los programas propios para
determinar los puntos de equilibrio. De otra manera, sese cualquiera de los m-
todos analizados en los captulos 4 y 5 y realcense los clculos. Justifquese el uso
del mtodo escogido.
6.3 En el caso 6.1, determnese el nmero de aos que se debe poseer la Micro dos
para que genere ganancias. Esto es, calclese el valor de n en el cual A, de la
ecuacin (6.4) sea positivo.
6.4 Usando un esquema similar al del caso 6.1, se puede desarrollar lasiguiente ecua-
cin para determinar el costo anual neto de una microcomputadora:
175n -3000(1.2),
A"
+- +5000
12" - 1 12" - 1
Encuntrese el valor de n tal que A, sea cero.
6.5 Supngase que se desea comprar un automvil y est6 limitado a dos opciones.
Como en el caso 6.1, el costo anual neto de poseer cualquiera de los dos vehicu-
los est compuesto por el costo de compra, costo de mantenimiento y de las ga-
nancias:
Modelo de lu/o Modelo econmico
Costo de compra, $ - 15,000 -5000
Costo de mantenimiento,
$/ ao/ aiio -400 -200
Ganancias anuales y
beneficios, $ 7500 3000
Si la tasa de inters es del 12.5% ( i =0.125), calcular el punto de equilibrio (n)
para los automviles.
6.6 Si se compra una pieza de equipo en $20 O00 en abonos, pagando $5 O00 duran-
te 5 aos. Qu tasa de inters se est pagando? La frmula que relaciona el costo
actual (P), lospagos anuales ( A ) , el nmero de aos (n) y la tasa de inters es:
A = P
i(l +i ) "
(1 +i )"
6.7 Debido a que las tablas de economa se desarrollaron hace mucho tiempo, no se
programaron para las tasas altas de inters que prevalecen hoy en da. Adems,
no se planearon para manejar tasas de inters fraccionarias. Como en el problema
siguiente, se pueden usar mtodos numricos para deteminar las estimaciones eco-
nmicas en estas situaciones.
Un nuevo centro de diversiones cuesta $10 millones de pesos y produce una
ganancia de $2 millones. Si la deuda se debe pagar en 10 aos a qu tasa de
inters debe hacerse el prstamo? El costo actual (P) , el pago anual (A) y la tasa
de inters (i) se relacionan entre s mediante la siguiente frmula:
P (1 +i)" - 1
-
A
-
-
i ( l +i ) "
donde n es el nmero de pagos anuales. Para este problema,
P 10000000
A 2000000
"
-
=5
Por lo tanto, la ecuacin se transforma en:
(1 +i ) ' O - 1
5 =
i (1 - i)
La tasa de inters que satisface esta ecuacin se puede determinar encontrando
la raz de:
j (i ) =
(1 +)'O - 1
i ( l +i)
- 5
a) Dibjese j(i) contra i y para obtener una estimacin grfica de la raz.
b) Caclese i usando el mtodo de biseccin (contar las iteraciones).
c) Calclese i usando el mtodo de la regla falsa (contra las iteraciones)
En los incisos (b) y (c) sense los valores iniciales de i =0.1 y 0.2. Obtngase
un nivel del error del 2% en ambos casos.
Ingeniera qumica
6.8 Usando los programas propios, realcense los clculos del caso 6.2.
6.9 Ejectense los mismos clculos del caso 6.2, pero con el alcohol etlico (a =12.02
y b =0.084 07) a una temperatura de 350" K y una p de 1.5 atm. Comprense
los resultados con los de la ley de los gases ideales. Si es posible, sense los pro-
gramas propios para determinar el volumen molar. De otra forma, sense cualquier-
ra de los mtodos numricos analizados en los captulos 4 y 5 para realizar los
clculos. Justifquese el mtodo escogido.
6.1 O Reptase el problema 6.9 con xido nitroso (a =3.782 y b =0.044 15) a una
temperatura de 450" K y una p de 2 atm.
6.11 La temperatura (en grados Kelvin) de un sistema, vara durante el da de acuer-
do con:
T =400 +200 COS ~
27rt
1440
en donde t se expresa en minutos. La presin sobre el sistema esta dada por
p =e-t'1440. Desarrllese un programa que calcule el volumen molar del oxi-
geno en intervalos de un minuto a lo largo del da. Grafquense los resultados.
Si se tiene capacidad grfica en la computadora grafquense los datos. Si no es
as, grafquense los resultados a intervalos de 60 minutos. Los antecedentes de
este problema se pueden econtrar en el caso 6.2.
6.12 En ingeniera qumica, los reactores de flujo (es decir, aqullos en que un fluido
va de un extremo al otro con una mezcla mnima a lo largo del eje longitudinal)
se usan a menudo para convertir reactivos en productos. Se ha determinado que
la eficiencia de la conversin se puede mejorar a veces reciclando una parte del
flujo del producto de manera que regrese a la entrada para un paso adicional
a travs del reactor (Fig. P6. 12). La tasa de reciclaje se define como:
R =
volumen de fluido regresado a la entrada
volumen de fluido que deja el sistema
Supngase que se est& procesando una sustancia qumica A para generar un pro-
ducto B. Para el caso en que B de acuerdo a una reaccin autocataltica.
FIGURA P6.12 Representacin esquemtica de un reactor de fluio con reciclaje.
(esto es, en la que uno de los productos acta como catalizador o de estimulante
en la reaccin), o
A + B - B +B
se puede demostrar que una tasa ptima de reciclaje debe satisfacer
en donde X,, es la fraccin del reactante A que se convierte al producto B. La ta-
sa ptima de reciclaje corresponde a un reactor de tamao mnimo, necesario para
alcanzar el nivel de conversin deseado.
sese el mtodo de biseccin para determinar las tasas de reciclaje necesarias
que minimicen al tamao del reactor en conversiones fraccionales de
U) X,, =0.99
b) X, =0.995
c)XA/ =0.999
6.13 En un proceso qumico, el vapor de agua (HzO) se calienta a una temperatura lo
suficientemente alta para que una porcin significativa del agua se disocie o se rompa
en partes para formar oxgeno (O,) e hidrgeno (Hz):
Si se supone que es la nica reaccin que se lleva a cabo, la fraccin molar (x)
de HzO que se separa puede representarse como:
k, =-
1 - x
[P6.13]
en donde k, es la constante de equilibrio de la reaccin y pt es la presi6n total de
lamezcla. Si pt =2 atm. y k, =0.045 68, determnese el valor de x que satisfa-
ce a la ecuacin (P6. 13).
Ingeniera civil
6.14 Usando los programas propios, reptanse los clculos del caso 6.3
6.15 Efectense los mismos clculos del caso 6.3, pero con una tasa de crecimiento
de 1.5 por lo6 litros por clula por da.
6.17 La concentracin de la bacteria contaminante C en un lago decrece de acuerdo
a la relacin:
Determnese el tiempo requerido para que la bacteria se reduzca a 10, usando
a) un mdoto grfico y b) el mtodo de Newton-Raphson.
6.18 Muchos campos de laingeniera requieren estimaciones exactas, de lapoblacin.
Por ejemplo, para la transportacin, los ingenieros consideran necesario determi-
nar por separado la tendencia del crecimiento demogrfico de una ciudad y de
los suburbios adyacentes. La poblacin del rea urbana declina en funcin del tiempo
de acuerdo con
mientras que la poblacin suburbana crece, de acuerdo a
en donde Pu,m6x, k,, Pu,mn, , Ps,max, Po y k, son parmetros derivados de forma
emprica.
Determnese el tiempo y los valores correspondientes de P,(t) y de P,(t) cuan-
do las poblaciones son iguales. Los valores de los parmetros son Pu,,,& =60 000;
k, =0.04 ao"; Pu,mn =12 000; Ps,mdix =5 O00 y k, =0.06 ao"' Para
obtener las soluciones, sese a) un mtodo grfico y b) el mtodo de la regla
falsa.
6.19 El movimiento de una estructura se define mediante la siguiente ecuacin para
una oscilacin amortiguada:
y =10e-kf cos wt
donde k =0.5 y w =2.
a) osese el mtodo grfico, para obtener una estimacin inicial del tiempo necesa-
rio para que el desplazamiento baje hasta 4.
b) sese el mtodo de Newton-Raphson para determinar la raz hasta un E, =
0.01%.
c) sese el mtodo de la secante para determinar la raz hasta un es =0.01%.
194 METODOS NUMtRICOS PARA INGENIEROS
-
6.20 La figura P6.20 muestra un canal abierto de dimensiones constantes con un rea
transversal A. Bajo condiciones de flujo uniforme, se cumple la siguiente relacin
basada en la ecuacin de Manning:
23
Q ="( ) su2
n B +2y,
[P6.7]
en donde Q es el flujo, y, es la profundi dad normal , B es el ancho del
canal, n es un coeficiente de rugosidad usado para medir los efectos de
la friccin del material en el canal y S es la pendiente del canal. La ecua-
cin se usa en ingeniera de fluidos y recursos de agua para determinar la profun-
didad normal. Si este valor es menor que la profundidad crtica:
FIGURA P6. 20.
en donde g es la aceleracin de la gravedad (980 cm/ s2), entonces el flujo es sub-
crtico.
sese un mtodo grfico y el mtodo de biseccin para determinar y,, si
Q =14.15 m3/ s; B =4.572 m; n =0.017 y S =0.001 5. Selese si el flujo
es sub o supercrtico.
I ngeniera elctrica
6.21 sense los programas propios para repetir los clculos del caso 6.4.
6.22 Efectense los mismos clculos del caso 6.4 suponiendo que la carga se debe disi-
par al 2% de su valor original en 0.04 s.
6.23 Efectense los mismos clculos del caso 6.4, determinando el tiempo necesario
para que el circuito disipe el 10% su valor original, dado R =300 Q C =l op4
F y L =4 H .
6.24 Efectense los mismos clculos del caso 6.4 determinando el valor de L necesa-
rio para que el circuito disipe al 1% de su valor original en t =0.05 S, dado
R =300 Q y c = F.
6.25 Una corriente oscilatoria en un circuito elctrico se describe mediante
I =1Oe" sen(27rt)
en donde t est dado en segundos. Determnense todos los valores de t tales que
I =2.
I ngeniera mecnica
6.26 Usando los programas propios, reptanse los clculos realizados en el caso 6.5.
6.27 Efectense los mismos clculos del caso 6.5, usando c = 1.5 por l o7 g/s,
k =1.5 por lo9 g/s2 y m =2 por lo6 g.
6.28 Efectense los mismos clculos del caso 6.5, pero determinando el valor de k de
forma tal que la primera raz se encuentre en t =0.08 s.
6.29 Efectense los mismos clculos del caso 6.5, pero determinando el valor de m
de tal forma que la primera raz se encuentre en t =0.04 s.
6.30 Efectense los mismos clculos del caso 6.5 pero determinando el valor de c de
tal forma que la segunda raz se encuentre en t =0.2 s.
6.31 Lanse todos los casos del captulo 6. En base a lalectura y a la experiencia obte-
nida, concbase un caso de estudio en cualquier campo de laingeniera. Esto im-
plica la posibilidad de modificar o expresar de forma diferente alguno de los casos
anteriores. Sin embargo, tambin puede ser totalmente original. AI igual que los
ejemplos anteriores, se debe redactar desde el contexto de los problemas de inge-
niera y debe demostrar el uso de los mtodos numricos en lasolucin de races
de ecuaciones. Descrbanse los resultados empleando los casos anteriores como
modelo.
EPLOGO:
PARTE I I
El cuadro 11.3 proporciona un resumen de los fac-
tores de mayor importancia que se emplean en la
solucin de races de ecuaciones algebraicas y
trascendentales. Aunque los mtodos grficos con-
sumen tiempo, son muy tiles para comprender el
comportamiento de la funcin y para identificar
valores iniciales y problemas potenciales, como las
races mltiples. Par lo tanto, si el tiempo lo permi-
te, un bosquejo rpido (o mejor an, una grfica
por computadora) ayuda a relacionar informacin
til asociada al comportamiento de la funcin.
Los mtodos numricos se dividen en dos catego-
ras generales: mtodos que usan intervalos y m-
todos abiertos. Los primeros requieren dos valores
iniciales que contengan a la raz. Esta conten-
cin" se respeta a medida que la solucin avan-
za, y de esta forma, estos mtodos siempre son
convergentes. Sin embargo, tiene el inconvenien-
te que la velocidad de convergencia es demasia-
do lenta. De los mtodos que usan intervalos, el
mtodo de la regla falsa, en general, es el mto-
do de preferencia ya que en la mayor parte de
los problemas converge mucho ms rpido que el
mtodo de biseccin.
# I
Los mtodos abiertos se distinguen de los que usan
intervalos en que requieren informacin nicamen-
te de un punto (o de dos, pero que no contengan
a la raz necesariamente) para extrapolar una nue-
va aproximacin a la raz. Esta propiedad es una
espada de doble filo. Aunque conduce a una con-
vergencia ms rpida, tambin permite la posibi-
lidad de divergencia. En general, la convergencia
de los mtodos abiertos depende parcialmente de
la calidad del valor inicial. Entre ms cercano se
encuentre ste de la raz, ms probable es que con-
verja a la misma.
De los mtodos abiertos, el de Newton-Raphson
se usa ms a menudo, debido a su propiedad de
convergencia cuadrtica. Sin embargo, su mayor
desventaja estriba en que la derivada de la fun-
198
METODOS NUMRICOS PARA INGENIEROS
I
-
e
C
S
O
O
M
._ W
3
z
m
O
U
.-
i
O
C
+
2
N
EPLOGO PARTE I I
1 99
11.5
11.6
cin se debe obtener de forma analtica. Para algunas funciones esto
es imprctico. En estos casos, el mtodo de la secante proporciona
una alternativa viable empleando un mtodo de diferencias finitas para
representar la derivada. Debido a la aproximacin, la velocidad de
convergencia del mtodo de la secante es menor que la del mtodo
de Newton-Raphson. Sin embargo, a medida que la aproximacin
a la raz se hace ms y ms exacta, la aproximacin a la derivada se
convierte en una mejor representacin de la derivada exacta y la ve-
locidad de convergencia aumenta rpidamente. En el caso de races
mltiples, se puede usar el mtodo de Newton-Raphson modificado
para alcanzar una convergencia rpida. Sin embargo, este mtodo
requiere de una expresin analtica de la primera y la segunda de-
rivadas.
Todos los mtodos numricos son fciles de programar sobre una mi-
crocomputadora y requieren de un tiempo mnimo para determinar
una raz. En base a esto, se concluye que los mtodos tales como la
biseccin son suficientes para propsitos prcticos. Esto sera verda-
dero si se estuviese interesado nicamente en una raz de una ecua-
cin. Sin embargo, existen muchos casos dentro de la ingeniera en
donde se requiere encontrar varias races en cuyo caso la velocidad
viene a ser un factor muy importante. En estos casos, los mtodos lentos
consumen mucho tiempo y por lo tanto se vuelven costosos. Por el
otro lado, los mtodos rpidos pueden divergir y los retardos ocasio-
nados por esto se pueden volver tambin costosos. Algunos algorit-
mos pretenden aprovechar las ventajas de ambos mtodos, empleando
inicialmente un mtodo que use intervalos para acercarse a la raz
y en ese momento cambiar a un mtodo abierto para refinar rpida-
mente la raz. Mientras se use slo un mtodo o una combinacin de
ellos, los factores a tomarse en consideracin entre la convergencia
y la velocidad son la base en la eleccin del mtodo para localizar races.
RELACIONES Y FRMULAS IMPORTANTES
El cuadro 11.4 resume la informacin ms importante que se analiza
en la parte II. Este cuadro se puede consultar para tener acceso rpi-
do a alguna relacin o frmula importante.
MTODOS AVANZADOS Y
ALGUNAS REFERENCIAS ADICIONALES
Los mtodos de este captulo han sido limitados para determinar las
races de una ecuacin algebraica o trascendental, basados en el co-
CUADRO 11.4 Resumen de la informacidn ms importante presentada en la parte I1
Mdtodo
Interpretacin Errores y
Formulacin grfica criterios de paro
MOtodos que usan intervalos:
Biseccin
Regla falsa
xr =-
x/ i- xu
2
Criterio de paro:
Newton-Raphson
Mtodos abiertos:
Secante
Criterio de paro:
nueva pesada
Criterio de paro:
1 x;+;,+; x, 1
Error: E,,.l :
100% I e,
=O( ?)
Criterio de paro:
EPLOGO PARTE II 20 1
nocimiento previo de su posicin aproximada. Existen otras tcnicas
para deteminar races complejas y todas las races de un polinomio.
Algunas referencias recomendables al respecto son Ralston y Rabi-
nowitz (1978) y Carnahan, Luther y Wilkes (1969). J ames, Smith y
Wolford (1 977) y Gerald y Wheatley (1 984) resumen algunos de los
mtodos y proporcionan sus programas.
En cuanto a tcnicas especficas el mtodo de Newton-Raphson se pue-
de usar en ciertos casos para localizar races complejas en base a una
aproximacin inicial compleja. Ya que la mayor parte de las compu-
tadoras no llevan a cabo operaciones complejas, algunas veces el m-
todo se ve limitado. Sin embargo, Stark (1 970) ilustra una manera de
eludir este dilema.
El mtodo de Muller es parecido al mtodo de la regla falsa slo que
este usa interpolacin cuadrtica, en vez de lineal, para localizar la
raz. Este planteamiento se puede emplear en la determinacin tanto
de races complejas como de reales (Muller, 1956; Gerald y Whea-
tley, 1984; Rice, 1983).
Existen varios mtodos para determinar todas las races de un poli-
nomio. El mtodo de Bairstow requiere una buena aproximacin ini-
cial para la localizacin eficiente de races (Gerald y Wheatley, 1984
y J ames, Smith y Wolford, 1977). El mtodo de Graeffe (Scarborough,
1966 y J ames, Smith y Wolford, 1977) y el algoritmo de/ cociente de
diferencias ( QD) (Henrichi, 1964 y Gerald y Wheatley, 1984) deter-
minan todas las races sin una aproximacin inicial. Ralston y Rabino-
witz (1978) y Carnahan, Luther y Wilkes (1969) contienen tambin
anlisis de los mtodos mencionados anteriormente, as como de las
otras tcnicas para la localizacin de las races de un polinomio.
En resumen, el anlisis anterior va enfocado a proporcionar al lector
formas de explorar ms a fondo los temas. Adems, todas las refe-
rencias anteriores proporcionan descripciones de las tcnicas bsi-
cas cubiertas en la parte I I . Es importante que se consulten estas fuentes
de informacin para ampliar el conocimiento de los mtodos numri-
cos en la localizacin de races.*
* El autor hace aqu slo una referencia a los libros, al final del texto se presenta una bibliogra-
fa completa.
cuatro o ms ecuaciones la solucin se torna difcil y se debe utilizar
una computadora. Histricamente, la imposibilidad de resolver estos
sistemas a mano, excepto sistemas muy pequeos, limit el alcance
de problemas dirigidos a muchas aplicaciones de ingeniera.
Antes del uso de las computadoras, las tcnicas para solucionar siste-
mas de ecuaciones algebraicas lineales requeran mucho tiempo y eran
muy difciles. Estos planteamientos creaban restricciones sobre la crea-
tividad ya que los mtodos eran difciles de implementar y de enten-
der. Be ah que se haca hincapi en las tcnicas, a costa de otros
aspectos del proceso de solucin al problema, tales como la formula-
cin y la interpretacin (recurdese la figura 1.1 y el anlisis que la
acompaa).
El advenimiento de computadoras personales de fcil acceso hace po-
sible y prctica la solucin de grandes sistemas de ecuaciones alge-
braicas lineales. De esta manera, se pueden plantear problemas ms
complejos y ms realistas. Adems, habr ms tiempo de examinar
las habilidades creativas ya que se har ms hincapie en la formula-
cin e interpretacin del problema.
FIGURA 1 1 1 . 1 Dos tipos de sistemas que pueden ser modelados usando sistemas de ecua-
ciones algebraicas lineales: a) sistema macrovariable que involucra un
conjunto acoplada de componentes finitas y b) sistema microvariable que
involucra continuidad.
SISTEMAS DE ECUACIONES ALGEBRAICAS LINEALES 205
I I I. 1 . 2 Ecuaciones algebraicas lineales y su prctica en la
ingeniera
Muchas de las ecuaciones fundamentales de la ingeniera se basan
en las leyes de conservacin (recordar el cuadro 1 1 . 1 ) . Algunas canti-
dades familiares que forman parte de estas leyes son la masa, la fuerza,
la energa y el momento. En trminos matemticos, estos principios
llevan a ecuaciones de equilibrio que estudian el comportamiento del
sistema; estas ecuaciones consideran las incgnitas a obtener del mo-
delo matemtico: los niveles o respuestas de la cantidad que se est
modelando, las propiedades o caractersticas del sistema, y los estmulos
externos que actan sobre el sistema.
Como un ejemplo, la conservacin de la masa se puede usar para
formular un balance de masa en un conjunto de reactores qumicos
(Fig. Ill. 1 a). En este caso la cantidad que se modela es la masa de
la sustancia en cada reactor. Las propiedades del sistema son las ca-
ractersticas de la reaccin de la sustancia adems de los tamaos de
los reactores y la velocidad de flujo. Los estmulos externos son los
suministros de sustancias al sistema.
En la parte anterior del libro, se ve cmo sistemas de un solo compo-
nente generan una ecuacin que se puede resolver con las tcnicas
de localizacin de races. Los sistemas con componentes mltiples ge-
neran un conjunto de ecuaciones matemticas acopladas que deben
resolverse simultneamente. Las ecuaciones estn acopladas porque
las partes individuales del sistema influyen sobre otras partes. Por ejem-
plo, en la figura 1 1 1 . 1 a, el reactor 4 recibe sustancias de los reactores
2 y 3. En consecuencia, su respuesta depende de la cantidad de sus-
tancia de estos reactores.
Cuando estas dependencias se expresan en forma matemtica, las ecua-
ciones resultantes, a menudo, son de la forma algebraica de la ecuacin
(Ill. 1 ). Las x, usualmente, miden las magnitudes y respuestas de los
componentes individuales. Con la figura I ll.la como ejemplo, x, pue-
de medir la cantidad de masa en el primer reactor, x:, la del segun-
do, etctera. Las a, representan normalmente las propiedades y
caractersticas que se refieren a las iteraciones entre las componen-
tes. Por ejemplo, las a en la figura Ill. 1 a pueden reflejar las velocida-
des de flujo de masa entre los reactores. Finalmente, las c representan
los estmulos externos que actan sobre el sistema, tal como los sumi-
nistros de sustancias en la figura 111.1a. Los casos de estudio en el ca-
ptulo 9 muestran otros ejemplos de tales ecuaciones, derivadas de
la prctica de la ingeniera.
Los problemas de componentes mltiples como los tipos anteriores re-
sultan de modelos matemticos discretos (macro-) o continuos
-__
111.2
(micro-) (Fig. 1 1 1 . 1 ) . Los problemas de variables discretas implican
componentes finitos acoplados como las armaduras (caso 9.3)) reactores
(Fig. III.la) y circuitos elctricos (caso 9.4). Estos tipos de problemas
usan modelos que proporcionan a grandes rasgos el comportamien-
to de un sistema en funcin de ciertas variables.
Por el contrario, los problemas microescalados intentan describir las
caractersticas de los sistemas con una base continua o semicontinua.
La distribucin de sustancia sobre un reactor rectangular alargado
(Fig. II I. 1 b) es un ejemplo de un modelo de variable continua. Las ecua-
ciones diferenciales derivadas de las leyes de conservacin especifi-
can la distribucin de la variable dependiente para tales sistemas (caso
9.2). Estas ecuaciones diferenciales se pueden resolver numricamente
para convertirlas a un sistema equivalente de ecuaciones algebrai-
cas simultneas. La solucin de este conjunto de ecuaciones repre-
senta una importante aplicacin en el rea de ingeniera para los
mtodos de los captulos siguientes. Estas ecuaciones estn unidas por-
que las varihbles en cierta posicin dependen de las variables de re-
giones adyacentes. Por ejemplo, la concentracin a la mitad del reactor
es una funcin de la concentracin en regiones adyacentes. Se pue-
den desarrollar ejemplos similares para la distribucin de la tempe-
ratura o del momento.
Adems de los sistemas fsicos, las ecuaciones algebraicas lineales si-
multneas tambin aparecen en una variedad de contextos en pro-
blemas matemticos. Esto resulta cuando se requiere que las funciones
matemticas satisfagan varias condiciones de manera simultnea. Ca-
da condicin da como resultado una ecuacin que contiene coeficientes
conocidos y variables incgnitas. Las tcnicas expuestas en esta par-
te se pueden usar para encontrar los coeficientes de los sistemas cuando
las ecuaciones sean lineales y algebraicas. El anlisis de regresin (ca-
ptulo 10) y la interpolacin cbica segmentaria (spline, captulo l l )
son algunas de las tcnicas ampliamente usadas que utilizan ecuacio-
nes simultneas.
FUNDAMENTO MATEMTICOS
En todas las partes de este libro se requieren algunos fundamentos
matemticos. Son ltiles, en la parte Ill, la notacin matricial y el l-
gebra, ya que ofrecen una forma concisa de representar y manipular
sistemas de ecuaciones algebraicas lineales. Si se est familiarizado
con las matrices, puede pasarse por alto la seccin 111.3. Para quie-
nes no estn familiarizados o requieren una repasada, el siguiente
material proporciona una breve introduccin al tema.
111.2.1 Notacin matricial
Una matriz-consta de un arreglo rectangular de elementos represen-
tados por un smbolo simple. Como se puede ver en la figura 111.2,
[A] es la notacin abreviada para la matriz y ui i representa un ele-
mento individual de la matriz.
Al conjunto horizontal de elementos se le llama rengln y al conjunto
vertical se le llama columna. El primer subndice i siempre denota el
nmero del rengln en que se encuentra el elemento. El segundo sub-
ndice j denota la columna. Por ejemplo, el elemento 023 est en el
rengln 2 y en la columna 3.
La matriz de la figura 111.2 tiene m renglones y n columnas y se dice
que es dimensin m por n (o m X n). Se le conoce como una matriz
m por n.
Las matrices con dimensin m = 1 en el rengln, tales como
[B] = [b,b2 . . . b"]
se les llama vectores rengln. Ntese que por simplicidad, se omite
el primer subndice.
Las matrices con dimensin n = 1 en la columna, tales como
FIGURA 111.2 Una matriz.
se les conoce como vectores columna. Por simplicidad se omite el se-
gundo subndice.
A las matrices donde m = n se les llama matrices cuadradas. Por ejem-
plo, una matriz 4 por 4 es
a11 a12 a13 a14
[Al =
a21 a22 023 0 2 4
[ : : 2 2: 24
Se le llama diagonal principal de la matriz a la diagonal consistente
de los elementos a,,, aZ2, q 3 y ad4.
Las matrices cuadradas son particularmente importantes en la solu-
cin de sistemas de ecuaciones lineales simultneas. Para tales siste-
mas, el nmero de ecuaciones (correspondiente a los renglones) y el
nmero de incgnitas (correspondiente a las columnas) deben ser iguales
en orden para que sea posible una solucin nica. Por consiguiente, las
matrices cuadradas se encuentran al trabajar con tales sistemas. Al-
gunos tipos especiales de matrices se describen en el recuadro 1 1 1 . 1 .
RECUADRO 1 1 1 . 1 Tipos especiales de matrices cuadradas
Hay algunas formas especiales de matrices cuadradas Ntese que se deian en blanco los bloques grandes de
que son importantes y se deben mencionar: elementos que son cero.
Una matriz simtrica es aquella donde ai; =qij para Una matriz identidad es una matriz diagonal donde to-
toda i y toda ;. Por ejemplo, dos los elementos de la diagonal principal son iguales
a 1 , como en
[ A] =[i 1 a]
[/ I = r l l 1
1 11
es una matriz simtrica 3 por 3.
Una matriz diagonal es una matriz cuadrada donde to- tiene propiedades a la unidad.
dos los elementos fuera de la diagonal principal son
iguales a cero, como en
El smbolo [ I ] denota la matriz identidad. Esta matriz
Una matriz triangular superior es aquella donde todos
sus elementos baio la diagonal principal son cero, como
[all all a13 a141
[Al = I
a23 a33 a34 I
L
(7441
Una motriz triangular inferior es aquella donde todos cero, con la excepcin de una banda centrada sobre
sus elementos arriba de la diagonal principal son ce- la diagonal principal:
ro, como
Una motriz banda tiene todos los elementos iguales a le da un nombre especial, motr;z tr;d;agonal,
La matriz anterior tiene un ancho de banda de 3 y se
111.2.2 Reglas de operacin sobre matrices
Ahora que se ha especificado lo que significa una matriz, se pueden
definir algunas reglas de operacin que gobiernan su uso. Dos matri-
ces m por n son iguales, si y slo si, cada elemento de la primera es
igual a cada elemento de la segunda; esto es [A] = [B] si a;, = bjj pa-
ra toda i, j.
La suma de dos matrices, [A] y [B], se realiza sumando los elementos
correspondientes de cada matriz. Los elementos de la matriz [C] re-
sultante se calculan como:
parai = 1 , 2 , . . . , m y i = 1 , 2, - . ., n.
De forma similar, la resta de dos matrices, [E] y [ F] , se obtiene restan-
do los trminos correspondientes, como:
d.. = e.."..
' I
' I ' I
para i = 1 , 2, . . . , m y j = 1 , 2, . . . , n. De la definicin anterior,
se sigue inmediatamente que la suma y la resta se puede llevar a ca-
bo slo entre matrices que tienen las mismas dimensiones.
La suma y la resta son conmutativas:
Y
210 MTODOS NUM~RI COS PARA I NGENI EROS
La suma y la resta tambin son asociativas, esto es,
La multiplicacin de una matriz [A] por un escalar g se obtiene multi-
plicando cada elemento de [A] por g, como en
El producto de dos matrices se representa como [C] = [A][B], en don-
de los elementos de [C] se definen como (vase el recuadro 111.2 donde
se expone el concepto simple de la multiplicacin matricial)
n
k= 1
C;; = ar k bk; [111.2]
Donde n = la dimensin de las columnas de [A] y la dimensin de
los renglones de [B].
RECUADRO 111.2 Mtodo simple para multiplicar dos matrices
Aunque la ecuacin (111.2) est bien definida para im-
plementarse en una computadora, no es la forma ms
simple de visualizar la mecnica de multiplicacin de
dos matrices. En seguida se presenta una expresin ms
tangible sobre este concepto. Supngase que se desea
multiplicar [A] por [B] y obtener [C]:
Una forma simple de representar el clculo de [C] es
elevar [B], como en
Ahora la respuesta [C] se puede calcular en el espacio
vacante deiado por [B]. Este formato tiene utilidad por-
que alinea los renglones apropiados y las columnas que
se van a multiplicar. Por ejemplo, de acuerdo a la ecua-
cin (111.2) el elemento c1 se obtiene multiplicando el
primer rengln de [A] por la primera columna de [B].
Esto es equivalente a sumar el producto de y bl ,,
al producto de y b , , como
91 2
7=22
For io tanto, cl,, es igual a 22. El elemento c2,, se pue-
de calcular en una forma similar, como
SISTEMAS DE ECUACIONES ALGEBRAICAS LINEALES 21 1
14".:' ,
[A]+ 8 6 x 5 + 6 ~ 7 = 8 2 +[C]
o 4
Ntese que este mtodo esclarece el porqu es impo-
sible multiplicar si el nmero de columnas de la prime-
ra matriz no es igual al nmero e renglones de la
El calculo se puede continuar de esta manera, siguien-
segunda. Ntese cmo demuestra que el orden de la
do la alineacin de renglones y columnas, para obte-
mdtiplicacin coincide tambin. De la misma manera
ner el resultado:
ilustra estos puntos el problema 7.3.
Esto es, el elemento cji se obtiene sumando el producto de elemen-
tos individuales del i-simo rengln de la primera matriz, en este caso
[A], por la i-sima columna de la segunda [B]. De acuerdo a esta de-
finicin, la multiplicacin de dos matrices slo se puede realizar si la
primera matriz tiene tantas columnas como renglones la segunda. Por
lo tanto, si [A] es una matriz m por n, [B] deber ser una matriz n
por p. En este caso, la matriz [C] resultante tendr dimensin m por
p. Sin embargo, si [B] fuese una matriz p por n, la multiplicacin no
se podra llevar a cabo. La figura 111.3 muestra una forma fcil de
verificar si se pueden multiplicar dos matrices.
Si las dimensiones de las matrices son compatibles, la multiplicacion
matricial es asociativo:
FIGURA 111.3 Una manera simple de comprobar si es posible multiplicar dos matrices.
212 MhODOS NUMRICOS PARA INGENIEROS
y distributiva:
Sin embargo, en general la multiplicacin no es conmutativa:
[AI [Bl + [BI[AI
Esto es, el orden de multiplicacin es importante.
Aunque la multiplicacin es posible, la divisin matricial an no est
definida. Sin embargo, si una matriz [A] es cuadrada, hay otra ma-
triz [A]" , llamada la inversa de [A], tal que
[ A] [ A] " = [ A] " [ A] = [I ] [111.3]
De esta forma, la multiplicacin de una matriz por su inversa, es an-
loga a la divisin, en el sentido de que un nmero dividido por s mis-
mo es igual a uno. Esto es, la multiplicacin de una matriz por su inversa
es igual a la matriz identidad (recurdese el recuadro 111.1).
La inversa de una matriz cuadrada bidimensional se puede represen-
tar simplemente como:
1
[ A)" =
e2 -a12
0 1 1 a22 - a12 9 1 [ - 9 1 al,]
[111.4]
Las matrices de dimensin mayor son mucho ms difciles de expre-
sar. La seccin 8.2 se dedica a estudiar una tcnica que calcula la
inversa de tales sistemas.
Las operaciones finales de las matrices que tienen utilidad en este an-
lisis son las de transposicin y de matriz aumentada. La transpuesta
de una matriz comprende la transformacin de sus renglones en co-
lumnas y sus columnas en renglones. La transpuesta de la matriz:
denotada por [ Al T, se define como:
En otras palabras, el elemento a;; de la transpuesta es igual al ele-
mento ai; de la matriz original, o ai = ai;. La matriz transpuesta tie-
ne una gran variedad de funciones en el lgebra matricial. Una ventaja
simple es la de permitir escribir un vector columna como vector fila.
Por ejemplo, si:
entonces
en donde el superndice T denota transposicin. Esto puede ahorrar
espacio al escribir un vector columna en un manuscrito. Adems, la
matriz transpuesta tiene una gran variedad de aplicaciones en las ma-
temticas.
Una matriz aumentada es el resultado de agregarle una columna (o
ms columnas) a la matriz original. Por ejemplo, supngase que se
tiene una matriz:
Si se desea aumentar esta matriz [A] con una matriz identidad (re-
curdese el recuadro Ill. 1 ), entonces se obtiene una matriz 3 por 6
dimensional, dada por:
-
Esta expresin tiene utilidad cuando se desea realizar un conjunto de
operaciones idnticas sobre dos matrices. De esta forma, se pueden
llevar a cabo las operaciones sobre una matriz aumentada en vez de
hacerlo sobre dos matrices independientes.
111.2.3 Representacin en forma matricial de sistemas de
ecuaciones algebraicas lineales
Debe ser claro que las matrices proporcionan una notacin concisa
en la representacin de ecuaciones simultneas lineales. Por ejemplo,
la ecuacin ( 1 1 1 . 1 ) se puede expresar como:
donde [A] es una matriz cuadrada n por n de coeficientes:
[Al =
[C] es un vector columna n por 1 de constantes:
[ C]T = [Cl c2c3 . . . cn]
y [A es un vector columna n por 1 de incgnitas:
[XIT = [x1 x2 x3 . . xn]
Recurdese la definicin de la multiplicacin matricial [Ec. (111.2) o re-
cuadro 111.21 para comprobar la equivalencia de las ecuaciones ( 1 1 1 . 1 )
y (111.5). Tambin, ntese que la multiplicacin matricial (111.5) es v-
lida ya que el nmero de columnas ( n) de la primer matriz ([A]) es
igual al nmero de renglones (n) de la segunda matriz ([A).
En esta parte del libro se resuelve la ecuacin (111.5) para [A. Una
manera formal de obtener una solucin usando lgebra matricial es
la de multiplicar cada lado de la ecuacin por la inversa de [A] para
obtener:
Ya que [A] [A] es la matriz identidad, la ecuacin anterior se con-
vierte en:
[XI = [Al[Cl 1 [111.6]
Por lo tanto, la ecuacin se ha resuelto para [A. Este es otro ejemplo
del juego de la matriz inversa similar a la divisin en el algebra ma-
tricial.
Finalmente, algunas veces es til aumentar [A] con [C]. Por ejemplo,
si n = 3 el resultado es una matriz 3 por 4 dimensional, dada por:
[111.7]
Expresar de esta manera la ecuacin tiene utilidad, ya que varias de
las tcnicas en la solucin de sistemas lineales hacen operaciones idn-
ticas a una fila de coeficientes y a la constante correspondiente del
lado derecho. Como se expres en la ecuacin (lll.7), se pueden rea-
lizar algunas operaciones sobre un rengln de la matriz aumentada
en lugar de hacerlo separadamente sobre la matriz de coeficientes
y el vector del lado derecho.
111.3
Antes de considerar los mtodos numricos, es til mencionar alguna
orientacin adicional. A continuacin se muestra superficialmente el
material analizado en la parte Ill. Adems, se han formulado algu-
nos objetivos para ayudar a enfocar los esfuerzos cuando se estudie
el material.
111.3.1 Metas y avances
En la figura 111.4 se proporciona un esquema de la parte Ill. El capitu-
lo 7 muestra la tcnica fundamental en la solucin de sistemas alge-
braicos lineales: la eliminacin gaussiana. Antes de entrar en los
detalles de esta tcnica, se incluye una seccin que menciona algu-
nos mtodos simples para sistemas pequeos. Esto se hace con el fin
de dar una idea visual y debido a que uno de los mtodos -la elimi-
nacin de incgnitas- es la base de la eliminacin gaussiana.
Despus de presentar los antecedentes, se analiza la eliminacin gaus-
siana simple.
Se inicia con esta versin ya que permite la elaboracin del mtodo
completo sin mayores complicaciones. Despus, en las siguientes sec-
ciones, se analizan posibles problemas que usen el mtodo simple
presentando ciertas modificacicnes que minimicen y eviten estos pro-
blemas. AI final del captulo, se dedica un recuadro a una forma muy
FIGURA 111.4 Esquema de organizacin de la parte Ill: Sistemas de ecuaciones alge-
braicas lineales.
eficiente de la eliminacin gaussiana que puede ser usado en siste-
mas tridiagonales.
En el captulo 8 se empieza con el anlisis del mtodo de Gauss-J ordan.
Aunque esta tcnica es muy parecida a la eliminacin gaussiana, se
analiza porque permite calcular la matriz inversa que tiene una utili-
dad inmensa en la ingeniera.
La eliminacin gaussiana y el mtodo de Gauss-J ordan son mtodos
directos. AI final del captulo 8 se estudia un mtodo diferente cono-
cido como mtodo de Gauss-Seidel. ste es parecido a los mtodos
de aproximacin de races de ecuaciones que se estudiaron en el ca-
pitulo 5. Esto es, la tcnica implica dar una aproximacin inicial a la
solucin y mediante iteraciones obtener un valor meiorado.
En el captulo 9 se demuestra como se pueden aplicar los mtodos
en la solucin de problemas. As como en otras partes del libro, se
examinan aplicaciones extradas de todos los campos de la ingeniera.
Finalmente, al terminar la parte I ll se incluye un eplogo. Este repaso
incluye el anlisis de los elementos de juicio importantes en la imple-
mentacin de los mtodos en la ingeniera prctica. En esta seccin
tambin se resumen las frmulas de mayor importancia y los mto-
dos avanzados relacionados con las ecuaciones algebraicas lineales,
por lo que se pueden usar para estudiar antes de un examen o como
repaso cuando se tenga necesidad de utilizar las ecuaciones algebrai-
cas lineales en la vida profesional.
Las capacidades de cmputo automtico se integran en la parte Ill
en una variedad de formas. Primero, en NUMERICOMP, se encuen-
tran disponibles programas amables con el usuario de la eliminacin
gaussiana para la microcomputadora Apple-ll e IBM-PC. Tambin se
proporcionan los programas en FORTRAN y BASIC de la eliminacin
gaussiana directamente en el texto. Esto le da al usuario la oportuni-
dad de copiar y aumentar los programas para implementarlos en su
microcomputadora o supercomputadora. Tambin se incluyen los dia-
gramas de flujo o los algoritmos en la mayor parte de los mtodos
descritos en el libro. Este material puede formar la base de un pa-
quete de programas que el mismo usuario puede desarrollar y apli-
car a una gran cantidad de problemas de ingeniera.
Objetivos de estudio. AI terminar la parte Ill, el usuario debe ser ca-
paz de resolver la mayor parte de problemas que impliquen utilizar
ecuaciones algebraicas lineales y poder visualizar las aplicaciones de
estas ecuaciones en todos los campos de la ingeniera. El usuario de-
be hacer lo posible por dominar varias tcnicas y valorar la confiabi-
lidad de las mismas. Debe entender las ventajas y desventajas
involucradas en la seleccin del "mejor" mtodo (o mtodos) en cual-
quier problema particular. Adems de estos objetivos generales, se
deben asimilar y dominar los conceptos especficos enumerados en
el cuadro 1 1 1 . 1 .
Objetivos de c6rnputo. El objetivo fundamental en cuanto a cmputo,
es el de ser capaz de usar en forma satisfactoria un programa para
resolver sistemas de ecuaciones algebraicas lineales. Debe quedar cla-
ro el uso de los programas de NUMERICOMP, o tambin saber c-
mo copiar y usar el programa de la eliminacihn gaussiana simple dado
en el texto. Estos programas le permitirn manejar adecuadamente
muchos problemas prcticos que impliquen utilizar varias ecuaciones
algebraicas lineales simultneas. A medida que se avance en los pro-
blemas que contengan ms ecuaciones, se pueden usar los progra-
mas, diagramas de fluio y algoritmos proporcionados en la parte Ill.
Eventualmente, se puede incorporar a los programas el pivoteo parcial,
el clculo de determinantes y la evaluacin de condiciones. Tambin
se pueden obtener los programas para los mtodos de Gauss-J ordan
y de Gauss-Seidel.
CUADRO 111.1 Objetivos de estudios especficos de la parte 111
1 . Entender las interpretaciones grficas de sistemas mal condicionados y su rela-
2 . Entender por qu se le llama "simple" a la primera versin de la eliminacin
3. Familiarizarse con la terminologa: eliminacin hacia atrs, sustitucin hacia atrs,
4 . Entender los problemas de divisin por cero, errores de redondeo y mal condi-
5 . Saber cmo evaluar la condicin del sistema.
6. Saber cmo calcular determinantes usando la eliminacin gaussiana.
7. Entender las ventajas del pivoteo; entender las diferencias entre el pivoteo par-
8. Saber cmo aplicar las tcnicas de correccin de errores para mejorar las soh-
9 . Entender por qu las matrices banda son relativamente eficientes en su solucin.
1 O . Saber la diferencia fundamental entre la eliminacin gaussiana y el mtodo Gauss-
1 1 . Entender cmo se usa el mtodo de Gauss-J ordan para calcular la matriz inversa.
1 2 . Saber interpretar los elementos de la matriz inversa en la evaluacin de las in-
1 3. Comprender el uso de la matriz inversa en la evaluacin de la condicin del
1 4 . Entender por qu el mtodo de Gauss-Seidel es particularmente apropiado pa-
1 5 . Entender par qu el valor de la diagonal de un sistema de ecuaciones influye
1 6. Entender larazn existente detrs del concepto relajacin; saber dnde es ms
cin con el determinante del sistema.
gaussiana.
normalizacin, ecuacin pivotal y pivote.
cionamiento.
cial y el pivoteo total.
ciones.
J ordcn.
cgnitas en ingeniera.
sistema.
ra sistemas grandes de ecuaciones.
en que el mtodo pueda ser resuelto mediante el mtodo de Gauss-Seidel.
apropiada la subrelajacin y dnde la sobrerelajacin.
C A P T U L O S I E T E
7.1
ELIMINACIN GAUSSIANA
En este captulo se analizan las ecuaciones algebraicas lineales simult-
neas que en general se pueden representar como:
allxl + a12x2 +
* + al,x, = c1
a21x1+a22x2+ . . . + a2,xn = c2
anlxl +0~2x2 +* - * +a,,x, =c,
en donde las a son coeficientes constantes y las c son constantes.
A la tcnica que se describe en este captulo se le conoce como elimi-
nacin gaussiana porque involucra una combinacin de ecuaciones a las
que se les eliminan las incgnitas. Aunque ste es uno de los mtodos
ms antiguos en la solucin de ecuaciones simultneas, permanece hasta
nuestros das como uno de los algoritmos de mayor importancia. En par-
ticular, es fcil de programar y de aplicar con el uso de microcomputadoras.
SOLUCIN DE POCAS ECUACIONES
Antes de entrar a los mtodos que usan computadora, se describen algu-
nos que son apropiados en la solucin de pequeos grupos de ecuacio-
nes simultneas ( n I 3) que no requieren de una computadora. Estos
son los mtodos grficos, la regla de Cramer y la eliminacin de incgnitas.
7.1 .l Mtodo grfico
Se obtiene una solucin grfica de dos ecuaciones representndolas en
coordenadas cartesianas con un eje correspondiente a x1 y el otro a x2.
Ya que el problema es para sistemas lineales, cada ecuacin representa
una lnea recta. Esto puede ilustrarse fcilmente por las ecuaciones ge-
nerales:
Ql Xl + a12xz = c1
a21x1 +a22x2 = c2
Ambas ecuaciones se pueden resolver para x2:
De esta manera, las ecuaciones se encuentran ahora en la forma de l-
neas rectas; esto es, x2 = (pendiente) x1 + interseccin. Estas lneas se
pueden graficar en coordenadas cartesianas con x2 como la ordenada y
x1 como la abscisa. Los valores de x1 y x2 en la interseccin de las lneas
representan la solucin.
EJEMPLO 7.1
El mtodo grfico para dos ecuaciones
Enunciado del problema: sese el mtodo grfico para resolver
3x1 +2x2 =18 [E7.1.1]
-x1 +2x2 =2 [E7.1.2]
Solucin: sea x1 la abscisa. AI resolver la ecuacin (E7.1.1) para x2:
que, al graficarse en la figura 7.1, da una lnea recta con una interseccin
en 9 y pendiente de -3/ 2.
La ecuacin (E7.1.2) se puede resolver para x2:
x2 = (1/ 2)x, + 1
la cual tambin se grafica en la figura 7.1. La solucin es la interseccin
de las dos lneas en x1 = 4 y x2 = 3. Este resultado se puede verificar
sustituyendo estos resultados en las ecuaciones originales para obtener:
3(4) +2(3) = 18
I
- 4 +2(3) = 2
ELl Ml NACl ON GAUSSIANA
22 1
De esta manera, los resultados son equivalentes a los lados derechos de
las ecuaciones originales.
FIGURA 7.1 Solucin grfica de un conjunto de dos ecuaciones algebraicas linea-
les simultneas. la interseccin e las lneas representa la solucin.
Para tres ecuaciones simultneas, cada ecuacin representa un plano en
el sistema de coordenadas tridimensional. El punto en donde se intersec-
ten los tres planos representa la solucin. Ms all de tres ecuaciones,
los mtodos grficos no funcionan y, por consiguiente, la solucin de ecuac-
ciones algebraicas tiene muy poco valor prctico. Sin embargo, algunas
veces resultan tiles para visualizar propiedades de la solucin. Por ejem-
plo, la figura 7.2 muestra tres casos que se pueden abordar cuando se
desea resolver un conjunto de ecuaciones lineales. La figura 7. 2a mues-
tra el caso en que la dos ecuaciones representan dos lneas paralelas. En
estos casos, no existe solucin ya que las dos lneas jams se cruzan. La
figura 7. 2b representa el caso en que las dos lneas coinciden. En este
caso existe un nmero infinito de soluciones. A estos dos tipos de siste-
mas se les llama singular. Tambin los sistemas que son casi singulares
causan problemas (Figura 7. 2) ; a estos sistemas se les kma mal condi -
cionados. Grficamente, indican que el punto exacto de interseccin de
ambas rectas es muy difcil de visualizar. Como se ve en las siguientes
FIGURA 7.2 Esquema grfico de sistemas mal condicionados: a) no hay solucin, b)
hay una infinidad de soluciones y c) un sistema mal condicionado en donde
las pendientes son muy parecidas en el punto de interseccin y es difcil
de detectar fcilmente la solucin.
secciones, los sistemas mal condicionados tambin tienen problemas cuan-
do ?e encuentran en la solucin numrica de ecuaciones lineales.
7.1.2 Determinantes y la regla de Cramer
La regla de Cramer es otra tcnica de solucin aplicable a pocas ecuacio-
nes. Antes de describir este mtodo, se menciona brevemente el concep-
to de determinantes, que se usan en la implementacin de la regla de
Cramer. Adems, el determinante es til en la evaluacin de mal condi-
cionamiento de una matriz.
Determinantes. Se puede ilustrar un determinante mediante un conjun-
to de tres ecuaciones:
o. en forma matricial:
en donde [ A] es la matriz de coeficientes:
all a12 a13
ELlMlNAClON GAUSSIANA
223
El determinante D de este sistema se forma con los coeficientes de la ecua-
cin, de la siguiente manera:
Aunque el determinante D y la matriz [ A] se componen de los mismos
elementos, tienen conceptos matemticos completamente diferentes. Para
denotar la matriz se usan corchetes y para los determinantes se usan ba-
rras verticales. En contraste con una matriz, el determinante es un nme-
ro. Por ejemplo, el valor del determinante de segundo orden:
D =
all a12
(a21
se calcula mediante:
En el caso de tercer orden [Ec. (7.2)], se puede calcular el valor del de-
terminante como:
en donde a los determinantes de 2 por 2 se les llama menores.
EJ EMPLO 7.2
Determinantes
Enunciado del problema: calclense los valores de los determinantes de
los sistemas representados en las figuras 7.1 y 7.2.
Solucin: para la figura 7.1:
Para la figura 7.2~1:
-1/2 1 -1 1
1 = 1-1,2 11= -(l) 2 - 1(%) = o
I Para la figura 7. 2b:
I Para la figura 7. 2~:
En el ejemplo anterior, los sistemas singulares tienen un valor de ce-
ro. Adems, el resultado indica que el sistema casi singular (Fig. 7. 2~)
tiene un determinante cercano a cero. Estas ideas se seguirn manejan-
do posteriormente en los anlisis de mal condicionamiento (seccin 7.3.3).
Regla de Cramer. Esta regla dice que cada incgnita de un sistema de
ecuaciones algebraicas lineales se puede expresar como el cociente de dos
determinantes con el denominador D y con el numerador obtenido de
D reemplazando la columna de coeficientes de la incgnita en cuestin
por las constantes cl , c2, . . . , c,. Por ejemplo, x1 se calcula como:
EJEMPLO 7.3
Regla de Cramer
Enunciado del problema: sese la regla de Cramer para resolver:
0.3~1 + 0.52~2 + x3 =-0.01
0. 1~1 + O.3X2 + O.5X3 = -0.44
Solucin: el determinante D se puede escribir como [Ec. (7.2)]:
D =
0.3 0.52 1
0.5 1 1.9
0.1 0.3 0.5
ELlMlNAClON GAUSSIANA 225
Los menores son:
1 1.9
=10.3 0.5
0.5 1.9
0.1 0.5
0.5 1
A3 = 10.1 0.3
= l(0.5) - 1.9(0.3) = -0.07
= 0.5(0.5) - 1.9(0.1) = 0.06
= 0.5(0.3) - l (O.1) = 0.05
stos se pueden usar para evaluar el determinante, como en la ecuacin
(7.4):
D = 0.3(-0.07) - 0.52(0.06) + l(0.05) = -0.002 2
Aplicando la ecuacin (7.5), la solucin es:
-0.01 0.52 1
0.67 1 1.9
I -o. 44 I 0.032 78
-0.002 2 -0.002 2
x1 =
- =.-
= -14.9
0.3 -0.01 1
0.5 0.67 1.9
0.3 0.52 -0.01
10.5 1 O. 67
1O.l -0.043 56 = 19.8
x3 =
-
-
"0.002 2 -0.002 2
Para ms de tres ecuaciones, la regla de-Cramer es imprdctica ya que
a medida que crece el nmero de ecuaciones, los determinantes se vuel-
ven dificiles de evaluar a mano. Por consiguiente, se usan otras alternati-
vas ms eficientes. Algunas de estas alternativas se basan en la ltima
tcnica cubierta en este libro que no usa computadora, la eliminacin de
incgnitas.
7.1.3 La eliminacin de incgnitas
La eliminacin de incgnitas mediante la combinacin de ecuaciones es
un esquema algebraic0 que se puede ilustrar para un conjunto de ecua-
ciones:
c7.61
La estrategia bsica es multiplicar las ecuaciones por constantes para que
una de las incgnitas se elimine al combinar las dos ecuaciones. El resul-
tado es una ecuacin que se puede resolver para la incgnita restante.
Este valor se puede sustituir en cualquiera de las ecuaciones originales
para calcular la otra variable.
Por ejemplo, la ecuacin (7.6) se puede multiplicar por a21 y la ecua-
cin (7.7) por al l para dar:
Restando la ecuacin (7.8) de la ecuacin (7.9), se elimina el trmino
x1 de la ecuacin para obtener:
que se puede resolver por
[7.10]
La ecuacin 7.10 se puede sustituir en la ecuacin (7.6), que se puede
resolver por
[7.11]
Ntese que las ecuaciones (7.10) y (7.11) se calculan directamente por
la regla de Cramer, que establece:
1 C : : ; ; I
XI =
- c1a22 - a12c2
-
alla22 - (3112a21
ELIMINACION GAUSSIANA 227
EJ EMPLO 7.4
Eliminacin de incgnitas
Enunciado del problema: sese la eliminacin de incgnitas para resol-
ver (recurdese el ejemplo 7.1) :
3x1 + 2x2 = 18
-x1 + 2x2 = 2
Solucin: usando las ecuaciones (7.11) y (7.10)
2(18) - 2(2)
3(2) - 2(-1)
x1 = =4
3(2) - (-1)18
3(2) - 2(-1)
x2 = =3
las cuales son consistentes con la solucin grfica (Fig. 7.1)
La eliminacin de incgnitas se puede extender a sistemas con ms
de dos o tres ecuaciones. Sin embargo, los clculos numerosos que se
requieren para sistemas grandes vuelven rnuy tedioso al mtodo como
para realizarlo a mano. Sin embargo, como se describe en la siguiente
seccin, el mtodo se puede formalizar y programar fcilmente en una
microcomputadora.
7.2 ELIMINACIN GAUSSIANA SIMPLE
En la seccin anterior, se usa la elirninacin de incgnitas para resol-
ver un par de ecuaciones simultneas. El procedimiento consta de dos
pasos:
1. Se manejan las ecuaciones para eliminar una incgnita de una ecua-
cin. El resultado de este paso de eliminacin es una sola ecuacin
con una incgnita.
2. Por consiguiente, esta ecuacin se puede resolver directamente y el
resultado se sustituye hacia atrs en las ecuaciones originales para
encontrar la incgnita restante.
Este comportamiento bsico se puede extender a sistemas grandes
de ecuaciones desarrollando un esquema sistemtico para eliminar incg-
nitas y sustituir hacia atrs. La eliminacin gaussiana es una de las tcni-
cas ms comunes.
228 MhODOS NUMRI COS PARA INGENIEROS
7.2.1 Algoritmo para la eliminacin gaussiana simple
Se incluye en esta seccin la tcnica sistemtica de eliminacin hacia ade-
lante y la sustitucin hacia atrs que comprende la eliminacin gaussia-
na. Aunque estas tcnicas se adaptan perfectamente a las condiciones de
implementacin sobre una microcomputadora, se requieren algunas mo-
dificaciones para obtener un algoritmo legible. En particular, el programa
debe evitar divisiones por cero. Al mtodo siguiente se le llama elimina-
cin gaussiana "simple" porque no evita estas contingencias. En las si-
guientes secciones se muestran algunos rasgos adicionales necesarios para
tener un programa efectivo.
El procedimiento est planeado para resolver un conjunto de n ecua-
ciones:
allxl + ~112x2+ a13x3 + * * + al,xn = c1 C7.1201
a21x1 + a22x2 +~1~~x 3 + ' * * +aZnxn = c2 [7.12b]
[7.12c]
Como en el caso de solucin de dos ecuaciones, el mtodo para n ecua-
ciones consiste de dos fases: la eliminacin de las incgnitas y su solucin
mediante sustitucin hacia atrs.
Eliminacin hacia adelante de incgnitas. La primera fase reduce el con-
junto de ecuaciones a un sistema triangular superior (Fig. 7.3). El paso
inicial del procedimiento consiste en dividir la primera ecuacin [Ec. 7.12a1
por el coeficiente de la primer incgnita, al l :
a12
x1+ " x 2 +* . +"x, = -
Ql n c1
a11 al 1 all
A este procedimiento se le conoce como normalizacin y tiene como fi-
nalidad convertir el primer coeficiente de la ecuacin normalizada en 1.
En seguida se multiplica la ecuacin normalizada por el primer coe-
ficiente de la segunda ecuacin [Ec. (7.12b)], a21:
[7.13]
Ntese que el primer trmino de la primera ecuacin es ahora idntico
al primer trmino de la segunda ecuacin. Por consiguiente, se puede
eliminar la primera incgnita de la segunda ecuacin restando la ecua-
cin (7.13) de la (7.12b) para obtener
FIGURA 7.3 Esquema grfico de las dos partes del mtodo de eliminacin gaussia-
na. La eliminacin hacia adelante reduce la matriz de coeficientes a una
forma triangular superior. Despus, se usa la sustitucin hacia atrs pa-
ra encontrar las incgnitas.
O
ahax? + * * * +ahnxn = c$
en donde el apstrofo indica que los elementos han cambiado sus valo-
res originales.
El proceso se repite hasta que se elimina la primera incgnita de las
ecuaciones restantes. Por ejemplo, la ecuacin normalizada se multiplica
por a31y el resultado se resta de la tercera ecuacin para obtener
a&x2 +aj3x3 + * . + a&,x,, =c$
Repitiendo el procedimiento para el resto de ecuaciones da como resul-
tado el siguiente sistema modificado:
[7.14a]
[7.14b]
[7.14c]
[7.14d]
De ahora en adelante, a la ecuacin (7.12a) se le llama ecuacin pivotal
y a al l se le llama pivote.
En seguida se repite el proceso para eliminar la segunda incgnita de
las ecuaciones (7.14~) hasta la (7.14d). Para hacerlo, se usa como ecua-
cin pivotal la ecuacin (7,14b) normalizndola y dividindola por el pi-
vote a'22. Multiplicando la ecuacin normalizada por a'32 y restando el
resultado a la ecuacin ( 7. 14~) se elimina la segunda incgnita. Repitien-
do el proceso con las ecuaciones restantes se obtiene:
a" n3 x 3 +* . +axnx, = c:
en donde el apstrofe doble indica que los coeficientes se han modifica-
do dos veces.
El procedimiento se puede continuar usando las ecuaciones restan-
tes como pivotales. La operacin final de esta secuencia es la de usar la
(n- 1)-sima ecuacin para eliminar el trmino de la n-sima ecua-
cin. En ese momento el sistema se transforma en un sistema triangular
superior (recurdese el recuadro 111.1).
[7.15a]
[7.15b]
[7.15c]
[7.15dj
Sustitucin hacia atrs. La ecuacin (7.15d) se puede resolver para x,:
1
17.161
Este resultado se puede sustituir en la (n - 1) -sima ecuacin y resolverse
sta para x,,~- El procedimiento se repite evaluando las x restantes, ste
se puede representar mediante la frmula:
ELlMlNAClON GAUSSIANA 23 1
[7.17]
para i = n-1, n-2, . . . , 1.
EJEMPLO 7.5
Eliminacin gaussiana simple
Enunciado del problema: sese la eliminacin gaussiana para resolver:
3x1 - 0.1~2 - 0.2~3 = 7.85
0.1~1 + 7x2 - O.3X3= -19.3
0 . 3 ~~ - 0 . 2 ~~ + lox3 = 71.4
[E7.5.lj
[E7.5.2]
rE7.5.31
Efectense 10s clculos con seis cifras significativas.
Solucin: la primera parte del procedimiento es la eliminacin hacia ade-
lante. La normalizacin de la ecuacin ( 7.5.1) se lleva a cabo dividin-
dola por el elemento pivotal, obteniendo:
XI - 0,033 333 3x2 - 0.066 666 7x3 = 2.616 67 [E7.5.4]
En seguida, multiplquese la ecuacin (E7.5.4) por 0.1 y t6stese el resul-
tado de la ecuacin (E7.5.2) se tiene:
7.003 33x2 - 0.293 333x3 = -19.561 7 [E7.5.5]
Por lo tanto al multiplicar la ecuacin (E7.5.4) por O. 1 y al restarla a la
ecuacin (E7.5.3) se elimina xl. Despus de estas operaciones, el con-
junto de ecuaciones es
3x1 -- o. lx, - 0.2X3 = 7<65 rE7.5.61
7.003 33x2 - 0.293 333x3 = - 19.561 7 [E7.5.7]
-0.190 000x2 + 10.020 Ox3= 70.615 O [E7.5.8]
Para terminar la eliminacin hacia adelante xp debe desaparecer de la
ecuacin (E7.5.8). Para llevarlo a cabo, normalcese la ecuacin (E7.5.7)
dividindola por 7.003 33:
x2 - 0.041 884 8x3 = -2.793 20 [E7.5.9]
Despus, multiplquese la ecuacin ( 7.5.9) por -0.190 O00 y rstese el
resultado de la ecuacin (E5.7.8). Con esto se elimina x2 de la tercera
ecuacin y reduce el sistema a la forma triangular superior, dada por:
3x1 - O.lx, - 0,2~3 = 7.85
7.003 33x2 - 0.293 333x3 = -19.561 7 [E7.5.10]
10.012 Oxg = 70.084 3 [E7.5.11]
Ahora se pueden resolver estas ecuaciones por sustitucin hacia atrs.
En primer lugar, la ecuacin (E7.5.11) se puede resolver, dando:
x3 = 7.000 03 [E7.5.12]
Este resultado se puede sustituir en la ecuacin (E7.5.10), para dar:
7.003 33x2 - 0.293 333(7.000 03) =-19.561 7
que se puede resolver para
x2 = "2.500 O0 [E7.5.13]
Finalmente, las ecuaciones (E7.S. 12) y (E7.5.13) se pueden sustituir en
la ecuacin (E7.5.6) para dar:
3x1 - 0.1(-2.500 00) - 0.2(7.000 03) = 7.85
x1 = 3.000 O0
Aunque hay un pequeiio error de redondeo en la ecuacin (E7.5. E ) ,
los resultados son muy cercanos a la solucin exacta de x1 = 3, x2 = -2.5
y xg = 7. Esto se puede verificar sustituyendo las respuestas en el con-
junto de ecuaciones originales, para dar:
3(3) - 0.1(--2.5) - 0.2(7.000 03) = 7.849 99 = 785
0.1(3) + 7("2.5) - 0.3(7.000 03) = -19.300 O = -19.3
0.3(3) - 0.2(-2.5) + lO(7.000 03) = 71.400 3 = 71.4
7.2.2 Programa del mtodo de eliminacin gaussiana simple
La figura 7.4 muestra los programas de la eliminacin gaussiana simple.
Los programas constan de cuatro partes: entrada de dabs, eliminacin
hacia adelante, sustitucin hacia atrs e impresin de datos. Ntese que
la matriz de coeficientes se aumenta por las constantes del lado derecho.
Esta informacin se almacena en la matriz A. Ya que esta matriz es aumen-
tada, el hecho de que sus dimensiones sean de 15 por 16 significa
que el programa puede manejar hasta 15 ecuaciones simultneas de esta
forma.
FORTRAN BASIC
sun-0
I -N-NN
I P=I +l
[)O 1220 J =I P,H
SLl N-SUM+A( I , J >* X( J ,
1220 CONTI NUE
1240 CONTI NUE
RETURl i
END
~ ~ I ~ = ~ ~ ~ l , ~ ~ - s u M ~ , ' a ~ l , I ~
Elim1nac16n hacia adelante
Sustracci6n hacia atrAs
FIGURA 7.4 Programas FORTRAN y BASIC del mtodo de eliminacin gaussiana
simple.
Ntese tambin que se ha programado el cuerpo principal del algorit-
mo como una subrutina. Se hizo as porque adems de la solucin direc-
ta de los problemas de ingeniera, la eliminacin gaussiana tambihn tiene
utilidad formando parte de otros algoritmos. En la ltima parte de este
captulo se desarrollan tcnicas de correccin de errores que requieren
una subrutina para la elimiflacin gaussiana. Adems, en el captulo 10
se necesita resolver ecuaciones algebraicas lineales como parte de la tc-
nica de ajuste de curvas llamada regresin mltiple y polinomial.
FIGURA 7.5 Tres
paracaidistas en cadc
libre conectados por
cuerdas de peso
despreciable.
7 .
Pr
El programa de la figura 7.4 no es legible al usuario. En el problema
16 al final del captulo, se presenta la tarea de hacer un bosquejo del
.ograma para hacerlo fcil de Gsar y de entender.
EJ EMPLO 7.6
Solucin de ecuaciones algebraicas lineales usando computadora
Enunciado del problema: los programas de NUMERICOMP contienen uno
que implementa la eliminacin gaussiana en un programa legible al usua-
rio. Se puede usar este programa para resolver problemas asociados con
el ejemplo del paracaidista discutido en el captulo 1. Supngase que un
grupo de tres paracaidistas se conecta por medio de cuerdas muy ligeras
mientras caen a una velocidad de 5 m/ s (Fig. 7.5). Calclese la tensin
en cada seccin de la cuerda y la aceleracin del grupo, dada la siguiente
informacin:
Paracaidista Masa, kg Coeficientes de rozamiento, kg/ s
1 70 10
2 60 14
3 40 17
.~ .." ..~ . .
Solucin: los cuerpos de los paracaidistas se muestran en la figura 7.6.
Considerando las fuerzas en direccin vertical y usando la segunda ley
de Newton se obtiene un conjunto de tres ecuaciones lineales simultneas:
ml g - T - clu =mla
m2g +T'c2u - R =m2a
Estas ecuaciones tienen tres incgnitas: a, T y R. Despus de sustituir os
valores conocidos, las ecuaciones se pueden expresar en forma matricial
(ya que g = 9.8 m/ s2).
FIGURA 7.7. (Continuacin) b) Prueba de exactitud obtenida al sustituir
la solucin en las ecuaciones originales para comprobar
que los resultados son iguales a las constantes del vector
de trminos independientes original.
Los resultados anteriores se basan en un algoritmo simple del mto-
do de la eliminacin gaussiana con rutinas legibles al usuario sobre entra-
da y salida de datos. El algoritmo empleado es similar al de la figura 7.4.
El usuario debe ser capaz de escribir un programa para el mtodo de la
eliminacin gaussiana. Si ya lo tiene, use el programa anterior para com-
probar la exactitud del propio.
7.3 DESVENTAJ AS DE LOS MTODOS DE ELIMINACIN
A pesar de que existen muchos sistemas de ecuaciones que se pueden
resolver con la eliminacin gaussiana simple. Hay algunas desventajas que
se deben de analizar antes de escribir un programa que implemente el
mtodo. Aunque el siguiente material habla Gnicamente del mtodo de
eliminacin gaussiana simple, esta informacin tambin es importante para
otras tcnicas de eliminacin.
7.3.1 Divisin entre cero
La razn principal por la que se le ha llamado simple al mtodo ante-
rior, es porque durante las fases de eliminacin y sustitucin es posible
que ocurra una divisin entre cero. Por ejemplo, si se usa el mtodo de
eliminacin gaussiana simple para resolver el sistema:
la normalizacin de la primer ecuacin implica una divisin entre al l = O.
El problema se presenta tambin cuando el coeficiente es muy cercano
a cero. Se ha desarrollad? una estrategia del pivote0 para evitar parcial-
mente estos problemas. Este se describe en la seccin 7.4.2.
7.3.2. Errores de redondeo
Aun cuando la solucin del ejemplo 7.5 se acerca mucho a la solucin
real, hay una pequea diferencia en el resultado de x3 [Ec. (E7.5.12)].
Esta diferencia, que significa un error del -0.000 43%, se debe al uso
de seis cifras significativas durante los clculos. Si se hubieran usado ms
cifras significativas, el error se habra reducido an ms. Si se hubieran
usado fracciones en vez de decimales (y por consiguiente se hubieran evi-
tado los errores de redondeo), la respuesta habra sido exacta. Sin em-
bargo, ya que las microcomputadoras manejan slo un nmero limitado
de cifras significativas (= l o), pueden ocurrir los errores de redondeo y
se deben considerar al evaluar los resultados.
EJEMPLO 7.7
Efecto de los errores de redondeo en la eliminacin gaussiana
Enunciado del problema: resulvase el mismn problema del ejemplo 7.5,
usando tres cifras significativas durante los clculos.
Solucin: la eliminacin de x1 de la segunda y tercera ecuacin y la eli-
minacin de x2 de la tercera lleva al siguiente sistema triangular:
3x1 - 0.1~2 - 0.2~3 = 7.85
7.00~2 - 0.293~3 = -19.6
9.99~3 = 70.1
Comprese este sistema con el obtenido previamente usando seis cifras
significativas [ecuacin (E7.5.10) hasta la (E7.5.121. Se puede usar la sus-
titucin hacia atrs para resolver el sistema, obteniendo:
x1 = 3.17
I E , ~ = 5.7%
x2 = -2.51
I E, 1 = 0.4%
x3 = 7.02
1 E , I = 0.29%
Sustituyendo estos valores en las ecuaciones originales se obtiene:
3(3.17) - 0.1(-2.51) - 0.2(7.02) = 8.36 #7.85
0.1(3.17) +7(-2.51) - 0.3(7.02) = -19.4 #-19.3
0.3(3.17) - 0.2(-2.51) +lO(7.02) = 71.7 #71.4
Aunque el uso de tres cifras significativas dentro del ejemplo 7.7 hace
del mismo un ejemplo fuera de la realidad, el problema de los errores de
redondeo s es real y puede ser de mucha importancia al resolver grandes
cantidades de ecuaciones. Esto se debe a que cada resultado depende
de todos los resultados anteriores. Por consiguiente, un error en los pri-
meros pasos tiende a propagarse, esto es, causa errores en los siguientes
pasos.
Es muy complicado especificar el tamao del sistema en donde los
errores de redondeo vienen a ser significativos ya que dependen del tipo
de computadora y de las propiedades del sistema. Una regla muy general
es la de suponer que los errores de redondeo son de importancia cuando se
trata de sistemas de 25 a 50 ecuaciones. En cualquier evento, siempre
se deben sustituir las respuestas en las ecuaciones originales y verificar si
ha ocurrido un error sustancial. Sin embargo, como se menciona ms ade-
lante la magnitud de los coeficientes mismos puede influir en los errores
al buscar un resultado aceptable.
7.3.3 Ill-Sistemas mal condicionados
La obtencin de la solucin depende de la condicin del sistema. En la
seccin 7.1.1 se muestra un esquema grfico de la condicin de un siste-
ma. En sentido matemtico, los sistemas bien condicionados son aque-
llos en los que un cambio en uno o ms coeficientes provoca un cambio
similar en la solucin. Los sistemas mal condicionados son aquellos en
donde cambios pequeos en los coeficientes provocan cambios grandes
en la solucin. Una interpretacin diferente del mal condicionamiento es
que un rango amplio de respuestas puede satisfacer aproximadamente
al sistema. Ya que los errores de redondeo pueden inducir cambios pe-
queos en los coeficientes, estos cambios artificiales pueden generar errores
grandes en la solucin de sistemas mal condicionados como se ilustra en
el siguiente ejemplo.
EJ EMPLO 7.8
b Ill-Sistemas mal condicionados
Enunciado del problema: resulvase el siguiente sistema:
x1 +2x2 = 10 [E7.8.1]
1. 1~1 + 2x2 = 10.4 [E7.8.2]
Despus, resulvase nuevamente, con el coeficiente de x1 de la segunda
ecuacin modificado levemente a 1.05.
Solucin: usando las ecuaciones (7.10) y (7.11), la solucin es:
2(10) - 2(10.4)
l(2) - 2(1.1)
l(10.4) - 1.1(10)
l(2) - 2(1.1)
x1 =
=4
x2 =
= 3
Sin embargo, con el cambio al coeficiente a21 de 1.1 a 1.05, el resulta-
do cambia drsticamente a:
2(10) - 2(10.4)
l(2) - 2(1.05)
x1 = = 8
l(10.4) - 1.05(10)
l(2) - 2(1.05)
x2 = =1
Ntese que la razn principal de la diferencia entre los dos resultados
es que el denominador representa la diferencia de dos nfimeros casi iguales.
Como se explica previamente en el ejemplo 3.4, estas diferencias son muy
sensitivas a pequeas variaciones en los nmeros que se estn manejando.
En este punto, se podra sugerir que la sustitucin de los resultados
en las ecuaciones originales alertara al lector en el problema. Desafortu-
nadamente, este no es el caso en sistemas mal condicionados. La sustitu-
cin de valores errneos de x1 = 8 y x2 = 1 en las ecuaciones (E7.8.1)
y (7.8.2) lleva a:
8 +2(1) = 10 = 10
1.1(8) + 2(1) = 10.8 = 10.4
Por lo tanto, aunque x1 = 8 y x2 = 1 no son las soluciones reales al pro-
blema original, la prueba de error es casi igual, lo que puede provocar
el error al hacer creer que las soluciones son correctas.
Como se hizo previamente en la seccin de mtodos grficos, se puede
desarrollar una representacin visual del mal condicionamiento grafican-
do las ecuaciones (E7.8.1) y (E7.8.2) (recurdese la figura 7.2). Debido
a que las pendientes de las lneas son casi iguales, visualmente es difcil
de ver exactamente donde se intersectan. Esta dificultad. visual se refleja
cuantitativamente en los resultados inciertos del ejemplo 7.8. Esta situa-
cin se puede caracterizar matemticamente escribiendo las dos ecuacio-
nes en su forma general:
Dividiendo la ecuacin (7.18) por a12 y la ecuacin (7.19) por aZ2 y or-
denando trminos se obtienen las versiones alternativas del formato de
una lnea recta [x? = (pendiente) x1 + interseccin].
a21 c2
x1+ "
a22
x2= "
a22
Por consiguiente, si las pendientes son casi iguales, entonces:
- =-
all 021
012 a22
o, multiplicando en cruz:
alla22 = a21a12
que se puede expresar tambin como:
alla22 - a12~21 = 0 r7.201
Ahora, recordando que all a22 - a12 a21 es el determinante del sis-
tema bidimensional [Ec. ( 7. 3) ] , se puede obtener la conclusin general
de que un sistema mal condicionado es aquel en que su determinante
se aproxima a cero. En efecto, si el determinante es exactamente igual
a cero, las dos pendientes son idnticas, lo que produce de forma indis-
tinta o ninguna solucin o un nmero infinito de ellas, como en el caso
del sistema singular mostrado en la figura 7. 21 y b.
Es difcil especificar qu tan cerca debe estar el determinante de cero
de manera que indique mal condicionamiento. Esto se complica por el
hecho de que un determinante puede cambiar su valor simplemente mul-
tiplicando una o ms ecuaciones por un factor escalar sin alterar la solu-
cicin. Por consiguiente, el determinante es un valor relativo que se modifica
con la magnitud de los coeficientes.
ELlMlNAClON GAUSSIANA
241
EJEMPLO 7.9
Efecto de escalamiento en el determinante
Enunciado del problema: evalese el determinante de los sistemas Si-
guientes:
a) Del ejemplo 7.1:
3x1 +2x2 = 18 [E7.9.1]
-x1 + 2x2 = 2 [E7.9.2]
b) Del ejemplo 7.8:
x1 + 2x2 = 10 [E7.9.3]
1.lxl +2x2 = 10.4 [E7.9.4]
c) Reptase b) multiplicando las ecuaciones por 10.
Solucin:
a) El determinante de las ecuaciones (E7.9.1) y (E7.9.2) que es un sis-
tema bien condicionado, es:
D = 3(2) - 2(-1) = 8
b) El determinante de las ecuaciones (E7.9.3) y (E7.9.4), que es un sis-
tema mal condicionado, es:
D = l (2) - 2(1.1) = -0.2
c) Los resultados de a) y de b) parecen corroborar el argumento de que
los sistemas mal condicionados tienen determinantes cercanos a cero.
Sin embargo, supngase que el sistema mal condicionado b) se multi-
plica por 10, para obtener:
10x1+ 20x2 = 100
11x1 + 20x2 = 104
La multiplicacin de una ecuacin por una constante no tiene efecto en
la solucin. Adems, an est mal condicionado. Esto se puede verificar
multiplicando por una constante que no tenga efecto en la solucin grfi-
ca. Sin embargo, el determinante resulta muy afectado.
1
D = lO(20) - 20(11) = -20
No slo se han elevado dos rdenes de magnitud, sino que el determi-
nante es el doble del sistema bien condicionado a) .
Como se ilustra en el ejemplo anterior, la magnitud de los coeficien-
tes interpone un efecto de escalamiento que complica la relacin entre
la condicin del sistema y el tamao del determinante. Una manera de
evitar parcialmente esta dificultad es la de escalar las ecuaciones de for-
ma tal que el elemento mximo de cualquier rengln sea 1.
EJEMPLO 7.1 O
Escalamiento
Enunciado del problema: esclense los sistemas de ecuaciones del ejem-
plo 7.9 a un valor mximo de 1 y calclense de nuevo sus determinantes.
Solucin:
a) En el sistema bien condicionado, el escalamiento genera
XI +0.667~2 = 6
-0.5x1 + x2 = 1
cuyo determinante es:
l(1) - 0.667(-0.5) = 1.333
b) En el sistema mal condicionado, el escalamiento genera:
0.5X1 +X2 = 5
0.55~1 +X:, = 5.2
cuyo determinante es:
0.5(1) - l(0.55) = -0.05
c) En el ltimo caso, e! escalamiento modifica el sistema de la misma
forma que b) . Por lo tanto, el determinante tambin es 0.05, y el es-
calamiento no afecta.
En la seccin anterior (seccin 7.1.2), se dijo que el determinante es
difcil de evaluar para ms de tres ecuaciones simultneas. Por lo tanto,
parece ser que no existe una manera prctica de determinar la condicin
de un sistema. Sin embargo, como se muestra en el recuadro 7.1, existe
un algoritmo simple que resulta de laeliminacin gaussiana y que se puede
usar en la evaluacin del determinante.
Adems del planteamiento usado en el ejemplo anterior para calcu-
lar la condicin de un sistema, existen otras formas de hacerlo. Por ejem-
plo, existen mtodos alternativos para la normalizacin de elementos (dase
Stark, 1970). Adems, como se ve en el captulo siguiente (seccin 8.2.2),
la matriz inversa puede usarse en la evaluacin de la condicin de un sis-
tema. Finalmente, una prueba simple (pero que consume mucho tiem-
po) consiste en modificar un poco los coeficientes y repetir la solucin.
Si estas modificaciones generan resultados drsticamente diferentes, el sis-
tema probablemente est mal condicionado.
Como se puede deducir del anlisis anterior, definitivamente no exis-
te un mtodo simple para evaluar el mal condicionamiento. En la elimi-
RECUADRO 7.1 Evaluacin de determinantes usando la eliminacion gaussiana
En la seccin 7.1.2, se dijo que la evaluacin de los de-
terminantes por expansin de menores era imprctica
para conjuntos grandes de ecuaciones. De esta forma,
se concluye que la regla de Cramer slo es aplicable pa-
ra sistemas pequeos. Sin embargo, como se dijo en la
seccin 7.3.3, el determinante tiene sentido cuando va-
lora la condicin de un sistema. Por lo tanto, sera til
poseer un mtodo prctico para calcular esta cantidad.
Afortunadamente, la eliminacin gaussiana propor-
ciona una forma simple de hacerlo. El mtodo se basa
en el hecho de que el determinante de la matriz triangu-
lar se puede calcular simplemente con el producto de
los elementos de su diagonal:
D =a11a22a33 . . . ann [B7.1.1]
La validez de ,esta frmula se puede ilustrar en sistemas
de 3 por 3:
en donde el determinante se puede evaluar como [re-
curdese la ecuacin (7.4)]
o, evaluando por menores (esto es, los determinantes
2 por 2).
D =a11a22m - a d o ) +a do ) =a11a~~a33
Recurdese que el paso de eliminacin progresiva
de la eliminacin gaussiana genera un sistema triangu-
lar superior. Ya que el valor del determinante se puede
evaluar simplemente al final de este paso:
D =a11a&a& . . . a?;') [B7.1.2]
en donde los superndices indican que los elementos se
han modificado durante el proceso de eliminacin. Por
lo tanto, se puede aprovechar el esfuerzo que se ha he-
cho al reducir el sistema a su forma triangular, y por aa-
didura obtener una aproximacin al determinante.
Hay una pequea modificacin en el planteamien-
to anterior cuando el programa usa pivote0 parcial (sec-
cin 7.4.2). En este caso, el determinante cambia de
signo cada vez que un rengln se usa como pivotal. Una
manera de representar esto es modificando la ecuacin
(B7.1.2):
D =alla&?a:3 . . . ak-l)(-l)p [B7.1.3]
en donde p representa el nmero de veces en que los
renglones se usan como pivotales. Esta modificacin se
puede incorporar de forma simple en un programa: ni-
camente se toma en cuenta el nmero de pivoteos que
se llevan a cabo durante los c6lculos y despus se usa
la ecuacin (B7.1.3) pata evaluar el determinante.
nacin gaussiana. se recomienda escalar el determinante como en el
ejemplo 7.10. Afortunadamente, la mayor parte de las ecuaciones alge-
braicas obtenidas de problemas de ingeniera por naturaleza son sistemas
bien condicionados. Adems, algunas de las tcnicas desarrolladas en la
siguiente seccin ayudan a aliviar el problema.
7.4 TCNICAS DE MEJ ORAMIENTO EN
LAS SOLUCIONES
LES sipientzs tcnicas se pueden incorporar al algoritmo de la elimina-
ci h gaussiana simple para evitar algunas de las desventajas analizadas
en la seccin previa.
7.4.1 Uso de ms cifras significativas
El remedio ms simple para el mal condicionamiento es el de usar ms
cifras significativas en los clculos (comprense los ejemplos 7.5 y 7.7).
Si la computadora tiene la capacidad de extender el tamao de las cifras
significativas aumentando el tamao de la palabra, esta caracterstica re-
duce mucho el problema.
7.4.2 Pivoteo
Como se dijo al principio de la seccin 7.3, los problemas obvios ocurren
cuando un elemento pivotal es cero, debido al paso de normalizacin lo cual
origina una divisin por cero. Estos problemas se obtienen cuando el ele-
mento pivotal es cercano a cero en vez de ser exactamente igual, por lo
que si la magnitud del elemento pivotal es pequeo comparado con los
otros elementos, entonces se introducen errores de redondeo.
Por lo tanto, antes de normalizar cada rengln, es ventajoso determi-.
nar el coeficiente mayor disponible. Entonces se pueden intercambiar los
renglones de tal forma que el elemento mayor sea el pivotal. A este m-
todo se le conoce con el nombre de piuoteo parcial. Si se busca tanto
en las columnas como en los renglones el elemento mayor y se intercam-
bian, entonces el procedimiento es de piuoteo total. El pivoteo total se
usa muy raramente en programas elementales, ya que el intercambio de
columnas cambia el orden de las x y, por consiguiente, aumenta la com-
plejidad de los programas, generalmente, sin justificacin. El siguiente ejem-
plo ilustra la ventaja del pivoteo parcial. Adems de evitar la divisin por
cero, el pivoteo tambin minimiza el error de redondeo. Como tal, sirve
tambin como remedio parcial al mal condicionamiento.
EJ EMPLO 7.1 1
Pivoteo parcial
Enunciado del problema: sese la eliminacin gaussiana para resolver:
0.000 3x1 + 3.000 0x2 = 2.000 1
1.000 0x1 + 1.000 0x2 = 1.000 o
Ntese que en esta forma el primer elemento pivotal, al l = 0.000 3, es
muy cercano a cero. Despus reptanse los clculos con pivote0 parcial
pero invirtiendo el orden de las ecuaciones. La solucin exacta es x1 =
1/3 y x2 = 2/3.
Solucin: normalizando la primer ecuacin se obtiene:
x1 + 10 000x2 = 6 667
la cual se puede usar para eliminar x1 de la segunda ecuacin:
-9 999x2 = -6 666
x2 = 2/ 3
Este resultado se puede sustituir en la primer ecuacin y evaluar xl:
2.000 1 - 3(2/ 3)
0.000 3
x1 =
[E7.11.1]
Sin embargo, el resultado es muy sensitivo al nmero de cifras significati-
vas incluidas en el clculo:
Valor absoluto
del error
relativo
Cifras porcentual
significativas x? X1 e x1
3 0.667 -3.33 1 099
4 0.666 7 0.000 1 O0
5 0.666 67 0.300 O0 10
6 0.666 667 0.330 O00 1
7 0.666 666 7 0.333 O00 O o. 1
Ntese que la solucin para x1 depende mucho del nmero de ci-
fras significativas. Esto se debe a que en la ecuacin (E7.11.1) , se resta-
ron dos nmeros casi iguales (recurdese el ejemplo 3.4). Por el otro lado,
si se resuelven las ecuaciones en orden inverso, se normaliza el rengln
con el elemento pivotal mayor. Las ecuaciones son:
1.000 Ox1 + 1.000 ox* = 1.000 o
0.000 3x1 +3.000 0x2 = 2.000 1
La normalizacin y la eliminacin produce x2 = 2/ 3. Para cantidades di-
ferentes de cifras significativas, x1 se puede calcular de la primera ecua-
cin, como:
[E7.11.2]
Este caso es mucho menos sensitivo al nmero de cifras significativas en
los clculos:
Cifras
significativas x2 X1
0.667 0.333
0.666 7 0.333.3
0.666 67 0.333 33
0.666 667 0.333 333
0.666 666 7 0.333 333 3
Valor absoluto
del error
relativo
porcentual
de x1
0.1
0.01
0.001
0.000 1
0.000 o1
De esta forma, la estrategia pivotal es mucho ms satisfactoria.
Los programas de NUMERICOMP de propsitos generales que acom-
paian este libro, incluyen a menudo una estrategia pivotal. La figura 7.8
muestra un algoritmo para implementar esta estrategia. Este programa
se puede integrar al de la figura 7.4 para incorporar el pivote0 parcial en
los programas del usuario.
7.4.3 Escalamiento
En la seccin 7.3.3 se dedujo que el escalamiento influye en la estandari-
zacin del valor del determinante. Ms all de esta aplicacin, tiene utili-
dad en la minimizacin de los errores de redondeo para aquellos casos
en donde alguna de las ecuaciones de un sistema tiene unos elementos
mucho ms grandes que otros. Estas situaciones se encuentran frecuen-
temente en la ingeniera cuando se usan ampliamente unidades diferen-
tes en el desarrollo de ecuaciones simultneas. Por ejemplo, en problemas
de circuitos elctricos, los voltajes desconocidos se pueden expresar en
FORTRAN BASIC
303r)
?O90
3140
3150
&=RP
IF ( 6 - B P. GE. O. XOTO 308U
..
.I .I= I
CONTI NUE
I F ( J J - K . E O. O. 0 ) COTO 3150
.. -
O0 3140 J - K, Nl
f i ( J J , J > - R( K , J )
TE=&< J J . J )
CONTI NUE
Af K , J ) =TE
CONTI NUE
RETURN
END
31: 103 . m = t
302hj B : AB', 1 A l I .t.. I I
3:xj FOR 1 = I + I TLJ N
34<:, I W = ABS I A( I . I., # )
305.> I F P - BF' . =- THEN 38U
:ad E c BF' otras columnas contra el pivotel
31171'1 . I . ) = I
K = representa el rengl dn pi votal
(Almacena el valor absoluto del pivote actual)
I Ciclo que compara los elementos de las
~ . .. .
308o bi Ex r I
~C.1'90 I F J.1 -- I, *: THLN 3150
3 1 1 0 I = A l ..I J . ..I1
313 A l b ~ d ) = 1E
3140 N t k l J
(Si no es asl, este ciclo
-, . - (Si el pivote escogido es el mayor,
entonces regresa al programa
principal)
3150 Rt l l .l FIN lntercambia los renglones1
a continuar con la eliminacidnl
(Regresa al
programa principal
FIGURA 7.8 Programa en FORTRAN y BASIC par a implementar el pivoteo parcial.
unidades que varan desde microvolts hasta kilovolts. Se pueden encon-
trar ejemplos similares en todos los campos de la ingehiqra. Mientras ca-
da una de las ecuaciones sea consistente, tcnicamentd el sistema ser
correcto y tendr solucin. Sin embargo, el uso de unidades completa-
mente diferentes puede generar coeficientes de magnitudes que difieran
ampliamente entre s. Esto puede tener un impacto sobre el error de re-
dondeo ya que afecta al pivoteo, como se puede ver en el siguiente
ejemplo.
EJEMPLO 7.12
Efectos del escalamiento en el pivoteo y el redondeo
Enunciado del problema:
a ) Resulvase el siguiente conjunto de ecuaciones usando la eliminacin
gaussiana y la estrategia del pivoteo:
2x1 + 100 000x2 =100 O00
x1 + x2 = 2
b) Reptase la solucin anterior despus de escalar las ecuaciones de tal
forma que el coeficiente mximo en cada rengln sea 1. En ambos
casos, retnganse slo tres cifras significativas. Ntese que las respues-
tas correctas son x1 = 1 .O00 02 y x2 = 0.999 98 o, con tres cifras
significativas, x1 = x2 = 1.00.
Solucin:
a) Sin escalar,, se aplica la eliminacin hacia adelante y se obtiene:
2x1 + 100 000x2 = 100 O00
-50 000x2 = -50 O00
I
que se puede resolver por sustitucin hacia atrs, para obtener:
x:, = 1.00
x1 = 0.00
Aunque x2 es correcta, x1 tiene un 100% de error debido al redon-
deo.
b) El escalamiento transforma las ecuaciones originales en:
0.000 02x1 + x2 = 1
x1 +x2 = 2
Por lo tanto, se debe aplicar el pivote0 a los renglones y colocar el
valor mayor sobre la diagonal.
I C1 +x:, = 2
0.000 02x1 +x2 =1
La eliminacin hacia adelante genera:
x1 + x2 =2
x1 =1.00
~
~
x1 = x:, = 1
~ De esta forma, el escalamiento produce una respuesta correcta.
AI igual que en el ejemplo anterior, el escalamiento aqu tiene utilidad
para minimizar los errores de redondeo. Sin embargo, se debe notar que
el escalamiento mismo lleva implcito un error de redondeo. Por ejem-
plo, dada la ecuacin:
2x1 +300 OOOXZ = 1
y usando tres cifras significativas, el escalamiento produce:
0.000 006 67x1 +x2 = 1
Por lo que e l escalamiento introduce un error de redondeo en el primer
coeficiente. Por esta razn, algunas veces se sugiere que el escalamiento
slo se emplee en casos donde realmente sea necesario, esto es, cuando
el sistema involucre coeficientes de magnitudes muy diferentes.
7.4.4 Correccin de errores
En algunos casos, el pivote0 parcial y el escalamiento no son suficientes
para asegurar resultados precisos. Por ejemplo, recurdese el ejemplo 7.7,
que tena los elementos mayores en la diagonal, pero que debido a los
errores de redondeo, la solucin final an presentaba errores. Estos erro-
res, en general se pueden reducir con el siguiente procedimiento. Consi-
drese un sistema de ecuaciones lineales de la forma:
[7.21]
anlxl + aax2 + * * + a,,x, = c,
Supngase que se tiene un vector solucin aproximado dado por kl,
kz, . . . , k,,. Estos resultados se sustituyen en la ecuacin (7.21), para
dar :
[7.22]
Ahora supngase que la solucin exacta xlr xz, . . . , x, se expresa en
funcin de 21, 2 2 , . . . , k,, y de los factores de correccin Ax,,
Ax2, . . . , Ax,, en donde
[7.23]
x, = R, +Ax,
-. - . . " . .
Si estos resultados se sustituyen en la ecuacin (7.21) da como conse-
cuencia el siguiente sistema:
Ahora la ecuacin (7.22) se puede restar de la ecuacin (7.24) para
obtener:
allAxl +a12Ax2 +* * + alnAx, = c1 - El =El
azlAxl +a22Ax2+ * * +az,Ax, =c~ - E2 =2
[7.25]
anlAxl + ~~~26x2 + * + a,,Ax,, = c, - E, = E,
Este sistema en s mismo es un conjunto de ecuaciones lineales simult-
neas que se puede resolver obteniendo con ello los factores de correc-
cin. Estos factores se pueden aplicar para mejorar la solucin especificada
por la ecuacin (7.23).
EJEMPLO 7.13
Uso de las ecuaciones de error para corregir los de redondeo
Enunciado del problema: recurdese que en el ejemplo 7.7 se usa la eli-
minacin gaussiana con tres cifras significativas para resoher
0.1~1 + 7x2 - 0.3~3 =-19.3.
O.3X1 - 0.2~2 + 10x3 71.4
, Debido al nmero limitado de cifras significativas, la solucin difiere de
la verdadera (x1 =3, x2 = -2.5, x3 = 7) en:
ELlMlNAClON GAUSSIANA 25 1
x1 = 3.17 E, 5.7%
x2 = -2.51 E , = 0.4%
x3= 7.02 E, = 0.29%
sense las ecuaciones del error para refinar estas aproximaciones.
Solucin: la sustitucin de las soluciones en el conjunto original de ecua-
ciones produce el vector de trminos independientes:
[elT = [8.36 -19.4 71.71
que no es igual al valor real. Por lo tanto, se puede desarrollar un vector
de error:
Ahora, se puede generar un conjunto de ecuaciones error [Ec. (7.25)]:
3AX1 - 0.1Ax2 - 0.2Axs = -0.51
O.lAx1 + 7AX2 - 0.3Ax3 = 0.1
O.3Ax1- 0.2A~2 + 1OAx3= -0.3
que se puede resolver (usando tres cifras significativas de forma tal que
exista consistencia con el problema original), para obtener:
[AX]' = [-0.171 0.015 7 -0.02461
los cuales se pueden usar para corregir las soluciones, dando:
XI = 3.17 - 0.171 = 3.00
x2 = -2.51 + 0.015 7 -2.49
x3 =7 O2 - 0.024 6 = 7.00
que se aproximan mucho ms a la solucin verdadera
Ecuaciones del error en los programas. Se pueden integrar las ecua-
ciones del error en los programas de la eliminacin gaussiana. En la figu-
ra 7.9 se delinea un algoritmo que realiza esta tarea. Ntese que para
hacer ms efectiva la correccin de sistemas altamente mal condiciona-
FIGURA 7.9 Algoritmo de eliminacin gaussiana que incluye correccin de errores.
dos, las E en la ecuacin (7.25) se deben expresar en aritmtica de doble
precisin. Esto se hace fcilmente en FORTRAN pero en algunas imple-
mentaciones de BASIC no es posible hacerlo.
7.5 RESUMEN
En resumen, este captulo se ha dedicado a la eliminacin gaussiana, el
mtodo fundamental en la solucin de sistemas de ecuaciones algebraicas
lineales. Aunque sta es una de las tcnicas ms antiguas desarrolladas
para este propsito, an es un algoritmo muy efectivo en la obtencin de
soluciones de muchos problemas de ingeniera. Adems de su utilidad
prctica, proporciona un contexto en el estudio general de temas tales
como los errores de redondeo, escalamiento y condicionamiento.
Las respuestas que se obtienen mediante el mtodo de eliminacin
gaussiana se pueden verificar sustituyndolas en las ecuaciones origina-
les. Sin embargo, esto no siempre representa una prueba confiable si el
sistema est mal condicionado. Por lo tanto, si se sospecha de un error
de redondeo, entonces se debe calcular alguna medida de la condicin
tal como e l determinante del sistema escalado. Dos opciones que amino-
ran los errores de redondeo son el uso del pivote0 parcial y el uso de
ms cifras significativas en los clculos. Si el problema parece ser sustan-
cial, la correccin de errores (seccin 7.4.4) se puede usar algunas veces
para mejorar la solucin.
Existen otros planteamientos y variaciones de la eliminacin gaussia-
na para satisfacer las necesidades particulares. Por ejemplo, como se ex-
plica en el recuadro 7.2, se puede formular una versin muy eficiente
de la eliminacin gaussiana para sistemas tridiagonales. El captulo 8 se
encarga de mostrar dos mtodos diferentes, el de Gauss-J ordan y Gauss-
Seidei.
RECUADRO 7.2 Sistemas de banda: el caso tridiagonal
Una matriz banda es una matriz cuadrada que tiene todos soluciones en diferencias finitas de ecuaciones diferencia-
sus elementos iguales a cero, con excepcin de una ban- les parciales. Adems hay otros mtodos numricos tales
da centrada sobre la diagonal principal (recurdese Ill. 1). como la interpolacin cbica segmentaria (seccin 11.4)
En el caso en que el ancho de banda es 3, a la matriz se que requieren la solucin de sistemas tridiagonales.
le conoce con un nombre especial: matriz tridiagonal. Los Un sistema tridiagonal es aqul en el que los coefi-
sistemas tridiagonales se encuentran frecuentemente en cientes estn ordenados en forma tridiagonal, como en:
la ciencia y en la ingeniera. Por lo general resultan de las
d3X2 +e3x3 +f3x4
Ntese que se ha cambiado la notacin de los coeficien-
tes del sistema tridiagonal de las a y las c a las d, e, f y
g. Esto se hizo para evitar el almacenamiento de cantida-
des grandes de ceros en la matriz de a. Esta modificacin
que ahorra espacio, es muy ventajosa ya que el algoritmo
resultante requiere menos espacio en memoria.
Como era de esperarse, los sistemas bandados se pue-
den resolver con una tcnica similar a la eliminacin gaus-
siana. Sin embargo, debido a la estructura nica del
I " I O
I " - "
FORTRAN c
sistema, la implementacin del algoritmo de la eliminacin
gaussiana se puede simplificar mucho y las soluciones se
obtienen de una manera muy eficiente. Para el sistema
tridiagonal los pasos de eliminacin progresiva se simplifi-
can ya que la mayor parte de sus elementos son cero. En
seguida las incgnitas restantes se evalan por sustitucin
hacia atrs. El algoritmo completo se expresa de forma
concisa en los programas siguientes:
PROBLEMAS
Clculos a mano
7.1 Escrbase el siguiente conjunto de ecuaciones en notacin matricial:
Escrbase la transpuesta de la matriz.
7.2 Algunas matrices se definen como:
1 5 6
4 0 5
[Al = [ 2 1 31 [Bl = [ ; ; ;]
4 3 1
[Cl = [a]
5 4 3 6
[GI =[ 8 6 41
Respndase a las siguientes preguntas de acuerdo a las matrices anteriores:
o) Cules son las dimensiones de las matrices?
b) Identifquense las matrices cuadradas, columna y rengln.
c) Cules son los valores de los elementos:
012 b23 d32 e22 112 912
d) Efectense las siguientes operaciones
7.3 Se definen tres matrices como:
a) Efectense todas las multiplicaciones posibles que se pueden llevar a cabo
b) Usese el mtodo del recuadro 111.2para justificar por qu las parejas restan-
eptre parejas de estas matrices.
tes no se pueden multiplicar
7.4
7.5
7.6
7.7
7.8
c) sense los resultados de a) e ilstrese por qu es importante el orden de
las multiplicaciones.
sese el mtodo grfico para resolver:
4x1 - 6x2 ="22
-xl + 12x2 = 58
verifquense los resultados sustituyndolos en las ecuaciones originales
Dado el sistema de ecuaciones:
o.75X1 + xp =14.25
1 . 1 ~~ + 1 . 6 ~~ =22.1
a) Resulvase grficamente.
b) En base a la solucin grAfica, 'qu se espera acerca de la condicin del sistema?
c) Resulvase por eliminacin de incgnitas.
d) Verifquense las respuestas sustituyndolas en las ecuaciones originales.
Para el conjunto de ecuaciones:
a) Calclese su determinante.
b) Usese la regla de Cramer y resulvase para las x.
c) Sustityanse los resultados en la ecuacin original y comprubense los mismos.
Dadas las ecuaciones:
0. 5~1 - x2 = -9.5
0.28~1 - 0. 5~2 = -4.72
a) Resulvanse grficamente.
b) Despus de escalarse, calclese su determinante.
c) En base a a) y b) qu se puede esperar de la condicin del sistema?
d) Resulvanse por eliminacin de incgnitas.
e) Resulvanse otra vez, pero modificando all a 0.55. Interprtense los resul-
tados de acuerdo al anlisis de mal condicionamiento de la seccin 7.1.1.
Dado el sistema
"12x1 +x2 - 7x3 = -80
x1 - 6x2 +4x3 = 13
-2x1 - x2 + = 92
a) Resulvase con el uso de la eliminacin gaussiana simple. Mustrense todos
b) Sustityanse los resultados en las ecuaciones originales y comprubense las
los pasos de los clculos.
respuestas
7.9 sese la eliminacin gaussiana para resolver:
4x, +5x2 - 6x,{ = 28
ZX, - 7x3 =29
- 5~1 - 8x2 = -64
Emplese el pivoteo parcial y comprubense las respuestas sustituyndolas en las
ecuaciones originales.
7.10 sese la eliminacin gaussiana para resolver:
3x2 - 13~,$ = -50
Zx, - 6x2 +x:( = 44
4x, +8x,: = 4
Emplese el pivoteo parcial. Comprubense las respuestas sustituyndolas en las
ecuaciones originales.
7.11 Reptase el ejemplo 7.6 con el coeficiente de rozamiento al doble.
7.12 Resulvase el siguiente sistema tridiagonal:
5x, +4x2 = 25
4x, - 3x, +7x,3 = 3
x2 - 6x3 +4x4 = 17
12x,, +2x, = 36
7.13 Efectense los mismos clculos del ejemplo 7.6, pero usando cinco paracaidistas
con las siguientes caractersticas:
Paracaidista Masa, kg Coeficientes de rozamiento, kgls
1 60 15
2 80 14
3 75 18
4 75 12
5 90 10
Los paracaidistas tienen una velocidad de 10 m/s
Problemas para resolver con una computadora
7.14
7.15
7.16
7.17
7-18
7.19
7.20
7.21
7.22
Escrbase un programa general para multiplicar dos matrices, esto es, [X] =[ y] [ Z l
donde [X] es m por n y [ Z l es n por p. Prubese el programa usando
Escrbase un programa que genere la transpuesta de una matriz. Prubese con
Reprogrmese la figura 7.4 de tal forma que sea ms legible al usuario. Entre otras
cosas:
a) Intgrese la figura 7.8 al programa de tal forma que ste realice pivote0
b) Documntese el programa para identificar cada seccin.
c) Etiqutese la entrada y la salida.
d) Esclense las ecuaciones de tal forma que el coeficiente mayor en cada
parcial.
rengln sea 1. Calclese el determinante como una medida de la condi-
cin del sistema (opcional).
Prubese el programa desarrollado en el problema 7.16 duplicando los clculos
del ejemplo 7.5 y 7.6.
sese el programa desarrollado en el problema 7.16 y reptanse los problemas
7.8 al 7.11.
Reptanse los problemas 7.17 y 7.18 usando los programas de NUMERICOMP
disponibles con el texto. Usese tambin NUMERICOMP para realizar una prueba
de error para cada problema.
Desarrllese un programa para sistemas tridiagonales legibles al usuario y basn-
dose en el recuadro 7.2.
Prubese el programa desarrollado en el problema 7.20 resolviendo el problema
7.12.
Resulvase el problema 7.13 usando los programas desarrollados en el problema
7.16.
C A P T U L O O C H O
GAUSS-J ORDAN,
INVERSIN DE
MATRICES Y
GAUSS-SEIDEL
En este captulo se describen dos mtodos adicionales para resolver
ecuaciones lineales simultneas. El primero de ellos, el mtodo de Gauss-
Jordan es muy similar al de la eliminacin gaussiana. El motivo principal
para introducir esta tcnica, estriba en que proporciona una forma simple
y conveniente de calcular la inversa de una matriz. La inversa tiene un
gran nmero de aplicaciones en la ingeniera. Este mtodo tambin
proporciona los medios para evaluar la condicin de un sistema.
El segundo de ellos, el mtodo de Gauss-Seidel es fundamentalmente
diferente al de eliminacin gaussiana y al de Gauss-Jordan porque es
un mtodo de aproximaciones iteratiuas. Esto es, emplea un valor inicial
y mediante iteraciones obtiene una aproximacin ms exacta a la solucin.
El mtodo de Gauss-Seidel se adapta, en particular a grandes sistemas
de ecuaciones. En estos casos, los mtodos de eliminacin estn su-
jetos a los errores de redondeo. Ya que el error en el mtodo de
Gauss-Seidel se puede controlar mediante el nmero de iteraciones, los
errores de redondeo no tienen que ver con esta tcnica. Sin embargo hay
ciertos casos en que el mtodo de Gauss-Seidel no converge a la respuesta
correcta. Se discuten en las siguientes pginas estos y otros elementos
de juicio para escoger entre la eliminacin y los metodos iterativos.
8.1 MTODO DE GAUSS-J ORDAN
El mtodo de Gauss-Jordan es una variacin de la eliminacin gaussiana.
La principal diferencia consiste en que el mtodo de Gauss-Jordan cuando
se elimina una incgnita no slo se elimina de las ecuaciones siguientes
sino de todas las otras ecuaciones. De esta forma, el paso de eliminacin
genera una matriz identidad en vez de una matriz triangular (Fig. 8.1).
Por consiguiente, no es necesario emplear la sustitucin hacia atrs para
obtener la solucin. El mtodo se ilustra mejor con un ejemplo.
FIGURA 8.1 Esquema grfico del mtodo de Gauss-J ordan. Comprese con la figura
7.3 y ntese la diferencia entre este mtodo y el de eliminacin gaussiana.
LOS asteriscos indican que el vector de trminos independientes se ha
modificado varias veces.
EJ EMPLO 8.1
Mtodo de Gauss-J ordan
Enunciado del problema: sese el mtodo de Gauss-J ordan para resol-
ver el mismo sistema del ejemplo 7.5:
3x1 - 0.1~2 - 0.2~3 = 7.85
0.1~1 + 7x2 - 0.3~3 = -19.3
0.3~1 - 0.2~2 +10x3 =71.4
Soluci6n: en primer lugar, se expresan los coeficientes y el vector de tr-
minos independientes como una matriz aumentada:
[os
3 -0.1 -0.2
7 -0.3 -19.3
0.3 -0.2 10 71.4
En seguida se normaliza el primer rengln dividindolo por el pivote 3,
para obtener:
GAUSS-JORDAN, INVERSl dN DE MATRICES Y GAUSS-SEIDEL 26 1
1 -0.033 333 3 -0.066 666 7 I 2.616 67
0.1 7 -0.3 I -19.3
0.3 -0.2 10 I 71.4 1
I
El trmino x1 se puede eliminar del segundo rengn restando 0.1 ve-
ces el primero del segundo rengln. De una manera similar, restando
0.3 veces el primero del tercer rengln se elimina el trmino con x1 del
tercer rengln:
[
[O
o "0.190 O00 10.020 o ~ 70.615 O 1
1 -0.033 333 3 -0.066 666 7
I 2.616 67
O 7.003 33 -0.293 333
I -19.561 7
O -0.190 O00 10.020 O ~ 70.615 O 1
En seguida, se normaliza el segundo rengln dividiendolo entre 7.003 33:
1 -0.033 333 3 -0.066 666 7 ~ 2.61667
-0.041 884 8 1 "2.793 20
Reduciendo los trminos en x2 de la primera y la tercera ecuacin se
obtiene:
1 O -0.068 062 9
I 2.523 561
O 1 -0.041 884 8
~ -2.793 20
o o 10.012 o
I 70.084 3
El tercer rengln se normaliza dividindolo entre 10.012 O:
1 O -0.068 062 91 2.523 56
O 1 -0.041 884 81 -2.793
O 0 1
Finalmente, los trminos con x3 se pueden reducir de la primera y se-
gunda zcuacin para obtener:
1 o
o ~
3.000 O0
O 1
O I
2.500 O1
O O
1 ~
7.000 03 1
De esta forma, como se muestra en la figura 8.1: la matriz de coeficientes
se ha transformado en la matriz identidad y la solucin se ha obtenido
en el vector de trminos independientes. Ntese que no se necesita susti-
tucin hacia atrs para obtener la solucin.
Todo el material del captulo 7 relacionado con las ventajas y
desventajas de la eliminacin gaussiana se aplican tambin al mtodo de
Gauss-J ordan. Por ejemplo, se puede usar una estrategia similar al pivoteo
para evitar divisiones por cero y reducir el error de redondeo.
Aunque los mtodos de Gauss-J ordan y de eliminacin gaussiana
pueden parecer casi idnticos, el primero requiere aproximadamente de
50 % menos operaciones. Por lo tanto, la eliminacin gaussiana es el
mtodo simple por excelencia en la obtencin de soluciones exactas a las
ecuaciones lineales simultneas. Una de las principales razones para incluir
en este captulo el mtodo de Gauss-J ordan, es la de proporcionar un
mtodo directo de obtener la matriz inversa, tal como se describe en la
seccin 8.2
8.1.1 Algoritmo del mtodo de Gauss-J ordan
En la figura 8.2 se muestra un algoritmo del mtodo de Gauss-J ordan
sin pivote0 parcial. Un esquema con pivoteo muy parecido al que muestra
en la figura 7.10 se puede incorporar a este algoritmo.
8.2 INVERSIN DE MATRICES
En la introduccin a las operaciones con matrices (seccin 111.2.2) se
menciona que si una matriz es cuadrada, entonces existe otra matriz,
[ A] - I , llamada la matriz inversa de [ A] , para el cual [Ec. (111.3)]:
[A] [A]" = [A]" [A] = [I]
Tambin se demuestra que la inversa se puede usar para resolver un
conjunto de ecuaciones simultneas, si se toma [Ec. (111.6)J:
[XI = [Al" [CI @.11
La aplicacin de la inversa ocurre cuando es necesario resolver varios
sistemas de ecuaciones de la forma:
que difieren nicamente en el vector de trminos independientes [ C] . En
vez de resolver cada sistema por separado, una alternativa diferente consiste
en determinar la inversa de la matriz de coeficientes. Entonces, se puede
usar la ecuacin (8.1) para obtener las soluciones, simplemente multi-
plicando la matriz [ A] por el vector de trminos independientes corres-
pondiente [C]. Ya que la multiplicacin matricial es mucho ms rpida
que la inversin, el consumo de tiempo se lleva a cabo slo una vez y
despus se obtienen las soluciones adicionales de una manera eficiente.
Tambin, como se menciona en la seccin 8.2.1, los elementos de la
inversa son extremadamente tiles en s mismos.
FI
dl
G
V(
IGUI
e flu
'auss
,te0
1.2 Di(
?I me
.dan,
cial.
'O(
SI
ira
d 0
in
m a
de
pi-
FIGURA 8.3 Esquema grfico del mtodo de Gauss-J ordan, con inversin de matrices.
Con el mtodo de Gauss-Jordan se puede calcular directamente la
inversa. Para hacerlo, la matriz de coeficientes se aumenta con una ma-
triz identidad (Fig. 8.3). Posteriormente se aplica el mtodo de Gauss-
Jordan para reducir la matriz de coeficientes a la matriz identidad. Cuando
se completa esta tarea, el lado derecho de la matriz aumentada contiene
la matriz inversa. Esta tcnica se ilustra en el ejemplo siguiente.
EJEMPLO 8.2
El uso del mtodo de Gauss-J ordan en el clculo de la matriz inversa
Enunciado del problema: determnese la matriz inversa del sistema resuelto
en el ejemplo 7.5. Obtngase la solucin multiplicando [ A] -1Por el vec-
tor de trminos independientes: [CIT = [ 7.85 -19.3 71.4 1. Adems,
obtngase la solucin para un vector de trminos independientes diferente:
[CIT = [20 50 151.
Solucin: aumntese la matriz de coeficientes con una matriz identidad:
3 -0.1 -0.2 I 1 o o
0.3 -0.2 10 j O O 1
-0.3 I O 1 O]
Usando all como pivote, el rengln 1 se normaliza y se usa para elimi-
nar a x1 de los otros renglones
1 -0.033 333 3 -0.066 666 7 I 0.333 333
O 7.003 33 -0.293 333 1-0.033 333 3
o -0.190 O00 10.020 o ~ -0.099 999 9 o 1
GAUSS-J ORDAN, INVERSldN DE MATRICES Y GAUSS-SEIDEL 265
En seguida, se usa aZ2 como pivote y xp se elimina de los otros renglones
1 O -0.068057 , 0.333 175 0.004 739 329 0
O 1 -0.041 706 1 ~ -0.004 739 33 0.142 180
o o 10.012 1 I -0.100 90 0.027 014 2 O1 1
Finalmente, se usa a33 como pivote y x3 se elimina de los renglones res-
tantes:
1 O O I 0.332 489 0.004 922 97 0.006 798 13
0 0 1 I "0.010 077 9 0.002 698 16 0.099 880 1 1
O 1 O I -0.005 164 4 0.142 293 0.004 183 46
Por lo tanto, la inversa es:
0.332 489 0.004 922 97 0.006 798 13
-0.005 164 4 0.142 293 0.004 183 46
"0.010 077 9 0.002 698 16 0.099 880 1
Ahora, la inversa se multiplica por el primer vector de trminos indepen-
dientes, obteniendo la solucin:
x1 =7.85 (0.332 489) - 19.3(0.004 922 97) +71.4(0.006 798 13)
= 3.000 411 81
x2 =7.85(-0.005 164 4) - 19.3(0.142 293) +71.4(0.004 183 46)
- 2.488 096 40
x3 =7.85(-0.010 077 9) - 19.3(0.002 698 16) +71.4(0.099 880 1)
=7.000 253 14
La segunda solucin, simplemente se obtiene realizando otras multiplica-
ciones, como:
x1 =20(0.332489) +50(0.00492297) +15(0.006 798 13)
=6.997 900 45
x2 =!O(-0.005 164 4) +50(0.142 293) +15(0.004 183 46)
=7.074 113 9
X3 =20(-0.010 O77 9) +50(0.002 698 16) +15(0.099 880 1)
=1.431 551 50
8.2.1 Clculos estrnulo-respuesta
Como se dijo en la seccin I I I .1.2, muchos de los sistemas lineales de
ecuaciones usados en ingeniera se derivan de las leyes de conservacin.
La expresin matemtica de estas leyes es un tipo de ecuacines de ba-
lance que asegura que se conserve una propiedad en particular; masa,
fuerza, calor, momento u otras. En el equilibrio de fuerzas de una estruc-
tura, las propiedades pueden tener componentes horizontales y vertica-
les de las fuerzas que actan sobre cada nodo de la estructura (vase el
caso de estudio 9.3). Para un balance de masas, las propiedades pueden
ser la masa en cada reactor de un proceso qumico. Existen ejemplos si-
milares en otros campos de la ingeniera.
Se puede escribir una ecuacin simple de balance para cada una de
las partes del sistema, generando un conjunto de ecuaciones que definen
el comportamiento del sistema completo. Estas ecuaciones se interrela-
cionan o se acoplan de manera que cada ecuacin incluye una o ms
de las variables de las otras ecuaciones. En muchas ocasiones, los siste-
mas son lineales, y por lo tanto, de la forma exacta que se ha tratado
en este captulo:
Ahora, en ecuaciones de balance, los trminos de la ecuacin (8.2)
tienen interpretacin fsica definida. Por ejemplo, los elementos- de [X]
representan los valores de las variables que se estn equilibrando para
cada una de las partes del sistema. En el equilibrio de fuerzas de la es-
tructura, representan las fuerzas verticales y horizontales de cada miem-
bro. En el balance de masas, son las masas de sustancia qumica en cada
uno de los reactores. En cualquier caso, representan las respuestas o es-
tados del sistema que est tratando de determinar.
El vector [C] de trminos independientes contiene aquellos elemen-
tos del balance que son independientes del comportamiento del sistema,
esto es, son constantes. Como tales, representan las fuerzas externas o
los estmulos que manejan al sistema.
Finalmente, la matriz [ A] de coeficientes contiene, en general los pa-
rmetros que expresan como interacta el sistema o su acoplamiento. Por
consiguiente, la ecuacin (8.2) se puede reexpresar como:
[Iteraciones] [respuestas] = [estmulos]
Ahora, como se ha visto en este captulo, existen muchas formas de re-
solver la ecuacin (8.2). Sin embargo, el uso de la matriz inversa lleva
a un resultado particularmente interesante. La solucin formal [Ec. (8.1)]
se puede expresar como:
GAUSS-JORDAN, INVERS16N DE MATRICES Y GAUSS-SEIDEL 267
o (recordando la definicin de multiplicaci6n matricial del recuadro 111.2) :
De esta forma, se ha encontrado que la matriz invertida misma, adems
de proporcionar una solucin, tiene propiedades muy tiles. Esto es, ca-
da uno de sus elementos representa la respuesta de una parte simple del
sistema a un estmulo unitario en cualquier parte del mismo.
Ntese que estas formulaciones son lineales y, por lo tanto, se cum-
ple la superposicin y la proporcionalidad. La superposicin indica que
si un sistema est sujeto a varios estmulos diferentes (las c) , las respues-
tas se pueden calcular individualmente y sumarse los resultados para ob-
tener la respuesta total. La proporcionalidad indica que si se multiplica
el estmulo por una cantidad genera una respuesta respecto al estmulo
multiplicada por la misma cantidad. De esta forma, el coeficiente all'
es una constante de proporcionalidad que proporciona el valor de x1
debido al nivel un'ttario cl. Este resultado es independiente de los efectos
de c2 y c3 sobre xl, los cuales se reflejan sobre aA12 y aA13 respectiva-
mente. Por lo tanto, se puede llegar a la conclusin general de que el
elemento a -llj de la matriz invertida representa el valor de x1 debido a la
cantidad unitaria de cj. Usando el ejemplo de la estructura, el elemento
aAg de la matriz inversa representa la fuerza en el miembro i debido a una
fuerza externa individual en el nodo. j. Aun para sistemas pequeos, los
comportamientos de las interacciones estmulo respuesta individuales no
son obvios. Por lo que, la matriz inversa proporciona una tcnica potente
para comprender las interrelaciones de partes componentes de sistemas
complicados. Esta potencia se demuestra en el caso de estudio 9.3.
8.2.2 La inversa y el mal condicionamiento
Adems de sus aplicaciones a la ingeniera, la inversa tambin suministra
una manera de discernir cuando los sistemas estn mal condicionados.
Existen tres mtodos para este propsito:
1. Escalar la matriz de coeficientes [ A] , de tal forma que el elemento
mayor en cada rengln sea 1. Si los elementos de [ A] -' son varias
rdenes de magnitud ms grandes que los elementos de la matriz
original, entonces probablemente sta est mal condicionada.
2. Multiplicar la inversa por la matriz de coeficientes original y estimar
si el resultado se encuentra cerca de la matriz identidad. Si no lo es-
t, entonces hay mal condicionamiento.
3. Invertir la matriz invertida y estimar si el resultado est lo suficiente-
mente cerca de la matriz original. Si no lo est, nuevamente el siste-
ma est mal condicionado.
8.2.3 Algoritmo para la inversin matricial
El algoritmo de la figura 8.2 se puede modificar para calcular la matriz in-
versa. Esto implica, aumentar la matriz de coeficientes con una matriz
identidad al principio del programa. Adems, alguno de los indices que
manejan un ciclo se debe aumentar al doble para que los clculos se Ile-
ven a cabo en todas las columnas de la matriz de coeficientes aumentada.
Si se incorpora el pivote0 parcial en el algoritmo de Gauss-Jordan,
entonces se requieren algunas modificaciones adicionales. Esto se debe
a que cada vez que un rengln de la matriz usa un pivote, la columnd
de la matriz inversa se debe ajustar de forma similar.
La figura 8.4 ilustra este fenmeno. Por ejemplo si el rengln 3 se usa
como pivote o se mueve a la posicin entre los renglones 1 y 2, se
modifica tambin el significado o interpretacin del rengln 2 de la matriz
invertida. En vez de indicar el efecto de un cambio unitario de c2 sobre las
x, se debe indicar el efecto de un cambio unitario de c3 sobre las x.
Adems de las caractersticas anteriores, el programa debe disearse
para que calcule las soluciones de un gran nmero de vectores de trmi-
nos independientes, como se menciona al principio de la seccin 8:2. Esto
se puede llevar a cabo, simplemente colocando un ciclo despus de cal-
cular la matriz inversa. Este ciclo puede llevar a usar un vector de trmi-
nos independientes, puede entonces multiplicarse por la matriz [ A] - pa-
ra obtener la solucin. El procedimiento se contina hasta que el usuario
indique que no requiere ms soluciones.
FIGURA 8.4 Esquema grfico del cambio que se produce en los elementos de la matriz
inversa resultante al mover un rengln de la matriz de coeficientes.
8.3 MTODO DE GAUSS-SEIDEL
Los mtodos de eliminacin directa analizados en las secciones previas
se pueden usar para resolver aproximadamente de 25 a 50 ecuaciones
lineales simultneas. Esta cantidad a veces se puede aumentar si el siste-
GAUSS-JORDAN, INVERS16N DE MATRICES Y GAUSS-SEIDEL 269
ma est bien condicionado, si se emplea la estrategia pivotal, si se usan
las ecuaciones del error o si la matriz es disprsa. Sin embargo, debido
a los errores de redondeo, los mtodos de eliminacin algunas veces
son inadecuados para sistemas muy grandes. En este tipo de problemas,
se pueden usar los mtodos iterativos o de aproximacin con alguna
ventaja.
En el captulo 5 se usan tipos similares de tcnicas para obtener races
de una ecuacion. Aquellos planteamientos consisten en el uso de un va-
lor inicial a partir del cual, mediante una tcnica sistemtica se obtiene
una mejor aproximacin a la raz. Debido a que en esta parte del texto
se enfrenta un problema similar "l a obtencin de valores para satisfacer
simultneamente un conjunto de ecuaciones- se espera que puedan ser
tiles tales mtodos de aproximacin dentro de este contexto.
La razn por la cual los mtodos iterativos son tiles en la disminu-
cin de los errores de redondeo en sistemas, se debe a que un mtodo
de aproximacin se puede continuar hasta que converja dentro de algu-
na tolerancia de error previamente especificada. De esta forma, el redon-
deo no es un problema, ya que se controla el nivel de error aceptable.
El mtodo de Gauss - Seidel es el mtodo iterativo ms usado. Supn-
gase que se ha dado un conjunto de n ecuaciones:
si los elementos de la diagonal son diferentes de cero, la primera ecuacin
se puede resolver para xl , la segunda para x2, etctera, lo que lleva a:
[8.3a]
[8.3b]
[8.3c]
cn - anlxl - an2x2 - * -
X" =
an,n-&-1
[8.3d]
ann
Ahora, se puede empezar el proceso de solucin usando un valor ini-
cial para las x. La solucin trivial puede servir de valor inicial, esto es,
todas las x valen cero. Estos ceros se pueden sustituir en la ecuacin (8.3a),
que se puede usar para calcular un nuevo valor de x1 = c1 / al l . Lue-,
go, se sustituye el nuevo valor de xl , con x3, ..., x,, aun en cero, en la
ecuacin (8.3b) con la cual se calcula un nuevo valor de x2. Este proce-
so se repite en cada una de las ecuaciones hasta llegar a la ecuacin (8. 3d)
la cual calcula un nuevo valor de x,. En seguida se regresa a la primera
ecuacin y se repite todo el proceso hasta que la solucin converja bas-
tante cerca de los valores reales. La convergencia se puede verificar usando
el criterio [recurdese la ecuacin (3.5)]:
- .
E . =
a,1 1 I x{ 1
' 100% < Es ~8.41
para toda i en donde j y j - 1 denotan la iteracin actual y la anterior.
EJ EMPLO 8.3
Mtodo de Gauss-Seidel
Enunciado del problema: sese el mtodo de Gauss-Seidel y resulvase
el sistema del ejemplo 7.5 y 8.1:
3x1 - 0.1~2 - 0.2~3 = 7.85
0.1~1 + 7x2 - O.3X3 = -19.3
0.3~1 - 0.2~2 + 10x3 =71.4
Recuerdese que la solucin real es x1 = 3, x2 = -2.5 y x? = 7.
Solucin: en primer lugar. se despejan cada una de las variables sobre
la diagonal:
7.85 +0.1~2 +0.2~3
3
x1 =
-19.3 - 0.1~1 +
x2 =
7
71.4 - 0.3~1 +0.2~2
10
x3 =
[E8.3.1]
[E8.3.2]
[E8.3.3]
Suponiendo que x2 y x3 son cero, la ecuacin (E8.3.1) puede usarse
para calcular:
7.85
3
x1 = - = 2.616 666 667
Este valor, junto con el de = O, puede sustituirse en la ecuacin
(E8.3.2) obteniendo:
-19.3 - 0.1(2.616 666 667) + O ="2,794 523 810
x2 =
7
GAUSS-J ORDAN, INVERSIN DE MATRICES Y GAUSS-SEIDEL 27 1
La primera iteracin se completa sustituyendo los valores de xI y x2 cal-
culados en la ecuacin (E8. 3. 3), obteniendo:
71. 4 - 0. 3(2. 616 666 667) + 0. 2("2. 794 523 810)
10
x3 =
= 7. 005 609 524
En la segunda iteracin, se repite el mismo proceso obteniendo:
7. 85 + 0. 1(-2. 794 523 810) + 0. 2(7. 005 609 524)
3
x1 =
= 2. 990 556 508) l e u ( = 0. 31%
- 19. 3 - O. l (Z. 990 556 508) + 0. 3(7. 005 609 524)
7
x2 =
= - 2. 499 624 684 ( E " I =0. 015%
71. 4 - 0. 3(2. 990 556 508) + 0. 2(- 2. 499 624 684)
x3 =
10
= 7. 000 290 81 l ~ v l = 0. 004 2%
El mtodo, por lo tanto, converge a la solucin real. Para mejorar las so-
luciones se deben aplicar algunas iteraciones mds. Sin embargo, en este
problema, no se debera saber la respuesta a priori. Por consiguiente, la
ecuacin (8.4) proporciona un medio para estimar el error:
2. 990 556 508 - 2. 616 666 667
0, I =
2. 990 556 508
100 = 12. 5%
- 2. 499 624 684 - (- 2. 794 523 810)
- 2. 499 624 684
%,2 = 100 = 11. 8%
-u, J
I 7. 000 290 811 I *""
I 7. 000 290 811 - 7. 005 609 524 I
6. I ) = = 0. 076%
Ntese que, al igual que cuando se determinan races de una ecuacin,
la formulaciones tales como la ecuacin (8. 4), en general dan una eva-
luacin conservadora de la convergencia. De esta manera, cuando fun-
cionan, aseguran que el resultado se conozca al menos dentro de la
tolerancia especificada por E,.
Ntese que el mtodo de Gauss-Seidel, a medida que se calcula un nue-
vo valor x, este mismo se usa inmediatamente en la siguiente ecuacin
que a su vez determina una nueva x. De esta forma, si la solucin es con-
vergente, se emplea lamejor aproximacin posible. Un planteamiento di-
ferente, al cual se leconoce como iteracin de J acobi, usa una tctica
un poco diferente. En vez de usar el Qltimo valor calculado de las x, usa
la ecuacin (8.3) para calcular un nuevo valor de x en base a la aproxi-
macin anterior de las x. De esta forma, al generar un nuevo valor no
se usa de inmediato sino que se almacena para la siguiente iteracin.
La diferencia entre los mtodos de Gauss-Seidel y la iteracin de J a-
cobi se muestra en la figura 8.5. Aunque existen algunos casos en donde
el mtodo de J acobi converge ms rpido, el uso de la Gltima aproxima-
cin disponible convierte al mtodo de Gauss-Seidel en el mtodo pre-
ferido.
8.3.1 Criterios de convergencia en el mtodo de Gauss-Seidel
Ntese que el mtodo de Gauss-Seidel es similar en proceso al mtodo
simple de iteracin de punto fijo usado en la seccin 5.1 en la solucin
de races de una ecuacin. Recurdese que la iteracin de punto fijo tie-
ne dos problemas fundamentales: l) algunas veces no converge y 2) cuar.-
do lo hace, es a menudo, muy lento. El mtodo de Gauss-Seidel tambin
puede tener estas fallas.
FIGURA 8.5 Esquema grfico de la diferencia entre a) el mtodo de Gauss-Seidel y
b) el metodo de iteracin de J acobi, en la solucin de ecuaciones
algebraicas lineales simultneas.
GAUSS-J ORDAN, I NVERSI N DE MATRI CES Y GAUSS-SEI DEL 273
Una condicin de convergencia es que los coeficientes sobre la dia-
cJonal de cada una de las ecuaciones sea mayor que la suma de los otros
coeficientes en la ecuacin. Una expresin cuantitativa de este criterio es:
I b i r l =- w J L , I ~3.51
En donde la sumatoria vara desde j =1 hasta n , excluyendo j = i . La
ecuacin (8.5) es un criterio de convergencia suficiente pero no necesa-
rio. Esto es, aunque el mtodo trabaje algunas veces sin que la ecuacin
(8.5) se cumpla, se garantiza la convergencia siempre y cuando (8.5) si
se cumpla. A los sistemas donde se cumple la ecuacin (8.5) se les cono-
ce como diagonalmente dominantes. Afortunadamente, muchos proble-
mas de ingeniera de importancia prctica llenan este requisito.
8.3.2. Mejoramiento en la convergencia usando relajacin
La relajacin representa una pequea modificacin del mtodo de Gauss-
Seidel y est diseada para aumentar la Convergencia. Despus que ca-
da nuevo valor de x se calcula usando la ecuacin ( 8. 3) , el valor se mo-
difica mediante un promedio pesado de los resultados de las iteraciones
anteriores y actuales:
X,nUeL o - - AX,nueL'o +(1 - ~) x , ~a s a ~~o P . 61
en donde X es un factor de peso al cual se le asigna un valor entre-O y 2.
Si X =1, (1 - X ) es igual a cero y el resultado permanece inaltera-
do. Sin embargo, si a X se le asigna un valor entre O y 1, el resultado
es un promedio pesado de los resultados previos y actuales. A este tipo
de modificacin se le conoce como sobrerrelajacin. Por lo general, esta
opcin se emplea para convertir un sistema divergente en uno convergente.
Si X se encuentra entre 1 y 2 se considera otro peso en el valor actual..
En este ejemplo, existe una suposicin implicita de que el nuevo valor
se mueve en la direccin correcta hacia la solucin real pero con una ve-
locidad muy lenta. De esta forma, el peso agregado a X intenta mejorar
la aproximacin empujndola hacia la real. Por lo que este tipo de modi-
ficacin, al cual se le llama sobrerrelajacin, est diseado para acelerar
la convergencia de un sistema que ya es convergente.
La eleccin de un valor adecuado de X es un problema altamente es-
pecfico y a menudo se determina por prueba y error. En general es ine-
cesario en lasolucin de un sistema. Sin embargo, si el sistema bajo estudio
se va a resolver varias veces, entonces puede ser de gran importancia una
buena eleccin de X. Algunos ejemplos son los sistemas muy grandes de
ecuaciones diferenciales parciales que a menudo tratan de modelar cam-
bios en sistemas de variable continua (recurdese el sistema a rnicroesca-
la mostrado en la figura 1I I .lb). El segundo caso de estudio del captulo
9 muestra un ejemplo del empleo de la relajacin dentro de un contexto
de problemas de ingeniera.
8.3.3 Algoritmo del mtodo de Gauss-Seidel
En la figura 8.6 se muestra un algoritmo del mtodo de Gauss-Seidel con
relajacin. Ntese que este algoritmo no est garantizado para obtener
resultados adecuados si las ecuaciones no son de tipo diagonalmente do-
minante.
Una manera de modificar el algoritmo para tomar un poco en cuenta
esta desventaja es la de buscar los coeficientes de cada ecuacin durante
cada una de las iteraciones e identificar el mayor de ellos. La ecuacin en
turno se resuelve para el va!or de x asociada con el coeficiente. En el
siguiente clculo, se rastrean los coeficientes de los valores restantes de
x y se encuentra el coeficiente mayor. La ecuacin se resuelve para el
valor correspondiente de x.
Procediendo de esta manera, se aumentan al mximo las opor-
tunidades de alcanzar una dominancia diagonal. Sin embargo el es-
quema no garantiza xito en sistemas de alta divergencia. Por otra
parte, no sera fcil de programar un algoritmo que implemente este
esquema
8.3.4 Problemas de contexto en el mtodo de Gauss-Seidel
Adems de evitar el problema del redondeo, el mtodo de Gauss-Seide!
tiene otras ventajas que lo hacen particularmente atractivo en el contexto
de ciertos problemas de ingeniera. Por ejemplo, cuando la matriz en
cuestin sea muy grande y muy dispersa (esto es, que la mayor parte de
los elementos son ceros, los mtodos de eliminacin gastan una gran can-
tidad de memoria para almacenar los ceros.
En el recuadro 7.2, se muestra como puede evitarse este problema
si la matriz de coeficientes es banda. Para sistemas diferentes, no es fcil
evitar el uso de cantidades grandes de memoria, cuando se usan mto-
dos de eliminacin. Ya que todas las computadoras tienen una cantidad
finita de memoria, esta ineficiencia puede llegar a ser una restriccin real
en el tamao del sistema para el que, los mtodos de eliminacin resul-
tan prcticos.
Aunque un algoritmo general como el de la figura (8.6) est propen-
sa a la misma restriccin, la estructura de las ecuaciones de Gauss-Seidel
[c. (8.3)] permite desarrollar programas concisos para sistemas espe-
cficos. Ya que en laecuacin (8.3) se necesita almacenar slo los coefi-
cientes diferentes de cero, es posible ahorrar grandes cantidades de
memoria. Aunque esto impone mayor costo en la inversin de desa-
rrollo de programas, las ventajas a largo plazo son sustanciales cuando
se manejan sistemas grandes sobre los que se pueden realizar varios
procesos. Los sistemas macro- y microvariables pueden generar matrices
grandes y dispersas para las cuales se utiliza el mtodo de Gauss-
Seidel. En el caso de estudio 9.2 se trabaja un poco ms sobre estos
puntos.
FI GURA 8.6 Diagrama
de fluio del mtodo de
Gauss-Seidel con rela-
jacin.
275
PROBLEMAS
Clculos a Mano
8.1
8.2
8.3
8.4
8.5
8.6
8.7
8.8
8.9
sese el mtodo de Gauss-Jordan para resolver el problema 7.6
Determnese la matriz inversa del problema 7.6. Comprubense los resultados mul-
tiplicando [A] por [A]" y obtngase la matriz identidad.
Usando el mtodo de Gauss-Jordan, reptase el problema 7.9
Determnese la matriz inversa del problema 7.9. Comprubense los resultados ve-
rificando que [A][A]" = [!] . Evtese el uso de la estrategia del pivoteo.
Usando el mtodo de Gauss-Jordan, con pivoteo parcial, calclese la matriz i n-
versa del problema 7.10. Ordenando la inversa de tal forma, que los renglones
y las columnas conformen la secuencia de la matriz original anterior al pivoteo (vase
la figura 8.4 y el anlisis de la seccin 8.2.3).
sese el mtodo de Gauss-Jordan para resolver:
10x1 - 3x2 +6x3 =24.5
1x1 +8x2- 2x3 =-9
"2x1 +4x2 - 9x3 -50
Determnese la matriz inversa del problema 8.6. sese la inversa para resolver
el problema original as como para resolver el caso adicional en donde el vector
de trminos independientes es [CIT =[110 55 - 1051.
Resulvase el problema 8.6 usando el mtodo de Gauss-Seidel con un criterio de
paro del E, =10 %.
Resulvase el problema 7.8 usando el mtodo de Gauss-Seidel con un criterio de
paro del t, =10 %.
- 6~1 + 12x3 =60
4x1 - x2- x3=-2
6x1 +8x2 =44
GAUSS-J ORDAN, INVERSldN DE MATRICES Y GAUSS-SEIDEL 277
8.12 Resulvase el siguiente conjunto de ecuaciones:
usando a) eliminacin gaussiana, b) el mtodo de Gauss-Jordan y c) el mtodo
de Gauss-Seidel (es =5 % ).
8.13 Resulvase el siguiente sistema de ecuaciones:
usando a) eliminacin gaussiana, b) el mtodo de Gauss-Jordan y C) el mtodo
de Gauss-Seidel (E, =5 % ).
8.14 Desarrllese un programa amable con el usuario para el mtodo de Gauss-Jordan,
basado en la figura 8.2. Agrguese un esquema similar al mostrado en la figura
7.10 empleando pivoteo parcial.
8.15 Prubese el programa del problema anterior duplicando los clculos del ejemplo 8.1
8.16 Reptanse los problemas 7.6 y 7.8 hasta el 7.11 usando los programas desarrolla-
dos en el problema 8.14.
8.17 Desarrllese un programa amable con el usuario para el mtodo de Gauss-Jordan,
con inversin de matrices y pivoteo parcial. Inclyanse dentro del programa las
caractersticas sugeridas en la seccin 8.2.3.
8.18 Reptanse los problemas 8.5 y 8.7 usando los programas desarrollados en el pro-
blema anterior.
8.19 Desarrllese un programa amable con el usuario para el mtodo de Gauss-Seidel
basado en la figura 8.6. Hgase de tal forma que compruebe el criterio de conver-
gencia expresado por la ecuacin (8.5). Adems, inclyase relajacin como en
la ecuacin (8.6).
8.20 Prubese el programa desarrollado en el problema anterior usando un duplicado
del ejemplo 8.3.
8.21 Usando el programa del problema 8.19, reptanse los problemas 8.8 hasta el 8.11.
C A P T U L O N U E V E
CASOS DE LA PARTE TRES:
SISTEMAS
DE ECUACIONES
ALGEBRAICAS
LINEALES
El propsito de este captulo, es el de usar los procedimientos analizados
en los captulos 7 y 8 en la solucin de sistemas de ecuaciones algebrai-
cas lineales en algunas aplicaciones de ingeniera. Estos mtodos num-
ricos sistemticos, son de importancia prctica ya que los ingenieros
encuentran frecuentemente problemas que implican la solucin de siste-
mas de ecuaciones demasiado grandes para resolverse a mano. Los al-
goritmos numricos son particularmente convenientes en estas aplicaciones
ya que pueden implementarse en microcomputadoras.
Entre otras cosas, los casos de estudio se han elaborado de manera
que proporcionen ilustraciones reales de las caractersticas yfactores de
importancia mencionados en los captulos tericos. Por ejemplo, el caso
9.1 muestra una ilustracin simple de cmo usar las ecuaciones algebrai-
cas lineales para satisfacer de forma simultnea cierta cantidad de condi-
ciones independientes. Adems, se usa ecte caso de estudio para mostrar
la utilidad de la matriz inversa como una herramienta analtica, dentro del
contexto de estos problemas. Aunque se ha tomado este ejemplo del cam-
po de la ingeniera general, la idea bsica tiene importancia en una gran
variedad de contextos tcnicos y analticos.
El caso 9.2, tomado de la ingeniera qumica, es un ejemplo de un
sistema de variable continua (o microvariable). El caso de estudio ilustra
cmo se pueden emplear las diferencias finitas en la transformacin de
ecuaciones diferenciales en algebraicas. Al hacerlo as, se pueden usar
los mtodos de solucin desarrollados en los captulos 7 y 8 y obtener
las soluciones. Aunque el ejemplo pertenece a la prediccin de tempera-
turas en slidos, se utiliza el planteamiento general para simular la distri-
bucin continua de muchas otras variables de la ingeniera tales como la
velocidad, la fuerza y la masa.
En contraste, los casos 9.3, 9.4 y 9.5 analizan sistemas de variable
discreta (o macrovariable). El caso 9.3 hace hincapi en el uso de la ma-
triz inversa en la determinacin del complejo de las reacciones al aplicar
cargas a una estructura. El caso 9.4 es un ejemplo del uso de las leyes
de Kirchhoff en el clculo de corrientes y voltajes en un circuito de resis-
tencias. Finalmente, el caso 9.5 muestra cmo se emplean las ecuacio-
nes lineales para determinar la dinmica de partculas y cuerpos rgidos.
CASO 9.1 DISTRIBUCIN DE RECURSOS (INGENIERA
EN GENERAL)
Antecedentes: todos los campos de la ingeniera enfrentan situaciones en
las que la distribucin correcta de recursos es un problema critico. Estas
situaciones se presentan al organizar inventarios de construccin, distri-
bucin de productos y recursos en la ingeniera. Aunque los problemas
siguientes tienen que ver con la fabricacin de productos, el anlisis ge-
neral tiene importancia en un amplio panorama de otros problemas.
Un ingeniero industrial supervisa la produccin de cuatro tipos de
computadoras. Se requieren cuatro clases de recursos -horas-Hombre,
metales, plsticos y componentes electrnicos- en la produccin. En el
cuadro 9.1 se resumen las cantidades necesarias para cada uno de estos
recursos en la produccin de cada tipo de computadora. Si se dispone
diariamente de 504 horas-hombre, 1970 kg de metal, 970 kg de plstico
y 601 componentes electrnicos, cuntas computadoras de cada tipo
se pueden construir por da?.
Solucin: la cantidad total producida de cada computadora est restrin-
gida al total de recursos disponibles en cada categora diariamente. Estos
recursos totales se distribuyen entre los cuatro tipos de computadoras.
Sea xl, x,, x,, y x4 la cantidad total de computadoras producidas dia-
riamente de cada clase. Se sabe que la cantidad total de horas-hombre
disponibles diariamente es de 504. Por lo tanto, la suma de las distribu-
ciones de horas-hombre en la produccin de cada una de las computa-
doras debe ser menor o igual que 504. Por lo tanto (usando los datos
del cuadro 9. l),
3x1 +4x2 +7x3 +20x4 5 504 r9.11
De la misma manera para los metales, plsticos y componentes:
20x1 +25x2 +40x3 + 50x4 5 1970
10x1 +15x2 +20x3 +22x4 5 970
loxl + 8x2 +lox3 +15x4 5 601
Cada una de estas ecuaciones se debe satisfacer de forma simultnea de
otra manera, se acabara uno o ms de los recursos necesarios en la pro-
duccin de los cuatro tipos de computadoras. Si los recursos disponibles,
representados por el vector de trminos independientes de las ecua-
ciones anteriores, se reducen todos a cero simultneamente, entonces se
CASOS DE LA PARTE TRES: SISTEMAS DE ECUACIONES ALGEBRAICAS LINEALES 281
CUADRO 9.1 Recursos necesarios para producir cuatro tipos de computadoras
Horas/ Metales Plsticos Componen-
hombre, kglcompu- kglcompu- tes, unida-
Compu- kglcompu- tadora tadora deslcompu-
tadora tadora tadora
1 3 20 10 10
2 4 25 15 a
3 7 40 20 10
4 20 50 22 15
puede reemplazar el signo menor o igual por el de igual. En este caso,
la cantidad total de cada tipo de computadora producida se puede calcu-
lar resolviendo un sistema de. ecuaciones de 4 por 4 usando los mtodos
de los captulos 7 y 8.
Ya que este sistema no es diagonalmente dominante, el mtodo de
Gauss-Seidel puede divergir. Sin embargo, se puede aplicar la elimina-
cin gaussiana o el mtodo de Gauss-J ordan y calcular:
x1= 10
x2= 12
x3= 18
= 15
Esta informacin se usa en el clculo de las ganancias totales. Por ejem-
plo, supngase que las ganancias correspondientes a cada computadora
estn dadas por p1,p2, p3, y p4. La ganancia total asociada con un da
de actividad (P) est dada por
p = PlXl + P2X2 +P3X3 +P4x1 P.51
Se sustituyen los resultados de x, = 10,x2 =12,x, =18 y x4 =15
en la ecuacin (9.5) y se calcula una ganancia de (usando los coeficien-
tes del cuadro 9.2) :
P = 1 OOO(l 0) + 700 (12) + 1 lOO(18) +400(15) =44 200
CUADRO 9.2 Ganancias correspondientes a cada
una de las cuatro computadoras.
Computadora $I computadora
1
2
3
Ganancias
1 O00
700
1 100
De esta forma, se puede obtener una ganancia de $44 200 diarios, con
los recursos especificados en el problema.
Ahora, supngase que existe la posibilidad de aumentar cualquie-
ra de los recursos disponibles. Un objetivo es el de valorar qu recursos se
deben escoger de tal forma que generen la mayor ganancia. Una manera
de hacerlo es el de incrementar cada uno de los cuatro recursos individual-
mente, calcular las ganancias y posteriormente comparar los resultados.
Una alternativa ms simple se basa en la matriz inversa, que se puede
calcular usando el mtodo de Gauss-Jordan, como:
[
1
-0.081 7 0.039 6 -0.146 5 0.191 8
[A]" = 0.106 6 -0.225 6 0.408 5 0.010 7
-0.136 8 0.172 8
"0.190 9 -0.113 7
0.088 8 -0.021 3
0.007 1 0.008 9
Cada uno de los elementos ai j ~' indica el crecimiento en la computadora
i debido al crecimiento unitario del recurso j. Por ejemplo, el elemento
alyl especifica un incremento unitario de 0.039 6 de la computadora 1 cuan-
do se agrega un kilogramo de metal. Ntese que algunos de los coeficientes
son negativos, indicando que un incremento unitario en algunos recursos ba-
ja la produccin de ese tipo de computadora.
Ahora, con esta informacin como antecedente, se puede llevar a cabo
un evaluacin rpida sobre los beneficios obtenidos al incrementar cada
uno de los recursos multiplicando los elementos de cada columna por la
ganancia unitaria del cuadro 9.2. Por ejemplo, en la primera columna:
API = -0.081 7(1 000) + 0.106 6(700) - 0.136 8(1 100)
+0.088 8(400) =-122.04
en donde A Pj es el incremento en ganancias debido a un incremento
al recurso j . De esta forma, un incremento unitario en horas-hombre baja
en $122.04 las ganancias. Se pueden llevar a cabo clculos similares so-
bre los otros recursos, para obtener:
Ap2 =$ 63.24
A% = $-67.70
AP4 = $ 77.78
De esta forma, un incremento de componentes 0' = 4 genera una mayor
ganancia, seguida por el aumento en los metales 0' = 2). El anlisis indi-
ca tambin que un incremento en los plsticos 0' = 3) genera prdidas.
El problema anterior es una variacin del anlisis general sobre eco-
noma conocido corno modelo de entrada-salida. Este ejemplo, difiere
de la aplicacin clsica de esta tcnica en la cuantificacin de transferen-
cia de material entre los sectores de la economa. Sin embargo, el USO
de la matriz inversa profundiza en interacciones complejas de sistemas li-
neales y es muy representativo del proceso del modelo de entrada-salida.
Como tal, ayuda a ilustrar cmo los mtodos numricos aumentan la com-
prensin al manejar sistemas acoplados muy grandes.
CASO 9. 2 CALCULO DE DISTRIBUCIN DE TEMPERATURAS
(INGENIERA QUMI CA)
Antecedentes: la mayor parte de los diferentes campos de la ingeniera
manejan distribuciones de temperatura en materiales slidos. Estos pro-
blemas son tan variados como la distribucin de temperatura en un cono
de proareentrante y la temperatura de un ro bajo una planta de energa
productora de hielo. La distribucin de temperatura en estado estaciona-
rio bidimensional se define por la ecuacin de Laplace:
a2T a2T
- +- =o
ax2 ay2
~9.61
en donde T es la temperatura y x y y son las coordenadas. Las derivadas
de la ecuacin (9.6) se aproximan usando diferencias finitas (vase la sec-
cin 3.5.4). La figura 9.1 muestra una malla bidimensional, esquema til
en las aproximaciones desarrolladas para la ecuacin (9.6). Las aproxi-
maciones por diferencias divididas de las derivadas son:
aT AT ?;+l,j - T.,
- ="
-
dx Ax Ax
y de manera similar,
En seguida, suponiendo que A x = A y, la ecuacin de Laplace se pue-
de aproximar como:
T + 1,j + T - I ,, + T,j +1 +T,j - 1 - 4T,j = O P . 71
la cual es aplicable a cada nodo i , j de la figura 9.1. Parece ser que al
aplicar la ecuacin (9.7) a cada nodo resulta un sistema de ecuaciones
acopladas, ya que la temperatura en varias posiciones aparece en ms
de una ecuacin. Esto produce un sistema de ecuaciones algebraicas li-
neales simultneas, que se pueden resolver usando los mtodos descri-
tos en los captulos 7 y 8.
Considrese la placa plana de la figura 9.2 Los lados de la placa se
mantienen a temperaturas constantes de O" y looo C, como se muestra
FIGURA 9.1 Malla bidimensional que se usa en el desarrollo de aproximaciones por diferencias
finitas de la temperatura sobre una placa plana.
FIGURA 9.2 Placa plana en donde se mantienen los iodos a temperaturas constantes de O ' y
100C, como se indica en la figura.
en la figura. La distribucin de la temperatura dentro de la placa se pue-
de aproximar en nueve puntos internos aplicando la ecuacin de Lapla-
ce en cada punto. Esto genera el siguiente conjunto de ecuaciones dado
en notacin matricial:
r
- 4 1 0 1 0 0 0 0 0
1 - 4 1 0 1 0 0 0 0
0 1 - 4 0 0 1 0 0 0
1 0 0 - 4 1 0 1 0 0
o 1 o 1 - 4 1 o 1 o
0 0 1 0 1 - 4 0 0 1
0 0 0 1 0 0 - 4 1 0
0 0 0 0 1 0 1 - 4 1
L o o o o o 1 o 1 - 4
T2
I
T3 I
T 2 i I
T22 T23 I
TH I
- 100
- 100
-200
O
O
- 100
O
O
- 100
Solucin: se observa que el sistema resultante de ecuaciones es diago-
nalmente dominante y, por lo tanto, compatible con el mtodo de Gauss-
Seidel del captulo 8. En este caso, se garantiza la convergencia ya que
se satisface la ecuacin (8.5). Se asegura tambin exactitud ya que los
errores de redondeo no son problema en el mtodo de Gauss-Seidel. Usan-
do una E , = 0.05% despus de 13 iteraciones se obtienen los resultados
siguientes:
FIGURA 9.3 Distribucin de la temperatura sobre una placa plana, calculada con el mtodo de
Gauss-Seidel.
Los resultados se muestran en la figura 9.3.
La simulacin se lleva a cabo con el mtodo estndar de Gauss-Seidel.
Debido a que este sistema es convergente, la relajacin puede servir para
acelerar la convergencia. Por lo tanto, se repiten dos veces ms los clculos,
usando X = 1.25 y X = 1.5.
Los resultados, que se grafican en la figura 9.4, sugieren un valor de
X en la vecindad de 1.25. Usando las tcnicas descritas en el capitulo 11
(ntese que se puede usar un bosquejo para obtener un valor aproxima-
do), se ajusta una ecuacin cuadrtica a los puntos de la figura (9.4). Esta
ecuacin es:
n = 96A2 - 236A + 153
en donde n es el nmero de iteraciones correspondiente a un valor parti-
cular de X. Se puede determinar un mnimo derivando la ecuacin y ob-
teniendo:
FIGURA 9.4 Grfica del nmero de iteraciones contra X, el coeficiente de relajacin. Los tres puntos
proporcionados como datos sugieren un nmero mnimo de iteraciones en la vecin-
dad de X =1.25. Ajustando una parbola a los datos, se puede calcular que el n-
mero mnimo de iteraciones corresponde al valor de X =1.23.
dn
dA
"
- 192A - 236
El mnimo se encuentra cuando dn / dh es cero, lo cual lleva al punto
donde la pendiente de la figura 9.4 es nula. En este caso, se determina
un valor de h = 1.23 Volviendo a realizar los clculos con este coeficien-
te de relajacin se obtiene la solucin en slo ocho iteraciones.
De esta forma, si se van a realizar ms clculos para este problema
en particular, se debe emplear una valor de h = 1.2
para alcanzar los resultados ms eficientes. En este caso, el ahorro de tiem-
po en un solo clculo es despreciable. Sin embargo, en la simulacin ml-
tiple de sistemas grandes, la eleccin acertada de h posiblemente redituar
ahorros sustanciales.
Este tipo de procedimiento se puede extender a problemas ms com-
plejos que incluyen esquemas geomtricos irregulares. Los problemas prc-
ticos de este tipo requieren algunas capacidades de clculo automticas,
pero, excepto en casos de sistemas extremadamente grandes, una mi-
crocomputadora llenar todos los requisitos.
CASO 9.3 ANALISIS DE UNA ARMADURA ESTATICAMENTE
DETERMINADA (INGENIERA CIVIL)
Antecedentes: un problema de importancia en ingeniera estructural es
el de encontrar las fuerzas y reacciones asociadas con una armadura es-
tticamente determinada. La figura 9.5 muestra un ejemplo de tales ar-
maduras.
FIGURA 9.5 Fuerzas que actun sobre una armadura estticarnente determinada.
Las fuerzas ( F ) representan ya sea las tensiones o las compresiones
de los elementos de la estructura. Las reacciones externas (H2 V2 V,)
son fuerzas que caracterizan cmo interacciona la armadura con la su-
perficie que la soporta. El gozne del nodo 2 puede transmitir fuerzas hori-
zontales y verticales a la superficie, mientras que el rodillo del nodo 3 slo
transmite fuerzas verticales. Se observa que el efecto de la carga externa
de 1 O00 kg se distribuye a todos los elementos de la armadura.
Solucin: este tipo de estructuras se pueden describir como un sistema
de ecuaciones algebraicas lineales acopladas. En la figura 9.6 se mues-
tran los diagramas de cuerpo libre sobre cada nodo. La suma de las fuer-
zas en las direcciones vertical y horizontal debe ser cero en cada nodo,
ya que el sistema se encuentra en reposo. Por lo tanto, para el nodo 1:
XFV = O = -Fl sen 30" - F3 sen60" +F1," P.91
para el nodo 2:
XFv = O =Fl sen 30" +Fz, u + VZ [9.11]
para el nodo 3:
XFv = O = F3 sen 60" +F3," + V3 [9.13]
FIGURA 9.6 Diagramas de cuerpo libre en los nodos de la armadura estticamente determinada.
en donde Fj,h es la fuerza horizontal externa aplicada al nodo i (una fuer-
za positiva va de izquierda a derecha) y F;," es la fuerza vertical externa
aplicada al nodo i (una fuerza positiva va de arriba hacia abajo). De esta
manera, en este problema, la fuerza hacia abajo de 1 O00 kg sobre el no-
do 1 corresponde a F,," = - 1 000. En este caso las fuerzas restantes
Fj,v,F;,h son cero. Ntese que la direccin de las fuerzas y reacciones inter-
nas son desconocidas. La aplicacin correcta de la segunda ley de New-
ton requiere Gnicamente que las suposiciones relacionadas con las
direcciones sean consistentes. Si las direcciones no se toman correctamente,
entonces la solucin ser negativa. Tambin ntese que en este proble-
ma las fuerzas de todos los elementos se supone que estn en tensin
y que actan jalando a la vez a los nodos adyacentes. Este problema se
puede escribir como el siguiente sistema de seis ecuaciones con seis in-
cgnitas:
-
0.866 O -0.5 O 0 0
0.5 O 0.866 O O O
-0.866 -1 O -1 o o
-0.5 O 0 o -1 o
O 1 0.5 O 0 0
O O -0.866 O O -1
Ntese que, como se formula en la ecuacin (9.14),
i O -
- 1000
- 0
o
-
E9.141
J
parcial para evitar divisiones por cero sobre los elementos de la diagonal.
Empleando una estrategia de pivoteo, el sistema se puede resolver usan-
do las tcnicas de eliminacin analizadas en los captulos 7 y 8. Sin em-
bargo, debido a que este problema es un caso de estudio ideal para
demostrar la utilidad de la matriz inversa, se usa el mtodo de Gauss-Jordan
para obtener:
y la matriz inversa es:
[A]-1 =
0.866 0.5 O 0 0 0
0.25 -0.433 O O 1 O
- 0.5 0.866 O O O O
-1 O -1 o -1 o
-0.433 -0.25 O -1 O O
0.433 -0.75 O O O - 1
se requiere-pivote0
Ahora, supngase que el vector de trminos independientes representa
las fuerzas horizontales y verticales aplicadas externamente a cada nodo,
como:
Debido a que las fuerzas externas no tienen efecto sobre la matriz de coe-
ficientes, el mtodo de Gauss-J ordan no se necesita implementar una y otra
vez para analizar el efecto de las fuerzas externas diferentes sobre la ar-
madura. En vez de esto, todo lo que se tiene que hacer es multiplicar
la matriz inversa por cada uno de los vectores de trminos independien-
tes para obtener soluciones alternativas diferentes. Por ejemplo, podra
desearse estudiar el efecto de las fuerzas horizontales producidas por el
viento que sopla de izquierda a derecha. Si la fuerza elica se puede re-
presentar como dos fuerzas puntuales de 1 O00 kg cada una sobre los
nodos 1 y 2 (Fig. 9. 7), entonces el vector de trminos independientes es:
[Vector de trminos independiente^]^= [ 1 O00 O 1 O00 O O O]
que se puede multiplicar por la matriz inversa para dar:
Fl = 866 F 2 = 250 F3 = -500
H* = -2000 v2 = -433 v. = 433
Para un viento de derecha, Fj,h = - 1 000, F3,h =- 1 000, y todas las
dems fuerzas externas son cero, resultando:
FI = -866 F2 = -1250 F3 500
H, = 2000 v, = 433 v, = -433
Los resultados indican que los vientos han tenido marcados efectos dife-
rentes sobre la estructura. Ambos casos se muestran en la figura 9.7.
Los elementos individuales de la matriz invertida tienen tambin utilidad
directa en el esclarecimiento de las interacciones carga-respuesta de la es-
tructura. Cada uno de los elementos representa el cambio de una de las
variables hacia un cambio unitario de uno de las cargas externas. Por ejem-
plo, e] elemento aG1 indica que la tercera incgnita F3) cambiar 0.866
" ~
FIGURA 9.7 Dos casos de carga que muestran a) vientos de izquierda y b) vientos de derecha.
CASOS DE LA PARTE TRES: SISTEMAS DE ECUACIONES ALGEBRAICAS LINEALES 29 1
debido a la carga unitaria de la segunda carga externa F1,). De esta for-
ma, si la carga vertical en el primer nodo se aumenta en uno, entonces
F3 se incrementa en 0.866. El hecho de que los elementos sean cero in-
dica que ciertas incgnitas permanecen inalteradas por alguna de las car-
gas externas. Por ejemplo, a = O significa que F, no se altera por
cambios en FZ,h. Esta habilidad de aislar interacciones tiene una cantidad
de aplicaciones en la ingeniera incluyendo la identificacin de aquellos
componentes que son ms sensibles a las cargas externas y, por lo tanto
estn ms propensos a la falla.
El planteamiento anterior viene a ser particularmente til cuando se apli-
ca a estructuras complejas. En la prctica de la ingenieria puede necesi-
tarse la solucin de estructuras con cientos o tal vez miles de elementos
estructurales. Las ecuaciones lineales son una herramienta til en la com-
prensin del comportamiento de estas estructuras.
CASO 9.4 CORRIENTES Y VOLTAJES EN CIRCUITOS RESISTIVOS
Antecedentes: un problema comn en la ingeniera elctrica es aquel que
implica la determinacin de corrientes y voltajes en varias posiciones de
ley de corriente de Kirchhoff y la ley de Ohm. La ley de la corriente dice
que la suma algebraica de todas las corrientes sobre un nodo debe ser
cero (Fig. 9.8a), o
il Nodo i , circuitos complejos de resistencias. Estos problemas se resuelven con la
I .
2
Cik = O [9.16]
en donde todas las corrientes que entran al nodo tienen signo positivo.
a)
Y R i f 1: La ley de Ohm dice que la corriente a travs de una resistencia est
.., , *
- dada en funcin del cambio de voltaje y de la resistencia (Fig. 9.8b),
i /
b)
FIGURA 9.8 Represen-
tacin esquemtica de la
a)ley de la corriente de
Kirchhoff y b)ley de Ohm.
3 R =l OR 2 R =5R
v, =200 v
R =5 n R =l O R
& =ov
R =l 5R R =20R
6
[9.17]
FIGURA 9.9 Solucin del circuito de una resistencia usando ecuaciones algebraicas lineales sirnul-
tneas.
3 2 1
154 ' 6 5
c- -
4 5 6
FIGURA 9.10 Direcciones en las cuales se supone que circula la corriente.
Solucin: los problemas de este tipo generan sistemas de ecuaciones al-
gebraicas lineales simultneas ya que los ciclos dentro de un circuito es-
tn acoplados con los otros. Por ejemplo, considrese el circuito mostrado
en la figura 9.9. Se desconoce la magnitud y la direccin de las corrientes
asociadas con este circuito. Esto no presenta gran dificultad ya que sim-
plemente se supone una direccin para cada corriente. Si la solucin re-
sultante de la ley de Kirchhoff es negativa, entonces la direccin dada es
incorrecta. Por ejemplo, la figura 9.10 muestra las corrientes supuestas.
Dadas estas ecuaciones, las cuatro ecuaciones de las corrientes para
cada nodo estn dadas por:
iI 2 + + =O
i& - is2 - i.54 =o
i43 - i32 =o
i54 - i43 =O
y las seis ecuaciones del voltaje como:
200 - v, . v 5 - v4 . v5- v,
=
5
154 -
15
152 =-
10
en donde la corriente fluye del voltaje ms alto al ms bajo. Estas ecua-
ciones son equivalentes a la siguiente notacin matricial:
1 1 0 0 0 1 0 0 0 0
o o 0 - 1 1 - 1 o o o o
0 - 1 1 0 0 0 0 0 0 0
0 0 - 1 1 0 0 0 0 0 0
0 1 0 o O 0 o 1 - 1 o o
5 0 0 0 0 0 1 0 0 0
0 0 5 0 0 0 0 1 - 1 0
O O 0 1 5 0 O 0 O 1 - 1
0 0 0 0 2 0 0 0 0 0 1
o o o O 0 1 0 1 o 0 - 1
I
O
O
O
O
= o
ZOO
O
O
O
O
V =153.85 i = 169.23
V =200
: c 8
li =146.15 I / = 123.08
V=O
FIGURA 9.1 1 Solucin de voltajes y corrientes obtenidos usando un mtodo de eliminacin.
que representa un sistema de 10 ecuaciones con 10 incgnitas. Aunque
es imprctico resolver este sistema a mano, se puede resolver fcilmente
usando un mtodo de eliminacin tal como la eliminacin gaussiana o
el mtodo de Gauss-Jordan. De esta manera, la solucin es:
i 12 = 6.153 8 a = -6.153 8 V4= 146.15
32 =-1.538 5 i52 = -4.615 4 V, = 123.08
iS4 = -1.538 5 V3 = 153.85
i43 =- 1.538 5 V2 = 169.23
Por lo tanto, con una interpretacin apropiada de los signos en los resul-
tados, la figura 9.11 muestra las corrientes y los voltajes en el circuito.
Evidentemente se obtendran mayores ventajas si se usaran algoritmos
numricos y microcornputadoras en este problema.
CASO 9.5 DINMICA DE PARTCULAS Y CUERPOS RGIDOS
FI GURA 9.12
Tres bloques
conectados por
cuerdos de pe-
so despreciable
sobre un plano
inclinado.
(INGENIERA MECANICA)
Antecedentes: la dinmica del movimiento de partculas y de los cuerpos
rgidos juega un papel muy importante en muchos problemas de mecni-
ca y otros campos de la ingeniera. Este movimiento se puede describir
mediante las leyes de Newton. La aplicacin de las leyes de Newton para
partculas simples genera dos ecuaciones. Sin embargo, si algunas part-
culas del sistema afectan a otras, entonces se puede generar un gran n-
mero de ecuaciones simultneas.
Por ejemplo, considrese el sistema mostrado en la figura 9.12. Hay
tres bloques atados por una cuerda de peso despreciable apoyados sobre
una superficie lisa inclinada 45O respecto a la horizontal. El coeficiente
de friccin entre el plano y la masa de 100 kg es de 0.25 y entre las ma-
sas de 50 y 20 kg es de 0.375.
Solucin: en la figura 9.13 se muestran los diagramas de cuerpo libre de
los tres bloques. Las unidades de las fuerzas son newtons (kilogramos por
T R
100 X 9.8 =980 50 x 9.8 =490 20 X 9.8 = 196
FIGURA 9.13 Diagramas de cuerpo libre para los bloques sobre un plano inclinado.
metro por segundo al cuadrado), m es la masa en kilogramos y a
es la aceleracin en metros por segundo al cuadrado. Sumando fuerzas
en direccin paralela al plano y usando la segunda ley de Newton
(F = ma) ,
692.96 - 173.24 - T = lOOa
346.48 - 129.93 +T - R = 50a
138.59 - 51.97 +R = 2 0 ~
o. en forma matricial:
Resolviendo este sistema con eliminacin gaussiana, se obtiene:
a =4.840 5 m/ s2
T =36.667 1 N
R = 10.190 6 N
El expresar las ecuaciones del movimiento en forma matricial es
un planteamiento general y adaptable para problemas de este tipo.
Aunque el problema que se resolvi aqu fue fcil, el caso de estudio
sirve para ilustrar el planteamiento general e inspirar, al menos eso
se espera. las aplicaciones a problemas ms difciles. Cuando se jun-
tan con un mtodo numrico y una microcomputadora, son una
herramienta muy til que se puede usar en una gran variedad de
problemas complejos.
PROBLEMAS
I ngeniera en general
9.1 Reptanse los clculos del caso 9.1 usando los programas propios.
9.2 Efectense los mismos clculos del caso 9.1, cambiando los totales de horas-
hombre, metales, plsticos y componentes a 856 h, 3 050 kg, 1 450 kg y 948
unidades respectivamente.
9.3 Un ingeniero supervisa la produccin de tres tipos de automviles. Se requieren
tres clases de materiales "metal, plstico y caucho- para la produccin. La
cantidad necesaria para producir cada automvil es de
Auto-
Metalr Plirtiro, Cauchor
mvil
kglauto kglauto kglauto
1 1500 25 1 O0
2 1700 33 120
3 1900 42 160
Si se dispone de un total de 106 toneladas de metal, 2.17 toneladas de pltistico
y 8.2 toneladas de caucho diariamente, cuntos automviles se pueden producir
por da?.
9.4 Un ingeniero requiere 4 800 m3 de arena, 5 810 m3 de grava fina y 5 690 m3
de grava gruesa para la construccin de un proyecto. Existen tres bancos donde
se pueden obtener estos materiales. La composicin en cada banco es de:
~~~
Banco Ar ena Grava fina, Grava
TO 010 010 gruesa O/o
banco 1 52 30
banco 2 20 50
banco 3 25 20
18
30
55
Cuntos metros cbicos se debe tomar de cada banco para cumplir con las necesi-
dades del ingeniero?
I ngeniera qumica
9.5 Reptanse los clculos del caso 9.2 con los programas propios.
9.6 Efectense los mismos clculos del caso 9.2 cambiando la temperatura de la pared
a 200C.
9.7 Usando el mismo planteamiento del caso 9.2, calclese la distribucin de tempera-
tura en una varilla calentada en ambos extremos, como se muestra en la figura P9.7.
Aplquese la forma unidimensional de la ecuacin (9.6):
d2T
dx2
-__-
- 0
en donde x es la distancia a lo largo de la varilla. Grafquese T contra x.
FIGURA P9.7 Una varilla unidimensional se mantiene oislado a una temperatura constante en sus
extremos. Los puntos indican las posiciones en donde debe aplicarse la forma uni di -
mensional de la ecuacil (9. 6) para calcular la distribucin de la temperatura a lo
largo de la varilla.
9.8 Reptase el problema 9.7 incluyendo una prdida de calor en la ecuacin:
en donde r es el coeficiente de prdida de calor, igual a 0.01 cm - y la longitud
de la varilla es de 10 cm. Grafiquese T contra x.
9.9 La figura P9.9 muestra tres reactores ligados por tubos.Como se puede ver. la ve-
locidad de transferencia de sustancias qumicas a travs de los tubos es igual a la
velocidad de flujo (Q, con unidades de metros cbicos por segundo) mul~iplicada
por la concentracin del reactor del cual surge el flujo (c. con unidades de miligra-
mos por metro cbico). Si el sistema es estacionario, la transferencia en cada reac-
tor balancea la transferencia de salida. Por ejemplo. en el reactor 1. (entrada) =
(salida), o:
500 +Q21C2 =Q12C1 +Q 1 3 ~1
o, usando las velocidades de flujo especificadas como en la figura 9. 9:
500 +20~2 =80~1 +40~1
en donde 500 es una entrada directa (miligramos por segundo). Desarrllense ecua-
ciones de balance de masas comparables para cada uno de los otros reactores y
resulvanse las tres ecuaciones algebraicas lineales simultneas para la concentra-
cin en los reactores.
FIGURA P9.9 Tres reactores ligados por tubos. La velocidad de transferencia de masa a lo largo
de cada tubo es igual al producto del fluio Q y la concentracin c del reactor donde
se origina el fluio.
9.10 Empleando el mismo planteamiento bsico del problema 9.9, determnese la con-
centracin de cloruro en cada uno de los Grandes Lagos con la informacin de
la figura P9.10.
I ngeniera civil
9.11 Reptanse los clculos del caso 9.3 con los programas propios.
9.12 Efectense los mismos clculos del caso 9.3 cambiando el ngulo del nodo 2 a 40
y el del nodo 3 a 55. I
I
i
9.13 Efectense los mismos dlculos del caso 9.3, con la estructura mostrada en la figu-
45 45 ra P9.13.
..~. .
. I P
9.14 Efectense los mismos clculos del caso 9.3, con la estructura de la figura P9.14.
FIGURA P9.13.
500 180
FIGURA P9.14.
Ingeniera elctrica
9.15 Reptanse los clculos del caso 9.4, usando los programas propios.
9.16 Efectense los mismos clculos del caso 9.4, cambiando la resistencia entre los no
dos 3 y 4 a 15 Q y cambiando el voltaje V6 a 50 V.
9.17 Efectense los mismos clculos del caso 9.4. con el circuito mostrado en la figura
P9.17.
FIGURA P9.18.
Ingeniera mecnica
9.19
9.20
9.2 1
9.22
9.23
Reptanse los clculos del caso 9.5, usando los programas propios.
Efectense los mismos clculos del caso 9.5, cambiando el ngulo a 55O respecto
a la horizontal.
Efectense los mismos clculos del caso 9.5, cambiando el coeficiente de friccin
de la masa de 100 kg a 0.5 y el de las masas de 50 y 25 kg a 0.25.
Efectense los mismos clculos del caso 9.5, cambiando las masas de 100, 50 y
20 kg a 45, 20 y 80 kg, respectivamente.
Efectense los mismos clculos del caso 9.5, para el sistema mostrado en la figura
P9.23.
9.24 Efectense los mismos clculos del caso 9.5, con el sistema mostrado en 13figura
P9.24. (los ngulos son de 45').
9.25 Lanse todos los casos del captulo 9. En base a la lectura y a la experiencia elab-
rense los propios casos en cualquier campo de la ingeniera. Esto puede implicar
modificar o reexpresar alguno de ellos; sin embargo, pueden ser tambin totalmen-
te originales. Como los ejemplos de este libro, se deben inspirar en el contexto de
la ingeniera y se debe demostrar el uso de los mtodos numricos para solucionar
sistemas de ecuaciones algebraicas lineales. Escrbanse los resultados usando los
casos de este captulo como modelos.
FIGURA P9.24.
E P [LOGO:
PARTE Ill
En el cuadro 111.2 se muestra un resumen de los ele-
mentos de juicio implicados en la solucin de ecuacio-
nes algebraicas lineales simultneas. Hay tres mtodos;
grfico, regla de Cramer y manipulacin algebraica
que estn limitadas a pocas ecuaciones (n I 3) y por
lo tanto tienen poca utilidad prctica en la solucin de
problemas. Sin embargo, estas tcnicas son herramien-
tas didcticas muy tiles en la comprensin del com-
portamiento de sistemas lineales en general.
Los mtodos numricos mismos se dividen en dos cate-
goras generales: mtodos exactos y mtodos aproxi-
mados. Como su nombre lo indica, los primeros
obtienen soluciones exactas. Sin embargo, ya que se
ven afectados por los errores de redondeo, en algu-
nas ocasiones ofrecen resultados errneos. La magni-
tud del error de redondeo vara de sistema a sistema
y depende de una serie de factores. Estos incluyen las
dimensiones del sistema, su condicin y si la matriz de
coeficientes es dispersa o completa. Adems, la preci-
sin de la computadora influye en el error de redon-
deo. En general, se escogen los mtodos exactos para
resolver pocas ecuaciones (esto es, aquellos sistemas
menores de 50 ecuaciones).
Se usan comnmente dos mtodos; la eliminacin
gaussiana y el mtodo de Gaus-J ordan. Se recomien-
da emplear la estrategia de pivote0 en cualquier
implementacin que se haga de estos mtodos sobre
una computadora. Con la ayuda de esta estrategia,
los errores de redondeo disminuyen y se evitan pro-
blemas como la divisin por cero. Aunque en todos los
dems sentidos son iguales, la eliminacin gaussiana
es preferible a Gauss-J ordan, ya que la primera es un
50% ms rpida. Sin embargo, el mtodo de Gauss-
J ordan sigue siendo til ya que se puede modificar un
poco de manera que se pueda obtener la matriz inver-
sa como beneficio adicional en los clculos.
Aunque los mtodos de eliminacin tienen una gran uti-
lidad, el uso de toda la matriz de coeficientes puede
ser un factor lirnitante cuando se trata de sistemas muy
grandes y dispersos. Esto se debe a que grandes por-
ciones de memoria en la computadora deben almace-
nar ceros sin sentido. Para sistemas en forma de banda,
existen mtodos disponibles para la implementacin de
la eliminacin gaussiana sin tener que almacenar la ma-
triz de coeficientes completa. En el recuadro 7.2 sedes-
U
C
C
c
.-
E
.-
J
m
EPLOGO PARTE I l l 303
U
O
o
U
e,
i
2
O
u)
" N
O
u)
O
O
O
-
a,
a,
o
?
ul
VI
3
s
cribe un algoritmo muy simple para llevar a cabo lo anterior en sistemas es-
peciales con forma de banda; el caso tridiagonal.
AI mtodo que se describe en este libro se le conoce con el nombre de Gauss-
Seidel. Es diferente del mtodo exacto en cuanto a que ste emplea un es-
quema iterativo en la obtencin progresiva de aproximaciones ms cerca-
nas a la solucin. Por lo tanto, el efecto del redondeo es un punto discutible
dentro del mtodo de Gauss-Seidel, ya que las iteraciones se pueden pro-
longar tanto como sea necesario para obtener la precisin deseada. Ade-
ms, la versin del mtodo de Gauss-Seidel puede desarrollarse de manera
que se pueda ahorrar espacio en memoria para sistemas dispersos. Por lo
tanto, el mtodo de Gauss-Seidel es el mtodo preferencial en sistemas gran-
des de ecuaciones (loo), en donde los errores de redondeo y los requisi-
tos de almacenamiento vienen a ser un problema significativo para las
tcnicas exactas.
La desventaja del mtodo de Gauss-Seidel es que no siempre converge a
la solucin exacta o algunas veces lo hace de manera muy lenta. Unicamen-
te es confiable para aquellos sistemas dominantes diagonalmente. Sin em-
bargo, se dispone de los mtodos de relajacin que a veces ignoran estas
restricciones. Adems, ya que muchos sistemas algebraicos lineales origina-
dos de problemas fsicos muestran dominancia diagonal, el mtodo de Gauss-
Seidel tiene gran utilidad en la solucin de problemas de ingeniera.
En resumen, se conjuntan una serie de factores en la seleccin de una
tcnica para resolver un problema en particular que involucre ecuaciones
algebraicas lineales. Sin embargo, como ya se mencion, el tamao
y la dispersin del sistema son factores particularmente importantes al
determinar la eleccin.
111.5 RELACIONES Y FRMULAS IMPORTANTES
Cada una de las partes de este libro contiene una seccin que resume las
frmulas de mayor importancia. Aunque la parte Ill no menciona frmulas
simples, se ha usado el cuadro 111.3 para resumir los algoritmos que se han
cubierto. La tabla proporciona una visin global que resulta til en la revi-
sin y en la clarificacin de las diferencias principales entre los mtodos.
111.6 MTODOS AVANZADOS
Y ALGUNAS REFERENCIAS ADICIONALES
Los mtodos de este texto se han limitado a las tcnicas ms simples en la
solucin de ecuaciones lineales simultneas.
EPLOGO PARTE 111
305
d
I I I I I I
* " * " s t
fi
-
"_
"_
m N N
I l l
I
-SN x- ,x-
8
( 5 " & -
Existen otros mgtodos que uscin el mismo contexto de los problemas as como
tambin otros que tratan sobre valores propios y ecuaciones simultneas no li-
neales.
Descomposicin LU (Llamado tambin mtodo de Cholesky o mtodo de Crout)
es una tcnica particularmente eficiente en la solucin de algunos problemas
que se han mencionado en la parte I l l . Se encuentran buenas descripciones y
algoritmos de computadora para este mtodo en James, Smith y Wolford ( 1 977)
y Gerald y Wheatley (1 984).
Existen una variedad de tkcnicas para determinar los valores propios. James,
Smith y Wolford (1 977); Gerald y Wheatley (1 984) y Hornbeck (1 975) propor-
cionan una introduccin al tema. El tema se trata ms a fondo en Ralston y Ra-
binowitz (1 978); Householder (1 964) y en Wilkonson (1 965).
Las ecuaciones simultneas no lineales a veces se pueden resolver usan-
do el mtodo de Gauss-Seidel. Adems, una versin multidimensional ofre-
ce un esquema ms eficiente, aunque ms complicado del mtodo de
Newton-Raphson. En los libros de Carnahan, Luther y Wilkes ( 1 969); Ge-
rald y Wheatley ( 1 984) y J ames, Smith y Wolford (1977) se analizan los
mtodos. El libro de Ortega y Rheinboldt (1970) ofrece un trabajo muy
completo acerca del tema.
En resumen, la informacin anterior intenta introducir al lector en estu-
dios posteriores ms profundos sobre el tema y reas afines. En todas
las referencias anteriores se proporcionan descripciones de las tcnicas
bsicas de la parte I l l . Adems, Ralston y Rabinowitz ( 1 978) proporcio-
nan un anlisis ms profundo y en Stark (1 970) se incluye un estudio de
temas tales como el mal condicionamiento. El lector debe consultar estas
fuentes alternativas para complementar el material de este libro y enri-
quecer sus conocimientos sobre ecuaciones algebraicas lineales simul-
tneas. *
'Aqui slo se hace referencia a los libros por autor; al final del texto se halla una bibliografa completa.
!
P AR T E C ~J A T R O
-AJ USTE DE CURVAS
x
I V. 1 MOTI VACI ~N
A menudo se proporcionan datos mediante .un
conjunto de puntos discretos. Sin embargo, a ve-
ces se requieren estimaciones de puntos entre esos
valores discretos. Esta parte del libro describe al-
gunas tcnicas de ajuste de curvas de manera que
con tales datos se obtengan aproximaciones inter-
medias. Adems, a veces se requiere una versin
simplificada de una funcin muy complicada. Una
manera de hacerlo es la de calcular valores de la
funcin enun conjunto de valores discretos a lo
largo del rango de inters. Despus se puede ob-
tener una funcin mas simple ajustando estos va-
lores: A estas dos apticaciones se les conoce con
el nombre de ajuste de curvas.
Hay dos esquemas generales en el ajuste de cur-
vas que se distinguen entre s en base a la canti-
dad de error asociada con los datos. Primero,
donde los datos muestran un grado significativo
deerror o ruido, la estrategia es derivar una cur-
va simple que repre.sente el comportamiento ge-
neral de los datos. Ya que cada punto individual
puede estar incorrecto, no es necesario intersec-
,tar cada punto individual puede estar incorrecto,
no es necesario intersectar cada uno de ellos. En
vez de esto, la curva se disea de tal manera que
siga un patrn sobre los puntos tomados como un
todo. A un procedimiento de esta naturaleza se
le conoce con el nombre de regresin con mnimos
cuadrados (Fig. I V.l a).
Segundo, donde se conoce que los datos son muy
exactos, el proceso es ajustar una curva o una se-
rie de curvas que pasen exactamente por cada uno
de los puntos. Estos datos generalmente se derivan de
tablas. Algunos ejemplos son los valores de la densi-
dad del agua y de la capacidad de calor de los gases
como una funcin de la temperatura. A la estimacin
de valores entre puntos discretos conocidos se le co-
noce con el nombre de interpolacin (Fig. IV. l b y c).
308
____- -
MTODOS NUM RI COS PARA INGENIEROS
FIGURA I V.l Tres intentos de ajustar la "mejor" curva a troves de los cinco dotos o) regresin
con mnimos cuadrados, b) interpolacin lineal y c) interpolacin curvilnea.
IV.l . l . Mtodos de ajuste de curvas antes del
uso de la microcomputadora
El mtodo ms simple de ajustar una curva a un conjunto de datos
es el de trazar los puntos y unirlos con una lnea recta. Aunque esta
es una alternativa vlida y se utiliza cuando se requiere hacer esti-
maciones rpidas, los resultados son dependientes, desde un punto
de vista subjetivo, de la persona que traza la curva.
Por ejemplo, en la figura IV.l se muestran diferentes trazos sobre un
mismo conjunto de datos hechos por tres estudiantes. El primero no
intenta conectar los puntos, en vez de eso caracteriza el crecimiento
AJUSTE DE CURVAS 309
de los datos mediante una lnea recta (Fig. IV.l .a). El segundo
estudiante us segmentos de lnea recta o interpolacin lineal en la
conexin de los puntos (Fig. IV.l h ) . Esta tcnica es muy comn en
ingeniera. Si los valores se acercan realmente al caso lineal y estn
espaciados muy cerca entre s, entonces esta aproximacin ofrece una
estimacin adecuada en muchos clculos de ingeniera. Sin embargo,
en donde la relacin subyacente es altamente curvilnea o en donde
los datos estn muy separados entre s, se pueden introducir errores
significativos en la interpolacin lineal. El tercer estudiante us curvas
que intentan capturar el comportamiento sugerido por los datos (Fig.
IV.l c). Un cuarto o quinto estudiante desarrollara un ajuste diferente.
Obviamente, la meta aqu es la de desarrollar mtodos sistemticos
y objetivos con el propsito de derivar tales curvas.
IV.1.2 Ajuste de curvas en ingeniera
El primer enfrentamiento del ingeniero con el ajuste de curvas pudo
ser el de determinar un valor intermedio de datos contenidos en una
tabla por ejemplo, de tablas de inters en la economa o de tablas
de vapor en termodinmica. A lo largo de la profesin de un inge-
niero, frecuentemente se presentan ocasiones en las que se deben cal-
cular valores intermedios de estas tablas.
Aunque muchas de las frmulas utilizadas ampliamente en ingeniera
ya han sido tabuladas, existe otra gran cantidad de los que no tienen
aplicacin al hacerlas de esta forma. Los casos especiales y los pro-
blemas nuevos de contexto requieren a menudo que se obtengan da-
tos propios y que se desarrollen relaciones predictivas, tambir!
propias. Se pueden encontrar, en general, dos tipos de aplicaciones
cuando se ajustan datos experimentales: el anlisis de tendencias y
la prueba de hiptesis.
El anlisis de tendencias representa el proceso de usar el patrn de
los datos y hacer predicciones. Para los casos en que los datos se mi-
den con alta precisin, se pueden usar polinomios de interpolacin.
Los datos imprecisos, en general, se analizan con regresin de mni-
mos cuadrados.
El anlisis de tendencias se puede usar para predecir o pronosticar
valores de l a variable dependiente. Esto a veces involucra extrapolar
ms all de los lmites de los datos observados o interpolar dentro del
rango de datos. Generalmente, en todos los campos de la ingenieria
se encuentra este tipo de problemas.
Una segunda aplicacin a la ingeniera del ajuste de curvas experi-
mentales es la prueba de hiptesis. Aqu se compara un modelo ma-
temtico existente con los datos medidos. Si los coeficientes del mo-
delo se desconocen, a veces es necesario determinar valores que se
ajusten mejor a los datos observados. Por el otro lado, si las estima-
ciones de los coeficientes del modelo se encuentran disponibles puede
ser apropiado comparar los valores predecidos del modelo con los
valores observados y as probar la eficiencia del mtodo. A menudo,
se comparan modelos alternos y se selecciona "el mejor" en base a
observaciones empricas.
Adems de las aplicaciones anteriores a la ingeniera, el ajuste de cur-
vas es importante en otros mtodos numricos tales como la integra-
cin y la solucin aproximada de ecuaciones diferenciales. Finalmente,
los mtodos de ajuste de curvas se pueden usar para derivar funcio-
nes simples y aproximar funciones complicadas.
IV.2 FUNDAMENTOS MATEMTICOS
Los fundamentos matemticos necesarios para la interpolacin se en-
cuentran en las expansiones de la serie de Taylor y diferencias dividi-
das finitas introducidos en el captulo 3. En la regresin con mnimos
cuadrados se requieren conocimientos de estadstica. Si el lector est
familiarizado con los conceptos de media, desviacin estndar, su-
ma residual de cuadrados y distribucin normal, entonces puede omitir
las siguentes paginas e ir directamente a la seccin IV.3. Si no conoce
estos conceptos o si necesita recordarlos, entonces se recomienda leer
el siguiente material como una breve introduccin a estos temas.
IV.2.1 Estadstica simple
Supngase que en un curso de ingeniera se hacen varias medidas
de una determinada cantidad. Por ejemplo, el cuadro IV.l contiene
24 lecturas del coeficiente de expansin trmica de un acero estruc-
tural. AI observar estos valores, proporcionan una cantidad limitada
de informacin, esto es, el rango de valores va desde un mnimo de
CUADRO IV. 1 Coeficientes obtenidos al medir la
expansin trmica de un acero
estructural
( x 1 O-6 pulg/pulg/F)
6.495 6.625 6.635 6.655
6.665 6.51 5 6.625 6.775
6.755 6.61 5 6.575 6.555
6.565 6.435 6.395 6.655
6.595 6.71 5 6.485 6.605
6.505 6.555 6.71 5 6.685
AJUSTE DE CURVAS 31 1
6.395 hasta un mximo de 6.775. Se puede profundizar en el conoci-
miento de los mismos agrupando los datos en una o mas medidas es-
tadsticas conocidas que proporcionen tanta informacin como sea
posible acerca de caractersticas especficas del conjunto de datos. Estas
medidas estadsticas descriptivas se seleccionan ms a menudo para
representar 1 ) la posicin central de la distribucin de datos y 2) el
grado de dispersin del conjunto de datos.
La medida estadstica ms comn es la medida. La media (y) de una
muestra se define como la suma de los datos individuales (y;) dividi-
do
en
La
por el nmero de puntos (n), o:
.. .
[I V.l]
donde la sumatoria va desde i = 1 hasta n.
medida mas comn de la dispersin de una muestra es la desvia-
cin estndar (sJ, en funcin de la media:
[IV.2]
I I
en donde S es la suma total de los cuadros de los residuos entre los
puntos y la media, esto es:
S, =c (y, - [IV.3]
Por lo tanto, si las medidas individuales se dispersan muy lejos de la
media, S, (y, por lo tanto s y ) crecer. Si se agrupan muy cerca de la
media entonces la desviacin estndar ser pequea. La dispersin
tambin se puede representar por el cuadrado de la desviacin es-
tndar, a la cul se le llama varianza:
[IV.4]
Ntese que el denominador en ambos casos es n - l. Esto toma en
consideracin que un promedio derivado previamente de los datos
(esto es, la media) se us para determinar S,. Formalmente, se dice
que se pierde un grado e I ibedad. Otra justificacin de dividir por
n - 1 es que no hay dispersin en un solo dato. Por lo tanto, en el
caso donde n = 1, la ecuacin (IV.4) proporciona un resultado sin
sentido o infinito.
Una medida estadstica final que tiene utilidad en la cuantificacin de
la dispersin de los datos es el coeficiente de variacin (c. v). Esta me-
dida estadstica es el cociente de la desviacin estndar de la media.
Como tal, proporciona una media normalizada de la dispersin. A
menudo se multiplica esta cantidad por 100, de tal manera que se
pueda expresar en forma porcentual:
[ ; I
C.V. == 100% [IV.5]
Ntese que el coeficiente de variacin es similar al error relativo porcen-
tual (tu) mencionado en la seccin 3.3. Es decir, el cociente de una
medida de error (S,,) entre una estimacin del valor verdadero (a.
EJEMPLO I V.l
Tratamiento estadstico sencillo de una muestra
Enunciado del problema: calclense la media, varianza, desvia-
cin estndar y coeficiente de variacin de los datos del cuadro I V.l.
Solucin: los datos se suman (cuadro I V.2) y los resultados se usan
para calcular [Ec.(lV.l)]:
- 158.400
24
= 6.6
Como en el cuadro I V.2, la suma de los cuadrados de los residuos
es 0.21 7 00, que se puede usar en el calculo de la desviacin estn-
dar [Ec.(lV.2)]:
I
I
sy = ,/T =0.097 733
I
1 y la varianza [Ec.(lV.4)]:
S, = 0.009 435
y los coeficientes de variacin [Ec.(lV.S)]:
C.V. = 0.097 331 00% =1.47%
6.6
AJUSTE DE CURVAS 313
Cuadro IV.2 Clculos para la obtencin de las medidas estadsticas e histogra-
ma de las lecturas del coeficiente de expansin trznica
INTERVALO
Limite lmite
I Y; (Y; - 7, Frecuencia inferior Superior
6. 395
6. 435
6. 485
6. 495
6. 505
6. 51 5
6. 555
6. 555
6. 565
6. 575
6. 595
6. 605
6. 61 5
6. 625
6. 625
6. 635
6. 655
6. 655
6. 665
6. 685
6. 715
6. 715
6. 755
6. 775
6. 36
6. 40
6. 40
6. 44
0. 042 025
0. 027 225
0. 013 225
0.01 1 025
0. 009 025
0. 007 225
0. 002 025
0.001 225
0. 000 625
0. 000 025
0. 000 025
0. 000 225
0. 000 625
0. 000 625
0. 001 225 i
0. 003 025
0. 003 025
0. 004 225
0. 007 2251
6. 48 6. 52 4
6
7
8
2
3
6. 52
6. 56
6. 56
6. 60
9
10
1 1
12
13
14
15
16
17
18
19
20
5 6. 60 6. 64
3 6. 64 6. 68
21
22
23
0. 01 3 225)
0. 013 225
3 6. 68 6. 72
0. 024 025
0. 030 625
6. 72
6. 76
6. 76
6. 80
24
z 158. 400 0. 21 7 O00
I V.2.2 La distribucin normal
La caracterstica final que se menciona en este anlisis es la distribu-
cin de datos, es decir, el comportamiento con el cual los datos se
distribuyen alrededor de la media. Un histogrurnu proporciona una
representacin visual simple de la distribucin. Como el cuadro I V.2,
un histograma se construye ordenando los datos en intervalos. Los
intervalos se grafican sobre el eje e las abscisas y la frecuencia de
ocurrencia de estos se grafica en el eje de las ordenadas. Por lo tari-
to, cinco de las medidas caen dentro del intervalo 6.60 y 6.64. Como
en la figura IV.2, el histograma sugiere que la mayor parte de los da-
tos se agrupan cerca de la media.
Si se tiene un conjunto grande de datos, a menudo el histograma se
transforma de un diagrama de barras en una curva suave. La curva
FIGURA I V.2 Uso de un histograma para delinear la distribucin de los datos. A medida que el
nmero de puntos aumenta, el histograma tiende a una curva uniforme y sin discon-
tinuidades llamada distribucin normal.
simtrica y homognea sobrepuesta a la figura IV.2 muestra una de
estas curvas caractersticas; la distribucin normal. Si se proporciona-
ran medidas adicionales suficientes, entonces el histograma en este
caso en particular, tendera eventualmente a la distribucin normal.
los conceptos de media, desviacin estndar, suma residual de cua-
drados y distribucin normal tiene una gran importancia dentro de
la ingeniera. Un ejemplo muy simple es su uso en la cuantificacin
de la confiabilidad que se le puede atribuir a un dato particular. Si
una cantidad est distribuida normalmente, el rango definido por
y - S, a y + S, abarcar aproximadamente el 68% del nmero to-
tal de datos. De la misma manera, el rango definido por y - ' s, a
y + 2 S,, abarcar aproximadamente el 95%
Por eiemplo, en los coeficientes de expansin trmica del cuadro IV. 1
(y = 6.6 y S, 0.097 133), se puede decir que aproximadamente el
95% de los datos se encuentra entre 6,405 734 y 6.794 266. Si al-
guien dijo que se midi un valor de 7.35, entonces se puede esperar
que este dato sea errneo.
l o anterior es slo un ejemplo muy simple de cmo se pueden usar
las estadsticas para dar juicios acerca de la certeza de los datos. Es-
tos conceptos tambin tienen importancia directa en el anlisis de mo-
delos de regresin. Se puede consultar cualquier libro bdrsico de
estadstica (por ejemplo, Ang y Tang, 1975, o Laping, 1983) para ob-
tener informacin adicional sobre el tema.
IV.3 ORIENTACION
Antes de pasar a los mtodos numricos en el ajuste de curvas, pue-
de ser til una orientacin. Lo que sigue est enfocado a dar una vi-
sin general del material analizado en la parte IV. Adems, se han
formulado algunos objetivos para ayudar al aprendizaje del lector
cuando estudie el material.
IV.3.1 Avance y alcance
En la figura IV.3 se muestra una visin global del material que se cu-
bre en la parte IV. El captulo 70 se dedica a la regresin con mnimos
cuudrudos. Primero se aprender a ajustar la mejor lnea recta a
travs de un conjunto de datos inciertos. A esta tcnica se le conoce
con el nombre de regresin lineal. Adems del anlisis sobre el clcu-
lo de la pendiente y punto de interseccin de la lnea recta, se pre-
sentan tambin mtodos cuantitativos y visuales para la evaluacin
de la validez de los resultados.
Adems de ajustar una lnea recta, se estudia tambin una tcnica
general para ajustar al meior polinomio. Por lo tanto, se aprende-
r a derivar un polinomio cuadrtico, cbico o de orden superior que
se ajuste de manera adecuada a los datos inciertos. La regresin li-
neal es un subconjunto de este esquema ms general, al cual se le
conoce con el nombre de regresin polinornial.
Finalmente, el ltimo tema cubierto en el captulo 10 es la regresin
lineal mltiple. Que est diseada para casos en que la variable de-
pendiente y sea una funcin lineal de dos o ms variables indepen-
dientes xl, x2, ..., x,. Este esquema tiene una utilidad especial en la
evaluacin de datos experimentales en donde la variable de inters
depende de un conjunto de factores.
En el captulo 7 7 se describe una tcnica alternativa de ajuste
de curvas a la que se le llama interpolacin, Como se dijo ante-
riormente, la interpolacin se usa para estimular valores interme-
dios entre datos conocidos. En el captulo 11 se derivan polinomios
que cumplen este propsito. Se introduce el concepto bsico de
interpolacin polinominal usando rectas y parbolas para conec-
tar puntos. Despus, se desarrolla un procedimiento general para
ajustar un polinomio de n-simo orden. Se presentan dos formatos
diferentes para expresar estos polinomios en forma de ecuaciones.
Es preferible el primero de ellos, llamado polinornio de interpola-
cin de Newton, cuando se desconoce el orden correcto del poli-
nomio. El segundo, llamado polinornio de interpolacin de Lagrunge
tiene algunas ventajas cuando el orden del polinomio se conoce
de antemano.
La ltima seccin del captulo 11 se dedica a una tcnica diferente
en el ajuste preciso de datos. Esta tcnica, llamada interpolacin seg-
rnenturia (en ingls spline), ajusta los datos a polinomios pero por in-
tervalos. De ah que sea particularmente til cuando se ajusten datos
que en general son homogneos, pero muestran cambios locales
abruptos.
En el capitulo 72 se desarrollan casos de estudio que ilustran la utili-
dad de los mtodos numricos dentro de contextos de la ingeniera.
Se muestran algunos ejemplos tanto de la ingeniera en general co-
mo de las cuatro ramas ms importantes de la misma: qumica, civil,
elctrica y mecnica.
Finalmente, se incluye un eplogo al final de la parte IV. Este incluye
un resumen de las frmulas y conceptos ms importantes relaciona-
dos con el ajuste de curvas, as como un anlisis de los factores de
mayor importancia entre las tcnicas y sugerencias para estudios pos-
teriores.
En la parte IV se incluyen algunas opciones de clculo por computa-
dora. Primero, el paquete de programas NUMERICOMP que acom-
paa al texto contiene programas que son legibles al usuario sobre
regresin lineal e interpolacin de Lagrange. Alternativamente, se in-
cluyen en el texto programas escritos en FORTRAN y en BASIC. Esto
le proporciona al lector la oportunidad de copiar el programa para
implementarlo en su propia microcomputadora o supercomputado-
ra. Tambin se incluyen los diagramas de fluio y los algoritmos para
la mayor parte de los mtodos descritos en el texto. Este material puede
servir de base en la construccir! de un paquete de programas que
el lector puede desarrollar y aplicar a los problemas de ingeniera.
IV.3.2 Metas y objetivos
Objetivos de estudio. Despus de terminar la parte IV, el lector debe
haber aumentado en gran medida sus capacidades en el ajuste de cur-
vas con datos. En general, se deben dominar las tcnicas, se debe
haber aprendido a valorar la confiabilidad de las respuestas y ser ca-
paz de escoger el mejor mtodo (o mtodos) para cualquier proble-
ma. Adems de estas metas generales, se deben asimilar y dominar
los conceptos especficos del cuadro IV.3.
Objetivos de cmputo. El lector debe tener un conjunto de progra-
mas simples de computadora, algoritmos y diagramas de flujo
que implementen los mtodos analizados en la parte IV. Todos
ellos como herramientas de aprendizaje.
El paquete opcional de programas NUMERICOMP, incluye los pro-
gramas de regresin lineal de interpolacin de Lagrange. Las grfi-
cas asociadas con este paquete le ayudarn al lector a visualizar el
problema adems de las operaciones matemticas asociadas. Las gr-
ficas son una parte crtica en la apreciacin sobre la validez de una
regresin. Tambin proporcionan una gua relacionada con el orden
318 MTODOS NUMfRICOS PARA INGENIEROS
CUADRO IV.3 Objetivos de estudios especficos de la parte I V
1 . Entender la diferencia fundamental entre regresin e interpolacin y darse
cuenta que el confundirlos puede acarrear serios problemas.
2. Entender la derivacin de la regresin lineal con mnimos cuadrados y ser
capaz de valorar la confiabilidad del ajuste usando grficas a apreciaciones cuan-
titativas.
3. Saber linealizar datos para llevar a cabo transformaciones.
4. Entender las situaciones en dnde es apropiado usar regresin polinomial
5. Entender que hay uno y slo un polinomio de grado n o menor que pasa exac-
6. Saber como derivar el polinomio de interpolacin de Newton de primer orden.
7. Entender la analoga entre el polinomio de Newton y la expansin de la
serie de Taylor y cmo se relacionan con el error de truncamiento.
8. Reconocer que las ecuaciones de Newton y de Lagrange son meramente
formulaciones diferentes del mismo polinomio de interpolacin y de enten-
der sus respectivas ventajas y desventoias.
9. Observar que se obtienen resultados ms exactos si los puntos usados para
interpolacin se centran alrededor y cerca de la incgnita.
10. Reconocer que los puntos no tienen por qu estar igualmente espaciados
ni en ningn orden en particular para los polinomios de Newton y de La-
o mltiple.
tamente a travs de los R +1 puntos.
grange.
utilidad.
1 1 Conocer el por qu las frmulas de interpolacin igualmente espaciados tienen
12. Reconocer las limitaciones y las incertidumbres asociadas con la extrapolacin.
13. Entender por qu las funciones segmentarias tienen utilidad para datos con
reas locales de cambios significativos.
correcto de una interpolacin polinomial y si es confiable efectuar la
extrapolacin. El paquete es muy fcil de aplicarse en la solucin de
problemas prcticos y se puede usar en la verificacin de los resulta-
dos de cualquier programa que el lector haya desarrollado por s
mismo.
Adems, se incluyen los programas de computadora, los algoritmos
o los diagramas de flujo para la mayor parte de los mtodos de la
parte IV. Esta informacin le permitir ai lector expander su bibliote-
ca de programas incluyendo tcnicas que van ms all de la regre-
sin lineal y de la interpolacin de Lagrange. Por ejemplo, puede ser
til, desde un punto de vista profesional, tener un paquete de pro-
gramas que incluya regresin polinomial, polinomio de interpolacin
de Newton e interpolacin cbica segmentaria (del ingls cubic spline).
C A P T U L O D I E Z
REGRESI ~N
CON MNIMOS
CUADRADOS
Cuando se asocia un error sustancial con los datos, la interpolacin poii-
nomial es inapropiada y puede llevar a resultados no satisfactorios cuan-
do se usa para predecir valores intermedios. Los datos experimentales
a menudo son de este tipo. Por ejemplo, en la figura 10. l a se muestran
siete datos obtenidos experimentalmente que muestran una variacin sig-
nificativa. La inspeccin visual de los datos sugiere una relacin positiva
entre y y x. Es decir, la tendencia total indica que a valores mayores de
y se le asocian valores mayores a x. Ahora, si se ajusta un polinomio in-
terpolante de sexto orden a estos datos (Fig. l O. l b), pasar exactamente
por todos los puntos. Sin embargo, debido a la variabilidad de los datos,
la curva oscila ampliamente en los intervalos entre puntos. En particular,
los valores interpolados x = 1.5 y x = 6.5 parecen ir ms all d e l rango
sugerido por los datos.
Una estrategia ms apropiada en estos casos es la de obtener una fun-
cin aproximada que ajuste adecuadamente el comportamiento o la
tendencia general de los datos, sin coincidir necesariamente con cada punto
en particular. La figura 10. IC muestra una linea recta que puede usarse en
la caracterizacin de la tendencia de los datos sin pasar sobre ningn punto
en particular.
Una manera de determinar la lnea de la figura 10. 1~ es inspeccio-
nar visualmente los datos graficados y luego trazar la mejor lnea
a travs de los puntos. Aunque este enfoque recurre al sentido comn
Y es vlido para clculos a simple vista es deficiente ya que es
arbitrario. Es decir, a menos que los puntos definan una lnea recta
perfecta (en cuyo caso la interpolacin sera apropiada), cada analista
trazar rectas diferentes.
La manera de quitar esta subjetividad es considerar un criterio que
cuantifique la suficiencia del ajuste. Una forma de hacerlo es obtener una
curva que minimice la diferencia entre los datos y la curva. En este cap-
tulo se analiza un mtodo para llevar a cabo este objetivo al que se le
llama regresin con minimos cuadrados.
FIGURA 1 O. 1 a) Muestra de datos con un error significativo. b) Ajuste polinomial con
oscilaciones que violan el rango de los datos, c) se obtienen resultados
ms satisfactorios usando el ajuste de mnimos cuadrados.
REGRESldN CON MNIMOS CUADRADOS 32 1
10.1 REGRESIN LINEAL
Ei ejemplo ms simple de una aproximacin por mnimos cuadrados es
el ajuste de una lnea recta a un conjunto de parejas de datos observa-
das: (x1, yl ), (xp, y2), . . . , (x,,, y,,). La expresin matemtica de una lnea
recta es:
y = a0 +al x + E
[10.1]
en donde a. y al son coeficientes que representan la interseccin con el
eje de las abscisas y la pendiente, respectivamente y E es el error o resi-
duo entre el modelo y las observaciones, que se puede representar reor-
denando la ecuacin (10.1) como:
E =y - a0 - al x
Por lo tanto, el error o residuo es la diferencia entre el valor real de y
y el valor aproximado, a. +a, x, predicho por la ecuacin lineal.
10.1.1 Criterio para un mejor ajuste
Una estrategia que obtiene la mejor lnea a travs de los puntos debe
minimizar la suma de los errores residuales, como en:
/ /
i=1 i=l
[10.2]
Sin embargo, este criterio es inadecuado, como se puede ver en la figura
10.2a, en donde se muestra la lnea recta que ajusta dos puntos. Obvia-
mente, la mejor lnea ajustada es aquella que conecte ambos puntos. Sin
embargo, cualquier lnea que pasa por el punto medio de la lnea que
los conecta (excepto una lnea perfectamente vertical) genera un valor m-
nimo en la ecuacin (10.2) igual a cero ya que los errores se cancelan.
Otro criterio sera minimizar la suma de los valores absolutos de las
diferencias, esto es:
n n
1 6 1 = 2 I M - a0 - alxil
i= 1 i= 1
En la figura 10.21 se muestra por qu este criterio tambin es inadecua-
do. Con los cuatro puntos mostrados, cualquier lnea recta que se en-
cuentre dentro de las lneas punteadas minimiza el valor absoluto de la
suma. Por lo que este criterio an no produce el mejor ajuste que sea nico.
Una tercera estrategia en el ajuste de una lnea ptima es el criterio
de minimax. En este mtodo, la lnea se escoge de tal manera que mini-
mice la distancia mxima a la que se encuentra un punto de la linea rec-
322 MbODOS NUMRICOS PARA INGENIEROS
"
FIGURA 10.2 Ejemplos de algunos de los criterios de " meior ajuste" que son inade-
cuados en la regresin: a) minimizacin de la suma de los residuos; b)
minimizacin de la suma de los valores absolutos de los residuos y c) mi-
nimizacin del error mximo de cualquier punto individual.
ta. Como se muestra en la figura lo.&, est estrategia est mal
condicionada para regresin ya que influye de manera indebida sobre un
punto externo, aislado, cuyo error es muy grande. Se debe notar que
el criterio minimax algunas veces est bien condicionado para ajustar una
funcin simple a una funcin complicada (Carnahan, Luther y Wilkes,
1969).
Una estrategia que ignora las restricciones anteriores es la de minimi-
zar la suma de los cuadrados de los residuos, S,, de la siguiente manera:
n n
S, =2 E? = (yi - a0 - alxi)2
=1 i =l
E10.31
REGRESIN CON MNIMOS CUADRADOS 323
Este criterio tiene muchas ventajas, incluyendo el que ajusta una linea nica
a un conjunto dado de datos. Antes de analizar estas propiedades, se mues-
tra un mtodo que determina los valores de a. y al que minimizan la
ecuacin (10.3) .
10.1.2 Ajuste de una recta utilizando mnimos
cuadrados
Para determinar los valores de las constantes a. y al, se deriva la ecua-
cin (10.3) con respecto a cada uno de los coeficientes:
Ntese que se han simplificado los smbolos de la sumatoria; a menos
que otra cosa seindique, todas las sumatorias van desde i = 1 hasta n.
Igualando estas derivadas a cero, se genera un mnimo S,. Si se hace as',
las ecuaciones anteriores se expresarn cmo:
Ahora, considerando que C a. = nao, las ecuaciones se pueden expre-
sar como un conjunto de dos ecuaciones lineales simultneas con dos in-
cgnitas (ao y al):
nao +C xial = yi [10.4]
[10.5]
A estas ecuaciones se les conoce como ecuaciones normales. Se pueden
resolver simultneamente y obtener [(recurdese la Ec. 7.10)]:
[10.6]
Este resultado se puede usar junto con la ecuacin (10.4) para obtener:
en donde v y X son la medid+de
lll__ .. . . . ." . . .
[10.7]
y y x, respectivamente.
EJEMPLO 1 O. 1
Regresin lineal
Enunciado del prblema: ajstese una lnea recta a los valores x y y de
las primeras dos columnas del cuadro 10. l.
CUADRO 1 O. 1 Clculos para el anlisis del error del ajuste
lineal
1 0. 5 8. 576 5 0. 168 7
2 2. 5 0. 862 2 0. 562 5
3 2. 0 2. 040 8 0. 347 3
4 4. 0 0. 326 5 0. 326 5
5 3. 5 0. 005 1 0. 589 6
6 6. 0 6. 612 2 0. 797 2
7 5. 5 4. 290 8 0. 199 3
c. 24 22. 714 3 2. 991 1
-
Solucin: se pueden calcular las siguientes cantidades:
n = 7 2 xjyj =119.5 xf = 140
24
7
2 yi =24 J = - = 3.428 571 429
Usando las ecuaciones (10.6) y (10.7),
an = 3.428 S71 429 - 0.839 285 714(4) = 0.071 428 57
Por lo tanto, el ajuste con mnimos cuadrados es:
y = 0:071 428 57 + 0.839 285 714~
La lnea, junto con l os datos, se muestra en la figura 10.1~.
REGRESldN CON MNIMOS CUADRADOS 325
10.1.3 Cuantificacin del error en la regresin lineal
Cualquier lnea recta diferente a la que se calcul en el ejemplo 10.1 ge-
nera una mayor suma de cuadrados de los residuos. Por lo tanto, la lnea
es nica y en trminos del criterio escogido es la mejor lnea a travs
de los puntos. Se puede derivar un gran nmero de propiedades adicio-
nales de este ajuste, examinando ms de cerca la manera como se calcu-
laron los residuos. Recurdese que la suma de los cuadrados se define
como [Ec. (10.3)]: I
S, = 2 ( yi - a. - alxi)* 110.81
Ntese la similitud entre las ecuaciones (IV.3) y (10.8). En el primer
caso, los residuos representaban la diferencia entre los datos y una aproxi-
macin simple de la medida de la tendencia central; la media. En la ecuacin
(10.8), los residuos representan el cuadrado de la distancia vertical entre
los datos y otra medida de la tendencia central; la lnea recta (Fig. 10.3).
La analoga se puede extender ms para casos en donde 1) la dispersin
de los puntos alrededor de la recta son de magnitud similar a lo largo del
rango entero de los datos y 2) la distribucin de estos puntos alrededor
de la lnea es normal. Se puede demostrar que si este criterio se cumple,
la regresin con mnimos cuadrados proporciona la mejor (es decir, la ms
probable) aproximacin de a. y al (Draper y Smith, 1981). A esto se le
conoce como principio de probabilidad mxima dentro de la estadstica.
Adems, si este criterio se cumple, una desviacin estndar de la lnea
de regresin se puede determinar como [comprece con la Ec. (IV.2)]:
i = 1
FIGURA 10.3 El residuo en la regresin lineal representa el cuadrado de ladistancia
vertical entre un punto y la lnea recta.
326 M~TODOS NUM~RICOS PARA lNGENlEROS
[10.9]
en donde sy,x se llama error estndar de la aproximacin. La notacin
con subndice y/x indica que el error es para un valor predicho de y
correspondiente a un valor particular de x. Tambin, ntese que ahora
la divisin es por n - 2 ya que se usan dos aproximaciones obtenidas
de los datos; a. y a, para calcular S; por lo tanto, se han perdido dos
grados de libertad. Como con el anlisis de desviacin estndar en la sec-
cin I V.2.1, otra justificacin de dividir por n - 2 es que no existe una
dispersin de los datos alrededor de una lnea recta que conecta dos
puntos. De esta manera, para el caso cuando n = 2, la ecuacin (10.9)
no proporciona un valor de infinito el cual no tiene sentido.
As como con la desviacin estndar, el error estndx de la aproxima-
cin cuantifica la dispersin de los datos. Sin embargo, cuantifica la
dispersin alrededor de la linea de regresin, como se muestra en la figura
10.4, contrario a la desviacin estndar original, S, que cuantifica la
dispersin alrededor de la medi a.
Los conceptos anteriores se pueden emplear para cuantificar la efi-
ciencia del ajuste. Esto es particularmente til en la comparacin de va-
rias regresiones (vase la Fig. 10.5). Para hacerlo se regresa a los datos
originales y se determina la suma de los cuadrados alrededor de la media
para la variable dependiente (en este caso, y). Se le puede llamar a esto
REGRESl dN CON MNIMOS CUADRADOS 327
FIGURA 10.5 Ejemplos de la regresin lineal con a) errores residuales pequeos y b)
grandes.
la suma total de los cuadrados, S,. Esta es la cantidad de dispersin en
la variable dependiente que existe antes de la regresin. Despus de Ile-
var a cabo la regresin lineal, se puede calcular S,, que es la 5uma de
los cuadrados de los residuos alrededor de la linea de regresin. Este pre-
senta la dispersin que existe despus de la regresin. La diferencia entre
las dos cantidades, o St - S, cuantifica la mejora en la reduccin del
error debido al modelo de la lnea recta. Esta diferencia se puede norma-
lizar al error total y obtener:
[10.10]
en donde r es el coefi ci ente de correlacin y r2 es el coefi ci ente de de-
terminacin. Para un ajuste perfecto, S, = O y r2 = l, indicando que
la lnea recta explica el 100 % de la variabilidad. Si r 2 = O, entonces el
ajuste no representa mejoras.
EJEMPLO 10.2
Estimacin de los errores en el ajuste por mnimos cuadrados lineal
Enunciado del problema: calclese la desviacin estndar total, el error
estndar de la aproximacin y el coeficiente de correlacin de los datos
del ejemplo 10.1.
Solucin: las sumatorias se muestran en el cuadro 10.1. L.a desviacin
estndar total es [Ec. (IV.2)]
y el error estndar de la aproximacin es IEc. (10.9)]:
por lo tanto, ya que S , , < S,, el modelo de regresin lineal es acepta-
ble. El alcance de la mejora se cuantifica mediante [Ec. (10.lO)l
22.714 3 - 2.991 1
)-2 =
22.714 3
=0.868
O
r = =0.932
Estos resultados indican que el 86.8% de la incertidumbre original se ha
explicado mediante el modelo lineal.
Antes de proceder con el programa de computadora para el mtodo
de regresin lineal, son necesarios algunos comentarios. Aunque el coe-
ficiente de correlacin proporciona un medio fcil de medir la efectividad
del ajuste, se debe tener cuidado de no atribuirle significado garantizado.
El que r est cercano a 1, no significa que el ajuste sea necesariamente
bueno. Por ejemplo, es posible obtener un valor relativamente alto de
r cuando la relacin mencionada entre y y x ni siquiera es lineal. Draper
y Smith (1981) proporcionan una gua y material adicional que sirve para
valorar los resultados de una regresin lineal. Adems, como mnimo, se
debe inspeccionar siempre una grfica de los datos con una lnea de re-
gresin cuando se ajusten curvas de regresin. Como se ver en la siguien-
te seccin, los programas de NUMERICOMP contienen estas opciones.
10.1.4 Programa de computadora para la regresin lineal
Es relativamente sencillo desarrollar un programa para la regresin lineal.
La figura 10.6 muestra las versiones en FORTRAN y BASIC. Ya que las
opciones grficas de una microcomputadora
REGRESION CON MNIMOS CUADRADOS 329
FORTRAN BASI C
DATA SX/O./,SU/O./,XZ/O./,XY/O./ 100
FORHAT ( I5 120
Do 170 I=l,N 139
READ(5,2)X,Y 140
fOiWAT(2F10.0) 150
READ(5rl)N 110
9!=SX*X 160
sY=sv+Y I79
x2=X2+x~x 1 BO
sY=xY+x'Y 190
XY=SX/N
CONTI NUE 200
YM=SY/N 210
kl=(N~XY-SX~SY)/(N.X2-sX*Sx) 229
.?,O=YM-Al*XH 230
WRITE(6t3)AOrAl
FORMAT(' *,2F10.3)
STOP
mn
INPUT N
FOR I = 1 TO N X =independent variable
I NPUT X . Y Y =dependent variable
N =number of data points
sx = sx + x SX =sumof X's
SY = S Y + Y
SY =sumof Y's
x2 = x2 + x I x -
X Y = X Y + X O Y X2 =sumof square of X's
NEXT I __2_____ XY =sumof product of X and Y
Xt l = SX /
N XM =mean of X' s
YM = SY / N
AI = (N : X Y - sx t SY) (N m, YM=meanofY's
x2 - sx : SX)
PRI NT Cl O.61
END i
\
A l =slope
A0 =intercept
A0 = YM - Al I XH
FIGURA 10.6 Programas FORTRAN y Basic para la regresin lineal.
son muy variadas, no se incluyen grficas de estos programas. Sin em-
bargo, como se mencion anteriormente, esta opcin es importante para
el uso e interpretacin efectiva de la regresin y se incluye en el paquete
suplementario de NUMERICOMP. Si la computadora que el lector usa,
tiene la posibilidad de graficacin se recomienda que se expandan los pro-
gramas de tal manera que se incluya una grfica de y contra x que mues-
tre los datos y la lnea de regresin. La inclusin de grficas aumenta en
gran medida la utilidad de los programas dentro del contexto de solucin
de problemas.
EJ EMPLO 10.3
Regresin lineal usando la computadora
Enunciado del problema: el paquete de programas NUMERICOMP aso-
ciado a este texto incluye un programa legible al usuario que implementa
la regresin lineal. Este progrdma se puede usar en la solucin del pro-
blema de prueba de hiptesis asociado con el paracaidista analizado en
el captulo 1. Se dio un modelo matemtico terico para la velocidad del
paracaidista mediante la frmula [Ec. (1.9)]:
en donde u es la velocidad en centmetros por segundo, g es la constante
de aceleracin gravitacional de 980 cm/ s, m es la masa del paracaidis-
ta e igual a 68 100 g, y c es el coeficiente de friccin de 12 500 g/ s. Co-
mo se describe en el ejemplo l . l , el modelo predice la velocidad del
paracaidista en funcin del tiempo. En el ejemplo 2.1 se muestra una grfica
de la variacin de la velocidad en funcin del tiempo.
Un modelo emprico para la velocidad del paracaidista est dado por
la siguiente frmula:
v(t) = [ ]
t
c 3.75 +t
[E10.3.1]
Supngase que se desea probar y comparar la suficiencia de estos
dos modelos matemticos. Esto se puede llevar a cabo midiendo la velo-
cidad verdadera del paracaidista en intervalos de tiempo conocidos y compa-
rando los resultados con la velocidad predicha por cada uno de los modelos.
Se tiene un grupo de datos medidos experimentalmente los que se
listan en la columna a) del cuadro 10.2. Las velocidades calculadas de
cada modelo se listan en las columnas b) y c).
CUADRO 10.2 Velocidades medidas y velocidades calculadas para la cada del
paracaidas
Tiempo, S
V Calculada,
Medida V Calculada, cmls
cmls [ecuacin
cmls
[ecuacin (1.9)] (E10.3.l)l
( 4 ( 4 ( 4
1
2
3
4
5
6
7
9
10
11
12
13
14
15
a
100 o
163 O
230 O
275 O
310 O
356 O
390 O
415 O
429 O
450 O
460 O
455 o
460 O
490 O
500 O
895.3
1 640.5
2 260.7
2 776.9
3 206.5
3 564.1
4 109.5
4 315.6
4 630.1
4 749.0
4 847.9
4 930.3
3 861.7
4 487.2
4 998.8
1 124.0
1 857.0
2 372.9
2 755.6
3 050.9
3 285.5
3 476.6
3 635.1
3 768.7
3 981.6
4 143.7
3 882.9
4 067.8
4 211.0
4 271.2
Solucin: la validez de los modelos se puede probar graficando las velo-
cidades medidas contra la velocidad calculada por el modelo. Se usa la
regresin lineal en el clculo de la lnea recta y se grfica. Esta lnea ten-
REGRESldN CON MNIMOS CUADRADOS 33 1
FIGURA 10.7 a) Resultados obtenidos usando regresin lineal en l a comparaci n de
valores medidos contra el modelo terico calculado mediante l a ecua-
cin (1.9).
b) Resultados obtenidos usando regresin lineal en l a comparaci n de
valores medidos contra el model o emprico calculado con l a ecuacin
(E10.3.1).
dr una pendiente de 1 y una interseccin en O si el modelo coincide con
los datos perfectamente. Cualquier desviacin de estos valores se usar
como indicacin de ser poco confiable el modelo.
En la figura 10. 7~~ se grafica la lnea y los datos de la regresin de
la columna a) contra las columnas b) y c) respectivamente. Estas graficas
indican que la regresin lineal entre los datos y cada uno de los modelos
es bastante aceptable. Ambos modelos coinciden con los datos con un
coeficiente de correlacin mayor de 0.99.
Sin embargo, el modelo descrito por la ecuacin (1.9) conforme el
criterio de prueba es mucho mejor que el descrito por (E10.3.1) ya que
la pendiente y la interseccin estdn ms cerca de 1 y de O. Por lo tanto,
aunque cada una de las grficas se describe muy bien mediante una lnea
recta, la ecuacin (1.9) es un modelo mejor que el de la ecuacin
(E10.3.1).
La prueba y seleccin de modelos son muy comunes y de extremada
importancia en actividades llevadas a cabo en todos los campos de la in-
geniera. El material presentado previamente en este mismo captulo jun-
to con el paquete NUMERICOMP y los programas del usuario le permiten
a ste resolver muchos problemas de este tipo.
FIGURA 10.8 a) Datos mal condicionados en la regresin lineal con mnimos cuadra-
dos. 6) Indicacin de que una parbola es preferible.
10.1.5 Aplicaciones de la regresin lineal; linealizacin de
relaciones no lineales
La regresin lineal proporciona una tcnica muy poderosa para ajustar
datos a una mejor lnea. Sin embargo, se ha predicho que la relacin
entre las variables dpendiente e independiente es lineal. Este no es siempre
el caso, y el primer paso en cualquier anlisis de regresin es el de trazar
y visualizar los datos para decidir si es correcto o aceptable el aplicar un
modelo lineal. Por ejemplo, en la figura 10.8 se muestran algunos datos
que, obviamente son curvilneos. En algunos casos, tcnicas como la re-
gresin polinomial, descrita en laseccin 10.2 sern apropiadas. En otros,
se pueden hacer transformacines que expresen los datos de manera que
sean compatibles con la regresin lineal.
Un ejemplo es el modelo exponencial:
y = aleblX [lo. 111
REGRESIN CON MiNlMOS CUADRADOS 333
FIGURA 10.9 a) Ecuacin exponencial, b) ecuacin de potencias y c) ecuacin del pro-
medio de crecimiento de saturacin. Las partes d), e) y f l son versiones
linealizadas de aqullas, las cuales son transformaciones simples.
en donde al y b l son constantes. Este modelo se usa en muchos cam-
pos de la ingeniera caracterizando cantidades que crecen (b, positiva) o
que decrecen (b, negativa en un promedio proporcional a su magnitud.
Por ejemplo, el crecimiento poblacional y la disminucin radiactivo mues-
tran este comportamiento. Como se muestra en la figura (10.9a), la ecua-
cin, representa una relacin lineal (para bl . O) entre y y x.
Otro ejemplo de un modelo no lineal es la ecuacin elevada a una
potencia:
y = agxb2 [lo. 121
en donde a2 y b2 son coeficientes. Este modelo tiene una amplia aplica-
cin en todos los campos de la ingeniera. Como se muestra en la figura
10.9b, la ecuacin (para b2 #O o 1) es no lineal.
Un tercer ejemplo de un modelo no lineal es la ecuacin de prome-
dio de crecimiento de saturacin:
X
y = a3-
b3 +X
[10.13]
en donde a3 y b3 son coeficientes constantes. Este modelo, que es parti-
cularmente til en la caracterizacin de crecimientos poblacionales bajo
condiciones limitantes, tambin representa una relacin no lineal entre
y y x (Fig. 10.94 que nivela, o satura conforme x crece.
Las tcnicas de regresin no lineal se usan para ajustar directamente
estas ecuaciones a los datos experimentales. Sin embargo, una alternati-
va ms simple es la de usar manipulaciones matemticas y transformar
las ecuaciones a la forma lineal. En seguida se puede aplicar la regresin
lineal simple para ajustar las ecuaciones a los datos.
Por ejemplo, la ecuacin (10.11) se puede linealizar mediante loga-
ritmos naturales y obtener:
In y = In al +bl x In e
Pero, ya que In e =1, se tiene:
In y = In al + bl x [ 10.141
Por lo tanto una grfica semilogartmica de In y contra x genera una lnea
recta con una pendiente de bl y una interseccin de In al (Fig. 10.9d).
La ecuacin (10.12) se puede linealizar tomado logaritmos de base
10 y obtener:
log y = b2 log x + log a2 [lo. 151
De esta forma, una grfica logartmica de log y contra log x genera una
lnea recta con una pendiente de b2 y una interseccin de log a2 (Fig.
10.9e).
La ecuaci6n (10:13) se linealiza invirtindola, y se obtiene:
[10.16]
Y a3 x a3
Por lo tanto, una grfica de l / y contra l/ x ser lineal, con pendiente
b3/a3 y una interseccin de l/ a3 (Fig. lO.9j).
Estos modelos, en sus estados transformados, se ajustan usando regre-
sin lineal para evaluar los coeficientes constantes. Despus se pueden
transformar a su estado original y usarse para propsitos predictivos. En
el ejemplo 10.4 se ilustra este procedimiento para la ecuacin (10.12).
Adems los casos 12.2 y 12.3 proporcionan ejemplos de este tipo de clculos
aplicados a problemas de ingeniera.
Ejemplo 10.4
Linealizacin de una ecuacin de potencias
Enunciado del problema: ajstese la ecuacin (10.12) a los datos del cua-
dro 10.3 usando una transformacin logaritmica de esos datos.
CUADRO 10.3 Datos para ajustar en la ecuacin
de potencia
X Y log x log Y
1 0.5 O -0.301
2 1.7 0.301 0.226
3 3.4 0.477 0.534
4 5.7 0.602 0.753
5 8.4 0.699 0.92:!
Solucin: en la figura 10.10~~ se muestra una grfica de los punto origi-
nales en su estado sin transformacin. En la figura 10.10b se muestra una
FIGURA 10.10 a) Grfica de datos sin transformacin, junto con la ecuacin de poten-
cias que ajusta los datos. b) Grfica de los datos transformados, usados
al determinar los coeficientes de la ecuacin de potencias.
~ grfica log-log de los datos transformados. La regresin lineal de los da-
tos transformados logartmicamnte genera la ecuacin:
log y = 1.75 log X - 0.300
Por lo tanto, la interseccin, log a2, es igual a -0.300, por consiguien-
te tomando el mando el antilogaritmo, a2 = = 0.5. La pendien-
te es b2 = 1.75. Como consecuencia la ecuacin de potencias es:
y = O . ~ X ' . ~ ~
Esta curva, como lo muestra la figura 10. lob, indica un ajuste aceptable.
1 O. 1.6 Comentarios generales sobre la regresin lineal
Antes de continuar con la regresin curvilnea y mltiple, se debe recalcar
la naturaleza introductoria del material anterior sobre regresin lineal. Se
ha enfocado en la forma simple y el uso prctico de las ecuaciones para
ajustar datos. Se debe estar conciente de que existen aspectos tericos
de regresin que tienen importancia en la solucin de problemas pero que
van ms all del alcance de este libro. Por ejemplo, existen algunas hip-
tesis estadsticas inherentes al procedimiento de mnimos cuadrados lineales
tales cmo:
1. x tiene un valor fijo; no es aleatorio y se mide sin error
2. Los valores de y son variables aleatorios independientes y tienen to-
das la misma varianza.
3. Los valores de y para una x dada deben estar distribuidos de manera
uniforme.
Estas hiptesis son importantes en el desarrollo y uso correcto de la re-
gresin. Por ejemplo, la primera hiptesis, 1) significa que las x deben
estar libres de error y la segunda 2) que la regresin de y contra x no
es la misma que la de x contra y (prubese el problema 10.4 al final del
captulo).
Se sugiere consultar otras referencias tales como Draper y Smith (1981)
y de esta forma apreciar aspectos y matices de la regresin que van ms
all del alcance de este libro.
10.2 REGRESIN POLINOMIAL
En la seccin 10.1 se desarrolla un procedimiento que obtiene la ecua-
cin de una lnea recta usando el criterio de mnimos cuadrados. Aigu-
REGRES16N CON MiNlMOS CUADRADOS 337
nos datos de ingeniera, aunque muestren un marcado patrn como el
de la figura 10.8, se representan pobremente mediante una lnea recta.
En estos casos, se ajusta mejor una curva a los datos. Como se analiza
en la seccin anterior, un mtodo para llevar a cabo este objetivo es el
de usar transformaciones. Otra alternativa es ajustar polinomios a los da-
tos usando regresin polinomial.
El procedimiento de mnimos cuadrados se puede extender fcilmente
y ajustar datos a un polinomio de m-simo grado:
y = a0 +al x +a2x2 + * * + a,xm
En este caso, la suma de los cuadrados de los residuos es [comprese
con la Ec. (10.3)]:
n
Sr = (yi - a. - alxi - a2x? - * . - amx?)2 [10.17]
i = 1
Siguiendo el mismo procedimiento de la seccin anterior, se toma la de-
rivada de la ecuacin (10.17) con respecto a cada uno de los coeficientes
del polinomio, para obtener:
Estas ecuaciones se pueden igualar a cero y reordenar de tal forma
que se obtenga el siguiente conjunto de ecuaciones normales:
en donde todas las sumatorias van desde i = 1 hasta n. Ntese que las
m + 1 ecuaciones anteriores son lineales y tienen m + 1 incgnitas: ao.
al, ..., a, . Los coeficientes de las incgnitas se pueden calcular directa-
mente de los datos observados. Por lo tanto, el problema de determinar
polinomios de grado m con mnimos cuadrados es equivalente a resolver
un sistema de m +1 ecuaciones lineales simultneas. Los mtodos de
solucin de estos sistemas se analizan en los captulos 7 y 8.
As como en la regresin lineal, el error en la regresin polinomial se
puede cuantificar mediante el error estndar de la aproximacin:
%/x = u' ". - n - (m +1) [10.19]
en donde m es el orden del polinomio. Esta cantidad se divide por
n- ( m + 1 ) ya que se usaron m + 1 coeficientes - a. , al ,. ..,am-
derivados de los datos para calcular S; por lo tanto, se han perdido
m + 1 grados de libertad. Adems del error estndar, se puede calcular
tambin el coeficiente de correlacin en la regresin polinomial de la mis-
ma manera que para el caso lineal:
r2 = S" - Sr
S"
Ejemplo 10.5
Regresin polinomial
Enunciado del problema: ajstese un polinomio de segundo orden a los
datos de las dos columnas del cuadro 10.4.
Solucin: de los datos dados:
m - 2 x, =15 2, xp =979
n =6
y, =152.6
x x,y, =585.6
-
x = 2.5 x' =55
2 x'y, = 2 488.8
I 5 = 25.433 x? =225
Por lo tanto, las ecuaciones lineales simultneas son:
6ao + 15al + 55a2 = 152.6
15ao + 55al +225a2 = 585.6
55ao +225a1 +979a2 = 2 488.8
CUADRO 10.4 Clculos del anlisis de error de un aiurte
cuadrtico con mnimos cuadrados.
O 2.1 544.44 O. 143 32
1 7.7 31 4.47 1 .O02 86
2 13.6 140.03 1.081 58
3 27.2 3.12 0.804 91
4 40.9 239.22 0.61 9 51
5 61.1 1 272.1 1 0.094 39
c. 152.6 2 513.39 3.746 57
I Resolviendo estas ecuaciones con alguna de las tcnicas como la elimi-
1 nacin gaussiana se obtiene:
1 a0 = 2.478 57
I al = 2.359 29
' a2 =1.860 71
1 Por lo tanto, la ecuacin cuadrtica con mnimos cuadrados en este caso es:
y =2.478 57 +2.359 29x +1.860 71x2
El error estndar de la aproximacin, basado en la regresin polinomial
es [Ec. (10.191:
sy/x = E =1.12
El coeficiente de determinacin es:
2 513.39 - 3.746 57
r2 =
2 513.39
=0.998 51
y el coeficiente de correlacin es:
r = 0.999 25
Estos resultados indican que el 99.851% de la incertidumbre original se
ha explicado mediante el modelo. Este resultado apoya la conclusin
de que la ecuacin cuadrtica representa un ajuste perfecto, como es evi-
dente en la figura 10.11.
FIGURA 10.11 Ajuste de un polinomio de segundo orden.
FIGURA 10.12 Algoritmo para implernentar la regresin polinomial.
REGRESldN CON MiNlMOS CUADRADOS 34 1
SUBROUTINE POLREG(X,P,A)
DIMEIiSION X(15),Y(15).A(15.161
IP=Io*1 2030 FOR L = 1 TO N
2000 FOR I = 1 TO I O + 1
2010 FOR J = 1 TO I O + 1
2020K = I + J - 2
IO =order of regression
ccnnoN N,IO
polynolnsal
N =number of data oolnts
2050
2060
2090
2100
DO 2100 I=l,IP
DO 2060 J=l,IP
K=I+J-2
W 2050 L=l,N
A(I,Jl=A(I.Jl+X(L)~~K
CONTINUE
CONTINUE
~~
2040 A( I , J ) = A( I , J ) + x ( L )
2050 NEXT L
2070 FOR L = 1 TO N
2060 NEXT J
2080 A( I , I O + 2 ) = A ( I , I O +
Y(L) t X ( ) ( 1 - 1 )
K- (Determlnatlon of
coefficlents of normal
equations and
storage In matrix Al
(Deterrnlnation of
2) + ,
"
2090 NEXT L
" ..
right hand side constants
M) 2090 L=l,N ' 2100 NEXT I
IR=lP+l 2 1 1 O RETURN
CONTINUE
A ~ 1 , I R ~ = A ~ I . I R ~ + Y ~ L I ~ X ~ L ~ ~ ~ ~ I - l ~
CONTINUE
RETURN
END
and storage In last
for normal equations
column of rnatrlx Al
FIGURA 10.13 Subrutinas en FORTRAN y BASIC que calcula las ecuaciones normales,
de la regresin polinomial, en forma matrical.
10.2.1 Algoritmo para la regresin polinomial
En la figura 10.12 se muestra un algoritmo sobre la regresin polinomial.
Ntese que la tarea principal es la obtencin de los coeficientes de las ecua-
ciones normales [Ec. (10. la)]. (Las subrutinas que llevan a cabo esta tarea
se presentan en la figura 10.13). En seguida se pueden aplicar los mto-
dos de los captulos 7 y 8 en la solucin de estas ecuaciones simultneas
para esos coeficientes.
Un problema potencial que se presenta con la implementacin polino-
mial es que algunas veces las ecuaciones normales estn mal condiciona-
das. Esto se cumple en particular cuando los sistemas son muy grandes. En
estos casos, los coeficientes calculados son altamente susceptibles a los
errores de redondeo y, por lo tanto, los resultados resultan inexactos. Entre
otras cosas, este problema est relacionado con e! hecho de que para po-
linomios de rdenes superiores las ecuaciones normales pueden tener coe-
ficientes muy grandes y muy pequeos al mismo tiempo. Esto se debe
a que los coeficientes son sumatorias de los datos elevados a potencias.
Aunque algunas de las estrategias para amortiguar los errores de redon-
deo analizadas en el captulo 7, tales como el pivote0 y las ecuaciones
de error, pueden ayudar a remediar parcialmente este problema, una al-
ternativa ms simple es usar una computadora de alta precisin. Este es
un caso donde las microcomputadoras pueden representar desventajas
en la implementacin efectiva de este mtodo numrico en especial. Afor-
tunadamente, la mayor parte de los problemas prcticos estdn limitados
a polinomios de orden inferior en los que los errores de redondeo, en
general, son despreciables. En situaciones donde se requiera polinomios
de orden superior, se dispone de otras alternativas para ciertos tipos de
datos. Sin embargo, estos mtodos (tales como los polinomios ortogona-
les) van ms all del alcance de este libro. El lector debe consultar textos
sobre regresin tales como el Draper y Smith (1981) para obtener infor-
macin relacionada con el problema y sus posibles alternativas.
10.3 RE GRE S I N L I NE AL ML TI P L E
Una extensin til en laregresin lineal es el caso en que y es una
funcin lineal de dos o ms variables. Por ejemplo, y pudiera ser una fun-
cin lineal de x1 y x2, de la forma:
Tal ecuacin es til particularmente cuando se ajustan datos experimen-
tales en donde la variable que se est analizando, a menudo es funcin
de otras dos variables. En este caso bidimensional, la lnea de regresin
viene a ser un plano (Fig. 10.14).
Como con los casos anteriores, los mejores valores de los coeficientes
se determinan agrupando la suma de los cuadrados de los residuos:
n
Sr = (yi --a0 - alxl, - ~ 2 , ~ )
2
i=l
y derivando con respecto a cada uno de los coeficientes:
[10.20]
Los coeficientes que generan la suma mnima de los cuadrados de los
residuos se obtienen igualando cada una de las derivadas parciales a cero
y expresando la ecuacin (10.20) como un conjunto de ecuaciones li-
neales simultneas, de la forma:
o como una matriz:
FIGURA 10.14
CUADRO 10.5
Esquema grafico de la regresin lineal mltiple en donde y es una fun-
cin lineal de XI y X?.
EJ EMPLO 10.6
Regresin lineal mltiple
Enunciado del problema: los siguientes datos se calcularon de la ecua-
cin y = 5 + 4x1 - 3x2.
2
O O 5
1
2.5
10
1
2 9
3 O
4
7
6
2
3
27
sese regresin lineal mltiple para estos datos.
Cilculos necesarios para desarrollar las ecuaciones normales del eiemplo 10.6
Y X I x2 x : x f x1x2 XI Y *2Y
5 O 0 0
10
O
2
O
1 4
0
1
0
9 2.5 2
2 20
6.25
10
O 1 3
4 5 22.5 18
1
3 4 6 16
9 3
36
0 0
27 7 2 49 14 189 54
24 12
4
18
E 54 16.5 14 76.25 54 48 243.5 101
Solucin: las sumatorias necesarias para desarrollar la ecuacin (10.21)
se calculan en el cuadro 10.5. Sustituyndolas en la ecuacin (10.21) se
obtiene:
[ ;{.5 : : : 5 g] 54 [ a2 = [ g.51
que se puede resolver usando un mtodo como la eliminacin gaussiana
para obtener:
a. = 5 al = 4 a2 = -3
los cules son consistentes con la ecuacin original de donde se deriva-
ron los datos.
La regresin lineal mltiple se puede formular en el caso ms general
como:
y = a0 + alxl +a2x2 +* * . +a,xm
en donde los coeficientes que minimizan la suma de los cuadrados de los
residuos se determinan resolviendo el sistema:
El error estndar de la aproximacin para regresin l i
formula de la siguiente manera:
[10.22]
neal mltiple se
y el coeficiente de correlacin se calcula como en la ecuacin (10.10).
Aunque existen ciertos casos en donde una variable es linealmente
dependiente de dos o ms variables diferentes, la regresin lineal mlti-
REGRES16N CON MNIMOS CUADRADOS 345
ple tiene utilidad adicional en la obtencin de ecuaciones de potencias
de la forma general:
Tales ecuaciones son extremadamente tiles cuando se ajustan datos ex-
perimentales. Adems, para usar la regresin lineal mltiple, las ecuacio-
nes se transforman tomando su logaritmo para obrener:
log y = log a0 + al log x1 +a2log x2 + * + a, log x,,,
Esta transformacin es similar a las que se usan en la seccin 10.1.3 y
el ejemplo 10.4 para ajustar una ecuacin de potencias en donde y era
una funcin de una variable simple x. En el caso de estudio 12.5 se pro-
porciona un ejemplo de esta aplicacin.
PROBLEMAS
Clculos a mano
10.1 Dados los datos
0.95 1.42 1.54
1.32 1.15 1.47
1.46 1.47 1.92
1.85 1.74 1.65
2.39 1.82 2.06
1.55 1.63
1.95 1.25
1.35 1.05
1.78 1.71
2.14 2.27
determnese a) la media, b) la desviacin estndar, c) la varianza y d) el coeficiente de
variacin.
10.2 Constryase un histograma de los datos del problema 10.1. Usese un rango de 0.6 a
2.4 con intervalos de 0.2.
52 6 18 21 26 28 32
39 22 28 24 27 27 33
2 12 17 34 29 31 34
43 36 41 37 43 38 46
determnese a) la media. b) la desviacin estndar, c) la vari ara y d) el coeficiente de
variacin.
e) Constryase un histograma. kese un intervalo de O a 55 con incrementos de 5. fl Supo-
niendo que la distribucin es normal y que la aproximacin de la desviacin estndar es
-
10.4
10.5
10.6
10.7
10.8
10.9
vlida, calclese el intervalo (es decir, los valores inferior y superior) que abarque el 68%
de las lecturas. Determnese si sta es una aproximacin vlida para los datos de este
problema.
Utilice la regresin con mnimos cuadrados para ajustar una lnea recta a:
x I 1 3 5 7 10 12 13 16 18 20
y 1 3 2 6 5
8 7 1 0 9 1 2 1 0
J wto con la pendiente y lainterseccin, calclese el error estndar de la aproximacin
y el coeficiente de correlacin. Grafquense los datos y la lnea de regresin. En seguida
reptase el problema, pero ahora x contra y; es decir, intercmbiense las variables. Inter-
prtense los resultados.
sese regresin de mnimos cuadrados para ajustar una lnea recta a:
x
1 4
6 8 10 14 16 20 22 24 28 28 34 36 38
y
1 30 18 22 28 14 22 16 8 20 8 14 14 O 8
J unto con lapendiente y la interseccin, calclese el error estndar de la aproximacin
y el coeficiente de correlacin. Grafquense los datos y la lnea de regresin. Si alguien
realiz una medida adicional de x =30, y =30, se esperara basndose en una obser-
vacin visual y en el error estndar, que la medida fuese vlida o invlida? J ustifquense
las conclusiones.
Emplese regresin con mnimos cuadrados para ajustar una lnea recta a los datos:
x +
O 2 4 4 8 12 16 20 24 28 30 34
10 12 18 22 20 30 26 30 26 28 22 20
a) J unto con la pendiente y lainterseccin. calclese el error estndar de la aproximacin
y el coeficiente de correlacin. Grafquense los datos y la lnea recta.
Valrese el ajuste.
b) Reptase el clculo de a) pero usando regresin polinomial para ajustar una parbola
a los datos. Comprense los resultados con los de a) .
Ajstese un modelo de promedio de crecimiento de saturacijn a'
x
I 1
2 2.5 4 6 8 8.5
y
I 0.4 0.7 0.8 1.0 1.2 1.3 1.4
Grafquense los datos y la ecuaciqn.
Ajstese una ecuacin de potencias a los datos del problema 10.7. Grafquense los datos
y la ecuacin.
Ajstese una parbola a los datos del problelna 10.7. Grafquense los datos y laecuacin.
10.10 Ajstese una ecuacin de potencias a:
x 1
2.5 3.5 5 6 7.5 10 12.5 15 17.5 20
y I
5 3.4 2 1.6 1.2 0.8 0.6 0.4 0.3 0.3
Grafquese y contra x adems de la ecuacin de potencias
10.11 Ajstese un modelo exponencial a:
x I
0.05 0.4 0.8 1.2 1.6 2.0 2.4
y I
550 750 1000 1400 2000 2700 3750
Grafquense los datos y la ecuacin en papel estndar y semilogartmico. Analcense los
resultados.
10.12 Ajstese una ecuacin de potencias a los datos del problema 10.11. Grafquense los da-
tos y la ecuacin.
10.13 Ajstese una parbola a los datos del problema 10. 11. Grafquense los datos y la ecuacin.
10.14 Dados los datos:
x
1 5
10 15 20 25 30 35 40 45 50
y
I 17 25 30 33 36 38 39 40 41 42
sese regresin con mnimos cuadrados para ajustar a) a una lnea recta, b) a una ecua-
cin de potencias, c) a una ecuacin de promedio de crecimiento de saturacin y d) a
una parbola. Grafquense los datos junto con todas las curvas. Alguna de ellas es me-
jor? Si es as justifquese.
10.15 Ajstese a una parabola a:
x 1 O 2 4 6 9 11 13 15 17 19 23 25 28
y I 1.2 0.6 0.4 -0.2 O -0.6 -0.4 -0.2 -0.4 0.2 0.4 1.2 1.8
Calclense los coeficientes, el error estndar de la aproximacin y el coeficiente de corre-
lacin. Grafiquense los resultados y valrese el ajuste.
10.16 sese regresin lineal mltiple para ajustar:
X l I O 1 2 0 1 2
X2
y 19 12 11 24 22 15
2 2 4 4 6 6
Calclense los coeficientes, el error estndar de la aproximacin y el coeficiente
de correlacihn.
10.17
10.18
10.19
10.20
10.21
10.22
10.23
10.24
Usese regresin lineal mltiple para ajustar:
x1
x2
1 1 2 2 3 3 4 4
18 12.8 25.7 20.6 35.0 29.8 45.5 40.3
y
1 2 1 2 1 2 1 2
Calclense los coeficientes, el error estndar de la aproximacin y el coeficiente de corre-
lacin.
Desarrllese un programa legible al usuario para regresin lineal basado en la figura 10.6.
Entre otras cosas:
a) Agrguense instrucciones que documenten el programa.
b) Hganse ms descriptivas las operaciones de entrada salida y orientadas al usuario.
C) Calclese e imprmase el error estndar de la aproximacin [Ec. (10.9)] y el coeficiente
de correlacin [la raz cuadrada de la ecuacin (10.10)].
d) (Opcional) Inclyase una grfica por computadora de los datos y de la lnea de regresin.
e) (Opcional Inclyase una opcin que permita analizar ecuaciones del tipo exponencial,
de potencias y de promedio de crecimiento de saturacin.
Desarrllese un programa que sea legible al usuario para regresin polinomial basado en
las figuras 10.12 y 10.13. Prubese el programa repitiendo los clculos del ejemplo 10.5.
Desarrllese un programa que sea legible al usuario para la regresin mltiple basado en
la figura 10.12, pero con la matriz especificada como la ecuacin (10.22). prubese el
progrma repitiendo los clculos del ejemplo 10.6
Reptanse los problemas 10.4 y 10.5 usando el programa del problema 10.18
sese el paquete de programas NUMERICOMP para resolver los problemas 10.4, 10.5
y 10.6a
Reptanse los problemas 10.9, 10.13 y 10.15 usando el programa del problema 10.19.
Reptanse los problemas 10.16 y 10.17 usando el programa del problema 10.20
C A P T U L O ONC E
Con frecuencia se tienen que estimar valores intermedios entre valores
conocidos. El mtodo ms comn empleado para este propsito es la in-
terpolacin polinominal.
Recurdese que la frmula general de un polinomio de n-simo or-
den es:
f(x) = a0 + a1x +a2x2 + * + anxn [11.1]
Para n + 1 puntos, existe uno y slo un polinomio de n-simo orden o
menor que pasa a travs de todos los puntos. Por ejemplo, hay slo una
lnea recta (es decir, un polinomio de primer orden) que conecta dos puntos
(Fig. 11. l a). De manera similar hay slo una parbola que conecta a tres
puntos (Fig. 11. l b). El polinomio de interpolacin consiste en determi-
nar el nico polinomio de n-simo orden que se ajusta a los n + 1 pun-
tos dados. Este polinomio proporciona una frmula para calcular los valores
intermedios.
Aunque existe uno y slo un polinomio de n-simo orden que se ajusta
a los n + 1 puntos, existen una gran variedad de frmulas matemticas
FIGURA 1 1 . 1 Ejemplos de interpolacin polinomial: a) Primer orden (lineal), conexin
de dos puntos; b) conexin de tres puntos, segundo orden (cuadrtica
o parablica) y c) conexin de cuatro puntos, tercer orden (cbico).
mediante las cuales se puede expresar este polinomio. En este captulo,
se estudian dos tcnicas alternativas que est6n bien condicionadas para
implementarse en una microcomputadora. Estos son los polinomios de
Newton y los de Lagrange.
11.1 POLINOMIOS DE INTERPOLACIN CON
DIFERENCIAS DIVIDIDAS DE NEWTON
Como ya se dijo, existe una variedad de maneras diferentes de expresar
un polinomio de interpolacin. El polinomio de interpolacin con dife-
rencias diuididas de Newton, entre otros, es la forma ms popular adems
de lams til. Antes de presentar laecuacin general, se examinan las ver-
siones de primero y segundo orden debido a su fcil interpretacin visual.
1 1 .l . 1 Interpolacin lineal
La forma ms simple de interpolacin es la de conectar dos puntos con
una lnea recta. Este mtodo, llamado interpolacin lineal, se muestra en
la figura 11.2. Usando tringulos semejantes, se tiene:
FIGURA 11.2 Esquema grfico de la interpolacin lineal. Las reos sombreadas mues-
tran tringulos semejantes usados en la derivacin de la frmula de in-
terpolacin lineal [c. ( 1 1.2)] .
INTERPOLACldN 35 1
que se puede reordenar como:
[11.2]
la cual es una frmula de interpolacin lineal. La notacin fl(x) indica
que se trata de un polinomio de interpolacin de primer orden. Ntese
que adems de representar la pendiente de la lnea que conecta los dos
puntos, el trmino Lf(xl) - f (xo)]/(xl - xo) es una aproximacin de di-
ferencias divididas finitas a la primera derivada [recurdese la ecuacin
(3.24)]. En general, entre ms pequeo sea el intervalo entre los puntos,
ms exacta ser la aproximacin. Esta caracterstica se demuestra en el
ejemplo, siguiente.
EJ EMPLO 1 l . 1
lnterpolacin lineal
Enunciado del problema: calclese el logaritmo natural de 2 (In 2) usan-
do interpolacin lineal. Primero, llvense a cabo los clculos interpolan-
do entre In 1 = O y In 6 = 1.791 759 5. Despus reptanse el
procedimiento, pero usando un intervalo ms pequeo desde In 1 a In
4 (1.386 294 4). Ntese que el valor real de In 2 = 0.693 147 18.
Solucin: usando la ecuacin (1 1.2), una interpolacin lineal de x = 1
a x = 6 da:
f,(2) = 0 +
1.791 759 5 - O
6- 1
(2 - 1) = 0.358 351 90
la cual representa un error porcentual de = 48.3%. Usando el intervalo
ms pequeo desde x = 1 a x = 4 da:
fi(2) = 0 +
1.386 294 4 - O
4- 1
(2 - 1) 0.462 098 13
Por lo tanto, usando el intervalo ms pequeo reduce el error relativo
porcentual a E, = 33.3%. Ambas interpretaciones se muestran en la fi-
gura 11.3, junto con la funcin verdadera.
1 l . 1.2 interpolacin cuadrtica
El error en el ejemplo 11.1 se debe a que se aproxim una curva me-
diante una lnea recta. Por consiguiente, una estrategia que mejora la apro-
FI GURA 11.3 Dos interpolaciones lineales para aproximar In 2. Ntese cmo el intervalo ms pe-
queo proporciona una mejor aproximacin.
ximacin es lade introducir cierta curvatura en la lnea que conecta a los
puntos. Si se dispone de tres datos: lo anterior se puede llevar a cabo
con un polinomio de segundo orden (llamado tambin polinomio cua-
drtico o parbola). Una manera conveniente para este caso es:
Ntese que aunque la. ecuacin ( 1 1.3) parezca diferente de laecuacin
general de un polinomio [Ec. (11. l)], las dos ecuaciones son equivalen-
tes. Esto se puede demostrar si se multiplican los trminos de la ecuacin
(11.3) y obtener:
A(x) =bo +bl x - blxo + b2X2 +bzxoxl - ~ ~ x x O - b2XXI
o, agrupando trminos:
f2(x) = a0 -t alx +a2x2
en dnde:
INTERPOLACI6N 353
De esta manera, las ecuaciones (1 1.1) y (1 1.3) son frmulas alternativas
equivalentes del nico polinomio de segundo grado que une a los tres
puntos.
Se puede usar un procedimiento simple para determinar los valores
de los coeficientes. Para bo, se usa la ecuacin (11.3) con x = x0 y se
obtiene
bo = f (xo) [11.4]
Sustituyendo la ecuacin (11.4) en la ecuacin (11.3) y evaluando en
x = x1 se obtiene:
[11.5]
Y por ltimo, las ecuaciones (1 1.4) y (11.5) se sustituyen en la ecuacin
(11.3), y se evala sta en x = x2 y se obtiene:
[11.6]
Ntese que, al igual que en el caso de interpolacin lineal, bl an re-
presenta la pendiente de la lnea que une los puntos x0y xl . Por lo tan-
to, los primeros dos trminos de la ecuacin (1 1.3) son equivalentes a
la interpolacin de x. a xl , como ya se especific anteriormente en la
ecuacin (11.2). El Gltimo trmino, b2(x - xo) (x - xl), introduce lacur-
vatura de segundo orden en la frmula.
Antes de ilustrar como se usa laecuacin (1 1.3), se debe examinar
la forma del coeficiente b2. Es muy similar a la aproximacin por dife-
rencias divididas finitas de lasegunda derivada introducida previamente
en laecuacin (3.31). Por io tanto. laecuacin (11.3) empieza a mani-
festar una estructura muy similar a la serie de Taylor. Esta observacin
se explora con ms detalle cuando se relacione el polinomio de Newton
con laserie de Taylor en laseccin 11.1.4. Pero primero, se muestra c-
mo se usa la ecuacin (11.3) para interpolar entre tres puntos.
EJ EMPLO 11.2
Interpolacin cuadrtica
Enunciado del problema: ajstese el polinomio de segundo orden a los
tres puntos usados en el ejemplo 11.1:
x0 =1 f(xo) =o
XI = 4 f(x1) = 1.386 294 4
x2 = 6 f (~2) = 1.791 759 5
sese el polinomio para evaluar In 2.
Solucin: aplicando la ecuacin (11.4) da:
Las ecuaciones ( 1 l . 5) generan :
y la ecuacin (11.6) da:
1.791 759 5-1.386 294 4 "o.426 098 13
b2 =
6-4
=- 0.051 873 116
6. 1
Sustituyendo estos valores en la ecuacin (11.3) se obtiene la frmula
cuadrtica:
f 2 ( ~) O + 0.462 098 13( ~ - 1) - 0.051 873 116(~ - l )(x - 4)
que se evala en x = 2 y se obtiene
f2(2) = 0.565 844 36
lo que representa un error porcentual del .E" = 18.4%. Por lo tanto, la
curvatura introducida por la frmula cuadrtica (Fig. 11.4) mejora la in-
terpolacin comparada con los resultados obtenidos al usar una lnea recta
en el ejemplo 11.1 y la figura 11.3.
11.1.3 Forma general de los polinomios de interpolacin de Newton
El anlisis anterior se puede generalizar en el ajuste de un polinomio de
n-simo orden a los n +1 puntos. El polinomio de n-simo orden es:
j n ( X ) = bo + bl(x - ~g ) +* * * +b,(x - XO)(X - XI) . . . (X - Xn-l)
[11.7]
Como se hizo anteriormente con las interpolaciones lineales y cuadrti-
cas, se usan los puntos en la evaluacin de los coeficientes bo. b l , . . . .
b,. Se requieren n + 1 puntos para obtener un polinomio de n-simo
orden: x(), xl , , . . , x,. Usando estos datos, con las ecuaciones siguien-
tes se evalan los coeficientes:
[11.8]
[11.9]
lNTERPOLACl6N 355
FIGURA- 11.4 uso de la interpolacin cuadratica para calcular In 2. Se incluye tambin la interpo-
locin lineal de x =1 a 4 para comparacin.
b2 = f b2, x17x01 [11.10]
en donde las evaluaciones de la funcin entre corchetes son diferencias
divididas finitas. Por ejemplo, la primera diferencia dividida finita se re-
presenta generalmente como:
[ll. 121
La segunda diferencia diuidida finita, que representa la diferencia de dos
primeras diferencias dividas finitas, se expresa generalmente como:
[11.13]
356 MTODOS NUM~RICOS PARA INGENIEROS
Estas diferencias se usan para evaluar los coeficientes de las ecuacio-
nes (1 1.8) a la (1 l. ll), los cuales se sustituyen en la ecuacin (1 1.7) pa-
ra obtener el polinomio de interpolacin:
FIGURA 11.5
[11.15]
Al cual se le llama polinomio de interpolacin con diferencias divididas
de Newt on. Se debe notar que no es necesario que los datos usados en
la ecuacin (11.15) estn igualmente espaciados o que los valores de la
abscisa necesariamente se encuentren en orden ascendente, como se ilus-
tra en el siguiente ejemplo. Tambin ntese que las ecuaciones (1 1.12) a
la (11.14) son recursivas, esto es, las diferencias de orden superior se com-
ponen de diferencias de orden inferior (Fig. 11.5). Esta propiedad se apro-
vechar al desarrollar un programa eficiente para la computadora en la
seccin 11.1.5 que implemente este mtodo.
Esquema grfico de la naturaleza recursiva de una diferencia dividida
finita.
EJ EMPLO 11.3
Polinomios de interpolacion de Newton con diferencias divididas
Enunciado del problema: en el ejemplo 11.2, se usaron los puntos en
x. = 1, xi =4 y x2 =6 para calcular In 2 con una parbola. Ahora,
agregando un cuarto punto [x3 =5; f(x3) = 1.609 437 91, calclese In 2
con un polinomio de interpolacin de Newton con diferencias divididas
de tercer orden.
Solucin: el polinomio de tercer orden, ecuacin ( 1 1.3) con n =3, es
INTERPOLACI6N 357
las primeras diferencias divididas del problema son [Ec. (11.12)J
fkl, x01 = 294 - o = 0.462 098 13
4 - 1
1.791 759 5 - 1.386 294 4 = o.2o2 732 55
f k 2, x11 =
6 - 4
1.609 437 9 - 1.791 759 5 = o.182 321 6o
f[X3, x21 =
5 - 6
Las segundas diferencias divididas son [Ec. (11.13)]
0.202 732 55 - 0.462 098 13
6 - 1
f k 2, x19x01 = = - 0.051 873 116
0.182 321 60 - 0.202 732 55
5 - 4
fix39x27 x11 = = - 0.020 410 950
La tercera diferencia dividida es [Ec. (11.14)] con n = 31
-0.020 410 950 - (-0.051 873 116)
5 - 1
f b3, x2, x19 x01 =
= 0.007 865 541 5
FIGURA 11.6 USO de interpolacin cbica para aproximar In 2.
" " ~ - _ I .._" " X.L.1 I -."l"""-.-.---
Los resultados para f[xl, xo], f[x2,xl,xo] y f[x3, x2, xl, x"] representan los
coeficientes bl, b2 y b3 de la ecuacin (11.7). Junto con bo =f(xo) = 0.0
la ecuacin (11.7) da
f3(~) = O + 0.462 098 13 (X - 1) - 0.051 873 116 (X " 1) (X - 4)
+ 0.007 865 541 5(x - l)(x - 4)(~ - 6)
con la que se puede evaluar
f3(2) = 0.628 768 69
lo que representa un error relativo porcentual del t u = 9.3%. El polino-
mio cbico completo se muestra en la figura 11.6.
-
11.1.4 Errores en los polinomios interpolantes de Newton
Ntese que la estructura de la ecuacin (1 l. 15) es similar a la expansin
de la serie de Taylor en el sentido de que los trminos agregados secuen-
cialmente consideran el comportamiento de orden superior de la funcin
representada. Estos trminos son diferencias divididas finitas y, por lo tanto,
representan aproximaciones a las derivadas de orden superior. En con-
secuencia, como sucede con la serie de Taylor, si la funcin representati-
va es un polinomio de n-simo orden, el polinomio interpolante de n-simo
orden basado en n + 1 puntos llevar a resultados exactos.
Tambin, como en el caso de la serie de Taylor, se puede obtener
una formulacin del error de truncamiento. Recurdese de la ecuacin
(3.13) que el error de truncamiento en la serie de Taylor se expresa en
forma general cmo:
f'"'(S)
(x,+1 - xi)"+' R,, =
(n-+ 1) !
en donde 4 es un punto cualquiera dentro del intervalo [x,, x,, ,),Una re-
lacin an6loga del error en un polinomio interpolante de n-simo orden
est dada por:
..
[11.16]
en donde 4 es un punto cualquiera dentro del intervalo que contiene las
incgnitas y los datos. Para uso de esta frmula la funcin en cuestin
debe ser conocida y diferenciable. Y usualmente, este no es el caso. Afor-
tunadamente, existe una frmula alternativa que no requiere conocimiento
lNTERPOLACl6N 359
previo de la funcin. En vez de ello, se usa una diferencia dividida finita
que aproxima la (n + 1)-sima derivada:
en donde f[x, x,, x,-1 ,. . . , xo] es la (n + 1)-sima diferencia dividi-
da. Ya que la ecuacin (1 l . 17) contiene la incgnita )(x), sta no se pue-
de resolver y obtener el error. Sin embargo, si se dispone de un dato
adicional f(x,+ J , la ecuacin (1 1.17) da una aproximacin del error
como:
EJEMPLO 1 1.4
Estimacin del error en el polinomio de interpolacin de Newton
Enunciado del problema: sese la ecuacin (1 1.18) para calcular e! error
del polinomio de interpolacin de segundo orden del ejemplo 11 2. Usense
los datos adicionales f(x3) = f(5) = 1.609 437 9 para obtener los re-
sultados.
Solucin: recurdese que en el ejemplo 11.2 el polinomio de interpola-
cin de segundo orden proporcion una aproximacin de f(2) = 0.565
844 346, que representa un error de 0.693 147 18 - 0.565 844 346
= O. 127 302 835. Si no se sabe el valor verdadero, como es en la ma-
yor parte de los casos, se puede usar la ecuacin (1 l. 18), junto con el
valor adicional en x3, para calcular el error, como
O
R2 = 0.007 865 541 5 (X - l)(x - 4 ) ( ~ - 6)
en donde el valor de la diferencia dividida finita de tercer orden se calcu-
l previamente en el ejemplo 11.3. Esta relacin se evala en x =2 y
se obtiene:
R2 = 0.007 865 541 5 (2 - 1)(2 - 4) (2 - 6) = 0.062 924 332
que es del mismo orden que el error verdadero
11.1.5 Programa de computadora para el polinomio de
interpolacin de Newton
Son tres las propiedades que hacen del polinomio de interpolacin
de Newton un mtodo extremadamente atractivo para usarse en una
computadora:
1. Como en la ecuacin (11.7), las versiones de orden superior se pue-
den desarrollar secuencialmente agregando un trmino simple a la si-
guiente ecuacin de orden inferior. Esto facilita la evaluacin de varias
versiones de orden diferente en el mismo programa. Esta capacidad
es muy til cuando no se conoce a priori el orden del polinomio. Agre-
gando nuevos trminos secuencialmente, puede determinarse cun-
do se alcanza un punto de retorno, es decir, cundo al agregar un
trmino de orden superior no se mejora significativamente la aproxi-
macin o en ciertos casos se disminuye. Las ecuaciones de error ana-
lizadas en el punto (3) son tiles al definir un criterio objetivo en la
determinacin de este punto de trminos decrecientes.
2. Las diferencias divididas finitas que constituyen los coeficientes del
polinomio [Ec. (1 1.8) a la (1 1.1 l)] se calculan con una relacin re-
cursiva. Esto es, como en la ecuacin (11.14) y la figura 11.5, las
diferencias de orden inferior se usan para calcular las diferencias de
orden superior. Usando la informacin previamente determinada, los
coeficientes se calculan eficientemente. El programa de la figura 11.7
contiene este esquema.
ORTRA ASIC
DIMENSION F XC 1 0 , l O) ~ X~ l O)
READ< 5 , l )N
1 FORRLTC I S)
DO 140 I - $.N
READ<S,2)X< I ) ,FX< I , 1 )
2 FORMAT< 2F1 U ~ 0 )
140 CONTI NUE
M-N-1
DO 200 J - I ,M
NP-N- J
K=J+T
DO 190 I =l ,NP
F x ( I , K ) - ~ F X ~ I + l , J ) - F ~ ~ I , J ~ ) ~ ~ X ( I + J ) - % ~ I ) ~
190 CONTI NUE
200 CONTI NUE
DO 230 J =t,N
3 FORMRTC. - , F10. 3)
WRI TE( 6,3>FX( I ,J )
230 CONTI NUE
RERD<S,2)XI
FA- l .
Y.0,
DO 340 J-V.N
Y-Y+FX< 1 , J >+Fa
WRI TE(6,3)Y
FA-FR* <XI -X( J i )
EAnFArFX< 1, JP >
J P- J +l
WRI TEC6,J )EA
I F CJ .GE.N) COTO 350
340 CONTI NUE
350 STOP
END
Fh l NT EA
I E X I . I
F
FIGURA 11.7 Programa para computadora del polinomio interpolante de Newton
INTERPOLACldN 36 1
3. La ecuacin de error [Ec. (11.18)] se expresa en trminos de las di-
ferencias divididas finitas que ya se han calculado para determinar los
coeficientes del polinomio. Por lo tanto, si se guarda esta informa-
cin, se calcula el error aproximado sin volver a calcular estas can-
tidades.
Todas las caractersticas anteriores se pueden aprovechar e incorpo-
rar en un programa general para computadora que implemente el poli-
nomio de Newton (Fig. 11.7). Al igual que todos los programas del libro,
esta versin no se documenta. Adems, no incluye el error aproximado
mencionado en el punto (3). Una de las tareas es la de hacer este progra-
ma ms legible al usuario (vase el problema 11.11) y que incorpore la
ecuacin de error. La utilidad de esta ecuacin se demuestra en el ejem-
plo siguiente.
EJEMPLO 11.5
Uso de la estimacin de error para determinar el orden apropiado
de interpolacin
Enunciado del problema: despus de incorporar el error [Ec. 11.181, uti-
lcese el programa de computadora dado en la figura 11.7 y la siguiente
informacin para evaluar f(x) = In x en x = 2.
x f(x) = In x
1 O
4 1.386 294 4
6 1.791 759 5
5 1.609 437 9
3 1 .O98 61 2 3
1.5 0.405 465 1 1
2.5 0.916 290 73
3.5 1.252 763 O
Solucin: los resultados de emplear el programa de la figura 11.7 para
obtener la solucin se muestran en la figura 11.8. En la figura 11.9 se
representa el error aproximado, junto con el error verdadero (basado en
el hecho de que In 2 = 0.693 147 18). Ntese que el error calculado
y el verdadero son similares y su coincidencia mejora a medida que crece
el orden. De la grfica se puede concluir que las versiones de quinto or-
den llevan a una buena aproximacin y que los trminos de orden supe-
rior no precisan significativamente la prediccin.
Este ejercicio ilustra tambin la importancia de la posicin y orden de
los puntos. Por ejemplo, las aproximaciones de orden superior al tercero
mejoran ms lentamente ya que los puntos que se le agregan (en x =
4, 6 y 5) estn distantes y a un lado del punto en cuestin en x = 2.
-a Number of data potnts
FIGURA 11.8 Salida del programa BASIC para evaluar In 2.
La aproximacin de cuarto orden muestra mayor mejora porque el nue-
vo punto en x = 3 est ms cerca de la incgnita. Sin embargo, el decre-
mento en el error ms dramtico est asociado con la inclusin del trmino
de quinto orden usando los datos en x = 1.5. No slo este punto est
cerca de la incgnita sino tambin se encuentra al lado opuesto de la ma-
yor parte de los puntos. En consecuencia, el error se reduce casi una or-
den de magnitud.
El significado de la posicin y secuencia de los datos pueden tambin
ilustrarse al usar los mismos datos para obtener una aproximacin para
In 2, pero considerando los puntos en una secuencia diferente. En la fi-
gura 11.9 se muestran los resultados para el caso en que se invierten el
orden de los puntos originales, esto es, x. = 3.5, x1 = 2.5, x2 = 1.5,
etc. Debido a que los puntos iniciales en este caso se encuentran ms cerca
y espaciados a los lados de In 2, el error decrece mucho ms rpidamen-
te que en la situacin original. Mediante el trmino de segundo orden,
el error se ha reducido a un nivel relativo porcentual de menos del E, = 2%.
Se pueden emplear otras combinaciones para obtener diferentes prome-
dios de converqencia.
El ejemplo anterior ilustra la importancia de escoger los puntos base.
Como es obvio, los puntos deben estar tan cerca como sea posible de
las incgnitas. Esta observacin tambin se nota por simple examen de la
ecuacin de error [Ec. (11.17)]. Suponiendo que la diferencia dividida
FIGURA 11.9
11.2
Errores relativos porcentuales en la aproximacin de In 2 en funcin del
orden del polinomio de interpolacin.
finita no vara demasiado a lo largo del rango de datos, entonces el error
es proporcional al producto:(x - xo) (x - xl) . . . (x - x,,). Obviamen-
te, mientras ms cercanos estn los puntos base a las x, menor ser la
magnitud de este producto.
POLINOMIOS DE INTERPOLACIN DE LAGRANGE
El polinomio de interpolacin de Lagrange, simplemente es una refor-
mulacin del pqlinomio de Newton que evita los clculos de las diferen-
cias divididas. Este se puede representar concretamente cmo:
en donde:
[11.19]
[11.20]
en donde II denota el producto de.. Por ejemplo, la versin lineal
(n = 1) es:
I
y la versin de segundo orden es:
[11.21]
[11.22]
Al igual que el mtodo de Newton, la versin de Lagrange tiene un error
aproximado, dado por:
n
La ecuacin (1 1.19) se deriva directamente del polinomio de New-
ton (recuadro 11.1). Sin embargo, la razn fundamental de la formula-
cin de Lagrange se puede comprender directamente notando que cada
trmino Li(x) ser 1 en x = x, y O en todos los dems puntos. Por lo tan-
to, cada producto LJ x) f(xi) toma un valor de f (x,) en el punto x, . For
consiguiente la sumatoria de todos los productos, dada por la ecuacin
(1 1.19) es el nico polinomio de n-simo orden que pasa exactamente
por los n + 1 puntos.
RECUADRO 1 1 . 1 Derivacin de la forma de Lagrange directamente del polinomio de interpolacin
de Newton
El polinomio de interpolacin de Lagrange se puede deri-
var directamente de la formulacin de Newton. Se har
esto en el caso de primer orden,
f [XI , x03 =
f (XI ) - f (xo,
x1 - x0
fdx) =f(x0) +(x - xO)f[Xl, x01 [B11.1.1] se puede reformular como:
Para derivar la forma de Lagrange, se reformulan las di-
ferencias divididas. Por ejemplo, laprimera diferencia di- f bl , x 0 3 =___ f (x1) +~ f (x01 [B11.1.2]
vidida. x1- x0 x0 - XI
INTERPOLACldN 365
a la cual se leconoce con el nombre de forma simtrica. Finalmente, agrupando trminos similares y simplifican-
Sustituyendo la ecuacin (B11.1,2) en la ecuacin do, se llega a la forma de Lagrange,
(B1l .l .l ) se obtiene
EJ EMPLO 11.6
Polinomios de interpolacin de Lagrange
Enunciado del problema: sese un polinomio de interpolacin de Lagrange
de primero y segundo orden para evaluar In2 en base a los datos dados
en el ejemplo 11.2:
x0 = 1 f(xo) = o
XI = 4 !(XI) = 1.386 294 4
x2= 6 f ( ~2) = 1.791 759 5
Solucin: el polinomio de primer orden es [Ec. (11.21)]
y, por lo tanto, la aproximacin en x = 2 es
2- 4 2 - 1
f l k) = ~ O+"-
l " 4 4- 1
1.386 294 4 = 0.462 098 1
De manera similar, el polinomio de segundo orden se desarrolla como
[Ec. ( 1 1.22)] :
+
(2 - 1)(2 - 4)
(6 - 1) (6 - 4)
1.791 759 5 = 0.565 844 37
Como se esperaba, ambos resultados coinciden muy de cerca con los que
se obtuvieron previamente usando lainterpolacin polinomial de Newton.
~
En resumen, para los casos en donde el orden del polinomio se des-
conozca, el mtodo de Newton tiene ventajas debido a que profundiza
en el comportamiento de las diferentes frmulas de orden superior. Ade-
ms, la aproximacin del error dada por la ecuacin (1 l . 18), en general,
puede integrarse fcilmente en los clculos de Newton ya que la aproxi-
macin usa una diferencia dividida (Ejemplo 11.5). De esta forma, des-
de el punto de vista de clculo, a menudo, se prefiere el mtodo de
Newton.
Cuando se va a llevar a cabo slo una interpolacin, ambos mto-
dos, el de Newton y el de Lagrange requieren de un esfuerzo de clculo
similar. Sin embargo, la versin de Lagrange es un poco ms fcil de pro-
gramar. Tambin existen casos en donde la forma de Newton es ms sus-
ceptible a los errores de redondeo (Ruckdeschel, 1981). Debido a esto
y a que no requiere calcular y almacenar diferencias divididas, la forma
de Lagrange se usa, a menudo, cuando el orden del polinomio se cono-
ce a priori.
EJ EMPLO 11.7
Interpolacin de Lagrange usando computadora
Enunciado del problema: en el paquete NUMERICOMP que acompaa
a este texto se encuentra un programa legible al usuario que implementa
la interpolacin de Lagrange. Se puede usar este paquete para llevar a
cabo un problema de anlisis asociado con el problema de paracaidista.
Supngase que se ha desarrollado instrumentacin para medir la veloci-
dad del paracaidista. Los datos medidos para una prueba particular son:
Tiempo,
Velocidad medida
S v, cmls
1 800
3 2 310
5 3 090
7 3 940
13 4 755
El problema es determinar la velocidad del paracaidista en t = 10 S
y llenar el gran espacio de medidas entre t = 7 y t = 13 s. Se sabe que
el comportamiento de los polinomios de interpolacin puede ser inespe-
rado. Por lo tanto, se construyen los polinomios de rdenes 4, 3, 2 y 1
y se comparan los resultados.
Solucin: el programa NUMERICOMP se usa para construir los polino-
mios de interpolacin de cuarto, tercero, segundo y primer orden. Los
resultados son
INTERPOLACldN 367
COEFICIENTE DE:
Orden del cuarto tercer segundo pri mer cero calculado de
polinomio orden orden orden orden orden v par a t =10 S
4 - 1.76302 44.87501 -392.87 1813.625 -663.867 5430.195
3 -4.498586 76.09375 1.239258 1742.656 4874.838
2 -36.14584 858.75 -300.1035 4672.81 2
1 135.8333 2989.167 4347.5
Val or
El polinomio de cuarto orden y los datos de entrada se grafican como
se muestra en lafigura 11. l oa. Es evidente en esta grfica que el valor
aproximado de y en x = 10 es mayor que latendencia total de los datos.
FIGURA 11.10 Grficas generadas por computadora, las cules muestran a) interpolacin de cuar-
to orden; b) de tercer orden c) de segundo orden y d) de primer orden.
En la figura 11.10b a la d se muestran grficas de los resultados de
los clculos de los polinomios de interpolacin de tercero, segundo y pri-
mer orden. Se nota que al disminuir el orden del polinomio de interpola-
cin se disminuye el valor aproximado de la vecindad a t = 10 s. Las
grficas de los polinomios de interpolacin indican que los polinomios de
orden superior tienden a descomponer la tendencia de los datos. Esto su-
giere que los polinomios de primero o segundo grado son ms apropia-
dos en este anlisis en particular. Se debe recordar, sin embargo, que ya
que se trata de datos inciertos, la regresin podra ser ms apropiada.
11.3 COMENTARIOS ADICIONALES
Antes de proceder con la siguiente seccin, se deben mencionar dos te-
mas adicionales: la interpolacin con datos igualmente espaciados y la
extrapolacin.
Ya que los mtodos de Newton y Lagrange son compatibles con los
datos espaciados en forma arbitraria, el lector debe preguntarse por qu
se aborda el caso de los datos igualmente espaciados (recuadro 11.2).
Antes del advenimiento de las computadoras digitales, estos mtodos tu-
vieron gran utilidad en la interpolacin de tablas con datos igualmente
espaciados. De hecho se desarroll un esquema conocido como tabla de
diferencias divididas para facilitar la implementacin de estas tcnicas (la
figura 11.5 es un ejemplo de estas tablas).
Sin embargo, y debido a que las frmulas son un subconjunto de los
esquemas de Newton de Lagrange compatibles con la computadora y
ya que se dispone de muchas funciones tabulares como rutinas de biblio-
teca, la necesidad de puntos equiespaciados se fue perdiendo. Por esta
razn, se han incluido en esta parte del libro por su importancia en partes
posteriores del mismo. En particular, se pueden emplear en la derivacin
de frmulas de integracin numrica que emplean comnmente datos
equiespaciados (captulo 13). Ya que las frmulas de integracin num-
rica tienen importancia en la solucin de ecuaciones diferenciales ordinarias.
el material del recuadro 11.2 tambin tiene importancia en el captulo 17.
RECUADRO 11.2 lnterpolacin con puntos igualmente epaciados
Si los datos se encuentran igualmente espaciados y en or-
En donde h es el intervalo, o tamao del paso, entre los
den ascendente, entonces la variable independiente su-
datos. En base a esto, las diferencias divididas finitas se
pone valores de
pueden expresar en forma concisa. Por ejemplo, la segun-
da diferencia dividida es
INTERPOLAC16N 369
que se puede expresar como
ya que x, - x1 =x1 - x2 =(xo - x?) /2 =h. Ahora
recurdese que la segunda diferencia dividida hacia ade-
lante A2j (xo) es igual al numerador de la [Ec. (3.3111.
A2f(x0) =f(x0) - 2f (xJ +f ( x2)
Por lo tanto, la ecuacin (B11.2.1) se puede representar
mediante:
o. en general.
[B11.2.2]
Usando laecuacin (Bl l .2.2), el polinomio de interpola-
cin de Newton [Ec. (1 1.15)] se puede expresar en el ca-
so de datos igualmente espaciados como
A"f ( x 0 )
+-
n ! h"
(X - XO)(X - xo - h)
{X - xo - (n - 1)h)
+R n [B11.2.3]
en donde el residuo es el mismo de la ecuacin (11.16).
Esta ecuacin se conoce como frmula de Newton o frmula
hacia adelante de Newton - Gregory. Esta se puede sim-
plificar ms an definiendo una nueva cantidad, (Y:
X"
h
(y=-
Esta definicin se puede usar para desarrollar la siguiente
expresin simplificada de los trminos en la ecuacin
(8112.3):
los cuales pueden sustituirse en la ecuacin (B11.2.3) para
dar
(a - n +1) +R, [B11.2.4]
en donde
Esta notacin concisa tiene utilidad en la derivacin y an-
lisis de error de las frmulas de integracin del captulo 13.
Adems de la frmula hacia adelante, existen tam-
bin las frmulas centrales y hacia atrs de Newton-
Gregory. Se puede consultar Carnahan, Luther y Wilkes
(1969) para mayor informacin acerca de la interpolacin
de datos igualmente espaciados.
La extrapolacin es el proceso de calcular un valor de f(x) que cae fuera
del rango de los puntos base conocidos, xo, x1 , . . . , x, (Fig. 11.11). En
una seccin anterior, se dijo que la interpolacin ms exacta usualmente
se obtiene cuando las incgnitas caen cerca de los puntos base. Obvia-
mente, esto no sucede cuando las incgnitas caen fuera del rango, y por
lo tanto, el error en la extrapolacin puede ser muy grande. Como se
FIGURA 1 1 . 1 1 Ilustracin de las posibles divergencias de una prediccin extrapolada.
La extrapalacin se basa en el ajuste de una parabola a travs de los
primeros tres puntos.
muestra en la figura 11.11, la naturaleza abierta-en-los-extremos de laex-
trapolacin representa un paso en la incgnita porque el proceso extien-
de la curva ms a116de la regin conocida. Como tal, lacurva verdadedra
diverge fcilmente de la prediccin. Por lo tanto, se debe tener cuidado
extremo en casos donde se deba extrapolar. El caso de estudio 12.1 en
el captulo siguiente muestra un ejemplo del riesgo que se corre al pro-
yectarse ms all de los lmites de los datos.
11.4 INTERPOLACIN SEGMENTARIA (SPLINE)
En la seccin anterior se usaron polinomios de n-simo orden para in-
terpolar entre n + 1 puntos. Por ejemplo, en ocho puntos, se deriva
un polinomio perfecto de sptimo orden. Esta curva captura todos los ser-
penteos (al menos considera hasta derivadas de sptimo orden) sugeri-
dos por los puntos. Sin embargo, existen casos en donde estas funciones
pueden llevar a resultados errneos. Una alternativa es lade aplicar poli-
nomios de orden inferior a subconjuntos de datos. Estos polinomios co-
nectados se llaman funciones de interpolacin segmentaria (en ingls, spline
functions).
INTERPOlAC16N 37 1
Por ejemplo, las curvas de tercer orden empleadas para conectar ca-
da par de datos se llaman funciones de interpolacin cbica segmentaria
(del ingls cubic splines). Estas funciones tienen la propiedad adicional
de que las conexiones entre ecuaciones cbicas adyacentes son visual-
mente suaves. Superficialmente parece que la aproximacin segmentaria
de tercer orden es inferior a laexpresin de sptimo orden. El lector puede
preguntarse por qu la interpolacin segmentaria siempre es preferible.
FIGURA 1 l . 12 Representacin visual de una situacin en donde la interpolacin seg-
mentaria (spl i ne) es meior a la interpolacin polinomial de orden supe-
rior. La funcin muestra un salto abrupto en x =O. En los incisos a)
al c) se muestra que el cambio abrupto indica oscilaciones con la inter-
polacin polinomial. En contraste y debido a que se limita a curvas de
tercer orden con transiciones suaves, la interpolacin segmentaria d) pro-
porciona una aproximacin mucho ms aceptable.
372 METODOS NUMERI COS PARA INGENIEROS
En la figura 11.12 se ilustra un caso en donde la interpolacin seg-
mentaria se lleva a cabo mejor que con polinomios de orden superior.
Este es el caso donde una funcin es generalmente suave pero muestra
un cambio abrupto en algn lugar de la regin de inters. La figura 11.12
es un caso extremo de este cambio y sirve para ilustrar el punto.
En las figuras 11.12~ hasta la 11.12~ se ilustra cmo los polinomios
de orden superior tienden a balancearse a travs de oscilaciones bruscas
en la vecindad de un cambio abrupto. En contraste la interpolacin seg-
mentaria tambin conecta a los puntos, pero como est limitada a cam-
bios de tercer orden, las oscilaciones se mantienen mnimas. De ah que
la interpolacin segmentaria proporcione una aproximacin superior del
comportamiento de las funciones que tienen cambios locales abruptos.
El concepto de interpolacin segmentaria se origin de la tcnica de
uso de una lmina de plstico delgada (llamada curuigrufo, en ingls spli-
ne) en el trazo de curvas suaves a travs de un conjunto de puntos. El
proceso se muestra en la figura 11.13 sobre un conjunto de cinco tachuelas
(datos). En esta tcnica, el dibujante coloca papel sobre un tablero de ma-
dera y clava tachuelas en el papel (y en el tablero) en la posicin de los
datos. Al pasar un hilo entre las tachuelas resulta una curva cbica sua-
ve. De ah que se haya adoptado el nombre de interpolacin segmenta-
ria (en ingls cubic spline) para polinomios de este tipo.
En esta seccin se utilizan primero funciones lineales simples para in-
troducir algunos conceptos y problemas bsicos asociados con la interpo-
lacin segmentaria. Despus se deriva un algoritmo para ajustar polinomios
FIGURA 1 l. 13 Tcnica de dibujo para trazar curvas suaves utilizando un curvgrafo, da-
dos una serie de puntos. Ntese como la unin de un punto a otro se
realiza mediante diferentes tipos de curvas. A este tipo de interpolacin
de punto Q punto (segmentaria) se conoce como interpolacin segmen-
taria natural (natural spline).
INTERPOLACldN 373
de segundo orden a los datos. AI final, se presenta material sobre inter-
polacin cbica segmentaria, la cul es la versin ms comn y til en
la prctica de la ingeniera:
1 1.4.1 Interpolacin segmentaria lineal
La conexin ms simple entre un par de puntos es una lnea recta. Se
pueden definir los polinomios interpolantes de primer orden mediante un
conjunto de puntos ordenados y definirse como un conjunto de funcio-
nes lineales que unen a los puntos:
en donde mi es la pendiente de la lnea recta que une los puntos:
r11.231
Estas ecuaciones se usan en la evaluacin de funciones de cualquier
punto entre x. y x,, localizando primero el intervalo dentro del que se en-
cuentra el punto. Despus se usa la ecuacin apropiada y se determina
el valor funcional dentro del intervalo. Obviamente, el mtodo es idnti-
co a la interpolacin lineal.
EJEMPLO 11 -8
lnterpolacin segmentaria de primer orden
Enunciado del problema: ajstense los datos del cuadro 11.1 con inter-
polacin segmentaria de primer orden. Evalese la funcin en x = 5.
CUADRO 1 1.1 Datos por
aiustar con
funciones
segmentarias
X {(x)
3.0 2.5
4.5 1 .o
7.0 2.5
9.0 0.5
Solucin: los datos se pueden usar para determinar las pendientes entre
puntos. Por ejemplo, en el intervalo de x = 4.5 a x =7 la pendiente
se puede calcular usando la ecuacin (11 23) :
I m=
2.5 - 1.0
7.0 - 4.5
= 0.60
Los pendientes sobre los otros intervalos se pueden calcular, y los po-
linomios de primer orden se grafican en la figura l l .4a. El valor para
x = 5 es 1.3.
Una inspeccin visual sobre la figura 11.14~1 indica que la principal
desventaja de los polinomios de primer orden es que no son uniformes.
En esencia, en los puntos donde coinciden los polinomios (llamados no-
dos), la pendiente cambia abruptamente. En trminos formales, la pri-
mera derivada de la funcin es discontinua en estos puntos. Esta deficiencia
se supera con el uso de polinomios de orden superior, que aseguran uni-
formidad en los nodos igualando derivadas en esos puntos, como se mues-
tra en la siguiente seccin.
11.4.2 lnterpolacin cuadratica segmentaria
Para asegurar que las m-simas derivadas sean continuas en los nodos,
se debe usar un polinomio de al menos (m +1)-simo orden. Los poli-
nomios de tercer orden o cbicos se usan ms frecuentemente en la prctica
asegurando continuidad en la primera y segunda derivada. Aunque las
derivadas de orden superior sean discontinuas al usarse polinomios de
tercer orden, en general, no se detectan visualmente y por ende, se ignoran.
La interpolacin cbica segmentaria se estudia en una seccin subse-
cuente. Antes de sta se ilustra el concepto de interpolacin cuadrtica
segmentaria usando polinomios de segundo orden. Estos polinomios ma-
drticos tienen la primera derivada continua en los nodos. Aunque los
polinomios cuadrticos no garantizan segundas derivadas iguales en los no-
dos, sirven muy bien para demostrar el procedimiento general en el de-
sarrollo de polinomios interpolantes segmentarios de orden superior.
El objetivo de los polinomios cuadrticos es el de obtener un polino-
mio de segundo orden para cada uno de los intervalos entre los puntos.
El polinomio para cada uno de los intervalos se representa generalmente
como:
fi(x) = aix2 -t bi x +ci [11.24j
INTERPOLAC16N 375
FIGURA 1 l. 14 Ajuste con interpolacin segmentaria sobre un conjunto de cuatro pun-
tos. a) interpolacin segmentaria lineal; b) interpolacin segmentaria cua-
drtica y c) interpolacin cbica segmentaria, con un polinomio cbico
interpolante que tambin aparece en la grfica.
Se ha incluido la figura 11.15 para ayudar a clarificar la notacin. Para
los n + 1 puntos ( i = O, 1, 2,. . . , n), existen n intervalos, y por lo tan-
to, 3n incgnitas constantes por evaluar (lasp, las b y las c) . Por lo tanto,
se requieren 3n ecuaciones o condiciones para evaluar las incgnitas. Es-
tas son:
1. Los valores de las funciones deben ser iguales en los nodos interio-
res. Esta condicin se representa mediante:
[11.25]
[11.26]
FIGURA 11.15 Notacin usada en la derivacin de interpolacin segmentaria cuadrti-
ca. Ntese que hay n intervalos y n +1 puntos. El ejemplo que se mues-
tra es para n =3.
para i = 2 hasta n. Como se usan slo los nodos interiores, las ecuacio-
nes (11. 25) y (11. 26) proporcionan cada una n - 1 condiciones, con
un total de 2n - 2.
2. La primera y la ltima funcin deben pasar a travs de los puntos f i -
nales. Esto agrega dos ecuaciones adicionales:
[11.27]
[11.28]
con un total de 2n - 2 +2 =2n condiciones.
primera derivada en la ecuacin (11. 22) es:
3. Las primeras deriuadas en los nodos interiores deben ser iguales. La
f '(x) = 2ax + b
Por lo tanto, la condicin se representa generalmente cmo:
kblxi + bi-l = 2aixi + bi E11.291
para i = 2 hasta n. Esto proporciona otras n - 1 condiciones con
un total de 2n + n - 1 = 3n - 1. Debido a que hay 3n incgnitas,
se tiene una condicin menos. A menos que exista una informacin
adicional en relacin a las funciones o sus derivadas, se debe escoger
I NTERPOLACI ~N 377
arbitrariamente una condicin para calcular eficientemente las cons-
tantes. Aunque existen algunas alternativas diferentes que se pueden
hacer, aqu se escoge la siguiente:
4. Se supone que la segunda derivada es cero en el primer punto. Ya
que la segunda derivada de la ecuacin (1 1.24) es 2a, esta condicin
se expresa matemticamente cmo:
al = O [11.30]
La interpretacin visual de esta condicin es que los primeros dos pun-
tos se conectarn mediante una lnea recta.
EJEMPLO 11.9
Interpolacion cuadrtica segmentaria
Enunciado del problema: ajstense polinomios cuadrticos-por segmen-
tos a los datos usados en el ejemplo 11.8 (Cuadro 11.1). Usense los re-
sultados para calcular el valor para x = 5.
Solucin: en este problema, se tienen cuatro datos y n = 3 intervalos.
Por lo tanto, se deben determinar 3(3) = 9 incgnitas. Las ecuaciones
(11.25) y (11.26) llevan a 2(3) - 2 = 4 condiciones.
20.25~1~ + 4.5bl +c1= 1.0
20.25~ + 4.5b2 + c2= 1.0
49a2 +7b2 + c2= 2.5
49a3 +7b3 +c3 = 2.5
Pasando la primera y la ltima funcin por los valores iniciales y finales
agrega dos ms: [Ec. (11.27)]
gal + 3bl +c1 = 2.5
y [Ec. (11.28)]
81a3 +9b3 + c3 = 0.5
La continuidad de las derivadas crea adicionalmente 3 - 1 = 2 [Ec.
(11.29)]:
Finalmente, la ecuacin (11.30) especifica que al = O. Ya que esta
ecuacin especifica al exactamente, el problema se reduce a resolver
ocho ecuaciones simultneas. Estas condiciones se pueden expresar en
forma matricial como
4.5 1.0
0.0 0.0
0.0 0.0
0.0 0.0
3.0 1.0
0.0 0.0
1.0 0.0
0.0 0.0
o. o
20.25
49.00
o. O
o. o
0.0
-9.00
14.00
0.0 0.0
4.5 1.0
7.0 1.0
0.0 0.0
0.0 0.0
0.0 0.0
-1.0 0.0
1.0 0.0
0.0
0.0
o. o
49.00
o. o
81.00
o. o
- 14.00
0.0 0.0
0.0 0.0
0.0 0.0
7.00 1.00
0.0 0.0
9.00 1.00
0.0 0.0
-1.00 0.0
1.0
1.0
2.5
2.5
2.5
0.5
o. o
o. o
Estas ecuaciones se resuelven usando las tcnicas de la parte 111con los
resultados:
al = O bl = "1 c1 = 5. 5
a2 = 0.64 b2 = -6.76 c2 = 18.46
a3 = -1.6 b3 = 24.6 ~3 = -91.3
los cuales se sustituyen en las ecuaciones cuadrticas originales desarro-
llando la relacin siguiente para cada intervalo:
fI(X) = "x +5.5 3.0 5 x 5 4.5
f2(x) = 0 . 6 4 ~~ - 6.76~ +18.46 4.5 5 X 5 7.0
f3(~) = -1.6~' +24.6~ - 91.3 7.0 5 X 5 9.0
la prediccin para x = 5 es, por lo tanto
f2(5) = 0.64(5)' - 6.76(5) + 18.46 = 0.66
El ajuste polinominal segmentario total se muestra en la figura 11.14b.
Ntese que hay dos inconvenientes en el ajuste: 1) la lnea recta que une
los primeros dos puntos y 2) el polinomio del ltimo intervalo parece ser-
pentear demasiado alto. Los polinomios segmentarios cbicos de la si-
guiente seccin no muestran estos incovenientes y como consecuencia,
en general son mejores mtodos de interpolacin segmentaria.
11.4.3 lnterpolacin segmentaria
El objetivo de la interpolacin cbica segmentaria es obtener polinomios
de tercer orden para cada uno de los intervalos entre nodos, de la forma
fi(x) = aix3 +bix2 +ci x +di [11.31]
INTERPOLACldN 379
Por lo tanto, para los n + 1 puntos ( i = O, 1, 2, . . . , n ) , existen n inter-
valos y. por lo tanto, 4 n incgnitas constantes por evaluar. Como se hizo
para polinomios cuadrjicos, ahora se requiere de 4 n condiciones para
evaluar las incgnitas. Estas son:
1. Los valores de la funcin deben ser iguales e n los nodos interiores
( 2n - 2 condiciones).
2. La primera y la ltima funciones deben pasar a travs de los puntos
finales (2 condiciones).
3. Las primeras derivadas en los nodos interiores deben ser iguales ( n
- 1 condiciones).
4. Las segundas derivadas en los nodos interiores deben ser iguales ( n
- 1 condiciones).
5. Las segundas derivadas en los nodos finales son cero ( 2 condiciones).
La interpretacin visual de la condicin 5 es que la funcin sea una lnea
recta en los nodos finales. Debido a la especificacin de esta condicin
es que se le llama interpolacin segmentaria natural. Se le da este nombre
ya que el polinomio interpolante se comporta de manera natural en este
esquema (Fig. 11.13). Si el valor de la segunda derivada en los nodos
finales fuese diferente de cero (es decir, existe alguna curvatura), enton-
ces esta informacin se usara alternativamente para proporcionar las dos
condiciones necesarias.
Los cinco tipos anteriores de condiciones proporcionan un total de
4n ecuaciones necesarias para encontrar los 4n coeficientes. Mientras que
es posible desarrollar interpolacin cbica segmentaria con este esque-
ma, aqu se presenta una tcnica diferente que requiere nicamente de
la solucin de n - 1 ecuaciones. Aunque la derivacin de este mtodo
(recuadro 11.3) es algo menos directo que el de interpolacin cuadrtica
segmentaria, la ganancia en eficiencia bien vale el esfuerzo.
RECUADRO 11.3 Obtenci n de la interpolacin cbica segmentaria
El primer paso en la obtencin (Chene y Kincaid, 1980) x - xi
se basa en laobservacin de que debido a que cada pare-
ja de nodos est conectada por un polinomio cbico, la
segunda derivada dentro de cada intervalo es una lnea [B11.3.1]
recta. La ecuacin (1 1.31) se puede derivar dos veces para
verificar esta observacin. Con base a lo anterior, las se-
gundas derivadas se representan mediante los polinomios en donde f, (x) es el valor de la segunda derivada en el
de interpolacin de primer orden de Lagrange [Ec. primer nodo x dentro del i-simo intervalo. Por lo tanto,
x - xi-1
xi-1 - xi xi - xi-1
fl(x) =f(Xi-1) ~ +f(Xi) ___c
(11.21)l: esta ecuacin es una lnea recta que conecta la segunda
derivada en el primer nodo f(xiPl) con la segunda deri-
vada en el segundo nodo f (x,).
En seguida, la ecuacin (B11.3.1) se integra dos ve-
ces y se obtiene una expresin para ft(x). Sin embargo,
esta expresin contendr dos incgnitas constantes de in-
tegracin. Estas constantes se evalan invocando las con-
diciones de equiespaciamiento, f(x) debe ser igual f (x,- J
en y f(x) debe ser igual a !(x,) en x,. Llevando a ca-
bo estas evaluaciones, resulta la siguiente ecuacin cbica:
Ahora, esta expresin es mucho ms complicada para los
polinomios de interpolacin segmentaria en el i-simo in-
tervalo, digamos, la ecuacin (11.31). Sin embargo, n-
tese que esta contiene slo dos coeficientes incgnitas,
las segundas derivadas al principio y al final del intervalo,
f h-1) y f (xi). Por lo tanto, si se determina propia-
mente la segunda derivada en cada nodo, la ecuacin
(B11.3.2) es un polinomio de tercer orden que se usa pa-
ra interpolar dentro de un intervalo.
Las segundas derivadas se evalan usando la condi-
cin de que las primeras derivadas en los nodos deben
ser continuas:
f I-1 (Xi) =f I (Xi) [B11.3.3]
La ecuacin (B11.3.2) se deriva y se obtiene una expre-
sin de la primera derivada. Si esto se hace para los inter-
valos ( - l)-simos e -simos y los dos resultados se
igualan, de acuerdo a la ecuacin (B11.3.3), resulta la si-
guiente relacin:
(Xi - xi-1) f(Xi-1) +2(Xi +l - X, - d f W
+(Xi+l - Xi) f(Xi+l)
Si la ecuacin (B11.3.4) se escribe para todos los nodos
interiores, resultan n - 1 ecuaciones simultneas con
n +1 segundas derivadas incgnitas. Sin embargo, ya que
este es un polinomio interpolante natural, las segundas
derivadas en los nodos finales son cero y el problema se
reduce a n - 1 ecuaciones con n - 1 incgnitas. Ade-
ms, ntese que el sistema de ecuaciones ser tridiago-
nal. Por lo tanto, no slo se tiene que reducir el nmero
de ecuaciones sino que tambin se calculan de forma que
sean muy fciles de resolver (recurdese el recuadro 7.2).
La derivacin del recuadro 11.3 genera las siguientes ecuaciones c-
bicas para cada intervalo:
[11.32]
INTERPOLACldN 38 1
Esta ecuacin contiene nicamente dos incgnitas , las segundas deriva-
das al final de cada intervalo. Estas incgnitas se evalan usando la ecua-
cin siguiente:
Si esta ecuacin se escribe para todos los nodos interiores, se generan
n - 1 incgnitas. (Recurdese que las segundas derivadas en los nodos
finales son cero). La aplicacin de estas ecuaciones se ilustra en el ejem-
plo siguiente:
EJEMPLO 11.10
Interpolacin cbica segmentaria
Enunciado del problema: ajstese un polinomio cbico por segmentos a
los datos usados en los ejemplos 11.8 y 11.9 (Cuadro 11.1). Utilicense
los resultados para calcular el valor en x = 5.
Solucin: el primer paso es emplear la ecuacin (1 1.33) para generar un
conjunto de ecuaciones simultneas que se usarn en la determinacin
de las segundas derivadas en los nodos. Por ejemplo, en el primer nodo
interior, se usan los siguientes datos:
xo=3 f(xo) = 2.5
x1= 4.5
f(xJ = 1
x2= 7
f(~2) = 2.5
Estos valores se sustituyen en la ecuacin (11.33) y se obtiene
(4.5 - 3)fff(3) + 2(7 - 3)frr(4.5) + (7 - 4.5)f(7)
(2.5 - 1) +
7 - 4.5 4.5 - 3
- 6
-
(2.5 - 1)
Debido a la condicin natural de los polinomios, f (3) = O, y la ecuacin
se reduce a
8f(4.5) + 2.5ff(7) = 9.6
De manera similar, la ecuacin (11.33) se aplica a los segundos puntos
interiores para obtener
I
3.5f"(4.5) + 9f"(7) = -9.6
Estas dos ecuaciones se resuelven simultneamente cmo
f"(4.5) = 1.745 45
f " (7) =-1.745 45
Estos valores se sustituyen en laecuacin (1 1.32), junto con los valo-
res de las x y de las !(x), obteniendo:
1.745 45 2.5
fib) = (x - 3) 3 + (4.5 - x)
6(4.5 - 3) 4.5 - 3
1.745 45 (4.5 - 3)
+ [4.5f 3
-
6 1
(x - 3)
O
fI(x) = 0.193 939( ~ - 3)3 + 1.666 667(4.5 - X) + 0.230 303( ~ - 3)
Esta ecuacin es el polinomio cbico interpolante para el primer interva-
lo. Se pueden llevar a cabo sustituciones similares y desarrollar las ecua-
ciones para el segundo y tercer intervalo:
fi(x) = 0.116 364(7 - x)3 - 0.116 364(x - 4.5)3
- O. 327 273 (7 - X) + 1.727 273( ~ - 4.5)
Y
f 3(~) = - 0.145 455(9 - + 1.831 818(9 - X) + 0.25(~ - 7 )
Las tres ecuaciones se emplean para calcular los valores dentro de cada
uno de los intervalos. Por ejemplo, el valor en x = 5, que cae dentro
del segundo intervalo, se calcula cmo
fZ(5) = 0.116 364(7 - 5)3 - 0.116 364(5 - 4.5)3
- 0.327 273(7 - 5) + 1.727 273(5 - 4.5) = 1.125 5
Se calculan otros valores y los resultados obtenidos se muestran en lafi -
gura 11.14~.
Los resultados del ejemplo 11.8 al 11.10 se resumen en la figura 11.14.
Ntese cmo se obtienen mejoras progresivas conforme se pasa de inter-
polacin lineal a cuadrtica y a cbica. Tambin se ha sobrepuesto un
lNTERPOLACl6N 383
polinomio de interpolacin cbica en la figura 11.14~. Aunque la inter-
polacin cbica consiste de una serie de curvas de tercer orden, el ajuste
resultante difiere del que se obtiene usando polinomios de tercer orden.
Esto se debe a que la interpolacin natural requiere de segundas deriva-
das en los nodos finales, mientras que el polinomio cbico no tiene esta
restriccin.
11.4.4 Algoritmo para la interpolacin cbica segmentaria
El mtodo para calcular los polinomios cbicos de la interpolacin seg-
mentaria vista en las secciones anteriores es ideal para su implementa-
cin en microcomputadoras. Recurdese que por algunas manipulaciones
inteligentes, el mtodo se reduce a resolver n - 1 ecuaciones simult-
neas. Un beneficio adicional obtenido de la derivacin es que, como lo
especifica la ecuacin (11.33), el sistema de ecuaciones es tridiagonal.
Como se describe en el recuadro 7.2, se dispone de los algoritmos para
resolver tales sistemas de una manera extremadamente eficiente. En la
figura 11.16 se presenta el algoritmo de interpolacin cbica segmentaria
el cual incluye los aspectos antes mencionados.
FIGURA 1 1 . 1 6 Algoritmo de interpoiacin cbica segmentaria.
PROBLEMAS
Clculos a mano
11.1 Calclese el logaritmo de 4 en base 10 (log 4) usando interpolacin lineal. a)
Interpolar entre log 3 =0.477 121 3 y log 5 =0.698 970 O. b) Interpolar entre
log 3 y log 4.5 =0.653 212 5. Para cada una de las interpolaciones calclese
el error relativo porcentual basado en el error verdadero de log 4 =0.602 060 O.
11.2 Ajstese un polinornio de interpolacin de Newton de segundo orden para apro-
ximar log 4 usando los datos del problema 11. 1, Calclese el error relativo por-
centual.
11.3 Ajstese un polinomio de interpolacin de Newton de tercer orden para calcular
log 4 usando los datos del problema 11.1 adems del punto adicional, log 3.5
=0.544 068 O. Calclese el error relativo porcentual.
x I O 0.5 1.0 1.5 2.0 2.5
f(x) I 1 2.119 2.910 3.945 5.720 8.695
a) Calclese f (1.6) usando polinomios de interpolacin de Newton de orden 1
hasta el 3. Escjase la secuencia de puntos de las aproximaciones para lograr
exactitud.
b) sese la ecuacin (11.18) para calcular el error en cada prediccin.
x 1 1 2 3 5 6
f(x) I 4.75 4 5.25 19.75 36
Calclese f (3.5) usando polinomios de interpolacin de Newton de orden 1 hasta
el 4. Escjanse los puntos base para obtener una buena aproximacin. Qu in-
dican los resultados respecto al orden del polinomio que se usa para generar los
datos en la tabla?
11.6 Reptanse los problemas 11.1 al 11.3 usando polinomios de Lagrange.
11.7 Reptase el problema 11.40 usando interpolacin de Lagrange.
11.8 Reptase el problema 11.5 usando polinomios de Lagrane de orden 1 hasta el 3
11.9 Desarrllese la interpolacin cuadrtica segmentaria para los datos del problema
11.5 y calclese f (3.5).
11.10 Desarrllese la interpolacin cbica segmentaria para los datos del problema 11.5
y clculese f (3.5).
11.11 Vulvase a programar lafigura 11.7 de tal manera que sea legible al usuario.
Entre otras cosas:
a) Insrtese documentacin a lo largo del programa para identificar lo que cada
una de las secciones debe hacer.
b) Etiqutense las entradas y las salidas.
c) Inclyase la ecuacin (1 1.18) para calcular el error de cada orden del polino-
mio (excepto el ltimo).
11.12 Prubese el programa que el lector haya desarrollado en el problema 11.11 du-
plicando los clculos del ejemplo 11.5.
11.13 sese el programa desarrollado por el lector en el problema 11.11 y resulvanse
los problemas 11.1 al 11.3.
11.14 sese el programa desarrollado en el problema 11.11 y resulvanse los proble-
mas 11.4 y 11.5. En el problema 11.4, utilcense todos los datos par desarrollar
INTERPOLAC16N 385
los polinomios del orden primario hasta el quinto. En ambos problemas, graf-
quese el error calculado contra el orden.
11.15 Reptanse los problemas 11.12 y 11.13, usando el paquete NUMERICOMP aso-
ciado con este texto.
11.16 sese el paquete NUMERICOMP con los ejemplos 11.6 y 11.7
11.17 Desarrllese un programa legible al usuario para la interpolacin de Lagrange.
Prubese con el ejemplo 11.7.
11.18 Desarrllese un programa legible al usuario para la interpolacin cbica segmen-
taria basado en la figura 11.16 y en la seccin 11.4.4. Prubese el progama con
el ejemplo 11.10.
11-19 sese el programa desarrollado en el problema 11.18 para ajustar polinomios
cbicos con los datos de los problemas 11.4 y 11.5. En ambos casos, calcular
f (2.25).
C A P T U L O D O C E
CASOS DE LA PARTE IV:
AJ USTE DE CURVAS
El propsito de este captulo es el de hacer uso de los mtodos de ajuste
de curvas en la solucin de problemas de ingeniera. Al igual que en los
otros casos de estudio de los otros captulos, el primer ejemplo se toma
del rea general de la ingeniera econmica y de administracin. A este
caso lo siguen las cuatro reas principales de la ingenieria: qumica, civil,
elctrica y mecnica.
En el caso 12.1 se hace un anlisis sobre los datos de venta de com-
putadoras. El ejemplo ilustra dos puntos importantes relacionados con el
ajuste de curvas: 1) los polinomios de interpolacin estn bien condicio-
nados para el ajuste de datos imprecisos y 2) la extrapolacin es un pro-
cedimiento, poco confiable cuando la relacin de causa-efecto subyacente
a la tendencia se desconoce.
El caso 12.2, tomado de la ingeniera qumica, demuestra cmo se
puede linealizar un modelo no lineal y ajustarse a datos que usan regre-
sin lineal. El caso 12.3 usa un esquema similar pero emplea tambin
interpolacin polinomial para determinar la relacin esfuerzo-deformacin
en problemas de estructuras en ingeniera civil.
El caso 12.4 ilustra cmo se usa un simple polinomio de interpola-
cin para aproximar una funcin ms complicada en ingeniera elctrica.
Finalmente, el caso 12.5 demuestra cmo se usa la regresin lineal ml-
tiple en el anlisis experimental de datos en un problema de fluidos to-
mado de la ingeniera mecnica.
CASO 12.1 MODELO DE INGENIERA DE VENTA DE PRODUCTOS
Antecedentes: los ingenieros encargados del diseo y fabricacin de pro-
ductos tales como automviles, televisores y computadoras pueden ver-
se implicados en otros aspectos de los negocios. Estas implicaciones
incluyen las ventas, mercadeo y distribucin del producto.
Supngase que un ingeniero trabaja para la compaa que fabrica
las Computadoras de tipo Micro 1 (vase el caso 6.1). Las consideracio-
nes sobre planificacin y localizacin de recursos (caso 9.1) requieren que
este ingeniero sea capaz de predecir hasta cundo permanecern en el
mercado las computadoras de su compaa en funcin del tiempo. En
este caso de estudio, se proporcionan datos que describen el nmero de
computadoras de la compaa que se encuentran en el mercado en dife-
rentes tiempos hasta 60 das (Fig. 12.1). Al ingeniero se le pide que
examine estos datos y, usando mtodo de extrapolacin, calcular cun-
tas computadoras se tendrn disponibles a los 90 das. Los datos se mues-
tran en el cuadro 12.1.
FIGURA 12.1 Nmero de computadoras en el mercado contra el tiempo.
CUADRO 12.1 Nmero de computadoras en
el mercado en funcin del
tiempo
Tiempo, computadoras
das en el mercado
Nmero de
~~ ~~ ~
O 50 O00
10 35 O00
20 31 O00
30 20 O00
40 1 9 O00
50 1 2 O00
60 1 1 O00
CASOS DE LA PARTE IV: NUSTE DE CURVAS 389
Este anlisis de tendencia y extrapolacin se resuelve usando polino-
mios de interpolacin del primero hasta el sexto grado as como con poli-
nomios de regresin del primero hasta el sexto grado. Las curvas resultantes
se usan para predicciones en los das 55,65 y 90 que ilustran el contraste
entre interpolacin y extrapolacin.
Solucin: analizando la figura 12.1 se observa que los datos no son uni-
formes. Aunque el nmero de computadoras decrezca con el tiempo, la
tasa de decrecimiento vara de intervalo a intervalo comportindose alea-
toriamente. Por lo tanto, an antes de que empiece el anlisis, se puede
esperar que la extrapolacin de estos datos traer dificultades.
Los resultados del cuadro 12.2 confirman esta conjetura. Ntese que
hay una gran discrepancia entre las predicciones con cada uno de los m-
todos. Para cuantificar la discrepancia se calcula la media, la desviacin
estndar y un coeficiente de variacin de las predicciones. El coeficiente
de variacin, que es la media dividida por la desviacin estndar (multi-
plicada por el loo%, proporciona una medida relativa de la variabilidad
de cada conjunto de predicciones [ c . (IV.5)J. Ntese cmo el coeficien-
CUADRO 12.2 Resultados del ajuste de varios polinomios de interpolacibn y poli-
nomios e minimos cuadrados a los datos del cuadro 1 2.1. Se mues-
tra una interpolacibn en t =55 y una extraplacibn de t 65 y
90. Nbtese que, debido a que las ecuaciones notmales estbn mal con-
dicionadas, el polinomio con minimos cuadrados de sexto orden di-
fiere del polinomio de interpolacibn mbs preciso (recuerdese la
seccin 10.2.1 )
I NTERPOl ACl d N EXTRAPOl ACl d N
~~
t 55 t =65 t 90
Polinomios de interpolacin
Primer orden 1 1 525 10 475 7 850
Segundo orden 10 788 12 688 43 230
Tercer orden 10 047 16 391 161 750
Cuarto orden 8 961 23 992 578 750
Quinto orden 7 300 38 942 1 854 500
Sexto orden 4 660 67 975 5 458 100
Media 8 880 28 41 1 1 350 700
Desviacin estndar 2 542 21 951 2 128 226
Coeficiente de variaci6n 29% 77% 157%
Polinomios con mnimos cuadrados
Primer orden 9 820 3 573 -1 2 045
Segundo orden 1 1 829 10 939 16 529
Tercer orden 12 040 8 872
Cuarto orden 1 1 101 12 733 83 104
Quinto orden 11 768 9 366 -78 906
Sexto orden 4 261 71 266 5 768 460
Media 10 203 18 910 910 623
Desviacin estndar 2 834 24 233 2 228 408
Coeficiente de variacin 28% 128% 245%
-3 046
390 MGTODOS NUMERICOS PARA INGENIEROS
te de variacin es el menor para el valor interpolado en el da 55. Tam-
bin, ntese cmo la mayor discrepancia se da en el da 90, que representa
la extrapolacin ms lejana.
Adems, los resultados de los polinomios de extrapolacin disminu-
yen a medida que crece el orden, hasta el punto en que el caso de sexto
orden lleva a laridcula prediccin de que en el da 90 se tendrn dispo-
nibles 5 458 100 computadoras. La razn de este resultado sin sentido
se ilustra en la figura 12.2, que muestra el polinomio de sexto grado. Ya
que la tendencia sugerida por los datos no es uniforme, los polinomios
de grado superior oscilan para intersectar cada punto. Estas oscilaciones
llevan a interpolaciones falsas y extrapolaciones del tipo manifestado en
la figura 12.2.
Ya que la regresin no se restringe para pasar por cada uno de los
puntos, algunas veces resulta til para remediar esta situacin. La figura
12.3 que muestra los resultados de la regresin cuadrtica y cbica su-
giere que es real para regresin de nivel bajo. Dentro del rango de los
datos ( t = O hasta 60 das), los resultados de las dos regresiones llevan
a resultados poco consistentes. Sin embargo, cuando se extrapolan ms
all de este rango, la prediccin diverge. En t = 90, la regresin de se-
CASOS DE LA PARTE IV: AJUSTE DE CURVAS 39 1
FIGURA 12.3 Grfica de las curvas de regresin de segundo y tercer orden usadas para
interpolar y extrapolar los datos de venta de computadoras.
gundo orden lleva al resultado absurdo de que el nmero de computa-
doras ha crecido, mientras que la versin de tercer orden lleva a la
proyeccin ridcula de que habr un nmero negativo de computadoras.
La razn principal de que la interpolacin y la regresin estn mal con-
dicionadas para este ejemplo es que ni siquiera se basan en un modelo
de la realidad fsica. En ambos casos, el comportamiento de las predic-
ciones es puramente un artificio del comportamiento de los nmeros. Por
ejemplo, ni los modelos toman en consideracin que ms all de t = 60.
el nmero de computadoras debe estar entre O y 11 000. Por lo tanto,
si se estuviera interesado en una aproximacin rdpida del nmero de com-
putadoras en el mercado, en un tiempo futuro, un ajuste y una extrapo-
lacin visula arrojara resultados ms realistas. Esto se debe a que se
est conciente de las restricciones fsicas del problema y se puede, por
lo tanto, incorporar estas restricciones en la solucin grfica simple. En
el caso de estudio 18.1, se usa una ecuacin diferencial para desarrollar
un modelo que tenga una base terica y, por consiguiente, lleve a resul-
tados ms satisfactorios.
Por el lado positivo se debe notar que este ejemplo ilustra cmo la
regresin tiene alguna utilidad para la interpolacin entre puntos un tan-
to errneos o inexactos. Sin embargo, la primera conclusin de este caso es
que la extrapolacin siempre se debe llevar a cabo con cuidado y precaucin.
CASO 12.2 REGRESIN LINEAL Y MODELOS DEMOGRFICOS
(INGENIERA QUMICA)
Antecedentes: los modelos de crecimiento poblacional son importantes
en muchos campos de la ingeniera. La suposicin de que la tasa de cre-
cimiento de la poblacin ( dp/ dt ) es proporcional a la poblacin actual (p)
en el tiempo (f) es de fundamental importancia en muchos de los mode-
los, en forma de ecuacin
- =/ q dP
dt
[ 12.11
en donde k es un factor de proporcionalidad conocido como la tasa de
crecimiento especfico y tiene unidades de tiempo-l. Si k es una cons-
tante, entonces se puede obtener la solucin de la ecuacin (12.1) de
la teora de ecuaciones diferenciales:
en donde po es la poblacin en el tiempo t = O. Se observa que p(t) en
la ecuacin (12.2) tiende a infinito a medida que t crece. Este comporta-
miento es claramente imposible en los sistemas reales. Por lo tanto, se
debe modificar el modelo y hacerlo ms realista.
Solucin: primero, se debe reconocer que la tasa de crecimiento especfi-
co k no puede ser constante a medida que la poblacin crece. Esto es
porque, cuando p tiende a infinito, el organismo que se modela se ve
limitado por factores tales como el almacenamiento de comida y produc-
cin de desperdicios txicos. Una manera de expresar esto matemtica-
mente es la de usar el modelo de tasa-de-crecimiento-y-saturacin tal como:
[12.3]
en donde kmdx es la mxima tasa de crecimiento posible para valores de
comida v) abundante y K es la constante de semi-saturacin. La grfica de
la ecuacin (12.3) de la figura 12.4 muestra que cuando f = K, k
= kmex/2. Por lo tanto, K es la cantidad de comida disponible que sos-
tiene una tasa de crecimiento poblacional igual a la mitad de la tasa mxima.
Las constantes K y kmx son valores empricos basados en medidas
experimentales de k para varios valores de f. Como ejemplo, supngase
que la poblacin p representa una levadura empleada en la produccin
comercial de cerveza y f es la concentracin de la fuente de carbono a
fermentarse. Las medidas de k contra f de la levadura se muestran en
el cuadro 12.3. Se necesita calcular kmx y K de estos datos empricos.
Esto se lleva a cabo invirtiendo la ecuacin (12.3) de manera similar a
la ecuacin (10.16), obteniendo
[12.4]
CASOS DE LA PARTE IV: AJUSTE DE CURVAS 393
FIGURA 12.4
CUADRO 12.3
Grfica del promedio de crecimiento especfico contra la comida dispo-
nible con el modelo de promedio-de-crecimiento-de-saturacin usado en
la caracterizacin de lacintica microbial. El valor de K es llamado cons-
tante de saturacin media ya que representa laconcentracin en donde
el promedio de crecimiento especfico es la mitad del valor mximo.
Datos usados en la evaluacin de las constantes
en un modelo de promedio-de-crecimiento-de-
saturacin que caracteriza a la cintica microbial
f, mglL k, dias" llf, Llmg I lk, da
7 0.29
9 0.37
15 0.48
25 0.65
40 0.80
75 0.97
1 O0 0.99
150 1 .O7
O. 142 86
0.111 1 1
0.066 66
0.040 O0
0.025 O0
0.013 33
0.010 O0
0.006 66
3.448
2.703
2.083
1.538
1.250
1 .O31
1 .o1 o
0.935
De esta manera, se ha transformado la ecuacin (12.3) a la forma lineal;
esto es, l / k es una funcin lineal de l/f, con pendiente K/kmdX. Estos
valores se grafican en la figura 12.5.
Debido a la transformacin, se puede usar el procedimiento de mni-
mos cuadrados lineales descrito en el captulo 10 para determinar kmdx
= 1.23 das" y K = 22.18 mg/ L. Combinando estos resultados con
la ecuacin (12.3) y comparndolos con los datos sin transformar de la
figura 12.6, y cuando se sustituyen en el modelo de la ecuacin (12.1)
se obtiene:
[12.5]
FIGURA 12.5 Versin l i neal i zada del modelo de promedio-de-crecimiento-de-
saturacin. La lnea es un ajuste con mnimos cuadrados que se usa en
la evaluacin de los coeficientes del modelo kmbx =1.23 das y k =
22.18 mg/L para l evadura usada en lafabricacin de cerveza.
Esta ecuacin se puede resolver usando la teora de las ecuaciones dife-
renciales o usando los mtodos numricos analizados en los captulos 16
y 17 cuando se conoce f ( t ) . Si f se aproxima a cero a medida que p cre-
ce, entonces dp/ dt tiende a cero y la poblacin se estabiliza.
La linealizacin de la ecuacin (12.3) es una manera de evaluar las
constantes kmdx y K. Otra manera de hacerlo, y que ajusta la relacin a
FIGURA 12.6 Ajuste del modelo de promedio-de-crecimiento-de-saturacin de la le-
vadura empleada en la fabricacin comercial de cerveza.
CASOS DE LA PARTE IV: AJ USTE DE CURVAS 395
su forma original, se le conoce con el nombre de regresin no lineal (Dra-
per y Smith, 1981). En cualquier caso, se puede usar anlisis de regre-
sin para calcular los coeficientes del modelo usando los datos medidos.
Este es un ejemplo del uso de la regresin para la prueba de hiptesis,
como se estudi en la seccin IV.1.2.
CASO 12.3 AJ USTE DE CURVAS EN EL DISEO DE UN MSTIL
PARA BARCO (INGENIERA CIVIL)
Antecedentes: el mstil de un barco (vase el caso 15.3 para mayores
detalles) tiene un rea transversal de 0.876 pulg2 y se construye de
una aleacin de aluminio experimental. Se llevan a cabo pruebas para
definir la relacin entre esfuerzo (fuerza por rea) aplicada al material y
deformacin (deflexin por unidad de longitud). Los resultados de estas
pruebas se muestran en la figura 12.7 y se resumen en el cuadro 12.4.
Es necesario calcular el cambio de longitud del mstil debido a la defor-
macin causada por la fuerza del viento. La compresin causada por el
aire se puede calcular usando la relacin:
Esfuerzo =
fuerza en el mstil
rea de la seccin transversal del mstil
FIGURA 12.7 Curva de esfuerzo-deformacin en una aleacin de aluminio. En el caso
12.3 se debe obtener una deformacin aproximada a partir de estos datos
que conforman un esfuerzo de 7 350 libras/pulgada2.
CUADRO 12.4 Datos de esfuerzo-deformacin ordenados
de tal manera que los puntos usados en la
interpolacin estn siempre ms cercanos
al esfuerzo de 7 350 Iblpulg'
Nmero de
Esfuerzo,
Deformacin
puntos lblpu1g2 pieslpie
1 7 200 0.002 o
2 7 500 0.004 5
3 8 O00 0.006 O
4 5 200 0.001 3
5 10 O00 0.008 5
6 1 800 0.000 5
En este caso, se tiene una fuerza del viento de 6 440.6 libras (ntese que
al igual que en el caso 15.3 se usan mtodos numricos para determinar
este valor directamente de los datos del viento), y el esfuerzo se calcula
mediante:
Esfuerzo = 440'6 = 7 350 Ib/ pulg2
0.876
Este esfuerzo puede ser usado para calcular la deformacin de la fi-
gura 12.7, el cual, a su vez, se puede sustituir en la ley de Hooke y calcu-
lar el cambio en la longitud del mstil:
AL = (deformacin) (longitud) [12.6]
en donde la longitud se refiere a la altura del mstil. Por lo tanto, el pro-
blema se reduce a la determinacin de valores de la deformacin de los
datos en la figura 12.7. Ya que no se dispone de ningn punto para un
valor de esfuerzo dado de 7 350, el problema necesitar algn ajuste de
curvas. En este caso se usarn dos planteamientos: el de interpolacin
polinomial y el de regresin con mnimos cuadrados.
Solucin: el primer planteamiento usar la interpolacin polinomial de
orden O al 5 para calcular la deformacin a un esfuerzo de 7 350
lb/ pulg2. Para hacerlo, los datos se ordenan de tal manera que la inter-
polacin siempre use informacin que se encuentre ms cercana a los pun-
tos incgnitas (cuadro 12.4). Se puede aplicar la interpolacin polinomial
de Newton, con los resultados dados en el cuadro 12.5.
Todos los polinomios excepto el de orden cero llevan a resultados
que casi coinciden.
En base al anlisis, se concluira que una deformacin de aproximada-
mente 3.4 X pies/ pie es una aproximacin razonable.
Sin embargo, hay una aclaracin importante. Es realmente fortuito
que la aproximacin de la deformacin tienda a un mismo valor. Esto
se puede ver examinando la figura 12.8, en donde se muestra el polino-
CUADRO 12.5 Resultados del polinomio de interpolacih de Newton para prede-
cir una deformacin correspondiente a un esfuerzo de 7 350
lblpu1g2 en base a la informacin del cuadro 12.4
Orden del Coeficiente de Deformacin
polinomio (n)
n-simo orden (con esfuerzo 7 350)
2 X 10-3
-6.67 X 10-9
8.33 x
-3.62 X 10
1.198 x
2.292 x
2 X 10-3
3.27 X 1 0 - ~
3.42 X 10-3
3.36 X 10-3
3.38 X 10-3
3.401 x
FIGURA 12.8 Grfica de un polinomio interpolante de quinto orden que ajusta perfec-
tamente los datos del cuadro 12.4. Ntese que aunque la curva pasa
muy bien a travs de los tres puntos en la vecindad del esfuerzo de
7 350, la curva oscila ampliamente en otras partes del rango de datos.
mio de quinto orden junto con los datos. Ntese que debido a que los
tres datos se encuentran muy cercanos del valor de 7 350, la interpola-
cin no debe variar significativamente en este punto, como era de espe-
rarse. Sin embargo, si se requieren aproximaciones de otras fuerzas, las
oscilaciones de los polinomios pueden llevar a resultados inexactos.
Los resultados anteriores ilustran que la interpolacin con polinomios
de grado superior est mal condicionada para datos inciertos o con rui-
do del tipo de este problema. La regresin proporciona una alternativa
que, en general, es ms apropiado para estas situaciones.
Por ejemplo, se puede usar la regresin lineal para ajustar una lnea
recta a travs de los datos. La lnea de mejor ajuste es
Deformacin = -0.002 527 + 9.562 x esfuerzo [12.7]
la lnea y los datos se muestran en la figura 12.9. Sustituyendo el esfuer-
zo = 7 350 libras/ pulg2 en la ecuacin (12.7) se obtiene una prediccin
de 4.5 X pulgs/ pulg.
Un problema con regresin lineal lleva a resultados fuera de la reali-
dad con deformaciones negativas en un esfuerzo igual a cero. Una ma-
nera diferente de regresin que evita este resultado no realista es la de
ajustar una lnea recta al logaritmo (base 10) de la tensin contra el loga-
ritmo del esfuerzo (recurdese la seccin 10.1.5). El resultado en este ca-
so es:
log (deformacin) = -8.565 +1.586 log(esfuerzo)
Esta ecuacin se puede transformar a la forma inicial que predice la de-
formacin, sacando antilogaritmos se obtiene:
deformacin = 2.723 X (esfuerzo) [12.8]
Esta curva tambin se superpone a la figura 12.9 en donde se puede ver
que esta versin muestra los resultados fsicos ms realistas ya que la de-
formacin es cero cuando el esfuerzo es cero. La curva tambin es un
poco ms realista ya que captura algunas de las curvaturas sugeridas por
los datos. Sustituyendo el esfuerzo = 7 350 en la ecuacin (12.8) se ob-
tiene una prediccin de la deformacin = 3.7 x l op3 pulgs/ pulg.
De esta manera, la interpolacin polinomial y los dos tipos de regre-
sin llevan a resultados diferentes de deformacin. Debido al realismo f-
sico y al comportamiento ms satisfactorio a travs del rango completo
de los datos, se optar por la ecuacin (12.8) ya que proporciona mejo-
res predicciones. Usando un valor de longitud = 30 pies y con la ecuacin
(12.6) se obtiene el siguiente resultado del cambio en la longitud del mstil:
AL = (3.7 x pies/ pie)(30 pies) = 0.11 pies
FIGURA 12.9 Grfica de una lnea usando regresin lineal y una lnea de regresin
usando la transformacin logartmica con los datos de esfuerzo-
deformacin del mstil de un barco.
CASO 12.4 AJUSTE DE CURVAS EN LA ESTIMACIN DE LA
CORRIENTE RMS (INGENIERA ELCTRICA)
Antecedentes: el valor promedio de una corriente elctrica oscilante du-
rante un periodo puede ser cero. Por ejemplo, supngase que la co-
rriente se describe mediante una senoidal simple: i (t ) = sen (2at/T) en
donde T es el periodo. El valor promedio de esta funcin se puede deter-
minar mediante la siguiente ecuacin:
- - -cos 27T +cos o
T
=o
La misma aproximacin se muestra grficamente en la figura 12. l oa. Co-
mo se puede ver, resulta una corriente neta igual a cero ya que las reas
positiva y negativa bajo la curva se cancelan.
A pesar de que el resultado neto es cero, esta corriente es capaz de
realizar un trabajo y generar calor. Por lo tanto, los ingenieros elctricos,
a menudo, caracterizan esta corriente mediante
[12.9]
en donde I,,, se conoce como corriente RMS (raz cuadrada media, en
ingls root-mean-square). El problema de cancelacin de signos positi-
vos y negativos se evita elevando la corriente al cuadrado antes de calcu-
lar el promedio.
FI GURA 12.1 O a) Grfica de una corriente elctrica oscilante. Sobre un periodo T (esto
es, un cic!o completo), la integral de la funcin es cero ya que las reos
positivas y negativas son iguales, y por lo tanto, se cancelan. Para evitar
este resultado, la corriente se eleva al cuadrado, como en b). La raz
cuadrada del promedio del cuadrado, a la cual se le llama corriente RMS,
proporciona una medida de la magnitud de la corriente.

En este caso, supngase que la corriente en un circuito es de
i ( t ) = 10e-tT sen- para O I t I T / 2
i ( t ) = O
para T / 2 < t 5 T
( 2;t ) [12.10]
Determnese la corriente RMS ajustando un polinomio de segundo grado
que coincida con i 2(t ) exactamente en t = O, T/4 y 1/ 2. En seguida, in-
tgrese este polinomio analticamente y calclese la corriente RMS en el
intervalo de O a T usando la ecuacin (12.9). Supngase que T = 1 s.
Este resultado se puede comparar al caso 15.4 en donde se emplear6n
otras tcnicas para calcular la corriente RMS.
Solucin: usando la ecuacin (12. l o), se generan los siguientes puntos.
t i ( t ) i *(t )
O 0.000 O00 O00 0.000 O00 O0
114 7.788 007 831 60.653 065 98
1/2 0.000 O00 O00 0.000 O00 O0
Ajustando un polinomio de Newton de
obtiene el polinomio
segundo orden (Fig. 12.11), se
i2(t) = 242.612 264t - 970.449 056t(t - 1/4)
FIGURA 12.1 1 Grfica de la corriente verdadera [Ec. ( 1 2.10)], junto con la parbola
que se usa como aproximacin.
que se puede integrar desde t = O hasta t = T/2 (T = 1 S) y obtener:
i : i2(t) dt -= 121.306 132t2 -.323.483 0187t3 + 121.306 132$
I :
obteniendo el resultado 20.217 688 66, el cual, a su vez se sustituye en
la ecuacin (12.9) y se obtiene lRMs = 4.496 408 418. En el caso 15.4
se usan varias tcnicas de integracin numrica para llevar a cabo estos
mismos clculos.
CASO 12.5 REGRESIN LINEAL MQLTIPLE EN EL
ANALISIS DE DATOS EXPERIMENTALES
(INGENIERA MECANICA)
Antecedentes: las variables de diseo en la ingeniera, a menudo, dependen
de muchas variables independientes. Con frecuencia esta dependencia
funcional se caracteriza mejor con ecuaciones de potencia multivariable.
Como se analiza en la seccidn 10.3, una regresin lineal mltiple de da-
tos transformados mediante logaritmos porporciona un medio para eva-
luar tales relaciones.
Por ejemplo, un estudio de ingeniera mecnica indica que el flujo
de fluido a travs de un tubo es funcin del dimetro del tubo y de su
pendiente (cuadro 12.6). Para analizar estos datos se usa una regresin
lineal mltiple. En seguida, se usa el modelo resultante para predecir el
flujo en un tubo con un dimetro de 2.5 pies y con una inclinacin de
O .O25 piedpie.
Solucin: la ecuacin de potencias se evala como
Q = u,D"~S"* c12.111
2
3
1
2
3
1
2
3
0.001
0.001
0.01
0.01
0.01
0.05
0.05
0.05
8.3
24.2
4.7
28.9
84.0
11. 1
69.0
200.0
en donde Q es el flujo (en pies cbicos por segundo), S es lapendiente
(en pies por pie), D es el dimetro del tubo (en pies) y ao, al y a2 son
coeficientes. Extrayendo logaritmos a esta ecuacin se obtiene
log Q = log a. + al log D +a2log S
De esta forma, la ecuacin se adapta a laregresin lineal mltiple ya
que log Q es funcin lineal de log S y de log D. Usando los logaritmos
(base 10) de los datos en el cuadro 12.6, se generan las siguientes ecua-
ciones normales expresadas en forma matricial [recurdese la Ec. (10.21)]:
2.334 0.954 -4.903][ :t ] =[ 3.9451
2.334 -18.903 log a. 11.691
-18.903 -4.903 44.079 -22.207
Este sistema se puede resolver usando eliminacin gaussiana para obtener:
log a. = 1.747 5%
al = 2.62
a2 = 0.54
Si log a. =1.747 5, entonces a. = 55.9 y laecuacin (12.11) se con-
vierte en:
Q = 55.902.62SO.54 [12.12]
La ecuacin (12.12) se puede usar para predecir el flujo en el caso en
que D =2.5 pies y S =0.025 piedpie, dando
Q = 55.9(2.5)2.62(0.025)o.54 = 84.1 pies3/s
Se debe notar que laecuacin (12.12) puede usarse para otros pro-
psitos adems de calcular flujos. Por ejemplo, la pendiente est dada
en funcin de la prdida de calor hL y la longitud del tubo L por S =
h,/L. Si esta relacin se sustituye en la ecuacin (12.12) y lafrmula re-
sultante se resuelve para hL. se obtiene la siguiente ecuacin:
Esta relacin se conoce con el nombre de ecuacin de Hazen- Williams.
PROBLEMAS
12.1
12.2
12.3
12.4
12.5
Efectense los clculos llevados a cabo en el caso 12.1 usando los programas
propios.
Ejectense los mismos clculos del caso 12.1, pero con el nmero de computa-
doras en el mercado en los das 50 y 60 modificados un poco a 12 O00 y 11 050.
Si se deposita una cantidad de dinero con cierta tasa de inters, se pueden usar
las tablas econmicas para determinar la suma acumulada en un tiempo poste-
rior. Por ejemplo, la siguiente informacin se encuentra en una tabla econmica
sobre el valor futuro de un depsito despus de 20 aos:
Tara de F/ P
inter& Oh (n =20 aos)
15 16366
20 38 337
25 86 736
30 190 05
en donde FI P es el promedio del valor futuro al valor actual. Por lo tanto. si
se depositaron P =$10 000, despus de 20 aos al 20% de inters se debe tener:
F =(F/P)P =38.337(10 000) =$383 370
Utilcese interpolacin lineal, cuadrtica y cbica y determnese el valor futuro
de $25 O00 depositados al 23.6% de inters. Interprtense los resultados desde
la perspectiva de la institucin prestamista.
Utilcese la informacin dada en el problema 12.3. pero suponiendo que se han
invertido $40 O00 y le dicen que despus de 20 aiios el prestamista regresar
$2 800 000. sese interpolacin lineal, cuadrtica y cbica para determinar la
tasa de inters que se est dando.
Supngase que al ganador de un premio se le da la oportunidad de escoger en-
tre $2 millones ahora o $700 O00 por atio durante 5 aos. La relacin entre el
valor actual P y una serie de pagos anuales A est dada por la siguiente informa-
cin de una tabla de economa:
Tasa de A/ P
inter& 016 (n =5 aos)
15 0. 298 32
20 0. 334 38
25 0. 371 85
30 0. 410 58
en donde A/ P es el promedio de pagos anuales al valor actual. Por lo tanto,
la tasa de inters del 15%, los cinco pagos anuales A que son equivalentes a
un solo pago actual (P =$2 millones) se calculan como
A =(A/ P)P =0.298 32(2 O00 000) =$596 640
Utilicese interpolacin para determinar la tasa de inters a la cual los $2 millones
es la mejor decisin.
12.6 Se est5 llevando a cabo un estudio para determinar la relacin entre la fuerza
de friccin que acta hacia arriba y la velocidad de cada del paracaidista. Se
llevan a cabo algunos experimentos para obtener la siguiente informacin sobre
la velocidad (u medida en centmetros por segundo) y la fuerza de rozamiento
(F, medida en lo6 dinas):
u I 1 O00 2 O00 3 O00 4 O00 5 O00
F, 1 5 15.3 29.3 46.4 66.3
Graffquese F contra u y sese regresin para determinar la relacin entre la fuer-
za de rozamiento y la velocidad.
Ingeniera qumica
12.8 Efectense los mismos clculos del caso 12.2, pero usando regresin polinomial
para ajustar una parbola a los datos. Analcense los resultados.
12.9 Efectense los mismos clculos del caso 12.2, pero usando regresin lineal con
transformaciones para ajustar los datos a una ecuacin de potencias. Ignrese
el primer punto cuando se ajuste la ecuacin.
12.10 Se llevan a cabo los siguientes experimentos y se determinan los siguientes valo-
res de capacidad calorfica (c) a varias temperaturas ( T ) para un metal:
r -50 " 2 0 10 70 100 120
C 0.125 0.128 0.134 0.144 0.150 0.155
Utilicese regresin y determnese.un modelo para predecir c en funcin de T.
12.11 La concentracin de saturacin del oxgeno disuelto en el agua en funcin de
la temperatura y del cloruro se muestra en el cuadro P12.11. Utilicese interpola-
cin para calcular el nivel de oxgeno disuelto para T =22.4OC con cloruro =
10 oon mg/ L.
12.12 osese interpolacin polinomial con los datos del cuadro P12.11 para derivar una
ecuacin sobre la concentracin de oxgeno disuelto en funcin de la temperatu-
ra para el caso en que la concentracin de cloruro es igual a 20 O00 my/ L.
CUADRO P12.11 Dependencia de la concentracin de oxgeno en funcin de la tem-
peratura y de la Concentracin de cloruro
OXiGENO DISUELTO (mglL) PARA
CONCENTRACIONES DE CLORURO
Temperatura OC Cloruro Cloruro
=O mgll = 10 O00 mgll
5 12. 8 1 1. 6
10 11. 3 10. 3
15 10.0 9.1
20 9.0 8. 2
25 8. 2 7. 4
30 7. 4 6. 8
Cloruro
20 O00 mglL
10.5
9.2
8. 2
7.4
6.7
6. 1
12.13 Utilicese regresin polinomial para llevar a cabo el mismo problema 12 12
12.14 sese regresin lineal mltiple y trsnsformaciones logaritmicas para derivar una
ecuacin que prediga laconcentracin del oxgeno disuelto en funcin de latem-
peratura y de la concentracin de cloruro. Evalense los resultados
Ingenieria civil
12.16 Efectense los mismos clculos del caso 12.3. pero usando regresin polinomial
de segundo orden para relacionar deformacin y esfuerzo.
12.17 Efectense los mismos clculos del caso 12.3 pero usando una formulacin ex -
ponencia1 para relacionar deformacin y esfuerzo
12.18 Efectense los mismos clculos del caso 12.3 pero usando interpolacljn polino-
mial para evaluar AL si el esfuerzo es de .7 700 libras/pulgada'.
Ingenieria elctrica
12.19 Reptanse los clculos del caso 12.4 usando los programas proplo5
12.20 Efectense los mismos clculos del caso 12.4 ajustando e integrando un polino-
mi0 de tercer orden que coincida con i 2( t ) exactamente en t =O. T G. T1'3.
y T / 2.
12.21 Se mide la cada de voltaje II a travs de una resistencia para cierto nmero de
valores de la corriente i . Los resultados obtenidos son
i 1 0.25 0.75 1.25 1.5 2.0
u I -0.23 -0.33 0.70 1.88 6.00
sese interpolacin polinomial para calcular la cada de voltaje para i =0.9.
Interprtense los resultados.
12.22 Duplquense los clculos del problema 12.21 usando regresin polinomial para
obtener una ecuacin cbica que ajuste los datos. Grafquense y evalense 10s
resultados.
Ingeni era mecnica
12.23 Efectense los clculos del caso 12.5 usando los programas propios
12.24 Basndose en el cuadro 12.6 utilcese interpolaciones lineal y cuadrtica para
calcular Q con D =1.23 pies y S =0.01 piedpie. Comprense los resultados
con el mismo valor calculado con la frmula derivada en el caso 12.5.
12.25 Utilcese el caso 12.5 para desarrollar una ecuacin que prediga el dimetro en
funcin de la pendiente y del flujo. Comprense los resultados con los de la fr-
mula del caso 12.5 y analcense los resultados.
12.26 La viscosidad cinemtica del agua. u , est relacionada con ia temperatura de !a
siguiente manera:
T(OF) i 40 50 60 70 80
u pies2/ s) I 1.66 1.41 1.22 1.06 0.93
Grafquense estos datos y utilcese interpolacin para predecir u en T =62'F.
12.27 Reptase el problema 12.26 usando regresin
12.28 Lanse todos los casos del captulo 12. Con base a la lectura y a la experiencia,
elabrense los propios casos de cualquiwa de fos campos de la ingeniera. Esto
puede involucrar la modificacin o la reexpresin de los casos. Sin embargo, tam-
bin pueden ser totalmente originales. Como los ejemplos del captulo, se deben
elaborar con un enfoque a los problemas de ingeniera y debe demostrarse el
uso de los mtodos numricos para ajustar curvas. Escrbanse los resultados usando
los casos del captulo como modelos.
EPLOGO:
PARTE IV
IV.4 ELEMENTOS DE J UICIO
En el cuadro IV.4 se proporciona un resumen de
los elementos de juicio relacionados con el ajuste
de curvas. Los mtodos se dividen en dos amplias
categoras dependiendo de la incertidumbre de los
datos. Para las mediciones imprecisas, se usa la
regresin para desarrollar la "mejor" curva que
ajuste todas las tendencias de los datos sin pasar
necesariamente a travs de algn punto. Para me-
diciones precisas, se usa la interpolacin para de-
sarrollar una curva que pase directamente a travs
de cada uno de los puntos.
Todos los mtodos de regresin se disean de ma-
nera que ajusten funciones que minimicen la su-
ma de los cuadrados de los residuos entre los datos
y la funcin. A estos mtodos se les conoce como
regresin con mnimos cuadrados. La regresin
con mnimos cuadrados lineal se usa en aquellos
casos en donde una variable dependiente y otra
independiente se relacionan de manera lineal. Pa-
ra situaciones en que las variables dependiente e
independiente muestren una relacin curvilnea,
se dispone de varias alternativas. En algunos ca-
sos, se pueden usar transformaciones para linea-
lizar la relacin. En estos casos se puede aplicar
la regresin lineal a variables transformadas pa-
ra determinar la mejor lnea recta. Alternativamen-
te, se puede emplear la regresin polinomial y
ajustar una curva directamente a los datos.
La regresin lineal mltiple se usa cuando una va-
riable dependiente es una funcin de dos o ms
variables independientes. Se pueden aplicar tam-
bin transformaciones logaritmicas a este tipo de
regresin en algunos casos donde la dependen-
cia mltiple es curvilnea.
La interpolacin polinomial esta diseada para
ajustar un polinomio nico de n-simo orden que
pase exactamente por los n + 1 puntos exactos.
Este polinomio se presenta en dos formatos dife-
rentes. El polinomio de interpolacin de diferen-
cias divididas de Newton se adapta idealmente a
O 0
7 7
a 0
P P
Q a ,
-
+
O C
EPLOGO PARTE IV 41 1
IV. 5
IV.6
aquellos casos en que el orden propio del polinomio se desconoce.
El polinomio de Newton es apropiado para tales situaciones ya que
se programa fcilmente en un formato que compara los resultados
con rdenes diferentes. Adems, se puede incorporar con facilidad
una aproximacin del error en el mtodo. De esta forma, se puede
comparar y escoger a partir de los resultados usando varios polino-
mios de rdenes diferentes.
La otra formulacin alternativa es el polinomio de interpolacin de
Lagrange el cual es apropiado cuando el orden se conoce a priori.
En estos casos, la versin de Lagrange es algo ms simple de progra-
mar y no requiere de los clculos y almacenamiento de diferencias
divididas finitas.
El mtodo final de ajuste de curvas es mediante interpolacin segmen-
taria. Este mtodo ajusta un polinomio de orden bajo a cada uno de
los intervalos entre los puntos. El ajuste se hace uniforme obligando
a que las derivadas de dos polinomios adyacentes en el mismo valor
de su punto de conexin sean iguales. La interpolacin cbica seg-
mentaria es la versin ms comn. Los segmentos son muy tiles cuan-
do se ajustan datos que en general son uniformes pero exhiben reas
locales de saltos de los datos. Tales datos tienden a inducir oscilacio-
nes en los polinomios de interpolacin de orden superior. La interpo-
lacin cbica segmentaria est menos propensa a estas oscilaciones
ya que se limita a variaciones de tercer orden.
RELACIONES Y FRMULAS IMPORTANTES
En el cuadro IV.5 se resume la informacin de mayor importancia que
se presenta en la parte IV. El cuadro se puede consultar para tener
una referencia rpida de las relaciones y frmulas de importancia.
MTODOS AVANZADOS Y ALGUNAS REFERENCIAS
ADICIONALES
Aunque se han repasado una gran cantidad de mtodos de ajuste de
curvas, an existen otros mtodos que tienen mucha utilidad en la prc-
tica de la ingeniera. Por ejemplo, los polinomios ortogonales se pue-
den emplear en el desarrollo de un mtodo alternativo para la
regresin polinomial. Esta tcnica tiene mucha utilidad ya que no es
susceptible al mal condicionamiento cuando se deben ajustar polino-
mios de orden superior. La informacin sobre polinomios ortogonales
se encuentra en Shampine y Allen ( 1 973) y en Guest ( 1 961).
Existe una gran variedad de mtodos que desarrollan directamente
el Gjuste con mnimos cuadrados de una ecuacin no lineal. Estas tc-
41 2 METODOS NUMERICOS PARA INGENIEROS
rl
,
i I I
v)
L - N
L.
-
@
F
v
h
x
x"
I
x"
4
I I
v * v
j F
x
h h
I I
v * -
x" x"
x
h h
I t 11
oc" b o c "
/ I
EPlLOGO PARTE IV 41 3
nicas de regresin no lineal incluyen al mtodo de Gauss-Newton, m-
todo de Marquardts y mcitodos de pasos descendentes. La informa-
cin sobre estos mtodos y de regresin en general se encuentran en
Draper y Smith (1981).
Todos los mtodos de la parte IV se han expresado en trminos del
ajuste de una curva a un conjunto de puntos. Pero se puede ajustar
una curva a otra curva. La motivacin principal de tal aproximacin
funcional es la de representar una funcin complicada a una ms simple
que sea ms fcil de manejar. Una manera de hacerlo es la de usar
funcin complicada para enerar una tabla de valores. Despus
se pueden usar cualquiera de B as tcnicas analizadas en este libro para
ajustar polinomios a esos valores discretos.
Ms all de este planteamiento, existe una variedad de mtodos al-
ternativos, y en general, preferibles en la aproximacin funcional. Por
ejemplo, si la funcin es continua y diferenciable, se puede ajustar
a una serie de Taylor truncada. Sin embargo, esta estrategia se dese-
cha ya que el error aumenta a medida que se alea del punto base
Por lo tanto, se puede tener una buena prediccin
del intervalo y una mala aproximacin para un
Un enfoque alterno se basa en el principio de minimax (recurdese
la Fig. 10.2~). Este principio especifica que los coeficientes del poli-
nomio de aproximacin se escogen de tal forma que la discrepancia
mxima sea tan pequea como sea posible. Por lotanto, aun ue la
aproximacin no puede ser tan buena como la obtenida con 4 a ex-
pansin de la serie de Taylor en el punto base, generalmente, es me-
jor a travs de todo el dominio del ajuste. l a economizacin de
Chebyshev es un ejemplo del acercamiento de una aproximacin fun-
cional basada en esta estrategia (Ralston y Rabinowitz, 1978; Gerald
y Wheatley, 1984 y Carnahan, Luther y Wilkes, 1969).
Un mtodo final de aproximacin funcional es la de usar funciones
trigonomtricas. La transformada ru ida de Fourier es un ejemplo de
este enfoque y es ampliamente usa B o en la ingeniera prctica (Bri -
ham, 1974; Davis y Rabinowitz, 1975 y Gerald y Wheatley, 19847.
En resumen, lo antes mencionado tiene la finalidad de proporcionar
al lector senderos de exploracin ms profundos sobre la materia.
Adems, todas las referencias anteriores proporcionan descripciones
de las tcnicas bsicas cubiertas en la parte IV. Se sugiere al lector
que consulte estas fuentes alternativas para profundizar en el conoci-
miento de los mtodos numricos sobre el ajuste de curvas.*
* Aqu se hace referencia a los libros nicamente por autor; se encuentra una bibliografa corn-
pleta al final del libro.
416 MTODOS NUM&lCOS PARA INGENIEROS
FIGURA V.l Representacin grfica de la integral de {(x) entre los lmites x 3 a y b.
Lo integral es equivalente al rea baio lacurva.
2. Una funcin complicada y continua que es difcil o imposible de
integrar directamente.
3. Una funcin tabulada en donde los valores de x y f (x) se dan en
un conjunto de puntos discretos, como es el caso, a menudo, de
los datos experimentales.
En el primer caso, la integral simplemente es una funcin que se
puede evaluar fcilmente usando mtodos analiticos aprendidos en
el clculo. En los dos ltimos casos, sin embargo, se deben emplear
mtodos aproximados.
Un planteamiento lgico es el de graficar la funcin sobre una malla
(Fig. V.2) y contar el nmero de cuadros que aproximan el rea. Este
nmero multiplicado por el rea de cada uno de ellos da una estima-
cin aproximada del rea total baio la curva. Esta estimacin puede
meiorar a costa de un mayor esfuerzo, usando una malla ms fina.
Otro planteamiento con sentido comn es el de dividir el rea en seg-
mentos verticales, o bandas, con una altura igual al valor de la fun-
cin en el punto medio de cada banda (Fig. V.3). El rea de los
rectngulos se puede entonces calcular y sumar para estimar el rea
total. En este planteamiento, se supone que el valor de los puntos me-
dios proporciona una aproximacin vlida de la altura promedio de
lNTEGRACl6N
41 7
FIGURA V.2 Uso de una malla para aproximar una integral.
FIGURA V.3
X " .. - -
Uso de rectngulos, O bandas para aproximar la integral.
41 8 MTODOS NUMRICOS PARA I NGENI EROS
la funcin de cada banda. Como con el mtodo de mallas, es posible
obtener una estimacin, mejor usando ms (y ms delgadas) bandas
para aproximar la integral.
Aunque estos esquemas simples tienen utilidad para estimaciones r-
pidas, se dispone de mtodos alternativos llamados integracin nu-
mrica o cuadratura gaussiana para los mismos propsitos. Estos
mtodos, que son ms fciles de implementar que la tcnica de ma-
FIGURA v.4 Aplicacin de un mtodo numrico de integracin a) funcin continua
complicada; bJ tabla de valores discretos de f(x) generados de lafun-
cin, y c) USO de un mtodo numrico (el mtodo de bandas) para apro-
ximar la integral en base a los puntos discretos. Para una funcin tabular,
10s datos se encuentran en forma tabular en b); por lo tanto el paso 0)
es innecesario.
lNTEGRACl6N 419
las, son similares en esencia al mtodo de bandas. Esto es, las altu-
ras de la funcin se multiplican por el ancho de las bandas y se suman
para calcular la integral. Sin embargo, con el uso de la alternativa
ms inteligente de factores de peso, la estimacin resultante puede
ser ms exacta que la obtenida con el "mtodo de bandas" simple.
Como en el mtodo simple de bandas, los mtodos de integracin nu-
mrica utilizan datos en puntos discretos. Ya que la informacin ta-
bulada ya se encuentra en esta forma, es naturalmente compatible
con muchos mtodos de integracin numrica. Aunque las funciones
continuas no estn originalmente en forma discreta, en general una
proposicin simple es la de usar la ecuacin dada para generar
una tabla de valores. Como se muestra en la figura V.4, esta tabla
se emplea en el clculo de la integracin numrica.
V.1.2 Integracin numrica e ingeniera prctica
La integracin de una funcin tiene tantas aplicaciones en la ingenie-
ra que probablemente al lector se le ensee el clculo integral en el
primer ao de la facultad. Pueden darse muchos ejemplos especficos
de sus aplicaciones en todos los campos de la ingeniera.
Uno de ellos es el uso de la integracin para determinar la media de
una funcin continua. En la parte IV se introdujo el concepto de me-
dia de n puntos discretos [recurdese la Ec. (lV.1)J :
.i y;
Media = L
n
N21
en donde y son medidas individuales. La determinacin de la media
de puntos discretos se muestra en la figura VSa.
En contraste, supngase que y es una funcin continua de una varia-
ble independiente x, como se muestra en la figura VSb. En este caso,
existe un nmero infinito de valores entre a y b. As como se puede
aplicar la ecuacin (V.2) para determinar la media de una lectura dis-
creta, tambin se puede estar interesado en calcular la media o pro-
medio de una funcin continua y = f (x) en el intervalo de a a b. Se
usa la integracin para este propsito, tal como se especifica en la
frmula:
420 MTODOS NUM6RICOS PARA INGENIEROS
FIGURA V.5 Ilustracin de la media a) caso discreto, b) caso continuo.
Esta frmula tiene cientos de aplicaciones en la ingeniera. Por ejem-
plo, se usa para calcular el centro de gravedad de objetos irregula-
res en ingeniera mecnica y civil y para determinar la corriente RMS
en ingeniera elctrica.
Las integrales las emplean los ingenieros tambin para evaluar la can-
tidad total o para cuantificar una variable fsica dada. La integral se
puede evaluar sobre una lnea, una rea o un volumen. Por ejemplo,
la cantidad total de masa de sustancias qumicas que contiene un reac-
tor est dada como el producto de la concentracin de sustancias
qumicas y el volumen del reactor, o sea
Masa = concentracin X volumen
en donde la concentracin tiene unidades de masa por volumen. Sin
embargo, supngase que la concentracin varia de posicin a posi-
cin dentro del reactor. En este caso, es necesario sumar los produc-
tos de concentracin local c y sus volmenes elementales correspon-
dientes (AVi):
INTEGRAC16N 42 1
n
Masa = c; AV,
i= 1
en donde n es el nmero de volmenes discretos. En este caso conti-
nuo, en donde c (x,y,z,) es una funcin conocida y x, y y z son varia-
bles independientes que denotan la posicin, en coordenadas
cartesianas, la integracin se puede usar para el mismo propsito:
Masa = 111c(x, y, z) dx dy dz
Masa = 111c(V) dV
V
a la cual se le conoce como integral de volumen. Ntese la fuerte ana-
loga entre la sumatoria y la integracin.
Se pueden dar ejemplos similares para los otros campos de la inge-
niera. Por ejemplo, el promedio total de transferencia de energa a
travs de un plano en donde el fluio (en caloras por centmetro cua-
drado por segundo) es una funcin de la posicin dada por
Transferencia de calor = J J fluio dA
A
A la cual se le conoce como integral de superficie en donde A = rea.
De manera similar, para el caso unidimensional, el peso total de una
varilla con densidad variable est dada por
w = A l o p(x) dx
en donde w es el peso total (en libras), I es la longitud de la varilla
(en pies), p ( x) es la densidad conocida (en libras por pie cbico) en
funcin de la longitud x (en pies) y A es el rea transversal de la vari-
lla (en pies cuadrados).
Finalmente, las integrales se usan para la evaluacin de ecuaciones
promedio. Supngase que la velocidad de una partcula es una fun-
cin cococida continua del tiempo v (t). La distancia total d recorrida
por esta partcula en un tiempo dado t est dada por
d = v(t) dt
rv.41
Estos son slo algunos ejemplos de las aplicaciones de las integrales
que se pueden encontrar regularmente en el desarrollo de la profe-
v.2
sin. Cuando las funciones a integrar son simples, normalmente se
integran analticamente. Por ejemplo, en el problema del paracaidis-
ta, se determin la velocidad en funcin del tiempo (Ec. (1.8)]. Esta
relacin se puede sustituir en laecuacin (V.4), la cul se integra f-
cilmente y de esta manera se determina que tan rpido cae el para-
caidista en un periodo de tiempo t. En este caso, simplemente se evala
la integral. Sin embargo, es dificil o imposible cuando la funcin se
complica, como es el caso para ejemplos ms comunes. Adems, la
funcin en cuestin a menudo se desconoce y se define nicamente
con medidas en puntos discretos. En ambos casos, se debe tener la
suficiente habilidad como para obtener valores aproximados a las in-
tegrales usando mtodos numricos. Algunos de estos mtodos se ana-
lizan en esta parte del libro.
En la preparatoria o en los primeros aos de la facultad, se ven intro-
ducciones al c6lculo integral. Se aprenden tcnicas que obtienen
soluciones analticas o soluciones exactas de integrales definidas e in-
definidas. En la parte VI se analiza la integracin indefinida, que
involucra en primer lugar la determinacin de una funcin cuya deri-
vada est dada.
En esta parte del libro se desarrolla la integraci6n definida, que se
ocupa de determinar una integral entre un par de lmites especficos,
como en
I = f ( x ) d x
De acuerdo al teorema fundamental del clculo integral, laecuacin
(V.5) se evala como
lab f ( x ) x = F( x )
1."
~ 5 1
1:
en donde F (x) es la integral de f (x), esto es, cualquier funcin tal
que F' ( x ) = f (x). Lanomenclatura sobre el lado derecho queda
F(x) 1 = F(6) - F(a) [W
I = r8 (0.2 + 25x - 200x2 +675x3 - 900x4 +400x5) dx [V.7]
En este caso, la funcin es un simple polinomio que se puede integrar
analticamente evaluando cada uno de los trminos de acuerdo a la
regla
b
O
Un ejemplo de una integral definida es
INTEGRACldN 423
x n t ~ b
Jab x" dx = -
n + l
a
en donde n no puede ser igual a - 1 . Aplicando esta regla a cada
uno de los trminos en la ecuacin (V.7) se obtiene
200 400 1 O' *
I = 0 . 2 ~ + 1 2 . 5 ~ ~ - -x3 +1 6 8 . 7 5 ~~ - 1 8 0 ~ ~ + -X'
3
I o
que se puede evaluar de acuerdo a la ecuacin (V.6) como I =
1.640 533 34. Este valor es igual al rea bajo el polinomio original
[Ec. (V.7)] entre x = O y x =0.8.
La integracin anterior depende del conocimiento de la regla expresa-
da por la ecuacin (V.8). Otras funciones permiten reglas diferentes.
Todas estas "reglas" son meros ejemplos de antidiferenciacin, esto
CUADRO V. 1 Algunas integrales simples usadas en la
parte V. La a y la b en este cuadro son
constantes y no se deben confundir con
los lmites de integracibn discutidos en el
texto.
j u d v = u v - j v d u
""+l
ubx dx =-
U bx
b In a
+c U > O , U f l
l u" du=- n + 1 +c n f - 1
j $ = In 1x1 +c
j e o x d x = - + e U Ox C
j x e a x d x = 7 ( u x - e Ox 1) +C
U
v.3
es, encontrando f ( x) de tal manera que F ( x) = f (x). Por consiguiente,
la integracin analtica depende del conocimiento previo de la res-
puesta. Este conocimiento se adquiere por experiencia. Muchas de
estas reglas se resumen en manuales y en tablas de integrales. En el
cuadro V.l se listan algunas de las integrales ms comnmente usa-
das. Sin embargo, muchas funciones de importancia prctica son de-
masiado complicadas para incluirlas en tales tablas. Una razn por
la que las tcnicas de esta parte del libro son tan valiosas, es porque
proporcionan un medio de evaluar relaciones tales como la ecuacin
(V.7) sin conocimiento de las reglas.
Antes de continuar con los mtodos numricos de integracin, puede
ser de utilidad informacin adicional. Las siguientes secciones estn
enfocadas a dar un bosquejo del material analizado en la parte V.
Adems, se han formulado algunos objetivos que ayudarn al apren-
dizaje cuando se estudie este material.
V.3.1 Alcances y avances
La figura V.6 proporciona un panorama de la parte V. En el capitulo
73 se desarrolla el planteamiento ms comn de la integracin nu-
mrica: las frmulas de Newton-Cotes. Estas relaciones se basan en
el reemplazo de una funcin complicada o de un conjunto de datos
en forma tabular a polinomios simples que son fciles de integrar. Se
analizan en detalle tres de las frmulas ms ampliamente usadas de
Newton-Cotes: la regla trapezoidal, la regla 713 de Simpson y la re-
gla 318 de Sirnpson. Todas estas frmulas estn proyectadas para
casos en donde los datos a integrarse estn igualmente espaciados. Ade-
ms, se incluye un anlisis de la integracin numrica de datos que
no estn igualment espaciados. Este es un tema muy importante ya
que muchas aplicaciones del mundo real maneian datos de esta
manera.
Todo el material siguiente trata sobre la integracin cerrada, en donde
se conocen los puntos finales de los lmites de integracin. AI final del
captulo 13, se presentan las frmulas de integracin abiertas, en donde
los lmites de integracin se extienden ms all del rango de los datos
conocidos. Aunque no se usan comnmente en la integracin defini-
da, se presentan aqu las frmulas de integracin abierta porque se
usan extensamente en la solucin de ecuaciones diferenciales ordina-
rias de la parte VI.
INTEGRACldN 425
FIGURA V.6 Esquema de la organizacin del material de la parte V: Integracin numrica.
Las formulaciones estudiadas en el captulo 13 se pueden emplear en
el anlisis de funciones tabulares y continuas. En el capitulo 14 se ana-
lizan dos mtodos diseados expresamente para integrar funciones
continuas: integracin de Romberg y cuadratura gaussiana. Tambin
se proporcionan algoritmos para estos dos mtodos.
El capitulo 75 demuestra como los mtodos se pueden aplicar a la so-
lucin de problemas. Como con el resto de las partes del libro, se men-
cionan casos de todos los campos de la ingeniera.
Se incluye una seccin de repaso o epilog0 al final de la parte V. Este
repaso incluye un anlisis de los elementos de juicio incluidos en la
implementacin de los mtodos en la ingeniera prctica. Adems, se
resumen las frmulas y conceptos ms importantes relacionados con
los mtodos numricos de integracin. Finalmente, se hace un repaso
breve de los metodos avanzados y algunas referencias adicionales
que facilitarn estudios posteriores sobre integracin numrica.
Se proporcionan varias opciones para efectuar el clculo por com-
putadora de clculo. En primer lugar, el paquete de programas NU-
MERICOMP contiene la regla trapezoidal a usarse sobre una base
opcional en las microcomputadoras APPLE II e IBM-PC. Alternati-
vamente, se muestran directamente en el texto programas en los
lenguajes FORTRAN y BASIC de la regla trapezoidal. Esto le da opor-
tunidad al lector de copiar estos programas e implementarlo sobre
una microcomputadora o en una supercomputadora. Se suministran
diagramas de fluio para la mayor parte de los otros mtodos descritos
en el texto. Estos diagramas de flujo, combinados con los progra-
mas escritos por el lector en cualquier lenguaje, proporcionan pro-
gramas que pueden aplicarse a un conjunto de problemas de ingeniera.
V.3.2 Metas y objetivos
Objetivos de estudio. Despus de terminar la parte V, el lector debe
ser capaz de resolver muchos problemas de integracin numrica y
apreciar su aplicacin en la solucin de problemas de ingeniera. Se
debe hacer lo posible por dominar varias tcnicas y valorar su con-
fiabilidad. Debe entender los elementos de juicio involucrados en la
seleccin del "mejor" mtodo (o mtodos) para cualquier problema
en particular. Adems de estos objetivos generales, se deben asimi-
lar y dominar los conceptos especficos listados en el cuadro V.2
Objetivos de cmputo. El lector debe tener un paquete de programas,
programas simples para la computadora, algoritmos y diagramas de
flujo que implementen las tcnicas analizadas en la parte V. Todas
ellas tienen utilidad como herramientas de aprendizaje.
El paquete personal de programas NUMERICOMP es legible al usua-
rio. Emplea la regla trapezoidal para evaluar la integral de funciones
tabulares o continuas. Las grficas asociadas con estos programas ha-
bilitarn al lector a visualizar fcilmente los problemas y las opera-
ciones matemticas asociadas como el rea entre la curva y el eje
x. Este paquete de programas es muy fcil de aplicar en la solucin
de problemas prcticos y se puede usar en la prueba de resultados de
cualquier programa de computadora que el lector pueda desarrollar
por s mismo.
INTEGRACldN 427
CUADRO V.2 Objetivos de estudios especificos de la parte V
l. Entender la derivacin de las frmulas de Newton-Cotes; saber cmo derivar la
regla trapezoidal y cmo derivar los dos casos de la regla de Simpson; reconocer
que la regla trapezoidal, la regla 1/ 3 y la regla 3/ 8 de Simpson representan las
areas baio polinomios de primero, segundo y tercer orden, respectivamente.
2. Conocer las frmulas y las ecuaciones de error para
a) La regla trapezoidal
b) La regla trapezoidal de segmentos mltiples.
c) La regla 1/ 3 de Simpson
d) La regla 3/ 8 de Simpson
e) La regla de Simpson de segmentos mltiples.
Ser capaz de escoger la "meior" de estas frmulas para cualquier problema
en particular.
3. Reconocer que la regla 1/ 3 de Simpson es exacta hasta cuarto orden aun cuando
est basada en slo tres puntos; darse cuenta que todas las frmulas de Newton-
Cotes de segmentos par y punto impar tienen exactitud similar.
4. Saber cmo evaluar la integral de datos desigualmente espaciados.
5. Reconocer la diferencia entre frmulas de integracin abiertas y cerradas.
6. Entender las bases tericas de la extrapolocin de Richardson y cmo se aplica
al algoritmo de integracin de Romberg.
7. Entender la diferencia fundamental entre las frmulas de Newton-Cotes y la cua-
dratura gaussiana.
8. Reconocer por qu la integracin de Romberg y la cuadratura gaussiana tienen
utilidad en la integracin de funciones continuas (opuesta a la forma tabular).
Alternativamente, se proporcionan directamente en el texto los pro-
gramas de la regla trapezoidal en los lenguajes FORTRAN y BASIC.
Adems, se proporcionan los algoritmos generales y diagramas de
fluio de la mayor parte de los mtodos de la parte V. Esta informa-
cin le permite al lector aumentar la biblioteca de programas de tal
manera que incluya mtodos ms a116 de la re la trapezoidal. Por
ejemplo, sera til, desde un punto de vista pro 3 esional, desarrollar
programas que manejen datos que no estn igualmente espaciados. Se
pueden desarrollar tambin programas sobre la regla de Simpson,
la integracin de Romberg y la cuadratura gaussiana, que, en gene-
ral, son ms eficientes y exactos que la regla trapezoidal.
C AP T UL O T R E C E
FRMULAS DE
INTEGRACIN DE
NEWTON-COTES
Las frmulas de integracin de Newton-Cotes son los esquemas ms co-
munes dentro de la integracin numrica. Se basan en la estrategia de
reemplazar una funcin complicada o un conjunto de datos tabulares con
alguna funcin aproximada que sea ms fcil de integrar:
en donde j,(x) es un polinomio de la forma:
fn(x) = aa +al +. . . +a,-l xn-l +a, x"
[13.1]
FIGURA 13.1 Estimacin de una integral mediante el rea baio a) una lnea recta, y b) una
parbol a.
FIGURA 13.2 Aproximacin de la integral mediante el rea baio tres segmentos de lnea recta.
en donde n es el orden del polinomio. Por ejemplo, en la figura 13.la, se
usa un polinomio de primer orden (una lnea recta) como aproxima-
cin. En la figura 13. lb se emplea una parbola para el mismo propsito.
La integral se puede aproximar usando una serie de polinomios
aplicados por partes a la funcin o a los datos sobre intervalos de longi-
tud constante. Por ejemplo, en la figura 13.2, se usan tres segmentos de
lnea recta para aproximar la integral. Se pueden usar polinomios de ma-
yor grado para este mismo propsito. Con estos fundamentos ahora
FIGURA 13.3 Diferencia entre frmulas de integracin a) cerradas y b) abiertas.
~- .~. ..__I___
FORMULACldN DE INTEGRACldN DE NEWTON-COTES 43 1
se reconoce que el mtodo de bandas de la figura V.3 emple una se-
rie de polinomios de orden cero (esto es, constantes) para aproximar la
integral.
Se dispone de las formas abierta y cerrada de las frmulas de Newton-
Cotes. Las formas cerradas son aqullas en donde los puntos al principio
y al final de los lmites de integracin se conocen (Fig. 13.3~1). Las frmu-
las abiertas tienen los lmites de integracin extendidos ms all del rango
de los datos (Fig. 13.3b). En este sentido, se parecen a la extrapolacin
analizada al final del captulo 11. Las frmulas abiertas de Newton-
Cotes, en general, no se usan en laintegracin definida. Sin embargo, se
usan extensamente en la solucin de ecuaciones diferenciales ordinarias. En
este captulo se hace hincapi en las frmulas cerradas. Sin embargo, el
material de las frmulas abiertas de Newton-Cotes se introduce brevemente
al final del captulo.
13.1 REGLA DEL TRAPECIO
La regla del trapecio o regla trapezoidal es la primera de las frmulas ce-
rradas de Newton-Cotes. Corresponde al caso en donde el polinomio de
la ecuacin (13.1) es de primer orden.
Recurdese del captulo 11 que una lnea recta se puede representar co-
mo (Ec. (11.2)]
[13.2]
El rea bajo la lnea recta es una aproximacin de la integral de f (x) entre
los lmites a y b:
El resultado de la integracin (vase el recuadro 13.1 para mayores deta-
lles) es
[13.3]
al que se le llama regla trapezoidal.
Geomtricamente, la regla trapezoidal es equivalente a aproximar el
rea del trapecio bajo la lnea recta que une a f (a) y f (b) en la figura
13.4. Recurdese de la geometra de la frmula para calcular el rea
RECUADRO 13.1 Derivacin de la regla trapezoidal
Antes de integrar, la ecuacin (13.2) se puede expresar Este resultado se puede evaluar, obteniendo
como
Agrupando los dos ltimos trminos se obtiene
f(x) = .
f (b) - f(a)
X
Ahora, considerando que b2 - a2 =(b - a) (b +a)
b - a
Multiplicando y agrupando trminos se obtiene
que es la fGrmula de la regla trapezoidal
que se puede integrar entre x =a y x =b y obtener
f (b) - f (a) x*
r = - +
bfb) - af (b) x 1
b - a 2 b - a
a
de un trapecio es la altura por el promedio de las bases (Fig. 13.5~). En
este caso, el concepto es el mismo pero el trapecio se encuentra sobre
uno de sus lados (Fig. 13.56). Por lo tanto, la aproximacin a la integral
se puede representar como
I =ancho X altura promedio [13.4]
FIGURA 13.4 Esquema grfico de la regla trapezoidal.
~ ~~~ _l_l
FoRMlJLACl6N DE lNTEGKACl6N DE NEWTON-COTES 433
FIGURA 13.5 a) Frmula para calcular el area de un trapecio: altura por el promedio
de las bases. b) En la regla trapezoidal, el concepto es el mismo slo que
el trapecio est sobre uno de sus lados.
I = (b - a) x altura promedio [13.5]
en donde, para la regla trapezoidal, la altura media es el promedio de
los valores de la funcin en 10s puntos de los extremos, es decir v (a)
+ f ( W 2 .
Todas las frmulas cerradas de Newton-Cotes se pueden expresar en
el formato general de la ecuacin (13.5). De hecho, solo difieren con res-
pecto a la formulacin de la altura media.
13. l. 1 Error en la regla trapezoidal
Cuando se emplea la integral bajo un segmento de lnea recta para apro-
ximar laintegral bajo una curva, obviamente que sejncurre en un error
que puede ser sustancial (Fig. 13.6) Una estimacin del error de trunca-
miento de una sola aplicacin de la regla trapezoidal es (recuadro 13.2)
[13.6]
en donde E es un punto cualquiera dentro del intervalo de a a b. La ecua-
cin (13.6) indica que si la funcin que se est integrando es lineal, la
FIGURA 13.6 Esquema grfico al usar slo una aplicacin de la regla trapezoidal a
ra aproximar la iqtegral de f(x) =0.2 +25 x - 200 x2 +675 x Y - -
900 x4 +400 x desde x =O hasta 08.
regla trapezoidal ser% exacta. De otra manera, ocurrir6 un error para fun-
ciones con derivadas de segundo y tercer orden (esto es, con curvatura).
RECUADRO 13.2 Obtencin y estimacion de error de la regla trapezoidal basada en la integracin del
polinomio de interpolacin hacia adelante de Newton-Gregory.
Una forma para obtener la regla trapezoidal es integrando a O y 1, respectivamente. Por lo tanto, la ecuacin (813.2.1)
el polinomio de interpolacin hacia adelante de Newton- se puede expresar como
Gregory. Recurdese que para la versin de primer or-
den con trmino de error, la integral sera (recuadro 11.2) 1 =b lo1 [ f (a) +Af (a) a
[,B13.2.11 Se supone que para h pequea, el trmino f ([) es
para simplificar el analisis, tomando en que aproximadamente constante, la ecuacin se puede inte-
a =(x - a) / h,
grar:
dx =h da
Debido a que h =b - a (para la regla trapezoidal de un
segmento), los lmites de integracin. a y b. corresponden y evaluarse como
FORMULAC16N DE lNTEGRACl6N DE NEWTON-COTES 435
1 =h f(a) +- - ,,f (8h3
[ *Y)]
Debido a que A f (u) =f (b) - f (u), el resultado se puede
escribir como
Regla trapezoidal Error de truncamiento
Por lo tanto, el primer trmino es el de laregla trapezoi-
dal y el segundo es una estimacin del error.
EJEMPLO 13.1
Aplicacin de la regla trapezoidal simple
Enunciado del problema: utilcese la ecuacin (13.3) para integrar num-
ricamente
f(x) = 0.2 + 2 5 ~ - 200~ +6 7 5 ~~ - 9 0 0 ~ ~ + 4 0 0 ~~
desde a = O hasta b = 0.8. Recurdese de la seccin V.2 que el
valor exacto de la integral se puede determinar analticamente como
1.640 533 34.
Soluci6n: los valores de la funcin
f(0) = 0.2
f(0.8) = 0.232
se pueden sustituir en la ecuacin (13.3) y obtener
0.2 + 0.232
2
I = 0.8
= 0.1 728
que representa un error de
E, = 1.640 533 34 - 0.1 728 = 1.467 733 34
que corresponde a un error relativo porcentual de E , = 89.5 %. La ra-
zn para este error tan grande es evidente en la grfica de la figura 13.6.
Ntese que el rea bajo la lnea recta descuida una porcin significativa
de la integral sobre la lnea.
En la situacin actual, no se tendra conocimiento previo del valor ver-
dadero. Por lo tanto, se requiere una aproximacin al error. Para obtener esta
aproximacin, se calcula la segunda derivada de la funcin sobre el inter-
valo, derivando la funcin original dos veces para dar
f (X) = -400 + 4 0 5 0 ~ - 10 800~ + 8 OOOx3
el valor promedio de la segunda derivada puede ser calculada usando
la ecuacin V.3
(-400 +4 050~ - 10 8002 +8 OOOx9dx
f,=
0.8 - O
- -60
que se puede sustituir en la ecuacin (13.6) y obtener
E, -= (-60)(0.8)3 = 2.56
1
1L
que es del mismo orden de magnitud y signo que tiene el error verdadero.
Existe una discrepancia debido a que en un intervalo de este tamao, el pro-
medio de la segunda derivada no es necesariamente una aproximacin
exacta de f (E). Por lo tanto, se denota que el error es aproximado
usando la notacin E,, en vez de usar E,.
13.1.2 La regla del trapecio usando segmentos multiples
Una manera de mejorar la exactitud de la regla trapezoidal es la de dividir
el intervalo de integracin de a a b en un conjunto de segmentos y apli-
car el mtodo a cada uno de los segmentos (Fig. 13.7). En seguida se
suman las reas de los segmentos individuales y se obtiene la integral so-
bre el intervalo completo. A las ecuaciones resultantes se les conoce co-
mo frmulas de integracin de segmento mltiple o frmulas de integracin
compuestas.
En la figura 13.8 se muestra el formato general y la nomenclatura que
se usar en la caracterizacin de integrales de segmentos mltiples. Hay
n + 1 puntos base igualmente espaciados (xo, xl, x2,. . . , x,), Por con-
siguiente, hay n segmentos de igual anchura:
h =-
b- a
[13.7]
n
Si a y b se igualan a x. y a x,, respectivamente, la integral total se repre-
senta como
I = l:f(x)dx + [f(x)dx +
Sustituyendo la regla trapezoidal para cada una de las integrales, se obtiene
[13.8]
o, agrupando trminos
[13.9]
FORMULACIN DE INTEGRACIN DE NEWTON-COTES 437
FIGURA 13.7 Ilustracin de la regla trapezoidal mltiple o) dos segmentos; b) tres seg-
mentos: c) cuatro segmentos y d) cinco segmentos.
~~~ ~ -. -
-
FIGURA 13.8 Formato general de la nomenclatura para integrales de segmentos mltiples.
o, usando la ecuacin (13.7) para expresar la ecuacin (13.9) en la for-
ma genera de la ecuacin (13.5), se obtiene
I
+<
Ancho Altura promedi o
[13.10]
Ya que la sumatoria de los coeficientes de f (x) en el numerador dividido
por 2n es igual a 1, la altura promedio representa un promedio pesado
de los valores de lafuncin. De acuerdo a la ecuacin (13. l o), las altu-
ras de los puntos interiores aparecen doblemente respecto a los puntos
finales f (xg) y f (x,,).
FORMULAC16N DE INTEGRAC16N DE NEWTON-COTES 439
El error en la regla trapezoidal mltiple se obtiene sumando los erro-
res individuales de cada uno de los segmentos, dando
[13.11]
en donde f (ti) es la segunda derivada de la funcin evaluada en el pun-
to ti localizado dentro del segmento . Este resultado se simplifica calcu-
lando la media o el valor promedio de la segunda derivada sobre el intervalo
completo [Ec. (V.2)]:
n
J
n
[13.12]
Por lo tanto, C f (ti) = n f y la ecuacin (13.11) se reescribe como
[13.13]
De manera que, si el nmero de segmentos se duplica, el error de trun-
camiento disminuye a un cuarto de su valor. Ntese que la ecuacin
(13.13) es un error aproximado debido a la naturaleza aproximada de
la ecuacin (13.12).
EJ EMPLO 13.2
Regla trapezoidal de segmentos mltiples
Enunciado del problema: utilcese la regla trapezoidal de dos segmentos
para calcular la integral de
!(x) = 0.2 +25x - 200x2 +675x3 - 900x4 + 400x5
desde a = O hasta b = 0.8. Emplese la ecuacin (13.13) para calcular
el error. Recurdese de la seccin V.2 que el valor correcto de la integral
es 1.640 533 34.
Solucin: n = 2 (h = 0.4):
f(0) = 0.2
f(0.4) = 2.456
f(0.8) = 0.232
I = 0.8
0.2 +Z(2.456) +0.232
4
= 1.068 8
~ E, = 1.640 533 34 - 1.068 8 = 0.571 73 E, = 34.9%
E, = -
12(2)2
(-60) = 0.64
I
en donde -60 es el promedio de la segunda derivada determinada pre-
viamente en el ejemplo 13.1.
~ ~ ~ ~~~ ~~ ~~ .~ ~~
En el cuadro 13.1 se resumen los resultados del ejemplo anterior jun-
to con la aplicacin de la regla trapezoidal usando desde tres hasta diez
segmentos. Ntese que el error disminuye a medida que el nmero
de segmentos crece. Sin embargo, tambin se nota que el promedio de
disminucin es gradual. Esto se debe que el error es inversamente pro-
porcional al cuadrado de n [Ec. (13.13)] Por lo tanto, si se duplica el n-
mero de segmentos el error disminuye a un cuarto de su valor. En secciones
posteriores se desarrollan frmulas de orden superior que son ms exac-
tas y que convergen ms rpidamente a la integral real a medida que el
nmero de segmentos crece. Sin embargo, antes de investigar estas
frmulas, primero se analiza un programa de computadora que imple-
mente la regla trapezoidal.
13.1.3 Programa de computadora sobre la regla trapezoidal de
segmentos mltiples
En la figura 13.9 se muestra un pequeo programa que implementa la
regla trapezoidal. Este programa tiene algunos inconvenientes. Primero,
est limitado a que los datos estn en forma tabular. Un programa general
debe tener la capacidad de evaluar tambin funciones conocidas. Ade-
ms, el programa no es legible al usuario, est diseado estrictamente para
CUA ,DRO 13.1 Resultado de la regla trapezoidal de seg-
mentos mltiples para calcular la integral de
+400x5 de x O hasta 0.8. el valor exac-
to es 1.640 533 34
n h I t, 9 0
f(x) 0.2 +2 5 ~ - 2 0 0 ~ ~ +6 7 5 ~ ~ - 9 0 0 ~ ~
2
3
4
5
6
7
8
9
10
0.4
0.266 7
0.2
0.16
0.133 3
0.1 14 3
o. 1
0.088 9
0.08
1 .O68 34.9
1.369 5 16.5
1.484 8 9.5
1.539 9 6.1
1.570 3 4.3
1.588 7 3.2
1.600 8 2.4
1.609 1 1.9
1.615 O 1.6
FORMULACldN DE INTEGRACldN DE NEWTON-COTES 44 1
FORTRAN
DI MENSI ON F(20),Y<205
WEAL I N
COMMON N, A , B
READ< 5, 1 >N
1 FORMUT< I 5 5
t.II=N-l
READ<5,2) A,B
2 FORMUTC 2F1 O . O j
H=( B-A >/ HI
DO 170 I =l , N
READ( 5,3 ) Y( I j
3 FURMAT<FI O. O>
170 CONTI NUE
CALL TRAP< Y, I N 1
URI TE<6,4>I W
4 FORMAT<' ',F10,3>
STOP
END
SUBROUTI NE TRAP<Y, I N )
DI MENSI ON Y< 20 Z
HEAL I N
COMMON N,FI ,E
NI XN-1
SU=Y< 1 >
DO 1 0 3 0 I r2, NI
SlI =SU+2*YC I >
HT=< SU+Y( N) >/( 2* NI Z
I N=< B-A MHT
RETURN
END
1030 CONTI NUE
BASIC
DI M F (.2lS.l, Y(21))
I NPIJT N
N I r N - 1
I NPUT A, B A, B =l mi tes de i ntegraci bn
FOR I = 1 TO N
L'NPIJT Y ( I j Y =valor de la variable
NEXT I dependi ente
GOSUB 1 O00
PRI NT I N
END
N =nmero de punt os
NI =nmero de segment os
H =ancho del segmento H = (B - A) / NI-
(Subruti na para calcular la
regla trapezoi dal )
FIGURA 13.9 Programa de la regla trapezoidal con segmentos mltiples para datos tabulados.
imprimir Gnicamente la respuesta. En el problema 13.21 se enfrenta la
tarea de facilitar el uso y la comprensin de este programa. Tambin se
tiene la oportunidad de modificar el programa de tal manera que sea ca-
paz de evaluar la integral de funciones conocidas.
El paquete suplementario de programas NUMERICOMP que acom-
paa a este texto incluye un ejemplo de un programa legible al usuario
implementando la regla trapezoidal. Este paquete evala las integrales de
datos tabulares o de funciones definidas por el usuario. En el siguiente
ejemplo se demuestra su utilidad en la evaluacin de integrales. Tambin
proporciona una buena referencia'para valorar y probar los programas
del usuario.
EJEMPLO 13.3
Evaluacin de integrales con la computadora
Enunciado del problema: el paquete de programas NUMERICOMP aso-
ciado con este texto contiene un programa para computadora implemen-
tando la regla trapezoidal de segmentos mltiples. Estos programas se
pueden usar para resolver un problema asociado con el problema del pa-
racaidista. Como se recordar6 del ejemplo l. l , la velocidad del paracai-
dista est6 dada como la siguiente funcin del tiempo:
[E13.3.1]
en donde u es la velocidad en centmetros por segundo, g es la constante
de aceleracin gravitacional igual a 980 cm/ s2, m es la masa del para-
caidista igual a 68 100 g, y e es el coeficiente de friccin igual a 12 500
g/s. El modelo predice la velocidad del paracaidista en funcin del tiem-
po como se describe en el ejemplo 1.1. Una grfica de la variacin de
la velocidad se desarrolla en el ejemplo 2.1.
Supngase que se desea conocer la distancia que ha recorrido el pa-
racaidista despus de cierto tiempo T. La distancia est dada por [ c . (V.4)]
d = v ( t ) dt
en donde d es la distancia en centmetros. Sustituyendo la ecuacin
(E.13.3.1) y haciendo T = 10 S,
FIGURA 13.1 O Pantallas de la computadora que muestran a) ent rada de los parmetros
de integracin y los resultados de la integracin y b) grfica de laintegral
como el rea baio la funcin y el eje x.
Realizando la integracin y sustituyendo los valores conocidos resulta
d = 28 943.5147 cm
Este resultado exacto se puede usar en el anlisis de eficiencia de la regla
trapezoidal de segmentos mltiples. En la figura 10.130 se muestra la pan-
talla de la computadora que pide los lmites superior e inferior de integra-
cin y el tamao de paso. Despus de que los clculos se terminan, se
imprime la integral como 28 874.91. La integral es equivalente al rea
bajo u (t) y el eje t , como se muestra en la figura 13.10b. Una observa-
cin confirma que la integral es el ancho del intervalo (10,) por la altura
promedio (alrededor de 2 900 cm/ s).
Se pueden probar fcilmente otros conjuntos de segmentos repitien-
do los clculos. Los resultados indican como la distancia de cada del pa-
racaidista se aproxima al valor exacto a medida que el tamao del segmento
decrece:
Segmentos Tamao Estimado d, cm E"%
del segmento
10 1 .o 28 874.914 6 0.237
20 0.5 28 926.357 4 0.059 3
50 0.2 28 940.769 2 9.49 x 10-3
1 O0 o. 1 28 942.828 2 2.37 x 10-3
200 0.05 28 943.343 1 5.93 x 10-4
500 0.02 28 943.487 1 9.52 x 10-5
1 O00 0.01 28 943.507 6 2.44 x
2 O00 0.005 28 943.513 3 4.65 x
5 O00 0.002 28 943.515 7 -3.63 x
10 O00 0.001 213 943.515 9 -4.32 x
Por lo tanto, con la regla trapezoidal mltiple se obtiene una exactitud
excelente. Sin embargo, ntese cmo el error cambia el signo y empieza
a crecer en valor absoluto ms all del caso de 5 O00 segmentos. Esto
se debe a la intrusin de errores de redondeo debido al gran nmero de
clculos para esta cantidad de segmentos. Por lo tanto, el nivel de preci-
sin est limitado, y jams se alcanza el resultado exacto de 28 943.514 7
obtenido analticamente. Esta limitacin se analiza de manera detallada
en el capitulo 14.
13.2 REGLA DE SIMPSON
Adems de aplicar la regla trapezoidal con segmentos cada vez ms fi-
nos, otra manera de obtener una estimacin ms exacta de una integral,
es la de usar polinomios de orden superior para conectar los puntos. Por
ejemplo, si hay un punto medio extra entre f (a) y f (b), entonces se pue-
AA4 MTODOS NUMRICOS PARA INGENIEROS
den conectar los tres puntos con una parbola (Fig. 13.1 l a ) . Si hay dos
puntos igualmente espaciados entre f (a) y f ( b) , entonces los cuatro pun-
tos se pueden conectar con un polinomio de tercer orden (Fig. 13. l l b) .
A las frmulas resultantes de calcular la integral bajo estos polinomios se
les llama reglas de Simpson.
13.2.1 Regla de Simpson de 113
La regla de Simpson de 1/ 3 resulta cuando se sustituye un polinomio
de segundo orden en la ecuacin (13.1) :
f(x) dx = f&) dx
b
Si a y b se denomina como x. y x2, y f2 (x) se representa mediante un
polinomio de Lagrange de segundo orden [Ec. (11.22)1, entonces la i n-
tegral es:
(x - x&. - x2)
foco) +
(x - XONX - x2)
(x0- XI) (x0- Xd (x1- xo)(x1 - x2)
f (x11
Despus de integrar y de reordenar trminos, resulta la siguiente ecuacin:
FIGURA 13.1 1 a) representacin grfica de la regla de Sirnpson de 1/3: consiste en to-
rnar el rea baio una parabola que una los puntos. b) representacin gr-
fica de la regla de Sirnpson de 3/8: consiste en tomar el rea baio una
ecuacin cbica que conecta 4 puntos.
iORMULACl6N DE lNTEGRACl6N DE NEWTON-COTES 445
[ 13.141
donde, en este caso, h = ( b - a ) / 2 . Esta ecuacin se conoce como re-
gla de Simpson de 113. Esta es la segunda frmula de integracin de
Newton-Cotes. La etiqueta 1/3 viene de que h se divide por 3 en la
ecuacin (13.14). En el recuadro 13.3 se muestra una derivacin alter-
nativa en donde se integra el polinomio de Newton-Gregory y se obtiene
la misma frmula.
La regla de Simpson de 1/3 se puede expresar usando el formato
de la ecuacin (13.5) :
I
+\
Ancho Altura promedio
I
[13.15]
en donde a = xo, b = xp, y x1 es el punto medio entre a y b, dado por
(b +a) / 2. Ntese que de acuerdo a la ecuacin (13.15), el punto medio
se pesa con dos tercios y los dos puntos extremos con 1 sexto.
Se puede demostrar que una simple aplicacin de la regla de Simp-
son de 1/3 tiene un error de truncamiento de (recuadro 13.3):
RECUADRO 13.3 Obtencin y estimacin del error de la regla de Simpson basado en el polinomio de
interpolacin hacia adelante de Newton-Gregory.
Como se hizo en el recuadro 13.2 para la regla trapezoi-
mo se esperara que fuese. La razn de esto es que apa-
dal, la regla de Simpson de 1/ 3 se puede derivar integran-
rentemente ser corto. Ntese tambin que 10s lmites de
do el polinomio de interpolacin hacia adelante de
integracin van desde x, hasta xp. Por lotanto, cuando
Newton-Gregory. se hacen las simplificaciones y la sustitucin (recurdese
el recuadro 13.2), la integral va desde a= O hasta 2:
I =I [~(xo) +Af(x0) a +- A2f(xo) (a - 1)
a (a - l ) ( a - 2)
X0 2
I =h loz [ f ( x o ) +Af(x0) a +- a (a - 1)
AZf (x01
A3f (xo)
2
+-
6
+- A3f(x0) a (a - l ) ( a - 2)
6
Ntese que se ha escrito el polinomio hasta trminos de +- f 4 (n
cuarto orden en vez de hasta trminos de tercer orden co- 24
a (a - l ) ( a - 2)(a - 3) h4 da
l
que se puede integrar para obtener
Ntese el resultado significativo de que el coeficiente de
la tercera diferencia dividida es cero. Debido a que A (xo)
=f (x1) - f (x01 Y de que A2 f (x,) =(XP) - 2 f (x1 +
f (xo), la ecuacin (B13.3.1) se puede reescribir como
--f ' 4' (i 3 h5
1
90
"
Regla Error
de Simmon de 1/ 3 de truncamiento
;; 11a3 1'
+ - - - +- - - j [ 4 ) ( # h4
72 8
Por IO tanto, el primer trmino es la regla de Simpson de
0 1/3 y el segundo es el error de truncamiento. Debido a
y evaluarse en los lmites para dar que la tercera diferencia dividida se anula, se obtiene el
resultado significativo de que la frmula tiene exactitud de
tercer orden.
A2f (xo)
2j (~0) +2Aj (a) +-
3
+( 0 ) A 3 j ( ~ ) - 90f ' 4)(# h4 [B13.3.1]
1
1
o, ya que h = (b - a)/2:
[13.16]
en donde cae en algn lugar dentro del intervalo de a a b. Por lo tanto,
laregla de Simpson de 1/3 es ms exacta que la regla trapezoidal. Sin
embargo, la comparacin con la ecuacin (13.6) indica que es mucho
ms exacta de lo que se esperaba. En vez de ser proporcional a la tercera
derivada, el error es proporcional a la cuarta derivada. Esto se debe
a que, como se mostr en el recuadro 13.3, los coeficientes del trmino
de tercer orden se anulan durante laintegracin del polinomio de inter-
polacin. En consecuencia, laregla de Simpson de 1/3 es exacta hasta
tercer orden aunque est basada nicamente en tres puntos.
EJ EMPLO 13.4
Aplicacin de la regia Simpson de 1/3 simple.
Enunciado del problema: utilcese la ecuacin (13.15) para integrar
f(x) = 0.2 +2 5 ~ - 2 0 0 ~~ +6 7 5 ~~ - 9 0 0 ~~ +4 0 0 ~~
desde a = O hasta b = 0.8. Recurdese que la integral exacta es
1.640 533 34.
FORMULAC16N DE lNTEGRACl6N DE NEWTON-COTES 447
Solucin:
f(0) = 0.2 f(0.4) = 2.456 f(0.8) = 0.232
Por lo tanto, la ecuacin (13.15) se puede usar para calcular
1 = 0.8
0.2 +4(2.456) + 0.232 = 466 67
6
que representa un error exacto de
E, = 1.640 533 34 - 1.367 466 67 = 0.273 066 66 t u = 16.6%
que es aproximadamente cinco veces ms exacto que el de una aplica-
cin de la regla trapezoidal (Ej. 13.1).
El error estimado es [Ec. (13.16)]
E, = - (03)5
2 880
(-2 400) = 0.273 066 67
en donde -2 400 es el promedio de la cuarta derivada en el intervalo
obtenido usando la ecuacin (V.3). Como fue el caso del ejemplo 13.1,
el error es aproximado (E,) porque el promedio de lacuarta derivada no
es una estimacin exacta de f4 ( E ) . No obstante, ya que en este caso
se trata con polinomios de quinto orden, la discrepancia no es mayor y
los errores exacto y aproximado son casi idnticos.
13.2.2 Regla de Simpson de 1/3 de segmentos mltiples
As como con la regla trapezoidal, la regla de Simpson se puede mejorar
dividiendo el intervalo de integracin en segmentos de igual anchura (Fig.
13.12) :
h =- b - a
n
La integral total se representa como
[13.17]
Sustituyendo la regla de Simpson en cada una de las integrales indivi-
duales se obtiene
1 = 2h
f k o ) +4fkd +f(x2) +2h f(X2) +4f(x3) +f(X4)
6 6
+* . . +2h
f(X,-z) f 4f(Xn-1) f(X,)

FIGURA 13.1 2 Representacin grfica del uso de segmentos mltiples sobre la regla de
Simpson de 3/8. Ntese que el mtodo slo se puede emplear si el n-
mero de segmentos es par.
o, reordenando los trminos y usando la ecuacin (13.17), se obtiene
+\
I Ancho Altura promedio
Ntese que, como se ilustra en la figura 13.12, se debe usar un nmero
par de segmentos para implementar este mtodo.
Un error estimado por la regla de Simpson de segmentos mltiples
se obtiene de la misma manera que lo hace la regla trapezoidal, sumando
los errores individuales de cada uno de los segmentos y promediando la
derivada para obtener
[ 13.191
en donde f (4J es el promedio de la cuarta derivada en el intervalo
EJ EMPLO 13.5
Aplicacin de la regla de Simpson de 1/ 3 de segmentos mltiples
Enunciado del problema: utilcese la ecuacin (13.18) con n = 4 para
calcular la integral de:
FORMULACldN DE INTEGRACION DE NEWTON-COTES 449
f ( x) = 0.2 +2 5 ~ - 2 0 0 ~~ +6 7 5 ~~ - 9 0 0 ~~ +4 0 0 ~~
desde a = O hasta b = 0.8. Recurdese que la integral exacta es
1.640 533 34.
Solucin: n = 4 (h = 0.2):
f(0) = 0.2 fi(0.2) =1.288
fi(0.4) =-2.456 t(0.6) =3.464
f,(0.8) = 0.232
de la ecuacin (13.18)
1 = 0.8
0.2 +4(1.288 + 3.464) +2(2.456) + 0.232
12
= 1.623 466 67
E, = 1.640 533 34 - 1.623 466 67 = 0.017 066 67 e, = 1.04%
El error estimado [Ec. (13.19)J es
E, = - A
180(4)4
(O 8)5 (-2400) = 0.017 066 67
El ejemplo previo muestra que la versin de segmentos mltiples de
la regla de Simpson de 1/ 3 proporciona resultados muy exactos. Por es-
ta razn, se considera superior a la regla trapezoidal en la mayor parte
de las aplicaciones. Sin embargo, como se dijo previamente, est& limita-
da a los casos en que se cuenta con un nmero par de segmentos y un
nmero impar de puntos. Por consiguiente, como se examina en la si-
guiente seccin, se usa la regla de segmentos impares puntos pares, co-
nocida como regla de Simpson de 3/ 8, en conjuncin con la regla de
1/ 3 para permitir la evaluacin de cualquier nmero de segmentos, pa-
res o impares.
13.2.3 Regla de Simpson de 3/ 8
De manera similar a la derivacin de la regla trapezoidal y a la regla de
Simpson de 1/ 3, se pueden ajustar polinomios de Lagrange de tercer or-
den a cuatro puntos e integrar;
para obtener
en donde h = (b - a)/3. A esta ecuacipn se le llama regla de Simpson
de 318 porque h es un mltiplo de 3/8. Esta es latercera regla cerrada de
integracin de Newton-Cotes. La regla de Simpson de 3/8 se puede ex-
presar en la forma de la ecuacin (13.5):
"
U
,
Ancho Altura promedio
[13.20]
Por lo tanto, a los dos puntos interiores se les dan pesos de tres octavos,
mientras que a los puntos extremos se les da un peso de un octavo. La
regla de Simpson de 3/8 tiene un error de
3
80
E,, = " h5j'"'(d
FI GURA 13.13 Ilustracin de cmo las reglas de Simpson de 1/ 3 y de 3/8 se pueden apli-
car a la vez para manejar segmentos mltiples con nmeros pares de
intervalos.
FORMULACldN DE INTEGRAC16N DE NEWTON-COTES 45 1
o, ya que h = (b - a)/ 3:
[13.21]
Por lo tanto, la regla 3/ 8 es algo ms exacta que la regla de 1/ 3 [ecua-
cin (13.16)].
La regla de Simpson de 1/ 3 es, en general, el mtodo de preferencia
ya que alcanza exactitud de tercer orden con tres puntos en vez de los
cuatro puntos necesarios para la versin de 3/ 8. No obstante, la regla
de 3/ 8 tiene utilidad en las aplicaciones de segmentos mltiples cuando
el nmero de segmentos es impar. Obsrvese que en el ejemplo 13.5 se
usa la regla de Simpson para integrar la funcin de cuatro segmentos.
Supngase que se desea una estimacin para cinco segmentos. Una
opcin sera usar una aplicacin de segmentos mltiples de la regla tra-
pezoidal como se hizo en el ejemplo 13.3. Sin embargo esto no es
aconsejable, debido al error grande de truncamiento asociado con este
mtodo. Una alternativa sera la de aplicar la regla de Simpson de 1/ 3
a los primeros dos segmentos y la regla de Simpson de 3/ 8 a los ltimos
tres (Fig. 13.13). De esta manera, se obtendra una estimacin con exacti-
tud de tercer orden a travs del intervalo completo.
EJ EMPLO 13.6
Regla de Simpson de 3/8
Enunciado del problema:
a) Utilcese la regla de Simpson de 3/ 8 para integrar
f(x') = 0.2 + 25x - 200x2 +675x3 - 900x4 + WOx5
desde a = O hasta b = 0.8.
b) Utilcese en conjuncin con la regla de Simpson de 1/ 3 para integrar
la misma funcin usando cinco segmentos.
Solucin:
a) Una aplicacin simple de la regla de Simoson de 3/ 8 requiere de cua-
tro puntos igualmente espaciados:
f(0) = 0.2
f(0.266 7) = 1.432 724 28
f(0.533 3) = 3.487 176 96
f(0.8) = 0.232
Usando la ecuacin (13.20),
1 2 0.8
0.2 + 3(1.432 724 28 + 3.487 176 96) +0.232
8
= 1.519 170 37
E, = 1.640 533 34 - 1.519 170 37 = 0.121 362 97 E, = 7.4%
E, = --
6 480
(0'8)5 (-2 400) = 0.121 362 96
b) Los datos necesarios para la aplicacin de cinco segmentos (h =O. 16) son
f(0) = 0.2 f(0.16) = 1.296 919 04
f(0.32) = 1.743 393 28 f(0.48) = 3.186 014 72
f(0.64) = 3.181 928 96
f(0.80) = 0.232
La integral de los primeros dos segmentos se obtiene usando la regla de
Simpson de 1/3:
I = 0.32
0.2 + 4(1.296 919 04)+1.743 393 28 = o.38o 323 7o
6
Para los ltimos tres segmentos, se usa la regla de Simpson de 3/8 para
obtener
1.743 393 28 + 3(3.186 014 72 + 3.181 928 96) + 0.232
8
1 = 0.48
= 1.264 753 46
La integral total se calcula sumando los dos resultados:
I = 0.380 323 70 + 1.264 753 46 = 1.645 077 16
E, = 1.640 533 34 - 1.645 077 16 = -0.004 543 83 E, =-0.28%
13.2.4 Algoritmo para computadora de la regla de Simpson
En la figura 13.14 se esboza un diagrama de flujo para la regla de Simp-
son. Ntese que el programa est elaborado de tal forma que se pueda
usar un nmero par e impar de segmentos. En el primer caso se aplica
la regla de Simpson de 1/3 a cada par de segmentos y los resultados se
suman para obtener el valor final de la integral. En el segundo caso,
se aplica la regla de Simpson de 3/ 8 a los ltimos tres segmentos y la
regla de 1/3 se aplica a todos los segmentos previos.
FIGURA 13.14 Diagrama de fluio de una versin de segmentos mltiples de la regla de
Simpson.
-
4
x
h
+
6 ' 6 - 3
S S S
I I I
.
FORMULACION DE INTEGRACldN DE NEWTON-COTES 455
13.2.5 Frmulas cerradas de Newton-Cotes de orden superior
Como se dijo previamente, la regla trapezoidal y la regla de Simpson son
miembros de una familia de ecuaciones de integracin conocidas como
frmul as cerradas de integracin de Newton-Cotes. En el cuadro 13.2
se encuentran resumidas algunas de estas frmulas, junto con las estima-
ciones de su error de truncamiento.
Ntese que, al igual en el caso de las reglas de Simpson de 1/ 3 y
3/ 8, las frmulas de cinco y seis puntos tienen el mismo orden de error.
Esta caracterstica general se cumple para las frmulas con m6s puntos
y trae como consecuencia de que las frmulas de segmentos pares punto
impares (por ejemplo la regla de 1/ 3 y la regla de Boole) sean, en gene-
ral, los mtodos de preferencia.
Sin embargo, se debe tomar en cuenta que en la ingeniera prsctica,
las frmulas de orden superior (esto es, mayores de cuatro puntos) rara
vez se usan. Las reglas de Simpson son suficientes en la mayor parte de
las aplicaciones. Se puede mejorar la exactitud usando una versin
de segmentos mltiples en vez de optar por las frmulas de mds puhtos.
Adem&, cuando la funcin se conoce y se requiere de exactitud muy
alta, los mtodos de integracin de Romberg o cuadratura gaussiana, ana-
lizados en el captulo 14, ofrecen alternativas viables y atractivas.
13.3 INTEGRACIN USANDO INTERVALOS DESIGUALES
Hasta el momento, las frmulas de integracin numrica se han basado
en puntos igualmente espaciados. En la pr6ctica, existen muchos casos en
donde esta suposicin no se cumple y se debe tratar con diferentes tama-
os de segmentos. Por ejemplo, los datos derivados experimentalmente,
a menudo, son de este tipo. En estos casos, un mtodo es aplicar la regla
trapezoidal a cada uno de los segmentos y sumar los resultados:
[13.22]
en donde hi es el ancho del segmento i . Ntese que este fue el mismo
planteamiento usado en la regla trapezoidal de segmentos mltiples. La
nica diferencia entre las ecuaCiones (13.8) y (13.22) es que las h de
la primera son constantes. Por consiguiente, la ecuacin (13.8) se puede
simplificar y llevar a la ecuacin (13.9). Aunque esta simplificacin no
se puede aplicar a la ecuacin (13.22), se puede desarrollar con facilidad
un programa de computadora que acomode los segmentos de tamao
desigual. Antes de describir tal programa, se ilustra en el siguiente ejem-
plo como se aplica la ecuacin (13.22) en la evaluacin de una integral.
-
= 1.564 800 98
que representa un error relativo porcentual absoluto de E , = 4.6 %.
EJ EMPLO 13.7
Regla trapezoidal con puntos que no estn igualmente espaciados
Enunciado del problema: la informacin del cuadro 13.3 se gener usando
el mismo polinomio empleado en el ejemplo 13. l . Utilcese la ecuacin
(13.22) para determinar la integral de estos datos. Recurdese que la res-
puesta correcta es 1.640 533 34.
Solucin: aplicando la ecuacin (13.22) a los datos del cuadro 13.3 se
obtiene
1. 309 729 28 +0.2 + o,1o 1.305 241 28 + 1. 309 729 28
I = 0.12
2 2
+* . - +0. 1
0.232 + 2.363
2
= 0.090 583 76 + 0.130 748 53 + . . . + 0.129 75
CUADRO 13.3 Datos de f(x) 0.2 +25x-200x2 +675x3-900x4
+400x5 con valores de x desigualmente espaciados
0. 0 0. 200 000 O0 0. 44 2. 842 894 96
0. 12 1. 309 729 28 0. 54 3. 507 296 96
0. 22 1. 305 241 28 0. 64 3. 181 928 96
0. 32 1. 743 393 28 0. 70 2. 363 O00 O0
0. 36 2. 074 903 04 0. 80 0. 232 O00 O0
0. 40 2. 456 O00 O0
Los datos del ejemplo 13.7 se muestran en la figura 13.15. Ntese
que algunos segmentos adyacentes son de igual ancho y, por consiguiente,
podran haber sido evaluados usando reglas de Simpson. En general, esto
lleva a resultados m6s exactos, como se ilustra en el ejemplo siguiente.
Programa de computadora para datos que no estn igualmente es-
paciados. Es muy simple programar la ecuacin (13.22). Sin embargo,
como se demuestra en el ejemplo 13.8, la aproximacin se acrecenta si se im-
plementan las reglas de Simpson hasta donde sea posible. Por esta ra-
zn, se ha desarrollado un algoritmo que incorpora esta opcin.
FORMULACldN DE lNTEGRACl6N DE NEWTON-COTES 457
FIGURA 13.15 Uso de la regla trapezoidal para determinar la integral de datos espa-
ciados irregularmente. Ntese cmo se pueden evaluar los segmentos
sombreados con las reglas de Simpson para obtener mayor exactitud.
EJEMPLO 13.8
Inclusin de la regla de Simpson en la evaluacin de datos impares
Enunciado del problema: calclese nuevamente la integral de los datos
del cuadro 13.3, pero usando las reglas de Simpson en aquellos segmentos
donde sean apropiadas.
Solucin: el primer segmento se puede evaluar con la regla trapezoidal:
1.309 729 28 + 0.2 = o.o9o 583 76
I = 0.12
2
Debido a que los siguientes dos segmentos desde x = 0.22 a 0.36 son
de igual longitud, su integral se pJede calcular usando la regla de Simp-
son de 1/3.
1.743 393 28 + 4(1.305 241 28) + 1.309 729 28
6
1 = 0.2
= 0.275 802 92
Los siguientes tres segmentos son tambin iguales, y por lo tanto, se pue-
den evaluar con la regla de 3/ 8 para dar I = 0.272 686 31. De manera
similar, se puede aplicar la regla de 1/ 3 a los dos segmentos desde x =
0.44 a x = 0.64 para obtener I = 0.668 470 06. Finalmente, los lti-
mos dos segmentos, que tienen longitud desigual, se pueden evaluar con
laregla trapezoidal y obtener los resultados de O. 166 347 87 y O. 129 750 00,
respectivamente. El rea de estos segmentos individuales se puede sumar
para obtener una integral total de 1.603 640 92. Esto representa un error
de q, = 2.2%, que es superior al resultado obtenido con laregla trape-
zoidal del ejemplo 13.7.
__- " "" . ""
Como se muestra en la figura 13.16, el diagrama de flujo verifica la
longitud de intervalos adyacentes. Si dos segmentos consecutivos tienen
igual longitud, entonces se aplica la regla de Simpson de 1/ 3. Si tres de
ellos son iguales, entonces se aplica la de 3/ 8. Cuando los segmentos
adyacentes son desiguales se implementa la regla trapezoidal.
Se sugiere al lector que implemente su propio programa a partir de
este diagrama de flujo. Esto no slo le permite la evaluacin de segmen-
tos desiguales, sino que si se usa tambin la informacin de segmentos
iguales, reduce las reglas de Simpson. Como tal, representa un algorit-
mo bsico de propsitos generales, en la determinacin de laintegral de
datos tabulares.
13.4 FRMULAS DE INTEGRACIN ABIERTA
Recurdese de la figura 13.3b que las frmulas de integracin abierta tie-
nen lmites que se extienden ms all del rango de los datos. En el
cuadro 13.4 se resumen las frmulas de integracin abierta deNewton-
Cotes. Las frmulas se expresan en la forma de la ecuacin (13.5) de
tal manera que resultan evidentes los factores de peso: Como con las ver-
siones cerradas, los pares sucesivos de las frmulas tienen el mismo or-
den de error. Las frmulas de segmentos pares-puntos impares son, en
general, los mtodos de preferencia ya que requieren algunos puntos me-
nos para alcanzar lamisma exactitud de las frmulas de segmentos impares:
puntos pares. Ntese que el mtodo de bandas mostrado en lafigura V.3
es, en realidad, una versin de segmentos mltiples del mtodo de pun-
to medio del cuadro 13.4.
Como se menciona previamente, las frmulas abiertas rara vez se usan
en laintegracin. Sin embargo, tienen aplicacin directa con los mtodos
de paso mltiple en la solucin de ecuaciones diferenciales ordinarias ana-
lizadas en el captulo 17.
FIGURA 13.1 6 Diagrama de fluio para la integracin con datos desigualmente espaciados.
459
-CY
h
0
I
S
-4-
LD
FORMULACldN DE INTEGRACldN DE NEWTON-COTES
46 1
PROBLEMAS
Clculos a mano
13.1
13.2
13.3
13.4
13.5
13.6
13.7
13.8
13.9
Utilcense medios analticos para evaluar
(a) I" (10 +2x - 6x2 +5x4) dx
(b) 15 (1 - x - 4x3 +3x5) dx
(c) Jv (8 +5 sen X) dx
Utilcese una aplicacin simple de la regla trapezoidal y evalense las integrales
del problema 13.1.
O
-3
O
Evalense las integrales del problema 13.1 con la regla trepezoidal de segmentos
mltiples, con n =2, 4 y 6.
Evalense las integrales del problema 13.1 con una aplicacin simple de la regla
Simpson de 1/ 3.
Evalense las integrales del problema 13.1 con una regla de Simpson de 1/ 3
de segmentos mltiples, con n =4 y 6.
Evalense las integrales del problema 13.1 con una aplicacin simple de la regla
de Simpson de 3/ 8.
Evalense las integrales del problema 13.1 usando la regla de Simpson de 3/ 8
con segmentos mltiples, con n =5.
Intgrese la siguiente funcin analticamente y usando la regla trepezoidal, con
n =1, 2, 3 y 4:
Calclese el error relativo porcentual y evalese la exactitud de la aproximacin
trapezoidal.
Intgrese la siguiente funcin analticamente y usando las reglas de Simpson, con
n =4 y 5 :
Estdiense los resultados
13.10 Intgrese la siguiente funcin analtica y numricamente. sese la regla trapezoi-
dal y la regla de Simpson de 1/ 3 para integrar la funcin. En ambos casos, sese
la versin de segmentos mltiples, con n =4:
Comprese el error relativo porcentual de los resultados numricos.
13.11 Intgrese la siguiente funcin analtica y numricamente. Utilcese la regla trape-
zoidal y la regla de Simpson de 1/ 3 y 3/ 8 adems de la regla de Boole (vase
el cuadro 13.2).
lo* 15.32.5x dx
Calclese el error relativo porcentual de los resultados numricos
13.12 Evalese la integral
I, (4 +2 sen x) dx
a) Analticamente.
b) Mediante la aplicacin simple de la regla trapezoidal.
c) Mediante la aplicacin mltiple de la regla trapezoidal (n =5).
dj Mediante la aplicacin simple de la regla de Simpson de 1/ 3.
e) Mediante la aplicacin simple de la regla de Simbson de 3/ 8.
f) Mediante la aplicacin mltiple de las reglas de Simpson (n =5).
En los casos b) a f), calclese el error relativo porcentual (c,) basado en a) .
13.13 Evalese la integral de los siguientes datos tabulares mediante la regla trapezoidal:
X I O
0.1 0.2 0.3 0.4 0.5
f ( x) I l
7 4 3 5 9
13.14 Efectense las mismas evaluaciones del problema 13.13 usando las reglas de
Simpson.
13.15 Evalese la integral de los siguientes datos tabulares usando la regla trapezoidal.
x 1- 3- 1 1 3 5 7 9 11
f(x) I 1 -4 -5 2 4 8 6 -3
13.16 Efectese la misma evaluacin del problema 13.15 usando las reglas de Simpson.
13.17 Determnese el valor medio de la funcin
!(x) =-46 +45. 4~ - 13.8~ +1 . 7 1 ~~ - 0. 0729~~
entre x =2 y x =10:
a) Graficando la funcin y calculando visualmente el valor.
bj Usando la ecuacin (V.3) y la evaluacin analtica del a integral.
cj Usando la ecuacin (V.3) y una versin de cuatro segmentos de la regla tra-
pezoidal en la estimacin de la integral.
d) Usando la ecuacin (V.3) y una versin de cuatro segmentos de la regla de
Simpson de 1/3.
13.18 La funcin
!(X) =10 - 38. 6~ +74.07~' - 40.1~'
se usa en el clculo de la siguiente tabla de datos que no estn igualmente espa-
ciados:
X I O 0.1 0.3 0.5 0.7 0.95 1.2
!(x) I 10 6.84 4 4.20 5.51 5.77 1
Evalese la integral desde a =O y b =1.2 usando
a) Medios analticos
b) La regla trapezoidal
c) Una combinacin de las reglas de Simpson y la regla trapezoidal; utilcense
las reglas de Simpson en donde sea posible para obtener la m6s alta exactitud
posible.
En b) y c) calclese el error relativo porcentual (E,,)
13.19 Evalese la siguiente integral doble:
a) Analticamente
b) Usando la regla trapezoidal con segmentos mltiples (n =2).
c) Usando una aplicacin simple de la regla de Simpson de 1/ 3.
En b) y c) calclese el error relativo porcentual (e" ).
13.20 Evalese la integral triple
I," I : l (x4 - 2Y4 dx dY dz
a) Analticamente
b) Usando una aplicacin simple de la regla de Simpson de 1/ 3
En b) calclese el error relativo porcentual (E,,).
13.21 Desarrllese un programa para computadora que sea amable con el usuario de
la regla trepezoidal de segmento mltiple basado en la figura 13.9. Entre otras
cosas,
a) Agrguense declaraciones de documentacin al programa.
b) Hgase la entrada y la salida ms descriptiva y orientada al usuario.
c) Inclyanse diagnsticos que alerten al usuario cuando se accesen datos que
d) (Opcional) Modifquese el programa de tal manera que sea capaz de evaluar
Prubese este programa repitiendo los clculos del ejemplo 13.2.
no estn igualmente espaciados o en orden ascendente.
funciones predefinidas y en forma tabular.
464 MhODOS NUMRI COS PARA INGENIEROS
"
13.22 Desarrllese un programa para computadora amable con el usuario para la ver-
sin de la regla de Simpson de segmentos mltiples basado en la figura 13.14.
Prubese reproduciendo los clculos de los ejemplos 13.5 y 13.6.
13.23 Desarrllese un programa para computadora que sea amable con el usuario para
integrar datos desigualmente espaciados basados en la figura 13.16. Prubese
repitiendo los clculos del ejemplo 13.7
13.24 Utilcese el programa TRAPEZOIDAL RULE del paquete de programas NUME-
RICOMP (o el programa propio del problema 13.21) y reptase a) el problema
13.2, b) el problema 13.3, c) el problema 13.8, a ' ) el problema 13.10 y e) el pro-
blema 13.13. Utilcese la opcin de graficacin para que le ayude a visualizar
el concepto de que 1 = f (x) dx es el rea entre la curva f (x) y el eje. Pru-
bense varios tipos de pasos para cada uno de los problemas.
S1
13.25 Desarrllense cinco funciones. sese el paquete de programas NUMERICOMP
(o los programas propios) para calcular la integral de cada una de las funciones
sobre algunos lmites basados en los datos de entrada. Prubense los tamaiios
de paso h =(b - a)/ n para =n 1, . . ,n =10. Grafquese I en funcin de n .
13.26 Utilcese el paquete de programas NUMERICOMP (o los programas propios) pa-
ra calcular la integral de datos tabulares. Invntense datos para x y f (x), sense
valores negativos y cero para x y f (x). Obsrvese la funcin, graficndola; el lec-
tor puede convencerse de que el paquete NUMERICOMP trabaja perfectamente.
C A P T U L O C A T O R C E
INTEGRACIN DE ROMBERG Y
CUADRATURA GAUSSIANA
En la introduccin a la parte V se menciona que las funciones a integrar-
se numricamente tienen, en general, dos formas: una tabla de valores
o una ecuacin. La forma de los datos tiene una influencia importante
en el esquema que se va a usar para evaluar la integral. Para el caso de
informacin tabular, se est limitado al nmero de puntos datos. En con-
traste, si se dispone de la funcin analticamente, entonces se pueden ge-
nerar tantos valores de f(x) como sean necesarios para alcanzar una exac-
titud aceptable (recurdese la Fig. V.4).
Este captulo se dedica al estudio de dos mtodos que estn expresa-
mente diseados para analizar casos en que se conoce la funcin. Am-
bos mtodos aprovechan la facilidad de generar valores de la funcin en
el desarrollo de esquemas eficientes de la integracin numrica. El pri-
mero de ellos se basa en la extrapolacin de Richardson, mtodo que
combina dos aproximaciones de integracin numrica en la obtencin de
un tercer valor que es ms exacto. El algoritmo que implementa la extra-
polacin de Richardson en su forma ms eficiente se llama integracin
de Romberg. Este mtodo es recursivo y se usa para generar una aproxi-
macin a la integral dentro de una tolerancia de error especificada.
El segundo mtodo es el llamado cuadratura gaussiana. Recurdese
que en el ltimo captulo los valores de f(x) en las frmulas de Newton
Cotes se determinan en valores especficos de x. Por ejemplo, si se usa
la regla trapezoidal para determinar una integral se est restringiendo a tomar
el promedio pesado de f(x) en los intervalos de los extremos. Las frmulas
de cuadratura gaussiana emplean valores de x contenidos dentro de a y de
b de tal forma que resulta una integral mucho ms exacta.
14.1 INTEGRACIN DE ROMBERG
En el captulo 13 se presenta una versin de la regla trapezoidal con seg-
mentos mltiples y las reglas de Simpson. Para una funcin analtica
(opuesta a la forma tabular), las ecuaciones de error [Ec. (13.13) y (13.19)]
indican que aumentando el nmero n de segmentos se genera una apro-
ximacin ms exacta a laintegral. Esta observacin la comprueba la figu-
ra 14.1, que es una grfica del error real contra n para la integral de f(x)
= 0.2 + 25x - 200x2 = 675x3 - 900x4 +400x5. Ntese cmo el
error decrece a medida que n crece. Sin embargo ntese tambin que
para valores muy grandes de n , el error empieza a crecer ya que los erro-
res de redondeo empiezan a dominar. Tambin obsrvese que se necesi-
ta un nmero muy grande de segmentos (y por lo tanto, esfuerzo de
FI GURA 14.1 Valor absoluto del error relativo porcentual verdadero contra el nme-
ro de segmentos en la determinacin de la integral {(x) =0.2 +25x -
200x2 +675x3 - 900x4 +400x5, evaluada de a =O a b =0.8 usan-
do la regla trapezoidal de segmentos mltiples y la regla de Simpson de
1/ 3 de segmentos mltiples. Ntese que ambos resultados indican que
para un nmero considerable de segmentos, los errores de redondeo li-
mitan la precisin.
INTEGRACldN DE ROMBERG Y CUADRATURA GAUSSIANA 467
clculo) para alcanzar niveles altos de exactitud. Como una consecuen-
cia de estos inconvenientes, la regla trapezoidal de segmentos mltiples
y las reglas de Simpson algunas veces son inadecuadas en problemas donde
se necesita gran eficiencia y pocos errores.
La integracin de Romberg es un mtodo diseado para evitar estos
inconvenientes. Es muy similar a los mtodos analizados en el captulo
13, en el sentido de que est'basado en la aplicacin sucesiva de la regla
trapezoidal. Sin embargo, mediante manipulaciones matemticas, se ob-
tienen mejores resultados con menos esfuerzo.
14.1.1 Extrapolacin de Richardson
Recurdese que en la seccin 7.4.4 se usan ecuaciones de error para me-
jorar la solucin de un conjunto de ecuaciones lineales. En el mismo sen-
tido, existen mtodos que corrigen errores y mejoran los resultados de
la integracin numrica en base a la estimacin de la integral misma. Co-
nocidos generalmente como extrapolacin de Richardson, estos mtodos
usan dos clculos de la integral para efectuar un tercer clculo ms exacto.
El clculo y el error asociado con la regla trapezoidal de segmentos
mltiples se representa generalmente como:
I = I (h) + ( h )
en donde I es el valor exacto de la integral, I(h) es la aproximacin de
la integral usando la regla trapezoidal con n segmentos y con tamao de
paso h = (b - a) / n y E(h) es el error de truncamiento. Si se obtienen
dos aproximaciones por separado usando tamaos de paso hl y hz y se
tiene el valor exacto del error, entonces
Ahora recurdese que el error de la regla trapezoidal de segmentos ml-
tiples se representa por la ecuacin (13.13) [con n = (b - a)/ h]:
[14.2]
Si se supone que f' ' es una constante que depende del tamao del paso,
entonces la ecuacin (14.2) se usa en la determinacin del promedio de
los dos errores, que es:
[14.3]
Este clculo tiene el importante efecto de quitar el trmino f ' ' de los cl-
culos. AI hacerlo, se ha hecho posible utilizar la informacin relacionada
c
c
con la ecuacin (14.2) sin conocimiento previo de la segunda derivada
de la funcin. Para hacerlo, se reordena la ecuacin (14.3) para obtener:
la cual se puede sustituir en la ecuacin (14.1):
la cual, puede resolverse
Por lo tanto, se ha desarrollado una expresin que calcula el error de trun-
camiento en teiminos del valor de la integral y el tamao de paso. Esta
estimacin se sustituye en
I =I (h2) +E(h2)
obteniendo una estimacin mejorada de la integral:
r 1 1
[14.4]
Se demuestra (Ralston y Rabinowitz, 1978) que el error de esta esti-
macin es O(h4). Por lo tanto, se han combinado dos estimaciones de la
regla trapezoidal de O(h2) en la obtencin de una nueva estimacin de
O(h4). En el caso especial en que el intervalo se divide en dos partes (h2
= hl / 2), la ecuacin se transforma a:
o, reordenando trminos,
[14.5]
EJ EMPLO 14.1
Correction de errores en la regla trapezoidal
Er,unciado del problema: en el captulo anterior (ejemplo 13.1 y el ma-
dro 13.1) la aplicacin de la regla trapezoidal de segmentos mltiples lie-
INTEGRACl dN DE ROMBERG Y CUADRATURA GAUSSIANA 469
va a los siguientes resultados:
-~ ~ ~~~ ~ ~~~~ ~
Segmentos h Integral ev,%
1 0.8 0.172 8 89.5
2 0.4 1.068 8 34.9
4 0.2 1.484 8 9.5
Utilcese esta informacin junto con la ecuacin (14.5) para calcular me-
jores estimaciones de la integral.
Solucin: los clculos con uno y dos segmentos se combinan y se obtiene
4 1
3 3
I = - (1.068 8) - - (O. 172 8) = 1.367 466 67
El error en la integral mejorada es
E, = 1.640 533 34 - 1.367 466 67 = 0.273 066 67 E, = 16.6%
que es superior a la aproximacin en que se bas.
binan y se obtiene
De la misma manera, los ckulos de dos y cuatro segmentos se com
4 1
3 3
I = "1.484 8) - -(1.068 8) = 1.623 466 67
que representa un error de
E, = 1.640 533 34 - 1.623 466 67 = 0.017 066 67 E, = 1.0%
La ecuacin 14.4 proporciona una forma de combinar dos aplicacio-
nes de la regla trapezoidal con error O(h2) y calcular una estimacin de
O(b4). Este planteamiento es un subconjunto de un mtodo ms general
que combina integrales para obtener mejores estimaciones. Por ejemplo,
en el ejemplo 14.1, se calcularon dos integrales mejoradas de O(h4) en
base a tres estimaciones de reglas trapezoidales. Estas dos estimaciones
mejoradas, pueden a la vez, combinarse para obtener todava una mejor
estimacin de O(h6). Para el caso especial en que las estimaciones me-
diante regla trapezoidal original se basen en divisiones sucesivas a la mi-
tad del intervalo, la ecuacin usada con O(h6) de exactitud es:
16 1
15 15
I = "I, - "4 [14.6]
en donde I, y I, son las estimaciones ms y menos exactas, respectiva-
mente. De manera similar, dos resultados de O(h6) se combinan para
calcular una integral que es O(h8) usando
64 1
I = -I,
- -1,
63 63
[ 14.71
EJEMPLO 14.2
Correccin del error de rdenes mayores de dos en la
estimacin de integrales
Enunciado del problema: en el ejemplo 14.1 se usa la extrapolacin de
Richardson para calcular dos estimaciones de la integral de O(h4). Util-
cense la ecuacin (14.6) y combnense estas estimaciones para calcular
una integral con O(h6).
Solucin: las dos aproximaciones de O(h4) obtenidas en el ejemplo 14.1
fueron 1.367 466 67 y 1.623 466 67. Estos valores se sustituyen en la
ecuacin (14.6) y se obtiene
la cual es la respuesta correcta a nueve cifras significativas que son las
obtenidas en este ejemplo.
14.1.2 Algoritmo de la integracin de Romberg
Ntese que los coeficientes en cada una de las ecuaciones de extrapolacin
[Ec. (14.5), (14.6) y (14.7)] suman 1. Por lo tanto, representan factores
de peso que, a medida que la exactitud aumenta, coloca progresivamen-
te pesos mayores en la estimacin de la integral. Estos planteamientos
pueden expresarse en una forma general, que se adapta muy bien a las
implementaciones mediante computadora:
[14.8]
INTEGRACl dN DE ROMBERG Y CUADRATURA GAUSSIANA 471
en donde [,+I,+" y lj,k-l son las integrales ms y menos exactas, respec-
tivamente, 1j .k es la integral mejorada. El ndice k indica el nivel de inte-
gracin, k = 1 corresponde a la estimacin de la regla trapezoidal original,
k = 2 corresponde a O(h4), k = 3 a O(h6), etctera. El ndice j se usa
para distinguir entre las estimaciones mejores (j + 1) y menores (j). Por
ejemplo, si k = 2 y j = 1, entonces la ecuacin (14.8) se transforma en
la cual es equivalente a la ecuacin (14.5).
La forma general representada mediante la ecuacin (14.8) se le atri-
buye a Romberg, y a la aplicacin sistemtica en la evaluacin de inte-
grales se le conoce como integracin de Romberg. La figura 14.2 muestra
un esquema grfico de la secuencia de estimaciones generadas usando
este mtodo. Cada una de las matrices corresponde a una iteracin. La
primera columna contiene las evaluaciones de la regla trapezoidal que se
denotan por J,l, en donde j = 1 es la aplicacin sobre un solo segmento
(el tamao del paso es b - a) ; j = 2 es la aplicacin sobre los segmentos
[tamao del paso (b - a)/ 4]; etctera. Las otras columnas de la matriz
se generan sistem6ticamente aplicando la ecuacin (14.8) para obtener
sucesivamente mejores estimaciones para la integral.
Por ejemplo, la primera interacin (Fig. 14.2a) implica calcular la re-
gla trapezoidal de uno y dos segmentos (11,1 y 12,1). En seguida se usa la
ecuacin (14.8) para calcular el elemento 11,2 = 1.367 466 67, que tie-
ne un error de O(h4).
FIGURA 14.2 Esquema grfico de la secuencia de aproximaciones a l a integral gene-
radas usando la integracin de Romberg.
Ahora, se debe verificar que este resultado sea adecuado a las nece-
sidades. Como se hizo con los otros mtodos de aproximacin de este
libro, se requiere un criterio de terminacin o de paro para valorar laexac-
titud de los resultados. Un mtodo que se puede emplear para los prop-
sitos actuales es (Ec. (3. 5)]
[14.9]
en donde E, es una estimacin del error relativo porcentual. Por lo tan-
to, de la manera como se hizo anteriormente en los otros procesos iterati-
VOS, se compara la nueva estimacin con el valor anterior. Cuando el
cambio entre los valores anterior y actual representados mediante E*, es-
t bajo un criterio de error preespecificado E,, los clculos se terminan.
En la figura 14. 2~ esta evaluacin indica un cambio del 87.4% de cam-
bio sobre el curso de la primera interacin.
El objeto de la segunda iteracin (Fig. 14.2b) es el de obtener la esti-
macin O(h6): 11,s. Para hacerlo, se determina una nueva estimacin tra-
pezoidal, 13.1 = 1.484 8. En seguida sta se combina con 12,1 usando
la ecuacin (14.8) para obtener 12,* = 1.623 466 67. Este resultado, a la
vez, se combina con 11,2 para obtener 11,3 = 1.640 533 34. La ecuacin
(14.9) se aplica para determinar que este resultado representa un cambio
del 16.6% cuando se compara con el anterior 11,2.
La tercera iteracin (Fig. 14.2%) contina el proceso de lamisma ma-
nera. En este caso, se agrega una estimacin trapezoidal a la primera co-
lumna y luego se aplica lafrmula (14.8) al clculo sucesivo de integrales
ms exactas bajo la diagonal inferior. Despus de tres iteraciones, se sabe
que el resultado, 11,5 = 1.640 533 34, es exacto al menos hasta nueva
cifras significativas.
La integracin de Romberg es ms eficiente que laregla trapezoidal
y que las reglas de Simpson analizadas en el captulo 13. Por ejemplo.
en la determinacin de la integral mostrada en la figura 14.1, la regla de
Simpson de 1/3 requerira una aplicacin de 256 segmentos para encontrar
un valor de 1.640 533 32. No seran posibles mejores aproximaciones
debido al error de redondeo. En contraste, la integracin de Romberg ob-
tiene un resultado exacto (hasta nueve cifras significativas) basado en la
combinacin de la regla trapezoidal de dos, cuatro y ocho segmentos.
En la figura 14.3 se muestra un diagrama de flujo de laintegracin
de Romberg. Usando ciclos, el algoritmo implementa el mtodo de ma-
nera eficiente. Recurdese que la integracin de Romberg est diseada
para casos en que la funcin por integrar se conoce. Esto se debe a que
el conocimiento de la funcin permite las evaluaciones necesarias para
las implementaciones iniciales de laregla trapezoidal. Los datos en forma
tabular rara vez se encuentran en forma necesaria para llevar a cabo eva-
luaciones sucesivas.
NU R
de
cir
A 14.3
fluio de
7 de Ron
Di
la
1 be
agra-
inte-
r g .
473
14.2 CUADRATURA GAUSSIANA
En el captulo 13 se analiza un conjunto de frmulas de integracin nu-
mrica o de cuadratura conocidas como las ecuaciones de Newton-Cotes.
Una caracterstica de estas frmulas (con laexcepcin del caso especial
de laseccin 13.3) es que la estimacin de laintegral se basa en puntos
igualmente espaciados. Por consiguiente, la posicin de los puntos base
usados en estas ecuaciones estaba predeterminado o fijo.
Por ejemplo, como se puede ver en la figura 14.4~1, la base de lare-
gla trapezoidal es tomar el rea bajo la lnea recta que une los valores de
lafuncin evaluada en los extremos del intervalo. La frmula usada para
calcular esta rea es
1 (b - U)
f (a> +f tb)
2
[14.10]
FIGURA 14.4 a) Esquema grfico de la regla trapezoidal dada por el rea baio la lnea
recta que une los puntos extremos. b) Se obtiene una aproximacin
meiorada a la integral tomando el rea baio la lnea recta que pasa a
travs de dos puntos intermedios. Colocando adecuadamente estos
puntos, los errores, positivo y negativo se equilibran y resulta una
aproximacin a la integral meiorada.
en donde a y b son los lmites de integracin y b - a es el ancho del inter-
valo de integracin. Debido a que la regla trapezoidal debe pasar a travs
de los puntos lmites, existen casos como el de la figura 14.4a en donde
la frmula genera un error muy grande.
Ahora, supngase que la restriccin de fijar los puntos base se elimi-
na y se va a evaluar libremente el rea bajo la lnea recta que une dos
puntos cualesquiera de la curva. Colocando estos puntos de manera in-
teligente, se puede definir una lnea recta que balancee los errores nega-
tivos y positivos. De ah que, como en la figura 14.4b, se llegara a un
valor ms exacto de la integral.
La cuadratura gaussiana es el nombre de uno de estos mtodos que
implementa esta estrategia. Las frmulas particulares de cuadratura gaus-
siana descritas en esta seccin se llaman frmulas de Gauss-Legendre.
Antes de describir el mtodo, se demuestra cmo las frmulas de inte-
gracin numrica tales como la regla trapezoidal se derivan usando el m-
todo de coeficientes indeterminados. Este mtodo se emplea en el
desarrollo de las frmulas de Gauss-Legendre.
14.2.1 Mtodo de coeficientes indeterminados
En el captulo 13 se deriva la regla trapezoidal integrando un polinomio
lineal mediante un razonamiento geomtrico. El mtodo de coeficientes
indeterminados ofrece una tercera alternativa que tiene tambin utilidad
en la derivacin de otros mtodos tales como la cuadratura gaussiana.
Para ilustrar el mtodo, la ecuacin (14.10) se expresa como
en donde las c son constantes. Ahora, considerando que la regla trape-
zoidal debe llevar a resultados exactos cuando la funcin a integrarse sea
una constante o una lnea recta. Dos ecuaciones simples que representan
este caso son y = 1 y y = x. Ambas se ilustran en la figura 14.5. Por
lo tanto, se deben cumplir las siguientes igualdades:
Y
o, evaluando las integrales:
.
FIGURA 14.5 Dos integrales que la regla trapezoidal evaluar exactamente: a) una
constante y b) una lnea recta.
Estas son dos ecuaciones con dos incgnitas que pueden resolverse por
c1 = c2= -
b - a
2
las cuales, cuando se sustituyen de nuevo en la ecuacin (14.11) dan
la cual es equivalente a la regla trapezoidal.
14.2.2 Derivacin de la frmula de Gauss-Legendre
basada en dos puntos
Como en el caso de la derivacin anterior de la regla trapezoidal, la cua-
dratura gaussiana determina los coeficientes de una ecuacin de la forma
en donde las c son los coeficientes incgnitas. Sin embargo, en contraste a
la regla trapezoidal que usa puntos extremos a y b, los argumentos de
la funcin x1 y x2 ahora no estn fijos a los puntos extremos, sino que
son incgnitas (Fig. 14.6). Por lo tanto, ahora se tiene un total de cuatro in-
cgnitas que se deben evaluar, y por consiguiente, se requieren de cua-
tro condiciones para determinarlos exactamente.
Al igual que con la regla trapezoidal, se pueden obtener dos de estas
condiciones suponiendo que la ecuacin (14.12) ajusta exactamente la
integral de una corstante y de una funcin lineal. Entonces, para llegar
a las otras dos condiciones, se extiende este razonamiento al suponer que
tambin se ajusta la integral a una funcin parablica (y = x2) y a una
funcin cbica (y = x3). Haciendo esto, se determinan las cuatro incg-
nitas conviniendo en derivar una frmula de integracin de doble punto
que sea exacta para cbicas. Las cuatro ecuaciones por resolver son
Clf(X1) + C2f(X2) = 1 dx = 2 [14.13]
[14.14]
[14.15]
[14.16]
Las ecuaciones (14.13) hasta la (14.16) se resuelven simultneamente,
c1 = c2=1
xl =- =
-0.577 350 269. . .
- 1
d3
x2="
- 0.577 350 269. . .
d3
FIGURA 14.6 Esquema grfico de las variables incgnitas -x1 y x2- para integracin
usando cuadratura gaussiana.
las cuatro se pueden sustituir en la ecuacin (14.12) y obtener la frmula
de Gauss-Legendre de dos puntos
[14.17]
Por lo tanto, se llega al resultado interesante de que lasuma simple de
los valores de la funcin en x = 1/& y - l/& lleva a una estimacin
de la integral con una exactitud de tercer orden.
Ntese que los lmites de integracin de las ecuaciones (14.13) a la
(14.16) van desde - 1 a 1. Esto se hizo para simplificar la aritmtica y
hacer la formulacin tan general como sea posible. Un simple cambio de
la variable se puede usar para trasladar otros lmites de integracin en es-
ta forma. Esto se lleva a cabo suponiendo que la nueva variable xd est
dada en funcin de la variable original x en una forma lineal como en:
x = a. + alxd [14.18]
si el limite inferior, x = a, corresponde a x d = - 1, estos valores Se
sustituyen en la ecuacin (14.18) y se obtiene:
a = a0 +al (-l ) [14.19]
De manera similar el lmite superior, x = b, corresponde a xd = 1, y
obtener
b = a0 + al(1) [14.20]
I NTEGRA CI ~N DE ROMBERG Y CUADRATURA GAUSSl ANA 479
Las ecuaciones (14.19) y la (14.20) se resuelven simultneamente, ge-
nerando:
b + a
a0 = -
2
b - a
at = -
2
Y
que se sustituye en la ecuacin (14.18) para obtener:
(b + a) + (b - a)xd
2
X =
Esta ecuacin se diferencia dando:
&=-
b - a
2
dx;
[14.21]
[14.22]
[14.23]
[14.24]
Las ecuaciones (14.23) y (14.24) se pueden sustituir para x y dx, respec-
tivamente, en la ecuacin por integrar. Estas sustituciones transforman
efectivamente el intervalo de integracin sin cambiar los valores de la in-
tegral. El ejemplo siguiente ilustra cmo se hace esto en la prctica.
EJEMPLO 14.3
Frmulas de Gauss-Legendre de dos puntos
Enunciado del problema: utilcese la ecuacin (14.14) para evaluar la in-
tegral
!(x) = 0.2 + 25x - 200x2 + 675x3 - 900x4 + @Ox5
entre los lmites x = O y x = 0.8. Recurdese que ste fue el mismo pro-
blema resuelto en el captulo 13 usando una variedad de formulaciones
de Newton-Cotes. El valor exacto de la integral es 1.640 533 34.
Solucin: antes de integrar la funcin, se debe realizar un cambio de va-
riable de tal forma que los lmites sean desde - l hasta l. Para hacerlo,
se sustituye a = O y b =0.8 en la ecuacin (14.23) y se obtiene
X = 0.4 + 0.4xd
al calcular su derivada se tiene [Ec. (14.24)]
I & = 0.4 dxd
Estos dos valores se sustituyen en la ecuacin original para obtener
(0.2 +2 5 ~ - 2 0 0 ~~ +6 7 5 ~~ - 9 0 0 ~ ~ + 400~~) dx
- {[0.2 +25(0.4 +0.4~d) - 200(0.4 +0.4xd)'
- ! : I
+675(0.4 + O.4xJ 3 - gOO(0.4 +O.4xJ 4
Por lo tanto, el lado derecho est en la forma que es adaptable para la
evaluacin mediante la cuadratura gaussiana. La funcin transformada
se puede evaluar en - l/& siendo igual a 0.516 740 55 y en 1 4 sien-
do igual a 1.305 837 23. Por lo tanto, de acuerdo a la ecuacin (14.171,
la integral es:
1 = 0.516 740 55 + 1.305 837 23 = 1.822 577 78
que representa un error' relativo porcentual del - 11.1 % . Este resultado
es comparable en magnitud a la aplicacin de la regla trapezoidal de cua-
tro segmentos (cuadro 13.1) o a una aplicacin de la regla de Simpson
de 1/3 y la de 3/8 (ejemplos 13.4 y 13.6). Este ltimo resultado ya se
esperaba porque las reglas de Simpson tienen tambin exactitud de ter-
cer orden. Sin embargo, debido a la forma hbil de escoger los puntos,
la cuadratura gaussiana obtiene esta exactitud en base a slo dos evalua-
ciones de la funcin.
14.2.3 Frmulas de ms de dos puntos
Adems de la frmula de dos puntos, analizada en la seccin previa, se
pueden desarrollar tambin versiones de ms de dos puntos, las cuales
se presentan en la forma general:
En el cuadro 14.1 se resumen los valores de las c y de las x de las frmu-
las de hasta seis puntos, incluyendo a stas.
EJEMPLO 14.4
Frmula de Gauss-Legendre de tres puntos
Enunciado del problema: utilcese la frmula de tres puntos del cuadro
14.1 para calcular la integral de la misma funcin del ejemplo 14.3.
INTEGRACldN DE ROMBERG Y CUADRATURA GAUSSIANA 48 1
CUADRO 14.1 Factores de peso c y argumentos x de la funci6n usados en
las f6rmulas de Gauss-legendre
Factores
Puntos de peso
Argumentos
de la funelen
Error de
trunca-
miento
2 c1 =1.000 O00 O00 x1 =-0.577 350 269 =f(41([)
3 c1 =0.555 555 556 x1 =-0.774 596 669 =f(6)([)
c:, =1 .O00 O00 O00 X:, = 0.577 350 269
c:, =0.888 888 889 x2 = 0.0
~3 =0.555 555 556 x3 = 0.774 596 669
4 c1 =0.347 854 845 X] =-0.861 136 312 =f(*)([)
c:, =0.652 145 155 X:, =-0.339 981 044
~3 =0.652 145 155 x3 = 0.339 981 044
~4 =0.347 854 845 x4 0.861 136 312
5 ~1 =0.236 926 885 x1 =-0.906 179 846 =f(](t)
C? =0.478 628 670 X:, =-0.538 469 310
~3 =0.568 888 889 x3 = 0.0
~4 =0.478 628 670 x4 = 0.538 469 310
~5 =0.236 926 885 x5 = 0.906 179 846
6 ~1 =0.171 324 492 X, =-0.932 469 514 =Cl2([)
c:, =0.360 761 573 X:, =-0.661 209 386
~3 =0.467 913 935 x3 =-0.238 619 186
~4 =0.467 913 935 x4 = 0.238 619 186
~5 =0.360 761 573 x5 = 0.661 209 386
c6 =0.171 324 492 X6 = 0.932 469 514
Solucin: de acuerdo al cuadro 14.1, la frmula de tres puntos es
1 = 0.555 555 556 f(0.774 596 669) + 0.888 888 889 f(0)
+ 0.555 555 556 f(0.774 596 669)
1 1 = 0.281 301 290 + 0.873 244 444 + 0.485 987 599 = 1.640 533 34
la cual es exacta.
Debido a que la cuadratura gaussiana requiere de evaluaciones de
la funcin en puntos que no estn uniformemente espaciados dentro del
intervalo de integracin, no es aplicable a los casos en que la funcin se
desconoce. Por lo tanto, no se adapta a muchos problemas de la inge-
niera en donde se manejan datos tabulares. Sin embargo, en donde se
conoce la funcin, su eficiencia tiene grandes ventajas. Esto es particular-
mente cierto cuando se deben realizar numerosas evaluaciones funcionales.
14.2.4 Programa para la computadora de la cuadratura gaussiana
En la figura 14.7 se muestran programas en FORTRAN y BASIC sobre
el mtodo de cuadratura gaussiana. Ntese que los programas estn di-
seados de tal manera que se aprovecha la simetra de los factores de
peso y los argumentos de la funcin en el cuadro 14.1.
Los programas mostrados en la figura 14.7 estn listos para resolver
las mismas ecuaciones analizadas en los ejemplos 14.3 y 14.4. Se calcu-
lan aproximaciones hasta e incluyendo la frmula de seis puntos. Por lo
tanto, si se desea aplicar estos programas a otro caso, se debe cambiar
la funcin que especifica la ecuacin a integrarse. Haciendo esto, el pro-
grama se puede emplear en el anlisis de una gran variedad de proble-
mas de ingeniera.
EJEMPLO 14.5
Aplicacin de la cuadratura gaussiana al problema del paracaidista
Enunciado del problema: en el ejemplo 13.3 se usa la regla trapezoidal
de segmentos mltiples para evaluar
d =- b [l -
gm 10
C
en donde g = 980, c = 12 500 y m = 68 100. El valor exacto de la
integral se determina mediante el clculo y fue de 28 943.514 7. Recur-
dese que la mejor estimacin, calculada usando la regla trapezoidal con
5 O00 segmentos fue de 28 943.517 7 con un I c v l = 4 x lo-%%. Re-
ptase este clculo usando el programa de la figura 14.7 sobre la cuadra-
tura gaussiana.
Solucin: despus de modificar la funcin, se obtienen los siguientes re-
sultados:
estimacin con dos puntos = 29 001.447 8
estimacin con tres puntos = 28 943.929 7
estimacin con cuatro puntos = 28 943.516 2
estimacin con cinco puntos = 28 943.514 7
estimacin con seis puntos = 28 943.514 7
Por lo tanto, las estimaciones con cinco y seis puntos obtienen resultados
exactos hasta nueve cifras significativas.
FORTRAN
DI MENSI ON C(ll>,XQ<ll>,J0<5>,Jl~5>
FCI XDI =AU+Al*:(D
F( Xj=O.2+25*:(-%UO*X**2+675*%**3
DATA C/l.,.888888,.555555,.652145,
C-900*X**4+400*X**5
C.347855,.568889,.478629,.236927,
C.467914,.360762,.171324/
[ ) ATA XQ/. 577350, O . , ,774597, , 339981,
c.a61136,0.,.~38469,.90618~,.238~~9,
C661209, , 932470, '
DATI J 0/ 1, 3, 4, 7. 9/
DATA J 1/1,3,5,8,11c
1 FORMI T( ' 0 ' , 5 X, 'CUI DRAI URA GAUSSI ANA'
WRI TE (6, l >
4 FORMFIT<2F 10, O >
READ<5,4 ) I , B
A O=( B+I )/ 2
DO 410 1- 1, s
J A= J OC I )
J B =J l ( I )
FIp( 1/2>-1/2
I F ( F X. NE . 0. ) COTO 350
K=( 1- 1 >*2
SM=SM+C( K )*F( FCC XQ< K ) >>
A 1 =( 8 - A >/2
sn=o.
350 DO 380 J =J A, J B
SM=SM*C< J >*F( -FCC XQ< J >j >
SM=SM+C( J )*FI FC< XQ( J >j >
380 CONTI NUE
s n =s r m1
BASIC
UI M XQ(ll),C(lIi,J0(5),Jl(5)
L>EF FN C( XD) = A0 + A l * XD- (Funcidn que implementa
LIEF- FN F ( X ) = . 2 + 25 % X +- (Funci6n que especifica
200 * x A 2 + a75 * x 1 3 - la ecuaci6n a
'300 a X A 4 + 400 *: X A 5 integrarse)
PRI NT : PRI NT
"
CUADRATLIRA
FUR I = 1 TO 1 1
FcCAU C i I i
NEXT I
FOR I i 1 TO 11
READ XI2 t. I )
NEXT I losargumentos de la
FOR I = 1 TO 5
READ J O(. I )
NEXT I
FOR I = 1 TO 5
READ 541 ( I )
NEXT I
el cambio de variable)
GALI SSI ANA": PRI NT
Clll =vector que contlene
los factores de peso
(Cuadro 14.11
X(Il =vector que contlene
funci6n (Cuadro 14.1)
2d1 INF'IJT "LI MI TE5 DE I NTEGRACI O
N i A. B) =" : A, B
270 A0 = ( H - A) / 2
1:3O A l = I B - A) / 2
290 PRl NT
.::cid FUR I = 1 TO 5
310 5M = O
321) I F I NT (,I / 2) - I / 2 < i
_ .
O THEN ,350
FIGURA 14.7 Programas para la computadora en FORTRAN y BASIC que implementan
la cuadratura gaussiana usando frmulas de Gauss-Legendre.
14.2.5 Anlisis de error en la cuadratura gaussiana
El error en las frmulas de Gauss-Legendre se especifica generalmente
mediante (Carnahan et al., 1969):
[14.26]
en donde n es el nmero de puntos menos uno y f ""+*J (~) es la (2n +
2)-sima derivada de la funcin despus del cambio de variable y 4 se
localiza en algn lugar dentro del intervalo de - 1 a 1. La comparacin
de la ecuacin (14.26) con el cuadro 13.2 indica la superioridad de la
cuadratura guassiana sobre las frmulas de Newton-Cotes, dado que las
derivadas de orden superior no crecen sustancialmente a medida que crece
n. En el problema 14.8, al final de este captulo se ilustra un caso en don-
de las frmulas de Gauss-Legendre trabajan deficientemente. En estos
casos, ser preferible la regla de Simpson de segmentos mltiples o la in-
tegracin de Romberg. Sin embargo, lacuadratura de Gauss proporcio-
na un medio eficiente para evaluar las integrales en muchas funciones
usadas en ingeniera.
PROBLEMAS
Clculos a mano
14.1 Utilcese la integracin de Romberg para evaluar
[sen (5x + l)] dx
con una exactitud de E, =0.5%. Los resultados se deben presentar en la for-
ma dada en la figura 14.1. Calclese la solucin analtica y sese para determi-
nar el error real E, del resultado obtenido con la integracion de Romberg.
Verifquese que E , sea menor que el criterio de paro E,.
14.2 Efectense los mismos clculos del problema 14.1 con la integral
xeZx dx
14.3 Utilicese la integracin de Romberg para evaluax
dx
con una exactitud del O. 1%. Los resultados se deben presentar en laforma dada
en la figura 14.2.
l NTEGRACl 6N DE ROMBERG Y CUADRATURA GAUSSIANA 485
14.4
14.5
14.6
14.7
14.8
ObtQngase una estimacin de la integral del problema 14.1 usando frmulas de
Gauss-Legendre de dos, tres y cuatro puntos. Calclese E, para cada caso en
base a la solucin analtica.
Obtngase una estimacin de la integral del problema 14.2, usando frmulas de
Gauss-Legendre de dos, tres y cuatro puntos. Calclese para cada caso con ba-
se a la solucin analtica.
Usando frmulas de Gauss-Legendre desde dos hasta cinco puntos, obtngase
una aproximacin de la integral del problema 14.3.
Usando integracin de Romberg (E, =O.Ol%), reptanse los clculos de los
ejemplos 13.3 y 14.5 para el problema del paracaidista.
Utilcense mtodos analticos (recurdese el cuadro V. 1) y las frmulas de Gauss-
Legendre de dos a seis puntos para resolver
14.9 Desarrllese un programa legible al usuario sobre la integracin de Romberg ba-
sado en la figura 14.3. Prubese repitiendo los clculos mostrados en la figura 14.2.
14.10 Desarrllese un programa legible al usuario sobre la cuadratura gaussiana basa-
do en la figura 14.7. Prubese repitiendo los clculos de los ejemplos 14.3 y 14.4.
14.11 Utilcese el programa desarrollado en el problema 14.9 para resolver los proble-
mas 14.1 y 14.2 y 14.3.
14.12 Utilcese el programa desarrollado en el problema 14.10 para resolver 10s pro-
blemas 14.4, 14.5 y 14.6.
" . ..
C A P T U L O Q U I N C E
CASOS DE LA PARTE V:
INTEGRACI~N
El propsito de este captulo es el de aplicar los mtodos de integracin
numrica analizados en la parte V, a problemas prcticos de ingeniera.
Frecuentemente se encuentran dos situaciones; la primera de ellas es cuan-
do la funcin en estudio se puede expresar de forma analtica pero es de-
masiado complicada para integrarse usando los mtodos del clculo. La
integracin numrica se aplica a casos de este tipo usando la expresin
analtica para generar una tabla de argumentos y valores de la funcin.
En el segundo caso, la funcin a integrarse es, por naturaleza, de forma
tabular. Este tipo de funciones, en general, representan una serie de medidas,
observaciones o alguna otra informacin emprica. Los datos en cualquier
caso son compatibles directamente con varios esquemas de integracin
numrica analizada en los captulos 13 y 14.
El caso 15.1, que analiza los flujos de efectivos en una compaa de
computadoras, es un ejemplo de la integracin en su forma tabular. Se
usa la regla trapezoidal y la regla de Simpson de 1/ 3 para determinar el
flujo de efectivos. El caso 15.2, que trata de clculos de calor de la inge-
niera qumica, comprende datos analticos. En este caso de estudio, se
integra numricamente una funcin analtica para determinar el calor ne-
cesario que eleve la temperatura de un material.
Los casos 15.3 y 15.4 se relacionan con funciones dadas en forma
analtica. El caso 15.3, tomado de la ingeniera civil, usa la integracin
numrica para determinar la fuerza del viento total que acta sobre el mstil
de un velero de carreras. El caso 15.4 determina la raz de la corriente
media al cuadrado (RMS) de un circuito elctrico. Este ejemplo se usa
en la demostracin de la utilidad de la integracin de Romberg y la cua-
dratura gaussiana.
Finalmente, el caso 15.5 regresa al anlisis de la informacin tabular
para determinar el trabajo necesario para mover un bloque. Aunque este
ejemplo tiene conexin directa con la ingeniera mecnica, tiene aplica-
cin en todas las otras reas de la ingeniera. Entre otras cosas, este caso
ilustra la integracin de datos desigualmente espaciados.
CASO 15.1 ANALISIS DE MOVIMIENTO DE EFECTIVOS
Antecedentes: el anlisis de movimiento de efectivos es una parte impor-
tante dentro de cualquier proyecto de ingeniera o de cualquier proyecto
de negocios. El efectivo disponible puede afectar muchos aspectos del pro-
blema, por ejemplo, la localizacin de recursos (vase el caso 9. I ) . La
posicin de un ingeniero en la Compaa de Computadoras Micro-1 es
la de calcular el efectivo total generado de una venta de computadoras
en los primeros 60 das que siguen a la introduccin de una computado-
ra al mercado (vase el cuadro 15.1 sobre los datos de venta de compu-
tadoras).
Su problema es complicado ya que el costo de la computadora es muy
sensitivo a la demanda abastecimiento o a la disponibilidad. Los equipos
de ventas e investigacin de mercados han obtenido la informacin de que
el precio de venta base considerando una demanda ptima es de $1 250
por computadora. A medida que la demanda disminuye, el precio aumenta
a un mximo de $3 O00 por computadora. Ms an, la variacin continua
del costo con un suministro N se define por la ecuacin derivada empri-
camente:
Costo por computadora ($) =3 O00 - 1 750
N
10 O00 + N
[ 15.13
que se grafica en la figura 15.1.
CUADRO 15.1 Datos de venta de computadoras y de fluio de efectivos. La columna c) se
calcula usando derivacin num6rica de la informacin en la columna b).
El primero y ltimo valor de la columna e) se determinan usando diferen-
cias hacia adelante y hacia atrs de orden h2, los valores medios median-
te diferencias centrales de orden h2
Costo por Efectivo
computadora, generado
Cantidad de Promedio de ($) [basado diaria-
computadoras Nmero de computadoras en la columna meme
disponibles computado-
vendidas
4 Y la
$ Tiempo
en el mercado ras vendidas diariamente
ecuacin (1 5.1 )] [(c) X ( d ) ]
en das
a) b) 4 4 e) f)
50 O00 O 2 050.0 1 542 3 161 100 O
35 O00 15 O00 950.0 1 639 1 557 050 10
31 O00 19 O00 1 500.0
1 677 2 515 500 20
20 O00 30 O00 600.0 1 833 1 099 800 30
19 O00 31 O00 397.5 1 853 736 568 40
12 050 37 950 400.0 2 040 816 O00 50
11 O00 39 O00 -1 90.0 2 083 -395 770 60
CASOS DE LA PARTE V: l NTEGRA Cl 6N 489
FIGURA 15.1 Costo de las computadoras contra el nmero de computadoras en el rner-
cado. La curva se basa en la ecuacin (15.1).
Solucin: el efectivo total generado est dado por
Efectivo total = (efectivo generado diariamente) dt
(u"
Efectivo total = (promedio de ventas X costo unitario) dt
r
En este caso, el promedio de ventas de los das O al 60 est dado por
la columna c) del cuadro 15.1. El promedio se determina usando dife-
rencias divididas finitas (recurdese la seccin 3.5.4) para apoximar la pri-
mera derivada de la columna b). Ntese cmo, debido a la variacin de
los datos, la aproximacin a la derivada en la columna c) vara mucho.
En efecto, aunque la venta total de computadoras siempre crece, la va-
riacin en los datos proporciona un promedio de ventas negativo en el
da 60. Este inconveniente se debe a que las aproximaciones numricas
de las derivadas son altamente sensitivas al cambio en los datos.
El costo por computadora diario se calcula en base a la ecuacin (15.1)
y el nmero de computadoras disponibles se muestra en la columna a)
del cuadro 15.1. El costo por computadora diario desde el da O hasta
el 60 est dato en la columna d ) . En la columna e) se muestra el efectivo
generado diariamente. Este dato se puede usar en conjunto con los pro-
cedimientos de integracin numrica analizados en el captulo 13.
En el cuadro 15.2 se muestran los resultados de aplicar la regla trape-
zoidal y la regla de Simpson de 1/ 3 a este problema. Ntese como va-
CUADRO 15.2 Resultados al aplicar la regla trapezoidal y la regla
de Simpson de 113 para calcular el flulo de efectivos
generado de la venta de computadoras
Mdtodo Segmentos Efectivo generado $
Regla
trapezoidal
1
2
3
6
82 959 900
74 473 950
96 294 660
81 075 830
Regla de 2
Simpson de 1/3 6
71 645 300
77 202 887
ran los resultados ampliamente, dependiendo de cuntos segmentos se
empleen en el anlisis. En particular, la estimacin de la versin de tres
segmentos de la regla trapezoidal es mucho mayor que las otras estima-
ciones debido a la inclusin selectiva de las altas estimaciones de flujo de
efectivos en el da 20.
En base a este anlisis se puede concluir que el flujo de efectivos es
de aproximadamente $77 millones. Sin embargo, los resultados indican
que se debe tener cuidado cuando se aplican los mtodos de integracin
numrica y que las aproximaciones de datos tabulares pueden, en gene-
ral, mejorarse si se obtiene informacin adicional. Esta conclusin la com-
prueba el caso de estudio 15.5 en donde se demuestra que el nmero
de datos puede tener un efecto significativo en el resultado final de la apro-
ximacin a una integral.
CASO 15.2 EL USO DE INTEGRALES PARA DETERMINAR LA
CANTIDAD TOTAL DE CALOR EN LOS MATERIALES
(INGENIERA QUMICA)
Antecedentes: los clculos de calor se emplean rutinariamente en la in-
geniera qumica, as como tambin en otros campos de la ingeniera. Es-
te caso proporciona un ejemplo simple pero muy til de estos clculos.
Un problema que se encuentra a menudo es determinar la cantidad
de calor necesaria para elevar la temperatura de un material. La caracte-
rstica necesaria para realizar este clculo es la capacidad calorfica c. Este
parmetro representa la cantidad de calor necesaria para elevar una uni-
dad de masa a una unidad de temperatura. Si c es la constante sobre el
rango de temperaturas que se van a examinar, el calor necesario AH (en
caloras) se calcula como
AH = me AT [15.2]
CASOS DE LA PARTE V: INTEGRACldN 49 1
en donde c tiene unidades de caloras por gramo por grado centgrado,
m es la masa (en gramos) y AT es el cambio de temperatura (en grados
centgrados). Por ejemplo, la cantidad de calor necesaria para elevar 20 g
de agua de 5 a 10C es igual a
AH = (20)1(10 - 5) = 100 cal
en donde la capacidad calorfica del agua es aproximadamente 1 cal/ g/ "C.
Tal valor es adecuado cuando AT es pequeo. Sin embargo, en rangos
mayores de temperatura, la capacidad calorfica no es constante, y de he-
cho, vara en funcin de la temperatura. Por ejemplo, la capacidad calo-
rfica de un material aumenta con la temperatura de acuerdo a relaciones
tales como
c(T) = 0.132 + 1.56 X 10-4T + 2.64 X 10-7T2 [15.3]
En este caso se pide calcular el calor necesario para elevar 1 O00 g
de este material de -100 a 200C.
Solucin: la ecuacin (V.3) proporciona una manera de calcular el valor
promedio de c( T) :
que puede ser sustituido en la ecuacin (15.2) y obtenerse
AH = m ITT: c(T) dT [15.4]
en donde AT =T2 - T1. Ahora, ya que en este caso c(T) es una cua-
drtica simple, AH se determina analticamente. La ecuacin (15.3) se
sustituye en la ecuacin (15.4) y el resultado se integra para obtener el
valor exacto de AH = 42 732 caloras. Es til y adems instructivo com-
parar este resultado con los mtodos numricos desarrollados en el cap-
tulo 13. Para llevar a cabo esto, es necesario generar una tabla de valores
de c para varios valores de T:
T, OC c callglOC
-100 0.119 04
-50 0.124 86
O 0.132 O0
50 0.140 46
100 0.150 24
150 0.161 34
200 0.173 76
Estos puntos se usan junto con la regla de Simpson de 1/ 3 usando seis
segmentos y se calcula una integral aproximada de 42.732. Este resulta-
do se sustituye en la ecuacin (15.4) que lleva al valor AH = 42 732
caloras, resultado que coincide exactamente con la solucin analtica. Esta
coincidencia se esperaba ya que c es una funcin cuadrtica y la regla
de Simpson es exacta para polinomios de tercer orden o menos (vase
la seccin 13.2).
Los resultados obtenidos con la regla trapezoidal se muestran en el
cuadro 15.3. Se ve que la regla trapezoidal tambin es capaz de estimar
el calor total de manera exacta. Sin embargo, se necesita un paso peque-
o (< 10C) para una exactitud de cinco cifras significativas. Este ejem-
plo ilustra bien el por qu la regla de Simpson es muy popular. Es fcil
llevarla a cabo, ya sea usando clculos a mano o, mejor an, con una
computadora personal. Adems por lo comGn, es lo suficientemente exacta
con tamaos de paso relativamente grandes y exacta para polinomios de
tercer orden o menos.
CUADRO 15.3 Resultados obtenidos usando la regla trapezoi-
dal con varios tamaos de paso
Tamao de paso, OC AH + Yo
300
150
1 O0
50
25
10
5
1
0.05
96 048
43 029
42 864
42 765
42 740
42 733.3
42 732.3
42 732.01
42 732.000 3
125
0.7
0.3
0.07
0.018
<0.01
<0.01
<0.01
<0.01
CASO 15.3 FUERZA EFECTIVA SOBRE EL MSTIL DE UN
VELERO DE CARRERAS (INGENIERA CIVIL)
Antecedentes: en la figura 15.2a se muestra un corte transversal de un
velero de carreras. Las fuerzas del viento (fl ejercidas por pie de mstil
desde las velas varan en funcin de la distancia sobre la cubierta del bote
(z) como lo muestra la figura 15.2b. Calclese la fuerza de tensin T en
el cable de soporte del lado izquierdo del mstil, suponiendo que el so-
porte del cable derecho est flojo y el mstil se une al casco de manera
que transmita fuerzas verticales y horizontales pero no momentos. Su-
pngase que el mstil permanece vertical.
CASOS DE LA PARTE V: INTEGRACldN 493
FIGURA 15.2 a) Seccin transversal de un velero de carreras. b) Fuerzas del viento
f eiercidas por pie de mstil en funcin de la distancia z sobre el casco
del bote.
0 =tan- (3/30),
=0.099 668 7 ,
- I
N
FIGURA 15.3 Diagrama
de cuerpo libre de las
fuerzas ejercidas en el
mstil de un velero.
Solucin: para proceder con el problema, se requiere que la fuerza distri-
buida f se convierta en una fuerza total equivalente F y que se calcule
su posicin efectiva d sobre el casco (Fig. 15.3). Este clculo se complica
por el hecho de que la fuerza ejercida por pie de mstil vara con la dis-
tancia sobre el puente. La fuerza total ejercida sobre el mstil expresa co-
mo una integral de la siguiente funcin continua:
Esta integral no lineal es difcil de evaluar analticamente. Por lo tanto,
es conveniente emplear un mtodo numrico tal como la regla de Simp-
son y la regla trapezoidal para este problema. Esto se lleva a cabo calcu-
lando f(z) para varios valores de z y, despus, usando las ecuaciones
(13.10) y (13.18). Por ejemplo, el cuadro 15.4 tiene valores def(z) para
un tamao de paso de 3 pies que proporciona datos de la regla de Simp-
son de 1/ 3 y de la regla trapezoidal. En el cuadro 15.5 se muestran re-
sultados de varios valores del tamao de paso. Se observa que ambos
mtodos proporcionan un valor de F = 1 480.6 libras a medida que el
tamao de paso decrece. En este caso, el tamao de paso de 0.05 pies
en la regla trapezoidal y de 0.5 en la regla de Simpson proporciona bue-
nos resultados.
CUADRO 15.4 Valores de f(z) con
un tamao de paso
de 3 pies que pro-
porcionan datos de
l a regla trapezoidal
y l a regla de Simp-
son de 113
z, pies f(z), lblpies
O
3
6
9
12
15
18
21
24
27
30
O
6 1.40
73.13
70.56
63.43
55.18
47.14
39.83
33.42
27.89
23.20
La lnea de accin F (Fig. 15.3) se calcula evaluando la integral.
CUADRO 15.5 Valores de F calculados en base a varias versio-
nes de l a regla trapezoidal y l a regla de Simp-
son de 113
_____ _ _ _ _ _ _ _ _ _ _ _ _ _
Mtodo Tamao de Segmentos F,
~~
paso, pies libras
Regla 15
trapezoidal 10
6
3
1
0.5
0.25
o. 1
0.5
Regla de 15
Simpson de 113 5
3
1
0.5
2
3
5
10
30
60
120
300
600
2
6
10
30
60
1 001.7
1 222.3
1 372.3
1 450.8
1 477.1
1 479.7
1 480.3
1 480.5
1 480.6
1 219.6
1 462.9
1 476.9
1 480.5
1 450.6
CASOS DE LA PARTE V: INTEGRACl dN 495
O
lo3' 200z[z/ (5 +~ ) ] e - ~ / ~ ' dz
1480.6
d =
Esta integral se evala usando mtodos similares a los anteriores. Por ejem-
plo, la regla de Simpson de 1/ 3 con un tamao de paso de 0.5 proporciona
19 326.9
1 480.6
d = = 13.05 pies
Con F y d conocidos de los mtodos numricos, se usa un diagrama de
cuerpo libre para desarrollar ecuaciones de equilibrio de fuerzas y mo-
mentos. Este diagrama de cuerpo libre se muestra en la figura 15.3. Su-
mando fuerzas en la direccin vertical y horizontal y tomando momentos
alrededor del punto O, se obtiene
EFH = O = F - Tsen 8 - H
CF"= O = v - reos o
EM0 = O = 3V - Fd
[15.9]
[15.10]
E15.111
en donde T es la tensin en el cable. H y V son las reacciones que se
desconocen sobre el mstil transmitidas al casco. La direccin y magni-
tud de H y V se desconocen. La ecuacin (15.11) se resuelve directa-
mente para V ya que se conocen F y d.
Por lo tanto, de la ecuacion (15. l o),
y de la ecuacin (15.9),
H = F - T sen 8 = 1 480.6 - (4 473)(0.099 5) = 836.54 lb
Estas fuerzas le ayudan al diseador para continuar con otros aspectos
del diseo estructural del velero, tales como los cables y el sistema de so-
porte del mstil sobre el puente. Este problema ilustra muy bien dos usos
de la integracin numrica que se pueden encontrar durante el diseo
de estructuras. Se ha visto que la regla trapezoidal y la regla de Simpson de
1/ 3 son fciles de aplicar y son herramientas prcticas en la solucin
de problemas. La regla de Simpson de 1/ 3 es ms exacta que la regla
trapezoidal para el mismo tamao de paso y por lo tanto, se prefiere a
menudo.
CASO 15.4 DETERMINACIN DE LA CORRIENTE RMS
MEDIANTE INTEGRACIN NUMRICA
Antecedentes: el valor efectivo de una corriente elctrica cuyo valor vara
peridicamente est dado por la frmula de raz cuadrada de la corriente
al cuadrado (vase el caso 12.4):
1
IWS = i 2(t )dt [15.12]
en donde T es el periodo, esto es, el tiempo de un ciclo e i ( t ) es la co-
rriente instantnea. Calclese la corriente RMS de la forma de onda mos-
trada en la figura 15.4 usando la regla trapezoidal, la regla de Simpson
de 1/ 3, la integracin de Romberg y la cuadratura gaussiana para T = 1 s.
Recurdese que en el caso 12.4, se resolvi este problema por integra-
FIGURA 15.4 Corriente elctrica que vara peridicamente.
CUADRO 15.6 Valores de la integral calculada usando varios mtodos num6ricos.
El error relativo porcentual E, se basa en el valor verdadero de
15.412 608 1
Mtodo Segmentos Integral E, %
Regla 1
trapezoidal 2
4
8
16
32
64
128
Regla de 2
Simpson de 1/ 3 4
8
16
32
0.0
15. 163 266 5
15. 401 429 1
15.41 1 958 4
15. 412 568 2
15. 412 605 6
15.412 607 9
15. 412 608 1
20. 217 688 7
15. 480 816 6
15. 415 468 1
15. 412 771 4
15. 412 608 1
1 O0
1.62
0. 072 5
4.21 x 10-3
2. 59 x 10- ~
1. 62 X 10-5
1. 30 x l ow6
O
-31. 2
-0. 443
-018 6
O
-1. 06 x 103
cin analtica de la parbola que se haba ajustado a la funcin cuya apro-
ximacin a la integral fue de 20.217 688 7.
Solucin: en el cuadro 15.6 se muestra la aproximacin a la integral con
varias aplicaciones de la regla trapezoidal y la regla de 1/ 3 de Simpson.
Una aplicacin de la regla de Simpson de 1/ 3 obtiene el mismo resulta-
do del caso de estudio 12.4. Esto ya se esperaba porque la regla de Simp-
son de 1/ 3 corresponde al rea bajo la parbola ajustada a los tres puntos.
Ntese que la regla de Simpson es ms exacta que la regla trapezoidal.
El valor exacto de la integral es 15.412 608 1. Este resultado se ob-
tiene usando la regla trapezoidal con 128 segmentos o la regla de Simp-
son con 32 segmentos. Usando la integracin de Romberg se determina
la misma aproximacin (Fig. 15.5).
"
FIGURA 15. 5 Resultados obtenidos usando la integracin de Romberg para calcular
la corriente RMS.
Adems, se puede usar la cuadratura gaussiana para obtener la mis-
ma aproximacin. Recurdese que la determinacin de la corriente RMS
del caso 12.4 se incluye la evaluacin de la integral (T = 1)
I = (b (lOe-t sen 2at)* dt
[15.13]
Primero se hace un cambio de variable aplicando laecuacin (14.23)
y (14.24) para obtener
1 1
t =- +- t d
4 4
Y
1
dt = - dtd
4
Estas relaciones se sustituyen en la ecuacin (15.13) y se obtiene
Con la frmula de Gauss-Legendre de dos puntos, la funcin se eva-
la en t d = 1/43 y - 1/43, con los resultados de 7.684 096 2 y
4.313 728 O, respectivamente. Estos valores se sustituyen en la ecuacin
(14.17) y se obtiene una aproximacin a la integral de 11.997 824 2,
que representa un error del = 22%.
La frmula de tres puntos es (cuadro 14.1):
I = 0.555 555 556 (1.237 449 345) + 0.888 888 889 (15.163 266 49)
+ 0.555 555 556 (2.684 914 679)
= 15.657 550 21 = 1.6%
En el cuadro 15.7 se resumen los resultados del uso de frmulas de ms
puntos.
CUADRO 15.7 Resultados obtenidos usando varios
puntos y la cuadratura gaussiana para
aproximar la integral
Puntos Aproximacih !%
~~
2 11.997 824 3 22.1
3 15.657 550 2 -1.59
4 15.405 802 3 4.42 x
5 15.412 639 1 -2.01 X 1 0 - ~
6 15.412 610 9 -1.82 x 10-5
La aproximacin a la integral de 15.412 608 1 se sustituye en la
ecuacin (15.12) y se calcula IRMs como 3.925 889 5 A. Este resul-
tado se emplea en la gua de otros aspectos del diseo y operacin del
circuito.
CASO 15.5 INTEGRACIN NUMRICA EN EL CALCULO DE
TRABAJ O (INGENIERA MECANICA)
Antecedentes: muchos problemas de ingeniera incluyen el clculo del tra-
bajo. La frmula general es:
Trabajo = fuerza X distancia
Cuando se estudia este concepto en la materia de fsica a nivel preuniver-
sitario, se presentan aplicaciones simples usando fuerzas que permane-
cen constantes a travs del desplazamiento. Por ejemplo, si se usa una
fuerza de 10 libras para jalar un bloque una distancias de 15 pies, el tra-
bajo se calcula como 150 pies X libra.
Aunque este clculo simple es til en la introduccin del concepto,
los problemas realistas, en general, son ms complejos. Por ejemplo, su-
pngase que la fuerza vara durante el curso del clculo. En estos casos,
la ecuacin del trabajo puede expresarse como
w = F(x) cix [15.14]
donde W es el trabajo en pie X libra, x. y x, son las posiciones inicial y
final, respectivamente y F(x) es la fuerza que vara en funcin de la posi-
cin. Si F(x) es fcil de integrar, entonces la ecuacin (15.14) se integra
analticamente. Sin embargo, en problemas reales, la fuerza no se puede
expresar de esta manera. De hecho cuando se analizan los datos medios,
la fuerza puede estar disponible en forma tabular. En estos casos, la inte-
gracin numrica es la nica opcin viable para la evaluacin.
Cuando el ngulo de la fuerza y la direccin del movimiento tambin
varan con la posicin, se introduce mayor complejidad (Fig. 15.6). La
ecuacin del trabajo se puede modificar an ms tomando en cuenta es-
te efecto,
w = F(x) cos [O(x)] dx [15.15]
Otra vez, si F(x) y O(x) son funciones simples, la ecuacin (15.15) se re-
suelve analticamente. Sin embargo, como en la figura 15.6, es ms fcil
FIGURA 15.6 Caso de una fuerza variable que acta sobre un bloque. En este caso,
el ngulo, as como la magnitud de la fuerza varan.
que la relacin funcional sea complicada. En este caso, los m6todos nu-
mricos proporcionan la nica alternativa para determinar la integral.
Supngase que se va a calcular la situacin mostrada en la figura 15.6.
Aunque la figura muestra los valores continuos de F(x) y B(x), se supone
que debido a restricciones experimentales, dnicamente se proporcionan
las medidas discretas en intervalos de x =5 pies (cuadro 15.8). Utilicen-
se las versiones de un segmento y de segmentos mltiples de la regla tra-
pezoidal y las reglas de Simpson de 1/ 3 y 3/ 8 para calcular el trabajo
con estos datos.
Solucin: en el cuadro 15.9 se muestran los resultados resumidos del an-
lisis. Se calcul un error relativo porcentual E ~ , en referencia al valor real
CASOS DE LA PARTE V: INTEGRACl dN 50 1
CUADRO 15.8 Datos de la fuerza F(x) y del nglo @( x) en fun-
cidn de la posicidn x
CUA
x , pies F( x) , libras O, radianes F(x) cos 0
O 0.0
030
0.000 o
5 9.0 1.40 1 S29 7
10 13.0 0.75 9.512 O
15 14.0 0.90 8.702 5
20 10.5 1.30 2.808 7
25 12.0 1.48 1.088 1
30 5.0 1 S O 0.353 7
de la integral cuyo valor es 129.52, calculando en base a los valores to-
mados de la figura 15.6 con intervalos de un pie.
Estos resultados son importantes porque el resultado ms exacto ocurre
cuando se usa la regla trapezoidal de dos segmentos. Las estimaciones
ms refinadas usando ms segmentos, as como la regla de. Simpson, lle-
van a resultados menos exactos.
La razn de este resultado aparentemente ilgico es que el espacia-
miento grueso de los puntos no es adecuado para capturar las variacio-
nes de las fuerzas y los ngulos. Esto es evidente en la figura 15.7, en
donde se ha graficado la curva continua de los productos de F(x) y cos
[e(x)]. Ntese cmo el uso de siete puntos para caracterizar la continui-
dad de la funcin falla en los dos picos x = 2.5 y x = 12.5 pies. La omi-
sin de estos dos puntos limita efectivamente la exactitud de la integracin
numrica en el cuadro 15.9. El hecho de que la regla trapezoidal de dos
segmentos obtenga la mayor precisin en estos resultados se debe a la
forma en que se posicionan los puntos en este problema en particular (Fig.
15.8).
,DRO 15.9 A roximaciones del trabalo calculado usando la re-
g P a trapezoidal y la regla de Simpson. El error relati-
vo oreentual (e,) se calculd en referencia al valor
rea P de la integral (129.52 pies libra) calculado en
base a los valores en intervalos de 1 pie
M6todo
Regla trapezoidal 1 5.31 95.9
2
3
133.19 -2.84
124.98 3.51
6 1 1 9.09 8.05
Regla de Simpson de 1/3 2 175.82 -35.75
6 117.13 9.57
Regia de Simpson de 3/8 3 139.93 -8.04
FlGlJ RA 15.7 Grfica continua de f(x) cos [O(x)] contra la posicin, junto con los siete
puntos discretos usados para desarrollar la aproximacin a la integral
numrica del cuadro 15.9. Ntese cmo el uso de siete puntos para ca-
racterizar esta funcin que vara continuamente omite dos picos en x
=2.5 y 12.5 pies.
FIGURA 15.8 Esquema grfico del por qu6 la regla trapezoidal de dos segmentos ge-
nera una buena aproximacin de la integral para este caso en particu-
lar. Por casualidad el uso de los dos trapecios genera un balance entre
los errores positivos y negativos.
CASOS DE LA PARTE V: INTEGRACION 503
FIGURA 15.9 Esquemas de segmentacin desigual que resulta al incluir dos puntos
iniciales en x =2.5 y 12.5 en los datos del cuadro 15.8. Se mues-
tran las frmulas de integracin aplicadas a cada conjunto de seg-
mentos.
La conclusin derivada de la figura 15.7 es que se debe hacer un n-
mero adecuado de medidas para calcular exactamente las integrales. En
este caso, si se conociera F (2.5) cos [0(2.5)] = 4.350 O y F(12.5) cos
[6(12.5)] = 11.360 O se podra determinar un clculo de la integral usando
el algoritmo de datos desigualmente espaciados descrito previamente en la
seccin 13.3. En la figura 15.9 se ilustra la segmentacin desigual en este
caso. Incluyendo los dos puntos adicionales, lleva a un mejor clculo de la
integral de 126.9 ( E, , = 2.02%). Por lo tanto, la inclusin de los datos
adicionales podra incorporar los picos que se haban ignorado previamente
y, en consecuencia, !levar a un resultado mejor.
PROBLEMAS
15.1 Reptanse los clculos del caso 15.1 usando los programas propios
15.2 Efectense los mismos clculos del caso 15.1, pero en vez de usar la ecuacin
(15.1) utilcese la siguiente frmula alternativa:
Costo por computadora ($) =1250 +1750e-510-5N
15.3 AI efectuar un estudio de la linea de ensamble de una planta de automviles,
en un periodo de 24 horas, se visitan dos puntos sobre la lnea y en instantes
diferentes durante el da se verifica el ntmero de autos que pasa por ah en un
minuto. Los datos son
~~ ~~ ~ ~ ~~
Punto A
~~ ~~ _ _ ~ ~~~ ~~~ ~
Punto B
Tiempo Carrodminuto Tiempo Carrodminuto
Medi anoche 3 Medianoche 3
2 A.M. 3 1 A.M. 3
3 A.M. 5 4 A.M. 5
6 A.M. 4 5 A.M. 2
9 A.M. 5 7 A.M. 1
1 1 A.M. 6 10 A.M. 4
2 P.M. 2 1 P.M. 3
5 P.M. 1 3 P.M. 4
6 P.M. 1 9 P.M. 6
7 P.M. 3 10 P.M. 1
Medi a noche 6 Medianoche 6
a P.M. 4 11 P.M. 3
Utilcese integracin numrica y la ecuacin V.3 para determinar el nmero total
de carros que pasa por da en cada punto.
15.4 Los datos del cuadro P15.4 proporcionan medidas del flujo de calor q sobre la
superficie de un colector solar en intervalos de una hora. Calclese el calor total
absorbido por un panel colector de 150 O00 cm2 durante un periodo de 14 ho-
ras. El panel tiene una eficiencia de absorcin eob del 45%. El calor total absor-
bido est dado por
H =eab q A dt
S1
en donde A es el rea y q es el flujo de calor
Ingeniera Qumica
15.6 Efectense los mismos clculos del caso 15. 2 calculando la cantidad de calor ne-
cesario para elevar la temperatura de 2 O00 g de material desde 2 000 hasta
TABLA P15.4 Medidas del flujo de calor
solar
Flujo de
calor q,
Tiempo, h colorks/cm2/h
6
7
8
9
10
11
12
13
14
o. 1
1.62
5.32
6.29
7.8
8.81
8.00
8.57
8.03
7 .O4
6.27
5.56
3.54
1 .o
0.2
100C. Utilicese la regla de Simpson en los clculos, con valores de T a interva-
los de 5OOC.
15.7 Reptase el problema 15.6 usando integraci6n de Romberg con E" =0.01%.
15.8 Reptase el problema 15.6 usando la frmula de Gauss-Legendre de dos y tres
puntos. Interprtense los resultados.
15.9 Utilicese la regla de Simpson para calcular el calor total de la placa mostrada en
el caso 9.2 si la capacidad calorfica est definida por la ecuacin (15.3).
Ingeniera civil
15.10 Reptanse los clculos del caso 15.3 usando sus propios programas
15.11 Reptanse los clculos del caso 15.3 usando la integracin de Romberg para eva-
luar la integral.
Usese un criterio de paro de e, =0.25%.
15.12 Ejectense los mismos c6lculos del caso 15.3 usando la cuadratura de Gauss pa-
ra evaluar la integral.
15.13 Ejectense los mismos clculos del caso 15.3 cambiando la integral a
15.14 Para ciertos trabajos sobre ingeniera de recursos de agua, que incluye la preven-
cin de inundaciones y el diseo de reservas, se requieren canales de rea trans-
versal (A). A menos que se disponga de dispositivos de sondeo electrnico en
la obtencin de perfiles continuos del fondo del canal. el ingeniero debe confiar
en las medidas discretas de la profundidad a calcular. En la figura P15.14 se ilus-
tra una seccin transversal de un canal comn. Los puntos representan posicio-
nes en donde se ancl el bote y se tomaron lecturas de la profundidad. Utilcense
dos ecuaciones de la regla trapezoidal (h =4 y 2 m) y la regla de Simpson de
1/ 3 para calcular el rea transversal a partir de estos datos
15.15 Durante una investigacin de campo es necesario calcular el rea del campo mos-
trado en la figura P15.15. Utilcense las reglas de Simpson para determinar el rea.
15.16 Un estudio de ingeniera de trnsito'sequiere el clculo del nmero total de ca-
rros que pasa a travs de una interseccin en un periodo de 24 horas. Un indivi-
duo visita la interseccin varias veces durante el da y cuenta el nmero de carros
que pasa a travs de la interseccin en un minuto. Utilcense estos datos, que
se encuentran resumidos en el cuadro P15.16, para calcular el nmero total de
carros que pasa por la interseccin durante el da. (Tngase cuidado con las
unidades.)
Ingeniera elctrica
TABLA P15.16 Promedio de flujo de trfico en una intersec-
cin medido en vorios tiempos en un perio-
do de 24 horas
Tiempo Promedio, carroslmin
12:OO Medianoche
2:00 A.M.
6:OO A.M.
7:OO A.M.
8:OO A.M.
9: OO A.M.
11 :o0 A.M.
1:OO P.M.
3:OO P.M.
4:OO P.M.
5:OO P.M.
6:OO P.M.
7:OO P.M.
8:OO P.M.
1O:OO P.M.
12:OO Medianoche
10
4
. 6
40
60
80
25
18
17
28
35
77
40
30
31
15
CASOS DE LA PARTE V: INTEGRACION 507
FIGURA P15.14 Seccin transversal de un canal.
FIGURA P15.15 Campo limitado por dos caminos y un arroyo.
""".""". . ..
15.18 Efectense los mismos clculos del caso 15.4 usando una funcin de corriente
dada por:
i ( t ) = sen 2?rt por O I t S r/2
i(t) =O por T / 2 I t I T
en donde T =1 s. Utilcese laregla de Simpson de 1/3 con 16 segmentos para
calcular la integral.
15.19 Reptase el problema 15.18 usando cuadratura gaussiana
15.20 Reptase el problema 15.18 usando integracin de Romberg a E , =0.1%.
Ingeniera mecnica
15.22 Ejectense los mismos clculos del caso 15.5 usando lasiguiente ecuacin para
calcular:
F(x) =1 . 1 7 ~ - 0. 035~~
Emplense los valores de 6 del cuadro 15.8
15.23 Ejectense los mismos clculos del caso 15.5 pero con lasiguiente ecuacin pa-
ra calcular:
Emplese laecuacin del problema 15.22 para F(x). Utilcese la regla trapezoi-
dal con cuatro, ocho y diecisis segmentos para calcular la integral.
15.24 Reptase el problema 15.23 con la regla de Simpson de 1/3
15.25 Reptase el problema 15.23 usando integracin de Romberg hasta E$ =O. 1 % .
15.26 Reptase el problema 15.23 usando cuadratura gaussiana
15.27 Lense todos los casos del captulo 15. En base a las lecturas y a laexperiencia
invntese un caso propio en cualquiera de los campos de la ingeniera. Esto pue-
de implicar la modificacin o lareexpresin de alguno de los casos. Sin cmbar-
go, tambin puede ser totalmente original. Como sucede en los ejemplos del texto,
se debe elaborar enfocando los problemas de ingeniera y debe demostrar el uso
de los mtodos numricos para la integracin. Escrlbanse los resultados usando
los casos propios como modelos.
EPLOGO:
PARTE V
V.4 ELEMENTOS DE J UICIO
El cuadro V.3 muestra un resumen de los elemen-
tos de juicio relacionados con la integracin nu-
mrica o cuadratura. La mayor parte de estos
mtodos se basa en la interpretacin fsica simple
de que una integral es el rea baio la curva. Es-
tos mtodos estn diseados para evaluar la in-
tegral en dos casos diferentes: 1 ) una funcin
matemtica continua y 2) datos discretos en for-
ma tabular.
Las frmulas de Newton-Cotes son los primeros
mtodos analizados en el captulo 13. Son apli-
cables a funciones continuas y a funciones discre-
tas. Se dispone de estas frmulas en sus versiones
cerradas y abiertas. las formas abiertas, que tie-
nen lmites de integracin extendidos ms all del
rango de los datos, rara vez se usan en la eva-
luacin de integrales definidas. Sin embargo, tienen
gran utilidad en la solucin de ecuaciones diferen-
ciales ordinarias, analizada en el captulo 17.
Las frmulas de Newton-Cotes cerradas se basan
en el reemplazo de una funcin matemtica o de
datos en forma tabular en un polinomio que es fcil
de integrar. La versin ms simple es la regla tra-
pezoidal, que se basa en tomar el rea baio una
lnea recta que une los valores adyacentes de la
funcin. Una manera de meiorar la exactitud de
la regla trapezoidal es la de dividir el intervalo de
integracin de a a b en un conjunto de segmen-
tos y aplicar el mtodo a cada uno de los seg-
mentos.
Adems de aplicar la regla trapezoidal con seg-
mentacin ms fina, otra manera de obtener una
aproximacin ms exacta a la integral es el uso
de polinomios e orden superior para conectar los
puntos. Si se emplea una ecuacin cuadrtica, el
resultado es la regla de Simpson de 1/3. Si se usa
una cbica el resultado es la regla de Simpson de
3/8. Estas reglas se prefieren a la de la regla tra-
pezoidal debido a que son mucho ms exactas.
Existen versiones de segmentos mltiples. En situa-
?
>
O
L
P
a
a
W
EPILOG0 PARTE V 51 1
ciones con un nmero par de segmentos, se recomienda la aplicacin
mltiple de la regla de 1/3. Para el caso de un nmero impar de seg-
mentos, se puede aplicar la regla 3/8 a los ltimos tres segmentos y
la regla de 1/3 a los restantes.
Tambin existen frmulas de Newton-Cotes de orden superior. Sin em-
bargo, rara vez se usan en la prctica. Cuando se requiere de alta
exactitud se dispone de la integracin de Romberg y de la cuadratu-
ra gaussiana. Debe hacerse notar que las frmulas de integracin de
Romberg y la cuadratura gaussiana tiene valor prctico slo en ca-
sos donde se conoce la funcin en forma continua. Estos mtodos no
funcionan para datos tabulares.
V.5 RELACIONES Y FRMULAS IMPORTANTES
En el cuadro V.4 se resume la informacin ms importante analizada
en la parte V. Este cuadro se puede consultar para tener un rpido
acceso a las relaciones y frmulas de mayor importancia.
V.6 MTODOS AVANZADOS Y ALGUNAS
REFERENCIAS ADICIONALES
Aunque se han analizado varios mtodos numricos, existen otros ms
que tienen utilidad en la prctica de la ingeniera. Por ejemplo, la in-
tegracin adaptiva de Sirnpson se basa en la divisin del intervalo de
integracin en una serie de subintervalos de ancho h. En seguida se
usa la regla de Simpson de 1/3 para evaluar la integral en cada su-
bintervalo, partiendo el tamao de paso de manera iterativa, es de-
cir, con un tamao de paso h, h/2, h/4, h/ 8, etc. Las iteraciones se
continan para cada uno de los subintervalos hasta que una aproxi-
macin con error calculado E, [Ec. (3.5)] cae dentro de un criterio de
paro antes especificado E,. La integral total se calcula como la suma-
toria de las aproximaciones a la integral evaluadas en cada subinter-
valo. Este mtodo se usa, especialmente, en funciones complicadas
que tienen regiones con variaciqnes de baio y alto orden. El anlisis
de la integracin adaptiva se encuentra en Gerald y Wheatley (1 984)
y Rice (1 983).
Otro mtodo para la obtencin de integrales es el de ajustar polino-
rnios cbicos segrnentarios a los datos. La ecuacin cbica resultante
se puede integrar fcilmente (Forshyte et al., 1977). Finalmente, aparte
de las frmulas de Gauss-Legendre analizadas en la seccin 14.2, exis-
te una variedad de frmulas de cuadratura. En Carnahan, Luther y
x
I
x
h
x'
x
v
+
h
x'
v
x
m
C
- x
x
3
S I
C
9
y
U
-2
N
t
N
l !
x
Y
-
x'
i ;
x
t
U
e,
EPLOGO PARTE V 513
Wilkes ( 1 969) y Ralston y Rabinowitz ( 1 978) se resumen algunas de
estas formulaciones.
En resumen, lo anterior tiene la finalidad de proporcionar caminos
para exploraciones ms a fondo sobre el tema. Adems, todas las
referencias anteriores proporcionan descripciones de los mtodos b-
sicos cubiertos en la parte V. Se le sugiere al lector consultar estas
fuentes alternativas de informacin para profundizar en los mtodos
numricos de integracin.
d2x dX
dt dt
m- + C" + k x = O [VI. 21
en donde c es un coeficiente de amortiguamiento y k es la constante
del resorte. De manera similar, una ecuacin de n-simo orden in-
cluira una n-sima derivada.
Las ecuaciones de orden superior se pueden reducir a un sistema de
ecuaciones de primer orden. Para la ecuacin (V1.2)) esto se lleva a
cabo definiendo una nueva variable y donde
dx
Y = %
que se puede derivar y obtener
dy d2x
-"
-
df dt2
[V1.3]
[V1.4]
Las ecuaciones (V1.3) y (V1.4) se pueden sustituir en la ecuacin (V1.2)
y obtener
m- +cy + &x = o
dY
dt
O
dy cy +kx
"-
-
dt m
[VI S]
[V1.6]
Por lo tanto, las ecuaciones (V1.3) y (V1.6) son un par de ecuaciones
de primer orden que son equivalentes a la ecuacin original de se-
gundo orden. Debido a que otras ecuaciones diferenciales de n-simo
orden se pueden reducir de la misma manera, esta parte del libro se
enfoca a la solucin de ecuaciones de primer orden. Algunos de los
casos de estudio del captulo 18 tratan con la solucin de ED0 de se-
gundo orden reducindolas a un par de ecuaciones de primer orden.
VI. 1.1. Mtodos anteriores al uso de computadoras
en la solucin de ED0
Antes de la era de la computacin, las ED0 se resolvan por lo co-
mn, con mtodos de integracin analtica. Por eiemolo, la ecuacion
(VI.l) se puede multiplicar por dt e integrarse para obtener
[V1.7]
ECUACIONES DIFERENCIALES ORDINARIAS 517
AI lado derecho de esta ecuacin se le llama integral indefinida debi-
do a que los lmites de integracin no estn definidos. Esto contrasta
con las integrales definidas analizadas previamente en la parte V [com-
prese la Ec. (V1.7) con la Ec. (VS)].
Se obtiene una solucin analtica de la ecuacin (V1.7) si la integral
indefinida se puede evaluar exactamente en forma de una ecuacin.
Por ejemplo, recurdese que para el problema del paracaidista la
ecuacin (VI .7) se resuelve analticamente mediante la ecuacin (1.9)
(suponiendo que v = O en t = O):
FIGURA VI.l
Pndulo oscilador.
[V1.8]
La mecnica de derivacin de tales soluciones analticas se analiza
en la seccin V1.2. En este momento, lo importante es que, como en
el caso de la integral definida, la evaluacin analtica de las integra-
les indefinidas, en general depende del conocimiento previo de la res-
puesta. Desafortunadamente, las soluciones exactas de muchas EDOs de
importancia prctica no existen. Como sucede en la mayor parte
de las Gtuaciones analizadas en otras partes de este libro, los mtodos
numricos ofrecen la nica alternativa viable en estos casos. De-
bido a que estos mtodos numricos, por lo comn, requieren de
computadora, los ingenieros de la era anterior al uso de las mismas
se vean limitados en el alcance de sus investigaciones.
Un mtodo muy importante que los ingenieros y matemticos desa-
rrollaron para evitar este dilema fue el de linealizacin. Una ecua-
cin diferencial ordinaria es aquella que se ajusta a la forma
a,(x)y'"' +. . . +a1( x ) y ' +uo(x)y =+(x) [V1.9]
en donde y(") es la n-sima derivada de y con respecto a x y las a
y las f son funciones especficas de x. A esta ecuacin se le llama li-
neal ya que no hay productos o funciones no lineales de la variable
dependiente y de sus derivadas. La importancia prctica de las ED0
lineales es que se pueden resolver analticamente. En contraste, la ma-
yor parte de las ecuaciones no lineales no se pueden resolver exacta-
mente. Por lo tanto en la poca anterior al uso de computadoras, una
tctica para resolver las ecuaciones no lineales fue la de linealizar-
las. Un ejemplo simple de la aplicacin de ED0 es el predecir el mo-
vimiento del pndulo oscilante (Fig. VI.1). De manera similar a la
derivacin del problema del paracaidista, se puede usar la segunda
ley de Newton para desarrollar la siguiente ecuacin diferencial (vase
el caso 18.5 para la derivacin completa:
d28 g
- +- sen0 = O
dt2 I
CVl.1 O]
donde e es el ngulo de desplazamiento del pndulo, g es la acelera-
cin gravitacional y I es la longitud del pndulo. Esta ecuacin no es
lineal ya que contiene el trmino sen 8 . Una manera de obtener una
solucin analtica es la de considerar pequeos desplazamientos del
pndulo a partir del equilibrio (esto es, para valores pequeos de 6 ),
sen 8 = 8 [VI.11]
Por lo tanto, si se supone que slo estamos interesados en los casos
donde O sea pequea, entonces la ecuacin (VI.11) se puede sustituir
en la ecuacin (VI.1 O) para obtener
[V1.12]
De esta manera se ha transformado la ecuacin (VI . 1 O) en una for-
ma lineal fcil de resolver analticamente.
Aunque la linealizacin sigue siendo una herramienta muy til en la
solucin de problemas de ingeniera, existen casos donde no se pue-
de usar. Por ejemplo, supngase que estamos interesados en estudiar
el comportamiento del pndulo para grandes desplazamientos a partir
del punto de equilibrio. En estos casos, los mtodos numricos ofre-
cen una opcin viable en la obtencin de soluciones. Actualmente,
la amplia disponibilidad de computadoras coloca esta opcin al al-
cance de todos los ingenieros.
Vi. 1.2 Las ED0 en la prctica de la ingeniera
Las leyes fundamentales de la fsica, la mecnica, la electricidad y la
termodinmica se basan en general en observaciones empricas que
explican la variacin de las propiedades fsicas y estados de los siste-
mas. En lugar de describir el estado de los sistemas fsicos directamente,
las leyes se expresan en cambios del tiempo y del espacio.
En el cuadro VI.l se muestran varios ejemplos. Estas leyes definen me-
canismos de cambio. Cuando stas se combinan con las leyes de con-
tinuidad e la energa, de mesa o de momento, se generan ecuaciones
diferenciales. La integracin subsecuente de estas ecuaciones diferen-
ciales genera funciones matemticas que describen el estado espacial
y temporal de un sistema en trminos variacionales de la energa, de
la masa y de la velocidad.
El problema del paracaidista introducido en el captulo 1 es un ejem-
plo de la derivacin de una ecuacin diferencial ordinaria a partir
de una ley fundamental. Recurdese que la segunda ley de Newton
se usa en el desarrollo de una E D 0 que describe el cumbic propor-
CUADRO VI. 1
v1.2
Ejemplos de las leyes fundamentales escritas en terminos del
promedio de cambio de las variables (t =tiempo y x =posicin)
Ley
Expresin
matemtica
Segunda ley de dv f
Newton del
movimiento dt m
- =-
Ley del calor de
Flujo de calor =k-
aT
Fourier ax
Ley de difusin
Flujo de masa =4-
ac
ax
de Fick
Ley de Farafay
(describe la cada del Cada de voltaje =L-
di
voltaje a travs de un dt
conductor)
Conservacin de Acumulacin =V--
dc
la masa dt
Variables y
parmetros
Velocidad (v ), fuerza ( F)
y masa ( m)
Conductividad trmica (k)
y temperatura ( T)
Coeficiente de difusin ( D)
y concentracin (c)
lnductancia (I) y
corriente ( i )
Volumen (V) y
concentracin (c)
"I*_ .c. ~ . ..
cional de la velocidad de cada del paracaidista. Integrando esta re-
lacin se obtiene una ecuacin que predice la velocidad de cada en
funcin del tiempo. Esta ecuacin puede usarse de diferentes mane-
ras, incluyendo propsitos de diseo.
De hecho, estas relaciones matemticas son la base de la solucin de
un gran nmero de problemas de ingeniera. Sin embargo, como se
describe en la seccin anterior, muchas de las ecuaciones diferencia-
les de significancia prctica no se pueden resolver usando mtodos
analticos del clculo. Por lo tanto, los mtodos analizados en los ca-
ptulos siguientes son sumamente importantes en todos los campos de
la ingeniera.
Una solucin de una ecuacin diferencial ordinaria es una funcin es-
pecfica de la variable independiente y de sus parametros que satis-
facen la ecuacin diferencial original. Para ilustrar este concepto, se
tiene la siguiente funcin
y = - 0 . 5 ~~ + 4x3 - lox2 + 8 . 5 ~ +1 [V1.13]
la cual es un polinomio de cuarto orden (Fig. V1.20). Ahora, si se de-
riva la ecuacin (VI.13), se obtiene la EDO:
FIGURA V1.2 Grfica de a) y contra x y b) dy/ dx contra x de la funcin
y =- 0 . 5 ~~ +4x3 - l ox2 +8. 5~ +l.

dx
d~ - - 2 x 3 + 1 2 x 2 - 2oX +8.5 [VI.141
Esta ecuacin tambin describe el comportamiento del polinomio pe-
ro de manera diferente que la ecuacin (Vl.13). En vez de represen-
tar explcitamente los valores de y para cada uno de los valores de
x, la ecuacin (VI.14) proporciona la relacin de! cambio de y res-
pecto a x(esto es, la pendiente) para cada valor de x . En la figura
V1.2 se muestran la funcin y su derivada graficadas contra x. Nte-
se que los valores cero de la derivada corresponden a un punto don-
de la funcin original es plana, esto es, tiene una pendiente cero.
Tambin, los valores absolutos mximos alcanzados de las derivadas
son los extremos del intervalo en donde las pendientes de una fun-
cin son mayores. Aunque, como ya se ha demostrado, se puede de-
terminar una ecuacin diferencial dada la funcin original, el objetivo
aqu es el de determinar la funcin original dada la ecuacin diferen-
cial. La funcin original representa entonces la solucin. En este caso
se puede determinar la solucin en forma analtica, integrando la ecua-
cin (VI. 14):
y = [ -2x3 +1 2x2 - 2Ox +8.51 dx
I
Aplicando las reglas de integracin (recurdese el cuadro V.l)
AI resolver cada trmino de la ecuacin se obtiene la solucin:
y = - 0 . 5 ~~ +4x3 - lox2 +8. 5~ +C [VI.15]
que es idntica a la funcin original con una notable excepcin. En
el acto de derivacin e integracin, se pierde el valor de la constante
1 en la ecuacin original y se gana el valor C. Esta C es conocida
con el nombre de constante de integracin. El hecho de que aparez-
ca una constante indica que la solucin no es nica. De hecho, sta
es slo una de un nmero infinito de funciones posibles (correspon-
dientes a un nmero infinito de valores posibles para C) que satisfa-
cen a la ecuacin diferencial. Por ejemplo, en la figura V1.3 se muestran
seis posibles funciones que satisfacen la ecuacin (V1.14).
FIGURA V1.3 Seis soluciones posibles de la integral de -2x3 +12x 2 - 2Ox +8.5.
Cada uno tiene un valor diferente de la constante de integracin c.
" " I . . . - . ." .. . . .~
VI .3
Por lo tanto, para especificar la solucin completamente, una ecua-
cin diferencial se acompaa de condiciones auxiliares. Para EDOs de
primer orden, a un tipo de condicin auxiliar se le llama valor inicial
y es necesaria para determinar la constante y obtener una solucin
nica. Por ejemplo, la ecuacin (VI. 14) puede ir acompaada de una
condicin inicial en que x = O, y = l . Estos valores se sustituyen en
la ecuacin (VI. 15):
1 = -0.5(0)4 +4(0)3 - 10(0)2 +8.5(0) +C [VI. 1 61
para determinar C = l . Por lo tanto, la solucin nica que satisface
a la ecuacin diferencial y a la condicin inicial especificada se obtie-
ne sustituyendo C = 1 en la ecuacin ('41.1 5) para obtener
y = - 0. 5~~ +4x3 - lox2 +8. 5~ +1 [VI.17]
De esta manera, se ha considerado en la ecuacin (VI. 15) que pasa
a travs de la condicin inicial, al hacerlo, se ha obtenido una solu-
cin nica para la ED0 y se ha completado el crculo hasta la funcin
inicial [ecuacin (VI. 13)].
Las condiciones iniciales por lo comn tienen interpretacicpes muy tan-
gibles en ecuaciones diferenciales de problemas fsicos. Por ejemplo,
en el problema del paracaidista la condicin inicial fue reflectiva del
hecho fsico de que en un tiempo cero la velocidad vertical fue cero.
Si el paracaidista hubiera estado en movimiento vertical en el momento
cero, la solucin se habra modificado para tomar en consideracin
esta velocidad inicial.
Cuando se trata con ecuaciones diferenciales de n-simo orden se re-
quieren de n condiciones para obtener una solucin nica. Si todas
las condiciones se especifican en el mismo valor de la variable inde-
pendiente (por ejemplo, en x o t = O), entonces al problema se le co-
noce como problema e valor inicial. Esto contrasta con los problemas
de valor en la frontera en donde las especificaciones de las condiciones
ocurren en valores diferentes de la variable independiente. Los captu-
los 16 y 17 se enfocan a problemas con valores iniciales. Los problemas
con valores en la frontera se mencionan al final del captulo 16.
Antes de continuar con los mtodos numricos en la solucin de ecua-
ciones diferenciales ordinarios, puede resultar otil una orientacin. El
material siguiente tiene la finalidad de proporcionar una visin
general de los temas analizados en la parte VI. Adems, se han for-
mulado objetivos para orientar al lector en el estudio de los temas
de esta rea.
V1.3.1 Alcances y avances
En la figura V1.4 se muestra una visi6n general de la parte VI. Dos
categoras importantes de los mtodos numricos se analizan en esta
FIGURA V1.4 Representacin esquemtica de la organizacin del material de la
parte VI: ecuaciones diferenciales ordinarias.
_I,.. . .
parte del libro. Los mtodos de un paso, cubiertos en el captulo 16,
permiten al clculo de y;lh 1, dada la ecuacin diferencial y y;. Los m-
todos de pasos mltiples, cubiertos en el captulo 17, requieren valo-
res adicionales de y adems de los dados para i.
En todo, con algunas excepciones menores, los mtodos de un paso
del capitulo 76 pertenecen a los mtodos de Runge-Kutta. Aunque el
captulo est organizado alrededor de este concepto terico, se ha
optado por abordar el tema de manera ms grfica. Por lo tanto,
el captulo empieza con el mtodo de Euler que tiene una interpreta-
cin grfica muy clara. Despus, se usan argumentos orientados ha-
cia lo visual para desarrollar dos versiones meioradas del mtodo de
Euler: el mtodo de Heun y el mtodo del polgono mejorado. En se-
guida de esta introduccin, se desarrolla formalmente el concepto de
los mtodos de Runge-Kutta (o RK) y se demuestra como los mtodos
anteriores son mtodos RK de primer y segundo grado. A esto le si-
gue un anlisis de la formulacin RK de orden superior que se usa
frecuentemente en la solucin de problemas de ingeniera. El captu-
lo termina con secciones sobre dos aplicaciones de los mtodos de
un paso: sistemas de D O y la solucin de problemas con valores en
la frontera usando mtodos de disparo.
1 capitulo 7 7 se dedica a los mtodos de pasos mltiples que algunas
veces son mas difciles de programar en una computadora pero que
alcanzan exactitudes comparables a los mtodos de un paso y con
menor esfuerzo. Otra vez, al comienzo se enfoca el tema en forma
visual usando un mtodo simple; el mtodo de Heun sin principio, pa-
ra introducir todos los rasgos esenciales de los mtodos de pasos ml-
tiples. En seguida se entra en un anlisis de las frmulas de integracin
numrica que son el corazn de los mtodos de pasos mltiples. A
esto le sigue una seccin sobre las versiones de orden superior, inclu-
yendo dos esquemas comunes, el mtodo de Milne y el mtodo de cuar-
to orden de Adams.
En el captulo 78 se desarrollan casos para todos los campos de la
ingeniera. Finalmente, se incluye una seccin de repaso al trmino
de la parte VI. Este epilog0 resume y compara las frmulas importan-
tes y los conceptos relacionados con las EDO. Esta comparacin in-
cluye un anlisis de los elementos de juicio importantes para su
implementacin en la prctica de la ingeniera. El eplogo resume tam-
bin las fbrmulas importantes e incluye referencias adicionales sobre
temas avanzados.
Se suministra informacin de cmputo automtico de diferentes ma-
neras. Primero, est disponible el paquete NUMERICOMP para el m-
todo de Euler con la opcin base de usarse en l as computadoras
IBM-PC y Apple I I . En forma alterna se da directamente en el texto
el programa para el mtodo de Euler en ambos lenguajes FORTRAN
y BASIC. Esto posibilita copiar el programa e implementarlo en la com-
putadora o en una supercomputadora. Se proporcionan tambin los
diagramas de flujo y algoritmos de los programas para computadora
de la mayor parte de los mtodos descritos en el texto. Esta informa-
cin, combinada con los programas propios bien escritos y documen-
tados en cualquier lenguaje, proporcionan herramientas aplicables
a un gran nmero de problemas de ingeniera.
V1.3.2 Metas y objetivos
Objetivos de estudio. Despus de terminar la parte VI, el lector debe
de aumentar sus habilidades para confrontar y resolver ecuaciones
diferenciales ordinarias. Las metas de estudio generales deben incluir
el dominio de los mtodos, tener la capacidad de valorar la confiabi-
lidad de las respuestas, y ser capaz de escoger "el mejor" mtodo
(o mtodos) de cualquier problema en particular. Adems de estos
objetivos generales, se deben dominar los objetivos especficos de es-
tudio del cuadro V1.2.
Objefivos de cmputo. Se debe estar bien equipado con un paquete
que incluya programas simples para la computadora, algoritmos, y
diagramas de flujo que implementen los mtodos analizados en la parte
VI. Todos stos tienen utilidad como herramientas de apredizaje.
El paquete de programas para computadoras personales NUMERI-
COMP, que utiliza el mtodo de Euler, es legible al usuario. La solu-
cin se puede mostrar ya sea en forma grfica o en forma tabular.
La salida grfica posibilita visualizar fcilmente el problema y su so-
lucin. Se puede estudiar la eficiencia del mtodo probando varios
tamaos de paso. El paquete es muy fcil de implementar y puede
ser usado para verificar los resultados de cualquier programa de com-
putadora desarrollado por el lector.
Alternativamente, los programas del mtodo de Euler escritos en los
lenguajes FORTRAN y BASIC se suministran directamente en el texto.
Adems, se proporcionan los algoritmos y los diagramas de flujo pa-
ra la mayor parte de los otros mtodos anulizados en la parte VI. Es-
ta informacin permitir expander la biblioteca de programas del
lector, incluyendo mtodos que vayan ms all del mtodo de Euler.
Por ejemplo, puede ser de mucha utilidad desde un punto de vista
profesional, el tener un paquete de programas que emplee los mto-
dos de cuarto orden de Runge-Kutta o el mtodo de Adams. Tambin
se puede desarrollar un paquete de programas que solucione siste-
mas de ecuaciones diferenciales ordinarias.
CUADRO V1.2 Bbietivos de estudios especficos de la parte VI
1.
2.
3.
4.
5.
6.
7.
8.
9.
1 o.
11.
12.
13.
14.
Ehtender la representacin visual de los mtodos de Euler, Heun y el
polgono meiorado.
Conocer la relacin del mtodo de Euler con la expansin en serie de
Taylor y que su conocimiento est relacionado con el error del mtodo.
Entender la diferencia entre los errores de truncamiento locales y globules y
cmo se relacionan con la seleccin de un mtodo numrico en particular
para la solucin de un problema.
Conocer el orden y la dependencia de los tamaos de paso de los errores
de truncamiento para todos los mtodos descritos en la parte VI;
comprender cmo estos errores influyen en l a exactitud de los mtodos.
Entender la base de los mtodos predictor-corrector. Comprender en
particular que la eficiencia del corrector es altamente dependiente de la
exactitud del predictor.
Conocer la forma general de los mtodos de Runge-Kutta. Entender la
derivacin del mtodo de RK de segundo orden y cbmo este se relaciona
con la expansin en serie de Taylor; reconocer que existe un nmero infinito
de posibles versiones para los mtodos RK de orden superior.
Saber aplicar cualquiera de los mtodos RK a sistemas de ecuaciones; ser
capaz de reducir una ED0 de n-simo orden a un sistema de n E D0 de
primer orden.
Entender la diferencia entre problemas de valor inicial y con valores a la
frontera; ser capaz de implementar el mtodo de disparo en problemas con
valores a la frontera.
Conocer la diferencia entre los mtodos de pasos mltiples y de un solo
paso; reconocer que todos los mtodos de pasos mltiples son predictor-
corrector pero que no todos los mtodos predictor-corrector son de pasos
mltiples.
Entender la importancia de los modificadores en los algoritmos de pasos
multiples.
Entender la conexin entre las frmulas de integracin y los mtodos
predictor-corrector.
Conocer la diferencia fundamental entre los mtodos de integracin de
Newton-Cotes y de Adams.
Entender la conexin entre los modificadores y el ajuste en el tamao de
paso; reconocer el tipo de contexto de un problema donde el ajuste de
tamao de paso es importante.
Comprender el hecho de que el mtodo de Milne es inestable y reconocer
por qu posee dificultades en ciertos tipos de problemas.
C A P T U L O D I E C I S I S
MTODOS DE
UN PASO
Este captulo est dedicado a la solucin de ecuaciones diferenciales or-
dinarias de la forma
En el captulo 1 se usa un mtodo numrico para resolver el problema
del paracaidista. Recurdese que la ecuacin usada en la solucin de es-
te problema fue de la forma general [Ec. (1.13)]
Valor actual = valor anterior + pendiente X tamao del paso
o, en trminos matemticos
FIGURA 16.1 Esquema grfico del mtodo de un paso.
16.1
Y i tl = Y + 4h [16.1]
De acuerdo a esta ecuacin, se usa la aproximacin a la pendiente 4 pa-
ra extrapolar a partir de un valor anterior y, a un valor actual y,, l en una
distancia h (Fig. 16.1). Esta frmula se aplica paso a paso para calcular
una solucin futura y, de aqu, trazar la trayectoria de la solucin.
Todos los mtodos de un paso se pueden expresar en esta forma ge-
neral, con la nica diferencia en el clculo de la pendiente. Como en el
problema del paracaidista, el esquema simple como la primera derivada
de xi. Este esquema, llamado mtodo de Euler, se analiza en la primera
parte de este captulo. A este le siguen otros mtodos de un paso que
emplean aproximaciones alternativas a la pendiente que dan como resul-
tado mejores aproximaciones.
MTODO DE EULER
La primera derivada proporciona una aproximacin directa a la pendien-
te en xi (Fig. 16.2):
4 = f h , Y)
donde f (xt, y,) es la ecuacin diferencial evaluada en x, y y,. Esta apro-
ximacin se sustituye en la ecuacin (16.1) :
[16.2]
A esta frmula se le conoce como mtodo de Euler ( o mtodo de
Euler-Cauchy o de pendiente puntual). Se predice un nuevo valor de y
usando la pendiente (igual a la primera derivada en el valor original x)
para extrapolar linealmente sobre el tamao de paso h (Fig. 16.2).
FIGURA 16.2 Mtodo de Euler.
~ -
MTODOS DE PASO 529
EJ EMPLO 16.1
Mtodo de Euler
Enunciado del problema: utilcese el mtodo de Euler para integrar nu-
mricamente la ecuacin (VI. 14).
y) = -2x3 + u X 2 - 20x +8.5
de x = O hasta x =4 con un tamao de paso de 0.5. La condicin ini-
cial en x =O es y = 1. Recurdese que la solucin exacta est dada
por la ecuacin (VI. 17) :
y = - 0. 5~~ +4x3 - lox2 +8 . 5 ~ +1
Solucin: se puede usar la ecuacin (16.2) para implementar el mtodo
de Euler:
~(0. 5) =y(0) +f(0, 1) 0.5
en donde y(0) = 1 y la aproximacin a la pendiente en x = O es:
f(0, 1) = +12(0)' - 20(0) +8.5 = 8.5
Por lo tanto:
y(0.5) =1.0 +8.5 (0.5) = 5.25
La solucin verdadera en K =0.5 es:
~(0. 5) -0.5(0.5)4 +4(0.5)3 - lO(O.5)' +8.5(0.5) +1
= 3.218 75
Por lo tanto, el error es:
E, = verdadero - aproximadQ = 3.218 75 - 5.25 = -2.031 25
gundo paso:
O, expresado como error relativo porcentual, E, = -63.1 % . en el se-
y(1.0) =y( O. 5) +f(0.5, 5.25) 0.5
= 5.25 +[ ~- 2( 0. 5) ~ +lZ(O.5)' - 20(0.5) +8.530.5
=5.875
.I " _ -. .
CUADRO 16.1 Comparacin de los valores verdaderos y aproximados de la inte-
gral de y' =2x3 +1 2x2 -2Ox +8.5, con la condicin inicial de que
y 1 en x O. Los valores presentados se calcularon usando el m-
todo de Euler con un tamao de paso de 0.5. El error local se refiere
al error obtenido en un paso. El error global es IQ diferencia total
debido a los pasos anteriores as como al actual
e,, error relativo Doreentual
X Yverdadero
0.0 1 .O00 O0
0.5 3.218 75
1 .o 3.000 OG
1.5 2.218 75
2.0 2.000 O0
2.5 2.718 75
3.0 4.000 O0
3.5 4.718 75
~ 4.0 3.000 O0
__
YEuler
1 .O00 O0
5.250 O0
5.875 O0
5.125 O0
4.500 O0
4.750 O0
5.875 O0
7.125 O0
7.000 O0
Global local
-63.1 -63.1
-95.8 -28.0
"1 31 .O -1.41
- 1 25.0 20.5
-75.7 17.3
-46.9 4.0
-5 1 .O -1 1.3
-1 33.0 -53.0
FIGURA 16.3 Comparacin de la solucin verdadera con una solucin numrica
usando el mtodo de Euler para la integral de y' =-!x3 +12x2
-2Ox +8.5 de x =O a x =4 con un tamao de paso de 0.5. La
condicin inicial en x =O es y =l .
La solucin verdadera en x = 4.0 es 3.0, y por lo tanto el error relativo
porcentual es -95.8%. Los clculos se repiten, los resultados se resu-
men en el cuadro 16.1 y en la figura 16.3. Obsrvese que, aunque los
MTODOS DE UN PASO 53 1
clculos capturan la tendencia general de la solucin verdadera, el error
es considerable. Como se analiza en la siguiente seccin, este error se
puede reducir usando un tamao de paso menor.
16.1.1 Anlisis de error en el mtodo de Euler
La solucin numrica de ED0 incluye dos tipos de error (recurdese la
seccin 3.6) :
1. Errores de truncamiento causados por la naturaleza de los mtodos
empleados en la aproximacin a los valores de y, y
2. Errores de redondeo causados por el nmero limitado de dgitos o
de cifras significativas que puede retener la computadora.
Los errores de truncamiento se componen de dos partes. La primera
es un error de truncamiento local que resulta al aplicar el mtodo en cues-
tin en un paso. El segundo es un error de programacin que resulta de
las aproximacines producidas durante los pasos anteriores. La suma
de los dos es el error de truncamiento global.
El conocimiento de la magnitud y propiedades del error de trun-
camiento se puede obtener derivando el mtodo de Euler directamente
de la expansin de la serie de Taylor. Con el fin de hacer esto recurde-
se que la ecuacin diferencial que se est integrando ser de la forma
general.
Y ' = f k Y) [16.3]
donde y' = dy/ dx y x e y son las variables independiente y dependien-
te, respectivamente. Si la solucin, esto es, la funcin que describe el com-
portamiento de y tiene derivadas continuas, sta se puede representar
mediante una expansin de la serie de Taylor alrededor del punto inicial
(xl,yi), como en [recurdese la Ec. (3.14)]:
donde h =x,, - x, y R, es el trmino residual definido como
[16.4]
r16.51
donde <;.est dentro del intervalo de x; a xi + Se puede desarrollar una
forma alternativa sustituyendo la ecuacin (16.3) en las ecuaciones (16.4)
y (16.5) y obtener.
[16.6]
en donde O (h"+ ') especifica que el error de truncamiento local es pro-
porcional al tamao de paso elevado a la (n + 1)-sima potencia.
Comparando las ecuaciones (16.2) y (16.6), puede verse que el m-
todo de Euler corresponde a la serie de Taylor truncada hasta el trmino
f (xi , yi ) h. Adicionalmente, la comparacin indica que el error de trun-
camiento se debe a que se aproxima la solucin verdadera usando una
cantidad finita de trminos de la serie de Taylor. Por lo tanto, se trunca
o se deja fuera una parte de la solucin verdadera. Por ejemplo, el error
de truncamiento en el mtodo de Euler es atribuible a los trminos res-
tantes de la expansin que no se incluyen en la ecuacin (16.2). Restan-
do la ecuacin (16.2) de la ecuacin (16.6) se obtiene
[ 16.71
donde , e s el error de truncamiento local. Para una h lo suficientemen-
te pequea, los errores en los trminos de la ecuacin (16.7) decrecen
por lo comn a medida que el orden crece (recurdese el ejemplo 3.7
y el anlisis que lo acompaa), y el resultado, a menudo, se representa
como
O
E, = O(h2)
[16.8]
[16.9]
donde E, es el error de.truncamiento local aproximado.
EJ EMPLO 16.2
Aproximacin del error en el mtodo de Euler usando
la serie de Taylor.
Enunciado del problema: utilcese la ecuacin (16.7) para aproximar el
error del primer paso del ejemplo 16.1. sese tambin la ecuacin para
METODOS DE UN PASO 533
determinar el error ocasionado por cada uno de los trminos de orden
superior de la expansin de la serie de Taylor.
Solucin: debido a que se trata de un polinomio, se puede usar la expan-
sin de la serie de Taylor para obtener una aproximacin exacta del error
usando el mtodo de Euler. La ecuacin (16.7) se puede escribir como:
rE16.2.11
en donde !(x,, y,) es la primera derivada de la ecuacin diferencial (es
decir, la segunda derivada de la funcin original). Para este caso, es:
f(xi, yi) = - 6~ + 2 4 ~ - 20 [E16.2.2]
y f (xi , y) es la segunda derivada de la ED0
ff(xi, yi) = - 12~ + 24 [E16.2.3]
y f (xi, yi) es la tercera derivada de la ED0
f(Xi, y) = -12 rE16.2.41
Se pueden omitir los trminos adicionales (esto es, las derivadas cuarta
y de orden superior) de la ecuacin (E16.2.1) ya que en este caso en
particular son cero. Se debe notar que en otras funciones (por ejemplo),
las funciones trascendentes tales como seno, coseno o exponenciales) esto
no es necesariamente cierto, y los trminos de orden superior no valen
cero. Sin embargo, en este caso, las ecuaciones (E16.2.1) hasta la
(E16.2.4) definen completamente el error de truncamiento de una apli-
cacin del mtodo de Euler.
Por ejemplo, el error debido al truncamiento del segundo trmino se
puede calcular como:
-6(0.0) + 24(0.0) - 20
2
Eu 2 = (0.5)2 =-2.5
Para el trmino de tercer orden
-12(0.0) + 24
6
Eu3 =
(0.5)3 = 0.5
y para el trmino de cuarto orden:
- 12
24
Eu4 = - (0.5)4 = -0.031 25
Estos tres valores se pueden sumar para obtener el error total de trunca-
miento:
E, E,,z +Eu,3 +Eu,4 = -2.5 +0.5 - 0.031 25 = -2.031 25
que es exactamente el error incurrido en el paso inicial del ejemplo 16.1.
Obsrvese cmo .E,,* > E,,3 > E,,4, que apoya la aproximacin repre-
sentada por la ecuacin (16.8).
I
Como se puede ver en el ejemplo 16.2, laserie de Taylor es un me-
dio para cuantificar el error en el mtodo de Euler. Sin embargo, existen
muchas limitaciones asociadas con su uso para este propsito:
1. La serie de Taylor slo proporciona una aproximacin local del error
de truncamiento, es decir, el error generado durante el primer paso
del mtodo. No proporciona una medida de la propagacin y, por
ello, el error global de truncamiento. En el cuadro 16.1 se han inclui-
do los errores de truncamiento locales y globales del ejemplo 16.1.
El error local se calcula para cada uno de los valores de x con la ecua-
cin (16.2), pero usando el valor verdadero de y, (la segunda columna del
cuadro para calcular cada una de las en lugar del valor aproxi-
mado (la tercera columna), como se hizo con el mtodo de Euler.
Como era de esperarse, el promedio local del error de truncamiento
(25%) es menor al error global promedio (90%). La nica razn por
la que se podran calcular estos errores exactamente sera la de cono-
cer a priori el valor verdadero. Este no es el caso en un problema como el
actual. Por consiguiente, como se analiza anteriormente, por lo co-
mn se deben aplicar los mtodos tales como el Euler utilizando un
tamao de paso diferente hasta obtener una aproximacin indirecta
de los errores considerados.
2. Como se menciona anteriormente, en problemas verdaderos, usualmente
se trata con funciones ms complicadas que un simple polinomio. Por
consiguiente, las derivadas necesarias para evaluar la serie de Taylor
no siempre son fciles de obtener.
Aunque estas limitaciones no ayudan en el anlisis exacto de errores
en la mayor parte de los problemas prcticos, laserie de Taylor propor-
ciona una idea valiosa del comportamiento del mtodo de Euler. De acuer-
do a laecuacin (16.8), se ve que el error local es proporcional al cuadrado
del tamatio de paso y laprimera derivada de laecuacin diferencial. Tam-
bin se puede demostrar que el error global de truncamiento es O ( h) ;
esto significa que es proporcional al tamao del paso (Carnahan et al.,
1969). Estas observaciones llevan a las siguientes conclusiones:
MhODOS DE UN PASO 535
1. El error se puede reducir disminuyendo el tamao del paso.
2. El mtodo proporciona predicciones libres de error si la funcin fun-
damental (esto es, la solucin a la ecuacin diferencial) es lineal, ya
que la segunda derivada de una lnea recta es cero.
Esta ltima conclusin tiene sentido intuitivo debido a que el mtodo
de Euler usa segmentos de lnea recta para aproximar la solucin. De
aqu que, el mtodo de Euler se conozca como mtodo de primer
orden.
EJEMPLO 16.3
Efecto de l a reduccin del tamao de paso en el mtodo de Euler
Enunciado del problema: reptanse los clculos del ejemplo 16.1 usando
un tamao de paso igual a 0.25.
Solucin: se repiten los clculos, y los resultados se muestran en la figura .
16.4a. AI utilizar el tamao de paso ms pequeo, se reduce el valor ab-
soluto del error global promedio en un 40% y el valor absoluto del error
local en un 6.4%. Esto es comparable con los errores globales y locales
del ejemplo 16.1 del 90% y.del24.8%. Por lo tanto, como era de espe-
rarse, el error local se reduce a la cuarta parte y el error global se reduce
a la mitad.
Obsrvese tambin que el error local cambia de signo en valores in-
termedios a lo largo del rango de valores. Esto se debe, en primer lugar,
a que la primer derivada de la ecuacin diferencial es una par6bola que
cambia de signo [recurdese la Ec. (E16.2.2) y vase la Fig. 16.4bl. De-
bido a que el error local es proporcional a esta funcin, el efecto neto
de la oscilacin en el signo es el de mantener el error global en crecimien-
to continuo a medida que aumentan los clculos. Por lo tanto, de x =
O a x = 1.25, los errores locales son todos negativos y por consiguiente,
el error global crece en este intervalo. En la seccin intermedia del rango,
los errores locales positivos empiezan a disminuir el error global. Cerca
del extremo, el proceso se invierte y el error global nuevamente crece.
Si el error local cambiara continuamente de signo sobre el intervalo de
inters, entonces el efecto neto, por lo general, minimizara el error glo-
bal. No obstante, en donde los errores locales son del mismo signo, la
solucin numrica puede diverger cada vez ms rpido de la solucin ver-
dadera a medida que los clculos aumentan. Estos resultados se dice que
son inestables.
536
M~TODOS NUMERICOS PARA INGENIEROS
FIGURA 16.4 a) Comparacin de dos soluciones numricas con el mtodo de Euler
usando tamaos de paso de 0.5 y 0.25 b) Comparacin de los erro-
res de truncamiento locales verdaderos y aproximados.
En la figura 16.5 se ilustra el efecto de reducir ms y ms el tamao
del paso sobre el error de truncamiento global con el mtodo de Euler.
Esta grfica muestra el error relativo porcentual en x = 5 en funcin del
tamao del paso sobre los problemas que se han analizado en los ejem-
plos 16.1 al 16.3. Ntese que aun cuando h se ha reducido a 0.001, el
error an excede al O. 1 W . Debido a que este tamao de paso correspon-
de a 5 O00 iteraciones que van desde x = O hasta x = 5, la grfica mues-
tra que los mtodos de primer orden tales como el de Euler demandan
un gran esfuerzo de clculo para obtener niveles de error aceptabies. En
las siguientes secciones se muestran mtodos de rdenes superiores que
alcanzan mucha ms exactitud con el mismo esfuerzo de clculo. Sin em-
bargo, se debe notar que a pesar de su ineficiencia, la simplicidad del m-
FIGURA 16.5 Efecto del tamao de paso sobre el error global de truncamiento en el
mtodo de Euler para laintegral de y' =2x3 +1 2 2 - 20x +8.5. La
grfica muestra el error relativo porcentual en x =5 en funcin del ta-
mao de paso.
todo de Euler hace muy atractivo su uso dn muchos problemas de la
ingeniera. Debido a que es muy fcil de programar, el mtodo es parti-
cularmente til en clculos iniciales rpidos, previos a un anlisis de esca-
la completa. En la siguiente seccin, se desarrolla un programa para
computadora sobre el mtodo de Euler.
16.1.2 Programa para computadora del mtodo de Euler
Los algoritmos de mtodos de un paso tales como el de Euler son fciles
de programar en una computadora personal. Como se menciona previa-
mente al principio del captulo, los mtodos de un paso tienen la forma:
Valor actual = valor anterior + pendiente X tamao del paso
[ 16.101
En lo nico que se diferencian los mtodos es en la forma en que calcu-
lan la pendiente.
Aunque el programa de la figura 16.6 est disenado especficamente
para implementar el mtodo de Euler, va dirigido a la forma general de
COMMOH x. Y
F( X, Y )-4*EXP< ~ 8bX )-
READ( 5,l )XO.X1
1 FORUaT( 2F1 O . O )
2 FORMl T( F10.0)
READ< S, 2 )YO
READ( S, 2 )n
NC-PI / H
REIID( S, 2 )PI
NP- <Xl- XO>/ PI
x-x0
YRI TE( 6,3) X,Y
Y-YO
3 FORMfIT < .2F20.3)
DO 270 I - l .NP
DO 250 J - 1,NC
CALL EUL~SL )
Y - ws L w
x-x+n
250 CONTI NUE
URI TE<6,3) X,Y
270 CONTI NU
STOP
NO
I NPUT KO. X 1
X I - .S * Y
I NPUT H
I NPUT YO
NP = ( X I - X O ) / PI
I NPUT P i
NC = PI / H
x = x c:,
Y = Y0
PRI NT X , Y
FhR I = 1 TU NP
FDSIJU l0OC:l
FUR J = 1 ro NC
X = X + H
f = I + S L * H
NEXT J
PRI Nl X . V
NEXT I
ENI l
X0.Xl =valor lnclal y flnal de
la vanable mdependlente
YO =valor lniclal de la
varlable dependlente
H =tamao del paso
PI = Intervalo de mpresln
NP = numero de pasos de Irnpresln
NC = numero de Dasos de calculo
I Subrutlna para calcular la pendlentel
RETURN
EN0
FIGURA 16.6 Programa para la computadora del mtodo de Euler en
FORTRAN y BASIC.
la ecuacin (16.10). Todo lo que se requiere para aplicar este programa
a otro mtodo de un paso es modificar el clculo de la pendiente en la
subrutina (lnea 1 000).
El progama de la figura 16.6 no es legible al usuario, est diseado
estrictamente para arrojar la respuesta. En el problema 16.12 se deja de
tarea el hacer este programa ms fcil de usar y de entender. En el pa-
quete suplementario de programas NUMERICOMP asociado con este li-
bro se incluye un ejemplo de un programa legible al usuario sobre el mtodo
de Euler. El siguiente ejemplo demuestra el uso de este programa en la
solucin de EDO. Tambin proporciona una referencia para lavalidacin
y la prueba de sus programas.
la parte I que el modelo matemtico de la velocidad se basa en lasegun-
da ley de Newton de la forma:
dv C
dt - g- mU
"
Se resuelve la ecuacin diferencial analticamente (ejemplo l. 1) y num-
ricamente usando el mtodo de Euler (ejemplo 1.2). El objetivo de este
ejemplo es el de repetir estos clculos numricos empleando un modelo
sobre lavelocidad ms complicado basado en una descripcin matemti-
ca ms completa acerca del coeficiente de friccin causado por laresis-
tencia del viento. Este modelo est dado por:
[E16.4.1]
en donde a, b y umX son constantes empricas. Obsrvese que este mo-
delo es capaz de ajustar ms exactamente medidas empricas de coefi-
cientes de friccin contra la velocidad que el modelo lineal simple del
ejemplo l. l. Sin embargo, esto incrementa la flexibilidad a expensas de
evaluar tres coeficientes en vez de uno. Adems, el modelo matemtico
resultante es ms difcil de resolver analticamente. En este caso, el mto-
do de Euler proporciona una alternativa conveniente para obtener una
solucin numrica aproximada.
FIGURA 16.7 a) Resultados tabulares de los clculos y b) resultados grficos de la so-
lucin de la E D0 [Ec. (E16.4.11. Ntese que b) tambin muestra la solu-
cin del modelo lineal con propsitos de comparacin. De hecho, el
programa no est diseado para superponer grficas de esta manera.
Solucin: se usar el paquete NUMERICOMP para abordar la ecuacin
(E16.4.1). En la figura 16.7a se muestra la solucin del modelo con un
tamao de paso de O. 1 s. Para propsitos de comparacin en la grfica de
la figura 16.7b se muestra la solucin no lineal y el modelo lineal superpues-
tos. Ntese que la computadora puede graficar slo una solucin a la vez.
Los resultados de los dos clculos indican el crecimiento de la com-
plejidad en la formulacin de los efectos que la fuerza de friccin ejerce
sobre la velocidad del paracaidista. En este caso, la velocidad terminal
disminuye debido a la resistencia causada por los trminos de orden su-
perior en la ecuacin (E16.4.1).
Se pueden probar modelos alternos de manera similar. La combina-
cin del paquete NUMERICOMP y la computadora hacen que esto sea
una tarea fcil y eficiente. Esta conveniencia permite al usuario dedicar
ms de su tiempo en considerar alternativas creativas y aspectos globales
del problema en lugar de los tediosos clculos manuales.
16.1.3 Mtodos con serie de Taylor de orden superior
Una manera de reducir el error en el mtodo de Euler sera incluir trmi-
nos de orden superior en la expansin de la serie de Taylor alrededor
de la solucin. Por ejemplo, incluyendo el trmino de segundo orden de
la ecuacin (16.6) se obtiene
[16.11]
con un error local de truncamiento de:
Aunque la incorporacin de trminos de orden superior es lo suficien-
temente simple como para implementarse en polinomios, su inclusin no
es tan trivial cuando la ED0 es complicada. En particular, las ED0 que
son una funcin de la variable dependiente y de la variable independien-
te requieren derivacin con la regla de la cadena. Por ejemplo, la prime-
ra derivada de f (x, y) es
La segunda derivada es
MhODOS DE UN PASO 54 1
Y las derivadas de orden superior vienen a ser crecientemente ms com-
plicadas.
Por consiguiente, como se dijo en las secciones previas, se han desa-
rrollado mtodos alternativos de un paso. Estos esquemas son compara-
bles en ejecucin a1de la serie de Taylor de rdenes superiores pero re-
quieren nicamente el clculo de la primera derivada.
16.2 MODIFICACIONES Y MEJORAS AL
MTODO DE EULER
Una fuente fundamental de error en el mtodo de Euler es que la deriva-
da al principio del intervalo se supone que se aplica a travs del intervalo
entero. Existen dos modificaciones simples para ayudar a evitar este in-
conveniente. Como se demuestra en la seccin 16.3, las dos modifica-
ciones en realidad pertenecen a una clase mayor de mtodos de solucin
llamados mtodos de Runge-Kutta. Sin embargo, ya que tienen una in-
terpretacin grfica sencilla, se presentan antes de la derivacin formal
de los ,mtodos de Runge-Kutta.
16.2.1 Mtodo de Heun
Un mtodo para mejorar la aproximacin a la pendiente implica el clcu-
lo de dos derivadas del intervalo, una en el punto inicial y la otra en el
punto final. En seguida se promedian las dos derivadas y se obtiene una
aproximacin mejorada de la pendiente en el intervalo completo. Este
esquema, llamado mtodo de Heun, se muestra grficamente en lafigu-
ra 16.8.
Recurdese que en el mtodo de Euler, la pendiente al principio de
un intervalo
Y: = !(X, Y> r16.121
Se usa para extrapolar linealmente a
En el mtodo estndar de Euler se parara en este punto. Sin embargo,
en el mtodo de Heun, la calculada con la ecuacin (16.3) no es
larespuesta final sino una prediccin intermedia. Esto se debe a que se
ha distinguido a sta con el superndice O. La ecuacin (16.13) se llama
ecuacin.predictora. Proporciona una aproximacin de y + que permi-
te el clculo de una pendiente aproximada al final del intervalo:
y:+1 = f(Xi +l , Y ?*d [16.14]
"P "__ I.. .. . .. ".".,
FIGURA 16.8 Esquema grfico del mtodo de Heun. o) Predictor y b) corrector.
Por 10tanto, se pueden combinar las dos pendientes [ecuaciones (16.12)
y (16.14)] y obtener una pendiente promedio sobre el intervalo:
Esta pendiente promedio se usa para extrapolar linealmente de y, a y,,
usando el mtodo de Euler:
que se llama una ecuacin correctora.
El mtodo de Heun es un esquema predictor-corrector. Todos los m-
todos de pasos mltiples por discutirse en el captulo 17 son de este tipo.
El nico mtodo corrector-predictor de un paso descrito en este libro es
el mtodo de Heun. Como se dijo antes, se puede expresar concisamen-
te como:
MTODOS DE UN PASO 543
I Predictor (Fig 16.8a): = yi +f(xi , yi) h I [16.15]
Corrector (Fig. 16.8b): yi+l = yi +
f k i , Y> + f(Xi+lr Y ?+J
[16.161
2
Ntese que debido a que la ecuacin (16.16) tiene y+ 1 en ambos lados
del signo igual, sta puede aplicarse para corregir en un esquema itera-
tivo. Esto es, se puede usar una aproximacin anterior varias veces para
proporcionar una aproximacin mejorada de El proceso muestra
en la figura 16.9. Se debe entender que este proceso no necesariamente
converge a la respuesta correcta sino que converge a una aproximacin
con un error de truncamiento finito, como se demuestra en el siguiente
ejemplo.
Como con los mtodos iterativos similares analizados en las seccio-
nes previas del libro, un criterio de paro en la convergencia del corrector
lo proporciona [recurde la ecuacin (3.5)]
[16.17]
en donde y!;: y yj +l son el resultado de la iteracin anterior y actual del
corrector, respectivamente.
FIGURA 16.9 Representacin grfica de la iteracin del corrector del mtodo de Heun
para obtener una rrleior aproximacin.
EJEMPLO 16.5
Mtodo de Heun
Enunciado del problema: emplese el mtodo de Heun para integrar y'
= 4e0 8x - 0. 5~ desde x = O a x = 4 con tamao de paso 1. La con-
dicin inicial en x = O es y = 2.
Solucin: antes de resolver el problema numricamente, se puede efec-
tuar el clculo mediante la siguiente solucin analtica:
4
1.3
y = - e-0. 5~) + &-0.5~
[E16.5.1]
Esta frmula se puede usar para generar los valores verdaderos los cua-
les se presentan en el cuadro 16.2.
La solucin numrica se obtiene usando la frmula predictora [Ec.
16.15)] para obtener un valor de y para 0.5:
y': = 2 + [4e0 - 0.5(2)] 1 = 5
Obsrvese que este es el resultado que se debera obtener con el mtodo
de Euler estndar. Usando el valor verdadero del cuadro 16.2, a este
corresponde un error relativo porcentual del 19.3%.
La pendiente en (xo, yo) es
y = 4 e o - 0.5(2) = 3
Este resultado es muy diferente de la pendiente promedio verdadero en
intervalo de O a 1.0, que es igual a 4.194 6, calculada de la ecuacin
diferencial original usando la ecuacin (V.3). Por lo tanto, para mejorar la
aproximacin de la pendiente, se usa el valor y: para predecir la pen-
diente al final del intervalo:
que se puede combinar con la pendiente inicial y obtener:
que es ms cercana a la pendiente promedio de 4.194 6. Este resultado
se puede sustituir en la ecuacin correctora [Ec. (16.16)] para obtener
la prediccin en x = 1:
y1 = 2 + (4.701 081 86)l = 6.701 081 86
MCTODOS DE UN PASO 545
CUADRO 16.1 Comparacidn de los valores verdaderos y aproximados de la inte-
gral de y' =4eo*8x -0. 5~ con la condicidn incial de que y 2 en
x O. Los valores aproximados se calcularon usando el metodo de
Heun con un tamao de paso de 1. Se muestran dos casos, corres-
pondientes a nmeros diferentes de iteraciones del corrector, jun-
to con el error relativo porcentual absoluto
lteraciones con el metodo de Heun
1 15
x Yverdmdero Yheun lEvl '10 Yheun kv1
O 2.000 O00 O0 2.000 O00 O0 0.00 2.000 O00 o 0.00
1 6.194 631 38 6.701 081 86 8.18 6.360 865 49 2.68
2 14.843 921 9 16.319 781 9 9.94 15.302 236 7 3.09
3 33.677 171 8 37.1 99 248 9 10.46 34.743 276 1 3.17
4 75.338 962 6 83.337 767 4
10.62 77.735 096 2 3.18
que representa un error relativo porcentual del -8.18%. Por lo tanto,
el mtodo de Heun reduce el valor absoluto del error en un factor de 2.4
comparado con el mtodo de Euler.
Ahora esta aproximacin se puede usar para refinar o corregir la pre-
diccin de y l sustituyendo el nuevo resultado de nuevo en el lado dere-
cho de la ecuacin (16.16):
[3 + 4eo.8"' - 0.5(6.701 081 86)]
y ] =2+
2
1 = 6.275 811 39
que representa un error relativo porcentual del 1.31%. Este resultado,
a su vez se puede sustituir en la ecuacin (16.16) para una mejor aproxi-
macin yl:
[3 +4eo.8(1) - 0.5(6.275 811 39)]
y 1=2+
2
= 6.382 129 O1
que representa un error 1 ~ ~ 1 de 3.03%. Ntese cmo los errores algunas
veces crecen a medida que las iteraciones avanzan. Por ejemplo, en las
tres iteraciones el error crece en un 3.03%, estos incrementos pueden
ocurrir, especialmente en tamaos de paso muy grandes. El usuario
debe evitar la conclusin general de que una iteracin adicional siempre
mejora el resultado. No obstante, para un tamao de paso lo suficien-
temente pequeo, la iteracin debe eventualmente converger a un solo
valor. En este caso, se obtiene el resultado 6.360 865 49, que representa
un error relativo del 2.68% despus de 15 iteraciones. En el cuadro 16.2
se muestran los resultados de los calculos restantes usando el mtodo con
1 y 15 iteraciones por paso.
En el ejemplo anterior, laderivada es una funcin de lavariable de-
pendiente y y de la variable independiente x. Para casos polinomiales,
en donde las ED0 son slo funcin de la variable independiente, el
tamao predictor [Ec. (16.15)J no se necesita y se aplica nicamente
el corrector a cada una de las iteraciones. En estos casos el mtodo se
expresa abreviadamente como
[16.18]
Ntese la similitud entre el lado derecho de laecuacin (16.18) y la
regla trapezoidal [Ec. (13.3)]. La conexin entre los dos mtodos se pue-
de demostrar formalmente empezando con laecuacin diferencial ordinaria
Esta ecuacin se resuelve para y integrando:
r+' dy = R" !(x) dx
que lleva a
[16.19]
[16.20]
O
Y i tl = yi + [+I f(x) dx [16.21]
Ahora, recurdese de laseccin 13.1 que laregla trapezoidal [Ec. (13.3)]
se define como
o, en este caso
L16.221
donde h = xi +l - xi . Sustituyendo laecuacin (16.22) en laecuacin
(16.21) se obtiene
[16.23]
que es equivalente a la ecuacin correctora [Ec. (16.16)].
Debido a que la ecuacin (16.23) es una expresin directa de la regla
trapezoidal, el error local de truncamiento est dado por [recurdese la
Ec. (13.6)]
[16.24]
donde est entre xi y xi+l. Por lo tanto, el mtodo es de segundo orden
debido a que la derivada de segundo orden de ED0 es cero cuando la
solucin es cuadrtica. Adems, los errores local y global son de O(h3)
y O(h2), respectivamente. Por lo tanto, disminuyendo el tamao de pa-
so se disminuye tambin el error ms rpidamente que usando el mto-
do de Euler. La figura 16.10, que muestra el resultado de usar el mtodo
de Heun para resolver el polinomio del ejemplo 16.1, demuestra este com-
portamiento.
16.2.2 Mtodo meiorado del polgono (Euler modificado)
La figura 16.11 ilustra otra modificacin simple del mtodo de Euler. Es-
te mtodo, llamado poligono mejorado (o d er modi fi cado), usa el m-
Figura 16.1 O Comparacin de la solucin verdadera con un mtodo numrico usan-
do los mtodos de Euler y Heun de la integral de y ' =-2x3 +12x2
- 2oX +8.5
" " " " , " , . . - . - ' ... .
FIGURA 16.11 Esquema grfico del mtodo del polgono mejorado. a) Ecuacin ( 1 6.25)
y b) ecuacin ( 1 6.27).
todo de Euler para predecir un valor de y en el punto medio del intervalo
(Fig. 16. l l a) :
116.251
Entonces este valor predecid0 se usa en laaproximacin de la pendiente
en el punto medio:
I y:+1/ 2 =f(Xi+l/ 2, Yi+l/ 2) I
[16.26]
lo cual, se supone, representa una aproximacin vlida de la pendiente
promedio en el intervalo completo. Esta pendiente se usa para extrapo-
lar linealmente de x, a x, , usando el mtodo de Euler (Fig. 16. l l b) :
1 Y i +l =Y + f(X,+1,2, Yi+l/2)h 1 [16.27]
Ntese que debido a que no est en ambos lados, la correctora [Ec.
(16.27)] no se puede aplicar iterativamente para mejorar la solucin.
El mtodo del polgono mejorado es superior al mtodo de Euler ya
que ste utiliza una aproximacin de la pendiente en el punto medio del
intervalo de prediccfn. Recurdese del anlisis de derivacin numrica
de la seccin 3.5.4 que las diferencias divididas centrales fueron mejores
aproximaciones a la derivada que las versiones hacia adelante y atrs.
En el mismo sentido, una aproximacin centrada, como la ecuacin
(16.26) tiene un error de truncamiento local de O(h2) en comparacin con
la aproximacin hacia adelante del mtodo de Euler que tiene un error
de O(h) . Por consiguiente, los errores local y global del mtodo del poli-
gono mejorado son O(h3) y O(h2), respectivamente.
16.2.3 Algoritmo para la computadora de los mtodos de Euler
meiorado y modificado
El mtodo de Heun con un corrector simple y el mtodo mejorado del
polgono se pueden programar con facilidad usando la estructura general
mostrada en la figura 16.6. Es una tarea relativamente simple la de mo-
dificar la subrutina del programa general para calcular la pendiente de
acuerdo con estos mtodos.
Sin embargo, cuando se implementa la versin iterativa del mtodo
de Heun, las modificaciones son un poco ms complicadas. En la figura
16.12 se ha desarrollado una subrutina para este propsito. Esta subruti-
SUBROUTI NE HEUN( X , Y >
COMMON H. I M, ES
F( X , Y )-4* EXP( ,8oX )- , 5-Y
X-X+N
Sl =F<X, Y)
YI =Y+$I * n
DO 1100 IT=l.IM
SP- F( X. Yl )
SL - ~s 1* S2, , ' 2
EA=ABS( ( V2- YI )/ Y2 M 1 0 8
YP-Y+SL.M
Y I - Y2
I F<EA. LE, ES) GO TO I 120
YRI TE( 6. 4) EA
I 1 O9 CONTI NUE
4 FORMAT( ' ' I ' L A I TERAr l ON MAXI MA EXCEDI D EA=
I 120 X-X-H
C F10.5)
RETURN
EN0
S1 =pendiente al prmclplo
del intervalo
Y1 =prediccldn al hi l l del
1nterva10
IM =ttsracl6n rnAxmadel
COrleCtOr
S2 =pendent e al f m.9 del
!" tervalo
SL =pendmnte promedlo
EA =error calculado %
fCorrector1
ES =error aceptable1
fPrueba del error donde
FIGURA 16.12 Versiones en FORTRAN y BASIC de la subrutina que implementa el m-
todo iterativo de Hewn.
""" " .. . . _, . " . .. .,. . - .
na se puede combinar con la figura 16.6 para desarrollar programas del
mtodo iterativo de Heun.
16.2.4 Resumen
Manipulando el mtodo de Euler se han derivado dos nuevos mtodos
de segundo orden. Aun cuando estas versiones requieren mayor esfuer-
zo de clculo para determinar la pendiente, la reduccin que acompaa
al error permitir concluir en una seccin subsiguiente (seccin 16.3.4)
que laexactitud mejorada es, en general, merecedora del esfuerzo. Aunque
existen ciertos casos en donde los mtodos fcilmente programables
tales como el mtodo de Euler se pueden aplicar ventajosamente, los m-
todos del polgono mejorado son generalmente superiores y se deben im-
plementar si son consistentes con los objetivos del problema.
Como se menciona al principio de la seccin, el mtodo de Heun (sin
iteraciones), el mtodo del polgono mejorado y, de hecho, el mtodo
mismo de Euler son versiones de una clase ms amplia de esquemas de
un paso llamado mtodos de Runge-Kutta. Ahora se desarrolla la deriva-
cin formal de estos mtodos.
16.3 MTODOS DE RUNGE-KUTTA
Los mtodos de Runge-Kutta tienen la exactitud del esquema de la serie
de Taylor sin necesitar del clculo de derivadas superiores. Existen mu-
chas variaciones pero todas ellas se pueden ajustar a la forma general de
la ecuacin (16.1):
Yi +l = Y, + +(Xi, Yi, h) h r16.281
donde a 4 (xi, yi, h) se le llama funcin de incremento y puede interpre-
tarse como el promedio de la pendiente sobre el intervalo. La funcin
de incremento se puede escribir en la forma general como
#= alkl + a2k2 +* * +ankn [16.29]
en donde las a son constantes y las k son
[16.29a]
[16.29b]
METODOS DE UN PASO SS 1
Obsrvese que las k son relaciones recurrentes. Esto es, kl aparece en
la ecuacin de kZ, que aparece en la ecuacin de k3, etc. Esta recurren-
cia hace a los mtodos RK eficientes para su clculo en computadora.
Se pueden desarrollar varios mtodos de Runge-Kutta empleando una
cantidad diferente de trminos en la funcin de incremento especificados
por n. Ntese que el mtodo RK de primer orden con n = 1 es, de he-
cho, el mtodo de Euler. Una vez que se ha escogido n, los valores de
las a, de las p y de las q se evalan igualando la ecuacin (16.28) a los
trminos en una expansin de la serie de taylor (recuadro 16.1). Por lo
tanto, al menos para versiones menores de la orden, en general, el n-
mero de trminos n representa el orden del mtodo. Por ejemplo, en la
siguente seccin, los mtodos RK de segundo orden usan una funcin
de incremento con dos trminos (n = 2). Estos mtodos de segundo or-
den son exactos si la solucin a la ecuacin diferencial es cuadrtica. Ade-
ms, debido a que se desprecian los trminos con h3 y de orden superior
durante la derivacin, el error local de truncamiento es O(h3) y el error
global es O(h2). En secciones posteriores se desarrollan los mtodos RK de
tercer y cuarto orden (n = 3 y 4). En estos casos, los errores globales
de truncamiento son O(h3) y O(h4), respectivamente.
RECUADRO 16.1 Obtencin de los coeficientes de los mtodos de segundo orden de Runge-Kutta
La versin de segundo orden de la ecuacin (16.28) es:
donde
[B16.1.5]
Sustituyendo la ecuaci6n (B16.1.5) en (B16.1.4) se
obtiene:
donde f' (xi , y,) debe determinarse derivando con la re-
g(x+r, y +~) =g(x, y) +r- as +s- as +* - .
gla de la cadena (seccin 16.1.3):
ax ay
Aplicando este mtodo en la expansin de la ecuacin Ahora, comparando trminos semejantes en las ecuacio-
(B16.1.3) se obtiene nes (B16.1.6) y (B16.1.7), se determina que para que las
dos ecuaciones sean equivalentes, se debe cumplir lo si-
f(xt +plh, Y I +q11klh) guiente:
al +a2 =1
azpl =$
a2q11=5
Este resultado se puede sustituir junto con la ecuacin 1
(B16.1.2) en la ecuacin (B16.1.1) para obtener
Estas tres ecuaciones simultneas contienen las cuatro
ms que el nmero de ecuaciones, no hay un conjunto
nico de valores que satisfagan las ecuaciones. Sin em-
yi+l =y, +alhf(x1, y11 +a2hf(xi, yi) constantes incgnitas. Debido a que existe una incgnita
af
ax ay bargo, adjudicndole un valor a una de las constantes, se
+azph2- +azqllh2f(xi, y3- af
+o@ 3) pueden determinar las otras tres. Por consiguiente, existe
una familia de mtodos de segundo orden en vez de una
o, reordenando trminos, sola versin.
+o(h3) [B16.1.7]
16.3.1 Mtodos de Runge-Kutta de segundo orden
La versin de segundo orden de la ecuacin (16.28) es
[16.30]
[16.30a]
[16.30b]
Como se describe en el recuadro 16.1, los valores de al , a2, P1 y q1 se
evalan igualando la ecuacin (16.30) a la expansin de la serie de Tay-
lor hasta el segundo trmino. Haciendo esto, se obtienen tres ecuaciones
para evaluar las cuatro incgnitas constantes. Estas tres ecuaciones son
al + a2 = 1 [16.31]
[16.32]
[16.33]
Debido a que se tienen tres ecuaciones con cuatro incgnitas se debe
suponer el valor de una de las incgnitas para determinar las otras tres.
Supngase que se especifica el valor de a2. Entonces las ecuaciones
(16.31) a la (16.33) se resuelven simultneamente para:
a1 = 1 - a2
1
[16.34]
P1 =911 = -
1
2a2 [16.35]
Ya que se puede escoger una cantidad infinita de valores de a2, existe
un nmero infinito de mtodos de RK de segundo orden. Cada versin
llevara exactamente a los mismos resultados si la solucin de la ED0 es
cuadrtica, lineal o constante. Sin embargo, llevan a resultados diferen-
tes cuando lasolucin es ms complicada (como es el caso tpico). A con-
tinuacin se muestran tres de las versiones ms comnmente usadas y
preferidas:
Mtodo de Heun con un corrector simple (a2 = 1/2). Si se considera
que a2 es igual a un medio (1/2), entonces 1% ecuaciones (16.34) y
(16.35) se pueden resolver para al = 1/2 y p1 = qll =1. Estos par-
metros, cuando se sustituyen en la ecuacin (16.30) generan
[16.36]
donde
[ 16.364
l16.3661
Obsrvese que kl es lapendiente al principio del intervalo y k2 es la pen-
diente al final del intervalo. Por consiguiente, este segundo mtodo de
Runge-Kutta es realmente el mtodo de Heun con una sola iteracin del
corrector.
El mtodo meiorado del polgono (a2 = 1). Si se supone que a2 sea
1, entonces al =C, p1 = ql l = 1/2, y la ecuacin (16.30) viene a ser:
[16.37]
donde
[16.37a]
[16.376]
Este es el mtodo mejorado del polgono
Mtodo de Ralston (a2 = 2/3). Ralston (1962) y Ralston y Rabinowitz
(1978) determinaron que escoger a2 = 2/ 3 proporciona un lmite mni-
mo en el error de truncamiento de los algoritmos RK de segundo orden.
Para esta versin, a , = 1/ 3 y p1 = qI 1 = 3/4:
donde
[16.38]
EJ EMPLO 16.6
Comparacin de varios mtodos RK de segundo orden
Enunciado del problema: utilcese el polgono mejorado [Ec. (16.3711 y
el mtodo de Ralston [Ec. (16.38)] para integrar numricamente la ecua-
cin (VI. 14) :
f(x, y) = - zX3 +12x* - zox + 8.5
desde x = O hasta x =4 usando un tamao de paso de 0.5. La condi-
cin inicial en x = O es y = 1. Comprense estos resultados con los va-
lores obtenidos usando otro algoritmo RK de segundc orden: el mtodo
de Heun con iteraciones de un corrector (Fig. 16.10 y cuadro 16.3).
Solucin: el primer paso en el mtodo del polgono mejorado es el de
usar la ecuacin (16.37a) para calcular:
kl = -2(0)3 +12(0)' - 2O(O) +8.5 = 8.5
No obstante, debido a que la ED0 es una funcin slo de x, este resulta-
do se requiere para calcular k,; al usar la ecuacin (16.37b) se tiene
k2 = -2(0.25)3 +12(0.25)2 - 20(0.25) +8.5 =4.218 75
Ntese que esta aproximacin de la pendiente es mucho ms cercana al
valor promedio sobre el intervalo (4.437 5) que la pendiente al principio
del mismo (8.5) que debi usarse en el mtodo de Euler. La pendiente
1 en el punto medio se puede sustituir en la ecuacin (16.37) para predecir
CUADRO 16.3 Comparacin de los valores verdaderos y aproximados de la inte-
gral de y' -2x3 + 1 2x2 -2Ox +8.5, con la condicidn inicial de
que y 1 en x O. Los valores aproximados se calcularon usando
tres versiones RK de segundo orden con un tamao de paso de 0.5
Heun
simple mejorado de segundo orden
corrector Polgono Ralston RK
x Y veradera y I 4 Y 1 % % y lk"l
0. 0
0. 5
1 . o
1.5
2. 0
2. 5
3. 0
3. 5
4. 0
1 .o00 O0
3. 218 75
3. 000 O0
2. 218 75
2. 000 O0
2. 718 75
4.000 O0
4. 718 75
3. 000 O0
1.000 O0 o
3. 375 O0 12. 5
2. 687 50 21. 1
2. 500 O0 25. 0
3. 187 50 17. 2
4. 375 O0 9.4
4. 937 50 4.6
3. 000 O0 O
3. 437 50 6. 8
1.000 O0 o
3. 109 375 3. 4
2. 812 50 6. 3
1. 984 375 10. 6
1.75 12.5
3. 812 50 4. 7
4. 609 375 2. 3
3 O
2. 484 375 8. 6
1 .o00 O0 O
3. 277 343 75 1. 8
3. 101 562 5 3. 4
2. 140 625 7. 0
2. 855 468 75 5. 0
4. 117 187 5 2.9
4. 800 781 25 1. 7
3.031 25 1 . o
2. 347 656 25 5. 8
~(0.5' )' = 1 +4.21875(0.5) = 3.109375 E" = 3.4%
El clculo se repite, y los resultados se resumen en la figura 16.13 y en
el cuadro 16.3.
FIGURA 16. 13 Comparacin de la solucin verdadera con los mtodos numri-
cos, tres RK de segundo orden y mtodo de Euler.
556 M~TODOS NUMRI COS PARA INGENIEROS
En el mtodo de Ralston, kl en el primer intervalo tambin es igual
a 8.5 y [Ec. (16.38b)l:
k2 = -2(0.375)3 +12(0.375)2 - ZO(0.375) + 8.5 = 2.582 031 25
La pendiente promedio se calcula mediante
4 = i(8.5) +$ (2.582 031 25) = 4.554 687 5
que se puede usar para predecir
~(0.5) = 1 + 4.554 687 5(0.5) = 3.277 343 75 = -1.82%
Los clculos se repiten, y los resultados se resumen en la figura 16.13
y el cuadro 16.3. Obsrvese cmo todos los mtodos RK de segundo or-
den son superiores al mtodo de Euler.
16.3.2 Mtodos de Runge-Kutta de tercer orden
Se puede llevar a cabo una derivacin anloga a la del mtodo de segun-
do orden, para n = 3. El resultado de esta derivacin es de seis ecuacio-
nes con ocho incgnitas. Por lo tanto, se deben especificar a priori los
valores de dos de las incgnitas para determinar los parmetros restan-
tes. Una versin comn que resulta es
donde
r16.391
[16.39a]
[16.39b]
[16.39c]
Obsrvese que si la derivada es una funcin slo de x, este rntodo de
tercer orden se reduce a laregla de Simpson de 1/3. Ralston (1962) y
Ralston y Rabinowitz (1978) han desarrollado una versin alternativa que
proporciona un lmite mnimo en el error de truncamiento. En cualquier
caso, los mtodos RK de tercer orden tienen errores globales de O(h4)
y O(h3), respectivamente, y llevan a resultados exactos cuando la solu-
cin es de orden cbico. Como se muestra en el siguiente ejemplo, cuan-
do se trata de polinomios, la ecuacin (16.39) ser exacta cuando la
ecuacin diferencial sea de orden cbico y lasolucin de orden cuarto.
Esto es porque la regla de Simpson de 1/ 3 proporciona aproximaciones
exactas a la integral de orden cbico (recurdese el recuadro 13.3).
EJEMPLO 16.7
Mtodo RK de tercer orden
Enunciado del problema: utilcese la ecuacin (16.39) para integrar
a) Una ED0 que es exclusivamente una funcin de x [Ec. (VI.14)]:
" d~ - -2x3 + 12x2 - 20x +8.5
dx
con y(0) = 1 y de tamao de paso igual a 0.5.
b) Una ED0 que es una funcin de x y y:
dY
- = 4e0,& - 0. 5~
dx
con y(0) = 2 desde x = O a 1 con un tamao de paso 1.
Solucin:
a) Se pueden usar las ecuaciones (16.39~1) a la (16.39~) para calcular:
kl = -2(0)3 + 12(0)2 - 20(0) +8.5 = 8.5
k2 = -2(0.25)3 + 12(0.25)2 - 20(0.25) + 8.5 = 4.218 75
k3 = -2(0.5)3 +12(0.5)2 - 20(0.5) + 8.5 = 1.25
que se puede sustituir en la ecuacin (16.39) para obtener:
y(0.5) = 1 + {i[8.5 +4(4.218 75)+ 1.25]}0.5 = 3.218 75
la cual es exacta. Por lo tanto, ya que la solucin verdadera es un polinomio
de cuarto orden [Ec. (VI. 13)]. La regla de Simpson de 1/ 3 proporciona
un resultado exacto.
que se puede sustituir en la ecuacin (16.39) y obtener:
~(1.0) = 2 + +4(4.217 298 79) + 5.184 864 9241 1 1
= 6.175 676 681
que representa un E , = 0.31 % (valor verdadero = 6.194 631 38), que
es superior en mucho a los resultados obtenidos previamente con los m-
todos RK de segundo orden (esto es, el Heun sin iteraciones) del ejemplo
16.5.
16.3.3 Mtodos de Runge-Kutta de cuarto orden
Los mtodos RK ms populares son los de cuarto orden. Como sucede
con los mtodos de segundo orden, existe un nmero infinito de versio-
nes. El siguiente algunas veces se llama mtodo clsico RK de cuarto orden:
donde
[ 16.40~11
[16.40b]
[ 16.40~1
[16.40d]
Obsrvese que para las ED0 que slo son funcin de x, el mtodo clsi-
co de RK tambin es equivalente a la regla de Simpson de 1/3.
EJ EMPLO 16.8
Mtodo clsico RK de cuarto orden
Enunciado del problema: utilcese el mtodo clsico RK de cuarto orden
[Ec. (16.4O)J para integrar:
f(x, y) = -2x3 + 1z x2 - 2oX +8.5
usando un tamao de paso de 0.5 y una condicin inicial de y = 1
en x = 0.
Solucin: las ecuaciones (16.40~) a la (16.40d) se usan para calcular:
kl = -2(0)3 +12(0)' - 20(0) + 8.5 = 8.5
k2 = ~2(0.25)~ + 12(0.25)' - 20(0.25) + 8.5 = 4.218 75
k3 = 4.218 75
k4 = -2(0.5)3 +12(0.5)* - 20(0.5) + 8.5 = 1.25
que se pueden sustituir en la ecuacin (16.40) para obtener:
y(O.5) = 1 +{i[8.5 + 2(4.21875) + 2(4.218 75) + 2(4.218 75)
+ 1.25110.5 = 3.218 75
el cual es exacto. Por lo tanto, debido a que la solucin verdadera es de
cuarto orden [Ec. (VI.131, el mtodo de cuarto orden proporciona un
resultado exacto.
16.3.4 Mt odo de Runge-Kutta de orden superior
Donde se requiera mayor exactitud, se recomienda el mtodo RK de quinto
orden, Butcher (1 964):
donde
kl = f k i , Y) [16.41a]
k5 = f(xi + h, yi + &hkl + & hb) [16.41e]
ks =/ (xi + h, yi - Qhkl +'$hk2 + yhk3 - Y hk4 + $hk5) [16.41f]
Obsrvese la similitud entre el mtodo de Butcher y la frmula Newton-
Cotes de quinto orden del cuadro 13.3. Se puede disponer de frmulas
RK de orden superior, tales como el mtodo de Butcher, pero, en gene-
ral, la ganancia obtenida en exactitud por los mtodos de orden superior
al cuarto se contrapone con la complejidad y esfuerzo de clculo.
EJEMPLO 16.9
Comparacin de los mtodos de Runge-Kutta
Enunciado del problema: emplirense los mtodos RK desde primero has-
ta quinto orden para resolver
con y(0) = 2 de x = O hasta x = 4 con varios tamaos de paso. Com-
prese la exactitud de los varios mtodos en el resultado x = 4 basado
en la respuesta exacta de y(4) = 75.338 962 61.
Solucin: efectense los clculos usando los mtodos de Euler, Heun sin
corregir, RK de tercer orden [Ec. (16.39)], RK clsico de cuarto orden
y el mtodo RK de Butcher de quinto orden. Los resultados se mues-
tran en la figura 16.14, en donde se ha graficado el valor absoluto del
error relativo porcentua! contra el esfuerzo computacional. Esta ltima can-
FIGURA 16.1 4 Comparacin del error relativo porcentual contra el esfuerzo de
clculo de los mtodos del primero ai cuarto de Runge-Kutta.
METODOS DE UN PASO 56 1
tidad es equivalente al nmero de evaluaciones de la funcin necesarias
para alcanzar un resultado,
Esfuerzo = nf ~
b - a
h
[16.42]
en donde nf es el nmero de clculos de la funcin relacionados con el
clculo particular RK. Para rdenes 5 4, nf es igual al orden del mto-
do. Sin embargo, obsrvese que el mtodo RK de Butcher de quinto
orden requiere de seis clculos de la funcin [Ec. (16.41a) a la (16.41fl1.
La cantidad ( b - a) / h es el intervalo total de integracin dividido por
el tamao del paso, es decir, es el nmero de aplicaciones del mtodo
RK necesarias para obtener el resultado. Por lo tanto, ya que las evalua-
ciones de la funcin son, en general, los pasos que consumen ms tiem-
po, la ecuacin (16.42) proporciona una medida aproximada del tiempo
de corrida necesarios para alcanzar la respuesta.
Analizando la figura 16.14 se llega a algunas conclusiones: prime-
ro, que los mtodos de orden superior obtienen mejores exactitudes
con el mismo esfuerzo de clculo y segundo, que la ganancia en exacti-
tud por el esfuerzo adicional tiefide a disminuir despus de un punto. (N-
tese que las curvas caen rpidamente al principio y despus tienden a
nivelarse.)
El ejemplo 16.9 y la figura 16.14 llevan a la conclusin de que los
mtodos RK de orden superior son siempre los mtodos de preferencia.
Sin embargo, se deben considerar tambin otros factores tales como los
costos de programacin y los requisitos de exactitud del problema cuando
se escoja un mtodo de solucin. Estos elementos de juicio se analizan de-
talladamente en los casos del captulo 18 y en el eplogo de la parte VI.
16.3.5 Error local de truncamiento de los mtodos de Runge-Kutta
Debido a que un mtodo de Runge-Kutta de n-simo orden se determi-
na igualando los trminos de la ecuacin (16.28) y la expansin de la
serie de Taylor hasta los trminos que contienen h", el error local de
truncamiento se puede expresar como
E, = O(,"+') [16.43]
en donde el valor exacto de E, depende de f (x, y) y sus derivadas supe-
riores. En general, no es posible calcular E, en base a la ecuacin (16.43)
ya que los clculos son demasiado complicados. En el mejor de los
casos, si h es pequea, y por consiguiente si a la ecuacin la domina el
primer trmino de la serie de Taylor, los coeficientes del mtodo de RK
[esto es, las a, p y q de la ecuacin (16.29)) se pueden escoger de tal
562 M~TODOS NUMERICOS PARA INGENIEROS
manera que minimicen el lmite superior E,. Ms all de eso, un anlisis
del error del mtodo RK viene a ser ms complicado.
Por ejemplo, el mtodo de Runge-Kutta-Fehlberg se basa en el clculo
de dos aproximaciones RK de orden diferente, restando los resultados
para obtener una aproximacin del error. El mtodo consiste en la frmula
de cuarto orden:
25 1 408 2 197 1
2 565 4 104 5
Y i +l = + ( E k 1 +~ k3 +~ k4 - -ks) h 1 r16.441
junto con la frmula de quinto orden:
6 656 28 561
12 825 k3 + 56 430
yi+l = yi + ( g k l +
[16.45]
donde
12 1 932
k4 = f(xi + Gh, yi + -
7 296
2 197
hkl -
~
2 197
' Oo hkp + -hk3 3
2 197
439 3 680
+ h, yi + -hkl - 8hk2 +"-
216 513 410
1 8
ki = f(xi + Zh, yi - -hk, +2hk2 - ___
3 544
27 2 565 hk3
1 859
4 104 40
+-
la aproximacih al error se obtiene restando la ecuacin (16.44) de la
(16.45) para obtener
I I
MTODO DE UN PASO 563
Por lo tanto, la ED0 se puede resolver con la ecuacin (16.44) y la apro-
ximacin del error de la ecuacin (16.46). Sin embargo, la aproximacin
al error se alcanza a costa de una complejidad extra y de un esfuerzo de
clculo. Ntese que, despus de cada uno de los pasos, la ecuacin (16.46)
se puede sumar a la ecuacin (16.44) y llegar a resultados de quinto orden.
Aunque el mtodo de Runge-Kutta-Fehlberg es algo ms pesado
para manejarse que el mtodo Runge-Kutta de cuarto orden, existen si-
tuaciones en donde el error aproximado lo convierte en un mtodo pre-
ferible. El clculo del error es de particular importancia cuando se trata
de funciones que requieren pasos pequeos en algunas regiones y pasos
grandes en otras. En tales funciones, un error aproximado proporciona
una base para cambiar el tamao de paso durante los clculos. De otra
forma, el tamao del paso se debe escoger conservadoramente, es decir,
debe ser ms pequeo que lo necesario para alcanzar la exactitud desea-
da, adems de acomodar la regin que requiera de los tamaos ms
pequeos. Esta limitacin se considerar con ms detalle cuando se ana-
licen mtodos de pasos mltiples en el captulo 17 para los cuales las apro-
ximaciones del error se obtienen con mayor facilidad.
16.3.6 Algoritmos para computadora de los mtodos de Runge-Kutta
Como en todos los mtodos cubiertos en el captulo, el mtodo de RK
se ajusta muy bien en el algoritmo general de la figura 16.6. En la figura
16.15 se presentan subrutinas en los lenguajes FORTRAN y BASIC que
determinan la pendiente del mtodo RK de segundo orden de Ralston
[Ec. (16.38)]. Las subrutinas para calcular pendientes de todas las otras
versiones se pueden programar fcilmente de manera similar.
En el mtodo de RK-Fehlberg, el tamao variable de paso se puede
incorporar de diferentes maneras. Una forma de hacerlo (Maron, 1982)
es la de especificar un lmite inferior y otro superior en el error. El objeti-
vo es el de emplear un tamao de paso que genere una aproximacin
FIGURA 16.15 Subrutinas en FORTRAN y BASIC para determinar la pendiente usando
el mtodo de Ralston de segundo orden de RK
564 METODOS NUMfRICOS PARA INGENIEROS
del error dentro del rango aceptable. Si el error aproximado es mayor
que el lmite superior, el tamao de paso se parte a la mitad hasta que
el error se encuentre dentro del rango aceptable. Si el error aproximado es
menor que el lmite inferior, el tamao de paso se duplica hasta que el
error se eleva de un rango aceptable.
16.4 SISTEMAS DE ECUACIONES
Muchos problemas prcticos de ciencia e ingeniera requieren de la solu-
cin de un sistema de ecuaciones diferenciales ordinarias en lugar de una
sola ecuacin. Tales sistemas se pueden representar generalmente como
[16.47]
La solucin de este sistema requiere que las n condiciones iniciales se co-
nozcan en un valor inicial de x.
Todos los mtodos analizados en este captulo para ecuaciones sim-
ples se pueden extender para el sistema mostrado anteriormente. Las apli-
caciones de la ingeniera pueden implicar la solucin de varios cientos de
ecuaciones simultneas. En este caso, el procedimiento de solucin del
sistema de ecuaciones simplemente significa aplicar el mtodo de un paso a
cada una de las ecuaciones antes de continuar con el siguiente paso. Es-
to se ilustra mejor en el siguiente ejemplo.
EJ EMPLO 16.1 O
Solucin de sistemas de ED0 usando el mtodo de Euler
Enunciado del problema: resulvase el siguiente conjunto de ecuaciones
diferenciales usando el mGtodo de Euler, suponiendo que en x = O, y1
= 4, y y2 = 6. Intgrese a x = 2 con un tamao de paso de 0.5.
Solucin: el mtodo de Euler se implementa como en laecuacin (16.2)
yZ(0.5) =6 +[4 - 0.3(6) - 0.1(4)]0.5 = 6.9
Obdervese que yl (0) = 4 se usa en la segunda ecuacin en vez de
y l (0.5) =3, calculado con la primera ecuacin. Procediendo de una
manera semejante se obtiene
X Y1 Y2
O 4 6
0.5 3 6.9
1.0 2.25 7.71 5
1.5 1.687 5 8.445 25
2.0 1.265 6215 9.094 087 5
16.4.1 Algoritmo para la computadora para la solucin de sistemas
de ED0
El programa para resolver una sola ED0 con el mtodo de Euler (Fig.
16.6) se puede extender fcilmente a un sistema de ecuaciones. Las mo-
dificaciones incluyen:
1.
2.
3.
4.
5.
Introducir el nrrero de ecuaciones, n.
Introducir los valc'res iniciales para cada una de las n variables depen-
dientes.
Modificar la subrutina de tal manera que calcule las pendientes de ca-
da una de las variables dependientes.
Incluir funciones adicionales para calcular las derivadas de cada una
de las EDO.
Incluir las ecuacicnes restantes (del tipo en la linea 230 de la versin
BASIC) para calc.dar un nuevo valor de cada una de las variables de-
pendientes.
Obsrvese que cualquiera de los mtodos de un paso de este capitu-
lo se pueden usar para este algoritmo. La nica diferencia seria la for-
mulacin de la subrutina que calcula las pendientes. El mtodo clsico
RK de cuarto orden es una buena alternativa para este propsito ya que
proporciona una exactitud excelente y es relativamente fcil de progra-
mar. Una caracterstica importante de un programa de computadora para
resolver sistemas de ED0 con un mtodo RK es la secuencia del clculo
de las k como se demuestra en el ejemplo siguiente.
566 METODOS NUMERI COS PARA I NGENI EROS
EJEMPLO 16.1 1
Solucin de sistemas de ED0 empleando el mtodo RK de cuarto orden
Enunciado del problema: utilcese el mtodo RK de cuarto orden para
resolver las ED0 del ejemplo 16.10.
Solucin: primero, se deben resolver para todas las kl :
kl,l = f(0, 4, 6) = -0.5(4) ==-2
k1.2 = f(0, 4, 6) = 4 - 0.3(6) - 0.1(4) = 1.8
en donde k,,, es el i-simo valor de k para la j-sima variable dependien-
te. En seguida, se calculan los valores de yl y y2 que se necesitan para
determinar las k2:
y1 + $hkl ,l = 4 +$(0.5)(-2) = 3.5
y2 + i hkl ,2 = 6 +$(0.5)(1.8) = 6.45
que se usan para calcular:
k2,1 = f(0.25, 3.5, 6.45) = -1.75
k2,2 = f(0.25, 3.5, 6.45) = 1.715
El proceso contina hasta calcular las k restantes:
k3,1 = f(0.25, 3.562 5, 6.428 75) = -1.781 25
k3,2 =f(0.25, 3.562 5, 6.428 75) = 1.715 125
k4.1 = f(0.5, 3.109 375, 6.857 562 5) = -11.554 687 5
k4.2 = f(0.5, 3,109 375, 6.857 562 5) = 1.631 793 75
Los valores de k se pueden usar para calcular [Ec. (16.40)l:
yl(0.5) = 4 +iL-2 +2(-1.75 - 1.781 25) - 1.554 687 510.5
= 3.115 234 38
y2(0.5) = 6 + 2[1.8 + 2(1.715 + 1.715 125) + 1.431 793 7510.5
= 6.857 670 32
~ ~~ ~
Procediendo de manera semejante en los pasos restantes, se obtiene
X Y1 Y2
O 4 6
0.5 3.1 15 234 4 6.857 670 3
1 .O 2.426 171 3 7.632 105 7
1.5 1.889 523 1 8.326 886 O
2.0 1.471 576 8 8.946 865 1
16.4.2 Problemas con valores en la frontera: mtodos de disparo
La solucin de ecuaciones con valores en la frontera usando el mtodo
de disparo es un ejemplo de un problema que en el contexto de los siste-
mas de ED0 se puede resolver. Recurdese del anlisis al principio
de la parte VI, que una ecuacin diferencial ordinaria va acompaada de
condiciones auxiliares. Estas condiciones se usan para evaluar las cons-
tantes de integracin que resultan durante la solucin de una EDO. Para
una ecuacin de n-simo orden, se deben evaluar n constantes, y por
lo tanto, se requieren n condiciones. Si se especifican todas las condicio-
nes en un mismo valor de la variable independiente, entonces se trata
de un problema con valores iniciales. En su mayora la parte VI trata este
tipo de problemas.
En contraste hay otra clase de ED0 para la que las condiciones no
se dan en un solo punto pero s en varios valores de la variable depen-
diente. Debido a que estas condiciones se expresan en los puntos extre-
mos o lmites, stos se les conocen con el nombre de problemas con valores
en la frontera. Una variedad de problemas significativos de ingeniera caen
dentro de esta clase. En este captulo, se analiza un esquema general pa-
ra resolver estos problemas: el mtodo de disparo.
El mtodo de disparo est basado en la conversin de problemas de
valores en la frontera en problemas de valor inicial equivalente. Se im-
plementa un esquema de prueba y error que resuelve la versin de valo-
res iniciales. El esquema se puede ilustrar con un ejemplo.
EJ EMPLO 16.1 2
El mtodo de disparo
Enunciado del problema: emplese el mtodo de disparo para resolver
I dx2
d2Y
- + 0.2y = 2
con las condiciones en la frontera y(0) = O y y( 10) = O.
Solucin: usando el mismo esquema empleado en la transformacin de
la ecuacin (VI.2) en las ecuaciones (VI.3) y (VI .6), la ecuacin de se-
gundo orden se puede expresar como dos EDO:
dY
dx
"
- 2
Y
dz
dx
"
- 2 - 0.2y
[E16.12.1]
[E16.12.2]
FIGURA 1616 Mtodo de disparo: a) el primer "disparo"; b) segundo "disparo";
y c) el "tiro" exacto final.
METODOS DE UN PASO
L
569
A fin de resolver estas ecuaciones, se requiere un valor inicial para
z. Para el mtodo de disparo, se elige un valor, que puede ser 40) = 1.
Entonces la solucin se obtiene integrando las ecuaciones (E.16.12.1)
y (E16.12.2) simultneamente. Por ejemplo, usando un mtodo RK
de cuarto orden para sistemas de ODES, se obtiene un valor final del
intervalo de y(10) = 10.208 (Fig. 16.164, que define el valor verdade-
ro y (10) = O por lo tanto, se hace otra eleccin, z(0) = 2, y se llevan
a cabo nuevamente los clculos. Esta vez, el resultado y (10) = 8.035
est un poco ms cercano al valor verdadero de y(10) = O, pero an
persiste el error (Fig. 16.166).
Ahora, debido a que la ED0 es lineal, los valores
z(0) = 1 y(10) = 10.208
Y
z(0) = 2 y(10) = 8.035
estn relacionados linealmente. Como tales, se pueden usar para calcu-
lar el valor de z(0) que conforma a y(10) = O. Se puede emplear una
frmula de interpolacin para este propsito [recurdese la Ec. (ll.!)]:
z(0) = 1 +
2 - 1
8.035 - 10.208
(O - 10.208) = 5.7
Este valor se pQede usar para determinar la solucin correcta como
se muestra en la figura 16.16~.
Para problemas con valor a la frontera no lineales, la interpolacin
lineal o extrapolacin a travs de la solucin de dos puntos no resulta ne-
cesariamente una aproximacin segura de la condicin en la frontera re-
querida para obtener una solucin exacta. Un esquema alterno es el de
realizar tres simulaciones y usar un polinomio de interpolacin cuadrtico
para calcular la condicin en la frontera. Sin embargo, no es muy proba-
ble que tal esquema lleve a la respuesta exacta, y con iteraciones adicio-
nales sera necesario obtener la solucin.
Debido a que ste es un proceso ineficiente, existen mtodos alterna-
tivos en tales casos. Los ms comunes son los mtodos de diferencias
finitas. Estos mtodos son apropiados para problemas con valores a la
frontera lineales y no lineales. En estos esquemas, las diferencias dividi-
das finitas se sustituyen por las derivadas en la ecuacin original. De esta
manera, la ecuacin diferencial se transforma en un conjunto de ecua-
ciones algebraicas simultneas que se puede resolver usando un mtodo
de la parte 111. Este es el esquema que se usa en el caso 9.2 para resolver
la distribucin de la temperatura de una placa caliente. Los problemas
9.8, 16.9 y 18.10 se relacionan con la solucin de problemas con valo-
res a la frontera.
PROBLEMAS
Clculos a mano
16.1 Resulvase el siguiente problema con valor inicial sobre el intervalo de x =O a
x =2:
16.2
16.3
16.4
16.5
16.6
16.7
dY
- =yx2 -y
dx
donde y(0) =1. Grafiquese la solucin
Utilicese el mtodo de Euler con h =0.5 y 0.25 para resolver el problema 16.1.
Grafquense los resultados en la misma grfica y comprese visualmente la exac-
titud de los dos tamaos de paso.
Utilicese el mtodo de Heun con h =0.5 y 0.25 para resolver el problema 16.1.
Itrese el corrector a E, =1%. Grafquense los resultados sobre la misma grfi-
ca y comprese visualmente la exactitud de los dos tamaos con la solucin anal-
tica. Interprtense los resultados.
Utilicese el mtodo del polgono mejorado con h =0.5 y 0.25 para resolver el
problema 16. l .
Utilicese el mtodo RK de Ralston de segundo orden con h =0.5 para resolver
el problema 16.1
Utilicese el mtodo clsico RK de cuarto orden con h =0.5 para resolver el pro-
blema 16.1.
Utilicese el mtodo de RK-Fehlberg de cuarto orden con h =0.5 para resolver
el problema 6.1. Calclese el error aproximado en cada paso.
16.8 Reptanse los problemas 16.1 al 16.7 pero con el siguiente problema con valores
iniciales sobre el intervalo x =O a x =1.
" dy - 4 y(0) =1
dx
16.9 Utilcese el mtodo de disparo para resolver
d$ +16- - 4y =20
dx
dy
con la condicin a la frontera, y(0) =5 y y(20) =2.
te sistema de ecuaciones de x =O a x =10:
16.10 Utilcese el mtodo de Euler con un tamao de paso de 1 para resolver el siguien-
" dy1 - y1 - 0. 1Y1Y2
dx
en donde y, =25 y y2 =7 en x =O.
h =1. 0dex =O a x =1.
16.1 1 Utilcese el mtodo RK de cuarto orden para resolver el problema 6.10 usando
Problemas relacionados con l a computadora
16.12 Progrimese nuevamente la figura 16.6 de tal forma que sea legible al usuario.
Entre otras cosas,
a) Colquense declaraciones de comentarios, a lo largo del programa para identi-
ficar lo que cada una de las secciones va a realizar.
b) Etiqutese la entrada y la salida.
16.13 Prubese el programa del problema 16.12 duplicando los cSlculos de los ejem-
plos 16.1, 16.3 y 16.4.
16.14 Utilicese el programa del problema 16.12 repitiendo los problemas 6.1 y 6.2.
16.15 Reptanse los problemas 16.13 y 16.14, pero usando el paquete NUMERICOMP,
disponible con el texto.
16.16 Desarrllese un programa legible al usuario del metodo de Heun con un corrector
iterativo. Tmese como base del programa las figuras 16.6 y 16.12. Prubese
el programa duplicando los resultados del cuadro 16.3.
16.17 Desarrllese un programa legible al usuario del mtodo RK de Ralston de segun-
do orden basado en las figuras 16.6 y 16.15. Prubese el programa duplicando
el ejemplo 16.16.
16.18 Desarrllese un programa legible al usuario del mtodo cldsico RK de cuarto or-
den. Prubese el programa duplicando el ejemplo 16.8 y el problema 16.6.
16.19 Desarrllese un programa para la computadora que sea legible al usuario para
sistemas de ecuaciones usando el mtodo de Euler. Tmese como base del pro-
grama el andlisis de la seccin 16.4.1. Utilcese este programa para duplicar los
cSlculos del ejemplo 16.12.
16.20 Reptase el problema 16.19. pero usando el mtodo RK de cuarto orden.
C A P T U L O D I E C I S I E T E
MTODOS DE PASOS
M LTI PLES
Los mtodos de un paso analizados en el captulo anterior utilizan la in-
formacin de un solo punto xi para predecir un valor de la variable de-
pendiente en un punto posterior x , +~ (&. 17.1~1): Las tcnicas
alternas, llamados mtodos de pasos mltiples, (Fig. 17.lb), se basan en
el conocimiento de que una vez que los clculos han empezado, la infor-
macin evaluada en puntos previos sirve de gua. La curvatura de las l-
neas que conectan estos puntos anteriores proporciona informacin
refermte a la trayectoria de la solucin. Los mtodos de pasos mltiples
explorados en este captulo consideran esta informacin para resolver ED0
y evaluar su error. Antes de describir las versiones de orden superior, se
presenta un mtodo simple de segundo orden que sirve para demostrar
las caractersticas generales de los esquemas de pasos mltiples.
FIGURA 17.1 Esquema grfico de las diferencias fundamentales entre o) mtodos de
un paso y b) mtodos de pasos mltiples en la solucin de EDO.
574 MtTODOS NUMERICOS PARA INGENIEROS
17.1 UN ENFOQUE SIMPLE DE PASOS MLTIPLES:
MTODO DE HEUN SIN PRINCIPIO
Recurdese que el mtodo de Heun usa el mtodo de Euler como un
predictor:
y la regla trapezoidd como corrector:
[17.2]
Por lo tanto, el predictor y el corrector tienen errores locales de trunca-
miento de O( h2) y O(h3), respectivamente. Esto sugiere que el predictor
sea el punto dbil en el mtodo ya que tiene el mayor error. Este punto
dbil es significativo debido a que la eficiencia del paso corrector iterativo
depende de la exactitud de la prediccin inicial. Por consiguiente, una
manera de mejorar el mtodo de Heun es desarrollar un predictor que
tenga un error local de O(h3). Esto se puede llevar a cabo usando el m-
todo de Euler y la pendiente en y,, pero haciendo la correccin desde
un punto previo yi.l, como en:
La ecuacin (17.3) no es auto-principiante ya que implica un valor ante-
rior de la variable dependiente Este valor no debera estar disponi-
ble en un problema tpico de valor inicial. Debido a este hecho, a las
ecuaciones (17.3) y (17.2) se les conoce como mtodo de Heun sin
principio.
Obsrvese que, como se muestra en la figura 17.2, la aproximacin
a la derivada en la ecuacin (17.3) se localiza ahora en el punto medio
en vez de al principio del intervalo sobre el cual se hace la prediccin.
Como se demuestra subsecuentemente, este centrado mejora el error del
predictor a O(h3). Sin embargo, antes de continuar a una derivacin for-
mal del mtodo de Heun sin principio, se resume el mtodo y se expresa
usando una nomenclatura un poco modificada:
Predictor: ykl = yP1 + f(xi, y?) 2h
Corrector: y(+l = y7 +
f hi , Y 3 +f(Xi+l, Y G)
2
(para j = 1, 2, . . . , m)
[17.4]
C17.51
MTODOS DE PASOS MLTI P LES
575
FIGURA 17.2 Esquema grfico del mtodo de Heun sin principio. al mtodo de PJ nto
medio usado como predictor; b) regla trapezoidal empleada como CO-
rrector.
donde los Subindices se han agregado para denotar que el corrector se
aplica iterativamente desde j = 1 a m para obtener soluciones refinadas.
Ntese que y? y y,ml son los resultados finales de las iteraciones del co-
rrector en los pasos de clculo anteriores. Las iteraciones se terminan en
cualquier paso del clculo en base al criterio de paro
[17.6]
Cuando E, es menor que una tolerancia preespecificada en el error, E, se
terminan las iteraciones. En este punto, j = m. El uso de las ecuaciones
(17.4) a la (17.6) en la solucin de una ED0 se demuestra en el ejemplo
siguiente.
EJEMPLO 17.1
Mtodo de Heun sin principio
Enunciado del problema: utilicese el mtodo de Heun sin principio para
realizar los clculos del ejemplo 16.5 usando el mtodo de Heun. Es de-
cir, intgrese y' = 4e0.8X - 0.5 y desde x = O hasta x = 4 usando un
tamao de paso de 1.0. Como con el ejemplo 16.5, la condicin inicial
en x = O es y = 2. Sin embargo, debido a que se est utilizando un m-
todo de pasos mltiples, se requiere la informacin adicional de que y
es iqual a -0.392 995 325 en x = - 1.
Solucin: se usa el predictor [Ec. (17.4)] para extrapolar linealmente de
x = -1 a x "1:
y': = -0.392 995 325 + [4e0.8io) - 0.5(2)]2 = 5.607 004 675
Entonces se usa el corrector [Ec. (17.5)] para calcular el valor
- 0.5(2) + 4eo.8(') - 0.5(5.607 004 675)]
y: =2+
2
1
= 6.549 330 688
que representa un error relativo porcentual de - 5.73% (Valor verdade-
ro = 6.194 631 377). Este error es algo ms pequeo que el valor de
-8.18% contrado con el mtodo de Heun auto-principiante.
Ahora se puede aplicar iterativamente la ecuacin (17.5) para mejo-
rar la solucin:
yT =2+
3 + &o.8i') - 0.5(6.549 330 688) = 6.313 749 185
2
que representa un E, del - 1.92%. Tambin se puede determinar una
aproximacin del error usando la ecuacin (17.6):
6.313 749 185 - 6.549 330 688
= 3,7%
1 4 1 =
6.313 749 185
La ecuacin (17.5) se puede aplicar iterativamente hasta que to se en-
cuentre dentro de un valor E, preespecificado. Como en el caso del m-
todo de Heun (recurdese el ejemplo 16.5), las iteraciones convergen al
valor 6.360 865 49 (E, = - 2.68%). Sin embargo, debido a que el va-
lor del predictor inicial es ms exacto, el mtodo de pasos mltiples con-
verge en proporci6n un poco ms rpida:
METODOS DE PASOS MLTIPLES 577
1 En el segundo paso, el predictor es
y; = 2 + - 0.5(6.360 865 49)] 2
= 13.443 461 2 , =9.43%
que es superior a la prediccin de 12.082 569 46 (E, = 18% calculada
con el mtodo de Heun original. El primer corrector lleva a 15.955 395 53
E, = - 6.8%) y las iteraciones siguientes convergen al mismo resultado
que se obtiene con el mtodo de Heun sin principio: 15.302 236 7 (E,
= - 3.1%). Como en el paso anterior, la proporcin de convergencia
del corrector se perfecciona un poco debido a la mejor preduccin inicial.
17.1.1 Obtencin y anlisis de error de las frmulas predictor-corrector
Se han empleado conceptos grficos para derivar el mtodo sin principio
de Heun. Hasta ahora se ha demostrado como las mismas ecuaciones
se pueden derivar matemticamente. La obtencin de estas frmulas par-
ticularmente interesante debido a sus vnculos con las ideas de ajuste de
curvas, integracin numrica y EDO. La obtencin de estas frmulas tam-
bin es til ya que proporciona un medio de avance simple en el desarro-
llo de mtodos de pasos mltiples de orden superior y la aproximacin
a sus errores.
La obtencin se basa en la solucin de la ED0 general
Esta ecuacin se puede resolver multiplicando ambos lados por dx e inte-
grando entre los lmites i e i + 1:
El lado izquierdo se puede integrar y evaluar usando el teorema funda-
mental [recurdese la ecuacin (16.21)]:
Y i +l = Y + h, f(x, y) dx
Ki t 1
[17.7]
Si se puede evaluar laintegral, entonces laecuacin (17.7) represen-
ta la solucin a la EDO. Es decir, esta frmula proporciona una manera
de calcular un nuevo valor de la variable dependiente y; , I en base al va-
lor anterior y; y la ecuacin diferencial.
Las frmulas de integracin numrica tales como las desarrolladas en
el captulo 13 proporcionan una manera de realizar esta evaluacin. Por
ejemplo, la regla trapezoidal [ecuacin (13.3)J se puede usar en laeva-
luacin de la integral, como en
[17.8]
donde h = x , + ~ - x, es el tamao de paso. Sustituyendo la ecuacin
(17.8) en la ecuacin (17. 7) se obtiene
Y i i l = Yi +
f k i l Y>+f(Xi+l, Y i +d
2
-h
que es la ecuacin corrector del mtodo de Heun. Debido a que esta ecua-
cin se basa en la regla trapezoidal, el error de truncamiento se puede
tomar directamente del cuadro 13.2:
E, = - - 1 h3Y"'((c) = - 1 h3 f"((J
12 12 [17.9]
donde el subndice c denota que ste es el error del corrector.
caso, los lmites de integracin van desde i - 1 a i +1 :
Se puede usar un esquema similar para derivar el predictor. En este
y" dy = r" f (x, y) dx
] Y-1 J x ~ - 1
que se puede integrar y reordenar para obtener
[17.10]
Ahora, en vez de usar una f6rmula cerrada del cuadro 13.2, se puede
usar la primera frmula de integracin abierta de Newton-Cotes (vase
el cuadro 13.4) para evaluar la integral
[17.11]
a la cual se le llama el mtodo del punt o medio. Sustituyendo la ecua-
cin (17.11) en la ecuacin (17.10) se obtiene
yi+l = yi-1 f f(xi, yJ 2h
que representa al predictor del mtodo de Heun sin principio. Como su-
cede con el corrector, el error local de truncamiento se puede tomar di--
rectamente del cuadro 13.4
E, = 5 h3 y"'((,) = 5 h3 f"(&,) [17.12]
donde el subndice p denota que ste es el error del predictor.
Por lo tanto, el predictor y el corrector del mtodo de Heun sin prin-
cipio tienen los mismos errores de truncamiento. Adems de aumentar
la exactitud del predictor, este hecho tiene los beneficios adicionales rela-
cionados con el anlisis del error. como se muestra en la siguiente seccin.
17.1.2 Aproximacin del error
Si el predictor y el corrector de un mtodo de pasos mltiples son del
mismo orden, entonces el error local de truncamiento se puede obtener
a lo largo del clculo. Esta es una ventaja tremenda debido a que estable-
ce un criterio de ajuste en el tamao del paso.
El error local de truncamiento del predictor se calcula mediante la ecua-
cin (17.12). Esta aproximacin del error se puede combinar con la apro-
ximacin de y;, , del paso predictor para obtener [recurdese la definicin
bsica de la ecuacin ( 3. l)]:
Valor verdadero = yp+l +$ h3 y(&,) C17.131
Usando un esquema similar, la aproximacin del error para el predictor
[Ecuacin (17.9)] se puede combinar con el valor verdadero y el resulta-
do del corrector genera:
Valor verdadero = y21 - ff h3 y(&) C17.141
La ecuacin (17.13) se puede restar de la ecuacin (17.14) para obtener
o = y21 - y?+1 - & h3 y([) r17.151
donde 4 est entre xiPl y xi+l. Ahora dividiendo la ecuacin (17.15) en-
tre 5 y reordenando trminos el resultado es
C17.161
Obsrvese que los lados derechos de las ecuaciones (17.9) y (17.16) son
idnticos, con la excepcin del argumento de la tercera derivada. Si la
tercera derivada no vara apreciablemente sobre el intervalo en cuestin,
se supone que los lados derechos son iguales, y, por lo tanto, tambin
los lados izquierdos deben ser iguales, como en
[17.17]
Por lo tanto, hemos llegado a una relacin que se puede usar para apro-
ximar el error de truncamiento por paso en base a dos cantidades, el pre-
dictor (y:+l) y el corrector (yzJ , que son rutinas por productos de los
clculos.
EJEMPLO 17.2
Aproximacin del error de truncamiento por paso para el
mtodo de Heun sin principio
Enunciado del problema: utilcese laecuacin (17.17) para aproximar el
error de truncamiento por paso del ejemplo 17. l . Obsrvese que los va-
lores verdaderos en x = l y 2 son 6.194 631 38 y 14.843 921 9, respec-
tivamente.
Solucin: en x,, = 1, el predictor genera 5.607 004 675 y el corrector
genera 6.360 865 49. Estos valores se pueden sustituir en la ecuacin
(17.17) y obtener
6.360 865 49 - 5.607 004 675 =-o,150 772 163
E =-
5
que es comparable con el error exacto,
.E,=6.194 631 38 - 6.360 865 49 = -0.166 234 110
En x , , ~ = 2, el predictor genera 13.443 461 9 y el corrector 15.302 236 7,
que se usan para calcular
E = " -
15.302 236 7 - 13.443 461 9 ="o,371 754 960
5
que tambin se compara favorablemente con el error exacto, E, =
14.843 921 9 - 15.302 236 7 =- 0.458 314 8.
La facilidad con que se puede calcular el error usando la ecuacin
(17.7) representa una ventaja importante de los mtodos de pasos mlti-
ples sobre los mgtodos de un solo paso. Entre otras cosas, esto propor-
ciona una base racional en el ajuste de tamao de paso durante el curso
de los clculgs. Por ejemplo, si la ecuacin (17.17) indica que el error
es mayor al nivel aceptable, el tamao de paso debe disminuir. En una
seccin subsiguiente (seccin 17.4), delinearemos como estos ajustes en
los tamaiios de paso se pueden incorporar en un algoritmo para lacom-
putadora.
17.1.3 Modificadores
Antes de desarrollar algoritmos para lacomputadora, se deben notar otras
dos formas en que se puede hacer ms exacto y ms eficiente al mtodo
de Heun sin principio. Primero, se debe tomar en cuenta que la ecuacin
(17.17), adems de proporcionar un criterio en el ajuste del tamao del
MTODOS DE PASOS MLTIPLES 581
paso, representa una aproximacin numrica de la diferencia entre el va-
lor corregido final en cada uno de los pasos y,+] y el error verdadero.
Por lo tanto, ste puede sumarse directamente y,,] para mejorar an
ms la aproximacin:
YZ1 - Y i +l
5
O
YZl + YE1 -
L17.181
A la ecuacin (17.18) se le llama corrector modificador. (El smbolo -
se lee se reemplaza por.) El lado izquierdo es el valor modificado de
Y %].
Una segunda mejora, relacionada ms con la eficiencia de programa-
cin, es el predictor modificador, el cual est diseado para ajustar el
resultado del predictor de tal manera que est ms cercano al valor con-
vergente final del corrector. Esto es ventajoso debido a que, como se men-
ciona al principio de esta seccin, el nmero de iteraciones del corrector
depende altamente de la exactitud de la prediccin inicial. Por consiguiente,
si la prediccin se modifica de manera conveniente, se puede reducir el
nmero de iteraciones necesarias para converger a un valor final del co-
rrector.
Este modificador puede derivarse simplemente suponiendo que la ter-
cera derivada es relativamente constante de paso a paso. Por lo tanto,
usando el resultado del paso anterior en i , la ecuacin (17.16) se puede
resolver por
[17.19]
la cual, suponiendo que y (t) = y (,$J . se puede sustituir en la ecua-
cin (17.12) para obtener
E17.201
que entonces se puede usar para modificar el resultado del predictor:
Y i +l +Y Ll + 4 (y? - y:)
O
r17.211
EJ EMPLO 17.3
Efecto de los modificadores en los resultados del
predictor-corrector
Enunciado del problema: calclese nuevamente el ejemplo 17.1 usando
los modificadores especificados en la figura 17.3.
Solucin: como en el ejemplo 17.1, el resultado del predictor inicial es
5.607 004 675. Debido a que el predictor modificador [Ec. (17.21)]
requiere de valores de una iteracin previa, ste no puede emplearse pa-
ra mejorar el resultado inicial. Sin embargo, la ecuacin (17.18) se usa
FIGURA 17.3 Secuencia de frmulas usadas en la implementacin del mtodo de Heun
sin principio. Ntese que la aproximacin al error del corrector se pue-
de usar para modificar el corrector. No obstante, debido a que esto puede
afectar la estabilidad del corrector, el modificador no se incluye en el
algoritmo. El error calculado del corrector se incluye debido a su utili-
dad en el ajuste del tamao del paso.
para modificar el valor corregido de 6.360 865 49 (e, = - 2.684%),
como en:
y'' =6.360 865 49 -
6.360 865 49 - 5.607 004 675 =6,210 093 327
5
que representa un E, = - 0.25%. Por lo tanto, el error se reduce en
cuanto a su magnitud.
En la siguiente iteracin el predictor [Ec. (17.411 se usa para calcular
y$ = 2 + [4eU.8(') - 0.5(6.210 093 327112
=13.594 234 10 e:, = 8.42%
es alrededor de
del ejemplo 17
se est& usando
la mitad del error del predictor de la segunda itera-
. l , el cual fue E , = 18.6%. Esta mejora se debe a
una aproximacin superior de y (6.210 093 327,
opuesto a 6.360 865 49) en el predictor. En otras palabras, el error pro-
pagado y global se reducen mediante la inclusin del corrector modificador.
Ahora debido a que se tiene informacin de la iteracin anterior, la
ecuacin (17.21) se emplea para modificar el predictor.
= 13.594 234 10 + - (6.360 865 49 - 5.607 004 675)
4
5
= 14.197 322 75 E, = -4.36%
que nuevamente, divide en dos el error.
Esta modificacin no tiene efecto sobre el resultado final de los pasos
del corrector subsiguientes. Independientemente de cuando se usen pre-
dictores modificados o sin modificar, el corrector finalmente converge a
la misma respuesta. No obstante, debido a que la proporcin o eficiencia
de la convergencia depende de la exactitud de la prediccin inicial, la mo-
dificacin puede reducir el nmero de iteraciones necesarias para la con-
vergencia.
La implementacin del corrector lleva al resultado de 15.211 777 23
( E , = - 2.48%) el cual representa una mejora sobre el ejemplo 17.1
debido a la reduccin del error global. Finalmente, este resultado se mo-
difica usando la ecuacin (17.18) :
y5 = 15.211 777 23 -
15.211 777 23 - 13.594 234 10
5
= 14.888 268 60 E , = -0.30%
Nuevamente, el error se ha reducido en magnitud.
Como en el ejemplo anterior, la suma de los modificadores incrementa
la eficiencia y la exactitud de los mtodos de pasos mltiples. En particu-
lar, el corrector modificador efectivamente incrementa el orden del m-
todo. Por lo tanto, el mtodo de Heun sin principio con modificadores,
es el tercer orden en vez de segundo orden como fue el caso en la ver-
sin sin modificar. Sin embargo, se debe notar que existen casos en don-
de el corrector modificador afecta la estabilidad del corrector. Como
consecuencia, el modificador no se incluye en el algoritmo del mtodo
de Heun sin principio delineado en la figura 17.3. No obtante, el correc-
tor modificador an puede tener utilidad para el control del tamao de
paso analizado en la seccin 17.1.5.
I
2
3
aao
DI MENSI ON X( l OO) , Y( l OO)
COMMOH XI , Y l , U
F<X,Y1* 4* EXP( .B* X>- .S* V
READ(5.1 >X( 1 >,XF
Xl.X( I > . . . . . . . .
READ( S, 1 >U
FORMAT< ZF1 O. O1
REI DCS.2)MX
FORMAT( I S>
READCS. 1 )ES
LVLI
1 Y 0
210
220
230
.. .
240
250
260
27 "
280
290
30CI
310
320
333
340
350
300
370
380
3uo
4
430
410
440
4s
46
4 70
FOR J = I TU MX
I )
5 2 = FN F ( f <hl )
x x = X ( h )
YP = v e t . ,
YI K! = Y i PI + H * ($1 + Si J /
2
PI = PIJ
CI = CIJ
NEXT I
PRI NT XlIl.VlI)
END
ecuacln diferenclali
IFuncln que especiflca la
Xi l l . XF =valores Inlclal y flnal de la
variable I ndependiente
H =tamao del paso
M X = Iteraclones mxlmas del corrector
ES = error aceptable ( %I del corrector
Y11 l =valor lnlclal de la varlable dependlente
(Subrutina para calcular el segundo valor de la
varlable dependlente usando el
mtodo RK de cuarto orden1
NC = nmero de pasos de XI 1 1 a XF
(Predlctorl
IPredlctor modlflcadorl
(Corrector)
FIGURA 17.4 Programas en FORTRAN Y BASIC del mtodo de Heun sin principio.
17.1.4 Programa para computadora de los mtodos de pasos mltiples
En la figura 17.4 se muestra un programa para la versin de tamao de
paso constante del mtodo de Heun sin principio. Obsrvese que el pro-
grama incluye el predictor modificador delineado en la figura 17.3.
Debido a que este algoritmo emplea un tamao de paso constante,
se debe escoger un valor de h al principio de los clculos. En general,
la experiencia indica que un tamao de paso ideal debe ser bastante pe-
queo para asegurar la convergencia dentro de dos iteraciones del co-
rrector (Hull y Creemer, 1963). Adems, debe ser demasiado chico para
generar un error de truncamiento lo suficientemente pequeo. Al igual
que con los otros mtodos para EDOs, la nica forma prctica de valorar
la magnitud del error global es la de comparar los resultados del mismo
problema pero disminuyendo los tamaos de paso a la mitad cada vez.
Obsrvese que se usa un mtodo RK de cuarto orden para generar
los puntos necesarios al principio del clculo. Para este propsito se es-
coge un mtodo RK de cuarto orden debido a que, aunque es un poco
ms difcil de programar que los mtodos de orden inferior, su mayor exac-
titud justifica su uso.
MTODOS DE PASOS MLTI PLES 585
17.1.5 Beneficios en el control del tamao de paso
Con la excepcin del mtodo RK-Fehlberg analizado en la seccin 16.3.5,
se ha empleado un tamao de paso constante para integrar numrica-
mente ecuaciones diferenciales ordinarias. Aunque tal esquema tiene una
alta utilidad en muchos problemas de ingeniera, existen ciertos casos en
donde es altamente ineficiente. Por ejemplo, supngase yue se est inte-
grando una ED0 con una solucin del tipo mostrado en la figura 17.5.
Para la mayor parte del rango, la solucin cambia gradualmente un ta-
mao de paso grande para obtener resultados adecuados. Sin embargo, en
una regin localizada de x = 1.75 a x = 2.25, la solucin muestra un
cambio abrupto en la forma de una funcin impulso o pico. A las ED0
cuyas soluciones consisten de componentes de variacin rpida o lenta
se les llama ecuaciones rigidas.
La consecuencia prctica al tratar con tales ecuaciones es que se re-
quiere un tamao de paso muy pequeo para capturar exactamente el
comportamiento impulsivo. Si se empleara un algoritmo con tamao de
paso constante, el tamario de paso necesario m6s pequeo en la regin
de cambio abrupto tendra que aplicarse al rango entero de clculo. Co-
mo una consecuencia, se aplicara un tamao de paso ms pequeo que
el necesario y, por lo tanto, muchos ms clculos a la regin de cambio
FIGURA 17.5 Ejemplo de la solucin de una ED0 que muestra un comportamiento ti-
po impulsivo. Los ajustes automticos en el tamario del paso son desven-
tajosos en estos casos.
"""" ,.
gradual. En tales casos un algoritmo que ajuste automticamente el ta-
mao de paso evitara estas deficiencias y por lo tanto sera de gran ventaja
Corno ya se dijo previamente, los mktodos de pasos mltiples descri-
tos en este captulo proporcionan una base para tal algoritmo. Por lo tan-
to, puede parecer accidental que el programa para computadora descrito
en la seccin anterior empleara un tamao de paso constante. La razn
por la que se ha separado esta ventaja del algoritmo general es que el
ajuste al tamao de paso no es una tarea de programacin trivial. De he-
cho el costo (dado en trminos del tiempo de programacin o el costo
de desarrollo de programas) puede ser un factor decisivo cuando se
escoja la incorporacin de esta opcin. Con este antecedente, se descri-
be la mecnica del control del tamao de paso. Este anlisis debe hacer-
se claro porque incluir este aspecto no es un ejercicio trivial.
La manera de escoger el tamao del paso se predice en base a un
conjunto de factores. En general, el tamao del lapso debe hacerse lo
suficientemente pequeo de tal forma que el corrector converja y que se
mantenga as en tantas iteraciones como sea posible. Adicionalmente, debe
ser tan pequeo que los resultados sean lo sufientemente exactos para
los requisitos de un problema. AI mismo tiempo, el tamao del paso de-
be ser tan grande como sea posible de tal forma que minimice el tiempo
al momento de la corrida y el error de redondeo.
Comnmente se usan dos criterios para decidir cuando un cambio
en el tamao del paso se justifica. Primero, si la ecuacin (17.17) es ma-
yor que un criterio de error previamente especificado, entonces el tama-
o del paso decrece. Segundo, se escoge el tamao del paso de tal manera
que el criterio de convergencia del corrector se satisfaga en dos iteracio-
nes. Este criterio se propone considerar las ventajas y desventajas que
existen entre la relacin de convergencia y el nmero total de pasos en
el clculo. Para valores pequeos de h, la convergencia es ms rpida
pero se requieren ms pasos. Para h ms grande, la convergencia es
lenta pero se necesitan menos pasos. La experiencia (Hull y Cremer,
1963) sugiere que los pasos totales se minimizan si h se escoge de tal ma-
nera que el corrector converja dentro de dos iteraciones. Por lo tan-
to, si se requieren ms de dos iteraciones, el tamao de paso disminuye
y si se requieren menos de dos iteraciones, entonces el tamao del paso
se aumenta.
Aunque la estrategia anterior especifica cuando se llevan a cabo las
modificaciones del tamao del paso no especifica cmo se debe cambiar.
Esta es una pregunta crtica ya que los mtodos de pasos mltiples por
definicin requieren de varios puntos para calcular uno nuevo. Una vez
que el tamao del paso se cambia, se debe determinar un nuevo conjun-
to de puntos. Una manera de hacerlo es la de reiniciar los clculos y usar
el mtodo de un solo punto para generar un nuevo conjunto de puntos
iniciales.
Una manera ms eficiente de hacerlo y que hace uso de la informa-
cin existente es aumentar al doble y disminuir el tamao de paso a la
MhODOS DE PASOS MLTIPLES 587
mitad. Como se muestra en la figura 17.6a, si se ha generado un nme-
ro suficiente de valores anteriores, aumentando el tamao del paso al doble,
es algo relativamente correcto (Fig. 17.6~). Todo esto es necesario para
mantener la informacin de los subindices de tal forma que los valores
anteriores de x y y vengan a ser los nuevos valores. Disminuir a la mitad
el tamao del paso es algo ms difcil ya que algunos de los nuevos valo-
res no se encuentran disponibles (Fig. 17.6~). Sin embargo, se pueden
usar los polinomios de interpolacin del tipo desarrollado en el captulo
11 para determinar estos valores intermedios.
En cualquier caso, la decisin de incorporar el control sobre el tama-
o del paso representa hacer una evaluacin entre el tiempo para desa-
FIGURA 17.6 Grfica que indica la estrategia de dividir y duplicar un segmento que
permite el uso de a) valores calculados previamente con un mtodo de
pasos mltiples de tercer orden. b) Dividiendo a la mitad y c) duplicando.
rrollar un programa complejo para los trminos grandes y la eficiencia que
se requiere. Obviamente la magnitud y la importancia del problema mis-
mo ayudar a elegir una opcin.
17.2 FRMULAS DE INTEGRACIN
El mtodo de Heun sin principio es caracterstico de la mayor parte de
los mtodos de pasos rn~ltiples. Emplea una frmula de integracin abierta
FI GURA 17.7 Ilustracin de la diferencia fundamental entre el mtodo de Newton-Co-
tes y la frmula de integracin de Adams. a) Las frmulas de Newton-
Cotes usan una serie de puntos para obtener una aproximacin a la in-
tegral sobre un conjunto de segmentos. La aproximacin se usa despus
pura proyectarse sobre el rango completo b) Las frmulas de Adams
usan una serie de puntos para obtener una integral aproximada con un
solo segmento. La aproximacin se usa entonces para proyectarse so-
bre este segmento.
(el mtodo del punto medio) para calcular una aproximacin inicial. Este
paso predictor requiere un punto previo. En seguida se aplica iterativa-
mente una frmula de integracin cerrada (la regla trapezoidal) para me-
jorar la solucin.
Es obvio que una estrategia de mejoramiento sobre los mtodos de
pasos mltiples podra ser la de usar frmulas de integracin de orden
superior como predictores y correctores. Por ejemplo, podran ser tiles
para este propsito las frmulas de Newton-Cotes de orden superior de-
sarrolladas en el captulo 13.
Antes de describir estos mtodos, se revisan algunas de las frmulas
de integracin ms comunes sobre las cuales estn basados. Como se men-
ciona anteriormente, las primeras de stas son las frmulas de Newton-
Cotes de orden superior. No obstante existe una segunda clase llamadas
frmulas de Adams que tambin se revisan y que se prefieren a menudo.
Como muestra la figura 17.7, la diferencia fundamental entre las frmu-
las de Newton-Cotes y de Adams est relacionada con la manera como
se aplica la integral para obtener lasolucin. Como se muestra en lafigu-
ra 17.7a, las frmulas de Newton-Cotes calculan la integral sobre un in-
tervalo generando varios puntos. Esta integrai se emplea para proyectar
desde el principio hasta el final del intervalo. En contraste, las frmulas
de Adams (Fig. 17.7b) usan un conjunto de puntos de un intervalo para
calcular la integral solamente del ltimo segmento en el intervalo. La in-
tegral se usa despus para proyectarse a travs de este ltimo segmento.
17.2.1 Frmulas de Newton-Cotes
Algunas de las frmulas ms comunes para resolver ecuaciones diferen-
ciales ordinarias se basan en ajustar un polinomio de interpolacin de
n-simo grado para n + 1 puntos conocidos de y y despus se usa esta
ecuacin para calcular la integral. Como se analiza previamente en el ca-
ptulo 13, las frmulas de integracin de Newton-Cotes se basan en este
esquema. Estas frmulas son de dos tipos: abiertas y cerradas.
Frmulas abiertas. Para n puntos igualmente espaciados, las frmulas
abiertas se pueden expresar en la forma de una solucin de una EDO,
como se hizo anteriormente en la ecuacin (17.10). La ecuacin general
para este propsito es
[17.22]
donde !,(x) es un polinomio de interpolacin de n-simo orden. La eva-
luacin de la integral obtiene una frmula de integracin abierta de Newton-
Cotes de n-simo orden. Por ejemplo si n = 1.
donde f, es una abreviacin de f ( xi , y,), esto es, la ecuacin diferencial
evaluada en xi y y,. A la ecuacin (17.23) se le llama mtodo del punto
medio y se usa previamente como el predictor del mtodo de Heun sin
principio. Para n =2,
3h
Yi + 1 = Yi-2 +7j- ifi +fi-1)
y para n = 3,
La ecuacin (17.24) se muestra grficamente en la figura 17.8~1
Y i +l = Y - n+l + I f"(XMX
Y + I
Xi - n+l
[ 17.251
FIGURA 17.8 Esquema de las frmulas de integracin cerrada de Newton-Cotes. a)
Tercera frmula abierta [Ec. (17.24)] Y b) regla de Simpson de 1/ 3 [Ec.
(17.26)] .
donde la integral se aproxima mediante una frmula cerrada de Newton-
Cotes (cuadro 13.2). Por ejemplo, para n = 1:
h
Y i +l = Y + 5 (fi +f i +l >
que es equivalente a la regla trapezoidal. Para n =2:
h
3
Y ~+I = yi-1 + - Cf i -1 +4fi +f i +l )
C17.261
la cual es equivalente a la regla de Simpson de 1/3. La ecuacin (17.26)
se muestra en la figura 17.8b.
17.2.2 Frmulas de Adams
El otro tipo de frmulas de integracin que se puede usar en lasolucin
de ED0 son las frmulas de Adams. Muchos algoritmos de pasos mlti-
ples muy utilizados en computacin que resuelven ED0 se basan en es-
tas frmulas.
Frmulas abiertas (Adams-Bashforth). Las frmulas de Adams se pue-
den obtener de varias formas. Un mtodo es el de escribir una expansin
hacia adelante de la serie de Taylor alrededor del punto xi :
que se puede escribir como
[17.27]
Recurdese de laseccin 3.5.4 que se puede usar una diferencia hacia
atrs para aproximar la derivada:
f; = -
fi - fi-1 f I
h 2
+ - h + O(h2)
que se puede sustituir en la ecuacin (17.27) para obtener
o, agrupando trminos:
yi+l = y, + h($ fi - fi-1) +& b 3 fl +O(h4)
[17.28]
592
-
MTODOS NUMRICOS PARA INGENIEROS
A esta frmula se le llama segunda frmula abierta de Adams. Las
Frmulas abiertas de Adams son designadas tambin como frmulas de
Adams-Bashforth. Por consiguiente a la ecuacin (17.28) algunas veces
se le llama segunda frmula de Adams-Bashforth.
Se pueden desarrollar frmulas de Adams-Bashforth de orden supe-
rior sustituyendo las derivadas de orden superior por aproximaciones en
la ecuacin (17.27). La frmula abierta de Adams de n-simo orden se
puede representar por lo comn como
n-1
[17.29]
Los coeficientes Pk se muestran en el cuadro 17.1. La versin de cuarto
orden se muestra en la figura 17.9a. Ntese que la primera versin es
el mtodo de Euler.
Frmulas cerradas (Adams-Moulton). Una expansin de la serie de Tay-
lor alrededor de xi + se puede escribir como
yi = Y+] - h+l h +-+* -
f :+1
L
Resolviendo para y j + se obtiene
l17.301
Se puede usar una diferencia para aproximar la derivada:
CUADRO 17.1 Coeficientes y error de truncamiento en los predictores de
Adams-Bashforth
Error local de
Orden Po PI Pz P3 P4 Ps truncamiento
1 1
4
55 59 37 9
24 24 24 24
- " - "
1901 2 774 2 616 1 274 251 475
720 720 720 720 720
1440
4 277 7 923 9 982 7 298 2 877 475 19 087 h7f(6)(0
5
6
__ " __ " ~
- h6f'"([)
__ -~ __ " __
720 720 720
720 720 720 60 480
" -
FIGURA 17.9 Esquema de las frmulas de integracin de Adams abiertas y cerradas.
u). Frmula abierta de Adams-Bashforth de cuarto orden y b) frmula
cerrada de cuarto orden de Adams-Moulton.
f! = ___
I + 1
fi+l - fi +&lh +O(h2)
h 2
que se sustituye en la ecuacin (17.30) para obtener:
Y, +] = y; +h [i.,, -
A esta frmula se le llama frmula cerrada de Adams de segundo orden
o segunda frmul a de Adams-Moulton. Obsrvese tambin que sta es
la regla trapezoidal.
CUADRO 17.2 Coeficientes y error de truncamiento en los correctores de
Adams-Moulton
2
1 1
2 2
- -
3
4
5
5 8
12 12
9 19
24 24
251 646
720 720
- -
- -
"
Error local de
P2 P 3 P4 PS truncamiento
1
12
1 1
12 24
- - h3P(5)
" -- __ h4{f'3)(()
- h5f'4'(5)
19
720
264 106 19
720 720 720
" - " -.-.____ 27 ,!,6f(5)(5)
1 AA0
6
475 1 427 798 482 173 27 863 h7f(6,(5)
__-
1 440 1 440 1 440 1 440 1 440 1 440 &I 480
"~ ~" "-
L a frmula cerrada de Adams se puede escribir generalmente como
n-1
y! +] = yi +h P k f i i l - k +O(h"+')
k=O
Los coeficientes & se listan en el cuadro 17.2. El mtodo de cuarto or-
den se muestra en la figura 17.9b.
17.3 MTODOS DE PASOS MLTIPLES
DE ORDEN SUPERIOR
Ahora que se han desarrollado formalmente las frmulas de integracin
de Newton-Cotes y de Adams, podemos usarlas en la derivacin de m-
todos de pasos mltiples de orden superior. Como en el caso del mtodo
de Heun sin principio, las frmulas de integracin se aplican en fila como
los mtodos de predictor-corrector. Adems, si las frmulas abiertas y ce-
rradas tienen errores locales de truncamiento del mismo orden, entonces
los modificadores listados en la figura 17.3 se pueden incorporar en el
mejoramiento de la exactitud y para permitir el control sobre los tamaos
del paso. En el recuadro 17.1 se proporcionan ecuaciones generales pa-
ra estos modificadores. En la siguiente seccin, se presentan dos de los
RECUADRO 17.1 Obtencin de las relaciones generales de los modificadores
La relacin entre el valor verdadero, la aproximacin, Va,or verdadero = +"& + I ~ ( ~ + I ) ( ~ ~ )
y el error de un predictor se puede representar gene- %
ralmente como
[B17.1.1]
MTODOS DE P ASOS MULTI P LES 595
donde vc y 6, son el numerador y el denominador de la
constante del error de truncamiento del predictor de cual-
quiera de los mtodos abiertos de Newton-Cotes (cuadro
13.4) o de los mtodos de Adams-Bashforth (cuadro 17.1)
y n es el orden.
Se puede desarrollar una relacin similar para el co-
rrector
Valor verdadero =y;"+l - s,h 'J c n+l y (n+l) (5,)
[B17.1.2]
donde y 6, son el numerador y el denominador de la
constante del error de truncamiento para cualesquiera CO-
rrector de Newton-Cotes abierto (cuadro 13.2) O de
Adams-Moulton (cuadro 17.2). Como se hizo en laderi-
vacin de laecuacin (17.15), laecuacin (B17.1.1) se
puede sustraer de la ecuacin (B17.1.2) para obtener
[B17.1.3]
Ahora dividiendo laecuacin entre vc +vp6JiP, multi-
plicando el ltimo trmino por 6,/6, y reordenando tr-
minos se obtiene una aproximacin del error local de
truncamiento del corrector
Yl+l - YE1
rlc +' JP WS,
O
E, =
Para el predictor modificador, la ecuacin (B17.1.3)
se puede resolver en el paso anterior mediante
que se puede sustituir en el trmino del error de la ecua-
cin (B17.1.1) para obtener
[B17.1.5]
Las ecuaciones (B17.1.4) y (B17.1.5) son versiones ge-
nerales que se pueden usar para mejorar los algoritmos
de pasos mltiples. Por ejemplo, el mtodo de Milne tie-
ne ?, =14, 6, =45, v c =l , y 6; =90. Sustituyendo
estos valores en las ecuaciones (B17.1.4) y en (B17.1.5)
se obtienen las ecuaciones (17.33) y (17.34). Se pueden
desarrollar modificadores sirnilares para otro par de
frmulas abiertas y cerradas que tienen errores locales
de truncamiento del mismo orden.
mtodos de paso mltiple de orden superior ms comunes: el mtodo
de Milne y el mtodo de Adams de cuarto orden.
17.3.1 Mtodo de Milne
El mtodo de Milne es el mtodo de pasos mltiples ms comn basado
en las frmulas de integracin de Newton-Cotes. Este usa la frmula abierta
de Newton-Cotes de tres puntos como predictor:
[17.31]
y la frmula cerrada de Newton-Cotes de tres puntos (regla de Simpson
de 1/3) como corrector:
y{+1 = yim_1 + !gfi"-l + 4jy +f {;!) [17.32]
Los modificadores predictor y corrector del mtodo de Milne se pue-
den desarrollar a partir de las frmulas del recuadro 17.1 y los coeficien-
tes del error de los cuadros 13.2 y 13.4:
E, = %(y? - y?) [ 17.331
Y
EJ EMPLO 17.4
Mtodo de Milne
Enunciado del problema: utilicese el mtodo de Milne para integrar y' =
4&.Y -
0.5 y desde x = 4 usando un tamao de paso de 1. La condi-
cin inicial en x =O es y = 2. Debido a que se utiliza un mtodo de paso
mltiple, se necesitan los puntos anteriores. En una aplicacin verdadera
se debe usar bun mtodo de un paso tal como RK de cuarto orden para
calcular los puntos necesarios. En este ejemplo, se usa la solucin analtica
[recurdese la Ec. (E16.5.1) del ejemplo 16.51 para calcular los
valores exactos en xi-3 = - 3, xi-2 = - 2, y xi"l = 1 de yi-3 = -
respectivamente.
4.547 302 219, yi-2 = - 2.306 160 375 y yi-1 = - 0.392 995 325
Solucin: el predictor [Ec. (17.31)] se emplea para calcular un valor en
x = 1:
y; =-4.547 302 219 + 4[2(3) - 1.993 813 519 +2(1.960 666 259)]
3
=6.022 723 13 , =2.8%
El corrector [Ec. (17.32)J se emplea entonces para calcular
y: =-0.392 995 325 +711.993 813 519 +4(3) +5.890 802 1-57]
1
=6.235 209 902 C, -0.66%
Este resultado se sustituye en la ecuacin (17.32) para corregir iterativa-
mente la aproximacin. Este proceso converge a un valor corregido final
de 6.204 854 65 (E, =- 0.17%).
Este valor es ms.exacto que la aproximacin comparable de 6.360
865 49 (E, =- 2.68%) obtenido previamente con el mtodo de Heun
sin principio (ejemplos 17.1 al 17.3). Los resultados en los pasos restantes
son y (2) = 14.860 307 2 (E, - O. l l %) , y (3) = 33.724 260 1 =
- 0.14%), y y (4) = 75.432 948 7 (E, = - 0.12%).
Corno en el ejemplo anterior, el mtodo de Milne, en general, obtie-
ne resultados de alta exactitud. Sin embargo, existen ciertos casos en los
que sta es baja. Antes de entrar en detalle en estos casos. se describir
otro mtodo de pasos mltiples de orden superior, el mtodo de Adams
de cuarto orden.
METODOS DE PASOS MLTI P LES 597
17.3.2 Mtodo de Adams de cuarto orden
Un mtodo de pasos mltiples ampliamente usado basado en las frmu-
las de integracin de Adams utiliza la frmula de cuarto orden de Adams-
Bashforth (cuadro 17.1) como predictor:
y?+* = y? + h(zf!" 24 I - sf? 24 I 1 + zf"' 24 1-2 - zfF3) [17.35]
y la frmula de cuarto orden de Adams-Moulton (cuadro 17.2) como co-
rrector:
y{+l y? + h (xfj-1 24 1+1 + Bf!" 24 I - Af!" 24 1-1 +'f!" 24 1-2) [17.36]
Los modificadores predictor y corrector del mtodo de Adams de cuar-
to orden se pueden desarrollar a partir de las frmulas del recuadro 17.1
y los coeficientes de error de los cuadros 17.1 y 17.2 para obtener:
[17.37]
[17.38]
EJ EMPLO 17.5
Mtodo de Adams de cuarto orden
Enunciado del problema: utilcese el mtodo de Adams de cuarto orden
para resolver el mismo problema del ejemplo 17.4.
Solucin: el predictor [Ec. (17.35)l se usa para calcular un valor en x = 1.
y? =2 +I (E3 - $1.993 813 519 + 1.960 666 259
- 9 2.649 382 908)
24
= 6.002 716 992 E , = 3.1%
que es comparable pero un poco menos exacto que el resultado obteni-
do con el mtodo de Milne. El corrector [Ec. (17.38)J se emplea para
calcular
y{ = 2 + l(& 5.900 805 218 + E3 - & 1.993 813 519
+ & 1.960 666 259)
= 6.254 118 568 E , = -0.96%
que nuevamente es comparable pero un poco menos exacto que el re-
sultado obtenido con el mtodo de Milne. Este resultado se puede susti-
598 MTODOS NUMRICOS PARA INGENfEROS
tuir en laecuacin (17.38) para corregir iterativamente laaproximacin.
El proceso converge a un valor corregido final de 6.214 423 582 (E, =
0.32%) el cual es un resultado exacto pero nuevamente algo inferior al
obtenido con el mtodo de Milne.
17.3.3 Estabilidad de los mtodos de pasos mltiples
La gran exactitud mostrada por el mtodo de Milne en los ejemplos 17.4
y 17.5 puede anticiparse con base en los trminos del error de los predic-
tores [Ec. (17.33) y (17.37)] y a los de los correctores [Ec. (17.34) y
(17.38)]. Los coeficientes del mtodo de Milne, 14/45 y 1/90, son ms
pequeos que para el mtodo de Adams, 251/720 y 19/720. Adicio-
nalmente, el mtodo de Milne emplea algunas evaluaciones ms de la
funcin para alcanzar estas altas exactitudes. Por los valores obtenidos,
estos resultados pueden llevar a la conclusin de que el mtodo de Milne
es superior y, por lo tanto, es preferible al mtodo de Adams de cuarto
orden. Aunque esta conclusin se cumple en la mayor parte de los ca-
sos, existen ejemplos en donde el mtodo de Milne trabaja inadecuada-
mente. Este comportamiento se muestra en el ejemplo siguiente.
EJ EMPLO 17.6
Estabilidad del mtodo de Milne y del mtodo de Adams de cuarto
orden
Enunciado del problema: utilicese el mtodo de Milne y el mtodo de Adams
de cuarto orden para resolver
"
-
dx
con la condicin inicial de que y =1 en x = O. Resulvase laecuacin
de x = O a x =10 usando un tamao de paso h = 0.5. Ntese que
la solucin analtica es y = e "'.
Solucin: los resultados, resumidos en lafigura 17.10. indican problemas
con el mtodo de Milne. Un poco despus del arranque de los
clculos, los errores empiezan a crecer y a oscilar en el signo. En t = 10,
el error relativo se ha inflado a 2 831% y el valor predecid0 mismo ha
empezado a oscilar en el signo.
En contraste, los resultados del mtodo de Adams son mucho ms acep-
tables. Aunque el error tambin crece, lo hace de manera lenta. Adicio-
nalmente, las diferencias no deberan exhibir los cambios bruscos de signo
mostrados por el mtodo de Milne.
FIG1 J RA 17. 10 Esquema de la inestabilidad del mtodo de Milne.
AI comportamiento inaceptable manifestado en el ejemplo anterior
del mtodo de Milne se le llama inestabilidad. Aunque esto no siempre
ocurre, su posibilidad lleva a la conclusin de que el mtodo de Milne
debe evitarse. Por lo tanto, normalmente se prefiere el mtodo de Adams
de cuarto orden.
La inestabilidad del mtodo de Milne se debe al corrector. Por consi-
guiente, se han hecho intentos de rectificar este inconveniente desarro-
llando correctores estables. Una alternativa usada comnmente que emplea
este esquema es el mtodo de Hamming, que usa el predictor de Milne
y un corrector estable:
. 9yT - yrp +3h(f{;: +2fT - f rl )
Y i +l =
8
que tiene un error local de truncamiento
E, = &h5f4)(&)
El mtodo de Hamming tambin incluye modificadores de la forma
Y
El lector puede obtener informacin adicional sobre este y los otros m-
todos de pasos mltiples en otras obras (Hamming, 1973; Lapidus y Sein-
field, 1971).
PROBLEMAS
Clculos a mano
17.1
17.2
17.3
17.4
17.5
Resulvase el siguiente problema de valor inicial sobre el intervalo de x =2 a
x =3:
dY
d X
- -0.5,
Utilicese el mtodo de Heun sin principio con un tamao de paso de 0.5 y las
condiciones iniciales y(1.5) =4.723 67 y y(2.0) =3.678 79. ltrese con el co-
rrector hasta E, =l%. [Nota: los resultados exactos obtenidos analticamente son
y(2.5) =2.865 05 y y(3.0) =2.231 30.1 Calclese el error relativo porcentual
E" en los resultados.
Reptase el problema 17.1 usando el mtodo de Milne. [Nota: y(0.5) =7.788
O1 y y(1.0) =6.065 31.) Itrese el corrector hasta que E, =0.018.
Reptase el problema 17.2 pero con el mtodo de Adams de cuarto orden
(EE =0.01 56).
Resulvase el siguiente problema con valor inicial desde x =4 hasta x =5:
dY Y
-= - -
dx X
Utilcese un tamao de paso de 0.5 y valores iniciales de y(2.5) =1.2, y(3) =1,
y(3.5) =0.857 142 857 y y(4) =0.75. Obtnganse las soluciones usando los
mtodos siguientes: a) mtodo de Heun sin principio (es =1 %), b) mtodo de
Milne (ES =0.01%) y c) mtodo de Adams de cuarto orden (ES =0.01%).
[Nota: Las respuestas exactas obtenidas analticamente son y(4.5) =0.666 666
67 y y(5) =0.6.1 Calclese el error relativo porcentual 6" de los resultados:
Resulvase el siguiente problema de valor inicial desde y =O hasta y =0.5:
dv 2
- =y x - y
dx
Utilicese el mtodo de Heun sin principio con un tamao de paso de 0.25. Si
y(-0.25) =1.277 355 170, emplese un mtodo RK de cuarto orden con ta-
mao de paso l para predecir el valor inicial en y ( 0) .
MTODOS DE PASOS MLTIPLES 60 1
17.6
17.7
17.8
17.9
Resulvase el siguiente problema de valor inicial desde x =1.5 a x =2.5:
dY
dx I + x
" -
-Y
-
Utilicese el mtodo de Adams de cuarto orden. Emplese un tamaio de paso
de 0.5 y el mtodo RK de cuarto orden para predecir los valores iniciales de arran-
que si y(0) =2.
Reptase el problema 17.6 usando el mtodo de Milne
Determnese el predictor, el corrector y los modificadores del mtodo de Adarns
de segundo orden. Emplese para resolver el problema 17.1.
Determnese el predictor, el corrector y los modificadores del mtodo de Adarns
de tercer orden. Emplese para resolver el problema 17.4.
17.10 Desarrllese un programa legible al usuario sobre el mtodo de Heun sin princi-
pio con modificadores basado en la seccin 17.1.3. Emplese un mtodo RK
de cuarto orden para calcular los valores iniciales. Prubese el programa con el
ejemplo 17.3.
17.11 Utilcese el programa desarrollado en el problema 17.10 para resolver el proble-
ma 17.5.
17.12 Desarrllese un programa legible al usuario sobre el mtodo de Milne de cuarto
orden con modificadores. Emplese un mtodo RK de cuarto orden para calcu-
lar los valores iniciales. Prubese el programa con el ejemplo 17.5.
17.13 Utilcese el programa desarrollado en el problema 17.12 para resolver el proble-
ma 17.6.
C A P T U L O D I E C I O C H O
CASOS DE LA PARTE VI:
ECUACIONES DIFERENCIALES ORDINARIAS
El prposito de este captulo es el de resolver algunas ecuaciones diferen-
ciales ordinarias usando los mtodos numricos presentados en los cap-
tulos 16 y 17. Las ecuaciones se originan de aplicaciones pr6cticas de la
ingeniera. Muchas de estas aplicaciones generan ecuaciones diferencia-
les no lineales que no pueden resolverse usando mtodos analticos. Por
lo tanto, comnmente se necesitan los mtodos numricos. En consecuen-
cia, el uso de los mtodos de solucin numrica de ecuaciones diferen-
ciales ordinarias es una habilidad fundamental que caracteriza al buen
ingeniero. Los problemas de este captulo ilustran algunos de los elemen-
tos de juicio asociados con varios de los mtodos analizados en los cap-
tulos 16 y 17.
En el caso 18.1 se usa una ecuacin diferencial para predecir las ten-
dencias de la venta de computadoras. Entre otras cosas, este ejemplo ilustra
como se ajustan datos a un parmetro de un modelo matemtico. Se usa
el mtodo RK de cuarto orden en esta aplicacin.
El caso 18.2 tiene su origen en el contexto de los problemas de inge-
niera qumica, que demuestra cmo escoger adecuadamente un tama-
o de paso y cmo se pueden usar las ecuaciones diferenciales para mejorar
el proceso de produccin qumica. Se usa el mtodo de Runge-Kutta de
segundo orden para este ejemplo.
Los casos 18.3 y 18.4 tomados de la ingeniera civil y elctrica res-
pectivamente, tratan de la solucin de un sistema de ecuaciones. En el
caso 18.3, se usa el mtodo de Euler debido a que el problema no re-'
quiere de resultados con una gran exactitud. En el caso 18.4, por el otro
lado, se requiere de una exactitud alta, y por consiguiente, se usa el m-
todo RK de cuarto orden.
Finalmente, en el caso 18.5 se emplea una variedad de mtodos di-
ferentes para investigar el comportamiento de un pndulo en oscilacin.
Este problema tambin usa dos ecuaciones simultneas. Un aspecto im-
portante de este ejemplo es el de ilustrar cmo los mtodos numricos
permiten la fcil incorporacin de efectos no lineales dentro del anlisis
de ingenera.
CASO 18.1 MODELOS MATEMTICOS PARA PROYECTOS DE
VENTA DE COMPUTADORAS
Antecedentes: las operaciones y las utilidades de una compaa de compu-
tadoras dependen mucho del conocimiento sobre el manejo del nmero
de computadoras disponibles en el mercado en un tiempo cualquiera. Los
mtodos de extrapolacin analizados en el caso 12.1 han demostrado que
no existe confiabilidad ni exactitud. Se tiene, por lo tanto, que derivar
un modelo matemtico que sea capaz de simular y predecir el nmero
de computadoras disponibles en el mercado en funcin del tiempo t . Se
puede desarrollar una ecuacin diferencial para este propsito.
El departamento de mercadeo de la compaa ha determinado a tra-
vs de la experiencia y de observaciones empricas, que las ventas espe-
radas de las computadoras se describen mediante.
Promedio de venta
(nmero de computadoras o:
nmero de computadoras en el mercado
vendidas por da) costo por computadora
[ 18.11
Es decir, mientras ms computadoras se muestren al pblico, mayor venta
de las mismas; y a mayor costo, menos ventas. Adems, el costo de una
computadora individual est relacionado con el nmero de computado-
ras en el mercado, [recurdese la Eq. (15.1)]
N
10 O00 + N
Costo por computadora ($) = 3 O00 - 1 750 [18.2]
donde N es el nmero de computadoras.
La razn de cambio a travs del tiempo del nmero de computado-
ras restantes en el mercado es igual al registro del promedio de ventas:
dN
dt
- =-
promedio de ventas [ 18.3)
donde el promedio de ventas se deriva combinando las ecuaciones (18.1)
y (18.2):
N
3 O00 - 1 750N/( 10 O00 +N)
Promedio de ventas = k I18.41
donde k es una constante de proporcionalidad que tiene unidades de d-
lares por tiempo. Sustituyendo la ecuacin (18.4) en la ecuacin (18.3)
se obtiene
dN N
dt 3 O00 - 1 750N/( 10 O00 +N)
- = - k [18.5]
CASOS DE LA PARTE VI: ECUACIONES DIFERENCIALES ORDINARIOS
605
Las consideraciones de planeacin requieren que se obtenga una es-
timacin de cunto tiempo permanecern en el mercado 50 O00 nuevas
computadoras. En el cuadro 12.1 se cuenta con algunos datos. Utilicese
esta informacin para calcular el parmetro k. Despus emplese el m-
todo RK de cuarto orden para resolver la ecuacin (18.5) desde t = O
hasta t = 90.
Solucin: el primer paso de este anlisis ser determinar un valor de k.
Para hacerlo, se puede resolver la ecuacin (18.5)
dN 3 x lo7 + 1 250N
k = --
dt N( 10 O00 + N)
Con base en esta ecuacin, se puede evaluar k si tiene una aproximacin
a dN / dt. Esto se puede hacer con los datos del cuadro 18.1, usando
diferencias divididas finitas para calcular dN / dt, [recurdese la seccin
3.5.41:
""I= Ni+l - 4 - 1
dt . 2At
Los resultados se muestran en el cuadro 18.1 y se pueden usar para de-
terminar un valor medio de k = $49.3 diarios.
Cuadro 18.1 Clculos de k obtenidos de los da-
tos de venta de computadoras. l a
media de k es 49.3
t
dias N dNl dt k
O 50 O00
10 35 O00 -950 44.5
20 31 O00 -750 40.6
30 20 O00 -600 55.0
40 19 O00 -397.5 38.8
50 12 050 -400 67.8
60 1 1 O00
Ahora este valor se puede sustituir en la ecuacin (18.5) para obtener:
dN N
dt 3 O00 - 1 750 [N/( 10 O00 + N ) ]
"
- -49.3
que se puede integrar usano un mtodo RK de cuarto orden con la con-
dicin inicial N = 50 O00 y un tamao de paso de un da. Obsrvese
que se llev a cabo la simulacin usando un tamao de paso de 0.5 das
FIGURA 18.1 Grfica del nmero de computadoras N en el mercado contra el tiempo
t en das. Se usan tres simulaciones con un modelo de ecuacin diferen-
cial ordinaria [Ec. (18.5)], se muestran en el caso donde N =50 O00
en t =O. Las tres simulaciones corresponden a valores diferentes del pa-
rmetro k.
y se obtuvieron resultados casi idnticos, indicando que la exactitud al usar
un tamatio de paso de 1.0 es aceptable. Los resultados se muestran en
la figura 18.1 junto con los datos. As como sucede en la regresin, se
puede calcular la suma de los cuadrados de los residuos para cuantificar
la calidad del ajuste. El resultado es 2.85 X lo7. Aunque al ajuste
parece ser satisfactorio, se llevan a cabo nuevamente los c6lculos usan-
do valores de k que son f 20% del valor original de $49.3 diarios. Usando
los valores de k de 59.2 y 39.4 se obtienen las sumas residuales de los
cuadrados iguales a 1.05 x 10' y 5.35 x lo', respectivamente. Estas si-
mulaciones tambin se muestran en la figura 18. l.
En seguida se grafica la suma de los cuadrados de los residuos contra
k (Fig. 18.2) y se ajusta una parbola a travs de los puntos usando un
polinomio de interpolacin, Despus se determina k, como la suma m-
nima de los cuadrados, derivando la ecuacin de segundo orden, igua-
lndola a cero y resolviendo para k. El valor resultante de k = $46.8 diarios
se sustituye en la ecuacin (18.5) y se obtiene
dN N
dt 3 O00 - 1 750[N/ (10 O00 + N ) ]
- = -46.8
FIGURA 18.2 Grficc de la suma de los cuadrados de los residuos (S,) contra los va-
lores del parmetro k del modelo. La curva es una parbola ajustada
a tres puntos. El punto de pendiente cero de esta curva, representa una
aproximacin del valor k ($46.8/da) que corresponde a un valor mni-
mo de S,.
FIGURA 18.3 Modelo de predicciones usando la ecuacin (1 8.5) con k igual a $46.8/da.
607
. - ..
Este modelo produce una suma de los cuadrados de los residuos igual
a 2.24 X lo7; se puede usar para los propsitos predictivos. Las pre-
dicciones se muestran en la figura 18.3 junto con los datos iniciales. Los
resultados en t = 55, 65 y 90 das son 11 720, 9 383 y 5 596, respecti-
vamente. Esta informacin, que es superior a la obtenida mediante ajus-
te de curvas en el capitulo 12, se puede usar en el manejo de toma de
decisiones relacionadas con la venta de estas computadoras.
CASO 18.2 DISEO DE UN REACTOR
PARA PRODUCCIN FARMACUTICA
(INGENIERA QUMICA)
Antecedentes: los ingenieros qumicos disean reactores para el crecimiento
poblacional de organismos microbianos (recurdese el caso 12.2). Los
subproductos del crecimiento pueden ser productos farmacuticos tiles.
En la figura 18.4 se muestra el esquema de un reactor que opera a base
de flujo continuo. El flujo de entrada contiene pocos microorganismos de-
rivados, pero un alto contenido de nutrientes. Este flujo permanece en
el reactor por algn tiempo mientras que ocurre la reaccin bioqumica
y despus fluye hacia el exterior. El flujo de salida contiene una gran can-
tidad de nuevos microorganismos en crecimiento y una alta concentra-
cin de derivados del Crecimiento. Los nutrientes son ms bajos que a
la entrada debido a su utilizacin microbiana. El contenido del reactor se
mezcla vigorosamente de tal manera que la composicin de la mezcla de
salida y del tanque sean iguales.
Si la proporcin de flujo y el contenido de los nutrientes es constante,
el crecimiento de microorganismos se balancea por la prdida de orga-
nismos del tanque y se alcanza con el tiempo una densidad de poblacin
estable. Al intervalo de tiempo en que los organismos se ajustan e incre-
mentan su densidad se le llama periodo de inicio. La longitud del perio-
do de inicio es importante debido a que ste es tiempo perdido que cuesta
dinero a la compaa.
Al investigador se le propone desarrollar un modelo matemtico para
los microbios del reactor para predecir el periodo de arranque. El labora-
torio de investigaciones bioqumicas ha determinado que los microorga-
nismos crecen de acuerdo al modelo de crecimiento logstico (recurdese
el caso 6.3):
Velocidad de crecimiento = K (pmAx - p)p
donde p mx = 2 x 10 clulas por litro es la densidad microbiana m-
xima y K = 2 x litros por clula por da es el coeficiente de la velo-
cidad de crecimiento. Se requiere calcular el periodo de inicio para el caso
donde p ( t = O) = 100 000 clulas por litro, el promedio de flujo de enira-
da al tanque Q = 100 I/da y el volumen del tanque V = 700 I . El perio-
CASOS DE LA PARTE VI: ECUACIONES DIFERENCIALES ORDINARIOS 609
. " " _" " " _ _ -
FIGURA 18.4 Representacin esquemtica de un reactor de fluio continuo con mezcla-
do total empleado en el crecimiento de la poblacin de organismos mi-
crobianos.
do de inicio se define como el tiempo necesario para que la poblacin
crezca a 6 x l o5 clulas por litro. En este momento la produccin far-
macutica puede empezar.
Despus de haber obtenido un clculo confiable, se necesita usar el
modelo para ayudar a los operadores de la planta a decidir el nmero
ptimo de clulas a usarse en el tiempo t = O. Cuantos ms organismos
existan en t = O, ms corto ser el tiempo de inicio. Esto es importante
debido a que cuesta a la compaiia 1 O00 dlares diarios si el tanque est
fuera de produccin. Por lo tanto, existe laventaja de reducir el tiempo
de inicio usando ms organismos en t = O.
Por otro lado, los organismos nuevos son muy caros para comprar-
se. En la actualidad la compaa obtiene cepas de un laboratorio biolgi-
co con un costo de 3 O00 dlares por 100 millones de clulas. Por lo tanto,
el costo de 100 O00 clulas por litro usado en este an6lisls sera:
Costo = 100 O00 clulas/ 1(700 1)
$3 O00
100 x IO6 clulas
= $2 100
El costo de 200 O00 clulas por litro sera el doble . Por consiguiente exis-
ten ventajas y desventajas entre la reduccin del periodo de arranque y
el costo de nuevos organismos. El trabajo consiste en usar un modelo que
proporcione una gua a los operadores de la planta relacionado con el
nmero ideal de organismos en el tiempo t = O.
Solucin: primero se debe desarrollar la capacidad de simular el nmero
de organismos en funcin del tiempo. Las consideraciones de balance de
masas sugieren que
dP
dt
-
Acumulacin rnicrobiana
-
crecimiento de prdida de masa
en el tanque - biomasa microbiana - microbiana al exterior
Sustituyendo los pardmetros en la ecuacin (18.6) se obtiene:
- dP = 2 X 10-~(2 X lo6 - p)p - - p 100
dt 700
o, reordenando trminos
___ = 0.257 14 p - 2 X p 2
dP
dt
Esta ecuacin se puede resolver analticamente, pero se usar un mto-
do numrico para obtener la solucin. Primero, se usa el mtodo de Euler
con un tamao de paso de un da para calcular los resultados mostrados
en la figura 18.5. Se usa el mtodo Euler para este propsito debido a
que es muy fcil de programar y proporciona una estimacin rpida del
comportamiento general de la solucin. Como se puede ver, los microor-
ganismos necesitan alrededor de 10 das para el periodo de inicio; en t =
20 das han alcanzado una poblacin casi estable. A este periodo estable
se le llama estado estacionario.
En base al resultado anterior, se decide llevar a cabo la simulacin
en un periodo de 20 das. Tambin se decidi usar el mtodo de Ralston
o RK de segundo orden debido a su fcil programacin y a su creciente
exactitud en el resto de los clculos. En el cuadro 18.2 se muestran los
FIGURA 18.5 Simulacin del crecimiento microbiano en un proceso de produccin qu-
mica. Se usa el mtodo de Euler en la simclacin para hacer una evalua-
cin rpida del comportamiento de l a solucin. Ntese que dentro de
1 O das se termina el periodo de inicio, y en 20 das el reactor ha alcan-
zado casi el estado estacionario.
CASOS DE LA PARTE VI: ECUACIONES DIFERENCIALES ORDINARIOS 61 1
CUADRO 18.2 Crecimiento microbiano simulado utilizando una ED0 y el metodo
de Ralston RK de segundo orden. Se muestran resultados para ta-
maos de paso diferentes, as como la solucidn verdadera.
M6todo de Ralston RK de segundo orden
t, Solucidn
das h = 2 h = l h 0.5 ver-
dadera
O
2
4
6
8
10
12
14
16
18
20
100 O00
157 389
241 459
356 983
502 124
664 649
824 332
961 864
1 068 231
1 144 048
1 195 245
100 O00
158 482
244 265
361 805
508 550
671 699
831 161
968 558
1 074 745
1 150 200
1 200 719
100 O00
158 810
245 097
363 218
510 415
673 738
833 149
970 419
1 076 459
1 151 723
1 207 002
100 O00
158 931
245 403
363 736
511 095
674 479
833 867
971 080
1 077 050
1 152 233
1 202 420
resultados para tamaos de paso de 2, 1 y 0.5 das. Aunque el resultado
analtico exacto es poco factible en la mayor parte de los problemas de apli-
caciones verdaderas, se ha incluido en el cuadro 18.2 para propsitos
de comparacin. Obsrvese que todos los resultados numricos son muy
buenos, aun con el tamao de paso t = 2 - h se muestran errores de menos
del 5%. Si no se conoce la solucin verdadera, la exactitud de los clculos
se puede apreciar comparando los resultados obtenidos variando el tamao
del paso. Por ejemplo, las diferencias entre los resultados de h = 1 y 0.5
ocurren en la tercera cifra significativa. En consecuencia no se garantiza
ms exactitud debido a que una mayor precisin no sera discernible en una
grfica. Por lo tanto, se decide que h = 0.5 es adecuada para este propsito.
Al usar este tamao de paso y el modelo de Ralston se realizan dos
simulaciones adicionales con las condiciones iniciales de 200 O00 y 400
O00 clulas por litro. En la figura 18.6 se muestran estos resultados, jun-
to con el caso de 100 O00 clulas por litro. Como era de esperarse, cuan-
to ms organismos se usen como base ms se acortar el periodo de inicio,
como se puede ver en los resultados del cuadro 18.3. Ntese que usan-
do ms organismos al incio, se reduce el costo de retardo de 9 200 a 2
500 dlares. Sin embargo, el costo de compra de los organismos aumen-
ta de 2 100 a 8 400 dlares. El costo total, mostrado en la figura 18.7,
sugiere un mnimo alrededor de 250 O00 clulas por litro. El punto mni-
mo se puede aproximar ajustando una parbola a los tres puntos. Esta
funcin puede diferenciarse, igualarse la derivada a cero y resolver para
encontrar un valor de 264 O00 clulas por litro. Este nivel corresponde
a un costo total de 10 O00 dlares, quelepresenta el costo total ms ba-
jo, tomando en cuenta tanto los costos del periodo de inicio como de los
organismos semilla.
FIGURA 18.6 Simulaciones del crecimiento microbial usando tres condiciones iniciales
diferentes. Estos casos demuestran que, cuando se incrementa el nme-
ro de organismos semilla, el periodo de arranque se acorta.
FI GURA 18.7 Grfica del costo contra el nmero de organismos semilla (esto es, nmero de orga-
nismos en t =O). El hecho de que la curva sea plana sugiere que aunque exista ur
mnimo en 264 O00 clulas por litro, este resultado es insensible relativamente al n-
mero de organismos semilla.
Inconvenientes de costo en varios niveles iniciales de organismos
empleados en un proceso qumico de produccin
CASO 18.3
FIGURA 18.8
Concentracin Costo de Tiempo de Costo por Costo
inicial de compra de inicio retardo total
organismos organismos
clulasllitro $ h $ $
100 O00 2 100 9.2 9 200 11 300
200 O00 4 200 6.0 6 O00 10 200
400 O00 8 400 2.5 2 500 10 900
~~ ~~ ~ ~ -~
DEFLEXIN DEL MSTIL DE UN VELERO
(INGENIERA CIVIL)
Antecedentes: en la figura 18.8 se muestra un velero similar al de los ca-
sos 12.3 y 15.3, con una fuerza uniforme f distribuida a lo largo del ms-
til. En este caso, los cables que soportan al mstil se han quitado, pero
el mstil se monta firmemente en el casco del velero.
La fuerza del viento causa que el mstil se desve como se muestra
en la figura 18.9. La desviacin es similar a la de una viga en voladizo.
Se puede usar la siguiente ecuacin diferencial, basada en las leyes de
la mecnica, para calcular la deflexin:
- - (L - 2)*
d2Y
d z 2 2EI
"
[18.7]
Mstil del velero sujeto a una fuerza uniforme f.
614 METODOS NUMERI COS PARA INGENIEROS
FIGURA 18.9 Deflexin del mstil sujeto a una fuerza uniforme.
en donde E es el ndulo de elasticidad, L es la altura del mstil e I es
el momento de inercia. En z = O y dy / dz = O. Calclese la deflexin
en el tope del mstil en donde z = L usando mtodos analticos y num-
ricos. Supngase que el casco no gira.
Solucin: la ecuacin (18.7) se puede resolver analticamente para lade-
flexin en z = L:
f L4
y(z = L) = -
8EI
[18.8]
Este problema incluye una ecuacin diferencial que tiene una solucin
con caractersticas uniformes. Adems, el intervalo de integracin es re-
lativamente corto y la desviacin del mstil es pequea. Tambin los va-
lores de f y E se basan en datos experimentales variables y difciles de
medir exactamente. Por lo tanto, parece satisfactorio usar un mBtodo
de bajo orden para resolver la ecuacin diferencial. S10 se necesitar un
valor inicial, y probablemente se use un tamao de paso pequeo sin acu-
mulacin de errores de redondeo excesivos.
La ecuacin (18.7) se puede escribir como un sistema de dos ecua-
ciones de primer orden con una transformacin de variables. Sea
dY
- =u
dz
y, por lo tanto, la ecuacin (18.7) se expresa como
[18.9]
du
dz 2El
-
- (L - 2)* [18.10]
Este par de ecuaciones diferenciales se puede resolver simult6neamente
usando el mtodo de Euler.
Sin embargo, en primer lugar se puede obtener la solucin analtica por
comparacin. Dada una carga uniforma f = 50 libras/ pie, L = 30 pies,
E = 1.5 x lo8 libras/ pie2 e I = 0.06 pies4 la ecuacin (18.8) se resuelve
para:
50(30)4
y(30) = 8(1.5 x 108)0.06
= 0.5 625 pies
En seguida se resuelven las ecuaciones (18.9) y (18.10) usando el mtodo
~ de Euler. Los resultados de algunos pasos de integracin son:
Tamao de paso
Y(30) de Euler
0.574 4 1.0
0.563 7 0.1
0.563 1 0.05
I
Por lo tanto, la respuesta obtenida parece satisfactoria; la deflexin del ms-
FIGURA 18.10 til se muestra en la figura 18.10.
Grfica de la deflexin Los resultados se pueden usar para propsitos de diseo. Esto es espe-
del mstil de un velero cialmente valioso en casos donde la fuerza del viento no es constante sino
de Euler.
calculada con el mtodo vara de una forma complicada en funcin de la altura sobre la cubierta del
velero. El problema 18.13 proporciona un ejemplo de esta situacin.
CASO 18.4 SIMULACIN DE UNA CORRIENTE TRANSITORIA EN
UN CIRCUITO ELCTRICO
Antecedentes: son muy comunes los circuitos elctricos en donde la corriente
vara con el tiempo en vez de mantenerse constante. En el ciclo de lado
derecho se establece una corriente transitoria del circuito mostrado en la fi-
gura 18. ll cuando el conmutador se cierra de repente.
Las ecuaciones que describen el comportamiento transitorio del circuito
de la figura 18.11 se basan en las leyes de Kirchhoff, que dicen que la suma
algebraica de las cadas de voltaje alrededor de un ciclo cerrado es cero (re-
curdese el caso 6.4). Por lo tanto,
di
dt C
L- ++Ri +"( t ) =O 9
r18.111
donde L(di / dt ) es la cada de voltaje a travs del inductor, L es la inductan-
cia (en henrios), R es la resistencia (en ohmios), q es la carga del capacitor
Ei t )
a-. . " h
Conmu-'#* i *,. 1
tador
,, .
-
Batera -2 Vo , : ' Capacitor , Inductor
-
+ t
/i
s .
Resistencia
FIGURA 18.1 1 Circuito elctrico donde la corriente vara con el tiempo.
(en coulombs), C es la capacitancia (en faradios), E( t ) es la fuente de voltaje
(en voltios) variable con el tiempo, y
[18.12]
Las ecuaciones (18.11) y (18.12) son un par de ecuaciones diferenciales
lineales de primer orden que se pueden resolver analticamente. Por ejem-
plo, si E( t ) = Eo sen wt y R = 0,
-Eo w 0
U P 2 - w2) P L(p2 - w2)
q(t) = " -senp t + senw t [18.13]
en donde p =i/ m Los valores de q y dq/ dt son cero en t = O.
Emplese un mtodo numrico para resolver las ecuaciones (18.11) y (18.12)
y comprense los resultados con la ecuacin (18.13).
Solucin: este problema incluye un intervalo de integracin ms grande y
demanda el uso de mtodos de gran exactitud para resolver ecuaciones di-
ferenciales si se esperan buenos resultados. Supongamos que L = 1 H,
Eo = 1 V, C = 0.25 C y W2 = 3.5 s2. Esto genera p = 2 y la solucin
analtica de la ecuacin (18.13) viene a ser:
q(t) = - 1.870 8 sen 2t + 2 sen (1.870 8 t )
Esta funcin se muestra en la figura 18.12. La naturaleza de cambio r6pi-
do de la funcin exige grandes requerimientos a cualquier procedimiento
numrico para calcular q( t ) . Adems, debido a que la funcin exhibe una
pequefia variacin de naturaleza peridica as como un componente de
variacin rpida, se necesitan periodos de integracin grandes para tratar
de nuevo la solucin. Por lo tanto, se espera que sea preferido un mto-
do de orden superior en este problema.
No obstante, se pueden probar los mtodos de Euler y Runge-Kutta
de cuarto orden y comparar los resultados. Con el mtodo de Euler y
usando un tamao de paso de 0.1 S en t = 10 S se obtiene un valor de
q igual a -6.638 mientras que con el mtodo de Runge-Kutta de cuarto
orden se obtiene un valor de - 1.989 7. Este resultado es comparable
a la solucin exacta, - 1.996 C.
FIGURA 18.1 2 Pantalla de la computadora mostrando la grfica de una funcin [Ec. (18.13)].
La figura 18.13 muestra los resultados de laintegracin de Euler cada
1 .O S comparada con la solucin exacta. Ntese que se grafica slo cada
dcima de punto en la salida. Se puede ver que el error global aumenta
a medida que t aumenta. Este comportamiento divergente se intensifica a
medida que t tiende a infinito.
FiGURA 18.13 Resultados de la integracin de Euler contra la solucin exacta. Ntese que se grafi-
ca slo cada dcima de punto.
""""". -. -. . -"". . . . . . ...~. . _ ~_ - ~.
CASO 18.5
W
FIGURA 18.14
Diagrama de cuerpo
libre del pndulo
oscilante mostrando
las fuerzas sobre la
partcula y la
aceleracin.
EL PNDULO OSCILANTE
(INGENIERA MECNICA)
Antecedentes: en la ingeniera mecnica (as como en las otras ingenie-
ras) a menudo se enfrentan problemas relacionados con el movimiento
peridico de cuerpos libres (recurdese el caso 6.5). Los mtodos de in-
geniera requieren fundamentalmente que se conozca de la posicin y la
velocidad del cuerpo en funcin del tiempo. Estas funciones del tiempo
invariablemente son ecuaciones diferenciales ordinarias. Las ecuaciones
diferenciales, en general, se basan en la segunda ley de Newton del mo-
vimiento.
Como ejemplo, considrese el pndulo simple mostrado previamen-
te en la figura VI. l. La partcula de peso W se suspende de un hilo de
peso despreciable, de longitud l . Las nicas fuerzas que actan sobre la
partcula son un peso y la tensin R del hilo. La posicin de la partcula
en cualquier tiempo se especifica completamente en trminos del ngulo
0 y 1.
El diagrama de cuerpo libre de la figura 18.14 muestra las fuerzas
que actan sobre la partcula as como su aceleracin. Es conveniente apli-
car la segunda ley de Newton del movimiento en la direccin x, tangente
a la trayectoria de la partcula:
F =-Wseno =- a
W
9
donde g es la constante gravitacional (32.3 pies/s2) y a es la aceleracin
en la direccin x. La aceleracin angular de la partcula (a) es
Por lo tanto, en coordenadas polares (a = d2d/ dt 2) ,
O
d2e g
- + -sen6 = O
df2 1
[18.14]
Esta ecuacin aparentemente simple es una ecuacin diferencial no lineal
de segundo orden, En general, tales ecuaciones son difciles o hasta imposi-
bles de resolver analticamente. Existen dos alternativas relacionadas con
el avance en la solucin de este problema. Primero, la ecuacin diferen-
cial se puede reducir a una forma de resolver analticamente (recurdese
la seccin (VI .l . 1). O se puede usar un mtodo numrico para resol-
ver la ecuacin diferencial directamente. Se examinan ambas alternati-
vas en este ejemplo.
Solucin: de acuerdo al primer mtodo, se puede ver que la expansin de
la serie Taylor del sen 8 est dada por
o3 o5 07
seno=o--+-."
3! 5! 7!
+ * * * [18.15]
Para pequeos desplazamientos angulares, sen 6 es aproximadamente igual
a 8 cuando se expresa en radianes. Por lo tanto, para desplazamientos pe-
queos la ecuacin (18.14) se convierte en:
d20 g
- + - o = o
dt2 I
E18.161
que es una ecuacin diferencial lineal de segundo orden. Esta aproxima-
cin es muy importante debido a que laecuacin (18.16) es muy fcil de
resolver analticamente. La solucin, basada en la teora de las ecuaciones
diferenciales, esta dada por:
o(t ) = eo cos 4 t [18.17]
donde es el desplazamiento en t = O y en donde se supone que la ve-
locidad ( u = dO/dt) de lapartcula es cero en t = O. Al tiempo necesario
para que lapartcula complete un ciclo de oscilacin se lellama periodo y
est dado por
FIGURA 18.1 5 Grfica del desplazamiento (e) y la velocidad (d8/dt) en funcin del tiempo (t), colcu-
lada de la ecuacin (18.17). eo es n/4 y la longitud es de 2 pies.
" ."I.._""I_ . , .. . - . . ._"_
En la figura 18.15 se muestra una grfica del desplazamiento (O) y
la velocidad (de/&) en funcin del tiempo, como se calcula en la ecua-
cin (18.17) con Bo = 7r/4 y 1 = 2 pies. El periodo, calculado con la
ecuacin (18.17) es 1.565 9 s.
Los clculos anteriores en esencia son una solucin completa del movi-
miento de lapartcula. Sin embargo tambin se debe considerar la exactitud
de los resultados debido a lasuposicin inherente en la ecuacin (18.16).
Adems, para evaluar laexactitud, es necesario obtener una solucin nu-
mrica de la ecuacin (18.14) ! que es una representacin fsica ms com-
pleta del movimiento. Se puede usar cualquiera de los mtodos analizados
en los captulos 16 y 17 para este propsito, por ejemplo, los mtodos de
Euler y RK de cuarto orden. La ecuacin (18.16) 5% debe transformar en
dos ecuaciones de primer orden compatibles con los mtodos anteriores.
Esto se lleva a cabo como sigue. La velocidad u se define como
dO
dt
- =u
y, por lo tanto la ecuacin (18.14) se puede expresar como
[ 18.181
[18.19]
Las ecuaciones (18.18) Y (18.19) son un par de ecuaciones diferenciales
ordinarias simultneas. En el cuadro 18.4 se muestran los resultados gene-
rados con la solucin numrica por el mtodo de Euler y el mtodo RK
CUADRO 18.4 Comparacin de la solucin analitica lineal del pndulo oscilante con
tres soluciones numricas no lineales
Soluciones no lineales
Solucin
analitica
Tiempo lineal Euler RK de cuarto RK de cuarto
(h =0.05) orden orden
(h =0.05) (h =0.0 1 )
S ( 4 (b) (4 ( 4
0.0 0.785 398 0.785 398 0.785 398 0.785 398
0.2 0.545 784 0.615 453 0.566 582 0.566 579
0.4 -0.026 852 0.050 228 0.021 895 0.021 882
0.6 "0.058 3104 -0.639 652 -0.535 802 -0.535 820
0.8 -0.783 562 -1.050 679 -0.784 236 -0.784 242
1 .o -0.505 912 -0.940 622 -0.595 598 -0.595 583
1.2 0.080 431 -0.299 819 -0.065 611 -0.065 575
1.4 0.617 698 0.621 700 0.503 352 0.503 392
1.6 0.778 062 1.316 795 0.780 762 0.780 777
CASOS DE LA PARTE VI: ECUACIONES DIFERENCIALES ORDINARIOS 62 1
CUADRO 18.5
de cuarto orden. En el cuadro 18.4 se compara la solucin analtica de la
ecuacin lineal del movimiento [Ec. (18.17)] en la columna a) con la solu-
cin numrica en las columnas b), c) y d).
Los mtodos de Euler y RK de cuarto orden generan resultados dife-
rentes y ambos divergen de la solucin analtica, aunque el mtodo RK
de cuarto orden para el caso no lineal se acerca ms a la solucin analti-
ca que el de Euler. Para evaluar propiamente la diferencia entre los mo-
delos lineal y no lineal es importante determinar la exactitud de los resultados
numricos. Esto se lleva a cabo de tres formas diferentes. Primero, la so-
lucin numrica de Euler se reconoce fcilmente ya que es inadecuada
debido a sus inconvenientes en la condicin inicial en t = 0.8 s. Esto vio-
la claramente la ley de la conservacin de la energa. Segundo, las co-
lumnas c) y d) del cuadro 18.4 muestran la solucin del mtodo de
Runge-Kutta de cuarto orden con tamaos de paso de 0.05 y 0.01. Debi-
do a que estos varan en el cuarto lugar decimal, es razonable suponer
que la solucin con un tamao de paso de 0.01 tambin ser exacta con
este grado de certeza. Tercero, para el caso con un tamao de paso de
0.01 S, 6 alcanza un valor local mximo de 0.785 385 en t = 1.63 S (que
no se muestra en el cuadro 18.4). Esto indica que la partcula regresa a
su posicin original con una exactitud de cuatro cifras con un periodo de
1.63 s. Estas consideraciones permiten tener la seguridad que la diferen-
cia entre las columnas a) y d) del cuadro 18.4 representan realmente la
diferencia entre el modelo lineal y no lineal.
Otra manera de caracterizar la diferencia entre el modelo lineal y no
lineal es en base al periodo. En el cuadro 18.5 se muestra el periodo de
oscilacin calculado con los modelos lineal y no lineal para tres valores
diferentes iniciales del desplazamiento. Se ve que los periodos calculados
casi son iguales cuando 0 es pequeo debida a que 0 es una buena apro-
ximacin para sen 0 en la ecuacin (18.15). Esta aproximacin se dete-
riora a medida que 6 crece.
Estos anlisis son comunes en los casos en que rutinariamente se en-
cuentra un ingeniero. La utilidad de los mtodos numricos viene a ser
particularmente significativa cuando se trata de problemas no lineales, y
muchos problemas de la vida real son no lineales.
Comparacin del periodo de un cuerpo oscilante calculado de los
modelos lineal y no lineal
Periodo, S
~
Desplazamiento
Modelo l i neal Modelo no lineal
inicial
( I 2 7 r J / / g )
[solucin numrica de l a
60 ecuacin (1 8.14)]
a/l6
a/4
1.565 9 1.57
1.565 9 1.63
1.565 9 1.85
~~~~~ ~ ~~
PROBLEMAS
lngeniera en general
18.1 Reptase los clculos realizados en el caso 18.1 usando los programas propios
18.2 Efectense los mismos clculos del caso 18.1 usando k =$60/ da.
18.3 Efectunse los mismos clculos del caso 18.1 con una nueva ecuacin del costo
de las computadoras [reemplcese la Ec. (18.2)]:
Costo por computadora individual ($) =1 500 (I +e- 4 4x10- 5N 1
18.4 Reptase el problema del paracaidista (ejemplo 1.2), pero con una fuerza ac-
tuando hacia arriba debida a la fuerza de rozamiento que es proporcional a la
velocidad al cuadrado:
F, = -cu2
donde c =2.4 g/ cm. Grafquense los resultados y comprense con los del ejem-
plo 1.1.
Ingeniera qumi ca
18.6 Efectense los mismos cdlculos del caso 18.2 pero para el caso en que p( t = 0)
=50 O00 clulas por litro.
18.7 Efectense los mismos clculos del caso 18.2, pero para p ( t =0) =100 O00
clulas por litro y k =3 X litros por clula por da.
18.8 En el caso 12.2 se desarrolla la ecuacin (12.5) para modelar el crecimiento
de la levadura empleada en la produccin comercial de cerveza. Si el decai-
miento de la levadura es proporcional a 0.8 p y si la proporcin de cambio de
f se describe como
df dP
"
dt dt
- -_
resulvase para j y p en funcin del tiempo si f(0) =100 y p(0) =1. Intgrese
el par de ED0 hasta que p y f alcancen niveles estables. Grafquense los re-
sultados
18.9 Un balance de masa de una sustancia qumica en un reactor mezclada comple
tamente, se puede escribir como
velocidad de flujo de
Acumulacin =alimentacin - - reaccin
salida
donde V es el volumen (10 m3), c es la concentracin, F es la alimentacin
(200 g./ min), Q es la velocidad de flujo (1 m3/ min), y K es la velocidad de
reaccin (0.1 m3/ g/ min). Si c(0) =O, Resulvase la ED0 hasta que la con-
centracin alcance un nivel estable. Grafquense los resultados.
18.10 Reptase el problema usando el mtodo de disparo.
Ingeniera civil
18.11 Reptanse los clculos del caso 18.3 usando los propios programas.
18.12 Efectense los mismos clculos del caso 18.3, pero con una carga uniforme de
80 libras/ pie y una E =2 x lo8 libras/ pie2. Verifquense los resultados com-
parndolos con la solucin analtica.
18.13 Efectunse los mismos clculos del caso 18.3, pero en vez de usar una fuerza
del viento constante, utilcese una fuerza que vare con la altura de acuerdo a
(recurdese el caso 15.3):
.
!(x) =200 -
e -22/30
5 + 2
Grafquese y contra z comprense con los resultados con los del caso 18.3.
18.14 Duplquese la figura 6.4 integrando numricamente la ED0 del caso 6.3. VerifC
quense los resultados comparndolos con los de la soluci6n analtica [Ec. (6.9)].
18.15 El modelo de crecimiento logstico del caso 6.3 se puede aplicar tanto a la po-
blacin microbial como a la humana. Supngase que se planea un sistema de
abastecimiento de agua para una isla. Si pmlx =100 O00 personas y K =
personas . ao y si la poblacin inicial es de 10 O00 personas, qu tiem-
PO pasar para que la poblacin llegue a 90 O00 habitantes?
Ingeniera elctrica
18.17 Efectense los mismos clculos del caso 18.4, pero con R =203.
18.18 Resulvase la ED0 del caso 6.4 usando los mtodos numricos si q =0.1 e
i = - 3.281 5i 5 en t =O.
18.19 En un circuito RL simple, la ley de los voltajes de Kirchhoff requiere que (si se
cumple la ley de Ohm):
di
dt
L - +Ri =O
donde i es la corriente, L la inductancia y R la resistencia. Resulvase para
i , si L =R =1 e (O) = amperios. Resulvase este problema analtica-
mente y con un mtodo numrico.
18.20 En contraste con el problema 18.9, las resistencias reales no siempre obedecen
la ley de Ohm. Por ejemplo, la cada de voltaje puede ser no lineal y la dinmicz
del circuito descrita por relaciones del tipo
donde todos los parmetros son iguales a los definidos en el problema 18.19
e I es una corriente de referencia igual a 1. Resulvase para i en funcin del
tiempo bajo las mismas condiciones especificadas en el problema 18.19.
Ingeniera mecnica
18.21 Reptanse los clculos realizados en el caso 18.5 usando los programas propios.
18.22 Efectense los mismos clculos del caso 18.5 con un pndulo de 3 pies de
longitud.
18.23 Emplese un mtodo numrico para duplicar los clculos mostrados en la figura
6.10.
18.24 La tasa de enfriamiento de un cuerpo se puede expresar como
donde T es la temperatura del cuerpo (en grados centgrados), T, es la tempe-
ratura del medio que rodea al cuerpo (tambin en grados centgrados) y k es
una constante de proporcionalidad (por minuto). Por lo tanto, esta ecuacin es-
pecifica que el enfriamiento es proporcional a la diferencia de temperaturas en-
tre el cuerpo y el medio que lo rodea. Si se calienta una bola de metal a 90C
y se sumerge en el agua que se mantiene a una temperatura constante To
=20" C, emplese un mtodo numrico para calcular el tiempo que le toma
a la bola enfriarse a 30" C si k =O. 1 min
18.25 Lanse todos los casos del captulo 18. Con base a la lectura y a la experiencia,
invntese un caso propio en cualquiera de los campos de la ingeniera. Esto puede
implicar la modificacin o la reexpresin de alguno de los casos. No obstante
ste puede ser totalmente original. Como sucede en los ejemplos del texto, se
debe elaborar dentro del contexto de la solucin de problemas de la ingeniera
y se debe demostrar el uso de los mtodos numricos en la solucin de EDO.
Escrbanse los resultados usando los casos de este libro como modelos.
EPLOGO:
V1.4 ELEMENTOS DE J UICIO
PARTE Vi
En la tabla V1.3 se muestran los factores de ma-
yor importancia asociados con los mtodos num-
ricos en la solucin de ecuaciones diferenciales
ordinarias. Un ingeniero debe evaluar los facto-
res de esta tabla cuando seleccione un mtodo pa-
ra cada uno de los problemas en particular.
Se pueden emplear los mtodos simples de auto-
principio tales como el mtodo de Euler, si los re-
quisitos del problema comprenden intervalos de
integracin pequeos. En este caso, se puede ob-
tener la exactitud adecuada empleando intervalos
para evitar grandes errores de truncamiento, y los
errores de redondeo sern aceptables. El mtodo
de Euler tambin es apropiado en casos donde el
modelo matemtico tenga un nivel inherentemente
alto de incertidumbre o tenga coeficientes y fun-
ciones forzadas con errores significativos, como
puede suceder durante las mediciones de un pro-
ceso. En este caso la exactitud del modelo mismo
simplemente no justifica el esfuerzo aplicado en el
empleo de un mtodo numrico ms complicado.
Finalmente, los mtodos ms simples pueden ser
los mejores cuando el problema o la simulacin
se necesiten llevar a cabo slo pocas veces. En
estas aplicaciones tal vez sea mejor probar un m-
todo simple que sea fcil de programar y de en-
tender, a pesar de que el mtodo pueda ser
inefibente en cuanto al trabajo de cmputo, y con-
suma mucho tiempo para correrse en una compu-
tadora.
Si el intervalo de integracin del problema es de-
masiado grande de tal forma que comprenda un
gran nmero de pasos (ms de 1 000), entonces
puede resultar necesario y apropiado usar un m-
todo ms exacto que el de Euler. Los mtodos de
Runge-Kutta de cuarto orden y el de Adams de
cuarto orden son comunes y confiables en muchos
problemas de ingeniera. En estos casos, es acon-
sejable calcular el error de truncamiento en cada
paso como una guia en la seleccin del mejor ta-
mao de paso.
" - " N-
5555
O000
Z Z Z Z
o 0 0
- 7 - -
"
.- .-
u u
'U 'U
LLLL
Y"
SS
O 0
z z
O 0
"
o
O
O
3
S
C
x
C
x
EPiLOGO PARTE VI 627
Esto se puede llevar a cabo con los mtodos de cuarto orden de Adams
o de Runge-Kutta-Fehlberg. Si los errores de truncamiento son extre-
madamente pequeos, puede ser til aumentar el tamao del inter-
valo, con lo cual se ahorra tiempo de cmputo. Por otro lado, si los
errores de truncamiento son muy grandes, el tamao del intervalo se
debe disminuir para evitar acumulamiento de errores. El mtodo de
Milne se debe evitar si se esperan problemas cuya estabilidad sea sig-
nificativa. El mtodo de Runge-Kutta es simple de programar y con-
veniente en su uso pero puede ser menos eficiente que los mtodos
de pasos mltiples. Sin embargo, el mtodo de Runge-Kutta se em-
plea generalmente en cualquier evento para obtener valores inicia-
les en los mtodos de pasos mltiples.
Si se necesitan respuestas extremadamente exactas o si la funcin tie-
ne derivadas de orden superior, se podrn usar el mtodo de But-
cher de Runge-Kutta de quinto orden.
Un gran nmero de problemas de ingeniera pueden caer en un in-
tervalo medio de requisitos entre la integracin y la exactitud. En es-
tos casos los mtodos de Heun sin principio y el mtodo de Runge-Kutta
de segundo orden son simples de usarse y son relativamente eficien-
tes y exactos.
VI S RELACIONES Y FRMULAS IMPORTANTES
En el cuadro V1.4 se resumen las frmulas importantes se presenta-
ron en la parte VI, y puede consultarse para un acceso rpido a las
relaciones y frmulas importantes.
V1.6 MTODOS AVANZADOS
Y ALGUNAS REFERENCIAS ADICIONALES
Aunque se han revisado una gran cantidad de mtodos en la solu-
cin de ecuaciones diferenciales ordinarias, existe informacin adi-
cional que es muy importante en la prctica de la ingeniera. El tema
de estabilidad se introdujo en la seccin 17.3.3; es de importancia
fundamental en todos los mtodos de solucin de EDO. Se pueden en-
contrar anllsis ms detallados acerca de este asunto en Carnahan,
Luther y Wilkes ( 1 969), Gear ( 1 971) y Hildebrand ( 1 974).
La estabilidad tiene un significado especial sobre un tema menciona-
do brevemente en la seccin 17.1.5 y en el caso 18.4, la solucin de
ecuaciones rigidas. Estas ecuaciones contienen componentes con va-
MTODOS NUMRICOS PARA INGENIEROS
X
F
. +
' .-
.. .-
$ :
** "
-+
c
.-
-o
O
E
O
- +
L
L
+
o
u I I
2?
L -
U
o .&
EPLOGO PARTE VI 629
riaciones lentas y rpidas. Aunque el empleo de un mtodo con ta-
mao de paso variable o de orden superior puede ayudar en algunas
ocasiones, en general se necesitan mtodos especiales para la solu-
cin adecuada de ecuaciones rgidas. Se puede consultar Enright et
al. (1975), Gear (1971) y Shampine y Gear (1979)) los cuales inclu-
yen informacin adicional relacionada con estos mtodos.
En la seccin 16.4.2 se introdujo el mtodo de disparo en la solucin
de problemas con valores a lafrontera. Tambin se aludi al hecho
de que los mtodos de diferencias finitas del tipo utilizado en el caso
9.2 se pueden emplear en estos problemas. Se puede consultar Isaac-
son y Keller ( 1 966), Keller ( 1 968), Na ( 1 979) y Scott y Waits (1 976)
para una informacin adicional sobre problemas de valores a la
frontera.
Finalmente, existen mtodos nmericos para la solucin de ecuaciones
diferenciales parciales. Carnahan, Luther y Wilkes (1969), Gerald y
Wheatley (1 984) y Rice (1 983) proporcionan buenas introducciones al
tema. Se pueden consultar tambin Ames (1 977)) Gladwell y Wait (1979))
Vichnevetsky, ( 1 981, 1982) y Zienkiewicz ( 1 971) para tratamientos mas
profundos.
En resumen, lo anterior pretende proporcionar al lector un caminc
para que pueda seguir con estudios ms profundos sobre el tema. Adi-
cionalmente, todas las referencias anteriores proporcionan descrip-
ciones de los mtodos bsicos cubiertos en la parte VI. Sugerimos al
lector consulte lo ms pronto posible estas referencias alternas para
completar el dominio de los mtodos numricos en la solucin de ecua-
ciones diferenciales ordinarias.
BIBLIOGRAFA
Ames, W. F., Numerical Methods for Parhal Differential Equations, Academic Press,
Ang, A. H-S., and W. H. Tang, Probability Concepts in Engineering Planning and
Bent, R. J ., and G. C. Sethares, An Introduction to Computer Programming, 2d ed.,
New York, 1977.
Design, Vol. 1: Basic Principles, Wiley, New York, 1975.
BrookdCole, Monterey, Calif., 1982.
Brigham, E. O., The Fast Fourier Transfom, Prentice-Hall, Englewood Cliffs, N.J.,
1974.
Butcher, J. C., On Runge-Kutta Processes of Higher Order, J. Australian Math
Camahan, B., H. A. Luther, and J . O. Wilkes, Applied Numerical Methods, Wiley,
Cheney, W., and D. Kincaid, Numerical Mathematics and Computing, Brooks/ Cole,
Davis, P. J ., and P. Rabinowitz, Methods of Numerical Integration, Academic P r es s ,
Draper, N. R., and H. Smith, Applied Regression Analysis, 2d ed., Wiley, New York,
Enright, W. H., T. E. Hull, and B. Lindberg, Comparing Numerical Methods for Stiff
Forsythe, G. E., M. A. Malcolm, and C. B. Moler, Computer Methods for Mathe-
Gear, C. W., Numerical Initial-Value Problems in Ordinary Differential Equations,
Gerald, C. F., and P. O. Wheatley, Applied Numerical Analysis, 3d ed., Addison-
Gladwell, J., and R. Wait, A Survey of Numerical Methods for Partial Differential
Guest, P. G , Numerical Methods of Curve Fitting, Cambridge University Press, New
Hamming, R. W., Numerical Methods for Scientists and Engineers, 2d ed., McGraw-
Henrici, P. H., Elements of Numerical Analysis, Wiley, New York, 1964
Hildebrand, F. B., Introduction to Numerical Analysis, 2d ed., McGraw-Hill, New
Soc., 4179 (1964).
New York, 1969.
Monterey, Calif., 1980.
New York, 1975.
1981.
Systems of ODES, BIT, 15:lO (1975).
matical Compvtation, Prentice-Hall, Englewood Cliffs, N.J., 1977.
Prentice-Hall, Englewood Cliffs, N.J., 1971.
Wesley, Reading, Mass., 1984.
Equations, Oxford University Press, New vork, 1979.
York, 1961.
Hill, New York, 1973.
York, 1974.
BIBLIOGRAFA
Hornbeck, R. W., Numerical Methods, Quantum, New York, 1975.
Householder, A. S., The The0 y of Matrices in Numerical Analysis, Blaisdell, New
York, 1964.
Hull, T. E., and A. L. Creemer, The Efficiency of Predictor-Corrector Procedures,
J. Assoc. Cornput. Mach., 10291 (1963).
Isaacson, E., and H. B. Keller, Analysis of Numerical Methods, Wiley, New York,
1966.
J ames, M. L., G. M. Smith, and J. C. Wolford, Applied NumericalMethodsfor Digital
Computations with FORTRAN and CSMP, Harper & Row, New York, 1977.
Keller, H. B., Numerical Methods for Two-Point Boundary-Value Problems, Wiley,
New York, 1968.
Lapidus, L., and J . H. Seinfield, Numerical Solution of Ordinary Differential Equa-
tions, Academic Press, New York, 1971.
Lapin, L. L., Probability and Statistics for Modern Engineering, Brooks/Cole, Mon-
terey, Calif., 1983.
Lyness, J. M., Notes on the Adaptive Simpson Quadrature Routine, J. Assoc.
Comput. Mach., 16483 (1969).
McCracken, D. D., A Guide to FORTRANNProgramming, Wiley, New York, 1965.
Malcolm, M. A., and R. B. Simpson, Local Versus Global Strategies for Adaptive
Quadrature, ACM Trans. Math. Software, 1:129 (1975).
Maron, M. J ., Numerical Analysis, A Practical Approach, Macmillan, New York,
1982.
Merchant, M. J., The ABCs of Computer Programming, Wadsworth, Belmont,
Calif., 1979.
and J. R. Sturgul, Applied FORTRAN Programming with Standard FOR-
TRAN, WATFOR, WATFN and Structural WATFN; Wadsworth, Belmont,
Calif., 1977.
Muller, D. E., A Method for Solving Algebraic Equations Using a Digital Computer,
Math. Tables Aids Comput., 10205 (1956).
Na, T. Y. , Computational Methods in Engineering Boundary Value Problems, Aca-
demic Press, New York, 1979.
Noyce, R. N., Microelectronics, Scientific American, 237:62 (1977).
Ortega, J., and W. Rheinboldt, lteratiue Solution of Nonlinear Equations in Seueral
Variables, Academic Press. New York, 1970
Ralston, A,, Runge-Kutta Methods with Minimum Error Bounds, Match. Comp.,
16:431 (1962).
and P. Rabinowitz, A First Course in Numerical Analysis, 2d ed., McGraw-
Hill, New York, 1978.
Rice, J. R., Numerical Methods, Software and Analysis, McGraw-Hill, New York,
1983.
Ruckdeschel, F. R., BASIC Scientific Subroutines, Vol. 2, ByteiMcGraw-Hill, Peter-
borough, N.H., 1981.
Scarborough, J. B., Numerical Mathematical Analysis, 6th ed., J ohns Hopkins Press,
Baltimore, Md., 1966.
Scott, M. R., and H. A. Watts, A Systematized Collection of Codes for Solving
Two-Point Boundary-Value Problems, in Numerical Methods for Differential
Equations, L. Lapidus and W. E. Schiesser. eds., Academic Press, New York,
1976.
BI BLI OGRAF~A 633
Shampine, L. F., and R. C. Allen, J r., Numerical Computing: An Introduction,
and C. W. Gear, "A User's View of Solving Stiff Ordinary Differential Equa-
Saunders, Philadelphia, 1973.
tions," SIAM Review, 21:l (1979).
Stark, P. A., Introduction to Numerical Methods, Macmillan, New York, 1970.
Swokowski, E. W., Calculus with Analytical Geometry, 2d ed., Prindle, Weber and
Schmidt, Boston, 1979.
Thomas, G. B., J r., and R. L. Finney, Calculus and Analytical Geometry, 5th ed.,
Addison-Wesley, Reading, Mass., 1979.
Vichnevetsky, R., Computer Methods for Partial Differential Equations, Vol. 1 : Ellip-
tical Equations and the Finite Element Method, Prentice-Hall, Englewood Cliffs,
N.J., 1981.
,Computer Methods for Partial Differential Equations, Vol. 2: Initial Value
Problems, Prentice-Hall, Englewood Cliffs, N.J., 1982.
Wilkonson, J . H., The Algebraic Eigenualue Problem, Oxford University Press, Fair
Lawn, N.J., 1965.
Zienkiewicz, O. C., The Finite Element Method in Engineering Science, McGraw-Hill,
London, 1971.
INDICE
baco, 22-23
Ajuste de curvas:
con datos igualmente espaciados, 368-369
elementos de juicio en el, 409-411
interpolacin segmentaria (spline) en el,
mtodos avanzados para el, 411-413
NUMERICOMP, 329-331. 366-368
polinomio:
370-383
deNewton en el, 350-364
deLagrangeen el, 363-368
lineal en el, 319-337
mltipleen el, 342-344
polinomial en el, 337-341
regresin:
resumen de frmulas para el, 412
Wdase tarnbidn Interpolacin; Regresin)
de biseccin, 124
de correccin de errores para la eliminacin
gaussiana, 252
de diferencia de cocientes (DC), 201
definicin de, 25
diserio de, 25-26
de eliminacin gaussiana simple, 227-231
de integracin de Romberg, 470-472 '
de interpolacin cbica segmentaria (spline),
para inversin de matrices. 268
del mtodo:
Algoritmo(s):
383
de Heun, 549
de Gauss-Seidel, 274
mejorado del polgono, 549
de los mtodos de Runge-Kutta, 563
de regresin polinomial, 341-342
dela regla de Simpson, 452
desistemas de EDO, 565
de suma simple, 26
Almacenamiento, 45
AnSlisis:
de direccin, 309, 387-391, 604.607
estructural, 287-291, 296-297
de vibraciones (uase Oscilador armnico)
Aproximacin funcional, 413
Balance de masas, 297, 520, 624
BASIC:
definicidn de, 29
tabla de comparacin con FORTRAN, 32-40
(udase tarnbidn programas bajo Computadora)
Bsqueda incremental, 124, 139-140
CSlculos de estmulo-respuesta, 205-206,
266-267
Casos:
el mtodo de RK de cuarto orden, 605-607,
616-621
el mtodo de RK de segundo orden de Ralston,
610-611
Cifras significativas, 64-66, 74-77
Circuitos integrados, 22
Cdigo, 27
Coeficiente(s):
criterios de terminaci6n ( ' I , 70-71
de correlacin (r), 328, 337
de determinaci6n (r'), 326, 338
indeterminados, mtodo de, 475-476
de variacin, 312, 390
definicin de una, 22
grandes, 24
grbficadpor, 54-56
programas:
Computadora(s):
para la eliminacin gaussiana simple, 232-233
para Heun sin principio, 583-584
para la implementaci6n de la cuadratura
para iteracin de punto fijo, 151
iterativo para la implementacin del mtodo
gaussiana, 482-483
de Heun, 549
de biseccin, 130
de Euler, 537-538
Ralston, 563
para el mtodo:
para los mtodos de RK de segundo orden de
para pivote0 parcial. 246
para el polinomio de interpolacin de Newton,
360-361
para el problema del paracaidista:
versin legible al usuario, 51
versin simple, 49
440-441
para la regla trapezoidal de segmentos mltiples,
636 NDlCE
para regresin
lineal, 328-329
pollnomial, 341
para sistemas tridiagonales, 253
para suma simple, 30
de los determinantes, 241-243
de la matriz inversa, 267-268
de laregresin polinomial. 342, 411
ecuaciones algebraicas linealcs para la ley de.
EDO, 518, 522
Condicionamiento malo, 221, 238-243
Conservacin de masa
296
Constante de integracin. 521
Convergencia:
de la iteracin de punto fljo, 147-151
del mtodo.
de Heun, 544, 545
de Newton-Raphson. 154-157
sin principio, 583
de laregla falsa. 139
272-273
para el mtodo de Gauss-Seidel. criterlos de.
Correccin de errores, 249-252, 468-469,
Corrector modificador, 581-582, 594-597
Corriente raz cuadrada media (RCM), 399-401,
Criterios de terminacln ( E ) , 70-71
579-580
496-499
corrector de Heun. 542
integracin de Romberg. 472
iteracin de punto fijo 146
mtodo:
de biseccln, 127-130
de Newton-Raphson, 154
de laregla falsa, 136-137
Cuadratura (vase Integracin)
Cuadratura gaussiana, 474-484
analisis del error para la, 478-479
cambio de variables en la. 484-485
caso, 497-498
frmulas de Gauss-Legendre para la, 475-484
mtodo de coeficientes indeterminados para la,
475-476
Descomposicin LU (mtodo de Choleskyi, 306
Desviacin estandar. 311-314
Determinantes, 222-223
c6lculo de, 223-224. 243
de sistemas mal condicionados, 241-243
Diagonal dominante, 273
Diagramas de flulo
para el caso simple del problema del
paracaidista, 47
definicin de los, 26
para integracin:
desigualmente espaclada, 459
de Romberg, 473
de Gauss-J ordan, 263
smbolos usados en los, 28
para la suma simple, 28
para laversin de segmentos mltiples de la
para el mtodo:
regla de Simpson. 453
Diferenciacin numrica. 16. 87~93
sensibilidad de los datos al ruldo en la. 489
Diferencias divididas finitas, 16. 86-95
caso, 282-287, 490-491
Interpolacin igualmente espaciada con
mtodo de la secante con, 159
polinomios de Newton con, 350, 352-361
192-193, 392-395, 608-612
368-369
DinBmica del crecimlento demogrfico. 180-182,
Disco flexible, 45
Distribucin normal, 313
Dtvergencla (uase Convergencia)
Documentacin, 43-46. 52
Economa, 59. 172.176, 189-190, 404-405
Economizacin de Chebyshev. 413
Ecuacinies)
algebraicas (vase Sistemas de ecuaciones
diferenciales:
algebraicas lineales;
ordinarias (EDO)
de cuarto orden de Adams, 597~600
definidas, 515
elementos de J UI CI O en las. 625~627
estabilidad de las. 627
linealizacin de las. 517 518
mtodo(s):
avanzados para la solucln de las.
de Euler para la solucin de las. 528-540
de Hamming, 600
de Heun. 541-547. 549-550
de RK-Fehlberg para la solucin de las.
de Runge-Kutta para la solucln de las.
618-628
sin principio, 574-587
563
550-563. 565-566
de Milne. 595-600
NUMERICOMP. 540
orden de las, 515
polgono mejorado, 547-550
problemas
con valores a la frontera en las, 282-287.
con valor inicial, 522
522, 566-570. 627-628
reducan de rdenes superiores. 516
resumen de frmulas de las. 628
&idas, 627
sistemas de, 564-567
algoritmo para la computadora sobre,
usando el mtodo de Euler, 564
usando mtodos de two, 567-570
usando RK de cuarto orden. 566-567
565
solucin analtica de las. 519 S23
defimdas, 515
distribucin de la temperatura usando,
283-287
de Hazen-Wllliam, 404
de Laplace, 282-283
normales:
parciales (EDP), 629
de la regresin
lineal, 324
polinominal, 338
mltiple, 344
del promedio de creclmiento en la saturacln.
304
INDICE 637
caso, 392-395
races de (uose Races de ecuaciones)
rgidas. 585
s1mult6neas (uose Sistemas de ecuaciones
de Van der Waals, 177-178, 190-191
algebraicas lineales no lineales, 306
ordinarias):
rgidas, 627
comprendidos dentro del ajuste de curvas,
comprendidos dentro de las ecuaciones
comprendidos dentro de las ecuaciones
ED0 (uose Ecuaciones diferenciales
Elementos de juic~o, 101-106
409-411
algebraicas lineales, 301-304
diferenciales ordinarias, 627
comprendidos dentro de la integracin,
509-511
comprendidos dentro de las races de
ecuaciones, 113
Eliminacin:
gaussiana:
caso de la, 293, 294
desventajas de la, 236-243
efecto de los errores de redondeo en la.
escalamiento en la, 240-243, 246-248
evaluacin del determinante. 243
237-238, 250-251
formulacin para sistemas tridiagonales,
NUMERICOMP. 234-236
253-254
programa de computadora para la, 232-233
simple, 227-233
sistemas mal condicionados y, 238-243
de incgnltas, 225-227
en el momento de la ejecucin. 42
por equivocacin, 95-96
global de truncamiento en las EDO, 531
loca! de truncamiento:
Error(es)
en las EDO, 531, 579-580
en el mtodo de Euler, 531-537
en los mtodos de pasos mltiples,
579-580
de redondeo, 64, 67, 72-74
en las ecuaciones diferenciales ordinarias,
en laeliminacin gaussiana, efectos de los,
en los polinomios de interpolacin, 366
en laregla trapezoidal, 442, 467
en la regresin polinomial, 342
aprox~mados (Ea), 69-70
en biseccin, 127-130
en corrector de Heun, 544
en interaccin de Romberg, 472
en interaccin de punto fijo, 146
en el mtodo:
72-73, 530
237-238. 250-251
relativos, 68-71
de Heun sin principio. 574-575
de Newton-Raphson. 154
de la regla falsa, 139
reales, 66-67
de sintaxis. 41
de semntica, 41
de truncamiento. 64, 67, 77-85, 531
en la integracin, 434, 438, 444, 448, 450,
467, 482
en la interpolacin, 358-363
en los mtodos
de un paso, 530-536, 539, 547, 551,
de pasos mltiples, 513
153-154
561-563
en las races de ecuaciones, 580-581,
vease tambign Propagacin de errores de
truncamiento; Criterios de terminacin (Es)
Escalemiento. 241-244, 246-248
Estabilidad, 598-599, 627
Estadistica, 310-314
de los coeficientes de variacin, 312
de la desviacin estAndar, 312
de ladistribucin normal, 313
grados de libertad sobre, 312
histograma de, 314
de la media, 310
de la varianza, 311
para regresin
lineal, 326
mltiple, 344
polinomial, 338
Estimacin del error estfmdar:
Euler modificado, 547-550, 553-556
Exactitud, 66-67
Expansin en serie de Maclaurin, 59, 70-72,
99-100
Extrapolacin, 309, 369-370
caso de, 387-391, 604-607
de Richardson, 467-469
Fluidos, 194, 401-403
Forma de codificacin, 30-31
Formulacin de errores, 97
Frmula(s):
compuestas de integracin, 435
de Gauss-Legendre, 475-484
de integracin:
abierta de Adams-Bashforth, 591-592, 597
cerrada de Adams-Moulton, 592-594, 597
de interpolacin de Newton-Gregory, 369, 434,
445
de Newton-Cotes, 429, 454, 460
integracin'
abierta con las, 458, 460-461, 590-591,
cerrada con las, 453, 454-455, 591, 595
595
FORTRAN:
de Newton-Raphson. 152
tabla de comparacin de BASIC con, 32-39
definicin, 29
(vase tambin programas, bajo Computadora)
de incremento, 550
trascendentes. 113
suaves y continuas (spline), 370
Funcin(es):
Grados, de libertad, 311
Histograma, 313
638
~N DI C E
Inestabilidad, 558-559, 629
Integracin:
abierta, 430
frmulas de:
de Newton-Cotes, 458, 460-461. 589-590
de Adams-Bashforth, 591-592, 597
595
adaptiva de Simpson, 511
cerrada, 431
frmulas de:
Adams-Moulton para, 592-594, 597
de Newton-Cotes para, 454-455. 591
595
cuadratura gaussiana en la, 475-484
definicin de, 413
definida, 420
elementos de juicio en la, 509-511
frmulas:
de Adams. 591-594
cerradas de orden superior para,
454-455
compuestas, 454
de Newton-Cotes, 454-460, 589-591
indefinida, 517
con interpolacin cbica segmentaria (spline), 51 1
con intervalos desiguales, 455-459
mtodos avanzados para la, 511
NUMERICOMP, 442-444
promedio de funciones continuas, 419
con la regla 1/ 3 de Simpson, 443-448
con la regla 3/ 8 de Simpson, 449-451
regla trapezoidal en la, 431-443
resumen de frmulas de, 512
de Romberg, 465-474
caso, 501-503
caso, 498
para implementar la extrapolacin de Richard
son, 467-469
soluciones analticas de, 423-424
teorema fundamental de, 423
usando segmentacin suave (spline), 511
definida, 423
indefinida, 516
de superficie. 421
Integral(es):
tabla de, 423
de volumen, 421
caso, 387-391, 396-397, 400-401
cuadrstica, 351-354
segmentaria (spline), 373-378
cbica segmentaria (spline). 378-383
algoritmo para la, 383
derivacin de la, 379-380
integracin con. 511
Interpolacin:
con datos igualmente espaciados, 368-369
lineal, 350-351
polinomial
de Lagrange, 363-368
de Newton, 350-364
cbica, 378-383
lineal. 373-374
cuadrAtica, 374-379
algoritmo para la. 268
en el clculo de estmulos y respuestas, 266~267
segmentarla (spline), 370-383
. Integracin medlante. 51 1
Inversin de matrices. 211-212
caso, 281-282. 289-291
y mal condicionamiento, 267-268
mtodo de Gauss-Jordan para calcular la.
262-265
de Jacobi. 272, 273
de punto fijo:
Iteracin:
convergencia
de la, 148-151
aproximacin grfica de la, 148.151
programa de computadora para la. 151
Ley(es):
de Faraday, 519
de Fick de la difusin, 521
de Fourier del calor, 521
de Kirchoff, 183.186, 194, 291-293. 298-299,
615-618
Leibnitz. GottFried W von, 22
Lmealizacin
de ecuaciones no lineales, 332-336
de EDO. 519
Macrocornputadoras. 25
Mantenimiento, 45
Matriz(ces), 207-210
aumentada, 213-214
cuadrada, 208
213-214
ecuaciones algebraicas lineales que emplean.
inversa, 211-212
multiplicacin de, 210-211
reglas de operacin sobre, 209-214
transpuesta, 213-214
tridiagonal, 209
Media, 310-313
Mtodo(s)
avanzados:
par aluste de curvas, 411-413
para determinar races de ecuaciones. 199
en general, 107
para integracin, 513
oara la solucin.
201
de ecuaclones diferenciales ordinartas.
627-629
de sistemas de ecuaciones algebralcas linea
les, 304-306
de Bairstow, 201
de biseccin:
algoritmo del, 123
anlisis de error del. 127.130
casos del. 177, 183, 184-186, 188
criterios de termmacln del. 126.130
en In determinaan de races de ecuaciones,
122-132, 136-139
NUMERICOMP. 54-56. 122-123. 131-132
programas de computadora del. 130
de coeficlentes indeterminados. 475-476
de Crout ldescomposicin LU), 306
de Cholesky idescomposicln LU). 306
de diferencias finltas. 282-287. 571
de disparo. 56?-569
de Euler, 528-541
anlisls de error pala el. 531
caso del. 608. 614. 616~621
~NDICE 639
para el ejemplo del problema del para-
16-19, 538-539
errores:
caidista,
de redondeo en el, 531
de truncamiento en el, 531-537
frmula del, 528
NUMERICOMP, 538-539
modificaciones y mejoras al, 541-551
de primer orden, 534
para la solucin de EDO. 564
programa de computadora del, 538-539
de Gauss-Jordan, 259-268
caso, 281-282, 289-292
diagrama de flujo para el, 263
matrices inversas mediante el, 262-265
pivoteo, 268
de Gauss-Newton, 411
de Gauss-Seidel, 268-274,
algoritmo para el, 274
casos, 285-287
aplicaciones del. 274, 247
criterios:
de convergencia para el, 272-273
de terminacin para el, 270
diagrama de flujo para el, 275
dominancia diagonal, 273
y la iteracln de Jacobl, 272-273
con relajacin, 272-273
de Graeffe, 201
grdficos:
para ecuaciones algebraicas lineales, 220-221
para integracin, 416-417
para las rakes de ecuaciones, 119-122, 140,
145-152
resumen de los, 5
de Hamming, 600
de Heun. 541-550
corrector del:
criterios de terminacin para el, 543
derivacin del, 447-547
error en el. 547
ra el. 547
estimacin de los errores de truncamiento pa-
frmulas del, 543
sin principio, 576-586
mtodo de Runge-Kutta para el, 552-554
an6lisis del erra para el, 577-579
criterios de terminacin para el. 574-575
derivacin del, 579
estimacin de los errores de truncamiento
para el, 579-580
frmulas para el, 574
modificadores para el, 580-583
programa de computadora para el,
584-517
programa para el. 549
que usan intervalos, 119-142
de Marquardt. 413
iterativos, 70-71
mejorado del polgono. 547-550, 553-556
de Milne. 596-597
de Muller, 201
de Newton-Raphson:
estabilldad del, 598-599
aspectos de programacin de los, 158
andlisis de errores en los. 154-156
caso de los, 178-179
derivacin de los. 151-154
desventajas de los, 151-156
series de Taylor en los, 153-154
para races mltiples, 164-167
para sistemas no lineales, 306
de un paso, solucin a los, 527-528
de pasos descendentes, 411
mtodos:
de un paso, 563
de pasos mltiples para, 585-586
del punto medio, 460, 578, 590
dela regla falsa:
andlisis deerror para el, 135-136
casos para el. 177, 183, 188
Y SU comparacin con el mtodo de la secan-
te, 160-162
convergencia del, 138
criterios de terminacin para el, 136-137
desventajas del, 137-139
en la determinacin de races, 133-139,
160-163
frmula para el, 134
programa de computadora para el, 139
de Runge-Kutta, 550-563
errores en los, 561-563
de cuarto orden cldsicas, 558-559
de quinto orden de Butcher, 559-560
de segundo orden, 551-556
algoritmo para computadora, 563
derivacin de, 551
mtodo de Heun con un solo corrector,
polgono mejorado, 554
de Ralston, 554
553
de tercer orden, 556-557
de Runge-Kutta-Fehlberg, 562-563
dela secante:
casos, 177. 183. 188
convergencia del, 160-162
programa de computadora para el, 162
races mltiples v el. 167
de series de Taylo; de orden superior para las
EDO, 540-541
de varios pasos , 573
andlisis del error en los, 577-578
de cuarto orden de Adams. 529-597
derivacin de, 577-579
frmulas de integracin para los, 588-594
de Adams, 591-594
de Newton-Cotes, 589-591
de Hamming, 599
mtodo deMilneen los, 589-596
estabilidad del, 598-599
Heun sin principio, 574-587
modificadores del, 579-583, 594-595
Microcomputadoras, 24
Minimax, 333, 369
Minicomputadoras, 24
Modelacin de entrada-salida, 413
Modelo(s):
de crecimiento logistico, 180-182, 192
exponencial, 332-333
macrovariables. 205
matemAtico, 11
microvariables, 206
de potencias. 333-335
caso, 398-399
.___
640 NDlCE
de temperatura, 283-287. 296-297, 525
de variable continua, 206
variables agrupados, 206
derivacin general de los, 594-595
del predictor, 581-583, 594-596
Modificadores. 580-583
Nodos, 373
Normalizacin. 228
Notacin matriclal, 207-209
NUMERICOMP, 53-56
I ~~
biseccin dentro de, 131.132
grficas dentro de, 54-56, 121-122
eliminacin gaussiana dentro de, 233-235
interpolacin de Lagrange dentro de, 366-368
mtodo de Euler dentro de, 538-539
regla trapezoidal dentro de, 442-443
regresin lineal dentro de, 329-332
Oscilador armnico, 186-189. 194, 618-621
Pascal, 27
Blas, 22
Pendiente en un punto (vase Mtodo de Euler)
Pivoteo, 244-246
Polinomio(s):
de interpolacin
con diferencias divididas de Iewton, 350-364
cuadraticos, 351-352
errores en los, 358-363
forma general de los, 354~358
programa de computadora de los, 360-361
lineales, 350-351
redondeo en los, 366
de Lagrange, 363-368
derivacin del, 364
error en el, 363
errores de redondeo en el, 366
NUMERICOMP. 336-368
Precisin, 66-67
Predictor-corrector, 542-543
Principio de probalidad mdxima, 325
Problema(s):
ejemplo:
ortogonales, 411
(usose tambin Mtodos de varios pasos)
del paracaidista
de biseccin para el, 131-132
de cuadratura gaussiana para el. 482-484
de eliminacin gaussiana para el, 233-236
de interpolacin de Lagrange para el.
del metodo de Euler para el, 538-539
de la regla trapezoidal para el, 441-443
de regresin lineal para el, 329-332
modelos del, 12-19
programa de computadora para el, 46-51
366-368
de valores en la frontera, 282-287, 522.
567-570
mtodos:
de dlferencias finitas, 282-287. 571
de disparo para la solucin de. 567-570
en la solucin de diferencias finitas, 629
de valor inicial, 522
almacenamiento y mantenimiento de la, 45-46
composicin de la. 27. 27-41
definicin de la, 24
descendente, 48
diseo de algoritmos de, 24-26
documentacin de la. 43-44
modular. 41
rastreo y prueba de la. 41-42
smbolos de los diagramas de flujo para la, 28
( uase tambin NUMERICOMP, programas,
Propagacin de errores de truncamiento, 531
bajo Computadora)
Pruebas de hiptesis, 309, 395
Programacin:
Programas, 24
Races
complejas, 114. 201
de ecuaciones.
bsquedas mcrementales. 124 139-140
elementos de jumo en las. 197-199
mtodos
analticos para resolver, 109
avanzados para determinar las. 199. 201
de la biseccin para encontrar las. 123-133,
de Newton-Raphson para las, 152-158
de la regla falsa para encontrar las.
137-139
133-139. 160.162
las, 119-122, 145. 148-152, 157-158,
mtodos grficos para la obtencin de
resumen de frmulas. 200
163-164
~~
NUMERICOMP. 131.132
mltiples, 121~122, 163-167
de la secante para determinar las, 158.162
Rastreo, 41
Regla(s1:
de la cadena en la deri vach. 540-541. 551
de Cramer, 224-226
de redondeo, 75-77
de Simpson, 443-452
dlagrarna de flujo para la. 453
de 1/ 3, 444-449
caso, 490. 491, 493-497. 500~501
derivacin de. 445
estimacin del error de, 445-446
frmula de, 445. 454
relacin
con las EDO. 591
con el mtodo de Runge Kutta. 556-558
segmentos mltiples, 442-446. S91
de 3/ 8, 449-451
caso, 502-503
estimacin de errores de la. 451
frmula de la, 450
trapezoidal, 431-443
caso, 489, 491. 493, 496-499. 500-503
de segmento(s)
desiguales, 455-455
mltiples, 437-443
rorreccin de errores, 467-470
- ~NDICE 64 1
estimacin del error en, 439
frmula de, 438
extrapolacin de Richardson, 467.470
NUMERICOMP, 441-443
redondeo, 443, 466
programa para el mtodo de, 440-441
simple. 431-437, 453, 547, 577, 590, 593
comparacin con la cuadratura gaussiana,
derivacin, 432, 434, 475-476
estimacin del error, 433-434
frmula. 431
relacin con las EDO. 547, 577, 591.
474-475
593
Regresin
lineal, 321-336
coeficiente:
caso, 388-389. 398-399
de correlacin (r) de la, 328
criterio del mejor ajuste, 321-322
de determinacin (r2) de la, 326
ecuaciones normales, 323
limitaciones de la, 336-337
estimacin del error estdndar para el, 326
linealizacin de ecuaciones no lineales,
NUMERICOMP, 329-331
programa de computadora para, 328-329
mltiple, 37, 342-344
332-337
caso de estudio, 402-403
ecuacin de potencias de la, 344
estimacin del error estndar para la,
344
no lineal, 393, 411
pol~nomial, 336-342
caso, 388-392
algoritmo para la, 341-342
estimacin del error esrdndar de la, 338
ecuaciones normales de la, 338
subrutina para las ecuaciones normales de la,
341
Regula falsi (vase regia falsa, balo Mtodo)
Relajacin, 273-274
caso, 286-287
Resumen de frmulas:
para ecuaciones:
para el ajuste de curvas, 412
algebraicas lineales, 305
diferenciales ordinarias, 628
para integracin, 512
mtroduccln al, 107
Segunda ley de Newton, 11-14, 187, 293-294,
Serie(s) :
521, 620
de Taylor, 78-93
de gradiente aritmtico, 60, 174-175
frmulas:
de integracin de Adam para la, 591-593
de Newton-Raphson que usa, 154-155
de Euler en la. 531-534
de orden superior para las E D0 con,
mtodos:
540-541
Sistemas:
residuo en la, 78-79, 82, 84-86
de ecuaciones algebraicas lineales
definicin, 203
factores de importancia, 301-304
eliminacin gaussiana en los, 227-252
Gauss-Jordan, 259-268
Gauss-Seidel, 268-274
mtodos avanzados, 304, 306
inversin de matrices mediante los, 262-267
NUMERICOMP, 234-235
de pocas ecuaciones, 219-227
tridiagonales, 253-254, 380-381
resumen de frmulas, 305
singulares mal condicionados, 221
Software, 24 (vase tambin NUMERICOMp)
Solucin analtica:
de EDO, 518-524
de integrales, 422-423
Spline (vase interp0;acin segmentaria cbica)
en la solucin de races de ecuaciones, 109
Para el problema del paracaidista, 15
Tabla de integrales. 423
Teorema:
fundamental del cdlculo integral, 422, 577
del valor medlo. 85, 147
Transformada rdpida de Fourier, 413
Valores propios, 306
Varianza, 312

Metodos Numericos de Chapra

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Metodos Numericos de Chapra

Uploaded by

Copyright:

Available Formats

MTODOS NUMRICOS PARA

You might also like