1

PRLOGO
En el presente escrito se muestran los mtodos numricos ms sencillos y tiles de
implementar en problemas comunes de ingeniera. En los temas presentados no se hacen
deducciones matemticas complejas o profundas ni discusiones largas sobre los mtodos sino
que se muestra el mtodo con alguna sencilla forma de ver el por qu funciona, se presenta el
algoritmo en lenguaje C++ o en pseudocdigo, y luego se procede a ilustrar con ejemplos,
algunos tomados de problemas de ingeniera, implementados en C++.

















2

CONTENIDOS
1. INTERPOLACIN
1.1. Error y clases de errores
1.2. Polinomios de Lagrange
1.3. Interpolacin lineal
2. APROXIMACIN
2.1. Mnimos cuadrados
2.2. Transformada rpida de Fourier
3. RACES DE ECUACIONES
3.1. Mtodo de punto fijo
3.2. Mtodo de Newton-Raphson
3.3. Mtodo de la secante
4. DIFERENCIACIN NUMRICA
4.1. Diferencias finitas
5. INTEGRACIN NUMRICA
5.1. Mtodo de los trapecios
5.2. Mtodo de Simpson de 1/3 y 3/8
6. ECUACIONES DIFERENCIALES CON VALOR INICIAL
6.1. Mtodo de Euler
6.2. Mtodo de Runge-Kutta de cuarto orden










3

0. ERRORES
Ahora que disponemos de una idea correcta de qu es el error y de cual es su origen, podemos
formalizar el concepto de error. Generalmente, no conocemos el valor de una cierta magnitud
y hemos de conformarnos con un valor aproximado x. Para estimar la magnitud de este
error necesitamos dos definiciones bsicas:
Error absoluto de x:

()

Error relativo de x:

()

()

En la prctica, se emplea la expresin:

()

()

En general, no conocemos el valor de este error, ya que no es habitual disponer del valor
exacto de la magnitud, sino slo de una acotacin de su valor, esto es, un nmero (), tal
que:

|

()|

()

bien:
|

()|

()

De acuerdo con este formalismo, tenemos que un nmero se representar del siguiente
modo:

() (

()

Dgitos significativos
Sea x un nmero real que, en general, tiene una representacin decimal infinita. Podemos
decir que x ha sido adecuadamente redondeado a un nmero con ddecimales, al que
denominaremos x
(d)
, si el error de redondeo, es tal que:
|

()
| |

4

Ejemplo 1: Exprese el nmero x=35.47846 correctamente redondeado a cuatro (x
(4)
) y tres (x
(3)
)
decimales. Calcular el error cometido.
Solucin: en el primer caso obtenemos: x
(4)
=35.4785

()
| |

En el segundo caso, la aproximacin correcta es: x
(3)
=35.478

()
| |

y no la siguiente: x
(3)
=35.479

()
| |

Es decir, no es correcto redondear por exceso cuando el dgito anterior es 5 y proviene de un
acarreo previo.
Otra forma de obtener el nmero de cifras significativas es mediante truncamiento, en donde
simplemente se eliminan los dgitos de orden inferior. El error cometido en este caso es:
|

()
| |

y que, en general, conduce a peores resultados que el mtodo anterior.
Ejemplo 2: Exprese el nmero x=35.47846 truncado a cuatro (x
(4)
) y tres (x
(3)
) decimales.
Calcular el error cometido.
Solucin: x
(4)
=35.4784

()
| |

x
(3)
=35.478

()
| |

5

Propagacin de errores
Cuando se resuelve un problema matemtico por mtodos numricos y aunque las
operaciones se lleven a cabo exactamente, obtenemos una aproximacin numrica del
resultado exacto. Es importante tratar de conocer el efecto que sobre el resultado final del
problema tiene cada una de las operaciones realizadas.
Para estudiar cmo se propaga en error, veamos cual es el efecto que cada una de las
operaciones bsicas tiene sobre el error final cuando se aplican sobre dos nmeros

) y

)
Cuando el problema consiste en calcular el resultado y = f(x) tenemos la siguiente frmula
aproximada de propagacin del error:

() |()|

()
En el caso ms general, en que una funcin depende de ms de una variable
(

) la frmula aproximada de propagacin del error maximal es:

() |
(

()
Ejemplo 3: Determinar el error mximo cometido en el clculo y = x
1
x
2
2
para

Solucin: El error cometido, se puede calcular mediante:

() |

) |

() |

) |

)
6

Sustituyendo valores, obtenemos:
()

() ()

Por lo que el resultado final se debe expresar como:

Ejemplo 4: Sea el siguiente sistema de ecuaciones lineales:
{



En dnde ; b = 1 / a y d = b a Con qu exactitud podemos determinar el
producto xy?
Solucin: Primero resolveremos el sistema de ecuaciones por reduccin:

()
()
;
()
()

Ecuaciones que conducen a la siguiente expresin para el producto:


()

()

()

Resolveremos ahora el problema por dos mtodos. Primero, calcularemos el error asociado a
cada una de las variables y los trminos de la expresin anterior:

()

()

()

()

()

()

()

()
( )

()

()

()

()
( )

()

()

()

()
( )

()

()

()

()

()

()

()

()

()

()

()

()

()

()
Sustituyendo valores, obtenemos el siguiente resultado:

Una forma mucho ms adecuada de resolver este problema consiste en sustituir en la
expresin
()

()

()

los valores de b y d por sus correspondientes expresiones en

7

funcin de a. Sustituyendo y operando, obtenemos que el producto y el error asociado vienen
dados por:
(

() (|| |

|)

()
Que, sustituyendo valores, conduce al resultado:

Si ambos resultados son correctos Por qu el error es mucho menor en el segundo caso que
en el primero? La respuesta es simple: en el segundo caso hemos eliminado operaciones
intermedias, permitiendo que algunos errores se cancelen mutuamente. En general, cuanto
menor sea el nmero de pasos intermedios que efectuemos para alcanzar la solucin, menor
ser el error cometido.
Ejercicios adicionales
1. Con qu exactitud es necesario medir el radio de una esfera para que su volumen sea
conocido con un error relativo menor de 0.01%? Cuantos decimales es necesario emplear
para el valor de ?
Soluciones:

()

. El nmero debe expresarse al menos con seis cifras

decimales.

2. Supongamos una barra de hierro de longitud l y seccin rectangular a*b fija por uno de sus
extremos. Si sobre el extremo libre aplicamos una fuerza F perpendicular a la barra, la
flexin s que sta experimenta viene dada por la expresin:

En donde E es una constante que depende slo del material denominada mdulo de Young.
Conociendo que una fuerza de 140 Kp aplicada sobre una barra de 125 cm de longitud y
seccin cuadrada de 2.5 cm produce una flexin de 1.71 mm, calcular el mdulo de Young y el
intervalo de error. Suponer que los datos vienen afectados por un error mximo
correspondiente al de aproximar por truncamiento las cifras dadas.

8

1. INTERPOLACIN
La interpolacin consiste en hallar un dato dentro de un intervalo en el que conocemos los
valores en los extremos.
La extrapolacin consiste en hallar un dato fuera del intervalo conocido, pero debe tenerse en
cuenta que est prximo a uno de sus extremos, pues en otro caso no es muy fiable el
resultado obtenido.
1. Planteamiento general
El problema general de la interpolacin se nos presenta cuando nos dan una funcin de la cual
solo conocemos una serie de puntos de la misma:
(x
o
, y
o
), (x
1
, y
1
),........., (x
n
, y
n
)
y se pide hallar el valor de un punto x (intermedio de x
0
y x
n
) de esta funcin.
El de la extrapolacin cuando el punto que queremos considerar est a la derecha de x
n
o a la
izquierda de x
o
.
Se desea, por tanto encontrar una funcin cuya grfica pase por esos puntos y que nos sirva
para estimar los valores deseados.
El tratamiento para ambos problemas es similar se utilizarn los polinomios interpoladores,
pero en el caso de la extrapolacin el punto debe estar muy prximo a uno de los extremos.
2. Interpolacin. Eleccin de la interpolacin ms adecuada.
Consideremos una funcin de la cual solo conocemos una serie de puntos de la misma:
(x
o
, y
o
), (x
1
, y
1
), .............., (x
n
, y
n
) [1]
Deseamos encontrar la expresin analtica de dicha funcin para poder estudiarla en otros
puntos.
Ahora bien, por n+1 puntos pasan infinitas funciones, con cul de ellas nos quedamos? Lo
ms lgico es recurrir a la ms sencilla. La familia de funciones ms sencillas es la de los
polinomios, por tanto buscaremos el polinomio de menor grado que pase por los n+1 puntos
dados.
9

La funcin polinmica de menor grado que pasa por los puntos [1] es en principio de grado
n:
y= a
n
x
n
+............+a
1
x+a
o

Y se obtiene resolviendo el sistema de n+1 ecuaciones con n+1 incgnitas (sistema que tiene
solucin nica ya que el determinante de la matriz de los coeficientes es de Vandermonde y
por lo tanto distinto de cero)
Se le llama polinomio interpolador correspondiente a esos puntos. Una vez obtenida su
expresin dando valores en l se pueden encontrar nuevos puntos de la funcin. Los
resultados obtenidos son naturalmente estimaciones aproximadas.
La interpolacin se dir lineal cuando slo se tomen dos puntos y cuadrtica cuando se tomen
tres.
En este tema nos limitaremos a estos dos tipos de interpolacin.
Ejemplo 1. De una funcin conocemos tres puntos (-3, 5), (1, -1) y (3, 11). qu podemos decir
de esa funcin cuando x=0 y cuando x=10?
Solucin
Calculamos el polinomio interpolador que ser de 2 y= ax
2
+ bx +c, que pase por los tres
puntos , se verifica:
5=a(-3)
2
+b(-3)+c por pasar por el punto (-3, 5)
-1=a+b+c por pasar por el punto (1, -1)
11=a.3
2
+b.3+c por pasar por el punto (3, 11)
Resolviendo el sistema que se nos plantea nos queda: ()

) Cuando
x=0, P(0)=-13/4; si x=10, P(10)=527/4
El primero, una interpolacin, es probablemente una buena aproximacin del valor de la
funcin desconocida, en el punto 0.
Sin embargo, el valor 527/4 es probable que se parezca poco al valor de la funcin en el punto
10, pues es el resultado de una extrapolacin muy lejana. No se pueden dar reglas generales
10

para decidir cul es la interpolacin ms adecuada, pues no siempre al aumentar el grado del
polinomio aumenta la precisin en la estimacin.
Depende siempre del caso concreto a estudiar. A veces la naturaleza del problema nos da una
idea de cul es la interpolacin (o extrapolacin) ms conveniente. Por ejemplo si los
incrementos de la funcin son proporcionales a los de la variable independiente (o casi
proporcionales) podremos usar la interpolacin lineal.
Ejercicio 1. Se conoce la poblacin de cierto municipio, para el 31 de diciembre en los aos que
se indican:
aos 1950 1960 1970 1980 1990
Poblacin 827 1058 1304 1582 1836
Efectuar una representacin grfica y observar cul sera en este caso la interpolacin ms
conveniente.
1.2. Interpolacin lineal
La interpolacin consiste en hallar un dato dentro de un intervalo en el que conocemos los
valores en los extremos.
Si se supone que las variaciones son proporcionales se utiliza la interpolacin lineal.
Sean dos puntos (x
1
, y
1
) y (x
3,
y
3
), entonces la interpolacin lineal consiste en hallar una
estimacin del valor y , para un valor x tal que x
1
<x <x
3
.

Teniendo en cuenta que las variaciones en una relacin lineal son constantes entonces
podemos determinar por ejemplo las siguientes proporciones:

2 2 2
3 2 2 1
2 1 3 2
y y y y
x x x x

=

11

De igual forma podemos determinar por ejemplo que:
o lo que es equivalente
Despejando y obtenemos que:

Ejemplo de interpolacin lineal: Si queremos aproximadamente determinar la mediana para el
tamao de las ordenes, a travs de interpolacin lineal entonces podemos proceder de la
siguiente manera:

Tamao de las rdenes durante el pasado ao fiscal de la compaa Eliot

Tamao de.. N de
ordenes
Porcentaje
de ordenes
Porcentaje
acumulado

950 23.3 23.3

940 23.1 46.4

110 2.7 49.1

680 16.7 65.8

260 6.4 72.2

480 11.8 84

650 16 100

Fuente: Ctedra de Estadstica

Observando la tabla de distribucin de frecuencias vemos que el intervalo que acumula el 50%
de los datos es , por lo tanto en l est contenida la mediana.
Ahora suponiendo que las frecuencias estn distribuidas proporcionalmente en el intervalo:

50____________49,1
Me___________50
100__________65,8

3 1 2 1
2 1 3 1
y y y y
x x x x

=

2 1 2 1
3 1 3 1
x x y y
x x y y

=

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

= +

| ) 0,10
| ) 10, 25
| ) 25,50
| ) 50,100
| ) 100, 250
| ) 250,500
| ) 500,1000
| ) 50,100
12

Podemos plantear por ejemplo la siguiente proporcin:



Despejando

=52,99

Nota: La interpolacin se puede realizar tanto con las frecuencias acumuladas absolutas, como
con las relativas o relativas porcentuales.

1.3. Polinomios de Lagrange
El problema de la interpolacin polinmica de Lagrange consiste en lo siguiente:
Conocidos los valores de una funcin en n + 1 puntos distintos

, i = 0, 1, , n de un
intervalo [a,b], nos planteamos obtener un polinomio

de grado no superior a n, que

coincida con la funcin f en estos n + 1 puntos, es decir

) (

), para i = 0, 1, ,n.
El polinomio

buscado forma parte del conjunto de los polinomios de grado menor o igual
que n y, por tanto,

() ser de la forma

()

y, para
determinarla, habr que calcular la n + 1 coecientes reales

. En el caso que


sea no nulo, diremos que

() tiene exactamente grado n.

(Formula de interpolacin de Lagrange)
Sean : [a, b] R y {

}, n+1 puntos distintos del intervalo [a,b]. Entonces, existe

un nico polinomio

() de grado menor o igual que n, que verica:

) (

), para i = 0, 1, ,n.
A este polinomio se le denomina polinomio de interpolacin de en los nodos {

}
y viene dado por

) (

()

donde * + y

()

50 50 49,1
100 50 65, 8 49,1
Me
=

(100 50)(50 49,1)
50
(65,8 49.1)
Me

= +

13

Ejemplo. Del siguiente conjunto ajuste un polinomio con n = 3 puntos para el valor de t = 251

x y
94 929
205 808
371 860

()
( )( )
( )( )

( )( )
( )( )

( )( )
( )( )


()


Ejemplo 2
Se conoce la siguiente tabla de valores de una funcin discreta f(x)

x 2 4 5 6 8 10
f(x) -9.0907 -10.7568 -10.9589 -10.2794 -9.0106 -10.5440


Se pide

1) hallar f(2.4) por medio de una aproximacin con un polinomio interpolante de grado 1.

2) hallar f(4.9) por medio de una aproximacin con un polinomio interpolante de grado 2.

3) hallar f(5.1) por medio de una aproximacin con un polinomio interpolante de grado 3.



1) Para el polinomio interpolante de grado 1 elijo 2 puntos entre los ms cercanos a x=2.4

Los puntos elegidos son: x=2 y x=4

(2.4)= (2.4 4) / (2-4)= 0.80000

(2.4)=(2.4-2)/(4-2)= 0.20000

P(2.4) = -9.4239


2) Para el polinomio interpolante de grado 2 elijo 3 puntos entre los ms cercanos a 4.9,

Los puntos elegidos son:

4 5 6
-10.7568 -10.9589 -10.2794




14

(4.9)= 0.05500

(4.9)= 0.99000

(4.9)= -0.04500

P(4.9) =-10.978

3) Para el polinomio interpolante de grado 3 elijo 4 puntos entre los mas cercanos a 5.1

Los puntos elegidos son



4 5 6 8
-10.7568 -10.9589 -10.2794 -9.0106

Los lagrangianos valuados en 5.1 son

(5.1) = -0.03262

(5.1)= 0.95700

(5.1) = 0.07975

(5.1) = -0.00412

Y el valor aproximado de la funcin en el punto 5.1es P(5.1)= -10.919

2. APROXIMACIN
APROXIMACION LINEAL








La aproximacin () ()

()( ) se llama aproximacin lineal de en y la

expresin
() ()

()( ) se denomina lineacin de .

La aproximacin de() () es buena cuando x est cerca de a.
As, por ejemplo, si se quiere hallar la linealizacion de la funcin ()

en a=125 y usar
dicho resultado para obtener una aproximacin del numero

.
Entonces ()

15

As que ()

()

Luego: ()

( ) ()

De esta forma

En particular

Ejemplo: Escribir los polinomios de interpolacin de Lagrange para los siguientes
datos:

x
i -2 0 1
f (x
i
) 0 1 -1

Escribir ambos polinomios en la forma a+bx+cx
2
con el fin de verificar que son idnticos.

2.1. Mnimos cuadrados
El mtodo de mnimos cuadrados para el clculo de la ecuacin de una recta a travs de los
datos de inters da la lnea de mejor ajuste, para llegar a la ecuacin de tendencia por mnimos
cuadrados se resuelven dos ecuaciones simultneamente.
El mtodo de los mnimos cuadrados postula que la mejor recta que pasa por los puntos (pares
ordenados x, y) ser aquella cuya suma de los cuadrados de los residuos sea mnima o tienda a
cero. Es decir:

esto significa que si deseamos estimar la

reproducibilidad entre varias medidas de la misma magnitud o propiedad, siempre se presenta
una desviacin del valor medido en una magnitud "d", la cual se define como:
d = Valor medido - valor promedio de las varias medidas

( )

Esto es, se pretende calcular una funcin generada a partir de los datos experimentales, por lo
que se plantea: que no necesariamente es la "y" medida experimentalmente,
de tal manera que si la funcin calculada es una lnea recta entonces: por lo que:
( )

( )

16

Como se desea un mnimo de la suma de las desviaciones, se deriva en forma parcial con
respecto a m y b.
( )

( )

( )

( )(

)

( )

( )()
( )

)
Para encontrar el mnimo hay que igualar la primera derivada a cero, y despejando.
El procedimiento ms objetivo para ajustar una recta a un conjunto de datos presentados en
un diagrama de dispersin se conoce como "el mtodo de los mnimos cuadrados". La recta
resultante presenta dos caractersticas importantes:
1. Es nula la suma de las desviaciones verticales de los puntos a partir de la recta de ajuste
( )
2. Es mnima la suma de los cuadrados de dichas desviaciones. Ninguna otra recta dara una
suma menor de las desviaciones elevadas al cuadrado
( ) ()
El procedimiento consiste entonces en minimizar los residuos al cuadrado

( )

Reemplazando nos queda

, ( )-

La obtencin de los valores de a y b que minimizan esta funcin es un problema que se puede
resolver recurriendo a la derivacin parcial de la funcin en trminos de a y b: llamemos G a la
funcin que se va a minimizar:
, -

Tomemos las derivadas parciales de G respecto de a y b que son las incgnitas y las igualamos
a cero; de esta forma se obtienen dos ecuaciones llamadas ecuaciones normales del modelo
17

que pueden ser resueltas por cualquier mtodo ya sea igualacin o matrices para obtener los
valores de a y b.
, -

Derivamos parcialmente la ecuacin respecto de a

( )()
( )
( )


Primera ecuacin normal
Derivamos parcialmente la ecuacin respecto de b

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

Segunda ecuacin normal
Los valores de a y b se obtienen resolviendo el sistema de ecuaciones resultante.
Veamos el siguiente ejemplo:
En un estudio econmico se desea saber la relacin entre el nivel de instruccin de las
personas y el ingreso.


18

EJEMPLO 1
Se toma una muestra aleatoria de 8 ciudades de una regin geogrfica de 13 departamentos y
se determina por los datos del censo el porcentaje de graduados en educacin superior y la
mediana del ingreso de cada ciudad, los resultados son los siguientes:
CIUDAD: 1 2 3 4 5 6 7 8
% de (X)
Graduados: 7.2 6.7 17.0 12.5 6.3 23.9 6.0 10.2
Ingreso (Y)
Mediana: 4.2 4.9 7.0 6.2 3.8 7.6 4.4 5.4 (0000)
Tenemos las ecuaciones normales

Debemos encontrar los trminos de las ecuaciones
y, x, xy, x Por tanto procedemos de la siguiente forma:

Y X XY X
4.2 7.2 30.24 51.84
4.9 6.7 32.83 44.89
7.0 17.0 119.00 289.00
6.2 12.5 77.50 156.25
3.8 6.3 23.94 39.69
7.6 23.9 181.64 571.21
4.4 6.0 26.40 36.00
5.4 10.2 55.08 104.04
43.5 89.8 546.63 1292.92

19

Sustituyendo en las ecuaciones los resultados obtenidos tenemos: 43.50 = 8a + 89.8b
546.63 = 89.8a + 1292.92b
Multiplicamos la primera ecuacin por (-89.8) y la segunda por (8) as:
43.50 = 8a + 89.8b (-89.8) 546.63 = 89.8a + 1292.92b (8)
-3906.30 = -718.4a - 8064.04b 4373.04 = 718.4a + 10343.36b
466.74 = -0- 2279.32b

Este valor de b lo reemplazamos en cualquiera de las ecuaciones para obtener a as:
Reemplazando b = 0.20477 en la primera ecuacin normal
43.5 = 8a + 89.8 (0.20477) 43.5 = 8a + 18.3880 43.5 - 18.3880 = 8a 25.1120 = 8a

=3.139
Tenemos entonces que los coeficientes de regresin son : a = 3.139 y b = 0.20477. Por tanto la
ecuacin de regresin nos queda:
()
Significa entonces que por cada incremento en una unidad en X el valor de se aumenta en
0.20477
Esta ecuacin permite estimar el valor de para cualquier valor de X, por ejemplo: Una ciudad
que tiene un porcentaje de graduados a nivel superior del 28% la mediana de ingreso para la
ciudad ser:
()

Los valores a y b tambin se pueden obtener de la siguiente forma: partiendo de las
ecuaciones normales tenemos:

Si dividimos todos los trminos de la ecuacin (1) entre n nos queda:

20

Tenemos entonces que el primer trmino es el segundo trmino es la incgnita a y el tercer
trmino es la incgnita b multiplicada por por tanto nos queda:
Entonces
Reemplazando a en la ecuacin (2) tenemos

( )

( )

a = 5.4375 0.20477 (11.2250) = 5.4375 2.2985 = 3.139
Se debe tener presente la diferencia entre el valor de

obtenido con la ecuacin de regresin

y el valor de Y observado. Mientras

es una estimacin y su bondad en la estimacin

depende de lo estrecha que sea la relacin entre las dos variables que se estudian; Y es el valor
efectivo, verdadero obtenido mediante la observacin del investigador. En el ejemplo Y es el
valor mediano del ingreso que obtuvo el investigador utilizando todos los ingresos observados
en cada ciudad y

es el valor estimado con base en el modelo lineal utilizado para obtener la

ecuacin de regresin
Los valores estimados y observados pueden no ser iguales por ejemplo la primera ciudad tiene
un ingreso mediano observado de Y = 4.2 al reemplazar en la ecuacin el porcentaje de
graduados obtenemos un

estimado de

21

()
Grficamente lo anterior se puede mostrar as:


Claramente se observa en la grfica que hay una diferencia entre el valor efectivo de Y y el
valor estimado; esta diferencia se conoce como error en la estimacin, este error se puede
medir.

Foro de pregunta por cipas
Un investigador ha observado que la vida media de una bacteria vara con la temperatura
media en la siguiente forma
Temperatura 6 9 12 15 16
Vida media 104,2 140,4 181,7 220,2 257,6
Se pide:
a) Efectuar una representacin grfica, tomando en abscisas las temperaturas y en ordenadas
la vida media.
b) Calcular las variaciones de la funcin vida media al variar la temperatura.
c) Los resultados anteriores indican que la vida media vara linealmente con la temperatura?
d) En caso afirmativo, mediante interpolacin lineal, obtener la vida media para las siguientes
temperaturas: 8, 10,2, 14,5 y 15,3
Foro de pregunta individual
En una facultad universitaria de nueva creacin el nmero de alumnos matriculados
evolucion de la siguiente forma:
22

Aos 1 2 3 4 5
Alumnos Matriculados 425 640 941 2790 6123

a) Efectuar una representacin grfica tomando como abscisas los aos y como ordenadas el
n de alumnos.
b) Hubiese sido una buena idea obtener el nmero de alumnos matriculados en el tercer
curso mediante la interpolacin lineal?
c) Cul crees que sera la ms conveniente?


TALLER 1
Para entregar enviar por este medio.
1. Por medio del polinomio interpolante de Lagange, hallar el valor aproximado de la
funcion f(x) en el punto x= 3.5, si f(x) es una funcin discreta representada por la
siguiente tabla de valores:

x 1 4 6
f(x) 1.5709 1.5727 1.5751

2. Se conoce la siguiente tabla de valores de una funcin discreta f(x)

x 2 4 5 6 8 10
f(x) -9.0907 -10.7568 -10.9589 -10.2794 -9.0106 -10.5440


Se pide

1) hallar f(2.4) por medio de una aproximacin con un polinomio
interpolante de grado 1.

2) hallar f(4.9) por medio de una aproximacin con un polinomio
interpolante de grado 2.

3) hallar f(5.1) por medio de una aproximacin con un polinomio
interpolante de grado 3.


3. Mediante el mtodo de Newton - Raphson Obtenga la raz de la siguiente funcin:
()

. Se sita un punto inicial

23

3. Un fabricante de refrigeradores desea saber la densidad del agua, dada cierta temperatura.
Sin embargo, solo tiene datos sobre temperaturas distintas a las de inters, como la siguiente
tabla:

T[C] Densidad [

18 998.5
20 998.2
22 997.7

Le pide su ayuda, porque no sabe qu hacer y necesita calcular la densidad cuando
T=20.256C.
a) Calcule el polinomio de interpolacin por el mtodo de diferencias divididas.
b) Calcule el polinomio de interpolacin por el mtodo matricial.
c) Calcule el polinomio de interpolacin por el mtodo de Lagrange.
d) Calcule la densidad para T=20.256C.
3. RACES DE ECUACIONES
3.1. Mtodo de punto fijo
Este mtodo se aplica para resolver ecuaciones de la forma ()
Si la ecuacin es () , entonces puede despejarse bien sumar en ambos lados de
la ecuacin para ponerla en la forma adecuada.
Ejemplos:
1) La ecuacin se puede transformar en .
2) La ecuacin

se puede transformar en

.
Dada la aproximacin

, la siguiente iteracin se calcula con la frmula:

)
Supongamos que la raz verdadera es

, es decir,

)

Restando las ltimas ecuaciones obtenemos:

) (

)

Por el Teorema del Valor Medio para derivadas, sabemos que si () es contnua en , - y
diferenciable en ( ) entonces existe ( ) tal que
()
()()

.
En nuestro caso, existe
En nuestro caso, existe en el intervalo determinado por

tal que:
24

()
(

) (

De aqu tenemos que:

O bien,

Tomando valor absoluto en ambos lados,

Observe que el trmino es precisamente el error absoluto en la sima
iteracin, mientras que el trmino corresponde al error absoluto en la sima
iteracin.
Por lo tanto, solamente si , entonces se disminuir el error en la siguiente iteracin.
En caso contrario, el error ir en aumento.
En resumen, el mtodo de iteracin del punto fijo converge a la raz si para en
un intervalo que contiene a la raz y donde es contnua y diferenciable, pero
diverge si en dicho intervalo.
Analicemos nuestros ejemplos anteriores:
- En el ejemplo 1, y claramente se cumple la condicin de que
. Por lo tanto el mtodo s converge a la raz.
- En el ejemplo 2, y en este
caso, . Por lo tanto, el mtodo no converge a la raz.
Para aclarar el uso de la frmula veamos dos ejemplos:
Ejemplo 1
Usar el mtodo de iteracin del punto fijo para aproximar la raz de ,
comenzando con y hasta que .
Solucin
Como ya aclaramos anteriormente, el mtodo s converge a la raz.
Aplicando la frmula iterativa tenemos,
25


Con un error aproximado de
Aplicando nuevamente la frmula iterativa tenemos,

Y un error aproximado de .
Intuimos que el error aproximado se ir reduciendo muy lentamente. En efecto, se necesitan
hasta 13 iteraciones para lograr reducir el error aproximado menor al 1%. El resultado final
que se obtiene es:


Con un error aproximado igual al .
Ejemplo 2
Usar el mtodo de iteracin del punto fijo para aproximar la raz de ,
comenzando con y hasta que .
Solucin
Si despejamos la del trmino lineal, vemos que la ecuacin equivale a

de donde,

En este caso, tenemos que . Un vistazo a la grfica,



26

nos convence que , para , lo que es suficiente para deducir que el
mtodo s converge a la raz buscada.
Aplicando la frmula iterativa, tenemos:

Con un error aproximado del 100%.
Aplicando nuevamente la frmula iterativa, tenemos:

Con un error aproximado igual al 28.41%.
En este ejemplo, el mtodo solo necesita de 5 iteraciones para reducir el error menor al 1%.
Resumimos los resultados en la siguiente tabla:
Aprox. a la raz Error aprox.
0
-0.2 100%
-0.1557461506 28.41%
-0.1663039075 6.34%
-0.163826372 1.51%
-0.164410064 0.35%
De donde vemos que la aproximacin buscada es:


Veremos a continuacin un ejemplo del metdo de la Punto Fijo con la siguiente ecuacin:



3.2. Mtodo de Newton-Raphson
Este mtodo, el cual es un mtodo iterativo, es uno de los ms usados y efectivos. A diferencia
de los mtodos anteriores, el mtodo de Newton-Raphson no trabaja sobre un intervalo sino
que basa su frmula en un proceso iterativo.
Supongamos que tenemos la aproximacin a la raz de ,
27


Trazamos la recta tangente a la curva en el punto ; sta cruza al eje en un
punto que ser nuestra siguiente aproximacin a la raz .
Para calcular el punto , calculamos primero la ecuacin de la recta tangente. Sabemos que
tiene pendiente


Y por lo tanto la ecuacin de la recta tangente es:


Hacemos :


Y despejamos :


Que es la fmula iterativa de Newton-Raphson para calcular la siguiente aproximacin:


, si

Note que el mtodo de Newton-Raphson no trabaja con intervalos donde nos asegure que
encontraremos la raz, y de hecho no tenemos ninguna garanta de que nos aproximaremos a
dicha raz. Desde luego, existen ejemplos donde este mtodo no converge a la raz, en cuyo
caso se dice que el mtodo diverge. Sin embargo, en los casos donde si converge a la raz lo
hace con una rapidez impresionante, por lo cual es uno de los mtodos preferidos por
excelencia.
Tambin observe que en el caso de que , el mtodo no se puede aplicar. De hecho,
vemos geomtricamente que esto significa que la recta tangente es horizontal y por lo tanto
no intersecta al eje en ningn punto, a menos que coincida con ste, en cuyo
28

caso mismo es una raz de !
Ejemplo 1
Usar el mtodo de Newton-Raphson, para aproximar la raz de ,
comenzando con y hasta que .
Solucin
En este caso, tenemos que


De aqu tenemos que:


Comenzamos con y obtenemos:


En este caso, el error aproximado es,


Continuamos el proceso hasta reducir el error aproximado hasta donde se pidi.
Resumimos los resultados en la siguiente tabla:
Aprox. a la raz Error aprox.
1
1.268941421 21.19%
1.309108403 3.06%
1.309799389 0.052%
De lo cual conclumos que , la cual es correcta en todos sus dgitos!
La misma idea puede aplicarse para crear algoritmos que aproximen races -simas de
nmeros reales positivos.
Observe que cuando el mtodo de Newton-Raphson converge a la raz, lo hace de una forma
muy rpida y de hecho, observamos que el error aproximado disminuye a pasos agigantados
en cada paso del proceso. Aunque no es nuestro objetivo establecer formalmente las cotas
para los errores en cada uno de los mtodos que hemos estudiado, cabe mencionar que si
existen estas cotas que miden con mayor precisin la rapidez lentitud del mtodo en
estudio.
29

Ejemplo 1
Usar el mtodo de Newton-Raphson, para aproximar la raz de ,
comenzando con y hasta que .
Solucin
En este caso, tenemos que


De aqutenemosque:


Comenzamos con y obtenemos:


En este caso, el error aproximado es,


Continuamos el proceso hasta reducir el error aproximado hasta donde se pidi.
Resumimos los resultados en la siguiente tabla:
Aprox. a la raz Error aprox.
1
1.268941421 21.19%
1.309108403 3.06%
1.309799389 0.052%
De lo cual concluimos que la aproximacin obtenida es:


Ejemplo 2
Usar el mtodo de Newton-Raphson para aproximar la raz de ,
comenzando con y hasta que .
x e x f
x
ln ) ( =

1
0
= x
% 1 < e
a
1
0
= x
1 arctan ) ( + = x x x f
0
0
= x
% 1 < e
a
30

Solucin
En este caso, tenemos que


La cual sustitumos en la frmula de Newton-Raphson para obtener:


Comenzamos sustituyendo para obtener:


En este caso tenemos un error aproximado de
Continuamos con el proceso hasta lograr el objetivo. Resumimos los resultado en la siguiente
tabla:
Aprox. a la raz Error aprox.
0
0.5 100%
0.5201957728 3.88%
0.5202689918 0.01%
De lo cual conclumos que la aproximacin obtenida es:



3.3. Mtodo de la secante
Este mtodo se basa en la frmula de Newton-Raphson, pero evita el clculo de la derivada
usando la siguiente aproximacin:



Sustituyendo en la frmula de Newton-Raphson, obtenemos:
0
0
= x
% 100 % 100
5 . 0
0 5 . 0
=

= e
a
31



Que es la frmula del mtodo de la secante. Ntese que para poder calcular el valor de ,
necesitamos conocer los dos valores anteriores y .
Obsrvese tambien, el gran parecido con la frmula del mtodo de la regla falsa. La diferencia
entre una y otra es que mientras el mtodo de la regla falsa trabaja sobre intervalos cerrados,
el mtodo de la secante es un proceso iterativo y por lo mismo, encuentra la aproximacin
casi con la misma rapidez que el mtodo de Newton-Raphson. Claro, corre el mismo riesgo de
ste ltimo de no converger a la raz, mientras que el mtodo de la regla falsa va a la segura.
Ejemplo 1
Usar el mtodo de la secante para aproximar la raz de , comenzando
con , y hasta que .
Solucin
Tenemos que y , que sustitumos en la frmula de la
secante para calcular la aproximacin :

Con un error aproximado de:

Como todava no se logra el objetivo, continuamos con el proceso. Resumimos los resultados
en la siguiente tabla:
Aprox. a la raz Error aprox.
0
1 100%
0.612699837 63.2%
0.653442133 6.23%
0.652917265 0.08%
De lo cual conclumos que la aproximacin a la raz es:
32




Ejemplo 2
Usar el mtodo de la secante para aproximar la raz de ,
comenzando con y , y hasta que .
Solucin
Tenemos los valores y , que sustitumos en la frmula de
la secante para obtener la aproximacin :

Con un error aproximado de:

Como todava no se logra el objetivo, continuamos con el proceso. Resumimos los resultados
en la siguiente tabla:
Aprox. a la raz Error aprox.
0
1 100%
0.823315073 21.4%
0.852330280 3.40%
0.853169121 0.09%
De lo cual conclumos que la aproximacin a la raz es:


4. DIFERENCIACIN NUMRICA

33

Por definicin la derivada de una funcin f(x) es:

()

( ) ()

Las posibles aproximaciones numricas de la derivada en un punto que podran calcularse
tomando una sucesin *

+, Tal que *

+ , se tienen las siguientes expresiones.

)
(

) (

)
(

) (

La aproximacin de la derivada por este mtodo entrega resultados aceptables con un
determinado error. Para minimizar los errores se estima que el promedio de ambas entrega la
mejor aproximacin numrica al problema dado.

4.1. Diferencias finitas
Mtodo de Diferencias Finitas
El mtodo de diferencias finitas consiste en aproximar la funcin por polinomios. Las frmulas
resultantes pueden clasificarse de las siguientes maneras:
a) En base al orden de la derivada, obtenindose

)
b) En base al orden de la diferencia, pueden ser primera, segunda, tercera, etc.
c) En base a los puntos de apoyo de la formula en la tabla, es decir, si se emplean puntos
antes, despus o ambos lados de algn punto de inters.


Existen tres tipos y son:
1) Diferencias hacia adelante, cuando se usan puntos anteriores del punto de
inters.
2) Diferencias hacia atrs, cuando se emplean puntos posteriores al punto de inters.
3) Diferencias centrales. Cuando se usan puntos tanto antes como despus del punto
de inters.

Referencias para las frmulas de diferencias finitas:

: Indica el punto de inters, de estudio o de anlisis.

: Espaciamiento constante de la tabla.
(

): Funcin evaluada en el punto de anlisis.

(

) (

) (

) (

)

(

) (

) (

) (

)
34


Frmulas de diferencias finitas hacia adelante

Primera diferencia

(

)
(

) (

)
(

) (

) (

)
(

) (

) (

) (

)
(

) (

) (

) (

) (

Segunda diferencia

(

)
(

) (

) (

)
(

) (

) (

) (

)
(

) (

) (

) (

) (

)
(

) (

) (

) (

) (

)(

Ejemplo
Sea la funcin , calcular las derivadas por mtodos numricos en el punto , en base a
la siguiente tabla, con , aplicando la formula de la primera diferencia finita hacia
adelante.

4.7 4.8 4.9 5.0 5.1 5.2 5.3
() 1.54756 1.56862 1.58922 1.60944 1.62924 1.64866 1.6677

Solucin:
Para () . El valor verdadero de

()

()


(

)
(

) (

() ()

35

| |

| ()

Segunda derivada

)
(

) (

) (

() () ()
()

)
()

| |
()

| ()

Ejemplo.
Sea la funcin , calcular las derivadas por mtodos numricos en el punto , en base a
la siguiente tabla, con , aplicando la formula de la segunda diferencia finita hacia
adelante.

4.7 4.8 4.9 5.0 5.1 5.2 5.3
() 1.54756 1.56862 1.58922 1.60944 1.62924 1.64866 1.6677

Solucin:
Para () . El valor verdadero de

()

()






Primera derivada

(

)
(

) (

) (

() () ()
()


(

)
() ()

36

| |

|


Segunda derivada

(

)
(

) (

) (

) (

)
() () () ()
()

)
() () ()

| |
()

| |

Comentarios:

La aproximacin lograda presenta errores muy elevados, pues 1% para la primera derivada y
5% para la segunda derivada, en la primera diferencia hacia adelante es prcticamente
intolerable en un clculo de este tipo. En la segunda diferencia de este mismo mtodo
(diferencias finitas hacia adelante) presenta igualmente un error elevado del 0.01% para la
primera derivada, que parecera un resultado bastante aceptable, sin embargo esto es debido
a la inestabilidad del mtodo, y para la segunda derivada el error es del 5%, valor igual
obtenido con la aplicacin de la primera diferencia.
Los resultados obtenidos por este mtodo son engaosos, por la inestabilidad que presentan
debido a la simplicidad de su forma y a los parmetros reducidos considerados para el clculo.
Si el resultado procurado necesita de cierta exactitud respecto del valor real, este mtodo no
es recomendable, ya que casi aleatoriamente puede presentar buena precisin en algunos
casos, mientras que en otros producir errores muy grandes.


Frmulas de diferencias finitas hacia atrs

Primera diferencia

(

)
(

) (

37

(

)
(

) (

) (

)
(

) (

) (

) (

)
(

) (

) (

) (

) (

Segunda diferencia

(

)
(

) (

) (

)
(

) (

) (

) (

)
(

) (

) (

) (

) (

)
(

) (

) (

) (

) (

) (

Ejemplo

Sea la funcin , calcular las derivadas por mtodos numricos en el punto , en base a
la siguiente tabla, con , aplicando la frmula de la primera diferencia finita hacia atrs.

4.7 4.8 4.9 5.0 5.1 5.2 5.3
() 1.54756 1.56862 1.58922 1.60944 1.62924 1.64866 1.6677




Solucin:
Para () . El valor verdadero de

()

()

Diferencias finitas hacia atrs (primera diferencia)
Primera derivada

(

)
(

) (

() ()

| |

| ()

Segunda derivada
38


(

)
(

) (

) (

() () ()
()

)
()

| |
()

| ()

Ejemplo

Sea la funcin , calcular las derivadas por mtodos numricos en el punto , en base a
la siguiente tabla, con , aplicando la formula de la segunda diferencia finita hacia atrs.

4.7 4.8 4.9 5.0 5.1 5.2 5.3
() 1.54756 1.56862 1.58922 1.60944 1.62924 1.64866 1.6677

Solucin:
Para () . El valor verdadero de

()

()

(

)
(

) (

) (

() () ()
()

() () )

| |

| |

(

)
(

) (

) (

) (

() () () ()
()

() () ()

| |
()

| |

Comentarios:

La aproximacin presentada por este mtodo de diferencias hacia atrs presenta resultados
muy parecidos al mtodo de diferencias hacia adelante; sin embargo para la segunda derivada
se nota que el error producido es del 25%, totalmente intolerable en un clculo donde
normalmente se pretende precisin y exactitud.
39

Los resultados obtenidos por este mtodo son igualmente engaosos, debido tambin a la
inestabilidad del mtodo


INTEGRACIN NUMRICA
Hasta ahora en el curso de Clculo Integral, nos ensean como calcular una integral definida
de una funcin contina mediante una aplicacin del Teorema Fundamental del Clculo.
Sin embargo existen diversos mtodos numricos que nos permitirn obtener aproximaciones
bastante exactas a integrales como la mencionada anteriormente. Esencialmente, veremos
dos tipos de integracin numrica: las frmulas de Newton-Cotes y el algoritmo de Romberg.
Las frmulas de Newton-Cotes estn conformadas por las bien conocidas reglas del trapecio y
de Simpson (regla de un tercio y de tres octavos). El algoritmo de Romberg forma parte de un
mtodo conocido como mtodo de extrapolacin de Richardson.
Haciendo uso de algunos programas computacionales (por ejemplo, en Mathematica) es
posible discernir sobre las cualidades y defectos de cada uno de los mtodos mencionados
arriba.
FORMULAS DE INTEGRACION DE NEWTON-COTES
Estas frmulas se basan en la idea de integrar una funcin polinomial en vez de :

donde es un polinomio de interpolacin de grado para
ciertos datos de que se escogen apropiadamente.
Es importante observar que estas frmulas se pueden aplicar inclusive a una tabla de datos, ya
que lo que se usa es un polinomio de interpolacin, el cual puede ser calculado con la tabla.
Dentro de las frmulas de Newton-Cotes, existen las formas cerradas y abiertas. En las
formas cerradas se conocen los valores de y ; en caso contrario, se llaman
formas abiertas.
40

Nosotros nos remitiremos a estudiar nicamente las formas cerradas, y por lo tanto, siempre
suponemos que conocemos los valores y .
REGLA DEL TRAPECIO
Corresponde al caso donde , es decir :

donde es un polinomio de interpolacin (obviamente de grado 1) para los datos:

Del captulo anterior, sabemos que este polinomio de interpolacin es:

Integrando este polinomio, tenemos que:






Por lo tanto, tenemos que:
41


Que es la conocida Regla del Trapecio. Este nombre se debe a la interpretacin geomtrica que
le podemos dar a la frmula. El polinomio de interpolacin para una tabla que contiene dos
datos, es una lnea recta. La integral, corresponde al rea bajo la lnea recta en el intervalo
, que es precisamente el rea del trapecio que se forma.

Ejemplo 1:
Utilizar la regla del trapecio para aproximar la integral:

Solucin.
Usamos la frmula directamente con los siguientes datos:

Por lo tanto tenemos que:

Ejemplo

Usar la regla del trapecio para aproximar la integral:
42


Solucin.
Igual que en el ejemplo anterior, sustitumos los datos de manera directa en la frmula del
trapecio. En este caso, tenemos los datos:

Por lo tanto, tenemos que:

La regla del trapecio se puede ampliar si subdividimos el intervalo en subintervalos,
todos de la misma longitud .
Sea la particin que se forma al hacer dicha subdivisin. Usando
propiedades de la integral tenemos que:

Aplicando la regla del trapecio en cada una de las integrales, obtenemos:

Ahora bien, ya que todos los subintervalos tienen la misma longitud h, tenemos que:

43

Sustituyendo el valor de h y usando la notacin sigma, tenemos finalmente:

Esta es la regla del trapecio para n subintervalos. Obviamente, esperamos que entre ms
subintervalos usemos, mejor sea la aproximacin a la integral.
Ejemplo
Aplicar la regla del trapecio para aproximar la integral

si subdividimos en 5 intervalos.
Solucin.
En este caso, identificamos , y la particin generada es:

As, aplicando la frmula tenemos que:


= 1.48065
Cabe mencionar que el valor verdadero de esta integral es de 1.4626
As, vemos que con 5 intervalos, la aproximacin no es tan mala. Para hacer clculos con ms
subintervalos, es conveniente elaborar un programa que aplique la frmula con el nmero de
44

subintervalos que uno desee. El lector debera hacer su propio programa y checar con 50, 500,
1000, 10000 y 20000 subintervalos, para observar el comportamiento de la aproximacin.
REGLA DE SIMPSON DE UN TERCIO
Suponemos que tenemos los datos:

donde es el puntomedio entre y .
En este caso se tiene que:

donde es el polinomio de interpolacin para los datos en la tabla anterior. Usaremos el
polinomio de Lagrange.
As, tenemos que:

Si denotamos , entonces:

Simplificando trminos:

Vemos que cada uno de los trminos anteriores, es esencialmente de la misma forma, es decir,
una constante por
45

As, calculamos la siguiente integral por partes:

Sea:

por lo tanto,


Usamos esta frmula para calcular la integral de cada uno de los tres trminos de .









46









Debido al factor se le conoce como la regla de Simpson de un tercio.
En la prctica, sustitumos el valor de para obtener nuestra frmula final:

Ejemplo
Usar la regla de Simpson de 1/3 para aproximar la siguiente integral:

Solucin.
Aplicamos la frmula directamente, con los siguientes datos:

47

Por lo tanto, tenemos que:

Ejemplo
Usar la regla de Simpson de 1/3, para aproximar la siguiente integral:

Solucin.
Igual que en el ejercicio anterior, sustituimos datos adecuadamente:

Al igual que con la regla del trapecio, podemos extender la regla de Simpson de 1/3, si
subdividimos el intervalo en subintervalos de la misma longitud .
Sea la particin que se forma al hacer la subdivisin, y denotemos por
el punto medio en cada subintervalo.
Aplicamos primero propiedades bsicas de la integral definida:

Ahora, aplicamos la regla de Simpson de 1/3, en cada una de las integrales de arriba:

Sustitumos y usamos la notacin sigma:
48


Ejemplo
Aproximar la siguiente integral, aplicando la regla de Simpson de y subdividiendo en 5
intervalos.

Solucin.
En este caso, tenemos que , y la particin que se genera es:

Adems, los puntos medios de cada subintervalo son:

Por lo tanto, sustitumos los datos en la frmula para obtener:

Ntese que esta aproximacin ya es exacta hasta el cuarto decimal!
Ejemplo 2.
Aproximar la siguiente integral, utilizando la regla de Simpson de y subdividiendo en 4
intervalos.

49

Solucin.
En este caso, tenemos que , y la particin que se genera es:

Adems, los puntos medios de cada subintervalo son:

Sustituyendo todos estos datos en la frmula obtenemos la siguiente aproximacin:


REGLA DE SIMPSON DE TRES OCTAVOS
Este caso corresponde a , es decir,

donde es un polinomio de interpolacin para los siguientes datos:

Y donde , y , son los puntos que dividen en tres partes iguales al
intervalo .
Igual que en el caso anterior, se usa el polinomio de interpolacin de Lagrange, y usando el
mtodo de integracin por partes se llega a la siguiente frmula:
50


Donde . Debido al factor es que se le di el nombre de Regla de Simpson de
3/8. En la prctica, se sustituye el valor de h para obtener:

Ejemplo
Aproximar la siguiente integral, usando la regla de Simpson de :

Solucin.
En este caso, tenemos los siguientes datos:

Los cuales sustitumos en la frmula, para obtener:


Al igual que en los dos casos anteriores, la regla de Simpson de 3/8, se puede extender si
subdividimos el intervalo en intervalos de la misma longitud .
51

Sea la particin determinada de esta forma. Cada subintervalo lo
dividimos en tres partes iguales, y sean y los puntos determinados as:

Aplicando la regla de en cada uno de los intervalos tenemos:






Esta ltima, es la regla de Simpson de 3/8 para nsubintervalos todos de la misma longitud.
Ejemplo 2.
Aproximar la siguiente integral:

aplicando la regla de Simpson de 3/8, y subdiviendo en 3 intervalos.
52

Solucin.
Identificamos y la particin correspondiente:

Al considerar los puntos que dividen en tres partes iguales a cada subintervalo, tenemos los
siguientes datos:

Sustituyendo todos los datos en la frmula, obtenemos:


1-Obtenga:

a) Integrando por el mtodo del trapecio

b) Integrando por el mtodo de Simpson 1/3.
53




c) Integrando por el mtodo de Simpson 3/8.

54






6. ECUACIONES DIFERENCIALES CON VALOR INICIAL
6.1. Mtodo de Euler
A menudo, existen problemas prcticos que conducen a ecuaciones diferenciales que no
pueden resolverse mediante los procedimientos expuestos anteriormente o tambin a
55

ecuaciones cuyas soluciones vienen expresadas en trminos tan complicados que, con
frecuencia, es preferible obtener una tabla de valores aproximados de la solucin en los
puntos de un determinado intervalo.
Si suponemos que existe una solucin de una ecuacin diferencial dada, entonces aqulla
representa un lugar geomtrico (curva) en el plano. En esta seccin estudiaremos
procedimientos numricos que utilizan la ecuacin diferencial para obtener una sucesin de
puntos cuyas coordenadas aproximan las coordenadas de los puntos de la curva que
efectivamente es la solucin.
Dado un problema de valor inicial *
( )
(

se trata de obtener aproximadamente los

valores de la solucin, si existe, en un conjunto de puntos del intervalo [a, b] que interese,
entre los cuales ha de estar el punto x =

. Para ello, se ja un h > 0 y se obtiene un conjunto

de puntos {

} [a, b], de la forma

para los que se calcularn los valores aproximados de la solucin

de la ecuacin diferencial, con la condicin (

. A la longitud h de cada
subintervalo [

] se le llama paso.
Una forma general de efectuar el clculo de los valores aproximados de la solucin en cada
paso es mediante el uso de polinomios de Taylor
6.2. Mtodo de Runge-Kutta de cuarto orden