APROXIMACIÓN FUNCIONAL E INTERPOLACIÓN

INTRODUCCIÓN

En el campo de la matemática aplicada es de gran importancia la manera como

determinar una función o funciones a partir de un conjunto de datos discretos, i.e.,
puntos tabulados, situación que siempre se enfrenta cualquier investigador, para decir
generalmente un Ingeniero siempre tiene al frente esta problemática fenómeno que será
el objetivo de este ítem.
Pues es común encontrar datos con valores discretos, y sin embargo nosotros queremos
encontrar valores entre estos puntos discretos, y esto es lo que lo llamamos ajuste de
curvas y, generalmente se usa el procedimiento de mínimos cuadrados.
Cuando existe un conjunto de datos muy precisos, en este caso se usa lo que se llama
interpolación.
Las funciones de aproximación generalmente es obtenida por combinación lineal de
funciones elementales, que toman la forma de:

an g n ( x)+an−1 g n−1 ( x )+ ..... ... + a1 g1 (x )+a0 g0 ( x) : 0≤i≤n

En donde:
ai: Son constantes que deseamos encontrar, i=1,2,...,n
gi(x): Son funciones elementales específicas, i=1,2,...,n

APROXIMACIÓN POLINOMIAL SIMPLE E INTERPOLACIÓN LINEAL

Podemos decir que la interpolación lineal es el eje para muchos métodos numéricos y de
gran relevancia en la ingeniería, puesto que una gran información se encuentra en su
forma tabular como veremos más adelante y es usado por una diversidad de métodos
numéricos, por ejemplo si integramos este método tendremos el método de integración
trapezoidal.
¿En qué consiste este método?
Supongamos que tenemos los siguientes cuadros:

Puntos 0 1 2 3 4 5 6

f(x) 56 78 113 144 181 205 214

X 1 2 5 10 20 30 40

Puntos 0 1 2 3

f(x) 56 ¿-? 113 181 214

X 1 2 5 20 40
Supongamos por un instante que sólo se dispone del cuadro 2 y que queremos el valor
de la variable “y=f(x)” cuando x tiene un valor de 2 unidades. Una manera muy común
es considerar la ecuación de una línea recta así:

p( x)=a0 +a1 x , y sustituirlos valores de los puntos 0 y 1, obteniendo dos ecuaciones

con variables a0 y a1
Punto “0” = (1,56); punto 1: (5,113); (x, f(x))

57
56=a0 +a1 a1 = =14 . 2
4
113=a0 +5 a1 ⇒−4 a1 =−57 ⇒ a0 =56−14 . 2=41. 8

Luego la ecuación de la función lineal:

p(x) = 41.8 + 14.2x
Esta ecuación puede ser usado para calcular f (x) cuando x = 2

f (2 )=41. 8+(14 .2 )2=41 .8+28. 4=70 . 2

Observación:
Si queremos una mejor aproximación para nuestra función deberíamos considerar otro
punto más y tendremos:

p( x )=a0 +a1 x+a2 x 2 ,

Sean los puntos

 P0 =(1 , 56)⇒56=a 0 +a 1 +a2 a0 +a1+a2=56
P2 =(5 , 113)⇒ 113=a0+5 a1 +25 a 2 0+4a1 +24a2=57
P3 =(20 , 181)⇒181=a0+20 a1+400 a2 ¿ 0+19 a1+399 a2 =125 ¿
a0 +a1 +a2 =56
0+4 a1 +24 a2 =57
0+19 a1 +399 a2 =125

Resolviendo el sistema, tenemos que:

a0 =39 . 9 , a1 =17 .2 , a2=−0 .505

p( x )=39 . 9+17 . 2 x +0 .51 x 2
p(2)=39. 9+34 . 4+2 .04=76 . 34

Grá ficamente representa una pará bola. En general tendremos la siguiente

aproximació n polinomial.

pn ( x )=a0 +a1 x +a 2 x2 + .. .. . ..+a i x i +. . .. .. .+a n xn

POLINOMIO DE APROXIMACIÓN DE LAGRANGE

Comentarios:
El método anterior tiene su punto débil en la aproximación exacta, al realizar la
interpolación, pues se tenía que solucionar un sistema de ecuaciones que su orden
dependía de la exactitud de la aproximación, con la finalidad de salvar estos
inconvenientes, surgen otros métodos de aproximación polinomial, que realicen
cálculos directos sin desarrollar tales sistemas de ecuaciones que envuelven cierta
dificultad en su solución. Entre estos métodos tendremos la aproximación polinomial de
LaGrange. El método que consiste en:
Primero: Supongamos una función desconocida f (x) dada en forma tabular y se asume
un polinomio de primer grado es decir una línea recta el cual se puede escribir de la
siguiente manera:
1. Supongamos que la ecuación de un recta se escribe así:

P( x )=a0 ( x−x 1 )+a1 (x −x 0 )

En donde:
x0, x1: Son valores de la función en puntos conocidos [x0, f (x0)], [x1, f (x1)]
a0, a1: Coeficientes por determinar, y lo encontramos haciendo las consideraciones
siguientes:
Determinando a0 para ello consideramos
:
P ( x0 ) f ( x0 )
x= x 0 ⇒ P ( x 0 )= a0 ( x 0 − x 1 )⇒ a0 = =
x 0− x 1 x 0− x1

Determinando a1 para ello hacemos:

P (x 1 ) f ( x 1 )
x=x 1 ⇒ P( x 1 )=a1 (x 1 −x 0 )⇒ a1 = =
x 1 −x 0 x1 −x 0
Luego

f ( x0 ) f ( x 1)
P( x )= ( x−x 1 )+ ( x−x 0 )
( x0 −x 1 ) ( x1 −x 0 )
(x −x1 ) ( x−x 0 )
P( x )=f ( x 0 ) +f ( x 1 )
(x 0 −x 1 ) ( x1 −x 0 )
P( x )=L0 ( x )f ( x 0 )+ L1 ( x )f ( x 1 )

2. Supongamos un polinomio de segundo grado

P2 ( x )=a0 ( x−x 1 )( x−x 2 )+a1 (x −x 0 )( x−x 2 )+a2 ( x−x 0 )(x −x1 )

En donde:
x0, x1, x2 son los valores de los puntos conocidos [x0, f(x0)], [x1, f(x1)], [x2, f(x2)]

P2 ( x 0 ) f ( x0 )
x=x 0 ⇒ a0 = =
Si
( x0 −x 1 )( x 0−x 2 ) ( x 0− x1 )( x 0 −x2 )

P 2( x 1) f (x 1 )
x=x 1 ⇒ a1 = =
Si
( x 1− x0 )( x 1 −x2 ) ( x 1−x 0 )( x 1 −x2 )
 P2 ( x 2 ) f ( x2)
x=x 2 ⇒a 2= =
Si
( x 2 −x 0 )( x 2 −x 1 ) ( x 2 −x 0 )( x 2 −x 1 )
Luego:

P2 ( x)=L0 ( x)f ( x 0 )+L1 ( x) f ( x1 )+L2 ( x)f (x 2 )

En donde:

( x−x 1 )( x−x 2 ) ( x−x 0 )( x−x 2 ) ( x−x 0 )( x−x 1 )

L0 ( x )= ; L1 ( x )= ; L2 ( x )=
( x0 −x 1 )( x 0−x 2 ) ( x1 −x 0 )( x1 −x 2 ) (x 2 −x 0 )( x2 −x 1 )
3. Podemos suponer un polinomio de grado n:

Pn ( x )=L0 ( x ) f ( x0 )+L1 (x )f ( x1 )+. .. ..+ Li (x )f ( x i )+. .. .. .+ Ln (x )f ( x n )

En donde:

( x−x 1 )(x −x 2 ).. . ..( x−x i ). .. ..( x−x n )

L0 ( x )=
( x 0 −x 1 )( x 0 −x 2 ). .. ..( x 0 −x i ).. . .( x0 −x n )
( x−x 0 )(x −x 2 ).. . ..( x−x i ). .. ..( x−x n )
L1 ( x )=
( x 1−x 0 )( x 1−x 2 ). . .. .( x1 −x i ). .. .( x 1−x n )
⋮
( x−x 0 )( x−x 1 ).. .. .( x−x i + 1 ).. .. .( x−x n )
Li ( x )=
( xi −x 0 )( xi −x 1 ).. . ..( x i−x i + 1 ). .. .( x i−x n )

Que en general el polinomio se puede escribir:

n
Pn ( x )=∑ Li ( x )f ( x i )
i=0 , polinomio LaGrange
En donde:
 ¿ j≠i ¿ ¿¿ ¿
n ,

DIFERENCIAS DIVIDIDAS
Así como podemos aproximar una función mediante la aproximación polinomial de
LaGrange, también podemos aproximar la derivada y la integral de una función con
diferencias divididas. La derivada y la integral respectivamente el polinomio de
interpolación, que en realidad es el principio básico para la diferenciación e integración
de los métodos numéricos.
Supongamos una función f (x) con derivada en el punto x0 analíticamente esta dado por:

f (x )−f ( x0 )
lim =f '( x )
x→x0 x−x 0

Pero cuando la función es dada de manera tabular, se tiene.

Punto 0 1 . . .. ... .. . i .. .... ... . n

x x0 x 1 . . .. ... .. . xi .. .... ... . x n
f ( x ) f ( x 0 ) f ( x 1 ) . . .. ... .. . f ( x i ) .. .... ... . f (x n )

La derivada sólo puede obtenerse de manera aproximada, por ejemplo si se desea

calcular la derivada de f(x) en el punto “x” tal que x0 < x < x1
Esto se determina así:

f ( x 1 )−f ( x 0 )
f ' ( x )≈ , x0 < x < x1
x 1−x 0
La expresión de la derecha se llama primera diferencia dividida de f (x) respecto a los
valores de x0 y x1 y se denota generalmente f [x0, x1], esto es,

f ( x 1 )−f (x 0 )
f [ x 0 , x 1 ]=
x 1 −x 0

Observación:
1. Se debe destacar que la relación entre la primera diferencia dividida y la primera
derivada esta dada por el teorema del valor medio.
f ( x 1 )−f ( x 0 )
=f ' (c ) , c ∈( x 0 , x 1 )
x 1 −x 0

Siempre que f (x) cumpla con las condiciones del teorema del valor medio.
2. Podemos generalizar para un orden más alto en donde el argumento es
x i , 0≤i≤n ; f [ x i ]
se llama diferencia dividida, de orden cero:
f [ x1 , x2 , .. .. . , xi ]−f [ x 0 , x1 , .. .. . , xi−1 ]
f [ x 0 , x 1 , . .. . . , x i ]=
x i−x 0

i.e.; orden cero:

f [ x 1 , x 2 , x 3 ]−f [ x 0 , x 1 , x 2 ]
f [ x 0 , x 1 , x 2 , x 3 ]=
x 3−x 0
f [ x2 , x3 , x 4 ]−f [ x 1 , x 2 , x 3 ]
f [ x 1 , x 2 , x 3 , x 4 ]=
x 4 −x 1
f [ x 3 , x 4 , x 5 ]−f [ x 2 , x 3 , x 4 ]
f [ x 2 , x 3 , x 4 , x5 ]=
x 5 −x 2

Observación:
 Para formar la expresión se requiere i + 1 puntos.
 El numerador es la recta de dos diferencias de orden i – 1.
 El denominador es la recta de los argumentos no comunes en el
numerador.

Ejemplo:
Supongamos que tenemos la siguiente información

Puntos 0 1 2 3 4 5
x −2 −1 0 2 3 6
f ( x) −18 −5 −2 −2 7 142
Obtenido del polinomio x 3−2 x 2 −2

De esta manera construimos la tabla de diferencias divididas

Puntos X f(x) 1º orden 2º orden 3º 0rden 4º orden

0 -2 -18

13

1 -1 -5 -5

3 1

2 0 -2 -1 0

0 1

3 2 -2 3 0

9 1

4 2 7 9

45

5 6 142

Observemos que:
Todas las diferencias divididas de tercer orden tienen el mismo valor independiente
del valor de las x que se usen para calcularse.
Las diferencias de cuarto orden todos tienen el valor de cero, lo que tiene afinidad con
el criterio que la derivada de tercer orden es una constante y la de cuarto orden es cero,
para cualquier valor de x.
El razonamiento anterior nos induce a decir que si al construir una tabla de diferencias
divididas en alguna columna el valor es constante y la siguiente columna es cero la
información proviene de un polinomio de grado igual al orden de las diferencias
que tengan valores constantes.
El razonamiento anterior nos induce afirmar que nuestro polinomio es de grado 3 es
decir mi polinomio será:
 n k−1
p( x)= ∑ f [ x 0 , x 1 ,..., x k ] ∏ ( x−x j )=f [ x 0 ] +f [ x 0 ,x 1 ]( x− x0 )+f [ x0 ,x 1 , x 2] ( x−x 0 )( x−x 1 )+...
k=0 j=0

APROXIMACIÓN POLINOMIAL DE NEWTON

ESTRUCTURA DEL POLINOMIO DE NEWTON EN DIFERENCIAS DIVIDIDAS

HACIA ATRÁS DE GRADO n EN xn

Supongamos n = 2 y asumamos que el polinomio sea de 2º grado:

P2 ( x )=a0 +a1 (x −xn )+a2 ( x−x n ) ( x−x n−1 )

En donde:

x n ; x n−1 : Son abscisas de los puntos “n” y “n – 1"

a0 y a1 ,a2 : Son las constantes por determinar

Si:

x=x n ⇒a 0 =P 2 ( x n )⇒ a0 =f [ x n ]
P 2 [ x n−1 ] −a0 f [ x n−1 ]−f [ x n ]
x=x n−1 ⇒ a1= ⇒ a1 = =f [ x n , x n−1 ]
x n−1−x n x n−1 −x n
f [ x n−2 ]−f [ x n ] −f [ x n , x n−1 ]
x=x n−2 ⇒ a2 = ⇒ a2 =f [ x n , x n−1 , x n−2 ]
( x n−2−x n ) ( x n−2−x n−1 )
Luego tendremos que:

P2 ( x )=f [ x n ]+ f [ x n , x n−1 ] ( x−x n ) + f [ x n , x n−1 , x n−2 ] ( x−x n )( x−x n−1 )

Generalizar

Pn(x )=a0 +a1 (x−x n )+a2(x−x n ) (x−x n−1)+...+an (x−xn )( x−x n−1)...(x−x 1 )
En donde:
 a0 =f [ x n ] ; a 1=f [ x n ,x n−1 ] ; a2 =f [ x n , x n−1 , x n−2 ] ; ... ; a n=f [ x n , x n−1 , ... , x 1 , x 0 ]
x−x n
s=
h ; x: el valor a interpolar

x− x n=sh
x− x n−1 = x n− x n−1 + sh= h+sh =h( s+1 )
x− x n−2 = x n− x n−2 + sh= 2h+ sh =h( s+2 )
⋮
x− x 0 = x n − x 0 + sh=nhsh =h ( s+ n)
Luego tenemos:

s( s+1) 2 s( s+1 ) (s+2)...( s+( n−1)) n

Pn ( x n +sh)=f [ x n ] +3 ∇ f [ x n ]+ ∇ f [ x n ]+...+ ∇ f [ xn]
2! n!
Ecuación de Newton en diferencias hacia atrás
Ejemplo:
En el ejemplo realice la interpolación para x = 98 usando el polinomio de
Newton
 Si usamos un polinomio de primer grado tenemos
x−x n 98−100
P1 ( x )=f [ x 5 ] + s ∇ f [ x 5 ] ; s= = =−0 .2
10 10
p1 (98 )=59 . 30−0 . 2(8 .73 )=57 . 55

 Si usamos un polinomio de segundo grado tenemos

s( s+1 ) 2
P2 (98 )=f [ x5 ] +s∇ f [ x5 ] + ∇ f [ x5 ]
2!
−0. 2(−0 .2+1 )
=59 .3−.2(8 . 73)+ (1)=57 . 63
2!

APROXIMACIÓN POLINOMIAL SEGMENTARIA

En los ítems anteriores para interpolar entre n+1 puntos se usaron polinomios de grado
n, para decir para un conjunto de 8 puntos se puede obtener un polinomio de grado 7,
parecerá que se llevaba todo correctamente pero sin embargo se tenían resultados
erróneos como errores de redondeo y los puntos lejanos.
Una alternativa para mitigar estos errores fue pensar considerar polinomios de grado
inferior en subconjunto de datos y a tales polinomios se llamaran funciones
segmentarias.

Por ejemplo, las curvas de tercer grado usadas para unir cada par de puntos se llaman
segmentarias cubicas. Tales funciones d se pueden construir de tal manera que las
conexiones entre las ecuaciones cubicas adyacentes sean suaves, pareciera que las
aproximaciones de tercer grado de las segmentarias serian inferior a la aproximación de
séptimo grado. Veamos algunos gráficos que ilustran mejor la idea.

Caso (a) Caso (b)

f(x) f(x)

x x

Caso (c ) Caso (d)

f(x) f(x)

x x

En definitiva las figuras plasman mejor la idea de la aproximación segmentaria, las

figuras de a hasta c representan las oscilaciones de una función suave .Debemos
destacar que esta aproximación también se le llama aproximación spline, en ingles para
dibujar curvas suaves a través de un conjunto de puntos.
INTERPOLACIÓN SEGMENTARIA LINEAL

La unión mas simple entre dos puntos es una recta, las segmentarias de primer grado
para un grupo de datos ordenados se define como un conjunto de funciones lineales.

f ( x )=f ( x 0 ) +m 0 ( x− x0 ) , con x 0 ≤ x ≤ x 1,

f ( x )=f ( x 1) + m1 ( x−x 1 ) , con x 1 ≤ x ≤ x 2,

:
f ( x )=f ( x n−1) + m n−1 ( x−x 0 ) , con x n−1 ≤ x ≤ x n,

De donde la pendiente mi de la línea recta que une los puntos.

f ( x i+1 ) −f ( x i )
mi= ,
x i+ 1−xi

Esta relación se usa para evaluar la función de cualquier punto entre x0 y x1,

f(x) f(x)
Segmentaria de Segundo orden
Segmentaria de primer orden

x x

f(x)
Segmentaria de Tercer orden

x
Interpolacion cubica

INTERPOLACIÓN SEGMENTARIA CUADRÁTICA

En esta oportunidad el objetivo de las segmentarias cuadrática es obtener un polinomio
de segundo grado para cada intervalo en el conjunto de datos, en general el polinomio
en cada intervalo se representa así,

f i ( x )=ai x 2 +bi x+ c i,

En donde a, b y c son tres constantes desconocidas y se requieren tres ecuaciones, en el

caso que se tengan n+1 datos existen n intervalos y por cada intervalo se requieren tres
ecuaciones es decir 3n, se deben tener en consideración los siguientes criterios.

1. Los valores de la función de polinomios adyacentes deben de ser guales en los

nodos interiores esta condición lo representamos de la siguiente manera.
f ( x i−1 )=ai−1 x 2i−1 +bi−1 x i−1 +c i−1,

f ( x i−1 )=ai x 2i−1 +bi x i−1 + ci ,,

Para i=2 a n como solo se emplean dos nodos interiores cada ecuación proporciona n-1
condiciones en total 2n-2 .

2. La primera y la ultima función deben de pasar a través de los puntos extremos esto
agrega dos ecuaciones mas,

f ( x 0 ) =a1 x20+ b1 x 0 +c 1,

f ( x n ) =an x 2n+ bn x n+ c n,

3. Las primeras derivadas en los nodos interiores deben de ser iguales es decir,

f ' ( x )=2 ax +b,

En consecuencia en general tenemos,

2 ai−1 x i−1 +bi−1=2 a i x i−1+ bi, para i=2 a n, esto proporciona otras n-1 condiciones.

4. Suponga que en el primer punto de la derivada es cero, esta condición se representa

así,

a1=0. Esto quiere decir que los dos primeros puntos se unirán con una línea recta.

INTERPOLACIÓN POR SEGMENTARÍAS CUBICAS

En esta oportunidad tenemos como objetivo de encontrar un polinomio de interpolación

de tercer grado para cada intervalo entre los nodos.

f i ( x )=ai x 3 +bi x 2+ ci x+ d i,
Para n+1 datos existen n intervalos en consecuencia 4n incógnitas que debemos
evaluar requiriéndose 4n condiciones para evaluar. Las cuales se obtienen de las
siguientes consideraciones:
1. Los valores de la función deben de ser iguales en los nodos interiores (2n-2
condiciones)
2. La primera y la ultima función deben pasar a través de los puntos extremos (2
condiciones)
3. Las primeras derivadas en los puntos interiores deben de ser guales (n-1
condiciones)
4. Las segundas derivadas en los nodos interiores deben de ser iguales (n-1
condiciones)
5. Las segundas derivadas en los nodos extremos son ceros (2 condiciones ) esta
condición dice que la función en los extremos se vuelve en una línea recta, lo
que induce a que se le llame segmentara natural o lineal.
Las cinco condiciones anteriores permiten obtener 4n ecuaciones requeridas para
obtener los 4n coeficientes.

Para determinar las ecuaciones de la segmentaria cubica tenemos la siguiente relación

valida para cada intervalo.

f 'i ' (x i−1) f 'i ' ( x i ) f ( x i−1 ) f 'i ' ( x i−1) ( x i−x i−1 ) f ( xi ) f 'i' (x 1) (
f i ( x )=
6 ( x i−x i−1 ) i
3
( x −x ) +
6 ( xi −xi−1 )
3
( x−x i−1 ) + x −x −
i i−1
[ 6 ] [
( x i−x ) + x −x −
i i−1 6
, &

Esta ecuación solo contiene dos incógnitas las segundas derivadas en los extremos de
cada intervalo.

Las incógnitas se evalúan usando la siguiente relación.

( x i−x i−1 ) f ' ' ( x i−1 ) +2 ( xi +1−x i−1) f '' ( x i ) + ( x i+1−x i ) f ' ' ( x i+ 1)

6 6
¿ [ f ( xi +1 )−f ( xi ) ]+ [ f ( xi −1 ) −f ( x i ) ],
( xi +1−x i ) ( x i−x i−1 )
Si escribimos esta relación para todos los nodos interiores resultan n-1 ecuaciones
simultáneas con n-1 incógnitas. No debemos olvidar que las segundas derivadas en los
puntos extremos son ceros.
2.2.1. MÉTODO DE NEWTON – COTES
Son los tipos de integración numérica más comunes, su estrategia es remplazar a la
función complicada o de datos tabulados por un polinomio de aproximación que es
fácil de integrar.

b
I=∫a f ( x) dx
Es decir supongamos que nos interesa determinar ; entonces,
tenemos:

b b
I =∫ f ( x ) ≅ ∫ pn ( x ) dx,
a a

En donde pn(x) es el polinomio aproximación,

pn ( x ) =a0 x+ a1 x 2 +a 2 x n+ …+a n x n,

Donde n es el grado del polinomio el método en estudio lo realiza en general en dos

pasos.

Observemos que cuando el polinomio de aproximación es lineal se trata de una

línea recta como observamos en el caso (a) y cuando se trata de un polinomio de
segundo orden tenemos el caso (b)

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

caso (a) Caso (b)

En otros términos:

Primero: Dividir el intervalo [a, b] en “n” intervalos de igual magnitud en donde

sus valores extremos son:

b−a
x i=x 0 +i ( )
n
,i=0,1,2, … , n, siendo x 0=a ; x n=b, (1)

x0 x1 x2 x3 xi xi + 1
h h h h h ...
…
a b

Segundo: Se aproxima f (x) por un polinomio de grado “n”, Pn (x) y se integra para
obtener la aproximación de f(x).

[Link]. MÉTODO TRAPEZOIDAL

 Este método de integración numérica se fundamenta en la integración
de la fórmula de interpolación lineal.
 Que ocurre con (*) si n = 1, i.e., x0 = a , x1 = b, entonces la
aproximación polinomial de f (x) es una línea recta, i.e., P1 (x)
 La aproximación a la integral es el área del trapezoide bajo la línea
recta.
 b x1
∫a f (x ) dx≈∫x 0
Pi ( x) d( x)=
Área del trapecio con vértices

x 0 , x1 , f ( x 0 ), f (x 1 )

x1

 Para realizar la integración

∫x P1 (x ) dx
0 , se requiere usar una de las
representaciones del polinomio P1 (x).
 Pero f (x) está dado para valores equidistantes de x con distancia h, la relación
lógica es una de las fórmulas en diferencias divididas finitas (hacia delante,
hacia atrás)
 Supongamos que elegimos las diferencias divididas finita hacia
delante tendremos.

s(s−1) 2 s(s−1)( s−2) 3

Pn ( x 0 +sh)=f [ x 0 ] +sΔf [ x 0 ]+Δ f [ x 0 ]+ Δ f [ x 0 ]+...+
2! 3!
s( s−1)(s−2)(s−3)....( s−(n−1)) n
Δ f [ x0 ]
n!
En nuestro caso:

f (x )≈P1 ( x ) , luego

P1 ( x )=P 1 ( x 0 + sh )=f [ x 0 ]+ sΔf [ x 0 ]

Tenemos la integral

b x1
∫a f (x )dx≈∫x [ f [ x 0 ] +sΔf [ x 0] ] dx
0
(2)
 x=x 0 + sh ;
dx=hds
Para los límites de integración x0 y x1:

x 0= x0 +sh de donde s=0 ; x 0 , h son constates

x 1=x 0 + sh
Luego:

x1 1
∫x 0
[ f ( x 0 )+ sΔf ( x 0 ) ] dx =∫0 h [ f ( x 0 )+ sΔf ( x 0 ) ] ds
s2
[
=h f ( x 0 ) s+ Δf ( x 0 ) |10
2 ]
Δf ( x 0 )
=h f ( x 0 )+[ 2 ]
Pero : Δf (x 0 )=f ( x 0 + h)−f ( x 0 )
=f ( x 1 )−f (x 0 )

f ( x 1 )−f ( x 0 )
Luego tenemos:
[
=h f ( x 0 )+
2 ]
f ( x1 )−f ( x 0 )
=h [ 2 ]
∴∫ f ( x )dx≈ h2 [ f ( x )+ f ( x )]
b
a 1 0
, (3)

[Link]. MÉTODO DE SIMPSON

Supongamos que el intervalo de integración [ a, b ] es dividido en n subintervalos
con longitudes iguales, i.e.,
 Supongamos que n=2 es decir al intervalo [a,b] se le divide en dos subintervalos
entonces tendremos:

x i=x 0 +i ( b−an ) ,i=0,1,2, … , n,

x 0=a ; x 1=a+ ( b−a
2 )
, x =b 2

Se aproxima f(x) por una parábola

b xn

∫ f ( x ) dx ≈∫ p 2 ( x ) dx
a x0

Usemos la formula de Newton en diferencias finitas hacia delante

s ( s−1 ) 2
P2 ( x )=P 2 ( x 0 + sh )=f ( x0 )+ sΔf ( x 0 )+ Δ f ( x0 )
2!
b

∫ f ( x ) dx ≈= h3 [ f ( x 0 ) +4 f ( x 1 ) +f ( x 2 ) ],......... (4)
a

[Link]. MÉTODOS COMPUESTOS DE INTEGRACIÓN

En ocasiones el intervalo de integración tiene una longitud grande, entonces resulta
conveniente dividirlo en subintervalos y aproximar cada una por medio de un
polinomio.

[Link].1. Método Trapezoidal Compuesto

f(xn- f(xn)
f(x2) 1)
f(X) f(X) f(x)
f(x1)
f(x1)
f(x0) f(x0)

X0 x1 X X0 x1 x2 xn-1 xn
a b
a b
En vez de aproximar la integral de f(x) en [a,b] por una recta. Conviene dividir [a, b]
en n subintervalos y aproximar la integral de f(x) en cada subintervalo por un
polinomio de primer grado como muestra la figura.

Aplicamos la fórmula Trapezoidal a cada subintervalo y se obtiene el área del

trapezoide de tal manera que la curva de todos ellos nos proporciona el área
aproximada bajo la curva f(x).

b x1 x2 x3 x n=b

∫ f ( x)dx≈ ∫ P1( x)dx+∫ P 2( x )dx +∫ P3 ( x)dx+⋯+ ∫ Pn ( x)dx

a a=x 0 x1 x2 x n−1

h
I≈ f ( x )+2 f ( x 1 )+2 f (x 2 )+⋯+2 f ( x n−1 )+f ( x n ) ]
2[ 0
n−1
h
2 (
I≈ f ( x 0 )+2 ∑ f ( x i )+f ( x n )
i=1
) (5)

[Link].1. MÉTODO COMPUESTO DE SIMPSON

Recordemos que para aplicar el método de Simpson se necesita dos subintervalos y
como queremos aplicarlo n-veces entonces se debe dividir el intervalo [a, b] en un
número de subintervalos igual a 2n.

Veamos gráficamente esto:

Figura. Representación del Método de Simpson Compuesto

 Observamos que cada par de subintervalos sucesivos aproximamos f(x) por medio
de un polinomio de segundo orden (parábola) y se integra usando el método de
Simpson de tal manera que la suma de las áreas parciales proporcione el área total,
es decir:

b x2 x4 x6 x n=b

I=∫ f ( x )dx≈ ∫ P 1 ( x)dx +∫ P2 ( x)dx+∫ P3 (x )dx+⋯+ ∫ Pn ( x)dx

a a=x0 x2 x4 x n−2

Donde Pi; i=1,2,…; es el polinomio de grado dos que pasa por tres puntos
consecutivos usando el método del Trapezoide.

Luego:

n−1
h
3 [
I ≈ f ( x 0 )+4 ∑ f ( x i )+2 ∑ f ( xi )+f (x n )
i=1 i=2 ] (6)

2.2.1. INTEGRACIÓN DE ROMBERG

Llamado también como técnica de extrapolación de Richardson se usa finalidad de
acelerar la convergencia de muchas técnicas de aproximación. Estas técnicas tienen su
base en el análisis del error de truncamiento. Veamos la metodología.
b

Supongamos una aproximaciónI =∫ f ( x ) dx y que su error de truncamiento sea

a

expresado de la siguiente manera E=c hr f r (ε ), en donde c es independiente de h , r es

entero positivo y ε es un punto desconocido del intervalo (a,b).
Supongamos que obtenemos dos aproximaciones de I empleando h 1 y h2 es decir I1 y I2,
y despreciamos los errores de redondeo podemos escribir:
I −I 1=c hr1 f (r ) (ε 1);

I −I 2=c hr2 f (r ) (ε 2),

Dividiendo miembro a miembro y considerando que f (r ) (ε 1 ) y f (r ) (ε 2 ) son iguales
entonces se tiene,
 I −I 1 c hr1 f (r ) (ε 1 )
= ;
I −I 2 c h r2 f (r ) (ε 2 )

hr1 I 2−h r2 I 1
I=
hr1−h r2
, (16)

Considerando h2=h1/2 se tiene de (16)

2r I 2 −I 1
I≈ , (17)
2r −1

Debemos resaltar que a este proceso se le llama integración de Romberg el cual es muy
efectivo cuando f(r) (x) no vara bruscamente en el intervalo [a,b] y no cambia de signo
en este intervalo. En estas circunstancias las relaciones (17) y (16) permiten obtener una
mejor aproximación a I a partir de I1 y I2 sn repetir el proceso de integración.

4 m I (m−1) (m−1)
k+1 −I k
(m)
I =
k
, (18)
4m −1

Si los valores de I (0)

k converge a I al crecer k los valores de la diagonal de la tabla

convergen a I .
k Numero de Aproximación Primera Segunda
trapezoides 2k trapezoidal extrapolación extrapolación .......
0 1

1 2

2 4

3 8

4 16

2.2.5. CUADRATURA GAUSSIANA

Las formulas usadas hasta la actualidad para aproximar integrales se basaban en
polinomios de interpolación, considerando valores de la función igualmente espaciados
fenómeno que conducen a cierta imprecisión.
Con la finalidad de mejorar esta condición la cuadratura Gaussiana se usan puntos de
evaluación, o nodos que no son igualmente espaciados se eligen nodos x 1 , x 2 , x3 , … , x n
en el intervalo [a,b] y coeficientes c 1 , c2 , c3 , … , c n que minimicen el error que se espera
obtener en la aproximación.
b n

∫ f ( x ) dx ≈ ∑ c i f ( x i),
a i=1

y
Y
A C
B D

f(x) f(x)

a b x a b x

Método Trapezoidal Método de Gaussiana con dos puntos

Pues el área del trapecio es

h
T= [ f ( a ) +f (b)],
2
Que se podría escribirse como,
h
T =c 1 f ( a ) +c 2 f ( b ) , con c 1= y c 2=h /2,
2
Por otro lado aplicando el método de Gauss en lugar de tomar los dos puntos extremos
A y B del intervalo seleccionamos dos puntos interiores C y D como se muestra en la
figura y de manera adecuada la integral resultante proporcionaría un valor mas exacto
esa técnica de adecuar los puntos C y D que proporcione mas exactitud mostramos a
seguir.

DEDUCCIÓN DE LA TÉCNICA GAUSSIANA

Consideremos la figura a seguir donde se desea encontrar la integral de la función
mostrada entre los limites -1 y 1 si los limites fueran diferentes se hace un cambio de
variable con la finalidad de pasar a -1 y +1 , los puntos C y D se seleccionan sobre la
curva y se forma el trapezoide , E,F, G y H .

F(x)

D G
C F(x2)
F F(x1)

-1 x1 0 x2 1
E H

2.2.3. INTEGRALES MÚLTIPLES

Las técnicas usadas para aproximar integrales pueden ser modificadas de manera
natural para usarlas en aproximaciones de integrales múltiples,

Supongamos que tenemos ∬ f ( x , y ) dA , donde R es una región rectangular en el plano,

R

R={ ( x , y )∨a≤ x ≤ b , c ≤ y ≤ d }
Donde a, b, c y d son constantes. Usando Simpson compuesto , determinamos el
tamaño de paso h =(b-a)/n; k=(d-c)/m en consecuencia se tiene:
❑ b d

R a
(
∬ f ( x , y ) dA=∫ ∫ f ( x , y ) dy
c
) dx,

Usamos la metodología de Simpson compuesto para determinar,

d

∫ f ( x , y )dy, considerando x como constante, sea y =c+jk para j=0,1,2,...,m j

c

(m2 )−1
d

c
[
∫ f ( x , y ) dy= k3 f ( x , y 0 ) +2 ∑
j=1
m /2

]
f ( x , y 2) + 4 ∑ f (x , y 2 j−1)+f (x , y m ) ,
j=1

b d

∫∫ f ( x , y )dydx
a c

(m2 )−1 b
k
3 [
a
b

∫ f ( x , y 0 ) dx + 23k ∑
j=1
m /2 b b

∫ f ( x , y 2 ) dx + 43k ∑ ∫ f (x , y 2 j−1 )+ k3 ∫ f ( x , y m )dx

a j=1 a a
]
Aplicando Simpson Compuesto en cada intervalo con x i=a+ih para cada i=1,2,...,n y
j=0,1,2,...,m.

( m2 )−1
b

∫ f ( x , y ) dx= k3
a
[ f ( x 0 , y j )+ 2 ∑
j=1
m/ 2
f ( x 2 i , y j ) +4 ∑ f ( x 2 i−1 , y j)+ f ( x n , y j)
j =1
]
SOLUCIÓN NUMÉRICA DE ECUACIONES
DIFERENCIALES ORDINARIAS

FORMULACIÓN DEL PROBLEMA DE VALOR INICIAL PVI

En esta oportunidad formularemos el Problema de Valor Inicial “PVI” y

analizamos e interpretamos grá ficamente su solució n numérica, debemos
destacar que muchas de leyes generales de la naturaleza se expresan con el
lenguaje de las ecuaciones diferenciales ordinarias que es aplicado en una
diversidad de campos del conocimiento. En donde una ecuació n diferencial se
debe considerar como la razó n de cambio de y con respecto a x.

 En general una EDO de primer orden esta dado por:

dy
=f ( x , y )
dx (1)

 Teó ricamente se dice que la solució n de una EDO debe contener una
constante arbitraria “C”, consecuentemente la solució n general de (1) es:

F( x , y, c)=0 (2)

Observaciones:

 La relació n (2) representa una familia de curvas en el plano xy, en donde

cada curva se obtiene para un valor particular de “C”.
  Cada curva representa a una solució n particular de EDO.

 Las constantes “C” son obtenidos analíticamente, exigiendo que la

solució n de esa ecuació n pase por algú n punto (x0, y0) esto es:

y ( x 0 )= y 0 (4)

“y” vale “y0” cuando “x” es “x0”

Interpretación Gráficamente:

F3 = 0

F2 = 0, con Y(X0) = Y0
Y0
F1 = 0

X0

1. Matemáticamente.

dy
=f ( x , y )
dx (5)
P.V.I.
y( x 0 )= y 0
y( x f )=?
MÉTODO DE EULER

Este método consiste en dividir el intervalo [x 0,xf] en “n” subintervalos de ancho h

esto es:
 X f −X 0
h=
n
Lo que permite determinar un conjunto de n+1puntos discretos, i.e.:

X0, X1, X2,..., Xn-1, Xn

x1 x2 x3 ... xi xi+1 ... xn-1 xn

x0 xf

Observando que:

Para cualquier punto se tiene.

x 1−x 0 =h ⇒ x 1 =x 0 +h
x 2−x 1 =h ⇒ x 2 =x1 +h ⇒ x 2 =x0 +2 h
x 3−x 2 =h ⇒ x 3 =x 2 +h ⇒ x 3 =x 0 +3 h

En general

x i=x 0 +ih , i=0,1,2,3,...,n

Paso muy similar al paso de integració n numérica.

CONDICIÓN INICIAL

y( x 0 )= y 0 Representa el punto P0 =( x 0 , y 0 ) , por donde pasa la curva

solució n de la ecuació n PVI. Lo que será denotado por F(x) = y, en lugar de
F(x,y,c1) = 0.
Consecuentemente: teniendo el punto P0 podemos evaluar la primera
derivada de F(x) en ese punto P0. Esto es:

dy
F '( x)= |P =f ( x 0 , y 0 )
dx 0 (6)
Teniendo esta informació n (6) trazamos una recta la que pasa por P0 y de
y − y0
f (x 0 , y 0 ): =f ( x 0 , y 0 ):. . .. .. . L3
pendiente x−x 0 que aproxima F(x) en una
vecindad de X0.

Tomamos la recta L3 en lugar de F(x) y localizamos en esta recta el valor de

y1 que corresponde a x1. Esto es:

x1− y0
=f ( x 0 , y 0 )
x 1−x 0 (7)

y1  y 0  hf ( x0 , y 0 )
y 2  y1  hf ( x1 , y1 )
.
.
y i 1  y i  hf ( xi , y i )
.
.
y n  y n 1  hf ( x n 1 , y n 1 )

x 1− y 0
=f ( x 0 , y 0 )⇒ y 1 = y 0 + f ( x 0 , y 0 )h
x 1−x 0 (8)

La ordenada y 1 ≠F ( x 1 ) pues existe un

error
F(xf)

f(x1)

y1 error f(x0,y0)

y0
P0(x0,y0)

x0 x1
xi xi+1
 x0 x1 x3 x4 xi xn

MÉTODO DE TAYLOR

Podemos observar que el método anterior usa los dos primeros términos de la
serie de Taylor para su primera iteració n

F( x 1 )≈ y 1 =F (x 0 )+F ' ( x 0 )( x 1 −x 0 )
(1)

De manera natural se puede pensar que para determinar y 2 se expandió de nuevo

F(x) en la serie de Taylor. Así:

F( x 2 )≈ y 2 =F ( x1 )+ F ' ( x1 )( x 2−x 1 )
(2)

Pero se debe resaltar que no disponemos de los valores exactos de F(x 1) y F’(x1),
los que se usan en la expansió n de Taylor de F(x) alrededor de x 1 lo que permite no
evaluar la parte derecha (2) consecuentemente para los otros valores de x se usa:

y i+1 = y i +f ( x i , y i )( xi+1 −xi )

y i+1 =F (x i )+F '( x i )(x i+1−x i ) (3)

La relació n (3) tiene mucha similitud con la expansió n en serie Taylor.

Si aplicamos la informació n acerca de las series de Taylor con la finalidad de
mejorar la exactitud del método de Euler, obtendremos los llamados Algoritmos de
Taylor.

Usemos tres términos en lugar de dos en la expresió n de F(x1), i.e.

2
( x −x )
F( x 1 )≈ y 1 =F (x 0 )+ F ' ( x 0 )( x 1 −x 0 )+ F ''(x 0 ) 1 0
2!
(4)

Pero

dF ' ( x ) df ( x , y )
F ''( x )=
dx
=
dx y,
h=x1 −x 0

Luego;

2
h df ( x , y )
y 1 = y 0 +hf ( x 0 , y 0 )+ |x 0 , y 0
2! dx (5)

Entonces se sugiere considerar (5) para obtener y 2, y3,..., yn mejoraría la exactitud

obtenida con (1) consecuentemente se propone la formula:

2
h df ( x , y )
y i+1 = y i +hf (x , y )+ |x i , y i
2! dx (6)

La utilidad de la relació n (6) depende de cuan fá cil sea la diferenciació n de f(x,y)

Si f(x,y) es una funció n solo de x, la diferenciació n con respecto a x es

relativamente fá cil y la formula propuesta es muy prá ctica.

En general f(x,y) es una funció n de x , y, habrá que usar derivadas totales

La derivada total de f(x,y) con respecto a x esta dada por

df ( x, y) ∂ f ( x, y ) ∂ f ( x, y) dy
= +
dx ∂x ∂ y dx

METODO DE RUNGE-KUTTA DE SEGUNDO ORDEN

Estos métodos que se encuentran relacionados a los nombres de Runge (1885),
Kutta (1901), Heun (1900) y otros, para solucionar P.V.I .Consiste en obtener un
resultado que se obtendrá al utilizar un nú mero finito de términos de una serie de
Taylor de la forma:

2 3
h h
y i+1 = y i +h.f (x i , y i )+ f ' ( x i , y i )+ f ''( x i , y i )+...
2! 3! (1)

Con una aproximació n en la cual se calcula

y i+1 de una formula del tipo:

y i+1 = y i +halignl [ α 0 f ( x , y)+α 1 f ( x i +u1 h, y i +b 1 h)+α2 f ( x i+u2 h, y i +b2 h)+...+ ¿ ] ¿ ¿¿

¿ (2)

En donde:

α, u, b son determinados de modo que si se expandiera f (x i +u j h , y i +b j h ) con

1≤ j≤ p , en serie de Taylor alrededor de ( xi ,yi ); debemos observar que los

coeficientes de h, h2, h3, etc., coincidirían con los coeficientes de la ecuació n (1).
Supongamos p=1 tendremos

y i +1 = y i +h [ α 0 + ( x i ; y i ) + α 1 . f ( x i +uhi ; y i +bh ) ]
…. (3)

Observaciones:

1. En esta relació n se evalú a f en ( x i ; y i ) ∧( x i +uhi ; y i +bh ) , en donde

x i +uhi es tal que : x i <xi +uh≤x i+1 , para mantener la abscisa del

segundo punto dentro del intervalo de interés, con lo que 0<u≤1

.Grá ficamente
 yi+1

(xi+uh , yi+λk0)

yi+1+h f( xi , yi )
(xi,yi)

xi+1
xi

ECUACIONES DIFERENCIALES ORDINARIAS DE ORDEN SUPERIOR Y SISTEMAS

DE E.D.O

3.3.1 ESTRUCTURA

Cuando en el P.V.I. aparecen una ecuación diferencial de orden n, con n condiciones

especificadas en un punto x0 y un punto xf donde se tiene que encontrar el valor de
y(xf) se tiene el PVIG

dn y

{ n
=f (x , y , y ', y '', .. . , y n−1 )
dx
P. V . I . G
y( x 0 )= y 0 ; y ' ( x0 )= y 0 '; y ''(x 0 )= y 0 '';.. . ; y n−1 ( x 0 )= y(0n−1 )
y ( x f )=?
(1)

Para solucionar (1) es necesario primero pasar la EDO de (1) a un sistema de n

Ecuaciones diferenciales simultaneas de primer orden cada una. Esto es:

dn y (n−1)
n
=f ( x , y , y ', y '',. . ., y )
Dado: dx se realiza el siguiente cambio de variables:

y 1= y , y2= y ' , y 3 = y'' ,

y 4 = y ''' , … y n = y n−1
Que ocurre si derivamos la primera. y 1 '= y' y lo sustituye en la segunda

y 2 = y 1 ' , considerando y 2 = y ' ⇒ y 2 '= y '' en la tercera

y 3= y' 2 y si repetimos
hasta llegar a las n ecuaciones tenemos:

y 2=y 1 '
y 3= y 2'
y 4 =y 3 '
⋮
y n =y n−1 '
Entonces
n
d y
y n '= n =f (x , y , y ',… y n−1 )=f ( x , y 1 , y 2 , y 3 ⋯ y n )
dx
LABORATORIO DE METODOS NUMERICOS
INTERPOLACION POLINOMICA
INTERPOLACIÓN DE LEGENDRE

AJUSTE DE TCHEBYSHEV
METODO DE LAS DIFERENCIAS DIVIDIDAS
 METODO DE VANDERMORE

METODO SPLINE Y NEVILLE

INTEGRACION NUMERICA
CUADRATURA DE GAUSS
CUADRATURA DE GAUSS LEGENDRE

INTEGRACIÓN DE REMBERG
INTEGRACIÓN SIMPONCOMPUESTO

INTEGRACIÓN POR TRAPECIO COMPUESTO

METODO RECTASNGULAR POR LA IZQUIERDA

INTEGRAL DOBLE
METODO DE LA CUADRATURA DE GAUSS

PARA REGIONES TRIANGULARES

PARA REGIONES CUADRANGULARES

 ECUACIONES DIFERENCIALES ORDINARIAS
(PROBLEMAS DE VALOR INICIAL)

METODO DE ADAMS BARHFORTH.

METODO DE EULER

METODO DE ADAMS BARHFORTH. MOULTON

METODO DE MILNE

METODO DE RUNGE KUTTA PARA SITEMAS

METODO DE RUNGE KUTTA

METODO DE RUNGE KUTTA DE CUARTO ORDEN

METODO DE TAYLOR

METODO DE CRACK NICHOLSON – ECUACION DE CALOR

METODO DE LAS DIFERENCIAS FINITAS

METODO DE LAS DIFERENCIAS FINITAS

METODO DE LAS DIFERENCIAS PROGRESIVAS