Académique Documents
Professionnel Documents
Culture Documents
Mtodos Numrico
Carlos Ivn Bucheli Chaves
Corregido por Ricardo Gmez Narvez
Revisado por Carlos Edmundo Lpez Sarasty
T
TA
AB
BL
LA
AD
DE
EC
CO
ON
NT
TE
EN
NIID
DO
O
INTRODUCCIN A LOS MTODOS NUMRICOS
Introduccin a los Mtodos Numricos. 7
Mapa Conceptual de Mtodos Numricos.................................... 8
U
UN
NIID
DA
AD
D II::
C
Coonncceeppttooss B
Bssiiccooss,, E
Exxaaccttiittuudd yy R
Raacceess ddee
E
Eccuuaacciioonneess..
C
CA
AP
PIITTU
ULLO
O 11:: C
CO
ON
NC
CE
EP
PTTO
OS
SB
BA
AS
SIIC
CO
OS
S
Leccin 1 Exactitud y Precisin. 65
Leccin 2 Errores de Redondeo
74
C
CA
AP
PIITTU
ULLO
O 22:: R
RA
AIIC
CE
ES
SD
DE
EE
EC
CU
UA
AC
CIIO
ON
N
Leccin 3 Mtodo de biseccin.. 81
Leccin 4 Mtodo de la regla falsa 92
Leccin 5 Mtodo de Newton- Raphson 101
Leccin6 Mtodo iterativo de punto fijo y Ejercicios de la Unidad . 111
U
UN
NIID
DA
AD
D IIII::
S
Siisstteem
maass ddee E
Eccuuaacciioonneess LLiinneeaalleess,, N
Noo LLiinneeaalleess
ee IInntteerrppoollaacciinn..
C
CA
AP
PIITTU
ULLO
O 33:: S
SO
OLLU
UC
CII
N
ND
DE
ES
SIIS
STTE
EM
MA
AS
SD
DE
EE
EC
CU
UA
AC
CIIO
ON
NE
ES
S LLIIN
NE
EA
ALLE
ES
S
Y
YN
NO
O LLIIN
NE
EA
ALLE
ES
S..
Leccin 7 Mtodo de eliminacin de Gauss
131
Leccin 8 Mtodo de Gauss-Jordn.. 134
Leccin 9 Mtodo de Gauss-Seidel y Ejercicios del Capitulo ...138
C
CA
AP
PIITTU
ULLO
O 44:: IIN
NTTE
ER
RP
PO
OLLA
AC
CIIO
ON
N
Leccin 10 Polinomio de Interpolacin de Lagrange . 148
Leccin 11 Polinomio de Interpolacin con diferencias divididas de newton
.... 151
Leccin 12 Interpolacin Polinomial de diferencias finitas de Newton 156
Leccin 13 Ajuste de curvas.... 161
Leccin 14 Transformada discreta de Fourier y Ejercicios del Capitulo.. 169
U
UN
NIID
DA
AD
D IIIIII::
D
Diiffeerreenncciiaacciinn,, IInntteeggrraacciinn N
Nuum
mrriiccaa yy S
Soolluucciinn ddee
E
Eccuuaacciioonneess D
Diiffeerreenncciiaalleess..
C
CA
AP
PIITTU
ULLO
O 55:: D
DIIFFE
ER
RE
EN
NC
CIIA
AC
CII
N
N ee IIN
NTTE
EG
GR
RA
AC
CIIO
ON
NN
NU
UM
ME
ER
RIIC
CA
A..
Leccin 15
Leccin 16
Leccin 17
Leccin 18
Leccin 19
C
CA
AP
PIITTU
ULLO
O 66:: S
SO
OLLU
UC
CIIO
ON
ND
DE
EE
EC
CU
UA
AC
CIIO
ON
NE
ES
SD
DIIFFE
ER
RE
EN
NC
CIIA
ALLE
ES
S..
Leccin 20 Mtodo de Euler..
216
Leccin 21 Mtodo de Runge Kutta
217
Leccin 22 Mtodo Multipasos, Ejercicios del Capitulo y Autoevaluacin 223
A
ALLC
CA
AN
NC
CE
ED
DE
ELL C
CU
UR
RS
SO
OA
AC
CA
AD
DE
EM
MIIC
CO
O
El estudiante comprender la importancia de los mtodos numricos y conocer
Las caractersticas operativas del software de cmputo numrico comercial.
Implementar mtodos de solucin de ecuaciones algebraicas o trascendentales,
con apoyo de un lenguaje de programacin.
Implementar los mtodos numricos de solucin de sistemas de ecuaciones, con
apoyo de un lenguaje de programacin.
Aplicar los mtodos numricos para la solucin de problemas de diferenciacin e
integracin numrica, usando un lenguaje de programacin.
Por ultimo, Aplicar los mtodos numricos para la solucin de problemas de
diferenciacin e integracin numrica, usando un lenguaje de programacin.
Por tanto al finalizar la lectura y comprensin de este modulo el estudiante estar
en la capacidad de:
Analizar en grupo la importancia de los mtodos numricos en la ingeniera y en
las ciencias.
Analizar en grupo los conceptos de cifra significativa, precisin, exactitud, sesgo
e incertidumbre, as como los diferentes tipos de error: absoluto y relativo por
redondeo por truncamiento numrico total humanos.
Buscar y diferenciar las caractersticas de un software de cmputo numrico.
Exponer por equipos, las caractersticas de un software de cmputo numrico.
Realizar prcticas del uso de un software de cmputo numrico, apoyndose en
tutoriales y manuales correspondientes.
Buscar y analizar la interpretacin grfica de una raz y la teora de alguno de
los mtodos iterativos.
Buscar y catalogar los diferentes mtodos numricos de solucin de ecuaciones.
Disear e implementar los mtodos numricos catalogados, utilizando la
herramienta de cmputo numrico.
Resolver ejercicios aplicando los mtodos implementados, validando sus
resultados.
Buscar y clasificar los fundamentos matemticos de la solucin de sistemas de
ecuaciones lineales.
Identificar grficamente, los casos de sistemas de ecuaciones lineales mal
condicionadas y su relacin matemtica con el determinante.
Analizar en grupo la solucin de sistemas de ecuaciones, empleando los
mtodos iterativos de Jacobi y Gauss-Seidel.
IIN
NTTR
RO
OD
DU
UC
CC
CII
N
NA
A LLO
OS
SM
M
TTO
OD
DO
OS
SN
NU
UM
M
R
RIIC
CO
OS
S
Una pregunta muy natural que surge al introducirse en el estudio de los mtodos
numricos, es la siguiente:
Por que sucedi todo esto?
El precio que hay que pagar es el de clculos cada vez ms largos y tediosos y
aqu es donde hace acto de presencia la poderosa herramienta computacional,
que nos permite hacer clculos largos y tediosos en poco tiempo y con mayor
exactitud que si los hiciramos a mano. Esta gran herramienta hace factible el
camino de los mtodos numricos pues de otra forma, seran muy lentos los
procesos y con mucho riesgo de cometer errores en cada paso.
Por otro lado, cabe mencionar que para poder elaborar un buen programa de
computacin, aparte de manejar un lenguaje determinado, debemos saber realizar
el proceso "a mano", ya que esto nos permitir implementar un mejor programa
que contemple todas las posibles piedras en el camino.
M
Maappaa C
Coonncceeppttuuaall M
Mttooddooss N
Nuum
mrriiccooss
Cmo?
Mtodo o
Algoritmo
pasos
consecutivos
lgicos
ordenados
Programa:
Cmo
?
Programa
C, Matlab, Excel
U
UN
NIID
DA
AD
D II::
C
Co
on
ncceep
ptto
oss b
bssiicco
oss,, eexxaaccttiittu
ud
d yy rraacceess d
dee
eeccu
uaacciio
on
neess..
C
CA
AP
PIITTU
ULLO
O 11:: C
CO
ON
NC
CE
EP
PTTO
OS
SB
BA
AS
SIIC
CO
OS
S..
Errores
Los errores numricos se generan con el uso de aproximaciones para representar
cantidades y/o operaciones. Esto da lugar a dos tipos de errores:
Truncamiento
Errores
Redondeo
Los errores de truncamiento, resultan de representar aproximadamente un
procedimiento matemtico exacto. Por ejemplo, en la solucin numrica al
problema del objeto en cada libre, usamos una aproximacin al proceso de
derivacin, el cual es un procedimiento matemtico exacto.
10
L
Leeccccii
n
n 11 E
Exxaaccttiittu
ud
d yy P
Prreecciissii
n
n
Dgitos Significativos:
Son aquellos nmeros diferentes de cero, en una cifra o guarismo, leyendo de
izquierda a derecha; empiezan con el primer dgito diferente de cero y terminan
con el tamao que permitan las celdas que guardan la mantisa.
Exactitud:
Se refiere a la cercana de un nmero o de una medida al valor verdadero que se
supone representa.
Precisin:
Se refiere al nmero de cifras significativas que representan una cantidad, a esto
se refiere cuando se habla de doble precisin, dependiendo de la mquina que
estemos utilizando.
Errores Inherentes o Heredados:
Son errores en los valores numricos con que se va a operar, pueden deberse a
dos causas: sistemticos o accidentales.
Errores Sistemticos:
Debidos a la imprecisin de los aparatos de medicin.
Errores Accidentales:
Debidos a la apreciacin del observador y otras causas.
Errores de Truncamiento:
Se debe a la interrupcin de un proceso matemtico antes de su terminacin.
Sucede cuando se toman slo algunos trminos de una serie infinita o cuando se
toma slo un nmero finito de intervalos. Un caso adicional de error de
truncamiento ocurre cuando una calculadora poco sofisticada slo toma en cuenta
los dgitos que caben en la pantalla y no analiza el primer dgito perdido.
Error de Redondeo:
Se ocasiona debido a las limitaciones propias de la mquina para representar
cantidades que requieren un gran nmero de dgitos.
Dependiendo de como se redondea puede ser de dos formas.
Error de Redondeo Inferior:
Se desprecian los dgitos que no pueden conservarse dentro de la localizacin de
memoria correspondiente (pensando de una manera estricta, este caso puede
considerarse como un error de truncamiento).
11
12
Error absoluto
Si p* es una aproximacin de p, y si p es el valor real, entonces:
Error Absoluto =
O sea el valor absoluto de p menos p*.
Debido a que la ecuacin se dio en trminos del valor absoluto, el error absoluto
no es negativo. As pues, una coleccin (suma) de errores siempre se incrementan
juntos, sin reducirse. Este es un hecho demasiado pesimista, dado que el
redondeo y otros errores rara vez estn en la misma direccin, es posible que la
suma ("algebraica") de errores sea cero, con aproximadamente la mitad de los
errores positiva y la otra mitad negativa. Pero tambin es demasiado optimista
esperar que errores con signo sumen cero a menudo. Un enfoque realista es
suponer que los errores, en especial el redondeo, estn estadsticamente
distribuidos.
Error relativo
Si p* es una aproximacin de p, y si p es el valor real, entonces, el Error relativo
se define como:
Error relativo =
con la condicin de p
0.
13
Ejemplo
p=0.3x10-3
p*=0.31x10-3
Calcular el error absoluto y el error relativo.
Ejemplo
p=0.3x104
p*=0.31x104
Calcular el error absoluto y el error relativo.
Conclusin:
Como una medida de precisin el error absoluto puede ser engaoso y el error
relativo es ms significativo.
Error relativo aproximado
Definiciones
1) Error relativo aproximado = ERA
Valor actual - Valor anterior
ERA = (-----------------------------------------) * 100%
Valor actual
2) Tolerancia = (0.5x102-n) %
Donde n = nmero de cifras significativas
3) Trmino de convergencia permite finalizar los clculos. Es la desigualdad: ERA
< Tolerancia
14
Ejemplo
Usando la serie de Taylor con xo=0
Encontrar e1.5 con tres cifras significativas. Se desea saber tambin: En cuntas
iteraciones se cumple el trmino de convergencia?
SOLUCION:
Como n = 3, entonces:
Tolerancia = (0.5x102-3) % = 0.05%
Trmino de convergencia: ERA < Tolerancia
ERA = ((Valor actual - Valor anterior)/ Valor actual) 100%
15
16
EJEMPLO
Encontrar cos( / 6) con n = 2 (2 cifras significativas), donde =180o = 3.1416
radianes
Usando la serie de Taylor:
17
18
como sigue:
Aprox. al
valor e
Error
aproximado
50%
2.5
20%
2.666666667
6.25%
2.708333333
1.54%
19
2.716666667
0.307%
2.718055556
0.051%
2.718253968
0.007%
2.718278770
0.0009%
L
Leeccccii
n
n 22 E
Errrro
orr d
dee R
Reed
do
on
nd
deeo
o
El error de redondeo se origina porque una mquina involucra nmeros con slo
un nmero finito de dgitos; por lo tanto, los clculos se realizan con
representaciones aproximadas de los nmeros verdaderos. Dicho de otra manera,
el error de redondeo se debe a la naturaleza discreta del sistema numrico de
mquina de punto flotante, el cual a su vez se debe a su longitud de palabra finita.
Cada nmero (real) se reemplaza por el nmero de mquina ms cercano. Esto
significa que todos los nmeros en un intervalo local estn representados por un
solo nmero en el sistema numrico de punto flotante.
En una computadora se almacena una parte fraccionaria llamada la mantisa junto
con una parte exponencial llamada caracterstica; adems de un espacio para el
signo.
Error de redondeo
Es el que resulta de reemplazar un nmero por su forma de punto flotante.
Cualquier nmero real positivo puede ser normalizado para que adquiera la forma:
20
21
SOLUCION:
Polinomio de Taylor de segundo orden.
Calculando derivadas:
Donde
a lo ms es 1 por lo que
22
Donde
a lo ms es 1 por lo que
Conclusin:
23
Las dos primeras partes del ejemplo ilustran los 2 objetivos de los mtodos
numricos. El primero es obtener una aproximacin que los polinomios de Taylor
ofrecen en ambas partes.
El segundo objetivo consiste en determinar la exactitud de la aproximacin (error
de truncamiento).
En este caso el polinomio de tercer grado proporciona una exactitud mayor o un
error de truncamiento menor.
Ejemplo
Sea f(x)=x3
a) Encontrar el polinomio de Taylor de segundo grado para xo=0 y el error de
truncamiento para cuando x=0.5.
SOLUCION:
24
Ejemplo
Calcular f(x)=x3 para un polinomio de Taylor de segundo grado con xo=1.
25
Es el Error de Truncamiento
26
C
CA
AP
PIITTU
ULLO
O 22:: R
RA
AIIC
CE
ES
SD
DE
EE
EC
CU
UA
AC
CIIO
ON
NE
ES
S..
Mtodos preliminares
Los mtodos numricos para tratar los problemas relacionados con races de una
ecuacin, sirven para obtener aproximaciones a las soluciones de ecuaciones de
las cuales no es posible obtener respuesta exacta con mtodos algebraicos (Solo
respuestas aproximadas). Por ejemplo, la ecuacin:
1564000=1000000*e
-1)
x
f ( x0 ) 0 . Tambin se
Una raz de una funcin f (x) es un nmero 0 tal que
dice que x0 es una raz de la ecuacin f ( x0 ) 0 . En este curso, consideraremos
solamente races reales.
Geomtricamente, una raz de una funcin representa un punto donde la grfica
de f (x) cruza al eje x ,
f ( x) x 2 9 son x 3 y
x 3 .
27
2. La funcin
f ( x) x 4 x 2 1 no tiene races.
3. La funcin
4. Las races de
x 3 y x 7 .
L
Leeccccii
n
n 33 M
Mtto
od
do
od
dee B
Biisseeccccii
n
n
El mtodo de biseccin se basa en el siguiente teorema de Clculo:
Teorema del Valor Intermedio
Sea
f (x)
contnua en un intervalo
tal que
En particular, si
f (a)
intermedio es precisamente
f (b)
z 0,
f (x)
continua,
28
xa , xb
tales que
f ( xa )
f ( xb ) tienen signos
xa
xb :
iii) Evaluar
f ( xa )
f ( xr )
xa , xr .
f ( xr ) 0
29
Es decir,
En otras palabras:
Este es uno de los problemas de aproximacin ms antiguos y sin embargo la
investigacin correspondiente todava contina.
Supongamos que f(x) es una funcin contina definida en el intervalo [a, b] con
f(a) y f (b) de signos diferentes.
El de biseccin nos dice que de acuerdo al teorema del valor intermedio existe un
nmero p en a, b tal que f(p)=0.
Aunque el procedimiento en el caso en que f(a) y f(b) tengan signos diferentes y
exista ms de una raz en el intervalo (a,b), por razones de simplicidad suponemos
que la raz de este intervalo es nica.
30
Figura. f (p1) tiene signo diferente a f(a1) entonces ac est la raz; f(p1) tiene
signo igual a f(b1) entonces esta mitad se elimina.
si f(p1)=0 entonces p=p1
si f(p1) y f(a1) tienen el mismo signo, entonces p (p1,b1) y a2=p1 y b2=b1
si f(p1) y f(a1) tiene signos opuestos entonces p (a1,p1) y a2=a1 y b2=p1
Para PN 0
Donde representa la tolerancia permitida con respecto al error relativo. Al
trabajar programas de computadora conviene fijar el nmero mximo de
iteraciones que se efectuaron.
En la figura se ilustra grficamente el mtodo de biseccin.
31
f ( x) e x ln x
hasta que
a 1%
SOLUCION
Sabemos por lo visto en el ejemplo 1 de la seccin anterior, que la nica raz de
f (x)
1,1.5
se localiza en el intervalo
. As que este intervalo es nuestro
punto de partida; sin embargo, para poder aplicar el mtodo de biseccin debemos
chequear que f (1) y f (1.5) tengan signos opuestos.
En efecto, tenemos que
mientras que
f (x)
32
ii) Evaluamos
iii) Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos la
siguiente tabla:
1.25,1.5 .
En este punto, vemos que todava no podemos calcular ningn error aproximado,
puesto que solamente tenemos la primera aproximacin. As, repetimos el proceso
con el nuevo intervalo
1.25,1.5 .
Aqu podemos calcular el primer error aproximado, puesto que contamos ya con la
aproximacin actual y la aproximacin previa:
33
1.25,1.375.
Error
aprox.
9.09%
4.76%
2.43%
1.20%
0.59%
Ejemplo:
Encontrar la raz de:
intervalo [1,2], se sugiere trabajar con cuatro cifras significativas despus del
34
an
Bn
Pn
f(pn)
1.5
2.375
1.5
1.25
-1.7068
1.25
1.5
1.375
0.16214
1.25
1.375
1.3125
-0.8483
1.3125
1.375
1.343
-0.333
1.343
1.375
1.359
-0.102
1.359
1.375
1.367
0.029
1.359
1.367
1.363
-0.036
1.363
1.367
1.365
-0.0037
10
1.365
1.367
1.366
11
1.365
1.366
1.3655
0.0044
12
1.365
1.3655
1.36525
0.0003
13
1.365
1.36525
1.36515
-0.0021
14
1.36515
1.36525
1.36517
-0.0009
Ejemplo:
Aproximar la raz de
f ( x) arctan x x 1
hasta que
a 1%
SOLUCION
Como vimos en el ejemplo 2 de la seccin anterior, la nica raz de
f (x)
se
35
Sabemos que
f (0) y
Mientras que,
f (x) .
Puesto que
el intervalo
0.5,1 .
xr1 0.5
En este punto, solo contamos con una aproximacin, a saber,
, que
es el primer punto medio calculado.
Repetimos el proceso, es decir, calculamos el punto medio ahora del intervalo
0.5,1 ,
36
f (x) .
Puesto que
f (0.5)
localiza en el intervalo
f (0.75)
0.5,0.75 .
37
Error
aprox.
33.33%
20%
11.11%
5.88%
3.03%
1.49%
0.75%
xr8 0.51953125
38
L
Leeccccii
n
n 44 M
Mtto
od
do
od
dee llaa R
Reeg
gllaa ffaallssaa
Se trata de encontrar la raz de una ecuacin. La ecuacin tiene la forma f(x), es
decir, es una funcin de x. Adems, f(x) esta definida en el intervalo [a, b].
39
fa=f(a=1)=0.5403
fb=f(b=2)=-0.4161
40
f(a=1.5649) = 0.005896
f(b=1.5709)=cos 1.5709 = -0.0001036
Raz = 1.5707
Otra Manera de ver el mtodo:
Como mencionamos anteriormente, sera bueno considerar si la raz de una
ecuacin est localizada ms cerca de alguno de los extremos del intervalo.
41
Donde hemos agregado la lnea recta que une los puntos extremos de la grfica
en el intervalo
a, b .
xa , xb
y adems,
f (x)
( xa , f ( xa )) ,
42
Multiplicando por
xb xa
nos da:
Este punto es el que toma el papel de xr en lugar del punto medio del mtodo de
biseccin.
As pues, el mtodo de la regla falsa sigue los siguientes pasos:
Sea
f (x) continua,
iii) Evaluar
43
f ( xa )
f ( xr )
f ( xa )
f ( xr )
xa , xr .
se encuentra en el intervalo
xr , xb .
f ( xr ) 0
Ejemplo
f ( x) e x ln x ,
a 1%
SOLUCION
Este es el mismo ejemplo 1 del mtodo de la biseccin. As pues, ya sabemos que
f (x) es contnua en el intervalo dado y que toma signos opuestos en los
extremos de dicho intervalo. Por lo tanto podemos aplicar el mtodo de la regla
falsa.
Calculamos la primera aproximacin:
44
1,1.397410482 .
, y hacemos la tabla de
45
1.1.321130513 , con el
Y el error aproximado:
y hasta que
a 1%
.
SOLUCION
Este es el mismo ejemplo 2 del mtodo de la biseccin. As pues, ya sabemos
que se cumplen las hiptesis necesarias para poder aplicar el mtodo, es decir,
que f (x) sea contnua en el intervalo dado y que f (x) tome signos opuestos
en los extremos de dicho intervalo.
Calculamos pues, la primera aproximacin:
46
Evaluamos
0,0.5600991535 .
0,0.5231330281 , con el
47
48
49
L
Leeccccii
n
n 55 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
xi a la raz x r de f (x) ,
Hacemos y 0 :
50
Y despejamos x :
f ( x ) 0
i
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 x en ningn punto, a
xi
f (x) !
Ejemplo
Usar el mtodo de Newton-Raphson, para aproximar la raz de
comenzando con
x0 1
y hasta que
a 1%
f ( x) e x ln x ,
SOLUCION
En este caso, tenemos que
51
Comenzamos con
x0 1
y obtenemos:
Error aprox.
21.19%
3.06%
0.052%
Ejemplo
Usar el mtodo de Newton-Raphson para aproximar la raz de
y hasta que
a 1%
52
SOLUCION
En este caso, tenemos que
Comenzamos sustituyendo
x0 0 para obtener:
a
En este caso tenemos un error aproximado de
0.5 0
100% 100%
0.5
Error
aprox.
100%
3.88%
0.01%
53
Ejemplo
Usar el mtodo de Newton-Raphson para aproximar races cuadradas de nmeros
reales positivos.
SOLUCION
x R ; elevando al cuadrado x2 R ,
x2 R 0
Esto nos sugiere definir la funcin f ( x) x R de donde
estos datos en la frmula de Newton-Raphson nos da:
2
xi 1
f ( x) 2 x . Al sustituir
xi2 R
xi
2 xi
1
R
xi 1 xi
2
xi
Esta frmula era conocida por los antiguos griegos (Hern).
Para fijar un ejemplo de su uso, pongamos
obtenida, comenzando con
y apliquemos la frmula
Aprox. a la raz
5
5.1
5.099019608
5.099019514
De lo cual conclumos que
dgitos!
R 26
Error aprox.
1.96%
0.019%
0.0000018%
54
La misma idea puede aplicarse para crear algoritmos que aproximen races
simas de nmeros reales positivos.
n-
55
Ejemplo:
Encontrar la raz de f(x)=x5+x2=9 con un valor inicial de xo=1.5 y s = 0.001.
SOLUCION:
f(x)= x5+x2-9 f(x)= 5*x4+2*x
f(xo=1.5)= (1.5)5+(1.5)2 - 9 = 0.84375
f(xo=1.5)=5* (1.5)4+2*(1.5)= 28.3125
x1 = xo - f(xo) / f(xo)= 1.5 - (0.84375 / 28.3125) = 1.4701986755
ERA (x1, xo)=
(que no es menor a s)
56
(que no es menor a s )
(que s es menor a s )
57
SOLUCION:
f(x)= ex-3*x
recordemos que
f(x)= ex-3
58
EJEMPLO:
La siguiente frmula se aplica a un vertedor con contracciones:
Q=3.33*(B-0.2*H)*(H3)1/2
Donde:
Q - Cantidad de agua que pasa por le vertedor en pies3/seg
B - Ancho del vertedor en pies
H - Carga sobre la cuesta del vertedor en pies.
Si B=3 ; Q=12 entonces cual es el valor de H=?.
Calcular por el mtodo de Newton-Raphson con s =0.001 y Ho=B/2
SOLUCION:
12=3.33*(3-0.2*H)*( H3)1/2
f(H)=12 - 3.33*(3-0.2*H)*( H3)1/2 = 0
f(H)= - 3.33*(3-0.2*H)*(1/2)*( H3)-1/2 (3*H2)+ ( H3)1/2*(-3.33)*(-0.2)
f(H)=-3.33*(3)*(1/2)*(H)-3/2(3*H2)*(-3.33)*(-0.2H)*(1/2)*(H)3/2
(3*H2)+(3.33)*(0.2)*(H3/2)
f(H)=-14.985*H1/2+0.99*H*H-3/2*H2+0.666*H3/2
f(H)=-14.985*H1/2+1.665*H3/2
f(H)=12-3.33*(3-0.2H)*(H3)1/2
f(H)=-14.985*H1/2+1.665*H3/2
Hi+1 =
Hi
f(Hi)
F(Hi)
Hi+1
ERA
1.5
-4.51
-15.32 1.20517 -
1.20517 -0.16
2=1.19360.
59
L
Leeccccii
n
n 66 IItteerraaccii
n
no
om
mtto
od
do
o iitteerraattiivvo
od
dee p
pu
un
ntto
o ffiijjo
o
yy E
Ejjeerrcciicciio
oss d
dee llaa U
Un
niid
daad
d
Este mtodo se aplica para resolver ecuaciones de la forma
Si la ecuacin es
, entonces puede despejarse
bien sumar
ambos lados de la ecuacin para ponerla en la forma adecuada.
en
Este mtodo sirve para encontrar las races de una ecuacin y consiste en los
siguientes pasos:
1.- Nos deben dar la funcin a la cual le debemos encontrar la raz, es decir,
debemos conocer f(x)=0.
Ejemplo: f(x)= 0.5*x - 4 = 0
2.- Nos deben de dar un valor inicial xo. Ejemplo xo = 0.
3.- De la funcin f(x) debemos de despejar x de manera que encontremos una
nueva funcin de x llamada ahora g(x).
Ejemplo:
(2/2)*x - (1/2)*x - 4 = 0 donde (1/2)*x no se altera
x - (1/2)*x - 4 = 0 x = (1/2)*x + 4
g(x) = x = (1/2)*x + 4
4.- Se deriva la funcin g(x). En el caso de que el valor absoluto de la derivada de
g(x) sea menor a uno, se asegura que el despeje realizado funcione.
si
5.- Luego se evala g(x) utilizando primero xo. El resultado de esta evaluacin se
convierte en el nuevo valor de x y as se contina hasta encontrar la raz deseada
desde luego, satisfaciendo un error deseado.
SOLUCION:
xo = 0 , = 0.001
x1 = (xo/2) + 4 = 0 + 4 = 4
ERA (x1,xo)
x2 = (x1/2) + 4 = 6
ERA (x2,x1
x3 = (x2/2) + 4 = 7
ERA (x3,x2
x4 = (x3/2) + 4 =7.5
ERA (x4 = 7.5, x3= 7)
(que no es menor a s)
60
x5 = (x4/2) + 4 = 7.75
ERA (x5,x4
x6 = (x5/2) + 4 = 7.875
ERA (x6, x5)=
x7 = (x6/2) + 4 = 7.9375
ERA (x7, x6
x8 = (x7/2) + 4 = 7.96875
(que no es menor a s)
ERA (x8,x7)=
x9 = (x8/2) + 4 = 7.984375
(que no es menor a s)
ERA (x9,x8)=
x10 = (x9/2) + 4 = 7.9921875
(que no es menor a s)
ERA (x10,x9)=
= 7.9921875 (tiende a 8)
El nmero 7.9921 se le llama punto fijo de g(x), sin importar cual sea el xo. El
punto fijo de g(x) es la raz de f(x).
Ejemplo:
Sea f(x) = x + 4 = 0 y xo = 0 Encontrar una raz por el mtodo iterativo del punto
fijo.
Hagamos un posible despeje:
2*x - x + 4 = 0
x = 2*x + 4 g(x) = 2*x + 4
g(x) = 2 donde g(x) no es menor a 1, por lo tanto, no se asegura que este despeje
sirva:
Probemos:
xo=0
x1=2*(0)+4=4
x2=2*(4)+4=12
x3=2*(12)+4=28
x4=2*(28)+4=60
x tiende al infinito de manera tal que no vamos a encontrar ninguna raz, desde
luego comenzando con xo=0.
Al analizar f(x)=x+4=0. Vemos que la solucin es x+4=0 x= -4.
Y desde luego, si iniciramos con la solucin, es decir, que xo= -4, si tenderamos
a encontrar la solucin. Sin embargo, el mtodo trata de que dado un valor inicial
que no sea la solucin, se encuentre la solucin.
xo = -4; x1=2*(-4)+4 x1= -4
Sea f(x) = x+4 = 0 con xo=0
2*x - x + 4 = 0 x = 2*x + 4 g(x) = 2*x + 4
g´(x)= 2 que es mayor a 1 g(x) no es menor que 1 y por lo tanto no se
10
61
62
La ecuacin
2)
La ecuacin
Dada la aproximacin
se puede transformar en
se puede transformar en
63
, es decir,
y diferenciable en
entonces existe
es
tal que
tal que:
O bien,
sima iteracin.
64
en un intervalo
es contnua y
en dicho intervalo.
En el ejemplo 1,
que
En
ejemplo
2,
en
este
caso,
y hasta que
Solucin
Como ya aclaramos anteriormente, el mtodo s converge a la raz.
Aplicando la frmula iterativa tenemos,
Y un error aproximado de
65
Ejemplo 2
Usar el mtodo de iteracin del punto fijo para aproximar la raz de
, comenzando con
Solucin
Si despejamos la
y hasta que
de donde,
. Un vistazo a la grfica,
66
Aprox. a la raz
0
-0.2
-0.1557461506
-0.1663039075
-0.163826372
-0.164410064
Error aprox.
100%
28.41%
6.34%
1.51%
0.35%
67
68
Para x=0
Por lo tanto vemos que pasa con x>0 y x<0:
ejecute;(x)= - e-x
Por ejemplo para:
x=10
si se cumple
69
Solucin:
Propongamos primero una funcin g(x)
5*x2-4*x=7
factorizando a x y trabajando con respecto a la x que se factoriz:
x(5x-4)=7 y despejando a x
x = 7 / (5*x - 4)
g(x)=7 / (5*x - 4)
dg(x) / dx = d/dx(7 / (5*x-4) = (d/dx)(7*(5*x-4)-1)
g(x)=7*[(-1)*(5*x-4)-1-1((d/dx)(5*x-4))]
g(x)=7[(-1)(5*x-4)-2(5-0)]
g(x)=(7*(-1)*(5)) / (5*x-4)2 = -35 / (5*x-4)2
Probemos para los lmites del intervalo dado para -0.9.
70
2) respecto a x2
x2-x-2=0
x2=2+x
x= (2+x)1/2
2) g2(x)= -(2+x)1/2
3) g3(x)= (2+x)1/2
4) respecto a x2
x2-x-2=0
x2=x+2
se despeja con respecto a x*x
x*x=x+2
x=1 + 2/x
g4(x)= 1+2/x
5) factorizamos a x
x2-x-2=0
x*(x-1)-2=0
x*(x-1)=2
x=2 / (x-1)
g5(x)= 2 / (x-1)
Probemos si g1(x) nos puede servir para encontrar las dos races (-1,2).
g1(x)=x2-2
g1(x)=2*x
2*x < 1
x<1/2
Esto quiere decir que el despeje propuesto nos va a servir para encontrar la raz
con x que sea una sola palabra sea menor a 0.5.
Probemos con xo=0
xAct=xAnt-2
x1= xo2-2
x1=-2
x2= x12-2=(-2)2-2=2
x3= (-2)2-2=2
Como sabemos que una raz es 2 veamos si 1.5 lo aproxima:
Probemos con xo=1.5
x1= (1.5)2-2
x1=0.25
x2= x12-2=-1.9375
x3= x22-2=1.75390625
x4= x32-2=1.0768713379
No tiende a alguna convergencia. Esto demuestra que debe respetarse que x<
(1/2) para esta ecuacin iterativa.
Probemos ahora g2(x)
71
g2(x)=-(2+x)1/2
g21(x)=-(1/2)* (2+x)-1/2
(1/2)* (2+x)-1/2< 1
(2+x)1/2 esta dividiendo y pasa multiplicando:
1 / (2*(2+x)1/2)< 1
1/2 < (2+x)1/2
elevo al cuadrado y reacomodo para despejar a x:
2+x > 1/4
x > 1/4 - 2
x > 1/4 - 8/4
x > -7/4
x > -1.75
72
x2 > 2
x > 21/2
x > 1.4142
Esto quiere decir que el despeje hecho, nos podr servir para encontrar la raz
mayor a 1.4142 o sea para encontrar la raz.
Probemos ahora g5(x):
Se desea saber si este despeje es vlido para encontrar la raz de -1? O bien
este despeje es vlido para encontrar la raz 2?
g5(x)= 2 / (x-1) = 2*(x-1)-1
g5(x)=2*(-1)*(x-1)-2 dx/dx
g5(x)= -2 / (x-1)2
Probemos s esto fuese vlido para encontrar la raz igual a -1.
73
74
EJERCICIOS
NOTA: Usa todos los dgitos en tu calculadora para que la aproximacin sea lo
ms exacta posible.
1. Usa el mtodo de biseccin para aproximar la raz de
comenzando en el intervalo
y hasta que
.
Solucin:
y hasta que
y hasta que
Solucin:
y hasta que
Solucin:
5.
Usa
el
.
mtodo
de Newton-Raphson
comenzando con
Solucin:
para aproximar
y hasta que
Solucin:
raz
.
de
la
y hasta que
75
7.
76
UNIDAD II:
SISTEMAS DE ECUACIONES LINEALES, NO
LINEALES E INTERPOLACION
ECUACIN ALGEBRICA LINEAL
Es aquella en donde en cada trmino de la ecuacin aparece nicamente una
variable o incgnita elevada a la primera potencia. Por ejemplo:
(1)
Es una ecuacin algebraica lineal en las variables X1, X2, X3,..., Xn. Se admite que
los coeficientes a11, a12, a13,..., a1n y el trmino independiente C1, son constantes
reales.
77
SISTEMA DE ECUACIONES
Es un conjunto de ecuaciones que deben resolverse simultneamente. En los
sucesivo se considerarn nicamente sistemas de ecuaciones algebraicas
lineales, o sea conjuntos de ecuaciones de la forma:
.
a n1 x1 a n 2 x 2 a n3 x3 ... a nn x n c n (c)
(2)
(3)
(5)
78
C
CA
AP
PIITTU
ULLO
O 33:: S
SO
OLLU
UC
CIIO
ON
N D
DE
E S
SIIS
STTE
EM
MA
AS
S
E
EC
CU
UA
AC
CIIO
ON
NE
ES
S
D
DE
E
M
Mttooddoo ddee eelliim
miinnaacciinn
Es un conjunto de valores de las incgnitas que verifican simultneamente a todas
y cada una de las ecuaciones del sistema.
De acuerdo con su solucin, un sistema puede ser: Consistente, si admite
solucin; o Inconsistente, si no admite solucin.
Un sistema Consistente puede ser: Determinado, si la solucin es nica o
Indeterminado, si la solucin no es nica. En este caso se demuestra que existe
una infinidad de soluciones.
Teoremas sobre rangos
El rango de una matriz es el orden de determinante no nulo de mayor orden que
puede obtenerse de esa matriz. El rango de la matriz A se representa con la
notacin r(A) y el de la matriz ampliada con r(A, C).
En lgebra se demuestra que:
1. Para cualquier sistema,
2. Si r(A) < r(A, C) el sistema es inconsistente
3. Si r(A) = r(A, C) el sistema de ecuaciones es consistente
En este caso, si adems r(A) = n, el sistema es determinado e indeterminado si
r(A) < n, siendo n el nmero de variables en el sistema.
En general, hay dos tipos de tcnicas numricas para resolver ecuaciones
simultneas: Directas, que son finitas; e Indirectas, que son infinitas.
Naturalmente, ninguna tcnica prctica puede ser infinita. Lo que queremos decir
es que en un principio los mtodos directos (despreciando errores por redondeo)
producirn una solucin exacta, si la hay, en un nmero finito de operaciones
aritmticas.
Por otra parte, un mtodo indirecto requerir en principio un nmero infinito de
operaciones aritmticas para producir una solucin exacta. Dicho de otra manera,
79
L
Leeccccii
n
n 77 M
Mtto
od
do
od
dee eelliim
miin
naaccii
n
n
El primer mtodo que se presenta usualmente en lgebra, para la solucin de
ecuaciones algebraicas lineales simultneas, es aquel en el que se eliminan las
incgnitas mediante la combinacin de las ecuaciones. Este mtodo se conoce
como Mtodo de Eliminacin. Se denomina eliminacin Gaussiana si en el
proceso de eliminacin se utiliza el esquema particular atribuido a Gauss.
Utilizando el mtodo de Gauss, un conjunto de n ecuaciones con n incgnitas se
reduce a un sistema triangular equivalente (un sistema equivalente es un sistema
que tiene iguales valores de la solucin), que a su vez se resuelve fcilmente por
"sustitucin inversa"; un procedimiento simple que se ilustrar con la presentacin
siguiente.
El esquema de Gauss empieza reduciendo un conjunto de ecuaciones
simultneas, tal como se muestra en (2), a un sistema triangular equivalente
como:
(6)
80
(7)
(8)
(9)
81
x1 4 x 2 x3 7
x1 6 x 2 x3 13
(10)
2 x1 x 2 2 x3 5
Utilizando como ecuacin pivote la primera ecuacin (el coeficiente pivote es
unitario), obtenemos:
x1 4 x 2 x3 7
2 x 2 2 x3 6
(11)
9 x 2 0 9
A continuacin, utilizando la segunda ecuacin del sistema (11) como ecuacin
pivote y repitiendo el procedimiento, se obtiene el siguiente sistema triangular de
ecuaciones:
x1 0 5 x3 5
2 x 2 2 x3 6
(12)
9 x 2 0 9
x 1 , que al
x3 2
x1 5
82
83
L
Leeccccii
n
n 88 M
Mtto
od
do
od
dee G
Gaau
ussss -- JJo
orrd
daan
n
Este mtodo, que constituye una variacin del mtodo de eliminacin de Gauss,
permite resolver hasta 15 o 20 ecuaciones simultneas, con 8 o 10 dgitos
significativos en las operaciones aritmticas de la computadora. Este
procedimiento se distingue del mtodo Gaussiano en que cuando se elimina una
incgnita, se elimina de todas las ecuaciones restantes, es decir, las que preceden
a la ecuacin pivote as como de las que la siguen.
El mtodo se ilustra mejor con un ejemplo. Resolvamos el siguiente conjunto de
ecuaciones
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.8500
0.1 X1 + 7.0 X2 - 0.3 X3 = - 19.3
0.3 X1 - 0.2 X2 + 10 X3 = 71.4000
Primero expresemos los coeficientes y el vector de trminos independientes como
una matriz aumentada.
El trmino X1 se puede eliminar del segundo rengln restando 0.1 veces 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.
84
85
Inversin de matrices
Sea A una matriz cuadrada no singular, es decir, que su determinante sea
diferente de cero
Es la inversa de A si:
(13)
Haciendo
EJEMPLO
Invertir la matriz
86
87
L
Leeccccii
n
n 99 M
Mtto
od
do
od
dee G
Gaau
ussss--S
Seeiid
deell yy E
Ejjeerrcciicciio
oss d
deell
C
Caap
piittu
ullo
o
El mtodo de eliminacin para resolver ecuaciones simultneas suministra
soluciones suficientemente precisas hasta para 15 o 20 ecuaciones. El nmero
exacto depende de las ecuaciones de que se trate, del nmero de dgitos que se
conservan en el resultado de las operaciones aritmticas, y del procedimiento de
redondeo. Utilizando ecuaciones de error, el nmero de ecuaciones que se
pueden manejar se puede incrementar considerablemente a ms de 15 o 20, pero
este mtodo tambin es imprctico cuando se presentan, por ejemplo, cientos de
ecuaciones que se deben resolver simultneamente. El mtodo de inversin de
matrices tiene limitaciones similares cuando se trabaja con nmeros muy grandes
de ecuaciones simultneas.
Sin embargo, existen varias tcnicas que se pueden utilizar, para resolver grandes
nmeros de ecuaciones simultneas. Una de las tcnicas ms tiles es el mtodo
de Gauss-Seidel. Ninguno de los procedimientos alternos es totalmente
satisfactorio, y el mtodo de Gauss-Seidel tiene la desventaja de que no siempre
88
89
90
EJEMPLO
Resolver el siguiente sistema de ecuacin por el mtodo Gauss-Seidel utilizando
un
= 0.001.
0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85
0.3 X1 - 0.2 X2 - 10.0 X3 = 71.40
SOLUCION:
Primero ordenamos las ecuaciones, de modo que en la diagonal principal estn
los coeficientes mayores para asegurar la convergencia.
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85
0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30
0.3 X1 - 0.2 X2 - 10.0 X3 = 71.40
Despejamos cada una de las variables sobre la diagonal:
91
92
93
X1 = 3.0
X2 = -2.5
X3 = 7.0
Como se puede comprobar no se tiene un nmero exacto de iteraciones para
encontrar una solucin. En este ejemplo, se hicieron 3 iteraciones, pero a menudo
se necesitan ms iteraciones.
Se deja de investigacin al alumno alguna forma que haga que este mtodo
converge ms rpidamente.
94
EJERCICIOS
NOTA: En todos los ejercicios, redondea tus resultados a cinco decimales.
1. Usa el mtodo de Gauss con pivoteo para resolver el siguiente sistema:
SOLUCION:
2. Usa el mtodo de Gauss con pivoteo para resolver el siguiente sistema:
SOLUCION:
3. Usa el mtodo de Gauss-Jordan para resolver el siguiente sistema:
SOLUCION:
4. Usa el mtodo de Gauss-Jordan para resolver el siguiente sistema:
95
SOLUCION:
5. Calcula la matriz inversa de las siguientes matrices usando el mtodo de
Gauss-Jordan:
i)
ii)
Soluciones:
i)
ii)
a 1%
96
SOLUCION:
a 1%
SOLUCION:
97
C
CA
AP
PIITTU
ULLO
O 44:: IIN
NTTE
ER
RP
PO
OLLA
AC
CIIO
ON
N
IIN
NT
TE
ER
RP
PO
OL
LA
AC
CIIO
ON
ND
DE
EP
PO
OL
LIIN
NO
OM
MIIO
OS
S
Con frecuencia se tienen que estimar valores intermedios entre valores conocidos.
El mtodo ms comn empleado para este propsito es la interpolacin
polinomial.
Recuerde que la frmula general de un polinomio de n-simo orden es:
(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. El polinomio de
interpolacin consiste en determinar el nico polinomio de n-simo orden que se
ajusta a los n + 1 puntos 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 mediante las cuales
se puede expresar este polinomio. En esta unidad se estudian dos tcnicas
alternativas que estn bien condicionadas para implementarse en una
computadora. Estos son los polinomios de Newton y de Lagrange.
98
L
Leeccccii
n
n 1100 P
Po
olliin
no
om
miio
oss d
dee iin
ntteerrp
po
ollaaccii
n
nd
dee
L
Laag
grraan
ng
gee
../../../Documents
and
Settings/ESC.
AGRARIAS/Escritorio/para
clase
y
cuaciones/metodos para clase/tema2/interp04.html - atrasEl polinomio de interpolacin
de Lagrange, simplemente es una reformulacin del polinomio de Newton que
evita los clculos de las diferencias divididas. Este se puede representar
concretamente como:
(21)
en donde:
(22)
En donde
(23)
(24)
99
(25)
f(X)
1.0
0.000 0000
4.0
1.386 2944
6.0
1.791 7595
Solucin:
El polinomio de primer orden es:
100
Comentarios adicionales
Hay dos temas adicionales que se deben de mencionar: La interpolacin con los
datos igualmente espaciados y la Extrapolacin.
Ya que los mtodos de Newton y de Lagrange son compatibles con los datos
espaciados en forma arbitraria, se debe de preguntar por que se aborda el caso de
los datos igualmente espaciados. Antes del advenimiento de las computadoras
digitales, estos mtodos tuvieron gran utilidad en la interpolacin de tablas con
datos igualmente espaciados. De hecho se desarrolla un esquema conocido como
tabla de diferencias divididas para facilitar la implementacin de estas tcnicas.
Sin embargo, y debido a que las frmulas son un subconjunto de los esquemas de
Newton y Lagrange compatibles con la computadora y ya que se dispone de
muchas funciones tabulares como rutinas de biblioteca, la necesidad de puntos
equidistantes se fue perdiendo. En particular, se puede emplear en la derivacin
de frmulas de integracin numrica que emplean comnmente datos
equidistantes.
101
La extrapolacin es el proceso de calcular un valor de f(X) que cae fuera del rango
de los puntos base conocidos X0, X1,..., Xn. La interpolacin ms exacta
usualmente se obtiene cuando las incgnitas caen cerca de los puntos base.
Obviamente, esto no sucede cuando las incgnitas caen fuera del rango, y por lo
tanto, el error en la extrapolacin puede ser muy grande. La naturaleza abierta en
los extremos de la extrapolacin representa un paso en la incgnita porque el
proceso extiende la curva ms all de la regin conocida. Como tal, la curva
verdadera diverge fcilemte de la prediccin. Por lo tanto, se debe tener cuidado
extremo en casos donde se deba extrapolar.
L
Leeccccii
n
n 1111 P
Po
olliin
no
om
miio
oss d
dee iin
ntteerrp
po
ollaaccii
n
n cco
on
n
d
diiffeerreen
ncciiaass d
diivviid
diid
daass d
dee n
neew
wtto
on
n
Interpolacin lineal
La frmula ms simple de interpolacin es la de conectar dos puntos con una lnea
recta. Este mtodo, llamado Interpolacin Lineal, se muestra en la figura.
102
Fig. 1
Usando tringulos semejantes, se tiene:
(2)
(3)
103
Interpolacin cuadrtica
../../../Documents
and
Settings/ESC.
AGRARIAS/Escritorio/para
clase
y
cuaciones/metodos para clase/tema2/interp02.html - atras El error en el ejemplo 3.1 se
debe a que se aproxima a una curva mediante una lnea recta. Por consiguiente,
una estrategia que mejora la aproximacin es la de introducir cierta curvatura en a
lnea que conecta a los puntos. Si se dispone de tres puntos lo anterior se puede
llevar a cabo con un polinomio de segundo orden (llamado tambin polinomio
cuadrtico o parbola). Una manera conveniente para este caso es:
(4)
Ntese que aunque la ecuacin (4) parezca diferente de la ecuacin general de un
polinomio (1), las dos ecuaciones son equivalentes.
Esto se puede demostrar si se multiplican los trminos de la ecuacin (4) y
obtener:
(5)
O, agrupar trminos:
(6)
En donde:
104
(7)
De esta manera, las ecuaciones (1) y (4) 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 b0, se usa la ecuacin (4) con X = X0, y se obtiene
b0 = f(X0) (8)
Sustituyendo la ecuacin (8) en la ecuacin (4) y evaluando en X = X1 se obtiene:
(9)
Y por ltimo, las ecuaciones (8) y (9) se sustituyen en la ecuacin (4), y se evala
sta en X = X2 y se obtiene:
(10)
105
L
Leeccccii
n
n 1122 IIn
ntteerrp
po
ollaaccii
n
np
po
olliin
no
om
miiaall d
dee llaass
d
diiffeerreen
ncciiaass ffiin
niittaass d
dee n
neew
wtto
on
n
106
(13)
(14)
107
(15)
Estas diferencias se usan para evaluar los coeficientes de la ecuacin (12), los
cuales se sustituyen en la ecuacin (11), para obtener el polinomio de
interpolacin:
f n (X) = f(X0) + (X-X0) f[X1, X0] + (X-X0)(X-X1) f[X2, X1, X0] +
(16)
...+ (X-X0)(X-X1)...(X-Xn-1) f[Xn, Xn-1,...,X1, X0]
Al cual se le llama Polinomio de Interpolacin con Diferencias Divididas de
Newton.
Se debe notar que no es necesario que los datos usados en la ecuacin (16) estn
igualmente espaciados o que los valores de la abscisa necesariamente se
encuentren en orden ascendente, como se ilustra en el ejemplo 3.3
Todas las diferencias pueden arreglarse en una tabla de diferencias divididas, en
donde cada diferencia se indica entre los elementos que la producen:
Xi
f(Xi)
Primera
Segunda
Tercera
X0
f(X0)
f(X1, X0)
X1
f(X1)
f(X2, X1)
X2
f(X2)
f(X3,X2)
X3
f(X3)
108
EJEMPLO 3.3
Usando la siguiente tabla de datos, calclese ln 2 con un polinomio de
interpolacin de Newton con diferencias divididas de tercer orden:
f(X)
0.000 0000
1.386 2944
1.791 7595
1.609 4379
SOLUCIN:
El polinomio de tercer orden con n = 3, es.
109
Los resultados para f(X1, X0), f(X2, X1, X0) y f(X3, X2, X1, X0) representan los
coeficientes b1, b2 y b3 Junto con b0 = f (X0) = 0.0, la ecuacin da:
f 3 (X) = 0 + 0.46209813 (X-1) - 0.0518731 (X-1)(X-4) + 0.0078655415 (X-1)(X4)(X-6)
Arreglando la tabla de diferencias
X
f [X]
f1[]
f2[]
f3[]
0.20273255 - 0.020410950
6.0 1.7917595
0.18232160
5.0 1.6094379
Con la ecuacin anterior se puede evaluar para X = 2
f 3 (2) = 0.62876869
Lo que representa un error relativo porcentual del e% = 9.3%.
Ntese que la estructura de la ecuacin (16) es similar a la expresin de la serie
de Taylor en el sentido de que los trminos agregados secuencialmente
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 consecuencia, como sucede
con la serie de Taylor, si la funcin representativa es un polinomio de n-simo
orden, el polinomio interpolante de n-simo orden bajado en n + 1 llevar a
resultados exactos.
110
(17)
en donde es un punto cualquiera dentro del intervalo (Xi, Xi+1). Una relacin
anloga del error en un polinomio interpolante de n-simo orden est dado por:
(18)
En donde 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.
Afortunadamente existe una frmula alternativa que no requiere conocimiento
previo de la funcin. En vez de ello, se usa una diferencia dividida finita que
aproxima la (n+1)-sima derivada:
Rn = f [X, Xn, Xn-1,..., X1, X0] (X-X0) (X-X1)...(X-Xn) (19)
en donde f(X, Xn, Xn-1, ... , X0) es la (n+1)-sima diferencia dividida.
Ya que la ecuacin (19) contiene la incgnita f(X), sta no se puede resolver y
obtener el error. Sin embargo, si se dispone de un dato adicional f(Xn+1), la
ecuacin (19) da una aproximacin del error como:
(20)
L
Leeccccii
n
n 1133 A
Ajju
ussttee d
dee ccu
urrvvaass
Supongamos que tenemos un conjunto de puntos que mostramos en la siguiente
grfica
111
De los puntos mostrados nos podemos dar cuenta que parece tener la forma de
un polinomio de segundo grado de la forma:
(1)
Esta ecuacin (1) puede usarse para representar el conjunto de valores obtenidos
experimentalmente para la cual debemos determinar los valores de a 1, a 2, a 3,
etc.
112
donde:
d = distancia = Yobservada - Y obtenida por la ecuacin
Yobservada = Valor obtenido experimentalmente.
Y obtenida por la ecuacin = valor de la funcin evaluada en cualquier valor X
Observando la grfica, parece que esta distancia se puede usar para representar
el error, pero habr distancias positivas y negativas, (como se puede observar la
distancia d1 es positiva y la distancia d2 es negativa) de modo que el error
promedio para los puntos como los mostrados ser pequeo aunque los errores
individuales sean grandes.
Esta dificultad podra ser resuelta usando el valor absoluto de las distancias, sin
embargo al derivar la funcin del valor absoluto se generan ciertos problemas.
La solucin podra ser definir el error como el cuadrado de la distancia, esto
elimina la dificultad del signo. Por esta razn el mtodo se llama: Mtodo de
Mnimos Cuadrados.
(2)
En donde S es la suma de los cuadrados de las diferencias entre el valor
calculado y el valor observado y por lo tanto es el valor que se debe minimizar
113
(3)
(4)
(5)
son
(6)
114
(7)
(8)
115
0.00
0.0000
0.60
0.6367
0.10
0.1002
0.70
0.7586
0.20
0.2013
0.80
0.8881
0.30
0.3045
0.90
1.0265
0.40
0.4108
1.00
1.1752
0.50
0.5211
116
117
M =11
118
119
L
Leeccccii
n
n 1144 T
Trraan
nssffo
orrm
maad
daass d
diissccrreettaass d
dee ffo
ou
urriieerr..
La transformada de Fourier
120
y su inversa como
u=0,1,...,N-1
v=0,1,...,N-1:
121
y su inversa como
donde
122
La Simetra
La transformada de Fourier de una funcin f(x,) es real es simtrica conjugada.
Esto provoca que:
|F(u,v)|=|F(-u,-v)|
123
Por tanto, gracias a esta propiedad de simetra, para calcular la magnitud de los
puntos de un periodo completo, tan slo necesitamos calcular los N/2+1 primeros
puntos, siempre y cuando el origen de la transformada este centrado en el punto
(N/2,N/2).Para conseguir este movimiento del origen en la transformada, podemos
aplicar la propiedad de traslacin.
La rotacin
Si rotamos la funcin f(x,y) un ngulo determinado, la transformada de Fourier
tambin ser afectada por una rotacin del mismo ngulo. Esta propiedad tambin
se da a la inversa, es decir, si la transformada se rota en un determinado ngulo,
la transformada inversa tambin se ver rotada ese mismo ngulo.
Valor promedio
Una definicin ampliamente utilizada del valor promedio de una funcin discreta de
dos dimensiones es:
124
D(u,v)=C(log(1+|F(u,v)|))
donde C es una constante adecuada de reescalado de la imagen, que se aplica
para obtener valores dentro de la paleta de colores disponible.
EJERCICIOS
i)
ii)
1.5
y 3
12
Soluciones:
i) f ( x) 0.5 0.875( x 2) 0.925( x 2)( x 2) 0.4625( x 2)( x 2)( x 1)
ii ) f ( x) 3 10( x 0.3) 50( x 0.3)( x 0.6) 185.18519( x 0.3)( x 0.6)( x 0.9)
447.53088( x 0.3)( x 0.6)( x 0.9)( x 1.2)
i)
ii)
33
Soluciones:
125
( x 2)( x 3)( x 5)
( x 1)( x 3)( x 5)
( x 1)( x 2)( x 5)
i) p( x) 1.56
3.54
2.57
36
45
80
( x 1)( x 2)( x 3)
8.9
144
3.125
7.875
56.25
4.5
i)
i)
40
5 20
5 2
20
6 40
Soluciones:
i)
ii )
x 2,1
x 1,3
5
75 2
5860
526
x 3 526
x 4703
si x 5,2
789 x 789
3
2257 2
15619
8012
s ( x) 1241
si x 2,3
7890 x 2630 x 3945 x 1315
299 x 3 2093 x 2 10511 x 860 si
x 3,7
526
789
263
1578
126
U
UN
NIID
DA
AD
D 33::
D
DIIF
FE
ER
RE
EN
NC
CIIA
AC
CII
N
N,, IIN
NT
TE
EG
GR
RA
AC
CII
N
NN
NU
UM
M
R
RIIC
CA
AY
Y
S
SO
OL
LU
UC
CII
N
ND
DE
EE
EC
CU
UA
AC
CIIO
ON
NE
ES
SD
DIIF
FE
ER
RE
EN
NC
CIIA
AL
LE
ES
S
C
CA
AP
PIITTU
ULLO
O 55:: D
DIIFFE
ER
RE
EN
NC
CIIA
AC
CII
N
NN
NU
UM
M
R
RIIC
CA
AE
E
IIN
NTTE
EG
GR
RA
AC
CII
N
NN
NU
UM
M
R
RIIC
CA
A
L
Leeccccii
n
n 1155 D
Diiffeerreen
ncciiaaccii
n
nN
Nu
um
mrriiccaa
Concentremos
ahora
nuestra
atencin a procedimientos para
diferenciar
numricamente
funciones que estn definidas
mediante datos tabulados o
mediante curvas determinadas en
forma experimental.
Un mtodo consiste en aproximar
la funcin en la vecindad del punto en que se desea la derivada, mediante una
parbola de segundo, tercer o mayor grado, y utilizar entonces la derivada de la
parbola en ese punto como la derivada aproximada de la funcin.
Otro ejemplo, que comentaremos aqu, utiliza los desarrollos en serie de Taylor.
La serie de Taylor para una funcin Y = f(X) en
respecto al punto Xi es
, desarrollada con
(1)
se encuentra
est dada en forma
127
(2)
(3)
F
F
rrm
mu
ullaass d
dee d
diiffeerreen
ncciiaa
((D
Diiffeerreen
ncciiaass cceen
nttrraalleess,, h
haacciiaa aad
deellaan
nttee yy h
haacciiaa aattrrss))
../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y
cuaciones/metodos para clase/tema6/derivada.html - atras
Fig. 1
Observando la figura, vemos que si designamos los puntos uniformemente
espaciados a la derecha de Xi como Xi+1 , Xi+2, etc. y los puntos a la izquierda de
Xi como Xi-1, Xi-2 , etc. e identificamos las ordenadas correspondientes como
Yi+1, Yi+2, Yi-1, Yi-2, respectivamente, la ec. (3) se puede escribir en la forma:
(4)
128
(5)
(6)
es decir,
(7)
(8)
129
f(X)
en
(9)
(10)
(11)
130
131
(12)
(13)
(14)
132
(15)
(16)
133
(17)
EJEMPLO
../../../Documents
and
Settings/ESC.
AGRARIAS/Escritorio/para
clase
y
cuaciones/metodos para clase/tema6/deriva02.html - atrassense aproximaciones de
Diferencias Finitas Hacia Adelante, Hacia Atrs y Centradas para estimar la
primera derivada de:
= 0.5.
= 0.25.
y evaluando tenemos:
f'(0.5) = -0.9125
SOLUCIN:
Para
Yi-1 = 1.200
134
Xi = 0.5
Yi = 0.925
Xi+1 = 1.0
Yi+1 = 0.200
Para
Yi-1 = 1.10351563
Xi = 0.50
Yi = 0.92500000
Xi+1 = 0.75
Yi+1 = 0.63632813
135
Para los dos tamaos de paso, las aproximaciones por Diferencias Centrales son
ms exactas que las Diferencias Divididas Hacia Adelante o las Diferencias
Divididas Hacia Atrs. Tambin, 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 o Hacia Adelante y a la cuarta parte el error de las
Diferencias Centrales.
En ingeniera se presenta con frecuencia la necesidad de integrar una funcin que
sera, en general, de una de las tres formas siguientes:
1. Una funcin simple y continua tal como un polinomio, una funcin
exponencial o una funcin trigonomtrica.
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 datos
experimentales.
En el primer caso, la integral simplemente es una funcin que se puede evaluar
fcilmente usando mtodos analticos aprendidos en el clculo. En los dos ltimos
casos, sin embargo, se deben emplear mtodos aproximados.
Las frmulas de integracin de Newton-Cotes son los esquemas ms comunes
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.
La integral se puede aproximar usando una serie de polinomios aplicados por
partes a la funcin o a los datos sobre intervalos de longitud constante.
Se dispone de las formas abierta y cerrada de las frmulas de Newton-Cotes. Las
formas cerradas son aquellas en donde los puntos al principio y al final de los
lmites de integracin se conocen. Las frmulas abiertas tienen los lmites de
integracin extendidos ms all del rango de los datos. Las frmulas abiertas de
Newton-Cotes, en general, no se usan en la integracin definida. Sin embargo, se
usan extensamente en la solucin de ecuaciones diferenciales ordinarias.
136
L
Leeccccii
n
n 1166 IIn
ntteeg
grraaccii
n
nN
Nu
um
mrriiccaa
L
Leeccccii
n
n 1177 R
Reeg
gllaa d
deell ttrraap
peecciio
o
La regla del trapecio o regla trapezoidal es una de las frmulas cerradas de
Newton-Cotes.
Considrese la funcin f(X), cuya grfica entre los extremos X = a y X = b se
muestra en la fig. 1. Una aproximacin suficiente al rea bajo la curva se obtiene
dividindola en n fajas de ancho
y aproximando el rea de cada faja
mediante un trapecio, como se indica en la figura.
Fig. 1
Llamando a las ordenadas Y i (i = 1, 2, 3,...., n+1), las reas de los trapecios son:
137
(1)
(2)
(3)
(4)
138
verdadera en una faja bajo la curva f(X) comprendida entre Xi y Xi+1 mediante el
rea de un trapecio, se demuestra que es igual a:
(5)
Este error es la cantidad que se debe agregar al rea del trapecio para obtener el
rea real. Se llama Error por Truncamiento, ya que es el error que resulta de
utilizar una serie de Taylor truncada, en vez de una serie de Taylor completa, para
representar en forma de serie el rea de una faja. Generalmente no se puede
valuar directamente el trmino mostrado como error por truncamiento. Sin
embargo, se puede obtener una buena aproximacin de su valor para cada faja
suponiendo que f '' es suficientemente constante en el intervalo de la faja (se
supone que las derivadas de orden superior son despreciables) y evaluando f ''
para
. La estimacin del error por truncamiento para la integracin total
se obtiene sumando las estimaciones para cada faja. Si la estimacin obtenida
para el error total por truncamiento es mayor de lo que se puede tolerar, se debe
utilizar una faja ms angosta o un mtodo ms preciso.
Otro error que se introduce al obtener el rea aproximada de cada faja es el Error
por Redondeo. Este se produce cuando las operaciones aritmticas requeridas se
efectan con valores numricos que tienen un nmero limitado de dgitos
significativos.
Se puede demostrar que una aproximacin a el lmite del error por redondeo es:
(6)
Tenemos
entonces
que
proporcionalmente a
es proporcional a
proporcionalmente con
el
lmite
en
el
error
por
redondeo
aumenta
139
L
Leeccccii
n
n 1188 R
Reeg
gllaa d
dee S
Siim
mp
psso
on
n
Adems de aplicar la regla trapezoidal con segmentos cada vez ms finos, 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 los tres puntos se pueden conectar
con un polinomio de tercer orden.
A las frmulas resultantes de calcular la integral bajo estos polinomios se les
llaman Reglas de Simpson.
Regla de Simpson 1/3
La Regla de Simpson de 1/3 proporciona una aproximacin ms precisa, ya que
consiste en conectar grupos sucesivos de tres puntos sobre la curva mediante
parbolas de segundo grado, y sumar las reas bajo las parbolas para obtener el
rea aproximada bajo la curva. Por ejemplo, el rea contenida en dos fajas, bajo la
140
curva f(X) en la fig. 2, se aproxima mediante el rea sombreada bajo una parbola
que pasa por los tres puntos:
(Xi , Yi)
(Xi+1, Yi+1)
(Xi+2, Yi+2)
Fig. 2
Por conveniencia al derivar una expresin para esta rea, supongamos que las
dos fajas que comprenden el rea bajo la parbola se encuentran en lados
opuestos del origen, como se muestra en la fig. 3. Este arreglo no afecta la
generalidad de la derivacin.
La forma general de la ecuacin de la parbola de segundo grado que conecta los
tres puntos es:
(7)
(8)
141
Fig. 3
(9)
(10)
142
(11)
(12)
que nos da el rea en funcin de tres ordenadas Yi, Y i+1, Y i+2 y el ancho
de una faja.
Esto constituye la regla de Simpson para determinar el rea aproximada bajo una
curva contenida en dos fajas de igual ancho.
Si el rea bajo una curva entre dos valores de X se divide en n fajas uniformes (n
par), la aplicacin de la ec. (12) muestra que:
(13)
143
(14)
o bien
(15)
en donde n es par.
La ec. (15) se llama Regla de Simpson de un Tercio para determinar el rea
aproximada bajo una curva. Se puede utilizar cuando el rea se divide en un
nmero par de fajas de ancho
Si la funcin f(X) se puede expresar como una funcin matemtica continua que
tiene derivadas continuas f ' a
, el error que resulta de aproximar el rea
verdadera de dos fajas bajo la curva f(X) comprendida entre Xi-1 y Xi+1 mediante
el rea bajo una parbola de segundo grado, se demuestra que es:
(16)
144
Fig. 4
En la derivacin, las constantes se determinan requiriendo que la parbola pase a
travs de los cuatro puntos indicados sobre la curva mostrada en la fig. 4. El
intervalo de integracin es de -
, lo que produce:
(18)
(19)
145
f(X)
0.0
0.200
0.2
1.288
0.4
2.456
0.6
3.464
0.8
0.232
146
f(X)
0.0
0.200
0.2
1.288
0.4
2.456
0.6
3.464
0.8
0.232
147
f(X)
0.0000
0.20000000
0.2667
1.43286366
0.5333
3.48706521
0.8000
0.23200000
f(X)
0.00
0.20000000
0.16
1.29691904
0.32
1.74339328
0.48
3.18601472
0.64
3.18192896
0.80
0.23200000
148
Para los ltimos tres segmentos, se usa la regla de Simpson de 3/8 para
obtener:
L
Leeccccii
n
n 1199 IIn
ntteeg
grraaccii
n
nd
dee R
Ro
om
mb
beerrg
g yy E
Ejjeerrcciicciio
oss d
deell
ccaap
piittu
ullo
o
Sea
donde
mediante
149
Se puede demostrar que el error que se comete con la regla del trapecio
para n subintervalos est dado por las siguientes frmulas:
donde
es un promedio de la doble derivada entre ciertos valores que
pertenecen a cada uno de los subintervalos.
Ahora bien, si suponemos que el valor de
es constante, entonces :
150
Esta frmula es solo una parte del algoritmo de Romberg. Para entender el
mtodo, es conveniente pensar que se trabaja en niveles de aproximacin.
En un primer nivel, es cuando aplicamos la regla del Trapecio, y para poder
usar la frmula anterior, debemos de duplicar cada vez el nmero de
subintervalos: as, podemos comenzar con un subintervalo, luego con dos,
cuatro, ocho, etc, hasta donde se desee.
Posteriormente, pasamos al segundo nivel de aproximacin, que es donde
se usa la frmula anterior, tomando las parejas contiguas de aproximacin
del nivel anterior, y que corresponden cuando
151
Ejemplo
Usar el algoritmo de Romberg, para aproximar la integral
1.
Solucin.
Primero calculamos las integrales del nivel 1, usando la regla del trapecio
para las longitudes de segmentos indicadas:
152
donde
e
153
fmula
donde:
es
la
integral
ms
exacta
Ejemplo
Usar el algoritmo de Romberg para aproximar la integral:
2.
154
donde
Solucin.
Calculamos
Ejemplo
Aproximar la siguiente integral:
3.
Solucin.
Igual que arriba, primero usamos la regla del trapecio (con los valores de h
indicados) para llenar el nivel 1. Tenemos entonces que:
155
donde:
156
es
la
integral
ms
exacta
, entonces tenemos:
donde
es la cota suficiente.
Ejemplo
Aplicar el algoritmo de integracin de Romberg a la integral:
1.
tomando
Solucin.
En este caso no sabemos exactamente cuantas aproximaciones debemos
hacer con la regla del trapecio. As que para comenzar hacemos los
clculos correspondientes a uno, dos, cuatro y ocho subintervalos:
157
Con estos datos, podemos hacer los clculos hasta el nivel 4. Tenemos la
siguiente tabla:
Haciendo los clculos de los errores, nos damos cuenta que efectivamente
la aproximacin se obtiene hasta el nivel 4, donde
Por lo tanto, concluimos que la aproximacin buscada es:
158
EJERCICIOS
1. Usar la regla del trapecio para aproximar,
i)
ii)
Dividiendo en 6 intervalos.
Soluciones: i) 3.4115
ii) 0.36907
i)
ii)
Dividiendo en 4 intervalos.
Soluciones: i) 82.60511
ii) 76.94497
i)
ii)
Dividiendo en 4 intervalos.
Soluciones: i) 2.76591
ii) 2.76501
159
ii)
Soluciones:
i) -17.11458
ii) 9.425
i)
Usando 1, 2 y 4 intervalos.
ii)
Soluciones:
i)
9.156626413
ii) 9.153287278
como cota
Solucin. 9.153112082
160
C
CA
AP
PIITTU
ULLO
O 66:: S
SO
OLLU
UC
CIIO
ON
ND
DE
EE
EC
CU
UA
AC
CIIO
ON
NE
ES
S
D
DIIFFE
ER
RE
EN
NC
CIIA
ALLE
ES
S
P
PR
RO
OB
BLLE
EM
MA
AS
SD
DE
EV
VA
ALLO
OR
R IIN
NIIC
CIIA
ALL P
PA
AR
RA
AE
EC
CU
UA
AC
CIIO
ON
NE
ES
S
D
DIIFFE
ER
RE
EN
NC
CIIA
ALLE
ES
S
Ecuaciones diferenciales ordinarias
Las ecuaciones diferenciales tienen importancia fundamental en las aplicaciones,
ya que muchas leyes y relaciones fsicas pueden idealizarse matemticamente en
la forma de estas ecuaciones. En particular, el estudio de problemas de equilibrio
de sistemas continuos se encuentra dentro de este contexto.
161
Grficamente esta ecuacin representa una familia de curvas planas, cada una de
ellas obtenidas para valores particulares de la n constante, C1 , C2 ,..., Cn , como se
ve en la grfica:
162
163
por el
X 0 a, X 1 X 0 h, X 2 X 0 2h, X 3 X 0 3h,..., X n X 0 nh b
164
S
Soolluucciinn nnuum
mrriiccaa ddee pprroobblleem
maass ddee vvaalloorreess iinniicciiaalleess
Un problema ordinario de valores iniciales est gobernado por una ecuacin
diferencial ordinaria y un conjunto de condiciones, todas ellas vlidas para el
mismo punto inicial, X X 0 . La solucin numrica de este problema consiste en
evaluar la integral de Y(X) en todos los puntos pivotes de su intervalo de
definicin, los que estarn igualmente espaciados en h unidades. Estos valores se
obtienen paso a paso, a partir del punto inicial, lo que da el nombre de mtodos de
integracin paso a paso.
La evaluacin de Y en los puntos pivote
X 1 X 0 ih , para i = 1, 2, 3,...
Se lleva a cabo usando frmulas de recurrencia, que usan los valores conocidos
de Y en las estaciones anteriores.
X i 1 , X i 2 , X i 3 ,...
165
EJEMPLO
Encuentre la solucin del siguiente problema de valores iniciales por medio de los
primeros cuatro trminos de la serie de Taylor para X = 0.1, 0.2, 0.3, 0.4 y 0.5.
Y (0) = 1
SOLUCIN
Se obtienen las derivadas sucesivas:
Sustituyendo valores:
Por lo que:
166
0.1
1.055375
0.2
1.123000
0.3
1.205125
0.4
1.304000
0.5
1.421875
LLeecccciinn 2200 M
Mttooddooss ddee iinntteeggrraacciinn ddee E
Euulleerr
La solucin de un problema de valores iniciales se obtiene generalmente paso a
paso por mtodos de integracin hacia adelante, lo que permite valuar Yi+1 tan
pronto se conozcan los valores Yi, Yi+1 de Y en uno o ms pivotes anteriores. El
ms simple de estos mtodos, debido a Euler, es aplicable a ecuaciones de primer
orden y no requiere conocer la solucin en los pivotes anteriores.
Dado el problema de valores iniciales
Se
debe
integrar
la
ecuacin
diferencial
en
el
intervalo
(4)
167
Entonces
(5)
EJEMPLO
Resolver el problema del ejemplo anterior aplicando el mtodo de Euler.
Se tiene
Yi 1 Yi hf ( X i , Yi )
Donde
Entonces
(6)
En la tabla aparecen tabulados los valores de la solucin aproximada obtenidos a
partir de la condicin inicial conocida Y0 (0) = 1
Xi Yi
Yi solucin exacta
168
LLeecccciinn 2211 M
Mttooddoo ddee R
Ruunnggee -- K
Kuuttttaa
En la seccin anterior se estableci que el mtodo de Euler para resolver la
ecuacin diferencial de primer orden
Y' = f(X, Y) (7)
Y ( X 0 ) Y0 (8)
Consiste en aplicar repetidamente la frmula de recurrencia
Yn1 Yn hf ( X n , Yn ) donde n = 1, 2, 3, ... (9)
169
Con lo anterior se obtendra un mtodo mejorado de Euler con error del orden de
definido por la expresin
(11)
170
(12)
En donde
(13)
En el mtodo de Euler y
(14)
En lo que
Y' = f(X, Y) (15)
En el mtodo de Euler Mejorado.
Como se ve, estos mtodos tienen los siguientes puntos en comn:
1. Son mtodos de un paso; para determinar Yn+1 se necesita conocer
nicamente los valores de Xn y Yn del punto anterior.
2. No requieren evaluar ninguna derivada, sino nicamente valores de la
funcin f(X, Y).
Estas caractersticas dan origen a una gran variedad de mtodos conocidos como
de Runge-Kutta. La diferencia entre ellos cosiste en la forma como se define la
funcin
171
(16)
En el cual
(17)
EJEMPLO
Resolver
172
Llevando estos valores a (16) y el resultante a (12) se obtiene que para X = 0.1 la
solucin del problema es
Luego
173
k1
k2
k3
k4
0.0
1.0000
0.5000
0.5516
0.5544
0.6127
0.1
1.0554
0.6126
0.6782
0.6823
0.7575
0.2
1.1236
0.7575
0.8431
0.8494
0.9494
0.3
1.2085
0.9492
1.0647
1.0745
1.2121
0.4
1.3158
1.2119
1.3735
1.3896
1.5872
0.5
1.4545
1.5868
1.8234
1.8517
2.1509
LLeecccciinn 2222 M
Mttooddooss m
muullttiippaassooss
Mtodos de un paso Mtodos en varios pasos Mtodos de predictor y corrector
Mtodo de Adams-BashforthlAdams-Moulton Estabilidad de los mtodos
numricos
Los mtodos de Euler y de Runge-Kutta descritos en las seccionas anteriores son
ejemplos de los mtodos de un paso. En ellos, se calcula cada valor sucesivo y n+1
slo con base en informacin acerca del valor inmediato anterior yn Por otra parte,
un mtodo en. varios pasos o continuo utiliza los valores de varios pasos
calculados con anterioridad para obtener el valor de yn+1 Hay numerosas frmulas
aplicables en la aproximacin de soluciones de ecuaciones diferenciales. Como no
intentamos describir el vasto campo de los procedimientos numricos, slo
presentaremos uno de esos mtodos. ste, al igual que la frmula de Euler
mejorada, es un mtodo de prediccin-correccin; esto es, se usa una frmula
para predecir un valor y*n+1, que a su vez se aplica para obtener un valor corregido
de Yn 1
Mtodo de Adams-Bashforth/Adams-Moulton Uno de los mtodos en multipasos
ms populares es el mtodo de Adams-Bashforth/Adams-Moulton de cuarto orden.
En este mtodo, la prediccin es la frmula de Adams-Bashforth:
174
(1)
para n 3. Luego se sustituye el valor de y*n+1 en la correccin Adams-Moulton
(2)
Obsrvese que la frmula (1) requiere que se conozcan los valores de yo, y1, y2 y
y3 para obtener el de y4. Por supuesto, el valor de yo es la condicin inicial dada.
Como
el
error
local
de
truncamiento
en
el
mtodo
de
Adams-Bashforth/Adams-Moulton es O(h5), los valores de Y1 , Y2 y Y3 se suelen
calcular con un mtodo que tenga la misma propiedad de error, como la frmula
de Runge-Kutta de cuarto orden.
EJEMPLO 1 Mtodo de Adams-Bashforth/Adams-Moulton
Use el mtodo de Adams-Bashforth/Adams-Moulton con h = 0.2 para llegar a una
aproximacin a y(0. 8) de la solucin de
y' = x +y -1, y(0)=1.
SOLUCIN Dado que el tamao de paso es h = 0.2, entonces Y4 aproximar
y(0.8). Para comenzar aplicamos el mtodo de Runge-Kutta, con X0 = 0, Y0 = 1 y h
= 0.2 con lo cual
Y1 = 1.02140000,
Y2 = 1.09181796,
Y3 = 1.22210646.
175
176
177
EJERCICIOS
tomando
en cada
tomando
en cada
tomando
SOLUCION:
4. Dada la ecuacin diferencial:
178
tomando
SOLUCION:
5. Dada la ecuacin diferencial:
tomando
en
tomando
en
SOLUCION:
6. Dada la ecuacin diferencial:
179
A
AU
UTTO
OE
EV
VA
ALLU
UA
AC
CIIO
ON
N
Ejercicio
La funcin
. Empezando con
y
, usar ocho iteraciones del mtodo de la biseccin para aproximar
la raz. Tabular el error despus de cada iteracin y tambin las estimaciones del
error mximo. El error real siempre es menos que la estimacin del error
mximo? Los errores reales continan disminuyendo?
Ejercicio
Encontrar la raz cerca de
de
empezando con
. Cun exacta es la estimacin despus de cuatro iteraciones del
mtodo de Newton? Cuntas iteraciones requiere el mtodo de la
biseccin para lograr la misma exactitud? Tabule el nmero de dgitos
correctos en cada iteraccin del mtodo de Newton y observe si se
duplican cada vez. (SOLUCION)
Ejercicio
Usando el mtodo de eliminacin gaussiana con pivoteo y sustitucin regresiva,
resuelva el siguiente sistema de ecuaciones:
Ejercicio
Utilizar el mtodo de reduccin de Crout para obtener una descomposicin
la matriz:
de
180
Ejercicio
Dado que
,
y
, interpole con un
polinomio de Lagrange el logaritmo natural de cada entero desde hasta
.
Tabule lo anterior junto con el error en cada punto.
Ejercicio
Dados los datos:
5,04
8,12
10,64
13,18
16,20
20,04
Realizar un ajuste por mnimos cuadrados de los mismos a una recta y a una
cuadrtica. Cul de los dos ajustes es mejor?
Ejercicio
La siguiente tabla tiene valores para
la regla trapezoidal con
. Integre entre
y
usando
181
Ejercicio
Usa la integracin de Romberg para evaluar la integral de
entre
y
. Lleva seis decimales y contina hasta que no haya cambio en la quinta
cifra decimal. Compare con el valor analtico.
182
U
UN
NIID
DA
AD
DP
PR
R
C
CTTIIC
CA
A
1. Mostrar en un software de cmputo numrico, la forma de representacin de
matrices y funciones, as como sus operaciones bsicas (suma y multiplicacin de
matrices, invertibilidad, etc.). Mostrar las capacidades de visualizacin de
funciones.
183
B
BIIB
BLLIIO
OG
GR
RA
AFFIIA
A
1. Burden, R.; Faires, D. Anlisis Numrico. ED. Thomson, 6a. ed., 1998.
2. Chapra Steven y Canale R. Mtodos Numricos para Ingenieros. Cuarta edicin
Ed. Mc Graw Hill. Mxico.
3. De Levie, Robert. Advanced Excel for Scientific Data Analysis. Oxford University
Press, 2004.
4. Liengme, B.; A Guide to Microsoft Excel 2002 for Scientists and Engineers.
Butterworth Heinemann, 3rd, ed. 2002.
5. Mathews, J; Fink, K. Mtodos Numricos con MATLAB. Prentice Hall, 3a. ed.,
2000.
6. Nakamura Shoichiro. Mtodos Numricos Aplicados con Software. Ed. Prentice
Hall Hispanoamericana, Mxico.
7. Press, W.; Teukolsky, S.; Vterling, W.; Flannery, B. Numerical Recipes in C.
Cambridge University Press, 2nd ed., 1992.
(VER COMPLEMENTARIA EN GUIA DE MODULO).
DIRECCIONES DE SITIOS WEB:
1. http://www.mhhe.com/chapra que contiene recursos educativos adicionales que estn a la
vanguardia.
2. www.uacj.mx/gtapia/AN/Unidad2/regla.htm
3. www.mitecnologico.com/Main/ErroresDeRedondeo.
4. www.virtualum.edu.co/antiguo/.../error/deferror.htm
5. www.wikipedia.org/wiki/Mtodo_de_biseccin
6. www.monografias.com/.../descomposicion-lu.shtm
7. www.uaem.mx/posgrado/mcruz/cursos/mn/euler
8. html.rincondelvago.com/metodo-de-minimos-cuadrados-ordinarios
9. www.scribd.com/doc/2993252/branchandbound
184