Académique Documents
Professionnel Documents
Culture Documents
ESIA-Ticomn
Academia de Matemticas
ESIA-Ticomn
Academia de Matemticas
ESIA-Ticomn
(1)
Recordando esa ecuacin se encuentra que el error numrico es igual a la diferencia entre
el valor verdadero y el valor aproximado, es decir
Et = valor verdadero - valor aproximado
(2)
Donde Et se usa para denotar el valor exacto del error. El subndice t indica que se trata
del error verdadero (true).Esto contrasta con los otros casos, donde se debe emplear
una estimacin aproximada del error.
Una desventaja en esta definicin es que no toma en consideracin el orden de la
magnitud del valor que se estima. Por ejemplo, un error de un centmetro es mucho ms
significativo si se est midiendo un remache en lugar de un puente. Una manera de tomar
en cuenta las magnitudes de las cantidades que se evalan consiste en normalizar el error
respecto al valor verdadero, es decir:
Apuntes Mtodos Numricos
Academia de Matemticas
ESIA-Ticomn
error verdadero
valor verdadero
error verdadero
100%
valor verdadero
(3)
1
100% 0.01%
10000
y para el remache es de
t
1
100% 10%
10
Por lo tanto, aunque ambas medidas tienen un error de 1 cm., el error relativo
porcentual del remache es mucho mayor. Se concluye entonces que se ha hecho un buen
trabajo en la medicin del puente; mientras que la estimacin para el remache dej
mucho que desear.
Observe que en las ecuaciones (2) y (3), E y tienen un subndice t que significa que
significa que el error ha sido normalizado al valor verdadero. En el ejemplo anterior
tenamos el valor verdadero. Sin embargo, en las situaciones reales a veces es difcil
Apuntes Mtodos Numricos
Academia de Matemticas
ESIA-Ticomn
contar con tal informacin. En los mtodos numricos, el valor verdadero slo se
conocer cuando se tengan funciones que se resuelvan analticamente. ste comnmente
ser el caso de cuando se estudie el comportamiento terico de una tcnica especfica
para sistemas simples. Sin embargo, en muchas aplicaciones reales no se conoce a priori
la respuesta verdadera. Entonces en dichos casos, una alternativa es normalizar el error,
usando la estimacin posible al valor verdadero; es decir, para la aproximacin misma,
como en
a
error aproximado
100%
valor aproximado
(4)
Donde el subndice a significa que el error est normalizado a un valor aproximado. Uno
de los retos que enfrentan los mtodos numricos es el de determinar estimaciones del
error en ausencia del conocimiento de los valores verdaderos. Por ejemplo, ciertos
mtodos numricos usan un mtodo iterativo para calcular los resultados. En tales
mtodos se hace una aproximacin considerando la aproximacin anterior. Este proceso
se efecta varias veces, o de forma iterativa, para calcular en forma sucesiva, esperando
cada vez mejores aproximaciones. En tales casos, el error a menudo se calcula como la
diferencia entre la aproximacin previa y la actual. Por lo tanto, el error relativo
porcentual est dado por
a
(5)
Los signos de las ecuaciones (2) a (5) pueden ser positivos o negativos. Si la
aproximacin es mayor que el valor verdadero (o la aproximacin previa es mayor que la
aproximacin actual), el error es negativo; si la aproximacin es menor que el valor
verdadero, el error es positivo. Tambin en las ecuaciones (3) a (5) el denominador puede
ser menor a cero, lo cual tambin llevara un error negativo. A menudo, cuando se
realizan clculos, no importa mucho el signo del error, sino ms bien que su valor
absoluto porcentual sea menor que la tolerancia porcentual prefijada s . Por lo tanto, es
til emplear el valor absoluto de las ecuaciones (2) a (5). En tales casos, los clculos se
repiten hasta que
a s
(6)
P p
P
Academia de Matemticas
1 Caso:
X=3.141592
ESIA-Ticomn
x=3.14
3.141592 3.14
3.141592
0.0005067
y=999 9996
t
3 Caso: Z=0.000012
1000000 999996
1000000
0.000004
z=0.000009
t
0.000012 0.000009
0.000012
0.25
Aqu podemos observar que el valor del error absoluto verdadero no nos da un panorama
de los datos con los que estamos trabajando, debido a que si bien ste error es pequeo
debido a que usamos valores muy pequeos, esto no quiere decir que el error sea
pequeo, esto lo podemos observar con el error relativo verdadero que nos muestra de
mejor manera que tan grande o que tan pequeo es el valor del error que tenemos.
Ai Ai 1
Ai
Ejemplo
1. Dada la siguiente funcin:
ex 1 x
x 2 x3
xn
.................
2!
3!
n!
Academia de Matemticas
ESIA-Ticomn
1.....R e 0.5 1
1.648721 1
1.648721
* 100% 39.34%
A 1 ?
2.....R e 0.5 1 0.5 1.5
t
A
1.648721 1.5
1.648721
* 100% 9.02%
1.5 1
* 100% 33.33%
1 .5
t
A
1.648721 1.625
1.648721
0 .5 2
1.625
2!
* 100% 1.44%
1.625 1.5
* 100% 7.69%
1.625
0 .5 2
0 .5 3
1.645833
2!
3!
1.648721 1.645833
t
* 100% 0.175%
1.648721
4.....R e 0.5 1 0.5
1.645833 1.625
* 100% 1.27%
1.645833
0 .5 2
0 .5 3
0 .5 4
1.6484375
2!
3!
4!
1.648721 1.6484375
t
* 100% 0.017%
1.648721
5.....R e 0.5 1 0.5
1.6484375 1.645833
* 100% 0.158%
1.6484375
1.648697917
2!
3!
4!
5!
1.648721 1.648697917
t
*100% 0.0014%
1.648721
6.....R e 0.5 1 0.5
1.648697917 1.6484375
*100% 0.0158%
1.648697917
TRMINOS
t (%)
A (%)
Academia de Matemticas
ESIA-Ticomn
1
1.5
1.625
1.645833
1.6484375
1.648697917
39.34
9.02
1.44
0.175
0.017
0.0014
-------33.33
7.69
1.27
0.158
0.0158
2.
sen( x) x
x3 x5 x7 x9
3! 5! 7! 9!
sen 0.70710879
4
TRMINOS
1
2
3
4
5
t (%)
R
/4
0.7046
0.7071
0.707106
0.70710678
11.07
0.3547
0.00124
0.0003945
0.0002842
A (%)
-------11.467
0.3535
0.0008485
0.0001103
Academia de Matemticas
ESIA-Ticomn
x5
x4
x3
x2
x 11
3
5
7
9
6
10
14
18
22 26
Academia de Matemticas
ESIA-Ticomn
x2 x4 x6
2! 4! 6!
10
Academia de Matemticas
ESIA-Ticomn
f ( xi 1 ) f ( xi ) f ' ( xi )( xi 1 x i )
f ' ' ( xi )
f ( 3) ( x i )
( xi 1 x i ) 2
( xi 1 x i ) 3 ...
Se
2!
3!
f ( n ) ( xi )
( xi 1 x i ) n Rn
n!
incluye un trmino residual para considerar todos lo trminos desde el n+1 hasta infinito:
Rn
f ( n 1) ( )
( xi 1 xi ) n 1
(n 1)!
f ( xi 1 ) f ( xi ) f ' ( xi )h
f ' ' ( x i ) 2 f ( 3) ( x i ) 3
f ( n ) ( xi ) n
h
h ...
h Rn
2!
3!
n!
f ( n 1) ( ) n 1
h
(n 1)!
Ejemplos
1. sense trminos de la serie de Taylor de cero a cuarto orden para aproximar la
funcin
f ( x) 0.1x 4 0.15 x 3 0.5 x 2 0.25 x 1.2
11
Academia de Matemticas
ESIA-Ticomn
Orden 1
f (1) f (0) ( 0.4 x 3 0.45 x 2 x 0.25)(1) 1.2 ( 0.4(0) 3 0.45(0) 2 (0) 0.25)(1)
1.2 ( 0.25) 0.95
Orden 2
f (1) 1.2 0.25
(1.2 x 2 0.9 x 1) 2
(1.2(0) 2 0.9(0) 1) 2
(1) 0.95
(1) 0.95 0.5 0.45
2!
2!
Orden 3
f (1) 1.2 0.25 0.5
(2.4 x 0.9) 3
( 2.4(0) 0.9) 3
(1) 1.2 0.25 0.5
(1) 0.45 0.15
3!
3!
Orden 4
f (1) 1.2 0.25 0.5 0.15
(2.4) 4
(1) 0.3 0.1 0.2
4!
2. sense los trminos de la serie de Taylor con n=0 hasta n=6 para aproximar
f(x)=cos x en xi+1 = /3 con base en el valor de f(x) y sus derivadas en xi= /4.
Observe que esto significa que h= /3- /4= /12.
Solucin
Como en el anterior ejercicio, el conocimiento de la funcin original implica que se
puede determinar el valor exacto de f(/3)=0.5
La aproximacin de orden cero es:
cos 0.707107
3
4
12
Academia de Matemticas
ESIA-Ticomn
0.707107 sen
0.707107 0.185120 0.521987
3
4 12
cos
0
.
707107
0
.
185120
3
2! 12
3!
12
sen
4! 12
cos
5!
12
sen
13
Academia de Matemticas
cos
6!
ESIA-Ticomn
f(3)(x)= -cos x
f(4)(x)= sen x
f(5)(x)= cos x
f(6)(x)= - sen x
f ( x) 0
1
(1) 3
1
x0
x 0 x 5 ...
1!
3!
5!
x3 x5 x7
x 2 n 1
.......
(1) n 1
3!
5! 7!
(2n 1)!
senx dx
f ( x ) ( senx)1 / 2
1
( senx) 1 / 2 (cos x )
2
1
1
1
1
f ' ' ( x ) ( senx ) 3 / 2 (cos x )(cos x ) ( senx) 1 / 2 ( senx ) ( senx ) 3 / 2 (cos x ) 2 ( senx )1 / 2
4
2
4
2
f ' ( x)
3
1
1
( senx) 5 / 2 (cos x)(cos x) 2 ( senx) 3 / 2 2(cos x)( senx) ( senx) 1 / 2 (cos x)
8
4
4
3
1
1
f ( 3) ( x) ( senx) 5 / 2 (cos x) 3 ( senx) 1 / 2 (cos x) ( senx) 1 / 2 (cos x)
8
2
4
3
1
f ( 3) ( x) ( senx) 5 / 2 (cos x) 3 ( senx) 1 / 2 (cos x)
8
4
f
( 3)
( x)
( 4)
( x)
15
3
1
( senx) 7 / 2 (cos x)(cos x) 3 ( senx) 5 / 2 3(cos x) 2 ( senx) ( senx) 3 / 2 (cos x)(cos x)
16
8
8
1
( senx) 1 / 2 ( senx)
4
15
9
1
1
( 4)
f ( x)
( senx) 7 / 2 (cos x) 4 ( senx) 3 / 2 (cos x) 2 ( senx) 3 / 2 (cos x) 2 ( senx)1 / 2
16
8
8
4
15
10
1
f ( 4) ( x)
( senx) 7 / 2 (cos x) 4
( senx) 3 / 2 (cos x) 2 ( senx)1 / 2
16
8
4
14
Academia de Matemticas
ESIA-Ticomn
xi 1 x
2
f ( xi ) 1
f ' ( xi ) 0
xi
1
2
( 3)
f ( xi ) 0
f ' ' ( xi )
(4)
( xi )
1
4
f ( x) 1 2 x
2!
2
senx 1 x
4
2
x
4
2
x0
1
4
2
3
dx
1
96
2
5
x
96
2
x
96
2
4 x
4!
2
dx
x
4 0
2
1 2
4 3
1
4
2
3
dx
x
96 0
2
1 2
96 5
dx
1
96
2
5
2.455782
f ( x ) cos( x )
x 32
x 31
x 30
x 29
33
2
3
4
...
32!
31!
30!
29!
0!
10
8
6
4
2
f ( x ) a1 x a 2 x a3 x a 4 x a5 x a 6
f ( x)
2. Calcule la integral:
2
x5
dx
15
Academia de Matemticas
ESIA-Ticomn
667.38
(1 e 0.146843c ) 40
c
Solucin
Vamos graficando la funcin dando valores a c:
c
4
8
Apuntes Mtodos Numricos
f(c)
34.1149
17.6535
16
Academia de Matemticas
ESIA-Ticomn
12
16
20
6.0669
-2.2688
-8.4006
17
Academia de Matemticas
ESIA-Ticomn
Este tipo de funciones tienen mltiples races, por lo que graficar en paquetes
computacionales nos mostrar una descripcin mas detallada del comportamiento
de f (x) .
La grfica ser:
.
Como podemos observar la figura 3.1.2 permite determinar que existen varias races que
resultaran difciles de graficar si se sigue el mismo proceso manualmente.
18
Academia de Matemticas
ESIA-Ticomn
1er Paso.- Elija los valores iniciales inferior xl y superior xu de tal forma que la
funcin cambie de signo sobre el intervalo. Esto se puede verificar asegurndose
de que f ( xl ) * f ( xu ) 0
xl xu
2
3er Paso.- Realice las siguientes evaluaciones para determinar en que subintervalo cae la raz:
a. Si f ( xl ) * f ( x r ) 0 entonces la raz se encuentra dentro del sub-intervalo.
Por lo tanto tome xu=xr y continen en el paso 2.
b. Si f ( xl ) * f ( x r ) 0 entonces la raz se encuentra dentro del sub-intervalo
superior. Por lo tanto resulvase xl=xr y contine en el paso 2.
c. Si f ( xl ) * f ( x r ) 0 la raz es igual a xr y termina el clculo.
Se utiliza el valor absoluto, ya que por lo general importa slo la magnitud sin considerar
su signo.
Ejemplos
1. Encontrar la raz de f ( x) x 3 3 x 2 34 x 48 utilizando el mtodo de la
biseccin con 7 iteraciones con los valores iniciales de xl=0 y xu=10.
Solucin
Iteracin 1:
1er Paso.- Tenemos los valores de xl y xu, podemos comprobar si existe un
cambio de signo:
f (0) ()
f (10) ( )
19
Academia de Matemticas
ESIA-Ticomn
0 10
5
2
Vemos que cae en el caso b. del 3er paso, por lo tanto xl=5
No hay valores para el error absoluto y relativo aproximado, debido a que es
nuestra primera aproximacin.
Estos pasos se repetirn hasta llegar a 7 iteraciones.
La siguiente tabla muestra los valores de xl, xu y xr, adems del comportamiento
de los errores.
Iteracin
1
2
3
4
5
6
7
xl
0
5
7.5
7.5
7.5
7.8125
7.96875
xu
10
10
10
8.75
8.125
8.125
8.125
A (%)
--33.3333
14.2857
7.6923
4.0000
1.9608
0.9709
xr
5
7.5
8.75
8.125
7.8125
7.96875
8.046875
EA
--2.5
1.25
0.625
0.3125
0.15625
0.078125
667.38
(1 e 0.146843c ) 40
c
Con valores iniciales de xl=12 y xu=16. Utilice el mtodo hasta encontrar un error
relativo aproximado igual o menor al 5%.
Solucin
De la misma manera que el ejemplo anterior, se obtiene la siguiente tabla, se
realizaron 6 iteraciones para llegar a un error relativo aproximado menor al 5%
Iteracin
xl
xu
20
xr
A (%)
EA
Academia de Matemticas
ESIA-Ticomn
12
14
14
14.5
14.75
14.75
16
16
15
15
15
14.875
14
15
14.5
14.75
14.875
14.8125
--6.666667
3.448276
1.694915
0.840336
0.421941
--1
0.5
0.25
0.125
0.0625
xu x l
2n
debido a que el mtodo es predecible, ya que los lmites siempre son divididos entre 2.
De esta ecuacin podemos despejar n:
xu xl
EA
log 2 n log
x u xl
EA
log
log 2
Que nos servir para poder saber cuantas iteraciones se requieren para llegar al error
absoluto deseado, sin necesidad de realizar otros clculos.
Ejemplo
1. Para f ( x ) x 3 3 x 2 34 x 48 con los valores iniciales de xl=0 y xu=10.
Cuntas iteraciones se requieren para tener un error absoluto de 0.01953125?
Solucin
Utilizando nuestra ecuacin tenemos:
10 0
0.01953125 9
log 2
log
Se requieren 9 iteraciones.
21
Academia de Matemticas
ESIA-Ticomn
Figura 3.3 Representacin grfica del Mtodo de la Falsa Posicin., con los tringulos
semejantes sombreados se obtiene la frmula para el Mtodo.
Los pasos a seguir en este mtodo son los mismos que los pasos del Mtodo de la
Biseccin, con la diferencia de que el valor de la aproximacin se determina como:
x r xu
f ( xu ) * ( x l x u )
f ( xl ) f ( xu )
Ejemplos
1. Encontrar la raz de f ( x ) x 3 3 x 2 34 x 48 utilizando el mtodo de la
Falsa Posicin, con los valores iniciales de xl=0 y xu=10 repita el proceso hasta
obtener un error relativo aproximado de 0.007%.
Solucin
22
Academia de Matemticas
ESIA-Ticomn
Iteracin 1:
1er Paso.- Tenemos los valores de xl y xu, podemos comprobar si existe un
cambio de signo:
f (0) ( 48)
f (10) (312)
Vemos que cae en el caso b. del 3er paso, por lo tanto xl=1.333
No hay valores para el error absoluto y relativo aproximado, debido a que es
nuestra primera aproximacin.
Como podemos ver en este ejemplo, aunque por lo general el mtodo de la falsa
posicin es mejor que el mtodo de la biseccin, no siempre es verdad esto, como
podemos observar nuestra raz se encuentra en 1.333, mientras que en el mtodo
de la biseccin, ya se encontraba en 5.
Mediante la siguiente tabla podemos ver el comportamiento de ste mtodo con
esta funcin:
Iteracin
1
2
3
4
5
6
7
8
9
10
11
xl
0
1.3333
3.3774
5.6086
7.0764
7.6993
7.9085
7.9728
7.9919
7.9976
7.9993
xu
10
10
10
10
10
10
10
10
10
10
10
f ( xl )
f ( xr )
-48.0000
-96.29630
-158.52583
-156.63508
-84.47218
-31.20745
-9.89202
-2.98142
-0.88487
-0.26143
-0.07713
312
312
312
312
312
312
312
312
312
312
312
xr
1.3333
3.3774
5.6086
7.0764
7.6993
7.9085
7.9728
7.9919
7.9976
7.9993
7.9998
23
Academia de Matemticas
ESIA-Ticomn
f (c )
667.38
(1 e 0.146843c ) 40
c
xl
12
12
12
12
xu
16
14.9113
14.7942
14.7817
F(xl)
6.0669
6.0669
6.0669
6.0669
f(xu)
-2.2688
-0.2543
-0.0273
-0.0029
xr
14.9113
14.7942
14.7817
14.7804
f(xr)
-0.2543
-0.0273
-0.0029
-0.0003
Los errores relativos sern (utilizando los datos del ejercicio en el Mtodo de la
Biseccin, calculado anteriormente, y los datos del Mtodo de la Falsa Posicin):
Primera Iteracin:
Mtodo de la Biseccin:
A (%)
--6.666667
3.448276
1.694915
xr
14
15
14.5
14.75
A
T
14.7791 14
* 100 5.27163%
14.7791
14.7791 14.9113
* 100 0.89456%
14.7791
Segunda Iteracin:
Mtodo de la Biseccin:
24
Academia de Matemticas
ESIA-Ticomn
15 14
* 100 6.66667%
15
14.7791 15
* 100 1.49468%
14.7791
14.7942 14.9113
* 100 0.79160%
14.7942
14.7791 14.7942
* 100 0.10215%
14.7791
Tercera Iteracin:
Mtodo de la Biseccin:
114 .5 15
* 100 3.448276%
14.5
14.7791 14.5
* 100 1.88848%
14.7791
* 100 0.01759%
14.7791
Cuarta Iteracin:
Mtodo de la Biseccin:
14.75 14.5
* 100 1.694915%
14.75
14.7791 14.75
* 100 0.19690%
14.7791
A
T
* 100 0.01759%
14.7791
25
Academia de Matemticas
Iteracin
ESIA-Ticomn
Mtodo de la Biseccin
A
T
----
5.27163
----
0.89456
6.666667
1.49468
0.79160
0.10215
3.448276
1.88848
0.08455
0.01759
1.694915
0.19690
0.00902
0.00858
gm
(1 e ( c / m )t )
c
26
Academia de Matemticas
ESIA-Ticomn
Realice 8 iteraciones.
Solucin
Reordenamos la ecuacin de la siguiente forma:
f ( x ) 0 sen x x 0 x sen x
27
Academia de Matemticas
ESIA-Ticomn
x1 sen 1 0.84147
x 2 sen 0.84147 0.793973
x3 sen 0.793973 0.777733
Tomamos x0 0
Iteracin
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
xi
0
1.00000
0.36788
0.69220
0.50047
0.60624
0.54540
0.57961
0.56012
0.57114
0.56488
0.56843
0.56641
0.56756
0.56691
0.56728
A
--100.00000
171.82818
46.85364
38.30915
17.44679
11.15662
5.90335
3.48087
1.93080
1.10887
0.62442
0.35557
0.20120
0.11426
0.06475
28
Academia de Matemticas
ESIA-Ticomn
Cuando la pendiente en valor absoluto de g(x) sea mayor que 1, entonces el Mtodo
diverge, es decir, cuando g ( x) 1 nos alejaremos de la raz.
4.2.
Mtodo de Newton-Raphson
29
Academia de Matemticas
ESIA-Ticomn
xi 1 xi
f ( xi )
f ' xi
Ejemplos
Utilice el mtodo de Newton-Raphson para calcular la raz de f ( x) e x x
empleando el valor inicial de x0 0 .
Solucin
Para aplicar el mtodo ser necesario hallar la derivada de f ( x) e x x y
despus evaluarla en cada nueva aproximacin.
f ' ( x ) e x 1
e 0 0
1
0
0.5
0
2
e 1
Para la iteracin 2:
x 2 0.5
e 0.5 0.5
0.566311
e 0.5 1
30
Academia de Matemticas
ESIA-Ticomn
xi
0
0.5
0.566311
0.567143
0.567143
0.567143
0.567143
0.567143
A (%)
---100.000000
11.709291
0.146729
0.000022
0.000000
0.000000
0.000000
EnFigura
la figura
4.2.1a)
podemos
observar
que si endellasmtodo
proximidades
de una raz existe un
4.2.1
Diferentes
casos de
las desventajas
de Newton-Raphson
punto de inflexin, las aproximaciones que empiezan con x0 divergen progresivamente de
la raz
En la figura 4.2.1b) el mtodo tiende a oscilar alrededor de un mnimo o un mximo
local, estas pueden continuar, o alcanzar una pendiente cercana a cero, con lo que se
alejara muchsimo de nuestra solucin.
31
Academia de Matemticas
ESIA-Ticomn
En la figura 4.2.1c) se muestra cmo un valor inicial cercano a una raz salta a una
posicin varias races ms lejos. Esta tendencia a alejarse del rea de inters se debe a
que se encuentran pendientes cercanas a cero. En efecto, como ya lo indicbamos
anteriormente, una pendiente cero es un verdadero desastre, ya que causa una divisin
entre cero en la frmula de Newton-Raphson, esto tambin ocurre en la figura 4.2.1d),
vemos cmo el valor de la solucin se dispara horizontalmente y jams toca el eje x.
f ( xi 1 ) f ( xi )
xi 1 xi
32
Academia de Matemticas
ESIA-Ticomn
Ejemplo
Con el mtodo de la secante calcule la raz de f ( x) e x x . Comience con los
valores iniciales x 1 0 y x1 1 .
Solucin
Primera iteracin:
f ( x 1 ) 1
x 1 0
x0 1
f ( x0 ) 0.63212
xi 1
0.63212(0 1)
0.612700
1 ( 0.63212)
Segunda iteracin:
x0 1
f ( x 0 ) 0.63212
x1 0.61270
f ( x1 ) 0.07081
x 2 0.612700
0.07081(1 0.61270)
0.563838
0.63212 (0.07081)
Tercera iteracin:
x1 0.61270
f ( x1 ) 0.07081
f ( x 2 ) 0.000518
0.00518(0.61270 0.563838)
x3 0.563838
0.567170
0.07081 (0.00518)
x 2 0.563838
33
Academia de Matemticas
ESIA-Ticomn
valor xi a xi-1. En consecuencia, algunas veces los dos valores estn al mismo lado de la
raz. En ciertos casos esto puede llevar a divergencias.
Figura 4.3.1 Comparacin entre los mtodos de la falsa posicin y de la secante. Las primeras
iteraciones a) y b) de ambos mtodos son idnticos. No obstante, en las segundas iteraciones c) y d),
los
usados son
En consecuencia,
4.2.puntosMtodo
dediferentes.
la Secante
Modificadoel mtodo de la secante llega a diverger, como se
indica en d)
4.4. Mtodo de la secante modificada.En lugar de usar dos valores arbitrarios para aproximar la derivada, un mtodo alternativo
considera un cambio fraccionario de la variable independiente para estimar f ' ( x)
f ' ( xi )
f ( xi * xi ) f ( xi )
* xi
* f ( xi )
f ( xi * xi ) f ( xi )
Ejemplo
34
Academia de Matemticas
ESIA-Ticomn
f ( x0 ) 0.63212
x0 * x0 1.01
f ( x0 * x 0 ) 0.64578
x1 1
0.01 * 1 * ( 0.63212)
0.537263
0.64578 (0.63212)
Segunda iteracin:
x1 0.537263
f ( x1 ) 0.047083
x1 * x1 0.542635
f ( x1 * x1 ) 0.038579
x 2 0.537263
0.01 * 0.537263(0.047083)
0.567010
0.038579 (0.047083)
Tercera iteracin:
x 2 0.567010
f ( x 2 ) 0.0.000209
x 2 * x 2 0.572679
f ( x 2 * x 2 ) 0.0086678
x3 0.567010
0.01 * 0.567010(0.000209)
0.567143
0.0086678 ( 0.000209)
35
Academia de Matemticas
ESIA-Ticomn
absoluto de 10-3.
Resp. 1.36881
4. Resuelva por el mtodo de la secante el anterior ejercicio.
5. Use iteracin simple de punto fijo para localizar la raz de la siguiente
funcin, con un valor inicial de x0 2 . Itere hasta que consiga una precisin
en sus aproximaciones de 6 cifras significativas. Le fue posible encontrar la
raz? En caso negativo analice y explique el motivo, qu mtodo propondra
para encontrarla? En caso afirmativo, cuntas iteraciones le fueron
necesarias?
f ( x) x 3 e 2 x x
36
Academia de Matemticas
ESIA-Ticomn
a n1 x n a n 2 x 2 a n 3 x3 a nn x n bn
Como el caso de dos ecuaciones, la tcnica para resolver n ecuaciones consiste en dos
fases: la eliminacin de las incgnitas (hacia adelante) y su solucin mediante sustitucin
hacia atrs.
a 21 x1
a 22
a 21
a
a
a12 x 2 a 2 n 21 a1n x n b2 21 b1
a11
a11
a11
'
a 22
x 2 a 2' n x n b2'
Donde el superndice prima indica que los elementos han cambiado sus valores originales
1 vez. l procedimiento se repite despus con las ecuaciones restantes. Por ejemplo, la
primera fila se puede multiplicar por a31 / a11 y el resultado se restara de la tercera fila.
Se repite el procedimiento con las ecuaciones restantes y da como resultado:
a11 x1 a12 x 2 a13 x3 a1n x n b1
'
'
a 22
x 2 a 23
x3 a 2' n x n b2'
'
'
a32
x 2 a33
x3 a3' n x n b3'
a x 2 a x3 a x n bn'
'
n2
'
n3
'
nn
Ahora el proceso se repite para eliminar la segunda incgnita, tercera, hasta llegar a
eliminar la incgnita x(n-1) de la n -sima ecuacin. Aqu el sistema se habr transformado
en un sistema triangular superior:
Apuntes Mtodos Numricos
37
Academia de Matemticas
ESIA-Ticomn
( n 1)
[1a]
[2a]
[3a]
x b ( n 1) n
nn n
[4a]
xn
bn( n 1)
( n 1)
a nn
Este resultado se puede resultado se puede sustituir en la (n-1) ecuacin y resolverse sta
para xn-1. El procedimiento se repite evaluando las x restantes, ste se puede representar
mediante la frmula:
bi( i 1)
xi
j i 1
( i 1)
ij
xj
a ii( i 1)
Para i=(n-1), (n-2), 1
Ejemplos
1. sese la eliminacin gaussiana para resolver:
2 x1 4 x 2 6 x3 18
4 x1 5 x 2 6 x3 24
3 x1 x 2 2 x3 4
Solucin
Eliminacin hacia delante:
2 4 6 18
4 5 6 24
3 1 2 4
f1
2
1 2 3 9 1 1 2 3 9
ff234ff2
f2
4 5 6 24 3 1 0 3 6 12 3 0 1 2 4
3 1 2 4
0 5 11 23 0 5 11 23
1 2 3 9
38
Academia de Matemticas
0
0
4
11 23
2
1
f 3 5 f 2 0
0
3
2
ESIA-Ticomn
2
1
0
4
1 3
3
2
( 1)* f 3
0
0
2
1
0
3 9
2 4
1 3
Sustitucin atrs:
3
3
1
x 2 4 2(3) 2
x3
x1 9 2( 2) 3(3) 4
4
X 2
3
Solucin
2 4 6 18
4 5 6 24
2 7 12 30
0
0
2
1
3
3 9
2 4
6 12
f1
2
f 3 3 f 2
1 2 3 9
1 2 3 9 1 1 2 3 9
ff234ff2
f2
3 1
3
4 5 6 24 0 3 6 12 0 1 2 4
2 7 12 30
0 3 6 12 0 3 6 12
0
0
2
1
0
3 9
2 4
0 0
Aqu vemos que en la ltima ecuacin x3 tambin se elimina, pero como tenemos
una igualdad, x3 es una variable libre.
La solucin es:
1 z
X 4 2 x3
x3
39
Academia de Matemticas
ESIA-Ticomn
A 2
3
A 2
3
4 6
1 3
2 5
0
0
0
1
0
0
1
E11
0
1
0
E2
2
0
R2 2 R1
0
3
R2 2 R1
2
0
0
1
10
9
0
1
0
R3 3 R1
0
0
0
1
0
6
9
10
13
1
10
R3
10
R2
9
0
0
4
9
0 E1
1
1
0 ..................E 3 0
0
1
4
9
0
1
1
0 ...............E2 0
3
1
9
5
4
9
1
0
1
0 .............E3 0
1
0
0
1
10
9
0
0
0 L
40
Academia de Matemticas
9 U
3
U 0
0
4
9
0
ESIA-Ticomn
1
6
9 ..................L 2
3
3
0
1
10
9
0
0
A LU
1
2
3
4
1
2
1
6
3 2
5
3
0
1
10
9
0 1
0 0
1 0
4
9
0
9
3
b 9
22
U 0
0
4
9
0
Ux y
6
1 4
0 9 9
0 0 3
6
1
9 ..................L 2
3
3
1
10
9
x1 y1
x2 y 2
x y
3 3
Ly b
1
1
10
3
9
0 y1 27
0 y2 9
1 y3 22
41
Academia de Matemticas
ESIA-Ticomn
y1 27
2 y1 y 2 9
2( 27) y 2 9
54 y 2 9.......... y 2 45
10
y 2 y 3 22
9
10
3( 27)
( 45) y 3 22.......... y 3 9
9
27
y 45
9
3 y1
6 x1 27
1 4
0 9 9 x2 45
0 0 3 x 9
x1 4 x 2 6 x 3 27
9 x 2 9 x 3 45
3 x 3 9
x3 3
9 x 2 9 x 3 45
9 x 2 9(3) 45...........x 2 2
x1 4 x2 6 x3 27
x1 4( 2) 6(3) 27.........x1 1
1
x 2
3
A LU
1
2
3
4
1
2
6
1
3 a
b
5
0
1
c
0
1
0
0
4
d
0
e
f
42
Academia de Matemticas
ESIA-Ticomn
a2
b3
1 4a d
1 4( 2) d
d 9
4b cd 2........c
2 4b
2 4(3)
d
9
10
9
3 6a e.........e 3 6a 3 6( 2)
e 9
5 6b ec f
c
10
f 5 6b ec.......... f 5 6(3) ( 9)
9
f 3
2
4
3
2
3
2
4
2
2
4 10 4 0 R2 2 R1 0
A
3 2 5 2
3
2 4
4 7
2
2 3 2 4
2
0 4 8 8 R3 85 R2 0
R4 R1
0 52 2 4
0
0 7 6 3
0
4
2 3 2
R4 203 R3
0 4 8 8
U
0 0 3
9
0 0 0 49
3
10
2
4
2
4
5
4
0
2
3 2 4
4 8 8 R3 32 R1
2 5 2
4 4 7
3 2 4
2
4 8 8 R4 74 R2 0
0 3 9
0
7 6 3
0
2 3 2
4
0 4 8 8
0 52 2 4
2 4 4 7
3 2 4
4 8 8
0 3 9
0 20 11
43
Academia de Matemticas
0
0
0
1
0
0
0
0
1
0
1 0 0 0
0 1 0 0
E2 3
0 1 0
2
0 0 0 1
0
E5
0
ESIA-Ticomn
2
R2 2 R1
0
E3
0
1
0
0
1
0
0
7
4
0
1
0
0
0
0
1
0
0
1
0
0
0
E1
0
0
0
1
0
E4
0
E6
0
0 1
0
1
0
0
0
0
1
203
0 0
0 0
1 0
85
0
0 1
E11
0
1
0
0
0
0
1
0
E 41
0
1
0
0
1
0
5
8
0
1
0
0
1
...............E 2
0
32
0
1
0
1 0
0
0 1
1
..............E 5
0 0
0
1
0 4
1 0
2 1
3 5
2 8
1 7
4
44
0
1
0
0
0
0
1
0
0
1
0
0
1
........E 3
0
0
1
1
0
1
..............E 6
0
0
0
1
0
0
0
0
0
1
0
L
0
20
3
0
1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
1
0
0
Academia de Matemticas
20
3
U
0
3
4
2
8
0
0
3
0
ESIA-Ticomn
8
9
49
.L
32
5
8
7
4
20
3
A LU
3
2
4 1 0
2
4 10 4 0 2 1
3 2 5 2 3 5
2 8
2 4
1 7
4
0
0
1
20
3
0 2
0 0
0 0
1 0
4 8
0 3
0
8
9
49
5.3. Descomposicin LU
Hay varias formas de hallar la matriz LU:
Por otro lado la descomposicin LU proporciona un medio eficiente para calcular la
matriz inversa. La inversa tiene muchas aplicaciones valiosas en la prctica de la
ingeniera. sta ofrece tambin un medio para evaluar la condicin de un sistema.
La eliminacin de Gauss representa sirve para resolver sistemas de ecuaciones
algebraicas lineales,
[A]{X}= {B}
(1)
Los mtodos por descomposicin LU separan el tiempo usado en las eliminaciones para
la matriz [A] de las manipulaciones en el lado derecho {B}. Una vez que [A] se ha
descompuesto, los mltiples vectores de lado derecho {B} se pueden evaluar de
manera eficiente.
De manera similar al caso de la eliminacin de Gauss, la descomposicin LU requiere de
pivoteo para evitar la divisin entre cero. La siguiente explicacin se limita a un conjunto
de tres ecuaciones simultneas. Los resultados se pueden extender en forma directa a
sistemas n dimensionales.
La ecuacin se reordena como
[A]{X}-{B}=0
(2)
Suponga que la ecuacin (2) puede expresarse como un sistema triangular superior:
45
Academia de Matemticas
ESIA-Ticomn
0
0 u 33 x3 d 3
(3)
(4)
Ahora, suponemos que existe una matriz diagonal inferior con nmeros 1 en la diagonal,
1
[ L] l 21
l 31
0
1
l 32
0
0
1
(5)
que tiene la propiedad de que cuando se pre-multiplica por la ecuacin (4), el resultado es
la ecuacin (2). Es decir,
[L]{[U] {X}-{D}}= [A] {X}-{B}
(6)
(7)
[L]{D}= {B}
(8)
Una estrategia de dos pasos para obtener soluciones se basa en las ecuaciones (4), (7) y
(8):
1. Paso de descomposicin LU. [A] se factoriza o descompone en las matrices
triangulares inferior [L] y superior [U].
2. Paso de la sustitucin. [L] y [U] se usan para determinar una solucin {X} para
un lado derecho {B}. Este paso, a su vez, se divide en dos. Primero, la ecuacin
(8) se usa para generar un vector intermedio {D} mediante sustitucin hacia
adelante. Despus, el resultado se sustituye en la ecuacin (4), la que se resuelve
por sustitucin hacia atrs para {X}.
46
Academia de Matemticas
ESIA-Ticomn
a12
a ' 22
0
a13
a ' 23
a ' '33
(9)
a12
a 22
a32
a13 x1
b1
a 23 x 2 b2
b
a33 x3
3
a '32
a ' 22
47
Academia de Matemticas
ESIA-Ticomn
La idea principal de la eliminacin fue crear ceros en a21, a31 y a32. Entonces, se puede
guardar f21 en a21, f31 en a31 y f32 en a32. Despus de la eliminacin la matriz [A], por lo
tanto, se describe como
a13
a11 a12
f
(10)
21 a ' 22 a' 23
f 31 f 32 a' '33
De hecho, esta matriz representa un almacenamiento eficiente de la descomposicin LU
de [A].
[A][L][U]
(11)
Donde:
a11
[U ] 0
0
a12
a ' 22
0
a13
a ' 23
a ' '33
y
1
[ L] f 21
f 31
0
1
f 32
0
0
1
0.1
7
0.2
0.2
0.3
10
Solucin
Primero obtenemos [U] la cual es una matriz triangular superior
48
Academia de Matemticas
3
[ A] 0.1
0.3
R3 03.3 R1
0 .2
0.3
10
7
0 .2
3
0
0
0.1
R2 03.1 R1
0 .1
3
0
0.3
7.00333
0 .2
0.2
7.00333
0.19
0 .1
3
U 0
0
ESIA-Ticomn
0.293333
10.02
R3
0 .2
0.293333
10
0 .1
3
0.19
7.00333
R2
0
0
0 .2
7.00333
0
0.293333
10.0120
0 .2
0.293333
10.0120
7.00333
0
0.1
0.03333333
3
f 31
0 .3
0.1000000
3
0.19
0.0271300
7.00333
[L] 0.0333333
0.100000
0
1
0.0271300
0
0
En consecuencia, la descomposicin LU es
1
[ A] [ L][U ] 0.0333333
0.100000
0
1
0.0271300
0 3
0 0
1 0
0.1
7.00333
0
0 .2
0.293333
10.0120
[ L][U ] 0.0999999
0.3
0.1
7
0.2
0.2
0.3
9.99996
49
Academia de Matemticas
ESIA-Ticomn
0.3 0.2 10
x1
7.85
x 2 19.3
x
71.4
3
0
0
10.0120
7.85
x1
x 2 19.5617
x
70.0843
3
(12)
1
0
0 d 1
7.85
0.0333333
1
0 d 2 19.3
71.4
0.100000 0.0271300 1 d 3
50
Academia de Matemticas
ESIA-Ticomn
d1=7.85
7.85
{D} 19.5617
70.0843
0
0
10.0120
7.85
x1
x 2 19.5617
x
70.0843
3
que se resuelve por sustitucin hacia atrs para obtener la solucin final,
2.5
7.00003
{X }
2 1 - 3
A -1 3 2
3 1 - 3
Apuntes Mtodos Numricos
51
Academia de Matemticas
1. 0
Resp. L - 0.5
1
1.5 - 0.1428
ESIA-Ticomn
2 1 -3
y U 0 3.5 0.5
0 0 1.5714
2 x1 x 2 3 x3 1
x1 3 x 2 2 x3 12
3 x1 x 2 3 x3 0
Resp. x1 1; x 2 3; x3 2
3. Resuelva el siguiente sistema de ecuaciones mediante el mtodo de su eleccin y
explique brevemente el significado grfico de su resultado. Con qu tipo de
entidades matemticas se encuentra lidiando?
3 x1 21x 2 9 x3 0
0.5 x1 3.5 x 2 1.5 x3 2 0
10 9 x3 3 x1 21x 2 2
52
Academia de Matemticas
ESIA-Ticomn
hasta que converja dentro de alguna tolerancia de error previamente especificada. De esta
forma, el redondeo no es un problema, ya que se controla el nivel de error aceptable.
El mtodo de Gauss-Seidel es el mtodo iterativo ms utilizado. Supngase que se ha
dado un conjunto de n ecuaciones:
[ A][ X ] [C ]
[1a]
x2
c 2 a 21 x1 a 23 x3 a 2 n x n
a 22
[2a]
x3
c3 a31 x1 a32 x 2 a 3n x n
a 33
[3a]
xn
c n a n1 x1 a n 2 x 2 a n , n 1 x n 1
...[4a]
a nn
Ahora, se puede empezar el proceso de solucin usando un valor inicial para las x. La
solucin trivial puede servir de valor inicial, esto es, todas las x valen cero. Estos ceros se
pueden sustituir en la ecuacin [1a], que se puede usar para calcular un nuevo valor de
x1=c1/a11. Luego, se sustituye el nuevo valor de x1, con x3, ., xn aun cero, en la ecuacin
[2a] con la cual se calcula un nuevo valor de x 2. Este proceso se repite en cada una de las
ecuaciones hasta llegar a la n-sima ecuacin la cual calcula un nuevo valor de x n. En
seguida se regresa a la primera ecuacin y se repite todo el proceso hasta que la solucin
converja bastante cerca de los valores reales.
Ejemplo
sese el mtodo de Gauss-Seidel y resulvase el sistema:
3 0.1 0.2
0.1
7
0.3
0.3 0.2 10
x1
7.85
x 2 19.3
x
71.4
3
Iteracin 1:
53
Academia de Matemticas
ESIA-Ticomn
7.85
2.794
3
19.3 0.1( 2.61666)
x2
2.7945
7
71.4 0.3(2.61666) (0.2)(2.7945)
x3
7.005
10
x1
Iteracin 2:
0.1
7
0.3 x 2 19.3
71.4
0.3 0.2 10 x3
Primera iteracin:
7.85
2.61666
3
19.3
x2
2.7541
7
71.4
x3
7.14
10
x1
Segunda iteracin:
7.85 (0.1)( 2.7541) (0.2)(7.14)
x1
3.0008
3
19.3 0.1(2.6166) ( 0.3)(7.14)
x2
2.4885
7
54
Academia de Matemticas
ESIA-Ticomn
6.3. Convergencia
Estos mtodos se comportan bien para los sistemas diagonalmente dominantes, es
decir:
n
aii aij
j 1
j i
55
Academia de Matemticas
ESIA-Ticomn
3 0.1 0.2 x1
7.85
0.1
7
0.3 x 2 19.3
71.4
0.3 0.2 10 x3
Primera iteracin:
7.85
2.61666
3
(1.2)(2.61666) (1 1.2)(0) 3.139992
19.3 0.1(3.139992)
2.8019
7
(1.2)( 2.8019) (1 1.2)(0) 3.3623
71.4 0.3(3.139992) (0.2)( 3.3623)
6.97855
10
(1.2)(6.97855) (1 1.2)(0) 8.37426
x1
x1
x2
x2
x3
x3
Segunda Iteracin:
2.44178
7
(1.2)(2.44178) (1 1.2)(3.3623) 2.25767
71.4 0.3(3.04745) ( 0.2)(2.25767)
7.00342
10
x1
x1
x2
x2
x3
Tercera Iteracin:
2.511297
7
(1.2)(2.511297 ) (1 1.2)(2.25767) 2.56202
71.4 0.3( 2.990027) (0.2)(2.56202)
6.999403
10
x1
x1
x2
x2
x3
56
Academia de Matemticas
ESIA-Ticomn
4 3 0
A 3 4 -1
0 -1 4
24
B 30
- 24
Realice 7 iteraciones
3.0134
Resp. x 3.9888
- 5.0028
2. Resuelva el siguiente sistema de ecuacin por el mtodo de Jacobi:
Ax B
10 -1 2
-1 11 - 1
A
2 -1 10
0 3 -1
Realice 5 iteraciones.
0
3
-1
6
25
B
- 11
15
57
Academia de Matemticas
ESIA-Ticomn
1
2
Resp. x
- 1
1
3. Diga para que sirve una relajacin menor a 1, y una relajacin mayor a 1,
despus calcule los anteriores ejercicios con valores de 0.85 y 1.45 .
y n mx n b
Donde:
58
Academia de Matemticas
ESIA-Ticomn
1 x1
1x
2
1x
n
y1
y
2
y
n
b
U
m
Si no son co-lineales:
y AU 0
( AU ) T (Y AU ) 0
U T AT ( y AU ) 0
U T ( AT y AT AU ) 0
( AT y AT AU ) 0
AT AU A T y
U ( AT A) 1 AT y
Valor de parmetros
Ejemplo
Encuentre la recta que da el mejor ajuste para los datos:
(1, 4); (-2, 5);(3, -1); (4,1)
Solucin
Ubicamos los valores de nuestras matrices:
59
Academia de Matemticas
ESIA-Ticomn
1 1
1 2
1 3
1 4
4
5
y
1
U
m
U ( AT A) 1 AT y
11 4
U 1 _1 1 1 1 2 1 _1 1 1 5
1 2 3 4 1 3 1 2 3 4 1
1 4 1
1
4 6 9
U
6 30 5
1 30 6 9
U
84 6 4 5
60
Academia de Matemticas
ESIA-Ticomn
U
U
1 270 30
84 54 20
1 300
84 74
300 84
U
74 84
3.57
0
.
88095
De donde se obtiene:
b=3.57
m=-0.88
Con lo que nuestra recta que mejor ajusta nuestros datos es:
y 3.57 0.88 x
Necesitaramos hallar a, b, c
con lo que nuestras matrices cambiaran a:
1 x1 x12
2
1 x2 x2
2
1 xn xn
y1
y
2
y
n
a
U b
c
61
Academia de Matemticas
ESIA-Ticomn
Ejemplo
Encuentre el mejor ajuste cuadrtico para los siguientes datos:
(1, 4); (-2, 5); (3, -1); (4, 1)
Solucin
1 1 1
1 2 4
A
;
1 3 9
1 4 16
y
;
1
a
U b
c
U ( AT A) 1 AT y
62
Academia de Matemticas
ESIA-Ticomn
1 1 1
1 1 1 1
1 2 4
U 1 2 3_ 4
1
3
9
1 4 9 16
1 4 16
4 6 30
U 6 30 84
30 84 354
4
1 1 1 1
5
1 2 3_ 4
1 4 9 16 1
9
-5
31
63
Academia de Matemticas
ESIA-Ticomn
3.75
U 0.8106
0.0379
De donde se obtiene:
a = 3.75
b = -0.8106
c = -0.0379
y 3.75 0.8106 x 0.0379 x 2
7.2. Interpolacin
Con frecuencia se tienen que estimar valores intermedios entre valores conocidos. El
mtodo ms comn empleado para este propsito es la interpolacin polinomial.
Recurdese que la formula general de un polinomio de n-simo orden es:
f ( x) a 0 a1 x a 2 x 2 a n x n
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 que conecta dos puntos.
De manera similar hay slo una parbola que conecta a tres 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 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, nosotros trabajaremos con los polinomios de Newton y los de Lagrange.
64
Academia de Matemticas
ESIA-Ticomn
x x0
x1 x0
Que se puede reordenar como:
f1 ( x) f ( x0 )
f ( x1 ) f ( x0 )
( x x0 )
x1 x0
Donde:
b0 f ( x0 )
b1 f x1 , x0
b2 f x 2 , x1 , x0
bn f x n , x n 1 ,, x 2 , x1 , x 0
y:
65
Academia de Matemticas
f xi , x j
ESIA-Ticomn
f xi f x j
xi x j
f x n , x n 1 ,, x 2 , x1 f x n 1 ,, x 2 , x1 , x 0
xn x0
ma
n Diferencia dividida finita.
f x n , x n 1 ,, x 2 , x1 , x 0
Ejemplo
Ajustar cuatro puntos mostrados a un polinomio de Newton de 3er Orden.
x0 1
x1 4
x2 6
x3 5
f ( x0 ) 0
f ( x1 ) 1.3862
f ( x 2 ) 1.7917
f ( x3 ) 1.6094
b0 0
b1
f ( x1 ) f ( x0 ) 1.3862
0.4620
x1 x0
3
b2
f x 2 , x1 f x1 , x0 1 1.7917 1.3862
0.4620 0.05186
6 1
5
2
f x3 , x 2 , x1 f x 2 , x1 , x 0 1 f x3 , x 2 f x 2 , x1
(0.05186)
5 1
4
1
1 f ( x3 ) f ( x 2 ) f ( x 2 ) f ( x1 )
b3
0.05186
4
1
2
1
b3 (0.03141)
4
b3 0.00785
b3
f n ( x) Li ( x) f ( xi )
i 0
Donde:
n
Li ( x )
x xj
j 0 x i x j
j 1
66
Academia de Matemticas
ESIA-Ticomn
Ejemplo
Calcular el valor del polinomio de Lagrange de orden 3, con x=2.
Dados los siguientes puntos:
x0 1
x1 4
x2 6
x3 5
f ( x0 ) 0
f ( x1 ) 1.3862
f ( x 2 ) 1.7917
f ( x3 ) 1.6094
Solucin
f 3 ( x) L0 ( x ) f ( x 0 ) L1 ( x ) f ( x1 ) L2 ( x ) f ( x 2 ) L3 ( x ) f ( x3 )
x
0 1
x x2
x
2
0
x x3 2 4 2 6 2 5 2
x
1 4 1 6 1 5 5
3
0
x x0
x1 x0
x x2
x1 x 2
x x3 2 1
x1 x3 4 1
x x0
x
0
2
x x1
x
2 1
x x3 2 1 2 4 2 5 3
x
6 1 6 4 6 5 5
3
2
x x0
x3 x 0
x x1
x3 x1
x x2 2 1 2 4 2 6
2
x3 x 2 5 1 5 4 5 6
L0 ( x)
L1 ( x)
L2 ( x)
L3 ( x )
26
46
2 5 2
4 5 1
2
3
* 0 2 *1.3862 1.7917 2 * 1.6094
5
5
f 3 ( x) 0.62862
f 3 ( x)
x
0.1
0.4
0.5
0.7
0.7
0.9
67
y
0.61
0.92
0.99
1.52
1.47
2.03
Academia de Matemticas
ESIA-Ticomn
f ( x)dx
( x)dx
f ( x)dx f
( x)dx
68
Academia de Matemticas
ESIA-Ticomn
f1 ( x) f ( a )
f (b) f ( a )
( x a)
ba
El rea bajo la lnea recta es una aproximacin de la integral de f (x ) en tres los lmites
a y b:
b
f (b ) f ( a )
I f (a)
( x a ) dx
ba
f (a) f (b)
2
altura promedio
69
Academia de Matemticas
ESIA-Ticomn
Figura 8.1.1.1
a) La frmula para calcular el rea de un trapezoide: altura por el promedio de las bases.
b) Para la regla del trapecio, el concepto es el mismo pero ahora el trapezoide est sobre su
lado
ba
n
x1
x0
f ( x)dx
x2
f ( x )dx
x1
xn
f ( x)dx
xn 1
f ( x0 ) f ( x1 )
f ( x n 1 ) f ( x n )
f ( x1 ) f ( x2 )
( x 2 x1 )
( x n x n 1 )
2
2
2
n 1
( xn x0 )
f
(
x
)
f
(
x
)
2
f ( xi )
0
n
2n
i 1
70
Academia de Matemticas
ESIA-Ticomn
1
f ' ' (b a ) 3
12
71
Academia de Matemticas
ESIA-Ticomn
Figura 8.1.3
a) Descripcin grfica de la regla de Simpson 1/3, que consiste en tomar el rea
bajo una parbola que une tres puntos.
b) Descripcin grfica de la regla de simpson 3/8, que consiste en tomar el rea
bajo una ecuacin cbica que une cuatro puntos.
f 2 ( x )dx
( x x1 )( x x 2 )
( x x0 )( x x 2 )
( x x0 )( x x1 )
f ( x0 )
f ( x1 )
f ( x 2 ) dx
( x1 x0 )( x1 x 2 )
( x 2 x0 )( x 2 x1 )
( x 0 x1 )( x 0 x 2 )
I
a
I (b a)
f ( x 0 ) 4 f ( x1 ) f ( x 2 )
6
El error ser:
E
(b a ) 5
f
2880
( 4)
( )
La regla de Simpson no da error si tenemos hasta incluso una funcin de 3er grado
f ( x0 ) 4
I (b a )
n 1
n2
f (x ) 2 f (x ) f (x
i 1, 3, 5
i 2, 4, 6
Aplicado a varios
3n
intervalos.
72
Academia de Matemticas
ESIA-Ticomn
f 3 ( x)dx
Para obtener:
I (b a)
f ( x0 ) 3 f ( x1 ) 3 f ( x 2 ) f ( x3 )
8
(b a) 5
f
6480
73
( 4)
( )
Academia de Matemticas
ESIA-Ticomn
La mejor manera de usar la regla de simpson es utilizar la regla de 1/3 y 3/8 al mismo
tiempo, siempre intentando usar la mayor cantidad de veces segmentos con tres octavos,
en dicho caso el error se reducir.
Ejemplo
Integre la siguiente funcin por las distintas reglas que se estudiaron en este
captulo.
f ( x ) 0.2 25 x 200 x 2 675 x 3 900 x 4 400 x 5
Entre 0 y 0.8, adems calcule el valor real de la integral, y con ste calcule el error
o los errores que se puedan calcular.
Solucin
Hallamos la integral verdadera:
74
Academia de Matemticas
0.8
0.8
0.2dx
0.2 x
0. 8
0
ESIA-Ticomn
0. 8
25 xdx
25 2
x
2
0. 8
0.8
200 x 2 dx
200 3
x
3
0. 8
0. 8
675 4
x
4
675 x 3 dx
0. 8
0.8
900 5
x
5
900 x 4 dx
0.8
400 6
x
6
0.8
400 x 5 dx
0. 8
x0 0
f ( x 0 ) f (0) 0.2
f ( x1 ) f (0.8) 0.232
I ( x1 x 0 )
f ( x0 ) f ( x1 )
0.2 0.232
(0.8 0)
2
2
I 0.1728
Et = 1.6406-0.1728
Et =1.4678
4 puntos:
x0 0
x1 0.2667
x 2 0.5334
x 3 0. 8
f ( x 0 ) f ( 0) 0. 2
f ( x1 ) f (0.2667) 1.4329
f ( x 2 ) f (0.5334) 3.4874
f ( x3 ) f (0.8) 0.232
( x3 x 0 )
f ( x0 ) f ( x3 ) 2( f ( x1 ) f ( x 2 )
2n
(0.8 0)
I
(0.2 0.232) 2(1.4329 3.4874)
2*3
I 1.3697
I
75
Academia de Matemticas
ESIA-Ticomn
Et = 1.6406-1.3697
Et =0.2709
x0 0
x 2 0 .8
f ( x 0 ) f (0) 0.2
f ( x1 ) f (0.4) 2.456
f ( x 2 ) f (0.8) 0.232
I (b a )
f ( x 0 ) 4 f ( x1 ) f ( x 2 )
0.2 4( 2.456) 0.232
(0.8 0)
6
6
I 1.3675
Et = 1.6406-1.3675
Et =0.2731
x1 0.2
x 2 0.4
x 3 0. 6
x 4 0.8
f ( x 0 ) f (0) 0.2
f ( x1 ) f (0.2) 1.288
f ( x 2 ) f (0.4) 2.456
f ( x3 ) f (0.6) 3.464
f ( x 4 ) f (0.8) 0.232
f ( x 0 ) 4( f ( x1 ) f ( x 3 )) 2 f ( x 2 ) f ( x 4 )
3n
0.2 4(1.288 3.464) 2( 2.456) 0.232
I (0.8 0)
3* 4
I 1.6235
I (b a )
Et = 1.6406-1.6235
76
Et =0.0171
Academia de Matemticas
ESIA-Ticomn
x0 0
x 2 0.5334
x 3 0. 8
f ( x 0 ) f (0) 0.2
f ( x1 ) f (0.2667) 1.4329
f ( x 2 ) f (0.5334) 3.4874
f ( x3 ) f (0.8) 0.232
I (b a )
f ( x 0 ) 3 f ( x1 ) 3 f ( x 2 ) f ( x3 )
0.2 3(1.4329) 3(3.4874) 0.232
(0.8 0)
8
8
I .5192
Et = 1.6406-1.5192
Et = 0.1214
x0 0
x 2 0.32
x3 0.48
x 4 0.64
x 5 0. 8
n= 2
3 puntos:
x0 0
x1 0.16
x 2 0.32
f ( x 0 ) f (0) 0.2
f ( x1 ) f (0.16) 1.2969
f ( x 2 ) f (0.32) 1.7434
f ( x 0 ) 4 f ( x1 ) f ( x 2 )
0.2 4(1.2969) 1.7434
(0.32 0)
6
6
I 0.38032
I (b a )
77
Academia de Matemticas
ESIA-Ticomn
8.2.
Et = 1.6406-1.6451 = 0.0045
Ejercicios Propuestos
1. Evale las siguientes integrales utilizando la regla trapezoidal mltiple con 3
puntos, 5 y 9 puntos.
3x 3 5 x 1
x 2x x 2
3
x4 x3 x2 x 3
tan( x)
ex
1 /( 2 x)
[0,1]
[0,3]
[0,1]
[0, 4]
[0,1]
[0,1]
2x
* sen ( x )
[0.1]
[0,2 ]
78
Academia de Matemticas
ESIA-Ticomn
ndice
Captulo 1: Aproximaciones y Errores................................................................................1
1.1.
Modelo matemtico.............................................................................................1
1.2.
Generacin de las Computadoras........................................................................2
1.3.
Programacin Estructurada..................................................................................2
1.5.
Definiciones de Error...........................................................................................3
1.6.
Clculo de errores................................................................................................4
1.7.
Error Relativo Aproximado.................................................................................6
1.8.
Cifras Significativas.............................................................................................8
1.9.
Errores computacionales......................................................................................9
1.10.
Ejercicios Propuestos.....................................................................................10
Captulo 2: Serie de Taylor y Errores de Truncamiento.....................................................11
2.1.
La Serie de Taylor..............................................................................................11
2.2.
Ejercicios Propuestos.........................................................................................16
Captulo 3 Races de Ecuaciones: Mtodos de Intervalos................................................17
3.1.
Mtodo Grfico..................................................................................................17
3.2.
Mtodo de la Biseccin.....................................................................................19
3.2.1.
Estimaciones de errores.............................................................................20
3.3.
Mtodo de la Falsa Posicin..............................................................................23
3.4.
Ejercicios Propuestos.........................................................................................27
Captulo 4 Races de Funciones: Mtodos Abiertos..........................................................28
4.1.
Mtodo del Punto Fijo.......................................................................................28
79
Academia de Matemticas
ESIA-Ticomn
4.1.1.
Convergencia y Divergencia......................................................................30
4.2.
Mtodo de Newton-Raphson.............................................................................30
4.2.1.
Desventajas del Mtodo de Newton-Raphson...........................................32
4.3.
Mtodo de la Secante.........................................................................................33
4.3.1.
Diferencia entre los Mtodos de la Secante y de la Falsa Posicin...........34
4.4.
Mtodo de la secante modificada.-....................................................................35
4.5.
Ejercicios Propuestos.........................................................................................37
Captulo 5: Sistemas de Ecuaciones..................................................................................38
5.1.
Eliminacin de Gauss........................................................................................38
5.1.1.
Eliminacin hacia delante de incgnitas....................................................38
5.1.2.
Sustitucin hacia atrs...............................................................................39
5.2.
Factorizaciones LU de una matriz..................................................................41
5.3.
Descomposicin LU......................................................................................46
5.4.
Versin de la eliminacin de Gauss usando la descomposicin LU..................48
5.5.
Ejercicios Propuestos.........................................................................................53
Captulo 6: Mtodos Iterativos, Sistemas de Ecuaciones..................................................54
6.1.
Mtodo de Gauss-Seidel....................................................................................54
6.2.
Mtodo de Jacobi...............................................................................................55
6.3.
Convergencia.....................................................................................................56
6.4.
Mejoramiento en la convergencia usando la relajacin.....................................56
6.5.
Ejercicios Propuestos.........................................................................................58
Captulo 7: Ajuste de Curvas.............................................................................................59
7.1.
Aproximacin por mnimos cuadrados..............................................................59
7.2.
Interpolacin......................................................................................................63
7.2.1.
Polinomios de interpolacin con diferencias divididas de Newton...........63
7.2.1.1.
Interpolacin lineal................................................................................63
7.2.1.2.
Polinomios de interpolacin con diferencias divididas de Newton.......64
7.2.2.
Polinomios de interpolacin de Lagrange.................................................65
7.3.
Ejercicios Propuestos.........................................................................................66
Captulo 8: Integracin Numrica.....................................................................................67
8.1.
Frmulas de integracin de Newton-Cotes........................................................67
8.1.1.
Regla del trapecio......................................................................................67
8.1.2.
La regla del trapecio de aplicacin mltiple..............................................68
8.1.3.
Reglas de Simpson.....................................................................................70
8.1.3.1.
Regla de Simpson 1/3............................................................................70
8.1.3.2.
Regla de Simpson 3/8............................................................................71
8.2.
Ejercicios Propuestos.........................................................................................77
ndice.................................................................................................................................79
80
Academia de Matemticas