Académique Documents
Professionnel Documents
Culture Documents
Terico de
CLCULO AVANZADO
2015
Tema: Generalidades
Objetivos de aprendizaje
Conocer las caractersticas de las soluciones numricas y sus diferencias con las
soluciones analticas.
Conocer la metodologa general de resolucin numrica de problemas.
Ser consciente de todas las posibles fuentes de error en la resolucin numrica.
Reconocer la diferencia entre error de truncamiento y error de redondeo.
Comprender cmo se representan los nmeros en una computadora digital y cmo surgen
los errores de redondeo.
Comprender la propagacin de errores y conocer casos tpicos de amplificacin de errores.
Comprender y diferenciar los conceptos de Condicionamiento y Estabilidad Numrica.
Germn BRESCIANO
GENERALIDADES ........................................................................................................................1-1
1.1
INTRODUCCIN ..........................................................................................................................1-1
1.2
CARACTERSTICAS DE LAS SOLUCIONES NUMRICAS ..................................................................1-3
1.3
ALGORITMOS Y COMPUTADORAS DIGITALES EN CLCULO NUMRICO ......................................1-4
1.4
RESOLUCIN NUMRICA DE PROBLEMAS ....................................................................................1-4
1.4.1
Errores introducidos en la formulacin del modelo matemtico ......................................1-4
1.4.1.1
1.4.1.2
1.4.2
1.4.2.1
1.4.2.2
1.4.2.3
1.4.2.4
1.5
CONDICIONAMIENTO Y ESTABILIDAD NUMRICA .......................................................................1-5
1.5.1
Problemas bien condicionados o mal condicionados ........................................................1-5
1.5.2
Mtodos numricamente estables o inestables ..................................................................1-5
1.6
ERROR ABSOLUTO Y ERROR RELATIVO .......................................................................................1-6
REPRESENTACIN DE NMEROS EN PUNTO FLOTANTE...........................................................................1-6
1.6.1
Redondeo ...........................................................................................................................1-7
1.6.2
psilon de mquina ...........................................................................................................1-8
1.7
PROPAGACIN DE ERRORES EN ARITMTICA DE PUNTO FLOTANTE ............................................1-8
1.7.1
Propagacin de error en la multiplicacin y la divisin ...................................................1-8
1.7.2
Propagacin de error en la suma o resta ..........................................................................1-9
Generalidades
1-1
1 Generalidades
1.1
Introduccin
Ejemplo
Queremos saber cmo vara la velocidad de cada de un paracaidista en funcin del tiempo a
partir de un estado inicial en reposo a tiempo cero.
Supondremos que la fuerza de resistencia del aire a la cada es proporcional a la velocidad.
Este sistema puede describirse mediante la ecuacin:
1-1
c
v
t = g m v
v(0) = 0
v(t ) =
gm
1 e (c / m )t
c
No siempre es tan fcil obtener una solucin analtica. Veremos cmo podramos obtener una
solucin numrica.
Si quisiramos calcular la velocidad en una sucesin creciente de tiempos t0, t1,,tn , con t0=0,
podramos aproximar la velocidad en ti por:
v
(ti ) v(ti+1 ) v(ti )
t i +1 t i
t
v(t i +1 ) v(t i )
= mg cv(t i )
t i +1 t i
1-2
v(t 0 ) = 0
Si conocemos los valores de g, c y m, usando esta ecuacin podemos calcular una sucesin de
valores de la velocidad.
2
Supongamos que m vale 68.1 Kg, g vale 9.8 m/s y c vale 12.5 N/(m/s), para calcular la
velocidad a 0, 2, 4, , 30 segundos podemos usar el siguiente cdigo Scilab:
m=68.1;
g=9.8;
c=12.5;
v(1)=0;
t(1)=0;
dt=2;
for i=1:15
t(i+1)=t(i)+dt;
v(i+1)=v(i)+(g-c/m*v(i))*dt;
end
[t v]
obteniendo como resultado:
Generalidades
1-2
t
0
2
4
6
8
10
12
14
16
18
20
22
24
26
28
30
Tabla 1-1
v(t)
0.0000
19.6000
32.0047
39.8555
44.8243
47.9690
49.9592
51.2188
52.0160
52.5206
52.8399
53.0420
53.1699
53.2508
53.3021
53.3345
La siguiente figura muestra una grfica de la solucin numrica junto con la solucin analtica.
Figura 1-1
Generalidades
Figura 1-2
1.2
1-3
El ejemplo anterior nos muestra algunas caractersticas que diferencian la solucin numrica
de un problema de su solucin analtica:
c2 2
v
t = g m v
v(0) = 0
que puede resolverse numricamente sin mayor dificultad, mientras que su solucin analtica
es complicada y sera necesario simplificarlo, tomando una aproximacin lineal de la forma de
1-1 .
Generalidades
1.3
1-4
1.4
Generalidades
1-5
1.5
Ejemplo
El problema de hallar la posicin final de una bola de ruleta es un problema mal condicionado,
pues su solucin cambiar drsticamente ante pequeos cambios en los datos (velocidad
inicial de la bola, instante en que se tira la bola, etc.) mientras que si sustituimos la rueda de la
ruleta por un embudo, el problema de hallar la posicin final de la bola ser bien condicionado,
pues su solucin cambiar poco con pequeos cambios de los datos.
Obsrvese que esto no depende del mtodo usado para hallar la solucin, es una
caracterstica de cada problema.
Generalidades
1.6
1-6
m B e
donde B es la base de la representacin (usualmente 2).
Tanto la mantisa como el exponente tienen una cantidad fija de dgitos en la base B y en
general se normaliza de modo que la mantisa tenga un dgito entero no nulo. O sea que la
mantisa verifica
1 m < B
Con excepcin de la representacin del 0 cuya mantisa es nula.
Ejemplo
Una representacin normalizada del nmero en base decimal con seis dgitos en la mantisa y
dos en el exponente sera
+ 3.14159 10 +00
En computadoras digitales usualmente se usa la base dos. Los nmeros binarios se
representan slo con los dgitos 0 y 1.
La siguiente es una representacin de en binario con un bit (dgito binario) para el signo, 23
bits para la mantisa, uno para el signo del exponente y 7 bits para el exponente
+ 1.1001001000011111101101 2 +0000001
como el primer bit de la mantisa de un nmero normalizado siempre es 1, suele omitirse para
permitir incluir un bit ms en la mantisa en el extremo derecho.
SCILAB utiliza el estndar IEEE 754 que usa un bit para el signo, una mantisa de 52 bits ms
uno omitido y un exponente de 11 bits incluyendo su signo.
El mayor nmero representable es aproximadamente
1024 se reserva para indicar overflow)
y el menor normalizado es
2
3
4
Generalidades
1-7
1.6.1 Redondeo
Como el nmero de bits en la mantisa es fijo, la cantidad de nmeros que se pueden
representar, si bien es muy grande, es finita y por tanto no se pueden representar todos los
nmeros reales, lo cual obliga a aproximar redondeando al nmero representable ms
prximo. La representacin en punto flotante de un nmero real x se anota FP(x).
Por ejemplo, si usramos un sistema de punto flotante binario con signo, mantisa de dos bits
mas uno omitido y exponente con signo ms dos bits (con valores posibles entre 2 y +3), los
nmeros representables seran de la forma
1. f 2 e
con
1.00
1.01
1. f =
1.10
1.11
10
01
00
e=
+ 01
+ 10
+ 11
Ntese que esta separacin entre nmeros consecutivos es menor cerca del cero y mayor lejos
del cero. Debido a esto, el error absoluto de redondeo ser menor cerca del cero y mayor lejos
del cero, mantenindose ms o menos constante el error relativo.
Al redondear un nmero real no representable seleccionamos el nmero representable ms
cercano, por lo que el error cometido ser no mayor a la mitad de la separacin entre nmeros
consecutivos.
Por ejemplo, en el sistema anterior el nmero sera representado como
+ 1.10 2 +10
FP( x) = m 2 e
1-3
x FP( x)
1
2
2 p 2e 1 p
= 22
2e
x FP( x)
1
2
2 p 2e
Generalidades
1-8
maq = 12 2 52 1.1110 16
1.7
Puede demostrarse que al efectuar operaciones entre dos operandos con representacin
exacta en punto flotante y almacenar el resultado en punto flotante, el error relativo del
6
resultado est acotado por psilon de mquina ( ).
x = FP( x) ,
y = FP( y )
y {+,,,}
maq
FP ( x) = x(1 + x )
adems
FP ( y ) = y (1 + y )
maq
entonces
x y x + y
( x y ) yx + xy
x/ y x y
( x / y)
yx xy
y2
Esto significa que los errores relativos se propagan al multiplicar o dividir sin aumentar ni
disminuir su magnitud. De hecho, como algunos errores sern positivos y otros negativos, se
cancelarn parcialmente, manteniendo el error acotado si la cantidad de operaciones no es
demasiado grande.
La variable %eps de SCILAB da la distancia entre el 1 y el siguiente nmero en punto flotante, es decir el doble de
psilon de mquina.
6
Siempre que la suma se realice con el doble de bits de la representacin.
Generalidades
1-9
x y
1-6
x
y
x
y
x y
x y
( x y ) x y
Ejemplo
Si se debe calcular
como
Q = x + x
Q=
)(
x + x x + + x
=
x + + x
x + + x
pues de este modo se evita la cancelacin catastrfica y se obtendr un resultado con menor
error relativo.
h2
f ( ) con entre x y x + h
2
f ( x + h) f ( x) h
f ( x) =
f ( )
h
2
f ( x + h) = f ( x) + hf ( x) +
por tanto
f ( x)
f ( x + h) f ( x)
h
trunc
hf ( )
2 f ( x)
Uno puede pensar que deberamos evaluar 1-7 con el menor h posible.
Generalidades
1-10
La siguiente tabla muestra los resultados de evaluar 1-7 siendo f la funcin exponencial y x=1,
para valores decrecientes de h. Si bien al disminuir h al principio el error relativo disminuye,
luego aumenta.
h
0.1
0.01
0.001
0.0001
1e-005
1e-006
1e-007
1e-008
1e-009
1e-010
1e-011
1e-012
1e-013
1e-014
1e-015
Tabla 1-2
aproximacin
2.85884195487388
2.73191865578708
2.71964142253278
2.71841774707848
2.71829541991231
2.71828318698653
2.71828196396484
2.71828177744737
2.71828159981169
2.71827893527643
2.71827005349223
2.71827005349223
2.71338507218388
2.66453525910038
2.66453525910038
error relativo
0.0517
0.00502
0.000500
5.00e-005
5.00e-006
5.00e-007
4.98e-008
-1.88e-008
-8.41e-008
-1.06e-006
-4.33e-006
-4.33e-006
-0.00180
-0.0198
-0.0198
x
Esto se debe a que para valores pequeos de h el error relativo de redondeo de 1-7 se vuelve
importante debido a la cancelacin catastrfica que se produce al restar f(x+h) y f(x) que sern
casi iguales.
Si los errores relativos de evaluacin y redondeo de f(x) y f(x+h) son del orden de psilon de
mquina, entonces segn 1-6 el error relativo de redondeo de 1-7 ser
1-9
red
2 f ( x) maq
hf ( x)
tot
hf ( x) 2 f ( x) maq
+
2 f ( x)
hf ( x)
esto explica porqu el error total tiene un mnimo para un h del orden de
hopt 2
f ( x) maq
f ( x)
Terico de
CLCULO AVANZADO
2015
Objetivos de aprendizaje
Germn BRESCIANO
2.3.3
2.3.3.1
2.3.3.2
2.3.3.3
2.3.3.4
2.3.4
2.3.4.1
2.3.4.2
2.3.4.3
2.3.4.4
2.3.5
Mejora de la solucin y estimacin del nmero de condicin .........................................2-14
2.3.6
Clculo de determinantes ................................................................................................2-15
2.4
MTODOS ITERATIVOS .............................................................................................................2-15
2.4.1
Mtodo de Jacobi.............................................................................................................2-15
2.4.2
Mtodo de Gauss Seidel ..................................................................................................2-17
2.4.3
Convergencia ...................................................................................................................2-17
2-1
Introduccin
Ejemplo
Se tiene una placa de 2cm por 2cm de 1cm de espesor cuyas superficies superior e inferior
estn trmicamente aisladas.
Dos bordes opuestos se mantienen a 50C y los otros dos a 0C y 100C respectivamente.
Se quiere calcular el perfil de temperatura en el interior de la placa, para lo cual se considera
una retcula de puntos separados 0.5cm como se muestra en la Figura 2-1.
0C
0C
0C
50C
50C
50C
u1
u2
u3
u4
u5
u6
u7
u8
u9
50C
50C
50C
100C
100C
100C
2-2
2u 2u
+
=0
x 2 y 2
Aproximando las derivadas por diferencias finitas, se llega al siguiente sistema lineal:
4u1
u
1
u1
2.2
u2
+ 4u 2
u2
u4
u3
+ 4u 3
u5
u6
+ 4u 4
u4
u2
u3
u5
+ 4u 5
u5
u7
u6
+ 4u 6
u4
u8
u9
+ 4u 7
u7
u5
u6
u8
+ 4u8
u8
u9
+ 4u9
= 50
= 50
= 150
=0
=0
= 100
= 50
= 50
= 150
Generalidades
Por lo general se aplica alguno de los mtodos de resolucin que veremos sin evaluar
previamente el determinante; en muchas ocasiones el determinante y la inversa de la matriz
son un subproducto de los clculos efectuados.
Los algoritmos se evalan en funcin de su eficacia, teniendo en cuenta tres caractersticas
fundamentales:
1. Nmero de operaciones necesarias. Se tienen en cuenta las operaciones elementales
entre nmeros en punto flotante (flops): +, -, / *, que es un buen indicador del tiempo de
CPU.
2. Necesidades de memoria, los diferentes mtodos requieren almacenar las matrices de
distinta forma en la computadora y esto cambia las necesidades de memoria.
3. Rango de aplicabilidad: no todos los mtodos sirven para cualquier matriz no singular;
adems, en funcin del mtodo y de las propiedades de la matriz, la precisin de los
resultados puede verse afectada dramticamente.
Los tres criterios deben ser tenidos igualmente en cuenta ya que, por ejemplo, de nada sirve un
mtodo rpido y preciso si no alcanza la memoria disponible.
Las matrices ms comunes en ingeniera pueden clasificarse en dos categoras:
1. Matrices llenas pero no muy grandes. Que poseen pocos elementos nulos y que el nmero
de ecuaciones es de unos cientos. Estas matrices aparecen en problemas estadsticos,
fsicos y de ingeniera.
2. Matrices vacas y muy grandes. En oposicin al caso anterior, tienen pocos elementos no
nulos y adems estn situados con una cierta regularidad. En la mayora de estos casos el
nmero de ecuaciones supera los miles. Estas matrices son comunes en la resolucin de
ecuaciones diferenciales de problemas de ingeniera.
En general los mtodos directos se emplean con las primeras, mientras que los mtodos
iterativos se aplican a las segundas.
En todo lo que veremos se supone que los elementos de A y b son reales, pero casi todo es
vlido si fueran complejos. Adems en ese caso se puede replantear el problema como el
siguiente sistema de coeficientes reales de 2n ecuaciones:
2-3
C D y c
D C z = d
A = C + iD
b = c + id
x = y + iz
2.3
Mtodos directos
Los mtodos directos de resolucin de sistemas de ecuaciones lineales son aquellos que
permiten obtener la solucin con un nmero finito de operaciones, que depende del tamao de
la matriz.
Adems, si se pudiera emplear una aritmtica exacta, con los mtodos directos se obtendra la
solucin exacta del sistema.
u11 u12
0 u
22
A=U= M
M
0
0
0
0
L u1,n1
u1n
L u 2,n1
u 2 n
O
M
M
L u n1,n1 u n1,n
L
0
u nn
xn = bn / u nn
2-2
xi = bi uij x j / uii
j =i +1
i = n-1, n-2, , 1
Por supuesto la solucin existe pues siendo U no singular, todos los trminos de su diagonal
son no nulos.
El determinante puede calcularse multiplicando los trminos de la diagonal.
2
El nmero de operaciones es n .
2-4
aik( k 1)
a kk( k 1)
2-3
lik =
2-4
(k )
ij
2-5
=a
( k 1)
ij
lik a
k = 1,...,n 1
i = k + 1,...,n
j = k + 1,...,n
( k 1)
kj
donde los trminos de superndice (0) son iguales a los originales del sistema de ecuaciones.
(n-1)
Ejemplo
Consideremos en sistema
4 2 1 x1 15
3 1 4 x = 8
2
1 1 3 x3 13
Como vamos a modificar simultneamente la matriz y el trmino independiente, usaremos la
matriz ampliada
4 2 1 15
3 1 4 8
1 1 3 13
para eliminar los elementos subdiagonales de la primera columna, a segunda fila le sumamos
la primera por y a la tercera fila le sumamos la primera por obteniendo
1
15
4 2
0 2.5 4.75 19.25
1
15
4 2
0 2.5 4.75 19.25
0
0
1.80 5.40
que se resuelve por sustitucin hacia atrs dando x1=2, x2=-2 y x3=3
Ntese que los pivotes no coinciden con los trminos originales de la diagonal de A; es decir,
a kk( k 1) a kk0
2-5
2.3.2.1 Pivoteo
Se ha supuesto que los pivotes sean distintos de cero. Si durante el proceso de eliminacin se
obtiene un pivote nulo, por ejemplo el
% Matriz singular
for i=j+1:n
% almacena los multiplicadores en
A(i,j)=A(i,j)/A(j,j);
% los lugares de A que se anularn
A(i,j+1:n)=A(i,j+1:n)-A(i,j)*A(j,j+1:n);
% transforma las filas
b(i)=b(i)-A(i,,j)*b(j);
% y trminos independientes
end
end
x(n)=b(n)/A(n,n);
% Comienza sustitucin hacia atrs
for j=n-1:-1:1
x(j)=(b(j)-sum(x(j+1:n).*A(j,j+1:n)))/A(j,j);
end
2-6
(n-1)
U=A
= GA = G
(n-1)
(n-2)
(1)
G A , siendo
G (k )
1
M
= 0
0
M
0
L
O
L
L
L
0
0
M
M
1
0
0
1
0 l k +1,k
M
M
L 0 l nk
0
M
0
0
1
M
0
L 0
M
L 0
L 0 ,
L 0
O M
L 1
( ) (G )
L = G 1 = G (1)
( 2 ) 1
L G ( n1)
0
1
l
1
21
1
M
= M
l n1,1 ln 1, 2
l n1
ln 2
L
L
O
L
0
0
M
1
... l n ,n1
0
0
M es triangular inferior.
0
1
Ejemplo
Del ejemplo anterior podemos verificar que:
0 0 4 2
1
4 2 1 1
3 1 4 = 0.75 1 0 0 2.5 4.75
1 1 3 0.25 0.2 1 0
0
1.80
En caso de usar pivoteo parcial, LU ser una permutacin de las filas de A, es decir PA = LU ,
siendo P es una matriz de permutacin.
Obsrvese que cualquier algoritmo que permita descomponer A como PA = LU siendo P una
matriz de permutacin, L triangular inferior y U triangular superior, permite transformar el
problema Ax = b en
Ly = Pb
Ux = y
resolviendo Ly = Pb por sustitucin hacia delante para obtener y, y luego Ux = y por sustitucin
hacia atrs para obtener x.
Estos algoritmos de descomposicin triangular no son ms que variantes del mtodo de
Gauss en las que se reordenan las operaciones, por lo que sus caractersticas (existencia de
soluciones, necesidad de pivoteo, etc.) son las mismas.
La diferencia ms importante es que en el mtodo de Gauss las operaciones sobre el trmino
independiente se hacen simultneamente con la fase de eliminacin, mientras que en los
mtodos de descomposicin primero se hace la descomposicin y luego se opera sobre el
trmino independiente para obtener y (que no es ms que el b modificado que se obtiene en la
fase de eliminacin). Luego en ambos casos se pasa a la fase de sustitucin hacia atrs.
Esto hace que los mtodos de descomposicin sean adecuados para resolver sucesivamente
varios problemas con la misma matriz y diferentes trminos independientes, pues una vez
2-7
hecha la descomposicin basta con repetir las fases de sustitucin hacia adelante y atrs para
3
cada trmino independiente .
Veremos mtodos sin pivoteo. Supondremos que A puede descomponerse como A=LU con L
triangular inferior y U triangular superior, es decir
n
aij = lik u kj
i, j = 1,..., n con
k =1
i 1
k =1
k =1
por tanto si i = j
lik = 0 k > i
u kj = 0 k > j
i 1
2-6
k =1
j 1
k =1
k =1
si i > j entonces
j 1
l ij =
2-7
y si i < j
i 1
k =1
k =1
aij l ik u kj
k =1
u jj
i 1
2-8
u ij =
aij l ik u kj
k =1
l ii
2-8
% Primera columna de L
% Primer fila de U
for j=2:n
U(j,j)=1;
for i=j:n
L(i,j)=A(i,j)-sum(L(i,1:j-1).*U(1:j-1,j))
; %Calcula col. L
end
for i=j+1:n
U(j,i)=(A(i,j)-sum(L(j,1:j-1).*U(1:j-1,i)))/L(j,j); %Calc. fila U
end
end
y(1)=b(1)/L(1,1);
%Comienza sustitucin hacia adelante
for i=2:n
y(i)=(b(i)-sum(L(i,1:i-1).*y(1:i-1)))/L(i,i);
end
x(n) = y(n)/U(n,n);
%Comienza sustitucin hacia atrs
for i=n-1:-1:1
x(i)=(y(i)-sum(U(i,i+1:n).*x(i+1:n)));
end
4
Ejemplo
Consideremos el caso
3 1 2
A = 1 2
3
2 2 1
se obtiene la descomposicin
12
y b = 11
2
0
0
3
L = 1 7 / 3
0
2 4 / 3 1
4
y en la fase de sustitucin y = 3
2
1 1 / 3 2 / 3
U = 0
1
1
0
0
1
3
x = 1
2
Basta con realizar las sumas con variables de doble precisin para minimizar los errores de redondeo, aunque luego el
resultado se almacene en variables de simple precisin.
2-9
Este es el mtodo usado por Matlab en la funcin [L, U, P]=lu(A) , que realiza la descompsicin
PA=LU siendo P una matriz de permutacin que corresponde al pivotaje.
Usando esta funcin se puede resolver el sistema Ax=b mediante:
[L,U,P]=lu(A)
y=L\(P*b)
x=U\y
% descompone A
% resuelve sistema L
% resuelve sistema U
l jj = a jj l 2jk
2-9
j = 1, ,n
k =1
l ij =
2-10
a ij
j 1
k =1
l jj
l ik l jk
j = 1 , ,n
i = j + 1 , ,n
% Primera fila de L
for j=2:n
L(j,j)=sqrt(A(j,j)- sum(L(j,1:j-1)^2);
% Elemento diagonal
for i=j+1:n
L(i,j)=(A(i,j)-sum(L(i,1:j-1).*L(j,1:j-1))/L(j,j); %Calc. fila L
end
end
y(1)=b(1)/L(1,1);
%Comienza sustitucin hacia adelante
for i=2:n
y(i)=(b(i)-sum(L(i,1:i-1).*y(1:i-1)))/L(i,i);
end
x(n) = y(n)/L(n,n);
%Comienza sustitucin hacia atrs
for i=n-1:-1:1
x(i)=(y(i)-sum(L(i+1:n,i).*x(i+1:n)))/L(i,i);
end
Ntese que adems de las ventajas del mtodo de Crout, en el de Cholesky se puede
almacenar slo media matriz A y en la misma memoria almacenar la L.
3
2
La cantidad de operaciones del mtodo de Cholesky es (2n +3n -5n)/6 ms n races cuadradas
2
en la fase de descomposicin y 2n operaciones en la fase de sustitucin.
Ejemplo
Si aplicamos este mtodo al sistema del ejemplo de transmisin de calor,
2-10
4 1 0 1 0 0 0 0 0
1 4 1 0 1 0 0 0 0
0 1 4 0 0 1 0 0 0
1 0 0 4 1 0 1 0 0
A = 0 1 0 1 4 1 0 1 0
0 0 1 0 1 4 0 0 1
0 0 0 1 0 0 4 1 0
0 0 0 0 1 0 1 4 1
0 0 0 0 0 1 0 1 4
50
50
150
0
y b= 0
100
50
50
150
Se obtiene
0
0
0
0
0
0
0
0
2
0.5 1.9365
0
0
0
0
0
0
0
0
0.5164 1.9322
0
0
0
0
0
0
0
0
0
0
0
0.5 0.1291 0.0345 1.9319
L= 0
0.5164 0.138 0.5546 1.8457
0
0
0
0
0
0.5175 0.0092 0.5833 1.8417
0
0
0
0
0
0
0
0.5176 0.1555 0.0519 1.9249
0
0
0
0
0
0.5418 0.1716 0.5679 1.8315
0
0
0
0
0
0
0
0.5430 0.0146 0.6014 1.8284
25.0000
32.2749
86.2582
10.1678
y = 18.5350
84.5489
32.4829
50.7673
124.0744
32.1429
50.0000
67.8471
28.5714
x = 50.0000
71.4286
32.1429
50.0000
67.8571
li ,i 1 =
ai ,i 1
u i 1,i 1
2-11
ui ,i +1 =
lij = 0 j < i 1
y
ai ,i +1
lii
uij = 0 j < i + 1
por lo que las matrices triangulares slo tendrn elementos no nulos en la diagonal principal y
una diagonal adyacente.
Esto disminuye dramticamente la cantidad de operaciones necesarias a 8n-7.
A continuacin se muestra un algoritmo del Mtodo de Crout para matrices tridiagonales.
L(1,1)=A(1,1);
U(1,2)=A(1,2)/L(1,1);
% Primera columna de L
% Primer fila de U
for j=2:n
L(j,j-1)=A(j,j-1);
L(j,j)=A(j,j)-L(j,j-1)*U(j-1,j);
U(j,j+1)=A(j,j+1)/L(j,j);
end
%Calcula col. L
%Calc. fila U
y(1)=b(1)/L(1,1);
%Comienza sustitucin hacia adelante
for i=2:n
y(i)=(b(i)-L(i,i-1)*y(i-1))/L(i,i);
end
x(n) = y(n);
for i=n-1:-1:1
x(i)=y(i)-U(i,i+1)*x(i+1);
end
Obsrvese que slo se calculan los elementos no nulos y los elementos diagonales de U no se
calculan. Esto ahorra mucho espacio si las matrices se almacenan como matrices dispersas, ya
que los elementos no calculados no se almacenan (los diagonales de U se suponen 1 y los
dems se suponen nulos).
1.2969 .8648
0.8642
A=
y
b
=
.1440
.2161 .1441
2-12
Esto se debe a que el problema es mal condicionado pues la matriz A es casi singular y
cualquier vector que satisfaga una de las ecuaciones dar muy bajo residuo en la otra (que es
casi un mltiplo de la anterior).
Adicionalmente los problemas mal condicionados usualmente implican que se obtendrn
elementos pivotes cercanos a cero por resta de nmeros casi iguales, lo cual produce errores
relativos por redondeo muy importantes. Si bien esto puede postergarse mediante pivoteo, ser
inevitable que el ltimo elemento pivote sea cercano a cero y su error de redondeo se
propagar en la sustitucin hacia atrs.
Es ms, el mtodo de Gauss con pivoteo dar casi siempre bajos residuos, ya que la matriz U
tiene elementos diagonales (con la posible excepcin del ltimo) con valor absoluto
relativamente grande (ya que para eso se hace el pivoteo), y al obtener x1, x2,,xn-1 por
sustitucin hacia atrs, las ecuaciones correspondientes se satisfarn con un bajo residuo sin
importar lo exacto que sea xn.
: E R tal que:
x 0 x,
x =0x=0
x = x
, x
x + y x + y x, y
AB A B
Ax A x
A, B .
A, x , se dice
A = max
x 0
Ax
x
= max Ax
x =1
x 1 = xi
i =1
x2=
x
i =1
2
i
(Norma Eucldea)
= max x i
i
A 1 = max aij
j
A2=
i =1
= max aij
i
j =1
2-13
A(x + x) = b + b
A(x ) = b
x = A 1 (b )
x A 1 b
2-11
por otro lado
x = b
b x
x
b
2-12
2-13
donde
( A ) A A 1
A A 1
= (A)
b
b
es el nmero de condicin de A.
(A + A)(x + x) = b
x
A
(A)
x + x
A
Las desigualdades 2-13 y 2-14 nos dicen que para problemas mal condicionados, pequeos
errores en la matriz o el trmino independiente pueden causar grandes errores en la solucin,
mientras que para problemas bien condicionados nos asegura buena precisin.
x = A 1r
x A 1 r
x
x
A A 1
r
b
= (A)
r
b
Obsrvese que el error (x) que aparece en 2-16 es el error total de la solucin e incluye
errores de cualquier fuente (errores de datos, redondeo, truncacin, fallos, etc.)
La experiencia muestra que para mtodos directos y si no hay errores en A y b, en general
r
b
5
n maq
Este anlisis es vlido para cualquier par de normas vectorial y matricial consistentes, pero suele usarse la norma 1 o
la norma infinito por ser fciles de evaluar.
2-17
2-14
n maq (A)
La desigualdades 2-16 y 2-17 nos dicen que un residuo pequeo o un psilon de mquina
pequeo no necesariamente implica que el error en la solucin sea pequeo para problemas
mal condicionados, pero s para problemas bien condicionados.
El problema es que para calcular el nmero de condicin habra que invertir la matriz del
sistema, lo cual tiene mucho costo de clculo. Ms adelante veremos cmo estimar el nmero
de condicin.
( A)
2-18
r x ( 2)
Ejemplo
Se tiene el sistema
0.98 x = 5.22
Usando aritmtica de tres dgitos con truncacin, se obtiene x*=(0.991, 0.997, 1.00) .
Si calculamos Ax* y el residuo con aritmtica de 6 cifras obtenemos
5.24511
0.0349
Ax * 5.22246 r = 0.00246
2.59032
0.0103
donde expresamos r con 3 dgitos.
Si ahora resolvemos Ax=-r del mismo modo que antes, obtenemos
0.00822
x = 0.00300
0.00000757
x( 2)
0.999
= x * x = 1.00
1.00
(A)
r x
( 2)
5.28 0.00822
= 1.24
0.0349 1.00
7
6
7
Este resultado es aproximado y slo sirve para estimar el orden de magnitud del nmero de condicin.
El nmero de condicin verdadero es 17.6, algo mayor que el estimado.
2-15
como:
n
n
det (A) = u ii lii
i =1 i =1
2.4
Mtodos Iterativos
Estos mtodos parten de una primera solucin aproximada a la que se le hacen sucesivas
mejoras hasta obtener una solucin con la precisin deseada.
Suelen aplicarse a sistemas con matrices grandes y vacas, pues como estos mtodos no
modifican la matriz sino que trabajan siempre con la matriz original, aprovechan su condicin
de vaca para almacenar slo los elementos no nulos y operar slo con ellos
Se basan en convertir el problema Ax=b en uno equivalente de la forma x=f(x)=Tx+c tal que la
8
funcin f sea contractiva .
(0)
(k)
(k+1)
(k)
Partiendo de una aproximacin inicial x se define la sucesin {x } / x
=Tx +c, que
converge al punto fijo de f , x* / f(x*)=x* y por tanto es solucin del problema.
bi aij x j
j =1
j i
xi =
aii
i = 1,2,..., n
bi aij x (jk )
j =1
2-19
( k +1)
i
j i
aii
i = 1,2,..., n
(0)
partiendo de una aproximacin inicial x , que usualmente se toma como el vector nulo.
Este mtodo tambin se llama de desplazamientos simultneos, pues los nuevos valores
calculados de cada componente de x desplazan a los anteriores todos simultneamente al
terminar una iteracin.
El error puede estimarse por la norma de la diferencia entre una aproximacin y la anterior.
El algoritmo puede escribirse como sigue.
x(:)=zeros(n,1);
iter=1;
error=tol+1;
% aproximacin inicial
a, b B
2-16
error=norm(xnuevo(:)-x(:),inf);
iter=iter+1;
x(:)=xnuevo(:);
end
% estima error
% desplazamiento
Ejemplo
Se tiene el sistema
6 x1
2 x1
x
1
2 x2
+ x3
= 11
+ 7 x2
+ 2 x2
+ 2 x3
5 x3
=5
= 1
x1( k +1)
( k +1)
x2
x ( k +1)
3
0.1667 x3( k )
0.2857 x3( k )
+ 0.4000 x2( k )
Empezando con el vector nulo como aproximacin inicial se obtienen las aproximaciones que
se muestran en Tabla 1
Iteracin
x1
x2
x3
Tabla 1
0
0
0
0
1
1.833
0.714
0.200
2
2.038
1.181
0.852
3
2.085
1.053
1.080
4
2.004
1.001
1.038
5
1.994
0.990
1.001
2-17
bi aij x
xi( k +1) =
2-20
j =1
( k +1)
j
j =i +1
ij
x (jk )
i = 1,2,..., n
aii
% aproximacin inicial
% nueva solucin
% desplazamiento
Ejemplo
Aplicando Gauss Seidel al mismo sistema del ejemplo anterior, la iteracin quedara:
x1( k +1)
( k +1)
x2
x ( k +1)
3
= 1.8333
+ 0.3333 x2( k )
0.1667 x3( k )
0.2857 x3( k )
+ 0.4000 x2( k +1)
Empezando con el vector nulo como aproximacin inicial se obtienen los resultados de Tabla 2
Iteracin
x1
x2
x3
0
0
0
0
1
1.833
1.238
1.062
2
2.069
1.002
1.015
3
1.998
0.995
0.998
4
1.999
1.000
1.000
5
2.000
1.000
1.000
2.4.3 Convergencia
Si descomponemos la matriz A como la suma de su diagonal, tringulo inferior y superior,
A = L+D+U Ax = (L+D+U)x = b
-1
-1
-1
2-18
Para que la funcin de la iteracin sea contractiva basta que la norma de la matriz T
correspondiente sea menor que uno.
Si A es diagonalmente dominante por filas,
TJ
j i
aij
= max
i
aii
j i
a
= max
j i
ij
<1
aii
y = TGS x
-1
i/
aii y
= yi
= aii yi =
i 1
aij y j +
j =1
aij x j
j =i +1
i 1
aij y j +
j =1
aij x j y
j =i +1
i 1
a + x
ij
j =1
j =i +1
i 1
ri x
+ si y
r
i x
1 si
aij
donde ri =
j =i +1
aii
ij
a
y
si =
j =1
ij
aii
ri + si < 1 i
ri
<1
1 si
TGS
= max
x0
y
x
max
i
ri
<1
1 si
x *k +1 r
x *k x *k +1 +
1 m
1 m
Terico de
CLCULO AVANZADO
2015
Objetivos de aprendizaje
Germn BRESCIANO
Convergencia................................................................................................................................ 3-5
3.3
REFINAMIENTO...........................................................................................................................3-6
3.3.1
Mtodo de la secante .........................................................................................................3-6
3.3.1.1
3.3.2
3.3.2.1
3.3.2.2
3.3.2.3
3.3.2.4
3.3.3
3.3.3.1
3.3.3.2
Convergencia................................................................................................................................ 3-7
3.4
SISTEMAS DE ECUACIONES NO LINEALES ..................................................................................3-15
3.4.1
Mtodo del punto fijo para sistemas ................................................................................3-15
3.4.1.1
3.4.1.2
3.4.2
3.4.2.1
3.4.2.2
3.4.2.3
Convergencia.............................................................................................................................. 3-15
Precisin alcanzable ................................................................................................................... 3-16
Ecuaciones no lineales
3-1
3 Ecuaciones no lineales
3.1
Introduccin
f(x) = 0
3-1
donde f es una funcin de una variable x. Se trata pues de hallar los valores de x que
satisfacen la ecuacin 3-1. Estos valores se llaman ceros de la funcin f o races de la ecuacin
f(x)=0, y se denotan por r.
En algunos casos, la ecuacin 3-1 puede resolverse analticamente, por ejemplo, si f es un
2
polinomio de segundo grado, f(x)=ax +bx+c. Entonces, el nmero de ceros (reales) depende
2
del valor del discriminante =b -4ac; para >0, la funcin f tiene dos ceros
x=
(-b ) .
2a
f(x) = x 2 s = 0
3-2
Ecuaciones no lineales
3-2
Figura 3-1
Grfica de f(x)=x -s
f(x k ) 0
xk r 0
Estas dos condiciones no siempre son equivalentes, pero bajo nuestros supuestos
0 < m f'(x) M
3-3
por lo tanto
m xk r f(x k ) M xk r
f(x k ) 0
xk r 0
f(xk ) tol f
por entendemos que la diferencia entre ambos miembros es en valor absoluto muy pequea.
Ecuaciones no lineales
3-3
debe evaluarse f(x) en una iteracin y de la cantidad de iteraciones necesarias para obtener la
precisin deseada.
Si {xk} converge a r, usualmente existe p1 tal que
3-4
x r
ek +1
= lim k +1 p = c 0
p
k e
k
xk r
k
lim
en este caso decimos que el mtodo es de orden de convergencia p con constante de error
asinttico c.
El orden de convergencia mide la velocidad en que disminuye el error absoluto. A mayor orden
menos iteraciones se necesitan.
3.2
Aproximaciones iniciales
1.0
-1.00
1.2
-0.56
1.4
-0.04
1.6
0.56
Ecuaciones no lineales
3-4
0
0
-1
-2
x
Figura 3-2
Grfica de f(x)=x -2
3-5
[m , b ]
[ak +1 , bk +1 ] = k k
[ak , mk ]
si
si
De este modo el tamao de cada intervalo es la mitad que el anterior y al cabo de n iteraciones
podemos tomar mn como aproximacin a la raz con error
3-6
mn r
(bn a n )
= 2 ( n+1) (b0 a0 )
2
Ecuaciones no lineales
3-5
Ejemplo
ak
1.0000000
1.0000000
1.2500000
1.3750000
1.3750000
1.4062500
1.4062500
1.4140625
1.4140625
1.4140625
1.4140625
1.4140625
1.4140625
1.4141846
1.4141846
1.4141846
1.4141998
1.4142075
1.4142113
1.4142132
1.4142132
1.4142132
1.4142134
1.4142135
1.4142135
1.4142135
1.4142136
1.4142136
1.4142136
bk
2.0000000
1.5000000
1.5000000
1.5000000
1.4375000
1.4375000
1.4218750
1.4218750
1.4179688
1.4160156
1.4150391
1.4145508
1.4143066
1.4143066
1.4142456
1.4142151
1.4142151
1.4142151
1.4142151
1.4142151
1.4142141
1.4142137
1.4142137
1.4142137
1.4142136
1.4142136
1.4142136
1.4142136
1.4142136
mk
1.5000000
1.2500000
1.3750000
1.4375000
1.4062500
1.4218750
1.4140625
1.4179688
1.4160156
1.4150391
1.4145508
1.4143066
1.4141846
1.4142456
1.4142151
1.4141998
1.4142075
1.4142113
1.4142132
1.4142141
1.4142137
1.4142134
1.4142135
1.4142136
1.4142136
1.4142136
1.4142136
1.4142136
1.4142136
f(mk)
error relativo
2.500E-01
-3.333E-01
-4.375E-01
2.000E-01
-1.094E-01
-9.091E-02
6.641E-02
-4.348E-02
-2.246E-02
2.222E-02
2.173E-02
-1.099E-02
-4.272E-04
5.525E-03
1.064E-02
-2.755E-03
5.100E-03
1.379E-03
2.336E-03
6.901E-04
9.539E-04
3.452E-04
2.633E-04
1.726E-04
-8.200E-05
8.632E-05
9.063E-05
-4.316E-05
4.315E-06
2.158E-05
-3.884E-05
1.079E-05
-1.726E-05
-5.395E-06
-6.475E-06
-2.697E-06
-1.080E-06
-1.349E-06
1.617E-06
-6.743E-07
2.687E-07
3.372E-07
-4.056E-07
1.686E-07
-6.846E-08
-8.429E-08
1.001E-07
-4.215E-08
1.584E-08
2.107E-08
-2.631E-08
1.054E-08
-5.237E-09
-5.268E-09
5.300E-09
-2.634E-09
3.154E-11
1.317E-09
3.2.1.1 Convergencia
Este mtodo converge siempre a la raz, pues los intervalos siempre contienen a la raz y el
tamao del intervalo tiende a cero.
De 3-6 y 3-4 se deduce fcilmente que este mtodo es de orden de convergencia 1 o de
convergencia lineal y su constante de error asinttico es 0.5
Ecuaciones no lineales
3.3
3-6
Refinamiento
Figura 3-3
Mtodo de la secante
3-7
xk +1 = xk f ( xk )
( xk 1 xk )
( f ( xk 1 ) f ( xk ))
Ecuaciones no lineales
3-7
Ejemplo
Aplicando el mtodo de la secante a x -2=0 se obtienen los resultados de la Tabla 3-3, donde
puede apreciarse que la velocidad de convergencia es muy superior al mtodo de biseccin.
k
0
1
2
3
4
5
Tabla 3-3
xk
1.0000000
1.5000000
1.4000000
1.4137931
1.4142157
1.4142136
f(xk)
error relativo
-1.000E+00
2.500E-01
-3.333E-01
-4.000E-02
7.143E-02
-1.189E-03
-9.756E-03
6.007E-06
-2.988E-04
-8.931E-10
1.502E-06
2
3.3.1.1 Convergencia
Como veremos ms adelante, cuando se aproxima una funcin f con derivada segunda
continua por el polinomio de primer grado que coincide con f en xk-1 y xk, la igualdad exacta es:
f(x) = f(x k ) + (x xk )
3-8
( f(xk 1 ) f(xk )) + (x x
( xk 1 xk )
)(x xk 1 )
f "( )
2
f(r) = 0 = f(x k ) + (r xk )
( f(xk 1 ) f(xk )) + (r x
( xk 1 xk )
)(r xk 1 )
f "( )
2
y reordenando:
3-9
r + xk f(x k )
( xk 1 xk )
( xk 1 xk )
f "( )
= (r xk )(r xk 1 )
( f ( xk 1 ) f ( xk ))
2 ( f ( xk 1 ) f ( xk ) )
Ecuaciones no lineales
3-8
xk +1 r = (r xk )(r xk 1 )
pero
( f(xk 1 ) f(xk )) =
por tanto
(x k 1 xk )
xk +1 r = (r xk )(r xk 1 )
ek +1 = ek ek 1
3-10
( xk 1 xk )
f "( )
2 ( f ( xk 1 ) f ( xk ) )
f "( )
y tomado valores absolutos:
2 f ' ( 2 )
f "( )
2 f ' ( 2 )
2
ek +1 ek ek 1
3-11
f "(r )
= C ek ek 1
2 f ' (r )
ek +1 Kekp
y ek Kekp1
con
p 1
1+1/p
3-12
=C, de donde
1+ 5
p=
2
K =C
p
p +1
f "(r )
=
2 f ' (r )
p
p +1
si
f "( x)
M
2 f ' ( x)
Ecuaciones no lineales
3-9
xk +1 = g(xk )
3-13
Si dicha sucesin converge lo hace a la solucin del problema original, ya que siendo g
continua,
Ejemplo
Podemos transformar x -2=0 para usar el mtodo de punto fijo de varias formas, algunas
convergern ms o menos rpido y otras no.
x = g1(x) = 2 /x
x = g 2(x) = x 3 / 2
x = g 3(x) = x 2 / 2 + x + 1
x = g 4(x) = x 2 / 4 + x + 0.5
La Tabla 3-4 muestra los resultados de iterar con cada una de estas frmulas partiendo de la
aproximacin inicial 1 y la tabla Tabla 3-5 partiendo de 1.5
Los mismos resultados se muestran grficamente en la Figura 3-4.
k
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
g1
1,000000
2,000000
1,000000
2,000000
1,000000
2,000000
1,000000
2,000000
1,000000
2,000000
1,000000
2,000000
1,000000
2,000000
1,000000
2,000000
Tabla 3-4
xk-xk+1
-1,00E+00
1,00E+00
-1,00E+00
1,00E+00
-1,00E+00
1,00E+00
-1,00E+00
1,00E+00
-1,00E+00
1,00E+00
-1,00E+00
1,00E+00
-1,00E+00
1,00E+00
-1,00E+00
g2
xk-xk+1
g3
xk-xk+1
g4
xk-xk+1
1,000000
1,000000
1,000000
0,500000 5,00E-01 1,500000 -5,00E-01 1,250000 -2,50E-01
0,062500 4,38E-01 1,375000 1,25E-01 1,359375 -1,09E-01
0,000122 6,24E-02 1,429688 -5,47E-02 1,397400 -3,80E-02
0,000000 1,22E-04 1,407684 2,20E-02 1,409218 -1,18E-02
0,000000 9,09E-13 1,416897 -9,21E-03 1,412744 -3,53E-03
0,000000 3,76E-37 1,413099 3,80E-03 1,413783 -1,04E-03
0,000000 2,66E-110 1,414675 -1,58E-03 1,414087 -3,05E-04
0,000000 0,00E+00 1,414022 6,52E-04 1,414177 -8,93E-05
0,000000 0,00E+00 1,414293 -2,70E-04 1,414203 -2,62E-05
0,000000 0,00E+00 1,414181 1,12E-04 1,414210 -7,66E-06
0,000000 0,00E+00 1,414227 -4,64E-05 1,414213 -2,24E-06
0,000000 0,00E+00 1,414208 1,92E-05 1,414213 -6,57E-07
0,000000 0,00E+00 1,414216 -7,96E-06 1,414213 -1,92E-07
0,000000 0,00E+00 1,414213 3,30E-06 1,414214 -5,64E-08
0,000000 0,00E+00 1,414214 -1,37E-06 1,414214 -1,65E-08
2
Ecuaciones no lineales
k
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
g1
1,500000
1,333333
1,500000
1,333333
1,500000
1,333333
1,500000
1,333333
1,500000
1,333333
1,500000
1,333333
1,500000
1,333333
1,500000
1,333333
Tabla 3-5
3-10
xk-xk+1
1,67E-01
-1,67E-01
1,67E-01
-1,67E-01
1,67E-01
-1,67E-01
1,67E-01
-1,67E-01
1,67E-01
-1,67E-01
1,67E-01
-1,67E-01
1,67E-01
-1,67E-01
1,67E-01
g2
xk-xk+1
1,500000
1,687500 -1,88E-01
2,402710 -7,15E-01
6,935441 -4,53E+00
166,798506 -1,60E+02
2,320E+06 -2,32E+06
6,246E+18 -6,25E+18
1,218E+56 -1,22E+56
9,044E+167 -9,04E+167
g3
1,500000
1,375000
1,429688
1,407684
1,416897
1,413099
1,414675
1,414022
1,414293
1,414181
1,414227
1,414208
1,414216
1,414213
1,414214
1,414213
xk-xk+1
1,25E-01
-5,47E-02
2,20E-02
-9,21E-03
3,80E-03
-1,58E-03
6,52E-04
-2,70E-04
1,12E-04
-4,64E-05
1,92E-05
-7,96E-06
3,30E-06
-1,37E-06
5,65E-07
g4
1,500000
1,437500
1,420898
1,416160
1,414783
1,414380
1,414262
1,414228
1,414218
1,414215
1,414214
1,414214
1,414214
1,414214
1,414214
1,414214
xk-xk+1
6,25E-02
1,66E-02
4,74E-03
1,38E-03
4,03E-04
1,18E-04
3,45E-05
1,01E-05
2,96E-06
8,67E-07
2,54E-07
7,44E-08
2,18E-08
6,38E-09
1,87E-09
Obsrvese que:
1. La primera iteracin oscila para ambas aproximaciones iniciales.
2. La segunda iteracin converge partiendo de 1.0 pero a un valor que no es raz del
3
problema original.
3. La segunda iteracin diverge al partir de 1.5
4. La tercera iteracin converge a la raz buscada en ambos casos.
5. La 4 iteracin converge a la raz buscada en ambos casos y lo hace ms rpido que la 3.
3
g2(x)
g1(x)
0
-1
0
0
-1
g4(x)
g3(x)
0
-1
0
0
-1
Figura 3-4
3
Se trata de una raz que fue introducida al modificar el problema original para obtener g2.
1
x
Ecuaciones no lineales
3-11
{xk } = ( xk xk 1 )
Si xn-xn-1=0 para algn n>1 entonces {xk} ser constante de n en adelante y por tanto converge.
Si xn-xn-10 n>1 entonces, como g es contractiva, existe m<1 tal que
x,y B
g(x) g(y) m x y
xk +1 xk
xk xk 1
g(xk ) g(x k 1 )
xk xk 1
m <1
por tanto la serie telescpica cumple el criterio del cociente, por tanto converge y en
consecuencia {xk} converge.
Sea f el lmite de {xk}, como B es cerrado entonces fB.
Es fcil demostrar que siendo g contractiva debe ser continua y por el teorema de convergencia
y continuidad, debe ser
x,y B
Adems
x B
g(x) B
entonces g es contractiva en dicho intervalo y el teorema del punto fijo nos asegura que la
iteracin converge a la raz.
En los casos vistos en el ejemplo anterior, considerando el intervalo [1,2]:
g1'(x) 2
g 2'(x) 1.5
g 3'(x) 1
g 4'(x) 0.5
(xk r)n1
(x r)n
+ g (n)() k
(n 1 )!
n!
n
n
(x r)
e
xk +1 r = g (n)() k
ek +1 = g (n)() k
n!
n!
( n)
g () g (n)(r)
e
lim k +n1 = lim
=
0
k e
k
n!
n!
k
g (n)(r)
entonces el mtodo es de orden n con constante de error asinttico
.
n!
En particular, si g(r)0 entonces el mtodo es de orden 1.
(n)
Ecuaciones no lineales
3-12
x*k +1 = g(x*k ) + k
r = g(r)
x*k +1 r
m *
xk x*k +1 +
1 m
1 m
xk +1 r xk + 2 r
xk r
xk +1 r
xk + 2 xk xk2+1
r
xk + 2 2 xk +1 + xk
(xk +1 xk )2
r xk
xk + 2 2 xk +1 + xk
x k +3 xk
(xk +1 xk )2
xk + 2 2 xk +1 + xk
a k +1 = d k
bk +1 = g(a k +1 )
ck +1 = g(bk +1 )
(bk ak )2
d k +1 = a k
ck 2bk + a k
En cada iteracin es necesario evaluar la funcin dos veces.
El algoritmo del mtodo de aceleracin de Aitken puede escribirse:
d=x0;
error=1;
while error>tolx
a=d;
b=g(a);
c=g(b);
d=a-(b-a)^2/(c-2*b+a)
error=abs(d-c);
end
// Primera iteracin
// Segunda iteracin
// Aceleracin
Ecuaciones no lineales
3-13
Ejemplo
Aplicando la aceleracin de Aitken al mtodo de punto fijo para x -2=0 visto en el ejemplo
anterior con la funcin
x = g 3(x) = x 2 / 2 + x + 1
partiendo de la aproximacin inicial 1.0 se obtienen los resultados de la Tabla 3-6.
Ntese que la convergencia resulta mucho ms rpida que sin la aceleracin (ver Tabla 3-4),
ms que compensando la necesidad de calcular dos veces la funcin en cada iteracin.
k
0
1
2
3
4
Tabla 3-6
ak
bk
ck
1,000000
1,400000
1,414184
1,414214
1,500000
1,420000
1,414226
1,414214
1,375000
1,411800
1,414209
1,414214
dk
1,000000
1,400000
1,414184
1,414214
1,414214
error
-2,50E-02
-2,38E-03
-2,14E-11
0,00E+00
Figura 3-5
En este caso:
3-16
xk +1 = xk
f(x k )
f '(xk )
La ventaja de este mtodo es que, como veremos, converge ms rpidamente que los otros
que hemos visto. Sin embargo, para cada iteracin se necesita evaluar una vez la funcin y
una vez su derivada, lo que en algunos casos puede ser muy costoso o incluso imposible.
Ecuaciones no lineales
3-14
Ejemplo
Aplicando el mtodo de Newton a x -2=0 se obtienen los resultados de la Tabla 3-7, donde
puede apreciarse que la velocidad de convergencia es superior al mtodo de biseccin.
k
0
1
2
3
4
Tabla 3-7
xk
1.0000000
1.5000000
1.4166667
1.4142157
1.4142136
f(xk)
-1.000E-00
2.500E-01
6.944E-03
6.007E-06
4.511E-12
ek
5.0E-01
1.3E-01
3.5E-03
3.0E-06
1.3E-12
3.3.3.1 Convergencia
El mtodo de Newton, por ser de iteracin de un punto, es un caso particular del mtodo de
punto fijo, en el que
f "(x)f(x)
g
'(x)
=
2
f(x)
(
f '(x))
g(x) = x
f "(x)
f '(x)
g"(x) =
( f '(x))3
Obsrvese que g(r)=0 por lo tanto g(x)m<1 en un entorno de r y por lo tanto ser
contractiva en dicho entorno.
Como g(r)=0 entonces el orden de convergencia ser cuadrtico si f(r)0 o bien 3 o mayor si
f(r)=0.
Sin embargo si la aproximacin inicial no es suficientemente buena y en el intervalo de trabajo
f tiene races, el mtodo puede no converger si en alguna iteracin f se anula o toma valores
muy bajos.
ek
2
f ( xk )
m
Ecuaciones no lineales
3.4
3-15
f(x) = 0
3-17
Ejemplo
Se desea resolver el sistema de ecuaciones:
3 x1 cos (x 2 x3 ) = 1/ 2
2
2
x1 81(x 2 + 0.1 ) + sen (x3 ) = 1.06
3 10
x x
e 1 2 + 20 x3 =
3-18
El teorema del punto fijo (ver 3.3.2.1) es vlido en espacios normados, en particular en R con
alguna de las normas que hemos definido antes.
En forma anloga al caso de una variable, se transforma el problema f(x)=0 en otro equivalente
de la forma x=g(x) con g continua y luego, a partir de una aproximacin inicial x0 se construye
la sucesin {xk} tal que
x k +1 = g(x k )
3-19
3.4.1.1 Convergencia
n
J g ( x) m < 1 x B
entonces g es contractiva y el mtodo del punto fijo converge a la solucin partiendo de
cualquier x0 de B.
La demostracin es anloga a la vista en 3.3.2.2.
x, y B
Ecuaciones no lineales
3-16
x*k +1 r
3-20
x*k x*k +1 +
1 m
1 m
Ejemplo
El sistema 3-18 puede expresarse en la forma x=g(x) con
g1 ( x1 , x2 , x3 ) = 13 cos (x2 x3 ) + 16
2
1
g 2 ( x1 , x2 , x3 ) = 9 x1 + sen (x3 ) + 1.06 0.1
1 x1 x 2
g 3 ( x1 , x2 , x3 ) = 20
e
1060 3
Si definimos
B = x R3 / x
1
g 2 ( x1 , x2 , x3 ) 9 1 + sen ( 1 ) + 1.06 0.1 0.18 por lo tanto g:BB
Adems
g1
=0
x1
g1 1
3 x3 sen (x 2 x3 ) 13 sen 1 < 0.281
x2
g1 1
3 x2 sen (x 2 x3 ) 13 sen 1 < 0.281
x3
x1
g 2
1
=
< 0.238
x1 9 x12 + sen (x3 ) + 1.06 9 sen ( 1 ) + 1.06
g 2
=0
x2
cos (x3 )
g 2
1
=
< 0.119
2
x3 18 x1 + sen (x3 ) + 1.06 18 sen ( 1 ) + 1.06
x x x
g 3
e
= 2 e 1 2
< 0.14
20
x1
20
x x x
g 3
e
= 1e 1 2
< 0.14
x2 20
20
g 3
=0
x3
Ecuaciones no lineales
3-17
por tanto
J g ( x)
con lo cual podemos estar seguros que el mtodo de punto fijo converger partiendo desde
cualquier aproximacin inicial en B, siempre que exista una raz en B.
La Tabla 3-8 muestra los resultados de iterar a partir de la aproximacin (0.1, 0.1, -0.1)
Tabla 3-8
x1
x2
x3
0
1
2
3
4
5
0.10000000
0.49998333
0.49999593
0.50000000
0.50000000
0.50000000
0.10000000
0.00944115
0.00002557
0.00001234
0.00000003
0.00000002
-0.10000000
-0.52310127
-0.52336331
-0.52359814
-0.52359847
-0.52359877
x ( k ) x ( k 1)
0.423
9.4E-03
2.3E-04
1.2E-05
3.1E-07
0.562
10 7
7
3.1 10 +
e5
= 6 10 7
1 0.562
1 0.562
3.4.2 Mtodo de Newton Raphson para sistemas
Es anlogo al caso de una variable, consiste en aproximar la funcin f por su diferencial en una
aproximacin inicial y buscar el cero de ste como nueva aproximacin.
f (x ) = f (x k ) + J f (x k ) (x x k ) + O (x x k )
se busca xk+1 que verifique
3-21
0 = f (x k ) + J f (x k ) (x k +1 x k )
x k +1 = x k (J f (x k )) f (x k )
1
J f (x k ) x k = f (x k )
3-23
x k +1 = x k + x k
4
El sistema lineal 3-22 se resuelve en cada iteracin por alguno de los mtodos vistos para ello .
En cada iteracin debera evaluarse f y su jacobiana. Tambin pueden aproximarse las
derivadas parciales de las componentes de f por frmulas de diferencias finitas
3-24
f i (x k + h j e j ) f (x k )
f i
Ecuaciones no lineales
3-18
Ejemplo
Aplicamos el mtodo de Newton a 3-18 viendo que puede expresarse como f(x)=0 con :
3 x1 cos( x 2 x3 ) 1/ 2
2
2
10 3
x x
e 1 2 + 20 x3 +
3-25
por tanto
J g ( x) =
2 x1
x1 x 2
x 2 e
3-26
x3 sen( x 2 x3 ) x 2 sen( x 2 x3 )
162( x 2 + 0.1)
cos( x3 )
x x
x1e 1 2
20
y los resultados de iterar con 3-22 y 3-23 usando 3-25 y 3-26 partiendo de la aproximacin (0.1,
0.1, -0.1) se muestra en Tabla 3-9.
k
0
1
2
3
4
5
Tabla 3-9
x1
0.10000000
0.50003702
0.50004593
0.50000034
0.50000000
0.50000000
x2
0.10000000
0.01946686
0.00158859
0.00001244
0.00000000
0.00000000
x3
x (k )
-0.10000000
-0.52152047
-0.52355711
-0.52359845
-0.52359877
-0.52359877
0.422
1.8E-02
1.6E-03
1.2E-05
0
f ( x (k ) )
8.482
0.051
0.0016
1.3E-05
1.1E-07
1.1E-07
3.4.2.1 Convergencia
Si el jacobiano de f es no singular en un entorno de la raz y se parte de una aproximacin
suficientemente buena, el mtodo de Newton converge cuadrticamente.
3.4.2.2 Variantes
Terico de
CLCULO AVANZADO
2015
Tema: INTERPOLACIN
Objetivos de aprendizaje
Germn BRESCIANO
INTERPOLACIN .........................................................................................................................4-1
4.1
INTRODUCCIN ..........................................................................................................................4-1
4.1.1
Tipos de aproximaciones ...................................................................................................4-2
4.1.1.1
4.2
INTERPOLACIN POLINMICA.....................................................................................................4-3
4.2.1
Existencia del polinomio interpolador ..............................................................................4-3
4.2.2
Unicidad del polinomio interpolador ................................................................................4-4
4.2.3
Error de interpolacin .......................................................................................................4-4
4.2.4
Interpolacin de Lagrange ................................................................................................4-5
4.3
INTERPOLACIN DE HERMITE .....................................................................................................4-7
4.3.1
Existencia del polinomio interpolador de Hermite ............................................................4-7
4.3.2
Unicidad del polinomio interpolador de Hermite .............................................................4-8
4.3.3
Error de interpolacin de Hermite ....................................................................................4-8
4.4
INTERPOLACIN A TROZOS .........................................................................................................4-9
4.4.1
Interpolacin de Hermite a trozos ...................................................................................4-10
4.4.2
Interpolacin por trazadores cbicos (Splines cbicos)..................................................4-11
4.4.2.1
4.4.2.2
4.4.2.3
4.5
FUNCIONES DE FORMA ELEMENTALES ......................................................................................4-16
4.5.1
Elementos Lineales ..........................................................................................................4-16
4.5.2
Elementos Cuadrticos ....................................................................................................4-17
4.5.3
Elementos Hermticos ......................................................................................................4-17
4.6
INTERPOLACIN EN 2D Y 3D ....................................................................................................4-17
4.6.1
Interpolacin en tringulos .............................................................................................4-18
4.6.1.1
4.6.1.2
4.6.2
4.6.2.1
4.6.2.2
4.6.3
4.6.3.1
4.6.3.2
4.6.4
4.6.4.1
4.6.4.2
4.6.5
4.6.5.1
4.6.5.2
Interpolacin
4-1
4 Interpolacin
4.1
Introduccin
-1
-0,5
0,5
-0,2
-0,4
-0,6
-0,8
-1
Polinomio grado 20
Figura 4-1
Tabla
Polinomio grado 4
2
Interpolacin de f(x)=1/(1+25x )
1,5
Interpolacin
4-2
Como se ve el polinomio de grado 20 ajusta bien en la zona central pero tiene grandes errores
en los extremos del intervalo, mientras que el polinomio de grado 4 tiene un ajuste mediocre en
todo el intervalo.
Una solucin a esto ser ajustar las distintas regiones con distintos polinomios, pero
deberemos resolver el problema de que las uniones entre los distintos polinomios sean
adecuadas (para evitar, por ejemplo, pendientes discontinuas en los puntos de unin de las
regiones). Esto se logra con polinomios especiales llamados splines.
En otros casos los valores tabulados no son valores exactos de una funcin sino que son
medidas experimentales afectadas de errores. Inclusive podramos tener varios valores
diferentes tabulados para un mismo valor de la variable independiente. En estos casos no
queremos que la aproximacin se ajuste exactamente a los valores tabulados pues
reproducira los errores. Lo que deseamos es hallar la aproximacin (polinmica o de otro tipo)
que mejor se ajuste a los valores verdaderos sin error. Esto se logra con la tcnica de
mnimos cuadrados, que maximiza la probabilidad de obtener los datos tabulados.
Ejemplo
La nave NCC 1701E fue enviada a la zona neutral a interceptar una sonda romulana (de la cual
se conoce su trayectoria exacta, que cruzar a la de la nave en el instante 10.0 en la
coordenada 745) pero su equipo de comunicacin subespacial est averiado, por lo que no se
sabe si en el momento que la sonda cruz su trayectoria la nave estaba dentro del rango del
rayo tractor (5 unidad de coordenadas).
Sin embargo el Comandante Data ha enviado datos de telemetra que nos pueden servir para
averiguarlo:
Tiempo
Coordenada
Velocidad
Tabla 4-1
0
0
75
3
225
77
5
383
80
8
623
74
13
993
72
4-1
f (x ) = a j g j (x ) + E (x )
j =1
Trataremos de hallar los coeficientes aj de modo tal que el error E(x) sea pequeo.
La clave del problema est en el criterio para medir cuan pequeo es el error y cmo calcular
los coeficientes para que E(x) sea mnimo.
Los tres mtodos ms importantes son:
1. Interpolacin exacta: Los coeficientes se eligen para que la aproximacin (y
eventualmente algunas derivadas) sea exacta en los nodos.
2. Mnimos cuadrados: Los coeficientes se eligen para minimizar la suma del cuadrado de
errores en los nodos.
3. Mnimo error mximo: Los coeficientes se eligen para minimizar el mximo valor absoluto
del error en un intervalo dado.
De estos mtodos, la interpolacin exacta es el ms fcil de analizar y de estimar el error.
Interpolacin
4-3
()
lo cual nos asegura que podemos conseguir un error arbitrariamente pequeo como se
ilustra en Figura 4-2.
Los polinomios son fciles de derivar y de integrar, y sus derivadas y primitivas tambin
son polinomios.
Figura 4-2
4.2
Interpolacin polinmica
Figura 4-3
1
2
la mayora de las dems funciones se aproximan por mtodos numricos en las computadoras.
con la norma integral o la norma del supremo en [a,b]
Interpolacin
4-4
f ( x ) = Pn ( x ) + E ( x )
4-2
n
Pn ( x ) = a j x j
con
E ( xk ) = 0 k = 0,1,2,L ,n
j =0
Una forma directa de atacar este problema sera evaluar 4-2 en cada uno de los nodos, donde
el error debe ser nulo, obteniendo el sistema lineal:
a 0 + a1 x0 + a 2 x02 + L + a n x0n = f 0
2
n
a 0 + a1 x1 + a 2 x1 + L + a n x1 = f1
2
a 0 + a1 x n + a 2 x n + L + a n x nn = f n
que se puede escribir como
1 x0
1 x1
M M
1 x n
4-3
x02
x12
M
x n2
L x0n a 0 f 0
L x1n a1 f 1
=
O M M M
L x nn a n f n
(x
0 i < j n
Resolviendo este sistema podemos obtener los coeficientes del polinomio buscado lo cual
implica que dada una tabla de valores de una funcin por n+1 nodos diferentes, existe un
polinomio interpolador Pn de grado n que pasa por los puntos de la tabla.
F (t ) = f (t ) Pn (t ) E ( x )
3
(t x 0 )(t x1 )L (t x n )
(x x 0 )(x x1 )L (x x n )
F es funcin de t, x es un parmetro
Interpolacin
4-5
Si f tiene derivada n+1 continua en un intervalo que contenga a x y a los nodos, entonces F
tambin tiene derivada n+1 continua en ese intervalo y, aplicando el teorema de Rolle n+1
(n+1)
veces concluimos que F
tendr al menos una raz en dicho intervalo.
Sea dicha raz, entonces
0 = F ( n+1) ( ) = f ( n+1) ( ) E ( x )
(n + 1)!
(x x0 )(x x1 )L(x xn )
y despejando:
E ( x) = (x x0 )( x x1 )L ( x x n )
4-4
f (n +1 ) ( )
(n + 1)!
4-5
Pn (x ) = c j l j ( x )
j =0
1 si i = j
con l j ( x ) polinomio de grdo n / l j ( xi ) =
0 si i j
f k = f ( x k ) = Pn ( x k ) + 0 = c j l j ( x k ) = c k
j =0
4-6
Pn ( x ) = f j l j ( x )
j =0
k = 0,1,2,L ,n
Interpolacin
Figura 4-4
4-6
l k ( x) = A( x x0 )( x x1 )L( x xk 1 )( x xk +1 )L( x xn )
lk ( x) =
4-7
( x x0 )( x x1 )L ( x xk 1 )( x xk +1 )L( x xn )
( xk x0 )( xk x1 )L ( xk xk 1 )( xk xk +1 )L( xk xn )
Ejemplo
A partir de los datos de la Tabla 4-1 podemos interpolar la coordenada para tiempo igual a 10:
l0 (10) =
l1 (10) =
l 2 (10) =
l3 (10) =
l 4 (10) =
P4 (10) = 0 0.1346 + 225 1 383 1.75 + 623 1.75 + 993 0.1346 = 778.67
lo cual implica que la sonda, aparentemente, no pudo ser interceptada.
Interpolacin
4.3
4-7
Interpolacin de Hermite
f (x ) = H (x ) + E (x )
4-8
con
H (x j ) = f (x j )
j = 0,1, 2,L ,n
H' (x j ) = f' (x j )
4-9
j =0
j =0
H 2 n +1 ( x ) = f j h j ( x ) + f ' j h j ( x )
4-10
donde
h j ( x) = (1 2( x x j )l ' j ( x j ) )l 2j ( x)
4-11
h j ( x) = ( x x j )l 2j ( x)
4-12 ( )
h j ( xi ) y h j ( xi ) :
[1 0] 1 = 1 si i = j pues xi = x j y l j ( xi ) = 1
h j ( xi ) = (1 2( xi x j )l ' j ( x j ) )l 2j ( xi ) =
0 si i j pues l j ( x j ) = 0
h j ( xi ) = ( xi x j )l 2j ( xi ) = 0 pues l j ( xi ) = 0 o xi = x j
por tanto
j =0
j i
j =0
Los
l' j (x j ) =
1
1
1
1
1
+
+L+
+
+L+
x j x0 x j x1
x j x j 1 x j x j +1
x j xn
Interpolacin
4-8
12 + 0 = 1 si i = j pues
h j ( xi ) = l 2j ( xi ) + ( xi x j ) 2 l j ( xi )l ' j ( xi ) =
0 2 + 0 = 0 si i j
por tanto
j =0
j =0
j i
xi = x j
l j ( xi ) = 1
l j ( xi ) = 0
pues
lo cual demuestra que dada una tabla de valores de una funcin y su derivada por n+1
nodos diferentes, existe un polinomio interpolador H2n+1 de grado 2n+1 que coincide con
la funcin y su derivada en los nodos.
(t x0 )(t x1 )L (t x n )
F (t ) = f (t ) H (t ) E ( x )
( x x0 )( x x1 )L ( x x n )
(t x0 )(t x1 )L (t x n ) (t x0 )(t x1 )L (t x n )
F ' (t ) = f ' (t ) H ' (t ) 2 E ( x )
( x x0 )( x x1 )L ( x x n ) ( x x0 )( x x1 )L ( x x n )
que se anula en t=x0, x1, , xn , por lo tanto F se anula en 2n+2 puntos distintos del intervalo.
(2n+2)
Aplicando a F el Teorema de Rolle 2n+1 veces concluimos que F
tendr al menos una raz
en dicho intervalo.
Sea dicha raz, entonces
0 = F ( 2 n + 2) ( ) = f ( 2 n + 2) ( ) E ( x )
(2n + 2)!
[(x x0 )(x x1 )L(x x n )]2
y despejando:
4-13
E ( x) = [( x x0 )( x x1 )L ( x x n )]
F es funcin de t, x es un parmetro
f ( 2 n + 2 ) ( )
(2n + 2)!
Interpolacin
4-9
Ejemplo
En el caso del ejemplo anterior
1
1
1
1
1147
+
+
+
=
= 0.73525641
0 3 0 5 0 8 0 13 1560
1
1
1
1
140 14
l '1 (3) =
+
+
+
=
=
= 0.46666667
3 0 3 5 3 8 3 13 300
30
1
1
1
1
58
29
l ' 2 (5) =
+
+
+
=
=
0.24166667
5 0 5 3 5 8 5 13 240 120
1
1
1
1
275 55
l' 3 (8) =
+
+
+
=
=
= 0.45833333
8 0 8 3 8 5 8 13 600 120
1
1
1
1
2610 261
l ' 4 (13) =
+
+
+
=
=
= 0.50192308
13 0 13 5 13 5 13 8 5200 520
l ' 0 ( 0) =
2
h0 (10 ) = (10 0)( 0.13461538) = 0.18121302
2
h (10 ) = (10 3)(1) = 7
1
2
h2 (10) = (10 5)( 1.75) = 15.3125
2
h (10 ) = (10 8)(1.75) = 6.125
2
h4 (10 ) = (10 13)(0.13461538) = 0.05436391
4.4
Interpolacin a trozos
Interpolacin
4-10
Figura 4-5
Spline lineal
4-14
Figura 4-6
x xi x xi +1
hi ( x) = 1 2
xi xi +1 xi +1 xi
x xi +1 x xi
y hi +1 ( x ) = 1 2
xi +1 xi xi xi +1
x xi +1
hi ( x) = ( x x i )
xi +1 xi
x xi
y hi +1 ( x ) = ( x xi +1 )
xi xi +1
Ejemplo
Volviendo a nuestro ejemplo, queremos aproximar f(10).
Como x=10 est en el elemento (8,13) aplicamos la ecuacin 4-14 a ese elemento:
Interpolacin
4-11
10 8 10 13
h0 (10 ) = 1 2
= 0.648
8 13 8 13
10 13 10 8
h1 (10 ) = 1 2
= 0.352
13 8 13 8
10 13
h0 (10 ) = (10 8)
= 0.72
8 13
2
10 8
h1 (10 ) = (10 13)
= 0.48
13 8
2
Figura 4-7
Splines cbicos
Si se tiene una tabla de valores de una funcin f en n+1 nodos diferentes x0, x1, x2, , xn y
ordenados y usamos en cada elemento (xi, xi+1) un polinomio interpolador de tercer grado
grado, gi(x), queremos que:
Interpolacin
4-15
4-12
g i ( xi ) = f i i = 0,1,2,..., n 1
g i ( xi +1 ) = f i +1 i = 0,1,2,..., n 1
g i ( xi +1 ) = g i+1 ( xi +1 ) i = 0,1,2,..., n 2
g i( xi +1 ) = g i+1 ( xi +1 ) i = 0,1,2,..., n 2
estas son un total de 4n-2 condiciones y los n polinomios de tercer grado tienen 4n
coeficientes, por lo cual usualmente se agregan dos condiciones de contorno para determinar
los coeficientes.
Si escribimos
4-16
g i ( x) = ai ( x xi ) 3 + 12 S i ( x xi ) 2 + ci ( x xi ) + d i
entonces
g i( x) = 3ai ( x xi ) 2 + Si ( x xi ) + ci
g i( x) = 6ai ( x xi ) + S i
si definimos hi=xi+1-xi podemos escribir los valores de gi y sus derivadas en xi y xi+1 segn
g i ( xi ) = d i y g i ( xi +1 ) = ai hi3 + 12 S i hi2 + ci hi + d i
g i ( xi ) = ci y g i ( xi +1 ) = 3ai hi2 + S i hi + ci
g i( xi ) = S i y g i( xi +1 ) = 6ai hi + S i
Sustituyendo estos valores en 4-15 obtenemos
4-17
d i = f i i = 0,1,2,..., n 1
a h 3 + 1 S h 2 + c h + d = f
i = 0,1,2,..., n 1
i i 2 i i
i i
i
i +1
2
3ai hi + S i hi + ci = ci +1 i = 0,1,2,..., n 2
6ai hi + S i = S i +1 i = 0,1,2,..., n 2
di = fi
4-19
ai =
i = 0,1,2,..., n 1
S i +1 S i
6hi
i = 0,1,2,..., n 2
Adems introducimos una nueva variable Sn que verifique 4-19 para i=n-1 y sustituyendo en las
restantes ecuaciones de 4-17 eliminamos estas incgnitas y queda
S i +1 S i 3 1
hi + 2 S i hi2 + ci hi + f i = f i +1 i = 0,1,2,..., n 1
6
h
3 S i +1 S i h 2 + S h + c = c
i = 0,1,2,..., n 2
i i
i
i +1
6h i
Interpolacin
4-13
ci =
4-20
f i
h
(2 S i + S i +1 ) i
hi
6
i = 0,1,2,..., n 1
f
f
hi S i + 2(hi + hi +1 )S i +1 + hi +1 S i + 2 = 6 i +1 i i = 0,1,2,..., n 2
hi
hi +1
4-21
En cada caso se resuelve el sistema para obtener S0,S1,,Sn y luego se calculan los
coeficientes ai, ci y di con las ecuaciones 4-19, 4-20 y 4-18 para calcular la aproximacin en x
con 4-16.
Para poder resolver este sistema hay que fijar dos condiciones ms, que usualmente son
algunas de las siguientes:
1
h
0
0
0
M
0
0
L
0
0
0
h1
L
2(h0 + h1 )
0
h1
h2
L
2(h1 + h2 )
h2
0
2(h2 + h3 ) h3
M
M
L
O
L
hn2
0
0
L
0
0
0
f1 f 0
0
0 S0
h h
0
0 S1
0
1
f
f
0
0 S2
1
h
h1
0
0 S 3 = 6 2
M
M M
M
En Scilab el spline de curvatura extrapolada puede evaluarse con la funcin splin que calcula
el vector de valores de la derivada (ci, i=0,1,,,,,n-1)
c = splin(xtabla,ytabla,natural)
y con l se aplica la funcin interp que hace la interpolacin de Hermite a trozos mediante
yy=interp(xx,xtabla,ytabla,c)
donde
xtabla es el vector de los x tabulados,
ytabla el vector de los y tabulados y
xx es el vector de puntos donde se quiere evaluar el spline.
g 0 ( x0 ) = c0 =
f 0
h
(2S 0 + S1 ) 0 = f 0 2h0 S 0 + h0 S1 = 6 0 f 0
h0
6
h0
S n S n1 2
f
h
hn1 + S n1hn1 + n1 (2 S n1 + S n ) n1 = f n
6hn1
hn1
6
f
hn1 S n1 + 2hn1 S n = 6 f n n1
hn1
Interpolacin
4-14
2h0
h0
h0
2(h0 + h1 )
h1
h1
2(h1 + h2 )
h2
h2
2(h2 + h3 )
h3
hn 2
2(hn 2 + hn 1 )
hn 1
f 0
h f 0
0 S0
0
f 1 f 0
0 S1
h1
h0
f
f
2
0 S2
h1
h2
0 S 3 = 6
M M
f n 1 f n 2
hn 1 S n 1
hn 1
hn 2
2hn 1 S n
f
f n n 1
hn 1
S0 =
(h0 + h1 )S1 h0 S 2
h1
Sn =
h1
h
0
0
0
M
0
0
h0
L
(h0 + h1 )
0
2(h0 + h1 )
h1
0
L
h1
2(h1 + h2 )
h2
L
0
h2
2(h2 + h3 ) h3
M
M
L
O
0
0
L
hn 2
0
0
L
hn 1
f1 f 0
0
0 S0
h h
0
0 S1
0
1
f
f
2
1
0
0 S2
h2
h1
0
0 S 3 = 6
M
M M
M
2(hn 2 + hn 1 ) hn 1 S n 1
f n 1 f n 2
h h
(hn 2 + hn 1 ) hn 2 S n
n 2
n 1
0
Interpolacin
4-15
Ejemplo
A partir de la tabla del primer ejemplo:
i
xi
hi
fi
f i
fi/ hi
0
0
3
0
225
75
1
3
2
225
158
79
2
5
3
383
240
80
3
8
5
623
370
74
4
13
993
-
1 0 0 0 0 S 0
0
3 10 2 0 0 S
4
1
0 2 10 3 0 S 2 = 6 1 cuya solucin es
0 0 3 16 5 S 3
6
0 0 0 0 1 S 4
0
S 0 0
S 2.2241
1
S 2 = 0.8797
S 3 2.4149
S 4 0
0 + 2.4149
= 0.0804967
65
c3 = 74 ( 2 2.4149 + 0 ) 56 = 78.02433
a3 =
d 3 = 623
por tanto
6 3 0 0 0 S 0
0
4
3 10 2 0 0 S
1
0 2 10 3 0 S 2 = 6 1 cuya solucin es
6
0 0 3 16 5 S 3
0 0 0 5 10 S 4
2
S 0 1.3186
S 2.6372
1
S 2 = 0.7920
S 3 2.3982
S 4 0.0009
0.0009 + 2.3982
= 0.07991
65
c3 = 74 ( 2 2.3982 0.0009 ) 56 = 77.99775
a3 =
d 3 = 623
por tanto
Interpolacin
4-16
2 5 3 0
3 10 2 0
0 2 10 3
0 0 3 16
0 0 5 8
0 S 0
0
0 S1
0 S 2 = 6 1 cuya solucin es
5 S 3
6
0
3 S 4
S 0 2.6964
S 1.4629
1
S 2 = 0.6406
S 3 - 1.1108
S 4 - 4.0299
en este caso
4.029 + 1.1108
= -0.097273
65
c3 = 74 ( 2 1.1108 4.0299 ) 56 = 79,20958
a3 =
d 3 = 623
por tanto
4.5
Otra forma de ver la interpolacin a trozos es, en lugar de considerar que se est haciendo una
interpolacin diferente en cada subintervalo, considerar que se hace una interpolacin en todo
el dominio pero que las funciones de forma utilizadas son funciones elementales, cada una de
las cuales es nula fuera de su elemento.
El dominio se divide en elementos (subintervalos que pueden contener dos o ms nodos) y
para cada elemento se definan sus funciones de forma elementales que dentro del elemento
coinciden con los polinomios de Lagrange (o de Hermite) correspondientes a los nodos del
elemento y fuera del elemento son nulas.
Esta caracterstica va a ser de gran utilidad en el Mtodo de Elementos Finitos (de resolucin
de ecuaciones diferenciales) donde los coeficientes de la combinacin lineal se hallan
resolviendo un sistema de ecuaciones cuyos coeficientes involucran integrales de las funciones
de forma. Como son nulas fuera de su elemento, la integral en el dominio se reduce a la
integral en su elemento. Como veremos en su momento, esto hace que el sistema de
ecuaciones resultante tenga una matriz con muchos coeficientes nulos, facilitando su clculo y
resolucin.
Para cada elemento habr tantas funciones de forma elementales como nodos tenga el
elemento si se usan elementos Lagrangianos o el doble de la cantidad de nodos si se usan
elementos Hermticos.
Para simplificar los nodos y las funciones de forma elementales se identifican por su elemento
y una numeracin local (dentro del elemento)
u = N 1( e ) ( x )u1( e ) + N 2( e ) ( x )u 2( e )
Donde
Interpolacin
4-17
(x x )(x x )
(x x )(x x )
(
)(
)
(x ) = x x x x
(x x )(x x )
(x ) = (x x )(x x )
(x x )(x x )
N 1( e ) ( x ) =
N 2( e )
4-25
(e)
3
(e)
2
(e)
2
(e)
1
(e)
1
(e)
1
(e)
1
(e)
1
(e)
2
(e)
3
(e)
3
(e)
2
(e)
3
(e)
3
(e)
2
(e)
3
(e)
2
(e)
3
(e)
2
u = N 1( e ) ( x )u1( e ) + N 2( e ) ( x )u 2( e ) + N 3( e ) ( x )u 3( e )
x x (e ) x x (e )
N1( e ) (x ) = h1 (x ) = 1 2 ( e ) 1 ( e ) ( e ) 2 ( e )
x1 x2 x2 x1
x x2( e ) x x1( e )
( e)
N 2 (x ) = h2 (x ) = 1 2 ( e )
2
( e)
( e)
(e ) x x2
N 3 (x ) = h1 (x ) = x x1 ( e )
( e)
x2 x1
( e)
4
( e)
(x ) = h2 (x ) = x x2(e ) x( e) x1 (e )
x1 x2
u k(e ) y u ' (ke ) representan el valor nodal de la funcin y su derivada en el nodo k del
elemento e.
4.6
Interpolacin en 2D y 3D
La interpolacin tambin es til para estimar el valor de una funcin de varias variables a partir
de datos tabulados.
Por ejemplo, en tratamiento de imgenes se pueden tener valores de intensidad de color en
una cuadrcula de puntos y querer calcular los valores en una cuadrcula ms densa, lo cual
puede hacerse por interpolacin.
En el Mtodo de Elementos Finitos, que veremos ms adelante, se dividen dominios en 2D o
3D en elementos triangulares, rectangulares, tetradricos, cuas o hexadricos. Cada
elemento tiene cierta cantidad de nodos y los valores de una funcin en otros puntos del
elemento se aproximan por interpolacin de los valores nodales.
Para simplificar y obtener frmulas generales, la interpolacin (y otras operaciones) se
desarrollan para elementos estndar en los que se pueden transformar otros elementos
mediante cambios de variable.
Interpolacin
4-18
(x
e
1
,y
en
cualquier
)(x , y )(x , y )
e
1
e
1 1
e
1 1
e
2
e
2
e
e
3
3
e
2 2
e
2 2
tringulo
de
vrtices
mediante la transformacin
x = x T ( g , h ) + x T ( g , h ) + x3e T3 ( g , h )
y = y T ( g , h ) + y T ( g , h ) + y 3eT3 ( g , h )
Donde
T1 ( g , h ) = 1 g h
T2 ( g , h ) = g
T3 ( g , h ) = h
o sea
x
g x1( e )
y = M h + (e)
y1
donde
x1( e )
M = (e)
y1
4-27
x 2( e )
y 2( e )
1 1
x1( e ) + x 2( e )
x3( e )
0 = (e)
1
y 3( e )
y + y 2( e )
0
1 1
x1( e ) + x 3( e )
y1( e ) + y 3( e )
Por tanto
x1( e )
g
1 x
M
h
y y ( e )
1
4-28
Para interpolar en (x,y) se halla (g,h) con 4-28 y se interpola en el tringulo estndar.
u = N 1 ( g , h )u1( e ) + N 2 ( g , h )u 2( e ) + N 3 ( g , h )u 3( e )
N1 (g , h ) = 1 g h
N 2 (g , h ) = g
Siendo
Donde
N 3 (g , h) = h
(e )
k
o sea
u = (1 g h )u1( e ) + gu 2( e ) + hu 3( e )
Figura 12
Interpolacin
4-19
u = N 1 ( g , h )u1( e ) + N 2 ( g , h )u 2( e ) + N 3 ( g , h )u 3( e ) + N 4 (g , h )u 4( e ) + N 5 ( g , h )u 5( e ) + N 6 ( g , h )u 6( e )
N 1 ( g , h ) = 2( 12 g h )(1 g h )
N 2 (g , h ) = 2 g (g 12 )
N 3 ( g , h ) = 2h(h 12 )
Siendo
N 4 (g , h ) = 4 g (1 g h )
N 5 ( g , h ) = 4 gh
N 6 (g , h ) = 4h(1 g h )
o sea
Las funciones de forma Ni son polinomios de segundo grado en g y h tales que cada una vale 1
en un nodo y 0 en los otros cinco nodos.
Figura 13
x = x1e T1 (g , h, r ) + x 2e T2 ( g , h, r ) + x3eT3 ( g , h, r ) + x 4e T4 ( g , h, r )
y = y1eT1 ( g , h, r ) + y 2e T2 ( g , h, r ) + y 3e T3 ( g , h, r ) + y 4eT4 ( g , h, r )
z = z1eT1 ( g , h, r ) + z 2eT2 ( g , h, r ) + z 3e T3 ( g , h, r ) + z 4e T4 ( g , h, r )
Donde
T1 ( g , h, r ) = 1 g h r
T2 ( g , h, r ) = g
T3 ( g , h, r ) = h
T4 ( g , h, r ) = r
Interpolacin
4-20
(e)
x
g x1
( e)
O sea y = M h + y1 donde
(e)
z
r z1
1
x1( e ) x 2( e ) x3(e ) x 4( e )
1
M = y1( e ) y 2( e ) y 3(e ) y 4( e )
0
z1( e ) z 2(e ) z 3( e ) z 4( e )
1 1
x1( e ) + x 2( e )
0
0 ( e )
= y1 + y 2( e )
1
0
(e)
(e)
z1 + z 2
0 1
x1( e ) + x 3( e )
y1( e ) + y 3( e )
z1( e ) + z 3( e )
x1( e ) + x 4( e )
y1( e ) + y 4( e )
z1( e ) + z 4( e )
Por tanto
x x1( e )
g
h = M 1 y y ( e )
1
( e )
r
z z1
4-29
Para interpolar en (x,y,z) se halla (g,h,r) con 4-29 y se interpola en el tetraedro estndar.
u = N 1 ( g , h, r )u1( e ) + N 2 ( g , h, r )u 2( e ) + N 3 ( g , h, r )u 3( e ) + N 4 ( g , h, r )u 4( e )
N 1 ( g , h, r ) = 1 g h r
N 2 ( g , h, r ) = g
Siendo
N 3 ( g , h, r ) = h
N 4 ( g , h, r ) = r
o sea
u = (1 g h r )u1( e ) + gu 2( e ) + hu 3( e ) + ru 4( e )
Ntese que las funciones de forma Ni que se usan para interpolar en el tetraedro lineal son las
mismas que las Ti usadas para transformar el tetraedro estndar en un elemento tetradrico
general y son polinomios de primer grado en g, h y r tales que cada una vale 1 en un nodo y 0
en los otros tres nodos.
En este caso las funciones de forma usadas para interpolar son polinomios de segundo grado
en g, h y r tales que cada una vale 1 en un nodo y 0 en los otros nueve nodos.
(x , y , z )(x , y , z )(x , y
(x , y , z )(x , y , z )
e
1
e
5
e
1
e
5
e
1
e
5
e
2
e
6
e
2
e
6
e
2
e
3
e
3
, z 3e )(x 4e , y 4e , z 4e )
e
6
mediante la transformacin
Figura 15 Cua estndar
Interpolacin
4-21
T1 ( g , h, r ) =
T2 ( g , h, r ) =
T3 ( g , h, r ) =
T4 ( g , h, r ) =
T5 ( g , h, r ) =
T6 ( g , h, r ) =
1
2
1
2
1
2
1
2
1
2
1
2
(1 g h )(1 r )
g (1 r )
h(1 r )
(1 g h )(1 + r )
g (1 + r )
h(1 + r )
Nuevamente las funciones de forma que se usan para interpolar en la cua de 1 grado son las
mismas que las usadas para transformar la cua estndar en un elemento cua general y son
polinomios de primer grado en g, h y r tales que cada una vale 1 en un nodo y 0 en los otros
cinco nodos.
En este caso las funciones de forma usadas para interpolar son polinomios de segundo grado
en g, h y r tales que cada una vale 1 en un nodo y 0 en los otros catorce nodos.
(x
e
1
)(
)(
)(
, y1e x 2e , y 2e x3e , y 3e x 4e , y 4e
Interpolacin
4-22
mediante la transformacin
T1 ( g , h ) = 14 (1 g )(1 h )
T2 ( g , h ) = 14 (1 + g )(1 h )
T3 ( g , h ) = 14 (1 + g )(1 + h )
T4 ( g , h ) = 14 (1 g )(1 + h )
En este caso la transformacin del cuadrado estndar al cuadriltero general no es una
transformacin lineal sino bilineal, por lo que su transformacin inversa no es sencilla de
deducir y no lo veremos ac.
u = N 1 ( g , h )u1( e ) + N 2 ( g , h )u 2( e ) + N 3 ( g , h )u 3( e ) + N 4 (g , h )u 4( e )
N1 (g , h ) =
1
4
1
4
1
4
1
4
(e)
1
N 2 (g , h ) =
Siendo
N 3 (g , h ) =
N 4 (g , h ) =
o sea
u=
1
4
(1 g )(1 h )u
(1 g )(1 h )
(1 + g )(1 h )
(1 + g )(1 + h )
(1 g )(1 + h )
+ 14 (1 + g )(1 h )u 2( e ) + 14 (1 + g )(1 + h )u 3( e ) + 14 (1 g )(1 + h )u 4( e )
Ntese que las funciones de forma Ni que se usan para interpolar en el cuadriltero lineal son
las mismas que las Ti usadas para transformar el cuadrado estndar en un elemento
cuadriltero general y son polinomios de primer grado en g y h tales que cada una vale 1 en un
nodo y 0 en los otros tres nodos.
Nuevamente vemos que las funciones de forma que se usan para interpolar son polinomios de
segundo grado en g y h tales que cada una vale 1 en un nodo y 0 en los dems nodos.
Interpolacin
4-23
(x
(x
)(
)(x , y
)(
)(x , y
)(
)(x , y
e
1
e
5
, y 5e , z 5e
e
6
e
6
, z 6e
e
7
e
7
, z 7e
e
8
e
8
, z 8e
)
)
mediante la transformacin
Donde
T1 ( g , h ) = 18 (1 g )(1 h )(1 r )
T2 ( g , h ) = 18 (1 + g )(1 h )(1 r )
T3 ( g , h ) = 18 (1 + g )(1 + h )(1 r )
T4 ( g , h ) =
T5 ( g , h ) =
T6 ( g , h ) =
T7 ( g , h ) =
T8 ( g , h ) =
1
8
1
8
1
8
1
8
1
8
(1 g )(1 + h )(1 r )
(1 g )(1 h )(1 + r )
(1 + g )(1 h )(1 + r )
(1 + g )(1 + h )(1 + r )
(1 g )(1 + h )(1 + r )
En este caso la transformacin del cubo estndar al hexaedro general es trilineal, por lo que su
transformacin inversa no es sencilla de deducir y no lo veremos ac.
Ntese que las funciones de forma Ni que se usan para interpolar en el hexaedro lineal son las
mismas que las Ti usadas para transformar el cubo estndar en un elemento cuadriltero
general y son polinomios de primer grado en g, h y r tales que cada una vale 1 en un nodo y 0
en los otros siete nodos.
Interpolacin
4-24
En este caso las funciones de forma usadas para interpolar son polinomios de segundo grado
en g, h y r tales que cada una vale 1 en un nodo y 0 en los otros diecinueve nodos.
Terico de
CLCULO AVANZADO
2015
Objetivos de aprendizaje
Germn BRESCIANO
DERIVACIN NUMRICA..........................................................................................................5-1
5.1
5.2
5.3
5.4
INTRODUCCIN ..........................................................................................................................5-1
DERIVADAS DE UNA FUNCIN TABULADA ..................................................................................5-1
FRMULAS DE DIFERENCIAS FINITAS ..........................................................................................5-1
EXTRAPOLACIN DE RICHARDSON .............................................................................................5-3
Derivacin Numrica
5-1
5 Derivacin Numrica
5.1
Introduccin
El clculo de derivadas por mtodos numricos se necesita cuando slo conocemos los valores
de una funcin en una tabla de puntos de un intervalo y queremos saber el valor de alguna
derivada en un punto del intervalo.
Tambin es til cuando sabemos calcular la funcin en cualquier punto pero no podemos o no
queremos derivar analticamente la funcin.
5.2
f ( k ) ( x) = (Pn(x) + En(x))
(k )
5.3
Cuando podemos calcular la funcin a derivar en cualquier punto se pueden aproximar las
derivadas con frmulas deducidas a partir del desarrollo de Taylor de la funcin:
f ( x + h) = f ( x) + hf ( x) +
h2
f ( )
2
f ( x) =
f ( x + h) f ( x) h
f ( )
h
2
f ( x + h) = f ( x) + hf ( x) +
h2
h3
f ( x) +
f (1 )
2
6
f ( x h) = f ( x) hf ( x) +
h2
h3
f ( x)
f ( 2 )
2
6
f ( x) =
f ( x + h) f ( x h) h 2
f ( )
2h
6
que es la frmula de diferencia central para la derivada primera y tiene error de orden
2
O(h ).
Derivacin Numrica
5-2
f ( x) =
5-3
f ( x + h) 2 f ( x) + f ( x h) h 2 iv
f ( )
h2
12
que es la frmula de diferencia central para la derivada segunda y tiene error de orden
2
O(h ).
Seleccionando h suficientemente pequeo en teora podramos calcular f y f con la precisin
que necesitemos.
En la prctica h no puede ser arbitrariamente pequeo pues al disminuir h aumentan los
errores de representacin de estas frmulas debido a cancelacin catastrfica. Existe por tanto
un h ptimo que minimiza el error total, pero usualmente no lo podemos calcular pues su valor
depende de derivadas superiores de f que no conocemos.
Otras frmulas de diferencias centrales son:
f ( x) =
5-4
f iv ( x) =
5-5
f ( x + 2 h) 2 f ( x + h ) + 2 f ( x h) f ( x 2h )
+ O(h 2 )
3
2h
f ( x + 2h ) 4 f ( x + h) + 6 f ( x ) 4 f ( x h) + f ( x 2h )
+ O(h 2 )
h4
Las frmulas de diferencias centrales son ms precisas que las de diferencias hacia delante,
pero en los entremos del rango tabulado no pueden usarse pues no se dispone de los valores
de f a ambos lados de x. En estos casos se deben usar frmulas de diferencias hacia delante o
hacia atrs.
Algunas frmulas de diferencias hacia adelante son:
f ( x) =
f ( x + 2h ) + 4 f ( x + h) 3 f ( x )
+ O(h 2 )
2h
f ( x) =
f ( x + 3h) + 4 f ( x + 2h) 5 f ( x + h) + 2 f ( x)
+ O (h 2 )
2
h
f ( x) =
f iv ( x) =
Las frmulas de diferencias hacia atrs se obtienen de estas pero con h negativo.
Ejemplo
-x/2
Derivacin Numrica
5.4
5-3
Extrapolacin de Richardson
Es una forma de mejorar la precisin cuando se conoce el orden del error en funcin de h.
n
Si tenemos una frmula con error de orden O(h ) entonces dado > 1 :
5-6
F = Ah + O (h n ) = Ah + Ch n + O (h m )
5-7
Ch n
F = Ah / + O ( h ) n = An / + n + O ( h ) m
siendo m > n.
De estas ecuaciones se puede eliminar C, obteniendo
F = Aextr + O (h m )
Aextr = Ah / +
5-8
donde
1
(Ah / Ah )
1
n
que es una frmula ms precisa que la original pues su error es de orden O(h ) con m>n.
Podemos suponer que el error de 5-8 es inferior al error de 5-7, el cual es aproximadamente
Eextr
5-9
1
(Ah / Ah )
1
n
Esta tcnica de extrapolacin se puede aplicar a cualquier frmula con orden de error
conocido.
Ejemplo
A partir de los resultados del ejemplo anterior se pueden obtener los valores extrapolados con
h=0.1 y 0.05 y con h=0.05 y 0.025. Ntese que los errores estimados de las extrapolaciones
son todos muy superiores a los errores reales de los valores extrapolados.
Ecua. h= 0,1 y 0,05 Err extr Error h= 0,05 y 0,025 Err extr Error
5-1 0,731103491 2E-02 5E-04
0,731475625 1E-02 1E-04
5-2 0,731601726 -3E-04 5E-08
0,731601777 -6E-05 3E-09
5-3 -0,796154867 9E-05 -1E-08
-0,796154878 2E-05 -7E-10
5-4 0,613254376 -2E-04 6E-08
0,613254430 -4E-05 4E-09
5-5 -0,414215697 7E-05 -2E-08
-0,414215712 2E-05 -2E-09
Tabla 5-2
Terico de
CLCULO AVANZADO
2015
Tema: INTEGRACIN
Objetivos de aprendizaje:
Comprender la deduccin de las frmulas de Newton Cotes.
Comprender cmo se obtienen las frmulas compuestas y qu ventajas
tienen.
Comprender cmo los errores de representacin afectan las distintas
frmulas.
Comprender cmo la Extrapolacin de Romberg mejora la precisin de las
frmulas.
Conocer la mecnica de los mtodos adaptativos y sus ventajas.
Comprender la deduccin de la integracin Gaussiana y sus ventajas
Comprender cmo se deducen las frmulas de integracin Gaussiana en
elementos 2D y 3D.
Germn BRESCIANO
INTEGRACIN ..............................................................................................................................6-1
6.1
INTRODUCCIN ..........................................................................................................................6-1
6.2
FRMULAS DE NEWTON COTES ..................................................................................................6-1
6.2.1
Caso n=1 (Regla del Trapecio) ........................................................................................6-2
6.2.2
Caso n=2 (Regla 1/3 de Simpson) ....................................................................................6-3
6.2.3
Otras frmulas ...................................................................................................................6-4
6.3
FRMULAS COMPUESTAS ...........................................................................................................6-5
6.3.1
Frmula de Trapecios compuesta......................................................................................6-5
6.3.2
Frmula de Simpson compuesta ........................................................................................6-6
6.3.3
Errores de representacin en las frmulas compuestas. ...................................................6-7
6.3.4
Extrapolacin de Romberg ................................................................................................6-8
6.3.4.1
6.3.4.2
6.3.4.3
6.4
MTODOS ADAPTATIVOS ............................................................................................................6-9
6.4.1
Mtodo de Simpson adaptativo ..........................................................................................6-9
6.4.1.1
6.5
INTEGRACIN GAUSSIANA .......................................................................................................6-11
6.5.1
Frmulas de Gauss-Legendre..........................................................................................6-12
6.5.1.1
6.5.1.2
6.5.1.3
6.5.1.4
6.5.2
Frmulas Compuestas .....................................................................................................6-15
6.6
ELECCIN DE UNA FRMULA DE INTEGRACIN ........................................................................6-15
6.6.1
Integrando tabulado ........................................................................................................6-15
6.6.2
Integrando evaluado ........................................................................................................6-15
6.7
INTEGRACIN EN CUADRILTEROS ...........................................................................................6-16
6.8
INTEGRACIN EN HEXAEDROS ..................................................................................................6-16
6.9
INTEGRACIN EN TRINGULOS .................................................................................................6-17
6.9.1
Regla del trapecio en tringulos......................................................................................6-17
6.9.2
Regla del punto medio en tringulos ...............................................................................6-17
6.9.3
Regla para grado total 2 .................................................................................................6-17
6.9.4
Regla para grado total 3 .................................................................................................6-17
6.10 INTEGRACIN GAUSSIANA EN TRINGULOS .............................................................................6-18
6.10.1
Ejemplo p=2 ....................................................................................................................6-18
6.11 INTEGRACIN EN TETRAEDROS ................................................................................................6-20
Integracin
6-1
6 Integracin
6.1
Introduccin
Ejemplo
Se quiere calcular
1
e
0
x2
2
dx
se sabe que si
f(x) = e
6.2
x2
2
f (x) 1 x
entonces ( )
f IV (x) 3 x
Para aproximar la integral de una funcin f en un intervalo [a,b], podemos dividir dicho intervalo en
2
n subintervalos iguales y tener (o calcular) una tabla de la funcin por x0, x1, , xn ( ) (con x0=a y
xn=b) y aproximar la integral de f por la de su polinomio interpolador de grado n por dicha tabla.
Como dicho polinomio interpolador es nico, podemos usar el mtodo de Lagrange.
n
b n
b
b
b
6-1
donde
H j = l j(x)dx
f(x)dx = ( f j H j ) + E
n
j =0
b
f (n+1 ) ((x))
dx
E = ( x x0 )( x x1 )L( x xn )
a
(n + 1)!
En la prctica estas frmulas slo se usan para n igual 1, 2, 3 o 4, pues con polinomios de grados
mayores aumenta la complejidad y los errores de representacin y, como veremos ms adelante,
hay mejores formas de aumentar la precisin.
1
2
f " (x ) = e
x2
2
(x
)y
IV
(x ) = e
x2
2
(x
6x2 + 3
Integracin
6-2
Figura 6-1
l 0 ( x) =
x x0
x x1 x x0 h
=
= 1
x0 x1
h
h
l1 ( x) =
x x0 x x 0
=
x1 x0
h
por tanto
b
x1
1
x x0
h
H 0 = l0(x)dx = 1
dx = h(1 t )hdt =
a
x0
0
2
h
b
x1 x x
1
h
0
H 1 = l1(x)dx =
dx = th dt =
a
x0
0
2
h
de donde
6-2
x1
x0
f(x)dx
h
( f 0 + f1 )
2
el error es
x1
f ((x))
E = (x x0 )(x x1 )
dx
x0
2
Como
(x x0 )(x x1 )
aplicando el teorema del valor medio ponderado, existe en (x0, x1) tal que
1t( 1 t)
(x x0 )(x x1 )
dx = h 3 f ( )
dt
x0
0
2
2
E = f ()
6-3
x1
E =
h3
f ()
12
Integracin
6-3
Ejemplo
1
x2
2
dx
x1
x0
como
f(x)dx
1
( f( 0 ) + f( 1 )) = 0.803265
2
h3
1
f () 0.08
12
12
Figura 6-2
(x x1 )(x x2 ) = (x x0 h )(x x0 2h ) = 1 1 x x0 2 x x0
2
(x0 x1 )(x0 x2 )
2h 2
h
h
(x x0 )(x x2 ) = (x x0 )(x x0 2h ) = x x0 2 x x0
l1 ( x) =
(x1 x0 )(x1 x2 )
h2
h
h
l0 ( x) =
l 2 ( x) =
(x x0 )(x x1 ) = (x x0 )(x x0 h ) = 1 x x0 x x0 1
2
(x2 x0 )(x2 x1 )
2h 2
h h
por tanto
2
x x0
h
x x0
1
2
dx = 12 (1 t )(2 t )hdt =
a
0
h
h
3
b
x2 x x
2
x x0
4h
0
2
H 1 = l1(x)dx =
dx = t (2 t )hdt =
a
x0
0
3
h
h
b
H 0 = l0(x)dx =
x2
1
x0 2
Integracin
6-4
H 2 = l1(x)dx =
x2
1
x0 2
x x0 x x0
1dx =
h h
t (t 1)h dt = 3
2
1
2 0
de donde
6-4
x2
x0
f(x)dx
h
( f 0 + 4 f1 + f 2 )
3
el error es
E =
f (( x ))
(x x )(x x )(x x ) 6 dx
x2
x0
E =
6-5
h 5 IV
f ()
90
5
Obsrvese que el error es de orden h , por lo que esta frmula es ms precisa que lo que cabra
esperar en comparacin con la de trapecios.
Esto se debe a que como ( x x 0 )( x x1 )( x x 2 ) es impar en el intervalo, el teorema del valor
medio ponderado se aplica previa integracin por partes, que aumenta el orden de la derivada y el
exponente de h.
Se puede interpretar que esta mayor precisin se debe a la cancelacin parcial de los errores de
distinto signo en cada medio intervalo.
Ejemplo
1
e
0
x2
2
dx
x1
x0
como
f(x)dx
0 .5
( f( 0 ) + 4 f (0.5) + f( 1 )) = 0.856086
3
E =
h 5 IV
0.5 5
f ()
3 0.001
90
90
Ntese que la cota de error en este caso es casi 80 veces menor que para la regla del trapecio.
6-6
6-7
E =
x0
f(x)dx
3h
( f 0 + 3 f1 + 3 f 2 + f 3 )
8
3h 5 IV
f ()
80
Integracin
6-5
obsrvese que esta frmula, a pesar de ser ms compleja que la regla 1/3 de Simpson, tiene una
precisin muy similar.
Para n=4 se obtiene la regla de Boole:
x4
6-8
6-9
E =
x0
f(x)dx
2h
(7 f 0 + 32 f1 + 12 f 2 + 32 f 3 + 7 f 4 )
45
8h 7 VI
f ()
945
Obsrvese que nuevamente tenemos mayor precisin que la esperada en esta frmula. Esto
sucede para todos los n pares.
6.3
Frmulas compuestas
Figura 6-3
Trapecios compuesto
6-10
El error global es
n 1
n 1
xi +1
h
f(x)dx = f(x)dx ( f i + f i +1 )
x
i =0 2
i =0 i
f
f
f(x)dx Tn = h 0 + f1 + f 2 + L + f n1 + n
2
2
Integracin
ET =
6-6
h 3 n1
nh 3
f
(
)
f ( ) con perteneciente a (a,b), por tanto
=
i
12 i =0
12
ET =
6-11
h=
ba 2
h f ( )
12
ba
al aumentar n disminuye el error global.
n
Ejemplo
1
e
0
x2
2
dx
x4
x0
como
f( 1 )
f( 0 )
f(x)dx T4 = 0.25
+ f( 0.25 ) + f( 0.5 ) + f( 0.75 ) +
= 0.852459
2
2
ba 2
0.25 2
h f ()
0.005
12
12
Figura 6-4
Simpson compuesto
f(x)dx =
n / 2 1
i =0
xi + 2 f(x)dx
xi
n / 2 1
3(f
i =0
2i
+ 4 f 2i +1 + f 2i + 2 )
Integracin
6-7
6-12
f(x)dx S n =
h
( f 0 + 4 f1 + 2 f 2 + 4 f 3 + 2 f 4 + L + 2 f n2 + 4 f n1 + f n )
3
El error global es
h 5 n / 21 IV
nh 5 IV
ES =
f ( i ) = 180 f () con perteneciente a (a,b), por tanto
90 i =0
ES =
6-13
h=
b a 4 IV
h f ()
180
ba
al aumentar n disminuye el error global.
n
Ejemplo
1
e
0
x2
2
dx
x4
x0
como
f(x)dx S 4 =
0.25
( f( 0 ) + 4 f( 0.25 ) + 2 f( 0.5 ) + 4 f( 0.75 ) + f( 1 )) = 0.855651
3
ES =
b a 4 IV
0.25 4
h f ()
3 0.00007
180
180
Como puede verse esta cota es quince veces ms pequea que para la regla de Simpson no
compuesta y setenta veces ms pequea que para trapecios compuestos.
f i* = f i + ei
con
b f(x)dx = h
a
1
2
f 0* + f1* + f 2* + L + f n*1 + 12 f n* =
= h( 12 f 0 + f1 + f 2 + L + f n1 + 12 f n ) + h( 12 e0 + e1 + e2 + L + en1 + 12 en )
Integracin
6-8
6-14
f(x)dx = Tn
ba 2
h f ()
12
y
6-15
bah
f(x)dx = T2 n
f ( * )
12 2
2
6-16
f(x)dx T2 n 14 Tn
Se supone que esta frmula ser an ms precisa ( ) que T2n por lo que podemos estimar el error
como
6-17
E RT RT2 n T2 n = 13 T2 n Tn
T2 n =
6-18
f
b a f0
+ f1 + f 2 + L + f 2 n1 + 2 n =
2n 2
2
f ba
b a f0
( f1 + f 3 + L + f 2 n1 )
=
+ f 2 + f 4 + L + f 2 n 2 + 2 n +
2n 2
2
2n
T2 n =
Tn b a
+
( f1 + f 3 + L + f 2 n1 )
2
2n
Esta frmula permite calcular T2n a partir de Tn y los valores de f en los nuevos puntos. Una vez
hecho esto se calcula el error del valor extrapolado con 6-16, si es muy grande se vuelve a
duplicar n. Una vez logrado el error deseado se calcula el valor extrapolado, RT con 6-176-16.
de hecho es fcil probar que la frmula 6-16 coincide con la frmula de Simpson compuesta con 2n subintervalos.
Integracin
6-9
f(x)dx RS 2 n = S 2 n + 151 (S 2 n S n )
6-19
6-20
E RS RS 2 n S 2 n = 151 S 2 n S n
6.4
Mtodos adaptativos
Las frmulas compuestas que hemos visto dividen al intervalo de integracin en subintervalos
todos del mismo tamao, es decir que se usa el mismo h en todo el intervalo de integracin y son
muy tiles cuando f est tabulada.
Sin embargo cuando se puede evaluar f en cualquier punto, se podra evitar tener que evaluar el
integrando en tantos puntos si se usara un h mayor en las zonas en que el integrando tiene un
comportamiento suave y un h menor donde no lo tiene.
La integracin adaptativa va refinando la divisin del intervalo y estimando el error en cada zona,
refinando ms donde el error es mayor y menos donde el error es menor.
Para calcular una integral con una tolerancia dada, se trata de que en cada subintervalo la
estimacin del error sea menor que una fraccin de la tolerancia proporcional al tamao del
subintervalo.
Ejemplo
1
Vamos a calcular
e
0
x2
2
dx
-6
Obsrvese que para calcular estas aproximaciones slo se necesita evaluar f(0.25) y f(0.75) pues los otros valores ya
fueron evaluados.
Integracin
6-10
que es mayor en valor absoluto a la tolerancia, 10 , por lo que debemos refinar el intervalo.
Intervalo [0, 0.5]
Ahora el intervalo total es lo que antes era el lado izquierdo y ya habamos evaluado Simpson:
Stot = 0.47995248670750
5
Intervalo [0.5, 1]
Stot = 0.37569883085444
Sizq = (f(0.5)+4*f(0.625)+f(0.75))/3* 0.125= 0.20531861475701
Sder = (f(0.75)+4*f(0.875)+f(1))/ 3* 0.125= 0.17038055276929
S = Sder+Sizq = 0.37569916752630
E = (S-Stot)/15 = 2.2e-008
que es menor en valor absoluto a la fraccin de tolerancia correspondiente, 0.5e-6, por lo que
podemos evaluar la extrapolacin de Romberg para este intervalo como
RS = S+E = 0.37569918997109
Obsrvese que para calcular estas aproximaciones slo se necesita evaluar f(0.125) y f(0.375) pues los otros valores ya
fueron evaluados.
Integracin
6-11
6.5
Integracin Gaussiana
f ( x)dx = H i f ( xi ) + E
i =0
6-22
n
b
1
dx
=
(
b
a
)
=
Hi
a
i =0
n
b
2
2
1
xdx
b
a
H i xi
=
(
)
=
2
a
i =0
n
b
2
3
3
1
x
dx
b
a
H i xi2
=
(
)
=
3
a
i =0
n
b
n
n +1
n +1
n
1
a x dx = n+1 (b a ) = H i xi
i =0
donde
xi = a + ih
con
h=
ba
n
Al usar en 6-21 los coeficientes obtenidos al resolver 6-22 se obtienen las frmulas cerradas de
Newton-Cotes que ya vimos en 6.2.
Gauss observ que, tal como est planteado el problema de hallar una frmula de integracin del
tipo 6-21, en principio slo podemos esperar que sea exacta para polinomios de grado n, ya que
slo tenemos n+1 variables (los pesos Hi) para plantear el sistema 6-22, por lo que ste no puede
tener ms de n+1 ecuaciones.
Sin embargo, si no forzamos a que los xi estn predefinidos sino que consideramos a los xi (que
llamaremos nodos) como variables a determinar (al igual que los pesos), entonces tendramos
6
2n+1
2n+2 variables, lo cual nos permitira plantear el sistema ( ) llegando hasta la potencia x :
Integracin
6-12
n
b
1
dx
=
(
b
a
)
=
Hi
a
i =0
n
b
2
2
1
xdx
=
(
b
a
)
=
H i xi
2
a
i =0
n
b
2
3
3
1
x
dx
=
(
b
a
)
=
H i xi2
3
a
i =0
n
b n
n +1
n +1
n
1
a x dx = n+1 (b a ) = H i xi
i =0
6-23
Si este sistema tiene solucin, al sustituir los pesos y los nodos en 6-21 obtendramos una
frmula, que a pesar de usar slo n+1 valores funcionales, sera exacta para polinomios de grado
2n+1.
Ejemplo
Supongamos que queremos determinar una frmula de integracin que usando slo dos valores
funcionales sea exacta para polinomios de grado 3.
7
Por simplicidad supondremos que el intervalo de integracin ( ) es [-1,1].
El sistema 6-23 para este caso queda:
1
11 dx = 2 = H 0 + H 1
1xdx = 0 = H x + H x
0 0
1 1
1
1 2
x dx = 23 = H 0 x02 + H 1 x12
11
x 3 dx = 0 = H 0 x03 + H 1 x13
1
H0 = 1
H 1 = 1
x0 = 1 3
x1 = 1 3
lo cual nos da la frmula
1
f ( x)dx f ( 1 3 ) + f ( 1 3 )
( 2 n+ 2 )
n
n
()
2 f
f(x) = f ( x j )h j(x) + f ' ( x j )h j (x) + [(x x0 )(x x1 )L (x xn )]
( 2n + 2 )!
j =0
j =0
Para un intervalo [a,b] se puede hacer el cambio de variable x=t(b-a)/2+(b+a)/2 e integrar en [-1,1]
Integracin
6-13
6-25
j =0
j =0
f(x)dx = f ( x j ) H j + f ' ( x j ) H j + E
donde
Hj =
6-26
h j (x)dx
b
H j = h j (x)dx
a
6-27
f ( 2 n+ 2 )()
dx
( 2n + 2 )!
Como 6-24 es exacta cuando f es un polinomio de grado 2n+1, entonces 6-25 tambin ser exacta
para este tipo de integrando.
Si pudiramos elegir los nodos de modo tal que los
forma de 6-21.
Recordemos que
l j ( x) =
por lo tanto
pn+1 ( x)
(x x j )pn +1 ( x j )
donde
p n+1 ( x) = (x x0 )(x x1 )L (x xn )
pn+1 ( x)l j ( x)
h j ( x) = ( x x j )l 2j ( x) =
p n +1 ( x j )
b
b l j ( x ) p n +1 ( x )
b
1
H j = h j ( x)dx =
dx =
l j ( x) pn+1 ( x)dx =0 j = 0,1,..., n
a
a
p n+1 ( x j )
p n+1 ( x j ) a
Observando que pn+1(x) es un polinomio de grado n+1 y que los polinomios de Lagrange son de
grado n podemos ver que una forma de que se verifique 6-28 es que pn+1(x) sea ortogonal a todos
los polinomios de grado n sobre [a,b].
El Polinomio de Legendre de grado n+1, Pn+1(x), es ortogonal a todos los polinomios de grado n o
menor en [-1,1], por tanto si [a,b] es [-1,1] (o haciendo un cambio de variable para que lo sea),
bastara con que pn+1(x) fuera mltiplo de Pn+1(x) para que se verificara 6-28.
Los polinomios de Legendre tienen todas sus races reales, diferentes y en el intervalo [-1,1], por
lo tanto basta con tomar las races del polinomio de Legendre de grado n+1 como nodos para que
8
pn+1(x) sea mltiplo de Pn+1(x) ( ) y en consecuencia ortogonal a todos los polinomios de grado n,
en particular a los polinomios de Lagrange, verificndose 6-28.
Para estos nodos la ecuacin 6-25, que es exacta para polinomios de grado 2n+1, tiene la forma
de la 6-21, que era lo que buscbamos:
1
6-29
f ( x)dx = H j f ( x j ) + E
i =0
con
x j / Pn+1 ( x j ) = 0 j = 0,1,..., n
[(n + 1)!]2
(2n + 2)!
n +1
Pn +1 ( x)
Integracin
6-14
6.5.1.2 Pesos
Los pesos en 6-29 estarn dados segn 6-26 por
1
Hj =
6-30
pues
l 2j ( x) dx
H j = 0
Obsrvese que estos pesos son siempre positivos, lo cual da a las frmulas de Gauss-Legendre
buenas caractersticas de propagacin de error.
6.5.1.3 Error
El error estar dado por 6-27 y como [(x-x0)(x-x1)(x-xn)] = [pn+1(x)] no cambia de signo, usando
el teorema de valor medio ponderado obtenemos
f ( 2 n + 2 )() 1 2
E =
p ( x)dx con [ 1,1]
(2n + 2)! 1 n+1
6-31
2 n +1 [(n + 1)!]
P ( x) y
(2n + 2)! n +1
2
y como
p n +1 ( x) =
Pn2+1 ( x)dx =
2
2n + 3
E = K n f
6-32
()
( 2 n+ 2 )
con
[ 1,1]
6.5.1.4 Resumen
La Tabla 6-1 muestra para cada n los nodos (races de Pn+1), los pesos segn 6-30, el coeficiente
de error en 6-32 y hasta qu grado de polinomio la frmula de integracin de Gauss-Legendre
6-29 es exacta.
Nodos (xj)
Pesos (Hj)
Coef. Error
(Kn)
Exacto hasta
grado
0
2
(3 2 )/ 7
(3 + 2 )/ 7
6
0
4
1
3
52
10
1
3
5+2
10
1
3
6 10 5
3 10 7
8 10 10
18+ 30
36
18 30
36
128
1
135
225
322 +13 70
900
322 13 70
900
Integracin
6-15
Tabla 6-1
t=
6-33
f (t )dt =
( ba )
i=0
E = K n
6-34
( b a )
2
( )
b a 2 n +3
2
x j +(
b+a )
2
)+ E
f ( 2 n+ 2 )()
con
Pn +1 ( x j ) = 0 j = 0,1,..., n
[a, b]
con
Ejemplo
Queremos calcular
1
e
0
x2
2
dx
e
0
x2
2
dx
Sabiendo que
[ f(
1 5
2 9
1
2
1
+ 2
)+
8
9
f ( 12 ) +
5
9
f (12
1
+ 2
)] = 0.85562639404263
EG = 6 10 5 ( 12 ) f VI () 0,000007
7
Obsrvese que este error es 140 veces inferior al de la frmula 1/3 de Simpson, que usa la misma
cantidad de nodos.
6.6
Integracin
6.7
6-16
Integracin en cuadrilteros
Todo cuadriltero puede llevarse al cuadrado R=[-1,1] x[-1,1] por un cambio de variable mediante
una transformacin bilineal
por lo que basta con tener frmulas de integracin en R.
Estas frmulas se obtienen por integracin reiterada.
6-35
esta frmula ser exacta para polinomios del mismo grado en cada variable que la regla para una
variable de la que proviene.
La siguiente figura muestra los nodos () y puntos de integracin (x) para elementos
rectangulares.
Figura 5
6.8
Integracin en hexaedros
6-36
Usualmente se usarn 8 (n=1) o 27 (n=2) puntos.
Figura 6
Integracin
6.9
6-17
Integracin en tringulos
6-37
exacta para grado 1
Figura 7 ReglaTrapecio
6-38
exacta para grado 1
Figura 8 Regla de punto medio
6-39
exacta para grado total 2
Figura 9 Regla grado 2 total
6-40
Figura 10 Regla grado 3
Integracin
6-18
6-41
Sea exacta para polinomios de grado total p.
Pp(r,s) es el espacio de los polinomios generado por
Ntese que
6-42
Se plantean las igualdades exactas para los polinomios de la base de Pp y se determina un juego
de puntos y pesos. Generalmente se trata de que los puntos sean simtricos.
Tenemos 6 ecuaciones, por lo que bastara con n=2 pero se usa n=3 para obtener un conjunto de
puntos simtrico.
En este caso tendremos 9 parmetros y 6 ecuaciones, por lo que la solucin no es nica.
Se puede comprobar que
verifica las ecuaciones y los puntos son simtricos, que es lo que buscbamos, pero
9
Esta frmula coincide con la regla para grado total 2 vista anteriormente. Los tres puntos estn sobre los lados.
Integracin
6-19
Figura 11
Tabla 2
Ntese que:
Para n=1 es la regla del punto medio
Para n=3 es la regla para grado total 2 vista anteriormente.
Para n=4 es la regla para grado total 3 vista anteriormente.
Para tringulos cualesquiera se debe hacer un cambio de variable lineal
Integracin
Figura 12
6-20
6-43
6-44
Y ser
6-45
con
6-46
donde |K| es el rea del tringulo K, por lo que la frmula queda
6-47
Siendo
6-48
Integracin
Tabla 3
6-21
6-49
Figura 14
Terico de
CLCULO AVANZADO
2015
Objetivos de Aprendizaje:
Comprender las diferencias entre Ajuste de Funciones e Interpolacin y
cundo se usa cada tcnica.
Conocer las ventajas de la Regresin Lineal por Mnimos Cuadrados
(RLMC) frente a otras tcnicas de ajuste.
Saber calcular los coeficientes de una RLMC polinmica o de otro tipo.
Saber determinar el grado ptimo del polinomio de ajuste por RLMC.
Germn BRESCIANO
Ajuste de funciones
7-1
7 Ajuste de funciones
7.1
Introduccin
Ejemplo
Para hallar la constante de Hooke de un resorte se mide su estiramiento al ser sometido a
distintas fuerzas como se muestra en la tabla.
x
1
2
3
4
5
6
7
8
9
10
Tabla 7-1
y
1.3
3.5
4.2
5.0
7.0
8.8
10.1
12.5
13.0
15.6
Se supone que estos datos se deben ajustar a una funcin de la forma y = ax + b y se desea
hallar a y b para obtener el mejor ajuste.
La Figura 7-1 muestra los datos graficados.
Figura 7-1
7.2
Criterios de Ajuste
Es deseable que el criterio de seleccin del mejor ajuste no sea ambiguo y que minimice las
desviaciones de los puntos tabulados respecto a la aproximacin.
Ajuste de funciones
7-2
Este es el criterio minimax o de mnimo error mximo y raramente se usa por su complejidad y
porque da demasiada importancia a un punto con gran error.
Otro criterio puede ser el de minimizar la suma de los valores de los errores, que en nuestro
ejemplo sera hallar
10
min yi axi b
a ,b
i =1
Un inconveniente es que este criterio puede ser ambiguo (pues en algunos casos al variar la
aproximacin lo que aumentan unos errores lo disminuyen otros y la suma permanece
constante) y adems no es fcil de determinar el mnimo.
El criterio ms utilizado es el de mnimos cuadrados, que consiste en minimizar la suma de los
cuadrados de los errores. en nuestro ejemplo sera hallar
10
2
min ( yi axi b )
a ,b
i =1
Adems de proporcionar un resultado nico, cuando los errores de medida tienen distribucin
normal con la misma varianza en todos los puntos, este criterio cumple el principio de mxima
1
verosimilitud . Adems este criterio da mayor peso relativo a los puntos ms alejados de la
aproximacin pero sin que esos puntos dominen el resultado como en el criterio minimax.
7.3
Regresin lineal
Los criterios vistos en el numeral anterior pueden aplicarse a aproximaciones de cualquier tipo.
Cuando consideramos slo aproximaciones que sean combinaciones lineales de un conjunto
de funciones aproximantes, la aproximacin se llama regresin lineal.
En el caso general se quiere obtener una aproximacin a una funcin desconocida f(x) a partir
de una serie de puntos (x1,y1), (x2,y2),,(xm,ym) tales que
7-1
yi = f ( xi ) + ei
i = 1,2,K, m
7-2
g ( x) = a j g j ( x)
j =0
Ajuste de funciones
7-3
Ri = yi g ( xi ) i = 1,2,K, m
7-3
H (a0 , a1,K, an ) = R = yi a j g j ( xi )
i =1
i =1
j =0
2
i
7-4
a g
j
j =0
( xi ) = y i
i = 1,2,K, m
por tanto H(a0, a1,, an)=0 y por lo tanto es mnimo. En este caso el criterio de interpolacin
exacta coincide con la aproximacin por mnimos cuadrados.
En este captulo nos interesan los casos en que m > n+1, es decir que hay ms puntos
tabulados que funciones aproximantes y por tanto en general H no se anula pero s tiene un
mnimo.
Ejemplo
En nuestro ejemplo anterior la ecuacin 7-4 quedara
m
H (a, b) = ( yi axi b )
i =1
a
i =1
H
m
= 2 ( yi axi b ) = 0
b
i =1
de donde
a xi2 + b xi = xi yi
a xi + bm = yi
cuya solucin es
m( xi yi ) ( xi )( yi )
a =
2
m xi2 ( xi )
xi2 ( yi ) ( xi yi )( xi )
b =
2
m xi2 ( xi )
(
)
Ajuste de funciones
7-4
10(572.4 ) (55)(81)
a = 10(385) (55)2 = 1.538
10(385) (55)
la Figura 7-2 muestra los datos y la aproximacin.
Figura 7-2
y R m / y = ( y1 , y 2 ,K, y m )
R = y g
g R m / g = (g ( x1 ), g ( x2 ),K, g ( xm ) )
j =0
j =0
Ajuste de funciones
7-5
H (a) = Ri2 = R = y g = y Ga
7-5
i =1
por lo tanto estamos buscando el elemento g del espacio de columnas de G que tiene mnima
distancia a y.
La proyeccin de y sobre el espacio de columnas de G verifica esto, por tanto tomaremos g
igual a dicha proyeccin, que est dada por
g = Ga
con
G T Ga = G T y
7-6
1
G=
M
x0
x1
M
xm
x02
x12
M
xm2
L
L
O
L
x0n
x1n
M
xmn
y 7-6 queda
xi
M
n
xi
7-7
x
x
x
x
i
2
i
n +1
i
2
i
3
i
n+ 2
i
L
L
yi
a = xi yi
M
M
2n
xi xin yi
x
x
n
i
n +1
i
Este sistema puede resolverse por los mtodos vistos en el captulo 2 cuando n es pequeo,
pero para n mayores a 6 el problema se vuelve cada vez peor condicionado con los problemas
que ello implica.
Ejemplo
Se desea ajustar los datos de la Tabla 7-2 con un polinomio de segundo grado.
x
0.00
0.25
0.50
0.75
1.00
Tabla 7-2
y
1.0000
1.2840
1.6487
2.1170
2.7183
5
2.5
1.875
2.5
1.875
1.5625
1.875 a0 8.768
1.5625 a1 = 5.4514
1.3828125 a2 4.4015375
Ajuste de funciones
7-6
cuya solucin es (1.0052, 0.8641, 0.8437), por lo que la aproximacin cuadrtica por mnimos
cuadrados es
Figura 7-3
Ajuste cuadrtico
H (a) = y Ga = Q T (y Ga ) = Q T y Q T Ga = Q T y Q T QRa = Q T y Ra
2
min Q T y Ra
7-8
Q = [Q 1 MQ 2 ] y
R
R = 1
0
Q T R
min Q y Ra = min 1T y 1 a = min
a
a
a
Q 2 0
T
Q 1T y R 1a
T
=
0
Q
y
2
2
Q T y R a
2
2
= min 1 T 1 = min Q 1T y R1a + Q T2 y
a
a
Q2 y
Ajuste de funciones
7-7
R1a = Q 1T y
7-10
n2 =
2
i
m (n + 1)
debe ser independiente de n, mientras que para n menor que N dicho estimador debe dar
valores mayores pues las desviaciones se deben a los errores de medida ms la falta de ajuste
del polinomio a f y al graficar los residuos versus x se debe notar un patrn asimtrico, pues la
media de los residuos variar con x.
Esto nos permite determinar el grado adecuado del polinomio, N, mediante el ajuste de
polinomios de grados crecientes observando las grficas de residuos y el calculando la
varianza de los residuos mediante 7-10. Debemos seleccionar el polinomio de menor grado
tras el cual ya no hay disminucin significativa de dicha varianza. Un patrn simtrico de los
signos de los residuos confirmar la bondad del ajuste.
Ajuste de funciones
7-8
for n=1:m-2
[a S]=polyfit(x,y,n)
var(n)=S.normr^2/S.df
end
Ejemplo
Se desea ajustar los datos de la Tabla 7-3 con un polinomio.
x
0.05
0.11
0.15
0.31
0.46
0.52
0.70
0.74
0.82
0.98
1.17
Tabla 7-3
y
0.956
0.890
0.832
0.717
0.571
0.539
0.378
0.37
0.306
0.242
0.104
Polinomio
0.952-0.760x
2
0.998-1.018x+0.225x
2
3
1.004-1.079x+0.351x +0.069x
2
3
4
0.998-0.838x-0.522x +1.040x -0.454x
Varianza
0.0010
0.0002
0.0003
0.0003
Ajuste polinmico
Terico de
CLCULO AVANZADO
2015
Objetivos de Aprendizaje:
Comprender el origen y la representacin grfica del Mtodo de Euler.
Entender la diferencia entre Error de truncacin Local y Global.
Comprender cmo el tamao de paso de clculo y la estabilidad de la EDO
afectan a la propagacin del Error Global.
Conocer y diferenciar los conceptos de Estabilidad y Estabilidad Numrica.
Reconocer los efectos de la Inestabilidad Numrica en la resolucin
numrica de una EDO o SEDO.
Comprender la problemtica especial de los problemas rgidos.
Saber cmo se originan los distintos tipos de mtodos:
Runge-Kutta
Predictor-Corrector tipo Adams
Frmulas de Diferenciacin hacia Atrs
Mtodos basados en derivadas superiores
Conocer la mecnica de los mtodos y sus estrategias de control de paso.
Conocer las caractersticas, ventajas y desventajas de cada tipo de mtodo.
Saber seleccionar el tipo de mtodo adecuado segn las circunstancias del
problema.
Conocer la mecnica de las estrategias de orden y paso variable.
Germn BRESCIANO
8.4.2
8.4.2.1
8.4.2.2
8.4.2.3
8.4.3
8.4.4
8.4.5
8.4.6
8.4.7
8.4.7.1
8.4.7.2
8.4.7.3
Problemas rgidos..............................................................................................................8-8
Acotacin del error global del mtodo ..............................................................................8-8
Orden de consistencia .......................................................................................................8-9
Efecto del error de representacin ....................................................................................8-9
Estrategia de control del paso ...........................................................................................8-9
Estimacin del siguiente paso ...................................................................................................... 8-9
Clculo de yn+1 ........................................................................................................................... 8-10
Revisin del paso ....................................................................................................................... 8-10
8.5
MTODO DE EULER HACIA ATRS ...........................................................................................8-10
8.5.1
Estabilidad numrica .......................................................................................................8-11
8.5.2
Orden de consistencia .....................................................................................................8-12
8.5.3
Efecto del error de representacin ..................................................................................8-12
8.6
MTODO DE HEUN ...................................................................................................................8-12
8.6.1
Estabilidad numrica .......................................................................................................8-13
8.6.2
Problemas rgidos............................................................................................................8-14
8.6.3
Orden de consistencia .....................................................................................................8-15
8.6.4
Efecto del error de representacin ..................................................................................8-15
8.7
MTODOS DE RUNGE KUTTA ...................................................................................................8-16
8.7.1
Mtodos de Runge Kutta de segundo orden ....................................................................8-16
8.7.1.1
8.7.2
8.7.2.1
8.7.2.2
8.7.2.3
8.7.8
8.7.8.1
8.7.8.2
8.7.8.3
8.7.8.4
8.7.9
Arranque y cambio de paso .............................................................................................8-30
8.8
FRMULAS DE DIFERENCIACIN HACIA ATRS........................................................................8-31
8.8.1
Frmula de Diferenciacin hacia atrs de segundo orden .............................................8-31
8.8.2
Otras Frmulas de Diferenciacin hacia atrs ...............................................................8-31
8.9
MTODOS DE ORDEN Y PASO VARIABLE ...................................................................................8-32
8.9.1
Disminucin del paso ......................................................................................................8-32
8.9.2
Aumento del paso.............................................................................................................8-33
8.9.3
Ajuste del orden ...............................................................................................................8-33
8.9.4
Scilab ...............................................................................................................................8-33
8.10 MTODOS BASADOS EN DERIVADAS SUPERIORES .....................................................................8-38
8.10.1
Corrector de Hermite ......................................................................................................8-38
8.10.2
Estabilidad numrica .......................................................................................................8-38
8.10.3
8.10.4
8.10.5
Ecuaciones diferenciales
8-1
8 Ecuaciones diferenciales
8.1
Introduccin
Las ecuaciones diferenciales son herramientas fundamentales para modelar una variedad de
sistemas como circuitos elctricos, sistemas mecnicos, sistemas termodinmicos, reacciones
qumicas, ecosistemas y sistemas econmicos.
Los mtodos analticos de resolucin de ecuaciones diferenciales se limitan a ciertos tipos de
ecuaciones, por lo que en muchos casos se simplifican las ecuaciones para obtener una que se
pueda resolver (por ejemplo una ecuacin lineal).
Los mtodos numricos no tienen esas limitaciones, pero en lugar de obtener una expresin
analtica de la solucin, se obtiene una tabla de valores de la solucin en una cantidad finita de
puntos del intervalo de trabajo. Para hallar la solucin en puntos no tabulados se utiliza algn
tipo de interpolacin.
Ejemplo
Figura 8-1
Pndulo rgido
8-1
= L sen( )
(t 0 ) = 0
(t ) =
0
0
an en este caso sencillo es difcil obtener una solucin analtica de 8-1, por lo que usualmente
se considera el caso de amplitud de oscilacin pequea y se aproxima la ecuacin por una
lineal, de fcil resolucin analtica.
Ecuaciones diferenciales
8.2
8-2
y = f ( x, y )
y ( x0 ) = y 0
8-2
y = f ( x, y )
y ( x0 ) = y 0
8-3
Ejemplo
La ecuacin 8-1 puede reducirse al sistema de primer orden
8-4
8.3
= L sen( )
=
(t 0 ) = 0
(t 0 ) = 0
Tipos de mtodos
8.4
Mtodo de Euler
Este mtodo propuesto por Leonhard Euler en 1768, si bien rara vez se usa, por su simplicidad
nos servir para ejemplificar la derivacin de mtodos ms avanzados y el estudio de errores.
Ecuaciones diferenciales
8-3
Suponiendo que la solucin Y(x) de 8-2 tenga derivada segunda continua, entonces
Y ( x + h) = Y ( x) + hY ( x) +
8-5
h2
h2
Y ( ) = Y ( x) + hf ( x, Y ( x)) + Y ( )
2
2
y k +1 = y k + hf ( xk , y k )
8-6
Figura 8-2
Mtodo de Euler
Ejemplo
Queremos resolver en [0,2]
y = 10( x 1) y
5
y ( 0) = e
8-7
y k +1 = y k ( xk 1) y k = (2 xk ) y k
8-8
-5
yn
0.0067
0.0134
0.0256
0.0461
0.0784
0.1254
0.1880
0.263
0.342
0.411
0.452
xn
yn
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
0.452
0.406
0.325
0.223
0.137
0.068
0.003
0.0082
0.0016
0.0002
Ecuaciones diferenciales
8-4
Figura 8-3
Soluciones de y = -10(x-1)y
Esta familia de soluciones es inestable para x menores que 1 y estable para x mayores que 1.
Para un x dado, las pendientes de las soluciones dependen de y, y su variacin con y est
dada por fy, la derivada parcial de f respecto a y, que anotaremos como J.
Cuando J>0 las pendientes de las soluciones crecen con y y por tanto se separan entre s y
el problema es inestable.
Cuando J<0 las pendientes de las soluciones decrecen con y y por tanto se acercan entre
s y el problema es estable.
En el caso del ejemplo J = -10(x-1), lo cual explica que el problema sea inestable para x<1 y
estable para x>1.
Ecuaciones diferenciales
8-5
Ejemplo
La solucin exacta de 8-7 es
Y ( x) = e 5( x 1)
a partir de ello podemos calcular los errores de la solucin tabulada en la Tabla 8-1, los cuales
se muestran en la Tabla 8-2.
xn
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
Tabla 8-2
error
0.000
0.004
0.015
0.040
0.087
0.161
0.261
0.374
0.477
0.541
0.548
0.499
0.412
0.312
0.222
0.150
0.097
0.059
0.033
0.016
0.007
Como era de esperar dada la inestabilidad del problema entre x=0 y x=1, en dicho intervalo el
error se va haciendo cada vez ms grande.
f
J= i
y j
por ejemplo para el sistema 8-3
0
J=
1
cos( )
L
Ecuaciones diferenciales
8-6
Y ( xk +1 ) = Y ( xk ) + hf ( xk , Y ( xk )) +
8-9
h2
Y ( )
2
Y ( xk +1 ) y k +1 = Y ( xk ) y k + h( f ( xk , Y ( xk )) f ( xk , y k ) ) +
h2
Y ( )
2
el lado izquierdo de 8-10 es el error global en xk+1, la diferencia entre la solucin exacta y la
calculada, que es la magnitud que queremos controlar.
En 8-10 se ve que el error global tiene dos fuentes:
El error local, que es el error que tendra yk+1 si yk fuera exacto. En este caso los dos
primeros sumandos seran nulos, quedando slo el trmino complementario del desarrollo
de Taylor.
La propagacin del error de yk, que corresponde a los dos primeros sumandos y que
aplicando el teorema del valor medio puede escribirse como
8-11
Y ( xk ) y k + hJ ( )(Y ( xk ) y k ) = (1 + hJ ( ) )(Y ( xk ) y k )
2 < hJ < 0
h < 2/ J
lo cual significa que an siendo estable el problema, el mtodo puede ser numricamente
inestable.
2
Ecuaciones diferenciales
8-7
Ejemplo
Vimos que el problema 8-7 es inestable para x<1, lo que provoca errores crecientes entre x=0 y
x=1 como se mostr en la Tabla 8-2, lo cual ocurrir an si se usara un paso de clculo menor.
Para x>1 el problema es estable, sin embargo como J = -10(x-1) y h = 0.1 entonces el mtodo
de Euler ser numricamente estable si 2 < 1-x o sea que a partir de x = 3 el mtodo de Euler
es numricamente inestable con este paso y los errores comenzarn a amplificarse otra vez.
La Figura 8-4 muestra una grfica de la solucin calculada por el mtodo de Euler donde la
inestabilidad numrica se ve claramente a partir de x=3.
Como el factor de amplificacin es negativo, el signo del error se va alternando de paso en
paso.
Figura 8-4
y = Jy
y ( 0) = 1
8-14
Ejemplo
Si aplicamos el mtodo de Euler a 8-15
y k +1 = y k + hJy k = (1 + hJ ) y k
que es acotada si 2 hJ 0
y k = (1 + hJ ) k
Ecuaciones diferenciales
8-8
1 + h < 1
8-15
En+1 =
h2
Y ( )
2
como
Y ( x0 ) y0 = 0 entonces
Y ( xn+1 ) y n+1 1 + hK
8-17
Y ( xn+1 ) y n+1
n +1
E
E
E hK ( n+1)
e
1
hK hK hK
E K ( xn +1 x0 )
e
1
hK
recordar que para que el problema sea estable todos los valores propios de J deben tener parte real negativa.
Ecuaciones diferenciales
8-9
Esto nos permite acotar el error global del mtodo de Euler si conocemos E y K.
An sin conocer estas cotas, como el intervalo de trabajo la exponencial de lado izquierdo de
8-17 est acotada, esta desigualdad implica que el error global es un orden de infinitsimo
2
inferior al error local. Como el error local del mtodo de Euler es O(h ) entonces el error global
es O(h).
lm
max(En (h) )
n
h 0
=0
y k +1 = y k + hf ( xk , y k ) + k +1 y k +1
h2
Y ( ) + k +1 y k +1
2
Si M es una cota de Y y M es una cota de Y en el intervalo de trabajo y suponiendo que los
por lo que el error local ser
En+1 =
E=
h2
M + maq M es una cota del error local.
2
Y ( xn+1 ) y n+1
hM maq M
1 h2
M + maq M e K ( xn +1 x0 ) 1 =
+
hK 2
hK
2K
K ( xn +1 x0 )
e
1
hopt =
2 maq M
M
Ecuaciones diferenciales
8-10
y
y se toma h tal que
y n y n1
y n1,n
xn xn1
h2
h2
Eh
y
yn1,n
2
2
b x0
2E
yn1,n (b x0 )
en la prctica se toma h algo menor multiplicando este estimado por un factor menor a uno, por
ejemplo 0.9, limitando adems el resultado entre un h mnimo y un h mximo, quedando
1 .8 E
y
(
b
x
)
n 1,n
0
8-19
hmax puede seleccionarse para que el mtodo sea numricamente estable, que en el caso de
Euler segn 8-13 debera ser 2/J, para lo cual se puede conocerse J o calcularla por
diferencias.
Por otro lado hmin puede tomarse como el h de 8-18, que minimiza el error de representacin.
y n+1 y n
y n,n+1
xn+1 xn
y se verifica que
h2
y n,n+1 y n+1
2
8-20
si 8-20 se verifica, se contina con el prximo paso. En caso contrario se descarta el paso dado
y se vuelve a calcular yn+1 con un paso menor.
8.5
Y ( x h) = Y ( x) hY ( x) +
h2
h2
Y ( ) = Y ( x) hf ( x, Y ( x)) + Y ( )
2
2
de donde
8-21
Y ( x) = Y ( x h) + hf ( x, Y ( x))
h2
Y ( )
2
y k +1 = y k + hf ( xk +1 , y k +1 )
Este es un mtodo implcito pues yk+1 aparece en ambos lados de 8-22, que en general debe
resolverse, por ejemplo, por un mtodo iterativo.
Como para calcular yk+1 slo se necesita conocer yk, el mtodo de Euler hacia atrs es un
mtodo de paso simple.
Partiendo de la condicin inicial y eligiendo un paso de clculo h, usualmente se predice yk+1
por el mtodo de Euler hacia delante, tomando ese valor como aproximacin inicial para
5
luego corregirlo sucesivas veces iterando con 8-22.( )
4
5
Ecuaciones diferenciales
8-11
Ejemplo
Queremos resolver 8-7 en [0,2] por el mtodo de Euler hacia atrs con h=0.1
En este caso 8-22 queda
y k +1 = y k ( xk +1 1) y k +1
y podemos despejar
y k +1 =
8-23
yk
xk +1
-5
yn
0.0067
0.0674
0.3369
1.1230
2.8075
5.6150
9.3583
13.3989
16.7112
18.5680
18.5680
error
0.00
0.05
0.30
1.04
2.64
5.33
8.91
12.73
15.89
17.62
17.57
xn
yn
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
16.880
14.0666
10.8205
7.7289
5.1526
3.2204
1.8943
1.0524
0.5539
0.2770
error
15.93
13.25
10.18
7.28
4.87
3.06
1.81
1.01
0.54
0.27
Ntese que los errores son significativamente mayores a los obtenidos con el mtodo de Euler,
aunque en este caso es debido a un problema de alta inestabilidad en el punto inicial.
Normalmente los niveles de error deben ser similares a los del Mtodo de Euler.
Y ( xk +1 ) = Y ( xk ) + hf ( xk +1 , Y ( xk +1 ) )
8-24
h2
Y ( )
2
Y ( xk +1 ) y k +1 = Y ( xk ) y k + h[ f ( xk +1 , Y ( xk +1 ) ) f ( xk +1 , y k +1 )]
h2
Y ( )
2
el lado izquierdo de 8-25 es el error global en xk+1, que tiene dos fuentes:
El error local, que es el error que tendra yk+1 si yk fuera exacto. En este el primer sumando
sera nulo, quedando slo los dos ltimos, que aplicando el teorema del valor medio
pueden escribirse como
Y ( xk +1 ) y k +1
h2
= hJ ( )(Y ( xk +1 ) y k +1 ) Y ( )
2
de donde se despeja
Y ( xk +1 ) y k +1 =
h2
Y ( ) = O(h 2 )
2(1 hJ ( ) )
La propagacin del error de yk, que es cmo quedara 8-25 si Y fuera nula
Ecuaciones diferenciales
8-12
Y ( xk +1 ) y k +1 = Y ( xk ) y k + h[ f ( xk +1 , Y ( xk +1 ) ) f ( xk +1 , y k +1 )]
y aplicando el teorema del valor medio y despejando se obtiene
Y ( xk +1 ) y k +1 =
Y ( xk ) y k
1 hJ
en este caso el factor de amplificacin es menor a uno en valor absoluto para todo J negativo,
6
por tanto el mtodo de Euler hacia atrs es numricamente estable si el problema es estable( ).
Lamentablemente el costo de esta estabilidad independiente del tamao de paso es una baja
precisin en la frmula y la necesidad de resolver una frmula implcita.
En el caso del mtodo de Euler hacia atrs el error local es un infinitsimo de orden h , por
tanto su orden de consistencia es uno.
Esto implica que dentro de la regin de estabilidad, el error global es un infinitsimo de orden h.
Esto es el mismo orden que el mtodo de Euler clsico.
8.6
Mtodo de Heun 7
Suponiendo que la solucin Y(x) de 8-2 tenga derivada tercera continua, entonces
h2
h3
Y ( x) + Y (1 )
2
6
8-26
Y ( x + h) = Y ( x) + hY ( x) +
8-27
Y ( x) = Y ( x + h) hY ( x + h) +
8-28
Y ( x + h) = Y ( x) + hY ( 3 )
h2
h3
Y ( x + h) Y ( 2 )
2
6
Y ( x + h) Y ( x) = (Y ( x) Y ( x + h) ) + h(Y ( x) + Y ( x + h) ) +
h3
(Y (1 ) + Y ( 2 ) 3Y ( 3 ) )
6
de donde
8-29
f ( x, Y ( x) ) + f ( x + h, Y ( x + h) ) h 3
Y ( x + h) = Y ( x) + h
Y ( )
2
12
y k +1 = y k + h
f ( xk , y k ) + f ( xk +1 , y k +1 )
2
Al igual que Euler hacia atrs, ste es un mtodo implcito pues yk+1 aparece en ambos lados
de 8-30, que en general debe resolverse, por ejemplo, por un mtodo iterativo.
Como para calcular yk+1 slo se necesita conocer yk, el mtodo de Heun es un mtodo de paso
simple.
6
Ntese que aunque el mtodo sea estable para cualquier h, si 8-22 se resuelve por iteracin, para que sta sea
contractiva debe ser h<1/|J|.
7
Tambin llamado mtodo de Euler modificado o frmula del trapecio
Ecuaciones diferenciales
8-13
Ejemplo
Queremos resolver 8-7 en [0,2] por el mtodo de Heun con h=0.1
En este caso 8-30 queda
y k +1 = y k 12 ( xk 1) y k 12 ( xk 0.9) y k +1
y podemos despejar
y k +1 =
8-31
(3 xk )
yk
(1.1 + xk )
-5
Ntese que los errores son significativamente inferiores a los obtenidos con el mtodo de Euler.
Y ( xk +1 ) = Y ( xk ) + h
8-32
f ( xk , Y ( xk ) ) + f ( xk +1 , Y ( xk +1 ) ) h 3
Y ( )
2
12
Y ( xk +1 ) y k +1 = Y ( xk ) y k + h
f ( xk , Y ( xk ) ) f ( x k , y k )
2
+h
f ( x k +1 , Y ( x k +1 ) ) f ( x k +1 , y k +1 ) h 3
Y ( )
2
12
el lado izquierdo de 8-33 es el error global en xk+1, que tiene dos fuentes:
El error local, que es el error que tendra yk+1 si yk fuera exacto. En este caso los dos
primeros sumandos seran nulos, quedando slo los dos ltimos, que aplicando el teorema
del valor medio pueden escribirse como
Y ( xk +1 ) y k +1 =
3
hJ ( )
(Y ( xk +1 ) yk +1 ) h Y ( )
2
12
de donde se despeja
Y ( xk +1 ) y k +1 =
8
h3
Y ( ) = O(h 3 )
1
12(1 2 hJ ( ) )
Ecuaciones diferenciales
8-14
La propagacin del error de yk, que es cmo quedara 8-33 si Y fuera nula
Y ( xk +1 ) y k +1 = Y ( xk ) y k + h
f ( xk , Y ( xk ) ) f ( x k , y k )
f ( xk +1 , Y ( xk +1 ) ) f (xk +1 , y k +1 )
+h
2
2
Y ( xk +1 ) y k +1 =
1 + 12 hJ
(Y ( xk ) yk )
1 12 hJ
en este caso el factor de amplificacin es menor a uno en valor absoluto para todo J negativo,
9
por tanto el mtodo de Heun es numricamente estable si el problema es estable( ).
En este caso tenemos estabilidad independiente del tamao del paso y mayor precisin que el
mtodo de Euler.
Figura 8-5
Ntese que aunque el mtodo sea estable para cualquier h, si 8-30 se resuelve por iteracin, para que sta sea
contractiva debe ser h<2/|J|.
Ecuaciones diferenciales
8-15
En el caso del mtodo de Heun el error local es un infinitsimo de orden h , por tanto su orden
de consistencia es dos.
Esto implica que dentro de la regin de estabilidad, el error global es un infinitsimo de orden
2
h.
Ecuaciones diferenciales
8.7
8-16
Los mtodos de Euler y Heun, si bien tericamente pueden dar resultados precisos tomando h
suficientemente pequeo, en la prctica estn limitados debido al efecto de los errores de
representacin. Esto motiv el desarrollo de mtodos ms precisos que permiten usar pasos de
clculo mayores.
El mtodo de Euler calcula la variacin entre Y(xk) y Y(xk+1) como hf(xk, yk) y el mtodo de Heun
la calcula como por el promedio entre hf(xk, yk) y hf(xk+1,yk+1).
En lugar de esto los mtodos de Runge Kutta la calculan como un promedio de evaluaciones
de hf(x, y) en varios puntos intermedios:
y k +1 = y k + w1k1 + w2 k 2 + w3 k 3 + L + wm k m
8-34
donde
k1 = hf ( xk , y k )
k 2 = hf ( xk + c2 h, y k + a 21k1 )
k 3 = hf ( xk + c3 h, y k + a31k1 + a32 k 2 )
M
k m = hf (xk + cm h, y k + a m1k1 + L + a m,m1k m1 )
Los coeficientes wi, ci y aij se determinan para que el desarrollo de Taylor del lado derecho de
8-34 coincida con el de Y(xk + h) hasta los trminos de orden p (mtodo de Runge Kutta de
orden p).
En general resulta una sistema indeterminado, pudindose elegir los coeficientes libres para
obtener ciertas propiedades del mtodo.
y k +1 = y k + w1k1 + w2 k 2
con
k1 = hf ( xk , y k )
k 2 = hf ( xk + c2 h, y k + a 21k1 )
de donde
y k +1 = y k + w1hf ( xk , y k ) + w2 hf ( xk + c2 h, y k + a21hf ( xk , y k ))
reordenando
8-35
y k +1 = y k + ( w1 + w2 )hf ( xk , y k ) +
w2 h 2 c2 f x ( xk , y k ) + a21 f ( xk , y k ) f y ( xk , y k ) + O(h 3 )
por otra parte el desarrollo de Taylor de Y en xk+1 es
Y ( xk +1 ) = Y ( xk ) + hY ( xk ) +
h2
h2
3
Y ( xk ) + O(h ) = y k + hf ( xk , y k ) + Y ( xk ) + O(h 3 )
2
2
Ecuaciones diferenciales
8-17
Y ( xk ) = [ f ( xk , Y ( xk ) )] = f x ( xk , y k ) + f ( xk , y k ) f y ( xk , y k )
pero
y sustituyendo
8-36
Y ( xk +1 ) = y k + hf ( xk , y k ) +
h2
f x ( xk , y k ) + f ( x k , y k ) f y ( xk , y k ) + O ( h 3 )
2
para que los lados derechos de 8-35 y 8-36 coincidan debe ser
w1 + w2 = 1
1
w2 c2 = 2
wa =1
2 21 2
este sistema es indeterminado, pudindose fijar uno de los parmetros arbitrariamente.
Por ejemplo si se toma c2 = 1 se obtiene w1 = w2 = y a21 = 1 por tanto queda
8-37
y k +1 = y k +
h
[ f (xk , yk ) + f (xk + h, yk + hf (xk , yk ))]
2
y k +1 = y k +
2
h
[J ( yk + yk + hJyk )] = 1 + hJ + (hJ ) yk
2
2
por tanto
(hJ ) 2
y n+1 = 1 + hJ +
2
n +1
y0
1 + hJ +
(hJ ) 2
1
2
Ecuaciones diferenciales
8-38
8-18
y k +1 = y k + 16 (k1 + 2k 2 + 2k3 + k 4 )
k = hf ( x , y )
k
k
1
1
1
(
k
=
hf
x
+
2
k
2 h, y k + 2 k1 )
k = hf (x + 1 h, y + 1 k )
k
k
2
2 2
3
k 4 = hf (xk + h, y k + k 3 )
La Figura 8-6 muestra los puntos en que se avala f(x, y) para calcular las ki.
Figura 8-6
// coeficientes de avance de x
A = [1/2,0,0;
0,1/2,0;
0,0,1;
0,0,0];
W = (1/6)*[1;2;2;1];
hC = h*C;
hA = h*A;
f = zeros(length(y0),4);
// coeficientes de avance de y
// Pesos de las Ki
t(1) = tspan(1);
y(:,1) = y0;
k = 1;
while (tspan(2)-t(k))/h>0
// Verifica que no se haya superado el t final
if (tspan(2)-t(k))/h<1 then
h=tspan(2)-t(k);
// si falta poco ajusta el paso
Ecuaciones diferenciales
8-19
t(k+1)=tspan(2);
hC = h*C;
hA = h*A;
else
t(k+1)=t(k)+h;
// si falta mucho da un paso normal.
end;
f(:,1) = ODE(t(k),y(:,k));
f(:,2) = ODE(t(k)+hC(1),y(:,k)+f*hA(:,1));
f(:,3) = ODE(t(k)+hC(2),y(:,k)+f*hA(:,2));
f(:,4) = ODE(t(k)+hC(3),y(:,k)+f*hA(:,3));
y(:,k+1) = y(:,k)+(f*h)*W;
k = k+1;
end;
endfunction
Ejemplo
Queremos resolver 8-7 en [0,2] por el mtodo de Runge Kutta de cuarto orden 8-38 con h=0.1
La Figura 8-7 muestra una grfica de la solucin analtica y los valores calculados.
Se aprecia fcilmente que el mtodo es ms preciso que los vistos anteriormente.
Figura 8-7
Ecuaciones diferenciales
8-20
Otra tcnica consiste en lugar de comparar dos aproximaciones calculadas con el mismo
mtodo pero distinto paso, comparar dos aproximaciones calculadas con el mismo paso pero
con mtodos de rdenes diferentes. Para ello se han desarrollado pares de mtodos de orden
4 y 5 de modo que las evaluaciones de f(x, y) realizadas para calcular las ki del mtodo de
orden 4 se aprovechan para el mtodo de orden 5, debiendo realizar slo una o dos
evaluaciones adicionales para tener la aproximacin de orden 5.
8-39
k1 = hf ( xk , y k )
k 2 = hf (xk + 14 h, y k + 14 k1 )
1932
7200
7296
k 4 = hf (xk + 12
13 h, y k + 2197 k1 2197 k 2 + 2197 k 3 )
4392
3680
845
k 5 = hf (xk + h, y k + 216 k1 8k 2 + 513 k 3 4104 k 4 )
1859
11
k 6 = hf (xk + 12 h, y k 278 k1 + 2k 2 3544
2565 k 3 + 4104 k 4 40 k 5 )
25
2197
1
k1 + 1408
con error global O(h 4 )
y k +1 = y k + ( 216
2565 k 3 + 4104 k 4 5 k 5 )
16
6656
28561
y k +1 = y k + ( 135
k1 + 12825
k 3 + 56430
k 4 509 k 5 + 552 k 6 ) con error global O(h 5 )
128
2197
1
Elocal y k +1 y k +1 = 360
k1 4275
k 3 75240
k 4 + 501 k 5 + 552 k 6
8-40
Elocal <
h
b x0
Si esta desigualdad se cumple, el paso dado es aceptado y se estimar el tamao mximo que
debe tener el siguiente paso para obtener la precisin deseada.
Si la desigualdad no se cumple, el paso dado es rechazado y se estimar el tamao mximo
con que debe repetirse el paso para obtener la precisin deseada.
En ambos casos el nuevo paso, h se calcula de la siguiente manera:
Si con paso h se obtuvo un error local E, como el error local de la frmula de cuarto orden es
5
h 5
h se tendr un error E = E 5 y queremos que
h
h
E
b x0
h 5
h
E 5
h
b x0
h 4
h h
E
b
x
0
Ecuaciones diferenciales
8-21
para aumentar la probabilidad de que el nuevo error de inferior al deseado, se aplica un factor
de 0.8, resultando
1
h 4
h 0.8h
E b x0
8-41
usualmente se limita el nuevo paso para que no sea inferior a un paso mnimo ni al 20% del
paso anterior, ni sea mayor a un paso mximo ni a 5 veces el paso anterior.
A continuacin se muestra el cdigo Scilab de un algoritmo del mtodo de Runge Kutta
Fehlberg con paso variable.
function [t,y] = RKF(edo,Jedo,tspan,y0,ep)
t=[]; y=[]; mode(0); ieee(1);
// Metod0 de Runge Kutta Fehlberg con paso variable
C = [1/4;3/8;12/13;1;1/2];
// coef. de avance de x
Ecuaciones diferenciales
8-22
Ejemplo
Queremos resolver 8-7 en [0,2] por el mtodo de Runge Kutta Fehlberg con paso variable.
La Figura 8-7 muestra una grfica de la solucin analtica y los valores calculados.
Figura 8-8
Se obtuvo tanta precisin como en el ejemplo anterior, pero la cantidad de pasos es inferior
Ejemplo
Usando la funcin ODE45 de Matlab, que usa un mtodo de Runge Kutta similar al de Fehlberg
con paso variable se obtiene los resultados que se muestran en la Figura 8-9.
Figura 8-9
En este caso se obtiene muy buena precisin, pero con muchos pasos de clculo debido a que
esta funcin utiliza una estrategia de control de paso diferente.
Ecuaciones diferenciales
8-23
Ejemplo
Si en el ejemplo del pndulo rgido el mismo est sumergido en un fluido viscoso, el SEDO que
describe el movimiento es
g
= L sen( )
=
(t 0 ) = 0
(t 0 ) = 0
Si g/L = 1 , = , 0 = 1 y 0 = 1 y queremos resolverlo en [0, 10] obtendremos los resultados
graficados en Figura 8-10 para el mtodo de Runge Kutta Fehlberg con varias tolerancias de
error y con ODE45.
Figura 8-10
En este caso el problema es estable, ya que los valores propios de la Jacobiana tienen parte
real negativa. Debido a esto los resultados no dependen tanto del paso, obtenindose buena
precisin en todos los casos.
Ecuaciones diferenciales
8-24
Y ( xn+1 ) = Y ( xn m ) +
8-42
x n +1
xn m
Y ' ( x)dx
8-43
Y ' ( x) P2 ( x) = 12 h 2 ( f n 2 f n1 f n2 )( x xn ) 2 + 12 h(3 f n 4 f n1 + f n 2 )( x xn ) + f n
y n+1 = y n +
xn +1
xn
P2 ( x)dx = y n +
h
(23 f n 16 f n1 + 5 f n2 )
12
4
puede demostrarse que el error local de sta frmula es O(h ) por lo que el mtodo tiene un
orden de consistencia 3.
y n+1 = y n3 +
4h
(2 f n f n1 + 2 f n2 )
3
28 5 V
E pred = 90
h Y ( )
Ecuaciones diferenciales
8-25
y n+1 = y n1 +
8-48
h
( f n+1 + 4 f n + f n1 )
3
Ecorr =
8-49
1
90
h 5Y V ( )
ycn+1 yp n+1
29
90
h 5Y V ( ) h 5Y V ( )
90
29
( ycn+1 ypn+1 )
Ecorr
8-50
1
29
( ycn+1 ypn+1 )
Ejemplo
Queremos resolver 8-7 en [0,2] por el mtodo predictor corrector de Milne con paso 0.1.
La Figura 8-11 muestra una grfica de la solucin analtica y los valores calculados.
10
Ntese que la forma de 8-48 y 8-49 es igual a la de la regla 1/3 de Simpson y su error.
de hecho no vale la pena iterar hasta una convergencia exacta pues de todos modos por el error de truncacin del
corrector el valor obtenido ser slo una aproximacin a la solucin.
12
debido a que en el predictor se integra fuera del intervalo de interpolacin y en el corrector no.
11
Ecuaciones diferenciales
Figura 8-11
8-26
y n+1 = y n1 +
h
(Jyn+1 + 4 Jyn + Jyn1 ) 1 hJ yn+1 4hJ y n 1 + hJ y n1 = 0
3
3
3
3
y n = C1 Z1n + C 2 Z 2n
8-51
hJ 2 4hJ
hJ
Z 1 +
1 Z
=0
3
3
3
2r + 3r 2 + 1
Z1 =
1 r
2r 3r 2 + 1
Z2 =
1 r
Puede verificarse que para r0 al menos una de esas races es mayor a uno en valor absoluto,
por lo tanto la sucesin 8-51 ser no acotada y por tanto el mtodo es numricamente
inestable.
Ejemplo
Si resolvemos 8-7 en [0,4] por el mtodo de Milne con paso 0.1, llegamos a una zona en la que
la inestabilidad numrica se hace notoria
La Figura 8-12 muestra una grfica de la solucin analtica y los valores calculados.
Ecuaciones diferenciales
Figura 8-12
8-27
y n+1 = y n +
8-52
h
(55 f n 59 f n1 + 37 f n2 9 f n3 )
24
E pred =
251
720
h 5Y V ( )
El corrector se deriva usando los cuatro puntos, (xn-2, yn-2), (xn-1, yn-1), (xn, yn) y (xn+1, yn+1), e
integrando entre xn y xn+1, resultando
y n+1 = y n +
8-54
h
(9 f n+1 + 19 f n 5 f n1 + f n2 )
24
Ecorr =
19
720
h 5Y V ( )
En forma anloga al mtodo de Milne se deriva la estimacin del error del corrector,
8-56
Ecorr
19
270
( ycn+1 ypn+1 )
8.7.8.1 Modificaciones
Esta estimacin del error puede sumarse al valor corregido para obtener un valor ms exacto.
Cuando esto se hace se le llama modificador del corrector.
Ecuaciones diferenciales
8-28
Puede demostrarse que esto equivale a usar un mtodo un orden superior, pero debe tenerse
en cuenta que esto puede afectar la estabilidad, pues el mtodo de orden 5 resultante tendr
diferente regin de estabilidad.
Otra modificacin usual consiste en estimar el error del predictor en el paso anterior con una
frmula similar a la 8-56 :
E pred
251
270
( ycn ypn )
8.7.8.2 Algoritmo
A continuacin se muestra el cdigo de un algoritmo de Adams Moulton
function [t,y,e] = AdamsMoulton(ODE,tspan,y0,y1,y2,y3,h)
t=[]; y=[]; e=[]; mode(0); ieee(1);
// Metod0 predictor corrector de Adams Moulton
if (tspan(2)-tspan(1))/h<0 then
h = -h;
end;
P = (1/24)*[-9;37;-59;55;0];
C = (1/24)*[0;1;-5;19;9];
t(1) = tspan(1);
t(2) = t(1)+h;
t(3) = t(2)+h;
t(4) = t(3)+h;
y(:,1) = y0;
y(:,2) = y1;
y(:,3) = y2;
y(:,4) = y3;
// y iniciales
f = zeros(length(y0),5);
f(:,1) = ODE(t(1),y(:,1));
f(:,2) = ODE(t(2),y(:,2));
f(:,3) = ODE(t(3),y(:,3));
// f iniciales
k = 4;
while (tspan(2)-t(k))/h>0
f(:,4) = ODE(t(k),y(:,k));
t(k+1)=t(k)+h;
if k>4 then
mod = y(:,k)-yp;
end;
yp = y(:,k)+(h*f)*P;
yc = yp;
err = 1;
i = 1;
while norm(err)>0.0000000001 & i<2
varias veces
f(:,5) = ODE(t(k+1),yc);
ynuevo = y(:,k)+(h*f)*C;
err = ynuevo-yc;
yc = ynuevo;
i = i+1;
end;
e(1,k+1) = norm((19/270)*(yc-yp));
y(:,k+1) = yc-(19/270)*(yc-yp);
f(:,1) = f(:,2);
f(:,2) = f(:,3);
f(:,3) = f(:,4);
k = k+1;
// predice
end;
endfunction
13
E pred
28
29
( ycn ypn )
Ecuaciones diferenciales
8-29
y n +1 = y n +
h
(9 Jyn+1 + 19 Jyn 5 Jyn1 + Jyn2 ) 1 9hJ y n+1 1 + 19hJ yn + 5hJ yn1 hJ yn2 = 0
24
24
24
24
24
y n = C1 Z1n + C 2 Z 2n + C3 Z 3n
con r = hJ
La Figura 8-13 muestra que para 3 < hJ < 0 todas las races tienen partes reales menores a
uno en valor absoluto y por tanto la sucesin 8-57 ser acotada y por tanto el mtodo
numricamente estable, lo que lo hace en general preferible frente al mtodo de Milne cuando
la estabilidad es importante, a pesar de que el mtodo de Milne tiene menor error de
truncacin.
Figura 8-13
y n( i++11) = y n +
y n( 0+)1
h
9 f ( xn+1 , y n( i+)1 ) + 19 f n 5 f n1 + f n2
24
Ecuaciones diferenciales
y n( i++11) y n( i+)1 =
8-30
9h
9h
f ( xn+1 , y n(i+)1 ) f ( xn+1 , y n( i+11) )
J ( )( y n(i+)1 y n( i+11) )
24
24
9hJ
<< 1
24
8-58
y n+1 = y
(0)
n +1
+ y
i =0
( i +1)
n +1
(i )
n +1
) y
( y (1) y n( 0+)1 )
9h
+ J ( y n(1+)1 y n( 0+)1 ) = y n( 0+)1 + n+1
9h
i = 0 24
1 J
24
(0)
n +1
9h
J
(1)
(0)
1
)
y
y
n +1
<
y n(1+)1 = ( y n(1+)1 y n( 0+)1 )
1 = ( y n(1+)1 y n( 0+)1 ) 24
y n+1 y n(1+)1 = y n( 0+)1 + n+1
9h
9h
9h
1 J
1 J
1 J
24
24
24
por tanto para que ese error sea menor que
9h
J
24 = 24 1
9h
9hJ
J
24
24
9hJ
Y adems la estimacin del error 8-56 debe ser menor que , de donde
8-60
270
19
condicin de exactitud
1
y n3 / 2 = 128
[11yn + 72 yn1 + 45 yn2 + h( 3 f n 36 f n1 + 9 f n2 )]
Ecuaciones diferenciales
8.8
8-31
El mtodo de Euler hacia atrs puede derivarse tambin igualando f(xn+1,yn+1) a la frmula de
diferencia hacia atrs para la derivada primera con error O(h).
ste mtodo tambin se llama Frmula de Diferenciacin hacia atrs de primer orden.
Veremos otro ejemplo.
Y ( x)
3Y ( x) 4Y ( x h) + Y ( x 2h)
2h
f ( xn+1 , y n+1 )
3 y n+1 4 y n + y n1
2h
de donde
y n+1
8-61
1
3
y n+1
1
11
8-63
y n+1
1
25
8-64
y n+1
1
137
Al igual que las frmulas de primer y segundo orden, stas son estables para todo J negativo
independientemente del paso de clculo.
Esta caracterstica de estabilidad hace que stas frmulas, a pesar de ser menos precisas que
las frmulas tipo Adams que vimos en 0, sean tiles para resolver problemas rgidos, ya que
los altos valores negativos de J no obligan a reducir el paso para obtener estabilidad.
El problema es que si no se usa un paso reducido la iteracin de punto fijo para resolver estas
ecuaciones implcitas en yn+1 no es contractiva. Esto obliga a resolverlas por otros mtodos.
Lo ms usual es usar un mtodo de Newton Raphson o de Newton Raphson modificado.
Como predictor para iniciar la resolucin de la frmula implcita suele usarse el valor en el
punto xn+1 del polinomio interpolador por los puntos usados para deducir la frmula (sin xn+1),
cuyo error es del mismo orden que la frmula y depende de la misma derivada de Y.
Pueden desarrollarse frmulas de estimacin del error similares a la 8-50 en base a la
diferencia entre el valor predicho y el obtenido al resolver la frmula de diferenciacin hacia
atrs.
Esto permite implementar estrategias de orden y paso variable como las que veremos a
continuacin.
Ejemplo
Si resolvemos 8-7 con la frmula 8-64 se obtiene la grfica de la Figura 8-14.
Se observa que el error es muy importante en la zona en que la EDO es inestable debido a la
baja precisin de estas frmulas, pero no hay inestabilidad numrica en la zona rgida.
Ecuaciones diferenciales
Figura 8-14
8.9
8-32
Son mtodos Predictor-Corrector que comienzan usando frmulas de bajo orden (que arrancan
slo con el valor inicial) y un paso pequeo. Luego se va cambiando a frmulas de diferente
orden y tambin se ajusta el tamao del paso, mediante estrategias que pretenden seleccionar
el orden y tamao de paso ptimos, con el fin de cubrir el intervalo de clculo con el mnimo
esfuerzo de clculo que permita obtener la precisin deseada.
Para problemas no rgidos suelen usarse frmulas de Adams de diversos rdenes, ya que
tienen buenas caractersticas de estabilidad y buena precisin.
En el caso de problemas rgidos suelen usarse Frmulas de Diferenciacin hacia Atrs que,
aunque son menos precisas, tienen an mejores caractersticas de estabilidad, lo cual es muy
importante en problemas rgidos.
Existen diversas estrategia de ajuste de orden y paso, esbozaremos aqu una de ellas.
Como vimos en los mtodos de Runge-Kutta de paso variable, si se quiere tener un error global
en [x0, b] menor que entonces cuando se avanza un paso h el error local deber ser
Elocal <
h
b x0
Supongamos que hemos llegado al punto xn usando un paso hn y una frmula de orden q.
Usando la misma frmula calculamos el siguiente valor, yn+1 correspondiente a xn+1 = xn + hn y
una estimacin del error local, Eq.
Ecuaciones diferenciales
8-33
1/ q
h
h 0.8h
E bx
0
q
8-65
q+1
hn+1 = h calculado segn 8-65, el cual ser probablemente mayor al paso antes
usado.
Nuevamente, al aumentar el paso puede arrancarse con mtodos de Runge-Kutta o bien
limitarse a duplicar el paso, con lo que los valores de arranque ya se tienen calculados.
Cualquiera sea el caso debe limitarse el paso verificando las condiciones de convergencia o
exactitud vistas en 8.7.8.4
8.9.4 Scilab
La funcin
y = ode([type,] y0, t0, t [,rtol [,atol]], f [,jac])
de Scilab resuelve una EDO (o SEDO si la funcin f y la condicin inicial y0 son vectoriales).
type
y0
t0 y t
rtol
atol
f
jac
Ejemplo
Al encender un fsforo, la llama crece rpidamente hasta llegar a un tamao en el que el
oxgeno consumido en el interior de la llama iguala al que difunde hacia la superficie de la llama
desde el aire circundante. Luego se mantiene en ese tamao.
14
Aunque esto puede implicar el reclculo del ltimo punto con estas dos frmulas adicionales, como son de paso
mltiple necesitarn pocas evaluaciones de f.
Ecuaciones diferenciales
8-34
y = y 2 y 3
y (0) =
Donde y(t) representa el radio de la bola de fuego en el tiempo t y es un radio inicial muy
pequeo.
Esta EDO es autnoma y tiene dos soluciones estacionarias: y=0 e y=1
La solucin y=0 es inestable y la solucin y=1 es estable.
Para =0.001 este problema es rgido.
Al resolverlo en MATLAB usando ode45 mediante
delta = 0.001;
F = inline('y^2 - y^3','t','y');
opts = odeset('RelTol',1.e-4, 'Stats', 'on');
ode45(F,[0 2/delta],delta,opts);
obtenemos las siguientes estadsticas
323 successful steps
48 failed attempts
2227 function evaluations
0 partial derivatives
0 LU decompositions
0 solutions of linear systems
y la grfica de la Figura 8-15, donde vemos que a partir de t=1000 los pasos se hacen muy
pequeos.
Esto es debido a la rigidez del problema en esa zona.
Figura 8-15
Ecuaciones diferenciales
8-35
Figura 8-16
Ecuaciones diferenciales
8-36
que se cambia el paso o el orden y en cada iteracin de Newton resolver un sistema lineal con
esa LU.
En la Figura 8-18 se ve un detalle de la zona donde se llega al estado estacionario y=1.
Se aprecia la solucin es numricamente estable, lo que permite usar un tamao de paso
mayor.
Figura 8-17
Ecuaciones diferenciales
Figura 8-18
8-37
Ecuaciones diferenciales
8-38
d
f ( x, y ) = f y y + f x = Jy + f x
dx
y =
Luego se integra el polinomio interpolador de Hermite de Y(x) entre xn-m y xn+1 para calcular
Y(xn+1) segn 8-42.
La interpolacin de Hermite puede hacerse usando los puntos en xn-p, xn-p+1,,xn-1, xn,
obteniendo una frmula explcita, o incluyendo tambin el punto desconocido xn+1, con lo que
obtendremos una frmula implcita.
y n+1
h
h2
= y n + ( y n+1 + y n ) +
( yn+1 + yn )
2
12
Ecorr =
h5 V
Y ( )
720
Obsrvese que aunque esta frmula slo utiliza informacin de dos puntos, el error de
5
truncacin local es de orden h , gracias al uso interpolacin de Hermite que requiere de valores
de la derivada segunda en la frmula.
y n+1 = y n +
2
h
( yn + 3 y n1 ) + h (17 yn + 7 yn1 )
2
12
E pred =
31 5 V
h Y ( )
720
E pred
31
30
( ycn+1 ypn+1 )
Ecuaciones diferenciales
8-72
8-39
Ecorr
1
30
( ycn+1 ypn+1 )
que suelen usarse adems como modificadores del predictor y del corrector respectivamente.
Ejemplo
Si resolvemos 8-7 con el Mtodo de Hermite se obtiene la grfica de la Figura 8-19
Se observa que el error es muy inferior al de la frmula BDF para el mismo paso, debido a la
alta precisin del mtodo de Hermite. Adems no hay inestabilidad numrica en la zona rgida.
Figura 8-19
Terico de
CLCULO AVANZADO
2015
Objetivos de aprendizaje
Germn BRESCIANO
9.4.2
9.4.2.1
9.4.2.2
9.4.2.3
9-1
Introduccin
Figura 9-1
Los casos ms comunes de PVFs son EDOs de segundo orden, los cuales requieren dos
condiciones auxiliares.
En lo que sigue estudiaremos este tipo de PVF, aunque en general se puede generalizar para
SEDOs y para otros rdenes.
9-2
Si las condiciones de frontera especifican valores para las variables dependientes, decimos
que tenemos condiciones de Dirichlet.
Si las condiciones de frontera especifican valores para la derivada primera de la variable
dependiente, decimos que tenemos condiciones de Neumann.
Tambin hay condiciones Mixtas o de Robin con especificaciones para las variables y las
derivadas, o que especifiquen relaciones entre ellas en lugar de valores concretos.
Ejemplo
Figura 9-2
9-1
T
qx
y
=
y
+
( x L)
EI
2 EI
y ( 0) = 0
y ( L) = 0
Obsrvese que las condiciones auxiliares conocidas son que la flecha es nula en cada
extremo.
Este es un problema de valores de frontera y en particular con condiciones de Dirichlet.
Si el material de la viga es homogneo y la seccin constante en toda su longitud, entonces EI
es constante y se puede obtener una solucin analtica.
Pero si, por ejemplo, la seccin cambia a lo largo de la viga, entonces es difcil obtener una
solucin analtica al problema.
A diferencia de los PVIs, que bajo ciertas condiciones tienen solucin y es nica, los PVFs que
involucran esas mismas EDOs pueden no tener solucin o tener ms de una.
Los PVFs son mucho ms difciles de resolver que los PVIs. Cuando son no lineales necesitan
una aproximacin inicial a la solucin para comenzar las iteraciones y aunque sta sea buena
el mtodo puede fallar, o incluso converger cuando no existe una solucin.
9.2
Tipos de mtodos
Llamados as porque se resuelven del mismo modo que un artillero apunta un can para acertar su disparo,
ajustando la condicin inicial para que la final d lo que se desea.
9.3
9-3
Mtodos de disparo
Estos mtodos consisten en resolver un PVI que tiene la misma EDO que el PVF, pero
sustituyendo las condiciones de frontera por condiciones iniciales y determinar la condicin
inicial para que se verifiquen las condiciones de frontera, si esto es posible.
Una de las condiciones de frontera se toma como una condicin inicial y la otra condicin inicial
3
se define mediante un parmetro( ) cuyo valor debemos determinar para que se cumpla la otra
condicin de frontera, que llamaremos condicin final.
Por ejemplo, para resolver el problema:
y = f ( x, y, y )
y (a) = y a
y (b) = yb
9-2
y = f ( x, y, y )
y (a) = y a
y (a ) =
9-3
Ejemplo
Si en el ejemplo de la viga las magnitudes involucradas valen: L = 1, q = 2, T = 1, E = 1 e I = 1
Entonces 9-1 queda
9-4
y = y + x( x 1)
y ( 0) = 0
y (1) = 0
Tomando la condicin en x=0 como condicin inicial, introducimos la segunda condicin inicial:
9-5
y = y + x( x 1)
y ( 0) = 0
y (0) =
para poder usar los mtodos de resolucin de EDOs vistos debemos transformar 9-5 en un
SEDO de primer orden equivalente:
3
Para el caso de EDOs de orden mayor a 2 o de SEDOs, habr ms de 2 condiciones de frontera y por tanto habr
que introducir tantos parmetros como condiciones de frontera en puntos distintos a la condicin inicial.
4
Si se debieron introducir varios parmetros deber resolverse un sistema de ecuaciones, generalmente no lineales.
9-6
9-4
y = u
u = y + x( x 1)
y ( 0) = 0
u (0) =
Figura 9-3
La Tabla 9-1 muestra los resultados. Se ve que los errores se mantienen muy bajos a pesar de
los pocos pasos realizados, gracias a la gran precisin del mtodo de Runge Kutta Fehlberg.
Pues las soluciones de una EDO lineal homognea de orden n forman un espacio vectorial de dimensin n
x
0,0
0,0
0,1
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
Tabla 9-1
9-5
y
0,000000000000
0,000757503663
0,004513742916
0,010005744035
0,014999381036
0,019215280966
0,022250537902
0,023616236008
0,022566329721
0,017833834806
0,011454152149
0,004924432558
-0,000000000707
error
0,0E+00
1,5E-11
8,3E-11
1,3E-10
2,0E-10
2,7E-10
3,5E-10
4,2E-10
3,6E-10
-3,2E-10
-5,7E-10
-6,9E-10
-7,1E-10
k +1 = k
(g ( k ) yb )( k k 1 )
g ( k ) g ( k 1 )
9-8
z = f y ( x, y, y ) z + f y ( x, y, y ) z
8
( ) z (a) = 0
z (a ) = 1
Este problema debe resolverse simultneamente con 9-3 para cada valor de
La iteracin de Newton Raphson queda
9-9
k +1 = k
(g ( k ) yb )( k k 1 )
z k (b)
Aunque el uso del mtodo de Newton Raphson implica tener que resolver un PVI adicional, la
mayor velocidad de convergencia en comparacin con el mtodo de la Secante generalmente
justifica el esfuerzo.
El mtodo de disparo no lineal es muy laborioso, especialmente para EDOs de orden mayor a 2
para las que deben suponerse 2 o ms condiciones iniciales para cumplir con igual cantidad de
condiciones finales.
En algunos casos, si se tienen ms condiciones finales que iniciales puede convenir resolver
hacia atrs, partiendo del punto final y terminando en el inicial, usando pasos de clculo
negativos. Debe recordarse que la estabilidad del problema se invierte al resolver hacia atrs.
6
si la condicin final especifica la derivada y(b), entonces g() es el valor final de la derivada de la solucin calculada
con .
7
Si la condicin final especifica la derivada y(b), entonces g() es el valor final de la derivada de la solucin de esta
EDO, z(b).
8
Si el parmetro especifica el valor inicial de y(a) entonces la condicin inicial de esta EDO debe ser z(a)=1 y z(a)=0
9.4
9-6
Mtodos Globales
Los mtodos de disparo se basan en resolver PVIs y hay mtodos muy precisos y eficientes
para esto.
El problema es que con frecuencia se tienen problemas de valores de frontera con EDOs muy
inestables. Esto hace que el correspondiente PVI sea muy mal condicionado al ser la solucin
de la EDO muy sensible a los valores iniciales.
Esto dificulta enormemente la obtencin de una solucin al PVF, ya que estamos tratando de
resolver una ecuacin algebraica no lineal (cuya incgnita es una o ms de las condiciones
iniciales) pero no podemos evaluar con precisin la ecuacin a resolver.
Los mtodos globales no tienen este problema, pues no resuelven la EDO como PVI.
En lugar de eso, dividen al intervalo entre las fronteras mediante una particin a partir de ella
obtienen un sistema de ecuaciones algebraicas simultneas, generalmente no lineal, a partir de
cuya solucin se obtiene la aproximacin a la solucin del PVF.
En algunos casos se pueden obtener estimaciones del error en funcin de la finura de la
particin usada y el valor de alguna derivada superior de la solucin, la cual puede obtenerse
por diferencias finitas.
En otros casos puede estimarse el error y mejorar la solucin mediante extrapolacin de
Richardson.
Otros mtodos estiman el residuo de la solucin obtenida, pues si el problema es bien
condicionado un residuo pequeo implica un error pequeo.
Estas estimaciones de error sirven para refinar la particin en las zonas donde el error es alto.
Ejemplo
Vamos a resolver 9-4 por Diferencias Finitas.
Primero dividimos el intervalo [0,1] con una grilla con paso h=0.1
Sustituyendo y por la Frmula de Diferencia Central de segundo orden para la derivada
segunda en el punto k obtenemos:
y k 1 2 y k + y k +1
= yk + xk ( xk 1)
h2
con xk = x0 + kh
yk 1 + (2 + h 2 ) yk yk +1 = h 2 xk (1 xk )
k = 1,2,...,9
2 + h 2
9-10
9-7
2 + h2
2 + h2
1 2 + h2
y1 h 2 x1 (1 x1 ) + y0
y
h x2 (1 x2 )
0
2
y
h x3 (1 x3 )
0
3
M
M
M
y
h x (1 x8 )
1
8 8
2
2
2 + h y9 h x9 (1 x9 ) + y10
0
Ntese que y0 e y10 no son incgnitas sino los valores conocidos de la condicin inicial y final .
Obsrvese adems que el sistema es tridiagonal, lo cual siempre sucede al usar diferencias
centrales de segundo orden, que slo involucran a un punto y sus vecinos inmediatos. Esto nos
permite usar mtodos para matrices tridiagonales que implican relativamente poco esfuerzo de
clculo.
2
El error de truncacin de este mtodo es de orden O(h ).
La Tabla 9-2 muestra los resultados obtenidos con grillas de diferentes pasos. Slo se
muestran los valores correspondientes a x cada 0.1
Se observa que los errores obtenidos son muy superiores a los obtenidos por el mtodo de
disparo a pesar de que se usaron mucho ms puntos. Esto se debe a que las frmulas
utilizadas en el Mtodo de Diferencias Finitas fueron de orden 2 mientras que las usadas en el
Mtodo de Disparo fueron de orden 5.
Se confirma que los errores son efectivamente proporcionales al paso al cuadrado.
x
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
h=0,1
y
0,000000000000
0,007493887261
0,014162713394
0,019373166661
0,022677351595
0,023808310045
0,022677351595
0,019373166661
0,014162713394
0,007493887261
0,000000000000
Tabla 9-2
error
0,0E+00
6,3E-05
1,1E-04
1,4E-04
1,6E-04
1,7E-04
1,6E-04
1,4E-04
1,1E-04
6,3E-05
0,0E+00
h=0,05
h=0,025
y
error
y
0,000000000000 0,0E+00 0,000000000000
0,007446578208 1,6E-05 0,007434736916
0,014079606239 2,8E-05 0,014058804905
0,019265018331 3,6E-05 0,019237949399
0,022554388511 4,1E-05 0,022523611592
0,023680443542 4,3E-05 0,023648439349
0,022554388511 4,1E-05 0,022523611592
0,019265018331 3,6E-05 0,019237949399
0,014079606239 2,8E-05 0,014058804905
0,007446578208 1,6E-05 0,007434736916
0,000000000000 0,0E+00 0,000000000000
error
0,0E+00
3,9E-06
6,9E-06
9,0E-06
1,0E-05
1,1E-05
1,0E-05
9,0E-06
6,9E-06
3,9E-06
0,0E+00
9-8
( yh / 2 yh )
9-11
Eextr , h / 2
9-12
yextr , h / 2 = yh / 2 + Eextr , h / 2
1
3
Los valores extrapolados tendrn errores de truncacin de orden O(h ), si se tienen dos
extrapolaciones con distinto paso pueden ser extrapolados nuevamente segn:
(y
yextr , h )
9-13
Eextr 2, h / 2
9-14
1
15
extr , h / 2
La Tabla 9-3 muestra los resultados de realizar Extrapolacin de Richardson con los resultados
anteriores y tambin de extrapolar una segunda vez.
Esta vez los resultados obtenidos son ms precisos que los obtenidos por el Mtodo de
Disparo.
h=0,1 y 0,05
h=0,05 y 0,025
h=0,1-0,05 y 0,05-0,025
x
y
error
y
error
y
error
0,0 0,000000000000 0,0E+00 0,000000000000 0,0E+00
0,000000000000
0,0E+00
0,1 0,007430808524 2,0E-08 0,007430789818 1,2E-09
0,007430788571
1,9E-12
0,2 0,014051903854 3,5E-08 0,014051871127 2,2E-09
0,014051868945
3,4E-12
0,3 0,019228968887 4,5E-08 0,019228926422 2,8E-09
0,019228923591
4,4E-12
0,4 0,022513400817 5,1E-08 0,022513352619 3,2E-09
0,022513349406
5,0E-12
0,5 0,023637821375 5,3E-08 0,023637771285 3,3E-09
0,023637767945
5,2E-12
0,6 0,022513400817 5,1E-08 0,022513352619 3,2E-09
0,022513349406
5,0E-12
0,7 0,019228968887 4,5E-08 0,019228926422 2,8E-09
0,019228923591
4,4E-12
0,8 0,014051903854 3,5E-08 0,014051871127 2,2E-09
0,014051868945
3,4E-12
0,9 0,007430808524 2,0E-08 0,007430789818 1,2E-09
0,007430788571
1,9E-12
1,0 0,000000000000 0,0E+00 0,000000000000 0,0E+00
0,000000000000
0,0E+00
Tabla 9-3
9-9
Debe arrancarse la iteracin con una buena aproximacin inicial, que cumpla las condiciones
de frontera.
Al igual que en el caso lineal, se puede mejorar la exactitud mediante extrapolacin de
Richardson o usando diferencias finitas de mayor orden.
y = f(x,y, y)
9-15
g ( x) = a j g j ( x)
j =0
r ( x) = g ( x) f ( x, g ( x), g ( x) )
Los coeficientes de esta combinacin lineal se eligen para minimizar el residuo buscando que
11
se anulen los promedios ponderados del residuo( ):
9-17
r ( x) wi ( x)dx = 0
i = 1,..., m
10
Desarrollaremos este tema basados en EDOs de segundo orden, pero es aplicable a SEDOs de cualquier orden.
Luego veremos que en algunos casos se suma en esta ecuacin el residuo de la condicin de contorno.
12
Tambin hay funciones Hermticas pero no se usan con frecuencia.
11
9-10
Lineales a trozos
(nodo compartido entre elementos lineales)
x x j 1
x j x j 1
x x
g j ( x) = j +1
x j +1 x j
x j 1 x x j
x j x x j +1
en otro caso
elementos
( x x j 1 )( x x j 2 )
x j 2 x x j
( x j x j 1 )( x j x j 2 )
( x x)( x j + 2 x)
x j x x j+2
g j ( x ) = j +1
( x j +1 x j )( x j + 2 x j )
en otro caso
0
( x x j 1 )( x j +1 x )
( x x )( x x ) x j 1 x x j +1
j 1
j +1
j
g j ( x) = j
0
en otro caso
9-11
13
( x x j 1 ) 2 2( x j x) + ( x j x j 1 )
( x j x j 1 ) 2
( x x j +1 ) 2 2( x x j ) + ( x j +1 x j )
g 0 j ( x) =
( x j +1 x j ) 2
en otro caso
0
x j 1 x x j
x j x x j +1
( x x j 1 ) 2 ( x x j )
x j 1 x x j
2
( x j x j 1 )
( x x j +1 ) 2 ( x x j )
x j x x j +1
g 1 j ( x) =
2
( x j +1 x j )
en otro caso
0
Los distintos mtodos usan diferentes funciones de ponderacin para determinar los
coeficientes de la combinacin lineal. Los ms usados son:
Mtodo de subdominios
Mtodo de colocacin
Mtodo de Galerkin (Elementos Finitos)
Una de las ventajas de estos mtodos es que la solucin obtenida est definida en todo el
dominio y no slo en los nodos como en los mtodos de Diferencias Finitas.
Ejemplo
Para resolver 9-4 por el Mtodo de subdominios, usando funciones lineales a trozos.
Primero dividimos el intervalo [0,1] con una grilla con paso h=0.1
Las funciones de forma sern sombreros poligonales con nodos 0, 0.1, 0.2,,1
En este caso una buena eleccin de los subdominios es tomar los intervalos limitados por los
puntos medios entre los nodos, es decir
xi + xi 1
x + xi +1
x i
2
2
en otro caso
1
wi ( x) =
0
r ( x) wi ( x)dx =
r ( x)dx =
i = 1,...,9
x2 x3
(1 + 34 h 2 )a0 + (1 + 14 h 2 )a1 = h 1 1 hy0
3
2
9-12
g ( x) f ( x, g ( x), g ( x) )dx = 0
i
i = 1,...,9
g ( x) g ( x)dx x( x 1)dx = 0
9-19
i = 1,...,9
Como estamos usando sombreros poligonales, g(x) ser poligonal y por tanto
g ( x) =
i
g ( xi +1 ) g ( xi ) g ( xi ) g ( xi 1 ) g ( xi 1 ) 2 g ( xi ) + g ( xi +1 )
=
h
h
h
i = 1,...,9
g ( x)dx =
h
2
( g(
1
2
xi 1 + xi
2
) + g ( xi ) + 12 g (
xi + xi +1
2
i = 1,...,9
g(
xi 1 + xi
2
g ( xi 1 ) + g ( xi )
2
)=
g(
xi + xi +1
2
)=
g ( xi ) + g ( xi +1 )
2
h
(g ( xi 1 ) + 6 g ( xi ) + g ( xi +1 ) )
i
8
x3 x 2
x
(
x
1
)
dx
=
i = 1,...,9
i
2
3
entonces
adems
g ( x)dx =
i = 1,...,9
i = 1,...,9
sustituyendo en 9-19
x3 x 2
g ( xi 1 ) 2 g ( xi ) + g ( xi +1 ) h
( g ( xi 1 ) + 6 g ( xi ) + g ( xi +1 ) ) =
h
8
2
3
i = 1,...,9
i
ai 1 + 2ai ai +1 +
3
2
h2
(ai 1 + 6ai + ai +1 ) = h x x
8
3
2
i
i = 1,...,9
1 + 18 h 2
1 + 18 h 2
2 + 34 h 2
1 + 18 h 2
2+ h
1+ h
1+ h
1
8
3
4
L
1
8
1+ h
1
8
L
O
2 + 34 h 2
1 + 18 h 2
(
(
(
)
)
)
(
(
)
)
2
2
3
3
a1 h 0.15 0.05 0.15 0.05 + (1 18 h 2 ) y 0
2
3
M
M
M
2
2
3
3
0.952 0.852 0.953 0.853
3
1 2
2 + 4 h a 9 h
+ (1 8 h ) y10
2
3
x
0,0
0,1
0,2
0,3
0,4
h=0,1
y
0,000000000000
0,007467989621
0,014117969961
0,019315647955
0,022612439654
error
0,0E+00
3,7E-05
6,6E-05
8,7E-05
9,9E-05
h=0,05
y
0,000000000000
0,007440092086
0,014068399885
0,019250612056
0,022538130336
error
0,0E+00
9,3E-06
1,7E-05
2,2E-05
2,5E-05
h=0,025
y
0,000000000000
0,007433114652
0,014056002033
0,019234346165
0,022519545158
error
0,0E+00
2,3E-06
4,1E-06
5,4E-06
6,2E-06
0,5
0,6
0,7
0,8
0,9
1,0
0,023740978767
0,022612439654
0,019315647955
0,014117969961
0,007467989621
0,000000000000
Tabla 9-4
1,0E-04
9,9E-05
8,7E-05
6,6E-05
3,7E-05
0,0E+00
9-13
0,023663579347
0,022538130336
0,019250612056
0,014068399885
0,007440092086
0,000000000000
2,6E-05
2,5E-05
2,2E-05
1,7E-05
9,3E-06
0,0E+00
0,023644221336
0,022519545158
0,019234346165
0,014056002033
0,007433114652
0,000000000000
6,5E-06
6,2E-06
5,4E-06
4,1E-06
2,3E-06
0,0E+00
En este caso tambin podemos usar extrapolacin de Richardson igual que hicimos antes.
x
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
h=0,1 y 0,05
h=0,05 y 0,025
y
error
y
error
0,000000000000 0,0E+00 0,000000000000 0,0E+00
0,007430792907 4,3E-09 0,007430788841 2,7E-10
0,014051876527 7,6E-09 0,014051869416 4,7E-10
0,019228933424 9,8E-09 0,019228924201 6,2E-10
0,022513360563 1,1E-08 0,022513350099 7,0E-10
0,023637779540 1,2E-08 0,023637768665 7,3E-10
0,022513360563 1,1E-08 0,022513350099 7,0E-10
0,019228933424 9,8E-09 0,019228924201 6,2E-10
0,014051876527 7,6E-09 0,014051869416 4,7E-10
0,007430792907 4,3E-09 0,007430788841 2,7E-10
0,000000000000 0,0E+00 0,000000000000 0,0E+00
Tabla 9-5
h=0,1-0,05 y 0,05-0,025
y
error
0,000000000000 0,0E+00
0,007430788569 1,1E-13
0,014051868942 1,9E-13
0,019228923586 2,6E-13
0,022513349401 2,9E-13
0,023637767940 3,1E-13
0,022513349401 2,9E-13
0,019228923586 2,6E-13
0,014051868942 1,9E-13
0,007430788569 1,1E-13
0,000000000000 0,0E+00
15
Ejemplo
Para resolver 9-4 por el Mtodo de colocacin, como es una EDO de segundo orden, m=2, por
tanto vamos a usar polinomios cbicos de Hermite a trozos, con derivada primera continua.
Los puntos de colocacin sern las races del polinomio de Legendre de 2 grado en cada
elemento, por tanto tendremos dos puntos de colocacin por cada nodo y tambin dos
polinomios de Hermite por cada nodo.
Tomando n+1 nodos incluyendo ambas fronteras, tendremos n elementos y por tanto 2n puntos
de colocacin que nos darn 2n ecuaciones, ms 2 condiciones de frontera completamos 2n+2
ecuaciones, igual cantidad que los coeficientes a determinar.
Primero dividimos el intervalo [0,1] con una grilla con paso h=0.2
Las funciones de forma sern sombreros Hermticos con nodos 0, 0.2, 0.4, 0.6, 0.8 y 1
Los coeficientes de los polinomios de Hermite sern los valores de g y g en los nodos.
15
(x) es nula en R excepto en 0, donde es infinita. Su integral vale 1 en cualquier intervalo que contenga al 0.
g(x) = a j g 0 j(x) +
j =1
9-14
a g
j =1
1j
(x)
9-20
i = 1,..., n
donde el suprandice se usa para distinguir los dos puntos de colocacin de cada elemento.
Como estamos usando sombreros Hermticos, en cada elemento g(x) ser igual al interpolador
Hermtico por los dos nodos que limitan al elemento.
9-21
x xi +1 x xi
con hi +1 ( x ) = 1 2
h h
x xi +1
x xi
hi ( x) = ( x xi )
y hi +1 ( x) = ( x xi +1 )
h
h
x xi +1
si definimos xi +1 / 2 = i
2
3
x xi +1 / 2 3 x xi +1 / 2 1
entonces hi +1 ( x ) = 2
+
+
h
h
2
2
2
x xi +1 / 2 3 1 x xi +1 / 2 2 1 x xi +1 / 2 1
hi ( x) = h
+
h
2
h
4
h
x xi +1 / 2 3 1 x xi +1 / 2 2 1 x xi +1 / 2
y hi +1 ( x) = h
+
h
2
h
4
h
por tanto g(x) y g(x) sern combinaciones lineales de las derivadas primera y segunda de los
polinomios de Hermite:
6 x xi +1 / 2
3
hi+1 ( x) =
+
h
h
2h
x xi +1 / 2 x xi +1 / 2 1
x xi +1 / 2 x xi +1 / 2 1
hi( x) = 3
+
y hi+1 ( x) = 3
h
h
h
h
4
2
hi+1 ( x) =
12 x xi +1 / 2
h2
h
6 x xi +1 / 2 1
6 x xi +1 / 2 1
hi( x) =
+ y hi+1 ( x) =
h
h
h
h
h
h
x xi +1 / 2
= 12
h
1
3
por tanto los valores de los polinomios de Hermite y sus derivadas en los puntos de colocacin
sern
hi +1 (ci ) = 3 2 3 +
hi+1 (ci ) =
1
h
1
2
hi (ci ) = 1 m
1
3
hi(ci ) = m 2 1 3
)12h
hi +1 (ci ) = m
hi+1 (ci ) = 2 1 3
1
3
)12h
hi+1 (ci ) = m
2
h2
9-15
3 1
hi( x) =
h
3 +1
hi+1 ( x) =
h
i +1 i + 1
i i
i + 1 i +1
ai hi+1 (ci ) + hi +1 (ci ) 1 + ai hi(ci ) hi (c i ) + ai +1 hi+1 (ci ) hi +1 (ci ) + ai+1 hi+1 (ci ) hi +1 (ci ) = ci (ci 1)
Tabla 9-6
a0
a'0
a1
a'1
a2
a'2
a3
a'3
a4
a'4
a5
a'5
0
-0,0405
-0,1329
-0,1836
-0,2298
-0,2467
-0,2467
-0,2298
-0,1836
-0,1329
-0,0405
0
Colocacin con n = 5
Obsrvese que la matriz del sistema obtenido es de banda, con 5 diagonales en bloques de 2
filas. Puede resolverse por mtodos especiales para matrices de banda.
La primer ecuacin corresponde a la condicin inicial y la ltima a la condicin final. En este
caso son condiciones de Dirichlet, pero podran ser de Neumann o mixtas.
Los resultados se muestran en la Tabla 9-7.
Se observa que los errores son inferiores a los obtenidos por Diferencias Finitas o
4
Subdominios, lo cual es de esperar ya que el error de este mtodo es de orden O(h ), pues
usamos polinomios cbicos.
Debido al mayor orden, la extrapolacin de Richardson es
( y h / 2 yh )
9-22
Eextr , h / 2
9-23
yextr , h / 2 = yh / 2 + Eextr , h / 2
1
15
Los valores extrapolados tienen errores de orden O(h ) y pueden ser extrapolados nuevamente
segn:
(y
yextr , h )
9-24
Eextr 2, h / 2
9-25
1
63
extr , h / 2
x
0,0
0,2
0,4
0,6
0,8
1,0
h=0,2
y
0,0000000000000000
0,0140519679069880
0,0225134958267834
0,0225134958267834
0,0140519679069880
0,0000000000000000
Tabla 9-7
x
0,0
0,2
0,4
0,6
0,8
1,0
h=0,1
y
0,0000000000000000
0,0140518751120622
0,0225133585309430
0,0225133585309430
0,0140518751120622
0,0000000000000000
error
0,0E+00
6,2E-09
9,1E-09
9,1E-09
6,2E-09
0,0E+00
h=0,05
y
0,0000000000000000
0,0140518693268210
0,0225133499713205
0,0225133499713205
0,0140518693268210
0,0000000000000000
error
0,0E+00
3,9E-10
5,7E-10
5,7E-10
3,9E-10
9,0E-18
h=0,2-0,1 y 0,1-0,05
y
0,0000000000000000
0,0140518689413828
0,0225133494010408
0,0225133494010408
0,0140518689413828
0,0000000000000000
error
0,0E+00
1,5E-16
2,1E-16
2,2E-16
1,6E-16
9,7E-18
h=0,2
y
0,0000000000000000
0,0140518689257338
0,0225133493778870
0,0225133493778870
0,0140518689257338
0,0000000000000000
Tabla 9-8
error
0,0E+00
9,9E-08
1,5E-07
1,5E-07
9,9E-08
0,0E+00
9-16
error
0,0E+00
-1,6E-11
-2,3E-11
-2,3E-11
-1,6E-11
0,0E+00
h=0,1 y 0,05
y
0,0000000000000000
0,0140518689411383
0,0225133494006790
0,0225133494006790
0,0140518689411383
0,0000000000000000
error
0,0E+00
-2,4E-13
-3,6E-13
-3,6E-13
-2,4E-13
9,6E-18
9-17
9-26
r ( x) g i ( x)dx = 0
i = 1,..., m
por lo que el residuo debe ser ortogonal a la base de funciones de forma {g0, g1, , gn}.
Usualmente se usan funciones de forma elementales Lagrangianas lineales o cuadrticas.
Como ya vimos antes, esto tiene la ventaja de que el sistema de ecuaciones resultante tendr
matriz de banda.
Como el error depende de la particin utilizada as como el grado de los polinomios usados, los
Mtodos de Elementos Finitos (MEF) generalmente usan polticas adaptativas para mejorar la
precisin. stas pueden consistir en:
desplazar los nodos (mtodos r-adaptativos)
refinar o engrosar los elementos (mtodos h-adaptativos)
cambiar el grado de los polinomios (mtodos p-adaptativos)
combinaciones de los anteriores (P. Ej. mtodos hp-adaptativos)
Desarrollando 9-26
r ( x) g i ( x)dx =
g ( x) g i ( x) g ( x) g i ( x)dx =
i = 0,..., n
9-28
a j g j ( x) g i ( x) dx = f ( x, g ( x ), g ( x) )g i ( x) dx
a g ( x) g ( x)
j =0
j =0
i = 0,..., n
a0 g 0 ( x0 ) a1 g1 ( x0 ) = g ( x0 ) si i = 0
an 1 g n 1 ( x n ) + a n g n ( x n ) = g ( xn ) si i = n
Y por tanto debe n valer (para el extremo con condicin de Newmann).
y0
y n
si i = 0
si i = n
9-29
a
j =0
donde
i = 1,..., n 1
9-30
9-18
xi +1 g 2 ( x)dx si i = j
xi 1 i
xi g ( x) g ( x)dx si i = j + 1
i 1
i
g j ( x) gi( x)dx = Gij = xxii+11
g i+1 ( x) g i ( x)dx si i = j 1
xi
0 en otro caso
16
Con respecto al lado derecho, como la funcin gi es nula con excepcin de los elementos
contiguos al nodo i, la integral puede evaluarse slo sobre dichos elementos, resultando:
Ga =
9-31
xi +1
xi 1
f ( x, g ( x), g ( x) )g i ( x)dx
i = 1,..., n 1
obsrvese estas integrales dependen de ai-1, ai y ai+1, por lo que la jacobiana del lado derecho
respecto a los coeficientes ser una matriz de banda.
Ejemplo
Vamos a resolver 9-4 por Elementos Finitos.
Primero dividimos el intervalo [0,1] con una grilla con paso h=0.1
Las funciones de forma sern sombreros poligonales con nodos 0, 0.1, 0.2,,1
x 1x
i i 1
1
x x
Gij = i i 1
1
x x
i +1 i
0
xi +1
xi 1
1
xi +1 xi
si
i= j
si
i = j +1
si
i = j 1
en otro caso
0
2 1 0
1 2 1 0
1 0 1 2 1
G=
h M
M O O
0
0 L 1
0
0 L 0
por tanto
f ( x, g ( x), g ( x) )g i ( x)dx =
L 0
L 0
O M
2 1
1 2
L
(g ( x) + x( x 1))g ( x)dx =
xi +1
xi 1
a j g j ( x) + x( x 1) g i ( x)dx =
xi 1
j =0
xi +1
a
j =0
xi +1
xi 1
xi +1
g i ( x) g j ( x)dx + x( x 1) g i ( x)dx =
xi 1
xi +1
xi +1
xi +1
xi +1
xi 1
xi 1
xi 1
xi 1
xi +1
xi xi1
x xi 1
x xi
+ ai i +1
+ ai +1 i +1
+ x( x 1) g i ( x)dx
xi 1
6
3
6
estas ltimas integrales pueden evaluarse por Simpson en cada elemento, ya que el integrando
es cbico en cada elemento, por lo que 9-31 queda
16
2
1
1 0
hM
0
0
1 0 0 L
2 1 0 L
1 2 1 L
M
0
O O O
L 1 2
23
a1
1
a2
6
a3
M = h 0
M
M
a
0
1
8
2 a9
0
0
0
0
9-19
1 0 0
6
2 1 0
3 6
1 2 1
6 3 6
M O O
0 L 1
6
0 L 0
a
1 y
p ( x0.5 )+ p ( x1 )+ p ( x1.5 )
a1 6 0 0
p ( x1.5 ) + p ( x2 )+ p ( x2.5 )
2
h
p ( x ) + p ( x3 ) + p ( x3.5 )
a
0 3
h 0 2.5
M
M
M M
3
1 a8
0
p ( x7.5 ) + p ( x8 )+ p ( x8.5 )
6 a
1
6 yn
2 9
p ( x8.5 )+ p ( x9 )+ p ( x9.5 )
3
L 0
L 0
L
O
2
3
1
6
2 + 2 h2
3
h2
1 + 6
M
0
con
1+ h
6
2 2
2+ 3 h
2
1+ h
6
M
0
0
1 + h
6
2 + 23 h 2
O
L
L
1+ h
6
O
2
1+ h
6
0
a
1
2
1 y0 h p ( x1 ) + 6 y 0
0 a
h 2 p( x2 )
2
h 2 p ( x3 )
0 a3 =
M
M M
2
h 2 p ( x8 )
1 + h a8
1
6 a
2
9 y n h p ( x9 ) + 6 y n
2 + 23 h
L
O
2 + 23 h 2
2
1+ h
6
p( xi ) = 13 ( p ( xi h2 ) + p ( xi ) + p( xi + h2 ) )
x
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
h=0,1
y
0,000000000000
0,007436400000
0,014062000000
0,019243000000
0,022530000000
0,023656000000
0,022530000000
0,019243000000
0,014062000000
0,007436400000
0,000000000000
Tabla 9-9
error
0,0E+00
5,6E-06
1,1E-05
1,4E-05
1,7E-05
1,8E-05
1,7E-05
1,4E-05
1,1E-05
5,6E-06
0,0E+00
h=0,05
y
0,000000000000
0,007432200000
0,014055000000
0,019233000000
0,022518000000
0,023642000000
0,022518000000
0,019233000000
0,014055000000
0,007432200000
0,000000000000
error
0,0E+00
1,4E-06
2,7E-06
3,6E-06
4,3E-06
4,5E-06
4,3E-06
3,6E-06
2,7E-06
1,4E-06
0,0E+00
h=0,025
y
error
0,000000000000 0,0E+00
0,007431100000 3,5E-07
0,014053000000 6,6E-07
0,019230000000 9,1E-07
0,022514000000 1,1E-06
0,023639000000 1,1E-06
0,022514000000 1,1E-06
0,019230000000 9,1E-07
0,014053000000 6,6E-07
0,007431100000 3,5E-07
0,000000000000 0,0E+00
En este caso tambin podemos usar extrapolacin de Richardson igual que hicimos antes.
x
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
h=0,1 y 0,05
y
0,000000000000
0,007430800000
0,014052000000
0,019229000000
0,022513000000
0,023638000000
0,022513000000
0,019229000000
0,014052000000
0,007430800000
0,000000000000
error
0,0E+00
6,8E-09
1,2E-08
1,5E-08
1,7E-08
1,8E-08
1,7E-08
1,5E-08
1,2E-08
6,8E-09
0,0E+00
9-20
h=0,05 y 0,025
y
0,000000000000
0,007430800000
0,014052000000
0,019229000000
0,022513000000
0,023638000000
0,022513000000
0,019229000000
0,014052000000
0,007430800000
0,000000000000
error
0,0E+00
4,3E-10
7,4E-10
9,6E-10
1,1E-09
1,1E-09
1,1E-09
9,6E-10
7,4E-10
4,3E-10
0,0E+00
h=0,1-0,05 y 0,05-0,025
y
error
0,000000000000 0,0E+00
0,007430800000 -5,1E-13
0,014052000000 -8,8E-13
0,019229000000 -1,1E-12
0,022513000000 -1,3E-12
0,023638000000 -1,3E-12
0,022513000000 -1,3E-12
0,019229000000 -1,1E-12
0,014052000000 -8,8E-13
0,007430800000 -5,1E-13
0,000000000000 0,0E+00
Tabla 9-10 Problema de la viga por Elementos Finitos con extrapolacin de Richardson
Terico de
CLCULO AVANZADO
2015
Tema: PROBLEMAS DE CAMPO
Objetivos de aprendizaje
Germn BRESCIANO
10
10.3.4
10.3.5
10.3.6
10.3.6.1
10.3.6.2
10.3.6.3
10.3.6.4
10.3.7
10.3.7.1
10.3.7.2
10.3.8
10.3.9
10.3.9.1
10.3.9.2
10.3.9.3
10.3.9.4
10.4.2
10.4.2.1
10.4.3
10.4.3.1
10.6.2
10.6.2.1
10.6.2.2
10.6.2.3
10.8.1
10.8.1.1
10.12
INTEGRACIN REDUCIDA ............................................................................................... 10-53
10.13
SISTEMAS NO EN RGIMEN ............................................................................................. 10-53
10.13.1
Problemas parablicos ......................................................................................... 10-53
10.13.1.1
Problemas de campo
10-1
10 Problemas de campo
10.1 Sistemas discretos. Mtodo directo de la rigidez
Antes de estudiar los problemas de campo veremos un mtodo de resolucin para sistemas
discretos cuya metodologa de clculo es la base del mtodo de elementos finitos.
Se define un vector global de variables con una o ms componente por nodo (dependiendo
del tipo de problema) y las condiciones de compatibilidad implican que ciertas componentes del
1
vector
( ) de cada elemento conectado a un nodo son iguales entre s y su valores
comunes definen a las componentes de correspondientes a ese nodo.
Tambin se define un vector global
(2)
Problemas de campo
10-2
Que resume las ecuaciones elementales, las condiciones de compatibilidad y las de equilibrio.
El sistema tiene tantas variables y ecuaciones como la cantidad de nodos por los grados de
libertad por nodo, que es la cantidad de variables de estado independientes en cada nodo.
En un circuito elctrico hay un solo grado de libertad por nodo (el voltaje).
En un sistema de barras 2D hay 2 grados de libertad por nodo (desplazamiento axial y lateral).
En un sistema de vigas 2D hay 3 grados de libertad por nodo (desplazamiento axial y lateral y
ngulo de flexin).
Problemas de campo
10-3
En los otros casos la geometra es irrelevante pues la condicin de equilibrio de cada nodo es
escalar (suma de flujos nula).
Ejemplo
Determinar los voltajes en cada nodo del circuito
R1 = 10
R2 = 3
R3 = 2
R4 = 7
R5 = 12
R6 = 5
R7 = 4
R8 = 9
V6 = 12V
I2 = 0.1A
Cada nodo tiene una numeracin global (en verde) y una
numeracin local (en amarillo) que indica su nmero dentro
del elemento.
Primero debemos definir cada elemento,
indicando cules son sus nodos, es decir la
correspondencia entre la numeracin local de
sus nodos y la numeracin global.
o sea
1
1
1
1
Donde
y
son las intensidades entrante del elemento e en su nodo 1 y 2 y
los voltajes en el nodo 1 y 2 del elemento e.
Por tanto las ecuaciones elementales (en numeracin local) son
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
=
=
son
Problemas de campo
1
1
1
1
10-4
1
1
1
1
( )
( )
( )
( )
( )
( )
( )
( )
1
1
1
1
1
1
1
1
( )
( )
(")
(")
=
=
( )
( )
(")
(")
En cada nodo debe cumplirse la ecuacin de equilibrio. En este caso la suma de las
intensidades (de los elementos que lo incluyen) debe ser igual a la intensidad externa entrante.
Por tanto vamos a ensamblar el sistema global sumando los coeficientes de cada matriz
elemental en la fila y columna correspondientes a la numeracin global de sus nodos.
Del lado derecho tendremos la suma de las intensidades, que debe ser igual a la intensidad
externa entrante.
1 1
% +
$10 9
$ 1
$ 10
$
$ 0
$
$ 0
$
$ 0
$
1
$
# 9
1
0
10
1 1 1
1
+ +
10 3 4
3
1
1 1 1
+ +
3 2 5
3
1
0
2
1
1
4
5
1
4
1
5
1
7
1 1 1 1
+
+ +
7 12 5 4
1
12
2
1 1
+
2 7
1
7
0
1
0
9 /
0 /
/%
/
0 /$
/ $$
0 /
$
/
1 /#
12 /
1 1/
+
12 9.
0
0 %0.10
/ $ /
/=$ 0 /
/ $0/
/ $0/
. # .
1
10
1 1 1
+ +
10 3 4
1
1
4
1
3
1 1 1
+ +
3 2 5
1
2
1
%
$
$
$
#
1
2
1 1
+
2 7
1
0
/
1
/
4
/%
/$
1
/$
5
/$
1
/#
7
/
1 1 1 1/
+
+ +
7 12 5 4.
0
12
%
0
0
9
/ $$0.1//
/=$ 0 /
/ $ /
. #0.
1
12,3885
0 %
12,82020
/ $
/
/ = $12,7535/
/ $12,7376/
. #12,6819.
= 0,1
Problemas de campo
10-5
GEOMETRICOS
0;
1;
2;
2;
1;
0];
//DATOS ELECTRICOS
R=[10 3 2 7 12 5 4 9]; // [ohm] Resistencia de los elementos
//TABLA DE CONECTIVIDAD
TC=[1 2;
2 3;
3 4;
5 4;
6 5;
3 5;
2 5;
1 6];
nn=size(Coor,'r'); //Numero de nodos
nne=size(TC,'c'); //Numero de nodos por elemento
ne=size(TC,'r'); //Numero de elementos
//GRADOS DE LIBERTAD PRESCRITOS (Voltajes)
gdlp=[6];
ngdlp=size(gdlp,'c');
Vp=zeros(nn,1);
Vp(gdlp,1)=12;
//GRADOS DE LIBERTAD LIBRES
gdll=zeros(nn -ngdlp,1);
gdll=[1 2 3 4 5];
//Corrientes APLICADAS
Iap=zeros(nn,1);
Iap(2)=0.10;
//MATRICES DE RIGIDEZ
kb=zeros(nne,nne);
kb=[1 -1;
-1,1];
//MATRICES Y VECTORES GLOBALES
Kg=zeros(nn,nn);
Vg=zeros(nn,1);
for i=1:ne
ke=1/R(i)*kb;
Problemas de campo
10-6
Iap"])
//Grafica elementos
delete(gcf());
mx=min(Coor(:,1));
Mx=max(Coor(:,1));
my=min(Coor(:,2));
My=max(Coor(:,2));
dx=Mx-mx;
dy=My-my;
mx=mx-dx/10;
Mx=Mx+dx/10;
my=my-dy/10;
My=My+dy/10;
plot([mx Mx],[my My],'w');
plot(Coor(:,1),Coor(:,2),'o')
for e=1:ne
x=[Coor(TC(e,1),1) Coor(TC(e,2),1)];
y=[Coor(TC(e,1),2) Coor(TC(e,2),2)];
plot(x,y,'-')
end
Problemas de campo
10-7
Voltajes prescritos
Nodo
Volt
6.
12.
Intens aplicadas
Nodo Inten
1.
2.
3.
4.
5.
Kg
0.
0.1
0.
0.
0.
0.2111111
- 0.1
0.
0.
0.
- 0.1111111
Iap =
- 0.1
0.6833333
- 0.3333333
0.
- 0.25
0.
0.
- 0.3333333
1.0333333
- 0.5
- 0.2
0.
0.
0.
- 0.5
0.6428571
- 0.1428571
0.
0.
- 0.25
- 0.2
- 0.1428571
0.6761905
- 0.0833333
- 0.1
0.6833333
- 0.3333333
0.
- 0.25
0.
- 0.3333333
1.0333333
- 0.5
- 0.2
0.
0.
- 0.5
0.6428571
- 0.1428571
0.
- 0.25
- 0.2
- 0.1428571
0.6761905
0.
0.1
0.
0.
0.
0.
Kred =
0.2111111
- 0.1
0.
0.
0.
Ired
1.3333333
0.1
0.
0.
1.
Vg
12.388538
12.820247
12.753483
12.737586
12.681949
12.
Vred
12.388538
12.820247
12.753483
12.737586
12.681949
I
2.220D-16
0.1
- 2.220D-15
- 2.220D-16
0.
- 0.1
Iap
0.
0.1
0.
0.
0.
0.
- 0.1111111
0.
0.
0.
- 0.0833333
0.1944444
Problemas de campo
10-8
Este circuito puede modelarse tambin en un software de Elementos Finitos usando elementos
unidimensionales de dos nodos.
Se definen primero los nodos y luego los elementos.
Se definen las caractersticas de cada elemento y finalmente las cargas y restricciones.
Se resuelve el modelo obtenindose el valor del voltaje en cada nodo y la corriente en cada
elemento.
Node
1
2
3
4
5
6
Electric Potential
12.3885379627693
12.8202468102907
12.7534825350345
12.7375862790211
12.6819493829743
12
Material Element
Current
10_Ohm
1
0.0431708847521447
3_Ohm
2
-0.0222547584187402
2_Ohm
3
-0.00794812800669309
7_Ohm
4
-0.00794812800669372
12_Ohm
5
0.0568291152478572
5_Ohm
6
-0.0143066304120484
4_Ohm
7
-0.0345743568291157
9_Ohm
8
-0.0431708847521447
Problemas de campo
10-9
Ejemplo
Determinar los desplazamientos y giros no prescritos y las fuerzas y momentos de reaccin en
los empotramientos
A=1,000 mm2
IZ=20,000 mm4
E=200,000 MPa
En este caso tambin se puede usar un software de Elementos Finitos para modelar el
sistema.
Node X
Y
1
0
0
2 750 750
3
0 750
Z
0
0
0
Displacem Displacem
ent in X
ent in Y
0
0
0,109623 -0,418585
0
0
Rotation
about Z
0
-0,007574
0
Tensile
Shear Bending Moment
Force Force V
about W
-4.119
147
-49.158
-5.981
211
-18.716
29.233
276
62.928
Problemas de campo
10-10
Pero
C
C
1 + @
1
1 + @
= G
7 = ?2gx < = = G
9B =
9B
2Hx
x
?2H C
C
?2H < = = G
C
1 + @
9B J(@)
x
En muchos casos esta ecuacin diferencial se deriva de aplicar un principio de conservacin de alguna de las
variables de campo en una porcin infinitesimal del campo, de donde se obtiene una relacin entre unas variables y el
gradiente de otra y luego se introduce una ley natural que suele relacionar esta variable con el gradiente de otra. Se
obtiene as una relacin entre derivadas segundas de esta ltima variable con los valores de otras variables, es decir
una ecuacin diferencial de segundo orden.
4
Un ejemplo es cuando se aplica el principio de mnima energa potencial.
5
Un funcional es una funcin de un espacio de funciones en R.
Problemas de campo
10-11
2) Ejemplo: Catenaria
Se desea saber qu forma tomar una cuerda uniforme, flexible
pero inelstica, de largo L colgada entre dos puntos A y B.
La cuerda tomar la forma que minimice la energa potencial
[
a( ) bc f (c, ,
Ec. 10-1
Con F diferenciable.
Queremos minimizar J en
, ")ec
Sean: t
uv
H^ (w ) = = yxz (B, h + wu, h^ + wu, h" + wu")u + xz^ (B, h + wu, h^ + wu,
C
^(
0 = H 0) = = yxz (B, h , h^ , h" )u + xz| (B, h , h^ , h" )u + xz" (B, h , h^ , h" )u"{9B
Donde J(h, u)
}J(h , u)
J(h + wu)
}J(h, u)
}
J(h + wu) J(h)
J(h + wu)
= lim
}w
w
Ntese que la condicin necesaria para que u0 sea la solucin que minimiza J es que
a(
Ec. 10-2
, )
= xz| u =
C
C
x z | u |C
~
x |u
~C z
= = ~Cxz| u
C
Problemas de campo
C
10-12
C
~
x u^
~C z"
C
= xz" u^ |C
= xz" u^ |C + = ~C xz" u
C
}J h , u = = xz
C
~
x |
~C z
"
cg =
+ c
f
f
"
"
~Cxz" u
~
+ = ~C xz" u
C
= Mcg ; cf N
cf =
Ec. 10-3 y Ec. 10-4 son las ecuaciones de Euler Lagrange del funcional J (Ec. 10-1) y
corresponden a la formulacin del problema como ecuacin diferencial.
Como la condicin J(u0)=0 es una condicin necesaria pero no suficiente de minimizacin de
J, entonces la solucin de las ecuaciones de Euler Lagrange no necesariamente minimiza J,
pues podra ser un mximo o punto de inflexin.
1. Ejemplo: Catenaria
En el problema de catenaria debamos minimizar
C
J @ = = @?1 + @ 9B
C
en t@ | @ B
=@ , @ B
= @ , bC @?1 + @ 9B = _
C
x(B, @, @ ^ ) = @?1 + @
x" = 0
x = ?1 + @
@@
x^ =
?1 + @
}x^
}
@ + @ + @@"
@@
=
=
(1 + @ )
}B
}B ?1 + @
@ ^ + @ ^ + @@"
= 0 (1 + @ ^ ) @ ^ + @ ^ + @@" = 0
(1 + @ ^ )
1 + @^
^
^
^
^
^
1 + 2@ + @ @ @ @@" = 0 1 + @ @@" = 0 @" =
@
?1 + @
2. Ejemplo
C
Sea J(@) = bC @ 9B
x" = 0
x = 0
x^ = 2@ ^
}x |
= 2@"
}B
A menos que se exija (x1)=(x2)=0, por ejemplo si hay condiciones de Newmann (u(x1)=u1 y u(x2)=u2), en cuyo
caso esta ecuacin no es necesaria.
Problemas de campo
10-13
J h = x B, h , h , , h , h , h , , h 9B
h B
= h ,h B
= h , , h B
= h , h B
= h
Podemos definir la variacin del funcional en cada una de las funciones incgnitas y todos
deben ser cero en el mnimo: }Jz = }Jz = = }Jz = 0
Las ecuaciones de Euler Lagrange que se obtienen son iguales pero vectoriales.
Ec. 10-5
cg =
cf =
=
g
f
= g, f, ,
x(0)=x1, x(1)=x2
y(0)=y1, y(2)=y2
z(0)=z1, z(2)=z2
Hay que minimizar J B, @, = b ?B + @ + 98
xC
~
x |
~ C
=0 0
2B ^
~
x |
~
~
x |
~
=0 0
=0 0
~
~
~
~
~
~
]B ^ + @ ^ + ^
2@ ^
]B ^ + @ ^ + ^
2 ^
]B ^ + @ ^ + ^
= 0 B ^ = C ?B + @ +
= 0 @ ^ = C ]B ^ + @ ^ + ^
= 0 ^ = C ?B + @ +
B ^ , @ ^ , = ?B + @ + C , , = 8 C , ,
O sea que la direccin de (x, y, z) no vara con t, entonces la curva es una recta.
J h bC x B, h, h^ , h", , h
C
(n-1)
+ c
f
f
"
9B
u: MB , B N P | u(B ) = 0
wP
Sean t
Problemas de campo
10-14
0 = }J h , u =
C
}
J h + wu = = Mxz B, h , h^ u + xz| B, h , h^ uN9B =
}w
C
= = xz
C
~
x | u
~C z
Pues (x1)=0
Esto se cumple | (x1)=0
En particular | (x1)=(x2)=0 se verifica
C
= xz
~
x | u
~C z
+ xz^ B u B
= 0 xz
~
x |
~C z
~
x |u
~C z
= 0 en MB , B N
Entonces | (x1)=0 se cumple Fu(x2) (x2)=0 por tanto debe ser Fu(x2)=0
Obsrvese que en x1 fijamos la condicin u(x1)=u1 y en x2 como no fijamos u(x2), surge sola
la condicin Fu(x2)=0 como 2 condicin de contorno.
,
,S
}B
}B
}B
Notacin
Deseamos minimizar J h b x B , B , B , h, , , S 9B
en el conjunto
Sean:
= Kh:
P | h = H R Y
u: P | u = 0 R
wP
J h J 7 w P
h :WhT
7 h + wu v
~
0 = }J h , u = ~ J h + wu
es condicin necesaria, entonces
}
}h
}u }h
}u }h
= x B , B , B , h + wu,
+w
,
+w
,
}w
}B
}B }B
}B }B
}u
+w
9B =
}B
0 = }J h , u =
= = xz u + x
Ec. 10-7
}u
}u
}u
+ x
+ x
= = xz u + u x , x , x
}B
}B
}B
= a
= b
b x = bx 9 Adems 7 = 7 + 7
= 7 + 7 = = 7 = = 7 9
Problemas de campo
10-15
b =
Ec. 10-8
b + b e
0 = = xz u + = u x , x , x
= = xz u
= u x , x , x + = ux , x , x 9
= b
Ec. 10-10
pues =0 en
= uyxz
x , x , x { = 0 u | u = 0 R
xz x , x , x = 0 R
Ec. 10-11
+ c + c + c =
g
J(h) = |h|
x(B , B , B , h, , , S) = + + S xz = 0, x = 2, x = 2, x = 2S
En este caso
}2 }2 }2S
} h } h } h
+
+
= 2
+
+
=0
}B
}B
}B
}B
}B
}B
h = 0 o bien h = 0 (7)
0 = = xz u = u x , x , x + = ux , x , x 9
pues =0 en 1
= ux , x , x 9 = = ux , x , x 9
0 = = uyxz x , x , x { + = ux , x , x 9 u | u = 0 R
Laplaciano= =
Problemas de campo
10-16
0 = = uyxz
x , x , x { xz
x , x , x = 0 R
= ux , x , x 9 = 0 u | u = 0 R
Ec. 10-12
= f
= Kh: P | h = H R Y
x = 2, x = 2, x = 2S
h = 0 R
h = H R
x , x , x = 0 R
h = 0 R
= 0 R
h = R
Ahora Fu=-f en h = H R
= 0 R
Observacin
En los ejemplos que hemos visto usamos funcionales cuadrticos que son funcionales
convexos. Estos funcionales no tienen mximos ni puntos de inflexin, por lo tanto las
ecuaciones de Euler Lagrange que son siempre condicin necesaria de minimizacin, en este
caso son tambin condicin suficiente.
Problemas de campo
10-17
B [
sup|B |
B [
B [
= |B |
= |B |
B, @ = B@
si lim h
h [
=0
h [
y saber
_ = h[
u-uI
xIj
| B | = |h^ B
pues u es L-lipschitziana.
h B | |h ^ B | + |h B | _ + |h B | =
hB hB
- _ + _ = 2_
=_+B B
Problemas de campo
|h^ B
10-18
h B | = | B
0| = B
Ec. 10-13
B = =
2_B
2_
u-uI
xIj
, v | '(x)=(x-)"
| B |=|B ||" | "[
I
I
Como u lineal en Ij u =0 =u | B | h"[
Adems
| B | = B
| B | h"[
Ec. 10-14
= =
f "
' x -'
x-
(x)
x-
O sea que si u" es acotada, la interpolacin con funciones lineales a trozos converge con
orden 2 en h.
Para poder mejorar este orden 2 debemos interpolar con polinomios de mayor orden. Veremos
que usando polinomios se grado k y si u(k+1) est acotada, entonces la convergencia es de
orden k+1.
Dados y0, y1, , yk Ij un nico polinomio de grado k / Pk(yi)=u(yi) i=0,1,2,,k
|h 8
siendo
Pero 8
Ec. 10-15
8 = h @ W 8
8 |
| 8 |h
+ 1)!
(8) = (8 @ )
| 8 | 2 = !
g g
Problemas de campo
10-19
+ 1)!
Demostracin
Sea q el polinomio de Taylor de grado k de u desarrollado en B
(B ) = h() (B )
| h (B ) (B ) = h
h [
(B B )
T!
( )
(B B )
(B )
( + 1)!
h( ) [ ()
( + 1)!
| h [ h[
3.
Demostracin
no depende de h (Ck=2 )
sup |W (B)| =
|h (B )| h[ B
h [
h[
()
(g)
()
Demostracin
Dado Ij tomo el q de la propiedad 2 y su interpolador qI que por la propiedad 1 es igual a q
h h [ = h + h [ = (h ) + ( h )[
(3)
h [ + (h ) [ h [ + h [ =
Problemas de campo
10-20
(2)
(1 + )
(h )( ) [ ()
( + 1)!
h( ) ( ) [ = ^ h( ) [
= 1 + )h [
h h [ ^
h [ ()
( )
[()
h[() h[
()
+ h[
()
Demostracin
Lo demostraremos para I=[0,1], para otros intervalo se hace cambio de variable.
C
h(B ) = = h + = = h^ 9@
= [
M, N
|h B | h[ M , N + h^ [ M , N BvM0,1N
h[ M , N h[ M , N + h[ M , N
Aplicando esto
Sabemos que h [ M , N h [ M , N
|h B | h [ M
= |h B | 9B
h[
()
+ h ^ [
()
h[
= y h[
= 1 y h[
h [
10.3.6.2..1 NOTA
, N
M , N
()
M , N
M , N
+ h^ [
h[
M , N
M , N
+ h[
+ h
M , N {
+ h^ [
M , N
[ M , N {
9B
M , N
Norma de Sobolev
h [
+ h [
+ + h( ) ( ) [
()
()
h( ) [
()
Problemas de campo
10-21
No lo demostramos.
= h + h [
3
h [ + h [
h [
+ h [ + h [
(2)
1 + )h [ () + (h )[ () (1 + ) h( ) [ ()
(
)
[ () para I=[0,1]
h h [ () " h
h
h [
Para I=[0,1]
= h
h [
+ @B B @v , Bv
(
Dada u en Ij le asociamos h en I / h B ) = h
(@ )
( )
( )
Se cumple que h B = h
@ = h (@)
B = B
Adems
h[
()
= = |h @ | 9@
h @
h B =
B B
h[
h B =
"
= B
B
h [
h
h [
h [
" B
h" @
= B
|h B |
= =
9B
B B
" h
" B
h[
B =
[
h[
?B
h
" h
Sumando los cuadrados Ij y haciendo raz cuadrada, obtenemos que para cualquier I con
particin de finura h:
Ec. 10-17
" g
"
Problemas de campo
10-22
= <
U B @
Para que exista polinomio interpolador y sea nico, los puntos por los que se interpola no
pueden elegirse de cualquier manera.
Grado 1
Por ejemplo para k=1 si queremos interpolar por tres puntos
alineados, el polinomio interpolador de grado total 1 en x e y por
estos tres puntos no es nico, a pesar de que dim(P1)=3
Si los puntos no estn alineados entonces s hay unicidad.
Se dice que {V1, V2, V3} es un conjunto unisolvente", pues pP1
( ) = h( )
nico tal que ( ) = h( )
( ) = h( )
1 B
1
B
=
1 B
@
@
@
Para demostrarlo basta ver que ste es un sistema de ecuaciones lineales cuya matriz es
y det A 0
Grado 2
Primero veremos como ejemplo que tomramos en un tringulo
equiltero como puntos de interpolacin los que dividen los lados en
tercios. Estos puntos estn sobre un crculo cuya ecuacin es de la
forma p(x, y)=0. Siendo p de grado total 2 y p(x, y) no idnticamente
nulo.
Esto demuestra que no es nico el polinomio interpolador de grado 2
por {V1, V2, V3, V4, V5, V6} a pesar que dim(P2)=6
Tomemos ahora como puntos de interpolacin los vrtices de un
tringulo y los puntos medios de sus lados. El polinomio interpolador de
Problemas de campo
10-23
0=
0=
0=
=W
=W
=W
@ W
@ W
@ W
0
0
=0
=0
=0
Grado 3
= 10
Polinomios base
En cada caso la base de Pk que conviene usar est formada por polinomios Lagrangianos, que
valen 1 en un nodo y 0 en los dems.
10.3.7.1..1 GRADO 1
Si li(V)=0 es la ecuacin del lado i
:RU
)=
1
W( )
W ( )
0 :T T
1 :T T =
10.3.7.1..2 GRADO 2
En este caso dado un nodo cualquiera, existen dos
rectas tales que no pasan por ese nodo y pasan por
todos los dems.
:RU
( )=
= t
0 :T T 1
1 :T T = 1
Problemas de campo
10-24
dim(Qk)=(k+1)2
Grado 1
En el caso de rectngulos, si elegimos los 4 vrtices como
nodos podemos interpolar con funciones bilineales (de Q1) si los
lados son paralelos a los ejes coordenados.
{V1, V2, V3, V4} es unisolvente en Q1 ya que si qQ1 |
q(V1)=q(V2)=q(V3)=q(V4)=0 entonces como q(V1)=q(V2)=0 y q
lineal en el lado V1V2 (pues queda y constante) entonces q 0
en ese lado.
Por lo mismo q0 en el lado V3V4
Entonces para cualquier punto V* tomo la recta vertical que pasa por l y q se anula en la
interseccin con los lados V1V2 y V3V4 y como q lineal en esa recta
(pues x=cte) entonces q(V)=0 por tanto q0
Si los lados no son paralelos a los ejes (si se rota) apareceran
trminos cuadrticos.
Si tomamos {V1, V2, V3, V4} en los centros de los lados, no es
unisolvente en Q1
Grado 2
Este conjunto de nodos es unisolvente en Q2 (dim(Q2)=9).
Si se elimina el punto central y eliminamos el trmino en x2y2 tenemos
un conjunto unisolvente en Q*2
Polinomios base
Lo ms conveniente es tomar como funciones base los productos de
los polinomios de Lagrange en x y en y por las coordenadas xi e yi de los nodos.
Ejempo - Grado 2
Nij(x,y)=lix(x)ljy(y)
Siendo
lix(x) el i-simo polinomio de Lagrange por x0, x1 y x2
ljy(x) el j-simo polinomio de Lagrange por y0, y1 e y2
Problemas de campo
10-25
Vamos a tener que pedir que las particiones sean regulares, o sea que cuando h0 las
proporciones de los elementos se mantengan.
Para un elemento (tringulo, rectngulo, tetraedro, etc.)
Sean
he el dimetro de la menor bola (crculos o esfera) que lo
contiene
e el dimetro de la mayor bola contenida.
h [
>
h[
} }
h
}B }B
>
h [
>
[ >
h[
h[
+ h[
>
>
h[
>
+ h
[ > +
h[ >
>
+ +
>
C depende solo de k
En el caso general, de n - dimensiones, debe ser k>n/2
10.3.9.3 Propiedad 3
@ < |h @ | =
h[
>
Por el teorema de Sobolev. Integrando los cuadrados y haciendo raz y como el rea de < es
1/2 :
h [
>
= |h |
>
h [
] "h[
"h[
>
>
+ h[
+ h[
>
>
h[
+
>
h [
>
Problemas de campo
h [
10-26
= h
h [
>
h[
(> )
>
+ h
>
Por propiedad 3
(1 + ")
Ec. 10-19
f ( )
= ()
()
h[
(> )
Caso general T
10.3.9.4..1 Propiedad A
Demostracin
h[
>
< h( ) = h(c) = h(
h[
= = |h
>
= |det |
10.3.9.4..2 Propiedad B
(> )
| 9
= = |h c | |det | 9c
= |h c | 9c
>
h[
= ] V es la norma Euclidea
Demostracin:
= |det | h[
>
+ )
>
|det |
= |det | h[
h[
Problemas de campo
h[
>
10-27
= = |h
>
= = | h x a# | 9
>
= |det |
| 9
10.3.9.4..3 Propiedad C
para derivadas superiores
h[
>
|det |
>
>
= = |h c | |det | 9c
= |h c | 9c
>
= = | h x | 9
h[
|det |
|det |
= |h|
>
h [
Vamos a cambiar la Norma euclidea por otra norma, que es equivalente a menos de una
constante:
sup K| 7|Y =
$||$|
10.3.9.4..4 Propiedad D
1
sup K| 7|Y
%& $||$|'
|@
@ | = %&
|7 | = |@
@ | = %&
7= @
@ = @
@ = x @|
| 7 | = |B
B | > pues x1, x2T
Sea 7 = @
9R8
= = 2| | (|T|=rea de T)
10.3.9.4..5 Propiedad E
| |
Demostracin
x @
=B
Problemas de campo
10-28
>
h [
|det |
h [
h [
= |det | h
>
|det |
>
h [
h[
h [
h[
>
|det |
h[
h [
h [
>
%&
(por propiedad D)
h[
h [
Ec. 10-21
h [
y si la particin es regular,
Sumando
%&
h[
" g
>
y KC=C'
%> >
h [
= "
f
h[
>
h[
h[
J h = |h|
= h
en = Kh: P | h = 0 R = Y
Si planteamos que la variacin de J debe ser nula, llegamos a
= u u = = fu u | u = 0 R
= u u = = fu u V
Problemas de campo
10-29
Entonces
Ec. 10-22
= 3 h
2
0u B = u
1
0 h B = h
/
B 4 3 u
B 4 = = f 3 u
B 4
u , u , , u5 R5
= 3 h
Ec. 10-23
Si definimos
Ec. 10-24
B 4
B == f
= 1, 2, ,
8 = g, f, , 7
= y 8{ |
Ec. 10-25
= b 978 (c)
= yh {
U = U @ U 7 7 > 0
>
2) La mayora de los aij son nulos, a menos que los nodos i y j sean cercanos (de
elementos adyacentes)
Como A es simtrica y definida positiva entonces el sistema de ecuaciones es compatible
determinado entonces podemos hallar y por tanto podemos hallar uh.
I
Luego veremos que uh aproxima a u con el mismo orden de convergencia que u .
}J(h) = 0
J h = = |h| = h
9
J(h + wu)
= 0 u | u(0) = u(1) = 0
9w
9
= = (h + wu) = (h + wu)> = = (h + wu)u = u
9w
Problemas de campo
en =0
10-30
= hu
= u = 0 u | u(0) = u(1) = 0
Vamos a trabajar con "elementos lineales". O sea tomaros una particin de [0,1]
{xi / xi=hi, h=1/(N+1), i=0, 1,.., N} y usaremos
uv
la base cannica de Vh es {N1, N2, ..., NN} / Ni(xj)=ij y Ni poligonal (continua y lineal en cada Ij)
por ahora no consideraremos las condiciones de contorno, por lo que incluiremos estos
elementos en la base.
= h^ = =
T = 0, 1, 2, ,
h(B ) = h
+1
(B)
Ntese que ac incluimos N0 y NN+1 pues u(x) no se anula en 0 ni en 1 sino que vale y , por
tanto u0= y uN+1=, entonces
Problemas de campo
10-31
5
= 3 h B 4 = =
5
h =
A
yU { | U
B con
= f
M N |
0, 1, 2, ,
T,
0, 1, 2, ,
0, 1, 2, ,
0, 1, 2, ,
'1
'1
'1
'1
Como el intervalo [0,1] est dividido en N+1 intervalos (elementos) Ie=[xe-1,xe] podemos escribir
Siendo
yU { | U
Entonces
C
Por lo tanto U
bC ^ ^ ser nulo excepto para ( i=e
i=e-1) y (j=e j=e-1) o sea que la fila y columna correspondan a
nodos del elemento Ie
Problemas de campo
10-32
Lo que se hace es calcular slo la submatriz de 2x2 no nula e irlas sumado (e) en la matriz A
en la posicin correcta (fila y columna i=e-1 y j=e)
==
D
D
==
entonces la submatriz, es
U
,
==
D
D
=U
==
bF
1
1
==
^
1
= k
F
La submatriz queda:
= k
F
1$ 0
= $
$
$ 0
# 0
0
0
0
0
= =
entonces
+B
2
1 1
en las filas y columnas e-1 y e
1 1
Si
1 1
1
= = k
1
= k
F
1
1
1 1
1
= k
k =
= =
B = M N | = =
0
0
0
5 + 5
5
0
0
0
5
5
0
/
/
/
/
.
T = 0, . . . ,
+1
B= B
Como Ni es nulo excepto en los elementos e-1 y e entonces los fi son todos nulos excepto
para i=e i=e-1, los cuales valen, por la regla del punto medio:
Problemas de campo
10-33
==
==
El subvector no nulo es
+B
2
1
M h
+B
2
+B
2
2
= 0 T R 1, R
=
h
% h
$ h
=$
$
$ h5
#h5
+ +
%
+
$ +
B= $
2$
+
$ 5 5
# 5
+B
2
= =
= =
1
en las columnas e-1 y e
1
1
M h
0
/
/
/
/
.
0
/
/
/
/
.
N=
+
2
+
h N=
2
+
2
sea
sea
Problemas de campo
10-34
La eliminacin de las columnas y filas correspondientes a los nodos con condicin de Dirichlet
se llama reduccin del sistema.
a h = = |h|
= h
= = |h ^ |
Kh^ = = |h^ |
= h
= h
Kh 1 + Kh 0
= Kh^ =
Como u(0) est fijada por la otra condicin de contorno, sumarla al funcional no cambia el
mnimo. Para simplificar entonces minimizamos
a h = = |h|
= h
Kh 1
= hu
= u
u 1 = 0 u | u 0 = 0
K
K
1
1
0
0
N=M N
la matriz A queda igual, pero al vector F se le suma el vector M
K
K 5 1
h = R M0,1N M0,1N
h = H R
~z
Equivale
= H R
h div h = h
J h = = |h|
con u=g1 en 1.
La variacin del funcional es
}J h = = hu
debe ser
= h
= H h
= u
= H u
}J h = 0 u | u 0 = 0 en
minimizar
Problemas de campo
10-35
= hu = = u + = H u u | u 0 = 0 en
Particionamos en tringulos segn el dibujo y numeramos por un lado los nodos y por otro lado
los tringulos de e=1 a M (M=72) en un programa se deber guardar una matiz de conectividad
de 3xM que en cada columna tiene los nmeros de nodos que tiene el tringulo
correspondiente a esa columna.
RWR
1 2 3 4 R
1 1 2
2 T
9 2 10 3
8 9 9 10
71 72
41 41
49 42
48 49
=1
(B
,
@
)
Ni | = 0 y
(B , @ ) = 0
1
Por lo tanto R1
1
B
B
B
(B, @)
= P + K B + Q @
@
1
@ S R K S = 0
0
@ Q
Problemas de campo
10-36
1 1 @T
CU U
V
C
V1 0 @ VV
@ @
C
1 0 @
=
K = 1 B @ =
R Q
CU U =
2
T
T
C
@ VV
VV1 B
C
1 B @
si los nodos i, j y k estaban en sentido antihorario
1 B
1 B
1 B
@
@ = |< | > 0
@
1 BT
B
1 B
= 1 B
T
VV1 B
1 B
VV1
1
0VV
B B
0
=
R
@T
2
@ VV
@
Anlogamente se calculan , K , Q @ , K , Q
Clculo de A
= MU N | U = =
>
W,
= 1, 2, , 49
pero los nicos elementos no nulos son aquellos que corresponden a l y m, nodos vrtices de
Te, o sea l y m {i, j, k}.
En ese caso
U ==
>
} } } }
+
= = K K + Q Q = K K + Q Q
}B }B
}@ }@
>
U = K K + Q Q :T W, v KT, , Y
TWU
La submatriz la Ae no nula es
K2T
Q2T
M T + T
T + T
T + T
K2 + Q2
T + T
Wh U
T
T + T N
K2 + Q2
T + T
Por conveniencia de clculo debe tratarse de que estos elementos se alejen lo menos posible
de la diagonal principal, o sea que las diferencias entre i, j y k deben ser mnimas. Ello se logra
numerando los nodos en un orden tal que en cada elemento los ndices de sus nodos difieran
poco.
Si consideramos por ejemplo el elemento 2
K =
2 2
K =
1
=
2 2
K! = 0
entonces queda
Q =
Q =0
1
=
2 2
Q! =
1
=
2 2
Problemas de campo
10-37
TWU
O sea
TWU
=
Para el elemento 1
1
1
1
0
1
1
% +0
$1
$
+0
2 $
$
# 0+0
2
1
2
1
K =0
2
1
+0
1
1
+
1
0+
9 Wh U
1
0
2
1
9
1
Q =
0+0 0
/
1/
0+
/
1/
0+ .
2 1
%1 4
$
$
0
0
$
= $0
0
1
0
$
$0
2
$0
0
#
0
1
0
0
0
0
2
1
2
9
1
Q! = 0
1
1
K" =
Q" =
TWU 1 9
8 Wh U
1
1
0 1
9
0
1 1
8
1 1 2
K! =
Wh U
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
4
1
0
0
0
0
0
1
2
0
0
0
1
0
0
0
4
2
0
0
2
0
0
2
8
2
0
0
0
0
0
2
8
0
/
/
/
/
/
/
/
.
Clculo de F
Hay que calcular los vectores elementales F
Mf N | f = = fN
>
estos elementos son nulos excepto el subvector correspondiente a los nodos del tringulo, o
sea para l { i, j, k} que podemos calcular por la regla del trapecio para tringulos:
=
>
|< |
+ 0 + 0 =
3
6
T
R S
Problemas de campo
10-38
= YZ
% 0
0
$ /
0
$ /
$0/
$0/
$0/
$0/
$" /
$! /
#.
= YZ
'
% 0
$ /
$0/
$0/
$0/
$0/
$0/
$0/
$! /
#.
% 0
$ /
$0/
$0/
$0/
$0/
$0/
$" /
$! /
#.
Si se completan todas las cuentas se llega a un sistema igual al que se obtiene por diferencias
finitas.
x x2( e )
N (x ) = ( e)
x1 x2( e )
x x (e)
N 2( e ) (x ) = ( e ) 1 ( e )
x 2 x1
(e)
1
Problemas de campo
(x x )(x x )
(x x )(x x )
(x x )(x x )
(x ) =
(x x )(x x )
(x ) = (x x )(x x )
(x x )(x x )
N 1( e ) (x ) =
N
(e)
2
N 3( e )
10-39
( e)
1
( e)
2
( e)
3
(e )
2
(e )
2
(e )
1
(e )
1
(e )
1
(e )
1
( e)
3
( e)
2
(e )
3
( e)
3
( e)
2
(e )
3
( e)
2
( e)
3
(e )
2
N1 ( g, h) = 1 g h
N 2 ( g , h) = g
N 3 ( g, h) = h
Problemas de campo
10-40
N1 ( g , h ) = 2( 12 g h )(1 g h )
N 2 ( g , h ) = 2 g ( g 12 )
N 3 ( g , h ) = 2h(h 12 )
N 4 ( g , h ) = 4 g (1 g h )
N 5 ( g , h ) = 4 gh
N 6 ( g , h ) = 4h(1 g h )
N 1 ( g , h ) = 14 (1 g )(1 h )
N 2 (g , h ) = 14 (1 + g )(1 h )
N 3 ( g , h ) = 14 (1 + g )(1 + h )
N 4 (g , h ) = 14 (1 g )(1 + h )
Problemas de campo
10-41
Para tetraedros lineales se puede usar la regla del punto medio (que usa el punto central) y
para tetraedros cuadrticos la frmula para grado 2 (que usa cuatro puntos interiores), pero
para mayor precisin suelen usarse frmulas de 4 y 15 puntos.
Para cuadrilteros lineales se puede usar la regla del punto medio (que usa el punto central) y
para cuadrilteros cuadrticos la frmula para Gauss con 4 puntos.
Sin embargo, para obtener mejor precisin suelen usarse frmulas con 4 puntos para
cuadrilteros lineales y nueve para cuadrilteros cuadrticos.
Para hexaedros lineales se puede usar la regla del punto medio (que usa el punto central) y
para hexaedros cuadrticos la frmula para Gauss con 8 puntos, pero suelen usarse frmulas
de 8 puntos y 27 puntos para mejorar la precisin.
Problemas de campo
10-42
h [
h h [ h
[
h y h h tambin puede acotarse as.
que equivale a
(*)
h" = R = MU, VN
h U =h V =0
b\ hu = b\ u uv Ku | u U = u V = 0 Y
[
En el MEF en lugar de resolver esto restringimos a las que son de grado k en cada elemento
y hallamos uh.
[
= h u = = u u v
\
?u 9R HSU9 R U9U
= hu = = u u v
\
| u U = u V = 0@
= h
\
h u = 0 u v
O sea que el error de u'h es ortogonal al subespacio Vh, entonces u'h es la proyeccin de u
ortogonal a Vh con h, 7 = b h7
En particular elegimos u = h h , que es de grado k en cada Ij, entonces
[
Consideremos ahora
= h
\
h h
h = 0
Problemas de campo
10-43
h [
== | h
h Mh
== h
[
h h
h N
h M h
== h
== h
h h
h + h
h | = = h
== h
[
h h
h h
]
]
h h [ h h [
h [ h h [ h
\
^ | h
h [
h N =
h + h
h += h
h =
^ | h
h [
h [
== h
== h
u" = h
Pues u=uh en a y en b
h [
= h
h [
== h
h u
== h
[
u |[\ + = h
== h
[
= h
[
h [
h h
h [
h =
h u = = h
[
h u = = h
\
^ z ` a
h h [ u u [
h [ " h [ u"[ = " h
h u
h u = 0 u v
" h
u ^_
u"[
[ h h [
h u
h u
Problemas de campo
10-44
u = h h R
u = 0 R
Sea u |
h = R
h = 0 R
h [
==
h u =
h h
= h
== h
Pues u=uh en
h = =
h u
h u
u =
h u =
= h
== h
= h
h u
h u
u = h
h [
h u = 0
u[
h[
h [
^_
h[
= h
h u
h [
"
"u[
u[
u [
h [
h u =
u [
h[
h [
Vamos a ver que a partir de la formulacin diferencial del problema (llamada forma fuerte)
podemos llegar al mismo esquema de elementos finitos que llegbamos a partir de la
formulacin variacional.
Consideremos el problema de Poisson:
h = R
h = 0 R
u = 0 u
h = 0 R
O sea
u = 0 u
Problemas de campo
10-45
= u =
= u = = h u
h u =
=
h u u
h u = = h u u
Pues h en nula en .
Hacemos la aproximacin de buscar un uhVh que verifique esa igualdad
= h u = = u u
= u = =
[
= d=
hue
== hu
[
\
C
h"u = d=
h"ue = d=
h^ u|C
= = h^ u ^
h V u V +h U u U
^
hu
yh^ B uB
h^ B
h^ B yuB
e=
hu|C
uB { =
uB {
equivale a
h = R
h = 0 R
h = 0 R
Problemas de campo
= u = =
Donde
h u = =
~z
~(
10-46
>
= h
= = h u
= u = = h u
Siendo
}h
u 9
} >
>
}h
u 9
} >
=
>
= u = = h u
Pues
h u = = h u
}h
u
} >
}h
u
} >
}h
u 9 = 0
} >
=}
= d } e
}h
u 9 =
} >
9 =
>
u = :UW8 9R 9T:8ThT9U9 R
Pues
= h u = = u
}h
u
} >
9 0
Pero los mtodos no conformes consisten en buscar uh lineal en cada elemento que cumpla
>
As planteado el problema no tiene solucin nica, lo cual puede verse, por ejemplo, si f=0 ,
aunque no sea la funcin nula.
Para tener unicidad lo que se hace es buscar
uh lineal en cada tringulo y continua en el punto medio de cada lado de T
= h u = = u
>
Problemas de campo
10-47
Como funciones base se usan las mismas de antes pero como nodos se toman los puntos
medios de los lados.
Ahora tendremos ms nodos que antes, pues cada tringulo aporta dos nodos nuevos. Se
usan las bases asociadas a estos nodos tanto para las como para interpolar uh en cada T.
>
Demostracin
}h
u
} >
9 = =
}h
u
} >
}h
=
u
}
>
9 = =
~z
9 = | | u
R9T:
=0
Pues la regla del punto medio es exacta para +-- que es lineal y como es continua en los
puntos medios, (+--)(ml)=0
Entonces
= u = = h u
Por lo tanto
}h
u
} >
9 = = h u
>
R9T:
10.10.4 Convergencia
h
>
h [
= = h
>
= = h
>
>
>
>
>
>
= = h
= = h
h h
h h
>
h [
h+h
h + = h
>
>
h [
d h
10
>
h [
h h
>
h + = h h
>
h h
d h
>
h =
h h
h [
h =
= h h
>
+ = h
>
h =
>
>
= h
>
+ = h
>
>
Consistencia no implica convergencia que es que la solucin tienda a la exacta cuando h0.
>
= h
>
>
Problemas de campo
= d h
>
10-48
h [
d h
>
h [
+ = h
= u
>
>
Pues las uh se buscaron de modo que > b> h = b u lineal en cada T y continua
I
en los puntos medios, cosa que cumple en particular =u -uh
h
>
h [
d h
>
h [
d h
>
h [
h [
d h
>
d h
>
h [
h [
h [
h [
+ = h
>
> b> h
> h
h[
>
> b> h
h
h [
h [
= u
Como vimos en el Patch Test, el numerador del ltimo trmino se anula cuando u es lineal en
cada tringulo y es de orden 2 en h en otro caso. Con lo cual quedara:
h h [
Entonces
Como
h [
"
h[
h [
h[
= h
h + h
h [
h [
+ h
h [
h + h h + =
h B = h B, @, , h B, @, , h B, @, es la velocidad
B = B, @, es la presin
B = B, @, es la fuerza aplicada sobre el fluido
9T7 h = 0
h + h h + ~C = R T = 1,2,3
~
h = 0 R
h = 0 R }
Problemas de campo
10-49
2 h +
1
/
}
= R T = 1,2,3
}B
h = 0 R
h = 0 R }
2= h + } u7 = = 7
0
}B
7 |7 = 0 en }
T = 1,2,3
}7
= = 7
}B
7 |7 = 0 en }
T = 1,2,3
1
0
/
h = 0
2
0= h 7
12
O sea ( )
1
0
/
h = 0
2
0= h 7 = 7 = = 7
1
0
/
7|7 = 0 en }
h = 0
J h, = = |h| = h
0 = }z J h, = = h 7
= 7
0 = } J h, = =
= h
= 7 7|7 = 0 en }
h = 0
11
12
h = 9T7 h
h es la jacobiana de h
Problemas de campo
10-50
2 = h 7
= 7 = 0 7|7 = 0 en } @ 7 = 0 R
h =0
10.11.1.1
2= h 7
0
= 7 = = 7
1
0
/
7 R RW R:UT 9R ix |7 = 0 en }
h = 0 R RW R:UT 9R ix
h [
2= h
0
1
0
/
+ [
7 = h
=
0 = = h
h [
^_
h = 0
h [
h [
^ | h [
h [
h [
P [
pero
= h 7
sup
7 | P [
$Y
b 7
v
7 [
= 7 = = 7
b 7
v
7 [
P [
7 R RW R:UT 9R ix |7 = 0 en }
= 7 = = h 7
b h 7
7 [
= 7
b 7
^_
7 [
Problemas de campo
10-51
h [
7 [
7 [
Y como h [
[
h [
jh [
" | [
h [
[
P
" [
kl h
P
+ [
h l
o sea que si queremos que haya convergencia de orden h debemos usar para u interpolacin
de grado hk y para p interpolacin de grado hk-1.
Pero esto es as si se cumple la condicin de BB. Vamos a ver en qu condiciones se cumple.
Como en la ecuacin slo est p, entonces p puede variar en una constante, por tanto
podemos elegir los ph para que b = 0 y para esas ph se puede probar que existe 7
solucin del problema
7 =
7 = 0 R }
Entonces
= 7 = =
7 y P =
= [
1
> 0 | P [
7 [
b 7
7 [
Esta no es la condicin de BB a menos que podamos sustituir v por una vh del espacio de EF.
Podemos hacerlo si tomamos una interpolacin de v, vI tal que
10.11.1.2
l7 l
1 = 7 = = 7
7 [
con independiente de
Ya habamos visto que si se cumpla la condicin de BB, para tener convergencia de orden 1
haba que tomar:
para ph polinomios de grado 0
para vh polinomios de grado 1
(Notar que las ph pueden ser discontinuas pero las vh no pues aparece 7 )
pero si tomamos uh polinomial de grado 1 entonces h es polinomial de grado 0 y como
debe cumplirse b h = 0 WT TUW 9R HSU9 0 entonces
Si
= 7 = = 7 = = 7 = = 7
Problemas de campo
10-52
= 7 = = 7
= 7 > 9 = = 7 > 9
~>
= 7 > 9 = = 7 > 9
~>
7 = 7 T = 1,2,3
= 1,2
son, 6 condiciones
I
2) Determinamos v en los puntos medios de los lados para que
= 1,2,3 = 7 > 9
= 7 9 = = 7 9 W = 1,2
= = 7 > 9
~>
U + VB + B 7 = =
>
>
U + VB + B 7
= 7 = = 7
>
>
= B 7 = = B 7
>
>
= B 7 = = B 7
>
>
= 7 > 9 = = 7 > 9
~>
Problemas de campo
10-53
= 0 h = 0 R
La integracin reducida remplaza la integral por una regla de integracin que no es exacta para
el grado usado. Entonces
bopqrD h
= 0 no implica h = 0 R .
=0
Algunos mtodos mixtos se pueden ver como mtodos de integracin reducida, que se usan
para evitar el bloqueo.
10.13.1.1
h = R 0, <
h = 0 R } 0, <
h = h R K0Y
~z
~
por un
cociente incremental.
(Otra posibilidad es usar elementos finitos en todas las variables.)
Usando residuos ponderados, para cada t multiplicamos por la funcin de peso e integramos
}h
u
}8
h u = = u
}h
u + = h u = = u hR: = h u = 0 @U hR u = 0 R }
}8
}h
u + = h u = = u u 9RW R:UT 9R ix | u = 0 R }
}8
2
0h B, 8 = h 8
Como
}h 8
= d
}8
B e
1
0 u B = u
/
B + = d h 8
B e
B ==
= 1, ,
Problemas de campo
}h 8
=
}8
Definiendo:
10-54
B + h 8 =
= yV { | V = =
x = y { | = =
Entonces
= yU { | U = =
B ==
}h 8
+ h 8 =
}8
= 1, ,
1
h h + h =
8
1
1
+ h = +
h
8
8
1
h h + h =
8
1
1
h = +
h
8
8
Usando diferencias hacia adelante tenemos un mtodo explcito pero requiere t menores.
Terico de
CLCULO AVANZADO
2015
Tema: Mtodo de Elementos Finitos
Objetivos de aprendizaje
Germn BRESCIANO
11
11.1
11.2
11.3
ECUACIN DE POISSON.............................................................................................................11-1
FORMA DBIL DE LA ECUACIN DE POISSON ............................................................................11-2
MTODO DE RESIDUOS PONDERADOS ......................................................................................11-3
Matrices elementales .......................................................................................................11-4
Ejemplo con un elemento unidimensional lineal .............................................................11-5
Ejemplo con un elemento unidimensional cuadrtico .....................................................11-7
Ejemplo con 10 elementos unidimensionales lineales .....................................................11-8
Ejemplo con elementos triangulares lineales ..................................................................11-8
11.3.2.1
11.3.2.2
11.3.2.3
11.3.2.4
11.3.2.5
11.3.2.6
11.3.2.7
11.3.2.8
11.4
11.5
11.5.1.1
11.6
11.7
11.8
11.9
11.10
11.11
11.12
11.13
11-1
=
= 1 1
{
= 2 2
() + = 0
= 0 1
)
{ + + ( = 0 2
En general la variable incgnita ser un potencial que impulsa un flujo, por ejemplo:
o Temperatura y flujo de calor
o Concentracin y flujo de materia
o Presin y flujo de fluido
o Potencial elctrico y flujo de carga
o Desplazamiento y fuerza
Esta ecuacin suele derivarse de la siguiente forma
Estudiando un elemento infinitesimal del dominio se plantea la ecuacin de
conservacin del fluido (lo que fluye: calor, materia, fluido, carga elctrica, fuerzas)
teniendo en cuenta la posible generacin dentro del elemento (generacin de calor, de
materia por reaccin, fuerzas distribuidas o peso propio, etc.)
Se obtiene una relacin entre el gradiente del flujo y la generacin interna.
Se introduce la ley emprica que relaciona el flujo con el gradiente de potencial a travs
de un coeficiente (conductividad trmica, coeficiente de difusin, viscosidad, constante
dielctrica, constante de Hooke, etc.)
Se obtiene una relacin entre el gradiente del gradiente del potencial (derivada
segunda o laplaciano) y la generacin interna, que es la ecuacin de Poisson.
Finalmente se consideran las condiciones de contorno segn si en la frontera se
conoce el potencial o el flujo o una relacin entre ambos.
Ejemplos;
Conduccin de calor en un slido. Condicin de borde: Temperatura o flujo de calor
Difusin de materia. Condicin de borde: Concentracin o flujo de materia
Deformacin de un slido elstico. Condicin de borde: desplazamiento o fuerza.
La matriz diagonal k representa la conductividad del medio al flujo. Si el medio es istropo entonces sus tres
componentes son iguales. Puede variar con la posicin o con el valor del potencial incgnita, pero muchas veces es
constante.
es el valor prescrito del potencial en una parte de la frontera y es el valor prescrito del flujo en otra parte de la
frontera, es el coeficiente de intercambio en la frontera y es el potencial del ambiente.
Campo
Cables
Barras
Transferencia
de Calor
Flujos en
Tuberas
Flujos Viscosos
Flujo en Medios
Porosos
Electrosttica
11-2
Variable
Primaria
Deflexin
transversal
Desplazamiento
longitudinal
Temperatura
Coeficiente
k
T
EA
K
4
128
Presin
hidrosttica
Velocidad
Presin
Potencial
elctrico
Trmino Q
Variable q
Fuerza vertical
distribuida
Fuerza axial
distribuida
Generacin interna de
calor
Flujo fuente
Carga axial
Gradiente de presin
Flujo fuente
Densidad de carga
Carga axial
Flujo de
calor
Flujo de
fluido
Tensin
Flujo de
fluido
Flujo
elctrico
Su forma dbil es
() + = 0
= 0 1
)
{ + + ( = 0 2
( () + ) = 0
= 0 1
{ + + ( ) = 0 2
( () + ) ( ) (
+ + ( )) = 0
O sea
( ) (
+ + ( )) = ( ())
( ) (
+ + ( ))
= ( )
Pero como
11-3
) ( + ( ))
2
2
= ( )
( ) (
Entonces
Ec. 11-4
( ) + (
) ( + ( )) =
( ) + ( ) ( + ( )) =
1
1
2
+ (
) ( + ( )) =
Pero
= (4)
Entonces
( ) = +
( ) = +
=
=1
= = 1, ,
( ) + ( ) = ( ) = 1, ,
=1
=1
( + ) = ( ) = 1, ,
=1
usamos una base de Vh en la que cada funcin vale 1 en un nodo y 0 en los dems
11-4
Donde (6)
= +
=
+
Con
Ec. 11-6
= [ ] | =
= [ ] | =
2
= [ ] | =
= [ ] | =
1
= [ ] | = ( )
2
Matrices elementales
Consideramos la integral en Ec. 11-6 como suma de integrales en cada elemento
= =
=1
vemos que las funciones de forma son nulas en todos los elementos que no contengan al nodo
correspondiente y por tanto tambin sus gradientes son nulos. Entonces las integrales
elementales slo son no nulas cuando ambos nodos i y j pertenecen al elemento.
Entonces
()
()
()
()
()
y tambin
()
()
f es el vector de fuerzas
11-5
()
()
=
()
()
()
()
( )
O sea que el sistema global Ec. 11-5 puede obtenerse a partir de los sistemas elementales
() = ()
()
Ec. 11-7
()
() ()
()
()
()
( + )
= + +
()
()
()
()
()
=
()
()
Por lo tanto
()
( )
1
(1) = 1
(1) = 10
10
1
(2) =
(2) = 10
10
11-6
10
10
(10) (10)
()
= 1
10
10
(10) (10)
(10) (10)
1
(10) (10)
0
=[
0,1 0,1
]
0,1 0,1
0
()
= [
0
0
]
0
10
(1 )
10
()
25
= 5 0 10
=[ ]
25
[
]
0 10
1
()
= [ ]
0
0
()
= [ ]
10
Entonces
0,1 0,1 1
25 1
][ ] = [
]
0,1 0,1 2
15
1,5 0,12
0,1 0,1 15
25 1
][ ] = [
]=[
]
0,1 0,1 2
1,5 + 0,12
15
De donde 2 = 165 y 1 = 40
[
180
10
160
140
0
-5
120
-10
100
-15
80
-20
60
Flujo de calor
Temperaturae
Barra conductora
-25
40
-30
20
-35
-40
0
10
x
Ntese que si bien los valores en los extremos son razonables, este modelo no refleja el
interior de la barra con precisin, ya que habiendo generacin de calor el flujo interno no puede
ser constante.
Esto se debe a que el elemento usado es lineal, lo que supone gradiente constante.
Este modelo no puede representar la generacin interna de calor, sino que la concentra en los
nodos.
Para poder reflejar variaciones en el flujo de calor (que en este caso debe haber) tenemos dos
opciones, o usamos varios elementos lineales para modelar la barra o usamos un elemento
cuadrtico.
11-7
2 15 + 50
2 15
(1) =
50
50
2 + 10
2 + 10
(2) =
(2) =
25
25
2
5
2 5
(3) =
(3) =
50
50
(1) =
Por lo tanto
10
10
10
2 15 2 15
2 15 2 + 10
2 15 2 5
50
50
50
25
50
50
0
0
0
10
10
10
2 15 2 + 10
2 + 10 2 + 10
2 + 10 2 5
=1
=
50
25
25
25
25
50
0
0
0
10
10
10
2 15 2 5
2 + 10 2 5
2 5 2 5
50
50
25
50
50
50
[ 0
]
0
0
()
()
1 7 8
=
[8 16
30
1 8
1
8]
7
0 0 0
()
= [0 0 0 ]
0 0 0
10
2 15 + 50
(
)
50
0
10
25 1
2 + 10
()
= 5 (
[4]
) =
3
25
0
1
10
2 5
(
)
50
[
]
0
1
()
= [ 0 ]
0
Entonces
()
= [ 0 ]
10
25 31
7 8 1 1
[8 16 8] [2 ] = 10 [ 100 ]
1 8 7 3
5
105 82 + 3
25 31
7 8 1 15
[8 16 8] [2 ] = [120 + 162 83 ] = 10 [ 100 ]
15 82 +73
1 8 7 3
5
De donde
16 8 2
1120
[
][ ] = [
]
8 7
65
3
Cuya solucin es 2 = 152,5 y 3 = 165 y por tanto 1 = 40
11-8
200
10
180
160
140
-5
120
-10
100
-15
80
-20
60
-25
40
-30
20
-35
Flujo d calor
Temperatura
Barra conductora
-40
0
10
x
Ntese que este modelo refleja bien el interior de la barra, ya que habiendo generacin de calor
el flujo interno vara a lo largo de la barra.
200
10
180
160
140
-5
120
-10
100
-15
80
-20
60
-25
40
-30
20
-35
Fluj de calor
Temperatura
Barra conductora
-40
0
10
x
Ntese que la grfica de temperaturas es casi idntica a la anterior, pero es una poligonal.
La grfica de flujos de calor se aproxima a la anterior, pero es escalonada en lugar de una
recta debido a que los elementos lineales no pueden representar la generacin de calor en el
interior de los elementos sino que se modela como si se generara puntualmente en los nodos.
11-9
Por consideraciones de simetra, en este caso vamos a considerar como dominio slo un
octavo del cuadrado, al cual dividiremos en cuatro elementos triangulares lineales como se
muestra en la figura.
Dada la simetra que debe tener la solucin, no puede haber flujo de calor a travs de la
diagonal entre los nodos 1 y 6 ni en el segmento entre los nodos 1 y 4.
Por tanto en esa parte de la frontera del dominio considerado la condicin de frontera es
= 0 2 = 0 = 0
= 0 1 = 0
A continuacin se ve la numeracin local de nodos de cada elemento, mostrada entre
parntesis:
11-10
(1)
(2)
(3)
1
2
2
3
2
4
5
5
3
5
3
6
()
() ()
()
()
()
( + )
= + +
()
()
()
()
()
=
()
()
()
( )
Como este caso es sencillo, vamos a calcular las integrales directamente en lugar de hacer
cambios de variable para llevar cada elemento al tringulo estndar.
11.3.2.1 Elemento 1
Usando la numeracin local de los nodos, las funciones de forma son
(1)
(2)
1
|1
1
=
1
|1
1
1
|1
1
=
1
|1
1
(3)
(2)
(3)
(1)
(2)
(3)
(1)
(3)
(1)
(2)
(3)
1
|1
1
=
1
|1
1
(2) |
(3)
1 1
=
|1
(1)
6.25
1
(2) |
(3)
5
5
5 2
2
(1) = [5 0]
0| =
5
5
(1)
|
(3)
1 1 0 0
2( )
2
2
=
|1 | =
(2) = [5 5]
(1)
6.25
5
1 5 5
(2) |
(3)
(1)
(2)
(1)
(2)
(3)
(1)
(2) |
1 1
=
|1
(1)
6.25 1
(2) |
(3)
0
5
0
2
0| =
(3) = [0
5
2
5
11-11
Entonces
(1) (1)
(1) (2)
T1
T1
()
T1
= (1) (2)
(2) (2)
(1) (3)
(2) (3)
T1
[
2
T1
2
5
[5 5] [5 5]
T1
[5 0] [0
T1
= 2 [5 0] [5 5]
T1
2
5
[5 5] [0
(3) (3)
T1
[5 0] [5 5]
T1
(2) (3) =
T1
T1
[5 0] [5 0]
T1
T1
(1) (3)
T1
2
5
[5 0] [0
T1
[5 5] [0
T1
[0
0.16 0.16
0
= 6.25 [0.16 0.32 0.16]
0
0.16 0.16
Por tanto
T1
2
5
] [0
2
5
2
5
] =
1 1 0
()
= [1 2 1]
0 1 1
Por otro lado, como es cero, la matriz de conveccin es nula.
(1)
(1) (1)
2
()
(1)
(1) (2)
(1)
(1)
(1) (2)
(1)
(1) (3)
(1)
(1)
(1) (3)
0 0
(2) (3) = [0 0
(1)
2
0 0
(2) (2)
(2) (3)
(1)
(3) (3)
0
0]
0
(1)
T1
()
= (2)
T1
(3)
T1
3.125
3
2.5
3.125
= 2.4
= [2.5]
3
2.5
3.125
[ 3 ]
()
= [0]
0
Este elemento tiene dos lados en la frontera de Newmann, pero en ellos el flujo de calor
prescrito es nulo, por tanto
11-12
(1)
(1)
(1)
()
=
(1)
(1)
(1)
0
(2) = [0]
(1) (1)
12 +31
0
(2) =
(1)
12 +31
(3)
(1)
(1)
(3)
12 +31
1 1 0 1
1 1 0 1
2.5
[1 2 1] [2(1) ] = [1 2 1] [2 ] = [2.5]
0 1 1 (1)
0 1 1 3
2.5
3
donde en este caso la numeracin global y local de las variables nodales coincide.
11.3.2.2 Elemento 2
2 5
2
(1) = [5 0]
5
5 + 2( )
2
2
=
(2) = [5 5]
5
2
2
(3) =
(3) = [0 5]
5
(1) =
(2)
Entonces
1 1 0
()
= [1 2 1]
0 1 1
0 0 0
()
= [0 0 0 ]
0 0 0
2.5
()
= [2.5]
2.5
(2)
Este elemento tiene el lado 23 en la frontera de Dirichlet, calculando las integrales con la
frmula de trapecios:
(2)
(1)
(1)
(2)
()
=
(2)
(2)
23
23
(3)
(3)
(2)
23
0(2) + 0(3)
0
1
+
0
= 1.25 [ (2)
(3) ] = 1.25 [ (2) ]
(3)
0(2) + 1(3)
11-13
Entonces
()
= [1.254 ]
1.255
donde q4 y q5 son los flujos normales en los nodos 4 y 5 (numeracin global).
Este elemento tiene un lado en la frontera de Newmann, pero en l el flujo de calor prescrito es
nulo, por tanto
(1)
(1)
(1)
(2)
12
0
(2) = (2) = [0]
(1)
(2)
2
12
0
()
=
(1)
(3)
(3)
(2)
12
2.5
1 1 0 1
1 1 0 2
(2)
[1 2 1] [2 ] = [1 2 1] [4 ] = [2.51.254 ]
2.51.255
0 1 1 (2)
0 1 1 5
3
En este caso la numeracin global y local de las variables nodales no coincide.
11.3.2.3 Elemento 3
5 5
2
(1) = [0 5]
5
5 + 2
2
(2) =
(2) = [5 0]
5
5 + 2( )
2
(3) =
(3) = [5 25]
5
(1) =
Entonces
1
0 1
()
= [ 0
1 1]
1 1 2
0 0 0
()
= [0 0 0 ]
0 0 0
2.5
()
= [2.5]
2.5
Este elemento no tiene ningn lado en la frontera de Dirichlet ni en la de Newmann, por lo que
()
= [0]
0
0
()
= [0]
0
11-14
1
0 1 1
1
0 1 2
2.5
(3)
[0
1 1] [2 ] = [ 0
1 1] [5 ] = [2.5]
1 1 2 (3)
1 1 2 3
2.5
3
En este caso la numeracin global y local de las variables nodales tampoco coincide.
11.3.2.4 Elemento 4
2(5 )
2
(1) = [5 0]
5
2( )
2
2
(2) =
(2) = [5 5]
5
5 + 2
2
(3) =
(3) = [0 5]
5
(1) =
Entonces
1 1 0
()
= [1 2 1]
0 1 1
0 0 0
()
= [0 0 0 ]
0 0 0
2.5
()
= [2.5]
2.5
(2)
Este elemento tiene el lado 23 en la frontera de Dirichlet, calculando las integrales con la
frmula de trapecios:
(4)
(1)
(1)
(4)
()
=
(4)
1
(4)
23
23
(3)
(3)
(4)
23
0(2) + 0(3)
0
= 1.25 [1(2) + 0(3) ] = 1.25 [(2) ]
(3)
0(2) + 1(3)
Entonces
0
()
= [1.255 ]
1.256
donde q5 y q6 son los flujos normales en los nodos 5 y 6 (numeracin global).
Este elemento tiene un lado en la frontera de Newmann, pero en l el flujo de calor prescrito es
nulo, por tanto
11-15
(4)
(1)
(1)
(4)
13
0
(2) = (2) = [0]
(4)
(4)
2
13
0
()
=
(4)
(3)
(3)
(4)
13
2.5
1 1 0 1
1 1 0 3
[1 2 1] [2(4) ] = [1 2 1] [5 ] = [2.51.255 ]
2.51.256
0 1 1 (4)
0 1 1 6
3
En este caso la numeracin global y local de las variables nodales tampoco coincide.
1
1
0
0
0
[0
Sumamos el elemento 2
1 0 0 0 0
2 1 0 0 0
1 1 0 0 0
0
0 0 0 0
0
0 0 0 0
0
0 0 0 0]
0
0
0
+
0
0
[0
0
1
0
1
0
0
0 0
0 0
1 1 0
0
0 0
0 1 0 0
1 3 1 1 0 0
0 0
0 0
0 1 1
0
0 0
=
0 2 1 0
0 1 0
2 1 0
0 1 1 0
0
0
0 1 1 0
0 0
0 0] [ 0
0
0
0
0 0]
0
0
0
+
0
0
[0
0
0 0 0 0
1 1 0
0
0 0
1 1 0 0 0
1 4 2 1 0 0
1 2 0 1 0
0 2 3
0 1 0
=
0
0 0 0 0
0 1 0
2 1 0
0 1 0 1 0
0
0 1 1 2 0
0
0 0 0 0] [ 0
0
0
0
0 0]
Sumamos el elemento 3
Sumamos el elemento 4
0
0
0
+
0
0
[0
0
0
0
0
0
0
0
0
1
0
1
0
0 0
0
1
0 0
0
1
0 1 0
0
=
0 0
0
0
0 2 1
0
]
[
0 1 1
0
1 0
0
0
0
4 2 1 0
0
2 4
0 2 0
1 0
2 1 0
0 2 1 4 1
0
0
0 1 1 ]
11-16
2.5
0
0
0
2.5
7.5
0
2.5
2.5
2.5
7.5
2.5
0
2.5
2.5
+
+
+
= 2.51.25
0
2.51.25
0
0
4
4
2.51.255
7.52.505
2.5
0
2.51.255
[0] [
] [ 0 ] [2.51.256 ] [2.51.256 ]
0
Entonces el sistema global queda
2.5
1 1 0
0
0
0 1
7.5
1 4 2 1 0
0
2
7.5
0 2 4
0 2 0 3
=
2.51.25
0 1 0
2 1 0
4
4
7.52.505
0
0 2 1 4 1 5
[0
0
0
0 1 1 ] [6 ] [2.51.256 ]
11.3.2.6 Reduccin del sistema
Como la temperatura est prescripta con valor 0C en los nodos 4, 5 y 6, podemos eliminar las
ecuaciones 4, 5 y 6 y sustituir estas variables por sus valores prescritos en las ecuaciones que
quedan, pasndolas restando del lado derecho.
1
2
1 1 0
0
0 0
2.5
[1 4 2 1 0 0] 3 = [7.5]
0
0 2 4
0 2 0
7.5
0
[0]
1 1 0 1
0
0 0 0
2.5
[1 4 2] [2 ] + [1 0 0] [0] = [7.5]
0 2 4 3
0 2 0 0
7.5
1 1 0 1
2.5
[1 4 2] [2 ] = [7.5]
0 2 4 3
7.5
11.3.2.7 Resolucin
Resolviendo el sistema reducido
1
9.3750
2
6.8750
1
9.3750
3
5.3125
[2 ] = [6.8750]
=
4
0
3
5.3125
5
0
[6 ] [ 0 ]
11.3.2.8 Flujos nodales de reaccin
Sustituyendo la solucin obtenida en el sistema sin reducir:
2.5
1 1 0
0
0
0 9.3750
7.5
1 4 2 1 0
0 6.8750
7.5
0 2 4
0 2 0 5.3125
=
2.51.254
0 1 0
2 1 0
0
7.52.505
0
0 2 1 4 1
0
[0
0
0
0 1 1 ] [ 0 ] [2.51.256 ]
Entonces
11-17
2.5
2.5
7.5
7.5
7.5
7.5
=
2.5
1.254
6.875
7.5 2.505
10.625
[
]
[2.5 1.256 ]
0
de donde
4
7.5
[5 ] = [7.25]
6
2
45 +56
En el ejemplo anterior hemos trabajado con las coordenadas geomtricas originales del
problema, pero los clculos pueden estandarizarse si para cada elemento hacemos un cambio
de variable para transformarlo en el tringulo estndar y calculamos en l las integrales.
En el captulo de integracin numrica vimos que el tringulo estndar se puede transformar en
() ()
() ()
() ()
cualquier tringulo de vrtices (1 , 1 ) (2 , 2 ) (3 , 3 )
mediante la transformacin
= 1 1 (, ) + 2 2 (, ) + 3 3 (, )
= 1 1 (, ) + 2 2 (, ) + 3 3 (, )
Donde (8)
1 (, ) = 1
2 (, ) =
3 (, ) =
Ntese que
()
[y] = [ 1()
Entonces
1 (, )
()
()
() 1
1
2
3
(,
)
=
]
[
]
[
][
]=
2
()
()
()
()
()
2
3
1
2
3
3 (, )
()
()
() 1 1
()
2
3
= [ 1()
][ 1
0 ] [ ] + [ 1() ]
()
()
1
1
2
3
0
1
()
()
()
x
1
[y] = [ ] + [ () ] con
=[
()
()
1
1
()
()
()
()
1 1
2 1
]
[
]
=
[
1
0
()
()
()
3
2 1
0
1
()
()
()
()
()
3 1
3 1
Definimos la funcin
7
11-18
( )
1
x(, )
xy(, ) = [
] = [ ] + [ () ]
y(, )
1
=
cuyo Jacobiano es
Y por el teorema de cambio de variable de integrales mltiples
f(x, y) = (f xy)| |
Por otro lado las funciones de forma del elemento estndar pueden escribirse como
= ()
Entonces
()
( )1
( )1 | | =
( )1 (
( )1 ) | | =
=
( )1 ( )1 (
) | |
=
Entonces
()
()()
( )1 ( )1 (
) | |
=
()
()()
()
2
Pero
2 = xy 2 2 = 2 2
Sustituyendo
1
()
2 )( 2 )(
2 ) 2 2 =
2
= (
0
Entonces
1
()
2
()() =
0
()
| |
() = () = (() xy)( xy)| | =
()
() =
()
1
()
() =
()
2
1
() =
0
1
( ) 2
() ( ) =
0
Estas frmulas tienen la ventaja de que las funciones de forma, sus gradientes, el tringulo y
los lados son conocidos e iguales para todos los elementos, pues son del tringulo estndar.
Lo nico que cambia para cada elemento es Jxy.
11-19
1 (, ) = 1
2 (, ) =
3 (, ) =
1 = 1
1 = [1 1]
2 = 2 = [1 0]
3 =
3 = [0 1]
() = [ ] = [ ] = [1]
12
23
0
0
23() = [ ] = [
] 23 = [1]
31() = [ ] = [
] 23 = [ 0 ]
1
Las integrales de lnea pueden calcularse con la frmula de Gauss del punto medio (exacta
para grado 1) o la de dos puntos (exacta para grado 3)
Las integrales dobles pueden calcularse con la frmula del punto medio del tringulo (exacta
para grado 1) o la de 3 puntos (exacta para grado 2)
11.3.3.1 Elemento 1
En este caso
1
[
1
2
2
3
0
3 ] = [0
2.5
0
2.5
]
2.5
Entonces
| | = 6.25 ( )
(1)
(1)(1) = [1 1] [
0.4 2
][
0.4 0
0.4
0
0.4 2
][
0.4 0
0.4
0
(1)
(1)(2) = [1 1] [
(1)
(1)(3) = [1 1] [
0.4
0
(1)
(2)(2) = [1 0] [
(1)
(2)(3) = [1 0] [
0.4 2
][
0.4 0
0.4
0
0.4
0
T
Y como debe ser simtrica entonces
(1)
(3)(3) = [0 1] [
0.4 2
][
0.4 0
0.4 2
][
0.4 0
()
0.4
0
0.4
]
0.4
0 0.4
][
2 0.4
0 0.4
][
2 0.4
0.4 2
][
0.4 0
0.4
0
= = [2.5 2.5]
0 2.5
0 0.4
][
2 0.4
0 0.4
][
2 0.4
0 0.4
][
2 0.4
0 1
] [ ] 6.25 = 2 = 1
0.4 1
T
0 1
] [ ] 6.25 = 2 = 1
0.4 0
T
0 0
] [ ] 6.25 = 0 = 0
0.4 1
T
0 1
] [ ] 6.25 = 4 = 2
0.4 0
0 0
] [ ] 6.25 =
0.4 1
0 0.4
][
2 0.4
2 = 1
0 0
] [ ] 6.25 =
0.4 1
2=1
1 1 0
= [1 2 1]
0 1 1
Como este elemento en los lados con condicin de Newmann tiene =0 (9)
0 0 0
()
= [0 0 0 ]
0 0 0
()
| |
()() =
2
11-20
(1)
1 | | = (1 )2.4 6,25 = 15 (1 )
(1) =
Podemos integrar numricamente con la frmula exacta para primer grado (punto medio del
tringulo)
(1)
(1)
2.5
()
= [2.5]
2.5
()
= [0]
0
()
= [0]
0
1 1 0 1
1 1 0 1
2.5
[1 2 1] [2(1) ] = [1 2 1] [2 ] = [2.5]
0 1 1 (1)
0 1 1 3
2.5
3
11.3.3.2 Elemento 2
En este caso
1
[
2 3
2.5 5 5
2.5 2.5
3 ] = [ 0 0 2.5] = = [ 0 2.5]
1
2
Entonces como M es igual, Kd y Kc son iguales a las del elemento 1. Lo mismo pasa con los
vectores fQ y fq.
(2)
Este elemento tiene el lado
en la frontera de Dirichlet. El lado del tringulo estndar, se
23
23
parametriza como
1 ] = [1]
23 () = [ ] = [
23
1
1
(2)
1 1 =
1
(1) =
23 =
0
0
2.5 2.5 1
= (1 ) [
] [ ] = (1 (1 ) ) [ ] =
2.5
1
0
2.5
0
0
1
= 2.5 0 = 0
0
1
(2)
2 1 = 2.5 () = 2.5 (1 ) = 1.25
(2) =
0
(2)
3 1 = 2.5 () = 2.5 = 1.25
(3) =
0
11-21
()
= [1.254 ]
1.255
Entonces
2.5
1 1 0 1
1 1 0 2
[1 2 1] [2(2) ] = [1 2 1] [4 ] = [2.51.254 ]
2.51.255
0 1 1 (2)
0 1 1 5
3
11.3.3.3 Elemento 3
En este caso
1
[
1
2
2
3
2.5
3 ] = [ 0
5
2.5
2.5
]
2.5
Entonces
| | = 6.25 ( )
= = [2.5 0 ]
2.5 2.5
=
0.4
0.4
0
]
0.4
Por tanto
(3)
0.4
0 2
(1)(1) = [1 1] [
][
0.4 0.4 0
0 0.4 0.4 1
][
] [ ] 6.25 = 2 = 1
2 0
0.4 1
(3)
0.4
0 2 0 0.4 0.4 1
(1)(2) = [1 1] [
][
][
] [ ] 6.25 = 0 = 0
0.4
0.4
0 2 0
0.4 0
T
T
(3)
0.4
0 2 0 0.4 0.4 0
(1)(3) = [1 1] [
][
][
] [ ] 6.25 = 2 = 1
0.4
0.4
0 2 0
0.4 1
T
T
(3)
(2)(2) = [1
0.4
0 2 0 0.4 0.4 1
][
][
] [ ] 6.25 = 2 = 1
0] [
0.4 0.4 0 2 0
0.4 0
(3)
0.4
0 2
(2)(3) = [1 0] [
][
0.4
0.4
0
T
(3)
(3)(3) = [0
0 0.4 0.4 0
][
] [ ] 6.25 = 2 = 1
2 0
0.4 1
0.4
0 2 0 0.4 0.4 0
][
][
] [ ] 6.25 = 4 = 2
1] [
0.4 0.4 0 2 0
0.4 1
1
0 1
()
= [ 0
1 1]
1 1 2
Este elemento no tiene ningn lado en la frontera de Dirichlet ni en la de Newmann, por lo que
0
0
()
()
= [0] y = [0]
0
0
1
0 1 1
1
0 1 2
2.5
[0
1 1] [2(3) ] = [ 0
1 1] [5 ] = [2.5]
1 1 2 (3)
1 1 2 3
2.5
3
11.3.3.4 Elemento 4
En este caso
1
[
2 3
2.5 5 5
2.5 2.5
Este elemento tiene el lado 23 en la frontera de Dirichlet igual que el elemento 2, por tanto
11-22
()
= [1.255 ]
1.256
Sumando obtenemos el sistema de ecuaciones del elemento
(4)
2.5
1 1 0 1
1 1 0 3
(4)
2.51.25
[1 2 1] [2 ] = [1 2 1] [ 5 ] = [
5]
2.51.256
0 1 1 (4)
0 1 1 6
3
Ntese que hemos obtenido los mismos sistemas elementales que antes pero de una forma
ms sistemtica, ya que aplicamos las mismas frmulas para cada elemento cambiando slo
las coordenadas de los nodos
Una forma posible de definir la geometra del cuadriltero consiste en interpolar las
coordenadas a partir de las de los vrtices usando funciones lineales.
As se puede transformar el cuadrado estndar en cualquier cuadriltero de vrtices
() ()
() ()
() ()
() ()
(1 , 1 ) (2 , 2 ) (3 , 3 ) (4 , 4 ) mediante la transformacin
= 1 1 (, ) + 2 2 (, ) + 3 3 (, ) + 4 4 (, )
= 1 1 (, ) + 2 2 (, ) + 3 3 (, ) + 4 4 (, )
Donde
1
1 (, ) = 4(1 )(1 )
1
2 (, ) = 4(1 + )(1 )
1
3 (, ) = 4(1 + )(1 + )
1
4 (, ) = 4(1 )(1 + )
11-23
Tambin podemos usar funciones de forma cuadrticas para obtener bordes curvos:
11.4.1.1 Elementos 2D
La matriz Jacobiana del cambio de variable, Jxy tendr una forma que depende del tipo de
elemento usado, pero los clculos se hacen del mismo modo que antes, obteniendo los
mismos resultados:
()
( )1 ( )1 (
) | |
()() =
()
()()
2
=
0
11-24
()
| |
() =
E
1
()
1
() =
1
()
( ) 2
() =
0
11.4.1.2 Elementos 3D
Los clculos tambin son similares pero en este caso las fronteras son superficies y las
integrales de frontera se calculan como integrales dobles parametrizadas en o .(10)
()
()() =
()
2 = xy 2 2 = 2
2
Pero
Entonces
()
2 )( 2 )(
2 )
= (
2 2
()
()() =
2 2
Similarmente
()
() =
1 1
()
( )
() =
2 2
Integracin numrica
Las integrales involucradas en las frmulas anteriores se calculan numricamente usando
frmulas Gaussianas.
Para elementos lineales se usan frmulas de tres puntos para tringulos o cuatro para
tetraedros, de cuatro puntos para cuadrilteros y 8 puntos para hexaedros.
Para elementos cuadrticos se usan frmulas de 6 puntos para tringulos, 15 puntos para
tetraedros o de 9 puntos para cuadrilteros y 27 puntos para hexaedros.
10
11-25
Tension plana
Cuando la geometra del campo tiene
una dimensin (espesor) mucho menor
que las otras dos y las cargas estn
aplicadas en el contorno del plano
medio del sistema,
entonces las
variables de estado son prcticamente
constantes a lo largo del espesor
(direccin z).
Por ejemplo, en el caso de una placa
plana con ambas caras aisladas y con
intercambios de calor en los bordes, o
en el caso de una viga mucho ms alta
y larga que su espesor y sin cargas
laterales.
En este ltimo caso la ecuacin de
elasticidad es
Ec. 11-8
[ ]
[
( + )
( + )
( + )] [ ]
En las condiciones supuestas, , son casi nulas, por lo que la ecuacin puede
reducirse a
1 1
[ ] = [
0
1
0
0
][ ]
2(1 + )
Invirtiendo la ecuacin
[ ] =
[
2)
(
1
1
0
1 ] [ ]
Ejemplo
11-26
Para la placa de la figura, utilizando la hiptesis de tensin plana (placa delgada), determinar
los desplazamientos de los nodos 1 y 2 y las tensiones en cada uno de los elementos.
Despreciar el peso propio de la placa.
E=200,000 MPa
=0.3
Espesor 10 mm
Node
1
2
X
0.075
0.075
Displacement Displacement
Y
in X
in Y
0 8,66861E-08
0
0.05 3,81904E-08 -2,77503E-07
Deformacin plana
Cuando la geometra del campo tiene
una dimensin (largo) mucho mayor
que las otras dos y las cargas estn
distribuidas uniformemente a lo largo,
aplicadas en el contorno, entonces
las
variables
de
estado
son
prcticamente constantes en todo el
largo (direccin z).
Por ejemplo, en el caso de una viga
mucho ms larga que su altura y
espesor y con cargas laterales
uniformes.
En este caso la ecuacin de
elasticidad es tambin la Ec. 11-8,
que se puede invertir obteniendo
= (1 + )(1 2)
[ ]
0
0
0
1 2
2
0
0
0
0
0
0
0
1 2
2
[ ]
1 2
2 ]
En las condiciones supuestas, , son casi nulas, por lo que puede reducirse a
[ 0
[ ] =
[
(1
+
)(1
2)
11-27
1
0
1 2 ] [ ]
Al igual que antes, en la mayora de los casos (transmisin de calor, electrosttica, difusin de
masa, etc.) como la ley emprica que gobierna el sistema es escalar, simplemente se definen
elementos con la misma simetra y se calculan las integrales en coordenadas cilndricas
considerando que las variables no dependen de . As se obtienen ecuaciones de un modelo
del sistema en 2D considerando slo las dimensiones r y z.
En el caso de problemas de elasticidad el proceso es un poco ms elaborado pues la ley
emprica es vectorial y va a existir deformaciones y tensiones circunferenciales derivadas de las
deformaciones en r e z.
En estas condiciones, son casi nulas, por lo que la ecuacin puede reducirse a
[ ] =
(1 + )(1 2)
[ 0
11-28
0
[ ]
1 2
2 ]
Elementos usuales
Los programas de MEF suelen tener elementos axisimtricos triangulares y cuadrangulares,
lineales o cuadrticos.
=0,3
Node
1
2
3
4
11-29
Displacement Displacement
X
Y
in X
in Y
0.06
0
0
0
0.04
0 1,295350E-07
0
0.06 0.02
0
0
0.04 0.02 1,433200E-07
0
Las lneas que inicialmente son paralelas al eje horizontal se curvan y las lneas transversales
permanecen rectas. El ngulo entre las lneas horizontales y verticales se mantiene en 90 .
Los bordes de un elemento lineal son incapaces de curvarse por lo tanto, si la pieza de material
se modela usando un solo elemento, su forma deformada es como la que se muestra a
continuacin
Para la visualizar mejor se muestran lneas punteadas que pasan por los puntos de integracin.
Es evidente que la lnea superior se ha alargado, lo que indica que est a la traccin.
Del mismo modo la lnea punteada inferior se ha acortado, lo que indica que est a la
compresin. La longitud de las lneas punteadas verticales no ha cambiado (suponiendo que
los desplazamientos son pequeos); por lo tanto la tensin en sentido transversal en los puntos
de integracin es cero. Todo esto es consistente con el estado de estrs esperado para una
pieza de material sometido a flexin pura. Sin embargo, en cada punto de integracin el ngulo
entre las lneas verticales y horizontales, que era inicialmente 90 , ha cambiado. Esto indica
que la tensin de corte es distinta de cero. Esto es incorrecto: la tensin de corte en una pieza
de material bajo flexin pura es cero.
Esta tensin de corte espuria surge porque los bordes del elemento son incapaces de curvarse.
Su presencia significa que la energa de deformacin est creando deformacin por corte en
lugar de la deformacin de flexin prevista, por lo que los desplazamientos totales son
menores: el elemento es demasiado rgido.
El bloqueo por corte slo afecta el rendimiento de elementos lineales con integracin completa
sometidos a cargas de flexin. Estos elementos funcionan perfectamente bien bajo cargas
directas o de corte.
Los elementos lineales con integracin completa deben usarse slo cuando se est seguro de
que las cargas producen flexin mnima en el modelo, en caso contrario se deben usar
elementos de otro tipo.
11-30
Sin embargo, los elementos cuadrticos con integracin completa tambin pueden mostrar
bloqueo bajo estados complejos de estrs, si la tensin de flexin tiene un gradiente; por lo
tanto se deben comprobar los resultados con cuidado si se utilizan en todo el modelo.
Sin embargo, son muy tiles para zonas del modelo donde hay concentraciones locales de
tensiones.
Ninguna de las lneas punteadas ha cambiado en longitud y el ngulo entre ellos tampoco ha
cambiado, lo cual significa que todos los componentes de estrs en el nico punto de
integracin del elemento son cero.
11-31
Este modo de flexin de la deformacin es por lo tanto un modo de energa cero, porque no se
genera energa de deformacin por esta deformacin del elemento. El elemento es incapaz de
resistir este tipo de deformacin ya que no tiene rigidez en este modo. En mallas gruesas esta
modalidad de energa cero se puede propagar a travs de la malla, produciendo resultados sin
sentido.
Algunos programas de MEF introducen una pequea cantidad artificial de "rigidez de reloj de
arena" en elementos lineales de integracin reducida para limitar la propagacin de modos de
reloj de arena. Esta rigidez es ms eficaz en la limitacin de los modos de reloj de arena
cuando se utilizan muchos elementos en el modelo, por tanto estos elementos pueden dar
resultados aceptables, siempre y cuando se utiliza una malla razonablemente fina.
Los errores observados con mallas finas de elementos lineales de integracin reducida son
aceptables para muchas aplicaciones. Los resultados sugieren que se deben usar al menos
cuatro elementos a travs del espesor al modelar cualquier estructura con cargas de flexin
con este tipo de elemento. Cuando se utiliza un solo elemento lineal de integracin reducida en
el espesor de la viga, todos los puntos de integracin quedan sobre el eje neutro y el modelo es
incapaz de resistir cargas de flexin.
Los elementos lineales de integracin reducida son muy tolerantes a la distorsin; por lo tanto
se sugiere usar una malla fina de estos elementos en problemas donde los niveles de
distorsin puedan ser muy altos.
Resumen de caractersticas
Elementos de primer orden
Estos elementos deben ser usados con cautela. Los elementos triangulares y tetradricos
deben ser evitados en problemas de anlisis de esfuerzos pues presentan una baja
convergencia con el refinamiento de la malla.
Si se usan estos elementos, la malla debe ser muy fina para obtener resultados confiables.
11-32
Mallas no estructuradas
La discretizacin del dominio se lleva a cabo a travs de malladores automticos que por lo
general se encuentran incorporados en los propios programas de clculo.
Los malladores tienen mayor velocidad para generar mallas de tringulos en 2D y de tetraedros
en 3D en comparacin con cuadrilteros y hexaedros. Las mallas generadas por dichos
algoritmos se denominan mallas no estructuradas.
11-33
Mallas estructuradas
Por otra parte, las mallas estructuradas, que en 2D son cuadrilteros o tringulos generados a
partir de cuadrilteros y en 3D son hexaedros, no tienen elementos sesgados y tienen
excelente relacin de aspecto pero su uso se limita a geometras de forma regular y sin
demasiados contornos curvos. Esto se debe a que debe hacerse una subdivisin uniforme del
dominio.
Este tipo de malla se genera manualmente.
11-34
Recomendaciones
Errores de conexin
Deben evitarse los siguientes errores de conexin entre elementos, pues resultarn en brechas
y penetraciones que no se producen en la realidad (en anlisis de deformaciones) o
discontinuidades en las interpolaciones (en otros anlisis).
11-35
Refinamiento p
Se basa en el uso de funciones de forma polinmicas de alto grado (cuadrticas, cbicas, etc.).
Esta tcnica de refinar el dominio no implica el aumento de la cantidad de elementos, sino que
la cantidad de grados de libertad del problema se ve incrementada por la inclusin de un mayor
nmero de nodos en cada elemento y el aumento del grado de los polinomios.
Refinamiento h
Se basa en aumentar la cantidad de elementos en los que se divide el dominio. Por lo general
se usan elementos de bajo orden (lineales), que slo requieren nodos en los vrtices de cada
elemento. Por lo tanto la cantidad de grados de libertad se asocia a una mayor cantidad de
elementos en la malla.
Refinamiento ph
Es posible efectuar un refinamiento basado en la combinacin de los dos mtodos anteriores,
sin embargo la tendencia actual es la de utilizar elementos de orden medio (cuadrticos) en
mallas donde se refina incrementando la cantidad de elementos presentes en la discretizacin.
Condicin de continuidad
La aproximacin de las variables del problema debe ser continua en el interior de cada
elemento. Si se usan aproximaciones polinmicas esta condicin se cumple.
Condicin de derivabilidad
La aproximacin polinmica elegida debe ser derivable al menos hasta el orden de las
derivadas que aparecen en las integrales del problema para que la aproximacin pueda
reproducir la solucin. En problemas de Poisson esto implica que las funciones de forma deben
tener derivadas primeras.
Condicin de integrabilidad
Las funciones de forma deben ser tales que las funciones que aparecen en las integrales sean
integrables. La derivada de orden m de una funcin es integrable si sus m-1 primeras derivadas
son continuas. Por lo tanto, si en las integrales aparecen derivadas de orden m, las funciones
de forma utilizadas deben tener continuidad de clase Cm-1. En problemas de Poisson esto
implica que las derivadas primeras de las funciones de forma deben ser integrables, para lo
cual alcanza con que la interpolante sea continua.
11-36
() = 1
=1
Esta condicin se cumple para a las funciones de forma de los tipos de elemento usuales.
Condicin de compatibilidad
Dicha condicin requiere que la aproximacin debe ser continua entre los elementos, por lo que
no deben existir saltos entre los valores de las variables a lo largo de las caras (en 3D), lados
(en 2D) o nodos (en 1D) comunes de los elementos. Esta condicin se satisface
automticamente si se utilizan funciones de forma polinmicas del mismo grado en elementos
adyacentes y si no hay nodos desconectados, es decir si no se cometen los errores
mencionados en 11.10.4.
11-37
Condicin de invarianza
La solucin obtenida a travs de un determinado elemento no debe variar al cambiar la
orientacin del mismo. La invarianza se garantiza si las funciones de forma del elemento
forman un polinomio completo.
Condicin de estabilidad
El rango correcto de la matriz de rigidez de un elemento aislado debe ser igual al nmero de
movimientos de slido rgido de un elemento.
La existencia de valores propios nulos en la matriz de rigidez que no sean eliminados por las
condiciones de contorno genera mecanismos internos que producen singularidades y
soluciones espurias.
Terico de
CLCULO AVANZADO
2016
Tema: Transformada de Laplace
Objetivos de aprendizaje
Germn BRESCIANO
12
Transformada de Laplace
12-1
12 Transformada de Laplace
12.1 Introduccin
12.1.1 Antecedentes
La transformada de Laplace es muy importante en el anlisis de sistemas en ingeniera.
El ingeniero elctrico Oliver Heaviside (18501925), desarroll un mtodo para resolver
ecuaciones diferenciales ordinarias con coeficientes constantes que es el antecesor del mtodo
de la transformada de Laplace. A Heaviside le interesaba la resolucin de problemas y su mtodo
era intuitivo y con poco rigor matemtico, no le interesaban las demostraciones. Con su mtodo
pudo resolver problemas que no podan resolverse por mtodos clsicos.
Debido a su practicidad, el mtodo fue aceptado rpidamente por los ingenieros y atrajo la
atencin de matemticos que trataron de darle rigurosidad. Luego de muchos aos se vio que la
transformacin integral que haba planteado el matemtico francs Pierre Simon de Laplace
(17491827) casi un siglo antes era el sustento terico para el trabajo de Heaviside y una
alternativa ms sistemtica para resolver ecuaciones diferenciales que el mtodo original de
Heaviside.
12.1.2 Transformadas
En algunos mtodos matemticos se usa una transformacin para simplificar la resolucin de un
problema.
Por ejemplo, los logaritmos se usan para simplificar problemas de multiplicacin y divisin. Para
multiplicar o dividir dos nmeros, los transformamos en sus logaritmos, sumamos o restamos
estos y luego realizamos la transformacin inversa, el antilogaritmo, para obtener el producto o
cociente de los nmeros originales. El propsito de usar esta transformacin es plantear el
problema en un nuevo dominio en el cual sea ms fcil de resolver. Una vez resuelto en el nuevo
dominio, la solucin se puede transformar inversamente para obtener los resultados deseados
en el dominio original.
Algo similar ocurre cuando para hallar una primitiva realizamos un cambio de variable para
obtener un nuevo problema ms sencillo que el original y, una vez resuelto el problema en la
nueva variable, volvemos a la variable original.
Transformada de Laplace
12-2
La relacin entre la salida y la entrada depende de las leyes que gobiernan el comportamiento
del sistema. Si el sistema es lineal e invariante en el tiempo, entonces la salida est dada por
una ecuacin diferencial lineal con coeficientes constantes, que es un problema de valor inicial
fcil de resolver usando la transformada de Laplace.
La entrada puede ser una funcin discontinua, incluso un pulso, y en esos casos el mtodo de la
transformada de Laplace tiene grandes ventajas en comparacin con la resolucin tradicional de
la ecuacin diferencial.
Otra aplicacin importante es el estudio de estabilidad de un sistema. Para ello se define la
funcin de transferencia como el cociente entra la transformada de salida y la transformada de
entrada. Un sistema estable es aquel que, frente a una entrada determinada, nos da una salida
acotada. Adems, cuando a un sistema estable se le suprime la entrada, su salida tiende a cero.
Para determinar la estabilidad de un sistema se analizan los polos de la funcin transferencia en
el dominio de las frecuencias complejas.
() =
=0
Vamos a hacer algo parecido, pero sumaremos no slo sobre los naturales sino sobre los reales,
reemplazaremos n por t y an por f(t). En vez de sumar vamos a integrar. Queda:
+
()
12.2.1 Definicin
Dada una funcin f:RR, definimos transformada de Laplace de F como una funcin f tal que
+
() =
()
Y se anota
() = {()}
() ()
Si bien la variable s en el caso general es compleja, haremos las demostraciones para s real. Las demostraciones para
s compleja son bsicamente iguales, teniendo en cuenta que el mdulo de la exponencial no cambia si se sustituye s por
su parte real.
Transformada de Laplace
12-3
para t<0 y nos interesa slo la respuesta para t>0. Estas funciones que son nulas
para t<0 se llamas causales.
() = 0 () =
0 = 0
1 +
= =
0
0
1
1
1
= |
() =
0 =
(a) +
+
+
1
() = a = (a) =
| =
>
0
0
0
() = 1 0 () =
() = a
|()| 0 (2)
12.2.4 Abscisa de convergencia
La abscisa de convergencia de una funcin es el menor b para el cual la funcin es de orden
exponencial ebt (t+).
ii) 0
Demostracin
i) |() |
s>b
y si
+
entonces
s-b>0
por tanto
() converge absolutamente
ii)
= () 0
b no es nico, si una funcin es de orden exponencial para un b0, tambin lo ser para todo b> b0
Transformada de Laplace
12-4
"
"
sup
[0 ,+)
pero
"
"
| () |
sup
[0 ,+)
sup
sup
|() | =
[0 ,+)
"
|()|
"
sup
[0 ,+)
[0 ,+)
> 0 )
"
"
0 (0 )
+ ( )
0
(0 ) <
, " > ()
Pero como
"
() =
()
= lim ()
+ 0
12.2.7 Teorema
f seccionalmente continua en [0,h] h>0 y de orden exponencial ebt (t+)
Entonces si F(s) es su transformada:
i)
lim () = 0
+
ii)
0 |()| = |
() |
|() | =
|()| =
= |()| +
0
|()|
+
0
|()| +
0
() =
1 0
1
0 1
0 ()0
+
()
= ( ) |0 + (
)
| =
(
)=
0
()
0
= (1 0 ) +
0
+
Entonces lim () = 0
+
Transformada de Laplace
12-5
ii)
+
() |
|()| ||
||
0
||
||
+
= || () =
() |0 =
+
0
Entonces |()| < > 0 y por tanto sF(s) acotada cuando s+
iii) Si F(s) fuera peridica, no podra ser
12.2.8 Propiedades
12.2.8.1 Linealidad
1 () + 2 () 1 () + 2 ()
Demostracin
f1 y f2 seccionalmente continuas y de orden exponencial
+
(1 () + 2 ()) =
1 () + 2 ()
0
1 () +
2 () = 1 () + 2 ()
Para los s para los cuales las transformadas existen (las integrales correspondientes convergen).
12.2.8.2 Convolucin
Demostracin
f1 y f2 seccionalmente continuas y de orden exponencial
+
(1 2 )()
(1 2 )() =
0
+
=
0
( 1 ()2 ( )) = 1 ()2 ( )
0
(, ) = [ ] = [ + ]
Cuya jacobiana es
1 0
(, ) = [
] ( (, )) = 1
1 1
1 () = {(, ) 0 0}
Pues 0 0 +
Transformada de Laplace
12-6
Entonces
+
(1 2 )()
1 ()2 () (+) =
1 ()
1 () (
1 ()2 () (+) ) =
2 () ) =
0
+
1 ()
2 () = 1 ()2 ()
() ( )
Demostracin
f seccionalmente continua y de orden exponencial y a>0
+
() =
{()} =
0
1 +
1 +
1
()
() = () = ( )
0
0
la ltima integral converge cuando s/a>b o sea cuando s>ab, por tanto
si (()) = [, +) ( ( )) = [, +)
12.2.8.4 Traslacin de la funcin
0 <
() = {
()
( )
Demostracin
f seccionalmente continua y de orden exponencial
+
() = () +
{()} =
0
=0+
a
+
( )
( ) () =
() =
( )
()
() = ()
{ ()} =
() =
() () = ( )
{()} =
0
() = () |+
0
()( ) =
+
= (0) +
0
Si f no es continua en 0 dara
() = () (0)
Transformada de Laplace
12-7
{()} = () lim+ ()
0
(1) () () ()
Demostracin
f seccionalmente continua y de orden exponencial.
() =
+
+
+
()
()
0
Demostracin
f seccionalmente continua y de orden exponencial
Aplicando la propiedad de convolucin
{ () } = { () 1 } = {() 1} = {()}{1} =
0
()
Demostracin
f seccionalmente continua y de orden exponencial
()
()
} = ( {
})
+
+
+
()
()
()
()
() = ( {
= 0+{
}) = {
}|
}= {
}
{()} = {
Las funciones (t) y u(t) se llaman funcin impulso y funcin escaln. Ms adelante las definiremos.
Transformada de Laplace
12-8
() = 1 0
1 0 2
() = {
0 = 2
() =
() () = ()
Sin embargo, una funcin no puede tener dos antitransformadas causales continuas distintas, o
sea que existe la transformacin inversa cuando slo consideramos el espacio de las
funciones causales continuas.
12.3.1 Definicin
La antitransformada de Laplace de una funcin F es una funcin causal f cuya transformada
de Laplace es F
{ } =
1
1
> 1 {
} = 0
{ } =
1
1
1 {
} =
Transformada de Laplace
12-9
" + =
{ (0) = 1
(0) = 2
Para resolverlo buscamos las transformadas (5)
{} = ()
{"} = 2 () (0) (0) = 2 () + 2
1
{} = 2
() + 2 () + 2 =
Despejando
()(1 + 2 ) =
1
2
1
1 2 + 2
+
()
=
2
1 + 2
De donde
() =
1
2 (1 +
2)
2
1+
1 + 2
1
2 (1+2 )
= 2 2 +1
Por tanto
() =
1
+ 2
3 2
2
+1
+1
{} =
Entonces
1
2
{()} =
1
2 + 1
{()} =
2 + 1
() = + () 3()
Estrictamente esta igualdad vale para t0 pero es fcil verificar que esta funcin es solucin del
problema para todo t.
Ntese que la solucin verifica los valores iniciales del problema, que fueron incorporados en la
transformada de la derivada segunda.
Si las condiciones iniciales fueran en otro valor de t, se puede hacer un cambio de variable para que los valores iniciales
correspondan al cero en la nueva variable
5
Ntese cmo las condiciones iniciales en t=0 se incorporan a la transformada de la derivada.
4
Transformada de Laplace
12-10
= 2 3
{ = 2 +
(0) = 8 (0) = 3
Las transformadas de las funciones incgnitas seran {} = () y {} = ()
Por la propiedad de derivada de la funcin
{} = () (0) = () 8
{} = () (0) = () 3
El sistema transformado queda
( 2)() + 3() = 8
() 8 = 2() 3()
{
() 3 = 2() + ()
2() + ( 1)() = 3
() =
8 17
( 4)( + 1)
() =
3 22
( 4)( + 1)
3
5
2
5
+
() =
+
4 +1
4 +1
1
Todos estos trminos son de la forma { } =
Entonces () = 3 4 + 5 () = 2 4 + 5
Nuevamente, aunque esta solucin vale para t0 es fcil verificar que es solucin del problema
() =
para todo t y que verifica los valores iniciales del problema, que fueron incorporados en las
transformadas de las derivadas.
" + (1 2) 2 = 0
(0) = 1
{
(0) = 2
Por propiedad de derivada de la funcin
{} = ({ }) = (s() 1) = s() ()
{"} = ({"}) = ( 2 () 2) = 2 () 2() + 1
Entonces
() =
Y como
() = k 2
2
(0) = 1 = 1 () = 2
()
2
Transformada de Laplace
12-11
12.4.4 Aplicaciones
Los sistemas mecnicos de traslacin se usan para modelar situaciones que involucran tres
elementos bsicos,
masas (con masa M, medida en Kg),
resortes (con rigidez del resorte K, medida en Nm-1) y
amortiguadores (con coeficiente de amortiguamiento B, medido en Nsm-1).
Las variables asociadas son el desplazamiento x(t) (medido en m) y la fuerza F(t) (medida en N).
Los elementos bsicos se representan como en la figura
4
+ 2
Transformada de Laplace
12-12
() =
( 2
4
+ 6 + 25)
2 )( 2
() =
8
( 2
4 4 + 14
2
8 + 20
+
=
2
2
2
+ 6 + 25) 195 + 2
195 + 6 + 25
4
2
2
+3
4
=
(7 2
4 2
)+
(8
)
2
2
2
2
( + 3)2 + 42
195 + 2
+2
195 ( + 3) + 4
=
+ 22 )( 2
Y antitransformando se obtiene
() =
4
2 3
(8(4) (4))
(7(2) 4(2)) +
195
195
En el caso = 5 queda
() =
20
2
1
+3
3
4
=
+ (2
+
)
( 2 + 22 )( 2 + 6 + 25) 15 2 + 52 15 ( + 3)2 + 42 2 ( + 3)2 + 42
Y antitransformando se obtiene
() =
2
1
3
(5) + 3 (2(4) + (4))
15
15
2
() =
20
10
50
10 2 + 52 + 52 2
=
=
( 2 + 52 )2 25 ( 2 + 52 )2 25
( 2 + 52 )2
2
2
2
10 + 5
10 52
2
5
2 2 52
=
25 ( 2 + 52 )2 25 ( 2 + 52 )2 25 2 + 52 5 ( 2 + 52 )2
Antitransformando
() =
2
2
(5) (5)
25
5
1 "() + 31 () 22 () = 0
22 "() + 42 () 21 () = 0
Transformada de Laplace
12-13
( 2 + 3)1 () 22 () =
1 () + ( 2 + 2)2 () = 2
O sea
2
[ + 3
1
2 ] [1 ()] = []
2
+ 2 2 ()
2
Cuya solucin es
1 () =
3 + 2
( 2 + 4)( 2 + 1)
2 () =
2 3 + 5
( 2 + 4)( 2 + 1)
1 () =
Antitransformando
2 2
+1
+4
2 () =
+ 2
+1 +4
1 () = () 2(2)
2 () = () + (2)
0 < 0
() = {
1 0
1 () 0 < 1
() = { 2 () 1 < 2
3 () 2
Transformada de Laplace
12-14
{()} =
Y por la propiedad de traslacin de la funcin
1
> 0
{( )} =
> 0, 0
( )( ) = {
0 <
( )
{( )( )} = {()}
12.5.1.3 Aplicaciones
Resolver la ecuacin diferencial
" + 5 + 6 = ()
{
(0) = 0
(0) = 2
Siendo f la funcin pulso
3 0 < 6
() = {
0 6
Solucin
En lugar del enfoque tradicional que sera resolver primero para el intervalo [0,6] y luego de 6 en
adelante, lo que haremos es expresar la ecuacin como
1 1
( 2 + 5 + 6)() = (0) + (0) + 5(0) + {()} = 2 + 3 ( 6 )
Entonces
() =
2 + 3
3
6
( + 2)( + 3)
( + 2)( + 3)
1/2
1/2
1
1/2
3/2
1
() = (
+
) 6 (
+
)
+2 +3
+2 +3
Antitransformando
Transformada de Laplace
12-15
1 1
1 3
() = ( + 2 3 ) ( 2(6) + 3(6) ) ( 6)
2 2
2 2
O bien
1 1 2
+
3
0 < 6
2
2
() = {
1
3
( 2 3 ) + ( 2(6) 3(6) ) 6
2
2
0 0 < <
2
() = 1/
2
2
{ 0 2 <
() = 1
() = 0 0
Figura 12-12 Impulso instantneo unitario
Transformada de Laplace
12-16
+
() = 1
()( ) = ()
() = 0 = 1
{()} =
0
Ejemplo
Encontrar
1 {
1 {
2
}
2 + 4
2
2 + 4 4
4
1
=
}
{
} = 1 {1 2
} = () 2(2)
2
2
+4
+4
+4
() = () () =
()
= ()
12.5.2.4 Aplicaciones
Consideremos una viga uniforme de longitud l y sea y(x) el desplazamiento vertical.
Transformada de Laplace
12-17
4
= ()
4
() =
Se necesitan cuatro condiciones iniciales para determinar la solucin, que idealmente seran
"(0)
el esfuerzo cortante en x=0
"(0)
el momento de torsin cortante en x=0
(0)
la pendiente de la viga en x=0
(0)
el desplazamiento de la viga en x=0
Pero usualmente no se dispone de todas pues, dependiendo del tipo de soporte que se tenga en
cada extremo, algunas condiciones estn especificadas en el otro extremo de la viga.
Supongamos que se desea conocer el desplazamiento de la viga soportada libremente en ambos
extremos, sometida a su propio peso W N distribuido uniformemente y una carga concentrada P
N en x=l/3.
1 =
2
+
2 = +
2
3
2 3
() =
2
[() ( )] ( ) + ( + ) () + ( + ) ( )
3
2
3
2 3
Transformada de Laplace
12-18
Transformando
() =
2
+ 3 + ( + ) + ( + )
2
3
2 3
De donde
2
+ 3 + ( + ) + ( + )
2
3
2 3
() =
+
4
(0) y'(0) "(0) "(0)
+
+ 2 + 3 +
=
2
1
3 ( 2 + 3 ) ( 2 + 3 )
= [ 5 + 5 4 +
+
]+
4
4
+
Como la viga est soportada libremente
2
1
3 ( 2 + 3 ) ( 2 + 3 )
y'(0) "(0)
() = [ 5 + 5 4 +
+
]+ 2 +
4
4
s
4
Y antitransformando
() =
1
1 4
1
1
3
1 2
( )4 ( ) ( ) ( ) + ( + ) 3
[
+
24
24
6
3
3
6 2
3
1
1
+ ( + ) ( )3 ( )] + y'(0) + "(0) 3
6 2 3
6
"() =
1
1 2 1
2
( )2 ( ) ( ) ( ) + ( + )
+
[
2
2
3
3
2
3
+ ( + ) ( )( )] + "(0)
2 3
1
1 4 1 2 3 1 2 3
1
[
( ) + ( + ) ] + y'(0) + "(0) 3
24
6
3
6 2
3
6
1
1 2
2
2
0 = "() = [
( ) + ( + ) ] + "(0)
2
3
2
3
0 = () =
Despejando
1
1 1
4
1
1
y'(0) + "(0) 3 = ( 3 + 3 3 3 )
6
24
81
12
9
1 1
2
W 2P
y"'(0)= [ W+ P- ( + ) ] =0 y"'(0) = 0
EI 2
3
2
3
Por tanto
2 1
5
y'(0) = ( + )
24
81
entonces
() =
1
1 4 1
1
3
1 2
( )2 ( ) ( ) ( ) + ( + ) 3
[
+
24
2
6
3
3
6 2
3
2
1
1
5
+ ( + ) ( )3 ( )]
( + )
6 2 3
24
81
Simplificando
Transformada de Laplace
() =
12-19
1
4 3 2
5
3
1
3
[ (
+
) ( 2 ) ( ) ( )
24 12 24
81
9
6
3
3
1
1
( )2 ) ( )]
+ ( ( + ) ( )3 +
6 2 3
2
O bien
1
4 3 2
5
3
[ (
+
0 <
) ( 2 )]
24 12 24
81
9
3
() =
4
3
2
3
2
3
1
19 2
[ (
+
+
)(
)]
24 12 24
162
18
6
162
3
{
1
+
+ + 0
1
0
donde n m, las ak y las bk son coeficientes constantes, y x(t) es la respuesta del sistema o salida
correspondiente a la entrada o funcin de fuerza u(t) aplicado a partir del tiempo t = 0.
Transformando esta ecuacin:
( + 1 1 + + 0 )() = ( + + 0 )()
Ya que todas las condiciones iniciales son nulas.
La funcin de transferencia del sistema se define como
Ec. 12-1
()
()
()
++
+ ++
Como vemos, para sistemas lineales invariantes con el tiempo la funcin de transferencia no
depende de la entada ni de la salida (ya que la salida es proporcional a la entrada), es una
caracterstica del sistema.
Transformada de Laplace
12-20
() = + + 0
() = + 1 1 + + 0
Entonces
() =
()
()
donde, para que el sistema sea fsicamente realizable, los grados m y n de los polinomios P(s) y
Q(s) deben ser tales que nm, pues de lo contrario la salida del sistema ante una entrada acotada
podra incluir funciones impulso, cosa que no sucede normalmente.
La ecuacin Q(s)=0 es llamada la ecuacin caracterstica del sistema, y su orden determina el
orden del sistema y sus races se conocen como polos de la funcin de transferencia.
De la misma manera, las races de P(s)=0 son los ceros de la funcin de transferencia.
A pesar de que una funcin de transferencia caracteriza la dinmica del sistema, no proporciona
informacin acerca de la estructura fsica del sistema, y de hecho sistemas que son fsicamente
distintos puede tener la misma funcin de transferencia; por ejemplo, un sistema masa-resorteamortiguador y un circuito RLC tienen ambos la funcin de transferencia de la forma
() =
1
+ +
() =
() ( 1 )( 2 ) ( )
=
() ( 1 )( 2 ) ( )
+ 12
+ 13 = 2
+ 3
2
Transformada de Laplace
12-21
a) Supongamos que todas las condiciones iniciales son cero, aplicando la transformada de
Laplace a toda la ecuacin diferencial obtenemos
(9 2 + 12 + 13)() = (2 + 3)()
La funcin de transferencia del sistema es entonces
()
2 + 3
= 2
() 9 + 12 + 13
b) La ecuacin caracterstica es 9 2 + 12 + 13 = 0 y el sistema es de orden 2.
()
2
3
12.6.3 Estabilidad
La estabilidad de un sistema es una propiedad muy importante.
Un sistema estable es uno que permanece en reposo a menos que sea excitado por una fuerza
externa y vuelve al estado de reposo si se quita la fuerza externa. As un sistema estable es uno
cuya respuesta cuando se anula la entrada tiende a cero cuando el tiempo tiende a infinito. Esto
garantiza que cualquier entrada acotada producir una salida acotada; esta propiedad se toma
con frecuencia como la definicin de un sistema lineal estable.
Es claro que la estabilidad es una propiedad del propio sistema y no depende de la entrada del
sistema ni de la funcin de fuerza. Corno un sistema puede ser caracterizado en el dominio s por
su funcin de transferencia G(s), ser posible usar la funcin de transferencia para especificar
condiciones para que el sistema sea estable.
La respuesta en el tiempo, x(t), de un sistema ante una entrada u(t) est dada por
() = ()() () =
()
()
Si <0 el polo est en el lado derecho del plano s y la respuesta en el tiempo tender a
cero cuando t+.
Transformada de Laplace
12-22
marginalmente estable; pues no asegura que una entrada acotada dar lugar a una
salida acotada (7).
De ello se deduce que un sistema estable debe tener los polos reales simples en la mitad
izquierda del plano s.
1 ()
( 1)!
La respuesta decaer a cero cuando t+ slo si >0, lo que indica que un sistema estable
debe tener todos los polos reales mltiples en la mitad izquierda del plano s.
12.6.3.3 Polos complejo conjugados
Corresponde a un par de polos complejos conjugados en s=-+i, s=--i, y en la expansin
fracciones simples de G(s) aparece como un trmino de la forma
( + ) +
( + )2 + 2
Cuya respuesta en el dominio de tiempo es
( () + ()) = ( + )
Nuevamente los polos en la mitad izquierda del plano s (correspondiente a >0) tienen
respuestas de tiempo decaen a cero cuando t+. en la forma de sinusoide amortiguada
exponencialmente.
Por tanto, un sistema estable debe tener polos complejos conjugados en la mitad izquierda
del plano s (deben tener parte real negativa).
Si =0, la respuesta de tiempo ser una sinusoide peridica, que no decaer cuando t+.
Esto corresponde a un sistema marginalmente estable y dar lugar, por ejemplo, a una respuesta
no acotada cuando t+ cuando la entrada es una sinusoide de la misma frecuencia
(resonancia).
Por ejemplo, si un sistema de este tipo tiene una entrada que es un escaln d aplicado en el tiempo
respuesta ser una rampa cdtH(t), que es no acotada cuando t+.
7
t=0, entonces la
Transformada de Laplace
Figura 12-18
12-23
Transformada de Laplace
12-24
lim () entonces
0+
lim () = lim ()
0+
Demostracin
Como vimos en la propiedad de derivada de la funcin {()} = () lim+ ()
0
lim+ () = lim ()
+
Demostracin
Como vimos en la propiedad de derivada de la funcin {()} = () lim+ ()
0
Entonces
+
=
0
() =
() = ()|+
0 = lim () lim+ ()
+
lim () = lim ()
12.8 Aplicaciones
12.8.1 Respuesta a perturbaciones
Se tiene un intercambiador de calor 1-1, de carcasa y tubos. En condiciones estables, este
intercambiador calienta 224 gal/min de agua de 80F a 185F por dentro de tubos con vapor
saturado a 150 psia en la carcasa.
Flujo de
agua entrada
Temp de
Vapor entrada
Salida de
Agua T
Salida de
condensado
0 0 (
+
1
) + ( ) =
2
2
La existencia de lim () no garantiza que lim () exista, lo cual es necesario para la validez de este
0
teorema.
Transformada de Laplace
12-25
Donde
Ud0: Coeficiente global de transferencia de calor (267.4897 BTU/hFft2)
0 0 (
Donde
+
( ) = 0
)+
2
0 0 ( ) 0 0 ( ) + (
) ( ) ( ) =
2
2
1
0 0 ( ) 0 0 ( ) + (
) ( )
2
1
(
) ( )
( ) =
2
1
1
0 0 0 0 + ( )
=
2
2
1
1
0 0 () 0 0 () + () ( )
() = ()
2
2
Reordenando
1
1
0 0 () () 0 0 ()
() + () ( ) = 0
2
2
1
1
0 0 () ( + 0 0 +
) () + () ( ) = 0
2
2
Despejando Ts(s)
() =
0 0 () + () ( )
1
1
+ 0 0 +
2
2
Transformada de Laplace
12-26
Separando
() =
Y reordenando
O sea ()
( )
0 0
() +
()
1
1
1
1
+ 0 0 +
+ 0 0 +
2
2
2
2
( )
0 0
1
1
+
2 0 0
2 0 0
() =
() +
()
1
1
2
2
+1
+1
1
1
0 0 +
0 0 +
2
2
1
2
=
() +
() con
1 +1
0 0
1 =
2 +1
= 0.381883131
1
2 0 0
( )
2 =
= 7.573947 104
1
2 0 0 +
1
2
1 = 2 =
= 1.712995
1
2 0 0
Por tanto
7.573947 104
0.381883131
() =
() +
()
1.712995 + 1
1.712995 + 1
Ntese que la funcin de transferencia tiene dos componentes (uno para la temperatura de vapor
y otro para el flujo de agua).
b) Respuesta a las perturbaciones
Las perturbaciones introducidas en el instante
t=0 son
() = 20()
() = 10() = 5007.2455()
Cuyas transformadas son ()
20
y ()
5007.2455
, por tanto
4
0.381883131
20 7.573947 10 5007.2455
() =
+
=
1.712995 + 1
1.712995 + 1
3.845201
=
(1.712995 + 1)
Sin necesidad de antitransformar, por el teorema el valor final
3.8452
= 3.8452
0 1.712995 + 1
c) Para graficar cmo vara la temperatura en el tiempo debemos antitransformar, para los
cual primero expendimos en fracciones simples
() =
3.845201
2.246078 1
=
=
(1.712995 + 1) ( + 0.583772 1 )
3.845201
3.845201
1
1
=
= 3.845201 (
)
1
+ 0.583772
+ 0.583772 1
Antitransformando
() = 3.845201()(1 0.583772
Por tanto
)]
12-27
190
370
368
366
364
362
360
358
356
354
352
350
Ts (F)
189
188
187
186
185
Tv (F)
Transformada de Laplace
-1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Tiempo (seg)
ts
tv
Figura 12-20
Seal
Nombre
Funcin
r(t)
e(t)
c(t)
u(t)
p(t)
y(t)
h(t)
Referencia
estado que se desea alcanzar en el sistema.
Error
diferencia entre el estado deseado y real del sistema a controlar.
Control
seal que genera el controlador.
Accionamiento accin que se ejerce sobre el sistema para controlarle.
Perturbacin
perturbacin en la entrada del sistema
Salida
estado real que ha alcanzado el sistema a controlar.
Realimentacin medida del estado del sistema.
Transformada de Laplace
Sean
12-28
Gc(s)
Ga(s) =1
Gs(s)
H(s)=1
1
()
()
]
1
1
() + ()] = [1 +
+ ] ()
1
Entonces a funcin de transferencia del controlador es () = [1 +
+ ]
() = [() +
() = () () = [1 +
1
+ ] ()
Pero
() =
Entonces
() =
0.381883131
7.573947 104
()
()
1.712995 + 1
1.712995 + 1
0.381883131
7.573947 104
1
()
[1 +
+ ] ()
1.712995 + 1
1.712995 + 1
Y despejando
0.381883131
1.712995
+1
() =
()
7.573947 104
1
1+
+
+ ]
1.712995 + 1 [1
Entonces la funcin de transferencia global es
() =
0.381883131
=
7.573947
1
(1 +
[1 + + ]) (1.712995 + 1)
1.712995 + 1
0.381883131
=
=
1
4
1.712995 + 1 + 7.573947 10 [1 +
+ ]
504.206
=
1
2261.69 2 + 1320.32 + [ + + 2 ]
504.206
() =
(2261.69 + ) 2 + (1320.32 + ) +
104
( + 2261.69) 2 + ( + 1320.32) +
( +
=0
2261.69 2
1320.32
1
) + (1 +
) + = 0
Debe ser positiva en este caso pues un error positivo debe provocar un aumento de w para bajar Ts
Deben ser positivos para que ambos efectos tengan el mismo sentido que el proporcional.
11
De aqu en ms omitiremos las unidades para simplificar las ecuaciones.
10
Transformada de Laplace
12-29
Para que el sistema sea estable ambas races deben tener parte real negativa, por lo tanto, su
producto debe ser positivo.
1 2 =
1
=
>0
+ 2261.69
1 + 2 =
(1 + 1320.32 )
=
<0
+ 2261.69
Pero dados y , cuanto ms negativas sean las partes reales de las races, ms estable ser
el sistema. Para ello conviene elegir grande y pequeo y adems trataremos que el
discriminante no sea positivo para que no haya dos races reales, pues la mayor ser mayor que
la semisuma, por tanto,
(1 + 1320.32 )2 4( + 2261.69 )
4
1
0
+ 2261.69
(1 + 1320.32 )2
1 (1 + 1320.32 )
<0
2 + 2261.69
Si elegimos, por ejemplo = 3000 , = 0.2, debe ser < 1.8398
() =
504.206
0.1762
= 2
=
+ 4320.32 + 3000 + 1.5097 + 10.483
0.1762
=
( + 0.7548)2 + 3.14862
20
Si se aplica una perturbacin () = 20() entonces () =
y la respuesta ser
1.119 3.1486
() = () () =
( + 7.548)2 + 3.14862
() =
2861.69 2
Antitransformando
187
370
368
366
364
362
360
358
356
354
352
350
Ts (F)
186,5
186
185,5
185
184,5
-1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Tiempo (seg)
ts
Figura 12-21
tv
Tv (F)
Transformada de Laplace
12-30
Si queremos evitar las oscilaciones debemos elegir = 1.8398 con lo cual habr un polo doble
= 0.7548 No hay oscilaciones, pero la estabilizacin es ms lenta.
() = () () =
3.5238
( + 7.548)2
Antitransformando
() = 3.5238 0.7548 ()
Por tanto
187
370
368
366
364
362
360
358
356
354
352
350
Ts (F)
186,5
186
185,5
185
184,5
-1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Tiempo (seg)
ts
tv
Figura 12-22 Respuesta a entrada escaln con control PID sin oscilacin
Tv (F)