P. 1
Diferenciación e Integración Numérica

Diferenciación e Integración Numérica

|Views: 300|Likes:
Publicado porIrving Jahir Pérez

More info:

Published by: Irving Jahir Pérez on Sep 18, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

06/18/2015

pdf

text

original

Instituto Tecnológico de Veracruz. Trabajo de la Unidad: Diferenciación e Integración Numérica. Materia: Métodos Numéricos.

Alumno: Pérez Puch Irving Jahir. Grupo: 4J2A. Ciclo Escolar: Enero – Julio 2012. Fecha: 16 / Mayo / 2012.

Índice.

Introducción...........................................................................................................................3

Diferenciación Numérica.......................................................................................................5

Integración Numérica..........................................................................................................17

Integración Múltiple............................................................................................................22

Aplicaciónes..........................................................................................................................24

Bibliografia...........................................................................................................................24

así como la fórmula de interpolación de LaGrange. . Los métodos de integración numérica se pueden utilizar para integrar funciones dadas. Los métodos que se estudiarán se refieren a las fórmulas de Newton-Cotes. El método básico involucrado para aproximar cualquier función a su integral se conoce como cuadratura numérica y se usa una sumatoria de las funciones evaluadas en un intervalo. las distintas fórmulas de interpolación darán por resultado distintos métodos de integración numérica. Regla del Trapecio: Esta regla es un método de integración numérica que se obtiene al integrar el polinomio de interpolación de primer grado (Lineal). Por consiguiente. Para obtener una buena precisión se necesita un gran número de subintervalos. las fórmulas de Newton-Cotes se subdividen en las de tipo cerrado y las de tipo abierto. Con frecuencia surge la necesidad de evaluar la integral definida de una función que no tiene una antiderivada explícita. Las reglas del trapecio y las dos reglas de Simpson pertenecen al tipo cerrado. Los métodos de integración numérica se obtienen al integrar los polinomios de interpolación. que se basan en las fórmulas de interpolación con puntos de separación constantes y se deducen de integrar las fórmulas de interpolación de Newton. A su vez. o cuya antiderivada tiene valores que no son fácilmente obtenibles. ya sea mediante una tabla o en forma analítica. Incluso en el caso en que sea posible la integración analítica.Introducción. la integración numérica puede ahorra tiempo y esfuerzo si sólo se desea conocer el valor numérico de la integral.

El número de intervalos utilizados en esta regla debe ser par. .Regla de 1/3 de Simpson: Esta regla se basa en la interpolación polinomial cuadrática (de segundo orden). que son un número par. Puesto que el orden del error de la regla de 3/8 es el mismo que el de la de 1/3. Cuando el número de intervalos es impar pero sin ser múltiplo de tres.). Obteniendo el polinomio de Newton ajustado a tres puntos e integrando el resultado se tiene la regla de 1/3 de Simpson. no se gana mayor exactitud que con la regla de 1/3 cuando uno puede elegir con libertad entre ambas reglas. Para la regla extendida se aplica a un número de intervalos que sea múltiplo de tres. (N=par). Regla de 3/8 de Simpson: Esta regla de 3/8 se obtiene al integrar una formula de interpolación de tercer grado. se puede utilizar la regla de 3/8 para los primeros tres o los últimos tres intervalos y luego usar la regla de 1/3 para los intervalos restantes.

Se le llama diferencia " hacia adelante " ya que usa los datos (i) e (i+1) para estimar la derivada. A la ecuación 1 se le conoce con el nombre especial en el análisis numérico. las aproximaciones a primeras derivadas. Se puede representar generalmente como: o: Donde al diferencial se le conoce como la primera diferencia hacia adelante y a “h” se le llama tamaño del paso.Diferenciación Numérica. Por ejemplo. esto es. utilizando las diferencias hacia atrás o las diferencias centrales se pueden desarrollar de una manera similar a la de la ecuación 2. . Al termino completo (o sea. mientras “x” con subíndice i+1 que las segundas usan información igualmente espaciada alrededor del punto donde esta estimada la derivada. la longitud del intervalo sobre el cual se hace la aproximación. Esta diferencia dividida hacia adelante no es sino una de tantas que se pueden desarrollar mediante la serie de Taylor para la aproximación de derivadas numéricas. Las primeras usan “a”. se le llama diferencias divididas finitas. la diferencial entre h) se le conoce como primera diferencia dividida finita. Las aproximaciones más exactas de la primera derivada se pueden desarrollar incluyendo en la serie de Taylor términos de orden más alto.

Aproximaciones a la Primer Derivada con Diferencias Centrales. Una tercera forma de aproximar la primera derivada es restar la ecuación 4 de la expansión en serie de Taylor hacia adelante: Para obtener: Que se puede resolver para: o: La ecuación 9 es una representación de las diferencias centrales (o centradas) de la primera derivada. tercer orden y ordenes superiores. Las siguientes secciones analizan brevemente estos casos. . La serie de Taylor se puede expandir hacia atrás para calcular un valor anterior sobre el valor actual dado por: Truncando la ecuación después de la primera derivada y ordenando los términos se obtiene: Donde los errores es 0 (h) y el diferencial indica la primer diferencia dividida hacia atrás. ilustrando como se deriva cada una de ellos. Aproximación a la Primera Derivada con Diferencias Hacia Atrás. todas las versiones anteriores se pueden desarrollar para derivadas de segundo orden.Finalmente.

Junta a la primera derivada. las cuales fueron de orden h. el análisis de la serie de Taylor ha llevado a la información práctica de que la diferencia central es la representación más exacta de la derivada. si se parte el tamaño del paso a la mitad usando diferencias hacia atrás o hacia adelante. Por lo tanto. la expansión de la serie de Taylor se puede usar para una estimación numérica de las derivadas de orden superior. mientras que para diferencias centrales. Aproximaciones a Derivadas de Orden más alto Usando Diferencias Finitas. Para hacerlo. Las aproximaciones a tercer orden de las diferencias divididas hacia adelante. el error se reduce a la cuarta parte.Nótese que el error de truncamiento es del orden de en contraste con las diferencias divididas hacia adelante y hacia atrás. hacia atrás y centrales también pueden obtenerse (véase en fórmulas mas adelante). se escribe una expansión en la serie de Taylor hacia adelante para en términos de la siguiente forma: La ecuación 8 se puede multiplicar por 2 y restarse de la ecuación 10 para obtener: que se puede resolver para: A esta relación se le llama diferencias divididas finitas hacia adelante de segundo orden. Se pueden usar procedimientos similares para obtener las versiones hacia atrás y centrales. . Por ejemplo. En todos los casos. las diferencias centradas dan una mejor aproximación. el error se reducirá aproximadamente a la mitad.

Por ejemplo.Formulas de Exactitud para Diferencias de Orden Superior. se puede retener el término de segundo orden sustituyendo la ecuación 12 en la ecuación 13 para obtener: agrupando términos: Nótese que la inclusión del término con segunda derivada ha dado una exactitud. Se pueden desarrollar versiones mejoradas similares para diferencias hacia atrás y centrales así como para las aproximaciones de derivadas de orden superior. Todas las estimaciones anteriores truncaron las estimaciones dadas por la serie de Taylor después de algunos términos. . Las fórmulas de mas exactitud se pueden desarrollar incluyendo términos adicionales. la expansión hacia adelante (Ecuación 6) se puede resolver para: En contraste con la ecuación 2.

La segunda forma incluye más términos de la Serie de Taylor. .Formulas de Diferencias Divididas Finitas hacia atrás. Se presentan dos versiones para cada derivada. y por lo tanto es más exacta.

La segunda forma incluye más términos de la Serie de Taylor. y por lo tanto es más exacta.Formulas de Diferencias Divididas Finitas hacia adelante. Se presentan dos versiones para cada derivada. .

Se presentan dos versiones para cada derivada. La segunda forma incluye más términos de la Serie de Taylor.Formulas de Diferencias Finitas Centrales. . por lo tanto es más exacta.

Úsense aproximaciones de diferencias finitas hacia adelante y hacia atrás de 0(h) y centradas. de 0(h Cuadrara).Ejemplo de Aproximaciones de Derivadas usando Diferencias Finitas. para estimular la primera derivada de: .

se puede usar la función para determinar: Estos datos se pueden usar para calcular la diferencia dividida hacia adelante (Ecuación 2): la diferencia dividida hacia atrás ( Ecuación 5): y la diferencia dividida central (Ecuación 7): Para h=0.25. Repetir los cálculos usando h=0.5.5.5 usando un tamaño de paso h=0.en x=0.5)=-0. Nótese que la derivada se puede calcular directamente como: y se puede usar para calcular el valor exacto de f (0.25.9125. los datos son: . Solución: Para h=0.

que se pueden usar para calcular la diferencia dividida hacia adelante: la diferencia dividida hacia atrás: y la diferencia dividida central:>/P> Método de la Secante por medio de diferencia dividida .

Un problema fuerte en al implementación del método de Newton-Raphson es el de la evaluación de la derivada. Aunque esto no es un inconveniente para los polinomios y para muchas otras funciones. como se muestra en la siguiente figura: Esquema Grafico del Método de la Secante utilizando . En estos casos. existen algunas de estas cuyas derivadas pueden ser extremadamente difíciles de evaluar. la derivada se puede aproximar mediante una diferencia dividida.

.una diferencia. Ejemplo del Método de la Secante usando diferencias divididas. a este método no se le clasifica como aquellos que usan intervalo. debido a que no se requiere de f (x) cambie de signo entre estos valores. Nótese que el planteamiento requiere de dos puntos iniciales de x. Sin embargo. Esta aproximación se puede sustituir en la ecuación 16 obteniendo la ecuación iterativa: La ecuación 18 es la formula para el método de la secante.

0. Integración Numérica. Recuérdese que la raíz real es 0.Úsese el método de la secante para calcular la raíz de f Empiécese con los valores iniciales de x (subíndice i-1) = 0 y x (subíndice 0)= 1. . Solución.56714329…. (x)=.

como sigue: Encontrar y (b) es equivalente a calcular la integral. Métodos para Integrales Unidimensionales. Los métodos desarrollados para ecuaciones diferenciales ordinarias. el término se usa a veces para describir algoritmos numéricos para resolver ecuaciones diferenciales. El problema básico considerado por la integración numérica es calcular una solución aproximada a la integral definida: Este problema también puede ser enunciado como un problema de valor inicial para una ecuación diferencial ordinaria. La principal puede ser la imposibilidad de realizar la integración de forma analítica. mientras que la solución numérica nos daría una solución aproximada. que depende del método que se utilice y de qué tan fino sea. como el método de Runge-Kutta. . Incluso existen funciones integrables pero cuya primitiva no puede ser calculada. pueden ser aplicados al problema reformulado. La solución analítica de una integral nos arrojaría una solución exacta. Es decir. por extensión. En este artículo se discuten métodos desarrollados específicamente para el problema formulado como una integral definida. El término cuadratura numérica (a menudo abreviado a cuadratura) es más o menos sinónimo de integración numérica. puede llegar a ser tan pequeño que es posible obtener un resultado idéntico a la solución analítica en las primeras cifras decimales. Hay varias razones para llevar a cabo la integración numérica. constituye una amplia gama de algoritmos para calcular el valor numérico de una integral definida y.En el análisis numérico. integrales que requerirían de un gran conocimiento y manejo de matemática avanzada pueden ser resueltas de una manera más sencilla mediante métodos numéricos. siendo la integración numérica de vital importancia. El error de la aproximación. especialmente si se aplica a integrales de una dimensión a pesar de que para el caso de dos o más dimensiones (integral múltiple) también se utilizan.

de un modo muy simplista. Fórmulas de Newton-Cotes: La interpolación con polinomios evaluada en puntos igualmente separados en da las fórmulas de Newton-Cotes. De todos modos. Reduciendo el número de evaluaciones del integrando se reduce el número de operaciones aritméticas involucradas. un modo de integración por “fuerza bruta” puede hacerse siempre. Si se escogen los nodos hasta será la fórmula de Newton-Cotes cerrada y si se escogen será la fórmula de Newton-Cotes abierta. la del trapecio y la de Simpson son ejemplos. Como los puntos extremos forman parte siempre de este conjunto de puntos. Una parte importante del análisis de cualquier método de integración numérica es estudiar el comportamiento del error de aproximación como una función del número de evaluaciones del integrando. La función que sustituye la original se encuentra de forma que en un cierto número de puntos tenga el mismo valor que la original. y por tanto se reduce el error de redondeo total. evaluando el integrando con incrementos muy pequeños. de las que la regla del rectángulo. cada evaluación cuesta tiempo. y el integrando puede ser arbitrariamente complicado. Métodos basados en Funciones de Interpolación: Hay una extensa familia de métodos que se basan en aproximar la función a integrar por otra función de la cual se conoce la integral exacta. Este método se llama la regla del rectángulo: Regla del Punto Medio: Si en el método anterior la función pasa a través del punto este método se llama la regla del punto medio: . Un método que produce un pequeño error para un pequeño número de evaluaciones es normalmente considerado superior. la nueva función se llama una interpolación de la función original. Típicamente estas funciones son polinomios. Cuando los puntos extremos no se utilizan para encontrar la función que sustituye a la original entonces se dice extrapolación.Los métodos de integración numérica pueden ser descritos generalmente como combinación de evaluaciones del integrando para obtener una aproximación a la integral. Regla del Rectángulo: El método más simple de este tipo es hacer a la función interpoladora ser una función constante (un polinomio de orden cero) que pasa a través del punto . También.

hallando una aproximación para cada subintervalo. si bien globalmente dan valores más precisos de la integral. y . se puede hacer una aproximación más precisa dividiendo el intervalo en algún número de subintervalos. y se caracterizan por perder un orden de precisión global frente a las correspondientes simples. a costa eso sí de incrementar . y finalmente sumando todos los resultados. Este método se Reglas Compuestas: Para cualquier regla interpoladora. Las reglas que surgen de hacer esto se llaman reglas compuestas.Regla de Simpson: La función interpoladora puede ser un polinomio de grado 2 que pasa a través de los puntos llama regla de Simpson: .

En particular.significativamente el coste operativo del método. llamadas fórmulas de cuadratura de Gauss. al aplicar el método de extrapolación de Richardson a la regla del trapecio compuesta se obtiene el método de Romberg. Cuadratura de Gauss: Si se permite variar los intervalos entre los puntos de interpolación. para . Por ejemplo. La función de extrapolación puede ser un polinomio o una función racional. si el integrando es suave (es decir. El resultado es usualmente más preciso cuando el número de puntos de evaluación aumenta. Si integramos en la igualdad y tomamos valores absolutos.4). tenemos de a en ambos lados de . se encuentra otro grupo de fórmulas de integración. El teorema del valor medio para . Los métodos de extrapolación están descritos en más detalle por Stoer y Bulirsch (Sección 3. equivalentemente. o. da Para algún en dependiendo de . Estimación del Error Conservativa (a priori): Supongamos que tiene una primera derivada sobre acotada. cuando la anchura del paso entre puntos decrece. ¿Qué pasa cuando la anchura del paso tiende a cero? Esto puede responderse extrapolando el resultado de dos o más anchuras de paso (extrapolación de Richardson). si se puede derivar muchas veces). Una regla de cuadratura de Gauss es típicamente más precisa que una regla de Newton-Cotes que requiera el mismo número de evaluaciones del integrando. la regla del trapecio compuesta puede expresarse como: Donde los subintervalos tienen la forma con: Y Métodos de Extrapolación: La precisión de un método de integración del tipo NewtonCotes es generalmente una función del número de puntos de evaluación.

y remplazando el término en por una cota superior: Así. Integrales Múltiples. Los métodos de integración que se han comentado hasta aquí se han diseñado todos para calcular integrales de una dimensión. .Se puede aproximar más la integral en el lado derecho metiendo el valor absoluto en el integrando. . si aproximamos la integral por su regla de integración el error no es mayor que el lado derecho de la ecuación.

En matemáticas. Los Métodos de Montecarlo y Métodos de Cuasi-Montecarlo son fáciles de aplicar a integrales multidimensionales.Para calcular integrales de diversas dimensiones. para aproximar la integral. y más concretamente en análisis numérico. Una clase grande de métodos útiles de Montecarlo son los llamados algoritmos de Cadena de Markov de Montecarlo. evalúan la función en un conjunto de puntos correspondientes a una parrilla regular o en un conjunto de puntos predefinidos. . los métodos de integración de Montecarlo son algoritmos para encontrar una evaluación aproximada de una integral definida. Este enfoque lleva a una cantidad de evaluaciones de la función que crece exponencialmente a medida que crece el número de dimensiones. un enfoque es expresar la integral múltiple como repetición de integrales de una dimensión haciendo uso del Teorema de Fubini. En cambio. y pueden producir una mejor exactitud por el mismo número de evaluaciones de la función que en integraciones repetidas empleando métodos unidimensionales. los métodos de Montecarlo eligen de forma aleatoria los puntos en los que se evaluará la función. La integración de Montecarlo forma parte de una familia de algoritmos llamados genéricamente métodos de Montecarlo. los cuales incluyen el algoritmo de Metropolis-Hastings y muestreo de Gibbs. normalmente de integrales múltiples. Los algoritmos deterministas de integración numérica. Es decir. Estos algoritmos utilizan números aleatorios para resolver diferentes tipos de problemas matemáticos y reciben su nombre debido al casino de Montecarlo. Integración de Monte Carlo. se conocen como métodos de Montecarlo a una serie de métodos de integración numérica que se basan en la utilización de números pseudoaleatorios. Se conocen dos métodos para superar esta llamada “Maldición de la Dimensión”.

Numerical Recipes in C.mx/posgrado/cursos/metodos/diferenciacion/index. William T.)  Josef Stoer and Roland Bulirsch. New York: Springer-Verlag. (See Chapter 3. and Cleve B. como la integración por Montecarlo.Aplicaciones. Malcolm. para la integración numérica.  ALGLIB: Es una colección de algoritmos en C# / C++ / Delphi / Visual Basic / etc. 1980. (See Chapter 4. Teukolsky. (See Chapter 5.html  http://proton. Madrid: Alianza Editorial.  Simulación de un péndulo. Introduction to Numerical Analysis. Englewood Cliffs. 1977. UK: Cambridge University Press. Daniel (2001). .mx/posgrado/cursos/metodos/integracion/index.  George E. Vetterling. Flannery. Brian P. ISBN 84-206-8696-4.  Ecuaciones de Lorenz.ucting.html  Peña Sánchez de Rivera. Bibliografía. NJ: Prentice-Hall. La Diferenciación e Integración Numérica se utiliza para:  Redes de circuitos eléctricos. 1988.ucting. Forsythe. Existen muchas implementaciones en programas para la integración numérica. Saul A. entre ellos se encuentran:  QUADPACK (parte de SLATEC) (código fuente): QUADPACK es una colección de algoritmos en Fortran para integración numérica basada en reglas gaussianas. Computer Methods for Mathematical Computations. Moler.  GSL (GNU Scientific Library): La biblioteca Científica de GNU (GSL) es una biblioteca numérica escrita en C que provee una amplia gama de rutinas matemáticas.. Michael A.udg.)  http://proton.)  William H. en Fundamentos de Estadística.udg. Press. Cambridge. «Deducción de distribuciones: el método de Montecarlo».

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->