Li Met Nu 2

METODOS NUMERICOS INGENIERIA
PARA
ING. RICARDO SEMINARIO VASQUEZ
METODOS NUMERICOS PARA INGENIERIA
INDICE DE MATERIAS
INTRODUCCION AL ANALISIS NUMERICO ............................................................... 3 Qu es un mtodo numrico? ....................................................................................... 4 ERRORES DE CLCULO .................................................................................................. 5 TIPOS DE ERRORES.......................................................................................................... 6 ALGORITMOS BASICOS .................................................................................................. 7 Ejercicios propuestos........................................................................................................... 8 INTERPOLACIN LINEAL............................................................................................... 9 INTERPOLACIN CON ESPACIOS EQUIDISTANTES O INTERPOLACION DE NEWTON..................................................................................................................... 9 INTERPOLACION CON ESPACIOS NO EQUIDISTANTES O INTERPOLACION DE LAGRANGE .............................................................................................................. 18 APROXIMACIN LINEAL.............................................................................................. 21 Diagrama de flujo ............................................................................................................. 23 CALCULO DE DERIVADAS........................................................................................... 24 Calculo de la primera derivada........................................................................................... 25 Formula de derivacin de dos puntos: ......................................................................... 26 SOLUCION DE ECUACIONES NO LINEALES ............................................................ 28 MTODO DE BISECCIN.............................................................................................. 28 MTODO DE PUNTO FIJO ........................................................................................... 37 MTODO DE NEWTON RAPHSON.............................................................................. 41 SOLUCION DE SISTEMAS DE ECUACIONES LINEALES MEDIANTE EL METODO DE REDUCCION DE GAUSS-JORDAN ................................................................. 44 A) SISTEMAS CON SOLUCION UNICA ..................................................................... 44 B) SISTEMAS CON INFINIDAD DE SOLUCIONES .................................................. 46 C) SISTEMAS SIN SOLUCION ..................................................................................... 49 D) SISTEMAS HOMOGENEOS .................................................................................... 49 METODOS DE INTEGRACION ...................................................................................... 52 MTODO DEL TRAPECIO O REGLA DEL TRAPECIO .............................................. 52 REGLA DE SIMPSON ...................................................................................................... 54 REGLA DE SIMPSON 1/3 ................................................................................................ 54 REGLA DE SIMPSON 3/8 .............................................................................................. 57 ECUACIONES DIFERENCIALES ORDINARIAS ......................................................... 60 MTODO DE EULER....................................................................................................... 61 MTODO DE RUNGE KUTTA .................................................................................. 66 BIBLIOGRAFIA Y WEBGRAFIA ................................................................................... 69
INTRODUCCION AL ANALISIS NUMERICO
PRESENTACION
Al momento de aplicar las Matemticas a situaciones del mundo real nos encontramos a menudo con problemas que no pueden ser resueltos analticamente o de manera exacta y cuya solucin debe ser abordada con ayuda de algn procedimiento numrico. A continuacin consideramos algunos problemas tpicos, ya formulados matemticamente, para los cuales estudiaremos tcnicas numricas de solucin. Este libro nace despus de una experiencia en la enseanza del curso del mismo nombre en la Universidad Cesar Vallejo de Piura, durante cinco aos. En la primera parte estudiamos la teora de errores, en la segunda parte la interpolacin lineal y la interpolacin polinomial aplicada a la solucin de derivadas. Aplicamos a la solucin de ecuaciones no lineales, los mtodos de biseccin, punto fijo y Newton Raphson y para las ecuaciones lineales los mtodos de Gauss Jordan. En el caso de las integrales definidas, aplicamos los mtodos del trapecio, metodo de Simpson 1/3 y Simpson 3/8. Concluyendo este libro con la solucin numrica de ecuaciones diferenciales, mediante los mtodos de Euler y Runge Kutta. EL AUTOR
Qu es un mtodo numrico? Un mtodo numrico es un procedimiento mediante el cual se obtiene, casi siempre de manera aproximada, la solucin de ciertos problemas realizando clculos puramente aritmticos y lgicos (operaciones aritmticas elementales, clculo de funciones, consulta de una tabla de valores, clculo preposicional, etc.). Un tal procedimiento consiste de una lista finita de instrucciones precisas que especifican una secuencia de operaciones algebraicas y lgicas (algoritmo), que producen o bien una aproximacin de la solucin del problema (solucin numrica) o bien un mensaje. La eficiencia en el clculo de dicha aproximacin depende, en parte, de la facilidad de implementacin del algoritmo y de las caractersticas especiales y limitaciones de los instrumentos de clculo (los computadores). En general, al emplear estos instrumentos de clculo se introducen errores llamados de redondeo.
ERRORES DE CLCULO
Notacin cientfica (punto flotante) o Ejemplo : Ejercicios Realizar las siguientes operaciones: a) 0.5971 * 103 + 0.4268 * 10-5 5 2 * 102 5769 176936 0.00536 0.0000798 = 200 = 5.769 * 103 = 1.77 * 105 = 5.36 * 10-3 = 7.98 * 10-5
expresar el resultado en base a 103 y 10-5 solucin 0.5971 * 103 + 0.4268 * 10-5 b) 0.5971 * 10-3 + 0.4268 * 10-6 = 0.5971 * 103 + 0.000004268 * 10-5
TIPOS DE ERRORES
error absoluto y error relativo
Sean las variables : a a* = valor aproximado = valor real el valor absoluto = E E = | a*- a |
El valor relativo = Er Er = E/ a*
El cual es llamado error porcentual Ejemplo : Calcular el error absoluto y relativo de a* y a o a =0.50 * 10-2 o a*=0.51 * 102 6
solucin E = | a*- a | 0.51*102 - 0.50 * 102 = 0.01 * 102 = 1.00
Er = E/ a* (0.01 * 102 )/0.50 *102 = 0.02 * 100 = 2%
ALGORITMOS BASICOS
Ejemplo programado en lenguaje C++ Programa clculo del promedio //programa para calcular el promedio de "m" nmeros ingresados #include<conio.h> #include<iostream.h> #include<math.h> void main() { int x,sum,m,cont; int prom; cont=0; cout<<"ingrese el total de nmeros a sumar :"; cin>>m; do { cont+=1; cout<<"ingrese el numero a sumar :"; cin>>x; 7
sum+=x; } while (cont<m); cout<<"la suma es :"; cout<< sum; prom=sum/m; cout<<"\a el promedio es : "; cout<<prom; getch(); }
Ejercicios propuestos
Calcular la suma de los N nmeros ingresados por teclado Calcular la suma de los N primeros nmeros Calcular el factorial de un numero
INTERPOLACIN LINEAL
Concepto : Interpolar significa encontrar un valor intermedio entre dos o mas puntos base conocidos, los cuales se pueden aproximar mediante polinomios. y
f(b)
F(x) G(x)
f(a)
Sea en el sistema de coordenadas de la grafica anterior, las ecuaciones F(x) y G(x) en cuyo espacio a, b se pueden interpolar determinados valores. Tipos de interpolacin 1. interpolacin con espacios equidistantes 2. interpolacin con espacios no equidistantes
INTERPOLACIN CON ESPACIOS EQUIDISTANTES O INTERPOLACION DE NEWTON

DIFERENCIAS PROGRESIVAS : Son llamadas diferencias hacia delante y se definen como : o primeras diferencias : (1) o segundas diferencias : (2) o terceras diferencias : (3) 3Yi = 2Yi+1 - 2Yi i=0,1,2,3...n 2Yi = Yi+1 - Yi i=0,1,2,3...n Yi = Yi+1 - Yi i=0,1,2,3...n
o k- cimas diferencias i=0,1,2,3...n (4)
kYi = kk-1Yi+1 - k-1Yi k=0,1,2,3...n
donde : es el operador de diferencias progresivas
Para i=0 en la ecuacin (1) Y0 = Y1 Y0 (5) Para i=1 en la ecuacin (1) Y1 = Y2 Y1 (6) Para i=0 en la ecuacin (2) Y2 = Y1 + Y1 Y1 = Y0 + Y0
2Y0 = Y1 Y0
Y1 = 2Y0 + Y0
(7)
Sustituyendo las ecuaciones (7) y (5) en (6) Y2 = Y1 + Y1 Y2 = (Y0 + Y0) + ( 2Y0 + Y0) Y2 = Y0 + 2Y0 + 2Y0 De las ecuaciones (5) y (8) 10 (8)
Y1 = Y0 + Y0 Y2 = Y0 + 2Y0 + 2Y0
sacando factor comun Y0 sacando factor comun Y0
tenemos : Y1 = (1 + )1Y0 tenemos : Y2 = (1 + )2Y0
Entonces para Y3 Y3= (1 + )3Y0 Generalizando, tendremos : Yk=(1 + )kY0 (9)
(10)
El Segundo miembro de la ecuacin (10) corresponde al Binomio de Newton Elevado al exponente k, el cual puede desarrollarse del siguiente modo:
k Yk = Y0 + 1 Y0 +
k 2 2 Y0 + ..... +
k k k Y0
(11)
Para : K= 1,2,3, ...n k Yk = Y0 + 1 Y0 + (12) Para : K= 1,2,3, ...n Si se toma un valor j cualquiera menor que k y si las j-esimas k 2 k k 2 Y0 + .... j Y0+ k j + 1 0
diferencias son constantes, entonces todas las diferencias de orden superior a j sern cero, por lo que la ecuacin (11) queda :
11
k j k j
k! (k j )! j!
k (k 1)(k 2)...(k j + 1)! j!
donde : es un polinomio en K de grado j de la forma :

(14)
yk = a 0 + a1k + a22k2 + ..... .+ ajkj
Si consideramos la funcin tabular con espaciamiento hconstante
X X0 X1=X0+h X2=X0+2h ... Xk=X0+kh Xn=X0+nh
Y Y0 Y1 Y2 ... YK Yn
Donde : X1-X0 = h X2-X0 =2h ................ XK-X0 = Kh Xn-X0 = nh Y=f(x)
Donde queda la expresin:
Xk X0 K= h
X0 15
Xk h
X1
Sustituyendo (15) en (14) 12
Yk = b 0 + b1x + b2x2 + ..... .+ bjxj
Se llama Polinomio de Newton con espaciamiento constante
Ejercicio 01 En base a la funcin tabular que se muestra, preparar la tabla de diferencias: X 0 1 2 3 4 5 Y -5 1 9 25 55 105
Solucin las primeras diferencias son : 1Y0 = Y1-Y0 1Y1 = Y2-Y1 1Y2= Y3-Y2 1Y3= Y4-Y3 1Y4 = Y5-Y4 = 1-(-5) = 6 =9 -1 = 25- 9 =8 =16
= 55-25 =30 = 105-55 =50
las segundas diferencias son : 2Y0 = Y1- Y0 Y1 = Y2- Y1

2
= 8 -6 =2 = 16 - 8 = 8 13
2Y2= Y3- Y2 2Y3= Y4- Y3
= 30 - 16 =14 = 50 -30 =20
las terceras diferencias son : 3Y0 = 2Y1- 2Y0 = 8 - 2 = 6 3Y1 = 2Y2- 2Y1 = 14 - 8 = 6 3Y2= 2Y3 - 2 Y2 = 20 - 14 = 6 Queda entonces la tabla de resultados: X 0 1 2 3 4 5 Y -5 1 9 25 55 105 6 8 16 30 50 2 8 14 20 6 6 6 1Y 2Y 3Y
Por ser 3Y constante, corresponde a un polinomio de tercer grado y es un polinomio exacto En la ecuacin (12) k 1 Yk = Y0 + 1 Y0 + k 2 k k 2 Y0 + .... j Y0+ k j + 1 0
Si hacemos J=1, entonces tendremos el polinomio de primer grado que se aproxima a f(x)
k Yk = Y0 + 1 Y0 14
Siendo :
Xk X0 h
K=
Tendremos :
Xk X0 )Y0 h
Yk = Y0 + (
Que corresponde a un polinomio de primer grado
Ejercicio 02 De la tabla del ejercicio 01, hallar la funcin explicita, teniendo como condiciones iniciales: X0 =1, Y0=1 solucin
Xk X0 h
K=
Como por dato tenemos X0=1, siendo los valores de X constantes, entonces h=1 1Y0=8, 2Y0=8, 3Y0=6
K=
X 1 1
Quedando : K=x-1 15
Reemplazando en la ecuacin general :
k 1 Yk = Y0 + Y0 + 1
k 2 k k Y0 + .... Y0+ 2 j
k 0 j + 1
x 1 1 Yk = Y0 + Y0 + 1
x 1 2 Y0 + 2
x 1 3 Y0 3
Reemplazando en la ecuacin anterior: 1Y0=8, 2Y0=8, 3Y0=6
x 1 Yk = Y0 + 8 + 1
x 1 8 + 2
x 1 6 3
Conociendo por formula de permutaciones:
x 1 ( x 1) = 1 1
x 1 ( x 1)( x 2) 2 = 2 x 1 ( x 1)( x 2)( x 3) 3 = 6
Yk = 1 +
( x 1) ( x 1)( x 2) ( x 1)( x 2)( x 3) *8 + *8 + *6 1 2 6
Y = 1+(x-1)*8 + (x-1)(x-2)*4 + (x-1)(x-2)(x-3)*1
16
Simplificando queda : Y = X3 2X2 + 7 X - 5
SOLUCION PEDIDA
17
INTERPOLACION CON ESPACIOS NO EQUIDISTANTES O INTERPOLACION DE LAGRANGE

Si se presenta una funcin tabulada de la forma : X X0 X1=X0+h0 X2=X1+h1 ... Xk=X0+kh Xn=Xn1+hn-1 Y Y0 Y1 Y2 ... YK Yn
Entonces el polinomio : Yk = b 0x1 + b1xn-1 + b2xn-2 + ..... .+ bn-1xj
+ bn
O bien : Y = a0 (x- x1)(x-x2)(x-x3) ... (x-xn) + a1 (x- x0)(x-x2)(x-x3) ... + a0 (x- x0)(x-x1)(x-x3) ... ....+ an (x- x0)(x-x1)(x-x2) ... (x-xn) (x-xn) (x-xn-1)
los coeficientes a0, a1, a2 ,
........ an ,
se determinan de tal modo que el polinomio
pase por todos y cada uno de los puntos conocidos de la funcin, entonces si se evala la funcin anterior para x= x0 se tiene : Y0 = a0 (x- x1)(x-x2)(x-x3) ... (x-xn) donde :
18
a0 =
y0 ( x0 x1 )( x 0 x 2 )( x0 x3 )...( x0 x n )
a1 =
y1 ( x1 x 0 )( x1 x 2 )( x1 x3 )...( x1 x n )
.. an =
yn ( x n x0 )( x n x1 )( x n x 2 )...( x n x n 1 )
Sustituyendo en la ecuacin de Lagrange

( x x1 )( x x 2 )( x x3 ).....( x x n ) y0 ( x0 x1 )( x 0 x 2 )( x0 x3 )...( x0 x n ) ( x x0 )( x x 2 )( x x3 ).....( x x n ) y1 ( x1 x 0 )( x1 x 2 )( x1 x3 )...( x1 x n ) ( x x0 )( x x1 )( x x3 ).....( x x n ) y2 ( x 2 x 0 )( x 2 x1 )( x 2 x3 )...( x 2 x n )
Y=
.......................................
( x x0 )( x x1 )( x x 2 ).....( x x n 1 ) y1 ............(2) ( x n x 0 )( x n x1 )( x n x 2 )...( x n x n 1 )
o simplemente :
x
j =0 j i
x xj
i
xj
yi
19
Ejercicio 01
dada la siguiente funcin tabular, encontrar el valor de la funcin para x=3
X 0 1 2 5
Y 5 7 9 15
Solucin Reemplazando en la ecuacin (2) :

( x x1 )( x x 2 )( x x3 ) y0 ( x0 x1 )( x0 x 2 )( x0 x3 ) ( x x0 )( x x 2 )( x x3 ) y1 ( x1 x 0 )( x1 x 2 )( x1 x3 ) ( x x0 )( x x1 )( x x 2 ) y3 ( x3 x0 )( x3 x1 )( x3 x 2 )
Y=
( x x0 )( x x1 )( x x3 ) y2 + ( x 2 x 0 )( x 2 x1 )( x 2 x3 )
haciendo x=3 Y=
(3 1)(3 2)(3 5) (3 0)(3 2)(3 5) *5 + *7 (0 1)(0 2)(0 5) (1 0)(1 2)(1 5)

+
(3 0)(3 1)(3 5) *9 + (2 0)(2 1)(2 5)
(3 0)(3 1)(3 2) 15 (5 0)(5 1)(5 2)
Y= 11
solucin buscada
20
APROXIMACIN LINEAL
y F(x)
x Si tenemos una nube de puntos, a los cuales queremos aproximar a una linea recta, esta se obtiene mediante formulas. Sea la funcin genrica: Y = B + A*X
Donde:
A=
N ( XY ) X Y N X 2 ( X ) 2
B =
Y A X
N
EJEMPLO F(x) = 5 + 3x
21
Solucin
x 1 1.8 2 2.5 3 5 15.3 234.1

donde :
y 1 1.5 2.5 2.8 4 6 17.8
xy 1 2.7 5 7 12 30 57.7
1 3.24 4 6.25 9 25 48.49
( x ) =234.1 x =15.3 ( x) =48.49

2
2
y =17.8 xy =57.7
aplicando los resultados de la tabla a la formula : A=
N ( XY ) X Y N X 2 ( X ) 2
B = A = B =
Y A X
N
6(57.7) (15.3)(17.8) = 1.299 6(48.49) 234.09 17.8 1.299(15.3) = 0.346 6
Entonces la recta es:
Y = 0.346 + 1.299 X
22
la nueva tabla seria :
Y 5 4 3 2 1 1 2 3 4 5
x 1 1.8 2 2.5 3 5
y 0.953 1.992 2.252 2.902 3.551 6.149
Diagrama de flujo
inicio
Read(N)
For I=1 to N
Read ((x,y)
X1=X1+X Y1=Y1+Y X2=X2 + X^2 Z = Z + X*Y NEXT
23
A = N ( XY ) X Y B =
Y A X
N
N X 2 ( X ) 2
CALCULO DE DERIVADAS
Sea la funcin: y= f(x) Se desea calcular la derivada de la funcin f(x), para lo cual lo expresamos grficamente asi:
y = yo + k
yo
y1
yo y= f(x)
y0
xo
tg =
d f ( x) dx
xo
h h
x1 24
tg =
yo h
d 1 2k 1 2 3k 2 6k + 2 3 f ( x ) = y 0 + y0 + y 0 + ... dx h 2 6
Calculo de la primera derivada

d 1 f ( x) = [y 0 ] dx h
donde: yo = y1 y 0
El problema de la derivada consiste en obtener el valor de las derivadas en una funcin tabulada en algunos puntos: x=
x0 , x1, x2 , x3.......... ..... xn

k yk = y0 + 1 y0 + k 2 2 y0 + k 3 3 y0 ..... + k j j y0
si : yk = f(xk)
La primera derivada es :
k k 2 k 3 k j d d f ( x) = y 0 + y 0 + y0 + y 0 + ....... + j y 0 .(1) dx dx 1 2 3 x x0 h
considerando que : k =
dk 1 = dx h
..(2)
k k (k 1) 1 = k 1 = k k k (k 1)(k 2) k (k 1) = 2 = (k 2)2! 2 k k (k 1)(k 2) 3 = 6
.(3) . (4)
(5)
Reemplazando en (2),(3),(4),(5) en (1), y derivando, tenemos:
d 1 d k (k 1) 2 k (k 1)(k 2) 3 y 0 + (k )y 0 + f ( x) = y0 + y 0 + ....... dx h dk 2 6
25
d 1 f ( x) = dx h
(2k 1) 2 3k 2 6k + 2) 3 y0 + y 0 + ....... y 0 + 2 6
Formula de derivacin de dos puntos:
d 1 f ( x) = [y 0 .] + e dx h
yo = y1 y 0
donde : e es un error por truncamiento y
d 1 f ( x) = [ y1 y 0 .] + e dx h
Esta formula permite encontrar la funcin
tabular
x = x0
mediante un
polinomio interpolante de primer grado, tenemos:
d f ( x) dx
x = x0
y '0 = 1 [ y 0 + y1 .] + e
h
si deseamos encontrar la derivada de la funcin tabular en polinomio interpolante de primer grado, tenemos:
x = x1
mediante un
d f ( x) dx
x = x1
y '0 = 1 [ y1 + y 2 .] + e
h
y as sucesivamente.
Formula de derivacin de tres puntos: (polinomio interpolante de segundo grado)
d 1 f ( x) = dx h
(2k 1) 2 y 0 + y0 + e 2
y1 = y 2 y1
donde: 2Y0 = y1- y0 : yo = y1 y 0 Reemplazando nos queda: haciendo K=0
26
d 1 f ( x) = dx h
1) 2 y 0 + y0 + e 2
d 1 f ( x) = 2y 0 2 y 0 + e dx 2h
1 d f ( x) = [2y0 (y1 y 0 )]+ e 2h dx 1 d f ( x) = [3y0 y1 ] + e 2h dx 1 [3 y1 3 y 0 y 2 + y1 )] 2h
1 d [2y0 y1 + y0 ] + e f ( x) = 2h dx 1 [3( y1 y0 ) ( y 2 y1 )] 2h 1 [4 y1 3 y0 y 2 )] 2h
1 d [ 3 y 0 + 4 y1 y 2 )] + e f ( x) = 2h dx
27
SOLUCION DE ECUACIONES NO LINEALES

METODO DE BISECCION METODO DEL PUNTO FIJO METODO DE NEWTON RAPHSON
MTODO DE BISECCIN
El mtodo de biseccin se basa en el siguiente teorema de Clculo: Teorema del Valor Intermedio Sea contnua en un intervalo tal que y supongamos que , existe un . tal que .
Entonces para cada
. La misma conclusin se obtiene para el caso que
Bsicamente el Teorema del Valor Intermedio nos dice que toda funcin contnua en un intervalo cerrado, una vez que alcanz ciertos valores en los extremos del intervalo, entonces debe alcanzar todos los valores intermedios. En particular, si y tienen signos opuestos, entonces un valor , y por lo tanto, el Teorema del Valor tal que en el intervalo . , es decir,
intermedio es precisamente
Intermedio nos asegura que debe existir debe haber por lo menos una raz de
El mtodo de biseccin sigue los siguientes pasos: Sea contnua, , tales que y tienen signos
i) Encontrar valores iniciales opuestos, es decir,
ii) La primera aproximacin a la raz se toma igual al punto medio entre
iii) Evaluar
. Forzosamente debemos caer en uno de los siguientes casos: 28
En este caso, tenemos que
tienen signos opuestos, y por lo .
tanto la raz se encuentra en el intervalo
En este caso, tenemos que que el intervalo y .
tienen el mismo signo, y de aqu
tienen signos opuestos. Por lo tanto, la raz se encuentra en
En este caso se tiene que
y por lo tanto ya localizamos la raz.
El proceso se vuelve a repetir con el nuevo intervalo, hasta que:
es decir,
Ejemplo 1 Aproximar la raz de Solucin Sabemos por lo visto en el ejemplo 1 de la seccin anterior, que la nica raz de se localiza en el intervalo . As que este intervalo es nuestro punto hasta que .
de partida; sin embargo, para poder aplicar el mtodo de biseccin debemos checar que y tengan signos opuestos.
En efecto, tenemos que
mientras que
29
Cabe mencionar que la funcin biseccin. Comenzamos:
s es contnua en el intervalo
. As
pues, tenemos todos los requisitos satisfechos para poder aplicar el mtodo de i) Calculamos el punto medio (que es de hecho nuestra primera aproximacin a la raz):
ii) Evaluamos iii) Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos la siguiente tabla:
Por lo tanto, vemos que la raz se encuentra en el intervalo
En este punto, vemos que todava no podemos calcular ningn error aproximado, puesto que solamente tenemos la primera aproximacin. As, repetimos el proceso con el nuevo intervalo .
Calculamos el punto medio (que es nuestra segunda aproximacin a la raz):
Aqu podemos calcular el primer error aproximado, puesto que contamos ya con la aproximacin actual y la aproximacin previa:
Puesto que no se ha logrado el objetivo, continuamos con el proceso. Evaluamos , y hacemos la tabla:
As, vemos que la raz se encuentra en el intervalo Calculamos el punto medio,
30
Y calculamos el nuevo error aproximado:
El proceso debe seguirse hasta cumplir el objetivo. Resumimos los resultados que se obtienen en la siguiente tabla: Aprox. a la raz 1.25 1.375 1.3125 1.28125 1.296875 1.3046875 9.09% 4.76% 2.43% 1.20% 0.59% Error aprox.
As, obtenemos como aproximacin a la raz Ejemplo 2 Aproximar la raz de Solucin Como vimos en el ejemplo 2 de la seccin anterior, la nica raz de localiza en el intervalo . Para poder aplicar el mtodo de biseccin, es se hasta que .
importante checar que s se cumplen las hiptesis requeridas. Sabemos que es contnua en el intervalo , y checamos que y
tengan signos opuestos. En efecto,
Mientras que,
Por lo tanto, s podemos aplicar el mtodo de biseccin.
31
Calculamos el punto medio del intervalo
Que es la primera aproximacin a la raz de Evaluamos
. .
Y hacemos nuestra tabla de signos,
Puesto que el intervalo .
tienen signos opuestos, entonces la raz se localiza en
En este punto, solo contamos con una aproximacin, a saber, es el primer punto medio calculado.
, que
Repetimos el proceso, es decir, calculamos el punto medio ahora del intervalo ,
Que es la nueva aproximacin a la raz de
Aqu podemos calcular el primer error aproximado:
Puesto que no se cumple el objetivo, continuamos con el proceso. Evaluamos Y hacemos la tabla de signos: .
Puesto que
tienen signos opuestos, entonces la raz se .
localiza en el intervalo Calculamos el punto medio,
32
Y el nuevo error aproximado:
El proceso se debe continuar hasta que se logre el objetivo. Resumimos los resultados que se obtienen en la siguiente tabla: Aprox. a la raz 0.5 0.75 0.625 0.5625 0.53125 0.515625 0.5234375 0.51953125 33.33% 20% 11.11% 5.88% 3.03% 1.49% 0.75% Error aprox.
De lo cual, vemos que la aproximacin buscada es El mtodo de biseccin por lo general es lento, y en casos como el de la siguiente grfica, puede ser demasiado lento.
En un caso como ste, el proceso de biseccin comienza a acercarse a la raz de forma muy lenta, ya que el mtodo solamente toma en cuenta que la raz se encuentra dentro del intervalo, sin importar si se encuentra ms cerca de alguno
33
de los extremos del intervalo. Sera bueno implementar un mtodo que tome en cuenta este detalle. Esto da lugar al siguiente mtodo de aproximacin de races. Ejercicio sobre el mtodo de biseccin (otra forma de calcular ) 2 x 2.5
1. Calcular la Solucin:
5 , si
a=2
c=2.5
Si :
x = f(x) . (1)
x=
(2)
Elevando al cuadrado ambos miembros en (2), tendremos:
x2 = 5
.. (3)
Luego hacemos:
x2 5 = 0
...(4)
Entonces comparamos: (1) y (4): f(x) = x 2 5 f(a). f(c) 0 f(2)= -1 La misma que debe cumplir con la siguiente condicin : reemplazando con a y c tenemos :
f(2.5)= 1.25
-1*1.25 = -1.25 lo cual es < que cero
de la restriccin dada, en el ejemplo tenemos:
b=
2 + 2.5 a+c = = 2.25 2 2
34
los mismos que podemos colocar en tablas:
01 a b c 03 a b c
x 2 2.25 2.5 x 2.125 2.1875 2.25
F(x) -1 0.0625 6.5 F(x) -0.4843 -0.2148 0.0625
02 a b c 04 a b c
x 2 2.125 2.25 x 2.1875 2.21875 2.25
F(x) -1 -0.4843 0.0625 F(x) -0.2148 -0.07715 0.0625
05 a b c
x 2.21875 2.2344 2.25
F(x) 0.07715 0.00757 0.0625
06 a b c
x 2.2344 2.2422 2.25
F(x) 0.00757 0.0.2747 0.0625
07 a b c
x 2.125 2.1875 2.25
F(x) -0.4843 -0.2148 0.0625
08 a b c
x 2.1875 2.21875 2.25
F(x) -0.2148 -0.07715 0.0625
35
09 a b c
x 2.2344 2.2354 2.2365
F(x) 0..00757 0.003210 0.00625
Podemos concluir que la raz cuadrada de 5 es : 2.2354 con un error de 10-3
36
MTODO DE PUNTO FIJO
Ejemplos: 1) 2) La ecuacin La ecuacin . Teorema de punto fijo. Supongamos que

g , g ' C [ a, b ] ,
se puede transformar en se puede transformar en
(i)
(ii) K es una constante positiva, (iii) p0 (a, b)

g ( x ) [ a, b ] x [ a, b ]
(iv)
para todo
Entonces hay un punto fijo P de g en [a,b].

g '( x) K < 1 x [ a, b ]
Si
para todo
, entonces P es el nico punto fijo de g en
[a,b] y la iteracin pn = g ( pn 1 ) converge a dicho punto fijo P. En este caso, se dice que P es un punto fijo atractivo.
37
Si
g '( x) > 1
y p0 P entonces la iteracin
pn = g ( pn 1 ) no converge a P. En
este caso se dice que P es un punto fijo repulsivo y la iteracin presenta divergencia local.
En el ejemplo 1,
claramente se cumple la condicin de que
. Por lo tanto el mtodo s converge a la raz.
En el ejemplo 2,
y en este caso, . Por lo tanto, el mtodo no converge a la raz.
Interpretacin grafica de la iteracin de punto fijo:
38
3 1/ 2 Ejemplo: Para la funcin g ( x) = 1/ 2(10 x )
39
g(x)<0 en [1,2] ,
g '(2) 2.12
no hay convergencia a punto fijo.
Empezando con p0=1.5 y cambiando intervalo a [1,1.5]. Aqu g siga decreciente y adems
g '(1.5) 0.66
hay convergencia.
Ejercicio. Hallar las races de la ecuacin x=2cosx partiendo desde x=1 por el mtodo de punto fijo, estudiar el valor de la derivada.
Ejercicio: Usar el mtodo de iteracin del punto fijo para aproximar la raz de , comenzando con . Hacer 5 iteraciones.
Ejercicio: Averiguar si hay convergencia a punto fijo para la funcin
g ( x) = (10 /(4 + x))1/ 2
en intervalo [1,2]
40
MTODO DE NEWTON RAPHSON

Este mtodo, el cual es un mtodo iterativo, es uno de los ms usados y efectivos. A diferencia de los mtodos anteriores, el mtodo de Newton-Raphson no trabaja sobre un intervalo sino que basa su frmula en un proceso iterativo. Supongamos que tenemos la aproximacin a la raz de ,
Trazamos la recta tangente a la curva en el punto en un punto
; sta cruza al eje .
que ser nuestra siguiente aproximacin a la raz
Para calcular el punto
, calculamos primero la ecuacin de la recta tangente.
Sabemos que tiene pendiente
Y por lo tanto la ecuacin de la recta tangente es:
Hacemos
Y despejamos
41
Que es la frmula iterativa de Newton-Raphson para calcular la siguiente aproximacin: , si Note que el mtodo de Newton-Raphson no trabaja con intervalos donde nos asegure que encontraremos la raz, y de hecho no tenemos ninguna garanta de que nos aproximaremos a dicha raz. Desde luego, existen ejemplos donde este mtodo no converge a la raz, en cuyo caso se dice que el mtodo diverge. Sin embargo, en los casos donde si converge a la raz lo hace con una rapidez impresionante, por lo cual es uno de los mtodos preferidos por excelencia. Tambin observe que en el caso de que , el mtodo no se puede en ningn punto, a !
aplicar. De hecho, vemos geomtricamente que esto significa que la recta tangente es horizontal y por lo tanto no intersecta al eje menos que coincida con ste, en cuyo caso Ejemplo 1 Usar el mtodo de Newton-Raphson, para aproximar la raz de comenzando con Solucin En este caso, tenemos que y hasta que . ,
mismo es una raz de
De aqu tenemos que:
42
Comenzamos con
y obtenemos:
En este caso, el error aproximado es,
Continuamos el proceso hasta reducir el error aproximado hasta donde se pidi. Resumimos los resultados en la siguiente tabla: Aprox. a la raz 1 1.268941421 1.309108403 1.309799389 21.19% 3.06% 0.052% Error aprox.
43
SOLUCION DE SISTEMAS DE ECUACIONES LINEALES MEDIANTE EL METODO DE REDUCCION DE GAUSSJORDAN
En esta parte el lector hallar la solucin de sistemas de ecuaciones lineales usando el Mtodo de Gauss-Jordan. El tema se presenta en 4 secciones: A) sistemas con solucin nica, B) sistemas con infinidad de soluciones, C) sistemas sin solucin y D) sistemas homogneos.
A) SISTEMAS CON SOLUCION UNICA 1) Resolver el siguiente sistema de ecuaciones lineales mediante el mtodo de Gauss-Jordan.
Solucin. a) Escribimos la matriz aumentada del sistema.
Debemos llevar a dicha matriz a su forma escalonada reducida mediante operaciones elementales en los renglones de la matriz, para sto, escribiremos la matriz y a continuacin una flecha. Encima de esta flecha indicaremos la(s) operacin(es) que estamos efectuando para que el lector pueda seguir el desarrollo. Notacin para las operaciones elementales en renglones
cRi nuevo rengln i de la matriz aumentada.
Ri R j intercambio del rengln i con el rengln j.

44
aRi + R j nuevo rengln j de la matriz aumentada.

b) Desarrollo para obtener la forma escalonada reducida.
2) Resuelva el siguiente sistema de ecuaciones lineales
Solucin. Escribiendo la matriz aumentada del sistema y reduciendo de acuerdo a la operacin indicada tenemos:
45
B) SISTEMAS CON INFINIDAD DE SOLUCIONES 1) Obtener la solucin del siguiente sistema de ecuaciones lineales.
Solucin.
La ltima matriz est en su forma escalonada reducida, ya no se puede reducir ms, de donde obtenemos:
Despejando x, y
Luego x, y dependen de z, si z = t, t
R, tenemos
46
Es decir, el sistema de ecuaciones tiene una infinidad de soluciones ya que para cada valor de t habr un valor para x, y, z. Por ejemplo: Si T=0 entonces x = ecuaciones. Si T=1 entonces x = ecuaciones.
3 1 , y = , z = 0 , es una solucin para el sistema de 2 4 7 5 , y = , z = 1 es otra solucin para el sistema de 8 16
5 Si T=4 entonces x = 4, y = , z = 4 tambin es solucin para el sistema de 2

ecuaciones. As una vez ms, remarcamos, el sistema tiene una infinidad de soluciones. 2) Resolver el sistema de ecuaciones:
Solucin.
47
Si w = t, tenemos:
Hay infinidad de soluciones.
48
C) SISTEMAS SIN SOLUCION 1) Resolver el siguiente sistema de ecuaciones.
Solucin.
No hay necesidad de seguir reduciendo, del segundo rengln se tiene
0 x + 0 y + 0 z = 4 que da la igualdad 0 = 4 (contradiccin!), por lo tanto, el

sistema no tiene solucin. 2) Resolver el siguiente sistema de ecuaciones.
Solucin.
Del tercer rengln se tiene 0a + 0b + 0c + 0d = 3 que da la igualdad 0=3, luego el sistema no tiene solucin.
D) SISTEMAS HOMOGENEOS
49
Un sistema de ecuaciones lineales se dice HOMOGENEO si cada una de las ecuaciones est igualada a cero es decir
Los sistemas homogneos SIEMPRE tienen solucin ya que
Es solucin del sistema, sta solucin es llamada la solucin trivial, as un sistema homogneo de ecuaciones lineales tiene solucin nica o tiene una infinidad de soluciones. 1) Resolver el siguiente sistema de ecuaciones
Solucin.
Luego x=y=z=0, el sistema tiene solucin nica, la solucin trivial.
50
Algo ms para agregar Hay dos temas adicionales que se deben de mencionar: La interpolacin con los datos igualmente espaciados y la Extrapolacin. Ya que los mtodos de Newton y de Lagrange son compatibles con los datos espaciados en forma arbitraria, se debe de preguntar por que se aborda el caso de los datos igualmente espaciados. Antes del advenimiento de las computadoras digitales, estos mtodos tuvieron gran utilidad en la interpolacin de tablas con datos igualmente espaciados. De hecho se desarrolla un esquema conocido como tabla de diferencias divididas para facilitar la implementacin de estas tcnicas. Sin embargo, y debido a que las frmulas son un subconjunto de los esquemas de Newton y Lagrange compatibles con la computadora y ya que se dispone de muchas funciones tabulares como rutinas de biblioteca, la necesidad de puntos equidistantes se fue perdiendo. En particular, se puede emplear en la derivacin de frmulas de integracin numrica que emplean comnmente datos equidistantes. La extrapolacin es el proceso de calcular un valor de f(X) que cae fuera del rango de los puntos base conocidos X0, X1, ... , Xn. La interpolacin mas exacta usualmente se obtiene cuando las incgnitas caen cerca de los puntos base. Obviamente, esto no sucede cuando las incgnitas caen fuera del rango, y por lo tanto, el error en la extrapolacin puede ser muy grande. La naturaleza abierta en los extremos de la extrapolacin representa un paso en la incgnita porque el proceso extiende la curva ms all de la regin conocida. Como tal, la curva verdadera diverge fcilmente de la prediccin. Por lo tanto, se debe tener cuidado extremo en casos donde se deba extrapolar.
51
METODOS DE INTEGRACION
Mtodo del trapecio Mtodo de Simpson 1/3 Mtodo de Simpson 3/8
MTODO DEL TRAPECIO O REGLA DEL TRAPECIO
La regla del trapecio o regla trapezoidal es una de las frmulas cerradas de Newton-Cotes. Corresponde al caso donde n = 1, es decir:
donde datos:
es un polinomio de interpolacin (obviamente de grado 1) para los
Del captulo anterior, sabemos que este polinomio de interpolacin es:
Integrando este polinomio, tenemos que:
52
Por lo tanto, tenemos que:
Que es la conocida Regla del Trapecio. Este nombre se debe a la interpretacin geomtrica que le podemos dar a la frmula. El polinomio de interpolacin para una tabla que contiene dos datos, es una lnea recta. La integral, corresponde al rea bajo la lnea recta en el intervalo trapecio que se forma. , que es precisamente el rea del
Ejemplo1: Utilizar la regla del trapecio para aproximar la integral:
Solucin. Usamos la frmula directamente con los siguientes datos:
Por lo tanto tenemos que:
53
REGLA DE SIMPSON
Adems de aplicar la regla trapezoidal con segmentos cada vez ms finos, otra manera de obtener una estimacin ms exacta de una integral, es la de usar polinomios de orden superior para conectar los puntos. Por ejemplo, si hay un punto medio extra entre f(a) y f(b), entonces los tres puntos se pueden conectar con un polinomio de tercer orden. A las frmulas resultantes de calcular la integral bajo estos polinomios se les llaman Reglas de Simpson.
REGLA DE SIMPSON 1/3

La Regla de Simpson de 1/3 proporciona una aproximacin ms precisa, ya que consiste en conectar grupos sucesivos de tres puntos sobre la curva mediante parbolas de segundo grado, y sumar las reas bajo las parbolas para obtener el rea aproximada bajo la curva. Suponemos que tenemos los datos:
donde
es el punto medio entre
En este caso se tiene que:
donde
es el polinomio de interpolacin para los datos en la tabla anterior.
Usaremos el polinomio de Lagrange. As, tenemos que:
Si denotamos, entonces:
54
Simplificando trminos:
Vemos que cada uno de los trminos anteriores, es esencialmente de la misma forma, es decir, una constante por As, calculamos la siguiente integral por partes: Sea:
por lo tanto,
Usamos esta frmula para calcular la integral de cada uno de los tres trminos de .
55
Debido al factor
se le conoce como la regla de Simpson de un tercio. para obtener nuestra frmula
En la prctica, sustituimos el valor de final:
Ejemplo1. Usar la regla de Simpson de 1/3 para aproximar la siguiente integral:
Solucin. Aplicamos la frmula directamente, con los siguientes datos:
Por lo tanto, tenemos que:
56
REGLA DE SIMPSON 3/8

La derivacin de la Regla de los Tres Octavos de Simpson es similar a la regla de un tercio, excepto que se determina el rea bajo una parbola de tercer grado que conecta 4 puntos sobre una curva dada. La forma general de la parbola de tercer grado es: Este caso corresponde a , es decir,
donde
es un polinomio de interpolacin para los siguientes datos:
Y donde
, .
son los puntos que dividen en tres partes
iguales al intervalo
Igual que en el caso anterior, se usa el polinomio de interpolacin de Lagrange, y usando el mtodo de integracin por partes se llega a la siguiente frmula:
donde
. Debido al factor
es que se le di el nombre de Regla de
Simpson de 3/8. En la prctica, se sustituye el valor de h para obtener:
Ejemplo1. Aproximar la siguiente integral, usando la regla de Simpson de 3/8:
Solucin. En este caso, tenemos los siguientes datos:
57
Los cuales sustituimos en la frmula, para obtener:
Al igual que en los dos casos anteriores, la regla de Simpson de 3/8, se puede extender si subdividimos el intervalo . Sea la particin determinada de esta forma. Cada sub intervalo lo dividimos en tres partes iguales, y sean determinados as: y los puntos en intervalos de la misma longitud
Aplicando la regla de 3/8 en cada uno de los intervalos tenemos:
58
Esta ltima, es la regla de Simpson de 3/8 para n subintervalos todos de la misma longitud.
59
ECUACIONES DIFERENCIALES ORDINARIAS

Las ecuaciones diferenciales tienen importancia fundamental en las aplicaciones, ya que muchas leyes y relaciones fsicas pueden idealizarse matemticamente en la forma de estas ecuaciones. En particular, el estudio de problemas de equilibrio de sistemas continuos se encuentra dentro de este contexto. SOLUCIN DE UNA ECUACIN DIFERENCIAL. Dada una ecuacin diferencial ordinaria de orden n y cualquier grado, cuya forma general es: (1)
Se establece en matemticas que en su solucin general deben aparecer n constantes arbitrarias. Entonces, puede aceptarse que la solucin general de (1) es:
G(X, Y, C1, C 2, ... , C n) = 0 (2)
Se distinguen dos tipos de problemas: los llamados de Valores Iniciales y los de Valores en la Frontera. Un problema de valores iniciales est gobernado por una ecuacin diferencial de orden n y un conjunto de n condiciones independientes todas ellas, vlidas para el mismo punto inicial. Si la ecuacin (1) es la ecuacin diferencial que define el problema, y X = a es el punto inicial, puede aceptarse que las n condiciones independientes son:
(3)
Por el contrario, en los problemas de valores en la frontera deben establecerse condiciones de frontera en todos y cada uno de los puntos que constituyen la frontera del dominio de soluciones del problema. En particular en el espacio de
60
una dimensin, hay dos puntos frontera, por ejemplo, X = a y X = b, si el dominio de soluciones es el intervalo cerrado
Bsicamente la solucin numrica de ecuaciones diferenciales consiste en sustituir el dominio continuo de soluciones por uno discreto formado por puntos aislados igualmente espaciados entre s. As, en un problema de valores iniciales, el dominio de definicin de soluciones se sustituye por el conjunto infinito numerable de puntos, X0 = a, X 1 = X 0 + h, X 2 = X 0 + 2h, X 3 = X 0 + 3h, ... y en el caso de valores en la frontera se sustituye el intervalo el conjunto finito de puntos X0 = a, X 1 = X 0 + h, X 2 = X 0 + 2h, ... , X n = X 0 + nh = b Obtenidos, al dividir el intervalo en n partes iguales. por
MTODO DE EULER
Se llama mtodo de Euler al mtodo numrico consistente en ir incrementando paso a paso la variable independiente y hallando la siguiente imagen con la derivada. Calculemos la ecuacin de la recta tangente a la curva solucin de la ecuacin diferencial dada en el punto . De los cursos de Geometra Analtica,
sabemos que la ecuacin de la recta es:
donde m es la pendiente. En este caso, sabemos que la pendiente de la recta tangente se calcula con la derivada:
61
Por lo tanto, la ecuacin de la recta tangente es :
Ahora bien, suponemos que dado como
es un punto cercano a
, y por lo tanto estar
. De esta forma, tenemos la siguiente aproximacin:
De aqu, tenemos nuestra frmula de aproximacin:
Esta aproximacin puede ser suficientemente buena, si el valor de h es realmente pequeo, digamos de una dcima menos. Pero si el valor de h es ms grande, entonces podemos cometer mucho error al aplicar dicha frmula. Una forma de reducir el error y obtener de hecho un mtodo iterativo, es dividir la distancia en n partes iguales (procurando que estas partes sean de longitud suficientemente pequea) y obtener entonces la aproximacin en n pasos, aplicando la frmula anterior n veces de un paso a otro, con la nueva h igual a . En una grfica, tenemos lo siguiente:
Ahora bien, sabemos que:
Para obtener toma el punto obtendremos que:
nicamente hay que pensar que ahora el papel de
lo
, y por lo tanto, si sustituimos los datos adecuadamente,
62
De aqu se ve claramente que la frmula recursiva general, est dada por:
Esta es la conocida frmula de Euler que se usa para aproximar el valor de aplicndola sucesivamente desde hasta en pasos de longitud h.
Ejemplo1 Dada la siguiente ecuacin diferencial con la condicin inicial: Aproximar .
NOTA Primero observamos que esta ecuacin s puede resolverse por mtodos tradicionales de ecuaciones diferenciales. Por ejemplo, podemos aplicar el mtodo de separacin de variables. Veamos las dos soluciones. Solucin Analtica.
Sustituyendo la condicin inicial:
Por lo tanto, tenemos que la curva solucin real est dada:
Y por lo tanto, el valor real que se pide es:
63
Solucin Numrica Aplicamos el mtodo de Euler y para ello, observamos que la distancia entre y no es lo suficientemente pequea. Si didimos esta distancia y por lo tanto, obtendremos la
entre cinco obtenemos un valor de aproximacin deseada en cinco pasos.
De esta forma, tenemos los siguientes datos:
Sustituyendo estos datos en la formula de Euler, tenemos, en un primer paso:
Aplicando nuevamente la formula de Euler, tenemos, en un segundo paso:
Y as sucesivamente hasta obtener tabla: n 0 1 2 3 4 5 0 0.1 0.2 0.3 0.4 0.5
. Resumimos los resultados en la siguiente
1 1 1.02 1.0608 1.12445 1.2144
64
Concluimos que el valor aproximado, usando el mtodo de Euler es:
Puesto que en este caso, conocemos el valor verdadero, podemos usarlo para calcular el error relativo porcentual que se cometi al aplicar la formula de Euler. Tenemos que:
65
MTODO DE RUNGE KUTTA

Sin entrar en mucho detalle, mencionamos solamente que el mtodo de RungeKutta cambia la direccin en el sentido de que no sigue la misma lnea de los mtodos de Euler. De hecho est basado en una aplicacin de los polinomios de Taylor. Comentamos sin embargo, que el mtodo de Runge-Kutta si contiene como casos especiales los de Euler. Las frmulas
donde
Se conocen como las reglas o frmulas de Runge-Kutta de orden cuatro para la ecuacin diferencial:
Ejemplo1
Usar el mtodo de Runge-Kutta para aproximar diferencial:
dada la siguiente ecuacin
66
Solucin Primero, identificamos el mismo ejemplo 1 de los dos mtodos anteriores. Segundo, procedemos con los mismos datos:
Para poder calcular el valor de , , y
, debemos calcular primeros los valores de
. Tenemos entonces que:
Con el fin de un mayor entendimiento de las frmulas, veamos la siguiente iteracin:
67
El proceso debe repetirse hasta obtener siguiente tabla: n 0 1 2 3 4 5 0 0.1 0.2 0.3 0.4 0.5 1
. Resumimos los resultados en la
1.01005 1.04081 1.09417 1.17351 1.28403
Concluimos que el valor obtenido con el mtodo de Runge-Kutta es:
Finalmente, calculamos el error relativo verdadero:
Con lo cual vemos que efectivamente se ha reducido muchsimo el error relativo. De hecho observamos que tenemos 6 cifras significativas en la aproximacin!
68
BIBLIOGRAFIA Y WEBGRAFIA
Prawda Witenberg, Juan, Mtodos y Modelos de Investigacin de Operaciones, Edit. Limusa, 1976
Nakamura, Mtodos numricos
Carrasco Venegas, Luis, Editorial Amrica, Lima Per, 1era. Edic. 2002
http://www.unalmed.edu.co/~metnum/integracion.pdf
http://docentes.uacj.mx/gtapia/AN/Unidad2/Newton.htm
69

Li Met Nu 2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Li Met Nu 2

Cargado por

Copyright:

Formatos disponibles

METODOS NUMERICOS INGENIERIA

ING. RICARDO SEMINARIO VASQUEZ

METODOS NUMERICOS PARA INGENIERIA

ING. RICARDO SEMINARIO VASQUEZ

METODOS NUMERICOS PARA INGENIERIA

ING. RICARDO SEMINARIO VASQUEZ

INTRODUCCION AL ANALISIS NUMERICO

METODOS NUMERICOS PARA INGENIERIA

ING. RICARDO SEMINARIO VASQUEZ

METODOS NUMERICOS PARA INGENIERIA

ING. RICARDO SEMINARIO VASQUEZ

METODOS NUMERICOS PARA INGENIERIA

ING. RICARDO SEMINARIO VASQUEZ

error absoluto y error relativo

METODOS NUMERICOS PARA INGENIERIA

ING. RICARDO SEMINARIO VASQUEZ

solucin E = | a*- a | 0.51*102 - 0.50 * 102 = 0.01 * 102 = 1.00

Er = E/ a* (0.01 * 102 )/0.50 *102 = 0.02 * 100 = 2%

METODOS NUMERICOS PARA INGENIERIA

ING. RICARDO SEMINARIO VASQUEZ

METODOS NUMERICOS PARA INGENIERIA

ING. RICARDO SEMINARIO VASQUEZ

INTERPOLACIN CON ESPACIOS EQUIDISTANTES O INTERPOLACION DE NEWTON

METODOS NUMERICOS PARA INGENIERIA

ING. RICARDO SEMINARIO VASQUEZ

o k- cimas diferencias i=0,1,2,3...n (4)

kYi = kk-1Yi+1 - k-1Yi k=0,1,2,3...n

donde : es el operador de diferencias progresivas

METODOS NUMERICOS PARA INGENIERIA

ING. RICARDO SEMINARIO VASQUEZ

sacando factor comun Y0 sacando factor comun Y0

tenemos : Y1 = (1 + )1Y0 tenemos : Y2 = (1 + )2Y0

Entonces para Y3 Y3= (1 + )3Y0 Generalizando, tendremos : Yk=(1 + )kY0 (9)

METODOS NUMERICOS PARA INGENIERIA

ING. RICARDO SEMINARIO VASQUEZ

k (k 1)(k 2)...(k j + 1)! j!

donde : es un polinomio en K de grado j de la forma :

yk = a 0 + a1k + a22k2 + ..... .+ ajkj

Si consideramos la funcin tabular con espaciamiento hconstante

X X0 X1=X0+h X2=X0+2h ... Xk=X0+kh Xn=X0+nh

Donde : X1-X0 = h X2-X0 =2h ................ XK-X0 = Kh Xn-X0 = nh Y=f(x)

Donde queda la expresin:

Sustituyendo (15) en (14) 12

METODOS NUMERICOS PARA INGENIERIA

ING. RICARDO SEMINARIO VASQUEZ

Yk = b 0 + b1x + b2x2 + ..... .+ bjxj

Se llama Polinomio de Newton con espaciamiento constante

= 55-25 =30 = 105-55 =50

las segundas diferencias son : 2Y0 = Y1- Y0 Y1 = Y2- Y1

METODOS NUMERICOS PARA INGENIERIA

ING. RICARDO SEMINARIO VASQUEZ

2Y2= Y3- Y2 2Y3= Y4- Y3

= 30 - 16 =14 = 50 -30 =20

METODOS NUMERICOS PARA INGENIERIA

ING. RICARDO SEMINARIO VASQUEZ

Que corresponde a un polinomio de primer grado

METODOS NUMERICOS PARA INGENIERIA

ING. RICARDO SEMINARIO VASQUEZ

Reemplazando en la ecuacin general :

Reemplazando en la ecuacin anterior: 1Y0=8, 2Y0=8, 3Y0=6

Conociendo por formula de permutaciones:

( x 1) ( x 1)( x 2) ( x 1)( x 2)( x 3) *8 + *8 + *6 1 2 6

Y = 1+(x-1)*8 + (x-1)(x-2)*4 + (x-1)(x-2)(x-3)*1

solucin E = | a- a | 0.51102 - 0.50 * 102 = 0.01 * 102 = 1.00

Er = E/ a* (0.01 * 102 )/0.50 102 = 0.02 100 = 2%

( x 1) ( x 1)( x 2) ( x 1)( x 2)( x 3) 8 + 8 + *6 1 2 6

Y = 1+(x-1)8 + (x-1)(x-2)4 + (x-1)(x-2)(x-3)*1

(3 1)(3 2)(3 5) (3 0)(3 2)(3 5) 5 + 7 (0 1)(0 2)(0 5) (1 0)(1 2)(1 5)