http://libreria-universitaria.blogspot.

com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

com .http://libreria-universitaria.blogspot.

com .http://libreria-universitaria.blogspot.

com .blogspot.http://libreria-universitaria.

blogspot.com .http://libreria-universitaria.

com .http://libreria-universitaria.blogspot.

com .http://libreria-universitaria.blogspot.

http://libreria-universitaria.blogspot.com .

blogspot.http://libreria-universitaria.com .

http://libreria-universitaria.blogspot.com .

http://libreria-universitaria.com .blogspot.

blogspot.http://libreria-universitaria.com .

com .http://libreria-universitaria.blogspot.

http://libreria-universitaria.blogspot.com .

blogspot.http://libreria-universitaria.com .

com .blogspot.http://libreria-universitaria.

blogspot.com .http://libreria-universitaria.

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com .

blogspot.com .http://libreria-universitaria.

blogspot.com .http://libreria-universitaria.

com .blogspot.http://libreria-universitaria.

com .blogspot.http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

http://libreria-universitaria.com .blogspot.

blogspot.com .http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

blogspot.http://libreria-universitaria.com .

blogspot.http://libreria-universitaria.com .

com .http://libreria-universitaria.blogspot.

blogspot.http://libreria-universitaria.com .

com .http://libreria-universitaria.blogspot.

com .http://libreria-universitaria.blogspot.

com .blogspot.http://libreria-universitaria.

com .blogspot.http://libreria-universitaria.

com .blogspot.http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

blogspot.com .http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

com .blogspot.http://libreria-universitaria.

http://libreria-universitaria.com .blogspot.

blogspot.com .http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

blogspot.com .http://libreria-universitaria.

com .blogspot.http://libreria-universitaria.

com .http://libreria-universitaria.blogspot.

blogspot.com .http://libreria-universitaria.

com .http://libreria-universitaria.blogspot.

http://libreria-universitaria.com .blogspot.

com .blogspot.http://libreria-universitaria.

http://libreria-universitaria.com .blogspot.

blogspot.http://libreria-universitaria.com .

com .http://libreria-universitaria.blogspot.

http://libreria-universitaria.com .blogspot.

http://libreria-universitaria.blogspot.com .

http://libreria-universitaria.com .blogspot.

http://libreria-universitaria.blogspot.com .

blogspot.com .http://libreria-universitaria.

blogspot.com .http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

com .blogspot.http://libreria-universitaria.

http://libreria-universitaria.blogspot.com .

http://libreria-universitaria.com .blogspot.

com .blogspot.http://libreria-universitaria.

com .blogspot.http://libreria-universitaria.

http://libreria-universitaria.com .blogspot.

com .http://libreria-universitaria.blogspot.

com .blogspot.http://libreria-universitaria.

com .http://libreria-universitaria.blogspot.

http://libreria-universitaria.com .blogspot.

com .http://libreria-universitaria.blogspot.

com .blogspot.http://libreria-universitaria.

http://libreria-universitaria.com .blogspot.

http://libreria-universitaria.blogspot.com .

com .blogspot.http://libreria-universitaria.

http://libreria-universitaria.blogspot.com .

blogspot.com .http://libreria-universitaria.

http://libreria-universitaria.com .blogspot.

http://libreria-universitaria.com .blogspot.

com .http://libreria-universitaria.blogspot.

com .blogspot.http://libreria-universitaria.

http://libreria-universitaria.blogspot.com .

com .http://libreria-universitaria.blogspot.

blogspot.http://libreria-universitaria.com .

com .blogspot.http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

http://libreria-universitaria.com .blogspot.

blogspot.http://libreria-universitaria.com .

http://libreria-universitaria.blogspot.com .

blogspot.http://libreria-universitaria.com .

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

blogspot.com .http://libreria-universitaria.

http://libreria-universitaria.blogspot.com .

http://libreria-universitaria.blogspot.com .

blogspot.http://libreria-universitaria.com .

com .blogspot.http://libreria-universitaria.

http://libreria-universitaria.com .blogspot.

com .http://libreria-universitaria.blogspot.

http://libreria-universitaria.com .blogspot.

http://libreria-universitaria.blogspot.com .

com .http://libreria-universitaria.blogspot.

com .blogspot.http://libreria-universitaria.

com .http://libreria-universitaria.blogspot.

blogspot.http://libreria-universitaria.com .

com .blogspot.http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

com .http://libreria-universitaria.blogspot.

http://libreria-universitaria.com .blogspot.

com .http://libreria-universitaria.blogspot.

com .blogspot.http://libreria-universitaria.

http://libreria-universitaria.com .blogspot.

com .http://libreria-universitaria.blogspot.

blogspot.http://libreria-universitaria.com .

com .blogspot.http://libreria-universitaria.

http://libreria-universitaria.blogspot.com .

http://libreria-universitaria.com .blogspot.

http://libreria-universitaria.blogspot.com .

blogspot.http://libreria-universitaria.com .

com .blogspot.http://libreria-universitaria.

http://libreria-universitaria.com .blogspot.

blogspot.http://libreria-universitaria.com .

http://libreria-universitaria.com .blogspot.

com .blogspot.http://libreria-universitaria.

http://libreria-universitaria.com .blogspot.

blogspot.http://libreria-universitaria.com .

blogspot.http://libreria-universitaria.com .

blogspot.com .http://libreria-universitaria.

blogspot.com .http://libreria-universitaria.

com .blogspot.http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

blogspot.com .http://libreria-universitaria.

http://libreria-universitaria.com .blogspot.

com .blogspot.http://libreria-universitaria.

com .http://libreria-universitaria.blogspot.

com .blogspot.http://libreria-universitaria.

blogspot.com .http://libreria-universitaria.

http://libreria-universitaria.com .blogspot.

http://libreria-universitaria.com .blogspot.

http://libreria-universitaria.com .blogspot.

http://libreria-universitaria.com .blogspot.

blogspot.http://libreria-universitaria.com .

blogspot.http://libreria-universitaria.com .

blogspot.com .http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

http://libreria-universitaria.com .blogspot.

http://libreria-universitaria.blogspot.com .

http://libreria-universitaria.blogspot.com .

com .http://libreria-universitaria.blogspot.

http://libreria-universitaria.com .blogspot.

http://libreria-universitaria.com .blogspot.

com .blogspot.http://libreria-universitaria.

http://libreria-universitaria.com .blogspot.

http://libreria-universitaria.blogspot.com .

http://libreria-universitaria.com .blogspot.

com .http://libreria-universitaria.blogspot.

com .blogspot.http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

blogspot.com .http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

com .blogspot.http://libreria-universitaria.

http://libreria-universitaria.blogspot.com .

http://libreria-universitaria.com .blogspot.

http://libreria-universitaria.com .blogspot.

blogspot.com .http://libreria-universitaria.

blogspot.com .http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

com .blogspot.http://libreria-universitaria.

http://libreria-universitaria.com .blogspot.

com .blogspot.http://libreria-universitaria.

blogspot.com .http://libreria-universitaria.

http://libreria-universitaria.blogspot.com .

blogspot.com .http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

com .blogspot.http://libreria-universitaria.

com .http://libreria-universitaria.blogspot.

com .blogspot.http://libreria-universitaria.

http://libreria-universitaria.com .blogspot.

blogspot.com .http://libreria-universitaria.

com .http://libreria-universitaria.blogspot.

com .http://libreria-universitaria.blogspot.

blogspot.com .http://libreria-universitaria.

blogspot.com .http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

http://libreria-universitaria.com .blogspot.

blogspot.com .http://libreria-universitaria.

blogspot.com .http://libreria-universitaria.

http://libreria-universitaria.com .blogspot.

com .blogspot.http://libreria-universitaria.

com .http://libreria-universitaria.blogspot.

com .blogspot.http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

com .blogspot.http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

http://libreria-universitaria.blogspot.com .

http://libreria-universitaria.blogspot.com .

blogspot.http://libreria-universitaria.com .

com .blogspot.http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

http://libreria-universitaria.com .blogspot.

http://libreria-universitaria.blogspot.com .

http://libreria-universitaria.com .blogspot.

com .http://libreria-universitaria.blogspot.

http://libreria-universitaria.com .blogspot.

com .blogspot.http://libreria-universitaria.

com .http://libreria-universitaria.blogspot.

blogspot.http://libreria-universitaria.com .

blogspot.com .http://libreria-universitaria.

http://libreria-universitaria.blogspot.com .

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

blogspot.com .http://libreria-universitaria.

com .http://libreria-universitaria.blogspot.

http://libreria-universitaria.com .blogspot.

http://libreria-universitaria.com .blogspot.

http://libreria-universitaria.blogspot.com .

http://libreria-universitaria.blogspot.com .

com .http://libreria-universitaria.blogspot.

blogspot.http://libreria-universitaria.com .

http://libreria-universitaria.blogspot.com .

http://libreria-universitaria.com .blogspot.

http://libreria-universitaria.com .blogspot.

blogspot.http://libreria-universitaria.com .

blogspot.http://libreria-universitaria.com .

blogspot.http://libreria-universitaria.com .

blogspot.com .http://libreria-universitaria.

com .http://libreria-universitaria.blogspot.

com .http://libreria-universitaria.blogspot.

blogspot.com .http://libreria-universitaria.

blogspot.com .http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

blogspot.http://libreria-universitaria.com .

http://libreria-universitaria.blogspot.com .

blogspot.http://libreria-universitaria.com .

com .http://libreria-universitaria.blogspot.

blogspot.http://libreria-universitaria.com .

blogspot.http://libreria-universitaria.com .

com .blogspot.http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

http://libreria-universitaria.blogspot.com .

http://libreria-universitaria.blogspot.com .

blogspot.http://libreria-universitaria.com .

blogspot.http://libreria-universitaria.com .

com .http://libreria-universitaria.blogspot.

blogspot.com .http://libreria-universitaria.

blogspot.com .http://libreria-universitaria.

com .http://libreria-universitaria.blogspot.

com .http://libreria-universitaria.blogspot.

http://libreria-universitaria.com .blogspot.

http://libreria-universitaria.blogspot.com .

com .blogspot.http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

com .blogspot.http://libreria-universitaria.

blogspot.http://libreria-universitaria.com .

com .http://libreria-universitaria.blogspot.

blogspot.http://libreria-universitaria.com .

com .http://libreria-universitaria.blogspot.

blogspot.http://libreria-universitaria.com .

com .http://libreria-universitaria.blogspot.

http://libreria-universitaria.blogspot.com .

blogspot.http://libreria-universitaria.com .

http://libreria-universitaria.com .blogspot.

blogspot.com .http://libreria-universitaria.

http://libreria-universitaria.blogspot.com .

o en estado uniforme.CAPÍTULO 12 Aplicaciones en la ingeniería: ecuaciones algebraicas lineales El propósito de este capítulo es usar los procedimientos numéricos analizados en los capítulos 9. En la sección 12. en algunas aplicaciones de la ingeniería.10 y 11 para resolver sistemas de ecuaciones algebraicas lineales.4 es una ilustración de cómo se puede emplear las ecuaciones lineales para determinar la configuración del estado uniforme de un sistema masa-resorte. Uno de los más importantes principios de organización en la ingeniería química es la conservación de la masa (recuerde la tabla 1.1). Para esta condición estable.1 se muestra cómo un balance de masa se puede emplear para modelar un sistema de reactores.3 es un ejemplo del uso de las leyes de Kirchhoff para calcular las corrientes y voltajes en un circuito con resistores. Por último. el principio se expresa como un balance de masa que toma en cuenta todas las fuentes y depósitos de un fluido que entra y sale de un volumen (véase figura 12. la acumulación es cero y la masa permanece constante. ya que los ingenieros se enfrentan con mucha frecuencia a problemas que involucran sistemas de ecuaciones que son demasiado grandes para resolverse a mano. 12.blogspot. En términos cuantitativos. Si las salidas son mayores que las entradas.1) El balance de masa representa un ejercicio contable para la sustancia particular que habrá de modelarse.1 A N Á L I S I S E N E S T A D O ESTABLE DE U N S I S T E M A DE REACTORES (INGENIERÍA QUÍMICA/PETROLERA) Antecedentes. Sobre un periodo finito. la ecuación (12. Si las entradas son iguales a las salidas.1). En la sección 12. la sección 12. Para el tiempo en que se realiza el cálculo. Estas técnicas numéricas sistemáticas tienen significado práctico. La sección 12. Los algoritmos numéricos en estas aplicaciones son de particular conveniencia para implementarse en computadoras personales. esto se puede expresar como Acumulación = entradas — salidas (12. si las entradas son mayores que las salidas.2 se le da especial énfasis al uso de la matriz inversa para determinar las interacciones complejas causa-efecto entre las fuerzas en los miembros de una estructura.2) .com ünlriidiiN « SIILIDIM (12. la masa de la sustancia dentro del volumen aumenta.1) se puede expresar como http://libreria-universitaria. la masa disminuye.

Se puede usar el balance de masa para resolver problemas de la ingeniería al expresar las entradas y salidas en términos de variables y parámetros medibles. Observe que la concentración a la salida del reactor a través de la tubería 3 no se especifica en la figura 12. podríamos cuantificar la razón con la cual el flujo másico entra al reactor a través de dos tuberías de entrada. Q = 2 m /min y c — 25 mg/m . la razón con la cual fluye la masa hacia el reactor a través de la tubería 1 es Q c = (2 m /min)(25 mg/ m ) = 50 mg/min. una que no aumenta o disminuye debido a las transformaciones químicas) en un reactor (véase figura 12.2). Sin embargo.blogspot. Asimismo. Esto es porque ya se tiene suficiente información para calcularla con base en la conservación de la masa. Así. Por ejemplo.6 mg/m . saliendo de éste a través de una tubería de salida.nnaaeuanala al .2. Solución.330 APLICACIONES EN LA INGENIERÍA: ECUACIONES. Por ejemplo.2) y las entradas se encuentran en balance con las salidas. Se puede hacer esto al tomar el producto del caudal Q (en metros cúbicos por minuto) y la concentración c (en miligramos por metro cúbico) para cada tubería. por tanto. si se realiza un balance de masa para una sustancia conservativa (es decir. se aplica la ecuación (12.5c 3 Q\c\ + Q2C2 = Q3C3 3 3 la cual se resuelve para c = 18.ALGEBRAICAS LINEALES Entrada Salida FIGURA 12. De forma similar. hemos determinado la concentración en la tercera tubería. Como el reactor está bien mezclado (como lo representa el agitador en la figura 12. u homogénea. la concentración 011 ln http://libreria-universitaria. 50 mg de sustancias químicas fluyen cada minuto hacia el reactor a través de esta tubería. De esta forma. la concón Ilación será uniforme. Empleo de la conservación de la masa para determinar concentraciones en estado estable de un sistema de reactores acoplados. para la tubería 1 en la figura 12. tntin el reactor. para la tubería 2 la razón de masa que entra se calcula como Q c = (1. como en 3 3 x x 3 l l 3 3 3 2 2 Sustituyendo los valores dados en esta ecuación se obtiene 5 0 + 15 = 3. el cálculo obtiene algo adicional. Rn r.1 Una representación esquemática del balance de masa. en todo el tanque.com tupiarla 3 Haría aer iiiénlitm 1 1 la (««nnentruci An en.5 m /min)(10 mg/m ) = 15 mg/min.2).2. Como el reactor se halla en estado uniforme.

Debido a que hay cinco reactores interconectados o acoplados.1 ANÁLISIS EN ESTADO ESTABLE DE U N SISTEMA DE REACTORES 991 FIGURA 12. completamente MUi/i Jado. quienes deben diseñar reactores que tengan mezclas de una concentración específica.com .3 ' Un o reactores conectados i ii ii luberías. =2 5m g m / y 3 3 Q -1 5 .. En la figura 12.3 se muestra la disposición de un problema donde las computadoras no sólo son útiles. Para el reactor 1. Tal información es de gran utilidad para los ingenieros químicos y petroleros.blogspot. se necesitan cinco ecuaciones de balance de masa para caracterizar el sistema.'. con dos tuberías do unliada y una de salida. la razón de flujo de masa que entra es Sí 10) 4- Q\\c\ http://libreria-universitaria. 3 1=1 Q=8 Q CQ = 2 0 3 0 3 balance de masa nos ha permitido calcular ambas: la concentración en el reactor y el caudal en el tubo de salida. sino también prácticas.2. m m /n i c=? 3 3 3 iu b i c o . =2 Q = 1 4 2 0» c 01 =5 =1 0 °1 Q=3 2 1 2 c 2 c 4 0 4 4 = 1 1 Q .2 I lu UKIC I DI en oslado i '. tuilijjiamos por metro Oi5 = 3 0 «=2 Q ¿ .lulilo. y las I I mconlraciones están en «2m m /n l c . Debido a que se usa álgebra simple para determinar la concentración para un solo reactor en la figura 12.=1 FIGURA 12.12. esto podría no ser fácil de representar en una computadora para el cálculo de un balance de masa. m m /n i c=1 0m g m / 3 2 3 2 0 =3 5 . llujos volumétricos están i ni metros cúbicos por minuto. Ii >.

3 6ci — c = 50 3 Ecuaciones similares se definen para los otros reactores: .c + 4c = 0 Se puede usar un método numérico para resolver estas cinco ecuaciones para las cinco incógnitas que son las concentraciones: { C } = L11. Esto es consistente con la configuración del sistema (véase figura 12. lin la l'i gura 12.51 19.01887 0. De esta forma. 3 y 5. los flujos de entrada y salida deben ser iguales: 5(10) + Q3lC3 = Gl2Cl + Gl5Cl o.03774 0. 12. los ceros en la columna 4 indican que una carga en el reactor 4 no tendrá impacto sobre los reactores 1.2 A N Á L I S I S DE U N A E S T R U C T U R A ESTÁTICAMENTE DETERMINADA (INGENIERÍA CIVIL/AMBIENTAL) Antecedentes.06 17.00 11. de la figura 12.51 r 11.s cargas de cualquier otro de los tres reactores afectarán al sistema completo como es indicado por la ausencia de ceros en las primeras tres columnas. Tal información es de gran utilidad para los ingenieros que diseñan y manejan sistemas como ése.00629 0.blogspot.09091 0 0 0 0 0.8c + l l c . la.APLICACIONES ENJLA INGENIERÍA: E C U A C I O N E S ALGEBRAICAS LINEALES y la razón de flujo de masa de salida es Ya que el sistema se halla en estado uniforme. http://libreria-universitaria. se puede calcular la matriz inversa como 0.06003 0.11321 0.01887 0.25000 Cada uno de los elementos a y significa el cambio en la concentración del reactor i debido a un cambio unitario en la carga del reactor j .2c = 0 3 4 5 2 5 -3ci .3 c i + 3c = 0 2 -c 2 + 9 c = 160 3 -c 2 .08962 0. 2.04545 0.16981 0.16981 0.4 se muestra un ejemplo de tal estructura.07461 0.3).16981 0.08748 0.51J Además.01887 0.33962* 0. En contraste.01887 0 0 0 0. Un problema importante en la ingeniería estructural es determinar IIIN fuerzas y reacciones asociadas con una estructura estáticamente determinada. la cual indica que el flujo de salida del reactor 4 no alimenta ningún otro reactor.com . sustituyendo valores para el flujo.

5. El apoyo en el nodo 2 puede transmitir ambas fuerzas. deben ser cero en cada nodo. Las reacciones externas (H . EF„ = 0 = . Los diagramas de cuerpo libre se muestran para cada nodo en la figura 12.v 30° 3 F 3. 2 2 3 Solución. 3 h (12.com ZF y = 0 sen 30° - F\ sen 60° + F (12. vertical y horizontal.'ili'uctura ~2. horizontal y vertical a la superficie.12.3) http://libreria-universitaria. mientras que el rodillo en el nodo 3 transmite sólo fuerzas verticales. Las fuerzas (F) representan. Por tanto. El tipo de estructura se puede describir como un sistema de dos ecuaciones algebraicas lineales. ya que el sistema está en reposo. Se observa que el efecto de la carga externa de 1 000 Ib se distribuye a lo largo de varios elementos de la estructura. eos 30° + F eos 60° + F . para el nodo 1.f . La suma de las fuerzas en ambas direcciones. ya sea la tensión o la compresión de los elementos de la estructura.4) x .blogspot. 5 I iii ii |M iiiius de fuerza de i utíipii libio para los nodos fin I un I (1.h «Mr'illi nmnnte determinada.2 ANÁLISIS DE U N A ESTRUCTURA ESTÁTICAMENTE DETERMINADA 333 PIOURA 1 2 . V y V ) son fuerzas que caracterizan cómo interactúa la estructura con la superficie de soporte.

25 -0. Con el uso de una estrategia para el pivote. ZF =0= H -F 3 2 -F 3 eos 60° + F 3 3h (12. También observe que en este problema.25 -0.5 0 0 -0. el sistema se puede resolver mediante cualquiera de las técnicas de eliminación que se analizaron en los capítulos 9 y 10. Así. sen 30° + F „ + V para el nodo 3.866 0 0 -1 0 0 0 0 0 0 -1 0 0 í F} Fi 2 F H 3 2 iv v J 0 -1000 0 0 0 0 (12.5) (12. Las soluciones son negativas si las direcciones se asumen de manera incorrecta. Una solución negativa. como este problema es un caso ideal de estudio.433 0.334 APLICACIONES E N LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES para el nodo 2.8) IF V = 0 = F sen 60° + F „ + V ih 3 d o n d e F es la fuerza horizontal externa que se aplica sobre el nodo i (donde la fuerza es positiva de izquierda a derecha) y F es la fuerza vertical externa que se aplica sobre el nodo / (donde la fuerza es positiva hacia arriba). Sin embargo. JF = H 0 = F +F eos 30° + F 2 { 2> 2h + r H 2 2 (12.6) IF K = 0 = F . todas las otras F¡ y F¡ son cero. la fuerza de 1 000 Ib hacia abajo en el nodo 1 corresponde a F¡ = — 1 000 libras.5 0.5 0 0 H =0 2 F = 433 2 F V 3 -866 750 V = 250 2 3 y la matriz inversa es 0.com . en este problema.9).866 0.433 0. para demostrar la utilidad de la matriz inversa se puede usar la descomposición LUpara calcular 0. Para este caso. por tanto.blogspot. para evitar la división entre cero de los elementos de la diagonal. corresponde a compresión.5 -0.866 0. La aplicación apropiada de las leyes de Newton requiere sólo de suposiciones consistentes con respecto a la dirección.866 -0. las fuerzas en todos los elementos supuestamente están en tensión y actúan jalando los nodos adyacentes.866 0 0 0.433 0.7) (12.9) F\ = . Observe que las direcciones de las fuerzas internas y las reacciones son desconocidas. Este problema se puede escribir como el siguiente sistema de seis ecuaciones con seis incógnitas: iv v h 2 3 se requiere de pivoteo parcial Advierta que.5 -0.5 -1 -0.5 -0.75 0 0 0 -1 0 0 0 0 0 0 -1 0 J O 1 0 -1 0 0 [A]" 1 = 0 0 0 0 -1 http://libreria-universitaria. como se formuló en la ecuación (12.866 0 -0.

6 I >I>N rusos de prueba mostrando o) vientos desde la izquierda y b) vientos desde la derecha. resulta que Fj = . http://libreria-universitaria.8 6 6 H = 2000 2 = — 1 000.„ 3 F . el vector del lado derecho es {F} T = L-1000 0 1000 0 0 0J el cual se puede usar para calcular Fi = .„ F.6.. y F = -1250 2 F = 500 3 V = 433 2 V = -433 3 Los resultados indican que los vientos tienen efectos muy notorios sobre la estructura.blogspot. observe que los vectores del lado derecho representan las fuerzas externas horizontal y vertical que se aplican sobre cada nodo. 2 v F .J 3 t (12.6a).Ahora. con esto. no se necesita implementar el método una y otra vez para estudiar el efecto de diferentes fuerzas externas sobre la estructura. Ambos casos se muestran en la figura 12. Si la fuerza del viento se puede idealizar como dos fuerzas puntuales de 1 000 libras sobre los nodos 1 y 2 (véase figura 12.10) Debido a que las fuerzas externas no tienen efecto sobre la descomposición L U. Por ejemplo. como en {F} r = (/i.com . Más que esto. F = — 1 000. podríamos querer estudiar el efecto de fuerzas horizontales que se inducen por un viento que sopla de izquierda a derecha. 2 h F. F todas las demás fuerzas externas son cero.8 6 6 H = -2000 2 F = 250 2 F = -500 3 V = -433 2 V = 433 3 lh 3 h Para un viento de la derecha (véase figura 12.66). todo lo que se ha hecho es ejecutar los pasos de sustitución hacia adelante y hacia atrás para cada vector del lado derecho con el fin de obtener de manera eficiente soluciones alternas.* F. FIGURA 12.

o E/ = 0 (12.1). no es afectado por los cambios en F . se puede usar para determinar los componentes que son innecesarios (véase el problema 12.Ei7? = 0 (12.76). la cual establece que la caída de voltaje a través de un resistor ideal es igual al producto de la corriente y la resistencia. cambios en el voltaje) en cualquier ciclo debe ser igual a cero. La aplicación de estas reglas resulta en un sistema de ecuaciones algebraicas lineales.866 debido a un cambio unitario del segundo estímulo externo (F. Además.3 C O R R I E N T E S Y V O L T A J E S E N C I R C U I T O S DE R E S I S T O R E S ( I N G E N I E R Í A ELÉCTRICA) Antecedentes. „). '3 donde todas las corrientes que entran al nodo se consideran de signo positivo. el elemento a \ indica que la tercera incógnita (F ) cambiará a 0. El hecho de que los elementos sean 0 indica que ciertas incógnitas no son afectadas por algunos estímulos externos. La regla de la corriente es una aplicación del principio de la conservación de la carga (recuerde la tabla 1. Por ejemplo. Un problema común dentro de la ingeniería eléctrica involucra la determinación de corrientes y voltajes en varios puntos en circuitos de resistores. ya que son varios los ciclos o mallas que forman un circuito. Las ecuaciones lineales proveen un enfoque poderoso para ganar cierta comprensión del comportamiento de estas estructuras. Esta habilidad de aislar interacciones tiene un número de aplicaciones en la ingeniería. De esta forma. La ley de Kirchhoff para el voltaje es una expresión de la conservación de la energía. como una consecuencia.7a). Cada elemento representa el cambio de una de las variables desconocidas a un cambio unitario de uno de los estímulos externos. y i? es la resistencia de cualquier resistor en la malla. La regla para la corriente (o nodo) establece que la suma algebraica de todas las corrientes que entran a un nodo debe ser cero (véase figura 12. 3 3 3 2h 12. La regla para el voltaje (o malla) especifica que la suma algebraica de las diferencias de potencial (es decir. Estos problemas se resuelven usando las leyes para corrientes y voltajes de Kirchhoff.blogspot. puede ser necesario resolver estructuras con cientos y aun miles de elementos estructurales.com . esto se expresa como E § . Por ejemplo a\\ = 0 significa que F . Observe que el segundo término se deriva de la ley de Ohm (véase figura 12. El procedimiento anterior resulta particularmente útil cuando se aplica a grandes estructuras complejas.336 APLICACIONES EN LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES Los elementos individuales de la matriz inversa tienen también utilidad directa en aclarar las interacciones estímulo-respuesta para la estructura. Solución.866. F se podría aumentar en 0. En la práctica de la ingeniería.16).7 Representaciones esquemáticas de o) regla de las corrientes de Kirchhoff y b) ley de Ohm. Para un circuito de resistores. http://libreria-universitaria. la mayoría tiende a fallar.12) donde ¿j es la fem (fuerza electromotriz) de las fuentes de voltaje. si la carga vertical en el primer nodo fuera aumentada en 1. éstas incluyen la identificación de aquellos componentes que son muy sensibles a estímulos externos y. Por ejemplo.11) FIGURA 12.

Por ejemplo.9 (Corrientes supuestas.8 y se pasan las constantes al lado derecho. ya que simplemente se supone una dirección para cada corriente. Esto no presenta gran dificultad. http://libreria-universitaria. la regla de la corriente de Kirchhoff se aplica a cada nodo para obtener í 12 + ' 5 2 + ( 3 2 — '65 - '52 — '54 = '32 = ¡43 - i 54 — ' 4 3 — 0 0 0 0 La aplicación de la regla del voltaje en cada una de las mallas da —'54-^54 — '43*43 — '32*32 + '52*52 = -«65*65 " '52*52 + ¿ 1 2 * 1 2 "2 0 0=0 + 0 o. el problema se reduce a la resolución del siguiente conjunto de seis ecuaciones con seis corrientes como incógnitas: FIGURA 12. entonces la dirección supuesta fue incorrecta. ~OV-\= 2 0 0V 1 ñ = 5 a : — v W — ñ = 1 5 Q • ñ =i o n ñ = 20í2 OV é s=0V considere el circuito mostrado en la figura 12.com .f ? »1 0 1 1 FIGURA 12. Dadas estas suposiciones. si se sustituyen las resistencias de la figura 12. Si la solución resultante a partir de las leyes de Kirchhoff es negativa.blogspot.8.8 1 ln circuito de resistores que liuhiá de ser resuelto usando ecuaciones akjubraicas lineales simultáneas. Las corrientes asociadas con este circuito son desconocidas tanto en magnitud como en dirección. 1 5 / 5 4 5 Í 4 36 5 = 0 2 0 /-I O 5 /2 + 5 1 /2 = 2 0 0 1 0 ¿ 3 2 1 0 / 5 2 Portante.9 se muestran las direcciones supuestas de las corrientes. en la figura 12.

la segunda ley se puede expresar como m—r dx 2 dt 2 = r D (12.O V=200 <| ( / = 1.1 Ib.5385 /= 6.M A - ÍZ = 169.11 se muestra un sistema de ese tipo. la segunda ley de Newton se puede emplear en conjunto con un equilibrio de fuerzas para desarrollar un modelo matemático del sistema. Como se introdujo en el capítulo 1.blogspot.13) Para simplificar el análisis se supondrá que todos los resortes son idénticos y que se comportan de acuerdo con la ley de Hooke. Deberían ser evidentes las ventajas de usar algoritmos numéricos y computadoras para problemas de este tipo.08 ^ O IZ= 0 .123.5385 =-6.1538 / 65 ¿52 = -4.10 la solución obtenida para h s con ionios y voltajes iiftundo un método de (LILLTLILKK'IÚLL. La fuerza hacia arriba es únicamente una expresión directa de la ley de Hooke: Fn = kx\ (12.23 M A A - .14) FIGURA 12. En la figura 12.1 la.1538 http://libreria-universitaria.4 SISTEMAS MASA-RESORTE (INGENIERÍA MECÁNICA/AEROESPACIAL) Antecedentes.com V . En la figura 12.1 4 6 . 5 3 85 =-1. V= 153.1538 = -1. 1 5 V. este sistema se maneja de manera fácil mediante un método de eliminación.1 .12a se muestra un diagrama de cuerpo libre para la primera masa. Si se procede de esta forma. Después de liberar las masas. Observe que el desplazamiento resultante en cada resorte de la figura 12. Los sistemas idealizados resorte-masa desempeñan un papel importante en la mecánica y otros problemas de la ingeniería.10. la solución es ¿12 = 6.338 APLICACIONES EN LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES I I I 0 0 0 0 5 •-1 0 ü 10 -10 0 -1 0 -10 0 0 1 0 0 0 20 0 -1 0 1 -15 0 0 0 1 -1 -5 0 '52 '32 '65 '54 '43 0 0 0 0 0 200 Aunque no es práctico resolverlo a mano. éstas son jaladas hacia abajo debido a la fuerza de la gravedad. las corrientes y voltajes en el circuito se muestran en la figura 12.6154 i 5 4 z ¡ 32 = . con una adecuada interpretación de signos en el resultado. 12.85 . Para cada masa. se mide a lo largo de las coordenadas con referencia a su posición inicial dada en la figura 12.5385 4 3 Así.

3 http://libreria-universitaria."11 1 m 2 1 1 b) x 2 O *3 a) FIGURA 12. antes de la extensión o compresión de los resortes.com . apropiado para el desplazamiento de la primera masa.v .12 Diagramas de cuerpo libre para las tres masas de la figura 1 2 .~k(X2-xi)+k(x -xi) + mig 2 (MiNcrve cómo la componente fuerza en los dos resortes es proporcional al desplazamicnlo do In N E G U N D N musa. .11 Un sistema compuesto de tres masas suspendidas verticalmente por una serie de resortes. 1 Las componentes hacia abajo consisten en dos fuerzas sobre el resorte junto con la acción de la gravedad sobre la masa. b) El sistema después de liberarse. a) Ei sistema antes de liberarse. x. es decir.blogspot. k{x -x ) 2 : L m a) «1 M*2-*l) K*Z-Xl) I z y L _L z M*3~*2) m^g k{x -x ) mg z k[x -x ) z mg 3 b) c) FIGURA 12.. Advierta que las posiciones de las masas están referenciadas a las coordenadas locales con orígenes en su posición antes de soltarse. Fi.

i „ j .5 kg. use lu descomposición http://libreria-universitaria.16). en estado estable.340 APLICACIONES EN LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES Las ecuaciones (12. (12.x ) + m g . . éstas se pueden usar para calcular los desplazamientos de las masas como una función del tiempo (es decir. Esto se realiza mediante la igualación a cero de las derivadas en las ecuaciones (12. y las k — lü kg /s . « i „ „ .x ) 3 2 ( 1 2 1 8 ) Las ecuaciones (12.2k(x 2 2 2 .17) y (12. en forma Solución.k(x. x .18). y es 3k -2k -2k 3k -k s [K] -k k Y {^0 y {^} respectiva. Sin embargo.x) x (-) 12 1? y W3 ^7? = m g . en forma matricial. se ha obtenido una ecuación diferencial de segundo orden para describir el desplazamiento de la primera masa con respecto al tiempo. Por ahora. [K]{X} = [W} donde [K]. s o n l ° vectores columna de las incógnitas X y de los pesos mg. 2 2 i B .18) forman un sistema de tres ecuaciones diferenciales con tres incógnitas. sus oscilaciones). m — 3 kg. Si nt\ = 2 kg.15) se pueden sustituir en la ecuación (12.14) y (12.17) y (12.blogspot. u n t a i v uenerar la inven» de [K]. es decir. En consecuencia.10) De esta forma. podemos obtener los desplazamientos que ocurren cuando el sistema eventualmente llega al reposo.16). es llamada matriz de rigidez. ya que el modelo incluye una segunda variable dependiente. advierta que la solución no se puede obtener. En este punto se puede emplear métodos numéricos para obtener una solución.13) para dar d x\ m —^-=2k(x -xi)-{-m g-kx dt 2 ] ¿ 2 l l (12.com . .Ylb y c) que se pueden emplear para obtener 2 m2 dx 2 2 dt 2 = k(x 3 . para dar 3kxi —2kx\ — + — 2kx kx 2 = — + kx3 kxi = — ni\g mg 2 3kx 2 2 mjg o. m — 2. Con las condiciones iniciales apropiadas. se debe desarrollar diagramas de cuerpo libre para la segunda y tercera masas (véase figuras Yl. Analizaremos en la parte siete los métodos numéricos para obtener esas soluciones. (12.

6 En la figura P12. ¿cuál es el porcentaje de cambio en la concentración de lim roiielorcs 2 y 3? 12. PROBLEMAS INUIMILERIA QUÍMICA/PETROLERA 12. Por tanto. pero tome Q y Q¡ igual a cero.5 Resuelva el mismo sistema como lo especifica el problema 12. Use la conservación del flujo para recalcular los valores para los otros flujos. x = 10.6 LLON incK LOIOS C O N E C T A D O S 400 mg/s 0. Estos desplazamientos se usaron para construir la figura 12. 3 jiul INLIOILÍJS.3 se halla en M L I I D O estable. la razón de transferencia de químicos a través de cada tubería es igual al flujo volumétrico (Q.1 0.045 y x = 12.' • 'TWWBSBITWB Sustituyendo los parámetros del m o d e l o se obtiene \K\ 3 30 -20 -20 30 -10 -10 10 {W} = 19.4.5 x 2 La descomposición LU se puede emplear con el fin de resolver para x = 7.6 29.1 0. ¿qué se puede inferir con respecto a los cuatro 03 <2OI=5 g 3 I = 2 225 254 224 = = 3 2 2 2 3 2 3 4 : Gis = 3 2L2 = 4 2 5 5 2 0 3 = =4 10 =0 HHI«»:YOI.6 se muestra tres reactores unidos por tuberías. los valores de 0.1.LA D E M A S A LLÚVÉ» D T I C A D A TUBERÍA E S Q I QIHI I TIL P R O D U C T O D E L FLUJO y Iti T»(TU ( M I R A C I Ó N c D E L Q ¡^ 2 tr [jj200mg/s Q =120 0 . pero mnihic c.1 0. la inversa de la matriz de rigidez provee un resumen fundamental de cómo los componentes del sistema responden a fuerzas que se aplican de forma externa. C. Los otros elementos se pueden interpretar en una forma similar. 3 = 40 Q .4 24.15 0.GO3. L A R A Z Ó N D E A IFWMLBINNR.1 se disminuye en un 2. = 20 33 2 3 2 T W I R L M (JOL i UUL SO O R I G I N A EL LLU|u t http://libreria-universitaria. si los flujos se han cambiado n: 12.com .1 0.|| a 20 y c a 6.15 0.1 m hacia abajo.25 [K] = Cada elemento de la matriz kj¡ nos indica el desplazamiento de la masa i debido a una fuerza unitaria impuesta sobre la masa j .35. ¿Qué le indica la respuesta con respecto al sistema físico? 12.495.1 Ib.15 0. con unil2 4 R I O U R A P12. 1 Debido a que el sistema mostrado en la figura 12.4 Vuelva a calcular las concentraciones para los cinco reactol M (|iie se muestran en la figura 12.2 Si Iti entrada al reactor 1 en la sección 12.1 Realice los mismos cálculos que en la sección 12.fi«YFIJS? 12 .blogspot. Así. La inversa de la matriz de rigidez se calcula como 0.2 = 80 0 = 60 Q .1%. Como se indica. 11.2.1 en la columna 1 nos indica que una carga unitaria hacia abajo en la primera masa desplazará todas las masas 0.1 0.

86) se puede resolver para X¡ y sustituirla en la ecuación (P12.86) (P12. Las flechas con número son entradas directas. una corriente que contiene una fracción en peso F de un químico entra desde la izquierda a razón do un flujo de masa de F En forma simultánea.1 http://libreria-universitaria. X M | ( x 2 x 3 x¡ x n . 1 2 .blogspot. Desarrolle ecuaciones de balance de masa pura los reactores y resuelva las tres ecuaciones algebraicas lineales simultáneas para sus concentraciones. Así.8a) para obtener FIGURA P l 2. 180 0 S H = 67 36 = 161 = 182 Q H E QEO 740 Qoo = 2 1 2 QHE°H 3 850 Hurón 7 1 0 QEO°E 4 720 Erie Qoo°o Michigan QMHCM Ontario FIGURA P12. un solvente que en v donde K es llamada el coeficiente de distribución. En estos sistemas. La ecuación (P12. 1 .8a En cada etapa. para determinar la concentración de cloro en cada uno de los Grandes Lagos mediante la información mostrada en la figura P12.342 APLICACIONES EN LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES iludes ilc metros cúbicos por segundo) multiplicado por la concentración del reactor donde se origina el flujo (c. se supone que se establece un equilibrio entre Y¡ y X . para la etapa i.8 Un estado del proceso de extracción.7 Un balance del cloro para los Grandes Lagos._i + F Xi+i = FiY¡ + F X¡ 2 2 (P12.y. 7 Emplee el mismo planteamiento básico que en la sección 1 2 . se puede representar un balance de masa como m 2 F.7. 8 Una etapa en un proceso de extracción se ilustra en la figura P 1 2 . la transferencia hacia cada reactor equilibrará la transferencia de salida. 8 . Si el sistema se halla en un eslaclo estable. tiene una fracción en peso X del mismo químico entra desde la derecha a una razón de flujo de F .com . como en t K = ~ 1 2 . con unidades do miligramos por metro cúbico).

como no se conoce V y V . 5 810 y 5 690 m de arena. si se usa un reactor de 5 puede resolver para únicamente la relación entre las longitudes. 1 2 1 .com .2 Efectúe el mismo cálculo que en la sección 12.1. existen tres longitudes desconocidas y sólo dos ecuaciones.8c) los elementos de la estructura.15.8c) debe modificarse para Resuelva para esta relación.4.2. de la figura 12. 1 2 4 °0 1 200 i http://libreria-universitaria.4. donde una fuerza por FIGURA P 1 2 . FIGURA P 1 2 . > Un ingeniero civil involucrado en la construcción. Si las longitudes de los miembros de la estructura han sido dadas. X = 0 y K = 5.2. se puede calcular V y V utilizando el hecho que V + V debe ser igual a 1 000 y sumando los momentos alrededor del nodo 2. y la llici/ii en el nodo 1 es de 750 libras. = 400 kg/h. Kl Realice el mismo cálculo que en la sección 12.1 Realice el mismo cálculo que en la sección 12. 1 2 1 . 4 si se aplica en el nodo 1 una fuerza por debajo de 2 200 kg y una fuerza horizontal hacia la derecha de 1 800 kg.('nimios metros cúbicos se debe transportar desde cada cantera ptiiu cumplir con las necesidades del ingeniero? 1 1 .blogspot. 600 2 } 2 3 2 3 1 4 8 i j-K^j m (y-K^J Y en 2 } 2 fuera fijera 1 2 < .12.11. de grano fino y grueso. para un proyecto de construcción. determine las fuerzas y reacciones para la estructura que se muestra en la figura P12. Observe que como i+Í Sí /•'. etapas.PROBLEMAS 1 2 1 .3 Calcule las fuerzas y reacciones para la estructura de la figura 1 2 . Y = 0. l l debajo de 1 000 libras se aplica en el nodo 1. requiere •I 800. pero ahora para la estructura mostrada en la figura P12. pero ahora para la estructura mostrada en la figura P12.5 Emplee los mismos métodos que se usaron en el análisis II las etapas primera y última.4 En el ejemplo para la figura 12. Sin embargo.15 Arena % Grano fino % 30 50 20 Grano grueso % 18 30 55 vw: l'n I l'n i 52 20 25 /. las reacciones externas V y V fueron calculadas. F = 800 kg/h. Observe que la ecuación (P12. tomar en cuenta las fracciones peso de entrada cuando se aplica 1 2 1 . se puede trabajar hacia atrás y resolver para las . se determine los valores de 7 y X . La composición de estas canteras es 3 I n g e n i e r í ac i v i l / a m b i e n t a l FIGURA P 12.(l + Y¡ + = 0 longitudes de(P12.2. 1 2 1 . résped ivuinente. peroahoin cambie el ángulo en el nodo 2 a 40° y en el nodo 3 a 50°.

de monóxido de carbono en cada cuarto. plástico y hule) se requieren para la producción.19.3. oficinas. pero ahora cambie la resistencia entre los nodos 3 y 4 a 25 Í2 y cambie V a60V 12. = 200 m /hr 3 .com . etcétera.8. áreas de trabajo. a +E (C -C¡) Í3 (mezcla) 3 c + (entrada) — (salida) + FIGURA P12.16 Resuelva para las fuerzas y reacciones de la estructura de lu figura P12.20 Realice el mismo cálculo que en la sección 12. la polución de aire entrante tiene que ver con la contaminación encerrada en espacios tales como casas.18 Realice el mismo cálculo que en la sección 12. pero ahora para el circuito que se presenta en la figura P12. El área de servicio del restaurante consiste en dos cuartos cuadrados y uno alargado.17 Vista aérea de los cuartos en un restaurante.blogspot. 12. b) Determine qué porcentaje de monóxido de carbono en la sección de niños es a causa de i) los fumadores. Suponga que se diseña un sistema de ventilación para un restaurante como se muestra en la figura P12.21 Resuelva el circuito resistor de la figura 12.3. El cuarto 1 y el 3 tienen fuentes de monóxido de carbono.19 Lleve a cabo el mismo cálculo que en la sección 12. si V = 180 V y R = 50 ohms. 12.H 1 (Sección de fumar) ~ 25 m /hr 3 c = 2 mg/m a 3 Carga por fumadores (T 000 mg/h'r) http://libreria-universitaria. ¿Parece razonable la fuerza en elemento vertical a la mitad del elemento? ¿Por qué? 12. usando la eliminación de Gauss.nador + (carga) QC a fl - Q C.20. Las flechas en un sentido representan los flujos de aire volumétricos.23 Un ingeniero eléctrico supervisa la producción de tres tipos de componentes eléctricos.16. Las cantidades necesarias para producir cada componente son H { 56 3500 FIGURA P 12. Q = 150m3/hri Q =100m /hrA d 3 Q = 50 m /hr b 3 c = 2 mg/m b 3 (Sección de niños) ^ 25 m /hr 3 O.3. Ingeniería eléctrica 12. Las cargas debido al humo y la parrilla agregan masa de monóxido de carbono al sistema pero con entrada de aire Insignificante.25c = 1400 3 X60° 6 0 ° X /\ 4 5 ° Se puede escribir balances en forma similar para los otros cuartos. Se puede escribir balances de masa en estado estable para cada cuarto. Tres clases de materiales (metal. pero ahora para el circuito expuesto en la figura P 12. Determine la matriz inversa para el sistema.16 12.1 7 Como su nombre implica. mientras que las flechas en ambos sentidos representan la mezcla difusa. Por ejemplo. .22 Resuelva el circuito de la figura Pl 2. en estado estable. ii) la parrilla y iii) el aire que entra por ventilación. a) Resuelva para la concentración. el balance se escribe como 0 = W'fu. 12. para la sección de fumadores (cuarto I). 12. de los fumadores y una parrilla.344 APLICACIONES EN LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES o sustituyendo los parámetros 225c.22 para las corrientes en cada alambre. Use el método de eliminación de Gauss con pivoteo.17.

27 Los sistemas idealizados masa-resorte tienen numerosas aplicaciones en toda la ingeniería.x ) 3 2 3 3 3 4 2 donde las k son las constantes del resorte. respectivamente. 1 9 — ^ oe= v 0. En el equilibrio. 12. 50. C o m p o . 0. ¿cuántos componentes se puede producir por día? F = k4{X4 . P l á s t i c o . 3 y 2 kg. I n g e n i e r í am e c á n l e n / a e r o e s p i c l a l k (x (x -x .blogspot.42 ñ=25Q 0 volts M e t a l . definiendo las interrelacioncs entre los resortes. H u e l. 75 y 225 kg/s . Si de k a ¿ son de 150.1 1 0 V = 40 2 http://libreria-universitaria. . plástico y hule. 3 y 2.4.4.x¡) = kyxi k ) = k (x -JCI) k (x'4 . se pueden desarrollar las ecuaciones de equilibrio de fuerzas.26 Efectúe el mismo cálculo que en la sección 12.25 Realice el mismo cálculo que en la sección 12.c / o m p o n e n e t g c / o m p o n e n e t g c / o m p o n e n e t n e n t e g 15 17 19 12. calcule las x.27 muestra un arreglo de cuatro resortes en serie cuando se comprimen con una fuerza de 2 000 kg. pero ahora cambie las masas de 2. 12. respectivamente.24 Efectúe el mismo cálculo que en la sección 12.12.33 0. 2 0 MOURA P 1 2 . = 150 volts ñ = 5 í 2 PIOURA P 1 2 .25 0.x ) 2 3 2 3 2 2 2 A Si IIIS cantidades totales son 2.0434 y 0. 12.4. 2 2 20 Q 1 5£ 2 5 Í 2 V.com . La figura P12.5 kg a 15.x ) — k (x . y están disponibles cada illa. { PIOURA P 1 2 .R-20U 2 v W ñ=51i 1 " ' 5 fl-10U 1 O V.164 kgpara el metal. pero uhoru triplique el valor de las constantes del resorte. pero ahora agregue un tercer resorte entre las masas 1 y 2 y duplique k.

blogspot.com .27 http://libreria-universitaria.346 APLICACIONES EN LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES x 2 FIGURA P12.

30 (los ángulos son de 45°).29. 12.28£>): IIKW I 7' 519.30 Realice el mismo cálculo que en el problema 12. R = 108.55 - Encuentre la aceleración a y las tensiones 7'y l< en las dos cuerdas. 3 0 FIGURA P 12. Si !<u usa un procodiniicnlo similar al usado en el análisis del paracaidista en caída libre del ejemplo 9.. 12. pero ahora para el sistema expuesto en la figura P12.29 http://libreria-universitaria.com .27 FIGURA P 1 2 .29 Realice un cálculo similar al que se pidió en el problema 12.IH Tres bloques cslnn conectados por unit cnerda sin peso y ih'sciinsiiii sobre un plimo inclinado (véase figura IM2. pero ahora para el sistema que se muestra en la figura P 12.11.28.'./ T I A * .28 <7).216.11.blogspot.28.72 MW . se obtiene el siguiente ninjiinlo de ecuaciones simultáneas (los diagramas de cuerpo libre se muestran en la figura P12.•i.

La inclusión de esa estrategia minimiza el error de redondeo y evita problemas como el de la división entre cero. Todas las otras cosas permanecen igual. Los mismos métodos numéricos están divididos en dos categorías generales: métodos exactos y aproximados. como están afectados por errores de redondeo.com dominante Puede no converger si no es diagonalmente Excelente Apropiada sólo para sistemas diagonalmente Fácil dominante» . Sin embargo. La magnitud del error de redondeo varía en cada sistema y depende de varios factores que incluyen las dimensiones del sistema.E P Í L O G O : PARTE TRES PT3. como su nombre lo implica. Además. intenta dar resulta dos exactos. su condición y si la matriz de coeficientes es dispersa o llena.2 proporciona un resumen de los elementos de juicio involucrados en la resolución de ecuaciones algebraicas lineales simultáneas. Sin embargo.4 E L E M E N T O S DE JUICIO La tabla PT3. permile til cálculo de la matriz Gauss-Seidel http://libreria-universitaria. de modo que tienen poca utilidad para resolver problemas prácticos. Dos métodos (el gráfico y la regla de Cramer) están limitados a pocas ecuaciones (< 3). algunas veces dan resultados imprecisos. Se recomienda una estrategia de pivoteo para emplearse en cualquier programa de computadora con el fin de implementar métodos de eliminación exactos. la descomposición LU basada en algoritmos son los métodos más apropiados debido a su eficiencia y flexibilidad. R a n g o de aplicación Limitada Limitada E s f u e r z o de programación Método Gráfica Regla de Cramer Estabilidad Precisión Pobre Afectada por errores de redondeo Comentarios Puede tomar más tiempí > que el método numério > Excesivo esfuerzo computacional requerid > para más de tres ecuaciones Eliminación de Gauss (con pivoteo parcial) Descomposición LU Afectada por errores de redondeo Afectada por errores de redondeo General General Moderado Moderado Método de eliminación preferido. El primero.blogspot. TABLA PT3. la precisión de la computadora afectará el error de redondeo.2 Comparación de las características de métodos alternativos para encontrar soluciones a ecuaciones algebraicas lineales simultáneas. esas técnicas son herramientas didácticas útiles para entender el comportamiento en general de sistemas lineales.

como se mencionó antes. Varga (1962) y Young (1971). Stewart (1973). En particular. Muchas técnicas avanzadas están disponibles para aumentar el ahorro en tiempo y/o espacio de ecuaciones algebraicas lineales. Sin embargo. usamos la tabla PT3. se dispone de técnicas para implementar métodos de eliminación sin tener que guardar todos los coeficientes de la matriz.com . Así. Además. PT3. Tewerson (1973) y Jacobs (1977) incluyen información sobre esta http://libreria-universitaria. o algunas veces lo hace de manera lenta sobre la solución verdadera. La desventaja del método de Gauss-Seidel es que no siempre converge. En resumen. ya que se pueden continuar las iteraciones hasta que se obtenga la precisión deseada. lo cual no tiene sentido. Además.6 MÉTODOS AVANZADOS Y REFERENCIAS ADICIONALES Se puede encontrar referencias generales acerca de la solución de ecuaciones lineales simultáneas enFaddeev y Faddeeva(1963). el efecto del error de redondeo es un punto de discusión con el método de Gauss. En consecuencia. se pueden desarrollar versiones del método de Gauss-Seidel para utilizar de manera eficiente los requerimientos de almacenaje en computadora para sistemas dispersos. La técnica aproximada descrita en este libro se conoce como método de GaussSeidel. se dispone de algoritmos para operar sobre matrices dispersas al convertirlas a un mínimo formato bandado. el uso de toda la matriz do coeficientes puede ser algo limitante cuando se trate con sistemas dispersos muy grandes.3 para resumir los algoritmos expuestos.m. diferentes factores soportarán su elección de una técnica para un problema en particular que involucra ecuaciones algebraicas lineales.blogspot. La mayoría de éstas se concentra en propiedades de exploración de ecuaciones como las simétricas y bandadas.Seidel. el método de Gauss-Seidel tiene gran utilidad para resolver problemas de ingeniería. La tabla proporciona una revisión que será de gran ayuda para repasar y aclarar las principales diferencias entre los métodos. los métodos de relajación de que se dispone algunas veces corrigen estas desventajas. Esto se debe a que grandes porciones de la memoria de la computadora podrían ser dedicadas a guardar ceros.5 RELACIONES IMPORTANTES Y FORMULAS Cada parte de este libro incluye una sección que resume fórmulas importantes. el tamaño y la densidad del sistema son factores particularmente importantes en la determinación de su elección. Es muy confiable sólo para aquellos sistemas que son diagonalmente dominantes. la técnica de Gauss-Seidel es útil para grandes sistemas de ecuaciones. como muchos conjuntos de ecuaciones algebraicas lineales se originan a partir de sistemas físicos y exhiben dominio de la diagonal. Ralston y Rabinowitz (1978) proporcionan un resumen general. Aunque la parte tres no trata en realidad sólo con fórmulas. Para sistemas bandados. Difiere de las técnicas exactas en que emplea un esquema iterativo para obtener progresivamente estimaciones más cercanas a la solución. PT3. Sin embargo. donde los requerimientos de almacenaje podrían llevar a problemas significativos para las técnicas exactas.é M É T O D O S AVANZADOS Y REFERENCIAS ADICIONALES 34» Aunque los métodos de eliminación tienen gran utilidad.

Problemas: Mal condicionamiento Redondeo División entre cero Soluciones: Alta precisión Pivoteo parcial Problemas: Mal condicionamiento Redondeo División entre cero Soluciones: Alta precisión Pivoteo parcial Problemas: Divergente o converge lentamente Soluciones: Relajación por diagonal dominante Sustitución Descomposición T Descomposición hacia atrás "ai 1 .a x ) / a c 2 2 23 3 22 3 3 x. como el procedimiento de guardar en la columna activa de Bathe y Wilson (1976). Un procedimiento común es resolver la ecuación en un sentido de "mínimos cuadrados" (Lawson y Hanson. no son iguales. y el número de incógnitas. Además de los conjuntos de ecuaciones n X «. 12 3 c 2 2 c Olí 0 1 2 0 1 3 I 1 c 1 c C] «22 °23 033 2 3 *3 = 3/°33 => x = |c . x . En tales casos puede ser que no tenga solución o que tenga más de una. y Luenberger. m. .com . Dantzig. Wilkinson y Reinsch. A los sistemas donde m < n se les conoce como bajodeterminados. n.G^xf ) / a 1 22 Continúa iterativamente hasta -1 X3 = ( C 3 . . hay otro tipo de sistema donde el número de ecuaciones. = (c. Sin embargo.° 3 1 * 1 -a 3 2 x 2 )/a J 3 3 1 100%<e y. Una vez que se encuentran en un formato mínimo bandado.350 EPÍLOGO: PARTE TRES área. 1963. a menudo es posible desarrollar una solución convenida que intente determinar soluciones que estén "lo más cerca" de satisfacer todas las ecuaciones de manera simultánea. 1974. existe una variedad de estrategias de solución eficientes que pueden emplearse. s http://libreria-universitaria.a xí ' -oi^'l/ai.a . I c{ a i a 2 c-23 I 2 °31 °32 °33 ' 3.! . paró todas las x. se puede usar métodos de programación lineal donde las ecuaciones son resueltas en un sentido "óptimo" al minimizar algunas funciones objetivo (Rabinowitz. En el capítulo 15 se describe con mayor detalle este procedimiento. Problemas potenciales Método Procedimiento y soluciones Eliminación de Gauss a. Los sistemas donde m > n son llamados sobredeterminados. Alternativamente. 1971). 2 -oi x )/a. '31 '32 . Para tales situaciones no hay solución exacta. TABLA PT3. a a. . 1968.blogspot. 1973).3 Resumen de información importante presentada en la parte tres.031 °12 LU °21 °22 13~ °23 a " 1 0 1 1 0 " 0 => u 0 u u u 0 ]2 u u u 1 3 '21 2 2 2 3 °32 °33.0 3 3 Sustitución hacia adelante Método de Gauss-Seidel x'. = ( q 7 -o X2 t 2 2 2 1 y! = ( c ..

En términos matemáticos. Si comprendemos ahora la relación entre raíces y óptimo podríamos sugerir una posible estrategia para determinar el último.com .blogspot. en el sentido de que ambas involucran valores iniciales y búsqueda de un punto sobre una función. En contraste.1. algunos métodos de optimización buscan encontrar un óptimo al resolver la raíz del problema: f'{x) — 0. De hecho. La localización de raíces involucra la búsqueda de raíces de una función o funciones. el punto es un mínimo.OPTIMIZACIÓN PT4. si f"(x) > 0.1 M é t o d o s s i n computadora e h i s t o r i a Como se mencionó antes. Todos los estudiantes de ciencia e ingeniería recuerdan el trabajo con problemas de máximos y mínimos cuando determinan las primeras deriva- FIGURA PT4./"^). debería observarse que la tarea de localizar el óptimo está reforzada por alguna estructura matemática extra que no es parte del hallazgo de una simple raíz. el cero) de la nueva función. Debería observarse que tales búsquedas con frecuencia son complicadas porque f'(x) no está disponible analíticamente. se puede diferenciar la función y localizar la raíz (es decir. PT4.1 MOTIVACIÓN La localización de raíces (parte dos) y la optimización están relacionadas. La diferencia fundamental entre los dos tipos de problemas se expone en la figura PT4. Máximo 0 x http://libreria-universitaria. la segunda derivada. Lo óptimo es el punto donde la curva es plana. Esta tiende a hacer de la optimización una tarea más fácil de seguir en particular para casos multidimensionales. a veces se debe usar aproximaciones por diferencia finita para estimar la derivada.1 Una función de una sola variable ilustra la diferencia entre raices y el óptimo. el punto es un máximo. Por tanto. esto corresponde al valor de x donde la derivada f'(x) es igual a cero. Además. Más allá de ver la optimización como un problema de raíces. indica si el óptimo es un mínimo o un máximo: si f"(x) < 0. la optimización involucra la búsqueda del mínimo o el máximo. los métodos de cálculo diferencial aún están en uso para determinar soluciones óptimas.1. Esto es.

puesto que se usan para prescribir un curso de acción o el mejor diseño. En contraste. en el contexto d ^ l modelado.1. es decir.^ forma efectiva. L c r > s ingenieros deben diseñar en forma continua dispositivos y productos que realicen t a r . introd u j e r o m l ° fundamentos del cálculo de variaciones. e e a .ñ o de proyectos de abastecimiento de agua. Además. A n * c i l ¡ ¡ s estadístico y modelado con un mínimo error.com . u óptima solución. Rut o á s corta de un vendedor que visita varias ciudades durante un viaje de venias. la optimización tiene que ver típicamente con la deterrrínínación del "mejor resultado". Así. los ingenieros siempre se hallará J i confrontado problemas de optimización que equilibren el comportamiento y las l i m i t a c = . inventó el método simplex para resolver problemas . D ¡ » ñ o de estructuras en la ingeniería civil con un mínimo costo. R e e J de tubería óptimas.i ° .0 1 Optimización y práctica de la ingeniería La m a ^ ' ™ de los modelos matemáticos con que hemos tratado hasta ahora han sido descriptivosEs decir.e ñ o r sistemas de tratamiento de aguas para cumplii con «sláiiclmos do uilklud ilnl nijiici ci bu|ii costohttp://libreria-universitaria. Este método abrió el camino a muchos investigadores hacia otros rrrT-étodos de optimización restringida.blogspot. ellos están restringidos por las limitaciones del m u n d o físico. Euler. Q ^ n t r p l de inventario. problemas de optimización donde las variables son conf i n a d a ^ en alguna forma. Dantzig. entre los más notables se encuentran Chames y sus cc^>laboradores. El primer avance de importancia en los procedimientos numéricos ocurrió con el d e s a r r c o l l o de las computadoras digitales después de la Segunda Guerra Mundial. E s t * " 9 ¡ de corte de materiales para un costo mínimo. se han derivado de simular el comportamiento de un dispositivo o s i s t e m a de la ingeniería.Algunos ejemplos comunes se listan en la tabla PT4. Bemoulli. D i s v . trabajaron en forma independiente ¡ ^ o b r e el problema general de distribución a bajo costo de artículos y productos. el cual trata con la minimización de funcionales. El método de los multiplicadores de Lagrange se desarrolló para optimizar p r o b l e r r n a s restringidos. los modelos matemáticos son con frecuencia llamados modelos prescri^ptivos. de un problema. Lagrange y otros.<3 programación lineal. para mitigar el daño por inundación m i e n t r a s se obtiene máxima potencia de generación. < m 2 a r m s e s D i s . El siguiente ejeme a s e n nes TABUBt PT4 . En 1947. Mi n imízar tiempos de espera y ociosos. D¡sv©ño de bombas y equipos de transferencia de calor para máxima eficiencia. Tro yectorias óptimas de vehículos espaciales. s e PT4. P í o neación del mantenimiento para minimizar costos. El planteamiento de la optimización restringida también se desarrolló en f ^ o r m a rápida siguiendo la disponibilidad tan amplia de las computadoras.354 OPTIMI I Z A C I Ó N das de l a s funciones en sus cursos de cálculo. como en presas. Koopmans en el R . deben mantener costos bajos.1 -2 . e a .1 • • • • • • • • • • • • • • • • Algunos ejemplos comunes de optimización en la ingeniería. Pie* neación óptima y calendarizada. Mca ¡ ' 1° potencia de salida de redes eléctricas y maquinaria mientras se minimiza el caloi generado. Pre^decír el comportamiento estructural al minimizar la energía potencial. e s ¡ l estudiante de Koopman. Al hacer esto.e i n o Unido y Kantorovich en la ex Unión Soviética. G\s~&ño de un avión para un mínimo peso y máxima resistencia. Así.

y en el cual nos interesaremos en predecir la velocidad de impacto en el suelo. Los abastecimientos se dejarán caer a baja altitud (500 m). Usted puede haber notado que ninguno de estos ejemplos se concentró en lo que pasa después de que se abre el paracaídas.PT4.1 MOTIVACIÓN 3 5 5 pío ha sido desarrollado para ayudarlo a obtener una visión de la forma on la que tule» problemas se podrían formular.2) Usted sabe que la fuerza de arrastre en el paracaídas. A través de este libro. 2 F I G U R A PT4. EJEMPLO PT4.com . El paracaídas que se usa para la caída se ilustra en la figura PT4. Usted es un ingeniero que trabaja para una compañía aérea que lleva abastecimientos a los refugiados en una zona de guerra. de tal forma que la caída no sea detectada y que los abastecimientos caigan tan cerca como sea posible del campo de refugiados. Para reducir el daño. En este ejemplo examinaremos un caso donde el paracaídas se abre. Los paracaídas abren en forma inmediata casi al salir del aeroplano.2 Un paracaídas abierto. la velocidad vertical de impacto debe ser menor que un valor crítico de v = 20 m/s.1 Optimización del costo de un paracaídas ] ! ] i í i Enunciado del problema.2.3) donde c = coeficiente de arrastre (kg/s) y k = constante de proporcionalidad parametrizando el efecto del área sobre el arrastre [kg/(s • m )]. http://libreria-universitaria.blogspot. hemos usado la caída de un paracaidista para ilustrar las áreas básicas de un problema de métodos numéricos. c ! A = 2nr 2 (PT4. El área transversal del paracaídas es el de una semiesfera.1) La longitud de cada una de las 16 cuerdas que sostienen al paracaídas con la masa está relacionada con el radio del paracaídas por í = V2r (PT4. es una función lineal de su área de sección transversal descrita por la siguiente fórmula ! c = kA c c (PT4.

c y c = coeficientes de costo. El término constante. Es decir. — n t donde m = masa de cada paquete individual (kg). Por último. se calculan con las ecuaciones (PT4. Para este problema existen dos | restricciones.--«•/«>/) (1-10) L ) = | I | . El objetivo aquí es determinar la cantidad y tamaño de paracaídas que minimicen el costo del planeador.2). ya que los paquetes deben tener una velocidad de impacto menor al valor crítico. ¡ n>\ (PT4.. es un problema restringido no lineal. es posible dividir la carga total en tantos paquetes como quiera. j Después.1) y (PT4.com ¿cómo se determina la velocidad de impacto vi Recuerde del capítulo 1 que la | velocidad de un objeto en caída se puede calcular con _. M — carga total que habrá de arrojarse (kg) y n = número total de paquetes. el número de paquetes debe ser un entero y mayor o igual a 1. En este punto. usted debe especificar las restricciones. c . Así.5) ¡ donde C = costo ($) y A y (. El costo se puede calcular al multiplicar el valor de un paracaídas individual [ecuación (PT4.4)] por el número de paracaídas («). y que cumplan al mismo tiempo el requerimiento de tener una velocidad | de impacto suficientemente pequeña.blogspot.4) 0 donde c . ! I | | | | | Solución.356 OPTIMIZACIÓN También. Aunque el problema se ha formulado en forma amplia. La relación no lineal se debe a que la manufactura de los paracaídas de ¡ gran tamaño es más complicada que la de los paracaídas pequeños. Costo por paracaídas = c + c l + c A 0 x 2 0 x 2 2 (PT4. el costo de cada paracaídas está relacionado con el tamaño en una forma no lineal. la velocidad de impacto debe ser igual o menor que la velocidad crítica. se escribe como Minimizar C = n(c + c i + c A ) 2 Q x 2 (PT4. la cual es llamada formalmente función objetivo. El problema está restringido. i Primera. la masa de cada paquete individual se puede calcular como m = M. respectij vamente. la función que usted quiere minimizar. el problema de optimización se ha formulado. algo más se debe tener en | cuenta: http://libreria-universitaria. Como puede verse. \ \ v <v c (PT4. es el valor base para los paracaídas.7) IAA donde n es un entero.6) Segunda. j Determine el tamaño (r) y el número de paracaídas («) que puedan obtenerse a un | mínimo costo.

Aunque la ecuación (1.3. m = masa (kg) y t = tiempo (s).10) por integración Jo c Esta integral se puede evaluar para obtener gm t (PT4. Por tanto. Esta función. se necesita conocer en cuánto tiempo cae la masa. se debe resolver para el tiempo al cual z se acerca a cero.10) con el fin de resolver para la velocidad de impacto.1 MOTIVACIÓN 2 donde v = velocidad (m/s). como muestra la gráfica de la figura PT4.PT4. se reconoce que se ha formulado la ecuación (PT4. no se necesita z como una función de t para resolver este problema. Esto es. http://libreria-universitaria.10) Una vez que se calcula el tiempo de impacto. 0 0 z 1 (PT4. se puede sustituir en la ecuación (1.8) -{c/m)t donde z = altura inicial (m).blogspot. La distancia de caída se puede calcular de la velocidad en la ecuación (1. Así. 0 provee una forma c de predecir z conociendo t.— t c 0 gm- (1 -(c/m)t (PT4.9) como un problema de determinación de raíces. es necesaria una relación entre la distancia de calda z y el tiempo de caída t.9) 0 = z . g = aceleración de la gravedad (m/s ).10) provee una relación entre v y r. Sin embargo. En lugar de esto. se debe calcular el tiempo requerido por el paquete para recorrer en caída la distancia z .com .

18) (PT4. estas variables son r (real) y n (entero). reconozca que se tiene uno de los elementos fundamentales de los otros problemas de optimización.18)]. El problema incluirá restricciones que reflejan las limitaciones bajo las cuales se trabaja.358 OPTIMIZACIÓN La especificación final del problema podría ser Minimizar C = n(c + c. Estos son • • • El problema involucrará una función objetivo que contiene su meta.14) (PT4. Es decir. pueden estar basadas en modelos y dependencias complejas.19) l = 4lr c = kA c Mi m = — n t = raíz c Resolveremos este problema en el ejemplo 15. Esto significa que las relaciones funcionales que usted estará usando podrían de hecho representar cálculos grandes y complicados.12)]. que usted enfrentará en la práctica de la ingeniería. Por ejemplo.1 I) sujeta a v < v n > 1 donde A = 2nr 2 c (PT4.17) (PT4. En nuestro ejemplo. Estas pueden ser números reales o enteros. Así. Tendrá también un número de variables de diseño. en forma superficial. la ecuación (PT4. Plantearíamos un punto más antes de proceder. de hecho son la "punta del iceberg". Por ahora. pueden ser en extremo valiosas las técnicas que pueden encontrar lu solución http://libreria-universitaria.12) (PT4. mientras se minimizan las funciones de evaluación.€ + 0 cA) 2 2 (PT4.4 al final del capítulo 15.blogspot. parecer simples ecuaciones [por ejemplo.com óptima. pueden involucrar otros métodos numéricos [ecuación (PT4.16) (PT4. . en nuestro caso. Aunque la función objetivo y restricciones pueden.15) (PT4.13) (PT4.

y a¡ y b¡ son constantes.m ¿= 1 . Como su nombre implica. se analizarán los importantes conceptos del gradiente de Hessians al inicio del capítulo 14 sobre la optimización de multivariables no restringidas.PT4. http://libreria-universitaria. para obtener una solución. Los problemas multidimensionales involucran funciones que dependen de dos o más variables dependientes. Como creemos que para usted éstos serán más relevantes en contexto. m i n i m i z a / ^ ) y maximiza Esta equivalencia se ilustra en forma gráfica por una función unidimensional en la figura PT.Sip>n. de otra forma. Como en la figura PT4. Generalmente. los primeros involucran funciones que dependen de una sola variable. tenemos programación lineal. cuando las ecuaciones (PT4. el cual minimiza o maximiza/(x) sujeto a d¡{x)<a¡ e¡(x) = bi / = l.4a. los grados de libertad están dados por n-p. se dice que el problema es sobrerrestringido. tenemos programación cuadrática.. se dejará el análisis de los prerrequisitos matemáticos hasta que se ocupen. Finalmente. Esto es muy común al dividir los problemas en unidimensionales y multidimensionales. Los problemas de optimización se pueden clasificar con base en la forma de f(x): • • • Si f(x) y las restricciones son lineales. Por ejemplo. Un problema de programación matemática u optimización..2 BASES MATEMÁTICAS PT4.2 BASES MATEMÁTICAS Existen infinidad de conceptos matemáticos y operaciones que son la base de lu optimización. Si f(x) es cuadrática y las restricciones son lineales.4«.46).21) se incluyen. ya que el mismo valor. en lugar de esto se examina ln topografía para alcanzar la meta en forma eficiente.. se puede establecer en forma general como Determine x. nos limitaremos a un tópico más general de cómo se clasifican los problemas de optimización. es un problema de optimización no restringido. la optimización bidimensional se puede de nuevo visualizar como una búsqueda de picos y valles (véase PT4. Sin embargo. justo como en una caminata. 2 (PT4. tenemos programación no lineal. 2 . x*.20) 1 ) donde x es un vector de diseño con n dimensiones. el proceso de encontrar un máximo versus encontrar un mínimo es en esencia idéntico. d¡(x) son las restricciones de desigualdad.blogspot.20) y (PT4. Mientras tanto.. Si f(x) es no lineal o cuadrática y/o las restricciones son no lineales. Otra forma en la cual se clasifican los problemas de optimización es mediante dimensionalidad. Además.2. no estamos restringidos a caminar en una sola dirección. ( P T 4 . ' Observe que para problemas restringidos.com . la búsqueda entonces consiste en ascender o descender los picos y valles unidimensionales. f(x) es la función objetivo./? debe ser <n. —f(x). e¡(x) son las restricciones de igualdad. En el mismo sentido. tenemos un problema de optimización restringida.

PT4.comEl capítulo 14 cubre dos tipos generales para resolver problemas de optimización ' .• ' .5 es una representación esquemática de la organización de la parte cuatro.> .— ' . Lo siguiente. Se cubren tres métodos: búsqueda sección-dorada. PT4. b) Optimización bidimensional.1 Alcance y anticipación La figura PT4. . Se presentan métodos para determinar el mínimo o máximo de una función de una sola variable. interpolación cuadrática y el método de Newton.3. Después de la introducción. http://libreria-universitaria. Estos métodos tienen también relevancia en la optimización multidimensional.blogspot. comenzando arriba y después en sentido de las manecillas del reloj. tiene la intención de proveer una revisión del material visto en la parte cuatro.3 ORIENTACIÓN Alguna orientación es útil antes de proceder con los métodos numéricos de optimización.i — — A i v a t i t n * t a l a * p n m o húsauadcii J (¡lucítotliw. Esta figura también ilustra cómo la minimización de f(x¡ es equivalente a la maximización de -f[x). se han incluido algunos objetivos para ayudar a enfocar los esfuerzos cuando se estudie el material. ya sea una maximización (los contornos aumentan con la elevación hasta un máximo como en una montaña) o una minimización (los contornos disminuyen a un mínimo como un valle).360 OPTIMIZACIÓN a) b) FIGURA PT4. el capítulo 13 se dedica a la optimización unidimensional no restringida.4 a) Optimización unidimensional. Además. Examine esta figura con cuidado. Observe que esta figura puede tomarse para representar.

haber aprendido a evaluar su confiabilidad y detectar métodos alternativos de análisis para un problema particular. el método de Marquardt y los métodos cuasi-Newton. Usted puede usar esta parte del libro para familiarizarse con todas estas capacidades. El análisis detallado de optimización restringida no lineal está fuera del alcance de este libro.3. Además. Objetivos computacionales. Además. de estas metas generales. los métodos gradiente usan algunas veces la primera y otras la segunda derivada para encontrar el óptimo. Mathcad e IMSL. El capítulo 16 extiende los conceptos anteriores a problemas actuales de la ingeniería. el método de Newton. La programación lineal se describe con detalle usando ambos: la representación gráfica y el método simplex. Se utilizan aplicaciones de la ingeniería para ilustrar cómo se formulan los problemas de optimización y en qué forma se provee una visualización en la aplicación de las técnicas de solución en la práctica profesional. El capítulo 15 se dedica a la optimización restringida. En general. Usted debería ser capaz de escribir un subprograma que implemente una búsqueda simple unidimensional (como la búsqueda dorada o la interpolación cuadrática) y multidimensional (como el método de búsqueda aleatorio). El método de paso ascendente/descendente es entonces cubierto con algún detalle.2 para un aprendizaje comprensivo del material de la parte cuatro. se pueden obtener con las librerías y paquetes de software como Excel. Por otro lado.3 ORIENTACIÓN 361 búsquedas invariables y búsquedas de patrones. deberían ser asimilados los conceptos específicos dados en la tabla PT4. no requieren la evaluación de las derivadas de la función.PT4. se ilustra cómo tales problemas. PT4. los cuales son representaciones multidimensionales de la primera y segunda derivadas. usted tendrá suficiente información para plantear con éxito una amplia variedad de problemas de la ingeniería relacionados con la optimización.com . pero se dará un repaso a los principales enfoques.2 M e t a s y objetivos Objetivos de estudio. A esto le siguen descripciones de algunos métodos avanzados: gradiente conjugado.blogspot.14 y 15. http://libreria-universitaria. junto con los estudiados en los capítulos 13 y 14. programas de librerías como el IMSL y los paquetes de software tales como Excel o Mathcad tienen una variedad de capacidades para la optimización. Este contiene un repaso de los métodos analizados en los capítulos 13. usted debería dominar las técnicas. Después de haber analizado la parte cuatro. El capítulo introduce el gradiente y el Hessian. Se incluye un epílogo al final de la parte cuatro. Esta sección también provee referencias de algunos métodos numéricos que van más allá del alcance de este texto. Además. Este repaso incluye una descripción de los elementos de juicio relacionados con el uso apropiado de cada técnica.

http://libreria-universitaria.3Ó2 OPTIMIZACIÓN 15.5 Esquema de la organización del material en la parte cuatro: Optimización.com .2 Restricciones no lineales FIGURA PT4.blogspot.

2.blogspot. 1 2. Poder definir la relación dorada y comprender cómo realiza una eficiente optimización unidimensional. reconozca los elementos de juicio entre estos enfoques.2 1. ambas en forma analítica y numérica. usando el método de paso ascendente/ descendente. 4. Comprender por qué y dónde ocurre la optimización al resolver problemas de ingeniería. Ser capaz de reconocer y acondicionar un problema de programación lineal para representar aplicaciones de los problemas en ingeniería. Comprender las ideas detrás de los patrones de búsqueda. lis TABLA PT4. 8. y entre problemas restringidos y no restringidos. Comprender los cuatro posibles resultados de un problema de programación lineal. interpolación cuadrática y el método de Newton. Ser capaz de escribir un programa y resolverlo para el óptimo y la función multivariable usando búsqueda aleatoria. direcciones conjugadas y el método de Powell. de Newton. Ser capaz de distinguir entre la optimización lineal y no lineal. Localizar el óptimo de una función con una sola variable con la búsqueda de la sección dorada. con particular atención en los valores iniciales y en la convergencia. En particular. Calcular a mano el óptimo de una función con dos variables. comprender los elementos de juicio de los enfoques y reconocer cómo cada uno mejora sobre el paso ascendente/descendente. 9. Poder definir y evaluar el gradiente y Hessian de una función multivariable. Comprender los elementos principales del problema de optimización en general: función ob|elivo. También. 3. ó. 5. Poder resolver un problema de programación lineal bidimensional con ambos métodos: el gráfico y el simplex. 1 3. http://libreria-universitaria. 10.PT4. variables de decisión y restricciones. 7. Ser capaz de acondicionar y resolver problemas de optimización restringidos no lineales mediante un paquete de software. Comprender las ideas básicas detrás de los métodos del gradiente conjugado.3 ORIENTACIÓN Objetivos de estudio específicos para la parte cuatro. 11. 14.com . de Marquardt y de cuasi-Newton.

com Mínimo \ global — i Mínimo .1. que la localización de una raíz fue complicada por el hecho de que varias raíces ocurren para una sola función. o siempre regresa al mismo punto. Así. y después seleccionar el más grande de éstos como global. mientras que los dos de la izquierda son globales. De manera similar. quizá no hay una forma práctica de asegurar que se ha localizado un óptimo global. Los dos puntos a la derecha son los óptimos locales. determinar la óptima con base en los valores iniciales. cambiar el punto de inicio asociado con un óptimo local y ver si la rutina regresa a un mejor punto. Una imagen útil en este sentido es la unidimensional "montaña rusa". ambos./(x). debemos cuidar de no equivocarnos con un óptimo local en vez de un óptimo global. Primero. Segundo. como la función ilustrada en la figura 13. pueden ocurrir en optimización. estaremos interesados en encontrar el valor absoluto máximo o mínimo de una función. Distinguir un extremo global de un extremo local puede ser un problema difícil para el caso general. el hecho es que en algunos problemas (usualmente los más grandes). Por último. el óptimo local y el óptimo global. que varían muy ampliamente y quizá sean generados en forma aleatoria. la visualización en el comportamiento de funciones de bajas dimensiones puede algunas veces obtenerse en forma gráfica. Aunque todos estos planteamientos tienen su utilidad. A Máximo ^R ^l global / \ Máximo O*^" local X http://libreria-universitaria.blogspot. En casi todos los ejemplos. Tales casos son llamados multimodal. Recuerde de la parte dos. Existen tres formas usuales de enfocar este problema.CAPÍTULO 13 Optimización unidimensional no restringida Esta sección describirá las técnicas para encontrar el mínimo o máximo de una función de una sola variable. aunque se V FIGURA 13. Sin embargo.1 Una función que asintóticamente se aproxima a cero en más y menos °° y tiene dos puntos máximos y dos puntos mínimos en la vecindad del origen.

definen los límites inferior y superior de ese intervalo. se liene la fortuna de que hay numerosos problemas en la ingeniería donde se puede localizar el global óptimo en una forma no ambigua. se toma un cuarto punto. Este es seguido por un procedimiento de intervalo algo más sofisticado (la interpolación cuadrática). Sin embargo.blogspot. la búsqueda de sección dorada. La optimización de una sola variable tiene como meta encontrar el valor de x que generará un extremo.) y un valor inicial superior (xj. donde x¡ y x . Ahora se puede desarrollar un procedimiento similar para localizar el óptimo de una función unidimensional. Por simplicidad.1 B U W S U E P A D E LA S E C C I Ó N DORAL7A ilcberhi ser siempre sensible ul lema. la meta fue la de encontrar la variable x que diera cero en la función f(x). Es similar en esencia al enfoque de la bisección para localizar raíces (capítulo 5). La búsqueda de la sección dorada es una técnica simple. se describirán las pequeñas modificaciones necesarias para simular un mínimo. que tuvieran un valor de la función con el mismo signo que f(x ). Cuando se analice el algoritmo de cómputo. se necesitarían tres valores función para detectar si ocurre un máximo. se puede comenzar por definir un intervalo que contenga una sola respuesta. La raíz se estima entonces como el punto medio de este intervalo. ya sea un máximo o un mínimo de f(x). Después. El método final descrito en este capítulo es un método abierto que se basa en la idea del cálculo de que se puede encontrar el mínimo o máximo al resolver f(x) = 0. el intervalo debería contener un solo máximo. En seguida se mostrará una versión de este planteamiento (el método de Newton). es un ejemplo de un método de intervalo que depende de los valores iniciales y que contiene un solo óptimo. Recuerde que la bisección depende del intervalo definido. 13. En vez de usar solamente dos valores función (los cuales son suficientes para detectar un cambio de signo. y por esto es llamado unimodal. de búsqueda de una sola variable de propósito general. xi + x u El paso final en una iteración por bisección involucró determinar el intervalo más pequeño. La presencia de una raíz entre estas fronteras se verifica al determinar que f(x¡) Y /(*«) tienen signos diferentes. Es decir. que ajusta a una sola raíz. reemplazará a una de las fronteras anteriores. lu pruebn u r r u http://libreria-universitaria. Podemos adoptar la misma nomenclatura que para la bisección. se necesita una nueva estrategia para encontrar un máximo dentro del intervalo. en contraste con bisección. Esto se hizo al reemplazar cualquiera de las fronteras x¡ o x . Entonces. Un efecto útil de este procedimiento fue que el nuevo valor x . Como se describirá en la próxima sección. nos concentraremos sobre el problema de encontrar un máximo.1 B Ú S Q U E D A DE LA SECCIÓN D O R A D A Al resolver para la raíz de sólo una ecuación no lineal. la optimización en una dimensión se puede dividir en métodos que usan intervalos y métodos abiertos. Como con el método de la bisección. Así.com . se ha escogido un punto adicional dentro del intervalo. especificado por un valor inicial inferior (x.13. Esto reduce el problema de optimización para encontrar la raíz d e / \ x ) mediante las técnicas de esa clase descritas en la parte dos. y por tanto un cero). Como en la localización de raíces.

> La primera condición especifica que la suma de las dos sublongitudes € y £ debe m igual a la longitud original del intervalo. Esta meta se puede alcanzar al especificar que las siguientes dos condiciones se cumplan (véase figura 13. se llega a 2 ÍI+Í2 2 (I-VI) (114) o R + R1 =0 (I.2): lo = li +h x 2 (13.1) se puede sustituir en la (13.OPTIMIZACIÓN UNIDIMENSIONAL N O RESTRINGIDA f[x)k Primera iteración FIGURA 13. La clave para hacer eficiente este procedimiento es la mejor elección de los punlim intermedios. Como en la bisección.1) (I3.. La segunda indica que el cociente o razón de I IIN longitudes debe ser igual..2 El paso inicial del algoritmo de búsqueda de la sección dorada involucra escoger dos puntos interiores de acuerdo con la razón dorada.com . La ecuación (13.2). la meta es minimizar las funciones evaluación ni remplazar los valores anteriores con los nuevos.U) la cual se puede resolver para la raíz positiva http://libreria-universitaria.blogspot. Si se toma el recíproco y R = € /€. para el máximo podría aplicarse para discernir si el máximo ocurre dentro de los prime ros tres o en los últimos tres puntos.

NIII I : 0. os decir. Ahora derivemos un algoritmo para implementar este procedimiento en la computadora. I'NUIN Místicamente agradables. I .comrrir: . 5 . Como se mencionó antes y se ilustra en la figura 13. a ciertos números se les otorga cualidades. I 'or ejemplo.1 L a razón dorada y los números de Fibonacci lili muchas culturas. Entre otras cosas. x¡ y x . Dos resultados pueden ocu- http://libreria-universitaria.x¡) = x„ - d La función HO evalúa en esto» dos puntos interiores. 1/1 = 1. 2 1 .a razón dorada se relaciona con importantes series maternal icns conocidas como los números de Fibonacci. d =—-—(x x\ = xi + d x 2 u . ¡Como mi|iunenios.625. L o s antiguos griegos llamaron al siguiente número ln "razón dorada": > A I'.1).1 BÚSQUEDA DE LA SECCIÓN DORADA 367 Cuadro 13. el método comienza con dos valores iniciales. 1 3 . I . E n el contexto del p í n t e n l e análisis. Ya que permite encontrar en forma eficiente el óptimo. u Después. . 8/13 = 0. 1/H = 0. Así. 8 . cada número después de los dos primeros representa la mima de l o s dos precedentes. . 3 4 .blogspot. .615. razón fue empleada para un gran número de propósitos. relaciona la razón de números consecutivos en la se- Himieia.13. el cual se conoce desde la antigüedad. muchos de los templiiN siguieron esta forma. en Occidente se suele decir "el 7 de la suerte" y "viernes 13". es el elemento clave del método de la sección dorada que hemos desarrollado conceptualmente. proporciones fueron consideradas por los griegos como Incluyendo el desarrollo del rectángulo como en la figura 13. y asi sucesivamente. 3 . 0/1 = 0.3. fue construido en el siglo v antes de Cristo. 1 . que contienen un extremo local de f(x).2/3 = 0.61803. la razón de números consecutivos se aproxima a la l»*on dorada! Este valor. una interesante propiedad de la secuencia de I'IIMIIIIICCÍ FIGURA 13.667. los cuales •on 0. 2 . Grecia. dos puntos interiores x { yx 2 se escogen de acuerdo con la razón dorada.3 El Partenón de Atenas. 1/2 = 0.4. Esta secuencia detonó en muchas rtii'iiN diversas de la ciencia y la ingeniería. Sus dimensiones frontales pueden casi ajusfar en forma exacta dentro de un rectángulo dorado.5. es llamado la razón dorada (vea el cuadro 13. 3/5 — ( l o .

Si. Ahora.!• \ x¿< d a) > v ' i •i .blogspot.v/) xi -I . a x podría ser eliminado. 1 . Si ha ocurrido q u e / ( x ) > f{x ). puesto que es el mismo valor de la función en el anterior x Para completar el algoritmo. ahora sólo se necesita determinar el nuevo x . entonces el dominio de x a I» izquierda de x J de x¡ a x . Para este caso. En este caso x pasa a ser el nuevo x para la siguiente iteración. v i= V ( . y .4.l i 1 iw • • . entonces el dominio de x a la derecha de x de x. t. f 2 2 2 2 2 x l5 u t u . x pasa a ser el nuevo x¡ para la siguiente vuelta. Por ejemplo. para el caso expuesto en la figura 13. v „ -. /(x ) > f(x ). el anterior X j pasa a ser el nuevo x . 2 2 v t http://libreria-universitaria. listo NC realiza con la misma proporcionalidad que antes. se puede eliminar. éste es el beneficio real del uso de la razón dorada.4. Debido a que los x.368 OPTIMIZACIÓN UNIDIMENSIONAL N O RESTRINGIDA f(x) Eliminar Extremo (máximo) f'f . Esto significa que ya se tiene el valor para el nuevo/(x ).v originales se han escogido mediante la razón dorada. como es el caso en la figura 13 .- x u W /4 Xf 2 Xg X] X Antiguo x Antiguo x¡ b) FIGURA 13. ya que no contiene el máximo. no se tiene que recalcular todos los valores de la función para la siguiente iteración.com 5 -1 . b) El segundo paso involucra definir un nuevo intervalo que incluya el óptimo. 2.4 o) El paso inicial del algoritmo de búsqueda de la sección dorada involucra escoger dos puntos interiores de acuerdo con la razón dorada.

618 o 0.994) =1. Así. 10 EJEMPLO 13.com .528) = 1. con los resultados tabulados en seguida: 2 ( 2 { u http://libreria-universitaria.528. x.528 2 La función se puede evaluar en los puntos interiores f(x ) 2 =/(1. la frontera inferior permanece x = 0.2. i ül proceso se puede repetir. x y x . el intervalo que contiene el extremo se reduce rápidamente.528 x = 4 .008 o 0. pero éste es un problema más difícil.0) = 2. 2 2 x t u 2 2 d = 2 1 (2.blogspot.528) = 1. Además.472 .2 sen (1.944 La evaluación de la función en x es/(0.531. V5- Primero.0066%.8% de su longitud inicial. Como las iteraciones se repiten.13. en cada vuelta el intervalo se reduce por un factor de la razón dorada (aproximadamente el 61.528 = 0. el máximo está en el intervalo prescrito por x . no se tiene que recalcular/(x. se usa la razón dorada para crear los dos puntos anteriores 1 ( 4 . el máximo en el intervalo está definido por x¡.63 Debido a que f(x ) >/(*i). ) = /(2.765.1 Búsqueda de la sección dorada Enunciado del problema . para el nuevo intervalo. = 1.472) = 0. y x. Además. x = 2.472. el primer valor x pasa a ser el nuevo x¡.528) = ^ . Todo lo que falta es calcular la nueva razón dorada y x . Como este valor es menor que el valor de la función en x .1.472 xx = 0 + 2. esto es. De hecho. Después de 20 vueltas.765 / ( * .472 x = 4 . esto es.472 = 2. u Solución. Esta reducción no es tan buena como la que se alcanza con bisección.1 BÚSQUEDA DG LA SECCIÓN DORADA 36* Un procedimiento similar podría usarse para el caso alterno donde el óptimo está en la izquierda del subintervalo. Esto significa que después de 10 vueltas. x f(x) — 2 sen* — 10 1 Use la búsqueda de la sección para encontrar el máximo de dentro del intervalo x¡ = 0 y x — 4.8%). x y x . pasa a ser la frontera superior.0) = 1. el intervalo se acorta a cerca de 0. iteración previa como/(l.) ya que se determinó en la . se acerca al 0.472 = 1.

5310 1. este caso podría representar el error máximo.5432 1.1.8885 1.7136 1. el óptimo estará en uno de los dos intervalos.x 0 2 = x\ + R{x = {IR u u .7136 1. x x ).7647 1. x.7647 1.).4427 1. Después de ocho iteraciones.7755.6656 1.7595 1.7595 1.370 OPTIMIZACIÓN UNIDIMENSIONAL N O RESTRINGIDA / 1 2 3 4 5 6 7 8 0 0 0.5279 -3.com .x„ + R(x u u . Una vez que se completa una iteración.x¡) .1378 0. si el valor verdadero estuviera en el extremo izquierdo.2.7742 1.7647 1./ 0 Xu ~ XI 100% Esta estimación proporciona una base para terminar las iteraciones.x „ ) +2R(x -xi) !)(*„-*.4/71 1.5279 1. estará en el intervalo inferior (x¡. cualquier caso se puede usar para definir el error. el resultado es convergente sobre el valor verdadero de 1.9443 1.9443 0.5279 1.7595 1.0000 2.6300 0.5279 1. Recuerde que por bisección (véase sección 5.2229 0.3050 1.4721 1.4752 1. la máxima distancia de la estimada podría ser 2 2 2 v u A.4427 1. el máximo ocurre en x = 1.8885 .9443 0. Debido a que los puntos interiores son simétricos.236 (x — x¡) Si el valor verdadero estuviera en el extremo derecho.7755 1.5836 0.7647 1. Tal resultado puede entonces ser normalizado al valor óptimo para esa iteración.7647 1. un límite superior para la búsqueda de la sección dorada se puede derivar como sigue.x¡ . x .7757 e n x = 1.8885 1.5432 1.7732 Observe que el máximo actual está resaltado para cada iteración.3050 1.v = xi .3901 '(*/) 0 0 1.3050 1. Si x.x¡) = (1-/?)(*«-*/) o 0.52/9 0. . Así.7647 4. se puede calcular un límite superior exacto en cada iteración. es el valor de la función en el punto óptimo.4427 1.9443 1.7755 1.4427 con un valor función de 1. Si x es el valor de la función óptima. .7647 1.4721' 1.x¡) = (x.360/ 0.x\ = x„ .5310 1.7647 2.1).) o 0.5279 0.5279 1.0851 '1. x para dar u o p t Sa = 0 .blogspot. Observando en el intervalo superior. estará en el intervalo superior (x .5279 1.5432 1.7742 x 2 í(x ) 2 d 2. la máxima distancia de la estimada podría ser Axft = x¡.7755 1.4276.6300 1.3050 1.6656 1.6300 1.5310 1.R(x u .3901 1.4721 2. Usando un razonamiento similar.52790.7595 1.382 (x — x¡). Por tanto.1136 0. http://libreria-universitaria.

13.xhigh.1 BÚSQUEDA DE LA SECCIÓN DORADA PIOURA 13.-R)*A8S((xu .com . x2 = xu — d fí = f(x1) f2 = f(x2) IF fí > fZ THEN xopt xí fx=fí ELSE xopt = x2 fx= f2 END ¡F DO d = K*d IFfí>f2 THEN xt = x2 x2= x1 x1 xt+d f2= fí fí = f(x1) EL5E xu — xí 1 IF fí < f2 THEN IFfí<f2 THEN xí = x2 x2 = xu—d fí = f2 f2 = f(x2) END IF ¡ter = iter+1 IFfí > f2 THEN xopt = xí fx=fí EL5E xopt .5 FUNCTION Gold (xíow.maxit.xt)/xopt) END IF IF ea < es OK ¡ter > maxit EXlT END DO Gold — xopt END Gold «) Maximización IFfí < f2 THEN * 100.fx) xt — xlow. THEN ea = (1.blogspot.es. xu = xhigh ¡ter = 1 d = R*(xuxt) xí = xt + d. b) Minlmlzaolón http://libreria-universitaria.x2 fx=f2 END IF IFxopt*0.

Sin embargo. Usted debería entender que una función puedeser muy compleja y consumir mucho tiempo en su evaluación. Para tales casos.com . Por razones pedagógicas.5a. Éstos son 1. Existe casos donde el algoritmo de búsqueda de la sección dorada puede ser una parte de muchos más cálculos. manteniendo las evaluaciones de la función a un mínimo podría dar grandes dividendos para esos casos. Por ejemplo. se presenta el pseudocódigo del algoritmo de búsqueda de la sección dorada. se usan funciones sim pies en la mayoría de nuestros ejemplos.6). 2. la velocidad ahorrada podría ser insignificante. En la figura 13.blogspot.2 INTERPOLACIÓN CUADRÁTICA La interpolación cuadrática tiene la ventaja del hecho que un polinomio de segundo orden con frecuencia proporciona una buena aproximación a la forma de f(x) cercana a un óptimo (véase figura 13.5b se listan las pequeñas modificaciones para convertir el algoritmo a minimización. 13. en una parte posterior de este libro. Por tanto. ésta podría llamarse muchas veces. Tiempo consumido en la evaluación. Por supuesto. En ambas versiones el valor x para el óptimo se regresa como el valor función (dorado). Además. Usted se preguntará por qué hemos hecho énfasis en la reducción de las funciones evaluación de la búsqueda de la sección dorada. hay dos importantes contextos donde minimizar el número de evaluaciones de la función puede ser importante. el valor def(x) en el óptimo se regresa como la variable f(x). En tales casos. la "función" involucró tiempo consumido en la integración del modelo. F I G U R A 13. Cualquier método que minimiza tales evaluaciones podría ser ventaj oso. para resolver una sola optimización. http://libreria-universitaria.6 Ilustración gráfica de la interpolación cuadrática. se describirá cómo se puede usar la optimización para estimar los parámetros de un modelo que consiste de un sistema de ecuaciones difercí íciales. Muchas evaluaciones.372 OPTIMIZACIÓN UNIDIMENSIONAL N O RESTRINGIDA En la figura 13.

De esta forma.v = 4 f{x ) = . = 1.4 ) + 1. para la próxima iteración. 1 1 3 6 y sustituyendo en la ecuación (13. Ya que el valor de la función para el nuevo punto es mayor que para el punto intermedio (x.com . 0 jc = 1 0 / ( x ) = 1. si se tiene tres puntos que juntos contienen un óptimo.7691 /U ) =-3.5829 .1) ~ la cual tiene un valor de la función d e / ( 1 .5829) ( 4 . 0 x 2 Solución.769 1.4 ) +2(1. y x es el valor de x que corresponde al máximo valor del ajuste cuadrático a los valores iniciales.5829 (4 .0 ) + 2(-3. ¡ j | | ! | | I * i j | \ I con valores iniciales de x = 0.O ) + (-3.3 .2 Interpolación cuadrática ] i Enunciado del problema. el valor de inicio inferior (x ) se descarta. de f(x) = 2 sen x x — 2 Use la interpolación cuadrática para aproximar el máximo j i i j | .l ) 2 2 2 2 2 2 = } 5 Q 5 5 ~ 2(0) (1 . x = 1 y x — 4. se puede emplear una estrategia similar a la de la búsqueda de la sección dorada para determinar cuál punto se descartará. se puede ajustar una parábola a los puntos.2 INTERPOLACIÓN CUADRÁTICA Así como existe sólo una línea recta para conectar dos puntos. 2 2 _ X i 0 ( l . .13.x{) 0 donde x .1136) (O . x = 0 0 x /(x ) = 0 0 x = 1 / ( x i ) = 1. ) = 1.x ) + 2f(x¡) (x .x ) + f(x ) 2 2 2 3 7 3 (x . Por tanto. Después.blogspot.5055 x = 4 2 / ( * .x ) 2 2 2 2 / ( x ) (xi .5829 0 x.1136) (0 . Después se puede diferenciar e igualar el resultado a cero.1136 2 la cual so sustituye en la ecuación (13.) y el nuevo valor de x está a la derecha del punto intermedio. y resolver para una estimación de la óptima x.7) se obtiene. Se puede demostrar que después de un manejo algebraico el resultado es /(¿o) ( x .x ) + 2f(x ) 0 2 2 0 Q x 2 3 (x . El valor de la función en los tres valores se puede evaluar.7) para obtener http://libreria-universitaria.xj) + f{x\) (x¡ .5055) = 1 . x y x son los valores que fijan el extremo. hay únicamente una cuadrática o parábola para conectar tres puntos.

5829 *i 1. 1. e j e i n P r e s s 13.7/.5055 .4903 1.374 OPTIMIZACIÓN UNIDIMENSIONAL N O RESTRINGIDA _ 1. Deberíamos mencionar que así como en el método de la falsa posición. cuidadosas estrategias de s e lección para los puntos que habrán de retenerse en cada iteración e intentos de minimi/.4903 1. (1992).4266 1.4 ) + 2(1.7691 1.4903) = 1.m la acumulación del error de redondeo.3 . es un método abierto que encuentra la raíz de x como una función tal que f(x) = 0.7714 1.4903 -3.0000 1.7714 1.1136 -3.4275 1.4903 1.4256 1. la interpcln ción cuadrática puede quedarse con sólo un extremo de intervalo convergiendo. El método se resume como x¡+\ = X¡ f(x¡) fU.5829 1. En particular.V') .7757 x 2 flx ) 2 * 3 4* ) 3 2 3 4 5 1 .0000 1.1136 1.77'.4276.5055) 2(1.7714.7691 1. Como prueba de lo anterior. con los resultados tabulados abajo: / 1 -«o 0. observe que en nuestro pío. Este método.'.7/M 1.505.5055' -4') = 1.5829 1.4903 + 1.7691 ( 4 ¿ (-3.7757 1.0000 1.3 M É T O D O DE N E W T O N Recuerde que el método de Newton-Raphson del capítulo 6.7691)(4 • la cual tiene un valor de la función de/(1.) http://libreria-universitaria.blogspot./ Así.5829 1.) Se puede usar un planteamiento similar abierto para encontrar un óptimo de / ( \ ) ul definir una nueva función.4266 1.5055 1.0000 1.0000 1. dentro de las cinco iteraciones.com . así como otros que usan polinomiales de tercer orden.5829)(1. Así.4256 0.7691 1.775/ 1. g(x) — f\x).0000 4.0000 1.5055 1.1136) ( I ' l) + 2 ( . se puede formu lar en algoritmos que contienen pruebas de convergencia.5829 (1. ln convergencia puede ser lenta.0000 1. como el mismo valor óptimo x* satisface ambos / ' ( x * ) = g(x*) = 0 se puede usar lo siguiente x.0000 fue un punto final para la mayoría de la iteraciones.¡ + 1 X: - ( M H .4256 1. el resultado es rápidamente convergente sobre i-l valor verdadero de 1. H 3 6 ) ( l I.7757 e n x = 1. El proceso se puede repetir. Así.5055 1. vea el método de Brent's en y cois.7714 1.7757 4.1./ 1.

) Solución.99508 1.blogspot.#-TW!B1WB«rüB NEWTON " 17B como una técnica pura encontrar el mínimo o máximo de f(x).427. 3 Método de Newton I Enunciado del problema.00020 0.0. Se deberiu observar c¡uo esta ecuación puede también derivarse al escribir una serie de Taylor de segundo orden para /'(x) e igualar la derivada de la serie a cero.995 .995 2 eos 0.5 .2 sen 0.57859 1.com . f(x) La primera y segunda derivadas de la función se puede evaluar como = 2 eos x — -2 senx las cuales se sustituyen en la ecuación (13.46901 1.46901 = a 9 9 5 Q 8 la cual tiene un valor de la función de 1. Por último.77385. es una buena idea verificar que la segunda derivada tenga usualmente el signo correcto para confirmar que la técnica converge sobre el resultado deseado.5.17954 -2.17952 http://libreria-universitaria.57859.77573 1. Además.5. = 0.2 . también comparte la desventaja de poder ser divergente.995 .39694 -1.8) para obtener _ 2 eos x¡ — x / 5 —2 senx. El método de Newton es abierto y similar al de Newton-Raphson porque no requiere de valores iniciales que contengan el óptimo.77385 1. La segunda iteración da x.57194 1.1/5 = 1. 5 / 5 .5 0. El proceso se repite.2 sen 2.00000 -1. con los resultados abajo tabulados: f(x) 2.— 1/5 Al sustituir el valor inicial se obtiene x 5 2 eos 2 . 5 .88985 -0.09058 -0.10229 0.T*.5 0.77573 -2.87761 -2.42764 1.995/5 .18965 -2.. f(x) = 2 senx Use el método de Newton para encontrar el máximo de 10 0 con un valor inicial de x = 2. EJEMPLO 1 3 .1/5 la cual tiene un valor de la función de 1.

x = 2. un método de Newton. dentro de las cuatro iteraciones. Esto concluye nuestro tratamiento de los métodos para encontrar el óptimo de funciones de una sola variable. Algunos ejemplos de ingeniería se presentan en el capítulo 16. c) Método de Newton (x = 2. se dispone de otros procedimientos que no involucran la evaluación de la derivada. pero ahora use interpolación de la función del problema 13. x. 13. Una restricción mayor con respecto al procedimiento es que puede divergir con base en la naturaleza de la función y la calidad del valor inicial.1 J5x 2 + \Ax 3 .2 Dada la función 0 l 2 13.25.75. Emplee los valo.V 4 /(. b) Interpolación cuadrática (x = 1. x„ = 1. diferenciación).com a) Grafique la función..x. = 1 .3. e = 1%).8: cuadrática.9 Emplee los siguientes métodos para encontrar el máximo res iniciales de x¡ = 0 y x = 2 y realice 3 iteraciones. pero ahora use el método de Newton. 13.2 x + 12* 4 http://libreria-universitaria.) Diferencie la función y después use un método de localizaf(x) = 6x + 1.3. Emplee un valor inicial de x = 2 y realice tres iteraciones. Las técnicas híbridas que usan procedimientos con intervalos lejos del óptimo y los métodos abiertos cercanos al óptimo intentan explotar los puntos fuertes de ambos procedimientos. usualmente se emplea sólo cuando se está cerca del óptimo.1 Dada la fórmula f(x) = x .x = 2 y x = 6. b) Verifique que con la ecuación (13. las técnicas descritas aquí son un importante elemento de algunos procedimientos para optimizar funciones multivariables. no es práctico en otros donde las derivadas no se pueden evaluar en forma conveniente.5 Repita el problema 13. = 2. 1%). 13. Así.8x + 12 2 a) Determine en forma analítica el máximo y el valor correspondiente de x para esta función (use por ejemplo.376 Asi. <. Emplee valores iniciales de x = 0. el resultado converge en forma rápida sobre el vulor verdadero.tiene un mínimo para algún valor de x en el rango — 2 < x < 1.5. 13.Y .7) se obtienen los mismos resultados con base en los valores iniciales x = 0.3 Encuentre el valor de x que maximiza f(x) en el problema Use métodos analíticos y gráficos para mostrar que la función 13. x = 4. 13.25.5x + 3x + x ción de raíces para determinar el máximo de f(x) y el valor correspondiente de x. Aunque el método de Newton trabaja bien en algunos casos. interpolación cuadrática y el método de Newton para localizar un óptimo valor en una dimensión. usando la búsqueda de la sección dorada. /.blogspot.4 Repita el problema 13. se puede desarrollar al usar aproximaciones por diferencia finita para las evaluaciones de la derivada.0.x = 2 y a) Búsqueda de la sección dorada (x¡ = — 2. iteraciones = 5). 0 s 2 3 a) Búsqueda de la sección dorada (x¡ = —2.v) = -l. e = 1 %).8 Considere la siguiente función: u s 0 2 4 u 0 2 8 .7 Emplee los siguientes métodos para determinar el máximo de 0 f(x) = 2. 13. Por ejemplo. en versión como la secante. Por otra parte. PROBLEMAS 13.2.6 Analice las ventajas y desventajas de la búsqueda de la sección dorada. Para estos casos.5x 6 .) Use métodos analíticos para probar que la función es cóncava para todos los valores de x. £ — i'oulioc 3 iteraciones. que se analizarán en el próximo capítulo. 13.

Itere hasta que el error relativo esté por debajo de un criterio de paro o exceda un número máximo de iteraciones.2 Determine el mínimo de la función del problema 13. el óptimo x y/(x). = 1%. Si no • Encuentre ambos. ) + f(x¡ . x = 2 5.5. i\s así. .f(x¡ .0). i) Método do Newton (x — — 1. Si no es así. • M . )_ = f{x¡ + Sx¡) .PROBLEMAS />) Interpolación cuadrática (. La subrutina I M H H I 'I tener las siguientes características: • Itere hasta que el error relativo esté por debajo de un criterio de paro o exceda un número máximo de iteraciones.l. y después con base en este reconocimiento implemente en forma adecuadu la búsqueda de la sección dorada.2 / ( x . Ii) Método de Newton. pero debe regresar un mensaje de error. I l. Use un valor Pruebe su programa con el mismo problema como en el ejemplo liitrhil de . I /( t ) I \ .13.blogspot. 0 s -I u Pruebe su programa con el mismo problema dado en el ejemplo 13. La subrutina deberá tener las siguientes características: • Utilice como base en dos valores iniciales y haga que el programa genere el tercer valor inicial a la mitad del intervalo. pero deberá regresar mostrando un mensaje de error.01).»•„ = — 1 e itere para £. 13.v.11 K oii los siguientes métodos: u) Método de Newton (x = — 1. Comente sobre la convergencia de sus resultados (x 0 - ().1. Use bisección con valores iniciales de x¡ = —2 y x 1 3 1 . e = 1 %).v.16 Desarrolle un subprograma mediante un programa o! len|n iniiiio para implementar el algoritmo de la búsqueda de la guaje macro para implementar el método de Newton. 1 0 ('onsiilere la siguiente función: 2 0 t • • Itere hasta que el error relativo esto por debajo de un criterio de paro o exceda un máximo número de ileíacionos. iteraciones — 5). e = 1%).13. Pruebe su programa con el mismo problema del ejemplo 13. la subrutina no debe implementar el algoritmo.. http://libreria-universitaria. 13. Regrese ambos al óptimo de x y f(x). = — 1. Minimice el número evaluaciones de función. Verifique si los valores iniciales ajustan a un máximo.Sx¡) 2¿x. la subrutina deberá implementar el algoritmo. • ^ ftxi + 8x¡) . 13.3. Minimice el número evaluaciones de función. el óptimo x y f(x). M I ' I )es!irrolle un subprograma usando un programa o lengua.15 Desarrolle un subprograma usando un programa o lenguaje macro para implementar el algoritmo de interpolación cuadrática. pero ahora haga un reconocimiento para determinar si el problema involucra minimización o maximización. x = 1.8XJ ) ^ N u t iu i 'i H ¡ t M |O H u i u e n c t ilmuli' S i — una fracción de perturbación ( = 0. Diseñe el subprograma de tal forma que esté deberá tener las siguientes características: diseñado para localizar un máximo.v Non Mee 10 iteraciones con interpolación cuadrática para ubicar i'l IIIIIIIIIU).14 Desarrolle un subprograma como el descrito en el problema 13. La subrutina dorada. 1 1 ('onsidere la siguiente función: /'(\) ^ 2 + 5x + 6x + 2x + 2x focalice el mínimo al encontrar la raíz de la derivada de esta liiiK'ión.v„ ~ 2. -= 0. 2 3 A I I. • Veri fique si los valores iniciales ajustan a un máximo. .2. Encuentre ambos. pero ahora usando aproximación por diferencias finitas para estimar las derivadas. Diseñe el subprograma de tal forma que esté expresamente diseñado para localizar un máximo.com .

Se ha optado por limitar este capítulo a los casos en dos dimensiones. 14. la imagen es ahora como la de montañas y valles (véase figura 14. Recuerde del capítulo 13 que nuestra imagen visual de una búsqueda unidimensional fue como una montaña rusa. Líneas de f constante http://libreria-universitaria. Se empezará el análisis con el procedí miento de fuerza bruta. Para problemas de gratulen dimensiones.com . no son posibles imágenes adecuadas. Las técnicas para la optimización multidimensional sin restricciones se pueden olí» sificar de varias formas. Aquellos que requieren las dei i vadas son llamados métodos gradientes o métodos de descenso (o ascenso). Los procedimientos que no requieren dicha evaluación se llaman métodos no gradientes o directos. se dividirán dependiendo de si se requiere la evaluación de la derivada. Para el caso en dos dimensiones. Para propósitos del presente análisis.1 La forma más tangible de visualizar búsquedas en dos dimensiones es en el contexto de ascender una montaña (maximización) o descender a un valle (minimización).CAPITULO 14 Optimización multidimensional sin restricciones I Este capítulo describe las técnicas para encontrar el mínimo o máximo de una función do varias variables. Se adoptar A este planteamiento debido a que las formas características esenciales de las búsqueda* multidimensionales son a menudo más comunicativas visualmente.blogspot. FIGURA 14.1 M É T O D O S DIRECTOS Estos métodos varían de procedimientos de fuerza bruta simple a técnicas más eleganlox que intentan explotar la naturaleza de la función.1). a) Mapa topográfico bidimensional (2-D) de la montaña que corresponde a la gráfica tridimensional (3-D| de la montaña en el inciso b).

5. Si se designa a tal número como r. y y = 1 a 3. el óptimo será eventualmente localizado. Como su nombre lo indica. y la fórmula es x = -2+(2( . Solución.2x .1) en el dominio acotado porx = —2 a 2.1 Búsqueda aleatoria Un simple ejemplo del procedimiento de fuerza bruta es llamado el método de la búsqueda aleatoria.l)r = 1 + 2r FIGURA 1 4 . Si un número suficiente de muestras se lleva a cabo.2 + 4r Esta se puede probar al sustituir 0 y 1 para obtener —2 y 2.x .1. respectivamente. EJEMPLO 14.blogspot. El dominio se describe en la figura 14.5. y) = y .14.5 ocurre e n x = — 1 y y = 1. + (x u - x¡)r u Para la presente aplicación. una fórmula para el presente ejemplo se puede desarrollar como y = yi + (y u y¡)r = 1 + (3 .com .2.2xy .2 ) ) r = .y 2 (E14.1 Método de la búsqueda aleatoria Enunciado del problema. 2 Ecuación (El 4 . máximo de 2 Use un generador de números aleatorio para localizar el f(x. Máximo http://libreria-universitaria. este método evalúa en forma repelida In función mediante la selección aleatoria de valores de la variable independiente. Observe que un solo máximo de 1.1) que muestra el máximo en x = . De forma similar para y.1 y y = 1 . la siguiente fórmula puede ser usada para generar valores de x aleatorios en un rango de x¡ a x : u x = x. x¡= — 2 y x = 2.1. Los generadores de números aleatorios en forma típica generan valores entre 0 y 1.1.

y los valores correspondientes de x y y en maxx y maxy. * rnd y .blogspot.f ( x .2. i t e r REAL : : x.2.iter + 1 CALL Random(rnd) x . y) .com j . y).maxf) THEN maxf = fn maxx . maxx.fn.y. Además.y . Éstos se sustituyen en la ecuación (E14.x . respectivamente.y**2 maxf = -999.. maxy.003075 -1.938087E-01 -1. y) I F (fn. i t e r .maxx.1). maxf END D O OUTPUT: 30 60 90 120 150 180 210 240 270 300 -9 -9 -9 -9 -9 -9 -9 -9 483753E-01 483753E-01 799424E-01 799424E-01 799424E-01 799424E-01 799424E-01 .e9 00 i . El máximo valor de entre estas pruebas aleatorias se guarda en la variable maxf. + 2.003075 1 1 1 1 1 1 1 1 1 1 525812 525812 510029 510029 510029 510029 510029 503096 498462 498462 1 1 1 1 1 1 1 1 1 1 241338 241338 248693 248693 248693 248693 248693 249875 249969 249969 Los resultados indican que la técnica rápidamente arriba al máximo verdadero.maxf. + 4.x maxy = y END I F END D O PRINT * .1. Este simple procedimiento de fuerza bruta trabaja aun en discontinuidades y luncio nes no diferenciables. Se toma un total de 300 muestras y los resultados se despliegan cada 30 iteraciones.rnd f ( x .GT.OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES '[ j ¡ • ¡ El siguiente código en Fortran 90 usa la subrutina RANDOM de un número aléalo rio hecha en un Fortran 90 visual y digital (Digital Visual Fortran 90) para generar pares (x.1 . * rnd f n . 10 D O J . 30 iter . siempre encuentra el óptimo global más que el local.*x**2 .1 .2 .1 . 1 http://libreria-universitaria.maxy. j . Program Jump IMPLICIT N0NE INTEGER : : i .f.*x*y .

mientras las otras variables se mantienen constantes. En consecuencia. Simulación de recocido. no requiere la evaluación de la derivada.3 ion gráfica de I'HIII (.14. el método de búsqueda univariable. asi como los resultados de las iteraciones previas para mejorar la velocidad de convergencia. si no es que todos. 1 MÉTODOS DIRECTOS principal deficiencia es que como crece el número de variables independientes. los siguientes métodos tienen una utilidad más general y casi siempre tienen la ventaja de tener una convergencia más eficiente. redes neuronales artificiales y algoritmos genéticos son unos pocos ejemplos. ya que no toma en cuenta el comportamiento de la función realzada. que se puede resolver mediante una variedad de métodos (entre ellos los descritos en el capítulo 13). 14.2 Univariabilidad y búsquedas patrón Es muy agradable tener un procedimiento eficiente de optimización que no requiera evaluar las derivadas.blogspot.unduce una y http://libreria-universitaria. búsqueda tabú. Éstas son procedimientos heurísticos que fueron desarrollados para manejar problemas no lineales y/o discontinuos que la optimización clásica usualmente no maneja bien. aunque la búsqueda aleatoria puede probar ser útil en un contexto de problemas específicos.com . el problema se reduce a una secuencia de búsquedas en una dimensión.1. ol esfuerzo de implementación requerido puede ser gravoso. Los procedimientos restantes descritos en este capítulo toman en cuenta el comportamiento de la función. El más ampliamente utilizado es el algoritmo genético. no es eficiente. Holland (1975). Además. iniciador del procedimiento del algoritmo genético. Dado que únicamente se cambia una variable. pero no es muy eficiente. con un número disponible de paquetes comerciales. La estrategia básica a resaltar del método de búsqueda univariable es que cambia una variable a la vez para mejorar la aproximación. antes descrito. i i I riOURA 14. En esta sección se describe un procedimiento. que es más eficiente y además no requiere la evaluación de la derivada. Se debe observar que se dispone de técnicas de búsqueda más sofisticadas. El método de búsqueda aleatoria. y Goldberg (1989) y Davis (1991) proporcionan buena revisión de la teoría y aplicación del método.

como se muestra en la figura 14. etcétera. se puede demostrar que sif(x. Esas trayectorias presentan una oportunidad para llegar directamente a lo largo de la cresta hacia el máximo. y se mueve a lo largo del eje x con la y constante hacia el máximo en el punto 2. Sin embargo. http://libreria-universitaria. 3-5 o 2-4. Tales trayectorias son llamadas direcciones patrón. las búsquedas secuenciales a lo largo de las direcciones conjugadas convergerán exactamente en un número finito de pasos. Se comienza en el punto 1.i figura 14.382 OPTIMIZACIÓN MULTIDIMENSIÓNAL SIN RESTRICCIONES Realicemos una búsqueda univariable por medio de una gráfica. 6. también observe que las líneas unen puntos alternos tales como 1-3. 5. entonces la línea formada por I y 2 podría dirigirse hacia el máximo. la búsqueda comienza a ser menos eficiente al moverse a lo largo de una angosta cresta hacia el máximo. Se puede ver que el punto 2 es un máximo al observar que la trayectoria a lo largo del eje x justo toca una línea del contorno en el punto.com . Aunque se está moviendo en forma gradual hacia el máximo. sin importar el punto de partida. el punto 4-6 va en la dirección general del máximo. Continúeeste proceso generando los puntos 4. Se implementará en forma gráfica una versión simplificada del método de Powell para encontrar el máximo de FIGURA 14. Tales líneas son llamadas direcciones conjugadas.3. los métodos basados en direcciones conjugadas son por lo común bastante eficientes y son en realidad convergentes en forma cuadrática cuando se aproximan al óptimo. pero con diferentes puntos de partida.4) de que si los puntos 1 y 2 se obtienen por búsquedas en una dimensión en l¡i misma dirección. En efecto. Este se basa en la observación (véase l. El más conocido de dichos algoritmos es el llamado método de Powell. Puesto que una función general no lineal a menudo puede estar razonablemente aproximada a una función cuadrática. Se dispone de algoritmos formales que capitalizan la idea de las direcciones patrón para encontrar los valores óptimos en forma eficiente. muévase a lo largo del eje y con la x constante hacia el punto 3.blogspot. y) es una función cuadrática.4 Direcciones conjugadas. Luego.

Se inicia la búsqueda en el punto 0 con las direcciones iniciales A. Así.5 Método de Powell. desde dos puntos diferentes.y)=c-(x-a) ~(y~b) 2 2 donde a. los métodos gradiente usan en forma explícita información de la derivada para generar algoritmos eficientes que localicen el óptimo. pero de nuevo buscando a lo largo de hy Ahora. pero los algoritmos formales van más allá del alcance de este texto. Se busca a lo largo de esta dirección hasta que se localice el máximo en el punto 3. es un método eficiente que converge en forma cuadrática sin requerir evaluación de la derivada. Luego. Powell ha demostrado que A (formado por los puntos 3 y 5) y h son direcciones conjugadas. Después se busca del punto 1 a lo largo de la dirección h para encontrar el punto 2. Antes de describir los procedimientos específicos. El método de Powell se puede refinar para hacerlo más eficiente.blogspot. Desde cero. Observe que h y h no son necesariamente direcciones conjugadas.com . Esta ecuación resulta en contornos circulares en el plano x. Luego la búsqueda va del punto 3 en la dirección h hasta que se localice el máximo en el punto 4. para una nueva búsqueda en la dirección h-¡ a través de los puntos 0 y 2. nos llevará directamente al máximo. se han localizado por búsqueda en la dirección ¿ .FIGURA 14.5. obsérvese que ambos puntos.2 MÉTODOS GRADIENTE Como su nombre lo indica. Sin embargo. buscando desde el punto 5 a lo largo de h . primero se revisarán algunos conceptos y operaciones matemáticas clave. Del punto 4 se llega al punto 5. y h . 5 y 3. 2 x 2 x 2 2 3 4 3 4 14.y.byc son constantes positivas. se mueve a lo largo de h hasta un máximo que es localizado en el punto 1. como se muestra en la figura 14. http://libreria-universitaria. f(x.

la pendiente en esta dirección podría designarse como g'(0). Suponga que usted está en un lugar específico sobre la montaña (a.6). si la pendiente es positiva. x h http://libreria-universitaria. el signo de la segunda derivada puede indicarnos si se ha alcanzado un mínimo (positivo en la segunda derivada) o un máximo (negativo en la segunda derivada). puesto que éste es el punto donde la derivada tiende a cero.2. FIGURA 1 4 . ésta es una información útil. Del cálculo. h — 0). que es llamada derivada direccional. Esta pendiente. Una forma para definir la dirección es a lo largo de un nuevo eje h que forma un ángulo 9 con el eje x (véase figura 14. Si usted define su posición como si estuviera en el origen de este eje (es decir. Por ejemplo. La elevación a lo largo de este nuevo eje puede pensarse como una nueva función g (h). Desde el punto de vista de la optimización.1) donde las derivadas parciales son evaluadas c o n * — a y y = b. se debe primero entender cómo la primera y la segunda derivada se expresan en un contexto multidimensional. Sin embargo. Además.blogspot. y). Un ejemplo podría ser su altura sobre una montaña como una función de su posición. se puede calcular a partir de las derivadas parciales a lo largo de los ejes x y y por (14. también recuerde que la primera derivada puede indicarnos cuándo se ha encontrado un valor óptimo.1 Gradientes y H e s s i a n s Recuerde del cálculo que la primera derivada de una función unidimensional proporciona una pendiente o tangente de la función que es diferenciada.384 OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES 14. para entender por completo las búsquedas multidimensionales. El gradiente. b) y quiere saber la pendiente en una dirección arbitraria.com . Esas ideas fueron útiles para los algoritmos de búsqueda en una dimensión que se exploró en el capítulo anterior. Suponga que se tiene una función en dos dimensiones f(x. 6 El gradiente direccional se define a lo largo de un eje h que forma un ángulo 6 con el eje x. nos indica que al aumentar la variable independiente nos conducirá a un valor más alto de la función que se está explorando.

en este capítulo. La notación vectorial proporciona un medio conciso para generalizar el gradiente a n dimensiones. sin embargo. Solución.WffTODOS GRADIENTE tu Suponiendo que su meta es obtener la mayor clevacitSn con el siguiente paso. El cual representa la derivada direccional de f(x. Se considera que la x positiva está dirigida hacia el este y la y positiva apunta al norte. el cual so define como v f = ir + -fi 1 ^~ ( x ) (14. 2) = 2 ( 2 ) .blogspot. ahora la pregunta lógica podría ser: ¿En qué dirección está el paso de ascenso'/ La respuosto es clara.2) dx oy Este vector también es referido como "del/".8 Ahora. las derivadas parciales pueden ser evaluadas. EJEMPLO 1 4 . y) = xy 2 Emplee el gradiente para evaluar la dirección del paso as- < ¡ en el punto (2. como V/(x) = OX\ dx (x) 2 dx„ (x) ¿Cómo se usa el gradiente? Para el problema de subir la montaña. ¡Observe. 2 Utilización del gradiente para evaluar la trayectoria de paso ascendente ] Enunciado del problema. y) en el punto x = a y y = b. / ( 4 . Primero. cendente para la función /(-v. porque matemáticamente se hace referencia a él como el gradiente.2). que dicha estrategia no necesariamente nos lleva en una trayectoria directa a la cima! Más tarde.com = 2(2)(2) = 8 . si lo que interesa es ganar elevación tan rápidamente como sea posible. ^ dx d = y = 2 =4 2 2 i -L=2xy http://libreria-universitaria. se analizará estas ideas con mayor profundidad. la elevación se puede determinar como 2 i j j i | i . el gradiente nos indica en qué dirección movernos y cuánto ganaremos por tomarla.

5235) + 8 sen (0. g'(0) = 4 eos (0.107) + 8 sen (1. g'(0) = 4 eos (1.7.944 2 2 ' Así. La pendiente en esta dirección.blogspot.com .107) = 8. Esto inmediatamente nos indica que la dirección que debe tomarse es 6 = tan' (^j 1 = 1 . la cual es más pequeña. 1 _ i 1 1 1 0 1 2 3 1 4 • x http://libreria-universitaria. y la dirección del ascenso se modificará de acuerdo con esto.386 I | OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES las cuales se pueden usar para determinar el gradiente como Y / = 4i + 8j | Este vector puede ser bosquejado en un mapa topográfico de la función.608. Estos cambios se pueden cuantificar en cada paso mediante el gradiente. tanto la dirección como la magnitud del paso de la trayectoria cambiarán.944 unidades de aumento de elevación de pendiente por unidad de distancia recorrida a lo largo de la trayectoria empinada. puede ser calculada como V 4 + 8 = 8.4°) j respecto al eje x. 1 0 7 radianes ( = 63. como en la I figura 14.5235.5235) = 7. durante el primer paso. . la cual es la magnitud de V/. Al moverse hacia adelante.107/2 = 0. digamos 9 = 1.7 La flecha sigue la dirección de pasos ascendente calculado con el gradiente. Observe que la ecuación (14.1) da el mismo resultado.944 Note que para cualquier otra dirección. inicialmente se ha ganado 8. ! i FIGURA 14.

ya sea de la dimensión x o de la>>. El Hessian. 2). la función parece ir hacia un mínimo (la segunda derivada es positiva). . Ahora. Puede esperarse que si las segundas derivadas parciales con respecto a x y y son ambas negativas.2 MÉTODOS GRADIENTE 387 I | Se puede obtener una cierta perspectiva al inspeccionar la figura 14. la primera y la segunda. es cóncava hacia abajo (la segunda derivada es negativa). Como se indica. se puede también usar la primera derivada para discernir si se ha alcanzado un óptimo. La figura 14. Para problemas de una dimensión. se examinará cómo se usa la segunda derivada en tales contextos. se ha alcanzado el óptimo en dos dimensiones.com .7. Observe que al ser vista la curva a lo largo de las direcciones x y y. Como en el caso para una función de una dimensión. Además de definir la trayectoria de paso. la segunda derivada indicará si es un máximo [negativo f"(x)] o un mínimo [positivo f"(x)]. entonces se ha alcanzado un máximo. En ambos casos. f(x< y) t http://libreria-universitaria. La primera derivada a) proporciona una trayectoria más grande de la función y b) indica que se ha alcanzado el óptimo.8 muestra una función en la que esto no es cierto. proporcionan información valiosa para la búsqueda del óptimo. la dirección del paso ascendente es perpendicular. En los párrafos anteriores. Una vez en el óptimo. Esta es una característica general del gradiente.8 Un punto de silla (x = o y y = b) .14. u ortogonal. b) de esta gráfica parece ser un mínimo cuando se observa a lo largo. se ilustró cómo el gradiente proporciona la mejor trayectoria local para problemas multidimensionales. si las derivadas parciales con respecto ax y y son cero.blogspot. ambas derivadas. las segundas deri- FIGURA 14. El punto (a. mientras que al verse a lo largo del eje x = y. al contorno en la elevación en la coordenada (2.

y) tiene un punto de silla. éstas se pueden calcular como 9/ dx d¿ dy df 2 = 2 = = f( x + 2Sx Sx.f(x . se puede calcular la siguiente cantidad: silla \H\ = A / 2 8x 2 dy 2 K dxdy (14. En particular. tiene un máximo local.n) (14.Sx. el Hessian tiene otros usos en optimización ( p o r ejemplo. Sin embargo.y-Sy) 2Sy f(x + Sx. las variables independientes se pueder^ modificar ligera mente para generar las derivadas parciales requeridas. puede verse que ocurre un máximo en el mismo punto. se pueden evaluar numéricamente.blogspot.com ' Observe que d J!(dx dy) = d fl(dy dx). Sx 2 (14. Esta fo R M U es llamada do y.388 OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES vadas parciales son positivas. H = (14. Se debe mencionar que. no ocurren ni un máximo ni un mínimo en el p u n t o . • Si | H | < 0.3 p a j a el método de la secante modificado. y) dx http://libreria-universitaria.1) f(x. En la m_. entonces 0.y) (I4.4) 1 2 df 2 9 / 2 _ dydx dy 2 _ donde esta matriz se encuentra formalmente referida como el Hessia j% d e / Además proporciona un medio para discernir si una función mxiltidimensional ha alcanzado el óptimo. Esto es. claramente. esto involucra no s«ólo a las PARCIULCN con respecto ax y y. p e r n o t e búsquedas qiip incluyen curvatura de segundo orden para obtener resultados superio» res. Aproximaciones por diferencias finitas.y+Sy)-f(x. entonces f(x.7) y) . Suponiendo que las derivadas parciales sean continuas en y cerca del punto que hah>rá de evaluarse. Ya sea que ocurra un máximo o un mínimo.ayoría de los castiN se emplea el procedimiento que se introdujo en la sección 6.2f(x. si se adopta el proco dimiento de diferencias centrales.y)-f(x-Sx. a m b o s . j p a r a los casos don de son difíciles o inconvenientes de calcular en forma analítica. Por ejemplo. el gradiente y el determinante de Hessian.3) Pueden ocurrir tres casos: • • Si | H | > 0 y Si | H | > 0 y a^fdx > (Pfdx < 2 2 2 0..3. entonces f(x. para lu forma multidimensional del método de Newton). y) f(x. y) tiene un mínimo local. si la función se observa a L O largo de lu Unen y = x. sino también a la segunda parcial con respecto a JC y y. 2 2 . y) . 2 df "1 " 9 / La cantidad | H | es igual al determinante de una matriz f o r m a d a con las scguiulim dxdy dx derivadas.

Además. no es muy práctica. v . y + Sy) .2 M é t o d o de pasos ascendente Una estrategia obvia para subir una colina podría ser determinar la pendiente máxima en la posición inicial y después comenzar a caminar en esa dirección. Se prefiere un planteamiento que involucra moverse en un camino fijo a lo largo del gradiente inicial hasta que f(x.Sy) .9) donde S es un valor fraccional algo pequeño.com .2. A menos que usted realmente tenga suerte y empiece sobre una cresta que apunta directamente a la cima. En muchos casos. Este procedimiento es conocido como método de pasos aseen- http://libreria-universitaria. usted podría adoptar la siguiente estrategia. Este punto de paro pasa a ser el punto inicial donde V/es reevaluada y se sigue una nueva dirección. el punto importante es que se pueda tener la opción de evaluar el gradiente y/o el Hessian en forma analítica.5) a la (14. Este último punto tiene un impacto crítico en el tiempo de ejecución. Aunque tal estrategia parece ser superficialmente buena. Pero claramente surge otro problema casi de inmediato.8) a/ _ 3x3_y / ( x + 5x. Esto puede algunas veces ser una tarea ardua.blogspot. El proceso se repite hasta que se alcance la cima. Podría caminar una distancia corta a lo largo de la dirección gradiente. reevaluar el gradiente y caminar otra distancia corta. Dennis y Schnabel (1996) proporcionan más detalles sobre el procedimiento.Sx. 14. usted practicará con frecuencia la opción de calcular estas cantidades internamente mediante procedimientos numéricos.9). la reevaluación continua del gradiente puede ser demandante en términos computacionales. y) . ellos son usualmente más complicados que las aproximaciones enlistadas en las ecuaciones (14. Mediante la repetición de este proceso podría llegar eventualmente al pico de la colina. Sin embargo./ ( . el comportamiento será el adecuado y se evita la dificultad de numerosas diferenciaciones parciales. y) detenga los incrementos. v .rmvt í)y 2 2 m c i w w w v w i m r _ / ( ^ y + ¿y) . Al darse cuenta de este hecho. es decir.2 / ( . En particular. Observe que los métodos empleados en paquetes de software comerciales también usan diferencias hacia adelante. y • ~ &y 2 M (14. pero el comportamiento del algoritmo puede ser lo bastante benéfico como para que el esfuerzo valga la pena. su camino podría divergir en la dirección de pasos ascendente. y + Sy) + f(x ./(* + Sx. Excel). Por otro lado. pase a ser el nivel a lo largo de su dirección de viaje. Tal podría ser el caso de los optimizadores usados en ciertas hojas de cálculo y paquetes de software matemático (por ejemplo. Las derivadas de forma cerrada serán exactas. tan pronto como se mueva.Sx. se podría no tener la opción de introducir un gradiente y un Hessian derivado en forma analítica. y . Por ejemplo. la librería IMSL basa la perturbación en el épsilon de la máquina. para problemas de tamaño pequeño o moderado esto no es una gran desventaja. Luego podría detenerse. En tales casos. Sin importar cómo se implemente la aproximación. y 4SxSy Sy) (14.f(x . pero lo más importante es que reduce las evaluaciones de la función.

el problema se puede dividir en dos partes: 1) determinar la "mejor" dirección para la búsqueda y 2) establecer "el mejor valor" a lo largo de esa dirección de búsqueda. la efectividad de varios algoritmos descritos en las siguientes páginas depende de qué tan hábil seamos en ambas partes. y = yo + dy (14.10) f . hasta que se encuentra un máximo. La idea básica detrito del procedimiento se describe en la figura 14. el cual es etiquetado como " 1 " en la figura.9. Como se verá. En este punto. Ahora.y ) etiquetado como " 0 " en la figura. http://libreria-universitaria. \'\ UNIIIÍI mismo en loque se puede usar también pum lu mlmmi/. Comenzando e n x y y . se determina la dirección de pasos ascendente.<¡fanlfnh*.com . El proceso entonces se repite.ueión en esto easo no lu terminología do pimt» usctndtnte. Se ha mostrado ya cómo se evalúa el gradiente en el ejemplo 14. antes de examinar cómo se lleva el algoritmo para localizar el máximo a lo largo de la dirección de pasos. Así. Por ahora. se debe hacer una pausa para explorar el modo de trans formar una función de x y y en una función de h a lo largo de la dirección gradiente. Entonces se busca a lo largo de la dirección del gradiente.11) 2 Debido ii nuestro ónlasis sobre la maximización. dente} Es la más directa de las técnicas de búsqueda del gradiente. se usurrt lii terniinolonla do /w.FIGURA 14. el gradiente.9 Representación gráfica del método de pasos ascendente. Comenzaremos en un punto inicial (x .blogspot. h .1. las coordenadas de cualquier punto en la dirección gradiente pueden expresarse como 0 0 0 0 0 x =x 0 + —h dx d (14. el método de pasos ascendente usa el método del gradiente como su el ce ción para la "mejor" dirección.vuv u. esto es.

EJEMPLO 1 4 .6j http://libreria-universitaria.14.12) (14. donde h es la distancia a lo largo del eje h.l ) = 6 2x -Ay = 2(—1) — 4(1) = . Por ejemplo.blogspot. 3 Desarrollando una función 1 -D a lo largo de la dirección gradiente i Enunciado del problema.10.2 MÉTODOS GRADIENTE 391 V f = 3 i + 4j FIGURA 14. = 2y + 2 .6 Por tanto. 1). como se muestra en la figura 14.13) El siguiente ejemplo ilustra la forma en que se pueden usar estas transformaciones para convertir una función de dos dimensiones de x y y en una función h de una dimensión. el vector gradiente es V/' = 6i . 9/ dx 9/ dy Las derivadas parciales se pueden evaluar en ( — 1. nes: f(x. Suponga que se tiene la siguiente función de dos dimensio- y) — 2xy + 2x — x" Desarrolle una versión unidimensional de esta ecuación a lo largo de la dirección gradiente en el punto x = — 1 y y = 1.2x = 2(1) +"2 . supóngase que x — 1 y y = 2 y V / = 3i + 4j.com .10 La relación entre una dirección arbitraria hy las coordenadas x y y.2 ( . Solución. Las coordenadas de cualquier punto a lo largo del eje h están dadas por 0 0 x = 1 + 3h y = 2 + Ah (14.

l + 6/0 .7 2 Ahora que se ha desarrollado una función a lo largo del camino de pasos ascenden te.6/0 + 2 ( . Esto es. se podría generar primero una solución analítica. 1 . esto es. El cual es el valor del paso que maximiza g (y por tanto. . f(x. Las segunda* derivadas parciales también se pueden determinar y evaluar en el óptimo . se puede explorar cómo resolver la segunda pregunta.6/0 dy d 0 \ = 2 ( .4 Óptimo de pasos ascendente Enunciado del problema.1 + 6hf . y) a lo largo del eje h. Tal problema es equivalente a encontrar el máximo de una función de una sola variable h.4y = 0 http://libreria-universitaria. Este método es llamado de pasos ascendente cuando se usa un paso arbitrario de tamaño h. Para hacer esto.l + 6h.blogspot. Identificaremos la localización de este máximo como h*.1 8 0 / z + 72A . EJEMPLO 14.l + 6A)(1 .2(1 - 6h) 2 ¡ donde las derivadas parciales se evalúan en x = — lyy= 1. dy 2x . se podría buscar a lo largo de la dirección gradiente. el método es llamado óptimo de pasos ascendente. Solución.com Este par de ecuaciones se pueden resolver para el óptimo.y) = 2xy+ 2x - Maximice la siguiente función: x -2y 2 2 usando los valores iniciales.( . Debido a que esta función es muy simple. dx y + -fh) = / ( . Lo cual se puede hacer mediante diferentes técnicas de busque da de una dimensión como las analizadas en el capítulo 13. x = — lyy= 1. « Al combinar términos. se pasa de encontrar el óptimo de una función de dos dimensiones a realizar una búsqueda de una dimensión a lo largo de la dirección gradiente. las derivadas parciales se evalúan como ' I — = 2y+ dx — = 2-2x^=0 . Así. La función se puede expresar a lo largo de este eje como f(xo + ?fh. x — 2 y y = I./) en lu dirección gradiente. Si se encuentra que un valor de un solo paso h* nos lleva directamente al máximo a lo largo de la dirección gradiente. g(h) = . a lo largo de un eje h que corre a lo largo de la dirección de este vector. se desarrolla una función de una sola dimensión g(h) que mapea f(x.392 ¡ | i s OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES Para encontrar el máximo. ¿qué tan lejos a lo largo de este camino se puede viajar? Un procedimiento podría ser moverse a lo largo de este camino hasta encontrar el máximo de esta función.

2 Z =4 2 2 Por lo tanto.11 .11) y resolver .2 Esto significa que si se viaja a lo largo del eje h.2.i.0 .3)].3 ya se había implementado los pasos iniciales del problema al generar g(h) = — 180/r + 726 .2 ( .¡)\r . h = h*) resolviendo el problema.para las coordenadas (x.v- m 2 = 2 -4 9y 2 3 / 9x9y a/ 9y9x y el determinante de Hessian se calcula [véase ecuación (14.3 6 0 F + 72 = 0 h* = 0. y) correspondientes a este punto.2 y = 1 . Este resultado se puede sustituir en las ecuaciones (14. debido a que | H | > 0 y 9 /73 JC < 0. g (h) alcanza un valor mínimo cuando h = h* — 0. \H\ = . Ahora se implementará el método de pasos ascendente. 1) es un máximo.7 2 Ahora.1 + 6 ( 0 . x = . 2 ) = 0. el valor de la función/(2. ya que ésta es una simple parábola.2) = .blogspot. 2 \ FIGURA 14. se puede localizar directamente el máximo (es decir. g'(h*) = 0 .4 ) .6(0.10) y (14. http://libreria-universitaria. Recuerde que al final del ejemplo 14.com . El método del paso ascendente para alcanzar el óptimo.

8 8 / 1 * + 2.2Í + 1. . 4 4 / ¡ + 2.11). El PROCEDÍ miento se puede repetir con el resultado final que converge a la solución analítica. x = 0 .2 + 1.2 . listo es porque el nuevo gradiente en cada punto máximo será perpendicular a la dirección original. aunque es confiable. Así. este nuevo eje h se puede ahora expresar como [ * x = 0 . j J | Puede demostrarse que el método de pasos descendente es linealmente convergente.V Í \ — = 2 ( 0 . etiquetailn como punto 2 en la gráfica. y = .4 .2/z) = g{h) = .2 ( 0 .11 cuando se mueve del punto 0 al 1. . 2 ) = 1.2/z y = . nos movemos a las nuevas coordenadas.2 ít. — 0 .blogspot. la técnica toma muchos pasos pequeños de cruce en la dirección de la nilit hacia la cima.2 2 | i El paso h* nos lleva al máximo a lo largo de la dirección buscada y puede ENTONCEN calcularse directamente como g'(h*) = . 2 ) = 1. 2 + 1. v J y y = 1. el vector gradiente es | V / = 1. Además.10) y (14. las derivadas parciales se pueden evaluar en el nuevo punto de inicio (0.2. y) correspondientes a este nuevo punto.1 .0 . 2 ) + 2 .394 | '• OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES Este paso se describe en la figura 14. Primero.2(1) = 1 Como se describe en la figura 14. 2 + 1.2/i.88 = 0 \ h* = 1 Este resultado se puede sustituir en las ecuaciones (14.2(1) = 1. El segundo paso es simplemente implementado al repetir el procedimiento. tiende a moverse muy lentamente a lo largo de crestas largas y angostan.11) y resolver para las coordenadas (x.com es dedicada a esos métodos. .2j l Esto significa que la dirección de pasos es ahora dirigida hacia arriba y a la derecha a un > ángulo de 45° con respecto al ejex (véase la figura 14. hay otros procedimientos que convergen mucho más rápido. y al hacer esto se mueve más cerca del máximo.88/z + 0. 2 + 1.0 . lil resto de lu sección http://libreria-universitaria. 2 ) .2) pnrn obtener — = 2 ( .2 Por tanto.0 .11.4 ( .2/! I \ Al sustituir estos valores en la función se obtiene /(0. 2 + 1. Las coordenadas a lo largo DE .0 .0 . 2 + 1. particularmente en la vecindad de un óptimo. Por tanto.

n V/ = V/(x ) + / //.-) + I ( x . se puede demostrar que es cuadráticamenté convergente.X. La prueba y el algoritmo van más allá del alcance del texto.14.-. se puede también mejorar la convergencia lineal de pasos ascendentes por medio de gradientes conjugados. el método de Newton puede no converger si el punto inicial no está cerca del óptimo. la cual se puede demostrar que converge en forma cuadrática cerca del óptimo. pero se describen en Rao (1996). el método de Powell produce nuevas direcciones de búsqueda conjugadas. De manera similar. http://libreria-universitaria. /(x) = / ( ) + V / ( x . para 7 = 1.3 Procedimientos de g r a d i e n t e a v a n z a d o En la sección 14. 2 . observe que este método requiere ambos. Así.(x-x )=0 / Si H es no singular.2.12).2.1. el método no es muy útil en la práctica para funciones con grandes números de variables. En efecto. un método de optimización que usa gradientes conjugados para definir la dirección de búsqueda.XifHiix r X / . En el mínimo. Este método de nuevo se comporta mejor que el método de pasos ascendentes (véase la figura 14. Método de Newton. si la evaluación de las derivadas es práctica. se ha visto Método del gradiente conjugado (Fletcher-Reeves). El algoritmo de gradiente conjugado Fletcher-Reeves modifica el método de pasos ascendente al imponer la condición de que las direcciones de búsqueda del gradiente sucesivas sean mutuamente conjugadas. Sin embargo. se puede utilizar algoritmos que combinen las ideas de pasos descendente y conjugar las direcciones para lograr un comportamiento inicial más sólido y de convergencia rápida como la técnica que gravita hacia el óptimo. Dado que muchas funciones con buen comportamiento pueden aproximarse razonablemente bien por una cuadrática en la vecindad de un óptimo.blogspot. Esto también asegura que el método optimizará una función cuadrática exactamente en un número finito de pasos sin importar el punto de inicio. ) ( x . el cálculo de las segundas derivadas y la inversión de la matriz.com . Este método es cuadráticamente convergente y no requiere la información del gradiente.3) se puede extender a los casos de multivariable. Además. Se ha visto cómo empezando con dos direcciones de búsqueda arbitrarias.x. El método de Newton para una sola variable (recuerde la sección 13.) donde H es la matriz Hessian. los procedimientos de convergencia cuadrática son a menudo muy eficientes cerca de un óptimo. Escriba una serie de Taylor de segundo orden para f(x) cerca de x = x. l = O Así. Por otro lado. en cada iteración. cómo en el método de Powell las direcciones conjugadas mejoran mucho la eficiencia de la búsqueda univariable.

y el método de Newton cuando x se acerca a un óptimo. se supone que es grande y a¡ la cual reduce la ecuación ( 1 4 . 1 4 ) .FIGURA 1 4 . http://libreria-universitaria. Por ejemplo. el método todavía requiere la evaluación del Hessiun y la inversión de las matrices a cada paso. el método de Marquardt ofrece lo mejor de ambos mundos: comienza en forma lenta y confiable desde valores de inicio pobres y luego acelera en forma rápida cuando se aproxima al óptimo. 1 2 Cuando el punto inicial es cercano al punto óptimo. Debería observarse que el método de Marquardt es ante todo usado para problema* de mínimos cuadrados. la librería del IMSL contiene una subrutinn para este propósito. oc. = H. Esto se puede llevar a cabo al modificar la diagonal del Hessian en la ecuación ( 1 4 .+ai¡ donde oc. En tanto continúan I HN iteraciones. Por otro lado. Al inicio del procedimiento. 1 4 ) al método de pasos ascendente. a¡ se aproxima a cero y el método pasa a ser el de Newton.com . Método de Marquardt. ya se ha descrito el método de Newton. Así. El método de Marquardt usa el método de pasos descendente cuando x está lejos de x*. Por desgracia.blogspot. Los métodos de Newton intentan la búsqueda a lo largo de una trayectoria directa hacia el óptimo (línea sólida). el cual converge con rapidez cerca del máximo. Se sabe que el método de pasos ascendente aumenta el valor de la función aun si el punto inicial está lejos del óptimo. H. es una constante positiva e / es la matriz de identidad. siguiendo el gradiente puede ser ineficiente.

y) = m(x + 2xy + 3y ) 2 Construya y resuelva un sistema de ecuaciones algebraicas lineales que maximice/(*).z) l ' M Dada /(\.v + j 2 2 P i n . 9 lu LII'IM]II (¡cla de la malla.2 2y 2 empezando en x — 1 y y = 1. Así.i) íi\. observe que la matriz Hessian en la ecuación (14.) I\\. Rao (1996) proporciona detalles y declaraciones formales de ambos algoritmos. o métodos de variable métrica buscan estimar el camino directo hacia el óptimo en forma similar al método de Newton. Los métodos de Quasi-Newton. Observe que esto se realiza al igualar a cero las derivadas parciales de/con respecto a x y y.•) /U. . sino más bien una aproximación.y.blogspot. usando el método de pasos descendente con un criterio de paro de £ = 1 %. Ellos son similares excepto en detalles concernientes a cómo manejan los errores de redondeo y su convergencia. Encuentre el valor mínimo de /(A.PROBLEMAS 397 Métodos de Quasi-Newton.4 a) Empiece con un valor inicial de x — 1 y y = 1 y emplee dos aplicaciones del método de pasos ascendente a f(x. v) . se tienen dos aproximaciones al trabajar en forma simultánea: 1) la aproximación original de la serie de Taylor y 2) la aproximación Hessian. Sin embargo.14) se compone de las segundas derivadas d e / q u e varían de paso a paso.y) = 2xy + 3 ^ 2 /. Hay dos métodos principales de este tipo: los algoritmos de Davidon-Fletcher-Powell (DFP) y el de Broyden-Fletcher-Goldfarb-Shanno (BFGS). 14.2 y y = 2 en la dirección de h = 3/ + 2j. y) para el problema 14. Los métodos de Quasi-Newton intentan evitar estas dificultades al aproximar Tí con otra m a t r i z s ó l o por medio de las primeras derivadas parciales d e / El procedimiento involucra comenzar con una aproximación inicial de H~ y actualizar y mejorarla con cada iteración. y) = (x- 2) 2 + (Y - 3) 2 Y) ^ 2xy + \.3. b) Construya una gráfica con los resultados del inciso a) anterior mostrando la trayectoria de la búsqueda.= 2. el DFP y el BFGS. x PROBLEMAS H I encuentre la derivada direccional de /(>. Estos métodos son llamados de Quasi-Newton porque no usan el Hessian verdadero.5y - 1.com Menta». = x +y 2 2 2 + 2z i .25 A. 5 FIOURA P 1 4 . -5 -10 -15-20-25 -2 -1 \ 0 2 X < http://libreria-universitaria. H J l'nitientre el vector gradiente y la matriz Hessian para cada tilín do las siguientes funciones . BFGS es por lo general reconocido como superior en la mayoría de los casos.

Desarrolle un subprograma por medio de un programa o lenguaje macro para implementar el método de búsqueda por malla.6.blogspot. Emplee el método de bisección para encontrar el tamaño de paso óptimo en la dirección de la búsqueda del gradiente. y = 0.v. Pruebe su programa con el problema del ejemplo 14. es más probable localizar el óptimo./lv.2xy 2 2 con valores iniciales x = 0 y y = 0.x 2 4 - 2xy - y 2 mediante los valores iniciales x = 0.V + 2y + . y) = -Ix + \ . Cuanto más densa sea la malla.2x + 1 ly + 2 y . La función se eva lúa entonces en cada nodo de la malla.9 La búsqueda por malla es otro procedimiento de fuer/a bruta para optimización.5. 8 Desarrolle un subprograma usando un programa o lenguaje macro para implementar el método de búsqueda aleatoria. Use un rango de —2 a 2 para ambos xyy14. v) = 3. 6 Realice nuil iteración del método de pasos ascendente para locali/ur el máximo de . http://libreria-universitaria.x . 1 4 . 7 Efectúe una iteración del método de pasos descendente del gradiente óptimo para localizar el mínimo de /(. La versión en dos dimensiones se des cribe en la figura P14.9. Las dimensiones de x y y se dividen en pequeños incrementos para crear una malla. 1 4 .com . Diseñe el subprograma de tal forma que esté expresanien te diseñado para localizar un máximo.y) del problema 14. Pruebe el programa con f(x.39B OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES Diseñe el subprograma do tal forma que esté expresamente di señado para localizar un máximo.1. 1 4 .

Esto es. 1997). en presencia de restricciones como lo son las fuentes limitadas.1. son lineales. http://libreria-universitaria. Dichos métodos se usan en un amplio rango de problemas en la ingeniería y la administración. más bien denota "programar" o "fijar una agenda" (Revelle y cois. 15.com .1 Forma estándar El problema básico de programación lineal consiste en dos partes principales: la función objetivo y un conjunto de restricciones. Para tales casos. 1 * 1 + a/2*2 -\ 1 " ax m n < b¡ (15. son lineales. Después. Así.blogspot. se analizarán problemas donde ambas.CAPITULO 15 Optimización restringida Este capítulo aborda problemas de optimización donde entran enjuego las restricciones. el objetivo y las restricciones.1) donde c = pago por cada unidad de la y-ésima actividad que se lleva a cabo y Xj = magnitud de laj'-ésima actividad. n. la función objetivo y las restricciones. el valor de la función objetivo. El término programación no significa "programación en computadora". resuelven con gran eficiencia problemas muy grandes con miles de variables y restricciones. se retomará en forma breve un problema más general de optimización restringida no lineal. El término lineal denota que las funciones matemáticas que representan ambos. 15.2) donde a¡¡ = cantidad de z'-ésima fuente que se consume por cada unidad de /-ésima actividad y h¡ = cantidad de la /-ésima fuente que está disponible. Para un problema de maximización.1 PROGRAMACIÓN LINEAL La programación lineal (o PL por simplicidad) es un procedimiento de optimización que trata de cumplir con un objetivo como el de maximizar las utilidades o minimizar el costo. Finalmente. se dispone de métodos especiales que aprovechan la linearidad de las funciones realzadas. Los llamados métodos de programación lineal y sus algoritmos resultantes. se proporcionará una revisión de cómo se puede emplear los paquetes de software y librerías para la optimización. la función objetivo es por lo general expresada como Maximizar Z = y cx i l + c¿x 2 + • • • + c pc t n (15. las fuentes Hon limitadas. Primero. es el pago total debido al número total de actividades. Las restricciones se pueden representar en forma general como a. Z.

para algunos problemas. Solución.v.blogspot. es decir. la función objetivo y las restricciones. Esta última se procesa en dos tipos de gasolina. se desarrollará un ejemplo. El ingeniero que opera esta planta debe decidir la cantidad a piodueii de cada gasolina para maximizar las utilidades. tiempo y almacenaje en sitio. Todos estos factores se enlistan abajo (observe que umi tonelada métrica. Además. Juntas. Estas clases de gasolina son de alta demanda. es igual a 1 000 kg): Producto Recurso Materia prima para la gasolina Tiempo de producción Almacenamiento Aprovechamiento Regular Prémium D i s p o n i b i l i d a d del r a c u r t s 7 m /tone!ada 10 hr/tonelada 9 toneladas 3 11 m /tonelada 8 hr/tonelada 6 toneladas 3 7 7 m /seman<i 80 hr/semanu 3 150/tonelada 175/tonelada Desarrolle una formulación de programación lineal para maximizar las utilidades iltf esta operación. Inicializando el problema PL Enunciado del problema. existe un límite de almacenamiento para cada uno de los productos. o ton.com S~2nnnnn¡n >nfal — I < A v J. su producción involucra ambas restricciones. Estas indican que se trata de maximizar la amortización para un número do actividades bajo la restricción de que éstas utilizan cantidades finitas de fuentes. I'oi ejemplo. respectivamente. la actividad negativa es físicamente imposible (por ejemplo.v . sólo una de las clases se puede producir a la vez. especifican el problema de programo ción lineal. éste es relevante para todas las áreas de la ingeniería que (icnoii que ver con la producción de productos con fuentes limitadas. Sin embargo.VM En el contexto actual. Sin om bargo. . Anlos de mostrar cómo se puede obtener este resultado. 17C. Si las cantidades producidas cada semiili» de gasolinas regular y prémium son designadas x y . y las instalaciones csliin abiertas solamente 80 horas por semana.OPTIMIZACIÓN RESTRINGIDA El segundo tipo general de restricción especifica que todas las actividades deben tener un valor positivo. no se puede producir bienes negativos). do calidad regular y prémium.V- . esto expresa la noción realística de que. Suponga que una planta procesadora de gasolina recibe cada semana una canlidiul fija de materia prima para gasolina. la uiiiiniiel» total se puede calcular como ] 2 http://libreria-universitaria. Se desarrolla el siguiente problema del área de la ingeniet in química. so tiene garantizada su venta y se obtiene diferentes utilidades para la compañía. > 0 (I.

y x que obedecen las restricciones y. la solución espacial se define como un plano conX] medida a lo largo de la abscisa y x . 2 2 { 2 http://libreria-universitaria. Los valores correspondientes de x y x . Las explicaciones en los paréntesis de la derecha se han incluido para clarificar el significado de cada ecuación. Si el problema de PL se formula adecuadamente (es decir. a lo largo de la ordenada.1. 15. la formulación total resultante para la PL está dada por Maximizar Z = 150*! + 175x Sujeta a 7x. La función objetivo para un valor particular de Z se puede trazar como otra línea recta y sobrepuesta en este espacio. + 8x < 80 X! < 9 x <6 X j . Maximizar Z = 150*1 175x 2 ¡ 1 | i Las restricciones se pueden desarrollar en una forma similar.com .2 Solución gráfica Debido a que las soluciones gráficas están limitadas a dos y tres dimensiones.1 PROGRAMACIÓN L1NIAI o escribirlo como una función objetivo en programación lineal. si tiene una solución). englobando todas las posibles combinaciones dex. El valor de Z puede entonces ser ajustado hasta que esté en el máximo valor. representan los valores óptimos pura las actividades. como el del ej emplo 15. tienen utilidad práctica limitada. El siguiente ejemplo deberá ayudar a clarificar el procedimiento. se pueden trazar sobre este plano como líneas rectas. representan soluciones factibles. x >0 2 2 2 2 2 (maximizar la ganancia) (restricciones de materiales) (restricción de tiempo) (restricción de almacenaje "regular") (restricción de almacenaje "prémium") (restricciones positivas) Observe que el conjunto de ecuaciones anterior constituye la formulación completa de PL. son muy útiles para demostrar algunos conceptos básicos que resaltan las técnicas algebraicas generales usadas para resolver problemas con grandes dimensiones en la computadora. Sin embargo. así que la restricción se puede representar como 3 7x. Como las restricciones son lineales.13. Para un problema en dos dimensiones. mientras todavía toca el espacio factible. el total de gasolina cruda utilizada se puede calcular como Total de gasolina utilizada = 7x^ + 1 \x 2 Este total no puede exceder el abastecimiento disponible de 77 m /semana. estas líneas restrictivas delinearán una región. donde Z toca el espacio de solución factible.blogspot. + 1lx < 77 10x. Por ejemplo.1. + 1 lx < 77 2 Las restricciones restantes se pueden desarrollar en una forma similar. por tanto. llamada el espacio de solución factible. Este valor de Zrepresenta la solución óptima.

Por ejemplo. Desarrolle una solución gráfica para el problema de procesamiento de gasolina que se derivó antes en el ejemplo 15.1: Maximizar Z Sujeta a 7 JCI 150x. se puede agregar la función objetivo a la gráfica. Después. como en la figura 15.16. Por ejemplo. puesto que estamos interesados en maximizar Z. ésta representa una línea punteada interceptando el origen. Solución.com x¡ DOO 150 175 175 x\ . Además de definir el espacio factible.1a. Primero. los valores posibles dex. y x que obedecen dicha restricción se hallan por debajo de esta línea (la dirección es designada en la gráfica por la pequeña flecha).blogspot. Observe cómo éstas encierran una región donde todas se encuentran.2 OPTIMIZACIÓN RESTRINGIDA Solución gráfica Enunciado del problema. la figura 15. se pueden trazar las restricciones sobre el espacio de solución. para Z = 0 la función objetivo es ahora 2 0 = 150xi + 175x o. se puede formular la primera restricción como una línea al reemplazar la desigualdad por un signo de igual y resolver para x : 2 Xl Así. se puede ver que la restricción 3 (almacenamiento de gasolina regular) es "redundante". Este es el espacio de solución factible (el área ABCDE en la gráfica). el espacio de solución factible no resulla afectado si fuese suprimida. Ahora. y la función objetivo es http://libreria-universitaria. como sobrepuestas sobre la figura 15. Para hacer esto. se puede aumentar osla » digamos 600. se debe escoger un valor de Z.1a también proporciona un conocimiento adicional.1a.402 EJEMPLO 15. + 8x < 80 x\ 2 < 9 x < 6 xi xi > 0 >0 Se ha numerado las restricciones para identificarlas en la siguiente solución gráfica. + 175x 2 + l l x < 77 2 2 (1) (2) (3) (4) (5) (6) 10x. Esto es. En particular. resolviendo para x x 150 2 2 2 175 X l Como se muestra en la figura 15. Las otras restricciones se pueden evaluar en forma similar.

com . { 2 Además de determinar los valores óptimos.blogspot. Tales restricciones se dice que están enlazadas. Además. Esto se puede apreciar al sustituir de nuevo las soluciones en las ecuaciones restrictivas. < iiólii uniente. Así. 7(4. se mueve hacia arriba y a la derecha hasta que toca el espacio factible en un solo punto óptimo. M li i liilición objetivo se puede incrementar hasta que alcance el valor más alto que cumpla con todas las restricciones.9) = 77 10(4. Como se muestra en la figura 15. se alcanzará una máxima utilidad de casi 1 400. producir la cantidad óptima de cada producto nos lleva directamente al punto donde se encuentran las restricciones de las fuentes (1) y del tiempo (2).9) = 80 4. todavía hay espacio para mejorarlo. la gráfica también hace evidente que ninguna de las restricciones de almacena- http://libreria-universitaria. En este punto. el procedimiento gráfico proporciona conocimientos adicionales en el problema.9 y 3.9. incrementando el valor de la función objetivo. x y x son casi igual a 4.9 < 6 En consecuencia. Sin embargo. Como la línea todavía está dentro del espacio de solución. el valor máximo de Z corresponde a 1 400 aproximadamente.9) + 11(3. Z se puede seguir aumentando hasta que un incremento adicional lleve la función objetivo más allá de la región factible.1¿>. Por tanto. por la misma razón. nuestro resultado es aún factible. como queda también claro en la gráfica. la línea se mueve lejos del origen.9) + 8(3. en forma respectiva. la solución gráfica indica que si se producen estas cantidades de gasolinas regular y prémium.FIGURA 15. a) Las restricciones definen un espacio de solución factible.9 < 9 3.1 ' » n ' m gráfica de un problema de programación lineal. Así.

por tanto. El procedí miento gráfico podría sugerir una estrategia numerativa para dar con el máximo. para este caso. Además. con finales abiertos. http://libreria-universitaria. I o último puede resultar si el problema está tan sobrerrestringido que ninguna solución puede satisfacer todas las restricciones.com . figura 15. Entonces. b) solución no factible y c) en resultado sin límites. Éstos son: 1. sería que las utilidades fueran cambiadas a $140/ton y $220/ton. Esto nos lleva a la conclusión práctica de que. De la FIGURA 15. 3. El resultado obtenido en el ejemplo anterior es uno de los cuatro posibles resultados que por lo general se puede obtener en un problema de programación lineal. una forma en la cual esto podría ocurrir.blogspot. Ahora supongamos que nuestro problema involucra una solución única. Solución única. lín nuestro problema ejemplo. Tales restricciones se conocen como iu> enlazadas. Como en la figura 15. la función objetivo máxima intercepta un solo punto. de tal forma que fueran paralelos precisamente a una de las restricciones. el problema podría tener un número infinito de óptimos correspondientes a un segmento de línea (véase figura 15.1b). Problemas sin límite. es posible que el problema esté lói mulado de tal manera que no exista solución factible. Como en el ejemplo. Como en la figura 15.2 Adornas de una sola ecuación óptima (por ejemplo. Solución no factible. 4. esto indica que el aumento <M almacenamiento podría no tener impacto sobre las utilidades. más que un solo pun to. existen otros tres resultados posibles de un problema di piogramación lineal: a) alternativa óptima.26. Soluciones alternas. puede a menudo surgir de errores cometidos durante la especificación del problema. Suponga que la función objetivo del ejemplo tuviera coeficicn tes. se puedo ¡ni mentar las utilidades. Como para el caso de la solución no factible. esto usualmente significa que el problema está bajorrestringido y.2c. Esto puede deberse a que se trata con un problema sin solución o a errores en la formulación del problema. ya sea con un incremento en el abastecimiento de fuentes (la gasolina cruda) o en el tiempo de producción. 2.2a).404 OPTIMIZACIÓN RESTRINGIDA miento [(3) y (4)] actúan como una limitante.

el que ofrezca el mejor valor de la función objetivo representará la solución óptima. esto es. Así. Por ejemplo.1 y 15.1. claramente se reducen las opciones posibles. observe que el punto F en la figura 15. nos indica que nos hemos excedido en la restricción. significa que se tiene algo de "holgura" para esta restricción. Tal punto se conoce de manera formal como un punto extremo. Es decir.1371 PROGRAMACIÓN LINEAL figura 15. recuerde la fuente restringida que se usó en los ejemplos 15.. si es cero. x ). 15. + l l x 2 < 77 Se puede definir una variable de holgura S¡ como la cantidad de gasolina cruda que no se usa para un nivel de producción particular (x. salislucer todas las restricciones. la variable de holgura proporciona un medio para detectar puntos extremos. resultando en lo que se llama versión completamente aumentada.com . se cuenta con algo más de recursos que no han sido utilizados por completo. Variables de holgura. Puesto que ésta es exactamente la condición donde las líneas de restricción se intersectan. En la siguiente sección se analiza el método simplex. Por último. Maximizar Z = I50*| + I75x 2 http://libreria-universitaria. Además. las ecuaciones con restricciones se reformulan como igualdades por medio de la introducción de las llamadas variables de holgura. Si ésta es positiva. Esto es. Si esta cantidad se agrega al lado izquierdo de la restricción. \a es un punto extremo.sc reduce el campo factible todavía más. Si nos limitamos a puntos extremos factibles. denota que se cumplió exactamente con la restricción.blogspot. Finalmente. una vez que se ha identificado todos los puntos extremo factibles. .1. es decir. se dispuso de todo el recurso.2: 7x. se puede reconocer que no todo punto extremo es factible. Una variable de holgura diferente se desarrolla para cada ecuación restringida. Se podría encontrar esta solución óptima mediante la exhaustiva (e ineficiente) evaluación del valor de la función objetivo en cada punto extremo factible. el procedimiento debe ser capaz de discernir si durante la solución a un problema ocurre un punto extremo. que ofrece una estrategia preferible que representa en forma gráfica un rumbo selectivo a través de la secuencia de puntos extremos factibles para arribar al óptimo de una manera extremadamente eficiente. pero no es factible. cuánta "holgura" de la fuente está disponible.3 El método s i m p l e x El método simplex se basa en la suposición de que la solución óptima estará en un punto extremo. Así. forma la relación exacta 2 7xi + 11 *2 + Si = 11 Ahora se reconoce lo que la variable de holgura nos indicaba. fuera del número infinito de posibilidades en el espacio de decisión y enfocándonos sobre los puntos extremo. debería quedar claro que siempre ocurre el óptimo en uno de los puntos esquina donde se encuentran dos restricciones. una variable de holgura mide cuánto de una fuente restringida está disponible. Para realizar esto. Como lo indica su nombre. Por ejemplo. Si es negativa.

S . Para el problema de la producción de gasolina se tienen 2 variables estructuradas. m excedentes o variables de holgura (una por restricción). Por ejemplo.S 0. . S 2 3 4 > 0 Advierta cómo se han formulado de igual modo las cuatro ecuaciones. S. S 4 llx +Si 2 =77 + S 2 8x X2 2 =80 + S = 9 3 =6 2 2 3 4 http://libreria-universitaria. x 2 Esta observación nos lleva a concluir que los puntos extremo se pueden determinni en la forma estándar al igualar las dos variables a cero.. hay n variables estructuradas (es decir. las incógnitas originales). para el punto E.4«) (15.4A) 10xi+8x2 =80 xi x 2 2 + S 3 =9 + S =6 4 (15. s 2 4 X]. Se hizo así para resaltar que ahora se trata de un sistema de ecuaciones algebraicas lineales (recuerde la parte tres). haciendo x. Junto con *| -. donde se tenía ra ecuaciones con // incógnitas. S = 32 y S = 9. En forma específica. En contraste con la parte tres. Si. 4 variables de holgura y 6 variables totales.4c-) (15 Ad) xi.blogspot. estos valores definen el punto E. Por ejemplo. = 11. En términos generales. tiene más incógnitas que ecuaciones. los cinco puntos esquina del área ABCDE tienen los siguientes valores cero: Punto extremo Variables cero x. y n + m variables totales (estructuradas más excedentes). En la siguiente sección se mostrará cómo se pueden usar estas ecuaciones para determinar los puntos extremo en forma algebraica. Solución algebraica. En nuestro ejemplo. Así. = S = 0 se reduce la forma estándar a 4 A B C D E S|. La diferencia entre el número de incógnitas y el de ecuaciones (igual a 2 en nuestro problema) está directamente relacionada con la forma en que se puede distinguir un punto extremo factible. s Sj. esto es.4)] está subespecificado.com la cual se puede resolver para x = 6. de tal manera que las incógnitas están alineadas en las columnas. x .406 OPTIMIZACIÓN RESTRINGIDA Sujeta a 7*i + 1 1JC + 5i 2 =77 + S 2 (15. cada punto factible tiene 2 variables de las 6 que se igualaron a cero. el problema involucra resolver 4 ecuaciones con 6 incógnitas. S . esto reduce el problema a una forma soluble de 4 ecuaciones con 4 incógnitas. nuestro sistema ejemplo [ecuaciones (15.

http://libreria-universitaria. Para casos como los nuestros. la información inicial se puede ahora resumir en un formato tabular conveniente llamado representación. si hay 10 ecuaciones (m — 10) con 16 incógnitas (« = 16).1 PROGRAMACIÓN LINEAL Para generalizar. Para m ecuaciones con n incógnitas. se alcanza el valor óptimo y termina el método. en una esquina del punto extremo del espacio factible). Esto lo realiza al comenzar con una solución factible básica. y resolviendo las tn ecuaciones para las m incógnitas restantes. en el problema actual de los C\ — 15 puntos extremos. Un procedimiento como tal se describe a continuación. Como se muestra en la tabla de la siguiente página. la representación proporciona un resumen conciso de la información clave que constituye el problema de programación lineal. ¡Por ejemplo. Implementación del método simplex. el procedimiento puede involucrar resolver una gran cantidad de ecuaciones. Por ejemplo. sólo 5 son factibles. x = x = 0.1 y 15.2. Las 6 ecuaciones originales con 4 incógnitas serían l 2 Si S 2 = 77 = 80 S 2 =9 5 = 6 4 Así. Claramente. si se pudiese evitar resolver todos estos sistemas innecesarios. se podría desarrollar un algoritmo más eficiente. el resultado es llamado solución factible básica. los valores iniciales de las variables básicas son dados automáticamente como iguales a los lados derecho de las restricciones. una porción significativa de éstas puede ser no factible. un punto de inicio obvio podría ser el A. Se ilustrará el procedimiento mediante el problema de procesamiento de la gasolina de los ejemplos 15. y entre ellas. Antes de proceder al siguiente paso.blogspot. para problemas de tamaños moderados. se podría tener 8 008 [ = 16!/(10! 6!)] sistemas 10 X 10 de ecuaciones a resolver! Segundo. Pero éste no es un buen procedimiento por dos razones. Las variables cero son formalmente referidas como variables no básicas. mientras las m variables restantes son llamadas variables básicas. Si todas I UN variables básicas son no negativas. para determinar cuáles son factibles. esto es. cuál tiene el valor de Z más grande.15. En forma eventual.com . Ahora un procedimiento directo para determinar la solución óptima podría ser calcular todas las soluciones básicas. Luego se mueve a través de una secuencia con las otras soluciones factibles básicas que sucesivamente mejoran el valor de la función objetivo. se deben resolver m m\(n-m)\ ecuaciones simultáneas. El método simplex evita las ineficiencias descritas en la sección anterior. VA óptimo será una de éstas. El primer paso es empezar en una solución factible básicu (es decir. una solución básica para m ecuaciones lineales con n incógnitas so desarrolla al igualar n — m variables a cero. Primero.

). Se puede calcular este valor como la razón del lado derecho de la restricción (la columna "Solución" de la representación) al coeficiente correspondiente de x¡. el resultado es 2 1( 2 3 4 2 ( 2 3 4 2 x Intercepción = 77 7 =11 Las intersecciones restantes se pueden calcular y enlistar como la úllima columna de la http://libreria-universitaria. Esta variable se llama variable de entrada. En el proceso.408 OPTIMIZACIÓN RESTRINGIDA Básica Z x * 1 2 Si s 2 s 3 s 4 Solución Intercepción Z 5. S s 5 2 3 4 1 0 0 0 0 -150 7 10 1 0 -175 11 8 0 1 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 77 80 9 ó 1 1 íi 9 Observe que para propósitos de la representación. x podría ser la variable de entrada puesto que su coeficiente. se debería escoger x para introducirlo. como se muestra en la figura 15.OS.0 S . se debe escoger la variable de salida de entre las variables básicas actuales S2. la función objetivo se expresa como Z . .0S . La variable con el valor negativo más grande se escoge de manera convencional porque nos lleva usualmente al incremento más grande en Z. Recuerde que. Se comienza en el punto A. Se puede ver gráficamente que hay dos posibilidades.0S = 0 2 3 4 (15. Esta variable se llama variable de salida. Sin embargo. Con base en su coeficiente. ya que queda fuera del espacio de solución factible.5)]. esto significa que la segunda linea . Para resumir este paso importante: una de las variables no básicas actuales debe hacerse básica (no cero). mientras que al movernos al punto F tendremos . Así. S o S ). Ahora. Después.blogspot. Esto se lleva a cabo al aumentar una variable actual no básica (en este punto. por la gráfica también queda claro que F no es posible.V. Moviéndonos al punto B se tendrá S igual a cero. la variable de entrada puede ser cualquier variable en la función objetivo que tenga un coeficiente negativo (ya que esto hará a Z más grande). Para nuestro caso. Por tanto. En este punto se puede consultar la solución gráfica por visualización. desarrollaremos un procedimiento matemático para seleccionar las variables de entrada y salida. S o S ) deben también igualarse a cero. el eje x. es más negativo que el coeficiente d e x . — 150. Debido a la convención de cómo se escribe la función objetivo [véase ecuación (15.150*i . se decide mover de A a B. Sin embargo. para la primera variable de holgura restrictiva S . Como 8 es el entero positivo más pequeño. seleccionamos x¡ puesto que se observa en la gráfica que nos llevará más rápido al máximo. una de las variables básicas actuales se hace no básica (cero). para el ejemplo actual. Por ejemplo. —175. los puntos extremos deben tener 2 valores cero.175 *2 . ¿Cómo se detecta el mismo resultado en forma matemática? Una forma es calcular los valores para los cuales las líneas de restricción interceptan el eje o línea que corresponde a la variable de salida (en nuestro caso.3. x. una de las variables básicas actuales (S S . igual a cero. para continuar con este breve ejemplo.com tabla. o x ) por arriba de cero para que Z aumente.5) El siguiente paso implica moverse a una nueva solución factible básica que nos lleva a una mejora de la función objetivo.

1 0 0 0 0 0 1 0 1 0 0 0 0 0 1 3 ñ .13. Por tanto. s http://libreria-universitaria. S debería ser la variable de entrada.com 1 0 0 0 0 z * 1 x 2 Si 0 1 0 0 0 S 2 S 3 S 4 Solución 0 77 8 9 -150 7 1 -175 11 0. y la nueva solución básica es ahora x 2 2 2 7 x i + Si = 7 7 lOx.8 0 1 0 0 0. se ha movido al punto B (x = S = 0).blogspot.1 PROGRAMACIÓN L I N E A L m restringida se alcanzará primero en tanto x aumente. 5*. X J ) . se tiene 3 4 2 2 Básica Z s. = 21. La tabla se puede usar para realizar los mismos cálculos al emplear el método de Gauss-Jordan. En este punto. el renglón pivote es S (la variable de entrada) Y el elemento pivote es 10 (el coeficiente de la variable de salida. S = 1. + S 3 = 80 = 9 S 4 = 6 La solución de este sistema de ecuaciones define en forma efectiva los valores de las variables básicas en el punto B: x. Recuerde que la estrategia básica detrás de Gauss-Jordan implica conver tir el elemento pivote a 1 Y después eliminar los coeficientes en la misma columna arriba Y abajo del elemento pivote (recuerde la sección 9. S = 6. Al dividir el renglón ende 10 Y reemplazar S por x. x. = 8.7) Para este ejemplo.

por tanto.1 0 S 3 S 4 Solución 1 200 21 8 1 ó Intercepción S 4 -55 5. Z 1 0 0 0 0 x i 0 0 1 0 0 x 2 Si 0 1 0 0 0 15 -0.889. Por ejemplo. la primera restricción tiene el valor positivo más pequeño y. todavía en la base.2037 0. el pum > final. se selecciona a S. sabemos que la solución está limitudu por ln primer» y http://libreria-universitaria. el método simplex mueve los puntos dr B a C e n la figura 15. Por último. |(M« el renglón de la función objetivo. Esta tabla se puede usar entonces para representar el próximo. como la variable de entrada. 2 2 Básica Z X Z 1 0 0 0 0 * 1 x 2 S .1296 0. la eliminación Gauss-Jordan se puede implemcnluí para resolver las ecuaciones simultáneas. la nueva tabla resume toda la información para el punto B.1481 -0.889 y x v Si OITÁN } 4.8 1 0 0 0 1.8 -0.1296 0 0 0 1 0 0 0 0 0 1 4 111 A HIIV '¿111 Se sabe que éste es el resultado final porque no quedan coeficientes negativos en el renglón de la función objetivo. Así.1852 0.1481 0. De acuerdo con los valores de la intei cepción (ahora calculados como la columna de solución sobre los coeficientes de la columna x ). y en este caso. La solución final se tabula como x¡ — 3. S 2 S 3 S 4 Solución i 4 I : Í HHV 2 *1 5 S 3 4 0 0 1 0 0 0 1 0 0 0 10.'< ii I| 1 :nn Operaciones similares se pueden ejecutar en los renglones restantes para obtener la mirva tabla Básica Z S. Además.com .8704 -0.HH7 10 6 -1 y> Así.2037 -0.4 0.7 0. El resultado es la tabla final. x .1852 -0. como . como la variable de salida.1 -0.3. 0 0 0 0 0 1 :i . Sólo una más de las variables.blogspot. los coeficientes x. los cuales dan una función objetivo máxima de Z = I 413. el renglón pivote se multiplica por 150 y se IO M M »»l resultado del primer renglón para dar Z * 1 x 1 -0 1 -150 -(-150) 0 -175 -1-120) -55 2 « I S 2 S 3 S 4 Solución 11 0 -0 0 0 -15) 15 0 0 0 0 0 0 ( 1 '. en los otros renglones se pueden eliminar. Esto incluye el hecho iln que el movimiento ha aumentado la función objetivo a Z = 1 200. y se escoge.V. por tanto.1852 7.889. tiene un valor negativo en la función objetivo.OPTIMIZACIÓN RESTRINGIDA Después.

Aunque talos métodos pueden ser útiles en algunos problemas.com . desarrollados y publicados por el Laboratorio Nacional Argonne.blogspot. Esta función resuelve ecuaciones y acomoda varias restricciones mediante el método Lenenberg-Marquardt tomando de los algoritmos do dominio público M1NPACK. véase Lasdon y cois. regresa con un mensaje de error "no se encontró solución". El método de búsqueda del gradiente reducido generalizado. se resuelve el problema no restringido usando procedimientos similares a los descritos en el capítulo 14. como se describió en el capítulo 14. Esto lo hace al resolver un conjunto de ecuaciones no lineales para las variables básicas en términos do variables no básicas.. la solución será no aceptada por violar las restricciones. es uno de los más populares métodos directos (para detalles. http://libreria-universitaria.3.15. o GRG (por sus siglas en inglés). 15. 1992).3 O P T I M I Z A C I Ó N C O N P A Q U E T E S DE S O F T W A R E Los paquetes de software y librerías tienen grandes capacidades para la optimización. Dichos procedimientos se pueden dividir en forma general en directos e indirectos (Rao. de hecho. se dará una introducción a algunos de los más útiles. Un procedimiento típico indirecto usa las muy conocidas funciones de penalización. Estas involucran colocar expresiones adicionales para hacer la función objetivo menos óptima en tanto la solución se aproxima n la restricción. El procedimiento del gradiente conjugado está también disponible en Excel como una alternativa para problemas grandes. Después. pueden ser difíciles cuando el problema involucra muchas restricciones. Se escoge primero una dirección do búsqueda. El uso de esta función para aplicaciones no restringidas se describió en In parte dos. 1978. el método no lineal usado en el Solver de Excel. que se puede usar parn resolver hasta 50 ecuaciones algebraicas no lineales simultáneas con restricciones de desigualdad. Primero "reduce" el problema a uno de optimización no restringida.1 Momead Mathcad contiene una función en modo numérico llamada Find. se lleva a cabo la búsqueda en una dimensión a lo largo de esa dirección mediante un procedimiento de tamaño de paso variable. Así. Si Find falla en la localización de una solución que satisface las ecuaciones y restricciones. En esta sección. requiere el almacenamiento de una aproximación de la matriz Hessian. Una vez que se ha establecido la dirección de búsqueda. 15. Este procedimiento se ejecuta muy bien en la mayoría de los casos. Sin embargo. El Solver de Excel tiene la excelente característica que en forma automática cambia al método del gradiente conjugado dependiendo de la disponibilidad de almacenamiento. La selección por default es un procedimiento cuasi-Newton (BFGS) que. Esta función da resultados de solución que minimizan los errores en las restricciones aun cuando no puedan encontrarse soluciones exactas. 1996). Este es. Lasdon y Smith.2 OPTIMIZACIÓN RESTRINGIDA N O LINEAL Existe un número de procedimientos para el manejo de problemas de optimización no lineal en la presencia de restricciones. Mathcad contiene también una función similar llamada Minerr .

cambiar color. Entonces se usa la secuencia Insert/Graph/X-Y Plot en el menú para colocar un gráfico vacío sobre la hoja de cálculo con símbolos matemáticos para las expresiones que habrán de granearse y para los rau gos de los ejes x y y. Esto coloca una retícula roja en esa localización. tipo y grueso de la línea de la función. se puede usar del menú la secuencia Format/Graph/X-Y Plot para variar el tipo de grá l'i ca. así como la solución. La gráfica y los valores numéricos para xval y yval ilustran excelentemente la solución.4.3. como su disponibilidad es amplia. Observe que para esta aplicación Mathcad requiere el uso de un signo de igual simbólico. Una gráfica que muestra las ecuaciones y restricciones.com . 1 4 2 1 3 6 C m a n r t e d emey > ( i 2 ) EDIT VIEW INSERT FORMAT MATH SYMBOLICS WINDOW HELP CONSTKAINED NONUNEAR OPTIMIZATION 1 2 :=F n d i 1 http://libreria-universitaria. este análisis se FIGURA 15. La instrucción (¡Ivon entonces le indica a Mathcad que se debe introducir un sistema de ecuaciones. se puede insertar en cualquier lugar sobre la hoja de cálculo al hacer clic en la ubicación deseada.blogspot. la función lineal y un pailón cruzado que representa la restricción x > 2). 15. y) y los valores son mostrados con un signo igual.OPTIMIZACIÓN RESTRINGIDA Hagamos un ejemplo donde se utiliza Find para resolver un sistema de ecuaciones no lineales con restricciones que introducen los valores iniciales de x = I yy I mediante los símbolos definidos como se muestra en la figura 15. Los rangos para estos casos son x para las mitades del círculo superior e inferior. Mathcad realiza el resto para producir la gráfica. FILE G a e » a u : i : = lv y = :lé I* G v e r n x t y 6 i t y 2 a > 2 D e m t r n e i m ó n i t n : y [v a ] l ()') x v a lo 4 2 1 . ¿j para la línea y r¡ para la restricción.4 2 1 3 6 y « l0 4 . Una vez que se ha creado la gráfica. Cuatro variables se trazan sobre el eje y como se muestra (las mitades inferior y superior de la ecuación para el círculo. etiquetas y otras características.2 Programación lineal en Excel Existe una variedad de paquetes de software especialmente diseñados para implemcntai programación lineal.4 Pantalla de Mathcad de un problema de optimización restringida no lineal. Ahora se calcula el vector que consiste de xval y yval usando Find(x. así como la intersección del círculo y la línea en la región x>2. y agregar títulos. teclea do como [Ctrl] = y > para separar los lados izquierdo y derecho de una ecuación. Sin embargo.

com .15. requiriendo de usted la infor- FIGURA 15. La estrategia básica es llegar a una celda que esté optimizada como una función de las variaciones de las otras celdas sobre la hoja de cálculo. de g a s o l i n a Regular Producido Materia prima Tiempo Almacén. EJEMPLO 1 5 . 3 Usando el Solver de Excel para un problema de programación lineal Enunciado del problema. por unidad Aprovechamiento 0 7 10 Prémium 0 1 1 8 . Utilice una hoja de cálculo en Excel para calcular los valores adecuados en el problema del procesamiento de la gasolina examinado en este capítulo.3 OPTIMIZACIÓN C O N PAQUETES DE SOPTWARE 4tt concentrará en la hoju tic cálculo lixcel. ¡ Una vez que se crea la hoja de cálculo. la cual contiene la utilidad total. A | B | C | P r o b l e m a p a r a el proe es. Solución. en las cuales se tiene las cantidades de la gasolina producida regular y prémium. D E 1 2 3 4 5 6 7 00 Total Disponib. = B6*B4+C6*C4 B7*B4+C7'C4 9 10 11 12 0 0 0 0 " * - 77 80 = "* ^ 9 6 = B4 = C4 150 175 0 0 - B4*B11 - C4*C11 o - B12+C12 http://libreria-universitaria. Las celdas que cambian son B4: C4. En esta etapa un recuadro de diálogo se mostrará. Las celdas no ! sombreadas son las que contienen los datos numéricos y leyendas. de prémium Aprov.5 Acondicionamiento de una hoja de cálculo en Excel para usar el Solver para la programación lineal. Reconozca que la { celda a ser maximizada es la D I 2 . íisln involucra usar la opción Solver que nntoH NO empleó en el capítulo 7 para localizar raíces. de regular Almacén.blogspot. El siguiente ejemplo ilustra cómo se puede realizar esto para el problema de procesamiento de lu gasolina.5. Una hoja de cálculo de Excel para calcular los valores pertinentes en el problema de procesamiento de gasolina es mostrado en la figura 15. se selecciona Solver del menú Tools (Herra| mientas). Las celdas sombreadas involucran las cantidades que se calculan con base en las otras celdas. La manera en la cual se usa Solver para programación lineal es similar a nuestras aplicaciones previas en el sentido de que los datos se introducen en las celdas de la hoja de cálculo.

se debería seleccionar el botón options del Solver y revisar el recuadro rotulado como "Assume linear model"(Suponer modelo linear).* Regular Producido Prémium Total 4.6 Hoja de cálculo de Excel con la solución al problema de programación lineal.G1 Sujeto a: D6<=-£6 D7<=E7 D8<=E8 D9<=E9 Se debe incluir las restricciones una por una al seleccionar el botón "Add". Esto abrirá un recuadro de diálogo como el siguiente Celda de referencia: D6 Restricción Eó Como se muestra. Ahora. por unidad 11 8 77 80 4. el botón "Add" puede ser seleccionado. de regular Almacén.888889 3.888889 7 10 Materia prima Tiempo Almacén. E s t o FIGURA 15.414 OPTIMIZACIÓN RESTRINGIDA marión pertinente.blogspot. Estas celdas pertinentes del recuadro de dialogo de Solver se llenaran como Ubique la celda dentro: Igual a 9 máx D12 O igual a 0 O mín Al cambiar celdas B4-. hará que Excel emplee una versión del algoritmo simplex (en lugar del Solver no lineal más general que normalmente usa) que acelera su aplicación. . se leccionamos el botón OK para regresar al recuadro de diálogo del Solver. de gasolina 1 : D E Disponib. Después de agregar cada una de las restricciones. 1 2 3 4 5 6 '7.888889 3. de prémium Aprov. ' A | B j C | Problema para el preces.com n o 150 175 .888889 77 80 9 6 http://libreria-universitaria. antes de la ejecución. la restricción donde el total de materia prima para la gasolina (celda D6) debe ser menor o igual que el abastecimiento disponible (E6) se puede agre gar como se ejemplificó. Cuando se haya introducido las cuatro restricciones.

13.3 Excel p a r a optimización no lineal La manera de usar Solver para optimización no lineal es similar a nuestras aplicaciones anteriores en cuanto a que los datos son introducidos en las celdas de la hoja de cálculo. Estos serán explorados en las aplicaciones de la ingeniería que se describen en la sección 16. Los parámetros para este problema son Parámetro Masa total Aceleración de la gravedad Coeficiente de costo |constante) Coeficiente de costo (por longitud) Coeficiente de costo (por área) Velocidad critica de impacto Efecto del área sobre el arrastre Altura inicial de caída Símbolo M.L4 ) 2 0 c sujeto a v < 20 n > 1 donde n es un entero y todas las otras variables son reales. EJEMPLO 15. 15. Valor 2 000 9. la estrategia básica es tener una sola celda a optimizar como una función de las variaciones de las otras celdas sobre la hoja de cálculo. Cuando seleccione H botón OK.6).blogspot.com .11) a (PT4.8 200 56 0. Recuerde que en el ejemplo PT4.1 se desarrolló una optimización restringida no lineal para minimizar el costo de la caída de un paracaídas en un campo de refugiados. regrese el menú Solver.19) se obtiene Minimizar C = «(200 + 56( + 0. Además.3. el Solver también proporciona algunos reportes resumen útiles.3 OPTIMIZACIÓN C O N PAQUETES DE SOFTWARE 411 Después de seleccionar esta opción. se abrirá un recuadro de diálogo con un reporte sobre el éxito de In operación. Una vez más.1). El siguiente ejemplo ilustra cómo hacer esto para el problema del paracaidista que se acondicionó en la introducción de esta parte del libro (recuerde el ejemplo PT4.1 20 3 500 Unidades c co i v 9 c m/s 2 $ $/m $/m m/s kg/(sm ) m 2 2 =2 k z Sustituyendo estos valores en las ecuaciones (PT4. Además de obtener la solución.4 Uso del Solver de Excel para la optimización restringida no lineal Enunciado del problema. Para el caso actual. las siguientes cantidades se definen como http://libreria-universitaria. el Solver obtiene la solución correcta (véase figura 15.2.

4 m - ¥í n 9. vaya a las selecciones Tools/Options del menú y seleccione calculatlon http://libreria-universitaria. Antes de implementar este problema en Excel.6) -(I-e -(c/m)t t = raíz 500 V= 9 1 (15. Se puede demostrar que para el rango de parámetros usados en este problema.8) [es decir. se puede fijar dos celdas de manera que tengan un valor para t y para el lado derecho de la ecuación (15.8) Así.7).) Mientras tanto./(r)].8).blogspot.- 9. ya que B20 dependo do IÍ21 y viceversa.8w (15.7)]. Ahora. A 20 21 B r itl 0 0. í Solución. ¿cómo se puede resolver esta ecuación en una hoja de cálculo? Como se muestra abajo. t se puede ajustar hasta que se satisfaga la ecuación (15.8m c e (15.8) en la celda B21 de tal forma que toma su valor tiempo de la celda B20 y los otros valores de los parámetros de celdas de cualquier otro lugar de la hoja (véase a continuación cómo se construye toda la hoja). un procedimiento más fácil es posible mediante el desarrollo de la í siguiente solución por iteración por punto fijo en la ecuación (15. se debe primero enfrentar el j problema de establecer la raíz en la formulación anterior [ecuación (15. 5009. Después coloqúese en la celda B20 y apunte su valor a la celda B21. la fórmula siempre converge.8m ¿ '¡+1 — (1 -(c/m)f.8m2 ( 1 _ e^clm)i) 9.7) ' % -(c/ m ) f j | Use Excel para resolver este problema para las variables diseño r y n que minimicen el costo C. en la sección 16. se desplegará en forma inmediata el mensaje de error: "no se puede resolver referencias circulares". Ahora. (Advierta que se ilustrará cómo realizar esto ] en el próximo capítulo.com .8m Una vez que se introducen estas fórmulas.480856 500 + 9.3.OPTIMIZACIÓN RESTRINGIDA A = 2nr 2 í = V2r c = 3. | tal como el de la bisección o de la secante. Se puede teclear la ecuación (15. Un método \ podría ser desarrollar un macro para implementar un método de localización de raíces.

blogspot. En la figura 15.(cálculo). verifique que apurezca "iterución" y presione "OK". que contiene el costo total. las celdas convergerán sobre la raíz.8 200 56 0.com .414214 2000 Costo 9 283. t FIGURA 15. la masa en B17 se calculó con la ecuación (15. Por ejemplo. Las celdas a cambiar son E4:E5. Esta repetición en la celda El 1 muestra que la estructura de las restricciones es evidente en la hoja.283185 1.7 Acondicionamiento de una hoja de cálculo en Excel para el problema de optimización no lineal referente al paracaídas. Del recuadro de diálogo calculation. ' A | B | C | D P r o b l e m a de o p t i m i z a c i ó n del paracaídas Parámetros: E F G 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 1 1 2000 9. sólo presione la tecla F9 para que se realicen más iteraciones (el default es 100 iteraciones.6) con base en los valores de M (B4) y n (E5). la celda El 1 se direcciona a la celda E5. note que la celda que habrá de minimizarse es E l 5 .7 se muestra cómo establecer una hoja de cálculo en Excel para calcular los valores pertinentes.25595 Así.1438 R a i z : localización: t fifi http://libreria-universitaria. en las cuales se tiene el radio y el número de paracaídas.1 20 3 500 V a r i a b l e s de d i s e ñ o : r Mt a A 1 c m n Restricciones: variables V costl cost2 cost3 ve kc zO 1 1 tipo límite n Función o b j e t i v o : < = i > = • 1 V a l o r e s calculados: 6. En forma inmediata la hoja de cálculo iterará estas celdas y el resultudo aparecerá como A B 20 i 2 1 Ht) 1 255} 10. Finalmente. que se pueden cambiar si se desea). Observe también que algunas celdas son redundantes. Las celdas sombreadas involucran cantidades que se calculan con base en las otras celdas. Si se quiere tener más precisión. Por ejemplo. Las celdas no sombreadas son las que contienen los datos numéricos y las leyendas.

333 16 c m 333.blogspot.44432 14 A 4. Igual a O máx Al cambiar celdas E 1 5 • mín O igual a 0 U E' E i 5 E"?> .262 http://libreria-universitaria.Q4v76 27.418 OPTIMIZACIÓN RESTRINGIDA Una vez que se ha creado la hoja de cálculo.04076 .3333 17 18 a r n Restricciones: variables V 6 tipo limite n Función o b j e t i v o : <= 6 > = 20 1 Costo 4377. 1 2 3 4 5 6 7 8 9 A | B 1 C | D P r o b l e m a de o p t i m i z a c i ó n del p a r a c a i d a s Parámetros: E F 1 1 2000 9. Esto abrirá un recuadro de diálogo como el siguiente Celda de referencia: E. se elige la selección Solver del menú Tools.8 Hoja de cálculo en Excel con la solución del problema de optimización no lineal referente ni caídas.162952 15 1 163.V I ' E 5 = entero Se debe agregar las restricciones una por una al seleccionar el botón "Add".com .8 200 56 0.C Restricción FIGURA 15.3 1 0 K . En esta etapa se desplegará un recuadro de diálogo. 19 fin 1 R a i z : localización: 27. Las celdas pertinentes en el recuadro de diálogo Solver se podrían llenar como Ubique la celda dentro. requiriendo la información pertinente.1 20 3 500 V a r i a b l e s de d i s e ñ o : Mt costl cost2 cost3 ve No kc 11 zO 12 13 V a l o r e s calculados: 54.

G T O L .1 5. (Entrada) GTOL = Tolerancia derivativa usada para decidir si el punto actual es un mínimo. Así. | Observe que la flecha hacia abajo le permite escoger entre varios tipos de restricciones ( < = . Además de obtener la solución. UVMID es implementado por el siguiente enunciado CALL: C A L L U V M I D ( F . Cuando se hayan introducido las tres restricciones. (Salida) F y G se deben declarar como EXTERNAL en el programa de llamado XGUESS = Un valor inicial del punto mínimo de F.3. se determina que el costo mínimo de 4 377.blogspot. La forma es F(X). (Salida) GX = Valor de la derivada en X. Esta rutina localiza el punto mínimo de una función suave para una sola variable mediante evaluaciones de la función y primeras derivadas. B . A . (Entrada) FX = Valor de la función en X. Estos serán explorados ¡ en las aplicaciones de la ingeniería que se describirán en la sección 16..3 OPTIMIZACIÓN C O N PAQUETES DE SOFTVM» 41* Como se muestra. ] el Solver también proporciona algunos reportes resumen útiles. (Entrada). la restricción en la que la velocidad real del impacto (celda E10) debe ser menor o igual a la velocidad requerida (G10). se puede forzar el número de paracaídas (E5) para que sea un entero. G X ) donde F = FUNCIÓN suministrada por el usuario para calcular el valor de la función a ser minimizada. E R R E L . (Entrada) MAXFN = Número máximo de ecuaciones permitido de la función.8. y F = valor de la función calculado en el punto X.4 IMSL IMSL tiene varias subrutinas en Fortran para optimización (véase tabla 15. jj De esta forma. > = . X no debería ser cambiada por F.944 m. MAX F N . (Salida) G = FUNCIÓN suministrada por el usuario para calcular la derivada de la función. Después de agregar cada restricción se puede seleccionar el botón "Add".26 ocurrirá si se reparte I en seis paquetes con un radio del paracaídas de 2. Para el caso presente. X G U E S S . \ el Solver obtiene la solución correcta como la que se muestra en la figura 15. Cuando seleccione el botón OK se abrirá un | recuadro de diálogo con un reporte sobre el éxito de la operación. 15. puede ser agregada como se hizo en el ejemplo.1). F X .2. (Entrada) B = Punto extremo superior del intervalo en el cual se localiza el máximo. donde X = punto en el cual se evalúa la función.com . = y entero). El presente análisis se concentrará en la rutina UVMÍD. donde G = valor de la función calculada en el punto X. se selecciona el botón OK para \ regresar al recuadro de diálogo Solver. (Entrada) ERREL = Exactitud relativa requerida del valor final de X. (Entrada) A = Punto extremo inferior del intervalo en el cual se localiza el máximo. X . (Salida) http://libreria-universitaria. G .

1 Categoría Minimización no restringida Función univariable OPTIMIZACIÓN RESTRINGIDA Rutinas IMSL para optimización.com GGUES CHJAC Gradiente por diferencias centrales Gradiente por diferencias hacia adelante Hessian por diferencias hacia adelante Hessian por diferencias hacia adelante mediante gradiente analítico Jacobiano por diferencias hacia adelante Verificación del gradiente proporcionado por el usuario Revisión del Hessian dado por el usuario Verificación del Jacobiano proporcionado por «I usuario .. Rutina Capacidad UVMIF UVMID UVMGS Función multivariable UMINF UMING UMIDH UMIAH UMCGF UMCGG UMPOL Mínimos cuadrados no lineales UNLSF UNLSJ Minimización con límites simples BCONF BCONG BCODH BCOAH BCPOL BCLSF BCLSJ Minimización restringida lineal DLPRS QPROG LCONF LCONG Minimización restringida no lineal NCONF NCONG Rutinas de servicio CDGRD FDGRD FDHES GDHES FDJAC CHGRD CHHES Usando sólo valores de la función Utilizando valores de la función y de la primera derivada Función no suave Usando gradiente por diferencias finitas Utilizando gradiente analítico Empleando Hessian por diferencias finitas Usando Hessian analítico Utilizando gradiente conjugado con gradiente por diferencias finitas Empleando gradiente conjugado con gradiente analítico Función no suave Utilizando Jacobiano por diferencias finitas Usando Jacobiano analítico Usando gradiente por diferencias finitas Utilizando gradiente analítico Empleando Hessian por diferencias finitas Usando Hessian analítico Función no suave Mínimos cuadrados no lineales mediante Jacobiano por diferencias finilun Mínimos cuadrados no lineales mediante Jacobiano analítico Programación lineal densa Programación cuadrática Función objetivo general con gradiente por diferencias finitas Función objetivo general con gradiente analítico Usando gradiente por diferencias finitas Utilizando gradiente analítico http://libreria-universitaria.blogspot.Puntal d t Iniciojwntradoi .420 T A I L A 15.

gx EXTERNAL f.427334 -1. ) END FUNCTION Observe que como la rutina está acondicionada para minimización.739729E-04 PROBLEMAS I 1 1 Inii compañía produce dos tipos de productos. .l . Los productos requieren 20 y í kg de materia prima por kg de producto.15 horas. e r r e l .maxfn. la compañía obtiene utilidades de $45 y $30 por e«<ln unidad. 5 U J O de IMSL p a r a localizar un 1 0 I 0 óptimo j Enunciado del problema. respectivamente. * x / 1 0 .gx) PRINT * .g.com ." • ^ Ttn EJEMPLO 1 5 .50 REAL: :xguess-0. La plnnlii puede almacenar sólo 550 kg del producto total por semana. respectivamente. A y B.*C0S(x) . E . Sólo un producto so puede fabricar a la voz.blogspot.fx.f.g CALL UVMIDCf. con tiempos de producción de 0.a.*SIN(X) . Esos productos se producen en una semana de trabajo de 40 horas y al I nuil de la semana son embarcados.05 y 0.2 . x .x.f f—(2. ! ¡ f(x) = 2 sen x J 10 ! Solución. g t o l . b .775726 -4. respectivamente. .PROBLEMAS " .x**2/10.g g—(2. Un ejemplo del programa principal en Fortran 90 y de la función usadn UVMIF para resolver este problema se puede escribir como PROGRAM Oned ! I USE mimsl IMPLICIT N O N E INTEGER::max fn .xguess.1 AL 15. Use la rutina UVMID para determinar el máximo de lii función unidimensional resuelta en el capítulo 13 (recuerde los ejemplos del 15. se introduce el negativo de la función.errrel.gtol. Un ejemplo de la corrida es \ i 1.l . Pin último. http://libreria-universitaria. a — 2 . f x .3). y IN compañía tiene acceso a 10 000 kg de materia prima por seiminii. a) Establezca el problema de programación linoal pare maxl mizar la utilidad.g.fx. REAL::x.2 . g x END P R O G R A M FUNCTION f(x) IMPLICIT NONE REAL::X. E .6 .b.6 .) END FUNCTION FUNCTION g(x) IMPLICIT N O N E REAL::x.

422 OPTIMIZACIÓN RESTRINGIDA sujeto a /. 15.. b) Resuelva el problema de programación lineal con el método simplex. Minimizar/(x:. Maximizar f(x.. el almacenamiento o el tiempo de producción. y . suponga que una nueva fuente de materia prima para la gasolina se ha descubierto.9 x >0 y > 0 15 . 5 ) 2 2 sujeto a x + 2y = 4 a) b) Use un procedimiento gráfico para estimar la solución. Mathcad o IMSL).5}' < 15 x+y < 7 2x + y < 9 x>0 y > 0 Obtenga la solución a) Gráficamente. e) Evalúe con cuál de las siguientes opciones se obtendrá la máxima utilidad: aumentar la materia prima. c) Mediante un paquete de software o librería apropiado (por ejemplo.2 Suponga que para el ejemplo 15.5 Use un paquete o librería de software (por ejemplo. . 15.3 Considere el problema de programación lineal 3 sujeto a x + y < 0.blogspot. b) Mediante el método simplex. 15. Excel.\x+\. Mathcad o IMSL) para resolver el siguiente problema de opiitin zación no lineal restringido. 5 } ' < 1600 .2 . c) Solucione el problema do programación lineal con el método simplex. .v + 2y < 500 x >0 }>0 Obtenga la solución a) Gráficamente. y) = (x . de tal forma que el total disponible se duplica a 154 m /por semana. b) Por medio del método simplex. d) Resuelva el problema con un paquete de software. Mathcad o IMSL). Utilice un paquete o librería de software (por ejemplo. y) = —x + y 3 sujeto a x + y > 0.4 Considere el problema de programación lineal: Maximizar/X*. Mathcad o IMSL) para resolver el siguiente problema de opluul zación no lineal restringido. d) Evalúe con cuál de las siguientes opciones se obtendrá la máxima utilidad: aumentar la materia prima.5JC + 3 . c) Solucione el problema con un paquete de software. el almacenamiento o el tiempo de producción. .y 3 Además.Í Use un paquete o librería de software (por ejemplo. 15. IÍXITI.95 x + 2y < 2 x > 0 2 2 x + 2.com y > 0 15.y) = 12* + lOy http://libreria-universitaria.1700 x +y < 7 4. c) Con un paquete de software o librería apropiado (por ejeui pío. l 'v ecl. Excel. . y) l.7 Considere el siguiente problema de optimización no IIIICBI restringido: Minimizar/(x.2.5) + (y .9y . la planta procesadora de gasolina decide producir una tercera clase de producto con las siguientes características: Suprema Materia prima para gasolina Tiempo de producción Almacenamiento Aprovechamiento 15 m /tonelada 1 2 hr/tonelada 5 toneladas $250/tonelada 3 5x + 4 . líxiW.1.) Resuelva el problema do programación lineal en forma gráfica. Mathcad o IMSL) pura obtener una ONlinmuion mát exacta. a) Establezca el problema de programación lineal para maximizar la utilidad.}>) = I9x+ sujeto a \ly Minimizar f(x.

r) ~ . c) Sustituya el resultado de b) en la función para determinar el mínimo f(x.ll UNO un pnquelc o librorln de solUvarc puní determinar el de .25x 2 2y 1 lít.•.blogspot.)•) 2.x ./'(..2xy . b) Numéricamente..10 Dada la siguiente función.y 2 4 2 15.° Uliliee un paquete o librería de software para determinar el máximo de /(.5x + 2y + x .v.v.7 .y) = 3.5y - \.com .V'' -1 1 ly I 2/ 2\y IUI'IHIIIIO ./'(. d) Determine el Hessian y su determinante.2. http://libreria-universitaria. r I I. use un paquete o librería de software puru determinar al mínimo a) Gráficamente. y). y sustituya el resultado del inciso b) en la última para verificar que se lia detectado un mínimo.»>> + \.Ift.

Estos problemas son importantes. involucra determinar los desplazamientos de la pierna al pedalear en una bicicleta do montaña al minimizar la ecuación bidimensional de energía potencial. ellas son representativas de problemas con los que se enfrentará el ingeniero profesionalmente. se ilustra cómo los lenguajes macro de Visual Basic dan acceso al algoritmo de búsqueda de la sección dorada dentro del contexto del ambiente Excel. tomada de la ingeniería química/petrolera. tomada de la ingeniería mecánica/aeroespacial. Después. se utiliza la programación lineal para apreciar un problema de la ingenie ría civil/ambiental: minimizar el costo del tratamiento de aguas para cumplir con los objetivos de calidad del agua en un río. involucra maximizar la potencia a través de un potenciómetro en un circuito eléctrico. tiene que ver con el uso de la optimización restringida no lineal para el diseño óptimo de un tanque cilindrico. tomada de la ingeniería eléctrica. la cuarta aplicación. . eléctrica y me cánica/aeroespacial. Además. Los problemas son tomados de las áreas principales de la ingeniería: química/petrolera. se introduce la noción de precios indefinidos y su uso para mostrar la sensibilidad de una solución por programación lineal. los métodos numéricos y las computado ras son con frecuencia una necesidad para desarrollar soluciones óptimas. Por último. La primera aplicación.1 D I S E Ñ O DE U N T A N Q U E C O N EL M E N O R C O S T O (INGENIERÍA QUÍMICA/PETROLERA) Antecedentes. La tercera aplicación. Además de resolver el problema. El Solver de Excel se usa para desarrollar la solución. Las siguientes aplicaciones son típicas de aquellas que se encuentran en forma ruli nana durante los estudios superiores y de graduados.com .blogspot. 16. ya que a los ingenieros se les pide con frecuencia que den la "mejor" solución a un problema. La solución involucra optimización unidimensional no restringida.CAPITULO 16 Aplicaciones en la ingeniería: optimización El propósito de este capítulo es usar los procedimientos numéricos analizados en los capítulos 13 al 15 para resolver problemas reales de la ingeniería que involucran optimización. Los ingenieros químicos y petroleros (así como otros especialistas tales como los ingenieros mecánicos y civiles) con frecuencia se enfrentan al problema general del diseño de recipientes que transportan líquidos y gases.Suponga que so lo pide determinar las dimensiones de un pequeño tanque cilindrico para ol transporto de http://libreria-universitaria. En este ejemplo. Como muchos de estos casos involucran sistemas complejos e interacciones.

Observe que lo último involucra soldar ambas: la costura interior y la exterior en donde se conectan las placas con el cilindro. Símbolo Valor Unida das Volumen requerido Espesor Densidad Longitud de la caja Ancho de la caja i ^ m ó x p Costo d e l material Costo por soldadura 0.1 Parámetros para determinar las dimensiones óptimas de un tanque cilindrico. Debido a que el tanque transportará desechos tóxicos. Solución. el cual está basado en el peso. además del costo. Su objetivo general será minimizar el costo del tanque. Además.16. Los datos necesarios para el problema so resumen en la tabla 16.1 Parámetro Parámetros para determinar las dimensiones óptimas de un tanque cilindrico para transporte de desechos tóxicos.1. usted debe asegurar que mantenga la cantidad requerida de líquido y que no exceda las dimensiones de la caja del camión. El costo está relacionado con las variables de diseño (longitud y diámetro). Un esquema del tanque y de la caja se muestra en la figura 16.1 DISEÑO DE U N T A N Q U E C O N EL M E N O R C O S T O FIGURA 16. se requiere de un espesor especificado por ciertos reglamentos. desechos tóxicos que se van a trasladar en un camión. el problema es restringido yu que el tanque debe 1) ajustar a la caja del camión y 2) contener el volumen requerido de material. y 2) gastos de soldadura que se basan en la longitud necesaria para soldar.blogspot. El objetivo aquí es construir un tanque a un mínimo costo. El costo del tanque involucra dos componentes: 1) gastos del material.1.8 3 8 000 2 1 4. TABLA 16.com . ya que ellas tienen efecto sobre la masa del tanque y las longitudes a soldar. el tanque consiste en un cilindro con dos placas soldadas en cada extremo.5 20 rrr' cm kg/rrv m m 1 $Afj $/m http://libreria-universitaria. Como puede verso. Sin embargo.

la masa se calcula con donde p = densidad (kg/m ). c y c = factores de costo para la masa ($/kg) y longitud de la soldadura ($/m).1).blogspot.com donde V e» el volumen deseado (m ). La longitud de soldadura para unir cada placa es igual a la circunferencia interior y exterior del cilindro.APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN El costo implica los valores del material del tanque y de soldarlo.1) donde C = costo ($). una restricción es JTD= L V„ ü http://libreria-universitaria. Por lanío.2) **w — ^ 2*|§+í)+2*f = 4n(D +1) (16. ol resultado de la función objetivo es no lineal en las incógnitas. 3 . Para las dos placas.3) proporcionan un medio para calcular el costo. esto es aplaca = * ( — (d \2 +t Así. Así. se reformulará cómo la masa y longitud de la soldadura se relacionan con las dimensiones del tambor. Después. las ecuaeio nes (16.2) y (16. la fluición objetivo se puede formular como una minimización (16.3) Dados los valores de D y L (recuerde que el espesor t está fijo por códigos). El volumen del material usado para crear las paredes laterales (por ejemplo.3) se sustituyen en la ecuación (16. Primero. la masa se puede calcular como el volumen del material por su densidad. respectivamente. el cilindro) se puede calcular como w m w D ^cilindro — ^ n Para cada placa circular en los extremos.2) y (16. la longitud total de soldadura sería m = p\Ljí 2 + D D H - 2?r| y + f | t (16. Primero. También observe que cuando las ecuaciones (16. se debe calcular qué volu men puede ser introducido en el tanque terminado. í = longitud a soldar (m). m = masa (kg).1). se puede formular las restricciones. TTD 2 2 Este valor debe ser igual al volumen deseado. Después. (16.

03 El problema ahora se puede resolver en diferentes formas. se puede resumir como Maximizar C = 4.03 - - + 2JT[ ® + 0.16. W F »( \ )V i » > * C •14. ln : 4K(D + 0. Sin embargo. La hoja de cálculo para realizar esto se muestra en la figura 16.5 20 D L 1 2 Restricciones D L * Vol 1 2 1. Con la sustitución de los valores de la tabla 16.8 0.570796 < = = _ 1 2 0.03) A 1 2 3 4 5 6 7 Parámetros: D i s e ñ o de t a n q u e ó p t i m o B c 0 E F G 1 V a r i a b l e s de d i s e ñ o . FIGURA 16.1 D I S E Ñ O DE U N T A N Q U E C O N EL M E N O R COSTO 49? Las restricciones restantes tienen que ver con que el tanque ajusto a las dimensiones de la caja del camión.433 http://libreria-universitaria..03 0. L<L D<D r M Á X El problema está ahora especificado. ) rho Lmáx 9 Dmáx n 10 11 cw 0.! .: 2 1 donde m = 8000 \ Ln D + 0. el planteamiento más simple para un problema de esta magnitud es usar una herramienta como el Solver de Excel.8 V a l o r e s calculados: W3 IF1 m Iw Vcoraza Función objetivo: It .2.2 Hoja de cálculo de Excel lista para evaluar el costo de un tanque sujeto a restricciones de volumen requerido y tamaño.com Ylaeai 11$ 1 .5m + 2Q€ Sujeto a TTD L 2 W 4 L D < < = o.blogspot.03 8000 2 1 4.1.

5 20 D E F O 1 2 3 4 5 Variables de diseño: D L Restricciones D L Vol < = 0. un recuadro de diálogo se abrirá mostrado un reporte sobre el éxito de la operación. Una vez creada la hoja de cálculo. FIGURA 1 6 . podría encararse esta restricción y el problema se reduciría a una búsqueda unidimensional para la longitud. la selección Solver se escoge del menú T O O I N (Herramientas). EL PRECIO SE REDUCE DE 9 1 54 A 5 7 2 3 .57 > 0. Observe que el diámetro óptimo es casi el valor de la restricción de 1 m. Las celdas pertinentes del recuadro de diálogo Solver se pueden llenar como Ubique la celda destino: Igual a O máx 0 mír E16 O igual a 0 Por cambio de celdas E5:E6 Sujeto a las restricciones: E10<G10 E l l <G11 E l 2 = G12 Al seleccionar el botón OK. A B C D i s e ñ o de t a n q u e ó p t i m o 1 Parámetros: VO t rho Lmáx Dmáx cm cw 0. la cual se muestra en la figura 16. En este punto aparecerá un recuadro de diálogo que le solicitará la información pertinente.8).799998 1 2 o. Para el caso presente.982949 < = 0.054235 j£ 15 7 8 9 10 11 12 •13 V a l o r e s calculados: m Iw Función o b j e t i v o : _ 1 1215.72909 1 C http://libreria-universitaria.3. si la capacidad del tanque se aumentara. 3 RESULTADOS DE MINLMIZACIÓN. Así. se introducen los límites D y L.05 M.03 8000 2 1 4. 9 8 M Y L = 1 . el Solver obtiene la solución correcta.8 0.982949 1. Para este caso.com Vcora¿u •••• .a 6 0.blogspot. YA QUE EL VOLUMEN MÁS PEQUEÑO TIENE LAS DIMENSIONES DE D = 0 .428 APLICACIONES E N LA INGENIERÍA: OPTIMIZACIÓN Para el caso mostrado. el volumen cu mayor que el requerido (1.236 12.

se mezclan con la contaminación de las fuentes corriente arriba. W. los procesos de descomposición químicos y biológicos pueden remover algo de la contaminación cuando fluye corriente abajo.4) donde W — descarga de desechos desde la ciudad /-ésima. la cantidad descargada al río es el exceso no removido por el tratamiento. c = concentración (mg/L) en el río inmediatamente corriente arriba de la descarga. Para el presente caso.4 Cuatro plantas de tratamiento de aguas de desecho que descargan contaminantes a un sistema de ríos.)P¡ i (16.blogspot. Las descargas de aguas de desecho de las grandes ciudades son. con frecuencia. = (1 -x. Cada uno genera contaminación a una razón de carga P que tiene unidades de miligramos por día (mg/d).2 M Í N I M O C O S T O E N T R A T A M I E N T O DE A G U A S DE D E S E C H O (INGENIERÍA CIVIL/AMBIENTAL) Antecedentes. la causa principal de la contaminación en un río. Varias ciudades están localizadas sobre un río y sus afluentes. y Q¡ = flujo corriente abajo del punto de descarga (L/d). las ciudades 1 y 2 en el río mostrado antes) están libres de contaminantes. Así. La figura 16. se supone que esta remoción se puede representar por una simple reducción fraccional R. W¡ + Qi u u Qc u u (16. la concentración resultante en el punto de descarga se puede calcular con un simple balance de masa. La carga contaminante está sujeta al tratamiento de desechos que resulten de una remoción fraccional x.com .16.5) donde Q = flujo (L/d). Suponiendo que los cabezales de agua (por ejemplo. las concentraciones en los cuatro nodos se pueden calcular como FIGURA 16.2 MÍNIMO COSTO ! N TRATAMIENTO DE AGUAS DE DESECHO 429 16. Después que se establece la concentración en el punto de mezclado.4 ilustra el tipo de sistema que un ingeniero ambiental podría enfrentar. Cuando las descargas de desechos entran en la corriente. Si se supone un mezclado completo en el punto de descarga. Los segmentos del río entre las ciudades están indicados con números dentro de un círculo. http://libreria-universitaria.

Use la programación lineal para determinar los niveles de tratamiento que salislii cen los estándares de calidad del agua a un mínimo costo. d¡($ 1 0 0 0 / mg removido). Así. La pieza final en la "decisión rompecabezas" involucra regulaciones ambientales Para proteger los usos benéficos del río (por ejemplo. La concentración se puede calcular con la ecuación ( 1 6 . el mismo ejercicio. 2 se resumen los parámetros para el sistema del río de la figura 16/1 Advierta que hay una diferencia en los costos de tratamiento entre las ciudades corrienlp arriba ( 1 y 2 ) y corriente abajo (3 y 4 ) por la naturaleza impredecible de las planilla corriente abajo.com . en cada una de las localidades. poní ahora con los estándares para los segmentos 3-4 y 4-5 disminuidos a 1 0 mg/L.A P L I C A C I O N E S E N L A I N G E N I E R Í A : O P T I M I Z A C I Ó N (1 Gl3 Ql3 fll3<2l3Cl + £•3 = R23Q21C2 + (1 Q34 (!(>. evalúe el impacto « I hacer el estándar más restringido debajo de la ciudad 3.2 Parámetros para las cuatro plantas de tratamiento de aguas de desecho que descargan contaminante» a un sistema de ríos. junto con los resultados de concentración (c¡) para tratamiento cero. Observe que el estándar de 2 0 mg/L se viola en todos I o n puntos de mezclado. las regulaciones indican que la concentración del río no debe exceder un estáiuliii de calidad de c . Esto es. paseos en bote.()) J C 3 ) f 3 c 4 = R34Q34C3 Q45 d P2X2 + O -x )P 4 4 Después. pesca.7) Z = d¡ P\X\ + + d-iP-¡xi + Í Í 4 P 4 X 4 2 diario del tratamiento donde Z es el costo total ( $ 1 000/d). s TABLA 16. 6 ) y el resultado se c i i I í h I i i en la columna sombreada para el caso donde no se implemento tratamiento de aguas (e* decir. En la tabla 1 6 . http://libreria-universitaria. También se enlista el flujo. el factor de remoción y los estándares para los segmentos del río. se observa que el tratamiento de aguas tiene un costo diferente. el costo total de tratamiento (sobre una base diaria) se puede calcular como (16. tomar 1111 baño). donde todas las x = 0 ) .blogspot. También.

50E + 08 J i 4-5 " 1 F G H CONCENT.00E-O6 s u .27 20 0 / 22.OOE + 0 7 0.* ) P 3 3 „ 4 4 < Cs3 0 < Xi.00E + 09 4E + 09 0 4. está sombreada la celda IIV I|II(¡ muestra la fórmula para el costo total que es el que hay que minimizar [véase ecuación (16.X .8)]. A B I C | D | E Costo m í n m o del t r a t a m i e n t o de a g u a s de desecho N O TRATADA TRATAMIENTO DESCARQA COSTO UNIT.10) De esta forma.8)] sujeto a la restricción de los estándares de calidad del agua que se deben satisfacer para todas las partes del sistema (16.6 2.5 « f f 2-3 5.5. la función objetivo es minimizar el costo de tratamiento [véase ecuación (16.00E-06 jl||ni|iiiliiiii 3 4.OOE + 09 0 1E + 0 9 2.50E + 09 0 2.00 20 0 / 47.00E + 09 2E + 0 9 0 2.35 Í B i " 3-4 1. Las celdas F4 y H 4 están sombreadas para UN II.48 20 0 TOTAL 0 / / $D$4/$B$10 .10E + 08 0.X4 2 < 1 (16. 5 I LI de cálculo de Excel lista para evaluar el costo de tratamiento de aguas sobre un sistema de ríos regulado. Además.5E + 0 9 4.9) + < Cs4 R\3<2\3C\ R34Q34C3 + Q45 2 (1 . El problema se puede resolver por medio de una variedad de paquetes. el tratamiento no debe ser negativo o mayor que el 100% de remoción [véase ecuación (16. ESTÁNDAR COSTO DE DECA EN EL RÍO TRATAMIENTO 20 100 0 / 40.8) sujeto a las siguientes restricciones (1 (1 " X )P 2 2 223 < c s2 ~ Q4 + R Q 3C (1 ~x )P 3 2i 2 (16.00E-06 '""•ip'lÍ 2 2.00E-06 FLUJO EN REMOCIÓN SEQMENTO EL RÍO EN EL RÍO 1-3 1. La columna I 11 MLLENE el cálculo de la concentración de acuerdo con la ecuación (16.00E + 0 7 0. 4 2.SUM($H$4t/$H$7) .6).2 MlNIMO COSTO EN TRATAMIENTO DE AGUAS DE DESECHO Solución. Todos los factores antes mencionados se pueden combinar en el siguionto problema de programación lineal: Minimizar Z = d P x l l l m + d^P^ + dPx 3 3 3 + dPx 4 4 4 (16. Para esta aplicación se usa la hoja de cálculo Excel.blogspot. CIUDAD P X W D 1 1 . Como en la figura 16. los datos junto con los PIOURA 1 6 .com .X3.LINI las fórmulas usadas para calcular C.$B$4*$C$4*$I$4 http://libreria-universitaria.9). y el costo del tratamiento para la Ciudad 1. Además.10)].16.

Las celdas pertinentes del recuadro de diálogo se podrían llenar como Ubique la celda desiir Igual a O máx • rnín O igual a Por cambio de celdas C4:C7 Sujeto a las restricciones: C7< 1 C7>0 F4>G4 F5 >G5 F6>G6 F7>G7 Observe que no todas las restricciones son mostradas. OBSERVE quo AUN CON EL HECHO DE QUE NO SE REQUIERE TRATAMIENTO PARA LA CIUDAD 4 .28 4.6 RESULTADOS DE MINIMIZACIÓN.OOE + 09 0. 2000 9000 0 1 2 3 4 6 10 HfH •Pl 20 20 20 20 4-5 http://libreria-universitaria. LA CONCENTRACIÓN EN SU PUNTO DE MEZCLADO ACTUALMENTE EXCEDE EL ESTÁNDAR.35 3-4 1.5 2-3 5. el Solver obtiene la solución correcta. Seleccione el reporte Sensibilidad y después presione el botón OK para aceptar la solución. En este punto.5625 1. LOS ESTÁNDARES DE CALIDAD DEL AGUA SE CUMPLEN A UN COSTO DE 12 600/DIARIOS.50E + 09 0 2. Para el presente caso.00E + 07 0. D i 6 t Costo m í n i m o del t r a t a m i e n t o de a g u a s de desecho Costo unit.com 2. No tratada Tratamiento Descarga Estándar Ciudad P X W d en el río deCA ! 1 .6.5E + 09 15.blogspot. la cual se muestra en la figura 16. El Solver generará automáticamente un reporte de sensibilidad.75E + 09 20. FIGURA 16.00E-06 20. se abre un recuadro de diálogo con un reporte sobre el éxito de la operación. Antes de aceptar la solución (al seleccionar el botón OK en el recuadro reporte del Solver).00E-06 20 2 2. un recuadro de diálogo se desplegará.00E-06 4 2.OOE + 09 0. requiriéndole la información pertinente.7.00E + 09 0. Sensibilidad y Límites.10E + Q8 0.432 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN cálculos de la concentración se pueden introducir de manera fácil en lus celdas de la hoja de cálculo.00 4. ya que el recuadro de diálogo despliega sólo seis restricciones a la vez.00E-06 Flujo en Remoción Seqmento Total el río en el río 1-3 1.6 H Costo de tratamiento •16QQ. como el de la figura 16.$°§tG§ . se elige la selección Solver del menú Tools.8 2E + 0 8 2.5 1E + 09 2. Concent.00 0 4. A :B -. Cuando se selecciona el botón OK.00E + 07 0. Una vez que se crea la hoja de cálculo. observe que se ha generado 3 reportes: Respuesta.

se disminuye el valor en las celdas G6 y G7 a G10).640 20 20 10 10 http://libreria-universitaria.6). Para nuestro ejemplo. El precio anticipado es un valor que expresa la sensibilidad de la función objetivo (en nuestro caso.7 k'nporte de sensibilidad en uno hoja de cálculo lista |Kiia evaluar el costo de liiitumiento de aguas sobre un sistemo de ríns renulndo.$12.00 6 . Como se muestra en la tabla T A B L A 1 6 . X L S ] W a s t o T r e a t R e p o r t Craated: 3 / 9 / 9 7 8 : 2 9 Cambiando celdas Celda $C Nombre $ 4 " 7 Valor final " " ' " Costo reducido . Como un ejercicio final. De hecho.28 1 2 3 4 0. la columna clave de la figura 16. " ° Coeficiente objetivo " 2 0 0 ° Aumento permisible " Í " É " Disminución permisible + 3 0 Ó $C $5_ x $C$6 x $C $7_ x Restricciones Celda Nombre 0.5 0. la concentración en la ciudad 4 será en realidad menor que el estándar (16.8 0..8375 0.00 15. 30 1200 16000 10000 Valor final Precios anticip. Para el caso actual.00 -440. — $440/Ac .72 20 17.30'____ 0 ! I + . . corriente abajo de la ciudad 3) que se están contemplando. Esto indica que nuestra modificación será costosa. LD Aumento permisible Disminución permisible FIGURA 16.600 20 20 20 15. aunque no se requiere tratamiento para lo ciudad 4.8 0. í3 Esto se confirma cuando se vuelve a ejecutar el Solver con los nuevos estándares (es decir.com .00 20 20 20 _ 1E+30 _ 20 4. $F $5 __conc $F$6 $F$7 conc_ conc 20.87878788 15. se puede disminuir los estándares 3-4 y 4-5 para ahora tener 10 mg/L. Antes de hacer esto.7 es el precio anticipado. el costo) con una unidad que cambia una de las restricciones (estándares calidad-agua).m M i c r o s o f t Excel 5 . ocurre para uno de los cambios de estándar (es decir.28 mg/L). revela que el precio anticipado más grande. Ciudad X 10 c c 1 2 3 4 0.90909091 Ahora examinemos la solución (véase figura 16.5 0. 3 Comparación de los dos escenarios involucrando el impacto de diferentes regulaciones sobre los costos de tratamiento. Observe que el estándar ajustara en todos los puntos de mezclado. se puede examinar el reporte de Sensibilidad. representa el costo adicional en que se incurrirá al hacer los estándares más restrictivos.28 -30.$19.00 _ 20.264 Costo . Por tanto.blogspot.5625 0 Costo .E+. 0 S e n s i t l v i t y R e p o r t W o r k s h e e t : [CASE 1 5 0 2 . Restric. E s c e n a r i o 1 : T o d a s l a s c.5625 0 _0 0 10000 4000 16000 10000 !.5 0. = 2 0 Ciudad X Escenario 2 : C o r r i e n t e a b a j o c.

y que la ciudad 3 debe actualizar su tratamiento. Observe que la máxima transferencia de potencia ocurre en una resistencia de aproximadamente 16 Q. el resultado es que el costo del tratamiento aumentó de $ 12 600/diarios u $ I 9 640/ diarios. A partir de las leyes de Kirchhoff se puede obtener una expresión para la potencia del circuito.8 Un circuito resistor con un resistor ajustable.3. Los resistores ajustables son llamados potenciómetros Los valores para los parámetros son V = 80 V.3 M Á X I M A T R A N S F E R E N C I A DE POTENCIA P A R A U N CIRCUITO ( I N G E N I E R Í A ELÉCTRICA) Antecedentes. 9 Una gráfica de transferencia de potencia a través de las terminales 1-2 de la figura 1 6 . Además. R = 8 Q. 0 0 http://libreria-universitaria.com . + «1 A R 2 M — F I '3 FIGURA 1 6 .blogspot. o potenciómetro. como P(R ) a = Ri(RVRiR.434 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN 16. Observe también que no se afecta el tratamiento en las duda des corriente arriba. b) Realice un análisis de sensibilidad paiu determinar cómo varía la máxima potencia y el valor correspondiente del potenciómetro sobre un rango de 45 a 105 V l 2 3 a Solución.8 contieno tres resistores fijos y uno ajustable. 1 1 ) a Sustituyendo los valores de los parámetros dados se obtiene la gráfica mostrada en ln figura 16. + Ri + Ri) + RiRa + R3R2 ( 1 6 . El circuito simple con resistencias mostrado en la figura 16.8 como una función de la resistencia del P(R ) a 40 20 Potencia potonciómetro R . R = 12 Q. 16. al reducir el estándar de concentraciones para las llegadas inferiores significará que la ciudad 4 debe comenzar a tratar sus desechos. y R = 10 Ll.9. FIGURA 16. a) Encuentre el valor de la resistencia ajustable R que maximiza la transferencia de potencia a través de las terminales 1 y 2.

11).10) se muestra una hoja de cálculo Excel para implementar la ecuación (16.44 Q. Entonces el valor de R (celda B8) puede ser variada en forma de prueba y error hasta que se tenga un residuo mínimo. pero esto será ineficiente.10.3 MÁXIMA TRANSFERENCIA DE POTENCIA PARA U N CIRCUITO 435 A B • '•'i 2 M á x i m a t r a n s f e r e n c i a de potencia V Rl R2 R3 Ra P|Ra) 80 8 12 10 16. Tal función es enlistada en la figura 16. 7 8 9 30.5.11. la ecuación (16.11). En este punto se desplegará un recuadro de diálogo requiriendo de usted la información pertinente.11) se puede introducir en la celda B9. Solver obtiene la misma solución correcta mostrada en la figura 16.44445 t D 3 4 5 6 FIGURA 16. se desarrollará un programa macro en Visual BASIC para realizar un análisis de sensibilidad.03003 =(B3*B6*B8/(B4'(B8+B5+B6)+B6*B8+B6*B5)) 2/B8 A Resolveremos este problema en tres formas con la hoja de cálculo Excel.03 W con un valor en el potenciómetro de R = 16.10 l>ciluminación en Excel de ln polc-ncia máxima a través i lo un potenciómetro niiKJiíinle prueba y error. Para el caso actual. no es conveniente para los casos donde se deben emplear múltiples optimizaciones. Observe la similitud tan cercana con el pseudocódigo de la búsqueda de la sección dorada que se presentó en la figura 13.blogspot. se emplea la prueba y error y la opción Solver. Además. Para este ejemplo. Un planteamiento superior involucra usar la opción Solver del menú Tools de la hoja de cálculo. observe que una función se debe definir también para calcular la potencia de Acuerdo con In ecuación (16.com . http://libreria-universitaria. b) Ahora. Las celdas pertinentes del recuadro de diálogo Solver se llenarán como a a Ubique la celda destino: Igual a 9 máx O mín B9 O igual a B8 0 Por cambio de celdas Cuando el botón OK es seleccionado. Está claro que el Solver podría llamar muchas veces los diferentes valores de los parámetros. donde estamos interesados en determinar en qué modo la potencia máxima varía para diferentes valores de voltaje.1 ¿. aunque el procedimiento anterior es excelente para una sola evaluación. Tal podría ser el caso para la segunda parte de esta aplicación. d) En la figura (16. Como se indica. Una forma preferible sería involucrar el desarrollo de una función macro que llegue al óptimo. se despliega un recuadro de diálogo con un reporte sobre el éxito de la operación. Después. el resultado es una potencia de 30. Primero.

Num/Ra End Function A 2 FIGURA 16.d f l .f 2 End I f I f xopt O 0 then ea .x2 : f x .x l ) x l .x l : f x .x l : x l . V) Else xu .12 se muestra una hoja de cálculo Excel que utiliza este macro para evaluar la sensibilidad de la solución para el voltaje. x h l g h .blogspot.x l + d : x2 .( 1 . V) End I f 1ter .f 2 End I f Do d .f 1 Else xopt .Power(x2.5 . R l . V) f 2 .x2 x2 .d : f l .x l x l . R3. R2.xu . R l .(V * R3 * Ra / CR1 * (Ra + R2 + R3) + R3 * Ra + R3 * R2)) Power . R3. Se tiene una columna de valores que cubre un rango de los voltajes (esto es. R l .x l ) / x o p t ) * 100 I f ea <.xu .(5 0. R l .r ) * AbsCCxu .f l f l . En la figura 16.PowerCxl.r * (xu .0.01 : r .436 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN Functlon GoldenCxlow.r * d I f f l > f 2 Then x l .com .es Or i t e r > maxlt Then E x i t 0o Loop Gol den .xlow : xu . R3.x h l g h : 1 t e r . En la celda B9 se tiene una función de llamado del macro que referencia el valor adyacente de V (los 45 volts en A9).11 Macro para Excel escrito en Visual BASIC para determinar un mínimo con la búsqueda do la sección dorada. de 45 a 105 V).x l : f x .x2 : x2 . V) Num .xopt End Functlon A Function PowerCRa. R3. R2. R2. R3. R2. V) I f f l > f 2 Then xopt .1 d .x2 : f x .50 : es .f l Else xopt .f 2 f 2 .Power(x2. R l .xl + d : f2 . R2. R l . V) maxlt . R3. http://libreria-universitaria.i t e r + 1 I f f l > f 2 Then xopt .PowerCxl.1) / 2 x l . R2.

00676 105 1 6 .39358 90 16. http://libreria-universitaria.12. se incluye también parámetros en la función argumento.$B$4. Cuando se copian las fórmulas hacia abajo.$B$7. el resultado es como el mostrado en la figura 16.44444 26. Una estrategia similar se usa para introducir la ecuación (16.A9) ' I f ' ' 1 1 1 1 1 1 1 / llliilíliiim w \ TI'.12 I li > | u de cálculo de Excel para implementar un análisis de sensibilidad de la potencia máxima con variaciones de voltaje.13 se observa que la potencia aumenta con el voltaje. La potencia máxima se puede trazar para visualizar el impacto de las variaciones de voltaje. La hoja de cálculo indica que para un mismo valor.11) en la celda C9.1 Rmáx 100 V Ra ^ PiRal 45 1 6 .13 Resultados del análisis de sensibilidad para el efecto de las variaciones de voltaje sobre la máxima potencia.$B$5. incluyendo el signo $). 7 3 1 4 2 Llama a la macrofunclón hecha en V i s u a l B A S I C Oro ($B$6.LIE.89189 75 16. 16. 4 4 4 4 4 5 1 .com .blogspot.44 £2. En la figura 16.44444 16. se tiene una a FIGURA 16. 4 4 4 4 4 9 . \ \ \ Cálculo de la potencia] =(A9*$B$5*B9/($B$3*{B9+$B$4+$B$5)+$B$5*B9+$B$3*$B$4))*2/B9 FIGURA 16. Los resultados para los valores correspondientes en el potenciómetro (R ) son más interesantes. las referencias absolutas queden fijas. Esto se hizo de tal forma que cuando la fórmula se copie.1 1. I ski iijlina accesa el programa macro para la búsqueda de la sección dorada de la figura 16. las referencias a los valores iniciales superior e inferior y las resistencias son absolutos (esto es.$B$3. mientras que la referencia relativa corresponde al voltaje en el mismo renglón. Advierta que. *JF>' 1 M á x i m a t r a n s f • r a n c i a de potencia Rl 8 R2 12 R3 10 Rmín 0. 5 0 1 6 8 9 6 0 16. Además.44444 38. mientras la referencia con Ves relativa.

l = longitud = 0. otras especial i dades de la ingeniería deben tratar también con el impacto de fuerzas sobre los dispositivos que ellos diseñan. http://libreria-universitaria.'| FIGURA 1 6 . Determine los desplazamientos para uun fuerza de 10 000 N y un rango de los 8 desde 0°(horizontal) hasta 90° (vertical).Fx eos 6-Fy sen 0 (16. como se ilustra en la figura 16.blogspot. 1 4 a) Una bicicleta de montaña junto con b) un diagrama de cuerpo libre para una patio <lnl marco.11). En particular. w — ancho = 0. Sin embargo. Por su trabajo en la industria de la construcción.y) = 1— J x + . Se puede resolver los desplazamientos e n * y y al determinar ION valores que den una energía potencial mínima.14a). 16. A usted le interesa probar la respuesta de la mano cuando se ejerce una fuerza en cualquier número de direcciones designadas por el ángti loft Los parámetros para el problema son E = módulo de Young = 2 X 1 0 Pa.com . 11 2 Solución. El interés reciente en bicicletas de competencia y recreativas ha significado que los ingenieros tengan que dirigir sus habilidades hacia el diseño y pruebas de bicicletas do montaña (véase figura 16. Tal resultado podría ser difícil de intuir basado en una inspección casual en la ecuación (16.44 m. los ingenieros mecánicos y aeroespaciales deben cumplir tanto con la respuesta estática como con la dinámica en una amplia clase de vehículos que van desde automóviles hasta vehículos espaciales. los ingenieros civiles son más comúnmente asociados con el diseño estructural. Suponga que las fuerzas que usted debe analizar se pueden simplificar.^ i . Suponga que se le asigna la tarea de predecirlos desplazamientos horizontal y vertical de un sistema de frenos de una bicicleta como respucstn a una fuerza.438 APLICACIONES EN LA INGENIERÍA: O P T I M I Z A C I Ó N potencia máxima.56 m. Este problema se puede plantear al desarrollar la siguiente ecuación para ln energía potencial del sistema de frenado.0001 m .14&. V{x.1 . A área de sección transversal = 0.4 D I S E Ñ O DE U N A BICICLETA DE M O N T A Ñ A (INGENIERÍA MECÁNICA/AEROESPACIAl) Antecedentes. y h = altura = 0.\ — )y 2 2 .5 m.

3.0005 - 0.16.62 con deflexiones de x = 0. un algoritmo de búsqueda multidimensional debería implementarse. Una tercera forma de plantear el problema podría ser mediante el uso de un lenguaje de programación como Fortran 90.0000878 m. observe que la deflexión x es mucho más pronunciada que en la dirección y. los resultados se muestran en la figura 16. o FIGURA 1 6 .5000JC .0000 o o 30 60 90 0 I I I I I I I I I http://libreria-universitaria. En forma alterna.8660v El mínimo de esta función se puede determinar de diferentes formas. donde la energía potencial es mayor a bajos ángulos. Para 6 ~ 30°. para este caso. Ambos resultados se deben a la geometría del marco de la bicicleta.000786 y y = 0.15. la deflexión x es mucho más pronunciada cuando la carga está dirigida en la dirección x (6 — 0 ) y la deflexión y tiene un máximo cuando la carga está dirigida en la dirección y (0 — 90°). se puede escribir un macro en la misma forma que se hizo en la sección 16. mediante el Solver de Excel. junto con un software de librerías para métodos numéricos tal como el IMSL. Como se esperaba (véase figura 16. 1 5 o) El impacto de diferentes ángulos sobre las deflexiones (observe que Z e s la resultante de las componentes x y y| y b| energía potencial de una parte del marco de la bicicleta de montaña sujeta a una fuerza constante. de tal forma que se puedan implementar optimizaciones múltiples en forma simultánea. Sin embargo. 0 0 1 0 r- m 0. a) 0 . Queda claro que.4 D I S E Ñ O D E U N A BICICLETA D E MONTAÑA Resolviendo para un ángulo en particular es tarea simple.15a). En cualquiera de los casos. Por ejemplo. las deflexiones podrían ser más uniformes.com . Por supuesto que se puede implementar el Solver de Excel en forma repetida para diferentes valores de 6 con el fin de verificar cómo se modifica la solución con el cambio de ángulo. se pueden sustituir en la ecuación (16. Esto se manifiesta también en la figura 16. Si w fuera mayor.156.blogspot. la energía potencial mínima es — 3.12) los valores de los parámetros dados y obtener V(x.y) = 5 512 026x 2 + 28 471 2 1 0 / .

blogspot.2 hi/kg $35/kcj" 3 000 k<] .2 Diseñe el contenedor cónico óptimo (véase figura P16. El contenedor va a almacenar 0.1 Un contenedor cilindrico sin tapa. Realice el diseño de modo que tanto su tapa como sus lados sean minimizados.3). El contenedor va a almacenar 0. Realice el diseño de tal forma que sean mínimos el área del fondo y sus lados. El contenedor va a almacenar 0. b) Repita el inciso a). y se obtiene diferentes ganancias.1) de tal forma que abra por un extremo y tenga paredes de espesor insignificante. Cada uno de estos productos requiere una cieiln cantidad de materia prima química de diferentes tiempos do producción.2) de tal forma que tenga una tapa y paredes de espesor insignificante.'> II/MHIKIIUI http://libreria-universitaria.2 Un contenedor cónico con tapa.440 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN PROBLEMAS 16. 16.1 hr/kg $30kg lOkg/kg 0.4.05 hr/kg $30/kg 4 kg/kg 0. el crecimiento parte de cero u muy bajas concentraciones debido a la limitación de la coinidn También parte de cero en altas concentraciones debido a los clbc tos de toxicidad.8c + c + 0. pero ahora agregue la restricción L > 2/i. 16. 16.2 m y tiene paredes de espesor insignificante.com .2 m .2 m . Interprete el resultado. 2c ~ ~ 4 + 0.3 Un contenedor cilindrico con tapas semiesféricas.4 La razón de crecimiento específico de una fermentación que produce un antibiótico es una función de la concentración de comida c.3 Diseñe el tanque cilindrico óptimo con tapas semiesféricas (véase figura P16. La información pertinente se resume en la tabla siguiente: Producto 1 Producto 2 Producto 3 Disponibilidad do f u e n t e * Materia prima química Tiempo de producción Nueva utilidad 5 kg/kg 0. Observe que el volumen de cada una de las tapas semiesféricas se puede calcular con 3 3 3 Ingeniería química/petrolera Tapa FIGURA P 16.1 Diseñe el contenedor cilindrico óptimo (véase figura P16. 16.2c 8 2 3 FIGURA P l 6. Abierto h Como se ilustra en la figura Pl 6. Encuentre el valor de c para el cual el cree i miento es un máximo. FIGURA P 16. A=n(h 2 + r) 2 V = — a) Diseñe el tanque de tal forma que el área sea minimizada.5 Una planta química produce tres productos principales on una semana.').

hecho de dos materias primas Xy Y. y).7) se da para optimizarla. de producción. Determine los valores de x y y que minimicen f(x.8a. • • I os productos dan utilidades de $2 500. Z2. W.4 ! ( i razón de crecimiento específico de una fermentación que nioduce un antibiótico contra la concentración de comida. </) Evalúe cuál de las siguientes opciones aumentará más las utilidades: incrementar la materia prima química. Esto comprende la operación de una planta química de un modo tal que los impactos sobre el ambiente sean minimizados. El costo del tubo se calcula con Costo = / ( / . Además.PROBLEMAS 441 c (mg/L) FIGURA P16. Z2. Determine qué cantidad de productos y desechos se deben crear para maximizar las utilidades. a) Establezca un problema de programación lineal para maximizar las utilidades.7 Un módulo de elemento finito de una viga en voladizo sujeta a carga y momentos (véase figura P16. H > . El costo del proceso de tratamiento es do $3(>0/tonclada.5 toneladas de Xy produce 1 toneliula de un líquido de desecho. -$50 y $200/toneladas pin II Zl. el tiempo de producción o el almacenaje. Producir una tonelada de otro producto secundario. La columna tiene una forma de sección transversal como la de un tubo de pared delgada. la compañía tiene acceso a un limite do 7 500 y 10 000 toneladusdo Xy Y durante el poriodo a) http://libreria-universitaria.5y donde x = desplazamiento en el extremo y y = momento en el extremo. Zl. Suponga que IIIIII refinería desarrolla un producto. al agregar 1 tonelada de Y por cada tonelada de W.8 Suponga que se le pide diseñar una columna para soportar una carga de compresión P. 16. respectivamente. b) la columna tiene la forma de una sección transversal como la de un tubo de pared delgada. Z3. y el espesor de la pared. />) Resuelva el problema de programación lineal con el método simplex.5y 2 l.86. < > Recientemente los ingenieros químicos se han involucrado on el área conocida como minimización de desechos. Los ingenieros tienen que enl'rcntar esto con tres formas alternas para el manejo de los desechos: • Producir una tonelada de un producto secundario. c) Resuelva el problema con un paquete de software. d. Tratar los desechos de tal forma que su descarga sea permisible. Observe que al producir Z2 NO obtiene de hecho una pérdida. como la mostrada en la figura P16. t.com . y Z3. f(x. La producción de 1 tonelada métrica del producto involucra 1 tonelada de Xy 2. Las variables de diseño son el diámetro medio del tubo. como se muestra en la figura P16. d) = c W + c d x 2 FIGURA P l 6. al agregar una tonelada adicional de X por cada tonelada de W.y) = 5x -5xy 2 +2.blogspot. ()bserve que hay suficiente espacio en bodega de la planta para almacenar un total de 450 kg/ a la semana.8 a) Una columna que soporta una carga de compresión P. Ingeniería civil/ambiental 16.

La columna debe soportar la carga bajo esfuerzo de compresión y no pandearse. esto se define como P = B +2H donde = profundidad (m). 3 W ndlllp [d]. Como se indica en la figura P16. el cual se relaciona para m á s purA < s d metros fundamentales por s a 2 A. para un c a n a l i w tangular. P= H c| http://libreria-universitaria.2) blema al determinar los valores que minimizan el Observe que H = 275 cm.007x>' l = \dt[d> + ?) áedyt d = dmodelo t = det — Q=n -A R ' S ' Streeter-Phelps 3 i 2 2 2 k d L Determine la localización exacta de la concentración pico dinln la función y con el conocimiento de que el pico cae dentro do lun fronteras .9. los diámetros disponibles para los tubos están entre 1 6 1 . 0 1 6 y .. <> con centración saturada de oxigeno [mg/L].0025 kg/cm .d (I 1 50 m g / L S = 1 mp/l.0. dimensiones usado para parametrizar la fricción del c a n a l ) . en algún tiempo de travesía.9) y R = radio hidráulico (m).05x .9 Se puede usar el para calcular la concentración de oxígeno disuelto en un río por debajo de un donde n = coeficiente de rugosidad de Manning (un n ú m e r o N I I I punto de descarga de desechos (véase figura P16.1 El flujo Q [m /s] en un canal abierto se puede predecir con d y d y el espesor entre í. por sus iniciales en inglés) [d 1. y) = 7. E = 900 000 kg/cm .. l 2 C 16. Desarrolle y resuelva este prolacosto. A R = — P c donde perímetro mojado (m). i|iits sería la más esforzada. Por lo tanto. 1 x _1 1 a Esfuerzo real (o) < esfuerzo máximo de compresión = 03. ecuación de Manning (recuerde la sección 8. 2 donde p = densidad del material del tubo = 0.com .0 . o . 2 3 1 2 1 cm.0 La distribución bidimensional de la concentración de mn taminantes en un canal se puede describir con c(x.-*«' _ _ (i canal (sin dimensiones. / = tiempo do I n i v i N 'h i = concentración BOD en el punto de mezclado 0 k = razón de descomposición de la demanda de oxigeno bioquímico (BOD. (P16. 0 5 d~' s 2 d= 0= 0. la ecuación (l>Id.") pin duce un oxigeno "disuelto" que alcanza un nivel mínimo cillli n. P = 2 000 kg./.9). = área de sección transversal del canal (m ). metros de caída por metro de longitud). S = pcndienlo ilol ° (.0. perímetro mojado es la longitud de los lados del canal y l'ondo que están por debajo del agua. k = razón de reatiaeión |il 1 y S = demanda de oxígeno sedimentado [mg/L/dj. Se puede usar el cálculo para demostrar que JiEI H dt 2 o= L k s 10 m g / L k = 0 . t . Por ejemplo.1 d" 1 k h 2 a = O. { 2 = 10 cm. k iii/ón de asentamiento de (BOD) [ d ] .t + 0.1 cm y 1 cm. L d b c x | n i u / l |.13. ya que representa la uhiciuií'in para flora y fauna que dependen del oxígeno.1 0 < x < 10 y 0 <y < 20. debajo del punto de desairan Este punto es llamado "crítico". FIGURA P 1 6 .l 1 6 1 . Como su nombre lo i n d i c n . Determine el tiempo de travesía crilii-u y la concentración dados los siguientes valores: donde c.. 0. Suponga que u s t e d se cnaipnlrtt usando esta fórmula para d i s e ñ a r un c a n a l lineal ( o b s e r v e l o s granjeros a l i n e a n los canales p i n a minimizar l a s pérdidiiN por goteo). y t . -= 4 y c = 2 son factores de costo y W — peso del tubo.442 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN donde o = concentración de oxígeno disimilo |nig/L. 9 • ok + k k Oxígeno dísuelto "a la deriva" por debajo del punto de descarga de desechos en un río.blogspot. = 550 kg/cm Esfuerzo real < esfuerzo de pandeo El esfuerzo real está dado por 2 c _ P A jrdt _ P Se puede demostrar que el esfuerzo de pandeo es donde E = módulo de elasticidad e / = segundo momento de área de la sección transversal. como el pe/. Finalmente.9 + 0.21y .

min FIGURA P16.12. Encuentre a y b que maximice L. S i € = 2 m y ^ = 1 0 ~ m .14 El circuito mostrado en la figura P16.12 Las dimensiones de un solenoide. Is > 0 16.0. Suponga que cada corriente puede variar entre los límites superior e inferior. 1 4 Un circuito eléctrico. Encuentre las resistencias de modo que la potencia total disipada por el circuito sea un mínimo.com .0.15. 443 40 V C = A + cP Cl 2 FIGURA P l 6. Para realizar esto minimice la siguiente función de costos. .13 Un circuito eléctrico en paralelo para cargar tres baterías. x 2 Ingeniería eléctrica 1 6 .PROBLEMAS u) Dados los parámetros // . 16. .h.max FIGURA P 1 6 . h. 1 2 Un modelo para un solenoide se puede expresar como L = S + 6(a/b) + W(c/b) donde L = inductancia. h.V = 0.blogspot.003 y Q = I nvVs. pero esta vez incluya el costo de excavación.13 Un circuito eléctrico se diseña para usar una fuente de 40 volts para cargar baterías conectadas en paralelo de 15 V.byc describen la geometría como la mostrada en la figura P16. 6 V y ¡ < 4 h < 3 U 2 2 S N 1 \Q' N 6 I\.14 consiste de cinco resistores y sus respectivas corrientes. 2 donde c es un factor de costo por excavación = 100 $/m y c es un factor de costo por alineación $50/m. determine los valores de H y II que minimizan el perímetro mojado. http://libreria-universitaria. entonces se requiere que 6 2 7a N/b 2 bc_ 25 V Encuentre las corrientes que maximizan la potencia transferida a las baterías. Se quiere maximizar L para una longitud dada del alambre ( con un área de sección transversal ^ . i — i. Este problema se puede formular como el siguiente problema de programación lineal: Maximizar P = 15/ + 6 / + 2 5 / 2 4 5 sujeto a: h = h + h ¡\ < 5 2nNA = 2 y 77 Por tanto. b) Repita el inciso anterior.. N = número de vueltas ya. Advierta que un cálculo como éste podría minimizar el costo si los costos de alineación fueran mucho mayores que los de excavación. c) Analice las implicaciones de sus resultados.

W = peso y V = velocidad. mientras se minimizan las costos usando una rutina de optimización como las que se encuentran en Excel.16 El par transmitido a un motor de inducción es una función de la desviación entre la rotación del campo del estator y la velocidad del rotor. 16. N) = sujeto a Deflexión = 8FD /V 3 donde n = revoluciones por segundo de la velocidad de rotación del estándar y n — velocidad del rotor. y se requiere que el esfuerzo cortante sea mayor de 120. a) Si o = 0. 16. el arrastre por empuje disminuye. Mientras que el arrastre por fricción aumenta con la velocidad. determine el arrastre mínimo y la velocidad a la cual esto ocurre. Este problema se puede formular como el siguiente problema de optimización: M i n i m i z a r ^ .15 FIGURA P16. 16. Determine la generación de potencia requerida para cumplir con las demandas.16 Par transmitido a un inductor como una función de deslizamiento. FIGURA P 1 6 . 1 p L =0. donde la desviación se define como s = n-riR n donde D = arrastre.5 y W = 15 000. Se desea encontrar el diámetro de alambre (d). Formule este caso como un problema de optimización restringida. L.Í ) ( 4 Í . T 4 3 D 20 000 http://libreria-universitaria.2pi + 0 . Las pérdidas de potencia debido a la transmisión. +0.blogspot. están dadas por Li =0.17. Como se observa en la figura P16. Use un método numérico para determinar la desviación a la cual ocurre el máximo par.16 muestra esta función. a = razón de la densidad del aire entre la altitud de vuelo y el nivel del mar.15 pulgadas. Mathcad. es decir. desarrolle un análisis de sensibilidad para determinar cómo varía este óptimo en respuesta a un rango que va de W = 12 000 a 18 000 con a = 0. etcétera.2p.5. b) Además. IMSL. el diámetro de la espiral (D) y el número de vueltas (Af) que minimice el peso del resorte y limite la deflexión a 0.3 Í + 4 ) 2 < 0. V¡ = RJi = constante.5p 2 2 2 La demanda total de potencia es 30. Se puede usar las leyes de Kirchhoff para demostrar que el par (expresado en forma adimensional) y la desviación están relacionadas por R r 4 -^-{nDNp) _ 15J(1-J) (1 . El costo de generación de potencia en las plantas 1 y 2 están dadas por Fi = 2p + 2 x La figura P16. 1 7 Gráfico de arrastre contra velocidad para un alerón.17 El arrastre total sobre un alerón se puede estimar por fricción empuje F = 10p 2 x 2 2 donde p y p = potencia producida por cada planta. Ingeniería mecánica/aeroespacial 16. D.444 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN y que la caída de voltaje a través de cada resistor sea constante.15 Un sistema consiste en dos plantas de potencia que deben entregar cargas sobre una red de transmisión. La combinación de estos dos factores llevan a un arrastre mínimo.18 Cuatro resortes helicoidales se pueden usar para soportar un vagón de tren que transporta bicicletas de montaña a Denver. el esfuerzo constante para 9 000 psi.com . los dos factores que contribuyen al arrastre son afectados en forma diferente cuando la velocidad aumenta.

la cantidad del ingrediente . D. D.Ydebe ser siempre igual o mayor que el Y. determine el costo mínimo de la mezcla por cada litro de combustible. Ijljin D N_ > 120 sujeto a d 110—r— > 1 4 3 d D 3 FIGURA P 1 6 .4 0. http://libreria-universitaria..025 y 0.DyN. Para un comportamiento máximo. El aditivo se compone de tres ingredientes: X. N > 0 Si los valores dados para la carga y los parámetros del material se sustituyen.443 Esfuerzo cortante = K<—».. El problema para encontrar la localización del máximo esfuerzo a lo largo del eje x se puede demostrar que es equivalente a maximizar la función f(x) = 0. 0. la cantidad total de aditivo debe ser de al menos 6 mL/ L de combustible. > 1 135> 1 DN d. 1 9 Rodamientos de rodillo. Por razones de seguridad. Y y Z es 0.< 9000 nd' •JGg d.19). obtenemos Minimizar F(d. el total de los altamente flamables ingredientes Xy Y no debe exceder de 3 mL/L.com . N) = QJd DN 2 K/'7> d 2 Frecuencia natural = -—. 16.4 1 +x 2 + x Encuentre la x que maximiza/(se).05.N > 0 2 Resuelva para d. respectivamente.==— _.20 Una compañía aeroespacial está desarrollando un nuevo aditivo de combustible para aerolíneas comerciales.blogspot. D. Si el costo por mililitro de los ingredientes X.. Además.15.19Los rodamientos de rodillo están sujetos a fallas por fatiga causadas por grandes cargas por contacto F (véase figura P16. y el Z debe ser mayor que la mitad del Y. 16. Yy Z.

pero algunas vecen sufre divergencia. La mayoría de los métodos de esta parte son muy complicados y. y siempre converge. el método de Newton a moñudo converge con rapidez cuando se está en la vecindad de una raíz. El método de Marquardt usa el método de pasos descendente en In ubicación de inicio. Los métodos gradiente usan la primera y algunas veces la segunda derivada puní encontrar el óptimo. Tiene la ventaja de minimizar las evaluaciones de la función. Aunque el método de Newton converge fácilmente cerca del óptimo. Es posible implementar también en una forma similar al método de la secante con representaciones por diferencias finitas de las derivadas. muy lejos del óptimo. El método de Newton es un método abierto que no requiere que un óptimo sea acotado. así como fórmulas importantes y relaciones. Se puede implementar en una representación de forma cerrada cuando la primera y segunda derivadas pueden ser determinadas en forma analítica. Sin embargo. con frecuencia diverge para valores iniciales pobres. El método de búsqueda de la sección dorada es un método cerrado que requiere de un intervalo que contenga un solo óptimo conocido. Tanto el método de búsqueda de la sección dorada como el de interpolación cuadrática no requieren evaluaciones de la derivada. El método de Newton puede ser costoso en el contexto computacional. y después cambia al método de Newton coren del óptimo. ya que re quiere cálculos tanto del vector gradiente como de la matriz Hessian. La convergencia depende también de la naturaleza de la función. Sin embargo.mU >I .blogspot. En contraste. En el capítulo 14 se trató dos tipos generales de métodos para resolver problemas do optimización no restringidos de muchas dimensiones. en tales casos. Métodos de búsqueda patrón como el de Powell pueden ser muy eficientes y tampoco requieren la evaluación de la derivada. en consecuencia.E P Í L O G O : PARTE C U A T R O Los epílogos de las otras partes de este libro contienen un análisis y un resumen tabular de los elementos de juicio entre los métodos. puede divergir.com de cuaii-Newton Intenta evitar eitos problemai al mar anroxim »cinn«« u n rmA. Por tanto. La interpolación cuadrática también trabaja mejor cuando se implementa como un método de intervalo.4 E L E M E N T O S DE JUICIO El capítulo 13 trató acerca de la búsqueda del óptimo para una función no restringida de una sola variable. en un intento por tomar las fortalezas de cada método. proveen también una herramienta para encontrar el óptimo global más que el local. El método de pasos ascendente/descendente proporciona un procedimiento confiable pero en ocasiones lento. Así. aquí nos desviaremos un poco para proporcionar el siguiente análisis narrativo de los elementos de juicio y referencias adicionales. ambos son apropiados cuando el intervalo puede definirse fácilmente y las evaluaciones de la función son costosas. El procedimiento http://libreria-universitaria. Los métodos directos como el do búsqueda aleatoria y el univariable no requieren las evaluaciones de las derivadas de la función y con frecuencia son ineficientes. no se pueden resumir con simples fórmulas y resúmenes tabulares. aunque se puede también programar como un método abierto. PT4.

el método de Brent es un híbrido que intenta tomar en cuenta la naturaleza de la función para asegurar una convergencia lenta y uniforme para valores iniciales pobres y una rápida convergencia cerca del óptimo. se puede encontrar información adicional en Fletcher (1980. Para problemas en varias dimensiones. Dermis y Schnabel (1996) y en Luenberger (1984). Gilí y cois.5 REFERENCIAS ADICIONALES Para problemas en una dimensión.PT4. Véase Press y cois. (1992) para detalles. El más genérico es la librería IMSL. las investigaciones continúan para explorar las características y ventajas correspondientes de varios híbridos y métodos en serie. almacenamiento e inversión del Hessian). No hace mucho Excel tenía las capacidades de optimización más útiles en la forma de herramienta Solver.blogspot.5 REFERENCIAS ADICIONALES 447 número de evaluaciones de la matriz (en forma particular la evaluación. Algunos ejemplos son el método del gradiente conjugado de Fletcher-Reeves y los métodos cuasi-Newton de Davidon-Fletcher-Powell. la cual contiene muchas subrutinas para implementar la mayoría de los algoritmos de optimización estándar. esto puede ser usado para resolver problemas en todas las áreas que se cubrieron en esta parte del libro. http://libreria-universitaria. Procedimientos tales como el método GRG están disponibles para resolver problemas restringidos no lineales. Los paquetes de software y librerías incluyen una amplia variedad de capacidades de optimización. En la actualidad. (1981). la programación lineal basada en el método simplex proporciona un medio eficiente para obtener soluciones. El capítulo 15 se dedicó a la optimización restringida. Debido a que esta herramienta está diseñada para implementar la forma más general de optimización (la optimización restringida no lineal).1981). PT4. Para problemas lineales.com .

en la figura PT5. Estas dos aplicaciones se conocen como ajuste de curvas. Sin embargo. usted puede requerir una versión simplificada de una función en un número de valores discretos a lo largo del rango de interés. El primero no intentó conectar los puntos.16). Por ejemplo.1& y PT5.1 M é t o d o s s i n computadora p a r a el ajuste de curvas El método más simple para ajustar a una curva los datos es ubicar los puntos y después dibujar una línea que visualmente conforma a los datos. Aunque ésta es una operación válida cuando se requiere una estimación rápida. donde los datos exhiban un grado significativo de error o "ruido". Sin embargo. los resultados son dependientes del punto de vista subjetivo de la persona que dibuja la curva. Usualmente tales datos se originan de tablas. tal aproximación provee estimaciones que son adecuadas en muchos cálculos de la ingeniería. Después. en vez de ello. el procedimiento básico será ajustar a una curva o a una serie de curvas que pasen directamente a través de cada uno de los puntos. de http://libreria-universitaria.com .1 c). Ésta es una práctica común en la ingeniería. Un procedimiento de esta naturaleza es llamado regresión por mínimos cuadrados (véase figura PT5. se puede derivar una función más simple para ajustar esos valores.la). Como ejemplos se tienen los valores de la densidad del agua o la capacidad calorífica de los gases en función de la temperatura. Debido a que cualquier dato individual puede ser incorrecto. Primero. Existen dos procedimientos generales para el ajuste de curvas que se distinguen uno del otro con base en el grado de error asociado con los datos. El segundo ingeniero usó segmentos de línea recta o interpolación lineal para conectar los puntos (véase figura PT5.A J U S T E DE C U R V A S PT5. caracterizó la tendencia general hacia arriba de los datos con una línea recta (véase figura PT5.1 son mostrados trazos desarrollados a partir del mismo conjunto de datos por tres ingenieros. PT5. Un cuarto o quinto ingeniero podría. no se necesita interceptar cada punto.blogspot.1 a). Si los valores están verdaderamente cercanos a ser lineales o cercanamente espaciados.1 MOTIVACIÓN Los datos a menudo son dados para valores discretos a lo largo de un continuo. se puede introducir errores por esa interpolación lineal. En lugar de esto. El tercer ingeniero usa curvas para tratar de capturar el serpenteado sugerido por los datos (véase figura PT5. donde se conoce que los datos son muy precisos.1. donde la relación resaltada es altamente curvilínea o los datos están espaciados en forma muy amplia. La estimación de valores entre puntos discretos bien conocidos es llamada interpolación (véase figura PT5. la estrategia será derivar una sola curva que represente la tendencia general de los datos. se designa la curva para seguir un patrón de los puntos tomados como un grupo. Segundo. usted puede requerir una estimación en puntos entre los valores discretos. Esta parte del libro describe técnicas para el ajuste de curvas de tales datos para obtener estimaciones intermedias.1c). Además.

igual forma. desarrollar ajustes alternativos. PT5. a) Regresión por mínimos cuadrados. y c) interpolación curvilínea. Es obvio que nuestra meta aquí es desarrollar métodos sistemáticos y objetivos con el propósito de obtener tales curvas. Casos especiales y contextos de problemas nuevos a menudo requieren que usted recolecte sui propioi http://libreria-universitaria. En lo que resta de su carrera. b) interpolación lineal. Aunque muchas de las amplias propiedades usadas en la ingeniería han sido tabuludas. de tablas de interés para ingeniería económica.com . o a partir de tablas de vapor para termodinámica).1. usted tendrá frecuentes oportunidades para estimar valores intermedios de dichas tablas.450 AJUSTE DE CURVAS FIGURA PT5. hay muchas más que no están disponibles en esta forma conveniente.blogspot.1 Tres intentos para ajustar a la "mejor" curva con cinco puntos.2 A j u s t e de curvas y práctica de la ingeniería Su primera situación en el ajuste de curvas podría haber sido determinar valores intermedios a partir de datos tabulados (por ejemplo.

775).com . datos imprecisos son analizados con regresión por mínimos cuadrados.395 a un máximo de 6. Para casos donde se miden los datos con alta precisión. Una segunda aplicación de la ingeniería en el ajuste de curvas de experimentos es la prueba de hipótesis.1 Estadística simple Suponga que en el curso de un estudio de ingeniería se realizaron varias mediciones de una cantidad en particular.3. Todos los campos de la ingeniería comúnmente involucran problemas de este tipo. Se puede obtener un conocimiento adicional al resumir los datos en una o más funciones estadísticas bien seleccionadas que tengan tanta información como sea posible acerca de características específicas del conjunto de datos. PT5. Si se desconocen los coeficientes del modelo. podría ser necesario determinar los valores que mejor ajusten a los datos observados. Por otro lado. si ya se dispone de la estimación de los coeficientes del modelo convendría comparar los valores predichos del modelo con los observados para probar qué tan adecuado es el modelo.blogspot. Se han encontrado dos tipos generales de aplicaciones cuando se ajustan datos experimentales: análisis de tendencia y pruebas de hipótesis. Los análisis de tendencia se pueden usar para predecir o pronosticar valores de la variable dependiente.PT5. Por último. un modelo matemático existente se compara con los datos medidos. Esto puede involucrar una extrapolación más allá de los límites de los datos observados o una interpolación dentro del rango de los datos. la tabla PT5. los modelos alternativos son comparados y "el mejor" es seleccionado con base en observaciones empíricas. distribución normal e intervalos de confianza. desviación estándar. los datos proporcionan una cantidad limitada de información (es decir. que los valores van de un rango mínimo de 6.2. Si usted conoce los conceptos de la media. Con frecuencia. suma residual de los cuadrados. La regresión por mínimos cuadrados requiere de información adicional del campo de la estadística. el ajuste de curvas es importante en otros métodos numéricos.1 contiene 24 lecturas del coeficiente de expansión térmica de un acero estructural.2 ANTECEDENTES MATEMÁTICOS Los antecedentes matemáticos como prerrequisito para interpolación se encuentran en el material sobre las expansiones de la serie de Taylor y las finitas divididas que se introdujeron en el capítulo 4. el estudio del siguiente material le servirá como una breve introducción a estos temas.Z A N T E C E D E N T E S MATEAAATIC05 491 datos y desarrolle sus propias relaciones predictivas. Con frecuencia. Los análisis de tendencia representan el proceso de usar el patrón de los datos para realizar predicciones. Esas estadísticas descriptivas son seleccionadas con más frecuencia para http://libreria-universitaria. Por ejemplo. PT5. Tomados como genuinos. las técnicas de ajuste de curvas se pueden usar para derivar funciones simples con el fin de aproximar funciones complicadas. Además de las mencionadas aplicaciones en la ingeniería. tales como en integración y la solución aproximada de ecuaciones diferenciales. puede omitir el estudio de las siguientes páginas y pasar directamente a la sección PT5. Aquí. Si no recuerda muy bien estos conceptos o necesita de un repaso. usted podría utilizar interpolación de polinomios.

615 6.2) y (PT5.595 6.1 6. Esta nomenclatura se deriva del hecho de que la suma de las cantidades sobre las cuales S se basa (es decir.. La medida más común de espaciamiento para una muestra alrededor de la media es la desviación estándar (s ). o S. es la suma total de los cuadrados de los residuos entre los datos y la media. las ecuaciones (PT5.555 6.495 6.575 6. al cual se le llama la varianza: (PT5.635 6.y? (PT5. S (y.. y — y . en consecuencia. .com d a nu n multado lin sentido al Observe que el denominador en ambas ecuaciones (PT5. En consecuencia.625 6.715 6. y — y .. h -g¿ (PT. La media aritmética (y) de una muestra se define como la suma de los datos individuales (y¡) dividida entre el número de puntos («).565 Mediciones del coeficiente de expansión térmico para acero estructural 6.435 6.625 6. Así.775 6. Para el caso donde n = 1.1) donde la sumatoria (y todas las sumatorias que siguen en esta introducción) va de i = 1 a n.452 AJUSTE DE CURVAS TABLA PT5. El espaciamiento también se puede representar por el cuadrado de la desviación estándar.505 6.4) y t { 2 n infinito..395 6. Por tanto.515 6. sólo n — 1 de los valores se dice que están libremente determinados.685 representar 1) la posición del centro de la distribución de los datos y 2) el grado de aproximación de los datos fijos. si y es conocida y se especifican los valores de n — 1.715 6.blogspot. Otra justificación para dividir entre n — 1 es el hecho de que no existe como In dispersión de un solo punto.655 6. = S {y.3) t Así.605 6.555 6. Si están agrupadas cerca de ella.2) y (PT5.. y — y ) es cero. la desviación estándar será pequeña..4) es n — 1. Sy) será grande. La cantidad n — 1 está referida como los grados de libertad. o y = A - (PT5.2) donde S.665 6. y s se dice que se hallan basadas en n — 1 grados de libertad. el valor restante es fijo.655 6. si las mediciones individuales están muy espaciadas alrededor de la media.485 6. S.755 6.4) http://libreria-universitaria. La localización estadística más común es la media aritmética.

en esencia.217000.4). los cuales se pueden usar para calcular la desviación estándar [ecuación (PT5.5) Observe que el coeficiente de variación es similar. varianza. Una estadística final que tiene utilidad en cuantificar la dispersión de datos es el coeficiente de variación (av. = 0. Tal estadística es la razón de la desviación estándar a la media.2. Como tal.2)]: y = - 1 5 8 4 0.com .6 24 Como se observa en la tabla PT5. = ^ 100% y (PT5. ( EJEMPLO PT5.v. Calcule la media.I-IJJ.v.6 http://libreria-universitaria. al error relativo porcentual (e ) analizado en la sección 3. la suma de los cuadrados de los residuos es 0.blogspot.5)]: c.47% 6.1 Estadística simple para una muestra Enunciado del problema.097133 la varianza [ecuación (PT5.097133 — 1 0 0 % = 1.2) y los resultados se usan para calcular [ecuación (PT5.Ü ArNrctCDCNTC5 M A T E M Á T I C O S 4 1 » Se debería observar que hay una fórmula alterna más conveniente para calcular ln desviación estándar. desviación estándar y coeficiente de variación para los datos de la tabla PT5. Es decir. es la razón del error de medición ( Í ) a un estimado del valor real (y). proporciona una medición normalizada de la dispersión.(X^) /« 2 2 Esta versión no requiere el cálculo previo de y y se obtiene un resultado idéntico al de la ecuación (PT5.1 „ „„ =0.1)] 6. Los datos son sumados (tabla PT5. _ £j¿ .1.4)]: = 0.009435 y el coeficiente de variación [ecuación (PT5. Solución.217000 24.). Con frecuencia se multiplica por 100 para que se pueda expresar en la forma de porcentaje: c.3.

505 6. Dadas suficientes mediciones adicionales.013225 1 0.555 6.-yf 0.030625 1 Frecuencia inferior Límite ~ .72 6.625 6.60 5 6.655 6.2. la forma con la cual se distribuyen los datos alrededor de la media).000025 0.44 4 2 6.72 6. La curva simétrica.2.004225.027225 0.217000 PT5.com mará eventualmente a la distribución normal.605 6.007225 .635 6.013225 > 0. .52 6.615 6.4 (y.6.2 Cálculos estadísticos de las lecturas del coeficiente de expansión térmico.555 6.024025 ' 0.60 6.64 6.68 6.36 6.000625 0.655 6. Como se observa en la tabla PT5.56 3 6. i i 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 I Yi 6.715 6. es una característica de forma (la distribución normal).2. 0.665 6.80 0.495 6.395 6. Intervalo superior Limite 1 1 6.002025 " 0. el histograma a menudo se puede aproximar a una curva suave.013225 ' 0.2 La distribución n o r m a l Otra característica que soporta el presente análisis es la distribución de datos (es decir.003025 0.64.blogspot.56 6.000025 " 0. en forma de campana que se sobrepone como en la figura PT5.042025 0.009025 0.52 6.AJUSTE DE CURVAS TABLA PT5.775 158.60 y 6.64 3 6.000225 0.01 1025 0.68 3 1 1 6.40 6. Si se tiene un conjunto de datos muy grande.565 6.625 6. cinco de las mediciones se encuentran entre 6. Las unidades de medición se grafican en la abscisa y la frecuencia de ocurrencia de cada intervalo en la ordenada.002025 0.76 6. 0.2.575 6. Un histograma proporciona una representación visual simple de la distribución.001225' 0.000625 • 0.715 6.000625 . Las frecuencias y límites son desarrolladas para construir el histograma que se muestra en la figura PT5 .76 6. el histograma indica que la mayoría de los datos se agrupan cerca del valor de la media de 6.001225 ' 0. Así.485 6. el histograma para este caso en purticulur se aproxihttp://libreria-universitaria.007225 0. Como se ve en la figura PT5.435 6.2.755 6. se construye el histograma al ordenar las mediciones en intervalos.003025 0. 0.595 6.48 6.685 6.40 6.515 6.

En tanto el número de puntos aumente. Los conceptos de la media. como se muestra en las tablas PT5. una de las principales metas de la estadística es estimar las propiedades de una población basada en una muestra limitada tomada de esa población.405734 y 6.PT5 . En la siguiente sección se trabaja sobre tales evaluaciones. Si una cantidad está normalmente distribuida. Es evidente que es imposible medir el coeficiente de expansión térmica para cada pieza de acero estructural que no se haya producido. desviación estándar.1 (y — 6.794266. http://libreria-universitaria. se puede realizar un número de mediciones en forma aleatoria y. Por ejemplo. Un ejemplo muy simple es su uso para cuantificar la confianza que se puede adscribir a una medición en particular. suma de cuadrados de los residuos y distribución normal tienen una alta relevancia en la práctica de la ingeniería. intentar caracterizar las propiedades de lodu población.1 y PT5.35.2 Se usa un histograma para ¡lustrar la distribución de datos. entonces se podría sospechar que las mediciones fueron erróneas. con base en la muestra. se puede afirmar que aproximadamente el 9 5 % de las lecturas deberían estar entre 6.6 y s = 0. Si alguien nos dijera que tomó un valor de lectura de 7. En consecuencia.097133).2.Z ANTECEDENTES MATEMÁTICOS 481 FIGURA PT5. el rango definido por y — s a y + s abarcará en forma aproximada el 68% de las mediciones totales. para los datos de la tabla PT5.blogspot.com . el histograma se podría aproximar a una curva suave en forma de campana.3 Estimación de los i n t e r v a l o s de confianza Como quedó claro de la sección anterior. el rango definido por y — 2s a y + 2s abarcará alrededor del 9 5 % . llamada distribución normal. En forma similar. y y y y v PT5.2.

mientras que las últimas son llamadas algunas veces la media y desviación estándar "real". En contraste. Para evitar este dilema. sin considerar el signo de la discrepancia. ¡u esté dentro del límite de L a U es 1 — a". el intervalo de dos lados tiene que ver con una proposición más general en la que la estimación concuerda con la verdad.com fiauraPT5 . En particular. La nomenclatura ¡j. se calcula una nueva cantidad. a es conocida (lo cual no es el caso usual). se analizará cómo se puede definir un intervalo de confianza alrededor de un estimado de la media.a que puede leerse como. y a se refieren a la media y desviación estándar de la población. el intento es llamado inferencia estadística. Ya que los resultados son a menudo reportados como estimaciones de los parámetros de población. esta cantidad debería estar distribuida normalmente con una media de 0 y unu variuii/. Un estimador de intervalo proporciona el rango de valores dentro de los cuales el parámetro se espera que esté con una probabilidad dada.» do a /n. no se conoce realmente fl. 2 n o ln z = y -^L (PT5.blogspot. Aunque no es absolutamente necesario. nos concentraremos en el intervalo de dos lados. En el caso ilustrado en la figura PT5. "la probabilidad que la media real de y.i — — •-• 2 J J J . el problema para definir un intervalo de confianza se reduce a estimar L y U. es costumbre observar el intervalo de dos lados con la probabilidad a distribuida de manera uniforme como a/2 en cada cola de la distribución. Como su nombre lo implica. no se sabe dónde se ubica con exactitud la curva normal con respecto a y.3. la estimación de la normal estándar. Como éste es más general. Un intervalo de dos lados puede ser descrito por la relación y P{L<ii<U} = \ ..3dBb «ria ««ri — n D n . la probabilidad de que z esté dentro de la región no sombread* de la http://libreria-universitaria. Se ha demostrado cómo estimar la tendencia central (media de la muestra. Si la varianza real de la distribución de y. como se muestra en la figura PT5. un intervalo de un lado expresa nuestra confianza en que el parámetro estimado sea menor que o mayor que el valor real. La cantidad a es conocida como el nivel de significancia. Se ha escogido este tópico en particular debido a su relevancia directa en los modelos de regresión que se describirán en el capítulo 17.1). Las primeras son algunas veces referidas como la media y desviación estándar "estimada". De esta forma.3. el proceso es también referido como estimación. De acuerdo con la teoría estadística. y) y la dispersión (desviación estándar de la muestra y varianza) de una muestra limitada. Ahora. Por tanto.6) la cual representa la distancia normalizada entreyy /x.AJUSTE DE CURVAS Ya que se "infieren" propiedades de la población desconocida de una muestra limitada. Tales intervalos se describen como si fueran de un lado o de dos lados. Además. Observe en el siguiente análisis que la nomenclatura y y s se refieren a la media de la muestra y su desviación estándar. la teoría de la estadística establece que la media de la muestra y se obtiene de una 2 distribución normal con una media y varianza (véase cuadro PT5. se describirá en forma breve cómo se pueden conjuntar los enunciados probabilísticos con la calidad de esas estimaciones.

blogspot. Para nuestro caso. Ésta es la distancia medida a lo largo del eje normalizado arriba y debajo de la media que cubre la probabilidad 1 — a (véase la figura PT5.-^z a/2 U = y + -^z o / 2 (PT5. z es igual a casi 1. Ellos también pueden ser calculados mediante funciones en paquetes de software y librerías como Excel e IMSL. para a = 0.36). La escala en la abscisa en a) se escribe en las unidades naturales de la variable aleatoria /. conocemos solamente la varianza http://libreria-universitaria.05 (en otras palabras. está basado en un conocimiento de la varianza real o.2 ANTECEDENTES MATEMÁTICOS F I G U R A PT5. 1995). Esos resultados se pueden reordenar para obtener a/2 L < ix < U con una probabilidad de 1 — a.PT5. Milton y Arnold. Los valores de z^ están tabulados en libros de estadística (por ejemplo.96. definiendo un intervalo que cubre el 95%).3 Un intervalo de confianza de dos lados.96 veces la desviación estándar abarcará en forma aproximada el 9 5 % de la distribución. — — < —Z /2 a O . b] es una versión normalizada de la abscisa que toma el origen en la ubicación de la media y escala el eje de manera que la desviación estándar corresponda a un valor unitario. La cantidad z^ es una variable aleatoria normal estándar. Como un ejemplo.7) Ahora. > Z /2 a con una probabilidad de a. Esto significa que un intervalo alrededor de la media con ancho + 1. aunque lo anterior proporciona un estimado de L y U.com . donde L = y .

y . se puede calcular una media estimada (y) y la varianza (s ). grandes. Así. Como se muestra en esta sección.y^>fiys ->o . en particular cuando n sea pequeña. L = y ~zt 2. en forma simple. y la varianza de las medias. Se puede enunciar como Sea y\. Además. la variable aleatoria (y — /i)/(o7 \/~ñ) es de manera aproximada la normal estándar.6) basada en s . el teorema dice que en tanto se tenga tamaños de muestra más grandes. t i (PT5.. El Teorema de Límite Central claramente define en forma exacta cómo este estrechamiento relaciona tanto a la varianza real como al tamaño de la muestra. por ejemplo. Como usted tal vez aún no ha tomado ninguno se mencionará algunas ideas con las cuales esta sección se haría más coherente. donde m es grande. Se puede entonces desarrollar un histograma de estas medias y determinar una "distribución de las medias". Ahora surge la pregunta: ¿Esta nueva distribución de medias y su estadística se comportan en una forma predecible? 2 2 2 2 2 x 2 m Así. el "juego" de estadística inferencial supone que la variable aleatoria que usted muestrea. Y una muestra aleatoria de tamaño na partir de una distribución con una media \1 y varianza O . En tanto n aumente.. Gossett encontró que la variable aleatoria definida por la ecuación (PT5. el teorema establece el resultado notable de que la distribución de las medias siempre será normalmente distribuida. Después se toman otras n muestras y se calcula otra.• •.8) maneja la tan conocida distribución estudiante — t o.1 Un poco de estadística Existe un importante teorema conocido como el Teorema de Limite Central que responde en forma directa a esta pregunta. Cuantas más mediciones se tomen. y es aproximadamente normal con la media \iy la varianza C ln. la distribución es ancha. que dada una muestra lo suficientemente grande.com . para n grandes. La varianza de esta distribución normal tiene un valor infinito que especifica la "dispersión" de la distribución normal. ¡sin importar la distribución en uso de las variables aleatorias! Esto también da el resultado esperado. Para este caso. como n -> °°. esta fracción no será normalmente distribuida. S. ya que si n es pequeña. y .6). De esta muestra. la media de las medias debería converger sobre la media real de la población \i. y . •. Suponga que se toman n muestras y se calcula una media estimaday¡. mejor serán las estimaciones para que se aproximen a los valores reales. Esto tiene sentido. para n grandes. Si la varianza es grande. se toma un número limitado de mediciones de esta cantidad llamada muestra. tiene una media real (n) y varianza (a ). En el juego de la estadística. Por último.blogspot. y-¡. Entonces. la distribución es angosta.„-\ al U = y + ~ta/2.9) http://libreria-universitaria. el resultado es la base para construir con seguridad intervalos para la media. si la varianza es pequeña. la estimación de la media mejorará y. En forma opuesta. y t = ^ ~ jí_ Sy/Vn (PT5. la varianza real cuantifica la incertidumbre intrínseca de la variable aleatoria. por tanto.8) Aun cuando la muestra se tomó de una distribución normal. la varianza de las medias deberá aproximarse a cero. en este análisis se supondrá que tiene una distribución particular: la distribución normal. Se puede repetir este proceso hasta que se haya generado una muestra de medias: y . 2 n 2 2 La mayoría de los ingenieros han tomado varios cursos para ser competentes en estadística. 2 estimada s .y . Además.. el teorema establece el importante resultado que se ha dado en la ecuación (PT5. . así como una "desviación estándar de las medias". se acortará su dispersión. las estimaciones individuales de la media deberían ser pobres. Ademéis. y. Una alternativa más directa podrá ser una versión de la ecuación (PT5. la distribución t. Esto es. Como se ha mencionado. W. como a ln.458 AJUSTE DE CURVAS Cuadro PT5.

5148 http://libreria-universitaria. si a = 0.364623 = 6.089921 -2.4).086.1 = 0.4814 .(52. los valores están tabulados en libros de estadística. tiende a ser más plana que la normal (véase la figura PT5.05/2.089921 La estadística / correcta se puede calcular como ^0. Ejecute 3 estimaciones basándose en a) las primeras 8 mediciones b) las primeras 16 y c) las 24 mediciones.05 y n = 20. Observe cómo la distribución fes normalmente más plana. Cuando n es pequeña.com .1. y a) La media y la desviación estándar para los primeros 8 puntos es = 6. .blogspot.7 = 2.364623 la cual se puede usar para calcular el intervalo /. Solución. Por ejemplo. se obtienen intervalos de confianza más amplios y. Determine la media y el intervalo de confianza correspon• diente al 9 5 % para los datos de la tabla PT5.72) /8 2 52. La distribución t puede pensarse como una modificación de la distribución normal que toma en cuenta el hecho de que se tiene una estimación imperfecta de la desviación estándar. Como fue el caso para z ^ . e s a n n x EJEMPLO PT5. la distribución t converge sobre la normal. para pequeños números de mediciones. Conforme n se haga más grande. más conservativos. Por tanto.025. y también pueden calcularse mediante paquetes de software y librerías.59 0.72 . por tanto. _ = 2. donde -\ ^ variable aleatoria estándar de la distribución t para una probabilidad de a/2.4 Comparación de la distribución normal con la distribución f para n = 3 y n = ó.PT5.2 ANTECEDENTES MATEMÁTICOS 459 Normal f(n-6) F I G U R A PT5 . = 6.8-1 = ¿0.2 Intervalo de confianza sobre la media \ Enunciado del problema.59 347.

5 .131451 2.50 6.460 AJUSTE DE CURVAS y -M 6. concluimos que existe un 9 5 % de probabilidad de que la media real esté dentro del rango de 6. los cuales también se resumen en la figura P T 5 .com .364623 2. se pueden calcular en una forma similar y los resultados se tabulan junto con el inciso á) como « 8 16 24 6.5590 6. Los otros dos casos para b) con 16 puntos y c) con 24 puntos.6652.5794 6.5283 6.n-\ 6.5148 < ii < 6.095845 0.6652 6.097133 2.5900 6. 0 089921 U = 6.6652 78 o 6. nuestra estimación del valor real se hace mhn refinado. indican la respuesta esperada de que el intervalo de confianza se hace más estrecho a medida que n aumenta.5148 6. 1995) para obtener inlbrniii ción adicional sobre este tema. Usted puede consultar cualquier libro básico de estadística (por ejemplo.59 + — — — 2 .65 pulg/(pulg • °F)] 6. cuantas más mediciones se tomen.6 n = 16 n = 24 6. Lo anterior es sólo un simple ejemplo de cómo se puede usar la estadística puní tomar decisiones con respecto a datos inciertos. http://libreria-universitaria. con base en las primeras ocho mediciones.55 6. Esos conceptos tendrán también rele vancia en nuestro análisis de modelos de regresión.6000 9_ * y t 0.089921 0.blogspot.60 Coeficiente de expansión térmica [x 1 0 .5 Estimación de la media e intervalos de confianza al 9 5 % para diferentes números de tamaño muestra.70 FIGURA PT5. 3 6 4 6 2 3 = 6. Así.5148 a 6.6410 * • U_ Estos resultados. Milton y Arnold.068655 a/2.6304 6.6652 Así.

llamado interpolación polinomial de Lagrange.5 proporciona una revisión del material que se estudiará en la parte cinco. es preferible cuando se desconoce el orden apropiado de los polinomios.com . usted aprenderá a derivar una parabólica. Luego. alguna orientación podría ser de utilidad. El segundo. Por último. esto nos permitirá introducir una representación de regresión de matriz concisa y analizar sus propiedades estadísticas generales. Se introduce el concepto básico de interpolación polinomial al usar líneas rectas y parábolas para conectar puntos.. En el capítulo 18 se derivan los polinomios para este propósito.. Lo siguiente se intenta como una revisión del material analizado en la parte cinco. llamado interpolación polinomial de Newton.3. tiene ventajas cuando el orden apropiado se conoce de antemano. el cual es llamado regresión polinomio!. Como se analizó antes.3 ORIENTACIÓN PT5. Está diseñada para el caso donde la variable dependiente^ es una función lineal de dos o más variables independientes x x . Después de la regresión múltiple. Esta técnica es llamada regresión lineal. La regresión lineal es un subconjunto de este procedimiento más general.3 ORIENTACIÓN Antes de proceder a los métodos numéricos para el ajuste de curvas. Así. http://libreria-universitaria. En el capítulo 18 se describe la técnica alterna para el ajuste de curvas llamada interpolación. Se presentan dos formatos para expresar estos polinomios en forma de ecuación. se presentará también una técnica general para ajustar al "mejor" polinomio. llamada interpolación segmentaria. se formularon algunos objetivos para ayudar a enfocar sus esfuerzos cuando estudie el material. Ésta. El capítulo 17 se dedica a la regresión por mínimos cuadrados. Este procedimiento tiene especial utilidad para evaluar datos experimentales donde la variable de interés es dependiente de un número de diferentes factores. las últimas secciones del capítulo 17 se dedican a la regresión no lineal.blogspot.. Además.1 Alcance y presentación La figura PT5.IT5. x . El siguiente tema que se analiza en el capítulo 17 es la regresión lineal múltiple. se desarrolla un procedimiento generalizado para el ajuste de un polinomio de orden n-ésimo. Además de analizar cómo calcular la pendiente y la intercepción de esta línea recta. Este procedimiento se designa para calcular un ajuste por mínimos cuadrados de una ecuación no lineal a datos. es particularmente muy adecuada para ajustar datos que son por lo general suaves pero que exhiben cambios locales abruptos. ilustramos cómo las regresiones polinomial y múltiple son ambas subconjuntos de un modelo general lineal de mínimos cuadrados. u 2 m La última sección del capítulo 18 presenta una técnica alterna para un ajuste más preciso de datos. se presentarán también métodos visuales y cuantitativos para evaluar la validez de los resultados. cúbica o un polinomio de orden superior que ajuste en forma óptima datos inciertos. El primero. Como tal. Se aprenderá primero cómo ajustar la "mejor" línea recta a través de un conjunto de datos inciertos. Además de ajustar a una línea recta. la interpolación se usa para estimar valores intermedios entre datos precisos.. ajusta polinomios a datos pero en forma de trozos. PT5. Entre otras cosas.

462 AJUSTE DE CURVAS PARTE 5 Ajuste de curvas 17.2 Polinomial ^de Lagrange_.4 Transformada de Fourier 18 Segmentarias 18. y dominio del tiempo 19. Nucslro énfasis on http://libreria-universitaria.2 Regresión polinomial 17. CAPITULO 20 Aplicaciones en la ingeniería CAPITULO 18 Interpolación "Ta3~ Coeficientes ^polinomiales 18. donde funciones periódicas se ajustan a dalos.blogspot.2 Ingeniería civil 20.5 Transformada discreta de Fourier _ FIGURA PT5.1 Sinusoidales 19.4 Interpolación inversa j 19.2 Serie de Fourier continua ~íai~ Frec. Al final de este capitulo se .com esta sección seré sobre la transformada rápida de Fourier.7 Espectro de potencia : CAPITULO 19 Aproximación de Fourier 19.3 Regresión múltiple • f.6 Organización esquemática del material de la parte cinco: Ajuste de curvas.6.1 Ingeniería química 18.3 Ingeniería •eléctrica iiír 20.it¡\ CAPITULO 17 Regresión por mínimos cuadrados 17.Jineal generaL 17.8 Regresión no lineal 18. Transformada jápida de Fourier/ 19.1 Polinomial de Newton 20.5 Comentarios adicionales St-i : 19.4 jMfnimos cuadrados) .1 Regresión lineal 17.8 Librerías y paquetes 19. El capítulo 19 tiene que ver con el procedimiento de la transformada de l'ourier puní el ajuste de curvas.

Saber cómo derivar la interpolación polinomial de Newton en primer orden. 3 Objetivos específicos de estudio para la parte cinco. eléctrica y mecánica. 8. Éste contiene un resumen de las fórmulas y conceptos importantes relacionados con el ajuste de curvas. Reconocer que las ecuaciones de Newton y Lagrange son simplemente formulaciones diferentes de la misma interpolación polinomial. entender la formulación de una matriz general para mínimos cuadrados lineales y saber cómo calcular los intervalos de confianza de los parámetros. En general. Entender la deducción de la regresión lineal por mínimos cuadrados y ser capaz de asegurar la confiabilidad del ajuste mediante validaciones en forma gráfica y cuantitativa. Percatarse que por lo general se obtienen resultados más exactos si los datos usados para interpolación son más o menos centrados y cercanos del punto desconocido. ya sea para los polinomiales de Newton o de lagrange. Después de completar la parte cinco. habrá aprendido a asegurar la confiabilidad de sus resultados y será capaz de seleccionar el método (o métodos) para cualquier problema particular. múltiples y no lineales. Saber cómo linearizar datos por transformación. 10.3 deberán ser asimilados y manejados. Excel. y entender sus respectivas ventajas y desventajas. para esas metas generales. los conceptos específicos dados en la tabla PT5.4tt incluye también una revisión de algunos paquetes de software y librerías que se pueden usar para el ajuste de curvas. Entender la analogía entre el polinomial de Newton y la expansión de la serie de Taylor y cómo se relaciona el error de truncamiento. 5. y que confundirlos puede provocar serios problemas. Darse cuenta que los datos de los puntos no tienen que estar igualmente espaciados en cualquier orden particular. 13. 15. Comprender la diferencia fundamental entre regresión e interpolación. PT5.2 M e t a s y objetivos Objetivos de estudio. TABLA P T 5 . Entender por qué las funciones segmentadas tienen utilidad para datos con áreas locales de cambio abrupto. Entender que hay uno y sólo un polinomial de grado n o menor que pasa exactamente a través de n + 1 puntos. 2. 3.blogspot.com . entre ellos se encuentran Mathcad. 1 1. MATLAB e IMSL.3. 6. Por último. Los ejemplos se toman de las cuatro áreas principales de la ingeniería: química. algunas de las aplicaciones ilustran cómo se pueden aplicar los paquetes de software para resolver problemas de ingeniería. El capítulo 20 se dedica a las aplicaciones de la ingeniería que ilustran la utilidad de los métodos numéricos en el contexto de problemas de ingeniería. Saber por qué las fórmulas de interpolación con igual espaciamiento tienen utilidad. http://libreria-universitaria. 1. 16. civil. 4. Entender la diferencia entre frecuencia y dominios del tiempo. Además. usted habrá depurado en gran forma su capacidad para ajustar curvas con los datos. Reconocer cómo se usan las series de Fourier para ajustar datos con funciones periódicas. 14. así como un análisis de los elementos de juicio entre las técnicas y sugerencias para estudios en el futuro. Reconocer las capacidades y riesgos asociados con la extrapolación. Entender situaciones donde son apropiadas las regresiones polinomiales. se incluye un epílogo al final de la parte cinco. 12. 7. Además. usted manejará las técnicas. 9. Ser capaz de reconocer modelos lineales generales.

464 AJUSTE DE CURVAS Objetivos de cómputo. Usted puede también tener acceso a los paquetes de software y librerías. El software de Métodos Numéricos TOOLKIT incluye regresión polinomial. se proporcionan los algoritmos en pseudocódigo para la mayoría de los otros métodos en la parte cinco. En particular. Se le ha proporcionado el software y algoritmos de cómputo simples para implementar las técnicas analizadas en la parte cinco. una de las metas más importantes deberá ser manejar varios de los paquetes de software de utilidad general que están disponibles ampliamente. Esta información le permitirá expandir su software de librerías para incluir técnicas más allá de la regresión polinomial. El software es muy fácil de aplicar para resolver problemas prácticos y se puede usar para verificar los resultados de cualquier programa en computadora que usted mismo haya desarrollado. desde un punto de vista profesional. usted puede encontrar útil. Todo esto tiene utilidad como herramientas de aprendizaje. Por ejemplo. tener software para implementar la regresión lineal múltiple.com . Además.blogspot. la interpolación polinomial de Newton. Finalmente. Los gráficos asociados con este software permiten visualizar fácilmente el problema y las operaciones matemáticas asociadas. http://libreria-universitaria. Éstas también proporcionan guías con respecto al uso correcto de la regresión polinomial y de los peligros potenciales de la extrapolación. usted debería acostumbrar usar esas herramientas para implementar métodos numéricos para la solución de problemas en la ingeniería. Las gráficas son una parte esencial del aseguramiento de la validez de un ajuste por regresión. la interpolación segmentaria cúbica y la transformada rápida de Fourier.

CAPITULO 17 Regresión por mínimos cuadrados Donde se asocian errores sustanciales con los datos. (x . que se analizará en este capítulo. Una manera para determinar la línea en la figura 17. Es decir. los valores interpolados en x = 1. diferentes analistas podrían dibujar distintas líneas. a menos que los puntos definan una línea recta perfecta (en tal caso la interpolación podría ser apropiada). la tendencia general indica que los valores más altos de y son asociados con los valores más altos de x. Una forma de hacerlo es derivar una curva que minimice la discrepancia entre los puntos y la curva. Es decir.com .1¿»). Por ejemplo.1 REGRESIÓN LINEAL El ejemplo más simple de una aproximación por mínimos cuadrados es mediante el ajuste de un conjunto de pares de observaciones: (x .1) http://libreria-universitaria.1a se muestran siete datos derivados experimentalmente que exhiben variabilidad significativa. • • •.y ).blogspot.1c ilustra cómo se puede usar por lo general una línea recta para caracterizar la tendencia de los datos sin pasar a través de un punto en particular. 17. Aunque tales procedimientos por "vistazo" apelan al sentido común y son válidos para cálculos superficiales. Una estrategia más apropiada para tales casos es derivar una función aproximada que ajuste la forma de la tendencia general de los datos sin ajustar necesariamente con los puntos individuales. en la figura 17. En particular. a causa de la variabilidad en los datos. La figura 17. La expresión matemática para esta última es l l 2 2 V = c/<) + + (' (17. la interpolación polinomial es inapropiada y puede dar resultados insatisfactorios cuando se usa para predecir valores intermedios.5 parecen estar muy adelante del rango sugerido por los datos. resultan deficientes por ser arbitrarios. Sin embargo.y„) a una línea recta.5 y JC = 6. pasará justo a través de todos los puntos. Una inspección visual de dichos datos sugiere una posible relación entre y y x. (x„ . Para hacer a un lado la subjetividad se debe concebir algunos criterisj^n el fin de establecer una base para el ajuste.y ). Ahora.1c es inspeccionar en forma visual los datos graneados y después trazar una "mejor" línea a través de los puntos. si una interpolación de sexto orden se ajusta a estos datos (figura 17. Una técnica para cumplir con tal objetivo se conoce como regresión por mínimos cuadrados. la curva oscila en forma amplia en el intervalo entre los puntos.

blogspot. .a\x Así.1) como 0 v-e r o . c) Resultados más satisfactorios mediante el ajuste por mínimos cuadrados.com e = + predicho por la ecuación lineal. entre el modelo y las observaciones. y e es el error. respectivamente. el envr o residuo es la discrepancia entre el valor real <icy y el valor aproximado. b) Ajuste polinomial oscilando más allá del rango de datos. o„ http://libreria-universitaria.1 a) Datos que exhiben un error significativo.466 R E G R E S I Ó NP O RM Í N I M O SC U A D R A D O S a) b) FIGURA 17. las cuales se pueden representar al reordenar la ecuación (17. o residuo. c) donde a y a¡ son coeficientes que representan el intercepto y la pendiente.

2a.1 REGRESIÓN LINEAL 4*9 17.1. Obvia- FIGURA 17. Sin embargo.blogspot.com .1 Criterios p a r a un " m e j o r " ajuste Una estrategia para ajustar a la ¿"mejor"? línea a través de los datos podría ser minimizar la suma de los errores residuales para todos los datos disponibles. como lo ilustra la figura 17.17. b) minimiza la suma de los valores absolutos de los residuos y c) minimiza el error máximo de cualquier punto individual c) x http://libreria-universitaria. éste es un criterio inadecuado. como en J2 '< e = í = l (-' " °° " >) 1 y aix =1 ( 1 7 .2 Ejemplos de algunos criterios para "el mejor ajuste" inadecuados para regresión: a) minimiza la suma de los residuos. 2 ) donde n — número total de puntos. la cual muestra el ajuste de una línea recta de dos puntos.

otro criterio lógico podría ser minimizar la suma de los valores absolutos de las discrepancias. Una tercera estrategia para ajustar a la mejor línea es el criterio técnica. 1 . Para los cuatro puntos expuestos. es decir.modelo) 1 2 m e d i d = 2<>. tal estrategia no es adecuada para regresión. como en n n ^ k l 1 = 1 = Yl^ > y . 1969).=1 i=l Este criterio tiene varias ventajas. Como se ilustra en la figura 17.blogspot.2) igual a cero debido a los errores que se cancelan. ya que tiene una excesiva influencia en puntos fuera del conjunto. la línea se elige de manera que minimice la máxima distancia que tenga un punto individual desde la línea. todas las sumatorias son de i = 1 hasta n. a menos que se indique otra cosa. cualquier línea recta que pasa a través del punto medio que conecta la línea (excepto una línea perfecta vertical) resulta en un valor mínimo de la ecuación (17.2c. 2 Ajuste p o r m í n i m o s cuadrados de u n a línea recta 0 { Para determinar los valores de a y a la ecuación (17. resultará en un mínimo S . Al fijar esas derivadas igual a cero.i í\ a a x í = i La figura 17. Sin embargo. Debería observarse que el principio minimax es algunas ocasiones muy adecuado para ajustar una simple función a una complicada función (Carnahan. el mejor ajuste es la línea que conecta los puntos. En esta n n ^ = 2^=2(y . Si se hace esto. .3).2b demuestra por qué este criterio es también inadecuado. las ecuaciones se pueden expresar como r http://libreria-universitaria.] 9<2l Observe que hemos simplificado los símbolos de la sumatoria. Una estrategia que supera los defectos de los procedimientos mencionados es minimizar la suma de los cuadrados de los residuos entre la y medida y la y calculada con el modelo lineal mirúmax.468 REGRESIÓN POR MÍNIMOS CUADRADOS mente.-ao-«l^) ¡=1 2 ( 1 7 . entre ellas el hecho de que se obtiene una línea única para un cierto conjunto de datos.) 3 .o. Luther y Wilkes. cualquier línea recta que esté dentro de las líneas punteadas minimizará el valor absoluto de la suma. un solo punto con un gran error. este criterio tampoco da un único mejor ajuste. Por tanto. presentaremos una técnica para determinar los valores de a y a que minimizan la ecuación (17. Así. k n a->' . Antes de analizar esas propiedades.com . 1 7 .3) es diferenciada con respecto a cada coeficiente: 0 v 3S da dS ^2[{y r Yl( 0 r2 2 y¡ ~° a ~ ) aiXi ¡ « o « i )•*•.

3473 0.428571 Mediante las ecuaciones (17.0408 0.)* Este resultado.5 2.0051 6.1 REGRESIÓN LINEAL 4 1 9 Ahora. Ajuste a una línea recta los valores de x y y en las dos primeras columnas de la tabla 17.-y) 8.7972 01993 2 . EJEMPLO 17.-=:28 Se calculan las siguientes cantidades: x >-y¡ = i = 1 1 9 5 J2 < x 2 = 1 4 0 y = 4 ^ y¡ = 24 24 x = — = 3 .1 Regresión lineal i Enunciado del problema.0 3.6122 54.1687 0. se puede usar en conjunto con la ecuación (17.8622 2. entonces.(28) 2 a = 3 . 24.5 2. Estas son llamadas ecuaciones normales. _*f 1 j í I 1 2 3 4 5 6 7 S y > 0. n = i ^JC.29Qg 22.): 0 0 na + (X! ) ' ~X ^ ' x ai 1 0 a 0 0 O ' ) 7 4 (17.. si hacemos que £ a = na .428571 .com .1.9911 2 http://libreria-universitaria.8392857 (4) = 0.3265 0. y pueden ser resueltas en forma simultánea nlx* - (Zx.0 (y.8392857 7(140) .7) 7(119.5)-28(24) „„„„„„„ ai = — -V.= 0.4) y resolver para a = y . respectivamente.5765 0.07142857 0 TABLA 17.) 0.6) + Q T X ? ) a i =£> y ¡ .0.ax 0 x (17. Solución.17.6) y (17.blogspot.7) donde y y x son las medias de y y x.5) (17. podemos expresar las ecuaciones como un conjunto de dos ecuaciones lineales con dos incógnitas ( a y a.1 Cálculos para un análisis de error del ajuste lineal.5625 0.7143 2 (yz-op-*»!*.0 ¿5.5 6.0 4.3265 0.5896 0.

3)] (17. Esto es conocido en estadística como el principio de probabilidad máxima.3 El residuo en la regresión lineal representa la distancia vertical entre un dato y la línea recta.3).blogspot. si estos criterios se 0 { FIGURA 17. La analogía se puede extender más para casos donde 1) la dispersión de los puntos alrededor de la línea es de magnitud similar junto con todo el rango de datos. y 2) la distribución de esos puntos cerca de la línea es normal.07142857 + 0.8).470 REGRESIÓN POR MÍNIMOS CUADRADOS Por tanto. Recuerde que la suma de los cuadrados se define como [véase ecuación (17.8).*. una de las mejores) estimación de a y a (Draper y Smith.3) y (17. 1981). son mostrados en la figura 17. 17. Se puede demostrar que si estos criterios se cumplen.com x .8) í=i Observe la similitud entre las ecuaciones (PT5. Así.1c. la línea es única y en términos de nuestro criterio elegido es una línea "mejor" a través de los puntos. 0 http://libreria-universitaria. Además. Un número adicional de propiedades de este ajuste se puede elucidar al examinar más de cerca la forma en que se calcularon los residuos. En el primer caso.3 Cuantificación del e r r o r de u n a r e g r e s i ó n lineal Cualquier otra línea que la calculada en el ejemplo 17. la regresión por mínimos cuadrados proporcionará la mejor (es decir.1 resulta en una gran suma de cuadrados de los residuos. el cuadrado de los residuos representa el cuadrado de la distancia vertical entre los datos y otra medida de tendencia central: la línea recta (véase figura 17. el cuadrado del residuo representa el cuadrado de la discrepancia entre los datos y una sola estimación de la medida de tendencia central (la media). En la ecuación (17. Medición a + a.8392857* S La línea. el ajuste por mínimos cuadrados es J y = 0. junto con los datos.1.

para el caso donde n — 2. Ésta es la magnitud del error residual asociado con la variable dependiente antes de la regresión.5). una "desviación estándar" para la línea de regresión se puede determinar como [compare con la ecuación (PT5. http://libreria-universitaria. Esto es. esta cantidad se designa por S¡. por tanto. y). La y/x y r FIGURA 17. También. algunas veces llamado la suma inexplicable de los cuadrados. la suma de los cuadrados de los residuos alrededor de la línea de regresión. Para hacer esto. Sin embargo. La reducción en la dispersión va de a) a b). observe que ahora dividimos entre n — 2 debido a los dos datos estimados (a y Í Z J ). Como lo hicimos en nuestro análisis para la desviación estándar en PT5. regresamos a los datos originales y determinamos la suma total de los cuadrados alrededor de la media para la variable dependiente (en nuestro caso. otra justificación para dividir entre n — 2 es que no existe algo como "datos dispersos" alrededor de una línea recta que conecte dos puntos.17. Los conceptos anteriores se pueden usar para cuantificar la "bondad" de nuestro ajuste. s cuantifica la dispersión alrededor de la línea de regresión. que se usaron para calcular S . y/x Q r Justo como fue el caso con la desviación estándar.4¿. Esto caracteriza el error residual que queda después de la regresión. en contraste con la desviación estándar original s que cuantifica la dispersión alrededor de la media (figura 17.2)] (17.9) da un resultado sin sentido al infinito. como lo indican las curvas en forma de campana a la derecha. el error estándar de la estimación cuantifica la dispersión de los datos. calculamos 5 . la ecuación (17.9) donde s es llamado el error estándar del estimado.1 REGRESIÓN LINEAL cumplen.4a).3). La notación del subíndice "y/x" designa que el error es para un valor predicho de y correspondiente a un valor particular de x.2. como se muestra en la figura 17.4 Datos de regresión que muestran o) la dispersión de los datos alrededor de la media de la variable dependiente y b) la dispersión de los datos alrededor de la mejor línea de ajuste. se tiene dos grados de libertad. Como fue el caso para la ecuación (PT5. Esto es en particular útil para comparar diferentes regresiones (véase figura 17.1. De esta manera. Después de realizar la regresión. representan la mejora debida a la regresión lineal. así.blogspot.com .

Como la magnitud de esta cantidad es dependiente de la escala. Para un ajuste perfecto. S — S .5 Ejemplos de regresión lineal con errores residuales a) pequeños y b) grandes.com . diferencia entre estas dos cantidades.blogspot. S = S. cuantifica la mejora o reducción de error debido a que describe los datos en términos de una línea recta en vez de como un valor promedio. Una formulación alternativa para r que es mas conveniente para implementarse en una computadora es 2 5 2 r 2 r http://libreria-universitaria. Para r = r = 0. y el ajuste no representa ninguna mejora. S — 0yr = r = 1. S r (17.10) donde r es conocido como el coeficiente de determinación y r es el coeficiente de conflación (— Vr ).472 REGRESIÓN POR MÍNIMOS CUADRADOS FIGURA 17. significa que la línea explica el 100% de la variabilidad de los datos. la diferencia es normalizada a S para obtener t r t r = 2 S t ~ S.

Así como r es "cercana" a 1 no significa que el ajuste es necesariamente "bueno".868 22.9)] s /2. Como se describe en la siguiente sección. como mínimo.9457 y / x „„. La inclusión de la capacidad resaltará mucho la utilidad del programu en los contextos de solución de problemas. Calcule la desviación estándar total. ya que s < Sy. 2 REGRESIÓN LINEAL Estimación de errores para el ajuste lineal por mínimos cuadrados Enunciado del problema. http://libreria-universitaria.10)] y/x r" = 2 22.1 y el error estándar del estimado es [véase ecuación (17. debemos tomar en cuenta algunas consideraciones.1.7143 r = V0 . 17.6). el error estándar del estimado y el coeficiente de correlación para los datos en el ejemplo 17. Draper y Smith (1981) proporcionan guías y material adicional con respecto al aseguramiento de los resultados para regresión lineal.932 Los resultados indican que el 86. recomendamos que expanda su programa para incluir una gráfica de y contra x mostrando ambos: los datos y la línea de regresión. paquetes de software populares como Excel y Mathcad pueden implementar regresión y tienen capacidades de graficación.2.8% de la incertidumbre original ha sido explicada por el modelo lineal.com .1. La mejora adicional se puede cuantificar por [véase ecuación (17. Como se mencionó antes. Antes de proceder con el programa de cómputo para regresión lineal. Si su lenguaje de computadora tiene capacidades de graficación. La desviación estándar es [véase ecuación (PT5.9911 = ^ .7143 . Las sumatorias se realizan y se presentan en la tabla 17. es posible obtener un valor relativamente alto de r cuando la relación en turno entre y y x no es lineal.868 = 0 . Por ejemplo. el modelo de regresión lineal tiene mérito. Aunque los coeficientes de correlación proporcionan una manera fácil para medir la bondad del ajuste.1 EJEMPLO 1 7 .4 P r o g r a m a de cómputo p a r a r e g r e s i ó n lineal Esto es una cuestión relativamente trivial para desarrollar un pseudocódigo para regresión lineal (véase figura 17. una opción de gráfica es crítica para el uso efectivo e interpretación de regresión y se incluye en el software suplementario de métodos numéricos TOOLKIT. usted debería siempre inspeccionar una gráfica de los datos junto con su curva de regresión.17.1. el software de métodos numéricos TOOLKIT incluye esas capacidades.2)] 7 .7735 Así.9911 — =0.blogspot. Además. se deberá tener cuidado de no darle más significado que el que ya tiene. 0. Solución. Además.= T J n ͱ1}ZÍ= 22 7143 1.

10)]: v{t) S " (\ {-clm)t^ = — (1 .n st = st + (y¡ .3 Regresión lineal usando la computadora s : ! i ! Enunciado del problema.474 REGRESIÓN POR MÍNIMOS CUADRADOS 5U3 Regres(x./ http://libreria-universitaria. contiene un programa de cómputo para implementar regresión lineal.ymf sr=sr+ (y¡ — a1*x¡ — aO) END DO syx = (sr/(n 2)) r2 = (st .6 Algoritmo para regresión lineal. Un modelo matemático teórico para la velocidad del paracaidista fue dado como el siguiente [véase ecuación (1. » . En el ejemplo 2. Podemos usar este software para resolver un problema de prueba hipotético asociado con la caída del paracaidista que se analizó en el capítulo 1. g = constante gravitacional (9.5 kg/s.8 m/s ). Un modelo empírico alternativo para la velocidad del paracaidista está dado por 2 i . y. EHDDO xm = sumx/n ym = sumy/n a1 — (n*sumxy ~ sumx*sumy)/(n*sumx2 aO — ym — aUxm DO i= 1. n sumx = sumx + x¡ sumy = sumy + y¡ sumxy = sumxy + x¡y¡ sumx2 = sumx2 + x^x.1. n.1 se desarrolló una gráfica de la variación de la velocidad.com l \ . r2) sumx = 0: sumxy = 0: st ~ 0 sumy = 0: sumx2 = 0: sr = 0 DO ¡ = 1. syx. EJEMPLO 17.1 kg y c = coeficiente de arrastre de 12. al. aO._ e0 1 C donde v = velocidad (m/s). m = masa del para caidista igual a 68. El modelo predice la velocidad del paracaidista como una función del tiempo. El paquete de software de Métodos Numéricos TOOLKIT adjunto a este texto.s r j / s t 2 03 — sumx*sumx) END Regres FIGURA 17.blogspot. como se describe en el ejemplo 1.

303 49.065 35.76 son gráficas de la línea y datos para las regresiones de las columnas b) y c).570 23.50 31.479 49.0 . Para el primer modelo [ecuación (1.00 46. La figura 17.156 44.10) como se ilustra en la figura 17.1 10 42. lil iniitcrinl pro http://libreria-universitaria. I os modelos de prueba y selección son comunes y extremadiimenle imporliinlcN para la realización de actividades en todos los campos de lu ingeniciiu.766 36. un intercepto de 0 y una r = 1 si el modelo concuerda perfectamente con los datos. v calculada con el m o d e l o .5 9 + 1. v calculada con el m o d e l o .00 35. ( E l 7 .99.769 32.30 23.1) como se ilustra en la figura 17.56 30. La adecuidad de los modelos se puede probar al graficar la velocidad del modelo calculado contra la velocidad medida.3.351 37.490 48.00 27.872 46. Esta línea tendrá una pendiente de I . Las velocidades calculadas para cada modelo se enlistan en las columnas b) y c).953 16.blogspot.1 REGRESIÓN LINEAL Velocidades medidas y calculadas para la caída del paracaidista.437 42.com .7/>] "modelo = 5 - 7 7 6 + °- 7 5 2 u medida Esas gráficas indican que la regresión lineal entre los datos y cada uno de los modelos ON altamente significativa.00 16. Una desviación significativa de esos valores se puede usar como un indicador de la inadecuidad del modelo.2.00 49.17.829 39.678 41. 1 ) ] c) 1 1. 3 . Tal programa de colección de datos experimentales se implemento.509 32. Esto se podría cumplir al medir la velocidad real del paracaidista con valores conocidos de tiempo y comparar estos resultados con las velocidades predichas de acuerdo con cada modelo.240 18. y los resultados se enlistan en la columna a) de la tabla 17.095 43.729 27.50 46.607 27.2 v medida.90 45. m/s Tiempo.10)] b) 8.816 40.00 50.855 34. Ambos modelos ajustan los datos con un coeficiente de concia ción mayor que 0. contra la columna a). Se puede usar regresión lineal para calcular la pendiente y el intercepto de la gráfica.50 42.617 41.00 41.00 m / s [ec.5.641 38.301 47.687 38. (1.032u 8 medlda y para el segundo modelo [ecuación (E17. Solución. s 1 2 3 4 5 ó 7 8 9 10 11 12 o) 10. TABLA 17.7a] 1 «Wwo = .7a y 17.60 39.712 13 14 15 Suponga que a usted le gustaría probar y comparar lo adecuado de esos dos modelos matemáticos.988 m / s [ec. respectivamente.405 22.00 45.

El ejemplo no fue ambiguo.3. Sin embargo.1). Hay un defecto eon el análisis en el ejemplo 17. .10) conforma para nuestra hipótesis criterios de prueba mucho mejores que los descritos por la ecuación (E17.10). fue obvio cuál modelo fue superior. 3 . 1 ] contra valores medidos. Así. Así. yn que el modelo empírico [véase ecuación (El 7. porcionado en este capítulo como antecedente. la pendiente y el intercepto para el modelo empírico fueron mucho más http://libreria-universitaria. aunque cada gráfica está bien descrita poruña línea recta.10) parece ser mejor modelo quela(E17.7 a) Resultados que usan regresión lineal para comparar las predicciones calculadas con el modelo teórico [véase ecuación (1.3.10)] contra valores medidos.3.476 REGRESIÓN POR MÍNIMOS CUADRADOS ! 5 30 X 55 30 X 55 FIGURA 17. junto con su software.blogspot. le proporcionará una guía muy práctica para problemas de este tipo.1) ya que la pendiente y el intercepto son más cercanos o casi igual a 1 y 0.3.com cercano! que el resultado deseado de 1 y 0. la ecuación (1. b) Resultados usando regresión lineal para comparar predicciones calculadas con el modelo empírico [véase ecuación ( E l 7 .1)] fue claramente inferior al de la ecuación (1. el modelo descrito por la ecuación (1.

85 y que el intercepto lliorn de 2. FIGURA 17. En algunos casos.5 Linearización de relaciones no lineales La regresión lineal proporciona una técnica poderosa que ajusta a la "mejor" línea los datos.8 o) Datos no adecuados para la regresión lineal por mínimos cuadrados. Obviamente esto haría de la conclusión de que la pendiente y el intercepto fueran I y 0.8 muestra algunos datos que son obviamente curvilíneos.2. Regresaremos a este punto al final del presente capítulo. 17. De manera clara. x b) http://libreria-universitaria.3. se puede usar transformaciones para expresar los datos en una forma que sea compatible con la regresión lineal.2. la figura 17. son apropiadas. Para otros.blogspot. un debate abierto.17. está predicha sobre el hecho de que la relación entre las variables dependientes e independientes es lineal. más que recaer en un juicio subjetivo.1 REGRESIÓN LINEAL 477 Sin embargo. técnicas tales como regresión por polinomios. las cuales se describen en la sección 17.1. Por ejemplo.com . Esto se puede hacer al calcular los intervalos de confianza para los parámetros del modelo en la misma forma que desarrollamos los intervalos de confianza para la media en la sección PT5. Sin embargo. suponga que la pendiente fuera de 0. Este no es siempre el caso. y el primer paso en cualquier análisis de regresión debería ser graficar e inspeccionar en forma visual para asegurarnos si se puede usar un modelo lineal. sería preferible basar tal conclusión sobre un criterio cuantitativo. b) Indicación de que es preferible una parábola.

el crecimiento poblacional o el decaimiento radiactivo pueden exhibir tal comportamiento.blogspot.9 o) La ecuación exponencial. Por ejemplo.2 ) { donde a y b son constantes. Este modelo se usa en muchos campos de la ingeniería para caracterizar cantidades que aumentan (b positivo) o disminuyen (b¡ negativo) u una velocidad que es directamente proporcional a sus propias magnitudes.13) FIGURA 17. la ecuación representa una relación no lineal (para /).9a. y f c) 1/y A Pendiente • /y*j http://libreria-universitaria. 0) entre y y x. b) la ecuación por potencias y c) la ecuación de razón de crecimiento saturado. Como se ilustra en la figura 17.478 REGRESIÓN POR MÍNIMOS CUADRADOS Un ejemplo es el modelo exponencial y= a i e h l X ( 1 7 1 . Los incisos < e] y f] son versiones linearizadas de estas ecuaciones producto de transformaciones simples.com . Otro ejemplo de modelo no lineal es la simple ecuación de potencias x x y = ax 2 hl (17.

El ejemplo 17. Además.3 mediante transformaciones logarítmicas de los datos.17.4 ilustra este procedimiento para la ecuación (17.16) De este modo.14) es linearizada al invertirla para dar 2 2 1 b .1)] 2 y = a 'l7^3 <-> 17 14 donde a y b son coeficientes constantes. el cual es de manera particular muy adecuado para caracterizar la razón de crecimiento poblacional bajo condiciones limitadas. Ajustar la ecuación (17. una gráfica de ln y contra x dará una línea recta con una pendiente de ¿>. La ecuación (17.17) 3 «3 De esta forma. 3 EJEMPLO 17. Este modelo.14) es linearizada al tomar su base logaritmo 10 para dar l log y = b log x + log a 2 2 (17.com . se puede emplear la regresión lineal simple para ajustar las ecuaciones a datos. una gráfica de 1/y contra l/x será lineal.9c) que iguala o "satura".9/). Podrían ser de nuevo convertidos en su estado original y usados para propósitos predictivos. (Observe que analizaremos la regresión no lineal en la sección 17. Como se ilustra en la figura 17.4 Linearización de una ecuación de potencias Enunciado del problema. estos modelos se ajustan mediante regresión lineal para evaluar los coeficientes constantes. Este modelo tiene amplia uplicnbiliclud 011 todos los campos de la ingeniería. en tanto x aumenta. la ecuación (17.9/). Las técnicas de regresión no lineal están disponibles para ajustar esas ecuaciones a datos experimentales de manera directa.12) se puede linearizar al tomar su logaritmo natural para dar 3 ln y = ln a\ + b\X ln e Pero como ln e = 1. La ecuación (17.5.) Sin embargo. una alternativa simple es usar manipulaciones matemáticas para transformar las ecuaciones en una forma lineal. con una pendiente de b-¡/a y un intercepto de l / a (véase la figura 17. ln y = ln a + b\X x (17. Después. Por ejemplo. y un intercepto de ln a (véase la figura 17.1 proporciona un ejemplo de ingeniería de la misma clase de cálculo.3.= y 3 1 X 1 + — a 3 (17.15) Así.blogspot.9e). En sus contornos transformados.1 REGRESIÓN LINEAL 2 2 47? donde a y b son coeficientes constantes. la sección 20. la ecuación (pura b ^0o 1) es no lineal. también representa una relación no lineal entre y y x (véase figura 17. Un tercer ejemplo de un modelo no lineal es la ecuación de razón de crecimiento saturado [recuerde la ecuación (El7. http://libreria-universitaria. una gráfica de log y contra log x dará una línea recta con una pendiente de b y un intercepto de log a (figura 17.9c/).13).13) con los datos en la tabla 17.

10¿> muestra la gráfica de los datos transformados.480 REGRESIÓN POR MÍNIMOS CUADRADOS Solución.477 0.301 0.534 0. ¡. La figura 17.blogspot.4 log x log y 1 2 3 4 5 0 0.300 TABLA 17. http://libreria-universitaria. x y 0.5 1.3 Datos que serán ajustados con la ecuación de potencias.699 -0.922 l FIGURA 1 7 .7 8.4 5.7 3. b] Gráfica de datos transformados que se usan para determinar los coeficientes de la ecuación de potencias. La figura 17.301 0.75 log x .com .753 0.602 0. Una regresión lineal de éstos mediante log dan el resultado l o g v = 1. IOÍÜ es una gráfica de los datos originales en su estado no trans- formado.226 0.0. 1 0 | a) Gráfica de datos no transformados con la ecuación de potencias que ajusta los datos.

5. 17. un método para cumplir con este objetivo es usar transformaciones. está pobremente representado por una línea recta.4 al final del capítulo). En consecuencia. al tomar el antilogaritmo. la ecuación de potencias es 2 _ 0 3 2 y • 0. 2. Usted debe consultar otras referencias tales como Draper y Smith (1981) para apreciar aspectos y matices de regresión que están más allá del alcance de este libro. y por tanto. Por ejemplo. una curva podría ser más adecuada para el ajuste de los datos.75. Por ejemplo. Los valores y son variables aleatorias independientes y todas tienen la misma varianza.6 Comentarios generales s o b r e r e g r e s i ó n lineal Antes de proceder con regresión curvilínea y lineal múltiple.com . Tales suposiciones son relevantes para la derivación adecuada y uso de regresión.a\x¡ r a xf) 2 (17. la primera suposición significa que 1) los valores x deben estar libres de errores y 2) la regresión de y contra x no es la misma que la de x contra y (pruebe el problema 17.10a. algunas suposiciones estadísticas que son inherentes en los procedimientos por mínimos cuadrados lineales son 1. como se gráfica en la figura 17. igual —0.1 se desarrolló un procedimiento para obtener la ecuación de una línea recta por medio del criterio de mínimos cuadrados. Como se analizó en la sección anterior. Para esos casos. Debería estar consciente del hecho de que hay aspectos teóricos de regresión que son de importancia práctica.18) http://libreria-universitaria.2 REGRESIÓN DE POLINOMIOS 411 i \ Así.blogspot.300. debemos enfatizar la naturaleza introductoria del material anterior sobre regresión lineal.3)] S = ]T] (yi ~ «o . indica un buen ajuste. La pendiente es b = 1. pero que van más allá del alcance de este libro.v l7S Esta curva. el intercepto. El procedimiento de mínimos cuadrados se puede fácilmente extender al ajuste de datos con un polinomio de orden superior. suponga que ajustamos un polinomio de segundo orden o cuadrático: y = a 0 + a\X + atx 1 + e Para este caso la suma de los cuadrados de los residuos es [compare con la ecuación (17. Otras alternativas son ajustar polinomios con los datos mediante regresión de polinomios. Los valores de y para una x dada deben ser normalmente distribuidos.2 R E G R E S I Ó N DE P O L I N O M I O S En la sección 17. 17. Por ejemplo.17. aunque exhiben un patrón marcado como el que se vio en la figura 17. Cada x tiene un valor fijo. log a .8. 3. Nos hemos concentrado en la derivación simple y uso práctico de ecuaciones para ajustar datos.1. u¡ — 10 = 0.5. no es aleatorio y es conocido sin error. Algunos datos de ingeniería.

. . Para este caso. Las técnicas para resolver tales ecuaciones fueron analizadas en la parte tres. El caso en dos dimensiones puede extenderse con facilidad a un polinomio de mésimo orden como Q i 2 y = a + a\x + a x 0 2 2 H hax m m + e El análisis anterior se puede fácilmente extender a este caso más general.19) donde todas las sumatorias son de i = 1 hasta n. vemos que el problema de determinar un polinomio por mínimos cuadrados de segundo orden es equivalente a resolver un sistema de tres ecuaciones lineales simultáneas.. un coeficiente de determinación puede ser calculado para una regresión de polinomios con la ecuación (17. Así.4. a .482 REGRESIÓN POR MÍNIMOS CUADRADOS Siguiendo el procedimiento de la sección anterior. así. 0 m EJEMPLO 1 7 . Observe que las tres ecuaciones anteriores son lineales y tienen tres incógnitas: a . podemos reconocer que la determinación de los coeficientes de un polinomio de /n-ésimo orden es equivalente a resolver un sistema de m + 1 ecuaciones lineales simultáneas. ya que (m + 1) coeficientes obtenidos de los datos (a . 5 Regresión d e polinomios http://libreria-universitaria. como en Estas ecuaciones se pueden igualar a cero y reordenar para desarrollar el siguiente conjunto de ecuaciones normal: (17. . Para este caso. Los coeficientes de las incógnitas se pueden evaluar de manera directa a partir de los datos observados. .18) con respecto de cada uno de los coeficientes desconocidos del polinomio.com Enunciado del problema. .20) Esta cantidad es dividida entre n — (m + 1). a ) se usaron para calcular S. a y a . hemos perdido m + 1 grados de libertad. .10). Además del error estándar.blogspot. tomamos la derivada de la ecuación (17. Ajustar a un polinomio de segundo orden los datos en I UN dos primeras columnas de la tabla 17 .. el error estándar se formula como (17.

80491 0.blogspot. Solución.4 Cálculos para un análisis de error del ajuste cuadrático por mínimos cuadrados.39 0.com .1 152.44 314.74657 FIGURA 17.7 13.9 61.03 3.09439 3. m = 2 n = 6 A partir de los datos dados.1 7. 2. (y -y) .6 585.12 239.47 140.6 27.2 REGRE5IOIN DE P O L I N O M I O S TABLA 17.22 1 272. 2 x ¡ y. 225 Por tanto.00286 1.2 40.6 55 = 585.5 y = 25.11 Ajuste de un polinomio de segundo orden. X = 2.433 X >= X >= í>2 > ? 15 4 979 152.6 2488. las ecuaciones lineales simultáneas son " 6 15 55 15 55 225 55 " 225 979 «0 0\ «2 • = • 152.08158 0.6 = 2488.1 1 2513.8 http://libreria-universitaria.6 (y/-OO-OIX -o x?) f 2 0 1 2 3 4 5 2 544.14332 1.61951 0.1 7.

a. (El pseudocódigo para el cumplimiento de esto se halla presente en la figura 17. Observe que la principal tarea es la generación de los coeficientes de las ecuaciones normal [véase ecuación (17.19)]. P a s o d i Imprima los coeficientes.47857. la ecuación cuadrática por mínimos cuadrados para este caso es 0 2 y = 2. Por tanto.blogspot.86071* 2 El error estándar del estimado con base en la regresión de polinomios es [véase ecuación (17. este problema se relaciona con la estructura de las ecuaciones normal y por el hecho de que para los polinomios de orden superior las ecuaciones normales pueden tener coeficientes muy grandes y muy pequeños.11. FIGURA 17. Para esos casos. d i . . P a s o 1 : Introduzca el orden del polinomio sujeto a ajuste. a . P a s o 4 : Calcule los elementos de la ecuación normal en la forma de una matriz aumentada.com . Un problema potencial asociado con la implementación de regresión de polinomios en la computadora es que las ecuaciones normales algunas veces están mal condicionadas.13. . por medio de un método de eliminación.3. Este resultado soporta la conclusión de que la ecuación cuadrática representa un excelente ajuste. m. 2 17.99851 2513. 3. continúe.851% de la incertidumbre original la resolvió el modelo.20)] = 1..99925.1 A l g o r i t m o p a r a r e g r e s i ó n de p o l i n o m i o s Un algoritmo para regresión de polinomios es expuesto en la figura 17. los resultados pueden ser inexactos. Esto es en particular cierto para versiones de orden superior. Esto se debe a los coeficientes y sumatorias de los datos elevados a potencias.74657 . . Estos resultados indican que el 99. 0 2 m http://libreria-universitaria. = 2.2. P a s o 2 : Integre el número de datos.12 6-3 El coeficiente de determinación es Sy/. n. los coeficientes calculados podrían ser altamente susceptibles al error de redondeo y.74657 r = = 0. imprima un mensaje de error que indique que la regresión no es posible y termine el proceso.35929 y a = 1. a . Entre otras cosas.12 Algoritmo para la implementación de polinomios y regresión lineal múltiple.39 y el coeficiente de correlación es r — 0.12. P a s o 3 : Si n < m + 1.47857 + 2. Si n S m + 1. como es también evidente de la figura 17. 3 9 . las técnicas de la parte tres se pueden aplicar para resolver estas ecuaciones simultáneas para los coeficientes. P a s o 5 : Resuelva la matriz aumentada para los coeficientes a .) Entonces.35929* + 1.86071.484 REGRESIÓN POR MÍNIMOS CUADRADOS Resolviendo estas ecuaciones con una técnica tal como la eliminación de Gauss se tiene a = 2. en consecuencia. 2 5 1 3 .

blogspot. la mayoría de los problemas prácticos están limitados a polinomios de orden inferior para los cuales el error de redondeo es insignificante.5 3 7 y Solución. Aunque las estrategias para disminuir el error de redondeo analizado en la parte tres. EJEMPLO 17.13 Pseudocódigo para ensamblar los elementos de las ecuaciones normal para regresión de polinomios.6 Regresión de polinomios por medio de la computadora Enunciado del problema. En el software de Métodos Numéricos TOOLKIT adjunto a este libro se tiene un programa de computadora de uso amigable para implementar la regresión de polinomios. esas técnicas (tal como polinomios ortogonales) están más allá del alcance de este libro.17. n eum — eum + ¿£ END DO a¡j = eum ap — eum END DO eum = 0 D0£ = 1. En situaciones donde se requieren versiones de orden superior. una alternativa más simple es usar una computadora cotí más aira precisión. J El primer paso es presionar los valores de entrada X contra Y en la tabla e introducir I hasta 100 pares de valores para X y Y. tal como el pivoteo.14.5 7. arder + 2 = 5 U M FIGURA 17. o r d í r + 1 PO j = 1. como el de Draper y Smith (1981). i 4 1 9 eum — 0 DOi = 1. Se puede usar este software para el ajuste de polinomios con los siguientes datos: X 2 6 4 2 5 3 6 7 6 8 7 8 9 1 1 5 0. Presione el ajuste de datos con el botón Curve sobre el menú principal del TOOLKIT para obtener una pantalla en blanco similar a la de la figura 17. pueden ayudar a remediar en forma parcial este problema.2 REGRESIÓN DE POLINOMIOS DO i = 1.n eum — eum + y • x£~ END DO ( a 1 END DO i. Por fortuna. Sin embargo. Después usted podría decidir graficar los datos http://libreria-universitaria. se dispone de otras alternativas para ciertos tipos de datos. para información adicional con respecto al problema y posibles alternativas.com . Esta panI talla contiene espacios para la entrada y salida de información necesaria para ajustar los I datos con un polinomio de regresión por mínimos cuadrados de nj-ésimo orden. El lector debería consultar textos sobre regresión.

12. 2 3.86071* 2 El error estándar del estimado con base en la regresión de polinomios es [véase ecuación (17. a . P a s o 5 : Resuelva la matriz aumentada para los coeficientes o . Este resultado soporta la conclusión de que la ecuación cuadrática representa un excelente ajuste.com PASO 6L Imprjma los coeficientes. Por tanto.3. . la ecuación cuadrática por mínimos cuadrados para este caso es 0 x 2 y = 2.484 REGRESIÓN POR MÍNIMOS CUADRADOS Resolviendo estas ecuaciones con una técnica tal como la eliminación de Gauss se tiene a = 2. a = 2..74657 r = = 0.blogspot.851% de la incertidumbre original la resolvió el modelo. Entre otras cosas.47857 + 2. Esto se debe a los coeficientes y sumatorias de los datos elevados a potencias.19)]. a.20)] = 1. . 2513.39 y el coeficiente de correlación es r = 0. P a s o 4 : Calcule los elementos de la ecuación normal en la forma de una matriz aumenlada. FIGURA 17.74657 17.35929 y a — 1. P a s o 2 : Integre el número de datos. continúe. n.99851 2513. Un problema potencial asociado con la implementación de regresión de polinomios en la computadora es que las ecuaciones normales algunas veces están mal condicionadas. este problema se relaciona con la estructura de las ecuaciones normal y por el hecho de que para los polinomios de orden superior las ecuaciones normales pueden tener coeficientes muy grandes y muy pequeños.86071. en consecuencia.2.35929x + 1. Esto es en particular cierto para versiones de orden superior. como es también evidente de la figura 17.12 6-3 El coeficiente de determinación es . Estos resultados indican que el 99. los coeficientes calculados podrían ser altamente susceptibles al error de redondeo y. ai. 0 7 http://libreria-universitaria.13.39 . (El pseudocódigo para el cumplimiento de esto se halla presente en la figura 17.) Entonces.12 Algoritmo para la implementación de polinomios y regresión lineal múltiple. m. . P a s o 3 : Si n < m + 1.11.„.99925. los resultados pueden ser inexactos.47857. . Para esos casos. Observe que la principal tarea es la generación de los coeficientes de las ecuaciones normal [véase ecuación (17.1 A l g o r i t m o para r e g r e s i ó n de p o l i n o m i o s Un algoritmo para regresión de polinomios es expuesto en la figura 17. las técnicas de la parte tres se pueden aplicar para resolver estas ecuaciones simultáneas para los coeficientes. imprima un mensaje de error que indique que la regresión no es posible y termine el proceso. P a s o 1 : Introduzca el orden del polinomio sujeto a ajuste. por medio do un método de eliminación. Si n 5: m + 1.

• = eum ap = eum END DO eum = 0 D0€ = 1.com .2 eum = 0 DOt =\n eum = eum + >¿€ END DO a. En el software de Métodos Numéricos TOOLKIT adjunto a este libro se tiene un programa de computadora de uso amigable para implementar la regresión de polinomios. El lector debería consultar textos sobre regresión. Por fortuna.17. i k=i + j . para información adicional con respecto al problema y posibles alternativas. Sin embargo. la mayoría de los problemas prácticos están limitados a polinprriios de orden inferior para los cuales el error de redondeo es insignificante. esas técnicas (tal como polinomios ortogonales) están más allá del alcance de este libro. EJEMPLO 17. arder + 2= ™ 5U Aunque las estrategias para disminuir el error de redondeo analizado en la parte tres. una alternativa más simple es usar una computadora cor/ más alta precisión.6 Regresión de polinomios por medio de la computadora Enunciado del problema.13 Pseudocódigo para ensamblar los elementos de las ecuaciones normal para regresión de polinomios. El primer paso es presionar los valores de entrada X contra Y en la tabla e introducir hasta 100 pares de valores para X y Y. Esta pantalla contiene espacios para la entrada y salida de información necesaria para ajustar los datos con un polinomio de regresión por mínimos cuadrados de m-ésimo orden. En situaciones donde se requieren versiones de orden superior.5 7.14.n eum — eum + y • x ¿ ' END DO ( a END DO FIGURA 17. Después usted podría decidir granear los datos http://libreria-universitaria. pueden ayudar a remediar en forma parcial este problema. Se puede usar este software para el ajuste de polinomios con los siguientes datos: 2 4 5 6 6 7 9 1 0. i. tal como el pivoteo.blogspot. order + 1 DOj = 1.5 Solución. como el de Draper y Smith (1981).2 REGRESIÓN DE POLINOMIOS 483 DO i = 1. Presione el ajuste de datos con el botón Curve sobre el menú principal del TOOLKIT para obtener una pantalla en blanco similar a la de la figura 17. se dispone de otras alternativas para ciertos tipos de datos.

7 8 9 V .5 7.. ~ P^iwaete* :| OÍdet of Paíy í Plot Xmtn Delta X Plot Ymin Delta Y Valué h 0 1 0 1 'i 3 ' 21 . Ordet of Poly Plot Xmro Delta X Plot Ymin Delta Y Vafc» 8 0 1 0 1 1 i lwputXv*¥Vafoe* 1 2 4 5 6 6 7 9 1 . Para nuestro ejemplo. primero intentaremos un polinomio de quinto orden.. ¿J. .486 RKMMIÓN POR MÍNIMOS CUADRADOS solos antas de realizar decisiones con respecto al orden del polinomio.14 Pantalla del TOOLKIT de métodos numéricos para una regresión polinomial de quinto orden. 8 1 5 3 7 v CafcYÍOT InputX ftewft Standatd Enot Coef of Detei Con Coef Oth order coef Vafe» ' 1 154277 .. . Wm.:.14. La inspección de los datos muestra dos picos y sugiere que un polinomio de al menos cuarto orden sería el adecuado.3660273 -6.5 75 x í 3 1 4 í i 2 Ü 1 6 8 9 10 7 5 6 2 3 7 8 .«8SftÉ!£ * >. 3 4 5 6 . Esto se hace mediante un procedimiento similar al descrito en el ejemplo 2..1. fiettift .573234 JBÉBJ 'CS3 Q 5 E 3 *'CHC3.304472 .com .5 + liillli 6 2 3 7 8 8 1 5 3 I X.blogspot..3 Y « 2. 10 2 4 5 6 6 7 9 1 . Standard Erior Coef of Deter Coir Coef Oth oider coef .9888347 -1 057965 |£ http://libreria-universitaria.15 Gráfica de una regresión polinomial de octavo orden.i m« i XMjml FIGURA 17. Los resultados para varios órdenes de regresión en el ajuste se tabula en la siguiente página: FIGURA 17. 1 000334 .9777941 ..>. La forma para determinar el mejor orden se puede explorar al examinar cómo el error estándar varía como una función del orden de regresión. Simplemente introduzca un valor de 5 para el orden del polinomio y grafique los parámetros en el cuadro Entrada de parámetros y haga clic en los botones de red Cale y Plot (en el proceso cambian los botones a un color negro) para producir la figura 17.:.3332087 ..

Y = 2.69 3 2. los "mejores" valores de los coeficientes son determinados al realizar la suma de los cuadrados de los residuos. como en l 2 y = c?o + «i 'i + 2X2 + e A a Tal ecuación es en particular útil cuando se ajustan datos experimentales donde la variable sujeta a estudio es a menudo una función de otras dos variables.14).15 que mientras las curvas de regresión siguen la tendencia de los datos. Como en los casos anteriores.17. Observe cómo esos valores cambian para diferentes órdenes de regresión. Por ejemplo. Por último.com .304472 como calculada con el polinomio de quinto orden (véase la figura 17. los puntos extremo empiezan a ser un problema en una manera similar a la de la interpolación de orden superior (analizaremos este fenómeno con más detalle en el próximo capítulo). La barra de despliegue sobre la tabla de resultados se usa para observar los coeficientes reales de la regresión de polinomios. demos un vistazo a la tabla de resultados en la parte derecha inferior. Para este caso. Observe también en las figuras 17.15 muestra que el polinomio de octavo orden produce valores de Y negativos para valores de X entre 8 y 9. es altamente inapropiado extrapolar los valores Y más allá del rango de los datos para X. coeficiente de determinación y coeficiente de correlación. De nuevo. Por ejemplo. Los primeros tres resultados son resúmenes estadísticos de la regresión: error estándar.38 A 6 1. esos valores cambian con diferentes órdenes.15 muestra las gráficas para el caso de un octavo orden.34 487 1. ta "línea" de regresión pasa a ser un "plano" (véase la figura 17. y podría ser una función lineal de x y x . La figura 17. (17.21) y diferenciando con respecto a cada uno de los coeficientes desconocidos. Para este caso en dos dimensiones. en X = 3.00 / 1. REGRESIÓN LINEAL MÚLTIPLE Una extensión útil de la regresión lineal es el caso donde y es una función lineal de dos o más variables independientes. La figura 17.71 2 2.16). La interpolación se puede ejecutar al introducir un valor en la tabla para X en el Cale Y para una X introducida.17 1.blogspot. Esto sugiere que no se ha ganado mucho al gastar en esfuerzo de cómputo para ejecutar la regresión más alta que la de quinto orden.14 y 17. http://libreria-universitaria.12 Observe que el error estándar cae de manera dramática del orden 3 al 4 y alcanza un mínimo para el polinomio de orden 5.3 REGRESIÓN LINEAL MÚLTIPLE Orden Error estándar 2.

y x .Sx y..Exi. http://libreria-universitaria.y.' 2í (17. 4x.22) ¡EJEMPLO 1 7 . 7 Regresión lineal múltiple Enunciado del problema. 2 dS r = -2 ^ x 2 / (y.488 REGRESIÓN POR MÍNIMOS CUADRADOS FIGURA 17. — 3x : 2 Los siguientes datos se calcularon con la ecuación y = 5 + x l X 0 2 2. 2 2/ Ex.í/ ./ Ex 2 í T.5 1 4 7 0 1 2 3 6 2 2 y 5 10 9 0 3 27 Use regresión lineal múltiple para ajustar estos datos.xi¡x ¡ 2 a ai 0 = • Exi.i a ~ a x 0 «2*2/) 3 (3? Los coeficientes dan la suma mínima de los cuadrados de los residuos y se obtienen al igual las derivadas parciales a cero y expresando el resultado en forma de matriz como n Ex Ex .-x 2l Ex 2 a 2 Ey. .16 Ilustración gráfica de regresión lineal múltiple donde yes una función lineal de x.com .blogspot.

22) se calculan en la tabla 17. Para usar regresión lineal múltiple.7.5 Cálculos requeridos para desarrollar las ecuaciones normal para el ejemplo 17.blogspot.com .5 76.x 2 *iy x y 2 0 4 6. Las sumatorias requeridas para desarrollar la ecuación (17. la ecuación se transforma al tomar su logaritmo para obtener log y = log üo + a\ log x\ + a log xj-i 2 Ya m log x m http://libreria-universitaria.5 0 10 18 0 18 54 100 1 54 El caso anterior en dos dimensiones se puede fácilmente extender a m dimensiones.5 0 12 189 243. la regresión múltiple tiene utilidad adicional en la derivación de ecuaciones de potencias de la forma general y=a x x ---x " 1 2 0 1 2 m Tales ecuaciones son extremadamente útiles cuando se ajustan datos experimentales.5 1 4 7 16.25 0 2 5 3 24 14 48 0 20 22.25 48 14 48 54 a 0 a\ a 2 • = • 54 243. TABLA 17.5 100 la cual se puede resolver mediante un método como el de eliminación de Gauss para ao = 5 ai = 4 a 2 = —3 que es consistente con la ecuación original a partir de la cual los datos se derivaron. como en y = an + a\X\ + a x 2 2 -| Ya x m m + e donde el error estándar se formula como S y .25 1 16 49 76.17. *i y X 5 10 9 0 3 27 0 2 2. X ~\¡n-(m + l) y el coeficiente de determinación se calcula como en la ecuación (17. Aunque hay ciertos casos donde una variable está linealmente relacionada con otras dos o más variables.17 se enlista un algoritmo para preparar las ecuaciones normal. El resultado es 6 16.10).5. En la figura 17.3 REGRESIÓN LINEAL MÚLTIPLE Solución.5 14 16.5 0 1 2 3 6 2 14 2 X 2 A 0 i 4 9 36 4 54 x.

REGRESIÓN POR MÍNIMOS CUADRADOS DOI = 1. etcétera. . los 1 se deben guardar en XQ • .23) donde z .n eum = eum + y • x¡_ END DO u s e 1( A XJ-K END DO ¡. z son las m + 1 funciones diferentes. Observe que además de guardar las variables independientes en X ] . 2 2 Z M — x" .CRDER+2 = 5 U M FIGURA 17. 0 m () 2 2 m son monomios http://libreria-universitaria. Además. Z = x . Antes de cambiar a regresión no lineal.17 Pseudocódigo para ensamblar los elementos de las ecuaciones normal para regresión múltiple.1 Formulación general de u n a m a t r i z p a r a m í n i m o s cuadrados lineales En páginas anteriores hemos introducido tres tipos de regresión: lineal simple.com simples como en z = x 0 ü — I. . • •. = x. hay varios puntos que nos gustaría analizar para enriquecer nuestra comprensión del material precedente. x ¡.1. i eum — 0 DOÍ= 1. De hecho. . es decir z — 1. 17. z„. z = x . 17..4 para ajustar a una ecuación por potencias cuandoy fue una función de una sola variable x. La sección 20.n eum = eum + x¡-^( • END DO a = eum a.. z. la regresión de polinomios se incluye también si Iris . 1 . estas tres pertenecen al siguiente modelo general de mínimos cuadrados lineales: y — arjzo + a \ z \ + a 2 2 ^ z 1 " a mm z + e (17. .4 FORMA GENERAL LINEAL POR M Í N I M O S CUADRADOS Hasta este punto nos hemos concentrado en la mecánica de obtención de ajustes por mínimos cuadrados para algunas funciones simples con datos. 2 Esta transformación. .5 y en el ejemplo 17. order + 1 DOj = 1..4 proporciona un ejemplo de tal aplicación para dos variables independientes.. jC|. es similar en esencia a la que se usó en la sección 17. para trabajar este algoritmo.4. z . = x . z. polinomial y lineal múltiple. Se puede ver con facilidad cómo la regresión lineal simple y múltiple encajan dentro de este modelo.— eum END DO eum — 0 DOl = \..blogspot.

las z pueden ser sinusoidales. la ecuación (17.23) se puede expresar en notación matricial como {Y} = [Z]{A] + {E} (17.\x-Y. como en y = a 0 + a.com como . usted debería reconocer que la mayoría de las veces [Z] no es una matriz cuadrada.24) donde [2] es una matriz de los valores calculados de las funciones z en los valores medidos de las variables independientes. Mientras tanto. Regresaremos a tales modelos al final de este capítulo. eos (coi) + a (coi) 2 sen Tal formato es la base del análisis de Fourier descrito en el capítulo 19.23). z m 1 m2 Z02 Zl2 z [Z] = Zrj« l« z donde m es número de variables en el modelo y n es el número de datos. Como n>m + 1.blogspot. Por otro lado. un modelo de apariencia simple como f(x) = a (1 0 e-"'*) es ciertamente no lineal porque no puede ser manejado en el formato de la ecuación (17. El vector columna {Y} contiene los valores observados de la variable dependiente {Y} T = [yi yi ••• y „ J ••• a \ m El vector columna {A} contiene los coeficientes desconocidos {A} T — [a 0 a¡ y el vector columna {E} contiene los residuos [E} T = \_e\ e 2 ••• e„ \ Como se realizó a través de este capítulo. ¡ A i = \ \ j=0 I n / m \ 2 a z Esta cantidad se puede minimizar al tomar su derivada parcial con respecto a cada uno de los coeficientes y fijar los resultados de la ecuación igual a cero. La salida de este proceso son las ecuaciones normal que se pueden expresar brevemente en forma de matriz http://libreria-universitaria.Observe que la terminología "lineal" se refiere sólo a la dependencia del modelo sobre sus parámetros (es decir. las mismas funciones pueden ser altamente no lineales. las a). Por ejemplo. la suma de los cuadrados de los residuos para este modelo se pueden definir como Sr = Y. Como en el caso de regresión de polinomios.

Un caso sujeto a tratamiento sería la regresión de polinomios.492 REGRESIÓN POR MÍNIMOS CUADRADOS [lZ] [Z]]{A} = {[Z] {Y}} r T Se puede demostrar que la ecuación (17. http://libreria-universitaria. Ésta es una tarea de programación relativamente directa para incorporar cualquiera de estos procedimientos en un algoritmo de mínimos cuadrados lineales.com . cúbico o de orden superior es el "mejor" modelo para describir nuestros datos. incluyendo eliminación de Gauss. Si usted está interesado sólo en aplicar un ajuste por mínimos cuadrados para el caso donde se conoce de antemano el modelo adecuado. polinomial y múltiple. Sin embargo. Segundo. esto es casi trivial. Nuestra principal motivación para las anteriores ha sido ilustrar la unión entre los tres procedimientos y mostrar cómo se pueden expresar de manera simple en la misma notación matricial. La notación matricial tendrá también relevancia cuando veamos regresión no lineal en la última sección de este capítulo. Debido tanto a la forma en la cual las ecuaciones normales se construyen como a la manera en la que procede el algoritmo de Cholesky (véase figura 11. De este modo. podemos desarrollar en forma sucesiva modelos de orden superior de un modo en extremo eficiente. De hecho. Para los actuales propósitos.4. y todos los procedimientos se pueden formular de tal forma que pueden generar la matriz inversa. se puede también emplear la formulación de una descomposición no L t / d e eliminación de Gauss. Descomposición LU. esta clasificación tiene su mérito en cada categoría y ofrece beneficios con respecto a la solución de las ecuaciones normales. debería quedar claro que Gauss-Seidel no puede usarse aquí debido a que las ecuaciones normal no son diagonalmente dominantes. El algoritmo de descomposición de Cholesky tiene varias ventajas con respecto a la solución del problema general de regresión lineal. 1978).3).25). de hecho. Primero. podemos explorar esta cuestión con mayor detalle.2 Técnicas de solución (17. De esta manera dejamos a un lado los métodos de eliminación. También acondiciona la etapa para la siguiente sección donde asimilaremos algo de conocimiento en las estrategias preferidas para resolver la ecuación (17. Primero.25) En los análisis anteriores en este capítulo hemos encubierto el tema de las técnicas numéricas específicas para resolver las ecuaciones normales.blogspot. podríamos saber a priori si un polinomio lineal cuadrático. De hecho. cualquiera de los procedimientos de descomposición LU descritos en el capítulo 9 son perfectamente aceptables. 17. equivalente a las ecuaciones normal desarrolladas antes para regresión lineal simple. si se ha seguido un enfoque modular. En cada paso podríamos examinar la suma residual del error de los cuadrados (¡y una gráfica!) para examinar si la inclusión de términos de orden superior mejoran de manera significativa el ajuste. de hecho. es rápido y requiere menos espacio de almacenamiento para resolver tales sistemas. es idealmente adecuado para casos donde el orden del modelo [es decir. está expresamente diseñado para resolver matrices simétricas como las ecuaciones normal.25) es. el método de Cholesky es. Método d e Cholesky.23)] no es conocido de antemano (véase Ralston y Rabinowitz. podemos dividir esas técnicas en tres categorías: 1) métodos de descomposición LU. 2) método de Cholesky y 3) procedimiento de inversión de matrices. Por ejemplo. una descomposición L U. el valor de m en la ecuación (17. Obviamente hay traslapes en esta clasificación. Ahora que hemos establecido la unión entre los diversos modelos. Para este caso.

como aprendimos en la parte tres. recuerde que la matriz inversa se puede emplear para resolver la ecuación (17. Así. ilustraremos cómo se pueden usar para desarrollar intervalos de confianza para el intercepto y la pendiente. (x. Aquéllas incluyen la media aritmética. Esas razones se analizarán después. respectivamente.4.26) proporciona estimaciones de su estadística.3 Aspectos estadísticos de la teoría de m í n i m o s cuadrados En la sección PT5. pueden ser usados para implementar la ecuación (17. Sin embargo.1.) i i = zj¡ 5 l ij /x 2 y/x (17-27) y cov (a -i. Procedimiento d e la matriz inversa. cov ácxy y.26). Además de obtener una solución para los coeficientes de regresión. En seguida se podría incluir el contenido de humedad para realizar una regresión múltiple de dos variables y ver si la variable adicional resulta en una mejora al ajuste. ya que la descomposición del modelo lineal podría solamente ser añadido al incorporar una nueva variable. es preferible utilizar la aproximación de descomposición LU sin inversión. revisamos un número de estadística descriptiva que puede usarse para describir una muestra. Si los elementos de la diagonal de [[Z] [Z]]~ son designados como z j .a )=zr} s* i j ( 1 7 2 g ) Estas estadísticas poseen un número de aplicaciones importantes. No obstante desde una perspectiva estadística. Para nuestros actuales propósitos. la desviación estándar y la varianza. 1 7. como en i fA F O R M A GENERAL LINEAL POR MÍNIMOS CUADRADOS {A} = [[Z] [Z]Y {[Z] {Y}} T L T (17.25). Podríamos primero realizar una regresión lineal con la temperatura y calcular un error residual.com .26) Cada uno de los métodos de eliminación se puede usar para determinar la inversa y. hay un número de razones por las cuales podríamos estar interesados en obtener la inversa y examinar sus coeficientes. Se puede demostrar (Draper y Smith. 'Lacovarianza es una estadística que mide la dependencia de una variable con otra.y) la dependencia Por ejemplo. una a la vez. presión. 1981) que la diagonal y los términos fuera de la diagonal de la matriz [[Z] [ Z ] ] dan. etcétera.6). El método de Cholesky hace eficiente el proceso. temperatura. al modelo. entonces T _ 1 1 r 1 l var (a . así. cov (x. De la ecuación (PT3.blogspot. éste es un enfoque ineficiente para resolver un conjunto de ecuaciones simultáneas. A s i . si estuviéramos justamente interesados en resolver los coefientes de regresión. la formulación de la matriz de la ecuación (17.2.493 La situación análoga para regresión lineal múltiple ocurre cuando se agregan variubles independientes.y) 0 podría indicar queje y y indica son totalmente indcpcndien http://libreria-universitaria. Suponga que la variable dependiente de interés es una función de un número de variables independientes: por ejemplo. contenido de humedad. las varianzas y las covarianzas de las a.

Solución.29) donde s(a¡) — error estándar del coeficiente a.43 -0.688414 -0. De manera similar.032x i S i i j i donde y = predicciones del modelo y x = mediciones.953 "1 10 " 1 1 [Z] = 16. 8 5 9 + 1. a 1.01701 [íZflZ]] -0.3 usamos regresión para desarrollar la i siguiente relación entre mediciones y predicciones del modelo: j y = . En el ejemplo 17.988 Se puede entonces usar la transposición y multiplicación de la matriz para generar las ecuaciones normal como [ÍZ] [Z]] T {A} = {ÍZ] {Y}} T 15 548. Concluimos que había una buena concordancia entre los dos debido a que el intercepto fue aproximadamente igual a 0 y la pendiente..H-2-V(« a ( ) ) (17.3 22191.031592 http://libreria-universitaria.494 REGRESIÓN POR MÍNIMOS CUADRADOS Mediante un enfoque similar al visto en la sección l'T'5.com .741 22421.¡-2 a í(«o) U = fln + í /2. los límites inferior y superior de la pendiente se pueden formular como L — a\ .s(ci\) a n 2 (17.3. Los datos se pueden escribir en un formato matricial para regresión lineal simple como: 8. .741 [ 22421.30) El siguiente ejemplo ilustra cómo esos intervalos se pueden usar para hacer inferencias cuantitativas relacionadas con la regresión lineal.0 .blogspot.2.3 548. Recalcule la regresión pero ahora use la aproximación matricial para estimar los errores estándar de los parámetros. Después emplee esos errores para desarrollar los intervalos de confianza y úselos para hacer declaraciones probabilísticas con respecto a la bondad del ajuste.405 22.01701 0. se puede demostrar que los límites inferior y superior del intercepto se pueden formular como (véase Milton y Arnold 1995 para más detalles) <•><) — t /2.„-is(a\) a U = a\+t i2.43 La inversión de la matriz puede ser usada para obtener la pendiente e intercepto como [A}= 0.t /2.= K vai(ap.607 ¡ ] j 1 50 49. EJEMPLO 1 7 .21 _ f 552. 8 Intervalos de confianza para regresión lineal \ Enunciado del problema.3 23 \Y) = 16.000465 {[Z] {Y) r 552.85872 1.

5 .8 8 9 1 2 ] a.6 0 3 6 8 .4 7 6 2 7=[ 2 .1 0 .6 0 3 6 8 ( 0 7 . Usamos una función de Excel.3 1 5 9 2±0 0 . Usted debería consultar algunos de los excelentes libros sobre el tema (por ejemplo. Además. http://libreria-universitaria.6 3 4 0 3 . TINV. Como cero está dentro del intervalo del intercepto. 1 0 .7 1 8 2 8 .9 1 3 5 5 .1 6 3 7 2 ) =0 . 8 5 8 7 2±2 1 .6 0 3 6 8 ( 0 0 .4 FORMA GENERAL LINEAL /vuNimt» De esta manera. debería observar qué paquetes de software y librerías pueden generar ajustes de regresión por mínimos cuadrados junto con información relevante para la estadística inferencial. r u K wmmwww» Q /x =0 8 .blogspot.1 3 ) i la cual da un valor de 2 1 .3 1 5 9 2 . el intercepto y la pendiente se determinan como a = — 0. 1 Lo anterior es una introducción limitada al enriquecedor tema de la inferencia estadística y su relación con la regresión.85872 y < 7 | » respectivamente. 0 9 .3 1 5 9 2± 2 1 .7 1 8 2 8 ] 0 Observe que los valores deseados ( 0 para el intercepto y pendiente. y 1 para el intercepto) están dentro de los intervalos.0 ) se pueden entonces usar para calcular los intervalos de confianza como a =0 .0 6 . 8 5 8 7 2± 1 5 . Sobre la base de este análisis podríamos hacer las siguientes declaraciones con respecto a la pendiente: tenemos fuertes fundamentos para pensar que la pendiente de la línea de regresión real está dentro del intervalo de a Debido a que está dentro de este intervalo. I i.4 0 2 3 7=[ 0 9 . í^n-i necesaria para un 9 5 % de intervalo de confianza con n — 2 = 1 5 —2 = 1 3 grados de libertad puede ser determinada de una tabla estadística o mediante software. Nuestra principal intención ha sido mostrar el poder del enfoque matricial al ajuste general lineal por mínimos cuadrados. Estos valores a su vez se pueden usar para calculnr el error estándar del estimado como s Este valor puede utilizarse junto con los elementos diagonal de la matriz inversa para calcular los errores estándar de los coeficientes. Hay muchas más que están lejos del alcance de este libro. una declaración similar se puede hacer con respecto del intercepto.9 1 3 5 5 1 0 . Las ecuaciones ( 1 7 2 .I i i 17. 4 0 6 3 4 . tenemos también bases fuertes para creer que el resultado soporta la concordancia entre las mediciones y el modelo. para obtener el valor adecuado. como en =T I N V ( 0 0 . = 1 0 . Exploraremos algunas de esas capacidades cuando se describan esos paquetes al final del capítulo 1 9 .1 8 6 2 5 ) =1 0 .9 )y( 1 7 3 .com . La estadística. Draper y Smith 1 9 8 1 ) para información adicional.

.^ esta forma.. f(x¡)j + df(x¡\ da 0 donde j = son los valores iniciales. En el contexto actual. Sin embargo. (17. La ecuación (17. Para ilustrar cómo se hace esto.. Entonces. a ... la teoría de mínimos cuadrados se puede usar para obtener nuevas estimaciones de los parámetros que se mueven en la dirección de minimizar el residuo.32) para obtener a 0 0 a a e j Aa 0 + a/ta). Aa = « j+i ~~ oj> y = ij+i ~ ij.com [ / .496 17. (/:¡ (17. a . J | A / \ ¡ . y e./"^. esos modelos se definen como aquellos que tienen dependencia no lineal de sus parámetros. Como se hizo con los mínimos cuadrados lineales. (17.. = error aleatorio.. para el caso no lineal. hemos linearizado el modelo original con respecto a los parámetros. a .. El concepto clave que resalta la técnica es que una expansión por serie de Taylor se usa para expresar la ecuación no lineal original en una forma lineal aproximada.... para un caso de dos parámetros /(*. Por conveniencia. la solución debe proceder en una forma iterativa. Por ejemplo.34) .33) o en forma matricial [compárela con la ecuación (17.-+. a) m + e¡ donde y¡ = valor medido de la variable dependiente. 0 x m 0 t m (17.).24)].32) El modelo no lineal puede ser expandido dentro de una serie de Taylor alrededor de valores de parámetro y reducido después de las primeras derivadas.31) Esta ecuación no puede ser manejada de acuerdo con el formato general de la ecuación (17.5 REGRESIÓN POR MÍNIMOS CUADRADOS REGRESIÓN N O LINEAL Hay muchos casos en ingeniería donde modelos no lineales deben ser ajustados con datos. El método de Gauss-Newton es un algoritmo para minimizar la suma de los cuadrados de los residuos entre datos y ecuaciones no lineales. Por ejemplo. j + 1 = predicción.. a u . primero se puede expresar de manera general la relación entre la ecuación no lineal y los datos como y¡ f {x¡. \i>\ = http://libreria-universitaria. a . a ) = ecuación que es una función de la variable independiente x¡ y una función no lineal de los parámetros a . la regresión no lineal se basa en la determinación de los valores de los parámetros que minimizan la suma de los cuadrados de los residuos.23). este modelo se puede expresar de forma abreviada al omitir los parámetros. ao.blogspot.33) se puede sustituir en la (17.

] = 0 = derivada parcial de la función con respecto al kdonde n = número de datos y df¡/da ésimo parámetro evaluado en el /-ésimo punto. http://libreria-universitaria.34) resulta en las siguientes ecuaciones normal [recuerde la ecuación (17.blogspot. hasta) 100% (17.25)]: Aa\ {AA} = Aa„ Arto J J en resolver la ecuación (17.donde [Z¡\ es la matriz de las derivadas parciales de la función evaluada en el valor inicial y. dfi/dao dfi/dcn df /dai 3/ /3ao 2 2 [Z.35) y a j+i = OQJ + Aa \S„h = a Este procedimiento se repite hasta que la solución converge (es decir.j+\ está por debajo de un criterio de paro aceptable. como en [[Z ] [Z }]{AA} = {[Z ] {D}} T T 0 Q (17. El vector {£>} contiene las diferencias entre las mediciones y los valores de la función. k df„/da f(x\) f(x ) 2 dfn/dax y\ >'2 - ¡D} = y„ f(x„) y el vector {AA} contiene los cambios en los valores de los parámetros. la cual se puede emplear para calcular valores mejorados para los parámetros. Si se aplica la teoría de mínimos cuadrados lineales a la ecuación (17.35) para / Así. el procedimiento consiste {A/4}.com .36) k.

com .9.7 -05 2 7 6 0 6 .2 7 6 0 7 .4 2 4 0 . X Ajuste la función f(x.6 7 8 0 2 .) = a ( 1 0 0 ) con los dalos: y 0. 0 3 3 5 0 .0 y a = 1.75 0. Las derivadas parciales de la función con respecto a los parámetros son da o =1 = a je Q (E17.4 8 9 " [ Z ] [ Z ] 0 9 .3 7 1 Esta matriz multiplicada por su traspuesta resulta en 2 '.2 6 2 0 8 .1) (E17.9. 0 8 6 2 0 .0248.4 8 9 0 4 . 8 4 2 1 [ [ Z ] [ Z o ] p=7 . 0 x Solución.5 8 8 0 0 .9 4 7 0 3 . «.75 0.9.2) se pueden usar para evaluar la matriz 0 2 .1) y (E17.a . 0 0 .74 2.8 07 1 3 5 0 7 . Observe que para estos valores la suma inicial de los cuadrados de los residuos es 0.25 0. 3 1 9 3 0 9 .68 1.2) Las ecuaciones (E17.2 1 2 0 5 . 0 3 6 5 oí 0 http://libreria-universitaria. 8 4 2 1 1 9 1 .9 08 9 4 6 .0 4 1 0 2 .0 para los parámetros.4 0 4 0 0 r 0 la cual mi de de nuevo nueve se puede invertir para dar 3 6 .4 -08 2 6 2 0 7 .5 8 1 0 3 .25 0. 1 5 3 3 0 .79 Use los valores iniciales de a = 1.25 0. T El vector {D} consiste en las diferencias entre las mediciones y las predicciones del modelo.28 0. 9 REGRESIÓN POR MÍNIMOS CUADRADOS Método de Gauss-Newton I Enunciado del problema.5 4 3 0 3 . {D} = — .blogspot. 1 3 5 [Z] = 0 8 .57 1.9 4 6 0 r 0 1 . 1 0 4 6 Ésta es multiplicada por [Z ] para obtener ¡Z ] {D} () T 0 .9.498 EJEMPLO 1 7 .8 02 2 1 2' 0 5 .3 9 7 7 .

a . 2.. El resultado final es a = 0..7286 1. Se han desarrollado modificaciones del método (Booth y Peterson.. Puede converger con lentitud. muchos programas de computadora usan diferentes ecuaciones para aproximar las derivadas parciales.a + 0 k Sa . y se calcula la suma de los cuadrados de los residuos. Puede oscilar ampliamente..0242.com .5 REGRESIÓN NO LINEAL El vector {AA} es entonces calculado al resolver la ecuación (17. respectivamente.6751. 1961) para remediar los defectos. 0 Un problema potencial con el método de Gauss-Newton como se ha desarrollado hasta ahora es que las derivadas parciales de la función pueden ser difíciles de evaluar.. Un método es dfi da k ^ f(x¡.0 +I -0.36) se puede usar para calcular £Q y e igual a 37 y 3 3 % .0 1.38) Entonces. La ecuación (17. = 1.5019 i 0. k a) m 5a k donde 8 = perturbación fraccional pequeña.2714 0. r http://libreria-universitaria. los parámetros se podrían ajustar de manera sistemática para minimizar S mediante técnicas de búsqueda descritas previamente en el capítulo 14. Ilustraremos el modo para hacer esto cuando describamos las aplicaciones del software al final del capítulo 19.2714 0. 3. 1958...35) para AA = -0..79186 y a.. Por ejemplo.. para la ecuación (17. Estos coeficientes dan una suma de los cuadrados de los residuos de 0. Además. las estimaciones mejoradas de los parámetros son a = 0. El método de Gauss-Newton tiene una variedad de otros posibles defectos: 1.blogspot. El cálculo podría repetirse hasta que esos valores estén abajo del criterio de paro preescrito.000662. aunque hay varios procedimientos expresamente diseñados para regresión. Los nuevos parámetros resultan en una suma de los cuadrados de los residuos igual a 0.7286 y a = 1. k m 0 . a ) .5019 1 0 x x Así.17.f{x¡\a .5019 m la cual puede ser agregada al parámetro inicial supuesto para dar I I «o 1.. . . Para hacer esto. cambia en forma continua de dirección. es decir. . Puede no converger. uno más general es usar rutinas de optimización no lineal como las descritas en la parte cuatro. . Hartley.5019. En consecuencia. a .31) esto se podría calcular como (17. se hace una suposición de los parámetros.

5 1. 17. b) la desviación estándar.6 7. y = 5. 17./) Construya un histograma. c) la varianza. d) el coeficiente de variación y e) el intervalo de confianza al 95% para la media. Valide el ajuste. Use un rango de 0. pero ahora haga la regresión de x contra y (es decir. ¿Es superior alguna de las curvas? Si es así.47 1.32 1.1 10 2. Después repita el problema.3 2.11 a una parábola.63 1. Si alguien hizo una medición adicional de x = 5.71 1.1 Dados los datos 0.06 1. Interprete sus resultados.12 Ajuste los datos del problema 17.5 Use regresión por mínimos cuadrados para ajustar una línea recta a X y Grafique los datos y la ecuación en papel estándar así como en gráfico logarítmico. calcule el rango (esto es.3 20 2.6 a 2. 17.78 2. 17.5 3.9 6 3. 17.90 1.75 0. Grafique los datos y la línea de regresión.blogspot. Use un rango de 0 a 55 con incrementos de 5. í3 8. Grafique los datos y la ecuación y encuentre el error estándar. calcule el error estándar del estimado y el coeficiente de correlación.2. d) el coeficiente de variación y é) el intervalo de confianza al 90% para la media.5 2.3 Con los datos 15 39 2 45 6 22 12 36 18 28 17 41 21 24 34 37 26 27 29 43 28 27 31 38 32 33 38 26 a) Junto con la pendiente y el intercepto.5 5 3.7 Ajuste un modelo de razón de crecimiento saturado con X 0.96 1.7 a una parábola.8 Ajuste los datos del problema 17. http://libreria-universitaria. cambie las variables). Grafique los datos y la ecuación.5 1. pero ahora use regresión polinomial para ajustar los datos a una parábola.8 12.8 1 000 1.4 750 0. b) la desviación estándar.9 Adecúe los datos del problema 17.5 2.95 1. Compare los resultados con aquellos de a).92 1.66 1. 17.3 3 750 Junto con la pendiente y el intercepto. Determine si esto es una estimación válida para los datos en este problema.11 Adecué los siguientes datos a un modelo exponencial X y 4 0.7 y determine a) la media. b) Recalcule a).8 2 1.4 17.30 1. 17. Grafique los datos y la ecuación y encuentre el error estándar.4 Use la regresión por mínimos cuadrados para ajustar a una línea recta a X l Grafique los datos y la ecuación.74 1. c) a una ecuación de razón de crecimiento saturado y d) a una parábola.35 1. ¿podría usted esperar.2 4 1. con base en un asegura- use regresión por mínimos cuadrados para ajustar a) a una línea recta. 17. 17. b) a una ecuación de potencias.6 Use regresión por mínimos cuadrados para ajustar una línea recta a x y I 2 9 3 6 4 5 7 K) 8 9 9 ñ 5 2 5 3 determine a) la media. Grafique los datos y la línea recta.29 1.4 con intervalos de 0.6 15 2.27 miento visual y en el error estándar.5 7 3.1. Grafique los datos y la línea de regresión. Analice sus resultados. calcule el error estándar del estimado y el coeficiente de correlación.7 a una ecuación de potencias. que la medición fue válida o fallida? Justifique su conclusión.35 1.85 2.6 2 000 2.55 1. los valores inferior y superior) que abarquen el 68% de las lecturas. 17.05 1.42 1. calcule el error estándar de la estimación y el coeficiente de correlación. Grafique los datos junto con todas las curvas. justifique.com .82 1.7 8 l .5 5.6 6 1.REGRESIÓN POR MÍNIMOS CUADRADOS PROBLEMAS 17.65 2.3 3 5 6 7 5 10 8 12 7 13 6 16 9 18 12 20 11 Grafique y contra x junto con la ecuación de potencias. c) la varianza.2 1 400 1.10 Ajuste los siguientes datos a una ecuación de potencias X / 2. g) Suponga que la distribución es normal y que su estimación de la desviación estándar es válida.2 Construya un histograma para los datos del problema 17.47 1.0 2 700 2.13 Con los datos X 5 30 6 22 10 28 14 14 16 22 20 16 22 8 28 8 28 14 36 0 38 4 5 16 10 25 15 32 20 33 25 38 30 36 35 39 40 40 45 42 50 42 y Junto con la pendiente y el intercepto. Encuentre el error estándar. 17. 17.14 1.

com .6.16 Use regresión no lineal para ajustar los siguientes datos a una parábola 3 4 4 y 0.15 Use regresión lineal múltiple para ajustar 0 x 2 0 2 19 1 2 12 2 4 11 0 4 24 1 6 22 2 ó 15 2 2 5 1 1 19 0 15 y Calcule los coeficientes.4 y b) 17. 17. 0 0 y 17.8 25. Entre otras cosas: a) Agregue comentarios para documentar el código y b) determine el error estándar y el coeficiente de determinación.12.8 45. d) 17. 17.7 2 050 2. depure y pruebe un subprograma en ya sea un lenguaje de alto nivel o en lenguaje macro de su elección para implementar regresión lineal.20 Use el software de Métodos Numéricos TOOLKIT para resolver los problemas a) 17.0 2 650 2.9 ye) 17.18 Recalcule el ajuste por regresión de los problemas a) 17.0 29.4.2 1 400 1. Estime los errores estándar y desarrolle intervalos de confianza al 90% para la pendiente y el intercepto.19 Desarrolle.6 35.5 800 1 200 1. 17.3 3 750 Calcule los coeficientes. 17.5 40.blogspot.075 600 0.17 Use regresión no lineal para ajustar los datos del problema 17. b) 17.14 Use regresión lineal múltiple para ajustar x.3 1 1 2 2 3 15 18 12.13 mediante el procedimiento de la matriz.PROBLEMAS 501 17.7 20. 17. http://libreria-universitaria. el error estándar del estimado y el coeficiente de correlación.13 a una ecuación de razón de crecimiento saturado.5.c) 17. el error estándar del estimado y el coeficiente de correlación.

existe una variedad de formatos matemáticos en los cuales este polinomio puede expresarse. Interpolación polinomial consiste en determinar el único polinomio de n-ésimo orden que ajuste n + 1 puntos. a) b) c) http://libreria-universitaria. De manera similar. FIGURA 18. únicamente una parábola conecta un conjunto de tres puntos (ver figura 18. hay sólo una línea recta (es decir.1 Ejemplos de interpolación polinomial: a] de primer orden [lineal) conectando dos puntos.1a).com . Este polinomio entonces proporciona una fórmula para calcular valores intermedios. Por ejemplo.blogspot. En este capítulo describiremos dos alternativas que son muy adecuadas para la implementación en computadora: los polinomios de Newton y de Lagrange. b) de segundo orden (cuadrática o parabólica) enlazando tres puntos y c) de tercer orden (cúbica) conectando cuatro puntos. hay uno y sólo ún polinomio de orden n que pasa a través de todos los puntos.CAPÍTULO 18 Interpolación Usted a menudo habrá tenido la oportunidad de estimar valores intermedios entre datos precisos. El método más común que se usa para este propósito es la interpolación del polinomio. Aunque hay uno y sólo un polinomio de n-ésimo orden que ajusta n + 1 puntos. un polinomio de primer orden) que conecta dos puntos (vea la figura 18.1Z>).1) Para n + 1 puntos. Recuerde que la fórmula general para un polinomio de n-ésimo orden es f(x) = a + aix + a x 0 2 2 + •••+ a x" n (18.

Las áreas sombreadas indican los triángulos semejantes usados para obtener la fórmula de interpolación lineal [véase la ecuación! 1 8. 18. Antes de presentar la ecuación general.'existe una variedad de formas alternativas para expresar una interpolación de un polinomio.blogspot.2)] AQ X X-\ X http://libreria-universitaria. La notación f(x) designa que es una interpolación de polinomios de primer orden.2 Ilustración gráfica de interpolación lineal. Mediante triángulos semejantes.com .1 DIFERENCIA DIVIDIDA DE N E W T O N P A R A LA I N T E R P O L A C I Ó N DE P O L I N O M I O S Como se mencionó antes. La diferencia dividida de Newton para la interpolación de polinomios está entre los modelos más populares y útiles. llamada interpolación lineal.%> (18-2) que es una fórmula de interpolación lineal.18. Esta técnica. Observe que además de representar la FIGURA 18.2. introduciremos la primera y segunda versión debido a su interpretación visual simple. /l(-r) ~ /(So) X — XQ = /(*!)-/(*») X\ — la cual se puede reordenar para dar Xo s /.1 DIFERENCIA DIVIDIDA DE N E W T O N PARA LA INTERPOLACIÓN 503 18.1.1 Interpolación lineal El modo más simple de interpolación es conectar dos puntos con una línea recta. se ilustra en forma gráfica en la figura 18.(*) = /(%> + / ( j C l ) ~ / ( X o ) (* .

3%. Estimaciones lineales l i l i l í http://libreria-universitaria.6931472. mejor será la aproximación. x = 1 a x 4 se obtiene t = / . Solución .1 Interpolación lineal Enunciado del problema.blogspot.rrvrcKruLACTurN pendiente de la línea que conecta los puntos. repita el procedimiento. con el intervalo más corto se reduce el error relativo porcentual a e — 33.° (2 . FIGURA 18. Observe cómo el intervalo más pequeño proporciona una mejor estimación.2) y una interpolación lineal para ln(2) de x = 1 a X] = 6 para dar 0 /.1 ) = 0. junto con la función real.386294).3 Dos interpolaciones lineales para estimar ln 2. el término \f(x ) — f(x )]/(x — x ) es una aproximación por diferencia dividida finita de la primera derivada [recuerde la ecuación (4. Después.0 — 6—1 (2 .com .4620981 t Así.17)]. una función continua se aproximará mejor por una línea recta.791759. Usaremos la ecuación (18. Ambas interpolaciones se muestran en la figura 18. En general. Con el intervalo más pequeño de. cuanto más pequeño sea el intervalo de datos. Esta característica se demuestra en el siguiente ejemplo. Primero. f(x) = ln j f .3%. realice el cálculo por interpolación entre ln 1 = 0 y ln 6 = 1. x 0 x 0 EJEMPLO 18.(2) = 0 + 1 791759 . Estime el logaritmo natural de 2 mediante interpolación lineal. en tanto el intervalo disminuya. pero use un intervalo más pequeño de ln 1 a ln 4 (1.3. Observe que el valor real de ln 2 es 0.1) = 0. Esto se debe al hecho de que.3583519 0 x que representa un error de e = 48. ( 2 ) = 0 L + 3 8 4 6 ^ .

3) son formulaciones alternativas equivalentes del único polinomio de segundo orden que une los tres puntos.1 DIFERENCIA DIVIDIDA DE N E W T O N PARA LA INTERPOLACIÓN 505 18.1) y (18.6) x 2 - Xo x 0 x 0 2 0 http://libreria-universitaria. los primeros dos términos de la ecuación (18. introduce la curvatura de segundo orden en la fórmula.18.x{) (18.b xx 2 0 - b xx\ 2 o. la cual puede evaluarse en x = x y resolver (después de algunas manipulaciones algebraicas) para 2 /(* )-/(*i) 2 / ( * i ) .1)]. Si ties^uiüo^dejas datos están disponibles. las dos ecuaciones son equivalentes. la ecuación (18.com Note que. .5) se pueden sustituir en la (18.x 0 (18.3) conx — XQ puede ser usada para calcular 0 b = /(*o) 0 (18.x ){x 0 2 0 . Una forma en particular conveniente para este propósito es fi(x) = bo +bi(xx ) + b (x .b]X + b x 0 0 2 2 + b x x\ 2 Q .3) para dar f (x) 2 = b + b\x .2).4) y (18.4) x La ecuación (18. Para Z> . como fue el caso con la interpolación lineal. Un procedimiento simple puede usarse para determinar los valores de los coeficientes.1. b todavía representa la pendiente de la línea que une los puntos x y x .3). las ecuaciones (18. agrupando términos. f (x) 2 = ao + a\x + ax 2 2 donde ao = bo .3) parecería diferir del polinomio general [véase ecuación (18. Esto puede demostrarse al multiplicar los términos de la ecuación (18. esto puede realizarse con un polinomio de segundo orden (también conocido como polinomio cuadrático o parábola). Por consiguiente./ ( * o ) f>2 = .3) son equivalentes a la interpolación lineal d e x a x .3) Observe que aunque la ecuación (18. b (x — x )(x — X j ) . .2 Interpolación cuadrática El error en el ejemplo 18. xo -x\ = xi .blogspot. El último término.1 resulta de nuestra aproximación a una curva con una línea recta.3).b xo + t 2 h X{)X\ 2 a\ = b\ — b xu — b x\ 2 a = b 2 2 Así. las ecuaciones (18. una estrategia para mejorar la estimación es introducir alguna curvatura en la línea que conecta los puntos. Así. la cual puede evaluarse e n x = x para = f^)-f(xo) X\ - XQ Por último.4) puede sustituirse en la (18. como se especificó antes en la ecuación (18.

Es muy similar a la aproximación por diferencias divididas finitas de la segunda derivada que se introdujo antes en la ecuación (4.3) para interpolar entre tres puntos. b = 0 0 Aplicando la ecuación (18. 2 1 0 0 5 x http://libreria-universitaria.4. debemos examinar la forma del coeficiente b .3). desarrollaremos un ejemplo que muestra cómo se usa la ecuación (18.blogspot. Esta observación será objeto de más exploración cuando relacionemos los polinomios de interpolación de Newton con la serie de Taylor en la sección 18.506 INTERPOLACIÓN Antes de ilustrar cómo usar la ecuación (18. 2 Interpolación cuadrática Enunciado del problema.386294 /(JC ) 2 x = 6 2 = 1.com .1 a un polinomio de segundo orden: i j xo = 1 =4 Xl f(xo) .4 Uso de interpolación cuadrática para estimar ln 2.24). Para comparación se incluye también la interpolación lineal de x = 1 a 4. Pero primero.5) da | ¡ í FIGURA 18. Solución.1. Ajuste los tres puntos usados en el ejemplo 18.0 /(xj) = 1.4) se obtiene La ecuación (18. Así.3) comienza a manifestar una estructura que es muy similar a la serie de expansión de Taylor. 2 EJEMPLO 1 8 . la ecuación (18.791759 Use el polinomio para evaluar ln 2.

. t 18.1 y figura 18.Xj] = X¡ Xj (18.4620981 ^ = -0. .x ) + • • • + b„(x . la primera diferencia dividida finita se representa por lo general como rr T / ( • * / ' ) ~ f( j) X / 1 0 n \ f[xj.. [x^fix^].18. .. b¡.5658444 2 la cual representa un error relativo de e = 18..1.8) (18.x )(x -*. Usamos estos datos y las siguientes ecuaciones para evaluar los coeficientes: 0 n 0 0 n n b = f(x ) Q 0 (18.. b .791759 .. Así.0518731 (x .1. Por ejemplo. la cual representa la diferencia de las dos primeras diferencias divididas.xi.3) se obtiene la fórmula cuadrática f (x) 2 = 0 + 0.11) donde las evaluaciones de la función puestas entre paréntesis son diferencias divididas finitas.462098l (x . El polinomio de «-ésimo orden es f„(x) = b + bi(x ..4) que puede evaluarse en x — 2 para / (2) = 0.1 DIFERENCIA DIVIDIDA DE N E W T O N PARA LA INTERPOLACIÓN 507 y con la ecuación (18.3.4) mejora la interpolación comparada con el resultado que se obtiene mediante líneas rectas en el ejemplo 18.blogspot.3 F o r m a general de la interpolación de p o l i n o m i o s de N e w t o n El análisis anterior puede ser generalizado para ajustar un polinomio de «-ésimo orden a n + 1 datos.7) Como se hizo antes con las interpolaciones lineales y cuadráticas. se expresa por lo general como http://libreria-universitaria.)•••(*0 0 0 x„-i) (18.12) La segunda diferencia dividida finita.0....f(x )].Il.6) se obtiene 1.])(x . [x .A' ] 0 (18.386294 b = 2 6 4 0. / ( x ) ] . z x„) (18.0518731 6—1 Sustituyendo estos valores en la ecuación (18.9) b\=f[x x ] u 0 bi = f[x . la curvatura introducida por la fórmula cuadrática (véase la figura 18.10) b n = f[x„. Para un polinomio de «-ésimo orden se requiere n + 1 puntos: [ x . los puntos de los datos evaluaban los coeficientes b .1) .com .x„-i.4%.

Ahora. En el ejemplo 18.15) que es conocido como polinomio de interpolación por diferencias divididas de Newton.X ] K f \x¡ .v>) .609438]. . Esta propiedad será aprovechada cuando desarrollemos un programa eficiente en la computadora dentro de la sección 18. .7) para obtener el polinomio de interpolación /«(*) = ñ o) x + -+ + (x- (x .v • -. f[Xi.X Xo] r U . x ]0 x 2 3 \ f(x.com / l ( .12) a (18.18. es T ) http://libreria-universitaria. También. 0 i */ x Primara f(x )0 Segundo |. - X „ _ 2 .x = 4 yx — 6 se utilizaron para estimar ln 2 con una parábola.x^x^ 0 x u x] 0 (18. El polinomio de tercer orden utilizando la ecuación (18.x.x ] n 1 n n l 0 * y i * i » *o] + ( ~ 0 x x )(x . (x .14) (Wl\A\ X„ — XQ Estas diferencias pueden usarse para evaluar los coeficientes en las ecuaciones (18.blogspot. = - n —\ - >•••i - x - \ \ — /[x„_i.)f(x |2 :f[x .- x¡-x k (18..... las diferencias de órdenes mayores se calculan al tomar diferencias de orden menor. EJEMPLO 18.15) sean igualmente espaciados o que los valores de la abscisa deban estar en orden ascendente.«o) (.3 Interpolando polinomios mediante la diferencia dividida de Newton Enunciado del problema.. los datos e n x = \.Xj.x _ Y[x .x. x..) .5 para implementar el método..508 INTERPOLACIÓN .V|) | /0.Xo)(x .14) son recursivas (es decir. f[x„. v ) = b{) + l>l(X .Xj] - f[.\ . x ]" f 3 2 *3 f[x h 3 FIGURA 18..8) hasta la (18. .„ o 2 :f[x..] 2 x : [x . X.13) fí ni x x En forma similar..X ) + l> (. X. x„] Tareero |X|. f(x ) = 1. . .11). observe cómo las ecuaciones (18.\ 2 . véase la figura 18...5). XQ] (. como se ilustra en el siguiente ejemplo.loK.7) con n — 3. Debe observarse que no es necesario que los datos utilizados en la ecuación (18.»| )(\ . las cuales entonces se sustituirán en la ecuación (18. agregando un cuarto punto (x = 5.. calcule el ln 2 con una interpolación del polinomio de Newton de tercer orden. 0 x 2 3 3 Solución.x _ . la n-ésima diferencia dividida finita es j.2.1.x¡Á J 1 = .5 Ilustración gráfica de la naturaleza recursiva de las diferencias divididas finitas.(.X„-u. r ..V .

x .02041100 f[XT.blogspot.13)] 0.0.12)] 1. b y ¿> de la ecuación (18.1823216 1.(-0.1823216-0.007865529 Los resultados para/[*.. x ] representan los coeficientes 6.4620981 0.f[x . la ecuación (18.X .2027326 5-4 = -0.1.1 UirCKCrNUA U l V I V I U r t u c P I S Y T I W I ^ FIGURA 18.2027326 0.4620981 f[X2. x .386294 f[x . Las primeras diferencias divididas para el problema son [véase la ecuación (18.1 0.05187311 = -0.X ] 0 = 6.2027326-0. x ].7).14) con n = 3] .05187311) 5 . X^XQ] y f[x .386294 5-6 Las segundas diferencias divididas son [véase la ecuación (18.0 .X ] 2 = 1. 0 2 0 4 1 1 0 0 .7) es 2 3 0 0 http://libreria-universitaria.6 Uso de la interpolación cúbica para estimar ln 2.Xi 2 La tercera diferencia dividida es [véase la ecuación (18.791759 .386294-0 f[X].com .Xi..1 0 2 3 2 x 0 = 0..Xi] 2 = f[X3. Junto con b =f(x ) = 0.1.X ] 0 = 4-0 6-4 = 0.1 5 .609438 .

Estos términos son diferencias divididas finitas y. X ](X Q - X )(X 0 - X\) • • • (X - X„) (18.05187311 (x + 0..x„^i 0 . .blogspot.x )(x 0 .609438 para obtener sus resultados.1) . x ](x 0 . si se dispone de un dato adicional f(x ). Sin embargo.x .17) donde f[x.6) que el error de truncamiento para la serie de Taylor podría expresarse por lo general como f (n+l)(t\ (n+ 1)1 (4. Por fortuna. 3 http://libreria-universitaria..6287686. Use los datos adicional e s / ( x ) = / ( 5 ) = 1. una relación análoga para el error es +1 R„ r" (£)(x . usa una diferí ncia dividida finita para aproximar la derivada (n + l)-ésima. x .18) para estimar el error para la interpolación del polinomio de segundo orden del ejemplo 18.4620981 (JI .2. Más bien. x )] es la (n + 1 )-ésima diferencia dividida finita.. si la verdadera función subyacente es un polinomio de w-ésimo orden. la ecuación (18. Por consiguiente. no puede resolverse para el err >r. Para esta fórmula que habrá de usarse.l ) ( x .4 E r r o r e s al i n t e r p o l a r p o l i n o m i o s de N e w t o n Observe que la estructura de la ecuación (18.x„) (18.0.4) que puede usarse para e v a l u a r / ^ ) = 0.v .007865529 (x . ) • • • (x . D :bido a que la ecuación (18.com .17) contiene la incógnita/ (x).18) EJEMPLO 18. . representan aproximaciones de las derivadas de orden mayor.3%.4 )(x . como fue el caso con la serie de Taylor.. el polinomio sujeto a interpolación de n-ésimo con base en n + 1 puntos dará resultados exactos. el cual representa un error relativo de e¡ = 9. Use la ecuación (18. 18. También. Por lo común éste no es el caso.x .6) donde ¿j está en alguna parte en el intervalo x¡ a x . como ocurrió con la serie de Taylor.x„. El polinomio cúbico completo se muestra en la figura 18. Recuerde de la ecuación (4.x + 1 ) 0 ) ( x .x ) • • • (x t -x„) (18.6) I )(. R„ = n nA fíx. como en n+1 R„ = f[x„ +u x„.6.16) (n + 1)! donde £ está en alguna parte en el intervalo que contiene la incógnita y los datos.1. Para una interpolación de n-ésimo orden. la función en turno debe ser conocida y < iferenciable. una formulación alternativa ei tá disponible y no requiere conocimiento previo de la función. . .17) pue<e usarse para estimar el error. puede obtenerse una formulación para el error de truncamiento.15) es similar a la serie de expansión de Taylor en el sentido de que se agrega términos en forma secuencial para capturar el comportamiento de alto orden de la función en turno. .4 Estimación del error para el polinomio de Newton ¡ ! Enunciado del problema. así.310 INTERPOLACIÓN fr(x) = 0 + 0.

si se tiene un punto adicional en x — x .20) y (18. Esta figura muestra un caso de segundo orden.18) se integra de manera usual en el cálculo del polinomio de Newton debido a que http://libreria-universitaria. Cada uno de los tres términos en la ecuación (18.com . como no se emplean las diferencias divididas finitas como parte del algoritmo de Lagrange. como en el caso del método de Newton.21) se programan de manera muy simple para implementarse en una computadora.11 muestra el pseudocódigo que se puede emplear para este propósito. por tanto. En resumen.17)] n R = f[x. La sumatoria de los tres términos. n . se puede obtener un error estimado. esto se hace muy ocasionalmente. 2 Observe que.23) pasa a través de uno de los puntos y es cero en los otros dos.10 Una ilustración visual del racional detrás del polinomio de Lagrange. el método de Newton tiene ventajas en el conocimiento que proporciona respecto al comportamiento de las fórmulas de diferente orden.x ] Y\(x 0 -x¡) n+l De este modo..* n u i n r w i v i v n ve rwHmwmius'nimiwnOff ¥17 FIGURA 18. el error estimado expuesto por la ecuación (18.x„-i. La figura 18. Las ecuaciones (18.x„.blogspot. Sin embargo. Además. es un polinomio único de segundo orden f |x) que pasa exactamente a través de los puntos. la versión de Lagrange tiene un error estimado de [véase ecuación (18..• •».. para casos donde el orden del polinomio es desconocido.

Por tanto. s Velocidad m e d i d a v. FIGURA 18. Podemos usar el algoritmo de la figura 18. para cálculos exploratorios. Este algoritmo se acondiciona para calcular una sola predicción de n-ésimo orden. n. la versión de Lagrange es un poco más fácil de programar.n IF i # j THEN product = product*(x ENDIF EWDO sum = sum + product EWDO Lagmg = sum END Laqrftq . Estamos conscientes que el comportamiento de la interpolación de polinomios puede ser inesperado. Los datos de medición obtenidos para un caso de prueba en particular son Tiempo. Sin embargo. las formulaciones de Lagrange y Newton requieren un notable esfuerzo computacional. Suponga que desarrollamos cierta instrumentación para medula velocidad del paracaidista.em/s 1 3 5 7 13 2 3 3 4 800 310 090 940 755 Nuestro problema es estimar la velocidad del paracaidista en t — 10 s para tener las mediciones faltantes entre t — lyt= 13 s.5).11 para estudiar un análisis de tendencia para un problema que se relaciona con nuestio conocido caso del paracaidista en caída. construiremos http://libreria-universitaria.Xj) .11 Pseudocódigo para ¡mplementar la interpolación de Lagrange. De esta manera. x) sum = 0 DO i = 0. la forma de Lagrange se usa a menudo cuando el orden del polinomio se conoce a priorí. Cuando se ejecuta sólo una interpolación.Xj )/(x . Debido a que no requiere de cálculos y almacenaje de diferencias divididas. EJEMPLO 1 8 . 2 y 1 órdenes para comparar los resultados.yi DO j = 0. 3. í . la estimación emplea una diferencia finita (véase el ejemplo 18.blogspot. donde n + 1 es el número de datos.518 INTERPOLACIÓN FUNCTION Lagrng(x. 7 Interpolación de Lagrange usando la computadora Enunciado del problema. a menudo se prefiere el método de Newton. y.n product .com polinomios de 4.

Se observa que mientras más bajo sea el orden. b) tercer orden. no proporcionan un polinomio conveniente de la forma convencional http://libreria-universitaria. segundo y primer orden.3 COEFICIENTES DE U N P O L I N O M I O P E I N T E R P O L A C I Ó N Aunque el polinomio de Newton y el de Lagrange son adecuados para determinar valores intermedios entre puntos. Las gráficas de la interpolación de polinomios indican que los polinomios de alto orden tienden a sobrepasar la tendencia de los datos.com . El algoritmo de Lagrange se usa para construir polinomios de interpolación de cuarto. que debido a que tratamos con datos inciertos. La aritmética de doble precisión ayuda algunas veces a disminuir el problema.blogspot. c) segundo orden y d) interpolaciones de primer orden. Esto sugiere que las versiones de primer o segundo orden son las más adecuadas para este análisis de tendencia en particular. El ejemplo anterior ilustró que los polinomios de alto orden tienden a ser mal condicionados.12 Gráficas que exponen a) cuarto orden. menor será el valor estimado de la velocidad en t = 10 s. habrá un punto para el cual el error de redondeo interferirá con la habilidad para interpolar mediante el procedimiento simple que se abordó en este punto. Es evidente a partir de esta gráfica que el valor estimado de y en x = 10 es mayor que la tendencia global de los datos. Desde la figura 18. Solución. tercer.12a. El mismo problema se aplica a la regresión con polinomios de orden superior. Debe recordarse.12d se muestran las gráficas de los resultados de los cálculos para las interpolaciones de los polinomios de tercer.12b hasta la 18. en tanto el orden aumente.18. Sin embargo. la regresión de hecho podría ser la más adecuada. tienden a ser altamente sensibles a los errores de redondeo.3 COEFICIENTES DE U N POLINOMIO DE INTERPOLACIÓN | ] ¡ FIGURA 18. El polinomio de cuarto orden y los datos de entrada se pueden graficar como se muestra en la figura 18. esto es. 18. segundo y primer orden.

se puede usar ecuaciones algebraicas lineales simultáneas para calcular las a. (1986) proporcionan un análisis y códigos de cómputo para procedimientos más eficaces.1667 7 0. la ecuación (18. Si lo que desea es determinar una ecuación con la forma de la (18.Cada 2 2 uno se puede sustituir en — a + aix 0 0 0 + a x\ 2 2 f(x\) f(x ) 2 = a + a\x\ + a x\ = a + a\x 0 2 (18.com . pero que se le ha dado un valor para f(x) y debe determinar el valor correspondiente de x. si usted se interesa en determinar un punto intermedio.520 INTERPOLACIÓN f(x) =a 0 + ax + ax x 2 2 + •••+ a x n n (18. en particular para n grandes. Como hay el mismo número de ecuaciones que incógnitas. las x son los puntos conocidos y las a las incógnitas. en forma respectiva.5 3 0. Los sistemas como el de la ecuación (18.3 = 3. X 1 1 2 0.2 6 0. los valores de las x están típicamente espaciados en forma uniforme. limítese a polinomios de orden inferior y verifique sus resultados cuidadosamente. se debe tener precaución con el orden.f(x )].26) + a x\ 2 De esta manera. los coeficientes resultantes pueden ser altamente inexactos.f(x )]. http://libreria-universitaria. para los datos anteriores. suponga que se le pide determinar el valor de x que corresponda a f(x) — 0.26) se podría resolver con un método de eliminación de la parte tres. Un ejemplo simple es una tabla de valores tabulados para la función f(x) = l/x.26) están notoriamente mal condicionados. suponga que usted desea calcular los coeficientes de la parábola f(x) = a + a\x + a x 0 2 0 2 (18.3333. Por ejemplo. emplee la interpolación de Newton o Lagrange.3.24) Un método directo para calcular los coeficientes de este polinomio se basa en el hecho de que n + 1 puntos se requieren para determinar los n + 1 coeficientes. Press y cois.1429 Ahora suponga que usted debe usar los mismos datos. Para este caso. como la función está disponible y se puede manejar en forma fácil.25) para dar f(x ) 0 [X].25 5 0. En consecuencia.24). Ya sean resueltos con un método de eliminación o con un algoritmo eficiente. Cuando se usan para una interpolación subsecuente a menudo se obtiene resultados erróneos. Cualquiera que sea la técnica empleada.blogspot.4 INTERPOLACIÓN INVERSA Como su nomenclatura lo implica. En resumen. la respuesta correcta se determina directamente como A. Así.3333 4 0. los valores de f(x) y x en la mayoría de los contextos de interpolación son las variables dependientes e independientes.25) 0 Se requiere tres puntos: [x . la ecuación (18. = 1/0./(xj)] y [x . Por ejemplo. Debe observarse que el procedimiento anterior no es el método disponible más eficiente para determinar los coeficientes de una interpolación de polinomios. 18.

x 0 (18. 0 n 18.22) 0 y la versión de segundo orden es f (x) 2 = ' (i-xi)(x-x ) .(x — x ). los puntos base más cercanos son a x.xi 0 + í—^-f(xx) x.X J donde II designa el "producto de". Por ejemplo.blogspot. x = 3.1).9 muestra los resultados para el caso de invertir el orden de los datos originales. Sin embargo. (x-xo)(x. y asi sucesivamente. x = 2. En el segundo término. = 2 % . Como se podría intuir en forma obvia.— ( x . el racional resaltado de la formulación de Lagrange se puede captar de manera directa al darse cuenta que cada término L¡(x) será http://libreria-universitaria.2 I N T E R P O L A C I Ó N DE P O L I N O M I O S P E L A G R A N G E La interpolación de polinomios de Lagrange es simplemente una reformulación del polinomio de Newton que evita el cálculo por diferencias divididas.com . esto es.x )(xi 2 0 0 2 0 . x = 1. 2 3 ) -x )(x 2 -Xi)" La ecuación (18.(x .) (x 2 0 Xl mfiX2) ( 1 8 .. . La figura 18. Si suponemos que la diferencia dividida finita no varía mucho a lo largo del rango de datos. los puntos deberían estar centrados alrededor y tan cerca como sea posible de las incógnitas. Se puede expresar de manera concisa como / » ( * )=2 i=0 donde £.x ) ( x — r/(x ) + . Como los puntos iniciales para este caso se hallan cercanos y espaciados en cualquier lado de ln 2. la versión lineal (n = 1) es = ?—^f(xo) x .20) se puede derivar de manera directa a partir del polinomio de Newton (véase cuadro 18.5.puntos en una secuencia diferente.x ) {x\ .xO(xo . 0 { 3 El ejemplo anterior ilustra la importancia de la selección de los puntos base.20) (18.X ) 2 - r/(*i) x) 2 . la magnitud más pequeña de este producto.2D iW= fi(x) n^/ y=o X Í .17)].5. Esta observación es también soportada por un análisis directo de la ecuación para estimar el error [vea ecuación (18. el error es proporcional al producto: (x — x ) (x — x¡). el error se redujo a menos de e. . Por lógica.5. el error disminuye mucho más rápido que para la situación original.(*)ft*i> (18. Se podría emplear otras combinaciones para obtener diferentes velocidades de convergencia.

el polinomio de segundo orden se desarrolla como [véase ecuación (18.10). Use una interpolación del polinomio de Lagrange de primer y segundo orden para evaluar ln 2 con base en los datos dados en el ejemplo 18. Para obtener la forma de Lagrange. Por ejemplo.2)]. la cual es referida comoforma simétrica. 6 Interpolación de polinomios de Lagrange Enunciado del problema.com ./(x ) /[x. Al sustituir la ecuación (B18. i / .1 Obtención de la forma de Lagrange a partir directamente de la interpolación del polinomio de Newton El polinomio de interpolación de Lagrange se puede obtener de manera directa a partir de la formulación del polinomio de Newton.516 INTERPOLACIÓN 1 en x = x. De esta manera.791760 Solución.2) x - X l 0 X\ Xo XQ http://libreria-universitaria.4620981 1 1 De manera similar. la primera diferencia dividida.=4 x =6 2 f(xo) = 0 / ( x 0 = 1. El polinomio de primer orden [véase ecuación (18.791760 = 0.1) Xl se puede reformular como (B18.5658444 (6-l)(6-4) Como se esperaba.— xf t x i ) 0 0 + ——/(x ) x 0 Xi 0 .386294 f(x ) 2 = 1.1. Haremos esto únicamente para el caso del polinomio de primer orden [véase ecuación (18. En consecuencia. al agrupar términos similares y simplificar se tiene la forma del polinomio de Lagrange. ( 2 ) = Y~^°+ y -386294 = 0.l)(2-4) + -1.22)] se puede usar para obtener la estimación en x = 2.2) se obtiene /i(x) = /(x ) +x\—.1.23)] / (2) = 2 (2-4)(2-6) (l-4)(l-6) -0+ (2-l)(2-6) -1.2: xo = 1 x. cada producto L¡(x)f(x¡) toma el valor de f(x¡) en el punto de muestra x¡.386294 (4-l)(4-6) ( 2 . reformulamos las diferencias divididas.20) es el único polinomio de n-ésimo orden que pasa de manera exacta a través de todos los n + 1 puntos..2) en (18. ambos resultados concuerdan con los que se obtuvieron antes al usar la interpolación para el polinomio de Newton. Cuadro 18. EJEMPLO 1 8 .x o 0 fl i Por último. y 0 en todos los otros puntos de la muestra (véase la figura 18.blogspot.xo] = /(xi) xi .1. — x— f (x) = x o -/(x ) + V(xi) X (B18. la sumatoria de todos los productos designados para la ecuación (18.

296.25 0.041667)0.3333) y (4. 0. sólo grafique x contra f(x)\ y use un procedimiento como la interpolación de Lagrange para determinar el resultado. Antes de la llegada de las computadoras digitales.78333 _ 5.2).295842 Así.+ 0. El resultado sería n f (x) 2 = 1.5). ambos polinomios.5 COMENTARIOS ADICIONALES 521 Tal problema se conoce como interpolación inversa.041667) ~ 3.0. este polinomio no estará mal condicionado.375) .3333 0. esas técnicas tenían gran utilidad para interpolación a partir de http://libreria-universitaria.375 ± v/C-0. se podría emplear un polinomio de tercer o cuarto orden junto con uno de los métodos para la localización de raíces de la parte dos. es una buena aproximación del valor real de 3. cuando usted invierte las variables no hay garantía de que los valores junto con la nueva abscisa [los/(x)] sean espaciados uniformemente. 0.375. Si se desea una exactitud adicional. De hecho. f {x). la fórmula cuadrática se puede usar para calcular _ 0. tendrán la apariencia de una escala logarítmica con algunos puntos adyacentes muy agrupados y otros muy dispersos.041667* 2 La respuesta al problema de interpolación inversa para determinar lax correspondiente a f(x) = 0. usted debe intentar cambiar los valores f(x) y x [es decir. Para un caso más complicado. son compatibles con datos espaciados en forma arbitraria.0.3 = 1. como las x están espaciadas de manera uniforme. se debe mencionar dos temas adicionales: interpolación con datos igualmente espaciados y extrapolación. 18. con f(x) contra x].5 COMENTARIOS ADICIONALES Antes de proceder con la siguiente sección. Así.blogspot. Es decir. (3. en muchos casos.08333 .2 0.25). a los datos originales [es decir.* + 0.18. para f(x) = 1/x el resultado es 0. para el problema antes descrito.08333 .com . ¡el problema de interpolación se reduce a un problema de raíces! Por ejemplo.1429 X 0.1667 0. 0. 3. un simple procedimiento podría ser ajustar los tres puntos a un polinomio cuadrático: (2.375A. la segunda raíz.333. Por desgracia. Una estrategia alterna es ajustar un polinomio de n-ésimo orden. los valores serán "agrandados". usted se preguntaría por qué hemos puesto el caso especial de datos igualmente espaciados (véase cuadro 18.704158 2 X ~ 2(0. Como.3 sería equivalente a la determinación raices de 0.041667 A: 2 Para este caso simple. En la mayoría de los casos.5 1 1 7 6 5 4 3 2 Tal espaciamiento no uniforme sobre la abscisa a menudo lleva a oscilaciones en el resultado de la interpolación de polinomios. La respuesta a su problema entonces toma en cuenta la determinación del valor de x que haga que este polinomio sea igual al dado por f(x). Por ejemplo. Esto puede ocurrir aun para polinomios de orden inferior. el de Newton y Lagrange.4(0.

A"/(x ) -i ¡—a (a .3): x — x — AO = AQ — donde h es el intervalo. en general /[Xo .n + 1) + R„ 0 ya que x — x = x — x = (x — x )/2 = h. Además de la fórmula hacia adelante.2) Mediante la ecuación (Bl 8.D(« .2. X ] = 2 X2 la cual se puede expresar como / [ X . A ] 0 2 2 2 -X 0 las cuales se sustituyen en la ecuación (Bl 8. las diferencias divididas finitas se pueden expresar en forma concisa.blogspot.1) / ( x ) .1) se puede representar como /[X . entonces la variable independiente tiene los valores de X x\ = x + h 0 donde lo que resta es lo mismo que en la ecuación (18. ( X ) =/(XQ) . están disponibles las fórmulas hacia atrás y central de Newton-Gregory. ) + /(x ) 2 { 2 0 H . Esta ecuación es conocida como fórmula de Newton o fórmula hacia adelante de Newton-Gregory. + A/(X ) . Se puede simplificar más al definir una nueva cantidad. A /(x ) 2 0 2\h 2 o.2. o tamaño de paso.2. Para información adicional con respecto a interpolación para datos igualmente espaciados se puede consultar a Carnahan.522 INTERPOLACIÓN Cuadro 18. a: 2 = A O ' + 2h x„ = xo + nh Esta definición se puede usar para desarrollar las siguientes expresiones simplificadas páralos términos en la ecuación (B18.2.2 INTERPOLACIÓN CON D A T O S I G U A L M E N T E E S P A C I A D O S Si los datos están igualmente espaciados y en orden ascendente.com .2 / 2h ( x . . . podemos expresar el polinomio de interpolación de Newton [véase ecuación (18. Ahora recuerde que la segunda diferencia hacia adelante es igual al numerador donde de la ecuación (4.2.2).h) 0 nlh" 0 ---+^¡^(x-x )(x-x -h) Q 0 •••\x-x -(n-1)h) + R„ (B18. la ecuación (B 18. V + W .X|.2.xo . / . .«) [n + 1)! Esta notación concisa tendrá utilidad en nuestra derivación y en el análisis de error de las fórmulas de integración en el capítulo 21.16).2.2. Al. . la segunda diferencia dividida hacia adelante es ah h = ah • •h = h(a-\) f(Xl) f(Xj) _ A2 — Xl X| — X Q /(Al) ~ /(X ) x — Ao — (n — l)h = ah — (n — \)h = h(a — n + 1) 0 /[A'O.1) • • (a . x „ ] = A"/(x ) 0 n\h" (B18.2) • • • (a .x ) ( x .3) para dar A fn(x) = /(x ) + A/(x )a + 0 0 2 0 (B 18.24) x 0 (B 18.X ] = 0 2 Rn = .X|. . (X 0 h X ) 0 + + A 2 / ( A 0 ) 2\h 2 (x . \ .4) A /(xo) = /(A'2)-2/(x ) + /(x ) 2 l 0 Por tanto. Con esta base. A|. entre los datos. .15)] para el caso de datos igualmente espaciados como r / x s. Luther y Wilkes (1969).3) http://libreria-universitaria.1) fíx ) i) 2! "a(a 0 . Por ejemplo.

Si se hubiera conocido el valor real. Sin embargo. i j j \ " uircRCNClA DIVIDIDA DE N E W T O N "PARA LA INTERPOLACIÓN Solución. Esto puede verse con claridad al reordenar la ecuación (18.18). junto con el valor adicional en x .4)(2 .18)] se interpreta como una estimación del n-ésimo orden de error.6931472 .19) representa una predicción futura menos una presente. la interpolación de polinomios de alto orden son muy sensibles a errores en los datos (es decir. como en 2 3 M I ! Ri = /fe. Esto significa que para una serie en convergencia rápida.I i o.4)(x . En consecuencia. Cuando se emplean para interpolación. 2 X\. la ecuación (18.19) podría ser menor que el verdadero.007865529(2 . el incremento que se agrega al caso del n-ésimo orden para crear el caso de (n + l)-ésimo orden [es decir. Si se prevén tales errores. a menudo se obtienen predicciones que divergen en forma significativa del valor verdadero.0. es más valioso para la clase de análisis de datos exploratorios para lo cual el polinomio de Newton es el más adecuado. como será expuesto en la siguiente sección.6) = 0. la predicción del (n + l)-ésimo orden debería ser mucho más cercana al valor real que la predicción del n-ésimo orden. la ecuación (18.3. Sin embargo.1273028.19) conforma nuestra definición estándar de error al representar la diferencia entre la verdadera y una aproximación. el error estimado de la ecuación (18.19) es más sensible para dicha divergencia. Es decir. pudo usarse para estimar el error. la ecuación (18. que representa un error de 0. debe estar claro que el error estimado para el polinomio de n-ésimo orden es equivalente a la diferencia entre el (n + l)-ésimo orden y la predicción de n-ésimo orden.19) para dar f„+l{x) = f„(x) + Rn La validez de este procedimiento es afirmada por el hecho de que la serie es fuertemente convergente. observe que mientras todos los otros errores estimados para procedimientos iterativos introducidos hasta ahora se determinaron como una predicción actual menos una previa.l)(x . Del ejemplo anterior y de la ecuación (18. Recuerde que en el ejemplo 18.19) En otras palabras.5658444 = 0.0629242 2 2 la cual es del mismo orden de magnitud que el error real.6) donde el valor para la diferencia dividida finita de tercer orden es como la que se calculó antes en el ejemplo 18. Esto representaría una calidad muy poco atractiva si el error estimado fuera a emplearse como un criterio de paro. x .1)(2 .XQ\(X - x )(x 0 - x\)(x - x) 2 i o ! í R = 0. Rn = fn + l(x) ~ fn(x) (18.2 la interpolación del polinomio de segundo orden proporcionó una estimación de f (2) = 0.5658444. Como tal.18). Esta relación puede evaluarse e n * = 2 para R = 0. http://libreria-universitaria. la ecuación (18.007865529(JC .blogspot. están mal condicionados). la ecuación (18. como es común que suceda. Para tal situación.com .

) 0iOrder * xterm http://libreria-universitaria. ea) LOCAL fdd„ DOi = 0. El error estimado [véase la ecuación (18. n xterm = xterm * (x¡ . cuando la adición de términos de orden superior ya no mejora de manera significativa la estimación. se usa diferencias del orden inferior para calcular las de alto orden.n. Al agregar nuevos términos en forma secuencial.7 Un algoritmo para el polinomio de interpolación de Newton escrito en pseudocódigo. Como en la ecuación (18. El algoritmo en la figura 18.11)] se pueden calcular de manera eficaz. como en la ecuación (18.x yintZ = yint . FIGURA 18.7). xi.14) y la figura 18. 3. y.j fdd = (fdd i ENDDO END DO xterm = 1 yint = fdd DO order = 1. Es decir. podemos determinar cuándo se alcanza un punto de disminución de regreso (es decir.7 contiene un esquema semejante. o en ciertas situaciones de hecho la aleja). Por medio de la información determinada antes.n DO i = 0. los coeficientes se pueden calcular de manera eficiente.5 A l g o r i t m o de cómputo p a r o la interpolación del p o l i n o m i o de N e w t o n Tres propiedades hacen que la interpolación del polinomio de Newton sea muy atractiva para las aplicaciones en la computadora: 1.n' ¡n u>=y¡ END DO DO j = 1. n. Tal capacidad es en especial valiosa cuando el orden del polinomio no es conocido a priori. se puede desarrollar de manera secuencial versiones de orden mayor con la adición de un solo término a la siguiente ecuación de orden inferior. + fdd fdd ¡¿ M¡t 0 0¡0 older 1 fdd^x^-xj oreter _.8) hasta (18. 5U3R0UTINE Newtlnt (x. ymt. Esto facilita la evaluación de algunas de las versiones de diferente orden en el mismo programa.1.blogspot.5.512 INTERPOLACIÓN 18.18)] puede ser muy simple de incorporar en un algoritmo de cómputo debido a la manera secuencial en la cual se construye la predicción. Las diferencias divididas finitas que constituyen los coeficientes del polinomio [ecuaciones (18. Las ecuaciones para estimar el error que se analizan en el punto 3 son útiles para visualizar un criterio objetivo para identificar este punto de términos disminuidos. 2.com END order END Newtlnt .

1.462098 0.2527630 Solución. j Enunciadodel problema.8 ? 2. Después de incorporar el error [véase la ecuación (18.com .693898 0. Observe que el algoritmo consiste en dos partes: el primero determina los coeficientes o partir de la ecuación (18.5 .0986123 0.462098 0.046953 0. X( 1 ).8.7).3862944 1. 4 0 5 4 6 4 1 1 3. el segundo establece las predicciones y su error asociado.18.003616 -0. y( y( y( y( y( y( y( y( 0 1 ) ) ? ? ? ? ? ? 1.565844 0. NUMBER OF P01NTS? 8 X( 0 ) .062924 0.697514 0.6094379 1.628769 0. 0 .0 6 . La utilidad de este algoritmo se demuestra en el ejemplo siguiente.103746 0.91629073 INTERPOLATION AT X ORDER 0 1 2 3 4 5 6 7 F(X) 0. 1.1 DIFERENCIA DIVIDIDA DE N E W T O N PARA LA INTERPOLACIÓN 913 Todas las características anteriores pueden aprovecharse y ser incorporadas en un algoritmo general para implementar el polinomio de Newton (véase la figura 18.4054641 0.021792 -0.2527630 2 ERROR 0.5 . junto con el error real (con | L o sr e s u l t a d o sd eu np r o g r a m a . X( 6 ) .5 3. utilice el algoritmo de cómputo que se muestra en la figura 18.7917595 5 .1. 1 . X( 2 ) .0986123 1.7 para obtener una solución se muestran en la figura 18.0.18)]. X( 5 ) . p a r ae v a l u a rn l 2. EJEMPLO 18. Los resultados al emplear el algoritmo de la figura 18.9162907 1.blogspot.675722 0. 3 8 6 2 9 4 4 2 ) 3 ) 4 ) 5 ) 6 ) 7 ) - FIGURA 18.5 Estimación del error para determinar el orden adecuado de interpolación ¡ .5 2.6094379 3 . 1.7).7 y la siguiente información para evaluar/(x) = Inxenx = 2: x i f (x) = ln x 0 4 ó 5 3 1.5 1 1.000000 0. El error estimado.c o nb a s ee ne la g lo r m t i od el af i g u r a1 8 .7917595 1. X( 7 ) .693439 http://libreria-universitaria. X( 4 ) . X( 3 ) . 7 .000459 ? 4 .5 .

Error i http://libreria-universitaria. Sin embargo. sino que también se halla en el lado opuesto de la mayoría de los otros puntos. No sólo está este punto cercano a la incógnita. se ilustran en la figura 18. A partir de estos resultados se puede concluir que la versión de quinto orden da una buena estimación y que los términos de orden superior no resaltan en forma significativa la predicción. Observe que el error estimado y el real son similares y que su concordancia mejora en tanto se aumente el orden.514 INTERPOLACIÓN I ¡ \ ! \ \ \ ¡ i j j base en el hecho de que ln 2 = 0. En consecuencia.6931472).5.com . Este ejercicio también ilustra la importancia de colocar el orden de los puntos. La estimación de cuarto orden muestra algo de mejora ya que el nuevo punto en x — 3 está cercano a la incógnita.blogspot. Por ejemplo. hasta la estimación del tercer orden. El significado de la posición y secuencia de los datos se puede también ilustrar al usar los mismos datos para obtener una estimación para el ln 2. pero considerando los i j ! FIGURA 18. el error se reduce a casi un orden de magnitud. 6 y 5) están distantes y a un lado del punto de análisis en x = 2. la razón de mejora es lenta debido a que los puntos que se agregaron (en x = 4. la disminución más dramática en el error está asociada con la inclusión del término de quinto orden mediante los datos en x = 1.9 Porcentaje de errores relativos para la predicción de ln 2 como una función del orden de la interpolación polinomial.9.

(La figura 18. JC. como las fórmulas son subconjuntos de esquemas de Newton y Lagrange compatibles con computadora y debido a las muchas funciones tabulares disponibles.blogspot. tablas con argumentos igualmente espaciados. En particular. . Por tanto.com . La extrapolación se basa en el ajuste de una parábola a través de los primeros tres puntos conocidos. De hecho. Como se ilustra en la figura 18. en consecuencia.FIGURA 18. ya que el proceso extiende la curva más allá de la región conocida.13. . por su relevancia las hemos incluido en este tema en las últimas partes de este libro. esto no se cumple cuando las incógnitas se encuentran fuera del rango y. Extrapolación es el proceso de estimar un valor de f(x) que se tiene fuera del rango de los puntos base conocidos. mencionamos que la interpolación más exacta es usualmente obtenida cuando las incógnitas están cerca del centro de los puntos base. En una sección anterior. x (véase la figura 18. el material del cuadro 18.) Sin embargo. el error en extrapolación puede ser muy grande.. la necesidad para las versiones igualmente espaciadas ha disminuido. 0 n http://libreria-universitaria. como subrutinas de librerías..13).2 tiene también significado en la parte siete. una estructura computacional conocida como tabla de diferencias divididas fue desarrollada para facilitar la implementación de esas técnicas. la naturaleza de extremos abiertos de la extrapolación representa un paso en la incógnita. se debe tener extremo cuidado al realizar ejercicios donde surja un caso que se deba extrapolar. son necesarias para obtener fórmulas de integración numérica que emplean de manera típica datos igualmente espaciados (véase el capítulo 21). . Obviamente. Como las fórmulas de integración numérica tienen relevancia en la solución de ecuaciones diferenciales ordinarias. A pesar de esto. la curva real podría con facilidad divergir de la predicción. Como tal.13 Ilustración de la divergencia posible de una predicción extrapolada.5 es un ejemplo de esa tabla. x .

Por ejemplo.blogspot. b) X f(x) i 999 J —. Un G I fU R A1 8 1 . la segmentaria cúbica d) proporciona una aproximación mucho más ¿iceptable. hay casos en los que estas funciones pueden llevar a resultados erróneos debido a errores de redondeo y puntos lejanos. para ocho puntos se puede derivar un perfecto polinomio de séptimo ¿>rden. a) f(x).N I T E R P O L A C Ó I N INTERPOLACIÓN SEGMENTARIA -^n la sección anterior. Los incisos a) a c) indican que el cambio abrupto induce oscilaciones al ¡nterpolar polinomiales. Esta curva podría capturar todas las curvaturas (al menos hasta e incluso la séptic a derivada) sugeridas por los puntos. Sin embargo. se usó polinomios de w-ésimo orden para interpolar entre n + 1 ¿Jatos.com . En contraste. » J> J 0 d) • x http://libreria-universitaria. La función que habrá de ajustarse pasa por un incremento jubito en x = 0. como las curvas se limitan a tercer orden con transiciones suaves.4 s (Jna representación visual de una situación donde las segmentarias son interpolaciones polinomialesde orden superior.

14c se ilustra cómo un polinomio de orden superior tiende a formar una curva a través de oscilaciones bruscas en la vecindad con un cambio súbito. el dibujante coloca un papel sobre una mesa de madera y golpea los clavos o pasadores en el papel (y la mesa) en la ubicación de los datos. http://libreria-universitaria. Esas funciones se pueden construir de tal forma que las conexiones entre las ecuaciones cúbicas adyacentes resultan visualmente suaves. Como tal. En contraste.18. En esta sección. curvas de tercer orden empleadas para conectar cada par de datos son llamadas segmentarias cúbicas. Una curva suave resulta al entrelazar la cinta entre los pasadores. podría parecer que la aproximación de tercer orden de las segmentarias sería inferior a la expresión de séptimo orden. De la figura 18. \i . Por último. El concepto de la segmentaria se origina de la técnica de dibujo con una cinta delgada y flexible (llamada curvígrafo) para dibujar curvas suaves a través de un conjunto de puntos.al usar una segmentaria para dibujar curvas suaves a través de una serie de puntos.15 para una serie de cinco pasadores (datos). la segmentaria también conecta los puntos. pero debido a sus cambios limitados de tercer orden.14a hasta la 18. la segmentaria trata de enderezarse.15 La técnica de dibujo.6 INTERPOLACIÓN SEGMENTARIA 525 ¡í procedimiento alternativo es aplicar polinomios de orden inferior a subconjuntos de datos. El proceso se expone en la figura 18.blogspot. Por ejemplo. Esto es conocido como uña segmentaria "natural".14 ilustra una situación donde una segmentaria se comporta mejor que una polinomial de orden superior. J 1 FIGURA 18. De aquí que se haya adoptado el nombre de "segmentaria cúbica" para los polinomios de este tipo. Tales polinomios conectores son llamados funciones segmentarias. la cual es la versión más común y útil en la práctica de la ingeniería. Entonces obtendremos un algoritmo para el ajuste de datos con segmentarias cuadráticas. se usarán primero funciones lineales simples para introducir algunos conceptos básicos y problemas asociados con la interpolación segmentaria. Este es el caso donde una función es por lo general suave pero conlleva un cambio abrupto en algún lugar a lo largo de la región de interés. presentamos material sobre la segmentaria cúbica. La figura 18. UstecJ se preguntaría por qué una segmentaria podría ser siempre preferible. En esta técnica.14 es un ejemplo extremo de tal cambio y sirve para ilustrar este punto. Observe cómo en los puntos extremo. '.com . las oscilaciones se mantienen a un mínimo. El incremento de paso expuesto en la figura 18. Sobre la superficie. la segmentaria usualmente proporciona una aproximación superior del comportamiento de las funciones que tienen cambios locales y abruptos.

5 7.6. Evalúe la función e n x = 5. Por ejemplo.0 http://libreria-universitaria.x„_i) x „_i < x < x„ donde m¡ es la pendiente de la línea recta que conecta los puntos: /(*/ + !) f(x¡) x¡+i — x¡ (18.xi) f(x) = / ( x „ .com 2. Se puede usar los datos para determinar las pendientes entre puntos.j ) + m„-\(x .3. Solución. f(x) 3.1 con segmentarias de primer orden.5 0. para el intervalo x = 4.blogspot.0 4.5 a x = 7 la pendiente se puede calcular mediante la ecuación (18. TABLA 18.5 = 0.16a.1 7-4.0 9.5 . 8 Segmentarias de primer orden Enunciado del problema. f(x) = f(xo) +m (x 0 - x ) 0 xo < x '< xi Xi £ x < Xi / ( x ) = / ( x i ) +nn(x . 0 n EJEMPLO 1 8 . Las segmentarias de primer orden para un grupo de datos ordenados pueden definirse como un conjunto de funciones lineales.0 2.60 Las pendientes para los otros intervalos se pueden calcular y las segmentarias resultantes de primer orden se grafican en la figura 18. El valor e n x = 5 es 1. Después se usa la ecuación adecuada para determinar el valor de la función dentro del intervalo.5 . El método es obviamente idéntico al de la interpolación lineal.526 INTERPOLACIÓN 18.5 1.27) Estas ecuaciones se pueden usar para evaluar la función en cualquier punto entre x y x para localizar primero el intervalo dentro del cual está el punto.1 S e g m e n t a r i a s lineales La conexión más simple entre dos puntos es por medio de una línea recta. Ajuste los datos de la tabla 18.27): 2.1 Datos para ser ajustados con funciones segmentarias.

16 Ajuste segmentario de un conjunto de cuatro puntos.Una inspección visual a la figura 18. se gráfica también con una interpolación polinomial cúbica. En esencia. a) Segmentaria lineal.com f . la pendiente cambia de forma abrupta. en los puntos donde dos segmentarias se encuentran (llamado nodo). 18. En términos formales.blogspot.16a indica que la principal desventaja de las segmentarias de primer orden es que no son suaves. la primera derivada de la función es discontinua en esos puntos. se debe usar una segmentaria de al menos m + 1 orden.6. A menudo se usan con más frecuencia en la práctica los polinomios de tercer orden o segmentarias cúbicas para asegurar derivadas FIGURA 18. como se analiza en la siguiente sección. Segmentaria de primer orden 10 x Segmentaria de segundo orden 0 I 1 1 | L b) J L Segmentaría cúbica \ Interpolación cúbica ' o http://libreria-universitaria. b) segmentaria cuadrática y c] segmentaria cúbica.2 S e g m e n t a r i a s cuadráticas Para asegurar que las derivadas m-ésimas son continuas en los nodos. Esta deficiencia se resuelve al usar segmentarias polinomiales de orden superior que aseguren suavidad en los nodos al igualar derivadas en esos puntos.

17 ha sido incluida para ayudar a clarificar la notación.cípto e interpolación segmentaria mediante polinomios de segundo orden. Éstas son: 1. Por tanto. Los valores de la función de polinomios adyacentes deben ser iguales a los no interiores. Aunque las segmentara cuadráticas no aseguran segundas derivadas iguales en los nodos.)? + bfX+ c- •« Intervalo 1 • * Intervalo 2 • Intervalo 3 _j *0 1 *1 . El polinomio para cada intervalo se puede repres tar de manera general como f. la hem* escogido en una sección subsecuente.29) y (18. Como sólo se usa nodos interiores.byc) por evaluar. se requieren 3« ecuaciones o condiciones para e luar las incógnitas. 1. Observe que hay n intervalos y n + 1 datos. 2 n) existen n intervalos y. jen ¡super El objetivo de las segmentarias cuadráticas es derivar un polinomio de segundo den para cada intervalo entre datos._!) (18- a¡xf_ + b¡x¡-[ + c¡ = /(*. para / = 2 a n. las ecuaciones (18.•_ i) (18. Esta condición se puede representar como a¡.blogspot. Hemos decidido primero ilustrar el cor.(x) = cnx + bix + ci 2 La figura 18. usualmente no puede detectarse en forma visual y en consecuencia son ignoradas. a. Debido a que la obtención de segmentarias cúbicas está algo involucrada. 1 *2 1 *3 * . Esas "segmentái cuadráticas" tienen primeras derivadas continuas en los nodos. en consecuencia. Aunque las derivadas de tercer orden y mayor© podrían ser discontinuas cuando se usa segmentarias cúbicas.17 Notación usada para derivar segmentarias cuadráticas.com . proporcionan cada una n — 1 condiciones del total de 2n — 2.x}_ x l x + + c.-i = /(*. Para n + 1 da (i = 0. «'"•en muy b¡en pí demostrar el procedimiento general en el desarrollo de segmentarias de o. 3n constantes desconoci (las a.= 0 /=1 1-2 /=3 http://libreria-universitaria.528 INTERPOLACIÓN continuas de primer y segundo orden. FIGURA 18. El ejemplo mostrado es para n = 3.

3. se tienen 4 datos con n — 3 intervalos. Como la segunda derivada de la ecuación 18. la condición se puede representar de manera general como 2a¡-\x. seleccionamos la siguiente: Suponga que en el primer punto la segunda derivada es cero.28 es 2a¡.18. 5 & 1 + c i = 1.32) + b x„ +c„- f(x ) n para un total de 2n — 2 + 2 = 2n condiciones.5 2 2 49a + 3 7fo + c = 2.blogspot.0 2 2 j J 49a + 2 7 /7 + c = 2.34) La interpretación visual de esta condición es que los dos primeros puntos se conectarán con una línea recta.5Í7 + c = 1. 9 Segmentarias cuadráticas j ! \ Enunciado del problema. Esto proporciona otras n — 1 condiciones para un total de 2n + n — 1 = 3« — 1.30) dan 2(3) — 2 = 4 i condiciones: 1 I 2 0 . debemos tomar una selección arbitraria para calcular de manera exitosa las constantes.1).-\ + b¡-[ = 2a¡Xi-\ + b¡ (18. Las ecuaciones (18. La primera derivada de la ecuación 18.8 (véase tabla 18. Como se tiene 3n incógnitas. 3(3) = \ 9 incógnitas por ser determinadas. se tiene una condición corta. Por tanto.5 3 3 Evaluando a las funciones primera y última en los valores inicial y final se agregan 2 ecuaciones mes [véase ecuación (18.29) y (18. | Solución.0 20. Esto agrega dos ecuaciones adicionales: a\xl + bix a„x 2 n n 0 + c\ = f(x ) 0 (18. Use los resultados para calcular el valor enx = 5. para i = 2 a n.com . Las primera y última funciones deben pasar a través de los puntos extremo. Ajustar por medio de segmentarias cuadráticas los mismos datos que se usaron en el ejemplo 18. Para este problema. Las primeras derivadas en los nodos interiores deben ser iguales. esta condición se puede expresar matemáticamente como «i = 0 (18.33) 4.6* INTERPOLACIÓN SEGMENTARIA 1 9 9 2. Aunque hay un número de elecciones diferentes que se pueden tomar. A menos que tengamos alguna información adicional con respecto a las funciones o sus derivadas.25 (32 + 4. EJEMPLO 1 8 .31)]: http://libreria-universitaria.28 es f\x) = 2ax + b Por tanto. 2 5 a i + 4 .31) (18.

46 = 0.0 < x < 9. http://libreria-universitaria. en consecuencia.5 4.5 2.33)]: 9Ú[ 2 + b\ = 9a 4.0 Cuando se u s a ^ .6.6x .5 7 49 0 0 0 0 0 0 -9 -1 14 1 0 0 1 0 1 0 49 0 0 0 0 81 0 0 0 -14 0 0 0 7 0 9 0 -1 0" 0 0 1 0 1 0 0 C\ a b C 2 2 2 a C 3 '3 1 1 2.0<x<4.530 INTERPOLACIÓN 9a! +3b> + c i = 2.6 3 ¿3=24.76(5) + 18.5 3 3 3 La continuidad de las derivadas crea un adicional de 3 — 1 = 2 [véase ecuación (18. el problema se reduce a la resolución de ocho ecuaciones simultáneas.v) = . Estas condiciones se pueden expresar en forma matricial como x 4.6 £.(.25 4. 3 3 las cuales pueden sustituirse en las ecuaciones cuadráticas originales para desarrollar la siguiente relación para cada intervalo: /. por tanto. / ( 5 ) = 0.6.64 A .76 2 c\ = 5.b 2 2 14a + ¿>2 = 14a + 3 ¿>3 Por último. 6 x + 24.blogspot.5 f (x) 2 3.5 2.5 < x < 7.3 2 3 7. Observe que hay dos desventajas que se alejan del ajuste: 1) la línea recta que conecta los primeros dos puntos y 2) la segmentaria para el último intervalo parece oscilar demasiado.= .com .64 2 b\ = — 1 b =-6.64(5) .9 1 .0 = 0. Como esta ecuación especifica a¡ de manera exacta.34) especifica que a — 0.66 2 2 El ajuste total por segmentarias se ilustra en la figura 18. la ecuación (18. la predicción para x = 5 es.v) = —jr + 5. Las segmentarias cúbicas de la siguiente sección no exhiben estas desventajas y. son i«<*molación seamentaria.5 0 0 Esas ecuaciones se pueden resolver mediante las técnicas de la parte tres.166.91.5 0. con los resultados: «i=0 a = 0..1 .46 2 / (.5 0 0 0 3 0 1 0 1 0 0 0 1 0 0 0 0 0 20.32)] 81a + 9 ¿ > + c = 0.76 JT + 18.46 2 a =-1.5 c = 18.5 y [véase ecuación (18.

para n + 1 datos (i — 0.3) es algo menos directo que para las segmentarias cuadráticas. se requieren 4 H condiciones para evaluar las incógnitas. fi ( i) X . n). . existe alguna curvatura). Si el valor de la segunda derivada en los nodos extremo no es cero (es decir. ) Esta ecuación contiene sólo dos incógnitas (las segundas derivadas al final de cada intervalo).Q (x¡ .35) Así. como en f¡ (JC) = a/.x . 3 7 ) X¡ + \ — X¡ http://libreria-universitaria.v + b¡x + c¡x + d-.36) + /(*/) Xi — 6 ( A . Las primeras derivadas en los nodos interiores deben ser iguales (« — 1 condiciones). Mientras sea ciertamente posible desarrollar segmentarias cúbicas en esta forma. Esas incógnitas se pueden evaluar mediante la siguiente ecuación: (x¡ * ¡ _ I ) / V Í . Como con las segmentarias cuadráticas. La interpretación visual de la condición 5 es que la función se vuelve una línea recta en los nodos extremo. Las segundas derivadas en los nodos interiores deben ser iguales (« — 1 condiciones).com . 5. Se le da este nombre debido a que el dibujo segmentario se comporta en esta forma (véase figura 18. 2. Los valores de la función deben ser iguales en los nodos interiores (2« — 2 condiciones). ) / U ) + (JCi+i _ — 6 x. 4.x) (18. .X . esta información se puede usar de manera alterna para suministrar las dos condiciones finales. La derivación del cuadro 18. la ganancia en eficiencia bien vale el esfuerzo. por consiguiente.)f"(x ) ¡+l 6 -/(*. 3. x 3 . Los cinco tipos de condiciones anteriores proporcionan un total de 4n ecuaciones requeridas para resolver los An coeficientes.3 Segmentaria» cúbicas El objetivo en las segmentarias cúbicas es obtener un polinomio de tercer orden partí cada intervalo entre los nodos. existen n intervalos y.18.f{x¡)] ( 1 8 .•)]+ X¡ \f(x¡-ú Xj-\ . N3 fi(x) = 7 1 Ax¡ . . 2 . presentamos una técnica alterna que requiere la solución de sólo n — 1 ecuaciones.3 resulta en la siguiente ecuación cúbica para cada intervalo: r / \ f¡"( i~l) X . La especificación de tal condición extremo nos lleva a lo que se denomina como segmentaria "natural".blogspot. 4« incógnitas constantes para evaluar.6. Aunque la obtención de este método (véase cuadro 18. . 1.Í ) + 2(x.. La primera y última funciones deben pasar a través de los puntos extremo (2 condiciones). . _ . Éstas son: 1.15). +1 .xY + — f(*i-Ó /"(*/-! )(*/ - -(x X¡-Ó' - Xi-xY x¡ — Xi-\ f"(Xi)(Xj 6 -Xj. 3 2 (18. Las segundas derivadas en los nodos extremo son cero (2 condiciones).

las segundas derivadas al inicio y al final del intervalo —fXx¡_.2) j esta relación es una expresión mucho más Ahora. Y .X¡-1 Xi . la e¿ ^ . sino que las forjamos en una forma que es en extremo fácil de resolver (recuerde la sección 11. n — 1 ecuaciones simultáneas resultan con n + 1 segundas derivadas desconocidas. . .3.3. Si esta ecuación es descrita para todos los nodos interiores. . Esas (x¡ . unda voces para verifica p t r con una interpolación polinomial derivada se puede í Qrden [véase e c u a d ó n (.2) puede diferenciarse con el fin de dar una úonde f¡"(x) es el V i v a l o . resulta la 6 ser igual &f(xt) en % [f(xl+l) .)—.1). si podemos determinar la segunda derivada adecuada en cada nodo. la ecuación (B 18. Además.x) f'XxMxi-Xi-i)' (X . _ se igualan de acuerdo con la ecuación (B18.g 22)].3. nter contiene solo dos "coeficientes" desconocidos.1 primer paso er>^ biisii en la observa derivada dentro de cada intervalo es por una cúbica. ) a seg r e s e n f¡\x) = f!Xx¡^>X .f(X¡)] Xi + \ — x¡ siguiente ecuación g e g u n d a £ n e de s e g u n d o 1 8 3 r n o d o f ( x ¡ ) c i ó n ( B s e p u e d e e s ¡ o n p a a § i n e m D a r g 0 . . Así.3).4) se escribe para todos los nodos interiores.A V . e s t a e x p r e n s t a n t e s e v a l u a r a l l l a m a r a l a f u n c ) d e b e A s e r g u a l a f ( x ¡ t ) n d e .1.1) jot de la segunda derivada en cualquier punLa ecuación (B18.3.532 INTERPOLACIÓN Cuadro 1 8 . Utilice los resultados para estimar el valor en x = 5. observe que lo que. las segundas derivadas en los nodos extremo son cero y el problema se reduce a n — 1 ecuaciones con n — 1 incógnitas.) La aplicación de esas ecuaciones se ilustra en el siguiente ejemplo.) y/"(*.f(Xi)] Xi X¡ — \ (B18.8 y 18. 3 D E R I V A C I Ó N D E S E G M E N T A R I A S C Ú B I C A S ]a derivación (Cheney y Kincaid. + e n y f ( x ) d e b e 1 r e a z a r e s t a s b i c a : 6 f!Xx¡ fi(X) = f'M) (x¡ . 1 0 Segmentarias cúbicas Enunciado del problema. no sólo redujimos el número de ecuaciones. resulta la sicon la segunda d e f í ^ j) integrar dos veces guiente relación: Después.3.2) es un polinomial de tercer orden que se puede usar para interpolar dentro del intervalo. Las segundas derivadas se evalúan al llamar las condiciones de que las primeras derivadas en los nodos deben ser continuas: (B18. De esta forma. http://libreria-universitaria. resulta n — 1 ecuaciones simultáneas con n — 1 incógnitas. Si esto se hace tanto para el lo x dentro de i-ésV rivada en el primer nodo/"(*._i) (/' — l)-ésimo. L*» .9 (véase tabla 18.~Xi i l x — x¡+ fi(M). para obtener una desconocidas de integración. Sin embargo.1).I ) + 2 ( J : / I . Así.x¡.v.com . (Recuerde que las segundas derivadas en los nodos extremo son cero. ya que ésta es una segmentaria cúbica natural.l ) + IftXi-l) . 1985) se 1. la u a c i o n ( 1 8 3 5 ) s i n e m b a r 0 0 Si la ecuación (B18.I ) / " ( .. . esta ecuación es una línea expresión para la primera derivada._]r 6(x¡ — Xi(x¡ .3.4) (B 18.3.3) (B18.A .xY + :(-v-.3.blogspot. es claro qu^ ^ ^ ^ ^ cúbica para el ¡-ésimo intervacompheada para ufl g . la ¡ > diferenciar dos una linea recta. digamos. como para /-ésimo intervalo y los dos resultados recta que conecta 1 * ^ .x¡-i)f"(x¡) Hión contendrá dos ió condicioconstantes se pued* ¡ ^ + (Xi + \ -Xi)f"(x¡ + \) nos de igualdad / i¡ evaluaciones. de Lagrange de prv jon d e c o m o c a d a p a r d e n o d o s s e c o t l e c t a e g u n d a e c u a c i ó n ( 1 8 3 5 ) s e p u e d e C o e s t a o b s e r v a c i ó n a n e s t a b a s 6 . EJEMPl¿? 1 8 . observe que el sistema de ecuaciones será tridiagonal. Ajuste por segmentarias cúbicas los mismos datos que se usaron en los ejemplos 18.

Por ejemplo.5 .3 ) + (4.3) + 1.0 . 1 0 2 2 0 5 ( x .246894 (x . para obtener 1.5-3 o / i ( x ) = 0.3)/"(3) + 2(7 .5 -3 ' 1 1.5 . junto con los valores de las x y las/(x).5)/"(7) 1 j | | | i j 6 :(2.0.37) se aplica al segundo punto interior para obtener 2. la ecuación (18.5) + 2.638783 (x .4 . para el primer nodo interior se usan los siguientes datos: = 3 X\ X2 f(x ) 0 = 2./"(3) = 0.com .25(x . y la ecuación se reduce a 8/"(4.5 1 2.67909(4.37) para generar un conjunto de ecuaciones simultáneas que serán utilizadas para determinar las segundas deriviiduN en los nodos.111939(7 -xf 2 .3)/"(4.5/"(4.5) + (7 .x ) + 0.5.3) Esta ecuación es la segmentaria cúbica para el primer intervalo. 5 ) y /•. 1 2 7 7 5 7 ( 9 .blogspot.6 En una forma similar.5 = 4.5) .5 .666667(4.36).3) 3 J í | j | | ¡ I | _4.x ) 6(4.x ) 3 + 1.4.x ) 3 + 1.5-1) 7-4. 6 Estas dos ecuaciones pueden resolverse simultáneamente para dar /"(4.37) para dar (4.0 .67909 f " { l ) =-1. 2.(*) = .5-3 6 Debido a la condición de la segmentaria natural.4.5) + 9/"(7) = .5/"(7) = 9.5-3) 4.5 = 7 f(X2) = Estos valores pueden sustituirse en la ecuación (18.67909 . Sustituciones similares se pueden hacer para desarrollar las ecuaciones para el segundo y tercer intervalo: / ( x ) = 0.3 ) 3 6 (x .9 .D + — -(2.186566 (x .761027(9 .5) = 1.Solución.53308 Estos valores se sustituyen entonces en la ecuación (18.5 4.x) +().299621(7 .5 . lil primer paso es emplear la ecuación (18.7) http://libreria-universitaria.5 Mx) = (x .

con algunas manipulaciones inteligentes.4 A l g o r i t m o de cómputo p a r a s e g m e n t a r i a s cúbicas El método para calcular segmentarias cúbicas. Los resultados délos ejemplos 18.2 Ajuste con'un polinomio de interpolación de Newton de Newton de orden 1 a 3. Además. Escoja la secuencia de puntos para su segundo orden para estimar log 5 por medio de los datos del estimación con el fin de obtener la mejor exactitud posible. Como se describió en la sección 11. oor orden para estimar log 5 usando los datos del problema 18.7403627. Observe que la rutina en la figura 18.0.5 = 0.5 Dados los datos http://libreria-universitaria.5) 3 3 2 + 1. los algoritmos están disponibles para resolver tales sistemas en una manera en extremo eficiente. Un beneficio extra de la derivación implica.37). el método se reduce a la resolución de n — 1 ecuaciones simultáneas. se calcula como / ( 5 ) = 0.4. Recuerde que.638783(5 . mientras que el polinomio cúbico no tiene tal restricción. 18.1 Ajuste con un polinomio de interpolación de Newton de terpredicción.10 se resumen en la figura 18.0 . Calcule el error relativo porcentual real. b) Utilice la ecuación (18.299621(7 . Aunque no es necesario calcular esas cantidades.1.5) .6532125 y log 5. I K. la rutina da tanto la primera derivada (dy) como la segunda (dy ) en xu. xu.16c. Por ejemplo.16c.blogspot.18) para estimar el error para cada I N. Aunque la segmentaria cúbica consiste en una serie de curvas de tercer orden. Esto se debe al hecho de que la segmentaria natural no requiere de segundas derivadas en los nodos extremo. a usted le gustaría determinar ahora los coeficientes y después realizar muchas interpolaciones. 1 0 2 2 0 5 ( 5 . descrito en la sección anterior. También hemos sobrepuesto un polinomio de interpolación cúbica sobre la figura 18.1 Estime el logaritmo de 5 de base 10 (log 5) mediante 18.8 a 18.102886 Se calculan otros valores y los resultados se grafican en la figura 18. son útiles en muchas aplicaciones de la interpolación segmentaria. para un valor dado de la variable dependiente.534 INTERPOLACIÓN Se puede emplear las tres ecuaciones para calcular los valores dentro de cada intervalo.4 Dados los datos Interpolación lineal.5 = 0.4) mediante polinomios de interpolación de IH. la resultante difiere de la obtenida al usar el polinomio de tercer orden. 2 PROBLEMAS 18. Ésta es sólo una forma con la cual se puede implementar la interpolación segmentaria. X 1 2 2. el cual está dentro del segundo intervalo.1.1. como lo especifica la ecuación (18.60206 y log 6 = 0.5 ) . Observe la mejora progresiva del ajuste conforme nos movemos de lineales a cuadráticas y a segmentarias cúbicas.16. el valor enx = 5. a) Calcule/(3. f|x) 1 5 7 8 2 1 Para cada una de las interpolaciones. La figura 18.18 muestra una estructura computacional que incorpora esas características.6.7781513. problema 18.. que el sistema de ecuaciones es tridiagonal. calcule el porcentaje de error relativo con base en el error real.18 regresa sólo un valor interpolado.com .5 4 3 5 a) Interpole entre log 4 = 0.111939(7 . yu.5) = 1. b) Interpole entre log4. Por ejemplo. es ideal para la implementación en computadora.4.

n.yu.n. n -2 e¡ = (x¡-x ) f = 2*(x -x ) 0¡ = ( ¡ i-x¡) 2 z : 0 0 H i M H x + n = (*i+i-xi)*(yM-y¡) 6/ yu=t1 + t2 + t3 + t4 t í = -3*c1 *(x¡-xuf t2 = 3*c2*(xu-x¡_ f 13 =-c3 t4 = c4 dy = t1 + t2 + t3 + t4 t í = 6* el* (x¡ . _.n-1.) .com . r) f = 2*(x -x ) 1 z 0 5UPR0UTINE Interpol (x.g.yu.dy.+6/(x-x ) * (y -y.g.dy.dZy) fíag = O 1= 1 DO IFxu>x¡_^ANDxu<xJHEN el = d2x-.)/6 t1 = d * (x. n.n-1) CALL 5ubst(e.xu) 3 END DO f -^2.x _ j * (y„_ n 2 2 -y _. . g.d2x¡ * (x¡ .d2y) END Spline n¡ n¡ fíi n¡ n 0 9 9 SU&ROUTINE Tridiag (x.x¡ _.yu.dy.X. DO 1-2.y. = 6/(x„ .d2y) LOCAL e f q r d2x CALL Tridiag(x.y.xu.y. http://libreria-universitaria.n. ) .x¡ _. y.g.f.y.X J _ . f.n. .x¡ _ .f.xu) t2 = 6*c2*(xu-x _ ) 1 i 1 1A = c4*(xu-x¡_i) t 3 = c3 * (x¡ .)/6 c4 = (y/(x¡ ..) c2 = d2x/6/(x -x¡_ ) c5 = (y _ /(x.18 Algoritmo para interpolación segmentaria cúbica.f.d2x¡ _.d2x.e.) * (y -y _. = r^+6l{x END Tridiag nA . _ /&/(x¡ .) n d2y = t í + t 2 fíag = í EL5E i = i+ 1 END IF IFi = n + WK flag = 1 EXIT END DO IF flag = O THEN PRINT "outside range" pause END \F END Interpol FIGURA 18.xu. = 6 / (x -x<¡) * (y -y ) r.-xuf i 1 t2 = c 2 * ( x u .d?. * (x. J 01 = F X 2- X I) r.x.PROBLEMA5 SUtíKOUTINH bpllne (x.blogspot.*(x„-x^2) n r„_.r) CALL Decomp(e.) n n n V .x¡ _ .r. = r.x _.d2x) CALL lnterpo\(x. e.xu.

1 hasta 18.4.11. Para valores intermedios es una excelente selección. ésta involucra "consultar" un valor intermedio de la tabla. X /|x) Calcule f(A) usando polinomios de interpolación de Newton de orden 1 a 4. 18. En el problema 18. prediga/(2. va por la tabla hasta que encuentra el intervalo dentro del cual está la incógnita. y a) prediga f(4) y7(2.2). Con base en el pseudocódigo de la figura 18.com . 18.4 y 18. Para tales casos.18 Desarrolle.16 Use el programa que desarrolló en el problema 18.1429 f(x) 18 . depure y pruebe un subprograma en un lenguaje de alto nivel o un lenguaje macro de su elección para implementar interpolación segmentaria cúbica con base en la figura 18. grafique el error estimado contra el orden. Para ambos casos.4) y f(2.3.5 3 0.4. . la función debería mostrar un error de mensaje.17 Use el programa que desarrolló en el problema 18. a) Determine en forma analítica el valor correcto.93 para los siguientes datos tabulados.11 Desarrolle segmentarias cúbicas para los datos en el problema 18.536 INTERPOLACIÓN 1 4.5.14 para los mismos cálculos del ejemplo 18. X 1 .21 Use el software que desarrolló en el problema 18.8 3 0. 18. Para desarrollar un algoritmo como tal.7. 18. X 0 0 1 0.961538 f(x) Observe que los valores en la tabla fueron generados con la función/(x) = x l(\ + x ). Pruébelo con los mismos datos del ejemplo 18. depure y pruebe un programa de prueba en un lenguaje de alto nivel o un lenguaje macro de su elección para 2 2 3 http://libreria-universitaria. La función entonces ejecuta dos tareas.25 5 0.4 y prediga/(3. Sea cuidadoso con los intervalos primero y último donde éste no es el caso. 18 . ya que la incógnita estará ubicada en el intervalo medio de los cuatro puntos necesarios para generar la cúbica. 10.5. 18 .5 usando el polinomio de Lagrange de orden 1 a 3.9 4 0. 18. Primero. 18.9 Emplee interpolación inversa para determinar el valor de x que corresponda a f(x) = 0.18. Pruebe su programa para f(x) = ln x mediante datos desde x = 0. b) Use interpolación cuadrática y la fórmula cuadrática para determinar numéricamente el valor.7.1667 7 0. la tabla de x y los valores de f(x) se guardan primero en un par de arreglos unidimensionales. . Pruebe el programa con los mismos datos del ejemplo 18. También tenga su código para detectar cuándo requiere el usuario un valor fuera del rango de las x. 1. ¿Qué le indican los resultados con respecto al orden que se usó de los polinomios para generar los datos en la tabla? 18.75 2 4 3 5.10. 18.12 Determine los coeficientes de la parábola que pasa a través de los tres últimos puntos del problema 18.14 para resolver los problemas 18.13 Determine los coeficientes de la ecuación cúbica que pasa a través de los primeros cuatro puntos del problema 18. 2 1 0. .75 6 36 implementar interpolación de polinomios de Newton con base en la figura 18. Desarrolle tal función usando un polinomio de Lagrange cúbico para realizar la interpolación.2 6 0.10 Desarrolle segmentarias cuadráticas para los primeros 5 datos en el problema 18.blogspot. 18.3 para los siguientes datos tabulados. Como su nombre lo implica. Esos valores se pasan entonces a una función junto con el valor de x que usted quiera evaluar.25.5.6 Repita los problemas 18.7 Repita el problema 18. 18.5.20 para ajustar segmentarias cúbicas a través de los datos en los problemas 18.3333 4 0. 2 . .19 Una aplicación útil de la interpolación de Lagrange es llamada tabla de consulta.25 5 19. Escoja sus puntos base para obtener una buena exactitud.20 Desarrolle. Para ambos problemas. 18.14 para resolver los problemas 18. c) Use interpolación cúbica y bisección para determinar el valor de manera numérica.25).5) y b) verifique que7^(3) y / ( 3 ) = 5. depure y pruebe un subprograma en lenguajes de alto nivel o en un lenguaje macro de su elección para implementar interpolación de Lagrange. Después se aplica una técnica como la interpolación de Lagrange para determinar el valor adecuado def(x).4 y 18.94117 6 5 0. utilice todos los datos para desarrollar polinomios de primer orden al quinto. 18.15 Pruebe el programa que desarrolló en el problema 18.8 Emplee interpolación inversa usando interpolación de polinomios cúbica y bisección para determinar el valor de x que corresponda a f(x) = 0.1 hasta 18. 18.3 mediante polinomios de Lagrange.14 Desarrolle.5.5 2 0.

. eos 2x.1 y 1. Éstas son las funciones trigonométricas 1. x. mientras que para las funciones trigonométricas los picos están más uniformemente distribuidos a través del intervalo. cosx.16).CAPÍTULO 19 Aproximación de Fourier Hasta aquí..1a). La aproximación de Fourier representa un esquema sistemático al usar series trigonométricas para este propósito. Como podría esperarse. nuestra representación de interpolación ha enfatizado los polinomios estándar (es decir.blogspot... combinaciones de los monomios 1. Sin embargo. sen nx (figura 19.com .. Ahora veremos otra clase de funciones que son de mucha importancia en la ingeniería.. las funciones trigonométricas juegan un papel importante en el modelado de tales problemas en contexto.. sen x. x . eos nx. ambos tipos de función tienen un valor de rango entre . Observe que para los intervalos mostrados..1 Los primeros cinco a) monomios y b) funciones trigonométricas. Los ingenieros con frecuencia tratan con sistemas que oscilan o vibran.. eos 2/ http://libreria-universitaria. sen 2x. x™ (véase figura 19... 2 FIGURA 19.. note que los valores pico para los monomios ocurren todos en los extremos.

Más allá de estas formas idealizadas.1) FIGURA 19.1 AJUSTE PE CURVAS CON FUNCIONES SINUSOIDALES Una función periódica f(i) es una para la cual /(r) = f(t + T) (19. a) « T H * b) • * 7" H c) http://libreria-universitaria.538 APROXIMACIÓN DE FOURIER Una de las características de un análisis de Fourier es que trata con ambos dominios: el tiempo y la frecuencia. las señales periódicas en naturaleza pueden ser c) no ideales y d] contaminadas por ruido. Las funciones trigonométricas se pueden usar para representar y analizar todos estos casos. Un aspecto importante de esta revisión será familiarizarse con el dominio de la frecuencia. se ha desarrollado una larga fracción del material subsecuente para una revisión general de la aproximación de Fourier.com i . Como algunos ingenieros no se sienten muy cómodos con el último. las funciones periódicas incluyen formas de onda como lo son a] la onda cuadrada y b) la onda de dientes de sierra. 19. Esta orientación es después seguida por una introducción a los métodos numéricos para calcular transformadas de Fourier discretas.blogspot.2 Además de las funciones trigonométricas tales como senos y cosenos.

Para este capítulo se usará el coseno. La amplitud Cj especifica la 0 FIGURA 19. = 1.5 y 8] = . y el periodo T= 1.0 . Para este caso. No existe una convención muy clara para escoger alguna función.com . cuatro parámetros sirven para caracterizar el sinusoide (véase figura 19. Otros parámetros usados para describir la curva son la frecuencia f = «13/(271). ajusta la altura promedio por arriba de la abscisa.1 http://libreria-universitaria. que es el valor más pequeño para el cunl ON válida la ecuación (19.1).2) Así.5 s). Ejemplos comunes incluyen formas en onda tales como cuadradas y dientes de sierra (véase figura 19. AQ = 1. los resultados serán idénticos. En el presente análisis se usará el término sinusoide para representar cualquier forma de onda que se pueda describir como un seno o coseno. y 0 = jt /3 radianes = 1 . = 0. Las más fundamentales son las funciones sinusoidales. la cual para este caso es 1 ciclo/(l . eos (cobí) .19. El valor medio A . Los tres componentes de esta función son ¡lustrados en b). sen (ffibO 0 A.3 o) Una gráfica de la función sinusoidal y(f) = AQ + Cj eos [COQÍ + 6). donde A. C.2).3).blogspot. b| Una expresión alterna para la misma curva es y[f¡ = AQ + A-¡ eos («r/) + 8] sen (ca^f). OQ = 2K/T= 2JI/|1 .1 AJUSTE D E CURVAS C O N F U N C I O N E S SINUSOIDALES Stf donde Tes una constante llamada periodo.25 s).0472 (= 0.7. 2TC 2 - 6.5 s). el cual se puede expresar de manera general como f(t) = A 0 + Ci eos (&>oí + 0) (19. La sumatoria de las tres curvas en b) da la curva simple en a). y en cualquier caso.5 s. 8 6 6 .

La 0 caracteriza con qué f los ciclos. si una curva se atrasa por un ángulo de a. también se puede representar como adelanto por 2n .2) es una caracterización matemática adecuada de un sinusoide.840 APROXIMACIÓN DE FOURIER FIGURA 19. un valor negativo es referido como un ángulo de fase de atraso. eos (fifoí — se dice que tiene un retraso eos (ot%r). ya . Como se ilustra en la figura 19. Puede ser medido como la distancia en radianes de t = 0 al punto en el cual la función coseno comienza un nuevo ciclo. + altura de la oscilación.blogspot. Observe que la frecuencia angular (en radianes/tiempo) está relacionada con la frecuencia / (en ciclos/tiempo) por frecuencia angular co 9) (Cüfjt).4 Ilustraciones gráficas de o) un ángulo de fase en retraso y b) un ángulo de fase adelantado. ya que la curva eos ( o y — 9) comienza un nuevo ciclo en 9 radianes después de eos Así.4) y la frecuencia en turno está relacionada con el periodo T (en unidades de tiempo) por Aunque la ecuación (19.com es difícil trabajar desde el punto de vista de la curva que habrá de ajustarse. como se muestra en la figura 19. Finalmente. En otras palabras. el ángulo de fase. http://libreria-universitaria. En forma opuesta.46. Observe que la curva en atraso en o) puede describirse de manera alterna como eos [COQÍ 3 TI /2|. parametriza la extensión a la cual el sinusoide es corrido horizontalmente.4a. un valor positivo es referido como un ángulo de fase adelantado. o corrimiento de fase 9. 0 cü = 2xf (19.3) (19.a.

7) se obtiene 9 =arctan^--^ (19. Si se eleva al cuadrado y se suma la ecuación (19.36) f(t) = A + A eos (ct^í) + B sen ( a y ) 0 x x (19. la ecuación (19.2) y mediante la agrupación de términos se obtiene (véase la figura 19.blogspot. Sin embargo. Como se analizará en la^próxima sección. si A < 0. se puede simplemente aplicar como la base para un ajuste por mínimos cuadrados.i T i I A J U B I B PB U tK V A BC O NU rN C O IN M f1 N U 8 0 D IA J 8 (19.6) que todavía requiere cuatro parámetros.2) (19. se debería resaltar que se podría haber empleado un seno más que un coseno como nuestro modelo fundamental de la ecuación (19. Esta deficiencia se puede resolver al involucrar la identidad trigonométrica Cj eos (cu f + 9) = Cj [eos (CÜ¡. agregue 7ra 9. antes de proceder con la próxima sección.2). usaremos la versión coseno en todo nuestro análisis. 2 C [ = A + C.6) donde A = Cj eos (9) x B = .5) en la (19. 9=8— n/2. 1 A j u s t e p o r m í n i m o s cuadrados de u n s i n u s o i d e La ecuación (19. Por ejemplo. Se puede aplicar relaciones simples para convertir entre las dos formas sen (co f + 8) = eos I co^t + 8 —— 0 / n eos (co í + 9) = sen \^co t + 9 + -j.j 0 0 (19.8) donde. La única consideración importante es que uno u otros formatos deberían usarse en forma consistente.7) Dividiendo las dos partes de la ecuación (19.9) Así. sen (ü) ? + 5) 0 0 podría haberse usado.7) se tiene x = JÁ\ + B representa una formulación alterna de la ecuación (19. 1 . 1 9 .C .23)].6) puede ser pensada como un modelo lineal de mínimos cuadrados http://libreria-universitaria. pero que se encuentra en el formato de un modelo lineal general [recuerde la ecuación (17.com .10) En otras palabras. sen (9) x (19.Í) eos (9) . Así.5) que el adelanto de la fase está incluido en el argumento de la función coseno.sen (ciy) sen (9)] 0 Sustituyendo la ecuación (19.

25)] 2 r 0 x N eos (co t) X sen ( G ^ Í ) X 0 X eos (co f) eos (a> t) X eos (o) f) sen (cu r) 0 2 X 0 X 0 0 X sen (ci^r) eos ( É O Í ) sen (<w r) X sen (co t) 0 0 A x 2 0 A ) (19.23) donde z = 1. nuestra meta es determinar los valores del coeficiente que minimicen 0 l 0 2 0 N Las ecuaciones normales para cumplir esta minimización se pueden expresar en forma S = 2 {yi -[Aq + Aí eos (co í. los coeficientes se pueden determinar como N/2 http://libreria-universitaria. las ecuaciones normales son NN/2 0 0 0 0 0 ¿0 A ly X Y eos (co^t) La inversa de una matriz diagonal es sólo otra matriz diagonal.) + B sen (c<y.com \A ) Q [l/NO I 0 2/N O 0 l I í ] {A^** SJ/COÍCFIV) ly ] \ .)]} de matriz como [recuerde la ecuación (17.z m + e (17.11) la cual es justamente otro ejemplo del modelo general [recuerde la ecuación (17. Para esta situación.blogspot. z = eos (co f). en lugar de hacer esto.3): X sen (tt^í) X sen (ofof) 2 N N 0 = 0 X EOS (CÚqÍ) N 0 X E O S _ J _ ~ 2 N 2 (FTFOF) (19.. se examina el caso especial donde hay N observaciones espaciadas de manera uniforme en intervalos de Ai y con una longitud registrada total de T = (N — 1) Ai. Sin embargo.Z| + az 2 2 H ra„. para los puntos igualmente espaciados.23)] y —az Q 0 + a.B sen (co t) + e x 0 x Q (19. los siguientes valores promedio pueden determinarse (véase el problema 19. z = sen ( G ) Í ) y todas las otras z = 0.542 APROXIMACIÓN DE FOURIER y=A 0 + A eos (co t) 4.13) X eos (úfyí) sen (co^f) N • 0 Así. Así.12) X Y X Y eos (a^t) sen (c^r) Estas ecuaciones se pueden emplear para resolver los coeficientes desconocidos. cuyos elementos son los dos recíprocos del original. Así.

15 0.60 0.00 2 http://libreria-universitaria.0472).200 -1.500 / y [véase ecuación (19.536 -4.11) por ajuste de mínimos cuadrados.460 -0.05 1.16)] A 17.189í + 1.75 0.20 1.45 0.3 se describe por y — 1.866 x 1= 17.30 0.2) al calcular [véase ecuación (19.330) = -0. 8 6 6 ) = 1.com para dar .000 0 De esta manera.7 2 A.200 1.319 -0.678 2.35.722 0.114 2.9)] Cj = s/(0.938 0.462 0.= 1.1 AJUSTE DE CURVAS C O N FUNCIONES SINUSOIDALES 543 4> = -^7N ¿.189 son j 1 Solución.980 0.19. Use esta información para evaluar los coeficientes de la ecuación (19.732 0.14) (19.blogspot.866\ — — — .000 = — ^ — = 1. 0 0.253 -2.330 Estos resultados se pueden usar para determinar [véase ecuaciones (19.15 para el rango de t = 0 a 1.369 2. = ^ 2 .031 0.500 eos (co t) .805 2.8)] 9 = arctan / V -0.636 -1.200 1.223 -0.7 + eos (4. La curva en la figura 19.786 1.5) + 2 ( .7 + 0. =—Xycos(flW) N B = — ly sen (co t) N x 0 (19.061 -2.0.15) (19.595 1.90 1. el ajuste por mínimos cuadrados es y= 1.829 2. 5 0 2 = 0. Los datos requeridos para evaluar los coeficientes con (ü = 4.16) EJEMPLO 19.687 0.500 2 B = —(-4.14) a (19.502 0.547 -1.291 0.000 -1.614 y y eos (io f) 0 y sen (io f) 0 2.0472 0. Genere 10 valores discretos para esta curva en intervalos de Ai = 0.35 t 2.200 1.1 [ Ajuste por mínimos cuadrados d e un sinusoide Enunciado del problema.0 .000 0.866 sen (c%t) 0 El modelo se puede expresar también en el formato de la ecuación (19.

c o s 0 La existencia d e las series d e Fourier eslá releridn en Ins condiciono» d e Dirichlol.. De esta forma. una explicación alternativa es emplearlos para interpolación o colocación (es decir. N > 2m + 1). usarlos para el caso donde el número de incógnitas. N.. una serie de Fourier continua se puede escribir 1 f(t) — a + a eos (fty) + b sen (to í) + a eos ( 2 a y ) + b sen (2tt^í) + . . los coeficientes pueden ser evaluados por A = ly N 0 A¡ = N 2 ly eos (Jo) t) 0 j = 1. 19. .10)] y = 1. lodií lai funeionei perlódloii derlvidw fliioamtntc utUtiotn ntii oondlolonei. En general. para datos igualmente espaciados.0472) o alternativamente como un seno usando la [ecuación (19. Fourier demostró que una función periódica arbitraria.17) donde COQ = 2rt/res llamada la frecuencia fundamental y sus múltiplos constantes 2(0$. son llamados armónicos.7 + eos (coot + 1.544 APROXIMACIÓN DE FOURIER y = 1.618) 0 El análisis anterior se puede extender al modelo general f(t) — A + A eos (fi) f) + B sen (a> t) + A eos (2co í) + B sen (2(O f) H h A eos (mcüQt) + B sen (mco t) 0 x 0 x Q 2 0 2 0 m m 0 donde. la ecuación (19. 3cüb.. sen (u^í). Éste es el procedimiento usado en la serie de Fourier continua. como se describirá a continuación. cos(a\. 0 x x 0 2 2 o de manera más concisa.17) expresaf(t) como una combinación lineal de las funciones base: 1. se puede representar por medio de una serie infinita de sinusoides de frecuencias relacionadas de manera armónica.com dlicontlnuoi..f). etcétera. (2&V)' sen (2fi) r). 2m + 1..2.2 SERIE DE F O U R I E R C O N T I N U A En el curso del estudio de problemas de flujo de calor... Ins cunlos ospeci llcim que la función periódica licnc un número finito d e máximos y mínimos y quo liuy un número finito d o «nilón http://libreria-universitaria./n 0 Bj = — ly sen (Jco t) Aunque estas relaciones se pueden usar para ajustar datos en el sentido de regresión (esto es. sea igual al número de datos. Para una función con un periodo T.7 + sen (ü) r + 2. f(t)= a + 0 2 [a eos (katf) + b sen (ko^t)] k k (19.blogspot..

com .19. las ecuaciones son / 2 r a* = — / /(?) eos (keüot) dt T 0 para k = 1 .19). Este último caso se puede evaluar con la ecuación (B19.17) se puede multiplicar por eos (mco t) e a a 0 integrar para obtener f sen (kco t) sen (g(O t) dt = 0 J ' ^ ' v 0 0 Q 0 tt (B19.1.j .5) y. . la ecuación (B19. cada lado de la ecuación (19.2 SERIE DE FOURIER CONTINUA 0 4 1 Como se describe en el cuadro 19. 1. .17) se pueden calcular por medio de 2_ <f f(t) eos (kco t) dt T Jo T 0 (19.1. 1 . 2. (B19.1.17) se puede multiplicar por sen (rna^t). se observa que cada término del lado derecho es cero. . / / (/) di «„ T http://libreria-universitaria.1. . .2) ^ \ ecuación (19.1. 1. .1.4) + / X Ú * ° C S ^ C ° S ( W Í Ü B 0 * r r 2 0 f T 0 T T 2 ü * = 1 / sen (kü) t) dt = / eos (kco t) dt = (B19.)]> 19 18 ( orno cuela término en la sumatoria es de la forma de la ecuaI'II'M (BI9.I. los coeficientes de la ecuación (19.1.1. la ecuación (19.17) 2 se puede integrar para dar ^ f /(/) di = f a dt + f V [ a eos (/fcay) Jo Jo Jo ¿—i k= I + b sen {kwfjt)) dt t k D lo + Y k= ^ I ¿> sen (k(o t) eos ( m a y ) ¿ft (B19.1. JO f ^ d t ('orno se hizo para los datos discretos de la sección 19. f f(t) eos (mft) í) dt = / a eos (mco t) dt Jo Jo T T X J 0 0 0 J eos ( * a y ) eos ( g o y ) A = 0 (B19.1) M U ^ d i o de la función en ol rr / eos (ko) t) sen (gco t) dt = 0 0 0 periodo.1 D e t e r m i n a c i ó n de los coeficientes de la serie d e F o u r i e r continua la cual se puede resolver para . En forma similar.19) para k = 1.1.1. se puede establecer las siguientes relaciones: < 3 F J = j e s s i m p l e m e n t e e l v a l o r p r o m e / sen (kco t) dt = £ 0 eos (km t) dt = 0 0 (B19. . por ejemplo (B19.1).1). 2 .blogspot.6) se puede resolver para a . con excepción del caso donde k = m. o de manera más general [véase ecuación t 0 e l a s m ( .3) C.20) Cuadro 19.2) y (B19..5) l'ni'ii •AI evaluar sus coeficientes. Para evaluar uno de los coeficientes coseno. integrarla y reordenarla para obtener la ecuación (19.18) y b = — í f(t) sen (kco t) dt T Jo k 0 (19. 3 .6) ecuaciones (B19. por tanto.4). y a = 0 — f f(t)dt T T Jo (19.

para A: = 3 .18)] 0 I a k Las integrales se evalúan para dar De manera similar. 9. se puede determinar que todas las b = 0..com ..6...2 APROXIMACIÓN DE FOURIER Aproximación de la serie de Fourier continua ! | 1 ! | Enunciado del problema. Por tanto. 5. para k = pares enteros /(/) = — EOS (A>O0 EOS (3a) t) + — 0 5TX 4 4 EOS ( 5 « O O — — EOS (la> t) + • • • 0 n FIGURA 19.546 EJEMPLO 19. 11. Uno forma de onda cuadrada o rectangular con una altura de 2 y un periodo T = 271/(0^. 1 -R i -772 0 I R/2 i R fc -1 http://libreria-universitaria. Los coeficientes restantes se pueden evaluar como [véase | ecuación (19. la aproximación de la serie de Fourier es 4 4 C' r-T/4 rT/4 fT/2 i J-T/2 = — — / EOS (k(OQt) dt + I EOS (kü) T J-T/2 J-T/A JT/4 1 2 2 = — / ( O EOS ( f c í D n í ) dt 2 [" 4/(kK) -4/()br) 0 L para A: = 1..5) F-1 / ( 0 = L 1 L -1 -T/2<t<-T/4 -T/4<t< T/4 T/4 < t < T/2 \ Solución.5 ÍJÍ IJÍ Los resultados de los primeros tres términos se muestran en la figura 19.. Como la altura promedio de la onda es cero. 7.blogspot. se puede obtener en forma directa un valor de a — 0. Use la serie de Fourier continua para aproximar la función de onda cuadrada o rectangular (véase la figura 19.

ya quef(t) = /(—r). Para este caso las a serán igual a cero.6 La aproximación de la serie de Fourier de la onda cuadrada a partir de la figura 19.blogspot. Se muestran también los términos individuales que se fueron agregando en cada etapa. Se puede demostra i (Van Valkenburg.5 se le llama función par. b) segundo y c¡ tercero. Otro ejemplo de una función par es eos (í).com I . Debe mencionarse que a la onda cuadrada en la figura 19.•41 1 9 . La función sen (í) es una función impar. 1974) que las b en la serie de Fourier siempre son igual a cero par» funciones pares. 2 SERIE DE FOURIER CONTINUA' \ \ 1 1 — COS(íflbí) n nación \ 0 y ¿Y nn Ün k 1 b) x A V y y 1 ^-COS(OJbf) U U c) /i \ / V / Y / \ A A / FIGURA 19. http://libreria-universitaria.5. Observe también que lasfunciones impares son aquellas para las C U U I C H f(t) = —f(—t). La serie de trazos muestra la sumatoria hasta e incluyendo los términos a) primero.

Aunque no sea tan conocido./(r).7c. llamado ángulo de fase.2 y el apéndice A) oo f(t) = ce k ikml (19.7a. Por lo tanto. la magnitud de la amplitud de la curva. un parámetro más.7í/. Sin embargo. Si el pico ocurre después de cero.7c define ahora la amplitud y frecuencia del sinusoide. y las variables independientes son el tiempo t y la frecuencia/ = WQIITÍ. cuando se habla acerca del comportamiento del sinusoide en el dominio del tiempo. de igual manera también se puede hacer contra la frecuencia.1b).blogspot. se debe incluir un diagrama de fase. Junto con la ubicación \IT a lo largo del eje frecuencia.com En esta gráfica. Ambos tipos de expresión se ilustran en la figura 19. el sinusoide se puede concebir como si existiera a una distancia 1/7hacia afuera y a lo largo del eje de la frecuencia y corriendo paralelo a los ejes del tiempo. La vuelta completa de pico a pico es innecesaria a causa de la simetría. el comportamiento en el dominio de la frecuencia es meramente su proyección dentro del plano frecuencia. el dominio de la frecuencia proporciona una perspectiva alterna para caracterizar el comportamiento de funciones oscilatorias. es requerido para ubicar la curva relativa a t = 0. como el mostrado en la figura 19. En consecuencia.3 FRECUENCIA Y D O M I N I O S DE T I E M P O Hasta este punto. la serie de Fourier se puede expresar en términos de funciones exponenciales como (véase el cuadro 19. Así. es la variable dependiente. En consecuencia. donde se ha dibujado una gráfica en tres dimensiones de una función sinusoidal. El ángulo de fase se determina como la distancia (en radianes) de cero al punió en el cuul ocurre el pico positivo. Así.17). queremos decir la proyección de la curva dentro del plano tiempo (véase la figura 19. Como se observa en la figura 19. De manera similar. y los ejes amplitud y frecuencia forman un plano frecuencia. Esto se debe a que la mayoría de nosotros nos sentimos cómodos al conceptualizar el comportamiento de una función en esta dimensión. nuestro análisis de la aproximación de Fourier se ha limitado al dominio del tiempo. esta proyección es una medida de la amplitud positiva máxima del sinusoide Cj. Ésta es una información suficiente para reproducir la forma y tamaño de la curva en el dominio del tiempo. se dice que .APROXIMACIÓN DE FOURIER Además del formato trigonométrico de la ecuación (19. 19. la figura 19.22) Esta formulación alterna tendrá utilidad a través del resto del capítulo. los ejes de la amplitud y el tiempo forman un plano tiempo.21) donde i = H—1 y i h = 7f / 1 r r' TT/2 2 í J -7 -T/2 72 f(t)e- kuW dt (19. justo como la amplitud contra tiempo se puede graficar. f(t) = Cj eos (/ + | ) http://libreria-universitaria.

2..e-puede. ika ika l j k a p é n d i c e Por tanto.2.1) /(O = J^cte'^ + ]T c-^"'*"*' A partir de a i a .7. «A = a-t yh= -b-t reexpresarsecomo k=\ La ecuación . J a de a Euler. Se hace referencia a ellas como línea espectral. \en lugar de sumar la segunda serie de .2) y (B 19.19) son sustituidasenla ecuación (B19. 2 6) e c donde la sumatoria incluye un término para k = 0.4) ika ak ak cosx= a .3) y simplificando se obtiene .2.2.3) 2 = se aopueden + ^ (sustituir >°> 4 . las ecuaciones (B19.a forma trigonométrica de la serie de Fourier continua es oo o oo oo f(t) = a + V [a cos(kco t) + b sen(kú) t)] 0 k 0 k 0 (B19. un pico antes de cero se dice que está adelantado y el ángulo de fase es positivo.IV) = co + J2^e "" + Y(B19. tj i el i seno y coseno se pueden J A la identidad o .aj-it-t <'-•* = <-'k — a -ib k k a k + l b k ^ = ffZ ~' °' me ka = dt (B19 2 ?) -- ^ 2 (B19. A i n d u y e u n r e s u m e n d e l a g i n t e r r e l a c i o n e s e n t r e t 0 ] o s f o r m a t o s d e l a s e r i e d e F o u r i e r q u e s e intr d o s odujeron en este capítulo. cuando se aplican a una situación más complicada. -ika>n¡ (B19.2.2.1) para dar las cuales en la ecuación ¡t=j V 2 2 / (B 19.2) ]T c-¡te''* 4=0 k=-\ ^ (B19. Podemos definir un número de constantes c — 0 f m ^-772 1 /(O eos (to í) dt — i— I T 0 J-m f f(t) sen (¿oy) cíf m a o •.2. -a /(.2.2 F o r m a compleja de las series de F o u r i e r I . Observe que el . debido a las propiedades de pandad del coseno y del seno. Se puede observar ahora que las figuras 19. expresar en torma exponencial como senx = e *= 1 Para simplificar aún más. de la figura 19.4) ~c.7) son las versiones complejas de las ecuaciones (19.2. y por convención.19. el ángulo de fase tiene un signo negativo. está retrasado (recuerde nuestro análisis de atrasos y adelantos en la sección 19. Sin embargo.20). .2.7a* proporcionan una forma alterna de presentar o resumir las características pertinentes del sinusoide de la figura 19.17) a (19. Así. En la figura 19.1). En forma opuesta. Para evaluar lascólas ecuaciones (19. /(?) = ^c^''^ ' + 0 " 6 2' " (B19. haga la suma de — 1 a — °°. el pico está en cero y el ángulo de fase se traza como +7t/2.3 FRECUENCIA Y DOMINIOS D I TIEMPO Cuadro 19.blogspot. digamos.6) y (B19. Se acepta que para una sola sinusoide estas líneas no son muy interesantes.7c y 19.) = £ ¿V**' 1 (B19 . ° por tanto.5) 1 donde.7a./'. se hace présenle su poder y http://libreria-universitaria.com .2. una serie de Fourier.8 se ilustra algunas otras posibilidades.5) para obtener 1 \ = — / / y a que 1 li = ..18) y (19. .2. Mediante las ecuaciones (B 19. 1 a » .

En contraste. Lillas son en http://libreria-universitaria. etcétera. las figuras 19. mientras que la proyección de la amplitud-frecuencia se reproduce en c). La figura 19.2. La proyección fase-frecuencia se muestra en a ).9. Se reproduce la proyección del tiempo en b¡. la línea espectral representa "huellas dactilares" que nos pueden ayudar a caracterizar y entender la forma complicada de una ondú. La primera.6 representa dos perspectivas alternas tiempo-dominio. Como tal. Tal espectro proporciona información que no podría ser aparente desde el dominio del tiempo.550 APROXIMACIÓN DE FOURIER FIGURA 19.7 o) Una ilustración de cómo se puede dibujar un sinusoide en los dominios del tiempo y la frecuencia. la figura 19. la onda cuadrada original. (4/57t) eos (5G) r)]. no nos indica nada acerca de las sinusoides comprendidas. Por ejemplo. — (4 /3n) eos (3íu r). Esta alternativa no proporciona una visualización adecuada de la estructura de esas armónicas. Esto se puede ver al contrastar las figuras 19. La alternativa es mostrar esas sinusoides [es decir. (4/rc) eos (6%f).blogspot. 1 valor verdadero.9a y 19.com particular valiosas para casos no idealizados donde algunas veoes nos permiten discernir 0 0 .9 muestra la línea de fase espectral y amplitud para una función de onda cuadrada como la del ejemplo 19.96 proporcionan una visualización gráfica de esta estructura.6 y 19.

54 a) J _ 7f 0 n/2 í.| — i 7 C tr ~ FIGURA 19.blogspot.9 a) Amplitud y b) línea de fase espectral para la onda cuadrada de la figura 19. FIGURA 19.1 9 .5. 3 FRECUENCIA Y DOMINIOS DE TIEMPO «r n ->.8 Varias fases de un sinusoide mostrando la fase asociada a la línea espectral. 4/it 2/JI 3<.com 6) . 3f 0 5/ 0 7/ 0 J t / 2 http://libreria-universitaria.

En el mismo sentido. pero causará interferencia con los receptores en operación en un amplio rango de frecuencias (por ejemplo en televisores. radios. Tal evidencia sugiere que una señal no recurrente tal como la producida por el relámpago exhibe un espectro de frecuencia continuo. definida por la ecuación (19. 2 . como en oo / -co f(t)e. Si se permite que ocurra esto. receptores de onda corta. 1986) que la serie de Fourier se reduce a kü> /(0 = — ¿X 1 J-oo / f°° F(ia>o)e' < d(ü ao 0 (19. Van Valkenburg. una alternativa para la serie de Fourier sería valiosa al analizar dichas formas de onda no periódicas.24) donde % = 2rc/Ty k = 0 . 1974. En otras palabras. 19.com definió con la ecuación (19 .23) f T/2 Ck = ~ / f(t)e. un relámpago ocurre sólo una vez (o al menos pasará mucho tiempo para que ocurra de nuevo). . La integral de Fourier es la principal herramienta disponible para este propósito. es referida como la inversa de la transformada de Fourier 0 . . Además las ecuaciones (19.°' iüJ dt (19. etcétera). 1 . Por ejemplo.26) La función F(ico^.°< dt (19.26) son conocidas por lo general como transformada de Fourier. sólo con ser llamada la integral de Fourier. La transición de una función de periódica a no periódica se puede efectuar al permitir que el periodo 1 J-T/2tienda al infinito. En la siguiente sección se describirá la transformada de Fourier que nos permitirá extender tal análisis para ondas de forma no periódica./(/). Se puede obtener de la forma exponencial de la serie de Fourier oo f(t) = donde 1 J2 ¿= — 00 C V T O 0 ' (19.26). F(ico ) es también llamada la transformada de Fourier de f(t).4 I N T E G R A L Y T R A N S F O R M A D A DE F O U R I E R Aunque la serie de Fourier es una herramienta útil para investigar el espectro de una función periódica. como T se vuelve infinito. la función misma nunca se repite y de esta forma se vuelve no periódica.blogspot.25) y los coeficientes se vuelven una función continua de la variable frecuencia co. Hayt y Kemmerly. existen muchas formas de onda que no se autorrepiten de manera regular. Entonces.552 APROXIMACIÓN DE FOURIER la estructura en otra forma como señales oscuras. es llamada la integral de Fourier de f(i). Ya que fenómenos como éstos son de gran interés para los ingenieros.25) y (19. se puede demostrar (por ejemplo.25). . como se http://libreria-universitaria.

0 El cambio de un espectro continuo en uno discreto se puede ilustrar gráficamente. Esta función es igual a la que se investigó antes en el ejemplo 19. de periódica en el dominio del tiempo a magnitudes en el dominio de la frecuencia con frecuencias discretas. La serie de Fourier convierte una función continua.4 INTEGRAL Y TRANSFORMADA D E F O U R I E R ' FIGURA 19. En contraste. el espectro de frecuencia discreto generado por la serie de Fourier es análoga a un espectro de frecuencia continua generado por la transformada de Fourier.10a.19.com . de F(ico ). el par nos permite transformar de una a otra entre los dominios del tiempo y la frecuencia para una señal no periódica.blogspot. la transformada de Fourier convierte una función continua en el dominio del tiempo en una función continua en el dominio de la frecuencia. En la figura 19.2. sólo que en este caso está verticalmentc corrida. Además de esta principal diferencia. http://libreria-universitaria. La principal diferencia es que cada una se aplica a un tipo diferente de funciones (las series a formas de onda periódicas y la transformada a las no periódicas). La distinción entre serie y transformada de Fourier debería ser ahora muy clara. Así. los dos procedimientos discrepan en cómo se mueven en el dominio del tiempo y de la frecuencia.10 Ilustración de cómo la frecuencia discreta espectral de una serie de Fourier para un tren de pulsos o) se aproxima a un espectro de frecuencia continua de una integral de Fourier c) cómo se permite al período aproximarse al infinito. se puede ver un tren de pulsos de ondas rectangulares con anchos de pulsos igual a la mitad del periodo de su espectro asociado discreto. De esta manera.

El subíndice n se emplea para designar los tiempos discretos para los cuales se toma las muestras. .11. para el racional de exclusión f . dos líneas de frecuencia adicional se agregan sobre un lado de las componentes originales. estos efectos continúan en forma de cada vez más líneas espectrales comprimidas hasta que el espacio entre las líneas tienda a cero. las amplitudes de las componentes se reducen. (Véase Ramírez. En el límite. En lugar de esto.106. Como se ilustra en la figura 19.11 Los puntos de muestreo de la serie discreta de Fourier. los datos están invariablemente en una forma discreta. Segunda. se puede dividir un intervalo de 0 a t en N subintervalos igualmente espaciados con anchos de Ar = TIN. Un valor no se incluye en n = N.blogspot. las funciones a menudo son representadas por conjuntos de valores discretos finitos.10c. Observe que los datos se especifican en n = 0. En la siguiente sección reconoceremos el hecho de que una señal es raramente caracterizada como una función continua de la clase necesaria para implementar la ecuación (19. f designa un valor de la función continua f(t) tomada en t . N — 1. se hará el paso final en nuestro desarrollo. ahora se mostrará cómo calcular la transformada de Fourier para tales mediciones discretas. 1.. 19. las series convergen sobre la integral de Fourier continua. Así. los datos con frecuencia se colectan o convierten en un formato discreto. . Así. 2.5 T R A N S F O R M A D A DISCRETA DE F O U R I E R (TDF) En ingeniería.554 APROXIMACIÓN DE FOURIER En la figura 19. .) n n N FIGURA 19. Ahora que se ha introducido una forma para analizar una señal periódica. http://libreria-universitaria. 1985.com . Primero. una duplicación del periodo de pulso del tren tiene dos efectos sobre el espectro.26). como se ilustra en la figura 19. En tanto se permita al periodo aproximarse al infinito. En forma adicional.

DO n = O.27) o en la (19. También.] 9.27) y (19. respectivamente.'iuudocódigo para el t úlculo de la TDF. Este algoritmo se puede desarrollar en un programa de cómputo para calcular la TDF. N -1 angle = ko) n realf.com . desarrollaremos un algoritmo de cómputo para implementar la TDF.27) y la transformada inversa de Fourier como / „ = — 2 *=O I V R ' ° V N 0 para « = 0 a T V. Aunque tales cálculos se pueden realizar a mano. Así. 2 Algoritmo d e cómputo p a r a la TDF.11. 0 0 e ±m = eos a ± i sen a para expresar las ecuaciones (19.27). Observe que el factor l/7Ven la ecuación (19.25).12. El listado de resultados de tal programa se muestra en la figura 19.5 TRANSFORMADA DISCRETA DE FOURIER (TDF) MI Para el sistema en la figura 19. es una tarea muy laboriosa.13 para el análisis de una función coseno.29) se enlista en la figura 19.1 (19.28) representan las análogas discretas de las ecuaciones (19.blogspot. FIGURA 19. se puede escribir una transformada discreta de Fourier como AT-I F k = 2 Para k = 0 a N .27) y (19. Como lo expresa la ecuación (19.26) y (19. se pueden emplear para calcular tanto la transformada directa de Fourier como la inversa para datos discretos.1 (19. ya sea en la ecuación (19.28). Para nuestro algoritmo de cómputo. Como tales.29) y N-l f„ = 2 I=0 [Fk c o s ( o) k(0 n + k iF s e n <M)")1 (19.27) para que el primer coeficiente F (el cual es análogo del coeficiente continuo a ) sea igual a la media aritmética de las muestras.N-1 l'. podemos usar la identidad de Euler para desarrollar un algoritmo que se pueda implementar en lenguajes que no contengan datos de variables complejas.28) es sólo un factor de escala que se puede incluir.if sen (ko^t)] N n =O 0 n (19.28) como 1 k N F = — 2 L T „ eos (küJ n) .30) El pseudocódigo para implementar la ecuación (19. = rea\ + f cos(angle)/N ¡maginary = ¡mag¡nary .12 DOk = 0. el TDF requiere N operaciones complejas.28) donde co = 2n/N Las ecuaciones (19. pero no en ambas.f s¡r¡(angle)/N END DO END DO 0 k n k k n http://libreria-universitaria. lo incluiremos en la ecuación (19.

6 T R A N S F O R M A D A R Á P I D A DE F O U R I E R Aunque el algoritmo descrito en la sección anterior calcula de manera adecuada la TDF.01 s.12 para la TDF de los datos generados por una función coseno f(f) = eos [2 K (1 2.blogspot.0000 IMAGINARY 0 0000 0 0000 -0 0000 -0 0000 0 0000 -0 0000 0 0000 0 0000 0 0000 0 0000 -0 0000 0 0000 0 0000 -0 0000 0 0000 -0 0000 0 0000 0 0000 0 0000 -0 0000 0 0000 0 0000 0 0000 -0 0000 0 0000 0 0000 0 0000 -0 0000 -0 0000 -0 0000 0 0000 0 0000 Resultados de salida de un programa basado en el algoritmo de la figura 19. Su velocidad surge por el hecho de utilizar los resultados de los cálculos previos para reducir el número de http://libreria-universitaria. o TRF. la determinación directa de la TDF puede ser en extremo consumidora de tiempo. explota la periodicidad y simetría de funciones trigonométricas 2 . En consecuencia.707 0 .707 REAL 0 0000 0 0000 0 0000 0 0000 0 5000 0 0000 0 0000 0 0000 -0 0000 0 0000 -0 0000 0 0000 -0 0000 0 0000 0 0000 0 0000 -0 0000 0 0000 -0 0000 -0 0000 -0 0000 0 0000 0 0000 -0 0000 -0 0000 -0 0000 -0 0000 -0 0000 0 5000 0 0000 0 0000 0 . En particular.5)f] en 32 puntos con Al = 0.000 -0 707 -1 000 -0 .13 f(t) 1 . 707 -0 000 -0 707 -1 000 -0 707 -0 000 0 707 1 000 0 707 -0 000 -0 707 -1 000 -0 707 0 000 0 707 1 000 0 707 -0 000 -0 707 -1 000 -0 707 0 000 0 707 1 000 0 707 -0 .com operaciones.000 0 . es laborioso su trabajo de cómputo debido a que se requiere N operaciones. La transformada rápida de Fourier. 000 0 . 19.556 APROXIMACIÓN DE FOURIER INDEX 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 FIGURA 19. para los datos de las muestras de un tamaño moderado. es un algoritmo que ha sido desarrollado para calcular la TDF en una forma extremadamente económica.

Cooley y J. similar a aquel de Gauss y de otros investigadores anteriores. Hay una variedad de formas diferentes de implementar este principio. En esta sección se describirá un procedimiento alterno llamado algoritmo Sande-Tukey. W.6 TRANSFORMADA RÁPIDA DE POURIER i 2 000 Muestras FIGURA 19. Otras contribuciones principales fueron hechas por Runge. En 1965. o "particiona" sucesivamente en TDF más pequeñas. El primer algoritmo TRF fue desarrollado por Gauss en los inicios del siglo XIX (Heideman y cois. Este esquema. el algoritmo de CooleyTukey es un elemento de las llamadas técnicas de decimación en el tiempo. la TRF es alrededor de 10 veces más rápida que la TDF estándar. En la actualidad. Por ejemplo. existen otros procedimientos que son adaptaciones de este método. en el cual delineaban un algoritmo para el cálculo de la TRF. Así. no atraían mucho el interés antes del desarrollo de la moderna computadora digital. para N = 50 muestras. La distinción entre las dos clases se analizará después de haber elaborado el método. Este método es un elemento de otra clase de algoritmos llamado técnicas de decimación en la frecuencia.blogspot. publicaron un artículo clave.. 2 http://libreria-universitaria. W. como a menudo las transformadas discretas toman días o semanas para ser calculadas a mano. 1984).com .14 Gráfica del número de operaciones contra tamaño de la muestra de TDF estándar y la TRF. Para N = 1 000. Lanczos y otros en los comienzos del siglo XX.19. Tukey. J. para calcular la transformada en aproximadamente 7Y log N operaciones (véase figura 19.14). La idea básica detrás de cada uno de estos algoritmos es que una TDF de longitud N se descompone. es llamado algoritmo de Cooley-Tukey. es alrededor de 100 veces más rápida. Sin embargo. Danielson.

32) en términos del primer y último N/2 puntos: (A//2J-1 N-l F = k ] T fi¡e /.~i2nkn/{N/2) http://libreria-universitaria.34) Ahora. Una nueva variable.32) se puede también representar como 0 N-l donde Wes una función ponderada de valor complejo definida como W = e -H2n/N) (1933) Suponga ahora que se divide la muestra a la mitad y se expresa la ecuación (19. £ f^^-iWNMm+N. N — 1. f \ „-i2x(2k)n/N _ i f 4f .» n=0 + m=0 = E (AÍ/2J-1 «=0 (fn+e'^fn+w)'-' * """ 2 1 Kk (19.1 A l g o r i t m o Sande-Tukey En el caso actual. el próximo paso en el método es separar la ecuación (19. Ahora.1 F = 2 f e-* " k n 2m k para * = 0 a N .. 1 . (A72)-! Fk = £fa-WN*. La ecuación (19. se puede crear para que el rango de la segunda sumatoria sea consistente con la primera. 2 . se supondrá que N es una potencia entera de 2. recuerde que TDF se puede representar de manera general como Ai.6.=() -¡WN)kn n=N/2 (N/2)-\ + f e-iQ*/w> n donde k = 0 . .558 APROXIMACIÓN DE FOURIER 19. Por tanto. Esta restricción se introduce para simplificar el resultado del algoritmo. C (W/2)-l \ ^ ( f (¿V/2)-l A.0 'I o .32) donde 2n/N = O) .1 (19. II .„1 . para puntos pares es igual a 1 y para los nones es igual a — 1. . De esta forma.34) de acuerdo con valores pares e impares de k. Para los valores pares. . . N=2 M (19.com y para loi valores impares.blogspot.. m = n — N/2. . observe que el factor e~' = (—1)*.31) donde M es un entero.

2)W W n 2kn Ahora. Estas ecuaciones se pueden expresar en términos de la ecuación (19.. (N/2) . Los pesos W° son algunas veces llamados factores de vuelta.2. se puede hacer un conocimiento clave.. (JV/2)-l F2k= E n=0 \fn + fn+N/2)W " 2k y para los valores impares.36) (19...U N ^ e . Ya que cada uno de los últimos requiere aproximadamente (N/2) multiplicaciones y sumas complejas.35) De esta manera.14) ilustra por qué la TRF es tan importante.1 ^24+1 - k J En otras palabras.blogspot.com . 2 2 2 2 2 http://libreria-universitaria.(N/2) . El contraste entre este nivel de esfuerzo y el de la TDF estándar (véase figura 19. _ (/V/2) I V" t f n=0 (N/2)-¡ r \ „ i'lnak \ \)n/N = £ n=0 ( f n . El número total de cálculos para toda la población es del orden de T V log N. (N/2) .33).' ^ e - 2 " ^ ^ p a r a k = O. Así. Esas expresiones pares e impares se pueden interpretar como si fueran igual a las transformadas secuenciales de longitud (N/2) gn = fn + fn+N/2 y K = (fn -fn+NnW Para« = 0. 1. un cálculo de N puntos se ha reemplazado por dos cálculos de (N/2) puntos. El esquema se ilustra en la figura 19.'. Ahora es claro que este procedimiento de "divide y vencerás" se puede repetir en la segunda etapa. .1. 1. Para los valores pares.15 para /V = 8. resulta en forma directa que J 2k =G ) k H parafc = 0. podemos calcular los (N/4) puntos TDF de las cuatro N/4 secuencias compuestas de las primeras y últimas N/4 puntos de las ecuaciones (19. La TDF se calcula primero al formar la secuencia g" y h" y después calculando las N/2 TDF para obtener las transformadas numeradas como pares e impares. 2. La estrategia es continuada a su inevitable conclusión cuando N/2 puntos dobles de las TDF se hayan calculado (véase figura 19..1 (19. el procedimiento produce un factor de 2 en ahorro (es decir N contra 2(7Y/2) = N /2. 2.16)./.1... (N/2)-\ F 2 k + l = E «=0 {fn- fn+N.35) y (19.36).

16 Diagrama de flujo de la descomposición completa por decimación en la frecuencia de una TDF con ocho puntos. f(0) '(1) \ f(2) \\ /1 \y /+ '(3) + •A / A + ^ \ / + •A + A i + + A A F(0) F(4) A TA A .15 Diagrama de flujo de la primera etapa en una descomposición por decimación en la frecuencia de una TDF con Npuntos para las TDF con (N /2) puntos para N = 8. F(3) F(7) http://libreria-universitaria.560 APROXIMACIÓN DE FOURIER FIGURA 19. F(5) + \ rA TA A. + .com 1 . X X+ >A A A A A .blogspot. FIGURA 19.A^ w° 'i m) /\r X m// y/ Ur f(7)Y \m¡ mf . F(2) F(6) X A\r X >A *r + .A.

e ± m = eos a ± i sen a para permitir implementar al algoritmo en lenguajes que no acomoden en forma explícita variables complejas.16 como un algoritmo.12.17 o| Una red mariposa que representa el cálculo fundamental de la figura 19.17a. Después de que esta primera parte se ejecuta.temporal b) http://libreria-universitaria. Una inspección cercana a la figura 19.blogspot. La primera parte consiste. Si los subíndices del 0 al 7 se expresan en forma binaria.31)] del diagrama de flujo. # ftP) temporal = real (0) + real (1) real(1) . b) Pseudocódigo para implementar a). Es la inversa del algoritmo de Sande-Tukey descrito en la sección anterior. ambos exhiben las AHog N operaciones que son la fortaleza del procedimiento de la TRF.6. La segunda parte del algoritmo implementa este procedimiento. en esencia.16.6 TRANSFORMADA RÁPIDA DE FOURIER Algoritmo de cómputo.16.imaginario (1) Imaginario (0) . 19. se puede obtener el orden correcto al invertir esos fragmentos (véase figura 19. ilustrada en la figura 19.19). la muestra se divide inicialmente en puntos impares y pares numerados. Aunque las dos clases de métodos difieren en organización. la TDF habrá sido calculada pero en desorden (véase el lado derecho de la figura 19.com . El pseudocódigo para implementar una de esas moléculas se muestra en la figura 19. Para este caso.16).2 A l g o r i t m o de Cooley-Tukey La figura 19. También observe que el ciclo exterior pasa a través de las M etapas [recuerde la ecuación (19. 2 FIGURA 19.real (0)-real (1) real (0) = temporal temporal = imaginario (0) + imaginario (1) imaginario (1) = imaginarlo (0) . El pseudocódigo para la TRF se enlista en la figura 19.16 indica que su diagrama computacional molecular fundamental es la conocida en forma extensa como red mariposa. Este procedimiento es llamado una ordenación en tiempo.20 muestra una red de flujo para implementar el algoritmo de CooleyTukey. Observe que los datos reales valuados se guardan originalmente en el arreglo x.176. Como fue el caso para el algoritmo de la TDF de la figura 19. Es una proposición relativamente directa expresar la figura 19.19. en tres ciclos anidados para implementar el cuerpo computacional de la figura 19.18. Esos coeficientes de Fourier pueden ser ordenados por un procedimiento llamado de fragmento inverso. se usará la identidad de Euler. y los resultados finales están en el orden correcto.

N2-1 c = coe(angle) e = sin(atigle) DO i =j. E N D IF y. N-2 IF (i < j) THEN xt = Xj Xj X¡= x. FIGURA 19.NN1 kk = i+ N2 xt = x(¡) .m N1 = N2 N2 = N2/2 angle = 0 arg = 2n IN1 DO} = 0.19 I l u s t r a c i ó n del proceso de f r a g m e n t o s inversa..18 5 k = N/2 DO IF(k>j + 1)EXIT j=j-k k = k/2 END DO J=J END DO D0i = 0.x(kk) x(i) = x(¡) + x(kk) J=0 DO ¡ = 0.562 APROXIMACIÓN DE FOURIER m = LOÚ(N) / L0G(2) N2 = N D0k = 1. = xt yt=yj yj=y. í.=yt y =yO)-y(kk) t x(kk) =xt *c-yt *s y(kk) =yt * c + xt * END DO angle = Q +1) * arg END DO END DO FIGURA 19.N-1 x(¡) = x(¡) / N y(¡)=y(¡)/N END DO + k Pseudocódigo p a r ai m p l e m e n t a ru n a decimación e n la frecuencia p a r a la T R F .O b s e r v eq u e el pseudocódigo está c o m p u e s t op o r dos partes: a) la m i s m aT R Fyb )u n ar u t i n a de f r a g m e n t o si n v e r s ap a r an od e s o r d e n a r los coeficientes resultantes de F o u r i e r . Desorden (Decimal) Ordenado (Binario) Orden de fragmentos invertida (Binario) Resultado final (Decimal) F|0| F(4) F(2) F(6| F(l) F(5) F|3) F|7) => F[000| F(100) F(010) F(UO) F(OOl) F|101) F(011) F|lll) => F(000) F(001) F|010) F(011) F( 100) F|101) F(110| F|lll) => F|0) F|l) F|2) F(3) F(4) F(5) F|6) F|7) http://libreria-universitaria.blogspot.com .

9 ) http://libreria-universitaria. una gráfica de la potencia contra la frecuencia.blogspot. la potencia de una señal periódica en el dominio del tiempo se puede definir como 1 f T/2 1 J-T/2 Ahora. 19. En términos matemáticos. Esta información se puede entonces desplegar como un espectro de potencia. el espectro de potencia se deriva del análisis de la potencia de salida de sistemas eléctricos.38) se cumple la siguiente relación (véase Gabel y Roberts 1987 para más detalles): ( 1 9 3 . otra forma de buscar en esta información es expresándola en el dominio de la frecuencia al calcular la potencia asociada con cada una de las componentes de la frecuencia.1 9 7 . la amplitud y el espectro de fase proporcionan un medio para discernir la estructura fundamental de señales aleatorias aparentes. ^ ¡ * i § i | i ) i i t a ^ l j ^ i ) . un análisis útil llamado espectro de potencia se puede desarrollar a partir de la transformada de Fourier. Como su nombre lo implica. FIGURA 19.com . Si la serie de Fourier para f(t) es oo f(t) = Fne ' ikü>0 (19.20 Diagrama de flujo de una TRF con decimación en el tiempo para una TDF de 8 puntos. que van desde análisis vibratorio do estructuras y mecanismos hasta el procesamiento de señales. Como se describió antes.7 EL E S P E C T R O DE POTENCIA La TRF tiene muchas aplicaciones en ingeniería. EL ESPECTRO DE P O T E N C I A M I f ^ » > > O i t ) i |i ^ M | j l i •¡H i ) . De manera similar.

blogspot. 19. la aplicación más útil de Excel es para el análisis de regresión y. y Hayt y Kemmerly (1986). Cooley. Lo anterior ha sido una breve introducción a la aproximación de Fourier y a la TRF. 19. Además de algunas funciones predeterminadas (véase la tabla 19. Dedicaremos la sección 20. la potencia la ¿-ésima armónica real de /(Oes ±ka> .com .1). Descripción Función FORECAST GROVVTH INTERCEPT UNEST LOGEST SLOPE TREND Regresa un valor ¡unto con una tendencia lineal Regresa valores ¡unto con una tendencia exponencial Regresa el intercepto de la línea de regresión lineal Regresa los parámetros de una tendencia lineal Regresa los parámetros de una tendencia exponencial Regresa la pendiente de la línea de regresión lineal Regresa un valor ¡unto con una tendencia lineal http://libreria-universitaria. y Brigham (1974). Por tanto. existen dos formas principales en las cuales esta capacidad se puede implementar: el comando Trendline y el Paquete de Herramientas para el Análisis de Datos. para la interpolación polinomial. Oppenheim y Schafer (1975). Lewis y Welch (1977). TABLA 19. enf^t). es decir.8 AJUSTE DE CURVAS CON LIBRERÍAS Y PAQUETES Las librerías y paquetes de software tienen grandes capacidades para el ajuste de curvas.1 Funciones prefabricadas de Excel que relacionan los ajustes por regresión de los datos. Información adicional sobre la primera se puede encontrar en Van Valkenburg (1974). Referencias sobre la TRF son incluidas en Davis y Rabinowitz (1975).1 Excel En el presente contexto. p =2\F \ k k 2 (19. Buenas introducciones a ambos asuntos se pueden encontrar en Ramírez (1985). recuerde que en esta representación. la potencia en f(t) se puede determinar al sumar los cuadrados de los coeficientes de Fourier. Ahora.8.40) k El espectro de potencia es la gráfica de p como una función de la frecuencia ¿fi%. con menos extensión.3 a una aplicación de la ingeniería que involucra la TRF y el espectro de potencia generado por medio de paquetes de software. Información adicional. Chirlian (1969).564 APROXIMACIÓN DE FOURIER De esta forma. las potencias asociadas con las componentes de frecuencia individual. la armónica real simple consiste en ambos componentes de la frecuencia en 0 También sabemos que los coeficientes positivo y negativo son iguales. Gabel y Roberts (1987). En esta sección daremos una muestra de las más usuales.

se selecciona Logarithmic.06 3. exponenciales. y3 2 r 0 0 2 4 http://libreria-universitaria.73 5 2.53 1 0. Lo más importante en este contexto es desplegar tanto la ecuación como el valor del coeficiente de determinación (r ) sobre la gráfica. se debe crear una gráfica que relaciona una serie de variables dependientes e independientes. de potencia y de promedio de movimiento. Esos modelos incluyen ajustes lineales.5 2.21. La primera elección en el tabulador Type es para especificar el tipo de línea.23 4.28 4 2. polinomial.5 2 1.42 5. Para el caso actual.5 1. exponencial y potencia). EJEMPLO 1 9 . polinomiales. se usa la guía de gráficas de Excel Wizard (Asistente) para crear una gráfica XY con los datos. logarítmicos. Usted habrá notado que varios ajustes disponibles en Trendline fueron analizados anteriormente en el capítulo 17 (por ejemplo. 3 Usando el comando Trendline de Excel Enunciado del problema.5 2. 2 2 FIGURA 19.21 Ajuste de un modelo logarítmico con los datos del ejemplo 19.com .blogspot. El tabulador Options proporciona formas para configurar el ajuste.5 2. se abre un cuadro de diálogo con dos tabuladores: el Options (Opciones) y el Type (Tipo).79 y Solución.69 1.3.5 0. Una capacidad adicional es la del modelo logarítmico y =a 0 + ai logx Ajuste los siguientes datos con este modelo usando el comando de Excel Trendline: X 0. se selecciona la gráfica (haciendo doble clic en ésta) y la serie (al posicionar el cursor sobre uno de los valores y con un solo clic).8 AJUSTE DE CURVAS CON LIBRERÍAS V P A Q U E T E S 565 El comando Trendline (menú insert). lineal. Después.5 2.5 2 3 2.19. Para ejecutar el comando Trendline. Los comandos Insert y Trendline son entonces ejecutados con la ayuda del ratón o por la siguiente secuencia de teclas / Insert Trendline En este punto. Este comando permite un número de diferentes modelos de tendencia que se pueden agregar a la gráfica. Para el caso actual. El ajuste resultante junto con r se despliega en la figura 19. El siguiente ejemplo ilustra cómo se llama al comando Trendline.

ayp a p U = a+a S+p R log log log http://libreria-universitaria. Solución. R. El logaritmo de este modelo de potencias se usa primero para convertirlo al formato lineal de la ecuación (17. U. Los siguientes datos se colectaron para la pendiente..2) para creer que o"y p deberían tener valores aproximados de 0.4 Usando el paquete de herramientas para el análisis de datos de Excel Enunciado del problema.2 0.blogspot. contiene una amplia capacidad para el ajuste de curvas mediante lineal general por mínimos cuadrados.4 0.. Además. Ajuste estos datos con Excel y evalúe si su regresión estimada contradice los valores esperados de los coeficientes del modelo.2 0.001 0.0005 0. 0 x m EJEMPLO 19. en la sección 17.4.23) donde z ..0005 0. 2 El paquete de herramientas para el análisis de datos.25 m/s 0.2 0. Este paquete de Excel.5 0.23). Sin embargo. z .com respectivos logaritmos.0002 0. respectivamente.667. tales modelos son de la forma general y = az 0 0 + a\Z\ + a z 2 2 H \-a z m m +e (17. Existe razones teóricas (véase de nuevo la sección 8. radio hidráulico y velocidad del agua que fluye en un canal: S. U =aS R a. m 0.5 y 0.2) para creer que estos datos se pueden ajustar a un modelo de potencias de la forma donde son los coeficientes obtenidos de manera empírica. El siguiente ejemplo ilustra cómo tales modelos se pueden ajustar con Excel. su inclusión en la opción Polinomial significa que también se puede usar para interpolación polinomial.5 0. Como se describió antes. y esto significa que no permite dibujar inferencias estadísticas con respecto al modelo a ajustar.566 I I I I APROXIMACIÓN DE FOURIER El comando Trendline proporciona una manera fácil para ajustar un número de modelos para datos que se usan de manera común.5 0. como en la siguiente tabla: Se puede desarrollar una hoja de cálculo en Excel con los datos originales junto con sus . está limitado a r .001 0. debido a su contenido estadístico. tam- bién incluido.5 1 m/m Se tiene razones teóricas (recuerde la sección 8. El paquete de herramientas para el análisis de datos que se describirá a continuación proporciona una excelente alternativa para los casos donde las inferencias son necesarias..5 0.75 0. z son m + 1 funciones diferentes.0002 0.

com . debido a su contenido estadístico. Sin emI bargo.23) donde z ..75 0.5 0. R.2 0.„+e m ' (17. Además.2) para creer que estos datos se pueden ajustar a un modelo de potencias de la forma m/s donde son los coeficientes obtenidos de manera empírica. Existe razones teóricas (véase de nuevo la sección 8.oyp =aS"R p Se puede desarrollar una hoja de cálculo en Excel con los dalos originales junio con sus respectivos logaritmos. radio hidráulico y velocidad del agua que fluye en un canal: S. está limitado a r .23).4 0. z .2 0. U.5 0. Este paquete de Excel. en la sección 17.0005 0.5 0. El logaritmo de este modelo de potencias se usa primero para convertirlo al formato lineal de la ecuación (17.5 y 0. z son m + 1 funciones diferentes. EJEMPLO 19.0002 0. U 0. su inclusión en la opción Polinomial significa que también se puede usar para interpolación polinomial. El siguiente ejemplo ilustra cómo tales modelos se pueden ajustar con Excel..566 APROXIMACIÓN DE FOURIER El comando Trendline proporciona una manera fácil para ajustar un número de modelos para datos que se usan de manera común. respectivamente. Enunciado del problema.2) para creer que o"y p deberían tener valores aproximados de 0.25 0. 2 El paquete de herramientas para el análisis de datos. El paquete de herramientas para el análisis de datos que se describirá a continuación proporciona una excelente alternativa para los casos donde las inferencias son necesarias. Los siguientes datos se colectaron para la pendiente. Como se describió antes.0002 0. Ajuste estos datos con Excel y evalúe si su regresión estimada contradice los valores esperados de los coeficientes del modelo. Solución.4 Usando el paquete de herramientas para el análisis de datos de Excel . tam- bién incluido. como en la siguiente tabla: http://libreria-universitaria.0005 0.. U = log a + tr log S + p log R a.667. tales modelos son de la forma general y — ao^o + a\Z\ + a z 2 0 x m 2 H \-a z.001 0.5 1 m/m m Se tiene razones teóricas (recuerde la sección 8.001 0. y esto significa que no per• ' mite dibujar inferencias estadísticas con respecto al modelo a ajustar.blogspot. contiene una amplia capacidad para el ajuste de curvas mediante lineal general por mínimos cuadrados.2 0.4.5 0..

Seleccione Regression y aparecerá un cuadro de diálogo que esperará se le proporcione información sobre la regresión.0005 0. en la versión de Excel disponible en el tiempo de la edición en inglés de este libro. el paquete de herramientas para el análisis de datos debe algunas veces cargarse en Excel.3010§ -0.001 0. Valor Inf.69897 -0.5 0.996708 0. Debido a su estado como una "incluida".000726 0.220593 MS 0. Después de estar seguros que se ha seleccionado la instrucción por default New Worksheet Ply.25 0.30103 -0.3 .0002712 0.30103' .60206 .12494 -3 \-0.blogspot.com .83456W 95% http://libreria-universitaria. al al 0. Para hacer esto.015559 6 •LI RH 10 !l il dt ss 2 3 5 0.2 0.109933 0. -3.4 0.39794 -3. 6 9 & V 1 -0. Si el add-in ha sido satisfactorio. PSup. Después se puede copiar esta fórmula a la derecha y hacia abajo para generar los otros logaritmos.5 U 0. la selección Data Analysis se incluirá en el menú Tools.0005 0. Después de seleccionar Data Analysis en el menú Tools.69897 -0.7641028 IflIdU'Bplo X Variable 1 0.0002 0.022189 Sfadf 20.219867 0.998353 0.a mjvoi A S c wc W K W O B W T N UBKBRIAS T W 5 J U E T E 5 ' 1 B 1 Rh 0.075932 0. una forma eficiente para generar los logaritmos es tecleando la fórmula para calcular el primer log(S).001 0.5 0.362521 1 0.5 1 lofl(S| ¿ 3 4 5 6 7 loq(U| lofl(Rh) -0.000242 454.69897 -0.30103 = log(A2) 0 P Como se muestra.433137 Coehs.0501 19.30103 -0.5203 0. de R cuadrada Error estándar Observaciones ANOVA Regresión Residual Total Estadística de regresión 0.75 0.2808009 1. llene en F2:F7 para el rango y y D2:E7 para el rango x y seleccione OK.5037521 Ó.30103 -3.30103 -3 ^. simplemente use el ratón o la secuencia de teclas /Tools Add-Ins Después seleccione Analysis Toolpack y OK.0002 0. Así se creará la siguiente hoja de cálculo: 1 B A RESUMEN DE RESULTADOS C D E F G 2 3 4 5 6 & 0 10 11 13 •t) 7 Múltiple R R cuadrada A¡.r.0001889 1.1106 F Siqniticanáa 0.0002937 95% 0. Error estdr.2 0.5 0. un menú de Data Analysis aparecerá en pantalla conteniendo un gran número de rutinas orientadas estadísticamente.994513 0.2 0.

dado un x valor. Mathcad puede predecir valores intermedios al conectar los puntos de datos conocidos ya sea con líneas rectas (interpolación lineal) mediante I i n t e r p o con secciones de polinomiales cúbicos (interpolación segmentaria cúbica) por medio de cspline. Además. La función regress se usa para una regresión polinomial de n-ésimo orden de un conjunto completo de datos. Finalmente. 19. Mathcad también proporciona la función l i n f i t que se usa para modelar datos con una combinación de funciones arbitrarias. La función cspline genera una curva segmentada que es cúbica en los puntos extremo.522 + 0. como trazo de histogramas y cálculo de resúmenes estadísticos de población tales como la media. Las funciones slope e intercept regresan la pendiente e intercepto del ajuste lineal por regresión de mínimos cuadrados. Las funciones regress y loess pueden también ejecutar regresión polinomial multivariable. Además. usted puede ejecutar interpolación segmentaria cúbica en dos dimensiones al pasar una superficie a través de una malla de puntos. Mathcad contiene un número de funciones para ejecutar regresiones. mediana. desviaciones estándar y coeficientes de correlación.631 y 0. De esta forma.2 Mathcad http://libreria-universitaria. Así. Finalmente. las ecuaciones no lineales más difíciles se deben resolver por iteración. U = 333S R 0A33 0133 Observe que se han generado intervalos de confianza al 9 5 % para los coeficientes. el ajuste no contradice los exponentes teóricos.blogspot.733 log R o al tomar el antilog. La función lspline genera una curva segmentada que es una línea recta al final de los puntos.433 log S + 0.504. o lspline.8. Estas funciones segmentarias le permiten intentar diferentes maneras que tienen que ver con interpolación en los puntos extremos de los datos. La función i n t e r p usa el resultado del ajuste de curvas y regresa un valor y interpolado. hay un 9 5 % de probabilidad de que la pendiente real del exponente esté entre 0.363 y 0. la función genfit está disponible para casos donde los coeficientes del modelo aparecen en forma arbitraria.1 para ver cómo se puede hacer esto. varianza. La función i n t e r p también se puede usar para regresar valores intermedios de y a partir de un ajuste por regresión para un punto dado x. En este caso. el ajuste resultante es log U = 1.835.APROXIMACIÓN DE FOURIER De esta manera. Dichas tareas incluyen trabajos relativamente simples. y el coeficiente real del radio hidráulico esté entre 0. .com Mathcad puede ejecutar una amplia variedad de tareas estadísticas. Dedicaremos un ejemplo en la sección 20. se debe observar que se puede usar la herramienta Solver de Excel para ejecutar una regresión no lineal al minimizar de manera directa la suma de los cuadrados de los residuos entre la predicción modelo no lineal y los datos. ajuste de curvas y corrección de datos. La función loess ejecuta una regresión polinomial localizada de «-ésimo orden sobre un espacio de datos que usted puede especificar. pspline. La función pspline genera una curva segmentada que es una parábola en los puntos extremos.

22 mediante el comando R E A D .10600 0.12600 2 -0. Esta FIGURA 19.16400 y Observe que los números a lo largo de la parte superior y en el lado izquierdo son las coordenadas x y y de los valores z que se encuentran en el interior de la matriz. File Edlt Vlew Insert Format SJath Symbolics yjlndow S«IP 2D SPLTNE Enter theroatrixspecifying a surface: Mz :=READPRN("matsplin.prn") Mxy :=READPRN("matxy.70700 1 0. El primer paso es pasar los datos a Mathcad.23900 -0. Los datos a ajustar son z 0 1 2 3 4 5 0 0.PRN.P R N para leer los datos de esos archivos.blogspot. LAS dimensiones de la rejilla están definidas por los datos en el archivo de texto MATXY.78200 -0.09200 -0.00302 -O.73600 0.22500 0. Los elementos de este archivo son pares de valores x y y que caracterizan los elementos de la diagonal de la región.jx|j Sample interpolated valúes: fltí2.Mz.36800 0.93500 0.30300 5 0.com .22 Segmentaria 2D con Mathcad.98600 -0.46700 0. El símbolo definición se usa para asignar los datos de los archivos de datos a las variables Mz y Mxy.5.9) = 0.30800 -0.Mxy.13900 -0.3.22).55300 -0.y) := inteipjs.33400 0.17500 0.97900 -0.76400 -0.8 AJUSTE D E CURVAS C O N LIBRERÍAS V ROQUETES Pongamos un ejemplo que muestre cómo se puede usar Muthcnd para ejecutar unu interpolación segmentaria en dos dimensiones (véase la figura 19.00678 0. Después.76100 x 3 -0.64900 -0.16700 -0. Los primeros dos activan las líneas en la figura 19.pm") Compute spline coefficients: S :=* cspüne(Mxy.30200 4 -0.29000 -0.19.51400 -0.PRN.046 http://libreria-universitaria.82600 0. El archivo MATSPLIN.14100 0.PRN es un archivo simple de texto que contiene los valores de la función (z) a ser interpolada en varios puntos x y y sobre una rejilla rectangular.65900 0.PRN y MATXY.81400 0. Ésta es una matriz que contiene valores de la segunda derivada y otros resultados numéricos en varias localizaciones de la rejilla. Para hacer esto se pueden crear dos archivos de datos llamados MATSPLIN.39000 0.Mz) fit(x.17500 0. el símbolo definición y la función ESPLIN se usan para definir la matriz S.32700 0.

junto con Mz y Mxy. Una vez que se ha creado la gráfica.blogspot. tipo. son usadas por la función interp para regresar los valores de z como la variable de ajuste (x. 2 3 TRF con Mathcad. Considerando estas operaciones. Se construye una gráfica de la magnitud de c¡ como antes. ancho de línea del trazo de la función y agregar títulos. Usted puede también construir una gráfica de la superficie interpolada como la mostrada en la figura 19. leyendas y otras características. Como otro ejemplo para demostrar algunas capacidades para el ajuste de curvas mediante Mathcad. y) con base en la interpolación segmentaria cúbica con los valores de entrada de x y y. y). FIGURA 1 9 .370 APROXIMACIÓN DE FOURIER matriz. usamos la función fft para el análisis de Fourier como el mostrado en la figura 19.23. El resultado es un vector.9. Esta función regresa la transformada de Fourier de x. Después c es definida como fft(x). Mathcad designa esta secuencia de operaciones. La primera línea usa el símbolo definición para crear i como un rango variable. Después x¡ es formulado mediante la función Mathcad r n d para impartir una componente aleatoria a la señal sinusoidal. cambiar el color.5 y y = 3. Mathcad file Edil ylew ¡nsert Formal Malh gymbollcs Wlndow tjelp FAST FOURIER TRANSFORM Define a real signal in time: Signal http://libreria-universitaria. c. de coeficientes complejos que representan los valores en el dominio de la frecuencia. usted puede interpolar en cualquier ubicación mediante el ajuste (x. La gráfica de la señal se puede colocar sobre la hoja de cálculo al hacer clic en la ubicación deseada. Esto coloca una línea roja cruzada en esa ubicación. como el mostrado con x = 2.22. Mathcad realiza todo el resto para producir la gráfica mostrada en la figura 19. usted puede usar del menú la secuencia Format/Graph/X-Y Plot para variar el tipo de gráfica. Simplemente teclee x¡ en el lugar reservado sobre el eje y y 0 y 80 para el rango en el eje x.com .23. de tal manera que la interpolación de polinomiales no tengan que ser recalculados cada vez que se requiera la interpolación con diferentes valores de x y y. Después use del menú la secuencia Insert/Graph/X-Y Plot para reservar una gráfica en blanco sobre la hoja de cálculo con lugares para las expresiones a graficarse y para los rangos de los ejes x y y.

com . FIGURA 19.8.2. El siguiente ejemplo ilustra cómo usar algunas de ellas. y=sin(x). TABLA 19. Explore cómo se puede emplear MATLAB para ajustar curvas con los datos. Solución. Para hacer esto. a) Los valores de las variables independientes y dependientes se pueden introducir en los vectores por >> >> x=0:10.8 A J U S T E DE C U R V A S CON L I B R E R Í A S Y R O Q U E T E S 19.2 Algunas funciones de MATLAB para implementar interpolación. Emplee un tamaño de paso de 1 de tal forma que la caracterización resultante de la onda seno sea dispersa (véase la figura 19. Descripción Función polyfit interp 1 interp 2 spline fft EJEMPLO 1 9 . ajústela con a) interpolación lineal. http://libreria-universitaria. b) polinomial de quinto orden y c) una segmentaria cúbica. regresión. Después.3 MATLAB Como se resume en la tabla 19.24).blogspot. 5 Ajuste polinomial a datos Interpolación 1-D (tabla 1-D) Interpolación 2-D (tabla 2-D| Interpolación segmentaria cúbica de datos Transformada de Fourier discreta Uso de MATLAB para el ajuste de curvas ¡ | ¡ ! Enunciado del problema.1 9 . MATLAB tiene una variedad de funciones preconstruidus que abarcan las capacidades totales descritas en esta parte del libro.24 Once puntos muestreados de una sinusoidal. use la función seno para generar valores igualmente espaciados f(x) de 0 a 10. segmentarias y TRF.

blogspot. o ' . y .xi). >> xi=0:. x i ) .'o 1 .3542 -1. >> >> yi = potyvaL(p. y) como los valores interpolados linealmente se pueden graficar juntos.25:10. 1 p l o t ( x . x i . Estos se pueden a su vez usar para generar un nuevo conjunto de valores yi.5) donde el vector p cumple con los coeficientes polinomiales.0008 -0. plotCx.5860 -0. los cuales pueden de nuevo ser graneados junto con las muestras originales dispersas. la función polyfit de MATLAB se puede usar para generar los coeficientes de un ajuste polinomial de quinto orden de los datos originales dispersos. y i ) http://libreria-universitaria. La función MATLAB i n t e r p l puede entonces ser usada para generar valores de la variable dependiente yi para todos los valores xi mediante interpolación lineal.0915 p=poLyfit(x. como se muestra en la gráfica siguiente: >> >> y i = i n t e r p 1 ( x .6854 2.572 APROXIMACIÓN DE FOURIER Un nuevo vector más finamente espaciado con valores de la variable independiente se puede generar y guardar en el vector xi. >> P= 0. y .y.0290 0. x i .com . Tanto los valores originales (x. y i ) 0 2 4 6 8 10 b) Ahora.y.

y .3 a un ejemplo de cómo se puede hacer esto. 2 http://libreria-universitaria. En el actual análisis. y .. B . x i ) . SSPOLY(i + 1) contiene la suma de los cuadrados debido a las x' ajustadas a la media. x y x' '. los cuales se pueden nuevamente graficar junto con la muestra original dispersa. (Salida) SSPOLY (1) contiene la suma de los cuadrados debidos a la media. Se dedica la sección 20. el polinomial eiiplura la tendencia general de los dalos.3. y. RCURV se implementa con la siguiente declaración C ALL: C A L L R C U R V ( N O B S .com .xi.S S P O L Y . N D E G .2. 19. se mostrará algunas. SSPOLY = Vector de longitud NDEG + 1 que contiene las sumas secuenciales de los cuadrados. r . (Input) XDATA = Vector de longitud NOBS que contiene los valores x. > >p L o t ( x . (Entrada) YDATA = Vector de longitud NOBS que contiene los valores y. NDEG. S T donde NOBS = Número de observaciones. pero deja lucia la mayoría de los puntos.. la función spline de MATLAB puede ser usada para «justar umi segmentaria cúbica de los datos dispersos originales en la forma de un nuevo conjunto de valores yi.Asi.. nos concentraremos en la rutina RCURV Esta rutina ajusta los datos a un polinomial por mínimos cuadrados. por tanto. c) Finalmente.yi) 1 0 2 4 6 8 10 Debería observarse que MATLAB también tiene excelentes capacidades para realizar el análisis de Fourier. x.4 IMSL IMSL tiene numerosas rutinas para el ajuste de curvas que abarca todas las capacidades a cubrir en este libro. Y D A T A . (Entrada) NDEG = Grado del polinomial.9 fm\jo i c ve O tN L B I R E R A ÍS Y R A Q U T I S I > > y i = s p l i n e ( x .8..blogspot. (Entrada) B = Vector de longitud NDEG + 1 que contiene los coeficientes. Para i = 1. ' o . Una muestra se presenta en la tabla 19. X D A T A .

574 APROXIMACIÓN DE FOURIER TABLA 19.com . • TRF en dos y tres dimensiones complejas • Convoluciones y correlaciones Transformada de Laplace http://libreria-universitaria. Rutinas segmentaria cúbica CSIEZ CSINT CSDEC Descripción Fácil de usar rutina segmentaria cúbica No-un-nudo Deriva condiciones finales • Interpolación • Evaluación segmentaria cúbica e integración CSVAL CSDER Evaluación Evaluación de la derivada Evaluación sobre una rejilla Integración CS1GD CSITG • Interpolación segmentaria • Polinomio en fragmentos B • Rutinas de interpolación cuadrática polinominal para datos cuadriculados • Interpolación de datos dispersados • Aproximación de mínimos cuadrados RUÑE RCURV FNLSQ « Segmentaria cúbica suavizada Polinomio lineal Polinomio general Funciones generales • Aproximación de Chebyshev racional ponderada Ponderada racional Chebyshev aproximación • TRF real trigonométrica FFTRF FFTRB FFTRI Transformar hacia adelante Transformar hacia atrás o inversa Inicialización de la rutina para FFTR Transformar hacia adelante Transformar hacia atrás o inversa Inicialización de la rutina para FFTC • TRF exponencial compleja FFTCF FFTCB FFTCI • Seno real y coseno para las TRF • Cuarto real del seno y coseno paro las TRF.3 Categoría Rutinas IMSL para ajuste de curvas.blogspot.

3 0 .com .stat) * .y. 0 . 8 4 . x ( 1 ) . X Y YCALC' " R A PRINT PRINT PRINT PRINT 2 : " . 4 5 .l .ó Uso de IMSL para regresión polinomial m I Enunciado del problema. * * . ' N O .45 0.nobs ycalc=0.sspo1y.ndeg. Un ejemplo de un programa principal en Fortran 90 y de la función RCURV para resolver este problema se puede escribir como Fitpoly use msimsl PROGRAM I M P L I C I T NONE INTEGER::ndeg. 0 . 0 5 / y / 0 .ndeg+l ycalc(i)-ycalc(1)+b(j)*x(i)**(j-l) END DO PRINT END END DO '(1X. s t a t ( 1 0 ) . s t a t ( 5 ) D O i = l. 8 5 1 .nobs.832 0.blogspot.4))\ i . 3 7 8 .05 0.295 1. 0 .378 0. 0 . 0 . x ( n o b s ) .70 0. 0 .720 0. n o b s . " TERM: ".j PARAMETER (ndeg -3. 0 . n d e g + 1 PRINT ' ( 1 X .12 0.3(5X. 0 . b(1) END DO * ' ( I X .851 0. 1 2 . I I . 0 . 5 8 3 . " % " ) ' . Use RCURV para determinar la polinomial cúbica que proporciona un ajuste por mínimos cuadrados de los siguientes datos X 0. 1 .F8. (Salida) donde 1 = Media de x 2 = Media de y 3 — Varianza muestra de x 4 = Varianza muestra de y 5 = R-cuadrada (en porcentaje) 6 = Grados de libertad para la regresión 7 = Suma de cuadrados de la regresión 8 = Grados de libertad para el error 9 = Suma de cuadrados del error 10 = Número de datos (x. D O j = l.583 0. 7 0 . 0 . 0 .957 0.• T.8 ) R E A L : : b ( n d e g + l ) .Q AJUSTE DE CURVAS C O N LIBRERÍAS Y P A Q U E T E S STAT = Vector de longitud 10 que contiene la estadística descrita en la tabla 19. 0 5 .4.x.i.I8. s s p o l y ( n d e g + l ) . 9 5 7 . y ( 1 ) . y ( n o b s ) .30 0. PRINT A 1-1. ' F i t t e d polynomlal i s ' DO i . " X " .156 y Solución.15 0. F 5 .FS^)'. 0 . 2 . ycalc(nobs) DATA DATA CALL x / 0 .B.05 0. ycalcd) http://libreria-universitaria. 1 5 6 / RCURV(nobs. 8 3 2 . 1 5 . EJEMPLO 19. 7 2 0 . y) conteniendo NaN (no un número) como un valor x o y.84 0. 2 9 5 . 0 .

4500 .13). Use la regresión por mínimos cuadrados para ajustar con la ecuación (19. Tiempo.8711 . ha sido tabulada como Tiempo.1558 X 1 TERM: A X 2 TERM: A X 3 TERM: A R 2: A 9 9 NO.9401 .blogspot. Use la ecuación resultante para predecir la radiación que habrá durante la mitad de agosto.81% 1 2 3 4 5 6 7 8 PROBLEMAS 19. _ ¡¿mdx fix) = Use esta relación para verificar los resultados de la ecuación (19.0312 .1500 . ajuste a un sinusoide estos datos.1200 .9570 . amplitud y tiempo del pH máximo.2 La radiación solar en Georgetown.3780 .2950 .11) los siguientes datos.4 Use una serie de Fourier continua para aproximar la onda de dentado de sierra mostrada en la figura P19.3 Los valores promedio de una función se pueden determinar por FIGURA P l 9. W / m 2 J 122 F M 188 A 230 M 267 J 270 J 252 A — S 196 O 160 N 138 D 120 — Suponiendo que cada mes es de 30 días.9 8.4 Una onda diente de sierra.9 19.5830 . hr 0 7.8 8.com .9909 -1. 19.7200 .9 7. Use su ajuste para determinar la media.5786 .3000 .4.8400 1. Grafique los primeros tres términos junto con la sumatoria.0500 . Carolina del Sur. http://libreria-universitaria.0513 X .1560 YCALC . mo Radiación. 19.8510 .7000 .2785 -.2 8.5 12 15 20 22 24 7 PH 7 7.4 7.8423 .3880 .1 El pH en un reactor varía en forma sinusoidal durante el transcurso de un día.0500 Y . .4 7.3 2 4 5 7 8.1 6.2908 .7053 .8320 .576 | APROXIMACIÓN DE FOURIER i \ ] ' ? Un ejemplo de correr es F i t t e d polynomial i s X 0 TERM: A .

I « ) .8 Un rectificador de media onda se puede caracterizar por 19. 19. 4 1 2 . 3 \ CIÓN EXPONENCIAL 1 2 . 1 1 1 K 2 sen / 2 3n „ eos 2t 2 15TT eos 4í 19. 19.9 Construya la amplitud y línea de fase espectral del problema 19.12 Desarrolle un subprograma de uso amigable para la TRF con base en el algoritmo de la figura 19. Determine el 90% de intervalo de confianza para el intercepto.18. Tome tiempo a cada corrida y grafique la ejecución contra N para verificar la ligura 19. 5 3 .5. 9 3 . M G / L 1 4 . 1 1 Use el programa del problema 19.com . Pruébelo mediante la duplicación de la figura 19. Grafique y contra x junto con la ecuación exponencial y r .21 Repita el problema 19.17 mediante a) interpolación lineal.1 1 9 . 3 0 5 6 . I '). 1 0 Desarrolle un subprograma de uso amigable para la TDF con base en el algoritmo de la figura 19.18 Use Mathcad para generar 64 puntos a partir de la función /(í) = eos (3t) + sen (1 Oí) desde t = 0 a 2rc. 64 y 128 puntos de muestreo.8.5 I JTIO onda triangular. 6 3 . 5 1 0 1 2 .11 mediante el software que usted desarrolló en el problema 19.17 Use Mathcad para ajustar una segmentaria cúbica (con una línea recta en los puntos extremos) los siguientes datos: X 0 2 4 7 1 0 1 2 Y 5 . 3 1 7 . Pruébelo duplicando la figura 19. 9 2 5 .• 357T donde Q es la amplitud de la onda. pero ahora use la rutina RCURV de IMSL. Tome una TRF de esos valores y grafique los resultados.19 En una forma similar a la sección 19. Grafique los primeros cuatro (orminos junto con la sumatoria.2.13. 7 6 .15 Use el paquete de herramientas para el análisis de datos de Excel para desarrollar una regresión polinomial de cuarto orden. Use 32.0 a 47. repita la regresión.15. 4 1 3 I <).blogspot. Determine el valor de y en x = 3. 3 -1 1 f FIGURA P 19.8. 8 4 3 9 .8. agregue una componente aleatoria a la señal. 1 2 . 19. Grafique los primeros tres términos liinto con la sumatoria. 7 1 8 . 8 7 0 8 . 19. 4 2 . 1 4 U S E EL C O M A N D O T R E N D L I N E D E E X C E L A PARA «JUSTAR UNU ECUU- Sff 2 0 2 .18.6 Construya la amplitud y línea de fase espectral del problema 19. b) un polinomial de quinto orden y c) una segmentaria.3. 5 6 7 . I <>. 8 2 .13. Y 2 0 2 0 1 2 7 Ó 5 .8. 19. 2 0 1 6 2 4 3 2 4 0 O. con los siguientes datos que contienen la concentración de oxigeno disuelto en agua fresca contra temperatura a nivel del mar. 6 2 . I <>.5. 5 3 .12.4. 19. 19.10 para calcular una TDF pura la onda triangular del problema 19. pero ahora use MATLAB para realizar el análisis. Si pasa por cero. 4 1 8 7 .7 Construya la amplitud y línea de fase espectral del problema 19. 6 2 1 1 1 . I').S Use la serie de Fourier continua para aproximar la forma de la onda en la figura P19. Como se vio en la sección 19. pero ahora con el intercepto forzado a cero (ésta es una opción del cuadro de diálogo Regression) X 2 4 Ó 8 1 0 1 2 1 4 y(t) = C . 19. 5 7 5 . use MATLAB para ajustar los datos del problema 19.14. 5 1 5 1 7 . 7 2 6 .13 Repita el problema 19. 8 -eos 6 í .12.20 Repita el problema 19. 6 http://libreria-universitaria. Muestre la onda de t .16 Use el paquete de herramientas para el análisis de datos de Excel para ajustar una línea recta con los siguientes datos.

com como carencia de comida y producción de deiechoi tóxicos. o en forma de ecuación. Primero.2) d o n d e p = población cuando t = 0. y debido a q u e p se aproxima al infinito.1) P donde k — factor de proporcionalidad conocido como el crecimiento específico y tiene las unidades de tiempo" . Si k es una constante. En muchos de los modelos. la cual es tomada de la ingeniería química. La aplicación final muestra la forma en que se usa la regresión lineal múltiple para analizar datos experimentales en un problema de fluidos tomado de la ingeniería mecánica y aeroespacial. La segunda aplicación emplea segmentarias para estudiar un problema que tiene relevancia en el área ambiental de la ingeniería civil: transporte de calor y masa en un lago estratificado.blogspot. 20. es fundamental la hipótesis de que la razón de cambio de la población (dp/df) es proporcional a la población real (p) en cualquier tiempo (t). el organismo a modelar oslará limitado por luctorcs tales http://libreria-universitaria. Este comportamiento es claramente imposible para sistemas reales.CAPÍTULO 2 0 Aplicaciones en ingeniería: ajuste de curvas El propósito de este capítulo es usar los métodos numéricos para el ajuste de curvas en la solución de algunos problemas de ingeniería. se debe reconocer que la razón de crecimiento específico k no puede ser una constante en tanto la población se vuelva grande. muestra cómo se puede linealizar y ajustar los datos en un modelo no lineal mediante regresión lineal. Por tanto. Solución.1) se puede obtener de la teoría de las ecuaciones diferenciales: 1 p(t) = p e 0 0 kl (20. %=k (20. La tercera aplicación ilustra cómo se puede emplear una transformada rápida de Fourier (TRF) en la ingeniería eléctrica para analizar una señal determinando sus principales armónicas. Una forma de expresar esto . Este es el caso.1 R E G R E S I Ó N LINEAL Y M O D E L O S DE P O B L A C I Ó N (INGENIERÍA QUÍMICA/PETROLERA) Antecedentes.2) se observa que p(t) se aproxima al infinito en tanto t sea grande. el modelo debe ser modificado para hacerlo más realista. entonces la solución de la ecuación (20. Modelos de crecimiento poblacional son importantes en muchos campos de la ingeniería. En la ecuación (20. La primera aplicación.

1 en la figura 20. suponga que la población p representa la levadura empleada en la producción comercial de cerveza.3) donde k = la razón de crecimiento obtenible máxima para grandes valores de comidu (j) y K = la constante de saturación media. ya que conforma la concentración donde la razón de crecimiento específico es la mitad de su valor máximo. Esto se lleva a cabo al invertir la ecuación (20. K es la cantidad de comida disponible que respalda a una razón de crecimiento poblacional igual a la mitad de la razón máxima.3) de manera similar a la ecuación (17.blogspot. Las mediciones de k contra/para la levadura se muestran en la tabla 20. y / e s la concentración de la fuente carbono que será fermentada.4) k kf k f k "rnáxJ J a máx "máx Por este reordenamiento. Por tanto. mix Gráfica de la razón de crecimiento específico contra comida disponible para el modelo de razón de crecimiento saturado que se utiliza para caracterizar la cinética microblal.3) en una forma lineal.*±/ _!LJ_ _L.1. El valor de K se conoce como constante de saturación media. Las constantes K y k son valores empíricos basados en mediciones experimentales de k para varios valores d e / Como un ejemplo. Se requiere calcular & y Ka partir de estos datos empíricos. se ha transformado la ecuación (20.20. esto es. con pendiente K/k e intercepto l/k^. En la figura 20. Estos valores F I Gse U Rgrafican A 2 0 .com . 1 se tiene la gráfica de la ecuación (20.2. l/k es una función lineal de \lf.17) para obtener mÍK máx J. = = + (2 o.k = k J2. http://libreria-universitaria.3) y muestra que cuando f = K.1 REGRESIÓN LINEAL Y MODELOS DE POBLACIÓN en forma matemática es mediante el uso de un modelo de razón de crecimiento saturudo tal que k=k ~J— mix Í79 +J mk mix (20.

5) se puede resolver usando la teoría de las ecuaciones diferenciales o los métodos numéricos analizados en el capítulo 25 cuando f(t) se conoce.001305.02500 0. dando 1 milí dp — = 1.538 1.80 0.580 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS TABLA 20. Estos resultados combinados con la ecuación (20.06666 0.1 8 mg/L para una levadura que se usa para producir cerveza.1).11111 0.031 1.18+ r ' Observe que el ajuste da una suma de cuadrados de los residuos (como los calculados para los datos no transformados) de 0. 0.1 Datos usados para evaluar las constantes de un modelo de razón de crecimiento saturado para caracterizar la cinética microbial.48 0.blogspot.04000 0.29 0. se puede usar los procedimientos por mínimos cuadrados lineales descritos en el capítulo 17 para determinar k = 1.23 f p (705) V dt 22.01000 0. mg/L 7 9 15 25 40 75 100 150 k.010 0. entonces dpldt se aproxima a cero y la población se estabiliza.com . 0.23 d í a s " y K = 22.083 1.3) se comparan con los datos transformados en la figura 20.250 1. La línea es un ajuste por mínimos cuadrados que se usa para evaluar los coeficientes del modelo fe = 1.01333 0.99 1. FIGURA 20. S i / s e aproxima a cero en tanto p sea grande.97 0.935 Debido a esta transformación. y después se sustituyen en el modelo de la ecuación (20. La ecuación (20.703 2.14286 0.37 0.2 Versión linearizada del modelo de la razón de crecimiento saturado.3.23 días" y K = 22. máx 1 1/í L/mg http://libreria-universitaria.18 mg/L. f.00666 día L/mg 3.07 día" 1 \/f.448 2.65 0.

A 1 2 3 4 5 6 7 8 9 10 11 B D $B$1*A5/($B$2 + A5) = (B5 . Un procedimiento alternativo.97 0.65 0.000410 0.007134 1.20.1386 k 0.1 MORESIÓN LINEAL Y MODELOS DE POBLACIÓN III máx f.652384 0. que es capaz de relacionarse en esta forma original.48 0.000030 0.37 0. Como puede verse.000006 0.3 Ajuste del modelo de razón de crecimiento saturado para una levadura empleada en la producción comercial de cerveza.4 Regresión no lineal para ajustar el modelo de la razón de crecimiento saturado de una levadura empleada en la producción comercial de cerveza. La figura 20.791842 0.com . una columna de valores predichos es desarrollada.5.29 0.000004 >SUM(D5.000283 0.C 5 ) 2 A kmáx K f 7 9 15 25 40 75 100 150 1 1.. basada en el modelo y los parámetros iniciales.2301 22.355536 0.4 muestra cómo se puede usar la herramienta Solver de Excel para estimar los parámetros supuestos con regresión no lineal.071897 J* 0.000209 0.000067 0. FIGURA 20.295508 Res 2 A 0.00130J] http://libreria-universitaria. mg/L FIGURA 20.496828 0.949751 1. Éstos se usan para generar una columna de residuos al cuadrado que se suman. La linearización de la ecuación (20.80 0. y el resultado se coloca en la celda D I 4 .000294 0.3) es una forma para evaluar las constantes y K.blogspot.99 1.D12) 0. es la regresión no lineal descrita en la sección 17.07 SSR k-predicción ^ 0.

582 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS Después se utiliza el Solver de Excel para minimizar la celda D14 al ajustar las celdas B1:B2. como el mostrado en la figura 20.14. como se esperaba. y en el fondo es más fría y densa. es decir. En otras aplicaciones. el agua es tibia y liviana. m x r 20. La ubicación de la thermocline se puede definir como el punto de inflexión de la curva temperatura-profundidad.2 U S O DE S E G M E N T A R I A S P A R A E S T I M A R LA T R A N S F E R E N C I A DE CALOR (INGENIERÍA CIVIL/AMBIENTAL) Antecedentes. 2 FIGURA 20.blogspot. Como se ilustra en la figura 20. El resultado.23 y K = 22. da un estimado de k ^ = 1. la descomposición de materia orgánica puede acarrear reducción de oxígeno en el fondo aislado de las aguas. la regresión no lineal da un ajuste ligeramente mejor. con una S = 0.2). Los lagos en la zona templada pueden dividirse en estratos térmicos durante el verano.5 Temperatura contra profundidad durante el verano para el Lago Platte en Michigan. 7TC) 0 oI I 10 20 30 I I I II I I I i II I Epilimnion 10 Thermocline S N 20 Hypolimnion 30 http://libreria-universitaria. Como resultado. También use las segmentarias para determinar el valor del gradiente en la thermocline. De esta forma. Es también el punto en el cual el valor absoluto de la primera derivada o gradiente es un máximo. Tal estratificación divide efectivamente el lago de manera vertical en dos capas: el epilimnion y el hipolimnion separados por un plano conocido como el thermocline. En particular. La estratificación térmica tiene gran importancia para los ingenieros ambientales que estudian la contaminación de tales sistemas.4. cerca de la superficie.001302. Use segmentarias cúbicas para determinar la profundidad de la thermocline para el lago Piarte (véase la tabla 20. aunque.5. el punto en el cual (PT/dx = 0.com . esto puede no ser cierto (o la función puede no ser compatible con linearización) y la regresión no lineal podría representar la única opción factible para obtener un ajuste por mínimos cuadrados. la thermocline disminuye en gran medida el mezclado entre las dos capas. los resultados son casi idénticos.

3 T.3 11.0000 .0055 . 7.8203 22. 22.0148 .blogspot.3923 profundidad (m) 15.9 11.2646 14.1599 -.7 18. 23.1 8.2508 . 25.1884 -.8374 22. 13.0085 -.3973 -. 24. al sumar 10 veces el número de grupos más el conteo total de puntos individuales.2402 -.9981 dldad (m) 0. En 1848. 3.2 Temperatura contra profundidad durante el verano para el Lago Piarte en Michigan.4735 .3 ANÁLISIS DE FOURIER 983 TABLA 20. 6. 28.0261 -.2 0 m Solución. En la figura 20.3 y se enlistan las predicciones de la segmentaria junto con la primera y segunda derivada en intervalos de 1 m hacia abajo a través de la columna de agua.1166 . 4. 20. El análisis de Fourier se usa en muchas áreas de la ingeniería.4118 17. 22.1502 -.0618 . 5.61°C/m.6518 -.3 A N Á L I S I S DE F O U R I E R ( I N G E N I E R Í A ELÉCTRICA) Antecedentes. T(C) 22.0000 d2T/dz2 . 20. 17.0318 . 27. 12. 18. el valor absoluto de la derivada es la más grande) y la segunda derivada es cero. 8.9 20.1638 -.2346 -.7909 22. Los datos se analizan con un programa que fue desarrollado con base en el pseudocódigo de la figura 18.0245 .5825 dT/dz 0115 0050 0146 0305 . TABLA 2 0 . T(C) 12 7652 12 2483 11 9400 11 7484 11 5876 11 4316 11 2905 11 1745 11 0938 11 0543 11 0480 11 0646 11 0936 11 1000 dT/dz -.2086 .0212 .1199 -.6 9. 14. Calculó una cantidad que ahora se conoce como el número de puntos solares de Wolf. 9.0125 . 1.3004 . 19.7144 19.0966 .0436 .0248 .7907 22.8 2.9 13. 26. Los resultados se grafican en la figura 20.8691 16.7 11.0635 -. La profundidad es 11.35 m y el gradiente en este punto es — 1.6229 22.0045 .8 22. 21.8 4.7 se tiene registros de este número desde 1770.1 años.6531 20. Sin embargo.6.0000 http://libreria-universitaria.1167 . 16. Wolf determinó que la longitud del ciclo es de 11. 10.1 13. Rudolph Wolf diseñó un método para cuantificar la actividad solar al contar el número de puntos individuales y grupos de puntos sobre la superficie del Sol.3254 -.2665 21.7766 13.1303 -.20. Con base en los primeros datos históricos.7646 -1 1242 -1 4524 -1 6034 1 5759 1 3702 .0130 .2950 . Los resultados se despliegan en la tabla 20. se emplea de manera extensa en aplicaciones de la ingeniería eléctrica tales como en el procesamiento de señales.°C z. 11.0251 . 22. Observe cómo la thermocline está claramente localizada a la profundidad donde el gradiente es el más grande (es decir.8000 22.0021 .0332 .0229 .8.1 22.2569 -.7944 22. - d2T/dz2 . 3 Resultados del programa segmentario basado en el pseudocódigo de la figura 1 8.3939 -.0354 .0596 -.com .1001 -.0069 .1 27. 2.

3.com En el TIEMPO en que se IMPRIMÓ la EDICIÓN en INGLII DE EITE LIBRO EL HTLM ERA HNP'. 1 » » load s u n s p o t ..0 I I I I I I I I I IYI U IIII IMIIM I I I I I 1 I II Thermocline b) c) Use un análisis de Fourier para confirmar este resultado mediante la aplicación de una TRF a los datos de la figura 20 . 1700 1800 1900 2000 http://libreria-universitaria..584 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS T. 0 -1. FIGURA 2 0 . 7 Gráfica del número de puntos solares de Wolf contra año.0 ... Los datos para los años y el número de puntos solares se bajaron de la web y se guardaron en un archivo de tabulador delimitado: sunspotdat..2). 6 Gráficas de a) temperatura. Solución.0 0.1).//WWW.NOU.GOV/ /ITP/SOLAR/SSN/NN. d a t year-sunspot(:. 5 0.1 . El archivo se puede cargar en MATLAB y a la información del año y número se le asignaron vectores con el mismo nombre. La thermocllne se localiza en el punto de inflexión de la curva temperatura-profundidad.0 . °C 0 4 8 FIGURA 2 0 . .2 . 12 16 20 24 28 a) 0 dT/dz d*T/dz* 0..HTML...5 II 10 20_ . .number-sunspot(:.NGDC.. b) gradiente y c) segunda derivada contra profundidad (m) generadas con el programa segmentarlo cúbico. Determine con toda precisión el periodo al desarrollar una gráfica de potencia contra periodo.blogspot.

h^i 1 1 U ^ L 1 1 Periodo (años) 20 30 http://libreria-universitaria. se aplica una TRF a los números de puntos solares » y-fft(number): Después de obtener la primera armónica.4 ANÁLISIS DE DATOS EXPERIMENTALES Después. indica un pico a los casi 11 años.4 ANÁLISIS DE DATOS EXPERIMENTALES (INGENIERÍA MECÁNICA/AEROESPACIAL) Antecedentes. O C TÍ <D 10 a. / f r e q >> plot(period. se puede determinar el periodo y una gráfica potencia-periodo. freq=(l:n/2)/(n/2)*nyquist: A En este punto. El valor exacto se puede calcular con >> index=-f ind(power==max(power)).20. como el mostrado en la figura 20.'. 2.power): El resultado. 9259 20. >> p e r i o d = l . n=length(y). Con frecuencia esta dependencia funcional es mejor FIGURA 20. se determina la longitud de la TRF («) y luego se calcula la potencia y frecuencia. el espectro de potencia es una gráfica de potencia contra frecuencia.8 I . nyquist=l/2. power=abs(y(l:n/2)).com . >> period(index) ansI O . » » » >> » y(l)-[ ] .8.'I números de puntos i i i h i e s de Wolf. ya que el periodo es más significativo en el contexto actual. Las variables de diseño en la ingeniería son a menudo dependientes de varias variables independientes.poctro de potencia para li I.blogspot. Sin embargo.

0 La ecuación de potencias a evaluarse es at Q = aD S ai (20. un estudio en ingeniería mecánica indica que el flujo de un fluido a través de una tubería esta relacionado con el diámetro de la tubería y la pendiente (véase la tabla 20.() http://libreria-universitaria.025 pies/pies.3.903 2.05 Flujo.001 0.62 a = 0. la ecuación (20.3 24.586 APLICACIONES E N INGENIERÍA: AJUSTE DE CURVAS caracterizada por ecuaciones de potencia multivariable. se puede generar las siguientes ecuaciones expresadas en forma matricial [recuerde la ecuación (17.01 0. una regresión lineal múltiple de datos transformados a logarítmicos proporciona un medio para evaluar tales ecuaciones.0 1 1.903 44.05 200. Por ejemplo.7475 0 a\ = 2. \ Y 2 — coeficientes.079 log a 0 11.6) es ahora (20.0 . la ecuación es adecuada para una regresión lineal múltiple.7) Q = TABLA 2 0 .334 0.blogspot.334 -18.6) 3 0 donde Q = flujo (pies /s).5 pies y una pendiente de 0. y a .7 28. D = diámetro tubería (pies). Solución.05 0.001 0.954 -4. 4 Experimento 1 2 3 4 5 ó 55.1 <W.9 84.903 -4. S = pendiente (pies/pies).22)]: 9 2.903 -18.001 0. pendiente y flujo en tubos circulares de concreto.207 ai ai Este sistema se puede resolver usando la eliminación de Gauss para log a = 1. pies/pies 0.2 4. D i á m e t r o . Tomando el logaritmo a esta ecuación resulta a a log Q = log a + ai log D + a log S 0 2 En esta forma.4 8. Como se analizó en la sección 17.54 2 Si log a = 1. ya que log Q es una función lineal de log S y log D.945 -22.4).01 0.9D S 262 0M Datos experimentales para diámetro. pies /s 3 1. pies 1 2 3 1 2 3 1 Pendiente.9.01 0.4. Use regresión lineal múltiple para analizar estos datos.com 9 7 8 2 3 0.691 3.7475. Después use el modelo resultante para predecir el flujo en una tubería con un diámetro de 2. Usando el logaritmo (base 10) de los datos en la tabla 20. a = 10 0 1 7 4 7 5 0 = 55.

5 pies y S = 0. - . con el fin de obtener polinomial para obtener-una ecuación predictiva de segundo or. Usted realiza experimentos y determina los siguientes valo.85£)4.com .5 Use regresión lineal múltiple para obtener una ecuación 1 1 1 l. Ingeniería química/petrolera función de la temperatura para el caso en que la concentración U\.5) (0.85 Esta relación es conocida como ecuación de PROBLEMAS Hazen-Williams.4 y 20. En el caso de los datos de la tabla P20. se supone. un polinomial de tercer orden para la tempetic oxígeno disuelto para T = 18°C con cloro = 10 000 mg/L. como en Q = 55.3 10. Ignore el primer punto cuando ajus. 3 Dependencia de la concentración de oxígeno disuelto sobre la temperatura y concentración de cloro.PROBLEMAS 587 La ecuación (20.1 8.9(2.6 10. 1 0 J La concentración saturada de oxígeno disuelto en agua como una función de la temperatura y de la concentración de cloro se enlista en la tabla P20.0 9.0 8.6 Al comparar los modelos de los problemas 20. predictiva para la concentración de oxígeno disuelto como una 2 0 2 .2 8.1 pie /s 3 Debe observarse que la ecuación (20. O x í g e n o d i s u e l t o ( m g / L ) p a r a la concentración establecida de cloro y t e m p e r a t u r a T e m p e r a t u r a .20. Use interpolación para estimar el nivel Esto es.025 pies/pies.i ecuación.blogspot. 20.025) S ' Z62 0 54 = 84.3 use la interpolación ratura y una relación lineal para el cloro.8 Cloro = 2 0 0 0 0 m g / L 10.4 6. °C 5 10 16 20 25 30 Cloro = O m g / L 12. Use la ecuación para estimar la de cloro regresión lineal y transformaciones para ajustar los datos con concentración de oxígeno disuelto para T — 8°C.5 9.4 Cloro = 1 0 0 0 0 m g / L 11.3.3 9.7) se puede usar para predecir el flujo para el caso de D — 2.1.Q 1721 L 1.7) y la fórmula resultante se resuelve para h . muí ecuación por potencias. un 1 250 1 280 1 350 1 480 1 580 1 700 modelo algo más sofisticado que toma en cuenta el efecto tanto I Isc regresión y determine un modelo para predecir c como una de la temperatura y del cloro en el oxígeno disuelto saturado puede ser propuesto de la forma nineión áeT.1 http://libreria-universitaria. I Realice el mismo cálculo de la sección 20.7 6.4 6.2 7. pero ahora use es igual a 20 000 mg/L. ¿ 0 4 . Use la ecuación para estimar la concentración de oxígeno disuelto para una concentración de cloro de 15 000 mg/ -40 10 100 -20 70 120 L e n f = 12°C. Use el procedimiento general lineal por den que exprese la concentración de oxígeno disuelto como una mínimos cuadrados para ajustar este modelo con los datos de la os = HT) + f\(c) TABLA P 2 0 .3.2 7. y longitud de tubería L por S = hJL. la pendiente se relaciona con la pérdida de carga h.función de la temperatura y del cloro con base en los datos de la res ile capacidad calorífica c para varias temperaturas Tde un gas: tabla P20.resultados superiores. se obtiene la siguiente ecuación: L k. Por ejemplo.8 11.5.7) se puede usar para otros propósitos además del cálculo de flujo. Si esta relación se sustituye en la ecuación (20.2 7.

A esta profundidad.5 11 3. del carri y. pies 3 5 8 10 5 7 8 6 6 6 10 10 8 9 4 5 7 8 Determine vpara T = 750 °F.2 5. Los datos se colectaron para anchos de carriles de bicicletas y distancias promedio entre bicicletas y carros en circulación. a la tensión 10 4 15 20 20 18 25 50 40 50 48 tabla P20.9 1.5 Como se ilustra en la figura P20.10.0 13 2. -20 3 0 8 104 20 8 700 40 9 300 50 9 620 70 10 2 0 0 100 11 2 0 0 120 11 7 0 0 P.9 http://libreria-universitaria.5 9. a una presión de 2 950 lb/pulg absolutas: 2 T.1 0.6 0.1 5.12 Se realizó un estudio de ingeniería del transporte para determinar el diseño adecuado para carriles de bicicletas. 20.3.8 Se reunieron los siguientes datos para determinar la relación entre presión y temperatura de un volumen fijo de 1 kg de nitrógeno.5 22 2.N / m 7 500 Emplee la ley de los gases ideales pV = nRT para determinar R con base en estos datos. se puede idealizar al tanque como dos zonas separadas por un fuerte gradiente de temperatura o thermocline.10 Use una segmentaria cúbica para el ajuste de estos datos con el fin de determinar la profundidad de la thermocline.5 68 1. 20.9 0.7 6. 20. La profundidad de este gradiente se puede definir como el punto de inflexión de la curva temperatura-profundidad. m Esfuerzo. Observe que para la ley Tse debe expresar en Kelvin.5 7 5 5.com Eütime el E S F U E R Z O C O R T A N T E A U N A P R O F U N D I D A D 4.7 Se sabe que la resistencia a la tensión de un plástico aumenta como una función del tiempo cuando se calienta. 20.3 3.1 DE Ingeniería civil/ambiental Thermocline 8. Los datos de 11 calles son: Distancia x. °F v 700 0. el flujo de calor de la superficie al fondo de la capa se puede calcular con la ley de Fourier. El volumen es de 10 m .6 4.1603 780 0. °C 20 40 60 . Se dispone de los siguientes datos: 55 80 60 60 75 78 33 Ajuste a una línea recta estos datos y use la ecuación para determinar la resistencia a la tensión en un tiempo de 30 min. Use la ecuación resultante para estimar la concentración de oxígeno disuelto para una concentración de cloro de 20 000 mg/L en T= 30°C.8 0.10 Un reactor está térmicamente estratificado con los valores de la siguiente tabla: Profundidad.1703 20. °C 0 70 0.blogspot.dT C ¿ 7 20.0 10 7. el punto para el cual d T/dz = 0.0 1. es decir.11 El esfuerzo cortante. kpc 1.1462 760 0.9 El volumen específico de un vapor sobrecalentado es enlistado en tablas de vapor para diferentes temperaturas. Temperatura T. Por ejemplo.1058 720 0. táÍÉM .4 0. en kips por pie cuadrado (kpc) de nueve muestras tomadas a distintas profundidades en un estrato de arcilla son Profundidad. m Temperatura.5 T N .3 1. Si k = 0. 3 °C T.1 1.01 cal/(s • cm • °C) calcule el flujo a través de esta ¡nterface.588 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS Tiempo Resis.0 55 1. 2 2 FIGURA P20.1280 740 0.3 10. pies A.

8 175.4 94.1 130. con frecuencia es útil determinar una relación entre flujo y precipitación.u clorofila a es un parámetro que indica cuánta vida de plantas CH\Í\ suspendida en el agua.7 101.6 4.com . m / s 3 88. Para algunos ríos es difícil obtener registros históricos de muchos años atrás de tales datos de flujo. cm Flujo. Por tanto. 1 5 I . Ajusto u una linca recta los datos mediante regresión lineal.14 La concentración de fósforo total (p en mg/m ) y clorofila ¡i (c en mg/m ) para cada uno de los Grandes Lagos es 3 3 o. datos meteorológicos sobre precipitación de muchos años atrás están a menudo disponibles.9 114.0 1.0 99.15 El esfuerzo vertical o debajo de la esquina de un área rectiingulur sujoln u una carga uniforme de intensidad q está dada por In solución do la ecuación do Doussinesq: 3 2 http://libreria-universitaria. 20.0 132.5 8.1 206.7 269.0 19. como una función de p.8 5.0 0.5 39. 20.0 5. se tienen los siguientes datos Precipitación.5 Ya que es inconveniente resolver esta ecuación de forma manual.9 239. se ha reformulado como o = z qf (m.13 En la ingeniería de abastecimiento de aguas. c) Si lu distanciu promedio mínima segura entro las bicicloüu y los carros circulando se considera de 7 pies.8 121.6 172. Agrcguo estu linca a la gráfica.0 a) Grafique los datos. J O Hurón I < i. = + sen 2mn 1 m + n + 1 2 2 m +n + 2 2 2 2 m + n + 1 + mn 2 2 2 2 2 m +n +1 2 2 2mn Km + n + 1 m + n + 1 + mn 2 2 2 2 li i<|0 Superior t e L I J O Michigan 111.4 3.8 2. Sobreponga la línea de su gráfica. Use esta ecuación para predecir el nivel de clorofila que puede esperarse si el tratamiento ilo desechos os usado para disminuir la concentración de fósforo en la cuenca oeste del Lago Erie a 15 mg/m . el tamaño del reservorio depende de la estimación exacta del flujo de agua en el río del cual se toma. Por el contrario.5 21. determine el ancho de carril mínimo correspondiente.2 11.«) />) u n i f i q u e Ion dutos.blogspot. Use los datos anteriores para determinar una relación c.9 139. jo Erie: C luenca oeste Cuenca central ("uenca este lurjo Ontario 4.0 161.n) : FIGURA P 2 0 . c) Use la mejor línea de ajuste para predecir el flujo de agua anual si la precipitación es de 120 cm.4 116. b) Ajuste a una línea recta los datos mediante regresión lineal.0 104. Esta relación se puede entonces usar para estimar flujos por años pero sólo cuando se hicieron dichas mediciones de precipitación. indica qué tan turbia y o|)iicu parece el agua.1 152. Como tal.5 17. 2(1. Para un río que se va a encauzar a un dique.

1.2 0. 20.25 -0.5 8 1.88 2.5 7 1 5. 20.002 4965 0. Si la fuerza del viento es de 25 069 N. Observe que q es igual a la carga por área.3.1250 6.08323 0.08561 0. Exprese su respuesta en toneladas por metro cuadrado..2 4 2.2 2 3.19.1 a) Si a = 4.05894 0.0045 5 172 0.0085 6 896 0. pero ahora analice los datos generados con f(t) = 5 eos (7í) — 2 sen (40 + 6. . c Ingeniería eléctrica 20.14749 0.14309 0. b) Resuelva el inciso d) pero ahora use la función espline de Mathcad que se describió en la sección 19. Se efectuaron pruebas para definir la relación entre esfuerzo y deformación unitaria. con m = alz.8 3 3. donde L = longitud del mástil.2 Con base en una regresión lineal de estos datos.03058 0.05733 0.0013 3 586 0.22 Los siguientes datos se tomaron de un experimento que mide la corriente en un alambre para diferentes voltajes suministrados: 2 3 7.17 El mástil de un velero tiene un área de sección transversal de 10.15703 0. A 5.0060 5517 c 0. cm/cm Esfuerzo.17739 n= debajo de la esquina de un estribo rectangular que está sujeto a una carga total de 200 1 (toneladas métricas).8 7 1.com i.75 -0.16 Tres organismos portadores de enfermedades decaen de 1.2402 0.5 1.0000 0.25 0.05994 0. 20.14 m.45 0. n) se conoce como el valor influencia y m y n son relaciones adimensionales.8 4 10.1 1 135 0.6 manera exponencial en las aguas de un lago de acuerdo con el siguiente modelo.3 10 27.20 Realice nuevamente el cálculo del problema 20.0 Determine i en t = 0.5000 0.6 0.22.16843 n= 0.2500 7.21 La corriente en un alambre se mide con gran precisión como función del tiempo: http://libreria-universitaria.7 5 13 7 19.1 0. use los datos para estimar la deflexión de un mástil de 9. Interprete sus resultados.7880 0.0005 1241 El esfuerzo causado por el viento se puede calcular como F/A : donde F = fuerza en el mástil y A = área de sección transversal del mástil.6 1. 20.36.12626 0.03007 0.13241 0. n = blz y a y b como se definen en la figura P20. p(t) = Ae~ ' L5 +Be~ ' 03 +Ce' ' 0XK Calcule la población inicial de cada organismo (A.8. 20. Si es así.15027 0.5 .18 Realice los mismos cálculos que en la sección 20. B y Q dadas las siguientes mediciones: i.10941 0.590 z APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS donde f {m. Los resultados son / t i 0 0 0.08709 0. hr 0.10631 0.65 cm y se construye de una aleación experimental de aluminio.2 0.3750 4.2 9 1.1 6 1.8 m n = 1.0 6.5 0.5 V Use interpolación polinomial para estimar la caída de voltaje para i — 1. Grafique y evalúe los resultados.16199 0. N/cm 2 0. El valor influencia es entonces enlistado en una tabla. Los resultados de las pruebas Deformación unitaria.70 1. use una interpolación polinomial de tercer orden para calcular o a una profundidad de 10 m z 2 Pin 20. determine la corriente para un voltaje de 6 V Grafique la línea y los datos y evalúe el ajuste.2.4 0.3 0. pero ahora use regresión polinomial para obtener una ecuación cúbica para ajustar los datos.17389 1.8 y b — 16.13003 0. una porción de la cual se da aquí: 0.4 0. Determine si es una buena suposición quo el intercepto sea cero.19 Usted mide la caída de voltaje Va través de una resistencia para un número de diferentes valores de corriente i. Este valor se puede sustituir en la ley de Hooke para determinar la deflexión del mástil: AL = deformación X L. 5 2.16515 0.02926 0.blogspot. comience la regresión y fuerce ol intercepto a cero.8599 0.7 0.

el método preferido para el ajuste de la curva podría ser el de regresión para el análisis de tales obtenida por regresión a partir de estos datos? datos experimentales.6 0. use interpolación lineal y cuadrática para calcular Q para D = 1. pero ahora determine los coefite correspondiente para cada resistencia.23 Se sabe que la caída de voltaje a través de un inductor cumple la ley de Faraday -1. del intercepto de la ecuación Debido al error de medición.s/A) e i es la corriente (en amperes). Use una interpolación resistencia. Esas funciones son usualmente no sujetas a una evaluación directa y.30 Reproduzca la sección 20. 1 H = IV. 20.0968 f p 0 100 5 212 10 448 15 949 20 2 009 Como ingeniero que trabaja en una compañía de servicio usted debe pronosticar la población que habrá dentro de 5 años.24 Datos experimentales para la caída de voltaje a través de un resistor sujeto a varios niveles de corriente -0. mentos muy precisos para medir la caída de voltaje y la corrien. pero ahora desarrolle una ecuación para predecir el diámetro como una función do lu pendiente http://libreria-universitaria. sugieren que fluye a través del resistor como en V = iR. por tanto.25 13.4.para i = 0. A/s v v h 1 5 2 12 4 18 6 31 8 39 10 50 más que una línea recta representada por la ley de Ohm.00 -.0 0.2239 2.PROBLEMAS 0 *1 TABLA P20. como en el estudio de los campos eléctricos p o r ejemplo. Los datos resultantes son Temperatura. como cientes de la ecuación de quinto orden (véase la sección 18. través de un resistor ideal es linealmente proporcional a la corriente i asi como la precisión de los métodos experimentales.24. ¿Cuál es el significado.3400 2. resistencias reales podrían no siempre polinomial de quinto orden para ajustar los datos y calcule V cumplir la ley de Ohm. Ingeniería mecánica/aeroespacial listime J (2.5625 0. Sin embargo.com .00 193 20.1666. se debe ajustar una curva a los datos.8 0.26 Se realiza un experimento para determinar el porcentaje de alargamiento de un material conductor eléctrico como una función de la temperatura. 20. sugieren una relación curvilínea que ajusten los datos de la tabla P20.23 pies y S = 0.50 41 1.20. la suavidad de esta relación.24. Compare sus resultados con los mismos valores calculados con la fórmula obtenida en la sección 20.01 pies/ pies. Por ejemplo.25 Repita el problema 20. 1. Emplee un modelo exponencial y regresión lineal para hacer esta predicción. Para cuantificar esta relación.25 -13.4. Observe que el valor real es 0. Emplee los siguientes datos para estimar L: L V -193 di/dt.2 0. L es la inductancia (en henrys. 20.28 La población (p) de una pequeña comunidad en los suburbios de unu ciudad crece con rapidez en un periodo de 20 unos: 0 20.29 Con base en la tabla 20. Suponga que usted realiza varios experi.blogspot. 20.1104 2.50 -41 donde V es la caída de voltaje (en volts).24.4.24 La ley de Ohm establece que la caída de voltaje Va. d) = mediante una interpolación polinomial y b) usando segmentarias cúbicas. °C Porcentaje de alargamiento 200 11 250 13 300 13 375 15 425 17 475 19 525 20 600 23 Prediga el porcentaje de alargamiento para una temperatura de 400°F. a menudo se compilan en tablas matemáticas estándar.\). Sin embargo. para poder anticipar la demanda de energía.4 0.0025 2.5625 0. si lo hay.27 Las funciones Bessel surgen con frecuencia en análisis avanzados de ingeniería. Los resultados. 20.10. donde R es la que la interpolación podría ser la apropiada.4) se enlistan en la tabla P20.

7923 4 1.1168 20 1.32 Gráfica de fuerza (en 1 0 newtons) contra desplazamiento (en metros) para el resorte de un sistema de suspensión de un automóvil.43 70 0.9186 Grafique estos datos a) Use interpolación para predecir va T = 7. Observe que para un peso por arriba de 40 X 10 N. Comente sus resultados. Se puede establecer un valor para este parámetro de manera experimental al colocar pesos conocidos sobre el resorte y midiendo la compresión resultante.5676 8 1. m Fuerza. pies 15 16 20 20 25 34 30 40 40 60 50 90 60 120 Estime la distancia de frenado para un carro que circula a 45 mi/h. significa que el alargamiento del resorte y la fuerza aplicada están linealmente relacionados. 1 0 " cm /s 2 2 0 1. 3 2 Valores experimentales para alargamiento x y fuerza F para el resorte en un sistema de suspensión de un automóvil.°C v. Compare sus resultados con la fórmula de la sección 20.34 La distancia requerida para detener un automóvil es una función de su velocidad.32 y graficados en la figura P20.35 40 0.10 10 0. b) Use regresión polinomial para ajustar una parábola a los datos para realizar la misma predicción.32 La ley de Hooke.0105 24 0. 0. Los siguientes datos experimentales fueron colectados para cuantificar esta relación: 4 FIGURA P20.44 Desplazamiento.com 10" N 80 . http://libreria-universitaria. está relacionada con la temperatura en la siguiente forma: T. ajuste a una relación no lineal la porción no lineal.33 Repita el problema 20. 20.39 60 0. Esta clase de comportamiento es típica de lo que se denomina un "resorte endurecido". La proporcionalidad es parametrizada por la constante del resorte k. Desplazamiento. Tales datos están contenidos en la tabla P20. Emplee regresión lineal para determinar un valor de k para la porción lineal de este sistema.blogspot.5°C. Además. m TABLA P 2 0 .32.17 20 0.42 60 0. 4 Velocidad. mi/h Distancia de frenado.4 y analice sus resultados.2396 16 1.31 La viscosidad cinemática del agua.27 30 0.32 pero ahora ajuste a una curva de potencias todos los datos en la tabla P20.592 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS y flujo.3874 12 1.32. v. la relación entre la fuerza y el desplazamiento ya no se cumple. la cual se cumple cuando un resorte no se deforma demasiado. 20. 20. 20.

kg/mm 2 593 c) Use la ecuación de mejor ajuste para predecir el tiempo do fractura para un esfuerzo aplicado de 17 kg/mm . x. m g.6879 60000 9.6278 80 000 llwnpo de fractura. Se aplican ocho diferentes valores de esfuerzo.36 La aceleración debida a la gravedad a una altitud y por arriba de la superficie de la tierra está dada por 2 5 40 10 30 15 25 20 40 25 18 30 20 35 22 40 15 y. Calcule g para y = 55 000 m.8100 20 000 9. Sobreponga esta línea en su gráfica.com . y los datos l'ONultantes son il (iplic.35 So reulizu un experimento para definir la relación entre el P N t ú c r z o aplicado y el tiempo para fracturar un acero inoxidable.5682 u) Grafique los datos />) Ajuste a una línea recta los datos usando regresión lineal.PROBLEMAS Í0. 20.blogspot. m/s 2 0 9. h 9.7487 40 000 9. http://libreria-universitaria. y.

TABLA PT5. Tales métodos son denominados regresión por mínimos cuadrados. Para situaciones donde una variable dependiente y una independiente exhiben una relación curvilínea. De manera alterna. La regresión lineal múltiple se utiliza cuando una variable dependiente es una función lineal de dos o más variables independientes.E P Í L O G O : PARTE C I N C O PT5. según sea la incertidumbre de los datos. puede aplicarse la regresión lineal a las variables transformadas con el fin de determinar la mejor línea recta. En algunos casos. se usan transformaciones para linearizar la relación.4 proporciona un resumen de los elementos de juicio involucrados en el ajuste de curvas. Para mediciones imprecisas se usa regresión para desarrollar una "mejor" curva que ajuste la tendencia global de los datos sin que necesariamente pase a través de cualquier punto individual. Errar asociado con d a l o s A j u s t e con los datos individuales N ú m . En estos ejemplos. la regresión polinomial puede emplearse para ajustar una curva directamente con los datos. La regresión lineal por mínimos cuadrados se usa para casos en los que una variable dependiente y otra independiente se relacionan una con la otra en forma lineal. de p u n t o s que a j u s t a n en f o r m a exacta E s f u e r z o de programación Método Regresión Regresión lineal Regresión polinomial Comentarios Grande Grande Aproximada Aproximada Fácil Moderado El error de redondeo se vuelve pronunciado para versiones de orden superior Regresión lineal múltiple Regresión no lineal Interpolación Polinomios por diferencia dividida de Newlon Polinomios de Lagrange Grande Grande Pequeña Aproximada Aproximada Exacta 0 0 n+ 1 Moderado Difícil Fácil Usualmente elegido para análisis exploratorios Usualmente preferido cuando se conoce ol orden Pequeña Exacta n+ 1 Fácil Pequeña Segmentarlas cúblcat http://libreria-universitaria. Las técnicas se dividieron en dos grandes categorías. hay varias opciones disponibles. Se puede aplicar también transformaciones logarítmicas a este tipo de regresión para algunos casos en los que la dependencia múltiple es curvilínea.com Exacta Ajuste por secciones Moderado Primera y segunda derivada laual en nodoi . Todos los métodos de regresión se designan para ajustar funciones que minimicen la suma de los cuadrados de los residuos entre los datos y la función.4 E L E M E N T O S DE JUICIO La tabla PT5 .blogspot.4 Comparación de las características de métodos alternos para el ajuste de curvas. Para mediciones precisas se usa interpolación para desarrollar una curva que pasa justo a través de cada uno de los puntos.

se dispone de una transformada rápida de Fourier para modificar en forma eficiente una función a partir del dominio del tiempo y de la frecuencia para poner en claro su estructura armónica en cuestión. la versión de Lagrange es algo más simple de programar y no requiere el cálculo y almacenamiento de diferencias divididas finitas. En contraste con las otras técnicas. Se dispone de técnicas de regresión especiales para ajustar tales ecuaciones.PT5. en muchas aplicaciones de ingeniería (esto es. En lugar de esto. Tales datos tienden a inducir oscilaciones desordenadas cuando se interpolan polinomios de orden superior. La interpolación de polinomios de Lagrange es una formulación alternativa que es conveniente cuando el orden se conoce de antemano. PT5. un error estimado se puede simplemente incorporar en la técnica. Así. Por ejemplo.blogspot. La segmentaria cúbica es la versión más común. El polinomio de Newton es apropiado para tales situaciones. Estos son métodos aproximados que empiezan con un parámetro inicial estimado y después iterativamente regresan al punto inicial con valores que minimizan la suma de los cuadrados. Además. Para esas situaciones. Las segmentarias cúbicas son menos propensas a esas oscilaciones debido a que están limitadas a variaciones de tercer orden. La interpolación polinomial por diferencias divididas de Newton es ideal para aquellos casos donde el orden adecuado del polinomio se desconoce.6).com . el mayor énfasis de este procedimiento es no ajustar los datos a una curva. Esta tabla se puede consultar para tener un rápido acceso a relaciones y fórmulas. El ajuste se hace de manera suave al igualar las derivadas de los polinomios adyacentes con el mismo valor en sus puntos de conexión.5 resume información importante que se presentó en la parte cinco. http://libreria-universitaria. El último método que se estudia en esta parte del libro es la aproximación de Fourier. ya que se programa en forma fácil en un formato que sirve para comparar resultados de diferentes órdenes. Las segmentarias son de gran utilidad cuando se ajustan datos que por lo general son suaves. La interpolación polinomial está diseñada para ajustar al único polinomio de nésimo orden que pasa justo a través de n + 1 puntos precisos. Son clasificadas así porque son lineales con respecto a sus coeficientes. Sin embargo. esto no es así. el ajuste de la curva se emplea para analizar la frecuencia característica de la señal. Esta técnica ajusta un polinomio de bajo orden para cada intervalo entre los datos. usted puede comparar y escoger de los resultados al usar varios polinomios de diferente orden. Esta área trata del uso de funciones trigonométricas para aproximar formas de onda. para ajustes de orden inferior). Este polinomio se presenta en dos formatos alternos. Las ecuaciones que no son lineales con respecto a sus coeficientes son llamadas no lineales. Otro procedimiento para ajustar curvas es la interpolación segmentaria. pero que exhiben áreas locales de cambio abrupto. Estos modelos son típicamente implementados mediante sistemas algebraicos lineales que algunas veces están mal condicionados. En particular.5 RELACIONES IMPORTANTES Y FÓRMULAS La tabla PT5. se dispone de una técnica llamada polinomiales ortogonales para realizar regresión de polinomios (véase la sección PT5. Para casos donde sea un problema se cuenta con procedimientos alternos.5 RELACIONES IMPORTANTES Y FÓRMULAS La regresión polinomial y lineal múltiple (observe que la regresión lineal simple es un elemento de ambas) pertenece a una clase más general de modelos de mínimos cuadrados lineales.

Formulación y=a 0 Interpretación gráfica Errores + a. y* Regresión lineal múltiple y = a + a.px ] °o = Y . Primera y segunda derivadas son ¡guales en cada nodo 3 x-x .com ..-s s . ..x. se ajusta a cada intervalo entre nodos.(m + s . x.x ) f [ x . ' V n . 2 0 (x .£ x. x ] 2 2 0 / ?=( x-x ) ( x-x ( .x Regresión polinomial n S xy.s s . r/ r s.x ] x Segmentarias cúbicas +C x j + c¡2 *N o a t :P 'o rs m ip c i l d ia d . n £ x . = l a 2 ( 2 0 ] m m i. n - Interpolación polinomial por diferencias divididas de Newton Interpolación polinomial de Lagrange donde b = f(xg) 0 f \x) = b + b. x ] 0 2 3 2 0 2 2 0 2 b X j y t a v b 3 + i x + c x+cr 2 1 1 • nodo + ¿2 X 2 http://libreria-universitaria.5.° i x y=o + o x+.x ) + 0 b( x2 *o)(* _ x i) R 2 s . ( x-x ) f [ x . |x .2 ~ S . S . s . |x . . \/ x .x )6 f 0 2 2 0 2 3 2 0 [m + b = f[x .5 Método Regresión lineal EPÍLOGO: PARTE CINCO Resumen de información importante presentada en la parte cuatro. + • • • + a„xm Evaluación de las a equivalentes para la solución de m + 1 ecuaciones algebraicas lineales 0 i • •• x 2 V »-Vn.x .x . X y.X f ( x )= f ( x ) 0 2 .s em u e a r s t nl a sv e r s o in e sd es e g u n d oo r d e n .blogspot..+ a x (Evaluación de las a equivalentes para la solución de m + 1 ecuaciones algebraicas lineales) donde a. * 0 < i -x A i x— / x —x +f ( x ) | < X / \ X 2 0 x x 0 XQ \ R = 2 6 ( x-x ) ( x-x ) .x ( x -x ( . ( x-x ) 0 2 ^ 2=I *-x ) ( x-x ) . X. a 2 x 3 Una cúbica: 2 oye + + c¡x + d.] = \x .X . S .596 TABLA PT5.

Debería observarse que de este procedimiento no se obtiene una ecuación de mejor ajuste. De esta forma se asegura la continuidad de f(x) y sus derivadas inferiores en los nodos. una segmentaria cúbica se genera de tal forma que no intercepte cada punto. está disponible para dicho propósito. Después. en vez de ello. También se puede encontrar información sobre este procedimiento en Forsythe y cois.blogspot. Además del algoritmo de Gauss-Newton. Este principio especifica que los coeficientes de la aproximación polinomial deben ser elegidos de tal forma que la máxima discrepancia sea lo más pequeña posible. da predicciones individuales para ciertos valores de la variable independiente. El objetivo principal de tal aproximación funcional es la representación de una función complicada por una versión simple que sea más fácil de manejar.2c). existe una variedad de métodos de optimización que se pueden usar de manera directa con el fin de desarrollar un ajuste por mínimos cuadrados para una ecuación no lineal.com . hay problemas en contexto donde su sensibilidad a los errores de redondeo pueden representar una seria limitación. Lawson y Hanson (1974). Una manera de hacer esto es usar la función complicada para generar una tabla de valores. Esas técnicas de regresión no lineal incluyen los métodos de paso descendente y de Marquardt (recuerde la parte cuatro). 1969). Además. y Carnahan. Se puede consultar a Shampine y Alien (1973) y Guest (1961) sobre información acerca de polinomios ortogonales. aunque la aproximación pueda no ser tan buena como la dada por la serie de Taylor en el punto base. Wold (1974).23)]. Prenter (1974). no representa una solución al problema de inestabilidad para el modelo de regresión lineal general [véase ecuación (17. usted quizá desee ajustar una curva con otra. El procedimiento involucra el uso de las tan conocidas segmentarias B como funciones base. 1984. Un procedimiento alternativo se basa en el principio minimax (véase la figura 17. Se puede encontrar información general sobre regresión en Draper y Smith (1981). (1992). Gerald y Wheatley. Todos los métodos de la parte cinco se expresaron en términos de ajuste de curvas con los datos. y Cheney y Kincaid (1994) presentan un análisis de este procedimiento. Así.6 MÉTODOS AVANZADOS Y REFERENCIAS ADICIONALES Aunque la regresión polinomial con ecuaciones normales es adecuada para muchas aplicaciones de la ingeniería. Un procedimiento alternativo con base en la descomposición de un solo valor. sino que minimice la suma de los cuadrados de los residuos entre los datos y las curvas segmentarias. y también por su característica forma de campana. llamado método SVD. y Press y cois. (1977). Un procedimiento alternativo basado en polinomios ortogonales puede disminuir esos efectos. Tales curvas son consistentes con un procedimiento segmentario en que su valor y su primera y segunda derivadas podrían tener continuidad en sus extremos. Así. es por lo general mejor a través de todo el rango del ajuste. son nombradas así debido a su uso como función base. Luther y Wilkes. Mientras que la técnica de polinomios ortogonales es útil para desarrollar una regresión polinomial.6 M É T O D O S AVANZADOS Y REFERENCIAS ADICIONALES 597 PT5. 1978.PT5. las técnicas analizadas en esta parte del libro pueden usarse para ajustar polinomios a estos valores discretos. La economización Chebyshev es un ejemplo de un procedimiento para una aproximación funcional con base en tal estrategia (Ralston y Rabinowitz. Un área importante en el ajuste de curvas es la combinación de regresiones segmentarias con mínimos cuadrados. http://libreria-universitaria.

con lo anterior se intenta proporcionarle caminos para la exploración más profunda sobre el tema.598 EPÍLOGO: PARTE CINCO En resumen.blogspot. http://libreria-universitaria.com ii . Le recomendamos consultar esas fuentes alternas para ampliar su comprensión de los métodos numéricos para el ajuste de curvas. todas la referencias anteriores proporcionan descripciones de las técnicas básicas tratadas en la parte cinco.

el cálculo es una herramienta esencial en nuestra profesión. como ocurre al moverse de la figura PTó. Como los ingenieros deben tratar en forma continua con sistemas y procesos que cambian. El corazón del cálculo está relacionado con los conceptos matemáticos de diferenciación e integración.lc. Si se permite que Ax se aproxime a cero. En el contexto de las matemáticas. la definición matemática de la derivada empieza con una aproximación por diferencias: A> Ax = f{x. la diferencia es ahora una derivada FIGURA PT6.1 MOTIVACIÓN NUMÉRICA El cálculo es la matemática del cambio. la derivada.1 La definición gráfica de una derivada: debido a que Axse aproxima a cero en ir de a) a c). ./(*.-) Ax (PT6.DIFERENCIACIÓN E INTEGRACIÓN PT6. ] percibir la diferencia en o entre". la aproximación por diferencias se convierte en una derivada.blogspot. + Ax) . De acuerdo con la definición del diccionario. diferenciar significa "marcar por diferencias.1. representa la razón de cambio de una variable dependiente con respecto a una independiente.com . Como se ilustra en la figura PT6.1) donde y y f(x) son representaciones alternativas de la variable dependiente y x es la variable independiente. [ . que sirve como vehículo fundamental para la diferenciación. . http://libreria-universitaria. distinguir.lo a la PTó.

lc. De acuerdo con la definición del diccionario. indicar la cantidad t o t a l . la integral se expresa por la ecuación (PT6. el símbolo / es ahora una letra S estilizada que intenta representar la conexión cercana entre integración y sumatoria. el proceso inverso de la diferenciación es la integración. como partes.2) que se tiene para la integral de la funciónf(x) con respecto a la variable independiente x.2) es llamada integrando. 2 ) y la figura P T 6 . Como se observa en la ilustración visual de la figura PTó.2) que corresponde al área bajo la curva de f(x) entre x — a y b. Como lo sugiere la definición del diccionario.2) es el valor total. Matemáticamente. Hay otro tipo que se denomina integración indefinida en la cual los límites a y b no están especificados.2 Representación gráfica de la integral de í(x] entre los límites x = o a b. unir.com . evaluada entre los límites x = a a x = b. 'W4 http://libreria-universitaria. o sumatoria de f(x)dx sobre el rango x = a a b.2 representa una manifestación gráfica del concepto. 1 1 Debería observarse que el proceso representado por la ecuación ( P T 6 . la integración indefinida trata con la determinación de una función de la cual se da su derivada. .V-»O donde dyldx [que se puede designar también como y'of\x¡)] es la primera derivada de y con respecto a x evaluada en x¡. Para funciones que están por arriba del eje x. la derivada es la pendiente de la tangente a la curva enx. . En cálculo. 2 es llamado integración definida.. F I G U R A PT6. en un todo. La integral es equivalente al área bajo la curva.602 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN dy_ dx = H M /(*.blogspot.- + Ax) Ax f(x¡) A. el "significado" de la ecuación (PT6. La figura PT6. " . integrar significa "llevar junto. la integración se representa por (PT6. De hecho. La función f(x) en la ecuación (PT6. Como se analizará en la parte siete.

como en (véase figura PT6. y(t) = Jo f v(t) dt De esta manera. para una Ja = I — = /(*) http://libreria-universitaria.com . la diferenciación proporciona un medio para determinar su velocidad.3a).36). la "selección o discriminación" de la diferenciación y el "llevar junto" de la integración se vinculan en forma estrecha con procesos que. v(t) = d —y(t) at De manera inversa. si se tiene la velocidad como función del tiempo. de hecho.3).Pro. podemos generalizar que la evaluación de la integral " /cb 1 f(x) dx es equivalente a resolver la ecuación diferencial dx y (b) dada la condición inicial y (a) = 0. si se tiene una función dada y (í) que especifica la posición de un obj eto como función del tiempo.l MOTIVACIÓN é o s Como se dijo antes. Por ejemplo. la integración se usará para determinar su posición (véase figura PT6.blogspot. están inversamente relacionados (véase la figura PT6.

0 3 6 9 12 15 18 x http://libreria-universitaria. como es frecuente el caso en datos experimentales o de campo.1. Luego se dibuja una curva suave que intenta aproximar el área bajo FIGURA PT6 . se debe emplear métodos aproximados. c) Se pue(lo entonces leer los valores de de la curva suave. esto proporcionará la oportunidad de resaltar sus similitudes y diferencias desde una perspectiva numérica. Entre otras cosas. En el primer caso.4).7 50 40 30 23. En este método los datos (x.PT6.50 dy/dx. la derivada o integral de una simple función se puede evaluar en forma analítica mediante cálculo. Una función simple continua tal como una polinomio. 3. Una función continua complicada que es difícil o imposible de diferenciar o integrar de manera directa. para cada intervalo. Para el segundo caso.00 36.4 Diferenciación por áreas iguales. Un método sin computadora para determinar las derivadas a partir de datos es conocido como diferenciación gráfica por áreas iguales. Esto 15 se lleva a cabo al dibujar la 18 curva de tal forma que áreas ¡guales positivas y negativas estén equilibradas. se emplea una diferencia dividida simple Ay/Ax para estimar la pendiente. las soluciones analíticas son a menudo imprácticas y algunas veces imposibles de obtener. b) Las 0 estimaciones de la derivada se 3 representan en forma de gráfica de barras. o) Se usan las diferencias divididas centradas para estimar la derivada para cada X intervalo entre los datos. 2. Se superpone 6 una curva suave sobre esta 9 gráfica para aproximar el área bajo la gráfica de barras.1 La función que será diferenciada o integrada estará usualmente en una de las siguientes tres formas: 1. Una función tabulada donde los valores de x y f(x) están dados en un número de puntos discretos.blogspot. una exponencial o una función trigonométrica.50 45.00 21. Métodos s i n computadora p a r a diferenciación e integración \/Í. donde se tratarán ecuaciones diferenciales.604 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN Debido a esta relación cercana. En estos ejemplos. nuestro análisis tendrá relevancia en las siguientes partes del libro.50 57. y 0 200 350 470 650 720 Ay/Ax 66. Además. Después.3 15 18 dy/dx 76.com C) . esos valores se grafican como una curva de pasos contra x (véase figura PT6 . así como en el tercer caso de datos discretos. optamos por dedicar esta parte del libro a ambos procesos. y) se tabulan y.25 25.

com . se dispone de integración numérica o métodos de cuadratura para obtener integrales. En el mismo sentido.6). Para datos con error. Un procedimiento simple intuitivo es graficar la función sobre una cuadrícula (véase figura PT6. a expensas de un esfuerzo adicional.1 MUIITAUUIN la curva de pasos. Es decir. las técnicas numéricas fundamentales usan diferencias divididas finitas para estimar derivadas. Las razones para valores dados de x pueden entonces leerse en la curva. en esencia. se emplearon procedimientos visualmente orientados para integrar los datos tabulados y las funciones complicadas antes de la llegada de la computadora. o barras.5) y contar el número de cuadros que aproximen el área. Para diferenciación. El área de los rectángulos puede entonces calcularse al sumar el área total estimada. En el mismo contexto. a las técnicas sin computadora. Este número multiplicado por el área de cada cuadro proporciona una burda estimación del área total bajo la curva.blogspot. se dibuja así para equilibrar las áreas negativas y positivas. Dicha estimación se puede refinar. No es de sorprender que el más simple de estos métodos sea similar. al usar una cuadrícula más fina. Esos métodos.PT8. es posible hacer estimaciones más refinadas al usar más (y más delgadas) barras para aproximar la integral. con una altura igual al valor de la función en el punto medio de cada barra (véase figura PT6. que de hecho son más fáciles de implementar que http://libreria-universitaria. Como para el método de cuadrícula. un procedimiento alterno es ajustar los datos a una curva suave con una técnica como la de regresión por mínimos cuadrados y después diferenciar esta curva para obtener estimaciones de la derivada. so dispone de técnicas numéricas alternativas para el mismo propósito. Aunque un procedimiento así de simple tiene utilidad para estimaciones rápidas. Otro procedimiento de sentido común es dividir el área en segmentos verticales. En este procedimiento se supone que el valor en el punto medio proporcionu una aproximación válida de la altura promedio de la función para cada barra.

que no está dirigida en términos de la posición de un objeto. con elecciones inteligentes de factores ponderados. es naturalmente compatible con muchos de los procedimientos numéricos. esta tabla se puede entonces evaluar con un método numérico.com comunes figuran las leyes que involucran potenciales o gradientes.1. Además de tales ejemplos temporales. La diferenciación es algo común en ingeniería debido a que mucho de nuestro trabajo involucra caracterizar los cambios de las variables tanto en tiempo como en espacio. Como en el método de barras simple. Como se ilustra en la figura PT6. Aunque las funciones continuas no están originalmente en forma discreta. Por ejemplo. es a menudo una proposición simple usar las ecuaciones dadas para generar una tabla de valores.2 Diferenciación numérica e integración en ingeniería La diferenciación e integración de una función tiene tantas aplicaciones en la ingeniería que usted requeriría estudiar cálculo diferencial e integral en su primer año en la universidad. Es decir. PT6. El ejemplo principal es la segunda ley de Newton. Como la información ya está tabulada en tal forma. la ley de . Muchos ejemplos específicos de tales aplicaciones se podrían dar en todos los campos de la ingeniería. muchas de las leyes y otras generalizaciones que figuran de manera prominente en nuestro trabajo se basan en predecibles en las cuales el cambio mismo se manifiesta en el mundo físico. Sin embargo. son similares en esencia al método por barras. las alturas de la función se multiplican por el ancho de las barras y se suman para estimar la integral. numerosas leyes que gobiernan el comportamiento espacial de las variables se expresan en términos de derivadas. Entro las más http://libreria-universitaria. sino en su cambio de posición con respecto al tiempo. De hecho.blogspot. las técnicas numéricas de integración y diferenciación utilizan datos en puntos discretos. la estimación resultante se puede hacer más exacta que para el "método de barras" simple.606 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN con el procedimiento de cuadrícula.7.

599 1. Para el caso de una dimensión.1 MOTIVACIÓN 607 / * 2 + c o s ( 1 +> / V1 + 0. c) Uso de un método numérico (el método do barras) para estimar la Integral con base en los puntos discretos. transferencia de masa.75 1. Leyes similares proporcionan modelos de trabajo en muchas áreas de la ingeniería.com . también el cálculo do integrales es valioso. la derivada proporciona una medida de la intensidad del cambio de la temperatura.414 M FIGURA PT6. b) Tabla de valores discretos de f[x) generados a partir de la función.PT6.945 1.blogspot. el paso a) es innecesario. por tanto. los datos están ya en forma tabular b).75 2.7 Aplicación de un método de integración numérico: a| Una función continua complicada. cinética de reacción química y flujo electromagnético. Fourier para la conducción de calor cuantifica la observación de que el calor fluye de regiones de alta a baja temperatura.5 ser •'O 2 X 0.25 1. La habilidad para estimar de manera exacta las derivadas es una faceta importante de nuestra capacidad para trabajar de manera efectiva en estas áreas. ésta se puede expresar matemáticamente como Flujo de calor = —k' dT dx Así.25 0. entre ellos el modelado de dinámica de fluidos. o gradiente.993 2. Para una función tabulada. que promueve la transferencia de calor. Así como las estimaciones exactas de las derivadas son importantes en ingeniería. Varios ejemplos se relacionan direclnmonle http://libreria-universitaria.

con la idea de la integral como el área bajo la curva.1]: i¡ £ y¡ Media = — — n (PT6. La determinación de la media de puntos discretos se ilustra en la figura PT6. Otras aplicaciones comunes relacionan la analogía entre integración y sumatoria.3) que se aplica para determinar la media. La integración se usa para este propósito. b) Un ingeniero abastecedor de aguas quizá requiera saber el área de sección transversal de un río.9a. a) Un topógrafo podría necesitar saber el área de un campo limitado por una corriente en forma de curvas y dos caminos.9a.a dx (PT6 . como lo especifica la fórmula http://libreria-universitaria. La figura PT6. Por ejemplo.4) . En la parte cinco se abordaron los conceptos de la media de n datos discretos [recuerde la ecuación PT6 . c) Un ingeniero en estructuras tal vez necesite determinar la fuerza neta ejercida por un viento no uniforme soplando contra un lado de un rascacielos. suponga que y es una función continua de una variable independiente x. como se ilustra en la figura PT6.8 ilustra algunos casos donde la integración se usa para este propósito. una aplicación común es determinar la media de funciones continuas. Para este caso existe un número infinito de valores entre ay b. usted podría interesarse en calcular la media o promedio de la función continua y = f(x) para el intervalo de a a b.3) donde y¡ son las mediciones individuales.608 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN FIGURA PT6.comMedia = ^ - í f(x) b .blogspot.8 Ejemplos de cómo se usa la integración para evaluar aplicaciones en áreas de la ingeniería. En contraste. Así como con la ecuación (PT6.

un área o un volumen. donde c(x.com . Por ejemplo. z) es una función conocida yx. 9 |t) (-MIIIIIUII ) * Esta fórmula tiene cientos de aplicaciones en ingeniería. o Masa = concentración X volumen donde la concentración tiene unidades de masa por unidad de volumen.PTÓ. y. Las integrales son empleadas también por ingenieros para evaluar la suma o cantidad total de una variable física dada. En este caso. se usa para calcular el centro de gravedad de objetos irregulares en la ingeniería mecánica y civil y para determinar la raíz media cuadrática en ingeniería eléctrica. z) dx dy dz http://libreria-universitaria. la integración se usará para el mismo propósito: Masa == / / / c(x. suponga que la concentración varía de un lugar a otro dentro del reactor. Para el caso continuo. y . es necesario sumar los productos de concentraciones locales c y los volúmenes del elemento correspondiente AV¡: i n Masa = c¡ AV¡ .1 MOTIVACIÓN 609 2 3 4 a) Media J I n nm i H lu In d e a ls m e d a i miu u l il h 11o i) d s lc r e o t y HOURA P T 6 . La integral se evalúa sobre una línea.yyz son las variables independientes que designan la posición en las coordenadas cartesianas. Por ejemplo.blogspot.=i donde n es el número de volúmenes discretos. la masa total química contenida en un reactor está dada como el producto de la concentración de químicos en el volumen del reactor. Sin embargo.

la integral es simple de evaluar.com . Sin embargo. usted debe tener la habilidad pera obtener valores aproximados para las http://libreria-universitaria. o imposible.36) y = í v(t)dt Jo (PT6. está dada por Transferencia de calor = / / flujo dA la cual es referida como una integral de área. la masa total de una barra con densidad variable y que tiene un área de sección transversal constante. determinamos la solución para la velocidad como una función del tiempo [véase ecuación (1.5). para el caso en una dimensión. las integrales se usan para evaluar diferenciales o razón de ecuaciones. Esta relación podría sustituirse en la ecuación (PT6. Para este caso.blogspot. Además. Observe la fuerte analogía entre sumatoria e integración. Por último. Para ambos cesoí. cuando la función es complicada. como típicamente sucede en el caso de ejemplos más realistas. Cuando las funciones sujetas a análisis son simples.5) Éstas son sólo algunas aplicaciones de diferenciación e integración que usted podría enfrentar en forma regular en el desarrollo de su profesión. usted normalmente escogerá evaluarlas desde un contexto analítico. en el problema del paracaidista en caída. p(x) = densidad conocida (kg/ m ) como una función de la longitud x (m) y A = área de sección transversal de la barra (m ). Por ejemplo. es difícil. la cual se integraría con facilidad para determinar la distancia a la que caerá el paracaidista en un tiempo t. está dada por m = A Jo I p(x) dx donde m = masa total (kg). Por ejemplo. Ejemplos similares podrán darse en otros campos de la ingeniería. la razón total de transferencia de energía a través de un plano donde el flujo (en calorías por centímetro cuadrado por segundo) es una función de la posición.10)]. L = longitud de la barra (m). De manera similar. 3 2 — = v(t) dx La distancia total y recorrida por esta partícula en un tiempo t está dada por (véase figura PT6.610 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN Masa = -/// c(V)dV la cual es conocida como una integral de volumen. Suponga que la velocidad de una partícula es una función continua conocida del tiempo v(t). la función en turno es a menudo desconocida y definida sólo por mediciones en puntos discretos. donde A = área.

2 ANTECEDENTES MATEMÁTICOS En el nivel medio superior o durante su primer año en el nivel superior. en las cuales se busca determinar una integral entre límites específicos. si el producto de dos funciones de x(u y v) se representa comoy = uv.6) del cálculo integral. la derivada se calcularía como du dy dx dx v 2 dv dx Otras fórmulas útiles se resumen en la tabla PT6.Z ArNTBCBODNTíBTVWMTnvwnwa W I I derivadas e integrales mediante técnicas numéricas. Cuando diferenciamos una función en forma analítica. Para esta ecuación.com . la derivada se calcula realizando dy — = nu dx du — dx Otras dos fórmulas se aplican a los productos o cocientes de funciones. generamos una segunda función que se usa para calcular la derivada para diferentes valores de la variable independiente.6) se http://libreria-universitaria. Se dispone de reglas generales para este propósito. PT6. se le dará una introducción de cálculo diferencial e integral. en el caso del monomio y = x" se aplica la siguiente regla simple (n dy dx = nx ~ n l 0) que es la expresión de la regla más general para y = u donde u = una función de x.PT8. y = w/u. la ecuación (PT6.1. como en / = f De acuerdo con el teorema fundamental evalúa como Ja f(x) dx (PT6. Por ejemplo. Por ejemplo. entonces la derivada puede calcularse como dy dx dv dx du dx Para la división. Ahí usted aprenderá las técnicas para obtener derivadas exactas o analíticas e integrales. Se dispone de fórmulas similares para integración definida. Algunas de estas técnicas se analizarán en esta parte del libro.blogspot.

8)] entre x = 0 y 0.180x + — x 3 4 5 0.9). Enlistamos algunas de las más comunes en la http://libreria-universitaria. la función es un polinomio simple que se puede integrar de manera analítica al evaluar cada término de acuerdo con la regla donde n no puede ser igual a — 1.900x + 400x ) dx 2 3 4 5 (PT6.2 + 25* .8) Para este caso.2.8) se obtiene . En consecuencia. Este valor es igual al área bajo el polinomio original [véase ecuación (PT6.1 Algunas derivadas de uso común. / = 0. . La integración anterior depende del conocimiento de la regla expresada con la ecuación (PT6. Otras funciones siguen diferentes reglas. tan x = sec 2 x d — dx esc x = -esc x cot x dx d .200x + 675x .8 / = / Jo (0.9) 200 .2x + 12. 1 — In x = — dx x dx e* = é d .8 (PT6.10) la cual se evalúa de acuerdo con la ecuación (PT6.75x . es decir. muchas funciones de importancia práctica ion demasiado . Estas "reglas" son sólo ejemplos de antidiferenciación. encontrar F(x) de tal forma que F'(x) = f(x). 400 x + 168.com tabla PT6.7) Un ejemplo de una integral definida es /•0. Sin embargo.612 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN TABLA PT6. es decir. La nomenclatura del lado derecho es para F(x)\ b a = F(b)-F(a) (PT6. Si se aplica esta regla a cada término en la ecuación (PT6.6405333.5x 2 í b x n+\ x" dx n + 1 (PT6.7) como / = 1.8. . cualquier función tal que F'(x) = f(x). 1 — log x = dx x In a 0 — a* = a* In a dx í " f(x) dx = F(x)\" a donde F(x) = integral de f(x). la integración analítica depende del conocimiento anterior a la respuesta. d — sen x = eos x dx d — eos x = -sen x dx D d — cot x = -esc dx 2 x d — sec x = sec x tan x dx . Muchas de las reglas se resumen en manuales y tablas de integrales. Tal conocimiento se adquiere con entrenamiento y experiencia.blogspot.

8) sin conocimiento de las reglas.PT6. Lo siguiente pretende ser una revisión del material analizado en la parte seis. j PT6. es porque proporcionan un medio para evaluar relaciones como la ecuación (PT6. Una razón por la que las técnicas en esta parte del libro son tan valiosas.sen ( a x + b) + C a jI n i x la x=xI n i x l -x+ C complicadas para ser contenidas en tales tablas.3 ORIENTACIÓN Antes de proceder con los métodos numéricos para integración. En esta tabla las letras a y b son constantes y deberían no confundirse con los limites de integración analizados en el texto.2 Algunas integrales simples que se usan en la parte seis. PT6.1 Alcance y antecedentes http://libreria-universitaria.jv du \u"du = ——+C x a f n*-l 1 f a dx = — — + C a > 0. la .3 ORIENTACIÓN 613 TABLA PT6. Además. J u dv = uv.. podría ser de utilidad alguna orientación adicional. El capítulo 21 se dedica al más común de los procedimientos para integración numérica (las fórmulas de NewtonCotes). formulamos algunos objetivos que ayudarán a enfocar su esfuerzo cuando estudie el material.blogspot.eos [ax + 6) + C J í eos [ax + b) dx = . Esas relaciones se basan en el reemplazo de una función complicada o datos tabulados con un simple polinomio que es fácil de integrar. Tres de las fórmulas de Newlon-C 'otcH con un U N O más extendido se analizan con detalle: lu regla trapezoidal.10 proporciona una revisión de la parte seis. a * 1 bino / — = Inixl+ C x*0 1 í sen [ax + b) dx = a .3.com La figura PT6.

blogspot.614 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN FIGURA P T 6 . Además. y la regla 3/8 de Simpson. regla 1/3 de Simpson.com . incluimos un análisis de integración numérica de datos espaciados de manera no uniforme. http://libreria-universitaria. ya que las aplicaciones en el mundo real tienen que ver con datos espaciados de esta forma. 1 0 Organización esquemática del material en la parte seis: Diferenciación numérica e integración. Todas ellas están diseñadas para casos en los que los datos a integrarse están espaciados de manera uniforme. Este tema es muy importante.

Todo esto tiene utilidad como herramientas de aprendizaje. Las formulaciones vistas en el capítulo 21 pueden emplearse para analizar tanto los datos tabulados como las ecuaciones. Los temas incluyen fórmulas por diferencias finitas de alta exactitud. donde los límites de integración se extienden más allá del rango de los datos conocidos. Como en las otras partes del libro. extrapolación de Richardson y la diferenciación de datos espaciados de manera no uniforme. es decir. usted será capaz de resolver muchos problemas de integración y diferenciación numérica y apreciará su aplicación para solución de problemas en ingeniería. Las gráficas obtenidas con este software le permitirán visualizar con facilidad su problema y las operaciones matemáticas asociadas. las fórmulas de integración abierta. También deberá esforzarse para manejar las diferentes técnicas y asegurar su confiabilidad. se presenta una breve revisión de los métodos avanzados y referencias alternativas que facilitarán sus estudios adicionales de la diferenciación e integración numérica. Se analiza el efecto de los errores de redondeo para la diferenciación numérica así como para integración. Una sección de repaso. Usted deberá entender que los elementos de juicio involucrados en la selección del "mejor" método (o métodos) para cualquier problema en particular.3. se incluye al final de la parte seis. o epílogo. Se le proporcionó para su PC el software TOOLKIT de métodos numéricos que es de uso amigable. Al final del capítulo 21 presentamos fórmulas de integración abierta. Emplea la regla trapezoidal para evaluar la integral de funciones continuas o datos tabulados. se presentan aquí debido a que se utilizan mucho en la parte siete para la solución de ecuaciones diferenciales ordinarias. Además. se analizan los métodos para evaluar integrales impropias. Objetivos computacionales. Además. cuando los valores de la función en los extremos de los límites de integración son conocidos. Esta revisión incluye un análisis de los elementos de juicio que son relevantes para la implementación en la práctica de la ingeniería. como el área entre la curva y el eje x. las aplicaciones se toman de todos los campos de la ingeniería. FT6.3. En el capítulo 23 se presenta información adicional sobre diferenciación numérica como suplemento del material introductorio del capítulo 4. El capítulo 24 demuestra cómo se puede aplicar los métodos para la resolución de problemas. Se le proporcionó ya el software y algoritmos de cómputo simple para ímplementar las técnicas analizadas en la parte seis. se resumen fórmulas importantes.FT6. El capítulo 22 trata con dos técnicas que están expresamente diseñadas para integrar ecuaciones y funciones: integración de Romberg y cuadratura de Gauss.3 ORIENTACIÓN 611 Todo el material anterior se relaciona con la integración cerrada. Además de estos objetivos generales. El software es fácil de usar para resolver muchos problemas prácticos http://libreria-universitaria.com .blogspot. Se proporciona algoritmos de cómputo para ambos métodos. es decir. Después de terminar la parte seis. debería asimilarse y manejarse los conceptos específicos que se enlistan en la tabla PT6.2 Metas y objetivos Objetivos d e estudio. Aunque dichas fórmulas no se usan de manera común para la integración definida. Por último. Por último. se concluye el capítulo con una descripción de la aplicación de diferentes paquetes de software y librerías para integración y diferenciación.

Reconocer por qué la integración de Romberg y la cuadratura de Gauss tienen utilidad cuando se integran ecuaciones (como opuestas a datos tabulares o discretos). reconocer que las reglas trapezoidal y de Simpson 1/3 y 3 / 8 representan las áreas de los polinomios de primer. 10. Reconocer los diferentes efectos del error de datos en el proceso de integración y diferenciación numérica. 5. Además. 3 Objetivos de estudio específicos para la parte seis. d) regla de Simpson 3 / 8 . y e). Entender la base teórica de extrapolación Richardson y cómo se aplica en el algoritmo de integración Romberg para diferenciación numérica. los cuales son más eficientes y exactos que la regla trapezoidal. al tener el software para implementar integración y diferenciación numérica para datos espaciados de manera no uniforme. Por ejemplo. http://libreria-universitaria. 1 1. integración de Romberg y cuadratura de Gauss. c) regla de Simpson 1/3. 4. desde un punto de vista profesional. Entender la aplicación de fórmulas por diferenciación numérica de alta exactitud. 7. Saber cómo diferenciar datos desigualmente espaciados. usted podría encontrarlo útil.616 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN TABLA P T 6 . Reconocer que la regla de Simpson 1 / 3 es exacta de cuarto orden. darse cuenta de que todas las fórmulas de Newton-Cotes de segmentos pares y puntos nones tienen exactitud resaltada similar. b) la regla trapezoidal de aplicación múltiple.blogspot. 3. Conocer las fórmulas y ecuaciones de error para a) la regla trapezoidal. usted debería habituarse a usar estas herramientas para implementar métodos numéricos en la solución de problemas de ingeniería. Por último. 9. 6. 1. 2. Esta información le permitirá aumentar su librería de software al incluir técnicas más allá de la regla trapezoidal. 8. una de las metas más importantes debería ser manejar varios paquetes de software de uso general que están ampliamente disponibles. Reconocer la diferencia entre las fórmulas de integración abierta y cerrada. Saber cómo evaluar la integral y derivada de datos desigualmente espaciados. También podría desarrollar su propio software para las reglas de Simpson. respectivamente. saber cómo derivar la regla trapezoidal y cómo acondicionar la derivación de ambas reglas de Simpson.com . aun cuando está basada en sólo tres puntos. En particular. y se puede también usar para verificar los resultados de cualquiera de los programas de computadora que usted haya desarrollado. se proporcionan los algoritmos para la mayoría de los otros métodos de la parte cinco. Entender la derivación de las fórmulas de Newton-Cotes. 1 2. Entender la diferencia fundamental entre las fórmulas de Newton-Cotes y cuadratura de Gauss. segundo y tercer orden. Saber cómo se emplean la fórmulas de integración abierta para evaluar integrales impropias. regla de Simpson de aplicación múltiple. Ser capaz de escoger la "mejor" de estas fórmulas para cualquier problema de contexto particular.

CAPÍTULO 2 1 K\ Fórmulas de integración de Newton-Cotes i £ Lasfórmulas de integración de Newton-Cotes son los esquemas de integración numérica más comunes. Con este anteceden- FIGURA 21. se usan tres segmentos de línea recta para aproximar la integral. se usa un polinomio de primer orden (una línea recta) como una aproximación. en la figura 21.2. en la figura 21.1 b.1 |ci aproximación de una InMjiol como el área bajo o) una sola línea recta y /i) una sola parábola.1a. Por ejemplo. Pueden utilizarse polinomios de orden superior para los mismos propósitos. se emplea una parábola para el mismo propósito. Se basan en la estrategia de reemplazar una función complicada o datos tabulados con una función aproximada que sea fácil de integrar: pb pb 1= donde fn(x) — polinomio de la forma f„(x) - Ja Ja a 0 f(x)dx = f (x)dx n (21. . La integral se puede también aproximar mediante una serie de polinomios aplicada por pedazos a la función o datos sobre segmentos de longitud constante. Por ejemplo.1) +a\X H ha„_iA'" _ i + a„x" donde n es el orden del polinomio. En la figura 21.

constantes) para aproximar la integral. Las formas cerradas son aquellas donde los datos al inicio y final de los límites de integración son conocidos (véase figura 21. Sin embargo. 6 emplea una serie de polinomios de orden cero (es decir. Las formas abiertas de Newton-Cotes no se usan por lo general para integración definida. Se dispone de formas cerradas y abiertas de fórmulas de Newton-Cotes.3a). Las formas abiertas tienen límites de integración que se extienden más allá del rango de los datos (véase figura 21. son similares a las de extrapolación.618 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES te. como se analizó en la sección 18. se utilizan para evaluar integrales impropias y la solución de ecuaciones diferenciales ordi- FIGURA 21. .3¿>).5.3 La diferencia entre fórmulas de integración a) cerrada y b) abierta. En este sentido. reconocemos que el "método de barras" en la figura P T 6 .2 La aproximación de una integral como el área bajo tres segmentos de línea f(x)n FIGURA 21.

af(b)-af(a) o—a los últimos dos términos se obtiene W-fta) •b-a ~x + bf(a)-af(a)-af{b)+af(a) b-a Ahora.2)] . . x + b-a bf(a)-af(b) b-a / = ( 6 _ A ) M ± M 2 que OH la fórmula para la regla trapezoidal. ia ecuación (21. Cuadro 21.a ) bf(a) af(b) I = — + (b-a) b—a 2 b—a 2 2 i /u . se introduce de manera breve el material sobre fórmulas abiertas de Newton-Cotes al final del capítulo. .af(b) Si se multiplica y agrupa términos se tiene ./(«) -(x — a) dx b-a El resultado de la integración (véase el cuadro 21.f(a) (b . 21.1 O b t e n c i ó n de la regla t r a p e z o i d a l AlllM de ln Integración.2) El área bajo esta línea recta es un estimado de la integral de f(x) entre los límites a y b\ r b r Ja Ja i a f(x)dx = h(x)dx -I.f{a) x 2 bf(a) 2 -«/(/» '* " h • "u~ b-a . . IM tiiiil puedo Inlegrarso entre x = a y x = b pura obtener IV» m .ña) /lid. A|RUPTNÜ() /'(/') /(«) h a .3) la cual se denomina regla trapezoidal. Sin embargo. f\tt)-" f / = íñb) . 2 2 .f{a)] b -^- + bf(a) .1 IA ntirins. .21.a (21. ni') .1 para detalles) es 1 = { b ) m ± m _ (21. .1) es de primer orden: pb rb I = fi(x) = f(a) + — .1 LA REGLA TRAPEZOIDAL La regla trapezoidal es la primera de las fórmulas de integración cerrada de NewtonCotes. Esto capítulo tnfktliM las formas cerradas.a) Recuerde del capítulo 18b que una línea recta se representa como [véase ecuación (18. „ . + m /(*) .2) se puede expresar T'LLLLLLL Este resultado se evalúa para dar f(b) . como b — a = (b — a)(b + a).( x . Corresponde al caso donde el polinomio en la ecuación (21.

la regla trapezoidal es equivalente a aproximar el área del trapezoide bajo la línea recta que conecta f(á) y f(b) en la figura 21. Por tanto. En nuestro caso. pero el trapezoide está sobre su lado (véase figura 21. b) Para la regla trapezoidal. .5¿).4) FIGURA 21. Recuerde de geometría que la fórmula para calcular el área de un trapezoide es la altura por el promedio de las bases (véase figura 21. el concepto es el mismo pero ahora el trapezoide está sobre su lado.5a).5 a) La fórmula para calcular el área de un trapezoide: altura por el promedio de las bases.4 Ilustración gráfica de la regla trapezoidal.620 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES Geométricamente. la integral se representa como / = ancho x altura promedio (21. FIGURA 21.4. el concepto es el mismo.

con curvatura). o \f(a) + f(b)]/2. la altura promedio es el promedio de los valores de la función en los puntos extremo. para la regla trapezoidal. puede ocurrir algún error. FIGURA 21.2 + 2 5 x . Una estimación para el error de truncamiento local de una sola aplicación de la regla trapezoidal es (véase cuadro 21. De otra manera.6 2 3 4 5 Ilustración gráfica del uso de una sola aplicación de la regla trapezoidal para aproximar la integral de f[x) = 0.5) donde. La ecuación (21. la regla trapezoidal será exacta.6).1. sólo difieren con respecto a la formulación de la altura promedio.6) donde ¿¡ está en algún lugar en el intervalo de a a b.2) £ = . 21. De hecho.6) indica que si la función sujeta a integración es lineal. .W O x + AOOx de x = 0 a 0.^ / " ( © ( 6 . para funciones con derivadas de segundo orden y superior (es decir. Todas las fórmulas cerradas de Newton-Cotes pueden expresarse en el formato general de la ecuación (21.« ) ( 3 (21. obviamente podemos incurrir en un error que puede ser sustancial (véase figura 21.o I as (b — a) x altura promedio (21.5).1 E R R O R D E LA R E G I A T R A P E Z O I D A L Cuando empleamos la integral bajo un segmento de línea recta para aproximar la integral bajo una curva.200x + Ó75* .8.

esta ecuación se puede integrar: I = h «/( ) + y A / ( ) + fl f l a 2 (o? - Ja ~4~ fia) + Afia)a + —^-aia .0 .8) = 0. = 89.6.1) y e v a i u a r C omo f(a) + Afia) rm 2 Para simplificar el análisis. da E J E M P L O 21. Observe quo el áreu bajo 1» Uncu rccln no t o m a e n cuenta u n a p o r c i ó n jtjgtffllcativa de le integral que e i t á p o r arriba de la linea.640533.640533 . = 1.i aproximación para el error. Por tanto.1728 la cual representa un error de £.2.622 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES Cuadro 2 1 . 2 O b t e n c i ó n y e r r o r estimado de la regla t r a p e z o i d a l Una manera alternativa para la obtención de la regla trapezoida es integrando la interpolación polinomial hacia adelante de Newton-Gregory.l)h 2 dx (B21. .2 + 0. dx = hda Debido a que h — b — a (para un segmento de la regla trapezoidal). el primer término es la regla trapezoidal y el segundo es un.3) para integrar numéricamente 2 3 = 0.2) Si se asume que para una h pequeña. considere que como a = (x — a)lh. Solución.8.\)h 2 / =h Como Af(a) = /(6) — fia).v + 400x 4 5 desde a — 0 a b = 0.467733 que corresponde a un error relativo porcentual de e. La razón para C N I C gratule error os evidente de lu gráfica e n la figura 21 . Recuerde de PT6. los límites de integración a y b corresponden a 0 y 1. Los valores de la función /(O) = 0. fix) Use la ecuación (21. 1 7 2 8 = 1.2 que el valor exacto de la integral se puedo determinar en forma analítica y es 1. respectivamente. el término/"^) es aproxi madamente constante.2Q0x if 675x .1) se expresaría como / =h ) + Afia)a + ^-^aia .1 Aplicación simple de la regla trapezoidal Enunciado del problema.900. el resultado podría escribirse como I = h f^+W-J-fxW 2 12 Regla trapezoidal Error de truncamiento Así. la ecuación (B21. la integral podría ser (véase cuadro 18.2 + 25x .232 = 0. Recuerde que para la versión de primer orden con término de error.2 /(0.3) para dar 0.232 pueden sustituirse en la ecuación (21.5%.2.

4): 0... más exacto que usar E .8 ( . En consecuencia./ < * «» ' V„ J 1 ( 2 1 .1. Sin embargo.4 0 0 + 4 050* ..7) Si a y b son designados como x y x . x„). Las áreas de segmentos individuales se pueden entonces agregar para dar la integral para todo el intervalo.lin se requiere una gunda derivada de le la función original paru dur f'ix) s U ti B c o in e » a c t ú a a l! . Hay n + 1 puntos base igualmente espaciados (x . Las ecuaciones resultantes son llamadas fórmulas de integración. 2 . La figura 21. /'\!' 2 1 . hay « segmentos de igual anchura: 0 x 2 h = (21. existe una discrepancia. Para obtener dicha estimación. .6) para obtener =-^(-60)(0. del error estimado. de/"(<jj). 8 ) .8) 3 = 2.. de múltiple aplicación o compuestas..10 800x + 8 000x ) dx 2 3 I I \ | ) j que podría sustituirse en la ecuación (21. ya que. Por lunlo. a p r o x m i a c ó i n ( u n c ó in podríamos no conocer previumcnle el vulor reul. indicamos que el error es aproximado mediante la notación E .10 800x + 8 OOOx 2 3 El valor promedio de la segunda derivada se puede calcular mediante la ecuación (PT6. para un intervalo de este tamaño el promedio de la segunda derivada no es necesariamente una aproximación exacta Así. /. a t 21. . la integral total se representará como 0 n / = í ' f(x)dx+ í /\\)<ix - / f(x)dx Al sustituir ln regla trapezoidal puní etulu integral se obtiene /lUl) 1 /U|) -MI J \(i / „.56 la cual es del mismo orden de magnitud y signo que el error real.4 0 0 + 4 050JC . lti «esobre el intervalo podría calcularse al diferenciar dos veces = . x .' 2 ' + /.7). respectivamente.2 Aplicación múltiple de la regla t r a p e z o i d a l Una forma de mejorar la exactitud de la regla trapezoidal es dividir el intervalo de integración desde a a b en un número de segmentos y aplicar el método a cada uno de ellos (véase figura 21.. de hecho. x .8 muestra el formato general y nomenclatura que usaremos para caracterizar integrales de múltiple aplicación..

fa| MGITUNTOI. C) C U A T R O S S G M E N L O I Y d| ^ ' n t f J f B T * " ' * 0 . 7 Ilustración de la regla trapezoidal du aplicación múlllple. a) Dos segmentos.FÓRMULAS DE INTEGRACIÓN DE NEWTON COTÉS_ : Xrj X-f X¿ c) X3 X4 ^ X 2 *3 -"4 *5 FIGURA 2 1 .

10). .).9) en el formato general do lu ecuación (21.l / ( * o ) + 2 £ / ( * ¡ ) + /(*») (2i..5).7) para expresar la ecuación (21.»i unm»»—Enmy—*•—•» i' (21. \ ) en el numerador dividido entre 2n os ¡giinl a I . h ' = 2 M . 7=(6-c) v ' /w+/&) i—W—^ i u". mediante agrupación de términos.*„) y /(#. De «cuenlo con ln'ccuitelrtn (21.o. usando la ecuación (21.y) o.10) Ancho AltUItffom«llo Como In sumtiloriii de I ON coeficientes d c / ( . hi ahina promedio lepicneula un promedio ponderado de los valores de la función. los puntos interiores dnn dos veces el poso do los (I ON puntos ex (remo/'(.

-) — f"y la ecuación (21. junto con de tres a dio/. Observe que la ecuación (21. 2 Regla trapezoidal de múltiple aplicación l Enunciado del problema.900 JC + 4 0 0 x 4 5 desde a = 0 hasta b = 0. integral de f(x) Use dos segmentos de la regla trapezoidal para estimar la = 0.640533 . u rapjifjjMafldfcti&li 21.456) + 0. = 34.12) Por tanto 2/"(§.2 / = 0.1.1. Recuerde que el valor correcto para la integral es 1.64 12(2) ' ¡ I donde — 60 es el promedio de la segunda derivada. Emplee la ecuación (21.4) = 2. n — 2(h = 0.200x 2 + 615x 3 .0688 = 0.13) para estimar el error. determinada antes en el ejemplo 21.3)] ¿/"fe) f „ ^ U n n (21. si el número de segmentos se duplica.13) Así.2 + 25x .9% E. Observe cómo el error diiminu- . EJEMPLO 2 1 . = 1.¿ ^ & > i=\ donde f"(^¡) es la segunda derivada en un punto %¡ localizado en el segmento i. Este resultado se puede simplificar al estimar la media o valor promedio de la segunda derivada para todo el intervalo como [véase ecuación (PT6. segmentos do uplicuoión de U regla trapezoidal. Solución.640533.232 0. Los resultados del ejemplo anterior.12).2 + 2(2.8.232 —• — = 1.8 /(0.456 /(0.13) es un error aproximado debido a la naturaleza aproximada de la ecuación (21.0688 4 s.a) 3 ^ „ (21-11) ' = Í 2 ¿ 3 .4): /(O) = 0.57173 E a = — ^ r ( -2 6 0 ) = 0.626 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES Un error para la regla trapezoidal de múltiple aplicación se puede obtener al sumar los errores individuales de cada segmento para dar (b E .1.8) = 0. el error de truncamiento disminuirá a un cuarto.11) se puede reescribir como E = { b •' a ' f f" 12n (21.

1333 0.640533.5703 1. fO.3 3. así como ecuaciones. listo OH debido a que el error está invcrsumcnlc relacionado con el cuadrado de n | véiisc ecuación (21. Observe que ambos están diseñados para datos que se hallan en forma tabular.1 4.2 3+ 25x- 200X + 2 de x = 0 a 0. antes de investigur esas fórmulas.0688 1. ul duplicar el número de segmentos diNtninuye en un cuarto el error. observe tninbicn que in razón de dlnmlnuoi6n M uradunl. n.4 0.2 2. Un programa general debería tener la capacidad de evaluar funciones conocidas.1. El primero (véase figura 21.13)].8.2667 0. La segunda (véase figura 21 . 21.1 0. TABLA 21. fí) Trap = h*(f0 + fí)/2 END Trap b) Segmentos múltiples FUNCTION Trapm (h. analizaremos los algoritmos de cómputo para implementar la regla trapezoidal.4848 1.2 0.n-1 eum = sum + 2 *f¡ END DO sum = eum + f„ 0 Trupm m h • eum / 2 END Trtpm .08 h e (%) t 34.16 0.5 9. Sin embargo.9 1.6 FIGURA 21.3695 1.9 se enlistan dos algoritmos simples para la regla trapezoidal. El valor exacto es 675X 1 1. Por lanío.9 Algoritmos para la regla trapezoidal a) de solo segmento y b) de segmentos múltiples.1 143 0. En el siguiente capítulo ilustraremos cómo se puede manejar esas funciones.ye en lauto gl númotHi d« Negmenlos uumentu.9b) es para la versión de múltiples segmentos con una anchura de segmento constante. n 2 3 4 5 6 7 8 9 10 0.5 6. Sin embargo.9a) es para la versión de un solo segmento. a) Un solo segmento FUNCTION Trap (h. f) eum = f D0¡=1.6150 . En las siguientes secciones desarrollaremos fórmulas de orden superior que son más exactas y que convergen más rápido sobre In integral real en tanto los segmentos aumentan.0889 0.5887 1.900X + ÁOOx 4 5 1 .5399 1.4 1.1 Resultados de la regla trapezoidal de aplicación múltiple para estimar la integral de f[x) = 0.3 A l g o r i t m o s de cómputo p a r a la regla t r a p e z o i d a l En la figura 21.9 16.6091 1.6008 1.

3. = f (i _ . Esta distancia está dada por [véase ecuación (PT6.-(12. También proporciona una buena referencia para asegurar y probar su propio software.1. Primero. Luego. g — constante gravitacional de 9. bien de datos tabulados o de funciones definidas por el usuario. Suponga que desea saber qué tan lejos ha caído el paracaidista después de cierto tiempo t.10.3.10.8(68.8 m/s .43515 m. v(t) = 9. Sustituyendo en la ecuación (E21.1)1) Después haga clic en el bloque de entrada de parámetros e introduzca los valores para los límites de integración inferior y superior de 0 a 10. 3 Evaluación de integrales con la computadora j I | | Enunciado del problema. Como usted recordará del ejemplo 1. EJEMPLO 2 1 .5 (1 H v —i .5 kg/s. puede hacer clic en la tabla de función de entrada e introducir la función.' ') c Jo (c m) e d dt Use el software de métodos numéricos TOOLKIT.5/68. introduzca el valor 10 para el número de segmentos junto con las dimensiones de la gráfica. la velocidad del paracaidista está dada como la siguiente expresión en función del tiempo: e donde v = velocidad (m/s).1). Use el software de métodos numéricos TOOLKIT para resolver un problema relacionado con nuestro amigo el paracaidista en caída. Esta pantalla contiene la información de entrada y salida necesaria para integrar una función analítica o datos tabulares. para determinar esta integral con la regla trapezoidal de aplicación múltiple mediante diferentes números de segmentos. . Presione el botón de la función Intégrate en el menú principal del TOOLKIT para obtener una pantalla en blanco similar a la de la figura 21.628 FÓRMULAS DE INTEGRACIÓN D i NEWTON -COTES Un ejemplo de un programa de uso amigable para la regla Irapezoidal de múltiples segmentos se incluye en el software suplementario de métodos numéricos TOOLKIT contenido en este libro.} (E21.1) 12. como en la figura 21.1) Jo (t)dt donde d es la distancia en metros. Observe que al desarrollar la integración en forma analítica y sustituir los valores de parámetros conocidos se obtiene un valor exacto de d — 289.1 kg y c = coeficiente de arrastre de 12. Solución. El siguiente ejemplo demuestra su utilidad para evaluar integrales. El modelo predice la velocidad del paracaidista como una función del tiempo.5)] 2 i > ( 0= gm c (1 _ -(clm).1. como se describió en el ejemplo 1. y su propio software. Dicho software puede evaluar las integrales. m — masa del paracaidista igual a 68.

7491 stimada. repetir este problema con un programa basado en el pseudocódigo de la figura 21 .(%) d e288.05 0.9b y emplear números de simple precisión (por ejemplo.l Asi.4337 289.Rnnilr* Integial < Seg Width Ww* 2887491 1 m*:": ' Help I :>«-.4369 289.•-) : .2 x 10" 1.4282 289.4076 289. la regla trapezoidal de aplicación múltiple obtieiw «célente exactitud. Podemos.4348 289.2 x 10 :l .4317 0.0593 9.002 0. m 10 20 50 100 200 500 1 000 2 000 5 000 10 000 1. observe cómo el error cambia do signo y empieza a .01 0. Podemos tratar con otros números de segmento de unu manera conveniente.4 x 10 5. . Así.10. En este punto.5 x 10 2.4360 289.5 0.001 289. el resultado es exacto hasta seis cifras significativas. Después de hacer clic en los botones Cale y Plot.7491.2636 289.2 0.1 0.4 x 10" 1. cerca de siete cifras significativas de precisión). hemos obtenido la integral con tres cifras significativas de exactitud..!£«!!=. Una inspección visual confirma que la integral es e i ancho del intervalo (10 s) por la altura promedio (cerca de 29 m/s). por tanto.0 x 10" -5.9 x 10" 5. Una gráfica de la función que expone los segmentos se muestra en la figura 21. se despliega una integral calculada de 288.1 FIGURA 21.4336 289._• I •''<" . como se muestra en la figura 21.237 0. Sin embargo.005 0. Con n — 500. es importante reconocer que el TOOLKIT de métodos numéricos usa doble precisión para obtener su estimación de la integral.10.0 0.j . La integral es equivalente al área bajo la curva v(t) contra t.2 x 10" -3.J3ü». hasta cerca de 500 segmentos.02 0. Los resultados son tgmentos T a m a ñ o del s e g m e n t o *.10 Pantalla de la computadora que muestra la integral de una función mediante el programa de la regla trapezoidal de segmentos múltiples del TOOLKIT de Métodos Numéricos.

Por último. El caso de 10 000 segmentos de hecho parece divergir del valor real. los cuatro puntos se pueden conectar con un polinomio de tercer orden (véase la figura 21. podrían requerirse procedimientos más eficientes (como aquellos planteados en lo que falta de este capítulo y en el próximo).2. la regla trapezoidal de múltiples segmentos demanda un gran esfuerzo computacional. mediante polinomios de orden superior para aproximar la integral.11a).630 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES aumentar en valor absoluto adelante del caso de 500 segmentos. otra forma de obtener una estimación más exacta de una integral es con el uso de polinomios de orden superior para conectar los puntos. o b) donde la misma función es consumidora de tiempo en su evaluación. el nivel de precisión está limitado y nunca podría alcanzar el valor exacto de 289. 21. • • Ahora veremos una forma en la cual se puede mejorar la eficiencia. Si hay dos puntos igualmente espaciados entre f(a) y f(b). Las fórmulas que resultan al tomar las integrales bajo esos polinomios son conocidas como reglas de Simpson. De esta manera.\ A » * . los errores de redondeo representan una limitación en nuestra habilidad para determinar integrales. Para tales casos.3 puede tomarse en cuenta tres conclusiones principales: • Para aplicaciones individuales con buen comportamiento de las funciones.116). Por ejemplo.1 Regla de S i m p s o n 1/3 La regla de Simpson 1/3 resulta cuando una interpolación polinomial de segundo orden es sustituida en la ecuación (21. podría ser muy importante cuando: a) se evaluarán numerosas integrales. Esto se debe a la inclusión del error de redondeo por el gran número de cálculos para todos esos segmentos. Aunque este esfuerzo puede ser insignificante para una sola aplicación.2 R E G L A S DE S I M P S O N Además de aplicar la regla trapezoidal con segmentación más fina. Esto se debe tanto a la precisión de la máquina como a los diversos cálculos involucrados en técnicas simples como la regla trapezoidal de múltiples segmentos.4351 que se obtiene en forma analítica. si hay un punto extra a la mitad del camino entre f(a) yf(b). Si se requiere de alta exactitud. Del ejemplo 21. Es decir.1): nb rb I = / 1 f{x)dx £ / Mx)d. la regla trapezoidal de múltiples segmentos es casi fina para obtener el tipo de exactitud requerida en muchas aplicaciones de la ingeniería. los tres puntos se pueden conectar con una parábola (véase figura 21. 21. Esta limitación se analizará con más detalle en el capítulo 22.

b) Si a y b se designan como x y x . La especificación "1/3" surge del hecho de que h está dividida entre 3 en la ecuación (21.f. Esta ecuación es conocida como regla de Simpson 1/3.23)]. Observe que.X\)' dx Después de la integración y manejo algebraico.L xi)(x (x-x )(x-x ) ftxo) + .5): Iss( p-a) Ancho 0 2 /(*o)+ * / ( * . h = (b — á)l2. de acuerdo con la ecuación (21.15). Una obtención alternativa se muestra en el cuadro 21. La regla de Simpson 1/3 se expresa también con el uso del formato de la ecuación (21. Es la segunda fórmula de integración cerrada de Newton-Cotes.x ) -f{xi) 0 2 2 0 2 2 (x -x )(x 2 .(x )A 'W4 FIGURA 21.iste en tomar el área I H i|( > una ecuación cúbica ( | i i ( ! conecta cuatro puntos. para este caso.x) (x¡ . b — x y x = punto a la mitad del camino entre a y b. | i ) Ilustración gráfica de la i t i i |lii de Simpson 3 / 8 : 11 ui.11 (i) Ilustración gráfica de la i M i j l i i de Simpson 1/3: 11H iiiiste en tomar el área I K i | o una parábola que 11 muela tres puntos. yf { ) representada por un polinomio de Lagrange de segundo orden [véase ecuación (18.14) donde.) + f(x )] 2 (21. el punto medio está ponderado por dos tercios y los dos puntos extremos por un sexto. Se puede mostrar que una aplicación de un solo segmento de la regla de Simpson 1/5 tiwie un error de truncamiento de (véase cuadro 21.14).3) x .X\) [x -x )(x -f(x ) .'.x )(xi . ) + M ) Altura promedio ( 2 U 5 ) donde a — x . que está dado por (b + a)/2. la integral se transforma en x e s 0 2 2 I f*2 Ixo 0 0 2 0 (x-x\)(x-x ) 2 0 (x . resulta la siguiente fórmula: / = |[/(Jfo) + 4/(A.3 donde el polinomio de Newton-Gregory se integra para obtener la misma fórmula.

2).16) 2 880 donde ^ está en algún lugar en el intervalo desde aab. el error es proporcional a la cuarta derivada. Esto es porque. el primer término es la regla de Simpson y el segundo es el error de truncamiento.2) (a .laecuación(B21. la regla de Simpson 1/3 se puede obtener al integrar hacia adelante el polinomio de interpolación de Newton-Gregory (véase cuadro 18.) -/(* )yA /-(x ) = / ( x ) . la regla de Simpion 1/3 tiene una preci- . Sin embargo. La razón para esto se verá un poco después. En lugar de ser proporcional a la tercera derivada.1) cuadro 21.3.6) indica que es más exacta de lo esperado. = -¿¿ / (§) 5 M) o.A /(*o) 2 Como se hizo en el cuadro 21. En O O A I I G M A O I L . en comparación con la ecuación (21.1) se puede reescribir como 0 0 2 x 0 I f(x ) + Af{x )a Q 0 + A /(x ) 2 0 A /(*o) 3 + J 2 4 — l ) ( a — 2) « ( « . (21.3.) • 0 0 A /(x ) 2 0 1 (B21. como se muestra en el cuadro 21. como h = (b — a)ll. obtenemos el resultado significativo de que la fórmula tiene una precisión de tercer orden. ( o ) + 4/^) + ñ x 2 ) ] _ .632 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES Cuadro 2 1 .2) (a .2f{x ) +/(* ). la integral es de a = 0 a 2: I=h I f l r Observe que el resultado significativo de que el coeficiente de la tercera diferencia dividida es cero. cuando se hagan las sustituciones simplificadoras (recuerde el 0 2 i 2 0 2/(.1)(<* .v ) + 2A/U.3. Así.3 ) / ¡ da 4 -a(ot a(a — 1) / = JLr/ .2): I en J.3)/! dx Observe que hemos escrito el polinomio hasta el término de cuarto orden en lugar de hasta el de tercer orden como se podría haber esperado.) + y A / ( x ) + l — .xa a(a a(a — f(x ) 0 + &f(x )a 0 + A /Uo) 2 + + A /(*o) 3 — 1) + V120 y evaluando en los limites se obtiene aa a (1 24 _ 0 A /(x ) 3 0 ~6~ a + ~6 4 Ucr* 16 + ~T2 l)(a — 2) 4 J 2 4 « ( " .2 para la regla trapezoidal. Debido a que A/"(x ) = /(x. E.L / 4 ) ( ^ REGK DE SIMPSON 173 ERROR DE TRUNCAMIENTO que se puede integrar para obtener Así. el término del coeficiente de tercer orden va a cero durante la integración de la interpoUoión polinomial. 3 Obtención y estimación del error de la regla de Simpson 1 / 3 / = h «/(*<. Ya que se suprime la tercera diferencia dividida. Por tanto. Observe también que los límites de integración van de x a x .D ( « . la regla de Simpson 1/3 es más exacta que la regla trapezoidal.

el error es aproximado (E ) y es debido a que el promedio de la cuarta derivada no es una estimación exacta de/* (£).2 + 25* .1).232 Por tanto.2 400) = 0. El error estimado es [véase ecuación (21. el resultado concuerda. /(O) = 0.2 + 4(2. Sin embargo.( .1. a 4) 21.6% la cual es aproximadamente 5 veces más precisa que una aplicación simple de la regla trapezoidal (véase ejemplo 21. = 16.456) + 0. 0.15) para integrar 2 3 4 5 = 0. dn resultados exuclos puní polinomios cúbicos «un cuando se derive de una parábola! Aplicación simple de la regla do Simpson 1/3 Enunciado del problema.456 /(0.2730667 e. como en este caso tiene que ver con polinomios de quinto orden.640533 .17) La integral total se puede representar como .8) — ' .2730667 2 880 5 donde —2 400 es el promedio de la cuarta derivada para el intervalo.8) = 0. la regla de Simpson se puede mejorar al dividir el intervalo de integración en un número de segmentos de igual anchura (véase figura 21.16)] E = a (0. ¡lin otras palabras.640533.1.900x + 400x desde a = 0 a b Solución.8 0.12): h = b —a n (21.367467 = 0.15) se puede usar para calcular / =0.2 /(0. como se obtuvo por medio de la ecuación (PT6.4) = 2. = 1.8.367467 que representa un error exacto de E.200x + 675x .232 6 = 1. la ecuación (21.4).sión de tereef ofdstt aun uiiaiidu He bnsc en sólo tres puntos. f(x) Use la ecuación (21.2 La regla de S i m p s o n 1/3 de aplicación múltiple Así como con la regla trapezoidal.2. Recuerde que la integral exacta es 1. Como ocurrió en el caso del ejemplo 21.

634 FÓRMULAS DE INTEGRACIÓN DE NEWTON -COTES^ Al sustituir la regla de Simpson 1/3 para la integral individual so obtiene /(A. por tanto. por tanto. /(*o) + 4 S f{x¡) + 2 " ¿ J . Sin embargo.12 Representación gráfica de la regla de Simpson 1 / 3 de aplicación múltiple. siguen en forma natural la regla de Simpson 1/3. como se ilustra en la figura 21. sumando los errores individuales de los segmentos y sacando el promedio de la derivada para dar F "~ ( 4 ) - (¿> . se debe utilizar u n número par de segmentos para implementar el método.a) Ancho f(x. Observe que el método se puede emplear sólo si el número de segmentos es par. ~ {b .)+4/'(. se cuentan dos veces. combinando términos y usando la ecuación (21. . FIGURA 21.15).17).a) 180« 4 J 7(4) (21. ) + /(. los coeficientes " 4 " y " 2 " en la ecuación (21. Además. el peso de 4 en la ecuación (21.18) podrían parecer peculiares a primera vista.19) donde/ es el promedio de la cuarta derivada para el intervalo.)+f(x„) (21. Los puntos pares son comunes en las aplicaciones adyacentes y.Y ) + 0 L / = 2/7 /(.18) 3n Altura promedio Observe que.v ) 4 + 2h /U „ )+4/(x„_ ) + /U„) ¡ 2 1 o. Los puntos nones representan el término medio para cada aplicación y. Un error estimado para la aplicación de la regla de Simpson se obtiene en la misma forma que para la regla trapezoidal.12.V2) 2h í\x ) 2 + 4 / ( x .

21. n = 4 (h = 0. / = (J.232 12 = 1.2 400) = 0. gral de U n o lu ecuación (21. está limitada a casos en los que los valores son igualmente espaciados.1.288 /(0.Veriión d« la rugía cim ülmpiun I /J do aplicación múltiplo Enunciado dol problema.2 + 25.) + 2 .017067 180(4) ' a 4 s. = 1.v -1. Además.9 0 0 A + 4 0 0 * desde a = 0 hasta b = 0.2 /(0. un polinomio de Lagrange de tercer orden se puede ajustar a cuatro puntos e integrarse: para obtener / f(x)dx = / h(x)dx I Ja Ja 3/(. = )] H nb rb |.464) + 2(2. como se mencionó antes..675A./'(*.288 + 3. Por esta razón.232 A partir de la ecuación (21.v) = 0.. Recuerde que la integral exacta es 1.456) + 0.456 /(0. Solución.18).640533 .19)] es E = — ^ .V|) + 3/(a) + / ( * .oZj4o/ E. está limitada a situaciones donde hay un número par de segmentos y un número non de puntos.v .18) con n — 4 para estimur la inte2 1 4 5 /'(.2()().640533.2 + 4(1.464 /(0) = 0.2) = 1.8.r ( . = 1.2. la fórmula de segmentos nones y puntos pares conocida como regla de Simpson 3/8 se usa en conjunto con la regla 1/3 para permitir la evaluación de ambos números de segmentos pares y nones.3 Regla de S i m p s o n 3 / 8 En una manera similar a la derivación de la regla trapezoidal y de Simpson 1/3.6) = 3. En consecuencia.623467 = 0.2): /(0.8) = 0.017067 El error estimado [véase ecuación (21.04% El ejemplo anterior ilustra que la versión de la regla de Simpson 1/3 de aplicación múltiple da resultados precisos. Sin embargo.4) = 2.O 0. como se analizará en la siguiente sección. se considera superior a la regla trapezoidal para la mayoría de las aplicaciones.

los dos puntos interiores tienen pesos de tres octavos. la regla 3/8 es algo más exacta que la de 1/3. ya que h — (b — a)/3. La regla de Simpson 3/8 tiene un error de ' 80 J o. FIGURA 21.636 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES donde h — (b — «)/3. mientras los puntos extremos pesan un octavo. /|x) A .20) Altura promedio Así.16).5): Issjb-a) Ancho + 3 / ( X l ) + 3 / f e ) + m m (21.21) Como el denominador de la ecuación (21. La regla 3/8 se puede expresar también en la forma de la ecuación (21.21) es mayor que el de la ecuación (21. E Jtz^tji^ 6 480 (21. Esta es la tercera fórmula de integración cerrada de Newton-Cotes.13 Ilustración de cómo se puede usar en conjunto las reglas de Simpson de 1/3 y 3 / 8 para manejar aplicaciones múltiples con números nones de intervalos. Esta ecuación se llama regla de Simpson 3/8 debido a que h se multiplica por 3/8.

/(0.3. = 1.5333) = 3.743393 . b) Úsela en conjunto con la regla de Simpson 1/3 a fin de integrar la misma función para cinco segmentos. Esto puede no ser recomendable. Como ilustración.900x + 400x 2 3 4 5 desde a = 0 hasta b — 0.48) = 3.296919 .«()) 0.4% 2 + 3 4 3 2 7 2 4 3 4 = /(0. lu rogln de 3/8 tiene utilidad cuando el número de segmentos es impar.16) = 1.432724 /(0.Sin embargo.487177 Usando la ecuación (21. sin embargo.186015 .2 ./Í0. 6 Regla de Simpson 3 / 8 Enunciado del problema. .232 ' ? E (0. Suponga que usted desea una estimación para cinco segmentos.2667) = 1.64) .16) es /(0) = 0.5 usamos la regla de Simpson para integrar la función para cuatro segmentos. Una opción podría ser usar una versión de aplicación múltiple de la regla trapezoidal como se hizo en los ejemplos 21.3.32) = 1. Solución.232 La Integral para los dos prlmeroi segmentos se obtiene usando la regla de Slmpion 1/3! .8. en el ejemplo 21.2 y 21.200x + 675x . ya que alcanza exactitud de tercer orden con I T C N puntos más que los cuatro puntos requeridos pora la versión de 3/8.8) " = -Tlérí6 4 8) 0 2400 5 = 0-1213630 | | b) Los datos necesarios para la aplicación de cinco segmentos (h — 0. a) Use la regla de Simpson 3/8 para integrar \ ! I | f(x) = 0.519170 = 0./{().2 + 25x .13). = 7. Una alternativa podría ser aplicar la regla de Simpson 1/3 a los dos primeros segmentos y la regla de Simpson 3/8 a los últimos tres (véase figura 21.181929 /(0. debido al gran error de truncamiento asociado con este método.640533 .1213630 e.20) / .232 ' 8 E.La regla do Nlmpaun 1/1 en o moñudo ol método de preferencia. | a) Una sola aplicación de la regla de Simpson 3/8 requiere de cuatro puntos igualmente espaciados: /(O) = 0.1./t0.8 ? 1 7 7 ) + 0.0 S °' ^+ . EJEMPLO 2 1 . De esta forma. podríamos obtener un estimado con una precisión de tercer orden a través de todo el intervalo.8) = 0.2 /(0.

En los nones. = . Además. se debe resaltar que.2.181929) + 0. Esta característica general se cumple para fórmulas de puntos mayores y nos lleva al resultado de que las fórmulas de segmentos pares y puntos nones (por ejemplo. Para el caso de pares.743393 + 3(3. = 1.645077 = -0. Observe que el programa de la figura 21.645077 E.3803237 6 Para los últimos tres segmentos. la regla 1/3 y la regla de Boole) usualmente son los métodos de preferencia.640533 . . junto con su estimación del error de truncamiento. Algunas de las fórmulas se resumen en la tabla 21. OfitMB ajternativas viables y atractivas.FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES / y. 2 % 9 1 9 ) + 1. Observe que todas se hallan diseñadas para datos que están en forma tabulada.2. Sin embargo.1. las fórmulas de cinco y seis puntos tienen el mismo orden de error. En el siguiente capítulo ilustraremos cómo se puede manejar esas ecuaciones.264754 8 La integral total se calcula al sumar los dos resultados: / = 0. cuando la función es conocida y se requiere de alta precisión.14 se bosqueja el pseudocódigo para diferentes formas de reglas de Simpson. Observe que. los métodos como la integración de Rombcrg o la cuadratura de O K U I I .00454383 e.14¿¡f está acondicionado para usar números de segmentos pares o nones.4 A l g o r i t m o s de cómputo p a r a las reglas de S i m p s o n En la figura 21.5 F ó r m u l a s cerradas de Newton-Cotes de o r d e n s u p e r i o r Como se observó antes. en la práctica de la ingeniería.743393 — = 0. la regla de Simpson 1/3 se aplica a cada par de segmentos y los resultados se suman para calcular la integral total.48 1. como en el caso de las reglas de Simpson 1/3 y 3/8. 21. las fórmulas de orden superior (que son mayores de cuatro puntos) son usadas muy rara vez.32 0.0 .264753 = 1. 2 8 % 21. Un programa general debería tener la capacidad de evaluar funciones conocidas así como ecuaciones. se aplica la regla de Simpson 3/8 a los tres últimos segmentos y la regla 1/3 a los segmentos previos. La precisión se puede mejorar al usar la versión de aplicación múltiple. 0. la regla trapezoidal y ambas reglas de Simpson son miembros de una familia de ecuaciones de integración conocidas como fórmulas de integración cerrada de Newton-Cotes.2 + 4 ( 1 . descritos en el capitulo 22.232 = 1.3803237 + 1.186015 + 3.2. la regla 3/8 se puede usar para obtener / = 0. Las reglas de Simpson bastan para la mayoría de las aplicaciones.

f) eum = f(0) P0l = 1.'i 5 Regla de 6 o) f ( X o | + f ( x .2 Fórmulas de integración cerrada de Newton-Cotes. Observe que para todos los casos n debe ser > 1 . FUNCTION 5lmplnt(a.! 8 -\]/90)h fW 5 -|3/80)/i-VI' l(í) 1 4 0) (b- 7f(x ) + 32f(x. + f iMmp13m = h * eum 13 FNI>Slmp13m n Simp33 / 3 (h. TABLA 21. fO. f3) m = n odd = n/2-INT(n/2) IF oda > O AND n > 1 THEN m =n. n. f) h = (b-a)/n IFn = 1 THEN eum = Trap(h.f _ . Las fórmulas se presentan en el formato de la ecuación (21.f _ .T4 i inio js para las reglas de Simpson. f) END IF END IF 5lmplnt = eum END Simplnt M i \ lu K Íc ó d g io H lf io FIGURA 21. m. b.f ) ri 3 r n 1 tl M eum = eum + 5¡mp13m(h. c) regla de Simpson 1/3 de aplicación múltiple.f2. fí.. f„_.2 eum = eum + 4 * f¡ + 2 * f END DO fium = eum + 4 * f„_. n. | a) [bn\ n\ B o u h I \b i i H)i{x ) i (bf|x ) n + 2 4f(x ) 1 + f(x ) 7 6 flxol + A F L X .a)/n.n-2.2 rüNCTION 5lmp13 = 2'h* (f0+4*fí+f2) END Slmp13 5lmp13 /6 (h.f _2.| + 12í(x | + 3 2 r > ) + 7f(x ) 0 2 3 0) 90 19f(x ) ü ASflxJ 2 .fZ) b) FUNCTION 5¡mp3& = 3*h* (f0+3*(fí+f2)+f3) FND 5imp33 t VNCTION 5imp13m (h. a) Regla de Simpson 1 / 3 de aplicación simple.5) de manera que el peso de los datos para estimar la altura promedio es aparente. El tamaño de paso está dado por h = (b . Error de t r u n c a m i e n t o -(1/12)^) Segmentos (") 1 2 Puntos 2 3 4 Nombre Regla trapezoidal (b- Fórmula Regla de Simpson 1/3 Regla de Simpson 3 / 8 ú A . f j EL5E fí. y d) regla de Simpson de aplicación múltiple para números de segmentos nones y pares.21.')0/(x :f I V 288 ' W (2/5/1 VW())h . fO.3 END IF IFm>1 THEN 1 * 1 • » di eum = sum+Slmp33(h. l + S f N + flx. b) regla de Simpson 3 / 8 do ación simple.

8 4 2 9 8 5 3 .309729 0. + 0. 0 7 4 9 0 3 2 . En consecuencia.8) podría simplificarse al agrupar términos para obtener la ecuación (21.8% 675X .3 fue generada mediante el | mismo polinomio empleado en el ejemplo 21. .22) donde h¡ = ancho del segmento /. existen muchas situaciones donde esta suposición no se cumple y debemos tratar con segmentos de tamaño desigual.22) es que las h en la primera son constantes. U / ( * 0 ) + .305241 1.10 n 7=0. Si se aplica la ecuación (21. 4 5 6 0 0 0 0.32 0.2 0 Ü X + la cual representa un error relativo absoluto de £. Para esos casos.363 1 = 0.3 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES INTEGRACIÓN CON SEGMENTOS DESIGUALES Hasta este punto. Por ejemplo. i ? í \ | Solución. un método es aplicar la regla trapezoidal a cada segmento y sumar los resultados: .0 0 . 2 + 25x . . 2 3 2 0 0 0 .3 Datos para f(x) = 0 .7 Regla trapezoidal con segmentos desiguales | Enunciado del problema.305241 + 1.12975 = 1. 3 6 3 0 0 0 0 .900X + 4 0porcentual 0 X . 1 8 1 9 2 9 2 .743393 2 .10 1. Recuerde que la respuesta correcta es 1 . u / ( S I ) + /fe) .640533.L ) + / ( * „ ) l=hi ~ + " 2 2 ' " 2 (21.80 2 . H u / ( * „ . con valores 2 3 4 5 de x desigualmente espaciados. .594801 1 TABLA 21.44 0. todas las fórmulas para integración numérica se han basado en datos igualmente espaciados.22) para evaluar una integral.640 21.54 0. Use la ecuación (21. Antes de describir ese algoritmo. La única diferencia entre las ecuaciones (21.1. En la práctica.130749 + • • • + 0.309729 + 0. los datos derivados experimentalmente son a menudo de este tipo. Aunque esta simplificación no puede aplicarse a la ecuación (21. 1 2 0.22) para determinar i la integral para estos datos.2 + 0.9).22 0. 4 0 0 .232 + . la ecuación (21.36 0 . 2 0 0 0 0 0 1. = 2 .12 + 2.3 se obtiene 1.090584 + 0.64 0. X """""""'"ÍLX)'"*" X 0. ilustraremos en el siguiente ejemplo cómo se puede aplicar la ecuación (21. EJEMPLO 21. es posible desarrollar de manera fácil un programa en computadora para acomodar los segmentos de tamaño desigual.309729 1.22). Observe que éste fue el mismo procedimiento que se usó en la regla trapezoidal de aplicación múltiple.22) a los datos de la tabla 21.70 0.8) y (21. 5 0 7 2 9 7 3 . La información en la tabla 21.

15 Uso de la regla trapezoidal para determinar la integral de datos desigualmente espaciado». El primer segmento se evalúa con la regla trapezoidal: „ 1.2758029 Los siguientes tres segmentos también son iguales y.2726863. Observe que alguno* segmentos adyacentes son de igual anchura y.09058376 Debido a que los dos siguientes segmentos que van de x = 0. por tanto.309729 / = 0. pudieron haberse evaluado mediante las reglas de Simpson. Los datos del ejemplo 21.743393 + 4(1.2 / = 0. Solución. Inclusión de las reglas de Simpson en la evaluación de datos no uniformes Enunciado del problema.FIGURA 21.12 a 0. De manera similar.7 se ilustran en la figura 21.2—: — = 0. 1.309729 + 0. pero ahora use las reglas de Simpson para aquellos segmentos donde son apropiados. la regla 1/3 se puede aplicar a .12 •— = 0. Observe cómo los segmentos achurados podrían evaluarse con la regla de'Simpson para obtener mayor precisión.3. su integral se puede calcular con la regla de Simpson 1/3: .15.32 son de igual longitud. Esto usualmente nos lleva a resultados más precisos.305241) + 1. Vuelva a calcular la integral con los datos de la tabla 21. en consecuencia. pueden evaluarse con la regla de 3/ft para dar / = 0. como lo ilustra el siguiente ejemplo.

Univon . x.eum .64 para obtener I = 0.16 Pseudocódigo para integrar datos desigualmente espaciados. FIGURA 21. f) h=x -x k=1 eum = O. El área de esos segmentos individuales se suma para dar una integral total de 1.642 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES los dos segmentos desde x = 0. t Programa de cómputo para datos espaciados de manera desigual. El algoritmo se lista en la figura 21.22) es una proposición bastante simple. fj_ f-) EL5E eum = eum + Simp33 (h. FP EL5E IFk = 2 THEN eum = eum + 6\mp13 (h.n eum = eum + (x¡ . o) FUNCTION Trapun (x.n 1 0 IF A35 (h . fj_ fj_ f^) k = k-1 EL5E k = k+1 END IF EL5E IFk = 1 THEN eum = eum + Trap (7% FJ_.7. respectivamente. y. fj_ ENDIF k=1 END IF END IF h = hf END DO 3 2 2 2 hf = x -Xj j+1 fj) UFE: LMm*»n.44 hasta 0.2%.16a. DO J = 1.. a) Regla trapezoidal y b) Combinación de reglas de Simpson y trapezoidal. n) LOCAL I.1297500. Finalmente.x )*(y END DO Trapun = eum END Trapun H b) H + y¡)/2 FUNCTION Uneven (n.6684701.OOOOOI THEN IFk = 3 THEN eum = eum + 5imp13 (h. Esto representa un error e = 2. los cuales son de longitud desigual. Programar la ecuación (21.603641. el cual es superior al resultado que se obtuvo mediante la regla trapezoidal del ejemplo 21. se pueden evaluar con la regla trapezoidal para dar valores de 0. .. los dos últimos segmentos..hf) < . eum eum = O DO i=1.1663479 y 0.

ya que requieren menos puntos para alcanzar la misma precisión que con las fórmulas de segmentos nones y puntos pares. se una la regla 3/8. El tamaño de paso está dado por h .4 F Ó R M U L A S DE I N T E G R A C I Ó N A B I E R T A Recuerde de la figura 21 3b que las fórmulas de integración abierta tienen límites que se extienden más allá del rango de los datos. 1 . como NO analiza en el capítulo 22. no sólo permite la evaluación de segmentos de datos desiguales. sino que al usar la información igualmente espaciada.5) para que los factores ponderados sean evidentes. representa un algoritmo básico para todo propósito en la determinación de la integral de datos tabulados. Las fórmulas se presentan en «I formato de la ecuación (21.| 2 2f|x. Así. Adetnáa.1 6b. se implementn la regla trapezoidal. 4 Fórmulas de integración abierta da Newton Cotos. Por esta razón desarrollamoa un segundo algoritmo que incorpora esta capacidad. Error de t r u n c a m i e n t o tegmentos (n) Puntos Nombre Método del punto medie Fórmula [b-a] f(x. se aplica la regla de Simpson 1/3. . Como con las versiones cerradas.4 resume las fórmulas de integración abierta de Newton-Cotes. La tabla 21. Si tres son iguales.8. Las fórmulas de segmentos pares y puntos nones son por lo común los métodos de preferencia.)-í|x | ? + (l/3]/> f"(íl 3 |b-o) fa [3/4}h fU) 3 _ 2f(x.a)/n.4 I E R T A TABLA 2 1 . el procedimiento es resaltado ai se implementan las reglas de Simpson cuando sea posible. Cuando los segmentos adyacentes son de longitud desigual. Sin embargo. Las fórmulas se expresan en la forma de la ecuación (21. Si dos segmentos consecutivos son de igual longitud. como se demostró en el ejemplo 21. Como se ilustra en la figura 21. el algoritmo verifica la longitud de los segmentos adyacentes. Como tal. se reduce a las reglas de Simpson.| 3 24 llf| )-14f|x ) X l 2 + |95/144)f) fl >|§) 5 4 26f|x3)-14f|x ) 4 (41/140)//f (£) |6. tienen utilidad para analizar integrales impropios.(b . 21. 20 Sin embargo. tienen In relevancia de nuestro análisis de métodos multipnsos para la solución de eotiflolonen diferenciales ordinarias en el capitulo 26.21.5) de manera quo el peso de los datos para estimar la altura promedio sea aparente.UN fórmulas abiertas no se usan a menudo para integración definida. pares sucesivos de las fórmulas tienen el mismo orden de error.

con n = 4 y 6.)dx x 5 4 de la regla trapezoidal.1.16. j) el método de punto medio. 21.v -l) ) dx Observe que el valor real es 0.12 Integre la siguiente función en forma analítica y numérica. conn = 1.644 PROBLEMAS FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES 21.6Evalúe las integrales del problema 21. 21. .16 Evalúe la integral de los siguientes datos tabulados mediante la regla trapezoidal: -3 -1 dx flx) 1 1 3 21.1 con una regla trapezoidal de aplicación múltiple.4 Evalúe las integrales del problema 21. (8 + 3 sen x) dx Calcule los errores relativos porcentuales de los resultados numéricos. b) la regla de Simpson 1/3. y h) fórmula de integración abierta con 4 segmentos/3 puntos.2 0.14 Evalúe la integral de los siguientes datos tabulados con la regla trapezoidal: X 0 1 0.602297. Para las evaluaciones numéricas use d) una sola aplicación de la regla trapezoidal. use la versión de aplicación múltiple con n = 4.1 con una sola aplicación de la regla de Simpson 3/8.9 Integre la siguiente función en forma analítica y con las reglas de Simpson. c) regla de Simpson 3/8.7 Evalúe las integrales del problema 21. 21.3 Evalúe las integrales del problema 21. pero ahora use una aplicación múltiple de la regla de Simpson. 21.8333 para evaluar la exactitud de las aproximaciones trapezoidales. con n = 2. d) regla de Boole. con n = 4 y 5: j (4x. g) la fórmula de integración abierta con 3 segmentos/2 puntos. 2.10 Integre la siguiente función de manera analítica y numérica. e) regla de Boole. 21. Para los dos casos.5 Analice los resultados. con n = 5.1 0. 21.1 Use medios analíticos para evaluar a) j* b) J (1 - e. 3 y 4: (x + l/x)" dx Calcule los errores relativos porcentuales con respecto al valor real de 4.+ 5) dx 3 Calcule los errores relativos porcentuales de los resultados numéricos./) fórmula de integración abierta con 3 segmentos/2 puntos y g) fórmula de integración abierta con 4 segmentos/3 puntos. (1 . f|x) 7 4 3 5 2 Calcule los errores relativos porcentuales para los resultados numéricos. c) regla de Simpson 3/8. e) método de punto medio.x . 21.1 con una sola aplicación de la regla de Simpson 1/3.4 0. Analice sus resultados. 21. Use las reglas trapezoidal y lá de Simpson 1/3 para integrar numéricamente la función.1. 21.17 Realice la misma evaluación que on el problema 21. b) regla de Simpson 1/3.14.3 0.11 Integre la siguiente función on forma analítica y nuniériM.2 Emplee una sola aplicación de la regla trapezoidal para evaluar las integrales del problema 21. 21.2-x)(\-e 20 (.1 con una aplicación múltiple de la regla de Simpson 1/3.4 y 6.15 Realice la misma evaluación que en el problema 21.13 Integre la siguiente función.A¿ + x ) dx (8 + 4senx)<¿x c) J Jo 15 2t dx 21.8 Integre la siguiente función mediante la regla trapezoidal. 21. paro ai^¡aj||Jij»jegla» de Simpson. Evalúe esta integral con la regla trapezoidal de segmento múltiple.5 Evalúe las integrales del problema 21. pero ahora use las reglas de Simpson. 21. P i n l u •valuaciones numéricas use a) una sola aplicación f Jo 21. 21. d) aplicación múltiple de las reglas de Simpson (« = 5). Use una n lo suficientemente grande para que tenga usted 4 cifras significativas de exactitud. Jo 0A x {l.

6065 0. emplee las reglas de Simpson 21. y c) mediante la ecuación (PT6. 2 3 Desarrolle un programa de cómputo de uso amigable para 0. b) usando la ecuación (PT6.13.9.7408 0.5. I N Determino el valor medio de la (unción /( o • •ULTRA SlmpHon 1/3. t'viilíic la integral desde a = 0 hasta b = 1. c) el problema 21.).5 0.22) para repetir a) el problema 21.7 o 0.). 21. Pruébelo con los mismos datos de cálculo del ejemplo 21. imkulc el error relativo porcentual (£.71* . Para b) calcule el error relativo porcentual (e. b) haga que la entrada y salida estén orientadas al usuario y c) modifique el programa para que sea capaz H» pupilo usar para generar la siguiente tabla de datos desigualde evaluar funciones dadas además de datos tabulados.10 y e) el problema 21.2.V .4) y la evaluaR O N ttiinlilica de la integral.14c.2 con a) medios 2 1 . 2 1 .3 0. b) con una aplicación múltiple de la regla que I = ¡ f(x) dx es el área entre la curva f(x) y el eje. Para b) y e ) calcule el error relativo porcentual (('. Pruebe HltlilD espaciados: su programa con los mismos datos de cálculo del problema 21 .8JC + 1. 2 1 .4966 0. Para b) y c).8. 2 0 I i valúe la siguiente integral doble: de métodos numéricos (o su propio programa a partir del problema 21.Ü72^' 2 3 2 y 10 a) graficando la función y estimando en forma VlHlIH1 el valor medio. Pruébelo con los mismos datos de cálculo del ejemplo I I I I I H I O sea posible para obtener la mayor exactitud.12. Calcule el error relativo porcentual.1 0.3012 en la figura 21.).3. 2 2 Desarrolle un programa en computadora de uso amigablo II.IV función para la regla trapezoidal de aplicación múltiple con base en la figura 21. b) el problema 2 1. 2 1 .4) y I I H M versión de la regla de Simpson con cinco segmentos para •lllinm In integral. a) agregue comentarios de docullil < • mentación al código.9048 0.95 1. d) el problema 21. Entre otras cosas.2.0. • 3y +xy ) dx dy Use la opción gráfica para que le ayude a visualizar el concepto il) timilllieumente.2 la versión de aplicación múltiple de la regla de Simpson con base I 0.166. c) sólo con aplicaciones de la regla de diferentes tamaños de paso para cada problema.4. \ J-4J0 J-l 2yz) dx dy dz d) analíticamente y b) usando sólo aplicaciones de la regla de Simpson 1/3.I I . 2 1 Evalúe la integral triple 4 4d + 45. b) la regla trapezoidal y c) una combinación de las integrar datos desigualmente espaciados con base en la figura I P U I I I N trapezoidal y de Simpson. 2 1 .3867 0. 2 5 Use el programa Intégrate Function del disco T O O L K I T 1 1 . 1 2 2 b a . 2 4 Desarrolle un programa de cómputo de uso amigable para H I I H I I I K O S .8. Intento liupivimliil (/i = 2).

Ambas capitalizan la habilidad para generar valores de la función con el fin de desarrollar esquemas eficientes para integración numérica.CAPITULO 2 2 Integración de ecuaciones En la introducción de la parte seis mencionamos que las funciones que habrán de integrarse de manera numérica son típicamente de dos formas: una tabla de funciones o una función. Por ejemplo. 22. si la función está disponible. dedicamos una sección final a la evaluación de integrales impropias. observe que ni los valores de la variable independiente ni de la dependiente HC piiNiin u la función por medio de su argumento. el .1 A L G O R I T M O S DE N E W T O N . Para la variable independiente x.C O T E S PARA ECUACIONES En el capítulo 21 presentamos algoritmos para versiones de aplicación múltiple de la regla trapezoidal y de las reglas de Simpson. Además de esas dos técnicas estándar. El segundo método es llamado cuadratura de Gauss. nos limitaremos al número de puntos que se tengan. La primera técnica se basa en la extrapolación de Richardson. Para información tabulada. Recuerde que en el último capítulo los valores de f(x) para las fórmulas de Newton-Cotes fueron determinadas para valores específicos de x. Este capítulo dirige su atención a dos técnicas que están expresamente diseñadas para analizar casos donde se da la función. La figura 22. lin particular. se puede generar tantos valores de f(x) como se requiera para alcanzar una exactitud aceptable (recuerde la figura PT6. La forma de los datos tiene una importante influencia en los procedimientos que se puede usar para evaluar la integral. podrían no explotar la conveniencia de estas últimas.1 muestra los pseudocódigos que están expresamente diseñados para casos donde la función es analítica. En contraste. Aunque estos pseudocódigos pueden ciertamente usarse para analizar ecuaciones. el cual es un método que combina dos estimaciones numéricas de la integral para obtener una tercera. Las fórmulas de cuadratura de Gauss emplean valores dex que están posicionados entre a y b de tal forma que resulta una estimación de la integral mucho más exacta. como fue el caso para los códigos ea ti Capitulo 2 1 . si se usa la regla trapezoidal para determinar una integral.7). Esta técnica es recursiva y puede usarse para generar una estimación de la integral dentro de una tolerancia de error preespecificada. En este análisis nos concentraremos en integrales con límites finitos y en mostrar cómo un cambio de variable y fórmulas de integración abierta prueban ser útiles para tales casos. en nuestro esfuerzo por hacerlas compatibles con los datos o las funciones. estamos restringidos a tomar el promedio ponderado def(x) en los extremos del intervalo. que tiene un valor más exacto. El algoritmo computacional para implementar en forma muy eficiente la extrapolación de Richardson se llama integración de Romberg.

b) y el número de segmentos pasados.n-1 x =x + h eum = eum + 2 * f(x) END DO eum = eum + f(b) TrapEq = (b-a) * eum / (2 * n) END TrapEq b) FUNCTION SimpEq (n. . por tanto.1 Mi|IHilmos para M|ilii liciones múltiples de las I M I | | I I S a) trapezoidal y b) de 'iinipson 1 / 3 .1 se calculan mediante llamados de la función sujeta a análisis.22.2. esfuerzo computacional) para alcanzar niveles altos de exactitud. las ecuaciones para el error [ecuaciones (21. Es muy similar a las técnicas analizadas en el capítulo 21 . intervalo de integración (a. note también que para grandes valores de n. Observe cómo el error disminuye en tanto n aumenta./(X). Para la variable dependiente. se alcanzan mejores resultados con menos esfuerzo. aunque se lengu que hacer manipulaciones matemáticas.2 I N T E G R A C I Ó N DE R O M B E R G La integración de Romberg es una técnica diseñada para alcanzar eficiencia en las integrales numéricas de funciones. en el sentido de que etttá basada en aplicaciones sucesivas de la regla trapezoidal.2 x =x+ h eum = eum + 4 * f(x) x=x+ h eum = eum + 2* f(x) END DO x=x+ h eum = eum + 4 * f(x) eum = eum + f(b>) SimpEq = (b-a) * eum / (3 * n) END SlmpEq FIGURA 22. a. la regla trapezoidal de aplicación múltiple y las reglas de Simpson son algunas veces inadecuadas para resolver problemas en contextos donde se necesita alta eficiencia y errores mínimos.13) y (21. Observe además que se requiere un número muy grande de evaluaciones de la función (y. b) h = (t>-a)/n x =a eum . Desarrollamos programas con simple precisión. Esta información se emplea entonces para generar valores igualmente espaciados de x dentro de la función. a.n-2. Como una consecuencia de estos defectos. para analizar el esfuerzo involucrado y los errores en que se incurre cuando se usa progresivamente más segmentos para estimar la integral de una simple función.2 + 25x — 200X + 675JC — 900 JC + 400x . los valores de la función en la figura 22. Para una función analítica.2 I N I F L J J T F F T N D E R Ó M B G R O 147 o) FUNCTION TrapEq (n. el error empieza a aumentar cuando los errores de redondeo comienzan a dominar. Sin embargo.f(x) D0l = l. 2 3 4 5 22. b) h = (b-a)/n x =~a eum = f(x) D0l = 1.19)] indican que el aumento en el número de segmentos n resultará en una estimación más exacta de la integral. donde la liini n'in está disponible. Sin embargo. la cual es una gráfica del error verdadero contra n para la integral def(x) = 0. basados en esos pseudocódigos. Esta observación es soportada por la figura 22.

2. y se les conoce por lo general como extrapolación de Richardson. I{h) — aproximación de una aplicación de n segmentos de la regla trapezoidal con un tamaño de paso h = (b — a)ln.2 Valor absoluto del error relativo porcentual verdadero contra el número de segmentos para la determinación de la integral de f(x| = + 25x Regla trapezoidal 2 2 evaluada desde a = 0 hasta b = 0. Esos métodos usan dos estimaciones de una integral para calcular una tercera más exacta. I I I I I 256 1 024 4 096 16 384 128 512 2 048 8 192 Segmentos Extrapolación de Richardson Recuerde que en la sección 10. e o a . I .1 2 . los errores de redondeo limitan la precisión. 2 c 2 0 0 X + 6 7 5 X 900/ +4 0 Ü X . n (22. Observe que ambos resultados indican que para un gran número de segmentos.3.l 64 I I. y E(h) — error de truncamiento. 10 -5 Límite de precisión Regla de Simpson 1/3 Límite de precisión L U 22.) + E(h) donde / = valor exacto de la integral.648 INTEGRACIÓN DE ECUACIONES 100 10 O " 1 0 a • C B 1 0 0 . .1) ..8 mediante la regla trapezoidal de aplicación múltiple y la regla de aplicación múltiple de Simpson 1/3. 5 3 10 -3 a> i 4 < D . - 10 -6 I I . Las técnicas de corrección de errores se hallan también disponibles para mejorar los resultados de integración numérica sobre la base de las mismas estimaciones de la integral.1 0 FIGURA 22. I .1 16 32 I .3 usamos un refinamiento iterativo para mejorar la solución de un conjunto de ecuaciones lineales simultáneas. Si hacemos dos estimaciones por separado mediante tamaños de paso de h\ Y 2 Y tienen valores exactos del error. El error estimado y asociado con una aplicación múltiple de la regla trapezoidal puede representarse de manera general como / = /(/.

hemos hecho posible utilizar la información contenida en la ecuación (22.2) sin un conocimiento previo de la segunda derivada de la función. desarrollamos un estimado del error de truncamiento en términos de las estimaciones de la integral y de sus tamaños de paso. arreglemos de nuevo la ecuación (22./2).3) para tener \h 2 la cual se puede sustituir en la ecuación (22.. y j / . Así. i .']/. E = -^V/" (22. 1 T | ) /' 1 ' ' ( 2 2 . la ecuación 22.3) Este cálculo tiene un importante efecto en la remoción del t é r m i n o / " de la operación.2 N IT O IU fC O lN D E ROMBERO Ahora recuerde que el error de la aplicación múltiple de la regla trapezoidal puede representarse de manera aproximada por la ecuación (21. Al hacer esto.13) [con n = (b — d)lh\. / SÉ 4 / ( / / í ) 1 / ( A | ) 3 .2) Si en ésta se supone q u e / " es constante sin importar el tamaño de paso.1): I(hi) + E(h )(j±j = ¡(h ) + E(h ) 2 2 2 que puede resolverse para E(h ) = 2 l(. esta ecuación es ahora 2 / S é I(h ) 2 + ^-¡[Wi) - / ( A i ) ] 7.. Para realizarlo. agrupando términos. Para el caso especial donde el intervalo es la mitad (h = A.22.2 se puede usar para determinar que la razón de los dos errores será —— = 4 (22. 5 ) o. 1978) que el error de dicha estimación es 0(h 4).hú-I(h ) \-(h /h ) 2 2 { 2 Así. Dicha estimación puede entonces ser sustituida en / = I(h ) + 2 E(h ) 2 para dar una estimación mejorada de la integral: ^^'pQR^-^ 1 . ( 2 2 A ) Sp puede demostrar (Ralston y Rabinowitz.. cambiamos las estimaciones de la regla trapezoidal de 0(h 2) para obtener una nueva estimación de 0(h A).

6) ' donde I e I¡ son las estimaciones mayor y menor.4 0.0%).017067 (e = 1.1. combinarse para obtener aun un mejor valor con 0(h ).4) proporciona una forma de combinar dos aplicaciones de la regla trapezoidal con un error 0(h ) para calcular una tercera estimación con un error de 0(h ).6%).( 1 . en el ejemplo 22. 0 6 8 8 ) = 1.5) para calcular la estimación mejorada de la integral.1. Para el caso especial donde las estimaciones del trapezoide original están basadas sobre sucesivas mitades de tamaño de paso.2 h Integral 0. 4 8 4 8 ) .1728 1. Este procedimiento es un subconjunto de un método más general para combinar integrales y obtener estimaciones mejoradas.7) . = 1. De manera similar.273067 (£. Las estimaciones de uno y dos segmentos se pueden combinar para dar | Solución.5 34. j De la misma manera.367467 = 0. | / = -(1.^(0.„ . Como ilustración.8.1.( 1 .623467 que representa un error deE = 1. calculamos dos integrales mejoradas de 0(h ) sobre la base de tres estimaciones de la regla trapezoidal. Por ejemplo.8 0. = 16. 15 "' 15 m 6 s v (22.640533 .2 | + 25x . la ecuación usada para la exactitud de 0(h ) es 2 4 4 6 6 / ^ —/. j el cual es superior a las estimaciones sobre las cuales se basa. dos resultados 0(h ) pueden combinarse para calcular una integral que es 0(h ) por medio de (22.900x + 400x desde a = 0 hasta b = 0.1) usamos ¡ una variedad de métodos de integración numérica para evaluar la integral de f(x) = 0.1 y tabla 21..650 EJEMPLO 2 2 .1728) = 1. t t La ecuación (22. a su vez.4848 e„% 89.623467 = 0. En el capítulo anterior (ejemplo 21. respectivamente.0688 1.— /. i aplicaciones simples y múltiples de la regla trapezoidal dan los siguientes resultados: 2 3 4 s Segmentos 1 2 4 0.9 9. las estimaciones para dos y cuatro segmentos se pueden com| binar para obtener | ¡ '4 1 í ! / = .5 | ¡ Use esta información junto con la ecuación (22. 1 INTEGRACIÓN DE ECUACIONES Correcciones de error de la regla trapezoidal | Enunciado del problema.200x + 675x .640533 .0688) . Esos dos cálculos mejorados pueden.367467 | El error de la integral mejorada es E.

^ ( 1 .1 fueron 1. al aumentar la exactitud.8) se convierte en k 4 6 •i lk2 I 1. La figura 22. y asi sucesivamente. . Utilice la ecuación (22. El subíndice k significa el nivel de la integración. mejores estimaciones do la integral. respectivamente.6) y (22. Estos valores pueden sustituirse en la ecuación (22.j = 3 es para una aplicación de cuatro tegmentos [el tamaño de paso es (b — a)/4]. De esta manera.5). 2 2 .2 EJEMPLO 2 2 . Por ejemplo. k = 3 a 0(h ). La primera celumna contiene las evaluaciones de la regla trapezoidal que están designadas por fp.1 usamos la extrapolación de Richardson ¡ para calcular dos estimaciones de la integral de 0(h ).623467. La forma general representada por la ecuación (22.7)] aumentan hasta 1. Las dos estimaciones de la integral de 0(h ) obtenidas en el ejemplo 22 .367467 y 1. y su aplicación sistemática para evaluar integrales se denomina integración de Romberg. e Ij = la &I integral mejorada.1 la cual es equivalente a la ecuación (22.8) donde I . éstos representan los factores ponderados que. donde k = 1 corresponde a la regla trapezoidal original.8) es atribuida a Romberg. la ecuación (22. ! = las integrales más y menos exactas.jfc-l 7 J+l k (22.3 es una ilustración gráfica de la secuencia de la estimación de la integral generada con este procedimiento.5). 4 6 ] ! 1 Solución. k = 2 corresponde a 0(h ).6) para 4 obtener i | I / = ( 1 . lin el ejemplo 22. 3 6 7 4 6 7 ) = 1. Estas formulaciones se pueden expresar en una forma general que se ajusta muy bien para la implementación en computadora: | l y+l.i . 2 Corrección de error de orden luperior para estimaciones de la integral J Enunciado del problema. y así en forma sucesiva.6) para | combinar esas estimaciones y calcular una integral con 0(h ). j = 2 es para una aplicación con dos segmentos [el tamaño de paso es (b — a)/2].8) para obtener OBda ve/. donde j — 1 es para una aplicución de un solo segmento (el tamaño de paso es b — a). 2 El a l g o r i t m o de integración de R o m b e r g Observe que los coeficientes en cada una de las ecuaciones de extrapolación [ecuaciones (22. El subíndice j se usa para distinguir entre las estimaciones más (f + 1) y menos (/') exactas.22. (22. para k = 2 yj = 1. 6 2 3 4 6 7 ) .2 4/ . Las otras columnas di la matriz son generadas de manera sistemática mediante la ecuación (22. 2 . dan un peso relativamente mayor sobre la estimación de la integral superior. Cada matriz corresponde a una sola iteración.640533 que es una respuesta correcta con las siete cifras significativas que se han utilizado en este ejemplo./ 1. .

1728001.4 Pseudocódigo para la integración de Romberg que usa la versión de segmentos de igual tamaño de la regla trapezoidal a partir de la figura 2 2 . (22. Un método que puede emplearse para el propósito actual es [véase ecuación (3.3 Ilustración gráfica de la secuencia de las estimaciones de la integración que se generó con la integración de Romberg.10) n = 1 • /.9) - Iu . = 1. .367467 . o criterio de paro.5)] 21 2 0(h ). debemos verificar para establecer si este resultado es conveniente para nuestras necesidades. se requiere una terminación. La ecuación (22.8) se A usa entonces para calcular el elemento J.068800 • 1. la primera iteración (véase figura 22.639467 • . el cual tiene un error de Ahora. FUNCTION Rhomberq (a. b) D0k = 2.172800 1. b.172800 1. b) iter = O DO Iter = iter + 1 n = 2*"" W u = TrapEq(n.3a) involucra calcular estimaciones con la regla trapezoidal para uno y dos segmentos ( / [ .i 100% FIGURA 22.640533 Por ejemplo.484800 • 1. = TrapEq(n.068800 1.652 INTEGRACIÓN DE ECUACIONES a) 0.623467 - . e I ). a.640533: 1. para asegurar la exactitud de los resultados._.640533- . es) EXIT END DO 1¡tter+Í l f t liter+ Rhorntot? m / )(((frt( .640533 c) . 1 .í J / l .367467.k + END DO ea = A35((l . iter + 1 j = 2 + iter . Como en los otros métodos aproximados en este libro. es) LOCAL 1(10.484800 • 0.367467 0(h*) 0(n«) b) FIGURA 22. a.) * 100 IF (Iter £ maxit OR ea <.623467 • .0688000.600800 • .367467 . maxit.

para la determinación de una integral como la expuesta en la figura 22. Por ejemplo.3a. a s 6 3 3 2X 22 2 3 2 4 C U A D R A T U R A DE G A U S S En el capítulo 21 estudiamos el grupo de integración numérica o fórmulas de cuadratura conocidas como ecuaciones de Newton-Cotes. La integración de Romberg es más eficiente que la regla trapezoidal y las reglas de Simpson analizadas en el capítulo 21. En contraste. El resultado se combina.5a. El objetivo de la segunda iteración (véase figura 22. a su vez.8) para generar I = 1. una estimación trapezoidal se agrega a la primera columna. corno se hizo antes en otros procesos llerottvoN. so 1. comparamos la nueva estimación con el valor anterior.36) es obtener Ja estimación 0(h ). Esto se debe al conocimiento de la función que permite las evaluaciones requeridas para la implementación inicial de la regla trapezoidal.4848. ¡con sólo 13 evaluaciones de la función! La figura 22. Podría no ser posible realizar aproximaciones más finas debido al error de redondeo. (/j ) . En este caso. .9) se puede aplicar para determinar que este resultado representa un cambio del 22. esta evaluación indica un 87. y entonces la ecuación (22. se determina una estimación adicional con la regla trapezoidal. el resultado ( 1 . debido a que evaluamos un polinomio de quinto orden. Debido a que la regla trapezoidal debo pasar a través de los puntos extremo. Los datos tabulados están rara vez en la forma requerida para dividirlos a la mitad sucesivamente. La fórmula que se usa para calcular el área es l=(b-a) f(a) + f(b) 2 (22.5a donde la fórmula resulta en un error grande.4 representa el pseudocódigo para la integración de Romberg. Esto se combina entonces con I mediante la ecuación (22. la integración de Romberg da un resultado exacto (hasta con siete cifras significativas) basado en la combinación de las reglas trapezoidales con uno.22.1.4% de cambio sobre el curso de la primera iteración.6% cuando se compara con el resultado previo / . 7 ! = 1.3 Cl donde e„ «• una eatimaelón del error relativo porcentual. Para hacer esto. = 1. como se describe en la figura 22. cuatro y ocho segmentos. el cálculo termina. De esta mnncru. La integración de Romberg está diseñada para casos donde se conoce la función que será integrada. la localización de los puntos base que se usó en esas ecuaciones fue predeterminado o fijo. Después de sólo tres iteraciones. La ecuación (22. dos. exiaten O A A O A como el de la figura 22.640533) es exacto.8) se aplica para calcular en forma sucesiva integrales más exactas a lo largo de la diagonal inferior. la regla de Simpson 1/3 requeriría una aplicación con 256 segmentos para dar un estimado de 1.10) donde a y b = límites de integración y h — a = ancho del intervalo de integración.3c) continúa el proceso en la misma forma. este algoritmo implementa el método en forma eficiente. Por ejemplo. Al usar ciclos. . En consecuencia. Una característica de éstas (con excepción del caso especial de la sección 21. Cuando el cambio entre I ON valores anteriores y nuevos como el que representa E está por debajo de un criterio de error preespecificado £ . es decir.640533.640533. la regla trapezoidal se basa en el cálculo del área bajo la línea recta que conecta los valores de la función en los extremos del intervalo de integración.623467. Para la figura 22. con /. La tercera iteración (véase figura 22. para obtener /.3) es que la estimación de la integral se basó sobre valores de la función uniformemente espaciados.

5 o) Ilustración gráfica de la regla trapezoidal como el área bajo la línea recta que une puntos extremo fijos. Al posicionar esos puntos en forma inteligente.1 Método de coeficientes i n d e t e r m i n a d o s En el capítulo 21 derivamos la regla trapezoidal al integrar un polinomio de interpolación lineal y por un razonamiento geométrico. 22. 5b. Este método entonces se empleará para desarrollar las fórmulas de Gauss-Legendre. b] Una estimación de la integral mejorada obtenida al tomar el área bajo la línea recta que pasa por dos puntos intermedios.654 INTEGRACIÓN DE ECUACIONES FIGURA 22. Cuadratura de Gauss es el nombre para una clase de técnicas para implementar tal estrategia.mejorada de la integral. Para ilustrar el procedimiento. Al ubicar esos puntos en forma inteligente. suponga que la restricción de los puntos base fijos fue eliminada y se tiene la libertad de evaluar el área bajo una línea recta que conecta dos puntos cualquiera sobre la curva. podríamos definir una línea recta que equilibraría los errores negativo y positivo. Las fórmulas particulares de cuadratura de Gauss descritas en esta sección se denominan fórmulas de Gauss-Legendre.10) como f22. Antes de exponer el procedimiento. mostraremos cómo las fórmulas de integración numérica tales como la regla trapezoidal pueden derivarse mediante el método de coeficientes indeterminados. HC expresa la ecuación (22.ll) . lo cual proporciona una estimación . a) Ahora. los errores positivo y negativo se equilibran. El método de coeficientes indeterminados ofrece un tercer procedimiento que también tiene utilidad para derivar otras técnicas de integración como la cuadratura de Gauss. De ahí que. podríamos llegar a una evaluación mejorada de la integral.3. como en la figura 22.

c + c\ = b . evaluando las integrales. A s i .|etn a integración es una constante o unu Uncu roela. .a 0 FIGURA 22. fO-a)/2 = / .l-(b-a)/2 x dx o.C O — H 2 b-a C'i — .6.y = 1 y y = x. se deberla cumplir las siguientes igualdades: -(b~a)/2 y C'O + C\ = b-a I 1 dx a)/2 /•(p-a).donde In* c «• uonulanlo».6 Dos integrales que deberían ser evaluadas exactamente por la regla trapezoidal: a) una constante y b) una línea recta. Ambas se ilustran en la figura 22.— 2 J-(b-a) . Ahora noto que la reglu trapezoidal deberla dur rcmi liado» exactos cuando In lunolón Hu. Dos ecuaciones simpleN que reprcsenlun osos casos son .

1 X . no están fijos en los puntos extremo.7). 22. para integración por medio de cuadratura de Gauss. — = 0 Estas dos ecuaciones con dos incógnitas se pueden resolver para b —a la cual. da I = b -^ <^f(b) m+ que es equivalente a la regla trapezoidal.11). al sustituirse en la ecuación (22. requerimos cuatro condiciones para determinarlas con exactitud. en consecuencia.656 INTEGRACIÓN DE ECUACIONES y b —a . ahora tenemos un total de cuatro incógnitas que deben ser evaluadas y.c o — b —a + c . el objetivo de la cuadratura de Gauss es determinar los coeficientes de una ecuación de la forma I =c f(xo) 0 + Cif(xi) (22.12) donde las c = coeficientes desconocidos. 0 FIGURA 2 2 .2 D e s a r r o l l o de la fórmula de Gauss-Legendre de d o s p u n t o s Como fue el caso para el desarrollo anterior de la regla trapezoidal.3. Sin embargo. 7 Ilustración gráfica de las variables desconocidas XQ y x. pero son desconocidos (véase figura 22. 5 ^ / -1 XQ X. De esta manera. los argumentos de la función x y x. en contraste con la regla trapezoidal que usa los puntos extremo fijos ay b.

16) co/Oo) + C l / ( * l ) : dx = 0 3 Las ecuaciones (22. V3 x = ~ = 0.13) C\f(Xi) Cof(Xo) + cof(xo) + c\f(xi) dx =0 (22. como en d (ID +a\x l¡ (22.17) Así.16) son desde — 1 a 1.(. Las cuatro ecuaciones que habrán de resolverse son: 2 3 cof(xo) +c f(x ) l ] (22.5773503.I) (22. sólo oxtenderémoi este razonamiento al suponer que también ajusta la integral de una función parabólica (y = x ) y de una cúbica (y = x ). paru tener las otras dos condiciones. V3 x que puede ser sustituida en la ecuación (22. Esto se hizo para simplificar la matemática y para hacer la formulación tan general como sea posible.15) (22. podomos obtener dos de esas condicioneii al suponer que la ecuación (22. Para hacer esto. corresponde a x = — 1. Donpiióa.un | </. Observe que los límites de integración en las ecuaciones (22.13) a (22.18) para dar a . x = a. Esto se realiza al suponer que una nueva variable x se relaciona con la variable original x en una forma lineal..5773503.13) a la (22.19) . llegamos a un resultado interesante en que la simple suma de los valores de la función enx = l / V j y — 1 /V3 dan una estimación de la integral que tiene una exactitud de tercer orden.12) ujuslu la integral do una constante y de una llmclón lineal con exactitud.Asi oomo p a n t i n f l a trapezoidal..12) para obtener la fórmula de Gauss-Legendro de dos puntos (22. estos valores podrán sustituirse en lu ecuación (22. Es posible usar un simple cambio de variable para trasladar otros límites de integración en esta forma... determinamos las cuatro incógnitas y en la condición derivamos una fórmula de integración lineal de dos puntos que es exacta para cúbicas.16) pueden ser resueltas simultáneamente para c = 0 0 Ci = 1 x = — \ = = -0.14) - £ : : dx = 2 3 (22.18) tl Si el limite inferior.

en la ecuación que se habrá de integrar. sustituimos a = 0 y ¿ = 0 . 8 e n l a ecuación (22. Use la ecuación (22.8. respectivamente. debemos realizar un cambio de variable para que los límites sean de — 1 a + 1 .24)] I dx .640533. x = b. Recuerde que éste fue el mismo problema que resolvimos en el capítulo 21 con una variedad de formulaciones de Newton-Cotes. el límite superior.24) d Las ecuaciones (22.658 INTÍORACIÓN DE ECUACIONES ü e manera similar.18) para obtener x = (b + a) + (b 2 a)x d (22. El valor exacto de la integral es 1 .23) y (22. Para ello. para dar u b = a +a ([) () l (22.20) podrán resolverse simultáneamente para b + a y b — a (22. Antes de integrar la función. Esas sustituciones efectivamente transforman el intervalo de integración sin cambiar el valor de la integral.23) Esta ecuación puede diferenciarse para dar dx = . El siguiente ejemplo ilustra cómo se realiza esto en la práctica.y .dx (22.200x + 675x 3 .22) las cuales se pueden sustituir en la ecuación (22.2 + 25x . EJEMPLO 22.24) podrán sustituirse para x y dx.19) y (22.4 + 0.4 dx d .17) para evaluar la integral de 2 f(x) = 0. Solución.3 Fórmula de Gauss-Legendre de dos puntos Enunciado del problema .0 .23) para obtener x = 0.4Ad La derivada de esta relación es [véase ecuación (22.900x + 4 0 0 * 4 5 entre los límites x — 0 a 0.20) Las ecuaciones (22.21) (22. corresponde a x = 1.

0000000 = 1.0000000 o = -0. Factores de peso C Puntos 0 Argumentos de l a f u n c i ó n x E r r o r de truncamiento C) = 1.900(0.8888889 c = 0.4 + 5 d 0.822578 la cual representa un error relativo porcentual de — 11. el lado derecho está en la forma adecuada para evaluación mediante cuadratura de Gauss.0 X 0 l x 2 x 3 = 4 0.5555556 0 2 c o -0.774596669 i = 0. Sin embargo.3478548 Cl c c = 0.200(0.238619186 3 0.360761 ó 0.6521452 2 = 0.774596669 x x x 2 o 0. Este resultado es comparable en magnitud a la aplicación de cuatro segmentos de la regla trapezoidal (tabla 21.6).932469514 = -0.4 + 0.538469310 x = 0.339981044 3 = 0.4 + 0.2 I 2.4786287 0.1 Factores de peso c y argumentos de la función x usados en las fórmulas de Gauss-Legendre.661209386 0.538469310 X = 0.305837 = 1.H / Jo =j (0. TABLA 22.305837.4786287 0. Es posible predecir este último resultado debido a que las reglas de Simpson son también de tercer orden de exactitud.906179846 = -0. La función transformada se puede evaluar en — 1/V3 para ser igual a 0.2 + 25(0.1713245 = -0.4x¿) + 400(0.661209386 x = -0. la cuadratura de Gauss alcanza esta exactitud con base en sólo dos evaluaciones de la función.•11.0.1 / V 3 para ser igual a 1.238619186 0.577350269 C = 0. de acuerdo con la ecuación (22.'i C .9324695 M í X 0 x l 2 x *A x - .\v 2()(h' I [0. es / = 0..339981044 x = 0.5688889 0.17).1 %.4679139 c.0 0.4x ) ]0.5555556 = 0. como se buscó una selección inteligente de los puntos base.4x f + d +400r )í/.4 + 4 (>15.4 + 0.516741 + 1.0.6521452 3 = 0.1) o a una simple aplicación de las reglas de Simpson 1/3 y 3/8 (véase ejemplos 21.Ambas ecuaciones pueden ser sustituidas en la ecuación original para dar .\ 0Ax ) d í/ m 675(0.2369269 0.861136312 X 0 l x 2 X = = C2 = 3 = = C C Cl c 4 0.516741 v e n .1713245 A . Por tanto.3607616 c 2 = 0.577350269 = 0. .906179846 Co c l = 0.4x.2369269 0.) .4 dx Por tanto.4679139 - -0. la integral.861136312 = -0.3478548 0 = -0.A' .1 J -900A' 4 .4 y 21.

7745967) + 0.3 F ó r m u l a s de p u n t o s u p e r i o r Más allá de la fórmula de dos puntos descrita en la sección anterior.0145 Estimación con tres puntos = 289. 4 Fórmula de Gauss-Legendre de tres puntos Enunciado del problema.5 Aplicación de la cuadratura de Gauss al problema del paracaidista en caída Enunciado del problema.3. se obtienen los siguientes resultados: Estimación con dos puntos = 290. Así. Recuerde que la mejor estimación obtenida mediante la regla trapezoidal con 500 segmentos fue 289. EJEMPLO 2 2 . De acuerdo con la tabla 22.1 calcule la integral para la misma función que en el ejemplo 22. múltiple para evaluar En el ejemplo 21. c = 12.4348 con un |e. Repita este cálculo usando la cuadratura de Gauss. Con la fórmula de tres puntos de la tabla 22. EJEMPLO 22. 4 Solución. Después de modificar la función. El valor exacto de la integral se determinó por cálculo y fue de 289.1.1.7745967) la cual es igual a / = 0. Debido a que la cuadratura de Gauss requiere evaluaciones de la función en puntos espaciados uniformemente dentro del intervalo de integración.8888889/(0) + 0.5555556/(0. no es adecuada para problemas de ingeniería que tratan con datos tabulados. Sin embargo.8.4393 ./(JC„_I) (22. Solución.3 se usó la regla trapezoidal de aplicación donde g = 9.640533 que es exacta.25) donde n = número de puntos. cuando se conoce la función. se puede desarrollar versiones de punto superior en la forma general / = c /(jr ) + c i / ( * i ) + 0 0 • • • + C„_.4351. su eficiencia puede ser una ventaja decisiva.660 INTEGRACIÓN DE ECUACIONES 22.1. Los valores de las c y las x incluyendo la fórmula con seis puntos se resumen en la tabla 22.5555556/(-0.2813013 + 0. no es apropiada para casos donde la función se desconoce.8732444 + 0.5 y m = 68.15 X 10" %.3. la fórmula de tres puntos es / = 0. Esto es en particular cierto cuando se debe realizar muchas evaluaciones de la integral.| s 1.4859876 = 1.

las estimaciones c o n c i n c o y seis puntos dan resultados séptima cifra significativa. se puede usar sólo cuando a es positiva y b es °°. contando con que las derivadas de orden superior no aumenten sustancialmente con un incremento en ra.4352 Bstimiiclón con cinco puntoH 289. la integral se implementa en dos pasos. una con un límite inferior de — °° y uno superior de + o o Tales integrales a menudo pueden evaluarse realizando un cambio de variable que transforma el rango infinito en uno que es finito. sería preferible la api i cación múltiple de la regla de Simpson o de integración de Romberg.4 A n á l i s i s de e r r o r p a r a la c u a d r a t u r a de G a u s s ilcule la El error para las fórmulas de Gauss-Legendre se especifica por lo general con (Carnahan y cois. Por tanto. El problema 22.. 1969) E.4351 Así. que (22.3. (2 +2) i puntos para caería que íciencia zar mu- 22.8 al final de este capítulo ilustra un caso donde las fórmulas de Gauss-Legendre tienen un desempeño pobre. En esas situaciones. En esta sección nos concentraremos en un tipo de integral impropia (es decir. tratamos en forma exclusiva con integrales que tienen límites finitos c integrandos acotados.CMT)'" w J <22 ' » 27 dos: para ab > 0. o cuando a es —o» y b es negativa. Aunque esos tipos son de uso común en ingeniería.4 INTEGRALES IMPROPIAS Hasta aquí.4351 Estimación con seis p u n t o s 289.« a u n valor positivo o desde un valor negativo a °°.¡arrollar Estimación con CUBtm punto» 289. Al comparar la ecuación (22. Por ejemplo.\)dx-j f{x)dx\ \ JXx)dx % i -nu J A . pura muchas funciones confrontadas en la práctica de la ingeniería. Para casos donde los límites son desde . La siguiente identidad sirve para este propósito y trabaja para cualquier función que disminuye hacia cero al menos tan rápido como l/x en tanto x se aproxima al infinito: 2 da licación linó por : la regla pita este Í' *=. f[. Sin embargo.26) con la tabla 21. habrá ocasiones en que se deba evaluar integrales impropias. = 2 "+ [(n + l ) ! ] 2 3 4 2 n + 2 ) ( g ) ( 2 2 2 6 ) ( 2 / i + 3) [(2n + 2) !])7) donde n — número de puntos menos uno y / " ( < ^ ) = la (2« + 2)-ésima derivada de la función después del cambio de variable con ¿| localizada en algún lugar sobre el intervalo desde —1 a 1.25) con seis son exactos hasta la 22.2 queda expuesta la superioridad de la cuadratura de Gauss sobre las fórmulas de Newton-Cotes. la cuadratura de Gauss proporciona un medio eficiente para la evaluación de las integrales.

)] m (22.8). 1986) / " /(*) dx = h[f(xi ) /2 JXo E J E M P L O 22. es posible desarrollar fórmulas semiabiertas para casos donde uno u otro extremo del intervalo es cerrado. Pueden usarse las fórmulas de integración abierta para evitar este dilema en tanto nos permita la evaluación de la integral sin emplear datos en los puntos extremo del intervalo de integración. * / i2 % 2 * 6 « 1 — \ * n e / 8 /I—I * n 3 2 / * n i « L _ 1 0 1 . Enunciado del problema. Las versiones de aplicación múltiple de las fórmulas abiertas podrán confeccionarse mediante fórmulas cerradas para los segmentos interiores y fórmulas abiertas para los extremos.8 Colocación de datos en relación con los límites de integración para la regla extendida de punto medio.. Por ejemplo.27) para evaluar una integral es que la función trasformada será singular en uno de los límites. Después la integral ha sido dividida en dos partes: la primera podrá evaluarse con la ecuación (22. se requiere de una versión de aplicación múltiple de una de las fórmulas de la tabla 21./2) n 3 + f(x„. Evaluación de una integral impropia .27) y la segunda con una fórmula cerrada de Newton-Cotes tal como la regla de Simpson 1/3.6 + f(x ) + ••• + f(x . una fórmula que es abierta en el límite inferior y cerrada en el superior está dada por f(x) dx = h « i (=2 3/2 Aunque se puede usar estas relaciones.4. La distribución normal acumulativa es una fórmula importante en estadística (véase figura 22.9): FIGURA 22 .29) la cual es conocida como la regla extendida de punto medio. la regla trapezoidal de segmentos múltiples y la regla del punto medio se pueden combinar para dar 2 r f(x) dx = h + £/(*<) [=2 n-2 Además. Para permitir la máxima flexibilidad. Observe que esta fórmula se basa en los límites de integración que son k/2 después y antes del primer y último dato (véase figura 22. una fórmula conveniente es (Press y cois. Un problema con el uso de la ecuación (22.662 INTEORACIÓN DE ECUACIONES donde —A se elige como un valor negativo lo suficientemente grande para que la función comience a aproximarse a cero en forma asintótica al menos tan rápido como 1/x . Por ejemplo.

9 o) La distribución normal. y c) la distribución normal acumulativa.1) representa lu probabilidad de que un evento sea menor que x.FIGURA 2 2 . El área achurada en a) y el punto on c) representan la probabilidad de que un evento aleatorio sea menor que la media más una desviación estándar. b) la abscisa transformada en términos de la desviación normal estandarizada.%). Representa un cambio de variable para escalar la distribución normal de tal forma que esté centrada en cero y lu distancia u lo largo de la abscisa sea medida en múltiplos de la desviación cstrindur (véase finura 22.6. la ecuación (1'. si x 1. Le ecuación (E22. P A R E J E M P L O .1) podrá usarse pura determinar que la proba- .6.I) donde x = (y — y)ls se llama desviación estándar normalizada.6. N(x) = y (E22.22.

0 5 2 3 ) V2TT = 0.0556 + 2 . aproximadamente 84 serán menores que la media más una desviación estándar.l / 1 6 ) ] = .28) en conjunto con la regla de Simpson 1/3 y la regla extendida de punto medio para determinar numéricamente N(l).1) se puede expresar en términos de la ecuación (22. En otras palabras.0523 Por tanto. Use la ecuación (22.¿) e. 8 8 2 5 ) + 2 ( 0 . Solución. .8409 la cual representa un error e.046%.l / 2 R \e~^ dt ~ Después la regla extendida de punto medio con h = 1/8 se empleará para estimar 0 i ^ 1/2 ' . 6 0 6 5 + 1) + 0 .[ / ( J C _ 7 / 1 6 ) + / ( .T .8413. mediante una integración de Romberg.0612 + 0 + 0] = 0.1) no puede evaluarse en una forma funcional simple.6. Además de los límites infinitos.' dx\ x2 2 / La primera integral podrá evaluarse mediante la ecuación (22. 3 2 4 7 + 0 . puede usarse más puntos. Segundo.3 / l 6 ) + / U . 3 8 3 3 + 0.664 | INTEGRACIÓN DE ECUACIONES bilidad de ocurrencia de un evento es menor que una desviación estándar por arriba de la media es N(l) = 0. hay otras formas en las cuales una integral puede ser impropia. i'"'e-* ' dx+ 2 2 V27T \J-oo J-2 f 2. 1 3 5 3 + 4 ( 0 . por ejemplo. 8 8 2 5 + 0 . (1986) proporcionan un buen análisis lobre lo» medioi par» meat^aMiMtltuecionei.6.0556 Es factible usar la regla de Simpson 1/3 con h = 0. el resultado final se calculará como 7V(1) = --L:(0. Como la ecuación (E22. «> El cálculo anteriorpuede ser mejorado de diferentes maneras. (1986) exploran con detalle ambas opciones. como N{x) La ecuación (E22. dt = 1 .28) -Lf 1 llTt .27) para dar -2 . Primero.[ 0 . si ocurren 100 eventos. se resuelve numéricamente y se enlista en tablas de estadísticas. Press y cois. = 0. Press y cois. 6 0 6 5 3(6) _ [1 = ( 2)] 2. 0 ! /" J-co e-rl dx= 2 f J . Ejemplos comunes incluyen casos donde la integral es singular en los límites o en un punto dentro de lo integral. se podría usar fórmulas de orden superior.5 / 1 6 ) + / ( * .5 para estimar la segunda integral como e-*-' 2 dx 0 .

(b . PrueII. p a r ac a d ac a s oc o nb a s ee n la sol u ci n 22.29) c o n el intervalo dividido e n t r e 3 en NC I H p u n t o sp a r a resolver c a d ae t a p a .9). p a r a la c u a d r a t u r ad e Gauss.p e r oa h o r au s e la i n t e g r a c i ó nd eR o m b e r g (e u n a e s t m i a c ó i n inicial b a s a d ae nu n solo p u n t oyc o n la regla de ~ 0.0602297 p a r ac a c lu a l re . 4 0 b t e n g au n aa p r o x m i a c ó i nd e la integral del p r o b e lm a 22. C a c lu e l e.i o (i + / x i + y^) Urso e n la f o r m ad e la figura 22..3. illiinlo las fórmulas d eG a u s s L e g e n d r ec o n seis puntos. II. P r u é b e o l c o n la intec o m p a r e e y £. p a r ac a d ac a s oc o nb a s ee n la sol uci ó n los p resol v er r o b e lm a s a) 22. C a c lu e l e .H limplee las fórmulas d eG a u s s L e g e n d r ed e s d ed o sc h a s t a la e s u e s v i a c u a c ó i n (22. I Use la integración d eR o m b e r gp a r ae v a u la r / é' Jú dx Jo A°'(1.4.5 O b t e n g au n ae s t m i a c ó i nd e la integral d e lp r o b e lm ae 22. c ó ind eR o m b e r gc o nb a s ee n la figura 22. NIIN IHI CU. (b — á)l27.I Use la integración d eR o m b e r gp a r au no r d e nd eh p a r a e^dx f 2 i pvuliur O b s e r v eq u e d) e s la distribución n o r m a l( r e c u e r d e la figura 22. +X c o nu n a1 e x a c t t iu d del o r d e nd e h . P r u é b e o l c o n lo» Z 2 . 22.2.3.26).P R O B L E M A ! ••-«^•PH »* PROBLEMAS 443 12.3 y 22.a)/9.4 y c o n la función en el p e r ou h o r au s e las fórmulas d eG a u s s L e g e n d r ec o n dos.5%. Sus resultados d e b e r á n presen. g r a c ó ind e c) IHIII r s y s é) s a U 'i H r l o „20(Jf-l) s e n Use el valor v e r d a d e r od e 0.5 p a r a el p a r a d e p u n t om e d o i e nf o r m a iterativa.') Use i n t e g r a c i ó nn u m é r c iap a r ae v a u la r las sigui e ntes in teb e el p r o g r a m a m e d a i n t e l a e v a u l a c ó i n d e l e e j m p o l 22.6. e jm p o l s 22. lirulcs: A: 2 IZ.2- A)(l ) dx % n O H lir o t s 2 s dx _ x(x + 2) . Ejecute i t eraci o nes h a s t a q u e l a a p r o x m i a c ó i n d e l error e s t m i a d os e enInterprete sus resultados al c o m p a r a r o lsc o n la e c u a c ó i n (22. resultados d e los e e jm p o l s 22.4 y c o n la función e n el p r o b e lm a 22. puntos.4. b) 22.1 Uso la integración d eR o m b e r gp a r ae v a u la r ^ ' (A• + \/x) dx 2 b) e y sen y dy 2 i •dy m i ue x a c t t iu dd e e = 0.2 y c) 22.4.11 p a r a puntos.12ó Desarrol le u np r o g r a m ae nc o m p u t a d o r ad eu s oa m g ia b e ls analítica.3 y 22.11 Desarrolle u np r o g r a m ae nc o m p u t a d o r ap a r a la integraN o n t u r s ee n la f o r m ad e la figura 22. N113 p a r ad e t e r m n ia r el error v e r d a d e r o e.7 R e a c il e el c á c lu o l d e los e e jm p o l s 21. D e s p u é sa p q il u ed em a n e r a ll.5 y c) 22.1.14 Utilice el p r o g r a m aq u e desarrollo e n el p r o b e lm a 22. Use el valor v e r d a d e r od e 4. tres y 22. p e r ou h o r au s e las fórmulas d eG a u s s L e g e n d r ec o n dos.p a r a • « 4.12 111>( ) b t c n g au ne s t m i a d od e la integral del p r o b e lm a 22.6.10. Verifique q u e e.10Desarrolle u np r o g r a m ae nc o m p u t a d o r ad e uso a m g ia b e l dx p a r a la regla trapezoidal d es e g m e n t o s múltiples y p a r a la regla d e Simpson 1/3 c o nb a s ee n la figura 22.13Use el p r o g r a m aq u e desarrolló e n el p r o b e lm a 22.1 SDesarrolle u np r o g r a m aq u em i p e lm e n t e la regla e x t e n d d ia ZZ. h = (b — a)/3. p u n t om e d o i a partir d e la t a b a l 21. Sus resultados d e b e r á n22 pre.e s t o es.1.ver los p p a r ae resol r o b e lm a s á) 22.3. c u e n t r e p o r d e b a o j d e u n cri t eri o d e p a r o p r e e s p e c f i c a d o e .1. tres y p r o b e lm a 22. 22. O b s e r v eq u ee s t o significa q u eu n tercio d e la función estimad ah a b r á sido d e t e r m n ia d ae n la iteración previa.3 m . d e l resultado q u e e d) s ( ye dy nblivo c o n la integración d eR o m b e r g . P r u é b e o l c o n los resultados d e I ON 12. s e am e n o rq u e cl criterio d ep a r o e.01%). Desarrolle m dx I + 2x algoritmo d em a n e r aq u e capitalice esta p r o p e id a d .10.3 y 22. Inicie las i n t e g r a c i o n e s con caidista e nc a d ía . 22. b) 22. e t c é t e ra.

Ahora ilustraremos cómo desarrollar fórmulas de mayor exactitud para retener más términos./ ( * < ) JlhrO 2f(x¡ ) + f(xi) • h h + 0(h u ) 2 f ¡ R ~ . se puede generar fórmulas por diferencias divididas de alta exactitud al incluir términos adicionales en la expansión de la serie de Taylor.1 DIFERENCIACIÓN DE F Ó R M U L A S C O N ALTA EXACTITUD Como se mencionó antes.2) para dar /U/+1 ) . Este nivel de exactitud se debe al número de términos de la serie de Taylor que fueron retenidos durante la deducción de esas fórmulas.24)] (23. ahora retenemos el término de la segunda derivada al sustituir la siguiente aproximación de ésta [recuerde la ecuación (4. Recuerde que.1) f(x i) i+ = f(Xi) + f'(x.2) En el capítulo 4 truncamos este resultado al excluir los términos de la segunda derivada y superiores y nos quedamos con un resultado final de fXx¡)= Kx ¿-m i+ h 2 (23. hacia atrás y centradas de las derivadas primera y mayores.)h + t-^-h 1 la cual puede resolverse para (23.21)] (23. en el mejor de los casos. la expansión de la serie de Taylor hacia adelante podría escribirse como [véase ecuación (4. Recuerde que se emplearon las expansiones por serie de Taylor para deducir las aproximaciones de las derivadas por diferencias divididas finitas.4) en la ecuación (23. sus errores fueron proporcionales al cuadrado de su tamaño de paso.CAPÍTULO 2 3 Diferenciación numérica En el capítulo 4 ya se introdujo la noción de diferenciación numérica. esas estimaciones tienen errores que fueron 0(h ). En el capítulo 4 desarrollamos las aproximaciones de diferencias hacia adelante. Por ejemplo. 2 23. es decir.3) + 0(h) En contraste con este procedimiento.

23.2 Primera derivada I fórmulas por diferencias divididas finitas hacia atrás: so presentan dos versiones pura cada derivada.) i . es más nxncta. „| y/{«. . i..3 í [ x _ .._ ) 2 o\h ) 3 W 'f = í'"(x . .| I /(*.„„.1 + 6/lx.| f ( x ) . h 2 h Tercera derivada 2 0{h) 2 3 4 .4 f ( x ) + 6 f (x ) . .14f|x. La última versión incorpora más términos de la serie de expansión de Taylor y. .) .-i) + 4f|x -2 )-f|x.] | o[h) Ü[h) .4f|x 4 í+3 (+2 i+1 ) + Hx¡) +2 -2í{x ) l+5 + 1 1 f(x.1 Primora dsrlvndn 'IMII 'W [A L T A X l'A C T U lID 21.| ( + f|x _ | ( 2 2f|x. 2i? Cuarta derivada 1. 1 fk)-2f(x _.-_ ) + 3f|x.2 4 f | x . )-2f(x + 2 i + 1 ) + f(x. La úlllma versión incorpora más lóiminos de la serie de oxpunsión de Taylor y. i J 3f|x. ._ | . es más exacta.) /i" 4/(x. 1 . I IKII Oih) Ol/r'l f'lx Segunda derivada f(x. ) ._ " 5f\x.-)-4f(x.[ +1 FIGURA 23. ) + 2 6 f ( x .| .M M\.) + 3f(x.-_3) ¡ i . ) .-..| | I lí |x.5f[x¡¡ h 3 i + 3 |-3f(x i + 2 ] + 3f(x i + 1 )-f(x ) i + 4 + 3 i + 2 .1 f"'(x f(x fórmulas por diferencias divididas finitas hacia adelante: se presentan dos versiones para cada derivada. _ l . en consecuencia.5 f | x + 2 í + 1 Oih) íW) Oih] 0{li') Tercera derivada FIGURA 23. ) + 4 f ( x . Cuarta derivada f"""M • • f"U) = +4 -3f[x. „] .--i) + 2h Segunda derivada 0(/.„. i ) . M/(x. l +4 +3 14f(x. ] + 3flx _ |-/ |x .)-5f|x. en i onsecuencia.11 " .| + 1 4 f ( x ) .| ) + 2f(xJ h +3 2 ~f(x. 2 : h 3 1 8 f | x l i l + 2 4 í | x . .24f|x )+ 18 f | x . Al{x.)ÍM Mf>. + 2h 3 h f|x.| f(x..

2f(x¡+]| + 2f(x. .-.| .l + f(x._i| + 12f(x.| . ) + 8f|x..-. ) . La última versión incorpora más términos de la serie de expansión de Taylor y. 4 Tercera derivada p"( ) x¡ = f(x ¡+2) . al agrupar términos.. | . i) .) __ .25.1 3f|x. fXx¡) = -^)+y-3Ax» 2h + 0(h2) Observe que la inclusión del término de la segunda derivada mejoró la exactitud en 0{h ).1 Diferenciación de fórmulas de alta exactitud Enunciado del problema..1 a 23. o.) + f(x. Se puede desarrollar versiones mejoradas similares para las fórmulas hacia atrás y centradas. en consecuencia._i) Xj 0 ^ j 2 f»i .„ f|. Mx.30f|x.f ( x . ] + 12f(x. ) .39f(x | + 56f(x._)) .f(x._ | l 2 0 ^ ) 2 2fi p„ 3 (Xi) = .f j x .) .S^sando diferencias djvldidaí finitas y un tamaño de paso de h = 0.2 2 enjjx • O.8f[x.f|x.) x = ^IXÍ+2) ._ ) í+ 2 0 ( / í 2j fi 4 f .4f(xi_i| 4.) x = + 8f(x.0.-]| + f|x.-_ ) + 2 0 ( f ) 4 ) 12/) Segunda derivada p'( j = ^k+i) ..8f(x.668 DlFIMNCIACIÓN NUMÉRICA l'rlmoui dorlvada fc'rror p( .) + 3 +2 +1 2 3 0 ( / i 4 ) Cuarta derivada p"<( ._ | +3 +2 .| + 16f(x _]) .lx 4 Recuerde que en el ejemplo 4.15JC . .f|x.-|- + 2 ) + 16f|x.0.^ .1 _ . así como para las aproximaciones de derivadas superiores. El siguiente ejemplo ilustra la utilidad de esas fórmulas para la estimación de las derivadas.39í(x. f(x) = -O. es más exacta.25x + 1. Las fórmulas se resumen en las figuras 23.3 junto con los resultados del capítulo 4.4 estimamos la derivada de 3 -0. 2 EJEMPLO 23.3 Fórmulas por diferencias divididas finitas centradas: se presentan dos versiones para cada derivada.4 f ( x i ) + 6f(x. ) + 1 3f(x.5 JT .| +1 f 2 ] 2 h 2 n | .2f(x.+1 2 3 ^ FIGURA 23.-) + f|x.

0 3 5 1 5 6 ) + 1.6363281 f(x ) i+2 = 1 = 0. i .7 JE Centrada 0. pero ahora emplee fórmulas de alta exactitud a partir de las figuras 23.+1 = 0.2 = 0.2 — —— — = -0. de manera sorprendente. = 0. los errores para las diferencias hacia adelante y hacia atrás son considerablemente más exactas que los resultados del ejemplo 3.9125 12(0.5 A -.3.25) 4 -0.75 x i+2 f(x¡) = 0.925) = -0. x¡-2 JC.1) /'(0.714 21.0 .4 donde los errores fueron calculados con base en el valor verdadero de —0.5) Como se esperaba.6363281) . usu dos estimaciones de la derivada para calcular una tercera aproximación más exacta.2 + 4(0.035156) + 1. Solución.2 Hacia cUlanta O(h) Estimación -26.5 Hacia a t r á s O(h) -0.-_I Los datos necesarios para este ejemplo son = 0 /(x.878125 3.2) f (0. Esto es porque las fórmulas que se basan en la serie de Taylor son equivalentes a los polinomios que pasan a través de los puntos. 6 3 6 3 2 8 1 ) .3) /'(0.2 2 La diferencia hacia adelante de exactitud 0(h ) se calcula como (véase figura 23.25) (23.925) .2 2(0. = 0% 23._ ) = 2 1.8 1.859375 2(0.25) 2 £.9125. Repita este cálculo.1 a la 23.5) = J .23. 2 + 8 ( 0 .934 -2.5) -0.25 /(JC.103516 x.77% La diferencia centrada de exactitud 0(h ) se calcula como (véase figura 23. Sin embargo.13.3(0.82% La diferencia hacia atrás de exactitud 0(h ) se calcula como (véase figura 23. la diferencia centrada da un resultado perfecto. Un tercer procedimiento.4 ( 1 . E.-_I) = 1.2 E X T R A P O L A C I Ó N DE R I C H A R D S O N Hasta aquí hemos visto que hay dos formas para mejorar la estimación de las derivadas cuando se empican diferencias divididas finitas: 1) disminuir el tamaño de paso o 2) con una fórmula de orden superior que emplee más puntos. basado en la extrapolación do Riehardson. = 5.5) = 3(0.925 ) = 0.

Debido a su conveniencia cuando se expresa como un algoritmo de cómputo. como en x 2 x 2 2 x I = P(h )-~I(h ) 2 l (23. estime la primera derivada en x — 0.1 que la extrapolación de Riehardson proporciona un medio para obtener una estimación mejorada de la integral / por medio de la Fórmula [véase ecuación (22..4)] / ^l(h )+ 2 1 [/fe)-/(/»!)] (23.9125.5 y h = 0.1 2 donde I(h ) e I(h ) son estimaciones de la integral usando dos tamaños de paso h y h .1.670 DIFERENCIACIÓN NUMÉRICA Recuerde de la sección 22. EJEMPLO 2 3 . Recuerde que el valor verdadero es —0.1 ) = -0.5 empleando tamaños de paso de h — 0. Usando la misma función que en el ejemplo 23. la ecuación (23. = .8) 5 2 4 / | i Para aproximaciones por diferencias centradas con 0{h ). Después use la ecuación (23.2-1.2 .9 . El resultado perfecto se debió al hecho de que la extrapolación de Riehardson es en realidad equivalente al ajuste de un polinomio de orden superior a .934375) .9125 que para el caso actual es un resultado perfecto. esta fórmula es usualmente escrita para el caso en el que h = h l2.( . la aplicación de esta fórmula dará una nueva estimación de la derivada de 0(/¡ ). 4 % n La estimación mejorada puede determinarse al aplicar la ecuación (23. El ejemplo anterior dio un resultado perfecto pues la función sujeta a análisis fue un polinomio de cuarto orden. Las estimaciones de la primera derivada podrán calcularse con diferencias centradas como 0.0 D(0.1.7) De manera similar.2 .934375 c e.8) para obtener 4 1 D = -(-0. D = \D(h )-\DQi ) 2 x (23.8) para calcular una estimación mejorada con la extrapolación de Riehardson. 2 Extrapolación de Riehardson Enunciado del problema .1.6363281 .6) (h\/h Y .5) = y D(0.25) = e. = .7) se escribirá para las derivadas como . 6 % 0..25. x 2 Solución.103516 „„„ — = -0.= -1.

Recuerde que este polinomio no requiere que los puntos estén igualmente espaciados. pero no perfecta.22)]. el C M O actual aJuNta la derivada del polinomio de cuarto orden en forma precisa. Tercero. De hecho. (Xi-i Xi)(x¡-\ -Xj+i . En consecuencia.22). los datos debían estar uniformemente espaciados.3 DERIVADAS DE D A T O S D E S I G U A L M E N T E ESPACIADOS Los procedimientos analizados hasta ahora se encuentran diseñados principalmente para determinar la derivada de una función dada. por supuesto.x i + i (Xj -x¡-i)(x¡ ) + /(*/ + !) (X 2x i + — Xj-\ i — x¡ + i (23. 3 Diferenciación de datos desigualmente espaciados Enunciado del problema. Para la mayoría do las otras funciones. Para las aproximaciones por diferencias divididas finitas de la sección 23. Como en la figura 23. un gradiente de temperatura se puede medir abajo en el suelo. como fue el caso para la aplicación de la extrapolación de Riehardson.x.1 a la 23. se reduce a la ecuación (4.X i + 2x i) f(x¡) — Xj-i — x¡+] .1. Una manera para manejar datos desigualmente espaciados es mediante el ajuste de una interpolación polinomial de Lagrange de segundo orden [recuerde la ecuación (18 . el procedimiento puede aplicarse de manera iterativa mediante un algoritmo Romberg hasta que el resultado se halle en un criterio de error aceptable.23. Segundo. la estimación de la derivada es de la misma exactitud que la diferencia centrada [véase ecuación (4.23)] para cada conjunto de tres puntos adyacentes. </(. Tal control de espaciamiento de datos está a menudo disponible sólo en casos donde podemos usar una función para generar una tabla de valores. El flujo de calor en la interface suelo-aire puedo ser calculada con la ley de Fourier. EJEMPLO 2 3 . En contraste.9) -x¡) i -Xi-i)(x donde x es el valor en el cual se quiere estimar la derivada. Así. Aunque esta ecuación es ciertamente más complicada que las aproximaciones de la primera derivada de las figuras 23. los mismos puntos no tienen que estar igualmente espaciados..-!) 2x . se puede usar para estimar lu derivada en cualquier punto dentro de un rango preescrito por los tres puntos. Tal información no puede ser analizada con las técnicas estudiadas hasta ahora. la información derivada de manera empírica (es decir.3. esto no podría ocurrir y nuestra estimación de lu derivada podría ser mejorada.0) = -kpC (IT Ti .3 4W Ira vés de lo» ditlo» para después evaluar las derivadas por dit'orencius divididus centradas. la ecuación (23.. datos a partir de experimentos o estudios de campo) es con frecuencia agrupada en intervalos iguales. los datos teman que encontrarse espaciados uniformemente y generados en forma sucesiva para intervalos a la mitad. para puntos igualmente espaciados. El polinomio de segundo orden se puede diferenciar analíticamente para dar f'(x) =/(*.9) evaluada en x — x.4. Para la técnica de extrapolación de Riehardson. Primero. tiene importantes ventajas. 23.

Use diferenciación numérica para evaluar el gradiente en la interface suelo-aire y emplee dicha estimación para determinar el flujo de calor hacia el piso.5 1 0 1 2 f1 3 5 .9) se puede usar para calcular la derivada como /'(. = 0 )=3 .1 2 .c m t 2 3 Temperatura contra profundidad en el suelo. 7 5 ( 0. Observe que un valor positivo del flujo significa que el calor se transfiere del aire al suelo. •r ( ° C ) -.* .1 2 .4 7 . Un defecto de la diferenciación numérica es que tiende a amplificar los errores en los datos.75 FIGURA 23.36). donde q = flujo de calor (W/m ). k — coeficiente de difusividad térmica en el suelo ( = 3.7 5 +12 °C/cm este valor puede ser usado para calcular el flujo de calor (advierta que 1 W = 1 J/s).1 .5 ) ( 1 2 .3 . -1 3 . 5 2 0 ) 0 3 . p = densidad del suelo ( = 1 800 kg/m ) y C — calor específico del suelo (ss 840 J/(kg • °C).5 ) +1 1 0 4 4 . +1 4 4 . La ecuación (23.5 . 5 x 10"^ (l 00§) ( 40^) ( 1 3 3 . . 2 5-3 7 .6 W/m 8 8 2 23. fin contraste.672 DIFERENCIACIÓN NUMÉRICA Aire Suelo 1 2 . La figura 23.5 ( 3 7 .3 3 3 3 3 W > .) = 1 3 .0 )( 3 7 .l . 3.5 X 10~ m /s). ai. 3 3 3 3 ^ ) =7 0 5 .3 3 3 3 3=1 3 .( 5 0 ) ( 1 .5 ) 2 ( 0 ) -0 . la figura 23.4 D E R V IA D A S E INTEGRALES P A R AD A T O S CON ERRORES Además de espacios desiguales.Se usa los mismos . 5 a muestra datos uniformes sin errores que ul ser diferenciados en forma numérica dan un rosultado uniforme (véase figura 23. 7 2 Solución. otro problema que se vincula con la diferenciación empírica de datos es lo que usualmente incluye error de medición.5 . 2 5 ) ( 0 -3 7 .

En contraste. esto se hace en raras ocn siones. 1 1 I ILI ' I I U A R datos. i /) li I dilerenciación irv. Como se esperaba. el principal procedimiento para determinar derivadas para dalos imprecisos es usar regresión por mínimos cuadrados para ajustar una función suave diferenciable con los datos. debido n que lu diferenciación es UNA RUilrieeión. En esencia. I M I los datos por Mitiillu do la diferenciación iiiiiin''ik_u: a) datos sin error. Obviamente. mitraste. pero con algunos puntos altos y algunos ligeramente bajos. 23.5c.tn II I O N de cómo se I M I ilili> nn los pequeños M I L >i• • •. Como se ilustró en la figura 23.4 BATOS CON BM0RE3 '4FIGURA 23. como se suman los punios para una integral.1 D I F E R E N C I A C I Ó N CONTRA I N T E G R A C I Ó N D E D A T O S INCIERTOS Como las técnicas de ajuste de curvas. el efecto resultante en la figura 23.iilianio manifestando un IIUINI'riln IIII en la variabilidad.4.23. si lu relación funcional entre las variables dependiente e independiente es conocida. amplifica los errores. debido a la diferencia en estabilidad entre diferenciación e integración.5d es significativo. En ausencia de cualquier otra información. En contraste. la operación de integración I M V I ' I M I | I M ivióndose de d) a c) al li ii M U MI <. es decir. /'| |I I i lifeienciación IIIIIIN''iii M a resultante. Sin embargo. cl hecho tic que la integración sea un proceso que involucra In suma de términos tiende n hacerlo muy consecuente con respecto a dalos Inciertns. Sin embargo. una regresión polinomial de orden inferior podría ser una buena primera selección. un proceso similar podría emplearse para integración. Esta pequeña modifi cación es apenas aparente en la figura 23.5. los errores aleatorios positivo y negativo tienden a sumarse. los errores alentónos poMlllvo y negativo tienden a cancelarse.5 llir. la regresión se puede usar para diferenciar dalos inciertos. ya que el proceso de diferenciación amplifica los errorcN. c) datos un I> liíir cados ligeramente. . la diferenciación tiende a ser inestable. esta rclu ción deberá formar la base para el ajuste por mínimos cuadrados.l área bajo d}] tiende o suavizar los un los datos.

y entonces la integral se calcula sobre un rango que va de x = 0 a x = 0.+ 2 5 x 2 0 0 x + . Observe que el rango lo han definido las variables a y b como entrada usando el símbolo de definición.6 muestra un ejemplo de Mathcad donde f(x) se crea con el símbolo definido (: = 0 .8.674 23. el cual empleamos en todo el capítulo 21.6 .5 INTEGRACIÓN/DIFERENCIACIÓN CON LIBRERÍAS Y PAQUETES NUMÉRICA En la actualidad hay librerías y paquetes de software que contienen grandes capacidades para integración y diferenciación numérica. El operador de integración usa una secuencia de evaluaciones de la integral. El operador de la derivada usa un método similar para calcular las derivadas entre un orden de 0 y 5. Éstos emplean y son similares a los símbolos matemáticos tradicionales que usted ha usado desde sus estudios en el nivel medio superior o en el primer semestre de licenciatura. En esta sección le daremos una muestra de las más útiles. Se realizan iteraciones hasta que los resultados sucesivos varían menos que TOL. La figura 23. 2 3 4 J N u m c i r a li n t e g r a l : .6 Pantalla de Mathcad para determinar la integral de un polinomio por medio de integración de Romberg. F e l i E d t iV e w i J n s e r tF o m ra tM n a iS y m b c o l s lW n d o w i H p e l N U M E R C I A L L YC A L C Ú L A T EN IT E G R A L S E n e t raf u n c o i tn : f ( x )= : 0 2 . usamos un polinomio simple. La figura 23. En este caso.1 Mathcad Mathcad tiene operadores que realizan integración y diferenciación numérica. 23. Observe que la localización del punto y el orden de la derivada son introducidos mediante el símbolo de definición.7 muestra un ejemplo de Mathcad donde f(x) es creado mediante un símbolo de definición (: = ) y entonces la primera y tercera derivadas se calculan en un punto donde x = . para lo cual utiliza la regla trapezoidal y el algoritmo de Romberg. FIGURA 23. Este operador crea una tabla de aproximaciones con base en cálculos por diferencias divididas mediante varios pasos y tamaños de paso. Se usan las técnicas de extrapolación con el fin de estimar los valores para un tamaño de paso cero de una manera que se parece al método de Riehardson.6 7 5 x 9 0 0 x + 4 0 0 x E n e t r0 n ie t g r a o i ln i n t e r v a l : a = : b= : 0 8 .5.

900x + 400x 4 f(x) = 0. primero desarrollamos un archivo M que contendrá la función.23. donde probarnos la función en intervalos desiguales . 5. EJEMPLO 2 3 .200x 2 3 5 desde a — 0 hasta b — 0. Ahora investiguemos cómo M A T L A B maneja integrales de datos tabulados. El siguiente ejemplo ilustra cómo se puede usar algunas de ellas. Solución.5 INIIJPJJGPCIACLÁN N U M É R I C A CON L I B R E R Í A S 4M 23.2+25*x-200*x..7. M A T L A B proporciona una estimación exacta de la integral. Por medio de un editor de textos podemos crear el siguiente archivo: function y=f x ( x ) y=0.2 MATLAB MATLAB tiene una variedad de funciones prediseñadas que permiten integrar y diferenciar funciones y datos. diferenciar la función Explore cómo MATLAB puede emplearse para integrur y + 675x .8. A A A A Éste puede guardarse en el directorio de MATLAB como fx. Para ello. El resultado es a= 1. 4+400*x.2 + 25x . repetiremos el ejemplo 21. 4 Usando MATLAB para integración y diferenciación Enunciado del problema. Para usar quad. usaremos la función quad del MATLAB para integrar la función. Primero. Recuerde de los capítulos 21 y 22 que el valor verdadero de la integral podrá determinarse en forma analítica para ser 1. podemos llamar a quad tecleando >> Q=quad('fx'.0.m.6405 Asi. 3-900*x. Después de entrar a MATLAB.640533.8) donde la segunda y tercera entradas son los límites de integración.5. 2+675*x.

y ) = i n t e g r a l 1.0749 2.2537 -13. >> integraL = t r a p z ( x .12 .3097 through 1.6431 -3. >> ans d i f f ( x ) = 1 8 through 7 CoLumns 0. Para ello usamos la función diff. Tal procedimiento podría refinarse mediante capuciamientos más finos.1819 2.3052 11 1.5948 trapz.676 DIFERENCIACIÓN NUMÉRICA (recuerde la tabla 21. Podemos generar la misma información en MATLAB al definir primero los valores de la variable independiente.36 .1200 CoLumns 0. como implica su nombre. aplica la regla trapezoidal a cada intervalo y suma los resultados para obtener la integral total.7434 0.SI. generamos un vector y que contiene los valores correspondientes de la variable dependiente al llamar a fx.54 .4 .0600 0.3630 Podemos integrar esos valores al llamar a la función trapz.1000 10 0. Después.1000 El resultado representa las diferencias entre cada par de elementos de x.0400 0.2877 9.0449 through 4. >> x=C0 .32 . por ejemplo.44 .2320 2. podemos diferenciar los datos espaciados desigualmente en x y y.3815 10 8. >> y = Co L u m n s 1 through 7 y = f x ( x ) 0.8430 3.64 .6746 6.22 .1000 0.5073 3.2000 Columns 8 1. / d i ff(x) con la cual se obtiene d = CoLumns 1 8 through 7 9.1000 0.2477 CoLumns -0.3100 Estas representan estimaciones burdas de las derivadas para cada intervalo.3).0400 0. Por último.1000 through 0.5274 9.6488 -21. la cual sólo determina las diferencias entre los elementos adyacentes de un vector. realizamos sólo una división del vector de las diferencias y entre las diferencias x al teclear >> d=di f f ( y ) .7 . .0400 0. Para calcular las aproximaciones por diferencias divididas de la derivada.4560 2.

nos concentraremos en la rutina QDAG. La forma es F(X). R E S U L T .TABLA 23. (Entrada) HRRA13S — Exactitud absoluta deseada. Dicha rutina integra una función por medio de un esquema adaptable en forma global basado en las reglas GaussKronrod. E R R A B S . E R R R E L . Capacidad QDAG QDAGP QDAGI QDAWO QDAWF QDAWS QDAWC QDNG Cuadratura multidimensional TWODQ QAND Reglas de Gauss y recurrencias de tres términos GQRUL GQRCF RECCF RECQR FQRUL Diferenciación DERIV Adaptativa de propósito general con singulaildadi» on puntos extremos Adaptativa de propósito general Adaptativa de propósito general con puntos de singulaikkid Adaptativa de propósito general con intervalos Infinito». E R R E S T ) donde F = Función que introduce el usuario para que sea integrada. (Entrada) D = Límite superior de integración.5. (Entrada).1). En cl presente análisis. (Entrada) IliULE Selección de la regla de cuadratura. IRULE 2 se recomienda para la mayoría de las funciono».1 Categoría Cuadratura univariable Rutlnai IMSL poro Rutinas Inorar y diferenciar. segunda y tercera derivado 23. Sí la función tiene una . A = Límite inferior de integración. B . I R U L E . QDAG se implementa con la siguiente declaración CALL: C A L L QDAG ( F . donde X es la variable independiente. A . Adaptativa con oscilación ponderada (trigonométrico) Adaptativa de Fourier ponderada (trigonométrica) Adaptativa algebraica ponderada con singularidad»» un puntos extremo Adaptativa de Cauchy ponderada con valor principal No adaptativa de propósito general Cuadratura bidimensional (integral iterada) Adaptativa cuadratura N-dimensional sobre un hiperrectángulo Regla cuadratura de Gauss para pesos clásicos Regla cuadratura de Gauss a partir de coeficientes dt> recurrencia Coeficientes de recurrencia para pesos clásicos Coeficientes de recurrencia a partir de la regla de cuadralim i Regla de cuadratura de Fejer Aproximación a la primera. Observe que F se debe declarar como EXTERNAL en el programa de llamado.3 IMSL IMSL tiene varias rutinas para integración y diferenciación (véase tabla 23 . (Entrada) ERRREL — Exactitud relativa descada.

IRULE = 6.678 DIFERENCIACIÓN NUMÉRICA singularidad pico.8.errrel. pura cada aproximación. 1PE10 .irule.errabs=0.a. 2 c en x — I pura h ~ = rc/4 usando un valor de Estimo la prímoru cl error y relativo segunda derivadas de y = 2 4 0(h) y 0(h ).001 REAL::errest.1. res PRINT ' ( • ' Error estímate =' ' . Use QDAG para determinar la integral de 2 3 4 5 f(x) = 0.640533.200x + 675x . 4 ) ' . U m p M l a m b a í fórmulas 0{h ) y ü(h ) v para sus estimacion .I E N D P R O G R A M FUNCTION f(x) IMPLICIT N O N E REAL::x.000E-05 PROBLEMAS x 2 hacia adelante y 23.*X**5 E N D FUNCTION Output: C o m p u t e d = 1. y porcentual e. central de 0(h ) y 0(h ) para la primera derivada dc>> = sen x en 23.f EXTERNAL f CALL Q D A G (f.errest) PRINT •(•' Computed = . (Salida) EJEMPLO 2 3 . 3 ) ' . h — Jtí\2.1.f f = 0 .. errest . Un ejemplo del programa principal en Fortran 90 y de ia función QDAG que \ se usa para resolver este problema se describirá como P R O G R A M Intégrate USE mimsl IMPLICIT N O N E INTEGER : :i ru le = 1 REAL::a=0.*X**3.*X**4 + 400. *X-200.0. 1 j I j I | j í | j | í | I ¡ \ j \ ¡ I | Solución. Recuerde de los capítulos 21 y 22 que el valor exacto de la integral se puede determinar en forma analítica para que sea de 1.6405 Error estímate = 5.2 + 25x . use IRULE = 1.3 Use aproximaciones por diferencias centradas para estimar A 0.2 Repita el problema 23. F 8 .-900. si la función es oscilatoria.*X**2 + 675. pero ahora para y = log x con 23. 2 + 25.errrel=0. 5 Usando IMSL para integrar una función I i j | I Enunciado del problema.res.res. RESULT = Estimación de la integral desde A a B de F. (Salida) ERREST = Estimación del valor absoluto del error.1 Calcule aproximaciones por diferencias hacia atrás de aproximaciones evaluación por diferencia en x — 20 con h = 2.errabs.8.900x + 400* desde a = 0 a b = 0.b=0.

25 Use Mathcad para diferenciar la ecuación en / » Í 1 . Como la función es simétrica.1) _ . b) Emplee Mathcad para determinar el punto de inflexión do esta función. 11 Desarrolle un subprograma de uso amigable para obtener la estimación de la primera derivada para datos espaciados desigualmente.)> = e* + x e n * = 1. DA ti» In x on x = 4 usando h = 2 y /i = 1. ñ Repita ol problema 23.12a) en / = 10 para confirmare)..x = yx = () 4 (l^f _Jo x + 4x-l5 enxh == 0.2 3 7 O N I I I I I H I ' lu primera Ivailn de = sen en mediante el uso tic luniaftos 1. 1 .5 0.5 0. . = 7t/3 y h = TI /6. 0. y la distancia recorrida se puede obtener por I ' . 0 2 3 4 5 2 3 . H ( alcule las aproximaciones por diferencias centradas de pri(P23.1.A límplec la ecuación (23.1684 0.5 2 f(x) 0.1 dición inicial d = 0 en t = 0. 2 3 .9) la velocidad está dada por V A D A ilo — 7x — lOx — 8 en JC = 0 con base en los VALORES . da contra el tiempo para un cohete: d) Evalúe la ecuación (P23.12a) desde t = 0 a 10.126) con la con= tan en = 3. = 0. 1. e n * = 0.053991 a) Use MATLAB para integrar estos datos desde x = — 1 a 1 y desde —2 a 2. > I . Emplee diferencias centradas do x fi(/i ) para las estimaciones iniciales.I a 1 . la ecuación ( ) t')) so reduce a la ecuación (4.352065 0 0. 4 para determinar la primera deri.241971 -0.22) en x = x¡.5 0.129518 -1 0.41 Isc la extrapolación de Riehardson puní y x x = TtIA y 2 3 f(x) 5e~ x.2 a 2 y desde . 0. 1 5 Los siguientes datos se generaron a partir de la distribución normal: X -2 0.3 a 3. desde .12951 3 0. 1 3 La distribución normal se define como 2 ) 1. h = a) 0.5 ' maciones por diferencias centradas con base en h = 1.5 íx)lx x h V) c) ( (P23.r = 1 2.807 0. (P23.6522 0. ( ( ( 1 2 / 6 8 y= 3x —0.13) d e s d e * = .os siguientes datos se reunieron para la distancia recorri10. Evalúe el resultado en / = 10 en = 1. .2 eos b) Integre en forma analítica la ecuación (P23.4.5. 1 \. 1.398942 0.1 para confirmar a). Pruébelo con los siguientes datos 1 a l y a) Use Mathcad para integrar esta función desde x = desde —2 a 2.8) 68. 1 2 Recuerde que para el problema del paracaidista en caldu. 2 3 . . b) Emplee MATLAB para estimar los puntos de inflexión de esos datos.7 Pruebe que para datos igualmente espaciados. 1 6 Use IMSL para integrar la distribución normal (véase cl problema 23.1. Compare este resultado con l 2 9.7468 0.12b) 0 2 8 18 3 2 5 0 /(*) = 1 ~x /2 ¿ I Isc diferenciación numérica para estimar la velocidad del cohelo y la aceleración para cada tiempo.12A) AL valor verdadero y con una estimación obtenida usando aproxi12.053991 -1.2 3 . limite su análisis para la x positiva. donde = Compare sus resultados con las deriv 1 .10 Desarrolle un subprograma de uso amigable con el fin de api ¡car un algoritmo de Romberg para estimar la derivada de una Función dada. 0.12a) t» (P23. 2 3 . 11.241971 1. pero ahora para la primera derivaverdaderas.5. 1 4 Use la función quad de MATLAB para integrar la ecuu- ción (P23.1.1.352065 1 0.03192 paNo de //.5 y =(x x/3) x x h I» y h= = y= sen (0.12A) mer orden de 0(h ) para cada una de las siguientes funciones en d(t)= {l e m)dt t¿--> 3 In ubicación especificada y para el tamaño de paso especifico: Use Mathcad para integrar la ecuación desde O a l O .

La sección 24.1.3 también involucran funciones que están disponibles en forma de ecuación. La determinación de la cantidad de calor requerido para elevar la temperatura de un material es un problema con el que tratamos frecuentemente. En esta aplicación. involucra ecuaciones. Se aplican los métodos numéricos a situaciones de este tipo por medio de la expresión analítica con el fin de generar una tabla de argumentos y valores de función. En el caso de los métodos de integración. En el segundo caso. La característica necesaria .1 INTEGRACIÓN PARA DETERMINAR LA CANTIDAD TOTAL DE CALOR (INGENIERÍA QUÍMICA/PETROLERA) Antecedentes. usa integración numérica para determinar la fuerza total del viento que actúa sobre el mástil de un bote de carreras. observaciones o alguna otra información empírica. que trata con cálculos de calor en la ingeniería química.4 se concentra en el análisis de información tabular para determinar el trabajo necesario para mover un bloque. la cual se toma de la ingeniería civil. Se mencionarán dos de las situaciones de ocurrencia más frecuente. Aunque esta aplicación tiene una conexión directa con la ingeniería mecánica. Este tipo de función a menudo representa una serie de mediciones. usamos este ejemplo para ilustrar la integración de datos espaciados desigualmente. la función que habrá de evaluarse se halla inherentemente en forma tabular. se relaciona con todas las otras áreas de la ingeniería. a problemas prácticos de la ingeniería. una función analítica se integra en forma numérica con el fin de determinar el calor requerido para aumentar la temperatura de un material. La sección 24. 24. Se emplean cálculos de calor en forma rutinaria en la ingeniería química y petrolera así como en muchos otros campos de la ingeniería. La sección 24. Los datos para cualquiera de los casos son compatibles directamente con diferentes esquemas analizados en esta parte del libro.2. Este ejemplo se usa para demostrar la utilidad de la integración de Romberg y la cuadratura de Gauss. La sección 24. Entre otras cosas.3 determina la raíz media cuadrática de la corriente para un circuito eléctrico. Esta aplicación proporciona un simple pero útil ejemplo de tales cálculos.2 y 24.CAPITULO 2 4 A p l i c a c i o n e s e n la i n g e n i e r í a : integración numérica y diferenciación El propósito del presente capítulo es aplicar los métodos de integración y diferenciación numérica. expuestos en la parte seis. se puede expresar la función sujeta a estudio en forma analítica pero es muy complicada para que esté lista a evaluarse mediante los métodos de cálculo. Las secciones 24.

c(T): La ecuación (PT6.4) y el resultado se integra para dar un valor exacto de AH = 42 732 cal.12486 0. Solución. AH puede determinarse de manera analítica.17376 200 .°C -100 -50 0 50 100 1.13200 0. Para realizarlo.16134 0. de hecho. La ecuación (24. Es útil e instructivo comparar este resultado con los métodos numéricos expuestos en el capítulo 21.1) donde c tiene unidades de cal/(g • °C). es necesario generar una tabla de valores de c para varios valores de T: T.1190 0. m = masa (g) y AT = cambio en temperatura (°C). Ahora como.4) proporciona una forma para calcular el valor promedio c(T) dT c(T) = J -\ ¡2 —i -r~ I (24. c(7). Sin embargo.1 0 0 a 200°C. 1 3 2 + 1.5) = 100 cal donde la capacidad calorífica del agua es aproximadamente 1 cal/(g • °C).2) En este ejemplo se le pide calcular el calor necesario para elevar 1 000 gramos de este material desde . el calor requerido AH (en calorías) se puede calcular por AH=mcAT (24. para el caso actual.')() c. para grandes cambios de temperatura.15024 0.3) la cual se puede sustituir en la ecuación (24.' 24J ^1|^^^^•pp^íC^r^MIW^^ LA'CWTIDID'TOTAL D EC A L O R para llevar l cabo este cálculo es la capacidad calorífica c.2) se sustituye en la ecuación (24. Por ejemplo.14046 0. la capacidad calorífica no es constante y. Por ejemplo. cal/(g •4°C) 0.56 x 10" r 4 + 2.4) donde AT = T — r . la capacidad calorífica de un material no se podría aumentar con la temperatura de acuerdo con una relación como c(T) = 0 . varía en función de la temperatura.64 x 10~ r 7 2 (24. Tal cálculo es propicio cuando AT es pequeño. es una cuadrática simple.1) para dar AH — m f 2 c(T) dT t (24. Si c es constante sobro el rango de temperaturas sujetas a examen. lisie parámetro representa la cantidad de calor requerida para aumentar una unidad de temperatura a una masu unitaria. la cantidad de calor necesario para aumentar a 20 gramos de agua desde 5 a 10°C es igual a AH = 20(1)(10.

además.01 . Tal resultado puede sustituirse en la ecuación (24.1). ejercidas por pie de mástil de los botes varían como una función de la distancia por arriba de la cubierta del bote (z). Solución. como se muestra en la figura 24. Suponga que el mástil permanece vertical.3 732.01 <0.018 <0. Esta exacta concordancia podría ocurrir sin importar cuántos segmentos se usaron.4) para obtener un valor de AH = 42 732 cal. mejor aún. con una computadora.1.05 2:/io dz (24 5) - TABLA 24. En la figura 24.16. Calcule la fuerza de tensión T e n el cable izquierdo que soporta el mástil. Las fuerzas del viento (/). es por lo común lo suficientemente exacto para tamaños de paso relativamente grandes y es exacto para polinomios de tercer orden o menores. Esto se espera debido a que c es una función cuadrática y la regla de Simpson es exacta para polinomios de tercer orden o menores (véase la sección 21.2. Este ejemplo es una buena ilustración del porqué la regla de Simpson es muy popular. La fuerza total ejercida sobre el mástil se puede expresar como la integral de una función continua: f =c {^y 2oo 300 150 100 50 25 10 5 1 0.01 <0.01 /:)2. se requiere que la fuerza distribuida / se convierta en una fuerza equivalente total F y se calcule su localización d por arriba de la cubierta (véase la figura 24.1 Resultados con el uso de la regla trapezoidal con diferentes tamaños de paso. Este cálculo se complica por el hecho de que la fuerza ejercida por pie de mástil varía con la distancia por arriba de la cubierta.[%) 125 0.1a se muestra una sección transversal de un bote de carreras.3 732.3 0. Además. °C e. AH 96 43 42 42 42 42 42 42 42 048 029 864 765 740 733. un pequeño paso (< 10°C) se requiere para una exactitud de cinco cifras.2). Sin embargo. el cual concuerda exactamente con la solución analítica. Los resultados que se obtuvieron con la regla trapezoidal se listan en la tabla 24. se supone que el cable derecho que soporta el mástil está por completo flojo y que el mástil une la cubierta de modo que transmite fuerzas horizontales y verticales pero no momentos. 24.682 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN Estos puntos se usan en conjunto con la regla de Simpson 1/3 con seis segmentos para calcular una estimación de la integral de 42 732.7 0. Para proceder con este problema.2 F U E R Z A EFECTIVA S O B R E EL M Á S T I L DE U N B O T E DE CARRERAS (INGENIERÍA CIVIL/AMBIENTAL) Antecedentes.07 0.00003 T a m a ñ o de p a s o . Se observa que la regla trapezoidal es también capaz de estimar el calor total en forma exacta.01 <0. Es fácil realizarla con una calculadora o.

14 . b) Fuerzas viento /•ejercidas por 3 pies I no de mástil como una liindón de la distancia z por NI liba de la cubierta del bolo. FIGURA 24.20 15 18 21 24 27 O . tales como las reglas de Simpson y la trapezoidal. para tamaños de 0.2) se puede calcular con la evaluación de la integral /•30 zf(i) d = / /(z) di (24.18).05 pies para la regla trapezoidal y de 0.24.05 pies / d = Jo 200z[z/(5 + z)]e.9 • WBLMA^TIL-WüWWBlWéiaWlUS \ >t?V é N ¡t#p##*W|»lft CÉBIM que soportan el mástil Mástil Viento FIGURA 24.6 Ib en tanto el tamaño de paso se vuelve pequeño.6 (24.2 I )|(i(jrama de cuerpo libre fuerzas ejercidas j l mástil de un velero.3. Los resultados para diferentes tamaños de paso se encuentran en la tabla 24. /.7) T •H T A B L A 2 4 . Se observa que ambos métodos dan un valor de F = 1 480.10) o (21.'IVII.18 47.2 tiene valores de /(z) para un tamaño de paso de 3 pies que proporciona datos para la regla de Simpson 1/3 o para la regla trapezoidal.40 73.6) Jo dz /•30 d= 13. En este caso. La línea de acción efectiva de F (véase figura 24.•2:/30 dz 1 480. Esta integral no lineal es difícil de evaluar en forma analítica. 2 Valores de f(z) para un tamaño de paso de 3 pies que proporciona los datos para las reglas trapezoidal y de Simpson 1 / 3 . Por ejemplo. j ) L M 0 3 6 12 ÍW. la tabla 24. lb/ple 0 61. Esto se lleva a cabo al calcular/(z) para diferentes valores de z y después usar la ecuación (21.1 u) Succión transversal de un LINIO DI?L i z=0 de carreras. Por tanto. es conveniente emplear procedimientos numéricos para este problema.43 30 55.13 70.5 pies para la de Simpson proporcionan buenos resultados.'I 33 4? 2/ HV 23.5Ó 63.

995 6 = 6 4 7 3 Ib y de la ecuación (24.9).10) V = 0=V-Tcos6 0 X M = 0 = 2V-Fd donde T = tensión en el cable y H y V = reacciones desconocidas sobre el mástil transmitidas por la cubierta.3 1 480.9/1 480.(6 473)(0.5 0.6 1 219. la regla de Simpson 1/3 con un tamaño de paso de 0.lb 1 001.7 1 122.25 0.6 = 13.5 Dicha integral podrá evaluarse mediante métodos similares a los anteriores.0995) = 836. Al sumar fuerzas en la dirección vertical y horizontal y tomar momentos con respecto al punto 0 se obtiene ZF ZF H = 0 = F- Tsen6-H (24. La ecuación (24.7 1 480.6)(13.1 0. H = F — T sen 9 = 1 480. T = ^ .6 Regla de Simpson 1/3 0. Este diagrama de cuerpo libre se muestra en la figura 24. La dirección. Este problema ilustra bita dos usos de la I U Ü 9 G R A C I Ó A I U U F I Á H C I que pueden encontrarse durante cl disc- . se puede usar un diagrama de cuerpo libre para escribir ecuaciones de equilibrio de fuerzas y momentos.9) (24.10) se puede resolver directamente ya que se desconocen F y d. así como la magnitud de H y V son desconocidas.= eos 9 6 4 4 °0.5 da d = 19 326.8 1 477. a partir de la ecuación (24.05 15 5 3 1 0.2.5 1 480. Con F y d conocidos a partir de los métodos numéricos.8).3 1 372. Por ejemplo.5 1 480. Técnica Regla trapezoidal T a m a ñ o de p a s o .05 pies. 3 Valores de F calculados con base en las diferentes versiones de las reglas trapezoidal y de Simpson 1 / 3 . tales como los cables y cl sistema de soporte de la cubierta para cl mástil.6 1 462.684 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN T A B L A 2 4 . ^ ^ 3 = i 1 480.6 .1 1 479.9 1 476.05)_ 3 = 6 4 4 ( ) 6 1 b Por tanto. pies 15 10 6 3 1 Segmentos 2 3 5 10 30 60 120 300 600 2 6 10 30 60 F.54 Ib Esas fuerzas ahora permiten proceder con otros aspectos del diseño estructural del bote.3 1 450.8) (24.9 1 480.

/(f) = 0 ' r I lin 1 1 órnente eléctrica vi II i<indo de manera imilúcJica. tal corriente es capaz de realizar trabajo y generar calor.11) donde i(f) = corriente instantánea. los ingenieros eléctricos a menudo caracterizan esa corriente por /RMS = > (t)dt (24.3 /f Para 0 < f < 772. . Por tanto.3 mediante la regla trapezoidal.ño de estructura» en Ingeniería. donde Tes el periodo. La regla de Simpson 1/3 es más exacta que la trapezoidal para el mismo tamaño de paso por lo que con frecuencia es preferida. Por ejemplo." s e n (2n-ír) Para 772. lu trapezoidal y lu de Simpson 1/3. Calcule la RMS o raíz media cuadrática de la forma de onda en la figura 24. 2 J- FIGURA 24. son fáciles de aplicar y son herramientas para la solución de problemas prácticos. la regla de Simpson 1/3.3 R A Í Z MEDIA CUADRÁTICA DE LA C O R R I E N T E P O R I N T E G R A C I Ó N N U M É R I C A ( I N G E N I E R Í A ELÉCTRICA) Antecedentes. 24. Se observa que timbas reglas. integración de Romberg y cuadratura de Gauss para T = 1 s. suponga que la corriente es descrita por un sinusoide simple: i(f)= sen (2n/T). El valor promedio de esta función se puede determinar por la siguiente ecuación: j sen dt Jo \ T I T-0 /= = -eos(2n) + eos0 —l = 0 T y A pesar del hecho de que el resultado neto es cero. /(r) = 1 0 e . El valor promedio de una corriente eléctrica oscilatoria en un periodo puede ser cero. < f < 7".

La misma estimación se determina también con la integración de Romberg (véase la figura 24.41261 ^ 15.41262 .48082 15.41257 15.62 0. 2 3 ) y ( 2 2 .41 161 <>(%) 100 1.41261 15. la cuadratura de Gauss también se usa para realizar la misma estimación. 1 2 ) Primero.41196 15.41547 15.21769 15.4).41502 15.06 x 1 0 " 0 Técnica Regla trapezoidal 3 4 5 6 Regla de Simpson 1/3 3 Solución.0725 4. 4 1 2 6 1 .41261 " 15. El error relativo porcentual E .16327 15.59 x 1 0 " 1.0186 1.443 -0.41261 15.40143 15.41261 15. Este resultado se obtuvo mediante una regla trapezoidal con 1 2 8 segmentos o una regla de Simpson con 3 2 segmentos.41225 15. Segmentos 1 2 4 8 16 32 64 128 2 4 8 16 32 Integral 0.41111 15.41261 20.48082 15.4 Valores para la Integral calculada mediante el uso de diferentes esquemas numéricos. se basa sobre un valor verdadero de 1 5 .41 1 9 6 15.2 -0. En la tabla 2 4 . /•1/2 / = / ( I O Í T ' Jo Í = s e n 2 7 r ) í j dt ( 2 4 .0 15.21769 15.21 x 10" 2.41277 15. 4 1 2 6 1 .41277 15.686 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN TABLA 24. La determinación de la raíz media cuadrática de la corriente involucra la evaluación de la integral (T = 1 ) .40143 15.62 x 10~ 1.30 x 1 0 " 0 -31. Además. 2 4 ) 4 d Í R F t = 4« dt Hartarlo integración de Romberg para estimar la'-RMS de la corriente. se realiza un cambio de variable al aplicar las ecuaciones para obtener 1 1 1 4 + ( 2 2 . El valor exacto para la integral es 1 5 . Observe que la regla de Simpson es más exacta que la trapezoidal.16503 15. 4 se enlista las estimaciones de la integral para las diferentes aplicaciones de la regla trapezoidal y de la regla de Simpson 1 / 3 .41257 15.41261 15.41262 15.41261 15.41261 20.16327 15.41547 15. 0 °^ 15.

Muchos problemas de ingeniería involucran el cálculo de trabajo. Estimación 11.4126391 15.6575502 15.237449) + 0.1) d / = 0. La fórmula para tres puntos es (véase tabla 22. se le presentó algunas aplicaciones simples mediante el uso de fuerzas que permanecían constantes en todo el desplazamiento.17) para dar un estimado de la integral de 11. Por ejemplo.41 TABLA 2 4 .6% Los resultados al usar las fórmulas para puntos mayores se resumen en la tabla 24. Estos valores pueden sustituirse en la ecuación (22.82 x 10" Puntos 2 3 4 5 ó 2 4 5 Esas relaciones pueden ser sustituidas en la ecuación (24.684915) = 15. 3 PARAICAKUCWrSBTIWBAAJ R«»ulladoa al usar las fórmulas de la cuadratura de Gauss para varios puntos para aproximar la integral.24.5. Este resultado podría entonces emplearse como guía en otros aspectos del diseño y operación del circuito. suponga que la fuer/a varía durante el curso del cálculo.59 4. esta función se evalúa en t = — 1/V3 y 1/V3.42 x 10" -2.16327) +0.4058023 15. En tales casos.4126109 22.12) para calcular una I de 3.5555556(2.5555556(1.65755 | e .41261 se puede sustituir en la ecuación (24.99782. la ecuación para el trabajo se puedo exprcaar como .1 -1. si una fuerza de 10 libras era usada para empujar un bloque una distancia de 15 pies. La fórmula general es Trabajo = fuerza x distancia Cuando se introdujo este concepto en sus estudios de física en el nivel medio superior.13) Para la fórmula de Gauss-Legendre de dos puntos. respectivamente.12) para obtener 1 0 e -[l/4 (l/4) + ( í í ] s e n 2 n ( ( — dt 4 (24.925890 A. i m s I N T E G R A C I Ó N N U M É R I C A P A R A CALCULAR EL T R A B A J O (INGENIERÍA MECÁNICA/AEROESPACIAL) Antecedentes. | = 1. el cual representa un error de e = 22.313728.684096 y 4. y los resultados son 7.8888889(15. Por ejemplo. Aunque ese simple cálculo es útil para introducir el concepto.01 x 10" -1. la solución de problemas realísticos son por lo común más complejos.1%. el trabajo se calculaba como 150 Ib • pie.9978243 15. La estimación de la integral de 15.

De hecho.688 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN W = dx 0 n (24. La ecuación de trabajo puede modificarse más al tomar en cuenta este efecto. el ángulo. X.5 El caso de una fuerza variable actuando sobre un bloque. es más común que la relación FIGURA 24.14) se puede evaluar en forma analítica.ft 30 . respectivamente. Sin embargo.5).ft 0 0 x. en la solución de un problema realístico. x y x = las posiciones inicial y final. la ecuación (24. como en (24.15) De nuevo. de la fuerza varía.15) se podría resolver de manera analítica.5. Se tiene mayor complejidad si el ángulo entre la fuerza y la dirección del movimiento también varía en función de su posición (véase figura 24. así como la magnitud. Para este caso. la ecuación (24. como en la figura 24. la fuerza podría no ser expresada de esa manera. Para tales casos. Si F{x) es fácil de integrar. i. Sin embargo. cuando se analizan los datos medidos. la integración numérica es la única opción viable para la evaluación. si F(x) y 9 (x) son simples funciones. y F(x) es una fuerza que varía en función de la posición. la fuerza podría estar disponible sólo en forma tabular.14) donde W = trabajo (Ib • pie).

0 10.50 F[x) eos 0. Suponga que usted debe realizar el cálculo para la situación mostrada en la figura 24. Esto es en particular evidente en la figura 24.0 14.90 1. 5y I7 ' .p i * s 0 5 10 15 20 25 30 Data para le futría F(x) y «I ángulo 0(x) coma una función de lo po&ición x. los métodos numéricos proporcionan la única alternativa para determinar la integral. x.5120 8.50 1. Aunque la figura muestra los valores continuos de F(x) y 9(x).é x .0 » . Un error relativo porcentual e¡ fue calculado con referencia al valor verdadero de la integral de 129. f | j t ) .5 12.6 I Inu gráfica continua de F[x) nm |0(x)] contra posición i un los siete puntos discretos mudos para desarrollar la Inloi Ilación numérica nulimuda en la tabla 2 4 .3537 F ( x ) 0 funcional sea complicada.0000 1.r a d 0.TABLA 24.75 0. Los resultados son interesantes.Miive cómo el uso de los puntos para i uidderizar esta función que vuilo continuamente deja n n io l l i n i u dos picos en x = 2 . i tli. Use versiones de aplicación simple y múltiple de la regla trapezoidal y de las reglas de Simpson 1/3 y 3/8 para calcular el trabajo con esos datos.0 13. debido a las restricciones experimentales. usted cuenta sólo con mediciones discretas a intervalos de x — 5 pies (véase tabla 24.52 cuya estimación se hizo con base en los valores tomados de la figura 24.0 9.6. Los resultados del análisis se resumen en la tabla 24. Puede obtenerse estimaciones más refinadas con m á s segmentos. 7 . pies . imagine también que. Para esta situación.7.I b 0.0 5.5297 9. también se puede obtener resultados menos exactos con las reglas de Simpson.7025 2.30 1. Solución.') pies.48 1.6). La razón para este aparente resultado contraintuitivo es que el espaciamiento burdo de los puntos no es adecuado para capturar las variaciones de las fuerzas y ángulos. donde graficamos la curva continua para el O i r U R A 24.40 0. ya que la mayor exactitud ocurre para simple regla trapezoidal con dos segmentos.5 con intervaloi de 1 pie.5.8087 1.0881 0.

2 8 .5)] = 11.7.1 8 0 . si los datos estuvieran disponibles enF(2.690 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN TABLA 24. en consecuencia. co x.7 Estimaciones del trabajo calculado usando la regla trapezoidal y las reglas de Simpson. tener los mejores resultados. el uso de dos trapezoides ocurre para llevar a un balance equilibrado entre los errores negativo y positivo. Si se incluyen los dos puntos adicionales se obtiene una estimación de la integral mejorada de 126.7 Ilustración gráfica del porqué la regla trapezoidal con dos segmentos da una buena estimación de la integral para este caso en particular.5)] = 4.7 8 .5 9 5 .6 es que debe hacerse un número adecuado de mediciones para calcular con exactitud las integrales.5 3 5 7 .3600.4 3 5 . El error relativo porcentual e. ( FIGURA 24.9 1 2 4 9 . podríamos determinar una estimación de la integral con el uso del algoritmo para datos espaciados desigualmente descrito en la sección 21. 0 4 producto de F(x) y eos [#(*)].9 1 7 5 8 . como se calculó con referencia a un valor verdadero de la integral (1 29.5) eos [0(12. Para el caso actual. Por suerte. p l « i .5 y 12.3500yF(12. Observe cómo el uso de siete puntos para caracterizar la función que varía en forma continua no toca los dos picos en x = 2.02%).2 1 1 7 1 .8 1 1 9 0 . Segmentos Trabajo Técnica Trapezoidal Regla de Simpson 1 / 3 Regla de Simpson 3 / 8 1 2 3 6 2 6 5 3 .5 pies. La conclusión resultante de la figura 24. La omisión de estos dos puntos limita efectivamente la exactitud de la integración numérica estimada en la tabla 24. La figura 24.3 1 3 9 9 .1 1 3 3 1 . la inclusión de los datos adicionales podría incorporar los picos que antes no se tomaron en cuenta y.9 (e = 2.5) eos [0(2.3 9 5 9 .8 ilustra la segmentación desigual para este caso.52 Ib • pie) fue estimado con base en los valores en intervalos de 1 pie.3. El hecho de que la regla trapezoidal con dos segmentos dé el resultado más exacto se debe a la selección del posicionamiento de los puntos para este problema en particular (véase figura 24.7). Así.

pero ahora use integración de Uniubcrg con e = 0. y t = tiempo inicial y final.4. Interprete sus resultados. M.inlos que resulta de la lin lii'. Use la regla lio Simpson para sus cálculos. pero ahora use la fórmula de GaussI I'tjeiulre con dos y tres puntos.l Kepita el problema 24. m i n M \ Ji\ Qcdt di uiilc /. 1<M I .*)()() gramos del material desde —150 a 50°C.iún de dos puntos inlii dmales en x = 2. e. Se muestran las lúi mulos de integración iiiiiiii'nii.1.01%. Esta fórmula tiene sentido Intuitivo si usted recuerda la analogía entre integración y mmmloria. 4 Valores de concentración medida en la tubería de salida de un reactor. m g / m 10 22 35 47 55 58 52 40 37 32 34 3 t. la integral representa la sumatoria del producto (lid Unjo por la concentración para dar la masa total entrando o (tullendo desde t a t . SO 55 £ Q. mg/m 3 0 10 2 20 4 30 6 40 8 60 12 72 16 70 TABLA P 2 4 . Q puede «el obtenida de la integral: 2 { 2 M Q I cdl (P24. pero ahora Míenle la cantidad de calor requerido para elevar la temperatura ili< I . E W A> Q (fl s (O O. Si la razón de flujo es constante.a integración proporciona un medio para calcular cuánta N N I N I I entra o sale de un reactor en un periodo específico. como en s Use integración numérica con el fin de evaluar esta O C U H Ü I Ó I I para los datos en la tabla P24. o CU 55 CU D PROBLEMAS lli||«IILURIA química/petrolera 14.1 Kcalice el mismo cálculo que en la sección 24.6.1. 5 La concentración química a la salida de un reactor do mezcla completa se mide como t. Observe que Q = 4 mVmin.5 y \V '> orí los datos de la luíilu 24. con valores de incremento de Tde 1<r<'. min c.4) 0 5 10 15 20 25 30 35 40 45 50 . Así.a aplicadas a cada i I I I I | I I I I I I I de segmentos. 14.1. 2 4 . l Kepila el problema 24. 59 C O C O C O C O CL E Q.

mientras que en el fondo sería del 100%*/. Divida el mástil en intervalos de cinco pies.14 120 1.30 Calcule la razón de flujo Q (es decir. 24. pero ahora use la integración de Romberg con un orden de h para evaluar la integral.65 30 0.6 ha primera ley de difusión de Fick establece que Flujo másico = D de dx 2 (P24. 1 0 barriles 6 0 0.8 Usted se interesa en la medición de la velocidad de un fluido en un canal abierto angosto rectangular que transporta resi2 24.4 3 0. min V.6) donde flujo másico = cantidad de masa que pasa a través de una unidad de área por unidad de tiempo (g/cm /s). cm c.10 Realice el mismo cálculo que en la sección 24.dz 6+ z 7 / l nz/l0 f. el ingeniero debe confiar en mediciones discretas de la profundidad para calcular A. Ingeniería civil/ambiental x. la velocidad varía con la profundidad en el canal. pronósticos de inundación y diseño de reservorios. y x = distancia (cm). Usted sabe que.5 15 0. Un ingeniero ambiental mide la siguiente concentración de un contaminante en los sedimentos depositados en un lago (x = 0 en el punto de contacto sedimento-agua y aumenta hacia abajo): 2 duos de petróleo entre diferentes localizaciones y una refinería.2. Los puntos representan ubicaciones donde se ancló un bote y tomó lecturas a diferentes profundidades. Use dos aplicaciones de la regla trapezoidal (h = 4 y 2 m) y la regla de Simpson 1/3 para estimar el área de sección transversal a partir de esos datos. c = concentración.9 Realice el mismo cálculo que en la sección 24. s F= Jo f / 30 250z e. 24. la medición en la superficie sería del 0%d. estime la masa de químicos que existe en el reactor desde t = 0 hasta 20 min.73 45 0.11 Calcule F mediante la regla trapezoidal y las reglas de Simpson 1/3 y 3/8.2. 24. A menos que se disponga de dispositivos electrónicos sonoros para obtener perfiles continuos del fondo del canal.12 Las áreas de sección transversal (A) son requeridas para diferentes tareas en la ingeniería de abastecimiento de aguas: entre otras. d VIdi) para cada tiempo del orden de h .03 90 1.692 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN Para una salida de flujo de Q = 12 nr/min. ¿cuánta contaminación podría ser transportada hacia el lago en un año? 24.88 60 1.7 Los siguientes datos fueron colectados cuando se cargaba un gran buque petrolero: 2 6 2 24. Emplee dicha estimación junto con la ecuación (P24.6) para calcular el flujo másico de contaminantes fuera de los sedimentos y dentro de las aguas recubiertas (D = 2x10"* cm /s). 1 0 " g/cm 6 3 0 0.1 1 0. Si su técnico tiene tiempo para realizar sólo dos mediciones de velocidad. D = coeficiente de difusión (cm /s). . Por ejemplo. Un ejemplo de una corriente común con su sección transversal se muestra en la figura P24.9 Use la mejor técnica de diferenciación numérica disponible para estimar la derivada en* = 0.12. debido a la fricción en el fondo. ¿a qué profundidades las tomaría para obtener la mejor estimación de la velocidad promedio? Establezca sus recomendaciones en términos del porcentaje de la profundidad total d medida desde la superficie del fluido. pero ahora use la cuadratura de Gauss para evaluar la integral. 24. Para un lago con 3 x 10 m de sedimentos.

N/m 0 0 30 350 60 1 000 90 120 150 3 000 180 3 300 210 3 500 240 3 600 1 500 2 600 Calcule la fuorzu neta y la linea de acción debida a este viento dlitrlbuldo. M i l Un estudio de ingeniería de transporte requiere el cálculo del número total de autos que pasan por una intersección en un periodo de 24 horas. m *» Fuerza.15 La fuerza del viento distribuida en un lado de un rascacielos es registrada como Altura /.13. M 1 1 Durante un reconocimiento de campo. se le pide calcular p| Arca del campo mostrado en la figura P24. para estimar el número total de autos que pasa a diario por la intersección (sea cuidadoso con las unidades).14. F[l\. 24. . pies 3 000 FIGURA P24.13 Un campo limitado por dos caminos y una cresta. que se resumen en la tabla P24. Utilice estos datos.w PRO! i 0 i i i i i i i i i i i i i i i i i • 1 000 2 000 Distancia. Use las reglas do Simpson para determinar el área. Una persona visita la intersección varia» veces durante un día y cuenta el número de autos que pasan por el lugar en un minuto.

usted tiene que determinar el volumen total de agua (m ) que fluye por un río en un año.M.16). con muchos registros anuales. Debido a que ambas. y tenga cuidado al realizar una estimación adecuada del flujo en los puntos extremos. P. fr = JO ( Pgw(z)(D . mVs 31 37 80 1 19 102 20 21 Determine el volumen.16) pgzw(z){D .M. Abr. Razón 12 5 10 12 7 9 28 Tiempo 6:00 7:00 8:00 9:00 10:00 11:00 1 2:00 Razón 22 10 9 11 co 9 3 Tiempo 12:00 2:00 4:00 5:00 6:00 7:00 8:00 medianoche A. La línea de acción también se puede obtener al evaluar f D = (P24. y D = elevación (en m) de la superficie del agua por arriba del fondo del reservorio. la presión se incrementa con la profundidad. P. la fuerza total se obtiene al evaluar 3 3 2 4_ Use la regla de Simpson para calcular f y d.Med. A. . P. Sea cuidadoso con las unidades. como se ilustra en la figura P24. Si se omite la presión atmosférica (ya que trabaja contra ambos lados de la cara de la presa y de esta forma se cancelan). Nov.17 Para estimar el tamaño de una nueva presa.M. varían con la elevación. medianoche 24.M. P. para este problema.8 m/s ). Usted dispone de los siguientes datos promedio. Verifique los resultados con su programa de computadora para la regla trapezoidal. P.M.Med.M.Med. Jun. para el río: t 3 / Jo pgw(z)(D . P. A. Dic. De acuerdo con la ecuación (P24. 24.z) 2 donde w(z) = ancho de la cara de la presa (m) en la elevación z (véase la figura P24. A.fo)vista frontal en la cual se muestra el ancho de la presa en metros.694 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN TABLA P24. Feb.16b).166). la cual. Razón 2 2 0 2 5 8 25 Tiempo 9:00 10:30 1 1:30 12:30 2:00 4:00 5:00 A.M.M. A.Z ) dz FIGURA P24.Med.M.M. g = aceleración debida a la gravedad (9.M. 23 27 Flujo. la fuerza/puede ser determinada al multiplicar la presión por el área de la cara de la presa (como se muestra en la figura P24. P.z) dz Fecha Med. P.M.z) dz donde p(z) = presión en paséales (o N/m ) ejercida a una elevación z metros por arriba del fondo del reservorio. Mar.16. P. A.16 Agua que ejerce presión sobre la cara corriente arriba de una presa: a) vista lateral donde se muestra que la fuerza aumenta linealmente con la profundidad. Oct.M.MedEne.16 El agua ejerce presión sobre la cara corriente arriba de una presa como se muestra en la figura P24. P. Sept.M.Med. la presión y el área.Med.M.M. La presión se puede caracterizar por p(z) = pg(D .16a.M. se supone es constante 10 kg/m . A.M. A.14 Razón de flujo de tráfico (autos/min) para una intersección medida en diferentes tiempos en un periodo de 24 horas.Med. p — densidad del agua.M.

1%. 0. L t /' 0. Como ingeniero arquitecto. pero ahora use la siguiente ecuación para el cálculo: 0(x) = 0 . T temperatura (°C). 1 H = 1 V-s/A). 8 + 0.6.57 8. 8 y 16 KBgmentoN de la regla trape /oidul puní calcular la integral.25 Realice el mismo cálculo que en la sección 24. 24.55 24.00 8.20. Ingeniería mecánica/aeroespacial 24. y x = distancia (m) a lo largo de la trayectoria de flujo de calor. .24 Suponga que la corriente a través de un resistor es descrita por la función ¡(0 = (60 .54 13 1. El calor total absorbido lo proporUlnnu J ab Jo / qA dt dundo A = área y q = flujo de calor.80 3.5 0.125* . dT dx donde.29 7.04 6.T 2 ' sen 2M para 0 < t < Til para 772 < t<T donde ' / ' = 1 s. Determino la caída de voltaje como una función del tiempo a partir de lo» siguientes datos para una inductancia de 4 H. I '> lil flujo de calor q es la cantidad de calor que fluye a través di.20.ir). pero ahora use la integración de Koniberg con <•:.25 para /''(.3 0.22 Kepita el problema 24. Ingrali-ría eléctrica M 20 Kcalice el mismo cálculo que en la sección 24. m 0 20 0. La ley de Fourier es usada rutinariamente por ingenieros arquitectos para determinar el flujo de calor II travos de paredes.IH Los «utos que se enlistan en la siguiente luhlu diui mediciones horarias del flujo de calor q (cul/um'Vh) en 1 ti superficie de un colector solar."C SI el Unjo en x = 0 es de 60 W/m .1 0. El panel tiene una eficiencia do absorción e del 4 5 % .íl'. Use la cuadratura de Gauss con cinco puntos para ("¡lunar la integral. 0 0 9 j r + (2 x 10 2 V Kmplec la ecuación del problema 24.. L = inductancia (en henrys.20 M. usted debe estimar el calor total absorbido por un panel colector de 150 000 «tit durante un periodo de 14 horas. 24.7 1. pero uhora use la regla de Simpson de segmentos múltiples para calcular: F(x) = \.1 La ley de l'iiraday caracteriza la calda de voltaje a través de un inductor como Emplee los valores de 6 de la tabla 24.3 0.04 .4. Las siguientes temperaturas son medidas en nuil pared de piedra: 2 2 di donde V = caída de voltaje (V). Se puede calcular din la ley de Fourier.0 .un área del material por unidad de tiempo. y t = tiempo (s). 24.56 3. 0. .tf + (60 ./ tiene unidades de J/m /s o W / m y ¿ e s un coeficiente de conductividad térmica que parametriza las propiedades de conducción de calor del material y tiene las unidades de W/(°C • m).8 0. .1 17 0.27 5.00 0. pero ahoIÍI pina la corriente especificada por . pero ahora use la regla de Simpson 1/3. Use 4. M.f) sen (V7) y la resistencia es una función de la corriente.62 .2 15 /. calcule k.' 24.5x0.3. = corriente (A).2.26 Realice el mismo cálculo que en la sección 24. R = 10/ + 2¿ 2/3 x.03 7.4.15 0. 0 0.2I Repita el problema 24.32 6.'(0 = 4e~ /'(/) = 0 Calcule el voltaje promedio desde t — 0 a 60 mediante la rcglu de Simpson 1/3 de segmentos múltiples.9 0.10 1 2 3 5.2 0.

Así. El área bajo la curva va desde un esfuerzo cero hasta el punto de ruptura y se le llama módulo a 1 °C FIGURA P24. como se muestra en la curva esfuerzo-deformación unitaria en la figura P24.31) se puede expresar como .O 2 0<í <6 6 < t < 14 Si una bola de metal se calienta a 90°C y se deja caer en agua que se mantiene a una temperatura constante de T = 25°C.26. a Utilice diferenciación numérica para determinar dTIdt para cada valor de tiempo.2 25 25. T = temperatura del medio ambiente (°C) y k = constante de proporcionalidad (por minuto). 24.32a) se deformará. Emplee la regla trapezoidal de aplicación múltiplo para determinar el trabajo si una fuerza constante de 200 N scuplica para todo?.4 20 26. min 0 90 5 49.696 A P L I C A C I O N E S EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN 24.26.27 Repita el problema 24.4 al .26.1 = -k(T Tiempo. pero ahora use la integración de Romberg con e = 0. 24. la temperatura de la bola cambiará. pero ahora use la cuadratura de (luuss.2H Vuelva a realizar el problema 24. .31 La razón de enfriamiento de un cuerpo (véase figura 1*24. 24. pero ahora use lu regla de Simpson 1/3. ) El trabajo realizado por un objeto es igual a la fuerza por lu distancia recorrida en la dirección de la fuerza.2'> Repita el problema 24. esta ecuación (llamada ley de enfriamiento de Newton) especifica que la razón de enfriamiento es proporcional a la diferencia en temperaturas del cuerpo y del medio ambiente. como en a donde v = m/s. 24.9 10 33. La velocidad ilo un objeto en la dirección de una fuerza está dada por s FIGURA P24.31 I) r= 4/ i) = 24 + (6 .32 Una barra sujeta a una carga axial (véase figura P24.5%.32 3 2 o) Una barra bajo carga axial y b) la curva resultante esfuerzo-deformación unitaria donde el esfuerzo está en kilolibras por pulgada cuadrada ( 1 0 lb/pulg ) y la deformación unitaria es adimensional.32¿>. 2 4 M .T) a donde T = temperatura del cuerpo (°C). Grafique dTIdt contra T — T y emplee regresión lineal para evaluar k.8 15 28.

q = razón de consumo de combustiferenciación numérica.74 250 2.063 0.326.O(l-¿) fínica. S m 0 ° \ ti) (dx/dt) b) 10<í <20 (dv/df) 0 2 0 2 8 1. Si la distribución de velocidad está dada por lu tubería. Analice sus resultados. use la regla trapezoidal y la de Simpson 1/3 con dad vertical está dada por seis segmentos.35 0.30 M.25 0. calcule el trabajo realizado al estirar un resorte que tiene una constante de resorte de 3 X 10 N/m.15 0. Si u = 2 000 m/s.028 0.82 274 — gt \m -qtj donde v = velocidad hacia arriba. Q = IvdA.01 0.33).8 m/s ). recuerde la conexión cercana entre sumatoria e integración. 2 cm). la cuadratura de Gauss con seis puntos y los métodos de Romberg del orden de /¡ para determinar qué tan .45 m.36 262 3. Proporciona una M E D I D A de la energía pin uuidiid de volumen requerido para caunir la ruptura del mahirlal. m 0 0 0. 2 x= F.20 0.5 ? 1 » 45/ + 2(/ . Estiexpulsa el combustible relativo al cohete.04o 0.24 272 3. Portante.082 0. % 24. -: 1 0 0 0 .33 fttf tune ION unitaria que se tiene en la figura P24. el volumen de agua que donde r es la distancia radial medida hacia afuera del centro de pn>IN a través de la tubería por unidad de tiempo) con dundo nes la velocidad y A es el área de la sección transversal de la tubería.34 Mediante los siguientes datos. 1 0 N x. 0 A = rcP'ydA = licrdr. La posición de un avión caza sobre un portaaviones fue Itimuda durante el aterrizaje: I.03 209 1. en 0.05 0. Como tal. 1 4 .) I'aru un tubo circular..37 La velocidad hacia arriba de un cohete se puede calcular con la siguiente fórmula: 1 ( v = u ln m 0 154 0.5/ 0</<10 alto volará el cohete en 30 segundos. Use integración numérica B M H enleular los módulos de rigidez para la curva esfuerzo-deFIGURA P24.13 0. (Para entender el significado de esta relación en forma 1/6 « = 2.11 0. calcule Q usando la regla trapezoidal de aplicación múltiple. 1 1 S I se conoce la velocidad de distribución de unfluidotransportándose a través de una tubería (véase figura P24.tÍ¥ riRltln del inutoriul. es representativo de la habilidad del material |lMh resistir una carga por impacto.2 0 ) 2 20 < / < 30 . ble y g = aceleración hacia abajo debido a la gravedad (se supo14 \b limplee la regla trapezoidal de aplicación múltiple para ne constante = 9. m = masa inicial del me lu velocidad y la aceleración usando dicohete en el tiempo / = 0.51 186 1. 24. 1 Oí .10 0. se puede calcular la razón de flujo Q (es decir. m = 150 000 kg y evaluar lu distancia vertical recorrida por un cohete si la velociq = 2 600 kg/s. ka 3 • A ) (2irr) dr donde r es el radio total (en este caso. u = velocidad a la cual se donde x es la distancia desde el extremo del portaaviones.

Estas técnicas están diseñadas para evaluar la integral de dos casos diferentes: 1) una función matemática y 2) datos discretos en forma tabular. Una forma para mejorar la exactitud de la regla trapezoidal es dividir el intervalo de integración desde a hasta b en un número de segmentos y aplicar el método a cada uno de ellos. si se usa una ecuación cúbica. Las fórmulas cerradas de Newton-Cotes se basan en el reemplazo de una función matemática o datos tabulados por un polinomio de interpolación que es fácil de integrar. Para situaciones con un número de TABLA PT6. Datos necesarios p a r a Datos requeridos para n aplicaciones n+ 1 2n+ 1 >3 N/D E r r o r de truncamiento Aplicación Amplia Amplia Amplia Rara Requiere que í[x) sea conocida N/D Rflqiilme que l[x) i t a conocida E s f u e r z o de programación Fácil Fácil Fácil Fácil Moderado 16. Las comparaciones se basan en la experiencia general y no toman en cuenta el comportamiento de funciones especiales.4 proporciona un resumen de los elementos de juicio involucrados en la integración numérica o cuadratura. otra forma de obtener una estimación más exacta de la integral es con polinomios de orden superior para conectar los puntos. la cual se basa en el cálculo del área bajo una línea recta reuniendo valores adyacentes de la función. el resultado es la regla de Simpson 1/3. será la regla de Simpson 3/8. continuas y discretas. son usadas muy rara vez para la evaluación de integrales definidas. Las fórmulas de Newton-Cotes son los principales métodos analizados en el capítulo 21. Como son mucho más exactas que la regla trapezoidal. Las fórmulas abiertas.E P I L O G O : PARTE SEIS PT6. y ambas versiones están disponibles: las cerradas y las abiertas. Además de aplicar la regla trapezoidal con segmentos más finos. Sin embargo. Si se emplea una ecuación cuadrática.4 E L E M E N T O S DE JUICIO La tabla PT6. son de utilidad para la solución de ecuaciones diferenciales ordinarias y para la evaluación de integrales impropias. La mayoría de esos métodos se basa en la simple interpretación física de una integral como el área bajo una curva.4 Comparación de las características de métodos alternativos para la integración numérica. por lo común son preferidas esas fórmulas y se dispone de versiones de aplicación múltiple. La versión más simple es la regla trapezoidal.il inaproplacla puní dalos Inbulaira Inupioplciflti |KII(] Método Regla trapezoidal Regla de Simpson 1 /3 Reglas de Simpson 1 / 3 y 3/8 Newton-Cotes de orden superior Integración de Romberg Cuadratura de Gauss u n a aplicación 2 3 3 o4 >5 3 Comentarios •¿2 dalos lubulutoj . Se aplican a ambas funciones. las cuales tienen límites de integración que se extienden más allá del rango de los datos.

Un análisis para la integración adaptativa se puede encontrar en Gerald y Wheatley (1984) y Rice (1983). También se dispone de fórmulas de Newton-Cotes de orden superior. h/4. la integración adaptativa de Simpson se basa en la división del intervalo de integración en una serie de subintervalos de anchura h. 1977). Sin embargo. Le recomendamos consultar esas fuentes alternativas para ampliar su conocimiento de los métodos numéricos en integración. hay una variedad de otras fórmulas de cuadratura. se usan muy rara vez en la práctica. hl% y así sucesivamente. Por ejemplo. con un tamaño de paso de h. «o recomienda la aplicación múltiple de lu regla 1/3. En resumen. Estas técnicas no son adecuadas para datos tabulados. Debe observarse que ambas son de valor práctico sólo en casos donde se dispone de la función. " g | ^ p B S AVAN1AD0S Y segmentoi par. también se dispone de las fórmulas de integración de Romberg y la cuadratura de Gauss.P T ¿ . Esta tabla se puede consultar para un acceso rápido de relaciones importantes y fórmulas. Carnahan. Se continúa con las iteraciones para cada subintervalo hasta que la estimación del error aproximado esté por debajo de un criterio de paro preestablecido e . Algunas veces se usa también un procedimiento similar en diferenciación.1 y se analizará en el capítulo 25. pueden usarse los esquemas adaptativos para resolver ecuaciones diferenciales ordinarias con el fin de evaluar integrales complicadas.. s . todas las referencias anteriores describen las técnicas básicas tratadas en la parte seis. Esta técnica es en especial valiosa para funciones complicadas que tienen regiones que muestran variaciones de orden inferior y superior. Además. RELACIONES IMPORTANTES Y FÓRMULAS La tabla PT6. Por último. Además. Después se usa la regla de Simpson 1/3 para evaluar la integral de cada subintervalo al dividir el tamaño de paso a la mitad en una forma iterativa. h/2. Luther y Wilkes (1969) y Ralston y Rabinowitz (1978) resumen muchos de esos procedimientos. Para un número de segmentos impar se puede aplicar la regla 3/8 a los últimos tres segmentos y la regla 1/3 a los segmentos restantes. además de las fórmulas de Gauss-Legendre analizadas en la sección 22. Otro método para obtener integrales es mediante el ajuste de los datos con segmentarias cúbicas. MÉTODOS AVANZADOS Y REFERENCIAS ADICIONALES Aunque revisamos diferentes técnicas de integración numérica. como se expuso en la PT6. Donde se requiere de alta exactitud.5 resume información importante que se expuso en la parte seis. La integral total se calcula entonces como la sumatoria de las estimaciones de la integral en los subintervalos. lo anterior tiene la intención de proporcionarle nuevas formas para una exploración profunda del tema.2. hay otros métodos que tienen utilidad en la práctica de la ingeniería. Las ecuaciones cúbicas resultantes se pueden integrar de manera fácil (Forsythe y cois. es decir.

a) — — ^ n-l n .* = 4 k- 0 ( r i ) i 2 /~ c r M / +c i f ( x i ]+•••+c „ _ i f ( x „ _ i ) f < > ( £ ) 2 + n 2 . le.1 3 x I n e tg r a c ó in d eR o m b e g r C u a d r a u tr a d eG a u s s a '/.o ] f( | XQ b=x „x I b 2880 0 + 4 f ( ) + f( ) X] X2 | fx ) A 4 2 R e g a ld eS m ip s o n 1 /3 l °> + M + N +M d ea p l i c a c i ó nm ú p i t le l / ~ (b . 12n = x 0 2 f R e g a ld eS m ip s o n 1 /3 / ~ [b .o)' " 180n 4 f|4] R e g a ld eS m ip s o n3 8 ( x o ) + 3f f ( x )+f ( x ) //~ ( b -. l c -1 '/. Formulación Interpretaciones gráficas Error R e g a lt r a p e z o i d a l fia) + f[b) a Ifa 12 fll --n i 4 3 R e g a lt r a p e z o i d a l f|x| + 2 g M + frj d ea p l i c a c i ó nm ú p i t l e l /~b | —a ) ^ 0 Ib-o) .700 TABLA P T 6 .| + 3 2 3 Ib 6480 XQ a l - a = b=x / '. 5 Método EPÍLOGO: PARTE SEIS Resumen de información importante presentada en la parte seis.2 f x : Z : Z a=x f b=X 2 x f I b .* + 1..o )f r|x.

Las ecuaciones diferenciales se clasifican también en cuanto a su orden.1) donde g es la constante gravitacional. una ecuación de n-ésimo orden podría incluir una «-ésima derivada. la ecuación que describe la posición x de un sistema masa-resorte con amortiguamiento es la ecuación de segundo orden (recuerde la sección 8. 1) se conoce como ecuación de primer orden. Esto contrasta con una ecuación diferencial parcial (o EDP) que involucra dos o más variables independientes.9)]: dv ~n=S--v dt c m (PT7. dx dx m— +c—+kx=0 dt dt 2 T 2 (PT7. ya que la derivada más alta es una primera derivada. De manera similar.2). En la ecuación (PT7. se conoce como variable independiente. Para la ecuación (PT7. Por ejemplo. la ecuación es llamada ecuación diferencial ordinaria (o EDO). Ecuaciones de orden superior pueden ser reducidas a un sistema de ecuaciones de primer orden. La cantidad con respecto a la cual v es diferenciada. donde dx )' = J. La ecuación (PT7.ECUACIONES DIFERENCIALES ORDINARIAS PT7. Tales ecuaciones desempeñan un papel importante en ingeniería debido a que muchos fenómenos físicos son en el contexto matemático mejor formulados en términos de su razón de cambio. la ecuación (PT7. v. esto se realiza al definir una nueva variable y. (PT7.3) . Una ecuación de segundo orden podría incluir una segunda derivada.4). Tales ecuaciones. la cantidad que habrá de ser diferenciada. es conocida como variable dependiente. t.1 MOTIVACIÓN En el primer capítulo de este libro derivamos la siguiente ecuación basada en la segunda ley de Newton para calcular la velocidad v del paracaidista en caída como una función del tiempo t [recuerde la ecuación (1. ya que expresa la razón de cambio de una variable como una función de las variables y los parámetros. Cuando la función involucra una variable independiente. que se componen de una función desconocida y de sus derivadas.1). m es la masa y c es el coeficiente de arrastre.1) es algunas veces conocida como ecuación de razón. son llamadas ecuaciones diferenciales. Por ejemplo.2) donde c es un coeficiente de amortiguamiento y k es una constante del resorte.

recuerde que para el problema del paracaidista en caída. PT7.10) (suponga que v — 0 en t = 0): „(.T.3) y (PT7. Como lo es para la mayoría de las situaciones analizadas en otras partes de esto libro.7) El lado derecho de esta ecuación se conoce como integral indefinida debido a que los límites de integración no están especificados.7) se obtiene si la integral indefinida puede evaluarse en forma exacta como una ecuación. I ON métodos numéricos ofrecen la única alterna^ (iva viable. las ecuaciones (PT7. Por ejemplo. esta parte de nuestro libro se concentra sobre la solución de ecuaciones de primer orden. la ecuación (PT7. la ecuación (PT7.7) con la ecuación PT6. las EDO se resuelven con frecuencia con técnicas de integración analítica.-v)dt C (PT7.3) y (PT7.1) se podría multiplicar por dt e integrarse para obtener v = J (g.5) cy + kx m - ( P T 7 .7) se resolvió analíticamente con la ecuación (1.704 ICUACIONES DIFERENCIALES ORDINARIAS lo anterior se puede diferenciar para obtener dy_ dt = d]x_ dt 2 (PT7.10) c La mecánica para derivar tales soluciones analíticas se analizará en la sección PT7. lo relevante es que las soluciones exactas para muchas EDO de importancia práctica no están disponibles.4) pueden entonces ser sustituidas en la ecuación (PT7.1 M é t o d o s p a r a r e s o l v e r EDO s i n el u s o de computadora Sin una computadora.4) Las ecuaciones (PT7. Debido a que otras ecuaciones diferenciales de n-ésimo orden pueden ser reducidas en forma similar. Algunas aplicaciones de la ingeniería en el capítulo 28 tratan con la solución de EDO de segundo orden por reducción a un par de ecuaciones de primer orden. ' HBiifll4*' numéricos por lo común requieren de vW .6) son un par de ecuaciones de primer orden equivalentes a la ecuación de segundo orden original. Una solución analítica para la ecuación (PT7. para esos cusoa.2.2) para dar m^+cy dt o dy ^ = - + kx^O (PT7. Esto contrasta con las integrales definidas que se analizaron en la parte seis [compare la ecuación (PT7. Por ejemplo.6].) 6 Así. Mientras tanto.) = 1 ^(1-e-e-/™)') (1.

que transformar la ecuación (PT7.1). Un ejemplo simple es la aplicación de las EDO para predecir el movimiento de un péndulo oscilante (véase la figura PT7.2 E D O y práctica de la ingeniería Las leyes fundamentales de la física. De manera similar a como se hizo en la derivación del problema del paracaidista en caída. suponemos que nos interesamos sólo en casos donde 0 es pequeña. Un método muy importante que los ingenieros y matemáticos aplicados desarrollaron para superar este dilema fue la linearización. En tales casos.11) Tenemos. Una ecuación diferencial ordinaria lineal es aquella que se ajusta a la forma general a„(x)y w + • • • + a (x)y' + a (x)y { 0 = f(x) (PT7. send=6 (PT. Esta ecuación es no lineal debido al término sen 6.10) Así. la ecuación (PT7. se puede usar la segunda ley de Newton para desarrollar la siguiente ecuación diferencial (véase la sección 28. una táctica para resolver ecuaciones no lineales era linearizarlas.4 para la derivación completa): ~ dt + 2 .10) se puede sustituir en la ecuación (PT7. electricidad y termodinámica están basadas con frecuencia en observaciones empíricas que explicon variaciones en las propio- . los métodos numéricos ofrecen una opción viable para obtener soluciones. la mayoría de las ecuaciones no lineales no pueden ser resueltas en forma exacta.9) donde 0es el ángulo de desplazamiento del péndulo. Una forma para obtener una solución analítica es darse cuenta que para pequeños desplazamientos del péndulo a partir de su condición de equilibrio (es decir. Así. mecánica. En la actualidad. g es la constante gravitacional y / es la longitud del péndulo.9) en una forma lineal que es fáci 1 de resolver de manera analítica. en la era antes de la computadora. Aunque la linearización es una herramienta muy valiosa para resolver problemas en ingeniería. unten del auge de éstas los ingenieros se hallaban limitados en el alcance de sus investigaciones. En contraste. Esta ecuación se conoce como lineal debido a que no hay productos o funciones no lineales de la variable dependiente y sus derivadas.computadcrtm. existen casos donde no se puede utilizar. suponga que nos interesamos en estudiar el comportamiento del péndulo para grandes desplazamientos desde el equilibrio.8) donde y-"' es la H-ésima derivada de y con respecto a x y las a yf son funciones específicas de x. por tanto.sen 0 = 0 l (PT7. PT7. la disponibilidad tan amplia de las computadoras coloca esta opción al alcance de todos los ingenieros. para pequeños valores de 6).9) para dar — + ^ = 0 (PT7.1. La importancia práctica de las EDO lineales es que se pueden resolver analíticamente. Por ejemplo.

La integración subsecuente de estas ecuaciones diferenciales originan funciones matemáticas que describen el estado espacial y temporal de un sistema en términos de variaciones de energía. PT7. coeficiente de difusión (D) y concentración (c) Caída de voltaje (AV ). masa o momentum. Para ilustrar este concepto.2). fuerza {() y masa (m) Flujo de calor \q). tales relaciones matemáticas son la base para la solución de un gran número de problemas de ingeniería. muchas de las ecuaciones diferenciales de importancia práctica no se pueden resolver mediante métodos analíticos de cálculo.12) 4 s .5JC + Ax 1(1*' i (PT7.2 ANTECEDENTES MATEMÁTICOS Una solución de una ecuación diferencial ordinaria es una función específica de la variable independiente y de parámetros que satisfacen la ecuación diferencial original.1 se enlistan varios ejemplos. En la tabla PT7. Recuerde que la segunda ley de Newton se usó para desarrollar una EDO que describe la razón del cambio de velocidad de un paracaidista en caída. inductancia (í) y corriente (/) ¡( dades físicas y estados de los sistemas. entre ellas para propósitos de diseño. Sin embargo. resultan ecuaciones diferenciales. empecemos con una función dada y m -0. Al integrar esta relación. Más que en describir directamente el estado de los sistemas físicos. E x p r e s i ó n matemática aV_ Ley Segunda ley de Newton del movimiento Ley del calor de Fourier Ley de difusión de Fick Ley de Faraday (caída de voltaje a través de un inductor) AV. Esta ecuación se podría utilizar en diferentes formas.1 Ejemplos de las leyes fundamentales que se escriben en términos de la razón de cambio de variables (f = tiempo y x = posición). Así. las leyes se usan a menudo en términos de los cambios espacial y temporal. Cuando se combinan con las leyes de conservación de la energía. De hecho. Esas leyes definen mecanismos de cambio.706 ECUACIONES DIFERENCIALES ORDINARIAS TABLA PT7. los métodos que se analizan en los siguientes capítulos son extremadamente importantes en todos los campos de la ingeniería. masa o velocidad. F ám q= dx dx J= dt -D — Variables y parámetros Velocidad (v). El problema del paracaidista en caída introducido en el capítulo 1 es un ejemplo de la derivación de una ecuación diferencial ordinaria a partir de una ley fundamental. conductividad térmica [k] y temperatura [T] Flujo másico [J]. como se describió en la sección anterior. obtenemos una ecuación para predecir la velocidad de caída como una función del tiempo (véase figura PT7.

La figura PT7. la cual es un polinomio de cuarto orden (véase figura PT7. podemos determinar esta solución de manera analítica al integrar la ecuación (PT7.2) .20x + 8. Para el caso actual. Como se acaba de mostrar. Más que representar explícitamente los valores de y para cada valor de x. si diferenciamos la ecuación (PT7.2 La secuencia de eventos en la aplicación de EDO para resolver problemas de ingeniería. aunque podemos determinar una ecuación diferencial dando a la función original. El ejemplo mostrado es la velocidad de un paracaidista en caída. + 1 = v +(sr-—v ¡)Af ( \ m Solución FIGURA PT7.12). es decir. La función original entonces representa la solución.13) Esta ecuación también describe el comportamiento del polinomio. Observe cómo el valor cero de las derivadas corresponde al punto en el cual la función original es plana.3a). el objetivo aquí es determinar la función original dada la ecuación diferencial. tiene una pendiente cero.12). obtenemos una EDO: -f.= -2x dx 3 + I2x 2 .5 (PT7. También los valores absolutos máximos de las derivadas están en los extremos del intervalo donde las pendientes de la función son las más grandes. Ahora.3 muestra a la función y la derivada graneadas contra x. la ecuación (PT7.FT775P" M A T E M Á T I C O S F-ffW LEY FILLOA dv c EDO v= — ( 1 -<rWm )r) / Analítica Numérica c v. pero de una manera diferente a la ecuación (PT7. la pendiente) para cada valor de x.13): Aplicando la regla de integración (recuerde la tabla PT6.13) da la razón de cambio de y con respecto a x (es decir.

lütOD'+JUCO) + C 4 (PT7. 5 x + 1. Para las EDO de primer orden.13) se podría acompañar por la condición inicial que en x = 0. para especificar la solución por completo.O . lo es pero de un número infinito de funciones posibles (correspondiente a un número infinito de posibles valores de Q que satisfacen la ecuación diferencial..4 muestra seis funciones posibles que satisfacen la ecuación (PT7. la ecuación (PT7.14): 1 .0 . 5 * + 4x . la figura PT7. y = 1. El hecho de que aparezca esa constante arbitraria indica que la solución no es única. Estos valores podrían sustituirse en la ecuación (PT7. Por ejemplo. la ecuación diferencial comúnmente se encuentra acompañada por condiciones auxiliares. perdemos el valor constante de 1 en la ecuación original y ganamos el valor C.5* + C (PT7.14). Por ejemplo. Esta C es llamada constante de integración.708 ICUACIONES DIFERENCIALES ORDINARIAS FIGURA PT7. un tipo de condición auxiliar llamada valor inicial es requerida para determinar la constante y obtener una solución única.14) la cual es idéntica a la función original con una notable excepción.0 .1 Ox + 3 2 para cada término de la ecuación se obtiene la solución y = .15) . Por tanto. + 4 x .I0x 4 3 2 + 8. De hecho. En el curso de diferenciación y después de la integración.3 4 Gráficas de a] y contra x y b) dy/dx contra x para la función y = . í x 8 . 5 ( 0 ) + 4(0)-' .

14) al forzarla a pasar a través de ln condición inicial. entonces al problema se le conoce como problema de valor inicial.x . El siguiente material tiene como FT7. la solución debería haberse modificado al tomar en cuenta esta velocidad inicial. Los problemas de valor límite se abordarán en el capítulo 27 junto con los de valores propios. se requiere de n condiciones para obtener una solución única.12)].14) para dar y = . Esto contrasta con los problemas de valor límite donde la especificación de condiciones ocurre con diferentes valores de la variable independiente. hemos "sujetado" la ecuación (PT7.I5) .2 0 x +8.16) De esta forma.I0x 4 3 2 + 8. Si el paracaidista hubiese estado en movimiento vertical en el tiempo cero. Si se especifican todas las condiciones en el mismo valor de la variable independiente (por ejemplo. podría ser de utilidad alguna orientación. Los capítulos 25 y 26 se concentrarán sobre problemas de valor inicial.5. la condición inicial fue un reflejo del hecho físico de que en el tiempo cero la velocidad vertical fue cero. Cuando tratamos con una ecuación diferencial de n-ésimo orden.0 . Por ejemplo. 5 x + Ax . en* o t — 0).3 ORIENTACIÓN Antes de proceder con los método» numéricos para la solución de ecuaciones diferenciaIos ordinarias.5x + 1 (PT7. Por tanto. Cada una conforma un valor diferente de la constante de integración C.4 Seis posibles soluciones para la integral de -2X + 1 2. 3 2 para determinar C = 1. PT7.3 «HJIUCIÓN fif FIGURA PT7. en el problema del paracaidista en caída.FT7. la solución única que satisface a la ecuación diferencial y a la condición inicial especificada se obtiene al sustituir C = 1 en la ecuación (PT7. Las condiciones iniciales usualmente tienen interpretaciones muy tangibles para las ecuaciones diferenciales derivadas de las condiciones de problemas físicos. y al hacerlo desarrollamos una solución única para la EDO y completamos un círculo con la función original [véase ecuación (PT7.

el capítulo termina con un análisis de los métodos RK adaptativos que en forma automática ajustan el tamaño de paso en respuesta al error de truncamiento del cálculo. analizamos diferentes procedimientos. En esta sección primero tomamos un procedimiento visual e intuitivo al usar un método simple (el Heun de no autoinicio) para introducir todas las características esenciales de los procedimientos de multipaso. Por último. Estos algoritmos retienen información de los pasos anteriores para capturar con más efectividad la trayectoria de la solución. el cual tiene una muy directa interpretación gráfica. Introducimos la idea de una técnica de solución implícita como uno de los remedios más comunes para este problema. Este epílogo resume y compara las fórmulas importantes y conceptos relacionados con las EDO. Los métodos de multipasos. Después de esta introducción. Después. y para su solución ambos tienen componentes lentos y rápidos. excepto los métodos de un paso del capítulo 25. empezamos el capítulo con el método de Euler. En el capítulo 27 regresamos a los problemas de valor límite y de valores propios. De esta manera. dada la ecuación diferencial y y¡. Además. Todos los métodos. Para los últimos. introducimos tanto los métodos de disparo como los de diferencias finitas. cubrimos la aplicación de los métodos de un paso a sistemas de EDO. Además. optamos por un procedimiento más gráfico e intuitivo para introducir los métodos. También dan una estimación del error de truncamiento que se puede usar para implementar un control de tamaños de paso. entre ellos los métodos de polinomios y los de potencias. El capítulo 28 se dedica a aplicaciones en todos los campos de la ingeniería. PT7. El capítulo 26 comienza con una descripción de las EDO rígidas. formulamos objetivos para concentrar sus estudios sobre el área de estudio. Luego se ven las mejoras al método de Euler (las técnicas de Heun y las de punto medio). Por último. La comparación incluye un análisis de los elementos de juicio que son relevantes en su implementación en la práctica do la ingeniería.ECUACIONES DIFERENCIALES ORDINARIAS propósito darle una revisión del material que se analizará en lu parte siete. permiten el cálculo y¡ . Dos categorías amplias de métodos numéricos para problemas de valor inicial se analizarán en esta parte del libro. . Por último. Aunque el capítulo podría haberse organizado alrededor de esta noción teórica. el capítulo concluye con una descripción de la aplicación de varios paquetes de software y librerías para la solución de EDO y valores propios. pertenecen a las llamadas técnicas de Runge-Kutta. se incluye una sección de revisión breve al final de la parte siete. desarrollamos de manera formal el concepto de procedimiento de Runge-Kutta (o RK) y demostramos cómo las técnicas anteriores son los métodos RK de primer y segundo orden. T Alcance y r e v i s i ó n La figura PT7. los cuales se verán en el capítulo 25. analizamos los métodos de multipaso. que se abordarán en el capítulo 26. Para los primeros. Los métodos de un paso. que se encuentran tanto en forma individual como en sistemas de EDO.3. requieren valores adicionales de y además de los de /'. El epílogo también resume fórmulas importantes c incluye referencias de lomas avanzudos. Continuamos con un análisis de las formulaciones RK de orden superior que se usan con frecuencia en la solución de problemas de ingeniería.5 proporciona una revisión de la parte siete.

rendas nétodos :ripción EDO y ¡ría. Métodos multipaso 2 6 2 .ontación esquemática de la organización de la parte siete: Ecuaciones diferenciales ordinarias.4 Sistemas de EDO Ingeniería •léctrlca 2 8 ! .3 W ulcniás. 2 5 2 . Por epílogo D O . método lucción. CAPITULO 28 Aplicaciones en ingeniería CAPÍTULO 26 Métodos rígidos y de multipaso Métodos s^adaptatlvos R I O 2 5 Ü 5 ~ 25.'. Problemas con valores en la frontera 2 7 1 . Ingeniería civil 2 8 2 . '. flOURA PT7.. . plias de el libro. La :s en su 5rmulas PARTE SIETE Ecuaciones diferenciales ordinarias 'Métodos de Heun^ y del punto medio 25.3 Runge-Kutta . oRK)y ¡egundo r que se irnos la termina ú tamauentran s tienen nplícita n inforia de la de usar >mamos autoinie multioropios. Librerías y paquetes Rigidez 2 6 1 . CAPITULO 25 Métodos de Runge-Kutta Ingeniería mecánica 2 8 4 . i°y.en a las do alreivo para e Euler.+ i> ín en el .5 k't'l iü. CAPITULO 27 Problemas de valor límite y valores propios 2 7 3 .

9. 16.2 Objetivos de estudio específicos para la parte siete. 12. Las metas de estudio en general deberían incluir el manejo de las técnicas. Entender la base de los métodos predictor-corrector. de Heun y del punto medio. 2. reconocer sus fortalezas y limitaciones. darse cuenta que todos los métodos multipaso son predictor-corrector. Conocer el orden y la dependencia del tamaño de paso de los errores de truncamiento global para todos los métodos descritos en la parte siete. Entender la conexión entre fórmulas de integración y métodos predictor-corrector. Entender la distinción entre esquemas de solución implícitos y explícitos para EDO. Además de estos objetivos generales. 6. 1 1. 8. Emplea el método de Runge-Kutta de cuarto orden para la solución de TABLA PT7. Saber lo racional detrás de los métodos de polinomios y los de potencia para determinar valores propios. pero no a la inversa. Conocer la forma general de los métodos de Runge-Kutta. 7. 18. poder reducir una EDO de n-ésimo orden a un sistema de n EDO de primer orden. Reconocer el tipo de problema en contexto donde es importante el ajuste del tamaño de paso. 10. Entender la deducción del método RK de segundo orden y cómo se relaciona con la expansión en serie de Taylor. darse cuenta de que hay un número infinito de versiones posibles para los métodos RK de segundo orden y superiores. Entender la diferencia entre los errores de truncamiento local y global y cómo se relacionan con la selección de un método numérico para un problema en particular.3. y poder seleccionar el "mejor" método (o métodos) para cualquier problema en particular. Se le proporcionó ya el software y algoritmos para implementar las técnicas analizadas en la parte siete. Saber cómo usar los paquetes de sollwdn» y/o librerías para integrar las EDO y evaluar los V O I O I U Í . percatarse que la eficiencia del corrector es dependiente de la exactitud del predictor. 1.2 M e t a s y objetivos Objetivos d e estudio. Reconocer de qué modo la combinación de los componentes lentos y rápidos hacen una ecuación o un sistema de ecuaciones rígidos. 17. 5. . y una capacidad para asegurar la confiabilidad de las respuestas. Entender cómo la deflación de Hoteller permite que el método de potencias se utilice para calculai los valores propios intermedios. Saber la diferencia entre los métodos de multipaso y de un paso. usted debe aumentar de manera notoria su capacidad para enfrentar y resolver ecuaciones diferenciales ordinarias y problemas de valores propios. Después de completar la parte siete. 14. 3. entender cómo dichos errores tienen que ver con ia exactitud de las técnicas.2. Reconocer la diferencia fundamental entre las fórmulas de integración de Newton-Cotes y la de Adams. Entender las representaciones visuales de los métodos de Euler. 1 3. Objetivos d e cómputo. 15. reconocer cómo el último 1) aminora la rigidez del problema y 2) complica la mecánica de solución. debería dominar los objetivos de estudio específicos que se enlistan en la tabla PT7 . Todo tiene utilidad como herramientas de aprendizaje.712 ICUACIONIS DIFERENCIALES ORDINARIAS PT7. en particular. Entender cómo se integra el control del tamaño de paso adaptativo en un método RK de cuarto orden. Saber cómo aplicar cualquiera de los métodos RK a sistemas de ecuaciones. propios. El software para su computadora personal TOOLKIT de métodos numéricos es de uso amigable. Conocer la relación del método de Euler con la expansión de la serie de Taylor y el conocimiento que esto proporciona con respecto al error del método. En particular. Entender la diferencia entre problemas de valor inicial y de valores en la frontera. 4. En particular.

puede encontrar útil desde un punto de vista profesional tener el software que emplea el método de Runge-Kutta de cuarto orden para más de cinco ecuaciones y resolver las EDO con un procedimiento adaptativo de tamaño de paso. Por ejemplo. debería convertirse en un entusiasta usuario de esas herramientas para implementar métodos numéricos en la solución de problemas de ingeniería. Además. una de sus más importantes metas debería ser el dominio de los paquetes de software de propósito general que están disponibles ampliamente. se proporciona los algoritmos para muchos otros métodos en la parte siete. Esta información le permitirá aumentar su librería de software.hasta cinco Hl)() simultáneas. En particular. . Las gráficas asociudas con este software le permitirán visualizar con facilidad la solución de gráficas como las xy donde se tiene la(s) variable(s) dependiente(s) contra la variable independiente. Por último. El software es muy fácil de aplicar para resolver muchos problemas prácticos y puede usarse con el fin de verificar los resultados de cualquier programa en computadora que usted haya desarrollado.

por tanto.1). i+i y =yi +<ph ( + (25. trazar la trayectoria de la solución. en una distanciad (véase figura 25. .1) De acuerdo con esta ecuación. Recuerde que el método fue de la forma general Nuevo valor = valor anterior + pendiente x tamaño de paso. la pendiente estimada < ¡ > se usa para extrapolar desde un valor anterior y. FIGURA 25. o en términos matemáticos.1 Ilustración gráfica del método de un paso.CAPITULO 2 5 Métodos de Runge-Kutta Este capítulo se dirige a la resolución de ecuaciones diferenciales de la forma -r dx = /(•*> y) En el capítulo 1 usamos un método numérico dirigido a resolver una ecuación como la anterior para el cálculo de la velocidad del paracaidista en caída. Esta fórmula se puede aplicar paso a paso para calcular el valor en el futuro y.a un nuevo v a l o r ^ .

la pendiente al inicio del intervalo es tomada como una aproximación de la pendiente promedio sobre todo el intervalo. i) Esta fórmula es conocida como el método de Euler (o de Euler-Cauchy o de punto medio). y cuyas resultantes serán predicciones más exactas.2) 4> f(x¡. que sólo va a diferir en la manera en la cual se estima la pendiente. En otras palabras. Se predice un nuevo valor de y por medio de la pendiente (igual a la primera derivada en el valor original de x) que habrá de extrapolarse en forma lineal sobre el lamaflo do puso h (véase figura 25./i» 25/í M É T O D OD EE U L E R y Error x FIGURA 25. Este procedimiento. Después continuamos con otros métodos de un paso que cumplen estimaciones de pendiente en forma alterna. Tal estimación podrá sustituirse en la ecuación (25.1): y¡+\ =y¡ +f(x¡. 25.1 M É T O D O DE E U L E R La primera derivada proporciona una estimación directa de la pendiente en x¡ (véase figura 25. y¡) es evaluada enx¡ y y¡.y¡)h (25. Todas estas técnicas se conocen por lo general como métodos de Runge-Kutta.2 Método de Euler. Como en el problema del paracaidista en caida. el procedimiento más simple es usar la ecuación diferencial para estimar la pendiente derivada enx¡ al inicio del intervalo. . Todos los métodos de un paso se pueden expresar en esta forma general. llamado método de Euler.2).2): = la ecuación diferencial y donde/ (x¡. se analiza en la primera parte de este capítulo.

1 -28. El error local se refiere al error incurrido sobre un solo paso.5 2 desde* = Ohastax = 4con un tamaño depaso 0 .0 .5) + 1 = 3.5.8 131.5 3.0 0.2) para implementar el método de Euler: ^ \ .12500 4.1 Comparación de los valores verdadero y aproximado de la integral de y' = -2X + 1 2X .5) = 5.5 1.5.716 EJEMPLO 25. 13): Use el método de Euler para integrar numéricamente la í — = -2x dx 3 + 12x . 1 MÉTODOS DE RUNGE-KUTTA Método de Euler | Enunciado del problema. VU : y(0.00000 2.5) .0 3.?'.5 3 2 * ' I ¡J Por tanto.75000 5.71875 4.20x + 8.0 -74.3 -63. 5 ) + 4(0.87500 7.5 donde y (0) = 1 y la pendiente estimada e n * = 0 es /(O.0 -1 1.71875 3.5* + 1 4 3 2 Solución.10x + 8.12500 /.3 -53.0 133.20* + 8.5(0.5 = 8.5) + 8. Recuerde que la solución exacta la da la ecuación (PT7.0 -125.0 Xverdadero •3.00000 2.00000 4.5) = 1.5 4.0 1.21875 4 3 2 TABLA 25.21875 2. 1) = . \ y (0.5(0. 3 2 E r r o r r e l a t i v o porcentual X 0.00000 YEuler '^25000) 6.0Ü000 Global Local í ooooo) -63.1 -95. Los valores aproximados se calcularon mediante el método de Euler con un tamaño de paso de 0.B75-> 3.10(0.50000 4.5.5) = y(0) + /(O. 5 ( 0 . i Se puede usar la ecuación (25.41 20.0 . Se calcula con una expansión de la serie de Taylor como en el ejemplo 25.3 4.25 La solución real en * = 0 .0 + 8. La condición inicial en* = Oesy = 1.2 ( 0 ) + 12(0) . 1)0.7 46.0 -1. \ ecuación (PT7.16): y = .5 17. 5 * + 4 x .0 .20(0) + 8.9 -51.0 2. con la condición inicial de que y = 1 en x = 0.2. El error global es la discrepancia total debida a los pasos anteriores así como a los actuales.5 2.5 es y = .

dy dx » /(O .3 3 2 Comparación de la solución verdadera con una solución numérica mediante el método de Euler para la integral de y' = . el error es considerable.25)0. el error es E. 5 desde x = 0 hasta x = 4 con un tamaño de paso de 0.9 5 .(0.5.aproximado = 3.1 MÍTOOO D EE U L E R 7TT O O 2 4 x FIGURA 25. 0 3 1 2 5 o. 8 % .5] 0. El cálculo se repite y los resultados se compilan en la tabla 25. 5.0 y.5) + 12(0.20(0.875 La solución real en x = 1.5) + 8. y ( l ) = }. Como se analiza en la siguiente sección.0 es 3.5 = 5.2 .1%.25. 5 . el error relativo porcentual es .25 = . Así.1 y la figura 25.25 + [~2(0.21875 . por tanto.5) + / ( 0 . — —63.2 X + 1 2 X .5. Para el segundo paso. De esta forma.20x + 8 .5) . La condición inicial en x = 0 es y = 1. = verdadero . Observe que aunque el cálculo captura la tendencia general de la solución verdadera. expresada como error relativo porcentual.3.5 3 2 = 5. e. este error se puede reducir al usar un tamaño de paso más pequeño. El ejemplo anterior usa un polinomio simple para la ecuación diferencial con el fin de facilitar el siguiente análisis de error.

I ( • " .4) y (25. nuestros ejemplos involucrarán en forma gradual un número de EDO que dependen de ambas variables: independientes y dependientes. como en [recuerde la ecuación (4.5.)/. 2. o error de truncamiento global. Es posible desarrollar una forma alternativa al sustituir la ecuación (25. y¡). que son el resultado del número límite de cifras significativas que puede retener una computadora. definido como (25.3) en las ecuaciones (25.. Se puede obtener cierto conocimiento acerca de la magnitud y propiedades del error de truncamiento al derivar el método de Euler directamente de la expansión de la serie de Taylor.1 A n á l i s i s de e r r o r p a r a el método de Euler La solución numérica de los EDO involucra dos tipos de error (recuerde los capítulos 3 y 4): 1. La suma de los dos és el total. puede representarse por una expansión de la serie de Taylor con respecto a los valores de inicio (x¡. >0 (25.1. / Ü V ' V 1 1.» Í) t (Hh""> (25. + 1 = y. respectivamente. . -r = dx ftx. yxyy son las variables independiente y dependiente. y) Conforme avancemos en esta parte del texto. La segunda es un error de truncamiento propagado que resulta de las aproximaciones producidas durante los pasos previos. un caso más general (y más común) involucra varios EDO que dependen de ambos.5) para obtener ¡+1 y . 25..+ . observe que la ecuación diferencial sujeta a integración será de la forma general: y ' = /(JF.3) donde y ' = dy/dx. Los errores de truncamiento se componen de dos partes. x y y. Para ello././-.7)] y. la función que describe el comportamiento de y) tiene derivadas continuas. = = término remanente. donde ¿j está en algún lugar en el intervalo de x¡ a x .6) 2! IÚ . causados por la naturaleza de las técnicas empleadas para aproximar los valores de y. La primera es un error de truncamiento local que resulta de una aplicación del método en cuestión sobre un paso sencillo. = v. o discretización. Errores de redondeo. Si la solución (es decir.4) donde h = x¡ j — x¡yR *.718 MÉTODOS DE RUNGE-KUTTA Obviamente. ./U„ v.+ \ h n n\ + R„ (25. + yjh + ^h n 2 z! + --. Errores de truncamiento.A':: 1 ( V .

f'ixi. y.2) y (25. una parte de la solución verdadera.8) E = a a O(lr) (25. Por ejemplo. + 2Ax . y¡) — primera derivada de la ecuación diferencial (que es. los errores en los términos de la ecuación (25.9) donde E = error de truncamiento local aproximado.7) donde E = error de truncamiento local verdadero.2.25 . la segunda derivada de la solución). Al restar la ecuación (25.v. La ecuación (25.-. 2 Estimación de la serie de Taylor por el método del error de Euler \ Enunciando del problema. yi)_ 3! 2 4! h2+ /"(*. Use la ecuación (25.20 (E25. Al comparar las ecuaciones (25. EJEMPLO 2 5 .7) disminuyen con frecuencia en tanto aumenta el orden (recuerde el ejemplo 4.6) se tiene + 0(h ) n+l (25. Para el presente caso.7) se puede escribir como E. puede verse que el método de Euler corresponde a la serie de Taylor hasta e incluyendo el término f(x¡.2 y el análisis que lo acompaña).2) de la (25.1 MÉTODO DE EULER 1 1 719 donde 0(h" ) especifica que el error de funcionamiento local es proporcional al tamaño de paso elevado a la potencia (« + l)-ésima.12v + 24 (E25.2) y¡) es lu segunda derivada de la EDO * . ésta es /"(. Úsela también para determinar el error debido a cada uno de los términos de orden superior de la serie de expansión de Taylor.) = -6x yf"(x¡. Además.) . Para h lo suficientemente pequeña. Debido a que tratamos con un polinomio.y.2. la comparación indica que ocurre un error de truncamiento porque aproximamos la solución verdadera mediante un número finito de términos de la serie de Taylor.7) para estimar el error del paso inicial del ejemplo 25. podemos usar la serie de Taylor para obtener estimaciones exactas en el método de Euler. y. De esta forma truncamos.3) f"iM.1. y¡)h.2). y el resultado a menudo es representado como t 2! (25.1) donde f'(x¡. el error de truncamiento en el método de Euler es atribuible a los términos remanentes en la serie de expansión de Taylor que no se incluyeron en la ecuación (25. Solución.6). o dejamos fuera.2..) / 7 4 (E25.-) ft3 + / ( 3 ) (*My.

2 . .03125 = -2. funciones trascendentales como sinusoides o exponenciales) esto podría no necesariamente ser cierto.1. 0 ) + 24(0. 0 ) + 24 o (0. por tanto. 3 + E 2 f tA = . pero mediante el uso del valor verdadero de y¡ (la segunda columna de la tabla) para calcular y¡ .MÉTODOS DE RUNGE-KUTTA y/* (x.— ^ — (0.03125 el cual es exactamente el error en que se incurría en el paso inicial del ejemplo 25. Sin embargo.1 incluimos los errores de truncamiento global y local para el ejemplo 25. derivadas de cuarto y superiores) de la ecuación (E25. = E. Observe como E > E > E el cual soporta la aproximación representada por In ecuación (25.2.20 E...2. Por ejemplo. en que conocemos el valor verdadero a priorl.0 .-. En la tabla 25.2.4) definen por completo el error de truncamiento para una sola aplicación del método de Euler.4) Podemos omitir términos adicionales (esto es. + £ . como se hizo en el método ele Euler.5) = 0.2 = — .2. El error local se calculó para cada tamaño de tiempo con la ecuación (25. = — 12 (0.1. en decir. Se debería observar que para otras funciones (por ejemplo.1 2 (3 ( (IÍ25. La serie de Taylor proporciona sólo un estimado del error de truncamiento local.6 ( 0 . . y los términos de orden superior podrían tener valores diferentes a cero.5) = .5 J y para el término de cuarto orden: E. la serie de Taylor proporciona un medio para cuantificar el error en el método de Euler. No proporciona una medida del error propagado y. del error de truncamiento global. 5 2 7 2 (E25.5 .2.1 2 ( 0 .2 .5) Para el término de tercer orden: £.8).5) = . t2 t3 t¥ Como se ilustra en el ejemplo 25. el error de truncamiento del término de segundo orden se puede calcular como .1) a la (E25. el error de truncamiento local absoluto promedio (25%) es menor que el error global promedio (90%).0 = . Como se esperaba.2 . 0 3 1 2 5 24 4 4 Estos tres resultados pueden ser agregados para obtener el error de truncamiento total: E. para el presente caso.2). en lugar del valor aproximado (la tercera columna). existen limitaciones asociadas con su uso para este propósito: 1.0. 5 + 0. Sin embargo. y¡) es la tercera derivada de la EDO 3) / >(x -. el error creado durante un solo paso del método. las ecuaciones (E25.y. La única razón que tendríamos puní hacer estos cálculos do error a&tetoi. = 3 ..1).0) . ya que para este caso en particular son igual a cero.

Repita el cálculo del ejemplo 25. el error local disminuye a un cuarto y el error global a la mitad. que se describen en las siguientes páginas. como lo nnalizaromoa dtapuói. es proporcional al tamaño de paso (Carnahan y cois. Como se mencionó antes. Esto es equiparable a los errores global y local del ejemplo 25. un método de M -ésimo orden dará resultados perfectos si la solución en turno es un polinomio de n-ésimo orden. el error de truncamiento local será 0(h" ) y el error global 0(h"). la serie de Taylor proporciona todavía un conocimiento valioso en el comportamiento del método de Euler. en consecuencia. vemos que el error local es proporcional al cuadrado del tamaño de paso y a la primera derivada de la ecuación diferencial. Estas observaciones nos llevan a las siguientes conclusiones útiles: 1.1. 1969). pero ahora use un tama- \ i í j i j | Solución. En la sección . Debería también observarse que este patrón general se cumple para métodos do orden superior de un paso. Se puede reducir el error al disminuir el tamaño de paso.2) y vea la figura 25. es decir. las derivadas necesarias para evaluar la expansión de la serie de Taylor podrían no siempre ser fáciles de obtener.4a. Esto se debe principalmente a que la primera derivada de la ecuación diferencial es una parábola que cambia de signo [recuerde la ecuación (E25. el efecto neto de la oscilación en el signo es para mantener el error global de un crecimiento continuo en tanto so ejecuta ol cálculo. Observe también cómo el error local cambia de signo para valores intermedios a lo largo del rango. El cálculo se repite. como se esperaba. 3 Efecto del tamaño de paso reducido sobre el método de Euler Enunciadodel problema. El método proporcionará predicciones libres de error si la función en turno (es decir.2.46]. Es decir. Aunque estas limitaciones impiden el análisis de error exacto para la mayoría de los problemas prácticos. Éito no podrí«aer ol caso en un problema real. Como el error local es proporcional a esta función. En consecuencia. desde x = 0 hasta x — 1. usted debe aplicar con frecuencia técnicas tales como ol método de Euler usando varios tamaños de paso diferentes para obtener una estimación indirecta de los errores involucrados. En consecuencia.8%. la solución de la ecuación diferencial) es lineal. +1 EJEMPLO 2 5 . Así. ño de paso de 0. ya que el método de Euler usa segmento» de línea recta para aproximar la solución.4%. la segunda derivada podría ser cero. debido a que para una línea recta. De ahí que se haga referencia al método de Euler como uno de primer orden.2. y los resultados se compilan en la figura 25.25.9). Se puede también demostrar que el error de truncamiento global es 0(h). Esta última conclusión tiene sentido intuitivo. en problemas reales con frecuencia tratamos con funciones que son más complicadas que los polinomios simples. De acuerdo con la ecuación (25. todos los errores locales son negativo» y. Así.25. Al volver el tamaño de paso a la mitad se reduce el valor absoluto del error global promedio al 4 0 % y el valor absoluto del error local al 6. el error global aumenta sobre este intervalo. Además.1 de 90% y 24.. 2.

el efecto neto será con frecuencia reducir el error global. . 5 b) C O M P A R A C I Ó N D E L ERROR D E T R U N C A M I E N T O LOCAL VERDADERO Y E S T I M A D O P A R A EL C A S O D O N D E EL T A M A Ñ O D E P A S O E S 0 . Tales resultados se conocen como inestables. 2 5 . 5 . Sin embargo.5). Cerca del extremo. Si el error local cambia en forma continua el signo sobre el intervalo de cálculo. se invierte el proceso y de nuevo aumenta el error global.! • \ ¡ j J \ FIGURA 25.5.722 M É T O D O S DE RUNGE-KUTTA «J'i< " ¡ 1 . ' .2. El efecto de reducciones adicionales en el tamaño de paso sobre el error de truncamiento global del método de Euler se ilustra en la figura 25. los errores locales positivos comienzan a reducir el error global. SE BASA E N LA E C U A C I Ó N (E25. Esta gráfica muestra cl errar relativo porcentual en x • 5 tono UM función del tamaño de paso para el problo- . la solución numérica puede divergir cada vez más de la solución verdadera en tanto se ejecuta el cálculo. O B S E R V E Q U E EL ERROR " E S T I M A D O " j \ ! i j intermedia del rango. TAMAÑOS D E PASO D E 0 .4 a) C O M P A R A C I Ó N D E D O S S O L U C I O N E S N U M É R I C A S C O N EL M É T O D O D E EULER M E D I A N T E EL U S O D E Y 0 . donde los errores locales son del mismo signo.:" : iv i "i.

5 .20x + 8. la simplicidad del método de Euler lo hace una opción extremadamente atractiva para muchos problemas de ingeniería.5.001 Tamaño de paso FIGURA 2 5 . a pesar de su ineficiencia.1. En la próxima sección se desarrolla un algoritmo de cómputo para el método de Euler.2 A l g o r i t m o p a r a el método de Euler Los algoritmos para las técnicas de un paso como el método de Euler. Más adelante en este capítulo. todos los métodos de un paso tienen la forma general Nuevo valor = viejo valor + pendiente x tamaño de peso La única forma en la que difieren los métodos es en el cálculo de la pendiente. . Como se especificó en el inicio de este capítulo. (25.10) . Como este tamaño de paso corresponde a 5 000 pasos para ejecutar desde x = 0 hasta x — 5. 500 5 000 1 0. 5 Efecto del tamaño de paso sobre el error de truncamiento global del método de Euler paia la integral de y' = -2x + 1 2X . Observe que aun cuando h so reduzca a 0. La gráfica muestra el error global relativo porcentual absoluto en x = 5 como una función del tamaño de paso. 50 .01 0.3.1 %. la gráfica sugiere una técnica do primer orden como el método de Euler que demanda gran esfuerzo computacional para obtener otros niveles de error aceptables. la técnica es en particular útil para análisis rápidos.. 25. Sin embargo. son en extremo simples de programar. debería observarse que. Ya que es muy fácil de programar. presentamos técnicas de orden superior que dan mucha mayor exactitud con el mismo esfuerzo computacional. el error todavía excede 0.1 al 25. 3 2 ma que estamos examinando en los ejemplos 25.1 0.001. Pieos .

01 y se usara la representación estándar IEEE de punto flotante (cerca de siete cifras significativas). y que desplegara todos los resultados. Primero. En tales casos.5. a usted le gustaría usar el método de Euler para integrar / = -2x + \2x . Por ejemplo.1. Esto es. el resultado al final del cálculo podría ser 3. 'set ¡ntegratíon range x¡ = O xf = 4 'initialize variables y =i X = XÍ 'eet step eize and determine 'number of calculation steps dx.999892! 2 2 FIGURA 25. Por último.5 nc (xf-xi)/dx 'output initial condition PRINT x.6 Pseudocódigo paro una versión "muda" del método de Euler. la acumulación de x en la línea x = x + dx puede estar sujeta a cuantización de errores de la clase analizada en la sección 3. ¡Para dx = 0.M É T O D O SD E RUNGE-KUTTA Suponga que usted quiere realizar el cálculo simple expuesto en la tabla 25.001.20x + 3. 3 2 . podría ser crítico si deseamos modificar y mejorar el algoritmo. con la condición inicial de que y = 1 enx = 0. y el más importante. Además.nc dydx = -2X + 12X .20x + 8. y END OQ .999997 en lugar de 4. Aunque este programa "hará el trabajo" de duplicar los resultados de la tabla 25. Además. podría ser 3.5 y = y + dydx • dx x = x + dx PRINT x. no es muy modular.1.5. suponga que el tamaño de paso se habrá de volver muy pequeño para obtener mayor exactitud.6. A usted le gustaría integrarla hasta x = 4 usando un tamaño de paso de 0. Un pseudocódigo simple para realizar lo anterior podría ser como el que está escrito en la figura 25.4. = 0. el número de variables de salida podría ser muy grande. Por ejemplo. Aunque esto no es muy importante para un programa así de pequeño. no está muy bien diseñado. y 'loop to impiement Euler's method 'and dieplay reeulte DO i =1. el algoritmo está imposibilitado sobre la suposición de que el intervalo de cálculo es uniformemente divisible entre el tamaño de paso.1. si dx fuera cambiada a 0. existen varios factores relacionados con la forma en que establecemos las iteraciones. debido a que cada valor calculado se despliega.

Observe que los ciclos controlan ambas salidas de paso. los intervalos no tienen que ser uniformemente divisibles entre los tamaños de paso. En lugar do esto. que indica el intervalo en el cual los resultados calculados se guardan en arreglos.7 Pseudocódigo para una versión modular "mejorada" del método de Euler. Así. 1 . Por ejemplo. h.5ULTS DISFLAY END IF (x £ xf) EXIT yp =y m . xout. y. y. ynew) CALL Derivs(x.7 está diseñado específicamente para implementar el método de Euler. el módulo de Euler es la única parte en que el método es específico.7 NO despliega un algoritmo mucho más modular que evilu esas dificultades.1. m m FIGURA 25.. dydx) dydx = . END SUB ENP DO KF.. Esto 20x + hasta x os. ynew) y = ynew IF (x > xend) EXIT END DO END SUB x = xi m=0 cj Método de Euler para una sola EDO 3U3 Euler (x. y.x CALL Euler (x. Estos valores se guardan en arreglos de tal modo que se tenga salida en diferentes formas una vez que termine el cálculo (por ejemplo. en condiciones lógicas. El programa principal toma grandes tamaños de paso y llama A una rutina denominada Integrator que hace los tamaños de cálculo más pequeños.x < h) THEN h = xend . La rutina Integrator llama después A la rutina Euler que toma un solo tamaño de paso con el método de Euler. Assign valúes for y = initial valué dependent variable xi = initial valué independent variable xf = final valué independent variable dx = caiculation step size xout = output interval a) Programa principal o "manejado!*" b) Rutina para tomar un paso de salida 5U3 Integrator (x. h. Por le punto >dría ser • I • • • I H H • fl I H H • • fl S fl H En la figura 25. xp y yp . facilitara en gran medida la modificación del programa en las últimas secciones. Así. dydx) ynew = y + dydx * h x =x +h END S U B DO xend = x + xout IF (xend > xf) THEN xend = xf h = dx CALL Integrator (x. xend) DO IF (xend . La rutina Euler llama A la rutina Derívate que calcula el valor de la derivada. h. h.1. Un o en la IA 25. todo lo que se requiere para aplicar este algoritmo con otros métodos de un paso es modificar esta rutina. 1(1 nluorilnio no da la salida A todos los valores calculados. gráficas. ^. y. y. y. el usuario especifica un intervalo de salida. escritura en un archivo). grandes y pequeños.unque deseamos las pequeilado se joritmo temente x + dx 4 . Mientras que tal modularización podría parecer que sobrepasa al caso actual. aunque el programa de la figura 25. impresión. xend) m = m+ 1 xp = x m d] Rutina para determinar la derivada 5U3 Derive (x.

2. Sin embargo. este aumento en la flexibilidad se gana a expensas de evaluar tres coeficientes en lugar de uno.4. respectivamente.1).2)].5.4.1 y v = 0 en t = 0.2).1) delo matemático para la velocidad se basó en la segunda ley de Newton en la forma dt m Esta ecuación diferencial se resolvió tanto de manera analítica (ejemplo 1.2) donde g. Usted recordará de la parte uno que nuestro mo— = g v (E25. Observe que este modelo tiene mayor capacidad para ajustar con exactitud mediciones empíricas de fuerzas de arrastre contra velocidad que el modelo lineal simple del ejemplo 1. m = 68.3.4. 4 Rto iv l tindo a l E D O con computadora Enunciado del problema.1)] para propósitos comparativos.4.726 MÉTODOS DE RUNGÉ-KUTTA EJEMPLO 2 5 .1. Además. En este caso. Este modelo lo proporciona dv dt = g v + a m m4x (E25. b y i» son constantes empíricas. Observe que la gráfica también muestra la solución para el modelo lineal [véase ecuación (E25. Esas soluciones fueron para el caso en el g = 9. y a.7.8 j j Resultados gráficos para la solución de la EDO no lineal [véase ecuación (E25. Se puede desarrollar un programa de cómputo a partir del pseudocódigo de la figura 25. Podemos usar este software para resolver otro problema asociado dv con la caída c del paracaidista. las cuales para este caso son igual a 8. c = 12.4.8. El objetivo del presente ejemplo es repetir esos cálculos numéricos mediante un modelo más complicado para la velocidad con base en una descripción matemática más completa de la fuerza de arrastre causada por la resistencia del viento. Lineal No lineal .1) como numérica con el método de Euler (ejemplo 1.myc son las mismas que en la ecuación (E25. el método de Euler proporciona una alternativa conveniente para obtener una solución numérica aproximada. | FIGURA 25. el modelo matemático resultante es más difícil de resolver en forma analítica.2 y 46.

las EDO que son una función tanto de la variable dependiente como de la independiente. la primera derivada de f(x. y) es df(x.y) / < * .6) se obtiene f'(xi. La combinación de una solución generada con la computadora hace de esto una tarea fácil y eficiente.* La segunda derivada es d[df/dx + {df/dy)(dy/dx)] dx t d[df/dx + dy (df/dy){dy/dx)]dy dx f'Xxi.4. Los resultados de las dos simulaciones indican en qué medida el aumento de la complejidad de la formulación en la fuerza de arrastre afecta la velocidad del paracaidista. Tales beneficios deberían permitirle dedicar más tiempo para considerar alternativas creativas y aspectos holísticos del problema en lugar de los tediosos cálculos a mano. Podría probarse en forma similar modelos alternativos. como se describe en las siguientes secciones. Los resultados para ambos modelos. pero requieren sólo del cálculo de las primeras derivadas. + f(xi. Esos esquemas son comparables en desempeño con los procedimientos de la serio de Taylor de orden superior.y)dy . se despliegan en la figura 2 5 H . La gráfica de esta figura muestra también un traslape de la solución del modelo lineal para propósitos de comparación. * > = £ - . con la inclusión del término de segundo orden en la ecuación (25. lineal y no lineal. la velocidad terminal disminuye debido a la resistencia causada por los términos de orden superior en la ecuación (E25. .yi) y¡+i = y.23.y¡)h + J y 7 ^ h 2 (25. con un tamaño de paso de integración de 0.1 s.2).3 Métodos p a r a la serie de T a y l o r de o r d e n s u p e r i o r Una manera para reducir el error del método de Euler podría ser la inclusión de términos de orden superior en la expansión de la serie de Taylor para su solución.1 7 .Vi) Las derivadas de orden superior se hacen mucho más complicadas. su inclusión no es tan trivial cuando la EDO es más complicada. 25. + df(x. Por ejemplo. Por ejemplo. requieren diferenciación por la regla de la cadena.] MftftPCM EULER Solución. En este caso. En particular. se han desarrollado métodos alternativos de un paso.11) con un error de truncamiento local de 6 Aunque la incorporación de términos de orden superior es lo suficientemente simple para implementarse en los polinomios. En consecuencia.1.

9 Ilustración gráfica del método de Heun.2.728 MÉTODOS DE RUNGE-KUTTA 25. Este procedimiento. 25. como éstos poseen una interpretación gráfica muy directa. . conocido como el método de Heun.3.1 Método de H e u n Un método para mejorar la estimación de la pendiente involucra la determinación de dos derivadas para el intervalo (una en el punto inicial y otra en el final). Las dos derivadas se promedian después con el fin de obtener una estimación mejorada de la pendiente para todo el intervalo.9. Como se demostrará en la sección 25. los presentaremos primero para su derivación formal como métodos Runge-Kutta. de hecho ambas modificaciones pertenecen a una clase mayor de técnicas de solución llamadas métodos de Runge-Kutta. FIGURA 25.2 M E J O R A S DEL M É T O D O DE EULER Una fuente fundamental de error en el método de Euler es que la derivada al inicio del intervalo supuestamente se aplica a través de todo el intervalo. Sin embargo. se ilustra en forma gráfica en la figura 25. Se dispone de dos simples modificaciones para evitar este defecto. o) Predictor y b) corrector.

y.Q ) + 1 f l 2 2 Esta pendiente promedio se utiliza después para extrapolar linealmente desde y¡ hasta y usando el método de Euler: ¡+l .y. + 2 + 1 ).14)] pueden combinarse con el fin de obtener una pendiente promedio para el intervalo: -. y . Debería entenderse que este proceso iterativo no necesariamente converge sobre la respuesta verdadera sino que lo hará sobre una estimada con un error de truncamiento finito. y .15) (25.+).13) es llamada ecuaciónpredictor. Es por esto que la distinguimos con un superíndice (25.5)] í+1 + .12) y?+i=yi (25. ) + /(x. . La ecuación que permite el Para el método estándar de Euler deberemos parar aquí. las dos pendientes [véase ecuaciones (25.P E B U E W de Euler. El proceso se ilustra en la figura 25. / ( * . Heun l a y . ¡ . + f( y. Como con los métodos iterativos similares analizados en secciones anteriores de este libro. h la cual es conocida como ecuación corrector.)h ^ <+»'^+> x i+} X¡> (25. El método de Heun es el único método predictor-corrector de un solo paso que se describe en este libro.96): y° y = y.12) y (25. un criterio de terminación para la convergencia del corrector está dado por [recuerde la ecuación (3.13) en el método de sino una predicO. + l mmm¡ + f(xi. Todos los métodos multipaso que se analizarán más tarde en el capítulo 26 son de este tipo.16) t i e n e y en ambos lados del signo igual.y? ) i+í +l (25. se puede expresar en forma concisa como Predictor (figura 25.13) no es la respuesta final. una estimación anterior podrá usarse de manera repetida para proporcionar una estimación mejorada d e y . como se demostrará en el siguiente ejemplo.yi)h (25. ción intermedia. y = y'¡ + y¡ i + = / f e . la pendiente al inicio de un intervalo y¡ = f(x¡.zarRecuerdo que en el método PBL M É T O D O .14) Así. y ° y ¿ + i = y. + ." f( X y. Como se desarrolló antes.) + ) h Observe que como la ecuación (25.) se usa para extrapolar linealmente a y ¡ . calculada en la ecuación (25.16) l+l = y. Sin embargo.10. ) + /(*. .9a): Corrector (figura 25. Mejora una estimación de y cálculo de una estimación de la pendiente al final del intervalo: + 1 i+l y' ¡+1 =f(x . El método de Heun es un procedimiento predictor-corrector. se puede aplicar en una forma iterativa. Esto es.

+ j-i yi i+ 100% (25. i y¿+i donde y{ ¡ y y{ mente.4). la pendiente en (x . respectiva- EJEMPLO 2 5 . 1 0 Representación gráfica de la iteración del corrector del método de Heun para obtener un estimado mejorado. como se calculó de la ecuación diferencial con la ecuación (PT6. 0M Solución.5(2) = 3 0 Este resultado difiere mucho de la pendiente promedio actual para el intervalo de 0 a 1.0 .3 v Esta fórmula se usará para generar los valores de la solución verdadera en la tabla 25. podemos usar cálculo para determinar la siguiente solución analítica ) + 2e .5. Antes de resolver el problema de manera numérica. .FIGURA 2 5 .2.17) +x resultan de la iiteración anterior y actual del corrector.1946. Primero.0. 5 A (E25. y ) se calcula como 0 0 y = 4e° . Use el método de Heun para integrar y' = 4e — Q. La condición inicial en x — 0 es y = 2.5y desde x — 0 hasta x = 4 con un tamaño de paso de 1.I) y 1. 5 Método de Heun Enunciado del problema.0. la cual es igual a 4.

8 . 0Bx Iteraciones del m é t o d o d e H e u n 1 15 (%) 0.0000000 6. Se muestran dos casos que correspondan a números diferentes de iteraciones del corrector.17 3.6771718 75.0000000 6.18 9.402164 la cual puede combinarse con la pendiente inicial para obtener una pendiente promedio sobre el intervalo desde x — 0 hasta 1: 3 + 6.8439219 33.un H u n i £ f i (%) 0 .0: y°i = 2 + 3(1) = 5 Observe que éste es el resultado que se podría obtener con el método estándar de Euler.3608655 15. Loi valores aproximados se calcularon mediante el método de Heun con un tamaño de paso de 1.5(5) = 6.701082)1 — ^ 1 = 6.2 en x » 0.5y. ¡unto con el error relativo porcentual absoluto.00 2 .7010819 16.3197819 37.275811 .3 Comparación de los valores verdadero y aproximado d« la Integral de y' m 4e .09 3.16)] para dar la predicción en x = 1: yi = 2 + 4.62 y .15)] para obtener un estimado de y en 1. = 2 + ± a8<1) -0. al sustituir el nuevo resultado en el lado derecho de la ecuación (25. H Xvtrdadaro 0 1 2 3 4 2.0.0. con la condición inicial de que y .1946314 14. Ahora.7350962 La solución numérica se obtiene al usar el predictor [véase ecuación (25.402164 y 2 que es más cercana a la pendiente promedio verdadera de 4. para mejorar el estimado para y usamos el valor y\ para predecir la pendiente al final del intervalo: i + v y \ = f( . Ahora dicho estimado podrá usarse para refinar o corregir la predicción de y.7432761 77.18 2.5(6.3389626 y . Este resultado puede ser sustituido en el corrector [véase ecuación (25. el método de Heun sin iteración del corrector reduce el valor absoluto del error por un factor de 2.46 10.1946.3022367 34.3377674 2.16): [3 + 4<? y.701082(1) = 6.4 al compararlo con el método de Euler.0000000 6.701082 la cual representa un error relativo porcentual de .1992489 83.2 muestra que corresponde a un error relativo porcentual del 25. Así.y°) Xl = 4e o m ) .94 10.T A B L A 35.68 3 . 1 8 % .00 8.3%. El valor verdadero en la tabla 25.

26)] no es requerido y el corrector se aplica sólo una vez para cada iteración.275811)1 ~ ^ 1 = 6. La tabla 25. a su vez.3)].31 %.382129 que representa un |£.2 muestra los resultados de los cálculos restantes mediante el uso del método con 1 y 15 iteraciones por paso.19) mdx (25.| de 3. donde la EDO es únicamente función de la variable independiente. la técnica se expresa en forma concisa como y¡+\ = y¡ + ^ h (25. En el ejemplo anterior. recuerde del capítulo 21 que In regla trapezoidal [véase ecuación (21.18) Observe la similitud entre el lado derecho de la ecuación (25. = 2 + i a 8 ( 1 ) -0.03%.20) y. el paso predictor [véase ecuación (25. Este resultado.-+i =y¡ mdx (25. Tales incrementos pueden ocurrir en especial para grandes tamaños de paso.+ iI /"• /+l dy = J f(x)dx / y .16) para corregir aún más: [3 + 4 e y.y . + i . para tamaños de paso lo suficientemente pequeños. se tiene después de 15 iteraciones. y nos previenen de dar la conclusión general de que con una iteración adicional se mejorará el resultado.68%. la derivada es una función de la variable dependiente y y de la variable independiente x. 6.360865. Para nuestro caso. puede sustituirse en la ecuación (25. = jT' + (25. Observe cómo los errores algunas veces crecen en tanto se ejecutan las iteraciones. La conexión entre los dos métodos se puede demostrar formalmente al iniciar con la ecuación diferencial ordinaria d tí \ Tal ecuación podrá resolverse para y por integración: r la cual da y dx V . las iteraciones deberán converger eventualmente sobre un solo valor. Sin embargo. Para esos casos.3)] se puede definir como .21) Ahora.18) y la regla trapezoidal [véase ecuación (21.732 MÉTODOS DE RUNGE-KUTTA el cual representa un error relativo porcentual del 1. Para casos tales como los polinomios. el cual representa un error relativo del 2.5(6.

Recuerde de la tabla 21. + i / 2 ) (25.6)] E.^. ae puede representar como i + 1 .1.2 Método del p u n t o medio (o del polígono mejorado) La figura 25. Como la ecuación (25. el método es de segundo orden porque la segunda derivada de la EDO es cero cuando la solución verdadera es cuadrática. ) | . respectivamente. V / | | ) donde h = x. y¡)- (25.25) Después.Al sustituir la ecuación (25.27) Observe que c o m o y no está en los dos lados.22) en la (25.rmMTTODO D EB U L Í H M (25.18).11. Así.2. que muestra el resultado con el uso del método de Heun para resolver el polinomio del ejemplo 25. esta técnica usa el método de Euler para predecir un valor de y en el punto medio del intervalo (véase la figura 25.22) (25.) y . y.27)] no puede aplicarse de manera iterativa para mejorar la solución./ ( . los errores local y global son 0(h ) y 0(h ). al disminuir el tamaño de paso aumenta el error a una velocidad mayor que para el método de Euler. La figura 25.+i/2 = /fe+i/2. Conocido como método del punto medio (o del polígono mejorado o el modificado de Euler). — x. la cual se denomina método de punto medio..4 que la fórmula más simple do integración abierta de Nowton-Cotos.24) donde § está entre x¡ y x . Como en la sección anterior.-+i = + x f(x ) i+{ 3'/ H " la cual es equivalente a la ecuación (25.21) se tiene f(x.23) es una expresión directa de la regla trapezoidal. — h ' 12 (25./(\\d\ / ( A .12a): y. el corrector [véase ecuación (25. i+l 2 2 25. el error de truncamiento local está dado por [recuerde la ecuación (21.12 ilustra otra modificación simple del método de Euler. Por tanto.-+i /2 = >•/ + /(A"Í. Dicha pendiente es usada después para extrapolar linealmente desde x¡ hasta x¡ (véase figura 25. Además. esto procedimiento podrá también conectarse con las fórmulas de integración de Newton-Cotes.26) el cual se toma para representar una aproximación válida de la pendiente promedio para todo el intervalo.23) .126): + { (25. demuestra este comportamiento. este valor predicho se usa para calcular una pendiente en el punto medio: y.

12 Ilustración gráfica del método de punto medio.27).1/2.734 MÉTODOS DE RUNGE-KUTTA FIGURA 25.25) y b) ecuación (25. 1 2 /) + . Pendiente = f ( x ft1/2 . y. + 1/2 ) yf Pendiente = f(x. a) ecuación (25.

. 2 3 2 25.7. podrá expresarse como La sustitución de esta fórmula en la ecuación (25. los errores local y global del método de punto medio son 0(h ) y 0(A ).7. En consecuencia.2.13c.\ i) donde x. b). Recuerde de nuestra diferenciación numérica en la sección 4.3 A l g o r i t m o s de cómputo p a r a los métodos de H e u n y de punto medio Ambos métodos. se puede escribir rutinas simples que tomen el lugar de la rutina de Euler en la figura 25. el de Heun con un solo corrector y el de punto medio. Con el uso de la nomenclatura para el caso actual.2.13Z>. El método de punto medio es superior al método de Euler debido a que utiliza una estimación de la pendiente en el punto medio del intervalo de predicción. el cual tiene un error de 0(h). Aun cuando esas versiones requieren más esfuerzo computacional para determinar In pendiente. se pueden programar fácilmente con la estructura general mostrada en la figura 25. Como en I UN figuras 25. Este algoritmo se puede combinar con la figura 25. 25. se requiere de algunas modificaciones (aunque estén localizadas dentro de un simple módulo).21) da la ecuación (25. la reducción que se tiene en el error nos permite concluir en una sección subsecuente (véase sección 25. los métodos de Heun y de punto medio son por lo goncrul superiores y se deberían implementar si se es consistente con los objetivos del problema. así como el método de Heun puede ser conocido como la regla trapezoidal. respectivamente.3 que las diferencias divididas finitas centradas son mejores aproximaciones de las derivadas que cualquiera de las versiones hacia adelante o hacia atrás.mSm \ )</> = (b ÍV)/(. Desarrollamos el pseudocódigo para este propósito en la figura 25.4) que usualmente la exactitud mejorada vale el esfuerzo.4 Resumen Al componer el método de Euler desarrollamos dos nuevas técnicas de segundo orden.27). como la de la ecuación (25.3. De esta manera.1. pueden aplicarse con ventaja. En este contexto. una aproximación centrada. cuando se va a implementar la versión iterativa del método de Heun. como el método de Euler. Sin embargo.13a y 25.7 con el fin de desarrollar el software para el método iterativo de Heun.26) tiene un error de truncamiento local de 0(h ) en comparación con la aproximación hacia adelante del método de Euler. Aunque existen ciertos casos donde técnicas fácilmente programables. el método de punto medio obtiene su nombre de la fórmula de integración en turno sobre la cual se basa. es el punto medio del intervalo (a.

Y. h. /. y.se m t l h l por lo general como (¡¡ t= +U2k¡ + • • • a k £ (23. Y.01 maxlt = 20 CALL Der\vs(x.5. dyZdx) 5hpe = (dyldx + dyZdx)/2 ynew = Y + Slope • h x =x +h END 5U3 es = 0.13 Pseudocódigo para implementar los métodos a) Heun simple. de hecho. Como se hace notar al inicio de esta sección. el método de Heun (sin iteraciones) y el de punto medio y. h) es conocida como función incremento. dymdx) ynew = y + dymdx • h x =x+h END 5U3 IF (ea < es OK iter > maxit) EXIT END DO ynew = ye x=x + h END 5U3 F I G U R A 7. Existen muchas variaciones.h)h (25JH) donde <j> (x¡. h. y. y¡.A-| I n n . ye. y. Ahora V P remos el desarrollo formal de esas técnicas.(x. dyZdx) slope = (dyldx + dyZdx)/2 ye = Y + slope • h iter = iter + 1 b) Método del punto medio CALL Der\vs(x. ye. dyldx) ye=y + dyldx • h iter = O DO yeold = ye CALL Der¡vs(x + H. YRI<SIV) CALL Derive dyldx) 5U3 Heun (x.1): y¡+\ = y¡ +<Ptx¡. la misma técnica de Euler son versiones de una clase nú» amplia de procedimiento de un paso denominados métodos de Runge-Kutta. h. ynew) ym = y + dydx • h/Z CALL Derivs (x + h/Z. la cual puede inteipieltwií como una pendiente representativa sobre el intervalo. ynew) ye = y + dyldx • h CALL Derivs(x + h. 3 M É T O D O S D I RUNGE-KUTTA Los métodos de Runge-Kutta (RK) logran la exactitud del procedimiento de una serie úl Taylor sin requerir el cálculo de derivadas superiores. b) punto medio y c) Heun iterativo. 2 5 . La función incremento . peni todas se pueden denotar en la forma generalizada de la ecuación (25. y.736 MÉTODOS DE RUNGE-KUTTA a) Htun LIMPIA sin corrector c) Heun con corrector SU /3 Heunlter (x. dydx) SU£? Midpoint (x. ym.y¡.

3. Como cada k es una evaluación funcional. Además. Esto es.29/)) q k h) 22 2 A'2 = . -\k„-\h) n (25. los errores do truncamiento global son 0(h ) y 0(h ). el método de Euler. Así. los valores para a. / b i . etcétera. y¡ I tfí\k\h) k-i = /(-V/ + /?2¿. En secciones subsecuentes desarrollaremos métodos RK de tercer y cuarto orden (n = 3 y 4). como I QS términos con h y mayores son eliminados durante la derivación. + pih. el número de términos n con frecuencia representa el orden de la aproximación.y¡) k = f(x. Una vez que se elige n. p y q al igualar la ecuación (25. respectivamente. al menos para las versiones de orden inferior. en la siguiente sección. la cual aparece en la ecuación para k .30) con la expansión de la serie do Taylor. el error do truncamiento local es 0(h}) y el global es 0(h ). Para esos casos. . k¡ aparece en la ecuación para k .29<¿) Observe que las £ son relaciones de recurrencia.P\ y <?n son evaluados al igualur el término de segundo orden do la ecuación (25. +q k\h) 2 u 2 (25. se evalúan las a.29o) (25. y/ +qi\k\h+ (25. esta recurrencia hace que los métodos RK sean eficientes para cálculos en computadora. desarrollamos lies ecuaciones para evaluar las cuatro consuntos doMuonocidus.K u t t a d e segundo o r d e n La versión de segundo orden de la ecuación (25. Es posible concebir varios tipos de métodos Runge-Kutta al emplear diferentes números de términos en la función incremento como la especificada por n. de hecho.v. Las tres C C U U C Í O I I O N son «l f iit - (25.29c) = f(xr+ Pn-ih. Esos métodos de segundo orden serán exactos si la solución de la ecuación diferencial es cuadrática.31) I . Observe que el método Runge-Kutta (RK) de primer orden con n — 1 es.1. y. Por ejemplo.y¡ + q„-\.\k\h + q_ kh n h2 2 H h q„-\..30a) (25.28) a los términos en la serie de expansión de Taylor (véase cuadro 25. 2 3 3 2 3 A 25.30/)) Como se describe en el cuadro 25./'(. a .1 M é t o d o s R u n g e . los métodos RK de segundo orden usan la función incremento con dos términos (n = 2).30) donde ki = f(x¡. Para realizar esto.28) es y¡+i = y¡ + (a\k\ + a k )h 2 2 (25.clónelo Un ti «on corialanles y In* k son *i ~ .1).v ) ( (25. I p\h.

y¡)]h 2 + a. y /(*/• y) escrita como [véase ecuación (25. y¡ + quhh) y¡\ \ = y.1. p\— 2 b( b e t3 /b 3 .1.26)] 2 u b b ?.1. y + .yi+qukih) (B25.. y. recordamos que la serie de Taylor de segundo orden para>> en términos de y. existe una familia de métodos do sc|tumla orden min quo una sola versión.Para ello.2) +á k\h— u 9 / dx dy + (Hlf) ki = ñx¡+pih.y¡ + /fe y¡)h + donde / ' f e .3).4) se i (x¡. y) + r— 9 # 9 # +x r o iH .1.) =la— +(B25.1) y (B25.1. . .28) es D e d u c c ó in d eo ls m é o td o sR u n g e K u a t d es e g u n d oo r d e n (B25.1.1) debemos determinar los valores para las constantes a . si comparamos términos comunes en las ecuación»» (B25.1.1.738 M É T O D O S D i RUNGE-KUTTA (25. 2 2 yi+i .1. p¡ y q .5) — -r tiene dx dy dx y.1.3): (B25. —H Las anteriores tres ecuaciones simultáneas contienen las cuitlfU constantes desconocidas. al agrupar términos.6) y (B25. y. Sin embargo.1.+ r ><//') +a qnh f(Xi.+ .3) w tiene f(x¡ + p\h. + (a k +a k )h l 1 2 2 donde y/) y c > (''' = f(x¡.11)] l 2 i it ¡+1 e s t a = y¡ + aihf(x b y¡) + a hf(x¡. se debe cumplir lo siguiente: (B25.9/" +a2 ?n/te.n consecuencia. y¡+\ = y¡ + [«i/fe. =v + / U . determinamos que para hacer equivalen tes a las dos ecuaciones.1.5) . y¡) + a f(x¡. podemos determinar las nlrui F. = j aiqu ai + a = 1 2 1 <>iP2 = ^ 1 K(x + r.4) o.1.3) Este resultado podrá sustituirse junto con la ecuación (B25.6) + 1 La estrategia básica que habrá de resaltarse en los métodos RungeKutta es el uso de manipulaciones algebraicas para resolver los valores de a¡. 9/Uy) . y¡) debe determinarse por diferenciación usando la regla de la cadena (véase sección 25. a .j 2 7 / ¡ Ahora. y¡) + p\h — (B25.-) + a p\h 2 2 +dx y¡)^.32) (25. La serie de Taylor para una función de dos variables se define como [recuerde la ecuación (4.7) Si sustituimos ecuación en la ecuación (B25. 1 Lu versión a segundo orden de la ecuación (25.p y q .33) Cuadro 2 5 . al suponer u n valor para una de las constantes.1. v ) = x(x. Para ello. Como hay una incógnitu más quo el número de ecuaciones. no existe un conjunto único do cnnulimtes que satisfagan las ecuaciones.1. lo cual provoca que las ecuaciones (B25.1. 2 y ¡) df(x.1) Si se aplica este método para expandir la ecuación (B25.) 9 x 9 y_ 2 — /i + 0(fc ) 3 («25.7).y.1. y ^ + ( .2) en la (B25.6) sean equivalentes.1) para dar y i+l Al usar la ecuación (B25. /'fe.1. primero usamos una serie de Taylor para expandir la ecuación (B25.a .y)dy dy (B25.1.

366) Observe que k es la pendiente al inicio del intervalo y k es la del final. En consecuencia. y la ecuación (25. dan 2 2 { n y i=y í+ i + (^k l + \ h ^ (25. debemos suponer el valor de una de estas incógnitas para determinar las otras tres. A continuación presentamos tres de las versiones más comúnmente usadas y preferidas: Método d e Heun con un solo corrector ( o = 1 / 2 ) .0 k = f(x¡ + h. El método d e punto medio ( a = 1 ) . Suponga que especificamos un valor para a .31) a (25. = 0. y.37) *i = / ( * i . Estos parámetros. Si suponemos que a es 1. al ser sustituidos en la ecuación (25.376) É l t t M el método del punto medio.y¡ + l X -k^ (25.33) para obtener ai = 1 . las ecuaciones (25. y/) (25.34) 1 Pl=qn = 2V 2 2 (25. donde + 1 =y. y¡ + k h) 2 x x 2 (25. Si suponemos que a es 1/2. este método Runge-Kutta de segundo orden es de hecho la técnica de Heun sin iteración. p = q — 1/2. lineal o una constante.35) Debido a que podemos elegir un número infinito de valores para a . se obtienen diferentes resultados cuando (como es típicamente el caso) la solución es más complicada.30). . entonces a.a 2 (25.v Como tenoinos tres ecuaciones con cuatro incógnitas.34) y (25.36a) (25.30) es ahora 2 2 x n y. Cada versión podría dar exactamente los mismos resultados si la solución de la EDO fuera cuadrática.36) donde *i = /(*¿. hay un número interminable de métodos RK de segundo orden. + kh 2 (25.37a) *2 = f(x¡ + -h. Sin embargo.2 3 . Entonces se puede resolver de manera simultánea las ecuaciones (25.35) podrán resolverse para a¡ = 1/2 y p = q = 1. 3 M IW W P B RUNGE-KUTTA 2 i:! <Jüi i .

4375) que la pendiente al inicio del intervalo (8.5) que podría habar sido usada por el procedimiento de Euler.+ \hh^ (25.5) .21875(0. 109375 K .14 y tublu 25.5) = 1 + 4.5 3 2 Sin embargo.3. El primer paso en el método de punto medio es el uso de la ecuación (25.37) para predecir v (0.4% £1 calculo le repite..38«) ki = f(x¡ + \h.3). y.20(0) + 8. y) = . Ralston (1962) y Ralston y Rubinowilz (1978) dolorminuron que al seleccionar a ~ 2/3 se obtiene un límite mínimo sobre el error de Irun camionto para los algoritmos de R K de segundo orden. Para esla versión.5. tal resultado carece de relevanri» sobre el segundo paso [el uso de la ecuación (25. La pendiente en el punto medio puede entonces sustituirse en la ecuación (25.5 = 4. Use el método de punto medio [véase ecuación (25. como la EDO es una función sólo de x.v 0 es y = 1. . 2 5 ) + 12(0.2 J T -f 12x 2 - 20JC + 8.2 ( 0 . = 3.x. La condición inicial en .25) 4.MÉTODOS DE RUNGE-KUTTA v _ Mfttodo Rulitori ( a 2 / 3 ) .25) .3. Solución. y los r e t u l t a d p i M m u m e n en la figura 25.5 = 8.21875 3 2 2 Observe que tal estimación de la pendiente es mucho más cercana al valor promedio para el intervalo (4.37)| y el método de Ralston [véase ecuación (25. Compare los resultados con los valores obtenidos con otro algoritmo RK de segundo orden: el método de Heun sin corrector de iteración (tabla 25.38)] para integrar numéricamente la ecuación (PT7.8.y¡) (25.5 desde x = 0 hasta x = 4 usando un tamaño de paso de 0.376)] para calcular k = .13): f(.2 ( 0 ) + 12(0) .386) Comparación de varios e s q u e m a s RK d e segundo orden Enunciado del problema. ti 1/3 y 2 t Pi=V\i= 3 / 4 : donde k\=f{x¡.3 la) para calcular ki = .20(0.

00000 2.81250 4 .109375 2.00000 3.484375 3.0 0.l £ (%) 0.5. 3 2 Heun X Punto medio (%) RK Ralston de s e g u n d o o r d e n (%) Xverdadero 1.18750 4.l y | .20x + 8.375) + 8.9 1.031250 0 1.68750 2.71875 3 00000 y l£.5 8.81250 1.75 2.00000 0 6.14 Comparación de la solución verdadera con soluciones numéricas usando tres métodos RK de segundo orden y el método de Euler.375) .37500 4.8 7.6 12.00000 3.984375 1.21875 3.7 10 .93750 3 .140625 2.4 4.00000 4 .FIGURA 25.7 2.800781 3.00000 2.117188 4 . Los valores aproximados se calcularon por medio de tres versiones de los métodos RK de segundo orden con un tamaño de paso de 0.20(0.58203125 3 2 2 T A B L A 2 5 .37500 2. con la condición inicial de que y .5 = 2.0 3.1 25.347656 2.0 2.43750 3. 3 Comparación de los valores verdadero y aproximado de la integral da y' = .8 3.3 0 1.5 3.3 10.1 en x = 0.5 2.855469 4.5 21.6 4 .l y l£.50000 3.0 1 .4 5.5 y [véase ecuación (25.71875 4 . 3 7 5 ) + 12(0.8 12.00000 3.2 ( 0 .277344 3. Por medio del método de Ralston.386)] x k = .609375 3 0 3.5.6 0 1.101563 2.2 X + 12X .4 ó.5 1.21875 2.0 2.0 1.0 5.2 9.5 4. k para el primer intervalo es también igual a 8.00000 3.0 17.

En cualquier caso.39a) + -h. hay un número infinito de versiones. por tunlo. los métodos RK de tercer orden tienen errores local y global de 0(h ) y 0(h ).kih + 2k h) 3 2 Observe que si la derivada es sólo una función de x. y¡ .3.39) será también exacta cuando ln ecuación diferencial es cúbica y la solución es de cuarto orden.5) = 3.K u t t a de cuarto o r d e n El más popular de los métodos RK es el de cuarto orden. 8 2 % Los cálculos se repiten y los resultados se resumen en la figura 25.5546875 la cual se usará para predecir y (0. se debe especificar con antelación los valores para las dos incógnitas con el fin de establecer los parámetros restantes. = .5) = 1 + 4.3. este método de tercer orden se reduce a la regla de Simpson 1/3. se puede hacer un desarrollo similar al del método de segundo orden. Al tratarse de polinomios. 8 0 le conoce como método RK clásico de cuarto . y¡ + l l k = f(x¡ 2 -k h^ x (25. respectivamente.14 y tabla 25.3.3). Ello se debe a que lu regla de Simpson 1/3 proporciona estimaciones exactas de la integral para cúbicas (recuerde el cuadro 21.3%) (25.MÉTODOS DE RUNGE-KUTTA La pendiente promedio se calcula por </.5546875(0. El resultado de dicho desarrollo es de seis ecuaciones con ocho incógnitas. Una versión común que resulta es y t+ i=y¡ + -7 ( i + k 4 k 2 + *3>* ( 2 5 - 3 9 ) donde k =f(x . Observe que todos los métodos RK de segundo orden son superiores al método de Euler.2 M é t o d o s de R u n g e .39c) k = f(x¡ + h. la ecuación (25.y ) x l i (25. 25.58203125) = 4. Por tanto. y dan resultados exactos cuando la solución es unn cúbica. = 1 (8.3 M é t o d o s R u n g e .K u t t a de tercer o r d e n Para n = 3. La siguiente.5) + ^(2. Ralston (1962) y Ralston y Rabinowitz (1978) desarrollaron una versión alternativa que proporciona un límite mínimo sobre el error de truncamiento.27734375 s.1 . <sn la forma de uso más común y. Como hicimos notar con lo* procedimientos de segundo orden. 4 3 25.

de cuarto orden tiene similitud con el procedimiento de Heun en cuanto a que las estimacionei múltiples de la pendiente son desarrolladas para alcanzar una pendiente promedio mejorada para el intervalo. .>/.40c) h = f (XÍ + h.406) ¿3 = + \h. . FIGURA 25. Además.40a) Observe que para las EDO que sólo son función de x.25 J FFLFPGI D E RUNGE-KUTTA y t + 1 2 3 >HI R ><. + — (*.i 4 *-/:iortM .. entre la que se cuenta el método RK de cuarto orden. Como se muestra en la figura 25.40a) *2 = /(•*/ + ¿ A . el método RK clásico de cuarto orden es similar a la regla de Simpson 1/3. yi + ^ i * ) (25 . + 2 ¿ + 2k + k )h (25 .40) donde *i = / ( * . el método RK.15. (25. cada una de las & representa una pendiente.y¡ + kih) (25. La ecuación (25.40) entonces representa un promedio ponderado de éstas para llegar a la pendiente mejorada.15 Ilustración gráfica de las pendientes estimadas. y¡ + ^hhj ' (25.

Así. las cuales se sustituyen en la ecuación (25. 2) = 4 e ° ' 8(0) • =3.0.5(2. 8 7 7 6 5 3 k = JX0.510611(0. .5.25) =2 + 3(0.5.510611 Esta pendiente a su vez se utiliza para calcular otro valor de y y otra pendiente en el punto medio.0.25.21875 .877653) = 4 e 3 o m 2 5 ) i 1 | | . 3. como la solución verdadera es de cuarto orden [véase ecuación (PT7.25) = 2 .5) = 3.071785(0.723392) = 4.16)].75 k = /(0.21875 y £ = 1.21875. k = 4.40)] para integrar a) f(x.723392) = 4 e a 8 ( 0 - 5 ) . la pendiente al inicio del intervalo se calcula como ¿i = / ( 0 .744 EJEMPLO 2 5 . k — 4.446785 l | Después.40a) hasta la (25. esta pendiente se usará para calcular un valor de y y una pendiente al final del intervalo.5 con v(0) = 2 desde x = 0 hasta 0. a) Se usa desde la ecuación (25.5 \ í la cual es exacta. las cuatro estimaciones de la pendiente se combinan para obtener unu pendiente promedio.25.25) = 2. y b) f(x.25.5. el método de cuarto orden da un resultado exacto.25] J 0.5 mediante un tamaño de paso de h = 0.21875)+ 1.0.75) = 3.723392 h = /(0. .75) = 4 e ° 2 8 ( a 2 5 ) .105603 Por último. b) Para este caso.5) = 2 + 3. .877653) = 3. 2 1 8 7 5 ) + 2(4. y(0.5(2) = 3 Este valor se usa para calcular un valor de y y una pendiente en el punto medio. ] Solución.5(2.y) =4e * 0S -0. Esta última es entonces usada para realizar la predicción coneluyente al final del intervalo.5 y una condición inicial de y = 1 en x = 0. y(0.40úT) para calcular k = 8. 2.y) = -2x 3 2 Use el método RK clásico de cuarto orden [véase ecuación + l2x -20x + 8. 7 M T t O D O S i ¡ í DE RUNGE-KUTTA Método RK clásico de cuarto orden Enunciado del problema.40) para obtener x 2 3 4 y(0.0.5 + 2 ( 4 . (25. i | y(0.5(3.25) = 2 + 3.5y usando h = 0. 2.5) = 1 + j^[8.

y) =4e 0Hx Use los métodos RK desde el primero hasta el quinto orden -0. y¡ + \kih) 2 (25.h 3 + 2 2 y U f c ) 4 (25.503399(0. para resolver f(x.5) = 3.4 Métodos de Runge-Kutta de orden s u p e r i o r Donde se requiere resultados más exactos.3. es recomendable el método de Butcher (1964) y el método RK de quinto orden: .751669 la cual se compara de manera favorable con la solución verdadera de 3.105603] = 3.5) = 2 + 3.751521. }7) (25.-k\h + -k h + -jk h .446785) + 4.h + 2(3.3 M É T O D O S DE RUNGE-KUTTA 741 $ = . y¡ .510611) + 2(3. + -L (7^ + 32 *3 + 12Á: + 32k + 7k )h 4 5 6 y ¡ + l = y (25.41/) Observe la similitud entre el método de Butcher y la regla de Boole en la tabla 21.416) h = f(x¡ + -h. Están disponibles las fórmulas RK de orden superior como el método de Butcher.41a) 4 k = / ( x¡ + -h.5y . 3 5 ( 12 8 \ Comparación de los métodos de Runge-Kutta Enunciado del problema.-k h + hh ) l X 2 (25 Aid) * s = f(x¡ + ífi. pero en general.503399 6 L y(0.25. y¡ + ^ h + ^k h ) X 2 (25. y¡ + ^k.—k h + -k h\ (25.41) donde *i = / ( * / . y¡ . la ganancia en exactitud para métodos mayores de cuarto orden está afectada por el esfuerzo computacional y complejidad adicional.41c) h = f(xi + -h. 25.2.41e) 12 4 x¡ + h.

Esta última cantidad es equivalente al número requerida de evaluaciones de la función para obtener el resultado. La cantidad (b — á)lh es la integración total del intervalo dividida entre el tamaño de paso (es decir. «yes igual al orden del método.16 . Comparación del error relativo porcentual contra el esfuerzo computacional para los • .8. el RK de tercer orden [véase ecuación (25.746 MÉTODOS DE RUNGE-KUTTA oon^(0) <• 2 desde x = 0 hasta x = 4 con varios tamaños de paso. el no iterativo de Heun. Los resultados se presentan en la figura 25. Compare la exactitud de los diferentes métodos con el resultado en x — 4 con base en la respuesta exacta y(4) = 75.41a) a la (25.1) donde «y = número de evaluaciones de la función involucradas en particular en el cálculo RK. Solución. métodos RK desde el primero hasta el quinto orden.39)]. Para órdenes < 4. Se realiza el cálculo mediante los métodos de Euler.41/)]. sin embargo. donde graf icamos el valor absoluto del error relativo porcentual contra el esfuerzo computacional.16. es el número de aplicaciones de la FIGURA 25. como en Esfuerzo = n b-a (E25. observe que la técnica de Butcher de quinto orden requiere seis evaluaciones de la función [véase ecuaciones (25. el RK clásico de cuarto orden y el RK de Butcher de quinto orden. .33896.

17 presenta el pseudocódigo para determinar la pendiente del método RK clásico de cuarto orden [véase ecuación (25. 25. ym. k3) ye = y + k3 • h CALL Derívs(x + h.2G.16 nos lleva a diferentes conclusiones: primero. y.40)]. FIGURA 25. Asi. kZ) ym = y + kZ • h/Z CALL Derívs(x + h/Z.7. SUB KK4 (x. las técnicas RK se ajustan muy bien al algoritmo general delineado en la figura 25. los métodos de orden superior alcanzan mayor exactitud para el mismo esfuerzo computacional.17 Pseudocódigo para determinar un solo paso del método RK de cuarto orden.Í I H W O S D E R U N O B .9 y la figura 25.3. (Observe que las curvas primero caen con rapidez y después tienden a nivelarse. la ganancia en exactitud con el esfuerzo adicional tiende a disminuir después de un punto.16 podrían llevarnos a la conclusión de que las técnicas RK de orden superior son siempre los métodos de preferencia. la ecuación (E25. y. otros factores tales como el costo de programación y los requerimientos de exactitud del problema deben ser considerados cuando se elija una técnica de solución. ym.y + kl • h/Z CALL Derívs(x + h/Z. Sin embargo.5 A l g o r i t m o s de cómputo p a r a los métodos de R u n g e . La figura 25. como las evaluaciones de la función son con frecuencia pasos consumidores de tiempo. Las subrutinas que calculan las pendientes para todas las otras versiones se pueden programar fácilmente en forma similar. segundo. La inspección de la figura 25.K u t t a Como con todos los métodos expuestos en este capítulo. k1) ym . k4) &\opc = (k1 + Z(kZ + k3) + k4)/6 ynew = y + elope • h x • x +h END au» . b.K U T T A .H « « J j j | I í ) s técnieu HK puní obtener resultado). ye. Tales elementos de juicio se explorarán con detalle en las aplicaciones de ingeniería en el capítulo 28 y en el epílogo de la parte siete.) El ejemplo 25. ynew) CALL Perívs(x.8.1) proporciona una modida burda del tiempo de ejecución requerido para alcanzar la respuesta.

.0. y .2): — = 4-0. Esto se ilustra mejor con el siguiente ejemplo para el método de Euler simple.4 SISTEMAS DE ECUACIONES Muchos problemas prácticos de ingeniería y ciencia requieren la solución de un sistema de ecuaciones diferenciales ordinarias simultáneas más que una sola ecuación. (25. 25.O.5) = 4 + [-0. Integre para x = 2 con un tamaño de paso de 0.5(4)]0.5) = 6 + [4 .y .1 (4)J0. suponiendo que x — 0.(0) = 4 se usa en lu segunda ecuación más que la V](0.MÉTODOS DE RUNGE-KUTTA 25. Aplicaciones en la ingeniería pueden involucrar miles de ecuaciones simultáneas. En este caso.y\. . . . Resuelva el siguiente conjunto de ecuaciones diferenciales usando el método de Euler. v yi (0.3y dx 2 . Al PROOCFCRÁI manera similar se tiene . EJEMPLO 2 5 . y . .5) — 3 calculiidu con U primera ecuación. y i .4. .9 2 . I Observe que v.1 Método de Euler Todos los métodos analizados en este capítulo para simples ecuaciones pueden extenderse al sistema que se mostró antes. . y.5 = 3 y (0. y = 4 y y — 6. el procedimiento para resolver un sistema de ecuaciones simplemente involucra aplicar la técnica de un paso para cada ecuación en cada paso antes de proceder con el siguiente.5 = 6. . .5yi dx Solución. y„) 2 dy„ d x = / „ ( * . { 2 — = -0. Tales sistemas pueden representarse por lo general como dyi dx dyi dx fi(x. 9 Resolución de sistemas de EDO mediante el método de Euler Enunciado del problema...y„) fi(x. y ) 2 B ( 2 5 A 2 ) La solución de tal sistema requiere de que se conozcan las n condiciones iniciales en el valor inicial de x.3(6) . .5. 2 ..lví ' Se implementa el método de Euler para cada variable como en la ecuación (.0..

desarrollamos primero las pendientes para todas las variables en el valor inicial.44525 9.i = ^(0.3(6) . 6) = 4 . debemos calcular los primeros valores de y y y en el punto medio: x 2 y.4.2 ¿. del ejemplo 25. M Use el método RK de cuarto orden para resolver las EDO Primero. . Dichos valores de punto medio se utilizan.094087 0 0.9.3.•• 1.2 Métodos de R u n g e . Después. Solución.5 = 4 + ( .25.8 donde k¡j es el /-ésimo valor de k para lay-ésima variable dependiente.5 0.75 /o • =R /(0.5 2. Éstas después se emplearán con el fin de hacer predicciones al final del intervalo y serán usadas para desarrollar pendientes al final del intervalo (las k ). las k se combinan en un conjunto de funciones incremento [como en la ecuación (25.0. debe tenerse cuidado al determinar las pendientes. El siguiente ejemplo ilustra el procedimiento. 1 0 Resolución de sistemas de E D O mediante el método RK de cuario orden Enunciado del problema.X Yi 4 3 2.1(4) = 1.K u t t a Observe que cualquiera de los métodos RK de orden superior expuestos en este capítulo se pueden aplicar a sistemas de ecuaciones. Por último. y + k.0 1. para calcular un conjunto de pendientes en el punto medio (las k ). La figura 25. '. 8 ) — = 6.2 ) — -3. 4.6875 1.45) . debemos resolver para todas las pendientes al inicio del intervalo: * = / ( 0 .40)] y son llevadas de nuevo al inicio para hacer la predicción final. *2 .5 1.2 h 0.25 1.0 25. Es decir. Esas pendientes (un conjunto de las k ) se usarán entonces para hacer predicciones de la variable dependiente en el punto medio del intervalo.45 h x 2 los cuales se usarán para calcular el primer conjunto de pendientes de punto medio.45) 1.715 8. 6 ) = -0. 2 = / ( 0 . Sin embargo. 3.9 7.5. a su vez.15 es útil para visualizar la forma adecuada de hacer esto para el método de cuarto orden.5(4) = .5.5 = 6 + ( 1 .715 . { 2 3 4 EJEMPLO 2 5 . 4 . 6.265625 6 6. Esas nuevas pendientes se toman como punto de inicio para hacer otro conjunto de predicciones de punto medio que arriben a nuevas predicciones de pendiente en el punto medio (las k ).0.25.6.

78125) .78125X0.109375. I i j y.5 = 6 + ( 1 .631794J0.5 1. +k \h X = 4 + (-1.857563 yi + k h X2 los cuales serán usados para calcular las pendientes al final del intervalo.1.3 A l g o r i t m o de cómputo p a r a r e s o l v e r s i s t e m a s de E D O El código de cómputo para resolver una simple EDO con el método de Euler (vónso figura 25.2 = /(0. Las modificacioncN incluyen: .5 = 3.0 y i Yi 6 6.5.i = /(0.7) puede fácilmente extenderse a sistemas de ecuaciones. 6.426171 1. 7 5 ) — = 3.857563) = 1.715 + 1.554688 k .40)]: 4 i¡ ! vi(0.5625.[ 1 .115234 2. . k 4A = / ( 0 .4. ¿3.946865 4 3.5 2. 7 1 5 ) — = 6.5 = 4 + ( .631794 Los valores de k se pueden entonces usar para calcular [véase ecuación (25. 7 5 . I | i I .1.326886 8.5625 0.5) = 6.1 . 3.2 + 2 ( .5) = 3.25. 3.5) = 4 + .1 .857670 6 2 Al proceder en forma similar para los pasos restantes. 3. 5 .5) = 6 + .471577 25. +k 2A h h 0.554688J0.[ .1 = /(0.42875) = .715125) + 1.0 1.109375. se obtiene X 0 0. 8 + 2(1. 6.857670 7.109375 = 6 + (1.25.42875) = 1.5 = 6. 6.715125 Éstos se utilizarán para determinar las predicciones al final del intervalo y.857563) = -1.~ 2 2 2 el cual será utilizado para calcular el segundo conjunto de pendientes de punto medio.750 MÉTODOS DE RUNGE-KUTTA Éstos se usan para determinar el segundo conjunto de predicciones de punto medio. 7 8 1 2 5 I • | ¡ I h.715125)(0.1 . 6.115234 6 >' (0.5625. 3.889523 1.632106 8.42875 y + k.

dx dx V4 3 4 3 -16. Este software es conveniente para comparar diferentes modelos de un sistema físico. 2. Observe cómo es similar en estructura y organización a la figura 25.2 3 .Y2 . 3 2 4 2 4 Solución. 5. se tiene un programa de cómputo de uso amigable para implementar el método RK de cuarto orden a sistemas. 1 1 Resolución de sistemas de E D O con la computadora Enunciado del problema. = y = 0.19a. n. y = y = 0) y b) un gran desplazamiento ( V ) = y = 7i/4 = 0. m Tal algoritmo se bosqueja en la figura 25. l y i dx donde y y y — desplazamiento angular y velocidad. Incluir ecuaciones adicionales con el fin de calcular valores de las derivadas para cada una de las EDO. Modificar el algoritmo de tal manera que calcule las pendientes para cada una de las variables dependientes. La mayoría de las diferencias se relacionan con el hecho de que 1) trata con n ecuaciones y 2) el detalle adicional del método RK de cuarto orden. Use el TOOLKIT de métodos numéricos para resolver estos sistemas en dos casos: a) un pequeño desplazamiento inicial ( y . 4 1 1 1 H fC U A C O IN e S • •' 1. Dicha pantalla contiene espacios para la entrada y salida de información asociada con la solución de hasta 5 EDO simultáneas de primer orden. Introducir el numero de ecuaciones.9)] dy-s dy¡.19a. Introduzca las ecuaciones y valores iniciales y después haga clic sobre el botón Cale. un modelo lineal para un péndulo oscilante está dado por [recuerde la ecuación (PT7.1 radianes. 3.Y3 Y4 ) hagn clic en el botón Plot. a) Introduzca los valores apropiados para Start X (inicio de X). EJEMPLO 2 5 . Después haga clic en las cuatro variables que quiera desplegar en l a parte superior de la gráfica (Y I . Incluir ciclos con el propósito de calcular un nuevo valor para cada variable dependiente. Finish X (termina X). L U N calculados pura I ON modelos lineal y y l e N u l t u t l o s .785398 radianes. Un modelo no lineal del mismo sistema es [recuerde la ecuación (PT7. Step Size (tamaño de paso). Integrar I ON valores iniciales para cada una de las n variables dependientes.18 para el método RK de cuarto orden.1 sen (y ) 3 donde y y y = desplazamiento angular y velocidad para el caso no lineal. Output Interval (intervalo de salida) y los parámetros para la gráfica como se muestra en la figura 25. En el software TOOLKIT de métodos numéricos asociado con el texto. y = y = 0). 4. Presione el botón Solve de las EDO en el menú principal del TOOLKIT para tener una pantalla similar a la figura 25.11)] dyi dx x 2 dyi =l ó . Por ejemplo.7.

+ 2*(k2 +k3 )+k4 )/6 y¡ = y. k2) DO 1=1. ym. * h END DO x =x +h END 5UB i i i : ¡ i i END DO DO xend = x + xout IF (xend > xf) THEN xend = xf h = dx CALL Inteqrator (x.. n Pm= yp. y. y. k4) DO i=1..18 Pseudocódigo para sistemas del método RK de cuarto orden. xend) DO IF (xend . X 5UB RK4 (x. h) CALL Derive (x. y. END SUB 2 FIGURA 25. = . y. n ym =y + k2 *h/2 END DO CALL Derive (x + h/2. + k3¡ * h END DO CALL Derive (x + h. n.. = (k1. h. . n.752 MÉTODOS DE RUNGE-KUTTA a) PROGRAMA PRINCIPAL O " M A N E J A D •" b) RUTINA P A R A TOMAR U N P A S O D E SALIDA Aeelgn valúes for n .>=y . dy = . k1) DO ¡ = 1.y.initíal valué ¡ndependent variable xf = final valué ¡ndependent variable dx = calculation step slze xout = output Interval x = xi m = 0 SUB Inteqrator (x. ye. ym. n yp m=y¡ END DO IF (x > xf) EXIT LOOF DI5FLAY KE5ULT5 END i D) RUTINA PARA DETERMINAR DERIVADAS SUB Derive (x. n.x < h) THEN h = xend .number of equatione y¡ = ¡nitial valúes of n dependent variables xi .x CALL RK4 (x.. y. k3) DO i = 1. h) IF (x > xend) EXIT END DO END 5UB C) M É T O D O U N R K D E D E CUARTO O R D E N E D O P A R A SISTEMA X DO 1 = 1.n ye = y. dy) dy. n. xend) m = m+ 1 DO 1 = 1. h.n elope-.n ym¡ = y¡ + k1¡ * h/2 END DO CALL Derive (x + h/2. + elope.

Las consecuencias prácticas al tratar con esas funciones es que se podría requerir un tamaño de paso muy pequeño para capturar en forma exacta el comportamiento impulsivo. 1 9 lliin [Kintallas para la opción "Resolver EDO" del TOOLKIT de métodos numéricos para péndulos lineal y no lineal con tlnil iln/cimiento inicial o) pequeño y b] grande. 25.196).5 M É T O D O S A D A P T A T I V O S DE R U N G E . el tamaño de paso más pequeño necesario para la región del cambio abrupto podría haberse aplicado a todo el cálculo. 1 3 G 3 F ! 0 2 d Y « d / X . sin embargo. Para la mayor parte del rango. la solución cambia de manera gradual.23. 5 / 0 1 5 7 : d Y 3 ¿ d X = Y 3 6 3 2 . un tamaño de paso más pequeño que el necesario (y por tanto. esto puede representar una seria limitación.K U T T A Hasta ahora. . muchos más cálculos) podría ser una pérdida de tiempo en las regiones de cambio gradual. la solución pasa por un cambio abrupto. 3 . sen (9) = 6. = J 1 . a) i d X • i V d / t X * 2 Y 1 5 3 0 .75 hasta x = 2. En consecuencia.1 A D A P T A T I V 0 3 DSHJNOL-WOTA > ¡> • Function «oles i i I PIOURA 2 5 . las soluciones son mucho más distintas y la diferencia es magnificada en tanto el tiempo sea cada vez mayor (véase la figura 25. _ _ Y 4 _ _ ^ 3 . Esto cumple las expectativas debido a que cuando el desplazamiento inicial es pequeño. ya que la suposición de que sen (6) = 0 e s pobre cuando theta es grande. d Y c 2 K / 1 6 1 .785398. Tal comportamiento sugiere la posibilidad de emplear un gran tamaño de paso para obtener resultados adecuados. Esto se esperaba. b) Cuando el desplazamiento inicial es n/4 — 0.. presentamos métodos para resolver las EDO que emplean un tamaño de paso constante.25. 7 3 8 3 7 1 d Y d 5 X / = Y 5 0 Variable Valué "•*<*». J S 4 9 F 0 2 . Si se hubiera empleado un algoritmo con tamaño de paso constante.20. para una región localizada desde x = 1.• * i C e t a t b) He» y no lineal son casi idénticos. suponga que intentamos integrar una EDO con una solución del tipo expuesto en la figura 25.•:•. Por ejemplo. Para un número significativo de problemas.

los métodos descritos en este capítulo pueden también usarse para evaluar integrales definidas. se dice que tienen un control adaptativo de tamaño de paso. Antes de proceder. Como se "adaptan" a la trayectoria de la solución. 2 0 Un ejemplo de uno solución para una EDO que exhibe un cambio abrupto. debemos mencionar que además de resolver EDO. Existen dos procedimientos importantes para incorporar el control adaptativo de tamaño de paso en los método» de un palo. Como se menciona en la introducción de la parte seis. se puede emplear las siguientes técnicas para evaluar con eficacia las integrales definidas que involucran funciones que por lo general son uniformes. la evaluación de la integral es equivalente a resolver la ecuación diferencial para y(b) dada la condición inicial y (a) = 0. En el primero. pero exhiben regiones de cambio abrupto. Así. Los algoritmos que ajustan automáticamente el tamaño de paso pueden evitar tal exceso y de otra forma son una gran ventaja.754 M É T O D O S DE RUNGE-KUTTA yn 1 0 2 3 x FIGURA 2 5 . Dicho error estimado puede servir después como base para alargar o disminuir el tamaño de paso. el error se estima como lu . El ajuste automático paso-tamaño tiene grandes ventajas para esos casos. La implementación de tales procedimientos requiere la obtención de un estimado del error de truncamiento local en cada paso.

Use el método RK adaptativo de cuarto orden para integrar y'= 4 — fj..y + ~ 2 2 (25.20104 + -[5. el error de truncamiento local se cstimu diferencia c o m o la dil'orcncia entre dos predicciones usando métodos RK de diferente orden.70108) + 14. designa la predicción de un solo paso.1 Método a d a p t a t i v o R K o de m i t a d de p a s o El método de mitad de paso (o RK adaptativo) involucra tomar dos veces cada paso.01622 .72954 + 7.5. Si y.10584 15 *- 0.21730 + 3. y y designa la predicción mediante dos mitades de paso. la ecuación (25. el error aproximado es K.945681]! = 6.84392.15.[ 3 + 2(4.44) Dicha estimación es una exacta de quinto orden.43) Además de proporcionar un criterio para el control del tamaño de paso. la corrección es 2 y <.80164 + 2(8.91297) + 5. una vez como paso total e independientemente como dos mitades de paso.40216 + 4.11105]2 = 15.2 Í l ¡ 1 J Ü 0 S A D A P T A T I V O S PE RUNOITOW <Tantro dos predicciones mediante el uso del método KK. La predicción simple con un tamaño de paso h se calcula como y (2) = 2 + .99756) + 12.yi 2 (25.[ 3 + 2(6. 0Sx e Solución.43) puede usarse también para corregir la predicción y .20104 y (2) = 6.86249 •-. Ésta es la misma ecuación diferencial que antes se resolvió en el ejemplo 25. del mismo orden.71283]1 6 Por tanto.10584 6 Las dos predicciones de mitad de paso son 1 y ( l ) = 2 + . La diferencia en los dos resultados representa un estimado del error de truncamiento local. poro con dilbrenlON tiimuños de paso. 25. el error A puede representarse como 2 A = y . 14.86249 14. EJEMPLO 2 5 .5y desde x — 0 hasta 2 usando h = 2 y la condición inicialy(0) = 2. En el segundo. 1 2 Método RK adaptativo de cuarto orden | Enunciado del problema . Recuerde que < la solución verdadera es y (2) = 14. Para la versión RK de cuarto orden.5.

+ ^k h 3 x + 9 2 ~k h 2 x¡ + -h. 5 l m W + 575 .84392 . y¡ + —k h .5. el procedimiento genera la estimación del error con base en sólo seis evaluaciones de la función. Para el caso actual.46 donde ki = f(x¡.K u t t a Fehlberg Además de dividir el paso como una estrategia para ajustar el tamaño de paso. ¡Así.86249 . 3 ( 1 + -k]h x y.45) junto con la fórmula de quinto orden: . + ^ 125. t 25. Un defecto de tal procedimiento es que aumenta en gran medida el esfuerzo computacional. k. . y¡ .756 | | MÉTODOS DE RUNGE-KUTTA ol cual se compara de manera favorable con el error verdadero de /-.00235. y i) 1 / 2825 ..j/I 110 592 5 Í 2 * * ' 13 824 2 253 \ ' + . 175 H A-. y ki = ftxj + -h.86249 = -0. + ^h.. -{ k + k 4 3 4 277 — -k 1 4 3 3 6 5 1 + -k 4 2J 6 4 g i ^ 4 8 3 8 4 3 -r 5 5 2 % »j 6 \ \h (25.—k h + -k h ( 11 5 70 35.84627 la cual tiene una E = -0. = * + + / 37 250.2 Método R u n g e . \ + 5^*4 + (25. .—k h + —k h 3 ( X 6 = \ J i 2 3 A + 7 8*' y ¡ + 1631 .0.14. ¿ 5 = f[x¡ + h. para una predicción de cuarto y quinto orden se tiene un total de 10 evaluaciones de la función por cada paso. El método de Runge-Kutta Fehlberg o RK encapsulada hábilmente evita este problema al usar un método RK de quinto orden que emplea las evaluaciones de la función a partir del método RK de cuarto orden. 18 5 7 5 .+\ >. Por ejemplo. usamos la siguiente estimación de cuarto orden * . . + t- v v y.—kih + -k h . = 14. 512 .01622 = 14. Los resultados pueden ser restados después para obtener un estimado del error de truncamiento local.01857 El error estimado puede usarse también para concebir la predicción y (2) = 14.y¡ h = f[x. 13 5 2 5 . un procedimiento alternativo en la obtención de una estimación del error involucra calcular dos predicciones RK de diferente orden.k<h 4 096 / . 44 275 .

908511 4. En general.832587 12.23.09831 + -10.14.359883 6.3 ADAPTATIVOS DB ^NOi'KUHtt»^ Asi. Press y cois.83192 \378 621 594 1 771 y i junto con una fórmula de quinto orden: y.359883 + 1^6. se puede usar para ajustar el tamaño de paso.20883 7. 8 3 2 5 8 7 + 10. m EJEMPLO 2 5 . algunas veces se le llama el método RK Cash-Karp.2 2 1. éstas pueden usarse para calcular la predicción de cuarto orden / 37 250 125 512 = 2+ 1 — 3 + — 4 .832587 27 648 48 384 55 296 + 1 \ 12. 3 5 9 8 8 3 + — 6 . Iti HIJO NO puede resolver con la ecuación (25. la estrategia es incrementar el tamaño de paso si el error es demasiado pequeño y disminuirlo si es muy grande.83677 .2 4.47) . Solución.13237 )2 = 14.13237 12 = 14. Por tanto.75 2 3.4 0. 1 3 Método de Runge-Kutta Fehlberg Enunciado del problema. Debería observarse que los coeficientes particulares usados antes los desarrollaron Cash y Karp (1990). X El cálculo de las k se puede resumir en la siguiente tabla: Y) 3 3.228398 15.83192 = 0.17686 Entonces.46) y el error estimado como lu diferencia de I I I N estimaciones de quinto y cuarto orden. Use la versión Cash-Karp del procedimiento de RungeKutta Fehlberg para realizar el mismo cálculo del ejemplo 25. = 2 + ( ^ 3 + 1^4.09831 10.12 desde* = 0 a 2 usando h = 2.5.6 1.42765 12.38677 14 336 4 277 I El error estimado se obtiene al restar esos dos resultados para dar E = 14.004842 a 25. (1992) han sugerido el siguiente criterio para cumplir con lo anterior: h iictual (25.13237 y k k k k k 2 4 5 6 0 0.3 Control d e t a m a ñ o d e p a s o Ahora que desarrollamos formas para estimar el error de truncamiento local.

es e s c a l a e s c a l a e s c a l a ^ E S C A L A=W+* dx Ésta es la versión que usaremos en nuestro algoritmo. Un truco sugerido por Press y cois. El parámetro clave en la ecuación (25.5e (H25.6y = iOg-<*-2)7P(O.47) es obviamente A ya que es su vehículo para especificar la exactitud deseada.14. (1992) para sistemas deEDO. La figura 25.2) . Si usted trata ahora con un caso donde desee errores relativos constantes a un límite máximo preestablecido. podría necesitar estos valores máximos para figurar en la exactitud deseada.46). EJEMPLO 2 5 .I) Observe que para la condición inicial. 25. El método RK adaptativo es muy apropiado para la siguienlc ecuación diferencial ordinaria dx + 0.5. Una manera para realizarlo sería relacionar A . la solución general es y = 0. y a = exponente constante que es igual a 0.22 bosqueja un programa principal general junto con una subrutina que de hecho adapta el tamaño de paso.075)'] (E25. 1 4 Aplicación en computadora de un esquema adaptativo RK de cuarto orden Enunciado del problema.2 cuando aumenta el tamaño de paso (por ejemplo. (1992) para obtener los errores relativos constantes. Aunque esto funciona bien sólo cuando ocurren valores positivos. existe ya u n a y igual a ese límite.21 y 25.4 A l g o r i t m o de cómputo dy Las figuras 25. puede causar problemas para soluciones que pasan por cero. A = exactitud deseada. excepto aquellos que cruzan muy cerca de cero.45 y 25. la exactitud será manejada en términos del error relativo fraccional. Por ejemplo.5. Una manera más general de manejar esos casos es determinar A como mm nuev0 aclull n u e v o actual nuev0 actual n u e v o nU( n u e v o V(1 ^ N U E V O ^^ E S C A L A donde e = nivel de tolerancia global.25 disminuye el tamaño de paso ( A > A^). y (0) = 0. cuando A < A ) y 0. Por ejemplo. pero está limitada por valores máximos absolutos. Para tal caso. La figura 25. s i y = y. Su elección d e y determinará entonces cómo se ha escalado el error. usted podría estar simulando una función oscilatoria que repetidamente pasa por cero. con un nivel relativo de error. A .22 muestran el pseudocódigo para implementar la versión de Cash-Karp del algoritmo Runge-Kutta Fehlberg.14.758 MÉTODOS DE RUNGE-KUTTA donde h ¡ y h = tamaño de paso actual y nuevo. Este algoritmo es acondicionado des P U E S de una implementación más detallada por Press y cois.21 implementa un solo paso de la rutina Cash-Karp (que son las ecuaciones 25. = exactitud actual calculada.

5. tiny = l x 10~ epe=0. ytemp=y+b21*h*dy CALL Derive (x+a2*h.b32=9J40.y h=hnxt ENDDO END SUB Adapt (x.375 bZI=0.3./40.6.yi x=xí 5 y=y¡ h=h¡ ietep=0 DO IF (ietep > maxetep AND x < xf) EXIT ietep=ietep+1 CALL Deríve(x./55296„ dc5=-277./2764&.b5l=-1V54.b52=2.x. cU37.econ=1.yi maxetep=100 hi~./27.9.dy) yecal=ABS(y)+ABS(h*dy)+tiny IF (x+h>xf) THEN h=xf-x CALL Adapt (x..l3525.ytemp./62Uc4=125./27.00005 prínt *./4096.21 l'Miudocódigo para un solo I« I. A ) P R O G R A M A P R I N C I P A L b) R U T I N A A D A P T A T I V O D E P A S O INPUTxi.\\. dy. c6=512J1771.k3) ytemp=y+h*(b41*dy+b42»k2+b43*k3) CALL Derive (x+a4*h.b65=253.2.dc6=c€>-0.dy..yecal.b62=175.2.yout.dy.h. dc3=c3-18575..13&24.xf./4&3&4.x. b43=1.k2) ytemp=y+h*(b31*dy+b32*k2) CALL Derive(x+a3*h./512.9. b63=575/. yetr) rARAMETER(a2=0.3M=O.b4U0. b54=35..39e-4) h=htry DO CALL RKkc(y.25*abs(h)) xnew=x+h IF xnew = x THEN pauee END DO IF emax > econ THEN hnxt=eafety*emax~ *h ELSE hnxt=4....2.b53=-70.hnxt) PARAMETER(eafety=0.../14336.b64=44275.a3=0.dcUcl-2&25.M > para el método RK i ní.k6) yout=y+h*(c1*dy+c3*k3+c4*k4+c6*k6) yerr=h*(dc1*dy+dc3*k3+dc4*k4+dc5*k5+dc6*k6) ENDRKkc FIGURA 2 5 .y. 2 2 iSniídocódigo para resolver muí simple EDO: 1 1) piograma principal y /I] rutina adaptativo I li' poso.epe.dc4=c4.ytemp... ytemp.2 3 .epe.b42=-0.25) / FIGURA 25...k5) ytemp=y+h*(b61*dy+b62*k2+b63*k3+b64*k4+b65*k5) CALL Derive(x+a6*h..h.htry..dy.y. *h END IF x=x+h y=ytemp END Adapt 25 2 . » 4 J I 0 D 0 S ADAPTATIVOS OE H Ü I W W W U T T A OUVROUTINE RKkc (y./37&.y.k4) ytemp=y+h*(b51*dy+b52*k2+b53*k3+b54*k4) CALL Derive(x+a5*h./594.5.b6U163U55296.yecal.0.c3=250.li-Karp.ytemp.ytemp.b3U3.a5=Ua6=0..hnxt) PRINTx.ñ10592.yerr) emax=abe(yerr/yecal/eps) IF emax<1EXIT htemp=safety*h *emax~° h=max(abe(htemp).ytemp. xi.

14. Solución. Después. Use un esquema estándar RK de cuarto orden para resolver la ecuación (E25.23 o) Una función forzada en forma de campana que induce un cambio abrupto en la solución de una EDO [véase ecuación (E25. Después emplee el esquema adaptativo descrito en esta sección para realizar el mismo cálculo.22 en un programa de cómputo y se usa puiu renolvor el mismo problema.23a). La magnitud de la discrepancia es de alrededor de 0.236. Los puntos indican las predicciones para una rutina adaptativo paso-tamaño.MÉTODOS DE RUNGE-KUTTA FIGURA 25. la cual es una curva uniforme que gradualmente se aproxima a cero en tanto x aumenta. Se elige un tamaño de .14.05 para un total de 80 aplicaciones. se desarrolla el algoritmo mostrado en las figuras 25.1)]: b) La solución.21 y 25. el cálculo se repite con un tama ño de paso de 0.1) = 40 aplicaciones de la técnica.1) desde x = 0 hasta 4.0. En contraste.2%.1 a 0. la solución particular tiene una transición abrupta en la vecindad de x = 2 debido a la naturaleza de la función forzada (véase la figura 25. La principal discrepancia entre los dos resultados ocurre en la región que va de 1. Para hacer este cálculo se usa un tamaño de paso de 0. Primero se usa el esquema clásico de cuarto orden para calcular la curva en la figura 25.1 a fin de que NO hagan 4/(0. Después.8 a 2.

v dx 2 muño de s o b r e a l4 r u n g o q u ev ad ex = 0 a 1 m e d a i n e tu i l n n i l e . 5 1 . I . 5 . PROBLEMAS MIIHIIIICII V i IK e s u c v la e ls i g u i e n t ep r o b e l m ad ev a l o ri n i c i a l8 e m a n e r ae 2 5 .2 I I s ce lm é o t d od eE u e lr c o nh = 0 5 .5y p a r a m in v le re lp r o b e l m a2 5 . Después. 1 .R e s u e v la d e s d ex = 0 i l t m t ei ( '0 )=1 .G r a f q iu el as o l u c i ó n .00005.5 a r a e s o l v r l p r n h l c i n a2 5 . Observe cómo se loman grandes pasos en las regiones de cambio gradual.1. la rutina adaptativa "sentirá" su camino para la solución mientras mantiene los resultados dentro de la tolerancia deseada.d R e s u e v l a ls i g u i e n t ep r o b e l m ac o ne lm é o t d oR K p a r ae li n t e r v a l oq u ev ad ex = 0 a2 : t oo r d e n : V-V •2y d o n d ey ( 0 ) = 4 y y( '0 )=0 . y0 2 .cu dz dt12 en un i t.3 y unti f ~ 0.s c o n y 0 )=2 y z ( 0 )=4 .( .p e r oa h o r ap a r ae l « I a n i c n t ep r o b e l m ad ev a l o ri n i c i a ls o b r ee li n t e r v a l oq u ev a= d e xy+t y(0) = 1 -O u I: U s ee lm é o t d oR Kd et e r c e ro r d e nc o nu na t m a ñ o 2 5 .r G r a f q ie u ee s u sr e s u l t a d o s . Asi. Para esos casos. La utilidad de un esquema de integración adaptativo obviamente depende de la naturaleza de las funciones que habrán de modelarse.e 0 R e s u e v l e l i g u i e n t ep r o b e l m ae nf o r m an u m é r c i a I* * >tI s ee lm é o t d oc l á s i c oR Kd ec u a r t o2 o r d n c o n ha = 0 5 . Es en particular ventajoso para aquellas soluciones con grandes tramos uniformes y con regiones cortas de cambio abrupto.i ( '0) = 2 y y ( ' 0 )=0 .23/). 5 . Los resultados NO superponen on la figura 25. andará lento por regiones de cambio abrupto y acelerará el paso cuando las variaciones sean más graduales. a l2 5 . en la vecindad de x 2 disminuyen los pasos para tomar en cuenta la naturaleza abrupta de la función forzada.1 u m |m c o m p a r a rv s i u a m le n e t l ae x a c t i u dd el o sd o s a t m a ñ o s d e( m é o t d o H e u n s i nc o r r e c t o r ) y b) e lm é o t d oR Kd e |u tm i d e nod eR a l s t o n : V í 1 1I s ee lm é o t d od eH e u nc o nh = 0 5 . 1 .PRi paso de 0. =p 0 . p a r ar e s o l v e re lp r o b l e dy_ n in ¡S. tiene utilidad en aquellas situaciones donde no se conoce de antemano el tamaño correcto de paso.s p a r a = 0 h a s t a 3 : M i o v lc re lp r o b e l m a2 5 . Además. C o m p a e rl o sm é o td o sa lg n i f l e i t rI H N o l u c i o n o s . 1*. dt y •• 0 2 . d i a n t e // — 0. g r á f R i c a e s u e v la d e s d et= 0h a s t a3c o n h = 0.G r a f q iu el o sr e s u l t a d o ss o b r el am s m ia 2 5 9 .R c s u c v lu d e s d ox * 0 h a s t a m e d o 0 2 . d V !< >K e p a t i l o sp r o b e l m a sd e l2 5 1 . s e n ( í ) y ( 0 )=1 1 V 4U s ee lm é o t d od ep u n o t m e d o i c o nh= 0 5 . 1 1U s ee lm é o t d o a) d eE u e lr y b) e lm é o t d oR K o r d e np a r ar e s o l v e r ( H v ) v y v ( 0 )=i I V 7U s el o sm é o td o s a) d eE u e lr y b) d edyH e u n( s i ni t e r a c i ó n ) p i n ir e s o l v e r dx ~2y + 5 e " s 2 J.I t e r ee lc o r r e c t o rc o n e = 1%. 1 .

25.7 y del problema 25. Use este programa con los mismos cálculos por realizar del ejemplo 25.14 usando el método adaptativo RK de cuarto orden con h = 0. 25. inserte comentarios para la documentación del programa con el fin de identificar lo que en cada sección se intenta realizar.17 Desarrolle un programa de uso amigable para el método de Heun con un corrector iterativo.12 desde x = 0 hasta 1 con h = 1.14 Use el procedimiento RK-Fehlberg para realizar el mismo cálculo que en el ejemplo 25.18 Desarrolle un programa de cómputo de uso amigable para el método clásico RK de cuarto orden.001. 25.5.15 Escriba un programa en computadora con base en la figura 25.4. . Verifique si el ajuste paso-tamaño es el correcto.13 Si e = 0.10.16 Pruebe el programa que usted desarrolló en el problema 25. Pruebe el programa con los mismos cálculos por realizar del ejemplo 25. Pruebe el programa usando los resultados de la tabla 25. determine si se requiere un ajuste en el tamaño de paso para el ejemplo 25.5.2. 25.12.19 Desarrolle un programa de cómputo de uso amigable para sistemas de ecuaciones mediante el uso del método RK de cuarto orden. 25. 25. Entre otras cosas. 25.7.15 con los mismos cálculos por realizar de los ejemplos 25.1 y 25.12 Calcule el primer paso del ejemplo 25.762 MÉTODOS DE RUNGE-KUTTA 25.

Un ejemplo de una EDO rígida simple es = .1) dt Si y(0) = 0.1 RIGIDEZ El término rigidez es usado para denominar a un problema especial que puede surgir en la solución de ecuaciones diferenciales ordinarias.1 OOOy + 3 000 . Después de un periodo muy corto t < 0. Tanto las EDO individuales como los sistemas pueden ser rígidas.1). Introducimos la idea de una técnica de solución implícita como una de uso común para remediar este problema. la variación rápida de componentes son transitorios efímeros que terminan rápidamente.002e"' (26. puede usarse cálculo paru determinar la solución como u dt s (26. la solución analítica se puede desarrollar como y = 3 .2) Como se muestra en la figura 26. después de lo cual la solución es dominada por la variación lenta de componentes.2 000e"' (26.2. Un sistema rígido es aquel que involucra un cambio rápido en sus componentes junto con un cambio lento de algunos. que pueden estar tanto en forma individual como en sistemas y ambas tienen componentes rápidos y lentos para su solución. esta parte transistoria termina y la solución será gobernada por el exponencial lento (e~').1 00 % = -ay Si y(0) = y . 26. En muchos casos. También dan la estimación del error de truncamiento que se usa para implementar el control adaptativo tamaño-paso. Después analizamos loi métodos de rnultipaso. Se puede ganar cierto conocimiento en el tamaño de paso necesario para la estabilidad de tal solución al examinar la parte homogénea de la ecuación (26. Estos algoritmos retienen información de pasos anteriores para capturar con más efectividad la trayectoria de la solución. describimos las EDO rígidas.CAPÍTULO 2 6 Métodos rígidos y de rnultipaso El presente capítulo cubre dos áreas de estudio.005.9986-' 0 0 0 í . la solución se halla dominada al principio por el término rápido exponencial ( e ° ' ) . Primero.0. Aunque los fenómenos transitorios existen sólo para una parte del intervalo de integración. . pueden dictar el paso del tiempo para toda la solución.1.3) y y„r "' .

éste no es el caso. ya que los requerimiento»! de estabilidad todavía requerirán p u o i muy pequeños a través de toda la solución.» ° ° como i —• °°.002. Además. Así. Así. Sin embargo. Así. existe en realidad una forma transitoria rápida de y = 0 a 1 que ocurre en menos de 0 . 0 0 5 unidades de tiempo. si h > 21a.2). una solución acotada). . Es factible usar el método de Euler para resolver el mismo problema en forma numérica: 0 y¡+\ = y> + ~^ h Al sustituir la ecuación (26.1 Gráfica de una solución rígida de una sola EDO. Qui/fl pensaría que ellas podrían usar pasos pequeños durante las partes transistorias rápidas y grandes pasos para las otras. se puede usar este criterio con el fin de mostrar que el tamaño de paso para mantener la estabilidad debe ser < 2/1 000 = 0. 11 — ah \ debe ser menor que 1.+i = y.4) La estabilidad de esta fórmula sin duda depende del tamaño de paso A.-1 . Para la parte transitoria rápida de la ecuación (26. aunque ocurra la parte transitoria para sólo uiin pequeña fracción del intervalo de integración. debería observarse que mientras el criterio mantenga estabilidad (CN decir.764 M É T O D O S RÍGIDOS Y DE MULTIPASO 3 y 2 1! i 0 2 4 x 0 ' FIGURA 26. un tamaño de paso aún más pequeño pudiera ser requerido para obtener una solución exacta. Es decir. | y. Aunque la solución parece comenzar en 1. usted podría suponer que las rutinas adaptativas de tamaño de paso descritas al final del capítulo podrían ofrecer una solución para este dilema. Esta forma transitoria es perceptible sólo cuando la respuesta es vista sobre una escala más fina en el origen.ah) (26.o y i+l -ay¡h = y¡{\ . Sin ahondar mucho. éste controla el máximo tamaño de patín permitido. la solución e n y asintóticamente se aproxima a cero.3) se tiene y.

Si se sustituye la ecuación (26.2a junto con la solución analítica. ÉL = dt Use ambos métodos: el explícito y el implícito para resolver -1 OOOy + 3 000 . Sol U C I O N . + ) = y.0015) la solución manifiesta oscilaciones.005 se despliega en la figura 26. + 1 a) = .1 000y¡ + 3 000 . de A esto se le llama método de Euler hacia atrás o implícito. En contraste. + 3 OOO/i . Usando h > 0. tendería al infinito en tanto progresa la solución. Para este problema. El método de Euler implícito es y. + ( . cuando se aumenta el tamaño de paso a un valor justo debajo de la estabilidad límite (h = 0.5) 1 +ah Para este caso.2 000Í?-' Í + 1 )¿ Ahora como la EDO es lineal. a) Use el método de Euler explícito con tamaños de paso de 0. . sin importar el tamaño de paso. + i = V Í ay h i+y la cual se puede resolver para y¡ y¡+\ = (26. b) Use el método de Euler implícito con un tamaño de paso de 0. Se puede desarrollar una forma implícita del método de liuler al evaluar la derivada en el tiempo futuro.2 000e~ dondey(O) = 0. podemos reordenar esta ecuación de tal forma que y¡ | esté aislada en el lado izquierdo. el método de Euler explícito es y.3) se obtiene y. los métodos implícitos ofrecen un remedio alternativo.V/+1 iinplia'tus. es decir. + ( .2 OOOe~'0A y b) El resultado para h = 0.05 para resolver a y entre 0 y 0.T U Kn lugar de tmnr procedimientos explícitos. y. \y¡\ —. De ahí que el procedimiento es llamado incondicionalmente estable.1 0 0 0 y l + 1 + 3 000 . 1 Euler explícito e implícito Enunciado del problema.0 como i .0015 para resolver a y entre / = 0 y 0.002 daría como resultado una solución por completo inestable.0005 y 0. el resultado captura la forma general de la solución analítica. Tules representaciones se denominan cógnita aparece en ambos lados de la ecuación.006. Aunque exhibe algún error de truncamiento. EJEMPLO 2 6 .» °°.4.2 000/K? '"' I + I 000/1 .

6a) ^ dt = lOOyi . 9 6 e . Observe que aun cuando usamos un tamaño de paso mucho mayor que aquel que ha inducido inestabilidad en el método de Euler explícito.7/») Advierta que los exponentes son negativos y difieren por cerca de 2 órdenes de magni tud.7«) y.0.2b junto con la solución analítica. la solución exacta es (26.0015 FIGURA 26.3 9899 ' .301y 2 (26.99c- 3 0 2 - 0 1 0 1 (26. . Los sistemas de EDO pueden también ser rígidos.05 se despliega en la figura 26.82.29 yy (0) 2 = 83. = 5 2 . Un ejemplo es d J± = _ 5 y . la solución numérica ajusta muy bien sobre el resultado analítico.766 MÉTODOS RÍGIDOS Y DE MULTIPASO n = 0. + 3 v dt 2 (26. son los exponentes grandes los que responden rápida mente y son el corazón de la rígidas del sistema.67c- 302 - 0101 ' ' y = 17. Como con la ecuación simple.6/0 Para las condiciones iniciales y ^0) = 52.2 3 9899 ' + 65.83e.2 Solución de una EDO "rígida" con los métodos de Euler o) explícito y b) implícito. El resultado para h = 0.

éste es quizás el método más favorecido para resolver sistemas rígidos. se paga el precio en forma de complejidad agregada a la solución. Como resultado.. 2> ( 2 6 ./ i)A 2 + Al agrupar términos se tiene (1 + 5h)y u¡+i . Así./+i)fc 2 (26. Los métodos rnultipaso explorados en este capítulo aprovechan esta información para resolver las EDO.3a). La curvatura de las líneas que conectan esos valores previos proporcionan información con respecto a la trayectoria de la solución. Se hacen intensos esfuerzos para desarrollar software que implemente en forma eficiente los métodos de Gear. la solución ahora es más difícil.+i = yi. !+1 . una vez empezado el cálculo. presentaremos un método simple do segundo orden que sirve para demostrar las características generales de loi procedimientos rnultipaso. podemos ver que el problema consiste en resolver un conjunto de ecuaciones simultáneas por cada paso de tiempo.301y .5).¡ + (100>'I. Antes de describir las versiones de orden superior. r fl^Mff<VMULTIPA5Q Un método implícito de Euler para sistemas puede ser formulado para el actual ejemplo como y u + i = y\. se basan en el conocimiento de que. aunque « o gana estabilidad a través de procedimientos implícitos. Rosenbrock y otros proponen algoritmos Runge-Kutta implícitos donde los términos k aparecen implícitamente.Z O . 9 6 ) Así.i+¡ 2 = yi. 9 a ) ( 2 6 .3hy . Es usualmente deseable tener métodos de orden superior. Procedimientos alternativos. llamados métodos rnultipaso (véase figura 26.2 +1 -100/2y u+1 + ( 1 + 301/z)y . i + 1 ¡+l . MÉTODOS MULTIPASO Los métodos de un paso descritos en las secciones anteriores utilizan información en un solo punto x¡ para predecir un valor de la variable dependiente y en un punto futuro x (véase figura 26. se tiene información valiosa de los puntos anteriores y está a nuestra disposición.8a) (26M) y2. El método de Euler implícito es incondicionalmente estable y exacto para el primer orden. Es también posible desarrollar de manera similar un esquema de integración para la regla trapezoidal implícita exacta de segundo orden para sistemas rígidos.5 y u + i + 3y . Además. Gear (1971) desarrolló una serie especial de esquemas implícitos que tienen límites de estabilidad mucho mayores basados en las fórmulas diferenciadas hacia atrás. =y . Las fórmulas de Adams-Moulton descritas más tarde en este capítulo pueden también usarse para determinar métodos implícitos de orden superior. Esos métodos tienen características buenas de estabilidad y son bastante adecuados para resolver sistemas de ecuaciones diferenciales ordinarias rígidas. Sin embargo. Para EDO no lineales. los límites de estabilidad de tales procedimientos se hallan muy limitados cuando se aplica a sistemas rígidos.¡ + ( ..3*3). ya que involucra resolver un sistema de ecuaciones simultáneas no lineales (recuerde la sección 6.

progcdcr a una deducción formal del método dt s . 2h. Como se ilustra en la figura 26. y . Esto se puede cumplir al usar el método de Euler y la pendiente eny .3 Ilustración gráfica de la diferencia fundamental entre los métodos para resolver EDO o) de un paso y b) de multipasos.'). Tal valor podría no estar disponible en un problema común de valor inicial. +/(.10) yf = yi + f(x )h hyi y la regla trapezoidal como un corrector [véase ecuación (25.-. la derivada estimada en la ecuación (26. pues tiene el error más grande. y una información extra del punto anterior Y¡__ como en 3 ( ] y. Además. X /+1 X a) 26. En consecuencia. " i ) f+ + A = yi + (26. v i .') Observe que la ecuación (26.11) y (26. una forma para mejorar el método de Heun es mediante el desarrollo de un predictor que tenga un error local de 0(h ).768 FIGURA 26. el predictor y el corrector tienen errores de truncamiento local de 0(h ) y <9(/. IB»F#DI . ya que involucra un valor previo de la variable dependiente y¡_. observe que la ecuación (26. Esto sugiere que el predictor es el enlace débil en el método. no autoinicio.Y . A causa de ello. las ecuaciones (26.y /)2 /i (26._. y.v.-.16)]: /(. esta ubicación centrada mejora el error del predictor a 0(.15)]: (26..h ). Sin embargo.1 +i EF M É T O D O D E H E U N D E N O autoínicío Recuerde que el procedimiento de Heun usa el método de Euler como un predictor [vea se ecuación (25.12) alcanza 0(h ) a expensas de emplear un tamaño de paso más grande.1 2 Así.4. Como se demostrará después.12) no es de autoinicio.-) + / ( . Esta debilidad es significativa debido a que la eficiencia del paso corrector iterativo depende de la exactitud de la predicción inicial.12) son llamadas método de Heun de. respectivamente.1.2.12) s c < localiza ahora en el punto medio más que al inicio del intervalo sobre el cual se hace In predicción.

= y*_ ..2 Muimso ».15) .\ A l.. y¡L..14) donde los superíndices se agregaron para denotar que el corrector se aplica iterativamente dey — l a ni para obtener soluciones refinadas. b) La regla trapezoidal que se emplea como un corredor Heun de no autoinicio. M FIGURA 26..í (paray = 1.Hx . + f(x„ y"¡)h 1 + ^ ^ Mi&#.13) i (26..4 Una ilustración gráfica del método de Heun de no auloinicio.26. Observe que y " y y"L\ son ios resulta dos finales de las iteraciones del corrector en los pasos de tiempo anteriores.2. m) (20. iteraciones son terminadas en cualquier paso de tiempo con base en el criterio de paro 1 L i n \>„\ - '/ 1 i\ i i 11)0% (26. a) El método de punto medio que se usa como un predictor. Pendiente .. resumiremos el método y lo expresaremos usando una nomenclatura ligeramente modificada: Predictor: Corrector: y%.

el predictor es y» = 2+ [4<?°' 8(l) .360865)] 2 = 13.13) a la (26. como aquí tratamos conunmétodo demultipaso. Puede determinarse un estimado de error aproximado usando la ecuación (26.360865 (e. como el valor del predictor inicial es más exacto.5(2)] 2 = 5. el método de multipaso converge a una razón algo más rápida.13)] se usa para extrapolar linealmente ele x — — 1 a i = 1.Sy d e x = 0 a x = 4 usando un tamaño de paso de 1.92%. u v EJEMPLO 2 6 . o iteraciones subsecuente* .13. = 6. = 18%)) que fue calculada con el método de Heun original. y = m.5(6. = —2. Para el segundo paso. •1 = 6. Sin embargo.68%).15): t 6.76693 (e.14)] es entonces usado para calcular el valor: 4e o.5.607005 El corrector [véase ecuación (26. Use el método de Heun de no autoinicio para realizar los mismos cálculos igual que en el ejemplo 25.0.14) se puede aplicar de manera iterativa hasta que e esté por debajo de un valor preespecificado de e .607005). El predictor [véase ecuación (26.18% incurrido en el Heun de auto inicio. Es decir.8x Solución.73% (valor verdadero = 6.3929953 + [ 4 e ° ' 8(0) .8%). 2 Método de Heun de no autoinicio | \ I ¡ | Enunciado del problema. El primer corrtetorda. integrar y' — 4e° — O. En este punto. las iteraciones convergen sobre un valor de 6. la ecuación (26. Como cu el ejemplo 25.194631).313749-6.7% a La ecuación (26.8(0) _ 0. Sin embargo.14) se puede aplicar de manera iterativa para mejorar la solución: y\ = 2 + 3 + 4 e o.770 M É T O D O S RÍGIDOS Y DE MULTIPASO Cuando e es menor que una tolerancia de error e preestablecida.313749 s 100% = 3.43% que es superior a la predicción de 12.5(6. la condición inicial enx = 0 es y — 2.08260 ( E .549331) 1 = 6.549331 6.15) para resolver una EDO se demuestra en el siguiente ejemplo.549331 la cual representa un error relativo porcentual de —5. Este error es algo más pequeño que el valor de —8. .3929953 1 en x = — 1.5(5.5 mediante el método de Heun.5). El uso de las ecuaciones (26.0. requerimos la información adicional de que y = —0.5(2) + 4 e 0 8 ( 1 ) . Ahora.8(i) _o.313749 que representa un e de —1. Como fue el caso con el método de Heun (recuerde el ejemplo 25.44346 F. se terminan las iteraciones.0.0. y? = -0. = 9.

. y. con base en un valor previo de y¡ y la ecuación diferencial. El ejercicio también es útil porque proporciona un procedimiento simple para desarrollar métodos de multipaso de orden superior y estima sus errores.16) representa una solución a la EDO si la integral puede ser evaluada. Esta deducción es en particular interesante porque vincula las ideas del ajuste de curvas. proporciona un medio para calcular un nuevo valor de la variable dependiente y . de la integración numérica y de las EDO. Es decir. /'...16) se tiene . Como con el P O N O anterior. . La deducción se basa en resolver la EDO general d — = f(x. el error de truncamiento puede tomarse directamente de la tabla 21.-) + f{x .y)dx + (26.21)]: y¡+i=y.26. y¡+\ = y¡ + 2 i+] y..3)] se puede usar para evaluar la integral. f(x¡.17) donde h = x — x¡ es el tamaño de paso.2.y) l+ x dx = h (26./ ' Y U ) (26. como en i+ f(x. Como ésta se basa en la regla trapezoidal. Por ejemplo.17) en la ecuación (26.y) dx Esta ecuación se puede resolver al multiplicar ambos lados por dx e integrando entre los límites iei + 1: / y fi ^ ry¡+\ dy = r ¡+\ f(x.2 MÉTODOSMULTiBMO iU convergen sobre el mismo resultado como uc obtuvo con el método de Heun de autoinicio: 15. IWUm^ m Deducción y análisis del error de las fórmulas del psedictor-corrector. la regla trapezoidal [véase ecuación (21. y ) dx x El lado izquierdo se puede integrar y evaluar mediante el teorema fundamental [recuerde la ecuación (25. Al sustituir la ecuación (26. (t:.18) donde el Muperfndice c designa que eslo ON el error del corrector. Ya emplea- mos conceptos gráficos para deducir el Heun de no autoinicio. Las fórmulas de integración numérica como las que se desarrollaron en el capítulo 21 proporcionan una manera de hacer esta evaluación.30224 —3. + J Í ' ' f(x.•• ¡ l'\ (^) 0) 2 = .-+i) la cual es la ecuación corrector para el método de Heun.1%).16) La ecuación (26. la razón de convergencia del corrector ha sido mejorada debido a la mejor predicción inicial. Ahora mostraremos cómo las mismas ecuaciones se pueden deducir matemáticamente.

el error de truncamiento local puede estimarse durante el curso de un cálculo.772 MÉTODOS RÍGIDOS Y DE MULTIPASO Un procedimiento similar puede ser usado para deducir al predictor.1)] í + I Valor verdadero — y° ¡+l + .19) se obtiene y i + i = y..20) en la ecua ción (26.y.y)dx (26.y)dx = 2hf(x .'.hy 3 3 0) (<? ) (26. .' I ) Dicho error estimado se puede combinar con el estimado d e y del paso predictor pata dar [recuerde nuestra definición básica de la ecuación (3. ) 1 (20. y) dx que se puede integrar y rearreglar para obtener y \=y¡-\+¡ i+ f{x.. Esto es una tremenda ventaja. Si el predictor y el corrector de un método multipaso son del mismo orden. Además de actualizar la exactitud del predictor.U) . más que usar una fórmula cerrada de la tabla 21. el predictor y el corrector para el método de Heun de no autoinicio tiene errores de truncamiento del mismo orden. los limites de integración van de / — 1 a / +• l: Jy¡-\I J *¡-\ /'Vi II /•»'/ + ! / dy = f{x. Así. Como con el corrector. Sustituyendo la ecuación (26.) i (26..2. El error de truncamiento local para el predictor se estima con la ecuación (26.18)] se puede combinar con el resultado del corrector v¡. el error estimado para el corrector [véase EEIIIUMII (26. para dar Valor verdadero i * ™ . el error de truncamiento local se puede tomar directamente de la tabla 21.4) se puede usar para evaluar la integral. Para oslo caso.20) la cual es llamada método de punto medio.21) donde el subíndice p designa que éste es el error del predictor.-_i + 2hf(Xj.. como se elabu rara en la siguiente sección.. ya que establece un criterio para el ajuste del tamaño de paso. la primera fórmula de integra ción abierta de Newton-Cotes (véase tabla 21. V l ' "^ .4: E = P Vy'(?) = 3 P \lyfiHp) (26. Estimación DE ERRORES.yj) el cual es el predictor para el Heun de no autoinicio. como en f{x. este hecho tiene beneficios adicionales relacionados con el análisis del error.19) Ahora.!) Mediante un procedimiento similar.

con la = (26. por tanto.26) proporciona una base racional para el ajuMe del Inmuno de paso durante el curso de un cálculo.302.0 . respectivamente. E.360865. Estos valores se pueden sustituir en la ecuación (26.360865 = -0.6.^ (26.44346 = que también se compara favorablemente con el error exacto. = 6.26) para dar í + 1 £ c = .6 3 6 0 8 6 5 ¡ 5 ^ = . En x = 1.843992 — 15. como en 0 _ . E.. Use la ecuación (26.m i '+y -±h v '(^) 19" 5 E.25) excepción del argumento de la tercera derivada.607005 y el corrector da 6.2. y x rearregla el resultado se tiene (20. = _ 15-30224-13.La ecuación (¿h.24) ( + 1 .30224.í) para dar < > v. Lo fácil con que puede eslimuiíto el error mediante la ecuación (26. 1 5 0 7 7 22 la cual se compara bien con el error exacto.. i+ +1 Estimación del error de truncamiento por paso Enunciado del problema. v. la cual se usa para calcular ¡ + 1 £ t . Ahora. que son de rutina subproductos del cálculo.26) Así.44346 y la trayectoria da 15. = .1662341 Enx = 2.i. ^//V'IS) donde ¿.2..26) para estimar el error de trunca miento por paso del ejemplo 26. Si no hay una variación apreciable sobre el intervalo en cuestión.18) y (26.i) puede s e r restada de lii ecuación (2<>.4583148.84392. llegamos a una relación que puede ser usada para estimar el error de truncamiento por paso con base en dos cantidades [el predictor (y° ¡) y el corrector ( y ™ ) ] . si se divide la ecuación (26.M = -0.194631 . los lados izquierdo deberían ser equivalentes. podemos suponer que los lados derecho son iguales y.'". = 14. el predictor da 13. I'or .24) entre 5 y se 5 >.". el predictor de 5. Solución. está ahora entre x¡_.194631 y 14. Observe que los valores verdaderos e n x = 1 y 2 son 6.25) son idénticos. + 1 } 3 (y Observe que los lados derecho de las ecuaciones (26.

29) que se puede usar para modificar el resultado del predictor y . la ecuación (26. Sin embargo. Vuelva a calcular el ejemplo 26.3.27) es llamada modificador corrector.28) la cual. podríamos reducir el número de iteraciones requerido para convergir sobre el último valor del corrector.30)] requiere valores de una iteración previa.607005. debería percatarse que además de proporcionar un criterio para el ajuste tamaño-paso. puede agregarse directamente a y para refinar el estimado aún más: ¡ + 1 i+x y y i+i m — y° (26. ) .27) <. Primero. suponiendo quey (^) = y ( ^ . al usar el resultado del paso previo en /. el número de iteraciones del corrector es altamente dependiente de la exactitud de la predicción inicial.21) para dar E = P l(y?-y?) (26. Esto es ventajoso debido a que.< y . Como en el ejemplo 26. como se observó al inicio de esta sección. 4 i j Efecto d e modificadores sobre los resultados predictor-corrector Enunciado del problema.se lee como "es remplazado por".5.774 MÉTODOS RÍGIDOS Y DE MULTIPASO ejemplo. debemos observar otras dos formas en las cuales el método de Heun de no autoinicio puede hacerse más exacto y eficiente.5) se puede resolver para + x h^M^-^yf-y?) <3) (3) (26. Solución.3 usando los modificadorcn como se especifican en la figura 26. Antes de analizar los algoritmos de cómputo.30) EJEMPLO 2 6 . si la ecuación (26. Tal modificador puede deducirse en forma simple al suponer que la tercera derivada es relativamente constante de un paso a otro. el tamaño de paso podría ser disminuido.26) representa una estimación numérica de la discrepancia entre el valor final corregido en cada p a s o y y el valor verdadero. En consecuencia. (El símbolo « . el predictor inicial resultante es 5. la ecua- . 0 + 1 0 + 1 +í ( y r y . Ya que el modificador del predictor [véusc ocuución (26. no es posible emplearlo para mejorar este resultado inicial. Por tanto.y i i+ La ecuación (26. el cual se designa para ajustar el resultado predictor de tal forma que esté más cerca del valor convergente final del corrector. ° ) (26.26) indica que el error es mayor que un nivel aceptable. la ecuación (26.) El lado izquierdo es el valor modificado de y"¡ . se pueda sustituir en la ecuación (26. Una segunda mejora que relaciona más la eficiencia del programa es un modificador predictor. Así. Modificadores. si la predicción es modificada adecuadamente.

En otras palabras.) 0 a u } E r r o r del corrector e s t i m a d o : (Si el cálculo continúa. asigne / = / + 1 y repita el corrector. . h n para / = 1 a iteraciones máximas m) 2 Verificación de e r r o r : 100% VÍ .360865) en el predictor. Sin embargo. Observe que es posible usar la estimación del error del corrector para modificar el corrector. ^ = 6.3. La estimación del error del corrector está incluida debido a su utilidad para el ajuste tamaño de paso.27) se puede usar para modificar el valor corregido de 6. + 778 + f|x„ ^ 2 h + u (Guarde el resultado como y° i = M o d i f i c a d o r predictor: . el modificador no se incluye en este algoritmo. el predictor [véase ecuación (26.210093 en lugar de 6.5(6.5.) FIGURA 2 6 .26.13)] se usa para calcular y° = 2 + [ 4 e a 8 ( 0 ) .6%.59423 e. t como en y? = 6. guarde el resultado como )/£. = y? f[x. = —0.210093)] 2 = 13.2 *toD06MUmnASO Pradlcton y° .360865 (e = —2. Para la siguiente iteración.25%.. = 8 .360865 6. Así. = y% . ción (26.210093 n n n el cual representa un e. el error se reduce un orden de magnitud. 5 La secuencia de fórmulas usadas para implementar el método de Heun de no autoinicio.684%). como esto puede afectar la estabilidad del corrector. y?) + f\x u y ^ i ) .-1 (Si le l > criterio de error. donde el subíndice u designa que la variable es no modificable) Corrector: y*^. los errorea propagado y global se reducen por In inclusión del modificador corrector.360865 .0. asigne /'=/'+ 1 y regrese al predictor. si e < criterio de error. Esta mejora ocurre debido a que utilizamos aquí un estimado superior de y (6.42% el cual es casi la mitad del error del predictor para la segunda iteración del ejemplo 26. que fue de e¡ = 18.607005 „ „.

5. 1963). Esta modificación no tiene efecto en la salida final del subsecuente paso corrector. la única forma práctica para asegurar la magnitud dol error global es comparando los resultados para el miimo problema pero con un t u a | | % é b t f i q a la mitad. — —2. reduce el error a la mitad. como la razón o eficiencia de convergencia depende de la exactitud de la predicción inicial. 3 0 % De nuevo.27): y'¡' = 15.2 Control del t a m a ñ o de paso y p r o g r a m a s de cómputo Tamaño de paso constante. este resultado se puede modificar usando la ecuación (26. el corrector modifica dor puede todavía tener utilidad para el control de tamaño de paso. Además. Así. .0 .MÉTODOS RÍGIDOS Y D E M U L T I P A S O Ahora debido a que tenemos información de la iteración anterior. La implementación del corrector da un resultado de 15.3 debido a la reducción del error global.88827 e. No obstante.21178 (e. Por último. Sin embargo.59423 + -(6.21178 . Como se hizo con los otros métodos para las EDO. como es el caso para la versión no modificada. En general. el cual representa una mejora sobre el ejemplo 26. el error se redujo un orden de magnitud. Es relativamente simple desarrollar una versión tamano de paso constante del método de Heun de no autoinicio. Como en el ejemplo anterior.(0) se puede emplear para modificar el predictor. como en y' = 13. se debe elegir un valor <le h antes del cálculo. como se analizará después.5. Sin embargo. el corrector modificador efectivamente incrementa el orden de la técnica. como se emplea un tamaño de paso constante.21178 15. el tamaño de paso debería ser tan grande como sea posible para minimizar el costo de ejecución y el error de redondeo. el método de Heun de no autoinicio sin modificadores es de tercer orden más que de segundo orden.19732 1 4 = 4.360865 . el corrector por último convergerá sobre la respuesta correcta.30% lo cual. debe ser lo suficientemente pequeño para dar un error de truncamiento lo más pequeño posible. En particular. la ecuación ( ¿6. la experiencia indica que un tamaño de paso óptimo debe ría ser lo suficientemente pequeño para asegurar la convergencia con dos iteraciones del corrector (Hull y Creemer.. = . la modificación puede reducir el número de iteraciones requerido para la convergencia. Sin importar si se usan los predictores modificados o no modificados. Además.13.2. 26. de nuevo. Al mismo tiempo. La única complicación es que se requiere de un método de un paso para generar el punto extra necesario para comenzar el cálculo.48%).607005) = 14. la inclusión de los modificadores incrementa tanto la eficiencia como la exactitud de los métodos multipaso. debería observarse que hay sitúa ciones donde el corrector modificador afectará la estabilidad del proceso de iteración del corrector.59423 = 14. el modificador no se incluye en el algoritmo de Heun de no autoinicio bosquejado en la figura 26. Como consecuencia.

Como se ilustra en la figura 26. la diferencia fundamental entre las fórmuhiN de Newton-Cotes y las de Adams se relaciona con la manera en la cual se aplica ln integral para obtener la solución. Esta integral se usa entonces para proyectar desde el inicio del intervalo hasta el final. Sin embargo. c) duplicando. 6 Una gráfica que muestra cómo la estrategia de disminuir a la mitad y duplicar el paso permite el uso de b) valores calculados previamente para un método multipaso de tercer orden. ejemplo. las fórmulas de Newton-Cotes estiman la integral sobre un intervalo que abarca varios puntos. las fórmulas de Newton-Cotes de orden superior desarrolladas en el capítulo 21 se podrían usar para este propósito.1b) Fórmula» de Newton-Cotes. Antes de hacer una descripción de esos métodos de orden superior. Alguna* de las fórmulas más conocidas para resolver •0UI0Í9MI diferenciales MrdlMafelatlifcMUl en el ajuste de una i n t a r n o l a o i A n Am . Como se mencionó antes. revisaremos his fórmulas de integración más comunes sobre las cuales están basadas. la primera de éstas son las fórmulas de Newton-Cotes. 26.778 MÉTODOS RÍGIDOS Y DE MULTIPASO FIGURA 2 6 .7a. En contrae te. Esta integral HC usa entonces para proyectar a través de este último segmento. Como se ilustra en la figura 26. las fórmulas de Adams (figura usan un conjunto de puntos de un intervalo para estimar únicamente la integral para el último segmento en el intervalo. a) Disminuyendo a la mitad.7. hay una clase llamada fórmulas de Adams que también revisaremos y que a menudo resultan elegidas .

\ (26. b) Las fórmulas de Adams usan una serie de puntos para obtener la estimación de la integral para un solo segmento.(x)il.y)dx FIGURA 26. Como se analizó antes en el capítulo 21. La estimación se usa después para proyectar a través de todo el rango. Para n puntos igualmente espaciados.2 H^08MULTIB».31) ..26.7 Ilustración de la diferencia fundamental entre las fórmulas de integración de Newton-Cotes y Adams. polinomios de n-ésimo grado con n + 1 valores conocidos de y y después con el uso de esta ecuación para calcular la integral. como se hizo antes para ln ecuación (26. J'. I ) . La ecuación general para este propósito es o V)| I - Y. las fórmulas de integración de Newton-Cotes se basan en tal procedimiento y son de dos tipos: formas abiertas y cerradas. El estimado después es usado para proyectar a través del segmento. Fórmulas abiertas. a) Las fórmulas de Newton-Cotes usan una serie de puntos para obtener un estimado de la integral sobre un número de segmentos.=y¡+ í \f(x. las fórmulas abiertas se pueden expresar en la forma de una solución de una EDO.SO f l f 'u.

33) se ilustra gráficamente en la figura 26. h. Se hace referencia a la ecuación (26.+\=y. La forma cerrada se puede expresar de manera general como y. la cual es equivalente a la regla trapezoidal. ' i •••] (7o. i ^ / . y¡).32) como el método de punto medio.35) se ilustra en la figiiia 26. Las fórmulas de Adams se pueden dedil cir en diferentes formas. I.8a. la ecuación diferencial evaluada en .35) que es equivalente a la regla de Simpson 1/3.-n+\+ I f„(x)dx (26.32) donde f¡ es una abreviatura para f(x¡. i /'(y. + -j{fi + f¡+\).v. = yi-i+2hfi (26. . Para n = 2. Fórmulas abiertas (deAdams-Bashforth). 3h y¡+i = y¡~2 + y (/i. y y¡. + f¡h + y / í 2 Fórmulas cíe Ádams. Muchos algoritmos de cómputo de uso generalizado para la solución de EDO por multipaso se basan en estos métodos. Por ejemplo.io) . y¡+\ = y. es decir. y. que se utilizó antes como predictor en el método de Heun de no autoinicio. para n = 1.-ii .+ fi-i) y para n = 3 y = _ + y ( 2 / . i paui + y/¡ 3 + ••• que también puede escribirse como /. Fórmulas cerradas.a evaluación de la irilcY de DE integración MULTIPASOabierta de Newton-Cotes de /i-ésimo orden (véase gral emplea la fórmula la tabla 21.v. Por ejemplo. Para n — 2.. si n = 1.34) donde la integral es aproximada por una fórmula de integración cerrada de Newton Cotes de «-ésimo orden (véase la tabla 21. „ ! + 2/}_ ) 3 2 Ah ¡ + x y í (26. Una técnica es escribir una expansión de la serie de Tayloi alrededor de x¡./ . El otro tipo de fórmulas de integración que es posible usar resolver las EDO son las fórmulas de Adams.33) La ecuación (26.MÉT0D0S_Rl_GIDOS y i+l dondef„(x) es una interpolación polinoinial de n-ésinio orden. La ecuación (26.86. y.2). y¡+i = y.4). +] h + i = yi-i + + 4f¡ + f¡ ) (26.

8 o ) 1 / 3 ( 2 6 . agrupnndo términos.~ y .j t W'T • W) ./. .36).37) v.3 que se puede usar una diferencia hacia atrás para aproximur la derivada: f! = + 4+ + Olh ) 2 f h 2 la cual se puede sustituir en la ecuación (26. 3 3 ) ]y Recuerde de la sección 4. (26. h { /.(•]. i l = .Vi + + + 0(h ) 2 + -/.. i /.1.. ( 2 6 . + h - V.Ilustración gráfica de las fórmulas de integración de Newton-Cotes abierta y cerrada. .i v . + h 1 „ o. 3 5 ) ] . La fórmula abierta de tercer orden [véase ecuación b) la regla de Simpson [véase ecuación F G IU R A2 6 .

Es posible desarrollar fórmulas de Adams-Bashforth de orden superior al sustituir aproximaciones de diferencia superior en la ecuación (26.f+\ Al resolver p a r a y ¡ + 1 h + — se tiene - h ~ ~jr" "' + • • •) (26. Una serie de Taylor hacia atrás alrededor de x¡ se puede escribir como +l fi fu i 1 u2 i •'i' + l •'' + 1 1. Observe que la versión de primer orden es el método de Euler. Fórmulas cerradas (deAdams-Moulton).38) Los coeficientes fi se ilustran en la tabla 26.1.1 MÉTODOS RÍGIDOS Y DE MULTIPASO Coeficiente y t r r o r da truncamiento para predictores de Adams-Bashforth.3 i + y¡ = y<+\ .782 TABLA 26.36). la ecuación (26. En consecuencia.37) algunas veces es llamada segunda fórmula de AdamsBashforth. La fórmula de Adams abierta de w-ésimo orden puede ser representada por lo general como n-l yi i+ =y¡+h^2 <t=o k Mt-k + 0(h ) n+l (26. E r r o r do truncamiento local Ordan 1 0o 01 02 03 04 05 1 2 3/2 -1/2 3 23/12 -16/12 5/12 4 55/24 -59/24 37/24 -9/24 720 251/720 5 1 901/720 -2 774/720 2 616/720 -1 274/720 1 440 -475/720 1 9 0 8 7 6 4 277/720 -7923/720 9 982/720 -7 298/720 2 877/720 60 480 Esta fórmula es conocida comofórmula de Adams abierta de segundo orden.9a. Las fórmulas de Adams abiertas son referidas también como fórmulas de Adams-Bashforth. La versión de cuarto orden se ilustra en la figura 26.39) yt+i = y¡ +h(f i i+ + jf¡' +l Se puede usar una h diferencia 2 para aproximar la primera derivada: .

TABLA 26.2

Coeficientes y error de truncamltnto para predictores de Adams-Moulton. I r r o r de truncamiento local

Orden

p

0

/3,
1/2

0

2

0

3

0

4

0

5

1/2

5/12

8/12

-1/12

-—frVl(U
3
24 1/24 720 19/720 27 1 440 27/1440 863 60 480 106/720

12

9/24

19/24

-5/24

251/720

646/720

-264/720

475/1440

1427/1440

-798/1440

482/1440

-173/1440

/ if l' |)
7 6

la cual podrá sustituirse en la ecuación (26.39), y agrupando términos da 2 2 ')
f

f i + 1

+

y

~ 12

Esta fórmula es conocida como fórmula de Adams cerrada de segundo orden o segunda fórmula de Adams-Moulton. Observe también que es la regla trapezoidal. La fórmula de Adams cerrada de n-ésimo orden se puede escribir por lo general como
y¡+\ =

y¡+hJ2 Pkfi l-k rc-l k=0
+ k

+

0(h )
n+l

Los coeficientes ¡} se listan en la tabla 26.2. El método de cuarto orden se ilustra en la figura 26.96. 26.2.4 M é t o d o s m u l t i p a s o de o r d e n s u p e r i o r

Ahora que ya desarrollamos de manera formal las fórmulas de integración de Newton-. Cotes y Adams, podemos usarlas para deducir métodos multipaso de orden superior. Como ocurrió con el método de Heun de no autoinicio, las fórmulas de integración se aplican en serie como métodos predictor-corrector. Además, si las fórmulas abiertas y cerradas tienen errores de truncamiento local del mismo orden, es posible incorporar modificadores del tipo listado en la figura 26.5 para mejorar la exactitud y permitir el control del tamaño de paso. El cuadro 26.1 proporciona ecuaciones generales para esos modificadores. En la siguiente sección presentamos dos de los procedimientos multipaso de orden superior más comunes: el método de Milne y el método de Adams de cuarto orden. Método de Milne. El método de Milne es el más común de los métodos multipaso basado on las fórmulas de integración do Ncwton-Cotes. Usa la fórmula de NewtonC O I O H de tren puntos como un predictor:

784

MÉTODOS RÍGIDOS Y DE MULTIPASO

FIGURA

26.9

Ilustración gráfica de las fórmulas de integración de Adams abierta y cerrada, a) La cuarta fórmula de Adams-Bashforth abierta y b) la cuarta fórmula de Adams-Moulton cerrada.

( 2 / de T tres - /puntos T i + 2 (regla / £ ) de Simpson 1/3) como un y la fórmula +l cerrada de Newton-Cotes corrector:
T 2

y? = yr-3 +
¿ 1 = ^ + ^ 1 + ^

Ah

(26.40)

"

+

^

,

)

(26.41)

Los modificadores predictor y corrector para el método de Milne se desarrollarán u partir de las fórmulas del cuadro 26.1 y los coeficientes de error en las tablas 21.2 y 21.4: (26.42)

* P =

! ( * • - y ? )

« r - - 2 5 W "

+

| - r f | l )

(26.43)

Cuadro 2 6 . 1

Deducción d e relaciones generales p a r a modificadores Ahora, al dividir la ecuación entre r\ + V^JS^ multiplicar ol último término por 8JS y rearreglar se proporciona un estimado del error de truncamiento local del corrector
c p

I ,n relación entre el valor verdadero, la aproximación y el error tío un predictor puede representarse por lo general como Valor verdadero = y° , + ^ h"
H +

(B26.1.1)

E =
c

-

t] 8 + t] S
c p p

(B26.1.4)

c

donde r¡ y S = numerador y denominador de la constante del error de truncamiento para un predictor ya sea de Newton-Cotes abierto (tabla 21.4) o de Adams-Bashforth (tabla 26.1) y n es el orden.
p p

Para el modificador predictor, la ecuación (B26.1.3) se puedo resolver en el paso anterior por
h"y " \%)
l +l

= -

f r)t&p + rip8
S

(yf-yf)

c

Una relación similar se puede desarrollar para el corrector: Valor verdadero = f}

la cual podrá sustituirse en el término del error de la ecuación (B26.1.1) para dar
ripSc T) 8 + r¡pS
C P c

+x

- — A" y
+

, + 1 )

(| )
c

(B26.1.2)

(y?-y?)

(B26.1.5)

donde rj y 8 = numerador y denominador de la constante del error de truncamiento para un corrector ya sea de Newton-Cotes cerrado (tabla 21.2) o de Adams-Moulton (tabla 26.2). Como se bizo en la deducción de la ecuación (26.24), la ecuación (B26.1.1) se puede restar de la ecuación (B26.1.2) para dar
c C

o v+ ! y? " — - >/
m

r¡ + r}pS /Sp ,
c c

+1

( +1)

+l

Se

(?)

(B26.1.3)

Las ecuaciones (B26.1.4) y (B26.1.5) son versiones genéralo» de modificadores que se pueden usar para mejorar los algoritmo» multipaso. Por ejemplo, el método de Milne tiene r\ — 14, 8 •« 45, íj = 1, S = 90. Al sustituir estos valores en las ecuacione* (B26.1.4) y (B26.1.5) se obtiene las ecuaciones (26.43) y (26.42). Podrán desarrollarse modificadores similares para otros paren de fórmulas abiertas y cerradas que tengan errores de truncamiento local del mismo orden.
p p c c

EJEMPLO 26.5

Método de Milne

Enunciado del problema. Use el método de Milne para integrar}>'= 4e — 0.5y de x = 0 a x = 4 usando un tamaño de paso de 1. La condición inicial en x = 0 es y = 2. Como tratamos con un método multipaso se requiere de puntos previos. En una aplicación real, un método de un paso tal como un R K de cuarto orden podría usarse para calcular los puntos requeridos. Para el presente ejemplo, usaremos una solución analítica [recuerde la ecuación (E25.5.1) del ejemplo 25.5] para calcular los valores exactos en x¡_ = -2>,x¡_ = -2yx = - 1 de>>,._3 = - 4 . 5 4 7 3 0 2 , y¡_ = - 2 . 3 0 6 1 6 0 y>,_, = —0.3929953, respectivamente.
0Sx 3 2 Hl 2

Solución.

El predictor [véase ecuación (26.40)] se usa para calcular un valor e n * = 1: 4ÍD
e,

= 2.8%

y*} = - 4 . 5 4 7 3 0 + - y - [ 2 ( 3 ) - 1.99381 + 2(1.96067)] = 6.02272 El corrector [véase ecuación (26.41)] se emplea entonces para calcular i -0.3929953 + -[1.99381 + 4(3) + 5.890802] = 6.235210 -0.66%

Este resultado podrá sustituirse en la ecuación (26.41) para corregir el estimado en forma iterativa. Este proceso converge sobre un valor final corregido de 6.204855 (e, = -0,17%).

766

MÉTODOS RÍGIDOS Y DE MULTIPASO Este valor es más exacto que el estimado comparable de 6.360865 (e, = —2.68%) obtenido antes con el método de Heun de no autoinicio (véase los ejemplos 26.2 al 26.4). Los resultados para los pasos restantes sony(2) = 14.86031 (e = —0.11%), y(3) = 33.72426 (e = - 0 . 1 4 % ) yy(4) = 75.43295 (e = - 0 . 1 2 % ) .
t
(

t

Como en el ejemplo anterior, el método de Milne con frecuencia da resultados de alta exactitud. Sin embargo, hay ciertos casos donde su desempeño es pobre (véase Ralston y Rabinowitz, 1978). Antes de entrar en detalles sobre esos casos, describiremos otro procedimiento multipaso de orden superior (el método de Adams de cuarto orden). Método de Adams de cuarto orden. Un método popular de multipaso basado en las fórmulas de integración de Adams usa la fórmula de Adams-Bashforth de cuarto orden (véase la tabla 26.1) como el predictor:

y?

+l

= + *(§/, g/,-, +
m
yf' ~ y? +

f f, -2
m 4

-

¿/,

m 3

)

(26.44)

y la fórmula de Adams-Moulton de cuarto orden (véase la tabla 26.2) como el corrector:

yj

+ i

=

h(¿/¿i

1

+

f f,
4

m

-

¿ / T , + ¿/,-- )
2

(26.45)

Los modificadores predictor y corrector para el método de Adams de cuarto orden podrán desarrollarse a partir de las fórmulas del cuadro 26.1 y los coeficientes de error en las tablas 26.1 y 26.2 como
E

p

=

^ ( y " ' - y " )

(26-46) ( -47)
26

E - - — (v"< - v ° ) 270^ '
+ 1 + 1

EJEMPLO 2 6 . 6

Método de Adams de cuarto orden

Enunciado del problema. Use el método de Adams de cuarto orden para resolver el mismo problema que en el ejemplo 26.5. Solución. El predictor [véase ecuación (26.44)] se usa para calcular un valor e n * = 1.

'55 59 37 y® = 2 + l ( ^ 9.9 + +^ 1 ..9 6 0 6 6 7 - ^ 2 . 6 3 6 5 2 2 8 ) = 6.007539 —33 - ^ 1 .1 93 98 31 841 4 — ,24 24 24 24 3.1% que es comparable al resultado mediante el uso del método de Milne pero algo menos exacto. El corrector [véase ecuación (26.45)] se emplea entonces para calcular i = 2 +1
1

v

/ o 19 —5.898394 I 3 V24 24

5 1 \ — 1.993814 H 1.900666 = 6.253214 24 24 /

*, « - 0 . 9 6 %

¥

2é.l4HIPDn8MULTIfift80

ÍES?

ol cual en ilo nuevo comparable, pero monos exucto que ol resultado producto del método de Milne. linio resultado se puede sustituir en la ecuación (26.45) para corregir de muñera iterativo el estimado. E l proceso converge sobre un valor final corregido de 6.214424 (e, = 0.32%), que es un resultado exacto, pero otra vez algo inferior al que se obtuvo con el método de Milne.

Estabilidad de métodos multipaso. La exactitud superior del método de Milne exhibida en los ejemplos 26.5 y 26.6 podría anticiparse con base en los términos de error para los predictores [véase ecuaciones (26.42) y (26.46)] y los correctores [véase ecuaciones (26.43) y (26.47)]. Los coeficientes para el método de Milne, 14/45 y 1/90, son más pequeños que los de Adams de cuarto orden, 251/720 y 19/720. Además, el método de Milne emplea menos evaluaciones de la función para alcanzar esas altas exactitudes. De acuerdo con el valor, esos resultados podrían llevarnos a la conclusión de que el método de Milne es superior y, por lo tanto, preferible a los de Adams de cuarto orden. Aunque esta conclusión se cumple para la mayoría de los casos, hay ocasiones en las que el método de Milne se desempeña inaceptablemente. Tal comportamiento se exhibe en el siguiente ejemplo.
EJEMPLO 2 6 . 7 Estabilidad de los métodos de Milne y Adams de cuarto orden

| Enunciado del problema. j para resolver

Emplee los métodos de Milne y Adams de cuarto orden

FIGURA 26.10

Ilustración gráfica de la inestabilidad del método de Milne.

0.005

-

. Método de Milne Solución verdadera

«te» -urtii

788

MÉTODOS RÍGIDOS Y DE MULTIPASO

j con la condición inicial de que y = 1 e n * = 0. Resuelva esta ecuación de x = 0 ax = 10 usando un tamaño de paso de h = 0.5. Observe que la solución analítica es y = e~ . j /
x

|

i

Solución. Los resultados, como se resumen en la figura 26.10, indican problemas con el método de Milne. Poco después del inicio del cálculo, los errores empiezan a crecer y oscilar en signo. Para x = 10 el error relativo ha crecido al 2 8 3 1 % y el mismo valor predicho comienza a oscilar en signo. En contraste, los resultados para el método de Adams podrían ser mucho más aceptables. Aunque el error también crezca, lo haría a razón lenta. Además, las discrepancias podrían no exhibir los extraños cambios en signo expuestos por el método de Milne.

El inaceptable comportamiento manifestado en el ejemplo anterior por el método de Milne es referido como una inestabilidad. Aunque no siempre ocurre, tal posibilidad nos lleva a la conclusión de que el procedimiento de Milne debería evitarse. Así, el método de Adams de cuarto orden es normalmente el preferido. La inestabilidad del método de Milne se debe al corrector. En consecuencia, se ha hecho intentos para rectificar el defecto al desarrollar correctores estables. Una alternativa usada comúnmente que emplea este procedimiento es el método de Hamming, el cual usa el predictor Milne y un corrector estable:
i yi
i+

-

W

-y?-2

+ Hyti
8

+ fr
2

-

fr-i)

que tiene un error de truncamiento local:

El método de Hamming también incluye modificadores de la forma

£

< = - I 5 I « " « - A , )

El lector puede obtener información adicional sobre éste y otros métodos multipaso en muchas fuentes (Hamming, 1973; Lapidus y Seinfield, 1971).

PROBLEMAS
26.1 Dada — = —100 OOOy + 100 OOOe" ' - e~*
1

a) ^

dx

-UMMluclón de x - 0 a 2 mando un tamaño de paio de 0.1.

Estime el tamaño de paso necesario para mantener estabilidad mediante el uso del método de Eulcr explícito. Sl^(0) ~ 0, use el método de Euler implícito para obtener

P R O B L E M A S
26.2 Dada = 30(sen t - y) + 3 eos t

719
Use un tamaño de paño do 0.5 y valores iniciales dey(2.5) = 1.2, y(3) = 1,^(3.5) = 0.8571429 y y(4) = 0.75. Obtenga sus soluciones usando las siguientes técnicas: a) el método de Heun de no autoinicio (e = 1%) y b) el método de Adams de cuarto orden (e = 0.01%). [Nota: las respuestas exactas obtenidas de manera analítica son,y(4.5) = 0.6666667 y y(5) = O.6.] Calcule los errores relativos porcentuales s, para sus resultados. 26.7Resuelva el siguiente problema de valor inicial de x = 0 a x = 0.5:
s s

dt

Si y (0) = 1, use el método de Euler implícito para obtener una solución de x = 0 a 2 usando un tamaño de paso de 0.4. 26.3 Dada ^ í - = 999.x, + 1 999x dt
2

^ = 1 OOOx, - 2 000x, dt Si x (0) = x (0) = 1, obtenga una solución de t = 0 a 0.2 mediante un tamaño de paso de 0.05 con los métodos de Euler a) explícito y b) implícito. 26.4 Resuelva el siguiente problema de valor inicial sobre el intervalo que va de * = 2 a x = 3:
{ 2

Use el método de Heun de no autoinicio con un tamaño de paso de 0.25. Si y(-0.25) = 1.277355, emplee un método RK de cuarto orden con un tamaño de paso de 0.25 para predecir el valor de inicio eny(0). 26.8 Resuelva el siguiente problema de valor inicial deje = 1.5 a x = 2.5: dy_ _ -y dx 1+ x Use el método de Adams de cuarto orden. Emplee un tamaño de paso de 0.5 y el método RK de cuarto orden para predecir los valores de inicio si y(Q) = 2. 26.9 Desarrolle un programa para el método de Euler implícito para una sola EDO lineal. Pruébelo con los datos del ejemplo 26,1 b. 26.10 Desarrolle un programa por el método de Euler implícito para un par de EDO lineales. Pruébelo al resolver la ecuación (26.6). 26.11 Desarrolle un programa de uso amigable para el método de Heun de no autoinicio sin un modificador predictor. Emplee un método RK de cuarto orden para calcular los valores de inicio. Pruebe el programa con los datos del ejemplo 26.3. 26.12 Use el programa que desarrolló en el problema 26.11 para resolver el problema 26.7.

dx Use el método de Heun de no autoinicio con un tamaño de paso de 0.5 y condiciones iniciales dey(1.5) = 5.222138 yy(2.0) = 4.143883. Itere el corrector para e — 0.1%. (Nota: los resultados exactos obtenidos analíticamente son y(2.5) = 3.27388 y yQ.O) = 2.577988.] Calcule los errores relativos porcentuales verdaderos £, para sus resultados. 26.5 Repita el problema 26.4, pero ahora use el método de Adams de cuarto orden (e = 0.0\%). (Nota: y(0.5) = 8.132548yy(1.0) = 6.542609.] Itere el corrector con e = 0.01%. 26.6 Resuelva el siguiente problema de valor inicial de x = 4 a 5:
s s s

ÍL dx

=

_Z

x

CAPÍTULO 2 7 Problemas de valores en la frontera y de valores propios
De nuestro análisis al inicio de la parte siete, recuerde que una ecuación diferencial ordinaria se acompaña de condiciones auxiliares. Estas condiciones se usan para evaluar las constantes de integración que resultan durante la solución de la ecuación. Para una ecuación de n-ésimo orden, se requieren n condiciones. Si todas las condiciones se especifican en el mismo valor de la variable independiente, entonces estamos tratando con un problema de valor inicial (véase figura 27. la). Hasta aquí, el material de la parte siete se ha dedicado a este tipo de problema.

FIGURA

27.1

Problemas de valor inicial contra valores a la frontera. a) Un problema de valor Inicial donde todas las condiciones se especifican en el mismo valor de la variable independiente. b) Un problema con valores a la frontera donde las condiciones se especifican on diferentes valores de la variable independiente.

d!K

dy

2

dt

• W y,. y )
2
0

donde en f = 0, y, = y,

y y¡ =

y

20

Condiciones iniciales

donde en x = 0 , y = y

0

x=L,y

=y

L

Condición frontera

Condición frontera

Hn contraje, hay otra aplicación en la cual las condiciones no son conocidas en un solo punto, sino, más bien, son conocidas en diferentes valores de la variable independiente. Como estos valores se especifican a menudo en los puntos extremos o fronteras de un sistema, se les conoce como problemas de valores en la frontera (véase figura 27.16). Una variedad de importantes aplicaciones en ingeniería están dentro de esta clase. En este capítulo analizamos dos procedimientos generales para obtener su solución: el método de disparo y la aproximación por diferencias finitas. Además, presentamos técnicas para enfocar un tipo especial de problema de valores en la frontera: la determinación de valores propios. Por supuesto, los valores propios también tienen muchas aplicaciones que van más allá de las que involucran problemas de valores en la frontera. MÉTODOS GENERALES PARA PROBLEMAS DE V A L O R E S E N LA F R O N T E R A Se puede usar la conservación del calor para desarrollar un balance de calor para una barra larga y delgada (véase figura 27.2). Si la barra no está aislada en toda su longitud y el sistema se encuentra en estado estable, la ecuación resultante es ^+h'(T -T)=0
a 2

(27.1)

donde /¡'es un coeficiente de transferencia de calor (cm~ ) que parametriza la razón de disipación de calor con el aire circundante, y T es la temperatura del aire circundante (°Q. Para obtener una solución para la ecuación (27.1) se deben tener las condiciones en la frontera adecuadas. Un caso simple se presenta donde los valores de las temperaturas en los extremos de la barra se mantienen con valores fijos. Estos valores se pueden expresar matemáticamente como
a

T(0) = Ti T{L) = T
2

Con estas condiciones, la ecuación (27.1) se puede resolver de manera analítica mediante el cálculo. Para una barra de 10 metros con T = 20, T = 40, T = 200 y h' = 0.01, el resultado es
a x 2

FIGURA

27.2

Una barra uniforme no aislada colocada entre dos cuerpos de temperatura constante, pero diferente. Para este caso, I > 7 y í > T .
t 2 2 a

792

PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS

T = 73.4523é>

au

- 53.4523<T

au

+ 20

(27.2)

En las siguientes secciones, se resolverá el mismo problema usando procedimientos numéricos. 27.1.1 El método de d i s p a r o

El método de disparo se basa en convertir el problema de valor en la frontera en un problema equivalente de valor inicial. Posteriormente se implanta un procedimiento de prueba y error para resolver la versión de valor inicial. El procedimiento se puede ilustrar con un ejemplo.
EJEMPLO 27 .1 El método de disparo

Enunciado del problema. Úsese el método de disparo para resolver la ecuación (27.1), para una barra de 10 metros con h' = 0.01 m , T = 20, y las condiciones frontera
- 2 a

7(0) = 4 0

T(10)=200

Solución. Usando el mismo procedimiento que se empleó para transformar la ecuación (PT7.2) en las ecuaciones (PT7.3) y (PT7.6), la ecuación de segundo orden se puej de expresar como dos EDO de primer orden: — = i dx (E27.1.1)

i

%= ' -

h (T Ta)

(E27.1.2)

Para resolver estas ecuaciones, se requiere un valor inicial para z. Por el método de disparo, intuimos un valor (digamos, z(0) = 10). Entonces, la solución se obtiene integrando las ecuaciones (E27.1. 1) y (E27.1.2) simultáneamente. Por ejemplo, mediante un método RK de cuarto orden con un tamaño de paso de 2, obtenemos un valor en el extremo del intervalo de 7/(10) = 168.3797 (véase figura 27.3a), el cual difiere de las condiciones frontera de 7/(10) = 200. Por tanto, debemos hacer otra suposición, z(0) = 20, y realizar de nuevo el cálculo. Esta vez, se obtiene el resultado de 7(10) = 285.8980 (véase figura 27.36). Ahora, como la EDO original es lineal, los valores t z(0) = 10
7

7*(10) = 168.3797

I
|

z(0)=20

7/(10) = 285.8980

J están relacionados linealmente. Así, pueden ser usados para calcular el valor de z(0) que dé 71(10) = 200. Se puede emplear una fórmula de interpolación lineal [recuerde la eouaeión (18.2)] para este proeiiifc*

27. 1 '

MtPPCT OCNiRAttS PARA P^^éi^üCÉH' ÉNIA HttMliÁ 7W

FIGURA 27.3

El método de disparo: o) el primer "disparo", b) el segundo "disparo" y c) el "golpe" final exacto.

2 (0) = 10 +
v

——— (200 - 168.3797) = 12.6907 2 8 5 . 8 9 8 0 - 168.3797

í |

Entonces, este valor puede ser usado para determinar la solución correcta, como se ilustra en la figura 27.3c.

preoim il ente

Problema» no lineales de dos puntos. Para problemas no lineales con valores en la frontera, IB Interpolación lineal o extrapolación a través de dos puntos de solución no da como resultado una eitimación exacta de la condición a la frontera requerida p i n «luan/ar una solución exacta, Una alternativa es realizar tres aplicaciones del

794

PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS

método de disparo y usar una interpolación cuadrática del polinomio para eslimar la condición frontera adecuada. Sin embargo, es improbable que este procedimiento dé la respuesta exacta, y se necesitarían iteraciones adicionales para obtener la solución. Otro procedimiento para un problema no lineal implica reformularlo como un problema de raíces. Recuerde que la forma general de un problema de raíz es hallar el valor de x que haga que la función f(x) = 0. Ahora, usemos el ejemplo 27.1 para entender cómo se puede reformular en esta forma el método de disparo. Primero, reconocemos que la solución del par de ecuaciones diferenciales es también una "función" en el sentido que suponemos una condición en el extremo izquierdo de la barra, z , y la integración nos da una predicción de la temperatura en el extremo derecho, r . Así, podemos pensar en la integración como
0 1 0

TÍO

=

/(zo)
0

Es decir, esto representa un proceso por medio del cual una suposición de z da una predicción de T . Visto de esta manera, podemos ver que lo que deseamos es el valor de z que dé un valor específico de T . Si, como en el ejemplo, deseamos r = 200, podemos plantear el problema como
l0 0 w 1 0

200 = / ( z )
0

Al llevar la meta de 200 al lado derecho de la ecuación, generamos una nueva función, g(z ), que representa la diferencia entre lo que tenemos, f(x ), y lo que queremos, 200.
0 0

8(z )
0

= / ( z ) - 200
0

Si llevamos esta nueva función a cero, obtendremos la solución. El siguiente ejemplo ilustra el procedimiento.
EJEMPLO 2 7 . 2

El método del disparo p a r a problemas no lineales Enunciado del problema. Aunque sirvió para nuestros propósitos de probar un problema simple de valores en la frontera, nuestro modelo para la barra en la ecuación (27.1) no fue muy realista. Tal barra podría perder calor por mecanismos tales como la radiación, que son no lineales. Supóngase que la siguiente EDO no lineal se usa para simular la temperatura de ln barra calentada: dT
2

donde h " — 5 X 10~ . Ahora, aunque todavía no es una muy buena representación de ln transferencia de calor, esta ecuación es lo suficientemente clara para permitirnos ilustrar cómo se puede usar el método del disparo para resolver un problema no lineal de diw puntos con valores en la frontera. Las condiciones restantes del problema son las que se especifican en el ejemplo 27.1.
8

Ix

1

h"(T

a

-T)

4

= 0

lab

Solución. L a ecuación de segundo orden se puede expresar como dos EDO de primor orden!" • • • ' • • • U W M *«M< I « V < 1

i
i

i

dT dx

_

^-= "(T-T )*
h a

í

1 ¡ | ! |

Ahora, estas ecuaciones se pueden integrar usando cualquiera de los métodos descritos en los capítulos 25 y 26. Usamos la versión de tamaño de paso constante del procedimiento RK de cuarto orden descrito en el capítulo 25. Pusimos en práctica este procedimiento como una función macro de Excel escrita en Visual BASIC. La función integró las ecuaciones con base en un valor inicial para z(0) y dio el resultado de la temperatura en x = 10. La diferencia entre este valor y la meta de 200 se introdujo después en una celda de la hoja de cálculo. El Solver de Excel se utilizó entonces para ajustar el valor de z(0) hasta que la diferencia fuera cero. El resultado se muestra en la figura 27.4 junto con el caso lineal original. Como se esperaba, el caso no lineal está más curvado que el modelo lineal. Esto se debe a la cuarta potencia en la relación de transferencia de calor. El método de disparo se vuelve difícil para ecuaciones de orden superior, donde la necesidad de suponer dos o más condiciones hace algo más difícil el procedimiento. Por estas razones, se dispone de métodos alternos, que se describen a continuación. 27.1.2 Métodos por diferencias f i n i t a s

Las opciones alternas más comunes del método de disparo son los procedimientos por diferencias finitas. En estas técnicas, las diferencias divididas finitas se sustituyen por las derivadas en la ecuación original. Así, una ecuación diferencial lineal se transforma en un conjunto de ecuaciones algebraicas simultáneas que pueden ser resueltas usando los métodos de la parte tres.

PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS

Para el caso de la figura 27.2, la aproximación por diferencias divididas finitas para la segunda derivada es (recuerde la figura 23.3)
dT
2 =

r,-

+ 1

-2r,+r,_

1

dx

2

Ax

2

Esta aproximación se puede sustituir en la ecuación (27.1) para dar

Agrupando términos da -Ti-! +(2 + h'Ax )T¡
2

- Ti
i+

= h'Ax T
2

a

(27.3)

Esta ecuación es válida para cada uno de los nodos interiores de la barra. Para los nodos interiores primero y último, T _ yT , respectivamente, se especifican por las condiciones frontera. Por tanto, el conjunto resultante de ecuaciones algebraicas lineales será tridiagonal. Como tal, se puede resolver con los eficientes algoritmos de que se dispone para tales sistemas (véase la sección 11.1).
t x ¡+l

EJEMPLO 2 7 . 3

Aproximación por diferencias finitas de problemas con valores a la frontera

j \

Enunciado del problema. Use el procedimiento por diferencias finitas para resolver el mismo problema del ejemplo 27.1. Solución. Empleando los parámetros del ejemplo 27.1, podemos escribir la ecuación (27.3) para la barra mostrada en la figura 27.2. El uso de cuatro nodos interiores con un segmento de longitud Ax = 2 metros, da como resultado las siguientes ecuaciones: [2.04 -1 0 0 -1
[_

; •

o

-1 2.04 -1 0 2.04 0

0 -1 2.04 -1 -1 -1

0 0 -1 2.04 2.04

Ti T Tz T
2 A

40.8 0.8 0.8 200.8

las cuales se pueden resolver para {T}
T

= L 65.9698

93.7785

124.5382

159.4795 J

La tabla 27.1 proporciona una comparación entre la solución analítica [véase ecuación (27.2)] y las soluciones numéricas obtenidas en los ejemplos 27.1 y 27.3. Observe que hay algunas discrepancias entre los procedimientos. Para ambos métodos numéricos, estos errores se pueden mitigar disminuyendo sus respectivos tamaños de paso. Aunque las dos técnicas se desempeñan bien para el caso actual, se prefiere el procedimiento por diferencias finitas debido a la facilidad con la que se puede extender a casos más complejos.

TABLA 27.1

w.

Comparación de la solución anall lea exacta con los métodos de disparo y de diferencias finitas.
Verdadera M é t o d o de d i s p a r o Diferencias finitas

0 2 4 6

40 65.9518 93.7478 124.5036 159.4534 200

40 65.9520 93.7481 124.5039 159.4538 200

40 65.9698 93.7785 124.5382 159.4795 200

Además de los métodos por diferencias finitas y de disparo, existen otras técnicas disponibles para resolver problemas con valores a la frontera. Algunos de éstos se describen en la parte siete. Éstos incluyen soluciones en estado estable (capítulo 29) y transitorio (capítulo 30) de problemas con valores a la frontera en dos dimensiones, usando soluciones por diferencias finitas y en estado estable del problema unidimensional dentro de la aproximación del elemento finito (capítulo 31).

27.2

P R O B L E M A S DE V A L O R E S P R O P I O S Los problemas de valores propios, o de valores característicos, son una clase especial de problemas con valores a la frontera que son comunes en el contexto de problemas de ingeniería que involucran vibraciones, elasticidad y otros sistemas oscilantes. Además, se usan en una amplia variedad de contextos en ingeniería que van más allá de problemas de valores en la frontera. Antes de describir los métodos numéricos para resolver esos problemas, presentaremos alguna información general como antecedente. Esta incluye el análisis de la importancia tanto matemática como ingenieril de los valores propios. 27.2.1 Antecedentes matemáticos

En la parte tres se estudian métodos para resolver conjuntos de ecuaciones algebraicas lineales de la forma general [A]{X] = {B} Tales sistemas son llamados no homogéneos debido a la presencia del vector {B} en el lado derecho de la igualdad. Si las ecuaciones correspondientes a tal sistema son linealmente independientes (es decir, que tienen un determinante distinto de cero), tendrán una solución única. En otras palabras, existe un conjunto de valores x que equilibrará las ecuaciones. En contraste, un sistema algebraico lineal homogéneo tiene la forma general \A]\X} = 0 Aunque ion posibles las soluciones no triviales (es decir, soluciones direntes de todas las x • 0) de tales sistemas, generalmente no ion únicas. En lugar de esto, las ecuaciones

PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS

simultáneas establecen relaciones entre las x que se pueden satisfacer por diferentes combinaciones de valores. Comúnmente, los problemas de valores propios relacionados con la ingeniería tienen la forma general (an - X)xi + ax
l2 2

-1
2

1h

ax
Xn 2n

n

—0 = O

0 2 1 * 1 + ( « 2 2 - X)x -\

ax

n

a xi+
nl

a„ x
2

2

-I

f- (a„„ - k)x

n

—O

donde X es un parámetro desconocido llamado valor propio, o valor característico. Una solución {X] para tal sistema se conoce como vector propio. El conjunto de ecuaciones anterior puede también ser expresado de manera concisa como [[A]-X[I]]{X}=0 (27.4)

La solución de la ecuación (27.4) depende de la determinación de X. Una manera de realizarlo se basa en el hecho que el determinante de la matriz [[A] — X[7]] debe ser igual a cero para que existan soluciones no triviales. La expansión del determinante da un polinomio en X. Las raíces de este polinomio son las soluciones de los valores propios. En la siguiente sección se proporcionará un ejemplo de este procedimiento. 27.2.2 Antecedentes físicos

El sistema masa-resorte de la figura 27.5a es un contexto simple para ilustrar cómo ocurren los valores propios en los problemas físicos. También ayudará a ilustrar algunos de los conceptos matemáticos presentados en la sección anterior.

FIGURA

27.5

Al colocar las masas lejos de su equilibrio se crean fuerzas en los resortes que, después de liberadas, hacen oscilar las masas. Las posiciones de las masas pueden estar referidas a coordenadas locales con orígenes en sus respectivas posiciones de equilibrio.

VALORES F T O r que W cada masa ™ Pnrn simplificar el análisis, suponga no está sujcla n fuerzas externas o de amortiguamiento. Además, suponga que cada resorte tiene la misma longitud natural / y la misma constante de resorte k. Por último, suponga que el desplazamiento de cada resorte se mide con relación a su sistema coordenado local con un origen en la posición de equilibrio del resorte (véase figura 21.5b). Bajo estos supuestos, se puede emplear la segunda ley de Newton para desarrollar un balance de fuerzas para cada masa (recuerde la sección 12.4), dx
2 x

27.^Y'|JBf|l|BrPE

It

2

= —kx\ + k(x

2

X\)

- A - , ) - kx dt donde x¡ es el desplazamiento de la masa i respecto de su posición de equilibrio (véase figura 27. 5b). Estas ecuaciones se pueden expresar como d X\ k(-2x¡ + x ) = 0 (27.5a) ~dt ~
2 T 2 2 2
2

m—

= -k{x

W ^ Ir
2

1711
2

m

2

dx dt '
2 2 2

k(x

t

- 2x ) = 0
2

(27.56)

De la teoría de vibraciones, se sabe que las soluciones de la ecuación (27.5) pueden tomar la forma x¡ — A sen (cot)
i

(27.6)

donde A¡ = amplitud de la vibración de la masa /, y (O = frecuencia de la vibración, la cual es igual a

2tc
co=— donde T es el periodo. De la ecuación (27.6) se tiene que
p

(27.7) (27.8)

x"¡ = —A¡co sen (cot)
2

Las ecuaciones (27.6) y (27.8) pueden sustituirse en la ecuación (27.5), y ésta, después de agrupar términos, se puede expresar como

ix)

m\ m

)

Ai

A

2

=

m\ )

0

(27.9a)

2

\m

(27.9/))

2

La comparación entre las ecuaciones (27.9) y (27.4) nos indica que en este punto, la solución ha Nido reducida a un problema do valoro» propios.

800 EJEMPLO 2 7 , 4

PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS Valor*) propios y vectores propios para un sistema masa-resorte

I
I

Enunciado del problema. Evalúense los valores propios y los vectores propios de la ecuación (27.9) para el caso donde m — m = 40 kg y k = 200 N/m.
x 2

| Solución. } tiene \
;

Sustituyendo los valores de los parámetros en las ecuaciones (27.9) se ob2

(10-w )A, ~ 5 A
-5A, + (10-CÚ )A
2 2

2

=0
=0

;

El determinante de este sistema es [recuerde la ecuación (9.3)] (co ) - 20a> + 75 = 0
2 2 2

el cual puede resolverse con la fórmula cuadrática para oo = 15 y 5 s . Por tanto, las frecuencias para las vibraciones de las masas son co = 3.873 s y 2.236 s , respectivamente. Estos valores se pueden usar para determinar los periodos para las vibraciones con la ecuación (27.7). Para el primer modo, T = 1.62 s y para el segundo, T = 2.81 s. Como se estableció en la sección 27.2.1, no se puede obtener un conjunto único de valores para las incógnitas. Sin embargo, sus cocientes se pueden especificar al sustituir los valores propios en las ecuaciones. Por ejemplo, para el primer modo (co = 1 5 s~ ), 5 s %A =A
2 - 2 _ 1 _ 1 p 2 2
X 2

A

X

= —A . Para el segundo modo (oo
2

FIGURA 27.6 Los principales modos de vibración de dos masas iguales conectadas por tres resortes idénticos entre paredes fijas.

FIGURA
0 BUHO I

'í DLARJK. TIL L Ü BRIL

a) Primer modo

e) Segundo modo
4MÍ 141.1 u l l l t t .

las masas vibran por separado. Debería observarse que la configuración de las amplitudes proporciona una guía para ajustar sus valores iniciales para alcanzar un movimiento puro en cualquiera de los dos modos. sabemos que si el sistemu está vibrando en el primor modo la amplitud de la segunda masa será igual. se obtiene . Yl ( 2 7 2 " dx ~ 2 - 1 0 ) donde Syldx especifica la curvatura.6a. La curvatura de una columna esbelta sujeta a una carga axial P se puede modelar por dy 2 2 _ M „. Como se observa en la figura 27. Además de su periodo. las dos masas tienen igual amplitud todo el tiempo.lisio ejemplo proporciona información valiosa con respecto ul comportamiento del sistema de la l'iguru 27. Otra configuración llevará a la superposición de los modos (recuerde el capítulo 19). cambiamos al tipo de problema que es el tema de este capítulo: problemas con valores a la frontera para ecuaciones diferenciales ordinarias. vibran hacia atrás y hacia adelante al unísono. Tomando en consideración el diagrama de cuerpo libre de la figura 27. Sustituyendo este valor en la ecuación (27.5. M = momento de flexión. 27.6b.10). Así. como se ve en la figura 27. La figura 27.76. está claro que el momento de flexión en x es M = —Py. E = módulo de elasticidad e / = momento de inercia de la sección transversal con respecto a su eje neutro.7 muestra un sistema físico que puede servir como un contexto para examinar este tipo de problema. y después lo hacen juntas de manera indefinida.2.3 Un problema de valor en la frontera Ahora que le hemos dado una introducción a los valores propios. pero de signo opuesto a la amplitud de la primera. En el segundo modo.

La ecuación (27. . Ya que ^4 = 0 representa una solución trivial. sujeta a las condiciones frontera y (0) y(L) = o (27. 2. 3. La figura 27.11) donde P Para el sistema de la figura 27.15) Así. 2. . (27.12) y (27. . existe un número infinito de valores que cumplen con las condiciones a la frontera.15) se puede resolver para P = MI L n K EI 2 2 para n = 1. concluimos que sen (pL) = 0.11) es y = A sen (px) + B eos (px) (27. la cual muestra la solución para los primeros cuatro valores propios.13a) (27. Cada valor propio corresponde a una manera en la que se pandea la columna.PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS l Py 2 = ü (27. puesto que B — 0. 2. pues representan los niveles a los cuales i« mueve la columna en cada NNNFLPMLÓN de pandeo sucesiva. A sen (pL) = 0.16). 0 — A sen (pL) + B eos (pL) Pero. De acuerdo con la primera condición [véase ecuación (27. Combinando las ecuaciones (27.136)]. 3 . Para que esta igualdad se cumpla.. (27.. .. 0 = A sen (0) + B eos (0) Por tanto. pL = nn para n = 1. (27.8. 3 . . se obtiene P = para n = 1.12) (27. De acuerdo con la segunda condición [véase ecuación (27.7. concluimos que B = 0. puede proporcionar el significado físico de los resultados.136) = 0 la solución general para la ecuación (27. .16) los cuales son los valores propios o característicos para la columna. En un sentido práctico. .17) L 1 fislas se pueden tomar como cargas de pandeo.14) donde A y B son constantes arbitrarias que serán evaluadas por medio de las condiciones frontera.13a)].

Una columna de madera cargada axialmente tiene las siguientes características: E — 10 X 10 Pa.25 X 1 0 ~ m y L = 3 m.V. 5 Análisis d e valores propios d e una columna c a r g a d a axialmente Enunciado del problema. t a) n = 1 b)n = 2 c)n = 3 d) n = 4 FIGURA 27. 9 5 4 Solución. ya que. l. Así.us ecuaciones (27. las fallas ocurren cuando primero se pandea la columna. una carga crítica se puede definir como 7T EJ 2 la cual es conocida de manera formal como fórmula de Euler. / = 1.. 7 . •P R O B L E M A SD EV A L O R E SP B P P I B 8 T Í umj. usualmente el primer valor es el de interés.17) se pueden usar para calcular .~~~W. Determínense los primeros ocho valores propios y las correspondientes cargas por pandeo. 9 0 9 2 7 2 . en general. EJEMPLO 2 7 .8 Los primeros cuatro valores propios de la barra esbelta de la figura 2 7 .16) y (27.

h p )y. .11) se puede resolver numéricamente sustituyendo una aproximación por diferencias divididas finitas centradas (véase tabla 23. si la columna se divide en cinco segmentos (esto es.814 8772.2360 6.078 548.802 6716. el resultado es (2 --AV) -1 0 0 -1 (2 -1 0 hp) 2 2 0 -1 (2 -1 hp) 2 2 0 0 -1 (2 hp) 2 2 y\ yi y?. 2 2 + yi i+ = 0 (27.0472 2.3776 ! La carga crítica por pandeo es. lo que da yi i+ -2y¡ +y¡-i + 2 JT2 P * = 0 la cual puede expresarse como y¡-i .18) Al escribir esta ecuación para una serie de nodos a lo largo del eje de la columna.4 El método del polinomio La ecuación (27.2832 7.078 kN.1416 4. m " P. 27. 137. Este procedimiento. k N 137. se realiza en el siguiente E J E M P L O .19) La expansión del determinante del sistema da un polinomio. Normalmente esto es cierto cuando se trata con sistemas complicados o con aquellos que tienen propiedades heterogéneas.0944 3.982 2 1. los métodos numéricos del tipo que a continuación se describirá son la única alternativa práctica. cuatro nodos interiores). En tales casos. se obtiene un sistema de ecuaciones homogéneo.946 4934. J4 = 0 (27.701 2193. a menudo es difícil o imposible obtenerlas. Aunque son útiles las soluciones analíticas de la clase antes obtenida.PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS n 1 2 3 4 5 6 7 8 p.3) para la segunda derivada.1888 5. llamado método del polinomio.(2 . cuyas raíces son los valores propios.311 1233.2. por tanto.3304 8. Por ejemplo.245 3426.

0 .0. I ! ! I b) Para dos nodos interiores (h — 3/3). 5 6 2 5 / ? ) .5.5625/? 2 y\ y-i y3 = 0 (E27.0. a) Al escribir la ecuación (27. De esta manera. Por tanto. />) dos.9428.1 = 0 el cual se puede resolver para p = ± 1 y ± 1. se obtiene (h = 3 / 2 ) -(2-2.27. la ecuación (27.5625 p -1 0 ¡ ¡ 2 -1 2 .18) queda ~ 2 . la ecuación (27. se pueden determinar los primeros tres valores propios como 2 2 p = ±1. c) Para tres puntos interiores (h = 3/4).4637 =22% . c) tres y d) cuatro nodos interiores Solución. 8 8 5 6 |e. el primer valor propio es ahora casi 4.18) para uno de los nodos interiores.6.1 2 0 -1 2 -0.18) se escribe como (2-p ) 2 -1 -1 (2-p ) 2 La expansión del determinante da (2 .2(2 .5625/? = V 2 . Empléese el método del polinomio para determinar los valores propios para la columna cargada axialmente del ejemplo 27. usando a) uno.4.|=2.5625 p .0.5% |e.25p 2 =0 y resolviendo para p = ±0. el valor propio es analizado igualando el determinante con cero 2-2.1) El determinante se puede igualar con cero y expandirlo para dar ( 2 . para este caso sencillo.0472 obtenido en el ejemplo 27. el cual es casi 10% menor que el valor exacto de 1.2WmjlMÁS DB VALORES PROPIOS i El método del polinomio 1 • ''W O W |0Í Enunciado del problema.25p )yi = 0 2 Así.73205.5625/? ) = 0 2 3 2 ! i Esta ecuación se cumple si 2 — 0.p ) 2 2 y\ yi .5% menor. y se obtiene un segundo valor propio que es casi 17% menor.|=10% / > • 1 2.0205 /J = ± 1 .5625/? = 0 y 2 — 0.

| = 1. El método de Fadeev-Leverrier.0944 3.7321 (21%) h = 3/4 1.2. Ahora veremos un método de cómputo para generar el polinomio.0205 (2.1416 4. se tiene (2 .1888 h= h 3/2 0.0301 p = ±1.6967 p = ±3. el resultado es la ecuación (27. el procedimiento es muy conveniente para los casos en que se requieren pocos valores propios.6967 (14%) 3.36/J2 sobre la diagonal.9593 (65%) 2.6%) 1.6% = 6.9428 (10%) = 3/3 1.1702 TABLA 27.806 PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS <l) Ptiru cuutro puntos interiores (h = 3/5).0000 (4.4637 (22%) h = 3/5 1.p„-iX"~ l p \ " .3(2 . que resume los resultados de este ejemplo.5%) 1.20) el cual resulta de la expansión del determinante del sistema [[A\-X\l\\{X}^0 ( 27 .9593 p = ±2. El método Fadeev-Leverrier es un procedimiento eficiente para generar los coeficientes p¡ del polinomio (-1)"(A. En tanto se refine más la segmentación.19) con 2 — 0.| = 2 4 % £ Los resultados de aplicar el método del polinomio a una columna cargada axialmente.0 . Los números entre paréntesis representan el valor absoluto del error relativo porcentual verdadero.| |e.p) = 0 x 0 (27.1702 (24%) La tabla 27.4) .0301 (1.| = 14% | .5% |£. Así.5%) 1. el método del polinomio se compone de dos pasos principales: 1) expansión del determinante para obtener un polinomio y 2) cálculo de las raíces del polinomio.2 |e. ilustra algunos aspectos fundamentales del método del polinomio. se determinan valores propios adicionales. M é t o d o del p o l i n o m i o Valores propios 1 2 3 4 Verdadero 1.0472 2." . y los valores previamente determinados se vuelven de manera progresiva más exactos.036p ) 2 4 2 2 + 1=0 la cual se puede resolver para los primeros cuatro valores propios p = ±1. Igualando el determinante con cero y expandiéndolo. 3 6 p ) .8856 (10%) 2.6. Como en el ejemplo 27.

El método tiene la ventaja adicional de que la matriz inversa [A]" puede ser generada eficientemente en el proceso. [A] (27. Emplee el método l'adeev-Leverrier para determinar los coeficientes para la matriz en la parle«') del ejemplo 27.2.í f l o ^ Observe que el lórmino ( — 1)" y los signos negativos se incluyen tic forma tal que los términos dol polinomio tienen el mismo signo que tendrían si fueran generados ul expandir el determinante con menores.I7.tr [fi] n 0 (27.26) y se continúa hasta que p se determina a partir de 0 [B] = [A][[Bh 0 Pl [I]] (27. [ / ] ] n 2 n (27.6.24) [B]„_3 = [A][[B]„- 2 - Pn-llH] (27.2) la suma de los coeficientes de la diagonal. .22) donde tr [#]„_.25) que puede usarse para calcular p„= itr[fi]„_3 3 (27.21) p„-\ = tr [fi]„_i n (27. es la traza de la matriz [fi] _¡. El método consiste en generar una secuencia de matrices [B] que pueda emplearse para determinar los valores p¡. [B]„. El método puede continuarse generando la matriz [ 5 ] _ = [A][[B] _.%mmUHM> 1 DE VALORBS'PROPIQg . la matriz inversa se puede calcular simplemente como [A]" = 1 Po L —[[Bh-pdl]] (27. . . la cual es (recuerde PT3.28) Entonces.23) la cual se puede usar para calcular Pn-2 = ^ [ ]«-2 f i t r (27. .29) EJEMPLO 2 7 .27) y po = . 7 El método Fadeev-Leverrier Enunciado rlol problema.p „ _ . Por ejemplo.

Antes de proceder.A + 10.778 0 -1.23) para dar [Bh = 3.321 -18. se puede sustituir en la ecuación (27.321 12.556 = 10. La matriz se puede expresar en la forma general de la ecuación (27.963 .778 3.607X + 22.321 3.123 .123) = .778 3.487 3 2 Se puede poner en práctica la misma evaluación con el método Fadeev-Leverrier.160 6.2) Este resultado.556 + 3.778 0 -1.556 — X -1.556 -1.778 0 -1.4) al dividir cada renglón de la ecuación (E27. la ecuación (27.778 0 -1.556 -7.556 + 3.7.556 -X donde X = p .778 -7.667 2 (E27.321 3.778 3.778 3. 3.556 -1.778 0 -1.5625]. Para el caso presente [h = (3/4) = 0.808 PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS Solución.1) Este valor puede sustituirse en la ecuación (27.123 6.778 -7.6671 .475 0 0 o 0 22. De acuerdo con la ecuación (27.1) entre h .24) puede emplearse para calcular Pi 1 -(-22. p = 3.31.556 [Bh Por tanto.556 -1. 6 0 5 (E27.6. de acuerdo con la ecuación (27.778 0 -1.22).778 -1.778 0 -1.778 0 -1.160 6.963 6.3 1 .556 9.778 0 -1.556 -1.111 -1.556 -X 0 -1. ésta da 2 2 [A]-X[/] = 3.123 [Bh = Por tanto.321 9.778 3.321 -22.18.481 6. el determinante se puede expandir por menores para dar 2 .321 3.27) para dar 3.642 6.475 0 0 % 0*495 .160 6.778 3.22.111 -1.111 que se puede evaluar para obtener -22.321 3.556 -1.160 6.7.778 3.778 3. a su vez.556 -1.481 [B] -0 que al ser evaluado da "22.21).

321 3.9 5U3 Fadeev (a. se obtiene el polinomio resultante -X 3 + 10. (Jbserve que también se incluye una función para calcular la traza. + 22.160 0.281 0.475 = 0 2 el cual.475 ' .3) Sustituyendo las ecuaciones (E27.(-31.2 2 .141' 0.7.281 0.(-31.605) que. es idéntico al resultado obtenido al expandir el determinante usando menores.422 6.321 .422 0. 1 2 3 . p) D\Mb w Una subrutina para el inótodo Fadeev-Leverrier. al ser multiplicada por [A].7.141 0.321 -18.(-31. resulta [7].160 6.3) en la ecuación (27. 1 22.475 + 22.605) 6. [5] = [A] P„_ = Trace(b.321 3.27. FIGURA 27.28) puede empleante para cnlcular />„ = (22. n) I (n .605) 6.n eum = eum + a END DO Trace = eum END Trace u .605A.¡i) END DO END Fadeev FUNCTION Trace(a.20).[3] p¡¡ = Trace(b.31.963 . La matriz inversa también puede ser calculada con la ecuación (27. 1 2 3 .281 0.29).475) = 22.-1 DO ¡ = 1. n.281 0.667X .7. la ecuación (27. n) sum = Ol DO i = 1. 0. además de las pequeñas diferencias debidas al error de redondeo.1' M M S M S PE V A L O R E S PHOHOS" 1 soy Por tanto.2 2 .475 (E27. ri) OO ti = ti-2.475 + 22.562 0.1) hasta (E27.n ( K = b U~PlM ENDDO [3] = [A] .

Observe que so requiere una subrutina para calcular la traza. Para poner en práctica el método di potencias. puede calcularse la raíz cuadrada de esos valores para dar 2 p = 1. Con ligeras modificaciones. Esto se dejará como ejercicio para el lector. El método de Bairstow se usa en el siguiente ejemplo.6.7.464 que son iguales a los resultados del ejemplo 27.555. Programa de computadora p a r a el método de! polinomio. 27. + 22. Solución.020.041.9) con el método de Bairstow ( V O I I K P figura 7. se deben evaluar las raíces del polinomio resultante.6c (con pequeñas diferencias debidas ni error por redondeo).3. el vector propio correspondiente se obtiene como un subproducto del método.2.605A. Como beneficio adicional. Determinación del valor propio más grande. Los procedimientos presentados en el capítulo 7 están diseñados para este propósito. también puedo servir para determinar el valor más pequeño y los valores intermedios.5).885.475 = 0 2 se puede evaluar con el método de Bairstow (o con paquetes como MATLAB o Mal hcad) para obtener X = 1. Un programa de compu tadora para el método del polinomio se puede realizar simplemente al combinar el indi go del método Fadeev-Leverrier (véase figura 27. el sistema que se unalüUMA dfbe expresarse en lu forma .31. 1.5 El método de potencias El método de potencias es un procedimiento iterativo que puede ser empleado para di terminar el valor propio más grande. 8 Raíces del polinomio característico Enunciado del problema.PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS I!l método l'adecv-Lovorrier puedo ser programado de manera concisa.9 NO muestra lu lista del pseudocódigo para esto propósito.6. Kn la finura 27. y compárense los valores propios resultantes con los que se calcularon en la parte c) del ejemplo 27. Determine las raíces del polinomio característico que se generó en el ejemplo 27.071 Como X = p . EJEMPLO 2 7 . Determinación de los valores propios como las raíces del polinomio carnctoiíslii o Después de aplicar la técnica Fadeev-Leverrier.667A .2. -X 3 El polinomio + 10.

556 JCI - = A JC.556x3 = 2 1. Método de potencias p a r a el valor propio más g r a n d e Enunciado del problema.556 -3.30) es la base para una técnica de solución iterativa que finalmente da el valor propio más grande y su vector propio asociado.1 .1.778(1) + 3 .1.556 Por tanto.30). Empléese el método de potencias para determinar el valor propio más grande para la parte c) del ejemplo 27.778 1 0 1 Así.778 0 -1.778 r • = • 1 0 1 La siguiente iteración consiste en multiplicar [A] por [1 0 l ] p a r a dar 3. Esta iteración puede expresarse de manera concisa en forma de matriz como 3.778(1) = 0 . 1.556X2 3 .556(1) .556 -1. Solución.556(1) .778 Luego. que puede emplearse para determinar el error estimado .778 1556 100% = 50% .778 0 1.556.778*2 3. el valor propio estimado para la segunda iteración es 3.556 3. la ecuación (27.6.556 1 -1 1 = • = 3.778(1) = 1. -1.556 1 1 1 1.556 -1.778 ' • = 1.778xi + - .778 0 1.778X2 + kx 3 Después.778.1556 1.2f.778 3.556 1 0 1 3.778 3.778 • = 1. 7 7 8 ( 1 ) + 3 .778 para hacer que el elemento más grande sea igual a 1.778 3.778 0 -1.30) Como se ¡lustra en el siguiente ejemplo.556(1) = 1. el lado derecho es normalizado por 1. Primeramente.778 -1.778 0 -1. suponiendo que las x del lado derecho de la ecuación son iguales a 1. el sistema se escribe en la forma de la ecuación (27.778 0 -1. la primera estimación del valor característico es 1.778*3 = Ax 3 .556 -1. 3 .1.778 3.2 \A\[\\ M -V m (27.556 -1.

556 -0.714 donde |ej = 214% (de nuevo.095 -4.556 -1.778 0 -1.778 3.708 1 -0. muy alto debido al cambio de signo). Esto puede realizarse aplicando el método de poten cias a la matriz inversa de [A].778 3.778 0 -1.75 • = • -4.334 -0.778 3.778 3. el método de potencias convergirá sobre el valor más grande de 1 A.223 ' -0. Para este caso.317 6.445 6. Cuarta iteración: ~ 3.112 5. Otros casos especiales se analizan en Fadeev y Fadeeva (1963).445 = 6. Quinta iteración: 3. En ingeniería existen problemas cu los que nos interesa determinar el valor característico más pequeño.75 • := ' = -7. el factor normalizado es convergente sobre el valor de 6.778 3.7.4637 ) obtenido en la parte c) del ejemplo 27.75 1 -0. en lugar de hacerlo con el más grande.556 -1.778 0 -1.112 donde | e j = 150% (que es alto debido al cambio de signo).556 -0.556 -1.778 3.556 -1. Tercera iteración: 3. EJEMPLO 2 7 .778 0 -1.317 ' -0.778 0 -1. Smitli y Wolford (1985) ilustran un caso así. donde el valor propio más pequeño pudo ser usado para iden tificar una carga de pandeo crítica.778 0 -1.334 -7.070 ( = 2.095 • Así.714 1 -0.812 PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS lil proceso puede entonces repetirse. el valor más pequeño de X).714 1 -0. 1 0 Método d e potencias p a r a el valor propio m á s bajo limplóoso el método de potencias para determinar el vnloi Enunciado del problema propio más bajo para la parte o) del ejemplo 27. . Determinación deí valor propio más p e q u e ñ o .6.6. (en otras palabras. James. 2 Tenga en cuenta que en algunas ocasiones el método de potencias convergirá ¡il segundo valor propio más grande.708 • — • = 6.223 -4. Tal como el caso ele la barra de la figura 27.556 -1.556 1 -1 1 5.714 -4.556 -1.75 ' 1 -0.

281 0.2 PROBLEMAS DE VALOR|8j|^PWBÉLWWW^4 111 S O L U C Ó IN . que la suma de los cuadrados de las componentes sea igual se puede llevar a cubo dividiendo cada uno de los elementos cutre el fuclor normnli/udo \X\ {X) .141" 0.422 0. está diseñada para matrices simétricas.964 0. es posible determinar los siguientes más altos remplazando la matriz original por una que incluya sólo los valores propios restantes.884 1.715 0.281 0.562 0.141 0.281 0. Determinación de valores P R O P O I S intermedios.141 0.7 Q U EL UM A T R Z I IVORNII O S 0.281 0.562 0.964 donde |ej = 4%. La técnica bosquejaba aquí.6%. Primera iteración: "0.984 0. Tercera iteración: "0.281 0. El proceso de eliminar el valor propio más grande conocido es llamado deflación.281 0.281 0.704 0.141" 0. CN I O es. el resultado converge al valor de 0.562 0.5.281 0.715 1 0. los cuales pueden ser expresados como para / # j para i = / (27.562 0.422 Usando el mismo formato del ejemplo 27.751 • = • = 1.709 1 0.884 0.281 0.281 0.704 0.422 0.955.141 0.141" 0.684 0.422 '1 1 1 ' 0. Esto se debe a que aprovecha la ortogonalidad de los vectores propios de tales matrices.751 1 0. el método de potencias puede aplicarse a esta matriz. Así.124 0.281 0.31) 1 donde las componentes del vector propio \X) liun sido normalizadas de forma tal quo •» 1 .281 0. 1.422 0. Después de encontrar el más grande de los valores propios. el método de Hotelling.0472.9.422 0.281 0.684 0.751 1 0.422 0.281 0.141 0. obtenido en el ejemplo 27.715 = 0.27.281 0. que es el recíproco del más pequeño de los valores propios. después de sólo tres iteraciones.141 0.281 0.984 • donde |ej = 14.R E C U E R D ED E LE J E M P L O 27.124 • Segunda iteración: 0.751 0.709 = 0.422 0.715 1 0.

ya que la eliminación de cada elemento no cero a menudo crea un nuevo valor no cero en el elemento cero anterior. En particular. Así. transformamos esta ecuación en [A] {X}. L4] {X}. por tanto. se puede calcular una nueva matriz [A] como 2 [AJ2 = [A]\ — A..{X}i . El proceso anterior puede repetirse al generar una nueva matriz [A] . X .32) donde [A] = matriz original y X — valor propio más grande. A. Aunque se requiere un tiempo infinito para crear todos los elementos no cero que están fueni de la diagonal. En otras palabras. Aunque en teoría este proceso puede continuarse para determinar los valores propios restantes. una variedad de técnicas se utilizan en sistemas simétricos. tridiagonal) que retiene todos los valores propios originales. ha sido reemplazado por un 0 y.6 Otros métodos Una amplia variedad de métodos adicionales están disponibles para resolver problemas de valores propios. X . 2 x 2 2 2 3 n x 2 3 27. 2 donde el lado derecho es igual a cero. se requiere tal información en muchos problemas de ingeniería. de alguna forma. está limitado por el hecho de que los errores en los vectores propios son arrastrados en cada paso. Desafortunadamente. X^. Muchos de esos procedimientos están diseñados para'tipos especiales de matrices. Para mostrar esto.[{X}i{X}[ x x (27. . X . de acuerdo con la ecuación (27.PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS Ahora. La mayoría se basa en un proceso de dos pasos. Si el método de potencias se aplica a esta matriz. Así. = L\4]. etc. el método de potencias convergirá sobre la siguiente X más grande. Aunque. En consecuencia. El primer paso implica transformar la matriz original en una forma m^s simple (por ejemplo. finalmente la matriz tenderá hacia una forma diagonal. el método de Jacobi transforma una matriz simétrica en una matriz diagonal al eliminar de forma sistemática los términos que están fuera de la diagonal. . el método requiere un número infinito de operaciones. Por ejemplo. X = 0 y {X} = {X} es una solución para [A] {X} = X{X}.32) por {X]. El valor propio más grande.{X}[{Xh Aplicando el principio de ortogonalidad. el procedí miento es iterativo en el sentido de que se repite hasta que los términos que están fuer» d t la diagonal aon "auficiontemwnifaqmftoi.2. primeramente multiplicamos la ecuación (27. [A] {X} 2 1 =[A]dXh -A. Esto es. . esto es un defecto. la [A] tiene valores propios de 0.M X ] . Después. = 0. . sólo determina algunos de los valores propios más altos. se usan métodos iterativos para determinar esos valores propios.LY}.30). el proceso de iteración convergirá al segundo valor propio más grande. .

27. En la sección 28. es finito y. se puede combinar con las herramientas de visualización y optimización de Excel para poner en práctica algunas interesantes aplicaciones. Este es un procedimiento que aprovecha la velocidad del procedimiento de Householder para transformar la matriz a esta forma y después usa el algoritmo estable QR para hallar los valores propios. Sin embargo. Wilkinson (1965). En sí. » j B )i r 'VALORES PROPIOS vommimsTmmBm m 151 método tlcdlvcn también implica transformar una matriz simétrica en una forma más simple. la forma más simple es tridiagonal. sino más bien un tipo especial llamado forma Hessenberg. Sin embargo. El resultado no será tridiagonal. en contraste con el método de Jacobi. difiere en que se retienen los ceros creados en posiciones lucra de la diagonal. En esta sección se bosquejan algunas de las formas en que pueden aplicarse para este propósito. Rice (1983) analiza los paquetes de software disponibles. como Press y cois. Es un método finito más eficiente que el procedimiento de Given en el sentido de que reduce a cero todos los renglones y columnas de los elementos que están fuera de la diagonal. es considerado como el mejor método de solución de propósitos generales. . más eficiente que el método de Jacobi. a menudo es el método preferido. Por ejemplo.1 Excel Las capacidades directas de Excel para resolver problemas de valores propios y EDO son limitadas. en Ralston y Rabinowitz (1978). Aunque este último es menos eficiente. El resultado es una secuencia de polinomios que se pueden evaluar iterativamente para los valores propios.3 EDO Y VALORES PROPIOS CON LIBRERÍAS Y PAQUETES Los paquetes de software y librerías tienen grandes capacidades para resolver EDO y determinar valores propios.1 se proporciona un ejemplo de cómo se puede usar lixecl para la estimación de parámetros de una KDO. Además.3.2 7 . debemos mencionar que las técnicas antes mencionadas comúnmente son usadas en serie para aprovechar sus respectivas fortalezas. debe observarse que los métodos de Given y de Householder también pueden aplicarse a sistemas no simétricos. Una vez que se obtiene un sistema tridiagonal a partir de los métodos de Given o de Householder. por tanto. 27. ya que es más estable. macros). Además de las matrices simétricas. los pasos restantes implican hallar los valores propios. Se pueden encontrar códigos para computadora en diferentes fuentes. (1992). Estas incluyen el método LR de Rutishauser y el método QR de Francis. Una forma directa para realizar esto es expandir el determinante. El método de Householder también transforma una matriz simétrica en una forma tridiagonal. Se puede encontrar información adicional sobre éstos y otros temas relacionados con valores propios. En consecuencia. Por último. 3° . si se realiza alguna programación (por ejemplo. también existen técnicas que están disponibles cuando se requieren todos los valores propios de una matriz general. Fadeev y Fadeeva (1963) y Householder (1953).

3.-.33/. 1 9 J c e= : e g i e n v e c s m (m ) < _[ 0 9 . 9 .llhc.5 P a n t a l ad eM a h tc a dp a r ar e s o l v e rl o sv a l o r e sp r o p i o sd eu ns s i e tm ad eE D O .N) y genvecs(M.6 )| ^ = . Por tanto. Mathcad suministra Ukiidnpl.5 y i + 3}> (27..3.9 ) r -0 9 .2 Mathcad Mathcad tiene diferentes funciones que determinan valores propios y vectores propios y que resuelven ecuaciones diferenciales. N) producen valores propios y vectores propios normalizados. m ra tM h a tS y m b c o l s lW n d o w t H o p l G E I E N V A L U EA N A L Y S I a a= : e g i e n v a s m ( lm ) b b= : e g i e n v e c ( m m 3 . usemos Mathcad para analizar el comportamiento de este sistema exami nando los valores propios.10. correspondientes a los vectores propios de la matriz cna drada M.ld LA FRONTERA Y DE VALORES PROPIOS E a l E d t ly o i wI n s e r tF o .4 8 ] b b= ! _ -0 3 . W.3 0 1 ^ 2 (27. La función eigenvecs(M) devuelve una matriz que contiene vectores propios normalizados.P R O K B M A S DE VALORES EN M.) Primero. Está muy bien disonado . resolvamos un sistema de ecuaciones diferenciales rígidas de forma tal que podamos comparar el desempeño de algunas de las funciones de Mathcad. 110 siempre es eficiente. Las funciones genvals(M. respectivamente. La técnica más elemental empleada por Mathcad para resolver sistemas de ecuacio nes diferenciales de primer orden. Aunque es un buen integrador de uso general. Este es proporcionado por la función rkfixed. El sistema está dado por [recuerde la ecuación (26. El resultado ce es una matriz que contiene tanto vectores propios como sus columnas. CC 27. el cual es una versión de tamaño dw puso variable de rkllxed. 1 9 0 9 0 9 .n il i FIGURA 27. Los resultados de aplicar estas funciones a las EDO se muestran en la figura 27.33.10 ~[ o 3 . Observo que bb halla el vector propio específico asociado con el valor propio más pequeño. el sistema es rígido. es un algoritmo Runge Kutta de cuarto orden de taniíi ño de paso fijo. Como los valores propios (aa) son de diferente magnitud. Como ejemplo.) 2 -jjr = lOOvj . 4 7 7 2O O .

11. si usted sabe que su solución es una función uniforme. Y). Las ecuaciones diferenciales rígidas son el extremo opuesto del espectro.11 se muestra la solución de las ecuaciones diferenciales al usar Mathcad.T0. Las siguientes entradas son el rango para l y las condiciones iniciales para Y.3 0 O . definimos la matriz J para Stiffb. I. La primera columna de J es la derivada con respecto a t de los lados derechos de la ecuación (27. ion diseñado para funciones que cambian rápidamente en algunas regiones y de manera lenta en otras. Estas funciones son Stiffb y Stiffr. De manera similar.D) |0 100 INITIAL AND. Además. Bajo estas condiciones. (Y ) para ambos métodos de integración se comparan en la figura 27. Las soluciones para^. W Y ) ! •17 VECTOR OF INITIAL FUNCTION VALÚES 1 .11.TL. la función rkfixed puede ser muy ineficiente o inestable.[ M O . Esta función emplea el método Bulirsch-Stoer. los lados derechos de las EDO para introducir a rkfixed y Stiffb. y a menudo es eficiente y extremadamente exacto para funciones uniformes. Las soluciones para rkfixed con 1 000 pasos entre tO y 11. Primero.10. Observe que y y v de la ecuación (27.GY«R V A L O R E SP R O P I O S CON L I B A R Í A SYM A M I U RILA ÍDLL YL«W LN»«N EORMUT M«TH BYMBOLLOI WLNDOW H»LP ODII SOLVER DEFINE O D E AND JACOBEAN: T -S-YO+3-Y. En la figura 27. Y 5 3 -301 1 J 1C: = "41 J(T. Esto es. mientras que la gráfica para la solución rkfixed se crea usando lu primera y la segunda columnas de la nuitií/T ] 2 0 0 .a gráfica de la solución Stlf'fb se genera usando la primera y la segunda columnas de la mnlriz S. Por tanto. el símbolo definición se usa para definir el vector D(t. Y 1 . y el jacobiano ocupa los cuatro elementos restantes. Observe que hemos simplificado la presentación de la gráfica en la figura 27. Mathcad proporciona dos métodos especiales que están diseñados específicamente para manejar sistemas rígidos. Los métodos anteriores devuelven valores de solución sobre un número de intervalos uniformemente espaciados acotados por el rango de integración.Y): = FIRST SOLUTION: S := STIFFB(IC.T0.1000. entonces usted puede observar que la función Bulstoer de Mathcad tiene un buen desempeño.DJ) SECOND SOLUTION: T : = RKFIXED(IC. para cumplir con los requerimientos de Mathcad.33).TL. y Stiffb con sólo 10 pasos se almacenan en las matrices T y S. y en el método Rosenbrock. que se basan en un método BulirschStoer modificado para sistemas rígidos.27.11 PANTALLA DE MATHCAD PARA RESOLVER UN SISTEMA DE E D O .FINAL INDEPENDENT VARIABLE TO := 0 TI := 1 FIGURA 27.33a y b) son cambiados a Y y Y.

y0=C2. La solución de la función rkfixed con los mis mos 10 pasos es inestable.3 MATLAB Como podría esperarse. usted debe usar un procesa dor de texto para crear un archivo M que contenga el lado derecho de las EDO. una voz que pasa el lian sitorio inicial. la cual usa fórmulas de segundo y de tercer órdenes para alcanzar una exactitud media. Como se verá en el siguiente capítulo (sección 28. Guardamos este archivo M con el nombre: predprey. 6 * y ( 1 ) * y ( 2 ) . Después. 2 0 ] ' .818 PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS Ln solución Stiffb es estable y pasa por cncimti ele los detalles de lu porción alta mciilc Ininsilorin de la solución con un gran (amaño de paso. 6 . el paquete estándar MATLAB tiene excelentes capacidades pura determinar valores propios y vectores propios.m.0 . y conlinúa la solución de muñera eficiente al extremo del rango. lisie archivo M entonces será abordado por el solver de EDO [donde* = y(l) y y — r(2)|: f u n c t i o n yp = p r e d p r e y ( t . y ) yp = E1 . Explórese cómo se puede usar MATLAB para resolver siguiente conjunto de EDO no lineales de t = 0 a 20: dx . 3 * y ( 1 ) * y ( 2 ) J . se debe emplear rkl'lxed con un lamaño de paso más pequeño para cumplir con los requerimientos de los valores propios más grandes.2). y ODE45. 8 * y ( 1 ) + 0 . 8 y + 0.2). Sin embargo. 27. Solución. Estas son ODE23. EJEMPLO 2 7 . Para mantener la estabilidad. que usa fórmulas de cuarto y de quinto órdenes para alcanzar una exactitud alta.3.y0).y]-odi23('priúffty'. tiene también funciones prediseñadas para resolver EDO. pues. El siguiente ejemplo ilustra la ma ñera en que se pueden usar para resolver un sistema de EDO.0 .11 usa I 000 pasos. W ~d7 dt = . y sigue los detalles de la solución por todo el rango de t.5.0 .tspan. La solución de la figura 27.i:'. comience con MATLAB. Los solver estándar de EDO incluyen dos limen> nes para implementar el método Runge-Kutta Fehlberg de tamaño de paso adaptalivo (recuerde la sección 25. .3jry donde x = 2 y y = 1 en t = 0. . (alen ecuaciones son conocidas como ecuaciones depredador-presa. Esto es muy ineficiente. 1 1 Uso de MATLAB para valores propios y E D O Enunciado del problema.0 .2x . Entonces el solver se puede llamar por >> Lt. Antes de obtener una solución con MATLAB. 2 * y ( 1 ) . e introduzca las siguientes instrucciones paitt especificar el rango de integración y las condiciones iniciales: >> >> tspan = [ 0 . la solución cambia gradualmente.

2 ) ) con lo que se obtiene la figura 27. ÜBBBRIAM BOQUETES 119 0 5 10 15 20 FIGURA 27.m sobre el rango definido por tspan usando las condiciones iniciales encontradas en yO. Los resultados se pueden desplegar tecleando simplemente >> p L o t ( t . una gráfica de las variables dependientes contra cada una de las otras mediante >> p l o t ( y ( : . también es ilustrativo generar una gráfica de estado espacial. y ) con lo cual se obtiene la figura 27.3 v ED*# F L O R E S PROPIOS CON. FIGURA 27.13. por ejemplo.27 .13 Gráfica de estado-espacio del modelo depredador-presa con MATLAB. y ( : .12. 1 ) . Además.12 Solución del modelo depredador-presa con MATLAB. . Esta instrucción resolverá entonces las ecuaciones diferenciales en predprey.

0 1 0 1 Así.1 0 0 301 — A. que está asociada con ely-ésimo valoi propio. las capacidades también limen una muy fácil aplicación.3). todos los valores propios son positivos (y. en nuestro análisis de sistemas rígidos en el capitulo 26. negativos en la función exponencial). 3 1 9 1 0 . MATLAB se puede emplear entonces para evaluar tanto los valores propios (ti) c o in i> los vectores propios (v) con las siguientes instrucciones simples: > >a = C 5 3 . . Por ejein pío. 0 1 0 1 0 .4 IMSL IMSL tiene diversas rutinas para resolver EDO y para determinar valores propios ( V Ó H S I tabla 27. -3 . Un buen libro sobre ecuaciones diferenciales como. Tales liDO lineales se pueden esnibii como un problema de valores propios de la forma " 5 — A. Y ) . y {e} = valor propio y vector propio.3. respectivamente.T I N O / T 0 L .33). > > C v . el de Boyce y DiPrima (1992). Como. vemos que los valores propios son muy diferentes en magnitud. nos concentraremos en la rutina IVPRK. Kc cuerde que. IVPRK se pone en marcha con ln «¡guíente declaración CALL: C A L LV IP R K ( I 0 0 . para el presente caso. Los valores propios se pueden interpretar al reconocer que la solución general pain un sistema de EDO se puede representar como la suma de los exponenciales. d 3 = e i g ( a ) v = 0 . 9 4 7 7 0 . 9 9 9 9 d = 3 . --302. N¿*F##/ T .0101r 2 + c\ e + ene donde c¡j — parte de la condición inicial p a r a j . P A R A M . le explicará cómo se puede realizar esto. la solución consiste en una serie de exponenciales en decaimiento. la solución para el caso presente podría tener la forma y i = t\\e y C2\e 2 — „ _ „-3.0101) podiln dictar el tamaño de paso si se usara una técnica de solución explícita.PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS Parn valores propios. 1 0 0 3 0 1 D . por tanto. por ejein pío. En nuestro actual análisis.9899í . presentamos el sistema rígido definido por la ecuación (27. lo cual es común cu un sistema rígido. La que tiene el valor propio más grande (en este caso. lísli rutina integra un sistema de IÍDO usando el método Runge-Kutta. 302. 9 8 9 9 0 0 3 0 2 . donde A. Debe observarse que las c pueden evaluarse a partir de las condiciones iniciales y de los vectores propios. 27.

MA GENERAL C O M P L E J O A X = Xx TODOS LOS VALORES PROPIOS TODOS LOS VALORES PROPIOS Y VECLORC. el llamado inicial se hace con IDO = 1.1 ¡ S L C llamado final se usa para liberar espacio de trabajo. el cual se alojó automáticamente con el llamado inicial IDO = 1. Y contiene la solución aproximada. ÍNDICE D E D E S E M P E Ñ O MATRICES SIMÉTRICAS D E B A N D A REAL E N M O D O D E A L M A C E N A J E D E B A N D A M A L Í ICES HERMITIANAS C O M P L E J A S A A DRICES H E S S E N B E R G SUPERIORES REALES MATRICES H E S S E N B E R G SUPERIORES C O M P L E J A S V IL< >RES PROPIOS Y ( O P C I O N A L M E N T E ) VECTORES PROPIOS A X = E M B L E M A GENERAL REAL A X = XBx XBx XBx L ' I O B L E M A GENERAL C O M P L E J O A X = E M B L E M A SIMÉTRICO REAL Ax = XBx donde IDO = Bandera que indica el estado del cálculo. que contiene p n n ' N N C I R O N opcionales.I 'LIU ION D E P R O B L E M A S C O N VALOR A LA FRONTERA PARA E D O BVPFD BVPMS 1 M É T O D O D E RUNGE-KUTLU MÉTODO DE ADAMS O GEAR M É T O D O POR DIFERENCIAS FINITAS M É T O D O D E DISPARO MÚLTIPLE .**ÍWr A*lORES PROPIOS CONUBMRÍMY R A Q U B T B S R T A B L A 2 7 . (líntriiihi/Siilidn) Iin lu entrada. T contiene el valor inicial. En la salida. TOL = Tolerancia para el control del error. N = Número de ecuaciones diferenciales. . y E S T E valor se usa para todos. CATEGORÍA RUTINAS CAPACIDAD •CITACIONES DIFERENCIALES ORDINARIAS D E PRIMER '. T se remplaza por TEND. T = Variable independiente. (Entrada/Salida) En la entrada. TEND = Valor de t donde se requiere la solución. Hn la sulida. de tal forma que el error global SEN proporcional a TOL. Y Arreglo de tamaño N de I I I N viiriiibles dependientes. No se realiza integración sobre este llamado final.iliii ION D E SISTEMAS ALGEBRAICOS DIFERENCIALES VALORES PROPIOS Y DA L'N J J O M A Ax = Xx GENERAL REAL A X = Xx SIMÉTRICO REAL Ax = Xx ( O P C I O N A L M E N T E ) VECTORES PROPIOS EVLRG EVCRG EPIRG \\< I M E M A L'N IL)L(. 3 Rutinas IMSL para rasolvar I D O y para determinar valoras propios.27. pero el último llamado se hace con IDO = 3. Normalmente. PARAM = Arreglo de punto Ilutante de tamaño 50. La rutina después se ajusta a IDO = 2. (Entrada) El valor TEND puede ser menor que el valor inicial de t. Y contieno lo» vnloron íniciulos.' iliic ION A LOS P R O B L E M A S D E VALOR INICIAL PARA EDO ORDEN IVPRK IVPAG '. (Entrada) FCN = SUBRUTINA hecha por el usuario para evaluar las funciones. (Entrada) Se hace un intento para controlar la norma del error local. a menos que hayan ocurrido condiciones de error.

0.0 y ( l ) . 3 F 1 2 . "Time". . t . t . 0 . 10) ido = 3 END D O END PROGRAM SUDROUTINE fen ( n . t . t o l ." es donde la i-ésima EDO está escrita. 9X. n=2) INTEGER : : i d o . ' ( I 6 .0 11X. 3 ) ' ) i s t e p . param.1. EJEMPLO 2 7 .0 t o l = 0. FCN debe ser declarada EXTERNAL en el programa de llamado. yprime) yprime(1) yprime(2) return = . . n.0 y(2) . yprime(n) (n. 1 2 Uso de IMSL para resolver E D O Enunciado del problema. 1) param(lO) = 1.2.PROIUMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS l. y. tend.. t o l . t .i step + 1 tend = i s t e p CALL IVPRK ( i d o . y D O 1step .EQ. " Y l " ido = 1 istep = 0 WRITE ( n o u t ..n Nubrutina FCN debe ser escrita de manera que cumpla las ecuaciones diferenciales. f e n . nout) t . . tend. y. = . ' ( I 6 . y I F ( i s t e p . y(n) EXTERNAL fen CALL UMACH ( 2 . 10) EXIT WRITE ( n o u t . end donde la línea "yprime(¿) = . t . n PARAMETER (mxparm=50. 3 F 1 2 . y ( n ) . Deberla ser de la forma general. t. paratn. 3 ) ' ) i s t e p . ' I S T E P 5X. Solución. se puede escribir como Program PredPrey USE msirnsl INTEGER : : mxparm. presa del ejemplo 27. 0 . .0005 CALL SSET (mxparm. subroutine i nteger real fen n t. Un ejemplo de un programa principal en Fortran 90 y la función IVPRK Úsese IVPRK para resolver las mismas EDO depredador- para resolver este problema. y) I F ( i s t e p . i s t e p . yprlmi') l M P U C l i N0NL .11. nout REAL : : param(mxparm). L E . 'Y2") ' PRINT *(4X.

17/ = 0 27.2 Use el método de disparo para resolver el problema 27. 27. pero ahora para cinco puntos interiores (h = 3/6).() I p.6) y dcNpués resuelva la ecuación lineal resultante con el procedimiento por diferencias finitas.1 Un balance de calor en estado estable para una barra se puede representar como dT 2 dx 2 0.2 x 10~ (7).5 Resuelva el problema 27.1. 27.2*y(l) .7 A menudo.000 1. las ecuaciones diferenciales como las que se resolvieron en el problema 27. Sustituya esta relación en la ecuación (P27. y ( n ) .000 2.6 para identificar el principio de los modos de vibración. x1 0 (7' + 2 7 3 ) 'I5 ( 1 5 0 7j 0 ( P 2 7 6 . Emplee T = 150 y Ax = ().6*y(l)*y(2) yprime(2) .000 yi 2 3 5 3 1 1 1 2 4 5 2 000 703 433 390 407 048 367 393 344 287 561 y2 1 1 1 3 3 1 1 000 031 905 533 073 951 241 959 1 161 2 421 3 624 PROBLEMAS 27.-0. y p r 1 m e ( n ) yprlrne(l) . se puede usar una expansión en serie de Taylor de primer orden para linearizar el tórmi no a la cuarta potencia de la ecuación (P27.6) como 1.ini obtener su solución.(r 7 b A + 273) (7' -Y'„) 3 dy dx dx 2 y+x=0 con las condiciones frontera y(0) = 5 y y(20) = 8.000 6.2 0 0 y7 ( 0 5 .000 10. 27.8*y(2) + 0. 27.8 Repita el ejemplo 27. 27.6 Use el método de disparo para resolver 7 1 donde T es una temperatura base alrededor de la cual se I inearizu el término. 27.10 Use menores para expandir el determinante d e b 1 2 .3 Use el procedimiento por diferencias finitas con Ax = 1 pura resolver el problema 27.1.4.2 x 1 0 ( T + 273) = 1. Cambie todas las k a 240. Por ejemplo.000 9.000 3.H _ 7 4 7 ()btcnga una solución analítica para una barra de 10 metros con '/'(O) = 200 y 7X10) = 100.9 Repita el ejemplo 27.0.000 4.3*y(l)*y(2) END SUBROUTINE 1 N L I G L R i¡ t i Una corrida de ejemplo es: istep 0 1 2 3 4 5 6 7 8 9 10 time .REAL .6. 27. 27. ) H II) ( ) b l e i ( i iu n as o l u c i ó np a r aI n sc o n d c io in e sl í o n t e n i :( / 'O ).000 8.000 5.1.000 7. + 273)'" +4.4 con el procedimiento por diferencias finitas usando Ax = 2.6 se pueden simplificar al lincnrizur sus términos no lineales. d\ •'• 1 0 •I . : l . lince una gráfica como la de la figura 27.4 Use el método de disparo para resolver dy 2 xl0. pero ahora para tros masas.) 1 0 0 .

17 Desarrolle una subrutina para implementar el procedimiento Fadcev-Leverrier. .3 y 27. l v donde y = 1 y y = 0.10. 27. 27.8 y d = 0.21 Desarrolle un programa de uso amigable para resolver el valor propio más pequeño con el método de potencias.3 y dxldt = 0 en t = 0. Pruébelo con los datos del ejemplo 27.3. Pruébelo con los datos del ejemplo 27. b = 0.6. 27.1. Pruebe el programa con los datos del ejemplo 27.4.18 Use la subrutina desarrollada en el problema 27.1. 27.666667 y r = 28.2. 27. b = 2.25 Use MATLAB para integrar el siguiente par de EDO: ^ dt x = 0.24 Use Mathcad para determinar los valores propios y los vectores propios para la matriz del problema 27. Desarrolle una gráfica de estado-espacio de sus resultados.y> .20 Desarrolle un programa de uso amigable para resolver el valor propio más alto con el método de potencias. c = 0.5>!^ 2 dt — = 0.15 para resolver los problemas 27. 27.26 La siguiente ecuación diferencial se usó en la sección 8.824 limplec el método de l'iiilcev I «vnnier ptint realizar el mismo calculo.10.14 Use el programa que desarrolló en el problema 27. 27. Pruébelo con los datos del ejemplo 27. empleo Ax = 0. 27.9. para resolver una EDO lineal de segundo orden.13 para resolver los problemas 27. 27. 27. 27.3vi . e integre de t = 0 a 30.1 para obtener su solución.2. Como en el problema 27.23 Use Mathcad con los dutos del ejemplo 26. 27.2 y 27. 27.10. Además. 27.2 x 1 0 — 6 /d xdt -.15 Desarrolle un programa de computadora de uso amigable pura implementar el procedimiento por diferencias finitas. b) — = + cry dt ' dx dt—ax dy dt dz — = rx — y — xz — = — donde a = 10.7.27 Use IMSL para integrar .16 Use el programa que desarrolló en el problema 27.5. Emplee condiciones iniciales d e x = v = z = 5 e integre de t = 0 a 20.12 Use el método de potencias para determinar el valor propio más bajo y el correspondiente vector propio para el problema 27.7.1.6 usando el procedimiento por diferencias finitas. 27. Emplee condiciones iniciales de x = 2 y v = 1.4 x 10 x = u 0 9 Transforme esta ecuación en un par de EDO. Pruébelo con los datos del ejemplo 27. 27.4 para analizar las vibraciones de un amortiguador de un automóvil: 2 1. a) Use MATLAB para resolver estas ecuaciones de t = 0 a 0.10.17 para resolver el problema 27.19 Desarrolle un programa de uso amigable para implementar el método del polinomio.036y. b) Use MATLAB para determinar los valores propios y los vectores propios para el sistema. para una EDO lineal de segundo orden.10. calcule ln mulri/ inversa y verifique que es correcta. Pruebe el programa con los datos del ejemplo 27.4. 27.05 en t = 0.22 Use el Solucionador de Excel para resolver directamente (es decir. para el caso en que x = 0. dx dt 2 2 7 r + 1 x 10 — + 1.0 .6c. dx dy a) — = ax dt dt — bxy — = —cy donde a = 1. sin linearización) el problema 27.13 Desarrolle un programa de computadora de uso amigable puru implementar el método de disparo.11 Use el método de potencias para determinar el valor propio más alto y el correspondiente vector propio para el problema 27.

que se toman de las ingenierías civil y eléctrica. Además. respectivamente. Ahí se demuestra cómo puede simularse el comportamiento transitorio de los reactores químicos. Muchas de estas aplicaciones dan por resultado ecuaciones diferenciales no lineales que no se pueden resolver con técnicas analíticas.4 se emplean diferentes procedimientos para investigar el comportamiento de un péndulo oscilante.2 y 28. Las ecuaciones se originan de aplicaciones prácticas de la ingeniería. Un aspecto importante de este ejemplo es que ilustra cómo los métodos numéricos permiten efectos no lineales para que sean incorporados de manera fácil en un análisis de ingeniería. Así. La sección 28. En la sección 12.2 analizamos el estado estable de una serie de reactores.t CAPITULO 28 Aplicaciones en ingeniería: ecuaciones diferenciales ordinarias El propósito de este capítulo es resolver algunas ecuaciones diferenciales ordinarias usando los métodos numéricos presentados en la parte siete. Este problema también utiliza dos ecuaciones simultáneas. las técnicas para la solución numérica de ecuaciones diferenciales ordinarias tienen capacidades fundamentales que caracterizan la buena práctica de la ingeniería. Para hacer esto. la aplicación de ingeniería eléctrica trata también con la determinación de valores propios. La acumulación representa el cambio en masa en el reactor por cambio en el tiempo. se demanda alta exactitud y. en consecuencia. 1 se deduce de un problema de la ingeniería química. i' 28.1) . también podríamos estar interesados en la respuesta transitoria de un reactor completamente mezclado.3. usualmente se requieren métodos numéricos. Además de los cálculos en estado estable.1 U S O DE E D O P A R A A N A L I Z A R L A R E S P U E S T A T R A N S I T O R I A DE U N REACTOR (INGENIERÍA Q U Í M I C A / P E T R O L E R A ) Antecedentes. Para un materna de volumen constante. hemos desarrollado expresiones matemáticas para el término acumulación de la ecuación (12.1). se usa un esquema RK de cuarto orden. En la sección 28. Por tanto. También se ilustra cómo se puede usar la optimización para estimar los parámetros para las EDO. te puede formular simplemente como Acumulación = V de dt (28. Los problemas de este capítulo ilustran algunos elementos de juicio asociados con varios métodos desarrollados en la parte siete. En ambos casos. Las secciones 28. tratan con la solución de sistemas de ecuaciones.

Qc FIGURA 28.2 se incluyen dos soluciones con diferentes tamaños de paso Como el tamaño de paso es disminuido.1) se pueden usar para representar el balance de masa para un solo reactor. una formulación matemática para la acumulación es el volumen por la derivada de c con respecto a t. Finalmente. donde V — volumen y c = concentración.2) para 0 c = c (l eB . Así.2) dt Acumulación = entradas — salidas La ecuación (28.1. En el último caso.2). como el que se muestra en la figura 28. En la figura 28.e-° ) + 10e-° 05í La figura 28. Además de verificar los íesiiltiulos de una solución analílica. ilustraremos cómo se puede usar la optimización para estimar los parámetros de los modelos de balance de masa.1) y (12.2 muestra está solución analítica exacta.e^' 3 3 3 0 Si c e n = 50 mg/m .APLICACIONES EN INGENIERÍA: ECUACIONES DIFERENCIALES ORDINARIAS Qc. el método numérico se puede usar para verificar el resulta do analítico. V — 100 m y c = 10 mg/rn . con un flujo de entrada y un flujo de salida.e .^ + c. se puede emplear el cálculo para resolver analíticamente la ecuación (28. Por ejemplo. para este caso. Solución. la ecuación es 05t c = 50(1 .1 Reactor completamente mezclado. En esta aplicación incorporaremos el término acumulación en la estructura del balance de masa general que desarrollamos en la sección 12.2) se puede usar para determinar soluciones transitorias o variables en el tiempo para el reactor. mostraremos cómo se pueden determinar los valores propios del sistema y proporcionaremos un conocimiento en su dinámica. El método de Euler proporciona un procedimiento alterno para resolver la ecuación (28. Q = 5 mVmin. si c = c en t = 0.1: Qc (28. Así. las soluciones numéii cas han agregado valores en ftfUllltl litueciones donde las soluciones analíticas son . Las ecuaciones (28. Luego lo usaremos para simular la