P. 1
Métodos Numéricos para Ingenieros - 3ra Edición - Steven C. Chapra & Raymond P. Canale

Métodos Numéricos para Ingenieros - 3ra Edición - Steven C. Chapra & Raymond P. Canale

|Views: 6|Likes:
Publicado poraerodomo

More info:

Published by: aerodomo on Sep 01, 2013
Copyright:Attribution Non-commercial

Availability:

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

07/24/2014

pdf

text

original

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.

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

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

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

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

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

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

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

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

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

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

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

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

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

blogspot.com .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.com .blogspot.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

http://libreria-universitaria.blogspot.com

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

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

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

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.

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

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

com .blogspot.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 .

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.com .blogspot.

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

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

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

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

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

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

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

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

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

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

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

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

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.blogspot.com .

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

la masa disminuye. En la sección 12.com ünlriidiiN « SIILIDIM (12. Uno de los más importantes principios de organización en la ingeniería química es la conservación de la masa (recuerde la tabla 1.1).1) se puede expresar como http://libreria-universitaria. Por último.10 y 11 para resolver sistemas de ecuaciones algebraicas lineales.blogspot. Los algoritmos numéricos en estas aplicaciones son de particular conveniencia para implementarse en computadoras personales. 12. la masa de la sustancia dentro del volumen aumenta.1 se muestra cómo un balance de masa se puede emplear para modelar un sistema de reactores.4 es una ilustración de cómo se puede emplear las ecuaciones lineales para determinar la configuración del estado uniforme de un sistema masa-resorte. Si las entradas son iguales a las salidas. si las entradas son mayores que las salidas. 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.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. en algunas aplicaciones de la ingeniería.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.3 es un ejemplo del uso de las leyes de Kirchhoff para calcular las corrientes y voltajes en un circuito con resistores. En términos cuantitativos. Para el tiempo en que se realiza el cálculo. Si las salidas son mayores que las entradas. La sección 12. o en estado uniforme. Para esta condición estable. En la sección 12. ya que los ingenieros se enfrentan con mucha frecuencia a problemas que involucran sistemas de ecuaciones que son demasiado grandes para resolverse a mano.CAPÍTULO 12 Aplicaciones en la ingeniería: ecuaciones algebraicas lineales El propósito de este capítulo es usar los procedimientos numéricos analizados en los capítulos 9. Sobre un periodo finito. la sección 12. esto se puede expresar como Acumulación = entradas — salidas (12. Estas técnicas numéricas sistemáticas tienen significado práctico.2) . la ecuación (12.1) El balance de masa representa un ejercicio contable para la sustancia particular que habrá de modelarse.1).

blogspot. Empleo de la conservación de la masa para determinar concentraciones en estado estable de un sistema de reactores acoplados. Por ejemplo.2. para la tubería 1 en la figura 12.330 APLICACIONES EN LA INGENIERÍA: ECUACIONES. 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. si se realiza un balance de masa para una sustancia conservativa (es decir. Solución.nnaaeuanala al . por tanto. Como el reactor se halla en estado uniforme. Sin embargo.5c 3 Q\c\ + Q2C2 = Q3C3 3 3 la cual se resuelve para c = 18. hemos determinado la concentración en la tercera tubería. Así.2). De forma similar. el cálculo obtiene algo adicional. tntin el reactor. podríamos cuantificar la razón con la cual el flujo másico entra al reactor a través de dos tuberías de entrada. De esta forma.1 Una representación esquemática del balance de masa. Por ejemplo. Asimismo. Q = 2 m /min y c — 25 mg/m . Observe que la concentración a la salida del reactor a través de la tubería 3 no se especifica en la figura 12. u homogénea.2). una que no aumenta o disminuye debido a las transformaciones químicas) en un reactor (véase figura 12. 50 mg de sustancias químicas fluyen cada minuto hacia el reactor a través de esta tubería. 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. 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. en todo el tanque.6 mg/m . saliendo de éste a través de una tubería de salida. Rn r.2) y las entradas se encuentran en balance con las salidas.ALGEBRAICAS LINEALES Entrada Salida FIGURA 12. la concentración 011 ln http://libreria-universitaria. Esto es porque ya se tiene suficiente información para calcularla con base en la conservación de la masa.2. Como el reactor está bien mezclado (como lo representa el agitador en la figura 12. 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.com tupiarla 3 Haría aer iiiénlitm 1 1 la (««nnentruci An en. para la tubería 2 la razón de masa que entra se calcula como Q c = (1.5 m /min)(10 mg/m ) = 15 mg/min. se aplica la ecuación (12. la concón Ilación será uniforme.

quienes deben diseñar reactores que tengan mezclas de una concentración específica.=1 FIGURA 12.2 I lu UKIC I DI en oslado i '. Debido a que se usa álgebra simple para determinar la concentración para un solo reactor en la figura 12. =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 . llujos volumétricos están i ni metros cúbicos por minuto. Tal información es de gran utilidad para los ingenieros químicos y petroleros.1 ANÁLISIS EN ESTADO ESTABLE DE U N SISTEMA DE REACTORES 991 FIGURA 12. esto podría no ser fácil de representar en una computadora para el cálculo de un balance de masa.com . =2 5m g m / y 3 3 Q -1 5 . m m /n i c=? 3 3 3 iu b i c o . sino también prácticas. con dos tuberías do unliada y una de salida.'. Para el reactor 1..3 se muestra la disposición de un problema donde las computadoras no sólo son útiles. completamente MUi/i Jado. tuilijjiamos por metro Oi5 = 3 0 «=2 Q ¿ .2. Debido a que hay cinco reactores interconectados o acoplados. Ii >. la razón de flujo de masa que entra es Sí 10) 4- Q\\c\ http://libreria-universitaria. y las I I mconlraciones están en «2m m /n l c . se necesitan cinco ecuaciones de balance de masa para caracterizar el sistema. En la figura 12. 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.blogspot.lulilo. m m /n i c=1 0m g m / 3 2 3 2 0 =3 5 .12.3 ' Un o reactores conectados i ii ii luberías.

3 6ci — c = 50 3 Ecuaciones similares se definen para los otros reactores: .08748 0.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. 12.06 17. se puede calcular la matriz inversa como 0. la cual indica que el flujo de salida del reactor 4 no alimenta ningún otro reactor.33962* 0.c + 4c = 0 Se puede usar un método numérico para resolver estas cinco ecuaciones para las cinco incógnitas que son las concentraciones: { C } = L11. 2.08962 0.com .51J Además.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 .blogspot.8c + l l c .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. sustituyendo valores para el flujo.07461 0. De esta forma. 3 y 5. de la figura 12.03774 0. Esto es consistente con la configuración del sistema (véase figura 12.16981 0.01887 0.3).51 19.04545 0. En contraste.11321 0. Un problema importante en la ingeniería estructural es determinar IIIN fuerzas y reacciones asociadas con una estructura estáticamente determinada.01887 0.2c = 0 3 4 5 2 5 -3ci .00 11. lin la l'i gura 12.16981 0. Tal información es de gran utilidad para los ingenieros que diseñan y manejan sistemas como ése.00629 0.09091 0 0 0 0 0.3 c i + 3c = 0 2 -c 2 + 9 c = 160 3 -c 2 . los flujos de entrada y salida deben ser iguales: 5(10) + Q3lC3 = Gl2Cl + Gl5Cl o.51 r 11. http://libreria-universitaria.16981 0.4 se muestra un ejemplo de tal estructura.01887 0 0 0 0.01887 0. los ceros en la columna 4 indican que una carga en el reactor 4 no tendrá impacto sobre los reactores 1. la.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.06003 0.

V y V ) son fuerzas que caracterizan cómo interactúa la estructura con la superficie de soporte. 5 I iii ii |M iiiius de fuerza de i utíipii libio para los nodos fin I un I (1.'ili'uctura ~2. horizontal y vertical a la superficie. ya sea la tensión o la compresión de los elementos de la estructura. Las fuerzas (F) representan. Las reacciones externas (H . Los diagramas de cuerpo libre se muestran para cada nodo en la figura 12. deben ser cero en cada nodo. La suma de las fuerzas en ambas direcciones. Por tanto.3) http://libreria-universitaria.f . 3 h (12. El apoyo en el nodo 2 puede transmitir ambas fuerzas.v 30° 3 F 3.4) x . para el nodo 1.5. mientras que el rodillo en el nodo 3 transmite sólo fuerzas verticales. 2 2 3 Solución. eos 30° + F eos 60° + F . EF„ = 0 = . vertical y horizontal.12.2 ANÁLISIS DE U N A ESTRUCTURA ESTÁTICAMENTE DETERMINADA 333 PIOURA 1 2 .com ZF y = 0 sen 30° - F\ sen 60° + F (12.h «Mr'illi nmnnte determinada. Se observa que el efecto de la carga externa de 1 000 Ib se distribuye a lo largo de varios elementos de la estructura. El tipo de estructura se puede describir como un sistema de dos ecuaciones algebraicas lineales.blogspot. ya que el sistema está en reposo.

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 (12.866 0 -0. Así. Sin embargo. todas las otras F¡ y F¡ son cero. Una solución negativa. corresponde a compresión. ZF =0= H -F 3 2 -F 3 eos 60° + F 3 3h (12. Las soluciones son negativas si las direcciones se asumen de manera incorrecta.9).5 -0.866 0.866 0. la fuerza de 1 000 Ib hacia abajo en el nodo 1 corresponde a F¡ = — 1 000 libras. como se formuló en la ecuación (12. JF = H 0 = F +F eos 30° + F 2 { 2> 2h + r H 2 2 (12. para evitar la división entre cero de los elementos de la diagonal.5) (12.8) 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).7) (12.com . La aplicación apropiada de las leyes de Newton requiere sólo de suposiciones consistentes con respecto a la dirección. como este problema es un caso ideal de estudio. También observe que en este problema. el sistema se puede resolver mediante cualquiera de las técnicas de eliminación que se analizaron en los capítulos 9 y 10.25 -0.433 0.866 0 0 0.9) F\ = .blogspot. para demostrar la utilidad de la matriz inversa se puede usar la descomposición LUpara calcular 0.5 -1 -0. en este problema. Con el uso de una estrategia para el pivote.866 -0.5 0 0 H =0 2 F = 433 2 F V 3 -866 750 V = 250 2 3 y la matriz inversa es 0.6) IF K = 0 = F .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. sen 30° + F „ + V para el nodo 3.5 0 0 -0.433 0. las fuerzas en todos los elementos supuestamente están en tensión y actúan jalando los nodos adyacentes. 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.25 -0. Para este caso.5 -0. por tanto.334 APLICACIONES E N LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES para el nodo 2. Observe que las direcciones de las fuerzas internas y las reacciones son desconocidas.5 -0.433 0.

com .Ahora. con esto. http://libreria-universitaria. no se necesita implementar el método una y otra vez para estudiar el efecto de diferentes fuerzas externas sobre la estructura.„ 3 F . F todas las demás fuerzas externas son cero.„ F. el vector del lado derecho es {F} T = L-1000 0 1000 0 0 0J el cual se puede usar para calcular Fi = .J 3 t (12. Más que esto.66).6a). observe que los vectores del lado derecho representan las fuerzas externas horizontal y vertical que se aplican sobre cada nodo.blogspot. F = — 1 000. 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. 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. 2 h F. podríamos querer estudiar el efecto de fuerzas horizontales que se inducen por un viento que sopla de izquierda a derecha. resulta que Fj = . 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.6 I >I>N rusos de prueba mostrando o) vientos desde la izquierda y b) vientos desde la derecha.* F.6.8 6 6 H = 2000 2 = — 1 000. Por ejemplo.. 2 v F .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 12.10) Debido a que las fuerzas externas no tienen efecto sobre la descomposición L U. como en {F} r = (/i. FIGURA 12. Ambos casos se muestran en la figura 12.

Solución.866. la mayoría tiende a fallar.12) donde ¿j es la fem (fuerza electromotriz) de las fuentes de voltaje. Estos problemas se resuelven usando las leyes para corrientes y voltajes de Kirchhoff. no es afectado por los cambios en F . '3 donde todas las corrientes que entran al nodo se consideran de signo positivo. Por ejemplo. http://libreria-universitaria. La ley de Kirchhoff para el voltaje es una expresión de la conservación de la energía. Por ejemplo.16).blogspot.7 Representaciones esquemáticas de o) regla de las corrientes de Kirchhoff y b) ley de Ohm. Observe que el segundo término se deriva de la ley de Ohm (véase figura 12. 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. En la práctica de la ingeniería. Esta habilidad de aislar interacciones tiene un número de aplicaciones en la ingeniería. o E/ = 0 (12. La regla de la corriente es una aplicación del principio de la conservación de la carga (recuerde la tabla 1.336 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. Además. El procedimiento anterior resulta particularmente útil cuando se aplica a grandes estructuras complejas. puede ser necesario resolver estructuras con cientos y aun miles de elementos estructurales. Para un circuito de resistores.Ei7? = 0 (12. la cual establece que la caída de voltaje a través de un resistor ideal es igual al producto de la corriente y la resistencia. La aplicación de estas reglas resulta en un sistema de ecuaciones algebraicas lineales.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. F se podría aumentar en 0. como una consecuencia.com .76). Cada elemento representa el cambio de una de las variables desconocidas a un cambio unitario de uno de los estímulos externos. Las ecuaciones lineales proveen un enfoque poderoso para ganar cierta comprensión del comportamiento de estas estructuras. „). Por ejemplo a\\ = 0 significa que F .1). De esta forma. El hecho de que los elementos sean 0 indica que ciertas incógnitas no son afectadas por algunos estímulos externos.866 debido a un cambio unitario del segundo estímulo externo (F. el elemento a \ indica que la tercera incógnita (F ) cambiará a 0. éstas incluyen la identificación de aquellos componentes que son muy sensibles a estímulos externos y. si la carga vertical en el primer nodo fuera aumentada en 1. y i? es la resistencia de cualquier resistor en la malla.11) FIGURA 12. Un problema común dentro de la ingeniería eléctrica involucra la determinación de corrientes y voltajes en varios puntos en circuitos de resistores. esto se expresa como E § . La regla para el voltaje (o malla) especifica que la suma algebraica de las diferencias de potencial (es decir. ya que son varios los ciclos o mallas que forman un circuito. cambios en el voltaje) en cualquier ciclo debe ser igual a cero.7a). 3 3 3 2h 12. se puede usar para determinar los componentes que son innecesarios (véase el problema 12.

blogspot.9 se muestran las direcciones supuestas de las corrientes. si se sustituyen las resistencias de la figura 12.com . Las corrientes asociadas con este circuito son desconocidas tanto en magnitud como en dirección.8 1 ln circuito de resistores que liuhiá de ser resuelto usando ecuaciones akjubraicas lineales simultáneas.9 (Corrientes supuestas.8 y se pasan las constantes al lado derecho. Esto no presenta gran dificultad. ya que simplemente se supone una dirección para cada corriente. ~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. http://libreria-universitaria. el problema se reduce a la resolución del siguiente conjunto de seis ecuaciones con seis corrientes como incógnitas: FIGURA 12. Por ejemplo.f ? »1 0 1 1 FIGURA 12. 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. Si la solución resultante a partir de las leyes de Kirchhoff es negativa. Dadas estas suposiciones. en la figura 12.8. 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. entonces la dirección supuesta fue incorrecta.

En la figura 12.O V=200 <| ( / = 1.1 Ib. con una adecuada interpretación de signos en el resultado.1 .23 M A A - . Para cada masa.6154 i 5 4 z ¡ 32 = .1 la.1538 http://libreria-universitaria. Los sistemas idealizados resorte-masa desempeñan un papel importante en la mecánica y otros problemas de la ingeniería.1 4 6 .11 se muestra un sistema de ese tipo.10. la segunda ley de Newton se puede emplear en conjunto con un equilibrio de fuerzas para desarrollar un modelo matemático del sistema.10 la solución obtenida para h s con ionios y voltajes iiftundo un método de (LILLTLILKK'IÚLL.4 SISTEMAS MASA-RESORTE (INGENIERÍA MECÁNICA/AEROESPACIAL) Antecedentes.1538 = -1.5385 =-6.123.1538 / 65 ¿52 = -4.5385 /= 6. 1 5 V.13) Para simplificar el análisis se supondrá que todos los resortes son idénticos y que se comportan de acuerdo con la ley de Hooke.85 . Deberían ser evidentes las ventajas de usar algoritmos numéricos y computadoras para problemas de este tipo.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.com V . se mide a lo largo de las coordenadas con referencia a su posición inicial dada en la figura 12. Observe que el desplazamiento resultante en cada resorte de la figura 12. 12. En la figura 12.blogspot. las corrientes y voltajes en el circuito se muestran en la figura 12. V= 153. Después de liberar las masas. la segunda ley se puede expresar como m—r dx 2 dt 2 = r D (12. La fuerza hacia arriba es únicamente una expresión directa de la ley de Hooke: Fn = kx\ (12. Si se procede de esta forma. este sistema se maneja de manera fácil mediante un método de eliminación. la solución es ¿12 = 6. Como se introdujo en el capítulo 1.08 ^ O IZ= 0 .12a se muestra un diagrama de cuerpo libre para la primera masa.5385 4 3 Así.M A - ÍZ = 169.14) FIGURA 12. 5 3 85 =-1.

es decir.~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. 1 Las componentes hacia abajo consisten en dos fuerzas sobre el resorte junto con la acción de la gravedad sobre la masa. Advierta que las posiciones de las masas están referenciadas a las coordenadas locales con orígenes en su posición antes de soltarse. Fi.11 Un sistema compuesto de tres masas suspendidas verticalmente por una serie de resortes. 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."11 1 m 2 1 1 b) x 2 O *3 a) FIGURA 12.12 Diagramas de cuerpo libre para las tres masas de la figura 1 2 . b) El sistema después de liberarse. apropiado para el desplazamiento de la primera masa. 3 http://libreria-universitaria.com .blogspot. a) Ei sistema antes de liberarse. x. antes de la extensión o compresión de los resortes..v . .

16).2k(x 2 2 2 .17) y (12.x ) + m g . es llamada matriz de rigidez. podemos obtener los desplazamientos que ocurren cuando el sistema eventualmente llega al reposo. i „ j . y las k — lü kg /s . Esto se realiza mediante la igualación a cero de las derivadas en las ecuaciones (12.5 kg.blogspot. s o n l ° vectores columna de las incógnitas X y de los pesos mg. En este punto se puede emplear métodos numéricos para obtener una solución. ya que el modelo incluye una segunda variable dependiente.x ) 3 2 ( 1 2 1 8 ) Las ecuaciones (12. en forma matricial. se ha obtenido una ecuación diferencial de segundo orden para describir el desplazamiento de la primera masa con respecto al tiempo. Analizaremos en la parte siete los métodos numéricos para obtener esas soluciones.15) se pueden sustituir en la ecuación (12. .10) De esta forma. advierta que la solución no se puede obtener. (12.14) y (12. es decir.Ylb y c) que se pueden emplear para obtener 2 m2 dx 2 2 dt 2 = k(x 3 . En consecuencia. u n t a i v uenerar la inven» de [K].18) forman un sistema de tres ecuaciones diferenciales con tres incógnitas. Con las condiciones iniciales apropiadas.k(x.x) x (-) 12 1? y W3 ^7? = m g . sus oscilaciones). m — 2. m — 3 kg. [K]{X} = [W} donde [K]. .13) para dar d x\ m —^-=2k(x -xi)-{-m g-kx dt 2 ] ¿ 2 l l (12. (12.16). para dar 3kxi —2kx\ — + — 2kx kx 2 = — + kx3 kxi = — ni\g mg 2 3kx 2 2 mjg o. Por ahora. se debe desarrollar diagramas de cuerpo libre para la segunda y tercera masas (véase figuras Yl.18).com .17) y (12. 2 2 i B . x . use lu descomposición http://libreria-universitaria. « i „ „ . Sin embargo. en forma Solución. Si nt\ = 2 kg. éstas se pueden usar para calcular los desplazamientos de las masas como una función del tiempo (es decir. y es 3k -2k -2k 3k -k s [K] -k k Y {^0 y {^} respectiva. en estado estable.340 APLICACIONES EN LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES Las ecuaciones (12.

x = 10.com .' • 'TWWBSBITWB Sustituyendo los parámetros del m o d e l o se obtiene \K\ 3 30 -20 -20 30 -10 -10 10 {W} = 19.15 0. Así. = 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.5 Resuelva el mismo sistema como lo especifica el problema 12.1 se disminuye en un 2.blogspot.3 se halla en M L I I D O estable. 3 = 40 Q .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 .1 0.1 0. L A R A Z Ó N D E A IFWMLBINNR.495. si los flujos se han cambiado n: 12.25 [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 .5 x 2 La descomposición LU se puede emplear con el fin de resolver para x = 7. 11. con unil2 4 R I O U R A P12.1 0.GO3.1 Ib. pero mnihic c.4 24.6 29.1. ¿Qué le indica la respuesta con respecto al sistema físico? 12. ¿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. La inversa de la matriz de rigidez se calcula como 0.2 = 80 0 = 60 Q .|| a 20 y c a 6. la razón de transferencia de químicos a través de cada tubería es igual al flujo volumétrico (Q. PROBLEMAS INUIMILERIA QUÍMICA/PETROLERA 12.15 0.1%.15 0. pero tome Q y Q¡ igual a cero. ¿cuál es el porcentaje de cambio en la concentración de lim roiielorcs 2 y 3? 12.1 en la columna 1 nos indica que una carga unitaria hacia abajo en la primera masa desplazará todas las masas 0. 3 jiul INLIOILÍJS. 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. Use la conservación del flujo para recalcular los valores para los otros flujos.fi«YFIJS? 12 . Como se indica.045 y x = 12.4 Vuelva a calcular las concentraciones para los cinco reactol M (|iie se muestran en la figura 12.1 0. Por tanto.2.1 m hacia abajo. los valores de 0.6 En la figura P12. 1 Debido a que el sistema mostrado en la figura 12.2 Si Iti entrada al reactor 1 en la sección 12.1 0.4. C.6 se muestra tres reactores unidos por tuberías.6 LLON incK LOIOS C O N E C T A D O S 400 mg/s 0.35.1 Realice los mismos cálculos que en la sección 12. Los otros elementos se pueden interpretar en una forma similar. Estos desplazamientos se usaron para construir la figura 12.

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.blogspot. 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. 8 Una etapa en un proceso de extracción se ilustra en la figura P 1 2 . para la etapa i.86) (P12.7 Un balance del cloro para los Grandes Lagos. Si el sistema se halla en un eslaclo estable.y. 1 2 . En estos sistemas. como en t K = ~ 1 2 . 1 . para determinar la concentración de cloro en cada uno de los Grandes Lagos mediante la información mostrada en la figura P12. con unidades do miligramos por metro cúbico). X M | ( x 2 x 3 x¡ x n . 7 Emplee el mismo planteamiento básico que en la sección 1 2 ._i + F Xi+i = FiY¡ + F X¡ 2 2 (P12.8a En cada etapa. La ecuación (P12. se supone que se establece un equilibrio entre Y¡ y X .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.8a) para obtener FIGURA P l 2. se puede representar un balance de masa como m 2 F. la transferencia hacia cada reactor equilibrará la transferencia de salida.1 http://libreria-universitaria. Así.com . Desarrolle ecuaciones de balance de masa pura los reactores y resuelva las tres ecuaciones algebraicas lineales simultáneas para sus concentraciones. tiene una fracción en peso X del mismo químico entra desde la derecha a una razón de flujo de F .86) se puede resolver para X¡ y sustituirla en la ecuación (P12. Las flechas con número son entradas directas.8 Un estado del proceso de extracción.7. 8 . un solvente que en v donde K es llamada el coeficiente de distribución.

résped ivuinente.2. Kl Realice el mismo cálculo que en la sección 12. como no se conoce V y V .4. donde una fuerza por FIGURA P 1 2 . y la llici/ii en el nodo 1 es de 750 libras. Observe que la ecuación (P12.PROBLEMAS 1 2 1 . = 400 kg/h. Si las longitudes de los miembros de la estructura han sido dadas. tomar en cuenta las fracciones peso de entrada cuando se aplica 1 2 1 . se puede trabajar hacia atrás y resolver para las .15.1 Realice el mismo cálculo que en la sección 12.11.4 En el ejemplo para la figura 12. de grano fino y grueso. pero ahora para la estructura mostrada en la figura P12.2 Efectúe el mismo cálculo que en la sección 12.1. 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. 1 2 1 .com . 1 2 1 . X = 0 y K = 5. requiere •I 800. 1 2 4 °0 1 200 i http://libreria-universitaria.15 Arena % Grano fino % 30 50 20 Grano grueso % 18 30 55 vw: l'n I l'n i 52 20 25 /. 5 810 y 5 690 m de arena.5 Emplee los mismos métodos que se usaron en el análisis II las etapas primera y última. determine las fuerzas y reacciones para la estructura que se muestra en la figura P12. peroahoin cambie el ángulo en el nodo 2 a 40° y en el nodo 3 a 50°. pero ahora para la estructura mostrada en la figura P12.8c) los elementos de la estructura. 1 2 1 . 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 < .8c) debe modificarse para Resuelva para esta relación.('nimios metros cúbicos se debe transportar desde cada cantera ptiiu cumplir con las necesidades del ingeniero? 1 1 . se determine los valores de 7 y X . 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. las reacciones externas V y V fueron calculadas. > Un ingeniero civil involucrado en la construcción. existen tres longitudes desconocidas y sólo dos ecuaciones.blogspot. FIGURA P 1 2 . l l debajo de 1 000 libras se aplica en el nodo 1. Sin embargo.2.3 Calcule las fuerzas y reacciones para la estructura de la figura 1 2 .4. de la figura 12. si se usa un reactor de 5 puede resolver para únicamente la relación entre las longitudes.2.(l + Y¡ + = 0 longitudes de(P12. Y = 0. etapas. Observe que como i+Í Sí /•'.12. para un proyecto de construcción. 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. F = 800 kg/h.

usando la eliminación de Gauss. El cuarto 1 y el 3 tienen fuentes de monóxido de carbono. mientras que las flechas en ambos sentidos representan la mezcla difusa.23 Un ingeniero eléctrico supervisa la producción de tres tipos de componentes eléctricos. El área de servicio del restaurante consiste en dos cuartos cuadrados y uno alargado. plástico y hule) se requieren para la producción. ii) la parrilla y iii) el aire que entra por ventilación.16 12.nador + (carga) QC a fl - Q C. = 200 m /hr 3 . oficinas.17 Vista aérea de los cuartos en un restaurante.19. Por ejemplo. ¿Parece razonable la fuerza en elemento vertical a la mitad del elemento? ¿Por qué? 12.20 Realice el mismo cálculo que en la sección 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. en estado estable.19 Lleve a cabo el mismo cálculo que en la sección 12.3. 12. pero ahora cambie la resistencia entre los nodos 3 y 4 a 25 Í2 y cambie V a60V 12. la polución de aire entrante tiene que ver con la contaminación encerrada en espacios tales como casas. pero ahora para el circuito expuesto en la figura P 12.16. el balance se escribe como 0 = W'fu.22 Resuelva el circuito de la figura Pl 2. de los fumadores y una parrilla. áreas de trabajo. a +E (C -C¡) Í3 (mezcla) 3 c + (entrada) — (salida) + FIGURA P12.344 APLICACIONES EN LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES o sustituyendo los parámetros 225c. Ingeniería eléctrica 12.22 para las corrientes en cada alambre.8.16 Resuelva para las fuerzas y reacciones de la estructura de lu figura P12. b) Determine qué porcentaje de monóxido de carbono en la sección de niños es a causa de i) los fumadores. 12.blogspot.20. Las cargas debido al humo y la parrilla agregan masa de monóxido de carbono al sistema pero con entrada de aire Insignificante.21 Resuelva el circuito resistor de la figura 12.3.17. de monóxido de carbono en cada cuarto.1 7 Como su nombre implica. pero ahora para el circuito que se presenta en la figura P12. 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. Las cantidades necesarias para producir cada componente son H { 56 3500 FIGURA P 12. para la sección de fumadores (cuarto I). Tres clases de materiales (metal.com . si V = 180 V y R = 50 ohms. 12. Se puede escribir balances de masa en estado estable para cada cuarto.18 Realice el mismo cálculo que en la sección 12. Use el método de eliminación de Gauss con pivoteo. Las flechas en un sentido representan los flujos de aire volumétricos. a) Resuelva para la concentración. .3.25c = 1400 3 X60° 6 0 ° X /\ 4 5 ° Se puede escribir balances en forma similar para los otros cuartos. Determine la matriz inversa para el sistema. 12. Suponga que se diseña un sistema de ventilación para un restaurante como se muestra en la figura P12. etcétera.

5 kg a 15. = 150 volts ñ = 5 í 2 PIOURA P 1 2 . se pueden desarrollar las ecuaciones de equilibrio de fuerzas.25 Realice el mismo cálculo que en la sección 12. ¿cuántos componentes se puede producir por día? F = k4{X4 . 12.x ) — k (x .42 ñ=25Q 0 volts M e t a l . P l á s t i c o . pero ahora agregue un tercer resorte entre las masas 1 y 2 y duplique k.4.164 kgpara el metal. La figura P12.4.27 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.1 1 0 V = 40 2 http://libreria-universitaria.33 0. Si de k a ¿ son de 150. H u e l.27 muestra un arreglo de cuatro resortes en serie cuando se comprimen con una fuerza de 2 000 kg. 12. 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 .x ) 2 3 2 3 2 2 2 A Si IIIS cantidades totales son 2.25 0.blogspot. 1 9 — ^ oe= v 0.24 Efectúe el mismo cálculo que en la sección 12. 3 y 2 kg.26 Efectúe el mismo cálculo que en la sección 12. plástico y hule.4. 0. En el equilibrio. 75 y 225 kg/s .com .R-20U 2 v W ñ=51i 1 " ' 5 fl-10U 1 O V. calcule las x. pero ahora cambie las masas de 2. respectivamente. 2 2 20 Q 1 5£ 2 5 Í 2 V. 12.x¡) = kyxi k ) = k (x -JCI) k (x'4 . respectivamente. 2 0 MOURA P 1 2 . pero uhoru triplique el valor de las constantes del resorte. { PIOURA P 1 2 . 50. definiendo las interrelacioncs entre los resortes.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. . y están disponibles cada illa. C o m p o .0434 y 0. 3 y 2.

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

/ T I A * ..28 <7).28. pero ahora para el sistema expuesto en la figura P12.28£>): IIKW I 7' 519.216.55 - Encuentre la aceleración a y las tensiones 7'y l< en las dos cuerdas.11. 12. se obtiene el siguiente ninjiinlo de ecuaciones simultáneas (los diagramas de cuerpo libre se muestran en la figura P12. pero ahora para el sistema que se muestra en la figura P 12.72 MW . 12.IH Tres bloques cslnn conectados por unit cnerda sin peso y ih'sciinsiiii sobre un plimo inclinado (véase figura IM2.11.'.30 (los ángulos son de 45°). 3 0 FIGURA P 12.28.29.com .29 http://libreria-universitaria. Si !<u usa un procodiniicnlo similar al usado en el análisis del paracaidista en caída libre del ejemplo 9.30 Realice el mismo cálculo que en el problema 12. R = 108.27 FIGURA P 1 2 .•i.blogspot.29 Realice un cálculo similar al que se pidió en el problema 12.

permile til cálculo de la matriz Gauss-Seidel http://libreria-universitaria. Sin embargo. la descomposición LU basada en algoritmos son los métodos más apropiados debido a su eficiencia y flexibilidad. 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. Dos métodos (el gráfico y la regla de Cramer) están limitados a pocas ecuaciones (< 3). Sin embargo. Los mismos métodos numéricos están divididos en dos categorías generales: métodos exactos y aproximados. 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.4 E L E M E N T O S DE JUICIO La tabla PT3. La magnitud del error de redondeo varía en cada sistema y depende de varios factores que incluyen las dimensiones del sistema. como su nombre lo implica. Además.blogspot. la precisión de la computadora afectará el error de redondeo. El primero. 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. TABLA PT3. esas técnicas son herramientas didácticas útiles para entender el comportamiento en general de sistemas lineales. de modo que tienen poca utilidad para resolver problemas prácticos.2 Comparación de las características de métodos alternativos para encontrar soluciones a ecuaciones algebraicas lineales simultáneas. intenta dar resulta dos exactos.E P Í L O G O : PARTE TRES PT3. La inclusión de esa estrategia minimiza el error de redondeo y evita problemas como el de la división entre cero.com dominante Puede no converger si no es diagonalmente Excelente Apropiada sólo para sistemas diagonalmente Fácil dominante» . Todas las otras cosas permanecen igual. como están afectados por errores de redondeo.

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

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. Los sistemas donde m > n son llamados sobredeterminados. a a. Alternativamente. s http://libreria-universitaria. '31 '32 . TABLA PT3. Wilkinson y Reinsch.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 °33.3 Resumen de información importante presentada en la parte tres. 1974. 2 -oi x )/a.a xí ' -oi^'l/ai. Una vez que se encuentran en un formato mínimo bandado.com .blogspot. 1968. paró todas las x. 1963. Dantzig. x . Problemas potenciales Método Procedimiento y soluciones Eliminación de Gauss a. 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 . como el procedimiento de guardar en la columna activa de Bathe y Wilson (1976). existe una variedad de estrategias de solución eficientes que pueden emplearse. Además de los conjuntos de ecuaciones n X «. 1971). En tales casos puede ser que no tenga solución o que tenga más de una. hay otro tipo de sistema donde el número de ecuaciones. En el capítulo 15 se describe con mayor detalle este procedimiento.G^xf ) / a 1 22 Continúa iterativamente hasta -1 X3 = ( C 3 . n. no son iguales.° 3 1 * 1 -a 3 2 x 2 )/a J 3 3 1 100%<e y.. Para tales situaciones no hay solución exacta. = ( q 7 -o X2 t 2 2 2 1 y! = ( c . Un procedimiento común es resolver la ecuación en un sentido de "mínimos cuadrados" (Lawson y Hanson. A los sistemas donde m < n se les conoce como bajodeterminados. . I c{ a i a 2 c-23 I 2 °31 °32 °33 ' 3. . . y el número de incógnitas.350 EPÍLOGO: PARTE TRES área. Sin embargo. se puede usar métodos de programación lineal donde las ecuaciones son resueltas en un sentido "óptimo" al minimizar algunas funciones objetivo (Rabinowitz. = (c.a .a x ) / a c 2 2 23 3 22 3 3 x. m. 1973).! . 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 . y Luenberger.0 3 3 Sustitución hacia adelante Método de Gauss-Seidel x'.

1 Una función de una sola variable ilustra la diferencia entre raices y el óptimo. En términos matemáticos. la segunda derivada. esto corresponde al valor de x donde la derivada f'(x) es igual a cero./"^). La localización de raíces involucra la búsqueda de raíces de una función o funciones. Todos los estudiantes de ciencia e ingeniería recuerdan el trabajo con problemas de máximos y mínimos cuando determinan las primeras deriva- FIGURA PT4. La diferencia fundamental entre los dos tipos de problemas se expone en la figura PT4. a veces se debe usar aproximaciones por diferencia finita para estimar la derivada.1.com . los métodos de cálculo diferencial aún están en uso para determinar soluciones óptimas. el punto es un máximo. Por tanto. Si comprendemos ahora la relación entre raíces y óptimo podríamos sugerir una posible estrategia para determinar el último. si f"(x) > 0. Debería observarse que tales búsquedas con frecuencia son complicadas porque f'(x) no está disponible analíticamente.blogspot. el punto es un mínimo. De hecho.1 MOTIVACIÓN La localización de raíces (parte dos) y la optimización están relacionadas. la optimización involucra la búsqueda del mínimo o el máximo. Esta tiende a hacer de la optimización una tarea más fácil de seguir en particular para casos multidimensionales. Lo óptimo es el punto donde la curva es plana. el cero) de la nueva función.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. Máximo 0 x http://libreria-universitaria. en el sentido de que ambas involucran valores iniciales y búsqueda de un punto sobre una función. Esto es. PT4.OPTIMIZACIÓN PT4.1. se puede diferenciar la función y localizar la raíz (es decir. algunos métodos de optimización buscan encontrar un óptimo al resolver la raíz del problema: f'{x) — 0. indica si el óptimo es un mínimo o un máximo: si f"(x) < 0. Más allá de ver la optimización como un problema de raíces. Además. 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. En contraste.

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

2 Un paracaídas abierto.PT4.blogspot.1 Optimización del costo de un paracaídas ] ! ] i í i Enunciado del problema. EJEMPLO PT4. c ! A = 2nr 2 (PT4. y en el cual nos interesaremos en predecir la velocidad de impacto en el suelo.com . 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. El área transversal del paracaídas es el de una semiesfera. El paracaídas que se usa para la caída se ilustra en la figura PT4. Los paracaídas abren en forma inmediata casi al salir del aeroplano. es una función lineal de su área de sección transversal descrita por la siguiente fórmula ! c = kA c c (PT4. hemos usado la caída de un paracaidista para ilustrar las áreas básicas de un problema de métodos numéricos. En este ejemplo examinaremos un caso donde el paracaídas se abre. Usted es un ingeniero que trabaja para una compañía aérea que lleva abastecimientos a los refugiados en una zona de guerra.2.1) 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. A través de este libro. la velocidad vertical de impacto debe ser menor que un valor crítico de v = 20 m/s.2) Usted sabe que la fuerza de arrastre en el paracaídas. http://libreria-universitaria.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. Usted puede haber notado que ninguno de estos ejemplos se concentró en lo que pasa después de que se abre el paracaídas. 2 F I G U R A PT4.3) donde c = coeficiente de arrastre (kg/s) y k = constante de proporcionalidad parametrizando el efecto del área sobre el arrastre [kg/(s • m )]. Los abastecimientos se dejarán caer a baja altitud (500 m).

7) IAA donde n es un entero.4)] por el número de paracaídas («). la cual es llamada formalmente función objetivo. Así. El costo se puede calcular al multiplicar el valor de un paracaídas individual [ecuación (PT4. El término constante. Como puede verse.4) 0 donde c .--«•/«>/) (1-10) L ) = | I | . la masa de cada paquete individual se puede calcular como m = M. usted debe especificar las restricciones. j Determine el tamaño (r) y el número de paracaídas («) que puedan obtenerse a un | mínimo costo. y que cumplan al mismo tiempo el requerimiento de tener una velocidad | de impacto suficientemente pequeña. la función que usted quiere minimizar. j Después. El problema está restringido. 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. M — carga total que habrá de arrojarse (kg) y n = número total de paquetes.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 _. ! I | | | | | Solución. Por último. \ \ v <v c (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. es un problema restringido no lineal. Es decir.5) ¡ donde C = costo ($) y A y (. c y c = coeficientes de costo. es posible dividir la carga total en tantos paquetes como quiera.6) Segunda. se calculan con las ecuaciones (PT4. En este punto. se escribe como Minimizar C = n(c + c i + c A ) 2 Q x 2 (PT4. Aunque el problema se ha formulado en forma amplia. algo más se debe tener en | cuenta: http://libreria-universitaria. ¡ n>\ (PT4. respectij vamente.blogspot. — n t donde m = masa de cada paquete individual (kg).356 OPTIMIZACIÓN También. ya que los paquetes deben tener una velocidad de impacto menor al valor crítico. es el valor base para los paracaídas.1) y (PT4. el problema de optimización se ha formulado. c . i Primera. El objetivo aquí es determinar la cantidad y tamaño de paracaídas que minimicen el costo del planeador. el número de paquetes debe ser un entero y mayor o igual a 1.2). Costo por paracaídas = c + c l + c A 0 x 2 0 x 2 2 (PT4. Para este problema existen dos | restricciones.

8) -{c/m)t donde z = altura inicial (m).10) provee una relación entre v y r. En lugar de esto. 0 provee una forma c de predecir z conociendo t. se debe resolver para el tiempo al cual z se acerca a cero. Esta función. Así. 0 0 z 1 (PT4. Aunque la ecuación (1.10) por integración Jo c Esta integral se puede evaluar para obtener gm t (PT4. m = masa (kg) y t = tiempo (s). http://libreria-universitaria.com .9) 0 = z . es necesaria una relación entre la distancia de calda z y el tiempo de caída t.— t c 0 gm- (1 -(c/m)t (PT4.3.9) como un problema de determinación de raíces.1 MOTIVACIÓN 2 donde v = velocidad (m/s).PT4. como muestra la gráfica de la figura PT4. se necesita conocer en cuánto tiempo cae la masa. La distancia de caída se puede calcular de la velocidad en la ecuación (1. se reconoce que se ha formulado la ecuación (PT4. se debe calcular el tiempo requerido por el paquete para recorrer en caída la distancia z . Esto es.10) Una vez que se calcula el tiempo de impacto.10) con el fin de resolver para la velocidad de impacto. no se necesita z como una función de t para resolver este problema.blogspot. Sin embargo. se puede sustituir en la ecuación (1. Por tanto. g = aceleración de la gravedad (m/s ).

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

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

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

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

2 Restricciones no lineales FIGURA PT4.5 Esquema de la organización del material en la parte cuatro: Optimización.3Ó2 OPTIMIZACIÓN 15.com . http://libreria-universitaria.blogspot.

Ser capaz de acondicionar y resolver problemas de optimización restringidos no lineales mediante un paquete de software. comprender los elementos de juicio de los enfoques y reconocer cómo cada uno mejora sobre el paso ascendente/descendente. con particular atención en los valores iniciales y en la convergencia. reconozca los elementos de juicio entre estos enfoques. lis TABLA PT4. Calcular a mano el óptimo de una función con dos variables. 9. Comprender las ideas detrás de los patrones de búsqueda.PT4. Comprender los cuatro posibles resultados de un problema de programación lineal. Ser capaz de reconocer y acondicionar un problema de programación lineal para representar aplicaciones de los problemas en ingeniería. usando el método de paso ascendente/ descendente. direcciones conjugadas y el método de Powell. ó. Poder definir y evaluar el gradiente y Hessian de una función multivariable. 2. 14. y entre problemas restringidos y no restringidos. 7. 3.2 1. http://libreria-universitaria. 5. 11. Comprender los elementos principales del problema de optimización en general: función ob|elivo. También. Poder definir la relación dorada y comprender cómo realiza una eficiente optimización unidimensional.com . Ser capaz de escribir un programa y resolverlo para el óptimo y la función multivariable usando búsqueda aleatoria. 8. En particular. 1 2.blogspot. variables de decisión y restricciones. Comprender por qué y dónde ocurre la optimización al resolver problemas de ingeniería. 10. de Marquardt y de cuasi-Newton. de Newton. interpolación cuadrática y el método de Newton. ambas en forma analítica y numérica. 4. 1 3. Poder resolver un problema de programación lineal bidimensional con ambos métodos: el gráfico y el simplex. 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.3 ORIENTACIÓN Objetivos de estudio específicos para la parte cuatro. Comprender las ideas básicas detrás de los métodos del gradiente conjugado.

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

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

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

1 . 8/13 = 0.3 El Partenón de Atenas. . relaciona la razón de números consecutivos en la se- Himieia.1 L a razón dorada y los números de Fibonacci lili muchas culturas. I . que contienen un extremo local de f(x). a ciertos números se les otorga cualidades. I .2/3 = 0. razón fue empleada para un gran número de propósitos. muchos de los templiiN siguieron esta forma.comrrir: . I 'or ejemplo. I'NUIN Místicamente agradables. E n el contexto del p í n t e n l e análisis. u Después. y asi sucesivamente. 3 4 . Entre otras cosas. Ahora derivemos un algoritmo para implementar este procedimiento en la computadora. os decir. . 2 .5. ¡Como mi|iunenios. los cuales •on 0. 3 .NIII I : 0. el cual se conoce desde la antigüedad. Esta secuencia detonó en muchas rtii'iiN diversas de la ciencia y la ingeniería. 1 3 . 1/2 = 0.615.61803. Como se mencionó antes y se ilustra en la figura 13. x¡ y x .a razón dorada se relaciona con importantes series maternal icns conocidas como los números de Fibonacci. en Occidente se suele decir "el 7 de la suerte" y "viernes 13". Ya que permite encontrar en forma eficiente el óptimo. dos puntos interiores x { yx 2 se escogen de acuerdo con la razón dorada. Grecia.625. 5 .667. una interesante propiedad de la secuencia de I'IIMIIIIICCÍ FIGURA 13.4.3.1 BÚSQUEDA DE LA SECCIÓN DORADA 367 Cuadro 13.x¡) = x„ - d La función HO evalúa en esto» dos puntos interiores. es llamado la razón dorada (vea el cuadro 13. proporciones fueron consideradas por los griegos como Incluyendo el desarrollo del rectángulo como en la figura 13. L o s antiguos griegos llamaron al siguiente número ln "razón dorada": > A I'. Así. 8 . la razón de números consecutivos se aproxima a la l»*on dorada! Este valor. 3/5 — ( l o .1). 1/1 = 1. . d =—-—(x x\ = xi + d x 2 u .13. 1/H = 0. Dos resultados pueden ocu- http://libreria-universitaria. 2 1 . Sus dimensiones frontales pueden casi ajusfar en forma exacta dentro de un rectángulo dorado. fue construido en el siglo v antes de Cristo.blogspot. cada número después de los dos primeros representa la mima de l o s dos precedentes. 0/1 = 0. el método comienza con dos valores iniciales. es el elemento clave del método de la sección dorada que hemos desarrollado conceptualmente.

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

528 x = 4 . pasa a ser la frontera superior. Después de 20 vueltas.472 x = 4 .528. en cada vuelta el intervalo se reduce por un factor de la razón dorada (aproximadamente el 61.528 2 La función se puede evaluar en los puntos interiores f(x ) 2 =/(1. con los resultados tabulados en seguida: 2 ( 2 { u http://libreria-universitaria. u Solución. Esto significa que después de 10 vueltas. V5- Primero. ) = /(2.472 .2 sen (1. De hecho. esto es.2.618 o 0.472 = 1. Además.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. el máximo está en el intervalo prescrito por x . Esta reducción no es tan buena como la que se alcanza con bisección. y x. 2 2 x t u 2 2 d = 2 1 (2.13.) ya que se determinó en la .472.944 La evaluación de la función en x es/(0. para el nuevo intervalo.994) =1.0066%. el intervalo que contiene el extremo se reduce rápidamente.765 / ( * .blogspot. x. pero éste es un problema más difícil.531.1. i ül proceso se puede repetir.0) = 1. se acerca al 0.472 = 2. se usa la razón dorada para crear los dos puntos anteriores 1 ( 4 .008 o 0. el intervalo se acorta a cerca de 0. 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 — 4.1 Búsqueda de la sección dorada Enunciado del problema . x y x . la frontera inferior permanece x = 0.528) = 1. esto es. x = 2.472 xx = 0 + 2.0) = 2.528) = ^ . Como las iteraciones se repiten. Todo lo que falta es calcular la nueva razón dorada y x . el máximo en el intervalo está definido por x¡. el primer valor x pasa a ser el nuevo x¡. no se tiene que recalcular/(x.63 Debido a que f(x ) >/(*i).8%).528) = 1.com . 10 EJEMPLO 13.8% de su longitud inicial. Así.528 = 0.472) = 0.765. Como este valor es menor que el valor de la función en x . Además. x y x . iteración previa como/(l. = 1.

com .6300 0.0851 '1.6656 1.).7136 1. este caso podría representar el error máximo.7755 1.4721 2.382 (x — x¡). x x ).7647 1. http://libreria-universitaria.360/ 0.7742 x 2 í(x ) 2 d 2. x .5432 1.5310 1.9443 1.4752 1.v = xi .1378 0.R(x u . Recuerde que por bisección (véase sección 5.7647 1.4/71 1. estará en el intervalo superior (x . la máxima distancia de la estimada podría ser Axft = x¡.7595 1. el resultado es convergente sobre el valor verdadero de 1.2.5279 1.52/9 0. se puede calcular un límite superior exacto en cada iteración.9443 0.1.8885 1. .9443 0.7595 1.7755 1.x 0 2 = x\ + R{x = {IR u u .x¡) = (x. Por tanto. x para dar u o p t Sa = 0 .7732 Observe que el máximo actual está resaltado para cada iteración. un límite superior para la búsqueda de la sección dorada se puede derivar como sigue.5279 1. Si x.2229 0.x „ ) +2R(x -xi) !)(*„-*.x„ + R(x u u . la máxima distancia de la estimada podría ser 2 2 2 v u A.7647 2.5279 0.4721' 1.5279 1.7136 1. es el valor de la función en el punto óptimo./ 0 Xu ~ XI 100% Esta estimación proporciona una base para terminar las iteraciones. el máximo ocurre en x = 1.7647 1.) o 0.5279 1.7755.3050 1.5310 1. el óptimo estará en uno de los dos intervalos.3050 1.0000 2.1136 0.4427 1.6656 1. Así.5310 1.7647 1.4721 1. Si x es el valor de la función óptima.5279 1.7647 1.4427 1.236 (x — x¡) Si el valor verdadero estuviera en el extremo derecho. .x¡ .6300 1.3050 1.370 OPTIMIZACIÓN UNIDIMENSIONAL N O RESTRINGIDA / 1 2 3 4 5 6 7 8 0 0 0. Observando en el intervalo superior.7595 1. cualquier caso se puede usar para definir el error.x\ = x„ .5279 -3.6300 1. estará en el intervalo inferior (x¡.8885 . Tal resultado puede entonces ser normalizado al valor óptimo para esa iteración.3050 1. x. Debido a que los puntos interiores son simétricos.4427 1.5432 1.3901 '(*/) 0 0 1.3901 1.1).x¡) = (1-/?)(*«-*/) o 0.x¡) .7647 4.blogspot. Después de ocho iteraciones. Una vez que se completa una iteración. Usando un razonamiento similar.4427 con un valor función de 1.52790.8885 1.5836 0.7755 1.4276.7595 1.5432 1.7647 1.7757 e n x = 1.7742 1.9443 1. si el valor verdadero estuviera en el extremo izquierdo.

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

Sin embargo.6 Ilustración gráfica de la interpolación cuadrática. http://libreria-universitaria. Tiempo consumido en la evaluación. Usted se preguntará por qué hemos hecho énfasis en la reducción de las funciones evaluación de la búsqueda de la sección dorada.com . En la figura 13. la velocidad ahorrada podría ser insignificante. F I G U R A 13. Existe casos donde el algoritmo de búsqueda de la sección dorada puede ser una parte de muchos más cálculos. En ambas versiones el valor x para el óptimo se regresa como el valor función (dorado). Por supuesto. Usted debería entender que una función puedeser muy compleja y consumir mucho tiempo en su evaluación. 13. para resolver una sola optimización.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 13.5a. se usan funciones sim pies en la mayoría de nuestros ejemplos. 2. Por tanto. manteniendo las evaluaciones de la función a un mínimo podría dar grandes dividendos para esos casos. se describirá cómo se puede usar la optimización para estimar los parámetros de un modelo que consiste de un sistema de ecuaciones difercí íciales.372 OPTIMIZACIÓN UNIDIMENSIONAL N O RESTRINGIDA En la figura 13. Muchas evaluaciones. hay dos importantes contextos donde minimizar el número de evaluaciones de la función puede ser importante.5b se listan las pequeñas modificaciones para convertir el algoritmo a minimización. se presenta el pseudocódigo del algoritmo de búsqueda de la sección dorada. Para tales casos. Por razones pedagógicas. En tales casos. Cualquier método que minimiza tales evaluaciones podría ser ventaj oso. el valor def(x) en el óptimo se regresa como la variable f(x). ésta podría llamarse muchas veces. Por ejemplo. Éstos son 1.6). la "función" involucró tiempo consumido en la integración del modelo. en una parte posterior de este libro.blogspot. Además.

5829 (4 .2 Interpolación cuadrática ] i Enunciado del problema. Ya que el valor de la función para el nuevo punto es mayor que para el punto intermedio (x. el valor de inicio inferior (x ) se descarta.x{) 0 donde x .5829 0 x.) y el nuevo valor de x está a la derecha del punto intermedio.1) ~ la cual tiene un valor de la función d e / ( 1 .x ) + f(x ) 2 2 2 3 7 3 (x .13. El valor de la función en los tres valores se puede evaluar. se puede ajustar una parábola a los puntos.1136) (O .0 ) + 2(-3.7691 /U ) =-3.blogspot. de f(x) = 2 sen x x — 2 Use la interpolación cuadrática para aproximar el máximo j i i j | . x = 1 y x — 4.5829 . De esta forma. Después se puede diferenciar e igualar el resultado a cero.7) se obtiene.O ) + (-3.xj) + f{x\) (x¡ .1136 2 la cual so sustituye en la ecuación (13. Después. para la próxima iteración.com .v = 4 f{x ) = .x ) 2 2 2 2 / ( x ) (xi . = 1.4 ) +2(1. ¡ j | | ! | | I * i j | \ I con valores iniciales de x = 0.2 INTERPOLACIÓN CUADRÁTICA Así como existe sólo una línea recta para conectar dos puntos.7) para obtener http://libreria-universitaria. Por tanto. y resolver para una estimación de la óptima x. x = 0 0 x /(x ) = 0 0 x = 1 / ( x i ) = 1. 2 2 _ X i 0 ( l . y x es el valor de x que corresponde al máximo valor del ajuste cuadrático a los valores iniciales.5055) = 1 . se puede emplear una estrategia similar a la de la búsqueda de la sección dorada para determinar cuál punto se descartará. si se tiene tres puntos que juntos contienen un óptimo.4 ) + 1.3 .l ) 2 2 2 2 2 2 = } 5 Q 5 5 ~ 2(0) (1 .769 1.1136) (0 . 1 1 3 6 y sustituyendo en la ecuación (13. hay únicamente una cuadrática o parábola para conectar tres puntos.x ) + 2f(x ) 0 2 2 0 Q x 2 3 (x . . 0 x 2 Solución. 0 jc = 1 0 / ( x ) = 1. x y x son los valores que fijan el extremo. ) = 1.5055 x = 4 2 / ( * . Se puede demostrar que después de un manejo algebraico el resultado es /(¿o) ( x .5829) ( 4 .x ) + 2f(x¡) (x .

1136 1.4256 1.7714.7/M 1. dentro de las cinco iteraciones.7757 1.505.¡ + 1 X: - ( M H .7714 1.7691 1.4903 1./ 1.) http://libreria-universitaria./ Así.374 OPTIMIZACIÓN UNIDIMENSIONAL N O RESTRINGIDA _ 1.7757 x 2 flx ) 2 * 3 4* ) 3 2 3 4 5 1 . con los resultados tabulados abajo: / 1 -«o 0.7691 ( 4 ¿ (-3.4266 1.5829 *i 1. la interpcln ción cuadrática puede quedarse con sólo un extremo de intervalo convergiendo.com . se puede formu lar en algoritmos que contienen pruebas de convergencia.0000 1.0000 1. El método se resume como x¡+\ = X¡ f(x¡) fU.4256 0.4903) = 1. vea el método de Brent's en y cois. Así. observe que en nuestro pío.1.4275 1.4276.775/ 1.blogspot. g(x) — f\x).77'. Deberíamos mencionar que así como en el método de la falsa posición.'.7/.3 . e j e i n P r e s s 13.7691)(4 • la cual tiene un valor de la función de/(1.5829 1.7691 1.5055 1. Este método. cuidadosas estrategias de s e lección para los puntos que habrán de retenerse en cada iteración e intentos de minimi/.0000 fue un punto final para la mayoría de la iteraciones.5055 . es un método abierto que encuentra la raíz de x como una función tal que f(x) = 0. como el mismo valor óptimo x* satisface ambos / ' ( x * ) = g(x*) = 0 se puede usar lo siguiente x.5829 (1.7757 4. así como otros que usan polinomiales de tercer orden.4903 -3.5829 1.5829 1. 1. H 3 6 ) ( l I.0000 1.0000 1.7714 1.4903 1.5055 1. (1992). El proceso se puede repetir.7691 1.V') .5055' -4') = 1.5055 1.4 ) + 2(1. el resultado es rápidamente convergente sobre i-l valor verdadero de 1.0000 1.4903 1.0000 1.0000 1.7757 e n x = 1.1136) ( I ' l) + 2 ( .m la acumulación del error de redondeo.0000 4. Así. En particular.1136 -3.4903 + 1.) Se puede usar un planteamiento similar abierto para encontrar un óptimo de / ( \ ) ul definir una nueva función.4266 1.7714 1. Como prueba de lo anterior.5055) 2(1.5829)(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. ln convergencia puede ser lenta.4256 1.

1/5 la cual tiene un valor de la función de 1.2 . El método de Newton es abierto y similar al de Newton-Raphson porque no requiere de valores iniciales que contengan el óptimo.99508 1.995 2 eos 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.88985 -0.2 sen 0.46901 1.com .00020 0.42764 1. es una buena idea verificar que la segunda derivada tenga usualmente el signo correcto para confirmar que la técnica converge sobre el resultado deseado.995/5 . 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 (13.57859 1. 3 Método de Newton I Enunciado del problema.77385 1.427. f(x) = 2 senx Use el método de Newton para encontrar el máximo de 10 0 con un valor inicial de x = 2.1/5 = 1.995 .09058 -0.5 0. El proceso se repite. 5 / 5 .blogspot.0.17954 -2.10229 0. EJEMPLO 1 3 . = 0. Además. Por último.77573 1.18965 -2.#-TW!B1WB«rüB NEWTON " 17B como una técnica pura encontrar el mínimo o máximo de f(x).2 sen 2.5 .77573 -2.995 .5 0.39694 -1..5. también comparte la desventaja de poder ser divergente.46901 = a 9 9 5 Q 8 la cual tiene un valor de la función de 1. con los resultados abajo tabulados: f(x) 2.87761 -2. ) Solución.8) para obtener _ 2 eos x¡ — x / 5 —2 senx.5.57194 1.00000 -1.T*. La segunda iteración da x.57859.— 1/5 Al sustituir el valor inicial se obtiene x 5 2 eos 2 .77385. 5 .17952 http://libreria-universitaria.

Esto concluye nuestro tratamiento de los métodos para encontrar el óptimo de funciones de una sola variable. Así.3 Encuentre el valor de x que maximiza f(x) en el problema Use métodos analíticos y gráficos para mostrar que la función 13. usualmente se emplea sólo cuando se está cerca del óptimo. <.. c) Método de Newton (x = 2.8 Considere la siguiente función: u s 0 2 4 u 0 2 8 . las técnicas descritas aquí son un importante elemento de algunos procedimientos para optimizar funciones multivariables. Algunos ejemplos de ingeniería se presentan en el capítulo 16.8: cuadrática. b) Interpolación cuadrática (x = 1.3.5. PROBLEMAS 13. un método de Newton.) Use métodos analíticos para probar que la función es cóncava para todos los valores de x. en versión como la secante.4 Repita el problema 13.0. x = 2. 13. £ — i'oulioc 3 iteraciones. usando la búsqueda de la sección dorada. 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. 13.2 Dada la función 0 l 2 13. x = 4.7) se obtienen los mismos resultados con base en los valores iniciales x = 0. Emplee un valor inicial de x = 2 y realice tres iteraciones. 13. iteraciones = 5).Y . Por otra parte. 13.9 Emplee los siguientes métodos para encontrar el máximo res iniciales de x¡ = 0 y x = 2 y realice 3 iteraciones. que se analizarán en el próximo capítulo. interpolación cuadrática y el método de Newton para localizar un óptimo valor en una dimensión.tiene un mínimo para algún valor de x en el rango — 2 < x < 1. se puede desarrollar al usar aproximaciones por diferencia finita para las evaluaciones de la derivada. 13. 1%). pero ahora use el método de Newton. Aunque el método de Newton trabaja bien en algunos casos. Para estos casos.) Diferencie la función y después use un método de localizaf(x) = 6x + 1.2 x + 12* 4 http://libreria-universitaria. no es práctico en otros donde las derivadas no se pueden evaluar en forma conveniente. Emplee valores iniciales de x = 0.x = 2 y a) Búsqueda de la sección dorada (x¡ = — 2.5x 6 .x = 2 y x = 6. dentro de las cuatro iteraciones.3. x.25. e = 1 %).6 Analice las ventajas y desventajas de la búsqueda de la sección dorada.blogspot. /. 13. = 1 . b) Verifique que con la ecuación (13. pero ahora use interpolación de la función del problema 13. 0 s 2 3 a) Búsqueda de la sección dorada (x¡ = —2. se dispone de otros procedimientos que no involucran la evaluación de la derivada.1 Dada la fórmula f(x) = x .75. diferenciación).2.7 Emplee los siguientes métodos para determinar el máximo de 0 f(x) = 2. Emplee los valo. e = 1%).x.376 Asi.V 4 /(.25. x„ = 1.1 J5x 2 + \Ax 3 . Por ejemplo.5 Repita el problema 13. el resultado converge en forma rápida sobre el vulor verdadero.com a) Grafique la función. 13.8x + 12 2 a) Determine en forma analítica el máximo y el valor correspondiente de x para esta función (use por ejemplo. 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.v) = -l. = 2.5x + 3x + x ción de raíces para determinar el máximo de f(x) y el valor correspondiente de x.

-= 0. Regrese ambos al óptimo de x y f(x). e = 1%). 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. ) + f(x¡ . • M . e = 1 %). http://libreria-universitaria.»•„ = — 1 e itere para £. )_ = f{x¡ + Sx¡) . y después con base en este reconocimiento implemente en forma adecuadu la búsqueda de la sección dorada. el óptimo x y/(x).Sx¡) 2¿x.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. i) Método do Newton (x — — 1. La subrutina dorada. • Veri fique si los valores iniciales ajustan a un máximo.14 Desarrolle un subprograma como el descrito en el problema 13.blogspot. . Si no es así. I /( t ) I \ .v. .13.3. pero ahora haga un reconocimiento para determinar si el problema involucra minimización o maximización. Diseñe el subprograma de tal forma que esté deberá tener las siguientes características: diseñado para localizar un máximo. Si no • Encuentre ambos. 13. 13. la subrutina deberá implementar el algoritmo. 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. = 1%. la subrutina no debe implementar el algoritmo.2 / ( x . Use bisección con valores iniciales de x¡ = —2 y x 1 3 1 .1. = — 1.5. M I ' I )es!irrolle un subprograma usando un programa o lengua. Ii) Método de Newton.15 Desarrolle un subprograma usando un programa o lenguaje macro para implementar el algoritmo de interpolación cuadrática.f(x¡ . x = 1. Comente sobre la convergencia de sus resultados (x 0 - ().0).01). Verifique si los valores iniciales ajustan a un máximo.PROBLEMAS />) Interpolación cuadrática (.l. i\s así. pero deberá regresar mostrando un mensaje de error. Itere hasta que el error relativo esté por debajo de un criterio de paro o exceda un número máximo de iteraciones. 13. I l.v„ ~ 2. 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.2 Determine el mínimo de la función del problema 13. Minimice el número evaluaciones de función. x = 2 5. iteraciones — 5).11 K oii los siguientes métodos: u) Método de Newton (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 ( = 0.2. • ^ ftxi + 8x¡) . pero debe regresar un mensaje de error. Encuentre ambos. 0 s -I u Pruebe su programa con el mismo problema dado en el ejemplo 13.. Pruebe su programa con el mismo problema del ejemplo 13. Minimice el número evaluaciones de función. Diseñe el subprograma de tal forma que esté expresamente diseñado para localizar un máximo. Use un valor Pruebe su programa con el mismo problema como en el ejemplo liitrhil de . 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.com . el óptimo x y f(x).v.13. pero ahora usando aproximación por diferencias finitas para estimar las derivadas.v Non Mee 10 iteraciones con interpolación cuadrática para ubicar i'l IIIIIIIIIU). 2 3 A I I.

blogspot.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).1). Se adoptar A este planteamiento debido a que las formas características esenciales de las búsqueda* multidimensionales son a menudo más comunicativas visualmente. Aquellos que requieren las dei i vadas son llamados métodos gradientes o métodos de descenso (o ascenso). se dividirán dependiendo de si se requiere la evaluación de la derivada. Los procedimientos que no requieren dicha evaluación se llaman métodos no gradientes o directos. Para problemas de gratulen dimensiones. no son posibles imágenes adecuadas.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 ha optado por limitar este capítulo a los casos en dos dimensiones.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. Para propósitos del presente análisis.com . a) Mapa topográfico bidimensional (2-D) de la montaña que corresponde a la gráfica tridimensional (3-D| de la montaña en el inciso b). 14. la imagen es ahora como la de montañas y valles (véase figura 14. Líneas de f constante http://libreria-universitaria. FIGURA 14. Recuerde del capítulo 13 que nuestra imagen visual de una búsqueda unidimensional fue como una montaña rusa. Se empezará el análisis con el procedí miento de fuerza bruta. Las técnicas para la optimización multidimensional sin restricciones se pueden olí» sificar de varias formas. Para el caso en dos dimensiones.

x¡= — 2 y x = 2. Solución.2xy .5 ocurre e n x = — 1 y y = 1.1 Método de la búsqueda aleatoria Enunciado del problema. Como su nombre lo indica.1. máximo de 2 Use un generador de números aleatorio para localizar el f(x.com . EJEMPLO 14.1) que muestra el máximo en x = .5. + (x u - x¡)r u Para la presente aplicación. El dominio se describe en la figura 14. y) = y . Máximo http://libreria-universitaria. Si se designa a tal número como r.1 Búsqueda aleatoria Un simple ejemplo del procedimiento de fuerza bruta es llamado el método de la búsqueda aleatoria.1 y y = 1 .14.1. una fórmula para el presente ejemplo se puede desarrollar como y = yi + (y u y¡)r = 1 + (3 . la siguiente fórmula puede ser usada para generar valores de x aleatorios en un rango de x¡ a x : u x = x.1) en el dominio acotado porx = —2 a 2.5. De forma similar para y. y y = 1 a 3.2 ) ) r = .y 2 (E14. este método evalúa en forma repelida In función mediante la selección aleatoria de valores de la variable independiente. respectivamente.2x .2 + 4r Esta se puede probar al sustituir 0 y 1 para obtener —2 y 2.l)r = 1 + 2r FIGURA 1 4 .2.blogspot.x . Observe que un solo máximo de 1.1. Si un número suficiente de muestras se lleva a cabo. y la fórmula es x = -2+(2( . 2 Ecuación (El 4 . el óptimo será eventualmente localizado. Los generadores de números aleatorios en forma típica generan valores entre 0 y 1.

*x**2 .maxx.iter + 1 CALL Random(rnd) x .e9 00 i .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.003075 -1. y).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. j . 10 D O J .x maxy = y END I F END D O PRINT * .1 .y . maxy. respectivamente. siempre encuentra el óptimo global más que el local. Además.fn.1.f ( x . i t e r REAL : : x.*x*y .GT.x . * rnd f n .y. y los valores correspondientes de x y y en maxx y maxy. Se toma un total de 300 muestras y los resultados se despliegan cada 30 iteraciones. + 2. Éstos se sustituyen en la ecuación (E14.1). Este simple procedimiento de fuerza bruta trabaja aun en discontinuidades y luncio nes no diferenciables.f. y) .rnd f ( x . y) I F (fn.com j .. maxx.2.maxf) THEN maxf = fn maxx .y**2 maxf = -999.maxf. Program Jump IMPLICIT N0NE INTEGER : : i .blogspot. 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 . i t e r .2 . * rnd y .938087E-01 -1. 1 http://libreria-universitaria.1 .1 . El máximo valor de entre estas pruebas aleatorias se guarda en la variable maxf. 30 iter . + 4.maxy.2.

si no es que todos.1. que se puede resolver mediante una variedad de métodos (entre ellos los descritos en el capítulo 13). que es más eficiente y además no requiere la evaluación de la derivada. 14. El más ampliamente utilizado es el algoritmo genético.unduce una y http://libreria-universitaria. i i I riOURA 14. Los procedimientos restantes descritos en este capítulo toman en cuenta el comportamiento de la función. En esta sección se describe un procedimiento. Holland (1975). 1 MÉTODOS DIRECTOS principal deficiencia es que como crece el número de variables independientes. El método de búsqueda aleatoria. redes neuronales artificiales y algoritmos genéticos son unos pocos ejemplos. Éstas son procedimientos heurísticos que fueron desarrollados para manejar problemas no lineales y/o discontinuos que la optimización clásica usualmente no maneja bien. iniciador del procedimiento del algoritmo genético. aunque la búsqueda aleatoria puede probar ser útil en un contexto de problemas específicos. Simulación de recocido. con un número disponible de paquetes comerciales.2 Univariabilidad y búsquedas patrón Es muy agradable tener un procedimiento eficiente de optimización que no requiera evaluar las derivadas. Se debe observar que se dispone de técnicas de búsqueda más sofisticadas. los siguientes métodos tienen una utilidad más general y casi siempre tienen la ventaja de tener una convergencia más eficiente. Además. La estrategia básica a resaltar del método de búsqueda univariable es que cambia una variable a la vez para mejorar la aproximación. ol esfuerzo de implementación requerido puede ser gravoso. En consecuencia. no es eficiente. antes descrito. mientras las otras variables se mantienen constantes. ya que no toma en cuenta el comportamiento de la función realzada.com . y Goldberg (1989) y Davis (1991) proporcionan buena revisión de la teoría y aplicación del método. pero no es muy eficiente. asi como los resultados de las iteraciones previas para mejorar la velocidad de convergencia. el método de búsqueda univariable. no requiere la evaluación de la derivada. Dado que únicamente se cambia una variable.blogspot.3 ion gráfica de I'HIII (. búsqueda tabú.14. el problema se reduce a una secuencia de búsquedas en una dimensión.

y se mueve a lo largo del eje x con la y constante hacia el máximo en el punto 2. 3-5 o 2-4.com . 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. http://libreria-universitaria. se puede demostrar que sif(x. Este se basa en la observación (véase l.382 OPTIMIZACIÓN MULTIDIMENSIÓNAL SIN RESTRICCIONES Realicemos una búsqueda univariable por medio de una gráfica. Se dispone de algoritmos formales que capitalizan la idea de las direcciones patrón para encontrar los valores óptimos en forma eficiente. Se comienza en el punto 1. 6. y) es una función cuadrática. Sin embargo.blogspot. Continúeeste proceso generando los puntos 4. Aunque se está moviendo en forma gradual hacia el máximo. El más conocido de dichos algoritmos es el llamado método de Powell. las búsquedas secuenciales a lo largo de las direcciones conjugadas convergerán exactamente en un número finito de pasos. Tales trayectorias son llamadas direcciones patrón. Tales líneas son llamadas direcciones conjugadas.3.4) de que si los puntos 1 y 2 se obtienen por búsquedas en una dimensión en l¡i misma dirección. también observe que las líneas unen puntos alternos tales como 1-3. Puesto que una función general no lineal a menudo puede estar razonablemente aproximada a una función cuadrática. como se muestra en la figura 14. Se implementará en forma gráfica una versión simplificada del método de Powell para encontrar el máximo de FIGURA 14. pero con diferentes puntos de partida. Esas trayectorias presentan una oportunidad para llegar directamente a lo largo de la cresta hacia el máximo. etcétera. En efecto. el punto 4-6 va en la dirección general del máximo. 5.4 Direcciones conjugadas. sin importar el punto de partida. Luego. entonces la línea formada por I y 2 podría dirigirse 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.i figura 14. muévase a lo largo del eje y con la x constante hacia el punto 3. la búsqueda comienza a ser menos eficiente al moverse a lo largo de una angosta cresta hacia el máximo.

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

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

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

Estos cambios se pueden cuantificar en cada paso mediante el gradiente. inicialmente se ha ganado 8.107) + 8 sen (1. .608. la cual es la magnitud de V/.com .7.5235) + 8 sen (0.944 Note que para cualquier otra dirección. Observe que la ecuación (14. g'(0) = 4 eos (0. Esto inmediatamente nos indica que la dirección que debe tomarse es 6 = tan' (^j 1 = 1 . puede ser calculada como V 4 + 8 = 8. Al moverse hacia adelante.944 unidades de aumento de elevación de pendiente por unidad de distancia recorrida a lo largo de la trayectoria empinada.107/2 = 0.944 2 2 ' Así. durante el primer paso. 1 _ i 1 1 1 0 1 2 3 1 4 • x http://libreria-universitaria. digamos 9 = 1.7 La flecha sigue la dirección de pasos ascendente calculado con el gradiente. ! i FIGURA 14.386 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. la cual es más pequeña.5235) = 7. g'(0) = 4 eos (1. tanto la dirección como la magnitud del paso de la trayectoria cambiarán. como en la I figura 14. La pendiente en esta dirección.5235.blogspot. 1 0 7 radianes ( = 63. y la dirección del ascenso se modificará de acuerdo con esto.1) da el mismo resultado.4°) j respecto al eje x.107) = 8.

al contorno en la elevación en la coordenada (2.7. se ha alcanzado el óptimo en dos dimensiones. se puede también usar la primera derivada para discernir si se ha alcanzado un óptimo. Como se indica. mientras que al verse a lo largo del eje x = y. . f(x< y) t http://libreria-universitaria. entonces se ha alcanzado un máximo. Para problemas de una dimensión.blogspot. La figura 14. 2). Esta es una característica general del gradiente. es cóncava hacia abajo (la segunda derivada es negativa). la segunda derivada indicará si es un máximo [negativo f"(x)] o un mínimo [positivo f"(x)]. proporcionan información valiosa para la búsqueda del óptimo. Como en el caso para una función de una dimensión. se examinará cómo se usa la segunda derivada en tales contextos. b) de esta gráfica parece ser un mínimo cuando se observa a lo largo. El Hessian. la primera y la segunda. las segundas deri- FIGURA 14. u ortogonal. Puede esperarse que si las segundas derivadas parciales con respecto a x y y son ambas negativas. la dirección del paso ascendente es perpendicular. si las derivadas parciales con respecto ax y y son cero.com . Una vez en el óptimo. Observe que al ser vista la curva a lo largo de las direcciones x y y. ambas derivadas.8 Un punto de silla (x = o y y = b) . se ilustró cómo el gradiente proporciona la mejor trayectoria local para problemas multidimensionales.8 muestra una función en la que esto no es cierto. ya sea de la dimensión x o de la>>. la función parece ir hacia un mínimo (la segunda derivada es positiva). Además de definir la trayectoria de paso. En ambos casos. La primera derivada a) proporciona una trayectoria más grande de la función y b) indica que se ha alcanzado el óptimo.2 MÉTODOS GRADIENTE 387 I | Se puede obtener una cierta perspectiva al inspeccionar la figura 14. El punto (a. Ahora.14. En los párrafos anteriores.

Se debe mencionar que. entonces 0. entonces f(x.ayoría de los castiN se emplea el procedimiento que se introdujo en la sección 6. a m b o s .7) y) . Esto es.com ' Observe que d J!(dx dy) = d fl(dy dx). Esta fo R M U es llamada do 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. entonces f(x.3 p a j a el método de la secante modificado. tiene un máximo local.3.Sx.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. En particular. Sx 2 (14. y) tiene un mínimo local. y) f(x. para lu forma multidimensional del método de Newton). puede verse que ocurre un máximo en el mismo punto. si se adopta el proco dimiento de diferencias centrales.2f(x. H = (14.y) (I4. no ocurren ni un máximo ni un mínimo en el p u n t o . se puede calcular la siguiente cantidad: silla \H\ = A / 2 8x 2 dy 2 K dxdy (14. claramente. y) dx http://libreria-universitaria. y) tiene un punto de silla.y-Sy) 2Sy f(x + Sx. el Hessian tiene otros usos en optimización ( p o r ejemplo. 2 2 .. j p a r a los casos don de son difíciles o inconvenientes de calcular en forma analítica. las variables independientes se pueder^ modificar ligera mente para generar las derivadas parciales requeridas. esto involucra no s«ólo a las PARCIULCN con respecto ax y y.f(x . Por ejemplo. el gradiente y el determinante de Hessian.blogspot. Suponiendo que las derivadas parciales sean continuas en y cerca del punto que hah>rá de evaluarse. Sin embargo. En la m_.1) f(x. y) . si la función se observa a L O largo de lu Unen y = x. • Si | H | < 0. éstas se pueden calcular como 9/ dx d¿ dy df 2 = 2 = = f( x + 2Sx Sx. p e r n o t e búsquedas qiip incluyen curvatura de segundo orden para obtener resultados superio» res.n) (14. se pueden evaluar numéricamente.y)-f(x-Sx.y+Sy)-f(x. Aproximaciones por diferencias finitas. sino también a la segunda parcial con respecto a JC y y.3) Pueden ocurrir tres casos: • • Si | H | > 0 y Si | H | > 0 y a^fdx > (Pfdx < 2 2 2 0. Ya sea que ocurra un máximo o un mínimo.388 OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES vadas parciales son positivas.

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

Se ha mostrado ya cómo se evalúa el gradiente en el ejemplo 14. esto es.vuv u. La idea básica detrito del procedimiento se describe en la figura 14. antes de examinar cómo se lleva el algoritmo para localizar el máximo a lo largo de la dirección de pasos. Por ahora. y = yo + dy (14. el método de pasos ascendente usa el método del gradiente como su el ce ción para la "mejor" dirección.10) f . http://libreria-universitaria. Así.11) 2 Debido ii nuestro ónlasis sobre la maximización. el cual es etiquetado como " 1 " en la figura. h .FIGURA 14. En este punto.y ) etiquetado como " 0 " en la figura.1.9 Representación gráfica del método de pasos ascendente.<¡fanlfnh*. Comenzando e n x y y . hasta que se encuentra un máximo.com . las coordenadas de cualquier punto en la dirección gradiente pueden expresarse como 0 0 0 0 0 x =x 0 + —h dx d (14. dente} Es la más directa de las técnicas de búsqueda del gradiente. Ahora. Comenzaremos en un punto inicial (x .ueión en esto easo no lu terminología do pimt» usctndtnte. Entonces se busca a lo largo de la dirección del gradiente. la efectividad de varios algoritmos descritos en las siguientes páginas depende de qué tan hábil seamos en ambas partes. 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.9. Como se verá. \'\ UNIIIÍI mismo en loque se puede usar también pum lu mlmmi/. se determina la dirección de pasos ascendente. 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. El proceso entonces se repite. el gradiente.blogspot. se usurrt lii terniinolonla do /w.

6j http://libreria-universitaria.2 ( . 1).2 MÉTODOS GRADIENTE 391 V f = 3 i + 4j FIGURA 14.l ) = 6 2x -Ay = 2(—1) — 4(1) = .6 Por tanto. = 2y + 2 . Solución.12) (14.2x = 2(1) +"2 . el vector gradiente es V/' = 6i . 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 = 1.13) 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. 9/ dx 9/ dy Las derivadas parciales se pueden evaluar en ( — 1. donde h es la distancia a lo largo del eje h.com . supóngase que x — 1 y y = 2 y V / = 3i + 4j.10.14.10 La relación entre una dirección arbitraria hy las coordenadas x y y.blogspot. 3 Desarrollando una función 1 -D a lo largo de la dirección gradiente i Enunciado del problema. EJEMPLO 1 4 . nes: f(x. Las coordenadas de cualquier punto a lo largo del eje h están dadas por 0 0 x = 1 + 3h y = 2 + Ah (14. Por ejemplo. como se muestra en la figura 14.

1 . Las segunda* derivadas parciales también se pueden determinar y evaluar en el óptimo . Tal problema es equivalente a encontrar el máximo de una función de una sola variable h.1 8 0 / z + 72A . « Al combinar términos./) en lu dirección gradiente.6/0 + 2 ( .4 Óptimo de pasos ascendente Enunciado del problema.y) = 2xy+ 2x - Maximice la siguiente función: x -2y 2 2 usando los valores iniciales. La función se puede expresar a lo largo de este eje como f(xo + ?fh.com Este par de ecuaciones se pueden resolver para el óptimo. 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. se podría buscar a lo largo de la dirección gradiente. y) a lo largo del eje h. las derivadas parciales se evalúan como ' I — = 2y+ dx — = 2-2x^=0 . el método es llamado óptimo de pasos ascendente. x = — lyy= 1.6/0 dy d 0 \ = 2 ( . se puede explorar cómo resolver la segunda pregunta. se podría generar primero una solución analítica. EJEMPLO 14.l + 6h.1 + 6hf .7 2 Ahora que se ha desarrollado una función a lo largo del camino de pasos ascenden te. esto es. a lo largo de un eje h que corre a lo largo de la dirección de este vector. Para hacer esto. f(x. Solución. dx y + -fh) = / ( . Esto es. Si se encuentra que un valor de un solo paso h* nos lleva directamente al máximo a lo largo de la dirección gradiente. ¿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. Identificaremos la localización de este máximo como h*. g(h) = .blogspot. El cual es el valor del paso que maximiza g (y por tanto.l + 6/0 . se desarrolla una función de una sola dimensión g(h) que mapea f(x. Lo cual se puede hacer mediante diferentes técnicas de busque da de una dimensión como las analizadas en el capítulo 13.2(1 - 6h) 2 ¡ donde las derivadas parciales se evalúan en x = — lyy= 1. .l + 6A)(1 .( .4y = 0 http://libreria-universitaria. dy 2x . Así. x — 2 y y = I. Este método es llamado de pasos ascendente cuando se usa un paso arbitrario de tamaño h. Debido a que esta función es muy simple.392 ¡ | i s OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES Para encontrar el máximo.

3 ya se había implementado los pasos iniciales del problema al generar g(h) = — 180/r + 726 . 2 ) = 0.3)].para las coordenadas (x.10) y (14. 1) es un máximo.4 ) .11 . Este resultado se puede sustituir en las ecuaciones (14. g'(h*) = 0 .1 + 6 ( 0 . Recuerde que al final del ejemplo 14. 2 \ FIGURA 14.com .6(0.i.7 2 Ahora.v- m 2 = 2 -4 9y 2 3 / 9x9y a/ 9y9x y el determinante de Hessian se calcula [véase ecuación (14. x = . se puede localizar directamente el máximo (es decir.2 ( .2) = .¡)\r . http://libreria-universitaria.11) y resolver .0 .2 y = 1 . y) correspondientes a este punto. g (h) alcanza un valor mínimo cuando h = h* — 0. el valor de la función/(2.2 Z =4 2 2 Por lo tanto.3 6 0 F + 72 = 0 h* = 0. El método del paso ascendente para alcanzar el óptimo. debido a que | H | > 0 y 9 /73 JC < 0.2.blogspot.2 Esto significa que si se viaja a lo largo del eje h. Ahora se implementará el método de pasos ascendente. \H\ = . ya que ésta es una simple parábola. h = h*) resolviendo el problema.

blogspot. nos movemos a las nuevas coordenadas.2Í + 1.394 | '• OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES Este paso se describe en la figura 14.0 . y = .2 Por tanto.11 cuando se mueve del punto 0 al 1. . particularmente en la vecindad de un óptimo. 2 + 1. 4 4 / ¡ + 2. El PROCEDÍ miento se puede repetir con el resultado final que converge a la solución analítica.2/z) = g{h) = .0 .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*) = . lil resto de lu sección http://libreria-universitaria. 2 + 1. 2 + 1. el vector gradiente es | V / = 1.2(1) = 1. 2 ) .88 = 0 \ h* = 1 Este resultado se puede sustituir en las ecuaciones (14. 2 ) = 1. Así. listo es porque el nuevo gradiente en cada punto máximo será perpendicular a la dirección original.11) y resolver para las coordenadas (x.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. Por tanto.V Í \ — = 2 ( 0 .11).2) pnrn obtener — = 2 ( .2 + 1.0 .2 ít. Primero. . este nuevo eje h se puede ahora expresar como [ * x = 0 . x = 0 . aunque es confiable. Las coordenadas a lo largo DE . 2 + 1. 2 ) + 2 . hay otros procedimientos que convergen mucho más rápido. y) correspondientes a este nuevo punto. la técnica toma muchos pasos pequeños de cruce en la dirección de la nilit hacia la cima. etiquetailn como punto 2 en la gráfica. tiende a moverse muy lentamente a lo largo de crestas largas y angostan. El segundo paso es simplemente implementado al repetir el procedimiento. .0 . 8 8 / 1 * + 2. v J y y = 1. j J | Puede demostrarse que el método de pasos descendente es linealmente convergente.1 .2/z y = .11.2.10) y (14.com es dedicada a esos métodos.88/z + 0. 2 + 1.2/! I \ Al sustituir estos valores en la función se obtiene /(0. las derivadas parciales se pueden evaluar en el nuevo punto de inicio (0.2/i.2(1) = 1 Como se describe en la figura 14.0 .4 . — 0 . Además. 2 ) = 1.4 ( .2 ( 0 . y al hacer esto se mueve más cerca del máximo.2 .

3) se puede extender a los casos de multivariable. n V/ = V/(x ) + / //. el método no es muy útil en la práctica para funciones con grandes números de variables. Por otro lado. los procedimientos de convergencia cuadrática son a menudo muy eficientes cerca de un óptimo. la cual se puede demostrar que converge en forma cuadrática cerca del óptimo. el cálculo de las segundas derivadas y la inversión de la matriz. un método de optimización que usa gradientes conjugados para definir la dirección de búsqueda. ) ( x . Método de Newton. se puede demostrar que es cuadráticamenté convergente. pero se describen en Rao (1996). para 7 = 1.com . se ha visto Método del gradiente conjugado (Fletcher-Reeves).-.) donde H es la matriz Hessian. En el mínimo. La prueba y el algoritmo van más allá del alcance del texto. Esto también asegura que el método optimizará una función cuadrática exactamente en un número finito de pasos sin importar el punto de inicio.14. En efecto. 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. se puede también mejorar la convergencia lineal de pasos ascendentes por medio de gradientes conjugados.x.3 Procedimientos de g r a d i e n t e a v a n z a d o En la sección 14. http://libreria-universitaria. l = O Así.2. el método de Newton puede no converger si el punto inicial no está cerca del óptimo. De manera similar.2. Sin embargo.12). en cada iteración.X.1. Este método de nuevo se comporta mejor que el método de pasos ascendentes (véase la figura 14. /(x) = / ( ) + V / ( x .XifHiix r X / . el método de Powell produce nuevas direcciones de búsqueda conjugadas. Así. Dado que muchas funciones con buen comportamiento pueden aproximarse razonablemente bien por una cuadrática en la vecindad de un óptimo. 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. observe que este método requiere ambos.-) + I ( x . 2 . Escriba una serie de Taylor de segundo orden para f(x) cerca de x = x. Se ha visto cómo empezando con dos direcciones de búsqueda arbitrarias. si la evaluación de las derivadas es práctica.(x-x )=0 / Si H es no singular. cómo en el método de Powell las direcciones conjugadas mejoran mucho la eficiencia de la búsqueda univariable. Este método es cuadráticamente convergente y no requiere la información del gradiente. El método de Newton para una sola variable (recuerde la sección 13. Además.blogspot.

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

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. 14.v + j 2 2 P i n . el DFP y el BFGS. -5 -10 -15-20-25 -2 -1 \ 0 2 X < http://libreria-universitaria. 5 FIOURA P 1 4 .y) = m(x + 2xy + 3y ) 2 Construya y resuelva un sistema de ecuaciones algebraicas lineales que maximice/(*).y) = 2xy + 3 ^ 2 /.= 2.z) l ' M Dada /(\. Sin embargo.i) íi\.5y - 1. v) . Estos métodos son llamados de Quasi-Newton porque no usan el Hessian verdadero. sino más bien una aproximación. = x +y 2 2 2 + 2z i .•) /U. y) para el problema 14. Ellos son similares excepto en detalles concernientes a cómo manejan los errores de redondeo y su convergencia.com Menta». Los métodos de Quasi-Newton.2 2y 2 empezando en x — 1 y y = 1. Hay dos métodos principales de este tipo: los algoritmos de Davidon-Fletcher-Powell (DFP) y el de Broyden-Fletcher-Goldfarb-Shanno (BFGS). o métodos de variable métrica buscan estimar el camino directo hacia el óptimo en forma similar al método de Newton.2 y y = 2 en la dirección de h = 3/ + 2j. 9 lu LII'IM]II (¡cla de la malla.14) se compone de las segundas derivadas d e / q u e varían de paso a paso. observe que la matriz Hessian en la ecuación (14.) I\\. b) Construya una gráfica con los resultados del inciso a) anterior mostrando la trayectoria de la búsqueda.PROBLEMAS 397 Métodos de Quasi-Newton. BFGS es por lo general reconocido como superior en la mayoría de los casos. Así. usando el método de pasos descendente con un criterio de paro de £ = 1 %. Observe que esto se realiza al igualar a cero las derivadas parciales de/con respecto a x y y. se tienen dos aproximaciones al trabajar en forma simultánea: 1) la aproximación original de la serie de Taylor y 2) la aproximación Hessian.25 A. y) = (x- 2) 2 + (Y - 3) 2 Y) ^ 2xy + \. . Rao (1996) proporciona detalles y declaraciones formales de ambos algoritmos.3.blogspot. 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. x PROBLEMAS H I encuentre la derivada direccional de /(>.y. H J l'nitientre el vector gradiente y la matriz Hessian para cada tilín do las siguientes funciones . Encuentre el valor mínimo de /(A.

Pruebe su programa con el problema del ejemplo 14.blogspot.9.V + 2y + . Cuanto más densa sea la malla.1.2x + 1 ly + 2 y .9 La búsqueda por malla es otro procedimiento de fuer/a bruta para optimización.39B OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES Diseñe el subprograma do tal forma que esté expresamente di señado para localizar un máximo. Pruebe el programa con f(x.2xy 2 2 con valores iniciales x = 0 y y = 0. 1 4 .v. 6 Realice nuil iteración del método de pasos ascendente para locali/ur el máximo de . 8 Desarrolle un subprograma usando un programa o lenguaje macro para implementar el método de búsqueda aleatoria. http://libreria-universitaria. y = 0.5. y) = -Ix + \ . Desarrolle un subprograma por medio de un programa o lenguaje macro para implementar el método de búsqueda por malla. Emplee el método de bisección para encontrar el tamaño de paso óptimo en la dirección de la búsqueda del gradiente. v) = 3.com . es más probable localizar el óptimo. Diseñe el subprograma de tal forma que esté expresanien te diseñado para localizar un máximo. La función se eva lúa entonces en cada nodo de la malla.y) del problema 14.x .6.x 2 4 - 2xy - y 2 mediante los valores iniciales x = 0. La versión en dos dimensiones se des cribe en la figura P14. 1 4 . Las dimensiones de x y y se dividen en pequeños incrementos para crear una malla. 1 4 ./lv. 7 Efectúe una iteración del método de pasos descendente del gradiente óptimo para localizar el mínimo de /(. Use un rango de —2 a 2 para ambos xyy14.

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

blogspot. 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. su producción involucra ambas restricciones. Suponga que una planta procesadora de gasolina recibe cada semana una canlidiul fija de materia prima para gasolina. so tiene garantizada su venta y se obtiene diferentes utilidades para la compañía.VM En el contexto actual. respectivamente. existe un límite de almacenamiento para cada uno de los productos. para algunos problemas. Juntas. Anlos de mostrar cómo se puede obtener este resultado. es decir. y las instalaciones csliin abiertas solamente 80 horas por semana. la actividad negativa es físicamente imposible (por ejemplo. El ingeniero que opera esta planta debe decidir la cantidad a piodueii de cada gasolina para maximizar las utilidades. Sin om bargo. Inicializando el problema PL Enunciado del problema. la función objetivo y las restricciones. se desarrollará un ejemplo. I'oi ejemplo. éste es relevante para todas las áreas de la ingeniería que (icnoii que ver con la producción de productos con fuentes limitadas. 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. esto expresa la noción realística de que. Todos estos factores se enlistan abajo (observe que umi tonelada métrica. Solución. o ton. > 0 (I. Sin embargo. 17C. Si las cantidades producidas cada semiili» de gasolinas regular y prémium son designadas x y . . tiempo y almacenaje en sitio. especifican el problema de programo ción lineal. Además.v. sólo una de las clases se puede producir a la vez. Estas clases de gasolina son de alta demanda. do calidad regular y prémium.V- . Se desarrolla el siguiente problema del área de la ingeniet in química.v . no se puede producir bienes negativos). la uiiiiniiel» total se puede calcular como ] 2 http://libreria-universitaria.OPTIMIZACIÓN RESTRINGIDA El segundo tipo general de restricción especifica que todas las actividades deben tener un valor positivo.com S~2nnnnn¡n >nfal — I < A v J. Esta última se procesa en dos tipos de gasolina.

Maximizar Z = 150*1 175x 2 ¡ 1 | i Las restricciones se pueden desarrollar en una forma similar. a lo largo de la ordenada.2 Solución gráfica Debido a que las soluciones gráficas están limitadas a dos y tres dimensiones. 15. englobando todas las posibles combinaciones dex. El valor de Z puede entonces ser ajustado hasta que esté en el máximo valor. + 8x < 80 X! < 9 x <6 X j .com . como el del ej emplo 15. llamada el espacio de solución factible. 2 2 { 2 http://libreria-universitaria. Si el problema de PL se formula adecuadamente (es decir. tienen utilidad práctica limitada. representan los valores óptimos pura las actividades. estas líneas restrictivas delinearán una región. donde Z toca el espacio de solución factible. Sin embargo. mientras todavía toca el espacio factible. 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.1. así que la restricción se puede representar como 3 7x. + 1lx < 77 10x. se pueden trazar sobre este plano como líneas rectas.1. Por ejemplo. Para un problema en dos dimensiones.blogspot. 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. Este valor de Zrepresenta la solución óptima. La función objetivo para un valor particular de Z se puede trazar como otra línea recta y sobrepuesta en este espacio. por tanto. la solución espacial se define como un plano conX] medida a lo largo de la abscisa y x . + 1 lx < 77 2 Las restricciones restantes se pueden desarrollar en una forma similar. la formulación total resultante para la PL está dada por Maximizar Z = 150*! + 175x Sujeta a 7x. El siguiente ejemplo deberá ayudar a clarificar el procedimiento. representan soluciones factibles.13. Los valores correspondientes de x y x . Como las restricciones son lineales. Las explicaciones en los paréntesis de la derecha se han incluido para clarificar el significado de cada ecuación. y x que obedecen las restricciones y. son muy útiles para demostrar algunos conceptos básicos que resaltan las técnicas algebraicas generales usadas para resolver problemas con grandes dimensiones en la computadora.1 PROGRAMACIÓN L1NIAI o escribirlo como una función objetivo en programación lineal. si tiene una solución).

402 EJEMPLO 15. se puede aumentar osla » digamos 600. Desarrolle una solución gráfica para el problema de procesamiento de gasolina que se derivó antes en el ejemplo 15. se pueden trazar las restricciones sobre el espacio de solución. Solución. Las otras restricciones se pueden evaluar en forma similar. el espacio de solución factible no resulla afectado si fuese suprimida. la figura 15. Observe cómo éstas encierran una región donde todas se encuentran. los valores posibles dex. Esto es.blogspot.1a. En particular.16. puesto que estamos interesados en maximizar Z.1a también proporciona un conocimiento adicional. se puede agregar la función objetivo a la gráfica. Por ejemplo. 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. Primero. se debe escoger un valor de Z.1: Maximizar Z Sujeta a 7 JCI 150x. + 175x 2 + l l x < 77 2 2 (1) (2) (3) (4) (5) (6) 10x. y la función objetivo es http://libreria-universitaria.2 OPTIMIZACIÓN RESTRINGIDA Solución gráfica Enunciado del problema. como sobrepuestas sobre la figura 15. como en la figura 15. + 8x < 80 x\ 2 < 9 x < 6 xi xi > 0 >0 Se ha numerado las restricciones para identificarlas en la siguiente solución gráfica. Para hacer esto.1a. Además de definir el espacio factible. Ahora.com x¡ DOO 150 175 175 x\ . se puede ver que la restricción 3 (almacenamiento de gasolina regular) es "redundante". ésta representa una línea punteada interceptando el origen. Después. Este es el espacio de solución factible (el área ABCDE en la gráfica). y x que obedecen dicha restricción se hallan por debajo de esta línea (la dirección es designada en la gráfica por la pequeña flecha). Por ejemplo. para Z = 0 la función objetivo es ahora 2 0 = 150xi + 175x o. resolviendo para x x 150 2 2 2 175 X l Como se muestra en la figura 15.

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

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

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

En forma específica. 4 variables de holgura y 6 variables totales. S. hay n variables estructuradas (es decir. esto es. s 2 4 X]. S 2 3 4 > 0 Advierta cómo se han formulado de igual modo las cuatro ecuaciones. para el punto E.. S = 32 y S = 9. Por ejemplo. S 4 llx +Si 2 =77 + S 2 8x X2 2 =80 + S = 9 3 =6 2 2 3 4 http://libreria-universitaria. S . de tal manera que las incógnitas están alineadas en las columnas. En términos generales. S . Si.4«) (15. los cinco puntos esquina del área ABCDE tienen los siguientes valores cero: Punto extremo Variables cero x. estos valores definen el punto E. Solución algebraica. Se hizo así para resaltar que ahora se trata de un sistema de ecuaciones algebraicas lineales (recuerde la parte tres). nuestro sistema ejemplo [ecuaciones (15. m excedentes o variables de holgura (una por restricción). s Sj.com la cual se puede resolver para x = 6.4c-) (15 Ad) xi.406 OPTIMIZACIÓN RESTRINGIDA Sujeta a 7*i + 1 1JC + 5i 2 =77 + S 2 (15. x . En la siguiente sección se mostrará cómo se pueden usar estas ecuaciones para determinar los puntos extremo en forma algebraica. Para el problema de la producción de gasolina se tienen 2 variables estructuradas. y n + m variables totales (estructuradas más excedentes). Así. = S = 0 se reduce la forma estándar a 4 A B C D E S|. 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. esto reduce el problema a una forma soluble de 4 ecuaciones con 4 incógnitas. 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. Por ejemplo. . = 11.4A) 10xi+8x2 =80 xi x 2 2 + S 3 =9 + S =6 4 (15. las incógnitas originales). donde se tenía ra ecuaciones con // incógnitas. el problema involucra resolver 4 ecuaciones con 6 incógnitas. haciendo x.blogspot. En nuestro ejemplo. cada punto factible tiene 2 variables de las 6 que se igualaron a cero. En contraste con la parte tres. Junto con *| -.4)] está subespecificado. tiene más incógnitas que ecuaciones.S 0.

una porción significativa de éstas puede ser no factible.1 y 15. Por ejemplo. se podría tener 8 008 [ = 16!/(10! 6!)] sistemas 10 X 10 de ecuaciones a resolver! Segundo. los valores iniciales de las variables básicas son dados automáticamente como iguales a los lados derecho de las restricciones. x = x = 0. Un procedimiento como tal se describe a continuación.1 PROGRAMACIÓN LINEAL Para generalizar. para problemas de tamaños moderados. y entre ellas. Las 6 ecuaciones originales con 4 incógnitas serían l 2 Si S 2 = 77 = 80 S 2 =9 5 = 6 4 Así. sólo 5 son factibles. para determinar cuáles son factibles. Como se muestra en la tabla de la siguiente página. Para m ecuaciones con n incógnitas. Si todas I UN variables básicas son no negativas. El primer paso es empezar en una solución factible básicu (es decir. Implementación del método simplex.2. el procedimiento puede involucrar resolver una gran cantidad de ecuaciones. Luego se mueve a través de una secuencia con las otras soluciones factibles básicas que sucesivamente mejoran el valor de la función objetivo. Para casos como los nuestros. una solución básica para m ecuaciones lineales con n incógnitas so desarrolla al igualar n — m variables a cero. esto es. Antes de proceder al siguiente paso. Claramente. En forma eventual. la información inicial se puede ahora resumir en un formato tabular conveniente llamado representación. Ahora un procedimiento directo para determinar la solución óptima podría ser calcular todas las soluciones básicas. Pero éste no es un buen procedimiento por dos razones.15. en el problema actual de los C\ — 15 puntos extremos. el resultado es llamado solución factible básica. en una esquina del punto extremo del espacio factible). El método simplex evita las ineficiencias descritas en la sección anterior. http://libreria-universitaria. VA óptimo será una de éstas. y resolviendo las tn ecuaciones para las m incógnitas restantes. se deben resolver m m\(n-m)\ ecuaciones simultáneas. si hay 10 ecuaciones (m — 10) con 16 incógnitas (« = 16). Primero. ¡Por ejemplo. Esto lo realiza al comenzar con una solución factible básica. Se ilustrará el procedimiento mediante el problema de procesamiento de la gasolina de los ejemplos 15. si se pudiese evitar resolver todos estos sistemas innecesarios. la representación proporciona un resumen conciso de la información clave que constituye el problema de programación lineal.com . se alcanza el valor óptimo y termina el método.blogspot. mientras las m variables restantes son llamadas variables básicas. cuál tiene el valor de Z más grande. Las variables cero son formalmente referidas como variables no básicas. se podría desarrollar un algoritmo más eficiente. un punto de inicio obvio podría ser el A.

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

y la nueva solución básica es ahora x 2 2 2 7 x i + Si = 7 7 lOx. 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 9.7) Para este ejemplo.13. S debería ser la variable de entrada. S = 6. Al dividir el renglón ende 10 Y reemplazar S por x. s http://libreria-universitaria. En este punto. 5*. La tabla se puede usar para realizar los mismos cálculos al emplear el método de Gauss-Jordan.1 0 0 0 0 0 1 0 1 0 0 0 0 0 1 3 ñ . S = 1.1 PROGRAMACIÓN L I N E A L m restringida se alcanzará primero en tanto x aumente. el renglón pivote es S (la variable de entrada) Y el elemento pivote es 10 (el coeficiente de la variable de salida.8 0 1 0 0 0. = 8.blogspot. X J ) .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. Por tanto. = 21. se ha movido al punto B (x = S = 0). x. se tiene 3 4 2 2 Básica Z s. + 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.

889 y x v Si OITÁN } 4.1852 0.1481 -0.V. y se escoge. y en este caso.2037 0. Por ejemplo. el método simplex mueve los puntos dr B a C e n la figura 15.8 -0. por tanto.1852 7.1 0 S 3 S 4 Solución 1 200 21 8 1 ó Intercepción S 4 -55 5. 0 0 0 0 0 1 :i . por tanto. la nueva tabla resume toda la información para el punto B. Z 1 0 0 0 0 x i 0 0 1 0 0 x 2 Si 0 1 0 0 0 15 -0. todavía en la base. La solución final se tabula como x¡ — 3. se selecciona a S. tiene un valor negativo en la función objetivo.8704 -0. la primera restricción tiene el valor positivo más pequeño y.'< ii I| 1 :nn Operaciones similares se pueden ejecutar en los renglones restantes para obtener la mirva tabla Básica Z S. 2 2 Básica Z X Z 1 0 0 0 0 * 1 x 2 S . los cuales dan una función objetivo máxima de Z = I 413.HH7 10 6 -1 y> Así. Sólo una más de las variables. en los otros renglones se pueden eliminar. x .3. sabemos que la solución está limitudu por ln primer» y http://libreria-universitaria. los coeficientes x.889. |(M« el renglón de la función objetivo.1852 -0. como la variable de salida.8 1 0 0 0 1. El resultado es la tabla final. De acuerdo con los valores de la intei cepción (ahora calculados como la columna de solución sobre los coeficientes de la columna x ). Así.blogspot. la eliminación Gauss-Jordan se puede implemcnluí para resolver las ecuaciones simultáneas. el pum > final.OPTIMIZACIÓN RESTRINGIDA Después.1 -0.2037 -0. Además.com .7 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. como .1296 0. Esta tabla se puede usar entonces para representar el próximo. 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. Por último.1481 0. como la variable de entrada.889.4 0. Esto incluye el hecho iln que el movimiento ha aumentado la función objetivo a Z = 1 200. 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 '.

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

se puede usar del menú la secuencia Format/Graph/X-Y Plot para variar el tipo de grá l'i ca. Observe que para esta aplicación Mathcad requiere el uso de un signo de igual simbólico.3.2 Programación lineal en Excel Existe una variedad de paquetes de software especialmente diseñados para implemcntai programación lineal. Esto coloca una retícula roja en esa localización. Mathcad realiza el resto para producir la gráfica. Ahora se calcula el vector que consiste de xval y yval usando Find(x.4. la función lineal y un pailón cruzado que representa la restricción x > 2). 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. Cuatro variables se trazan sobre el eje y como se muestra (las mitades inferior y superior de la ecuación para el círculo. La gráfica y los valores numéricos para xval y yval ilustran excelentemente la solución. 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 .blogspot.4 Pantalla de Mathcad de un problema de optimización restringida no lineal. teclea do como [Ctrl] = y > para separar los lados izquierdo y derecho de una ecuación. como su disponibilidad es amplia. este análisis se FIGURA 15. Sin embargo. ¿j para la línea y r¡ para la restricción. Los rangos para estos casos son x para las mitades del círculo superior e inferior. La instrucción (¡Ivon entonces le indica a Mathcad que se debe introducir un sistema de ecuaciones. y agregar títulos. Una vez que se ha creado la gráfica.com . Una gráfica que muestra las ecuaciones y restricciones. 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.4 2 1 3 6 y « l0 4 . se puede insertar en cualquier lugar sobre la hoja de cálculo al hacer clic en la ubicación deseada. cambiar color. 15. etiquetas y otras características. y) y los valores son mostrados con un signo igual. así como la intersección del círculo y la línea en la región x>2.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. así como la solución. tipo y grueso de la línea de la función.

Una hoja de cálculo de Excel para calcular los valores pertinentes en el problema de procesamiento de gasolina es mostrado en la figura 15. ¡ Una vez que se crea la hoja de cálculo. Reconozca que la { celda a ser maximizada es la D I 2 . en las cuales se tiene las cantidades de la gasolina producida regular y prémium. por unidad Aprovechamiento 0 7 10 Prémium 0 1 1 8 .blogspot. Solución. En esta etapa un recuadro de diálogo se mostrará. se selecciona Solver del menú Tools (Herra| mientas). íisln involucra usar la opción Solver que nntoH NO empleó en el capítulo 7 para localizar raíces. EJEMPLO 1 5 . A | B | C | P r o b l e m a p a r a el proe es.5. Las celdas sombreadas involucran las cantidades que se calculan con base en las otras celdas. 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. la cual contiene la utilidad total.com . requiriendo de usted la infor- FIGURA 15. Las celdas que cambian son B4: C4. Utilice una hoja de cálculo en Excel para calcular los valores adecuados en el problema del procesamiento de la gasolina examinado en este capítulo. El siguiente ejemplo ilustra cómo se puede realizar esto para el problema de procesamiento de lu gasolina. Las celdas no ! sombreadas son las que contienen los datos numéricos y leyendas. 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. de g a s o l i n a Regular Producido Materia prima Tiempo Almacén. de prémium Aprov. 3 Usando el Solver de Excel para un problema de programación lineal Enunciado del problema. de regular Almacén. 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.3 OPTIMIZACIÓN C O N PAQUETES DE SOPTWARE 4tt concentrará en la hoju tic cálculo lixcel.5 Acondicionamiento de una hoja de cálculo en Excel para usar el Solver para la programación lineal.15.

* Regular Producido Prémium Total 4. Después de agregar cada una de las restricciones. 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-. de prémium Aprov.com n o 150 175 . 1 2 3 4 5 6 '7. antes de la ejecución. Cuando se haya introducido las cuatro restricciones. ' A | B j C | Problema para el preces.414 OPTIMIZACIÓN RESTRINGIDA marión pertinente. por unidad 11 8 77 80 4. se leccionamos el botón OK para regresar al recuadro de diálogo del Solver. se debería seleccionar el botón options del Solver y revisar el recuadro rotulado como "Assume linear model"(Suponer modelo linear).888889 7 10 Materia prima Tiempo Almacén. . 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. hará que Excel emplee una versión del algoritmo simplex (en lugar del Solver no lineal más general que normalmente usa) que acelera su aplicación. Ahora.6 Hoja de cálculo de Excel con la solución al problema de programación lineal. el botón "Add" puede ser seleccionado. Esto abrirá un recuadro de diálogo como el siguiente Celda de referencia: D6 Restricción Eó Como se muestra.blogspot.888889 3. de regular Almacén. de gasolina 1 : D E Disponib. E s t o FIGURA 15.888889 77 80 9 6 http://libreria-universitaria.G1 Sujeto a: D6<=-£6 D7<=E7 D8<=E8 D9<=E9 Se debe incluir las restricciones una por una al seleccionar el botón "Add".888889 3.

Para el caso actual.8 200 56 0.com . EJEMPLO 15.1). 15. Además.3 OPTIMIZACIÓN C O N PAQUETES DE SOFTWARE 411 Después de seleccionar esta opción.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.2.11) a (PT4. las siguientes cantidades se definen como http://libreria-universitaria. 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.19) se obtiene Minimizar C = «(200 + 56( + 0.3.6). Estos serán explorados en las aplicaciones de la ingeniería que se describen en la sección 16.13. Recuerde que en el ejemplo PT4. Además de obtener la solución. 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. Una vez más.L4 ) 2 0 c sujeto a v < 20 n > 1 donde n es un entero y todas las otras variables son reales. regrese el menú Solver. el Solver también proporciona algunos reportes resumen útiles.4 Uso del Solver de Excel para la optimización restringida no lineal Enunciado del problema.blogspot.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. Cuando seleccione H botón OK. 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. se abrirá un recuadro de diálogo con un reporte sobre el éxito de In operación. el Solver obtiene la solución correcta (véase figura 15. Valor 2 000 9.1 se desarrolló una optimización restringida no lineal para minimizar el costo de la caída de un paracaídas en un campo de refugiados.

7) ' % -(c/ m ) f j | Use Excel para resolver este problema para las variables diseño r y n que minimicen el costo C.3. un procedimiento más fácil es posible mediante el desarrollo de la í siguiente solución por iteración por punto fijo en la ecuación (15.OPTIMIZACIÓN RESTRINGIDA A = 2nr 2 í = V2r c = 3.7)].blogspot.6) -(I-e -(c/m)t t = raíz 500 V= 9 1 (15. (Advierta que se ilustrará cómo realizar esto ] en el próximo capítulo. | tal como el de la bisección o de la secante./(r)].8m Una vez que se introducen estas fórmulas. í Solución.8) [es decir.480856 500 + 9.8w (15.8). ya que B20 dependo do IÍ21 y viceversa. 5009.8m2 ( 1 _ e^clm)i) 9. Se puede demostrar que para el rango de parámetros usados en este problema.8m ¿ '¡+1 — (1 -(c/m)f. se desplegará en forma inmediata el mensaje de error: "no se puede resolver referencias circulares".7).- 9.8) 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).8m c e (15. Ahora.) Mientras tanto. A 20 21 B r itl 0 0. Ahora. Después coloqúese en la celda B20 y apunte su valor a la celda B21. ¿cómo se puede resolver esta ecuación en una hoja de cálculo? Como se muestra abajo.com . Un método \ podría ser desarrollar un macro para implementar un método de localización de raíces. Antes de implementar este problema en Excel. t se puede ajustar hasta que se satisfaga la ecuación (15. vaya a las selecciones Tools/Options del menú y seleccione calculatlon http://libreria-universitaria.4 m - ¥í n 9. en la sección 16. la fórmula siempre converge. se puede fijar dos celdas de manera que tengan un valor para t y para el lado derecho de la ecuación (15. se debe primero enfrentar el j problema de establecer la raíz en la formulación anterior [ecuación (15. Se puede teclear la ecuación (15.8) Así.

Las celdas a cambiar son E4:E5.8 200 56 0. la celda El 1 se direcciona a la celda E5. que se pueden cambiar si se desea). Esta repetición en la celda El 1 muestra que la estructura de las restricciones es evidente en la hoja. Finalmente. que contiene el costo total.25595 Así.7 se muestra cómo establecer una hoja de cálculo en Excel para calcular los valores pertinentes. ' 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. Observe también que algunas celdas son redundantes. sólo presione la tecla F9 para que se realicen más iteraciones (el default es 100 iteraciones. Las celdas sombreadas involucran cantidades que se calculan con base en las otras celdas. la masa en B17 se calculó con la ecuación (15.1 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: 6.414214 2000 Costo 9 283.283185 1. t FIGURA 15.7 Acondicionamiento de una hoja de cálculo en Excel para el problema de optimización no lineal referente al paracaídas. Si se quiere tener más precisión.6) con base en los valores de M (B4) y n (E5). Del recuadro de diálogo calculation.com . 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.(cálculo).blogspot. Por ejemplo. En la figura 15. verifique que apurezca "iterución" y presione "OK". Las celdas no sombreadas son las que contienen los datos numéricos y las leyendas. las celdas convergerán sobre la raíz. note que la celda que habrá de minimizarse es E l 5 .1438 R a i z : localización: t fifi http://libreria-universitaria. Por ejemplo. en las cuales se tiene el radio y el número de paracaídas.

162952 15 1 163. En esta etapa se desplegará un recuadro de diálogo.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. 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. se elige la selección Solver del menú Tools.418 OPTIMIZACIÓN RESTRINGIDA Una vez que se ha creado la hoja de cálculo.262 http://libreria-universitaria. requiriendo la información pertinente.8 200 56 0.blogspot. Esto abrirá un recuadro de diálogo como el siguiente Celda de referencia: E.04076 .com .3 1 0 K .44432 14 A 4.1 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.Q4v76 27.V I ' E 5 = entero Se debe agregar las restricciones una por una al seleccionar el botón "Add".C Restricción FIGURA 15.333 16 c m 333. Igual a O máx Al cambiar celdas E 1 5 • mín O igual a 0 U E' E i 5 E"?> .8 Hoja de cálculo en Excel con la solución del problema de optimización no lineal referente ni caídas.

B . Estos serán explorados ¡ en las aplicaciones de la ingeniería que se describirán en la sección 16. y F = valor de la función calculado en el punto X. F X . G .1 5. G X ) donde F = FUNCIÓN suministrada por el usuario para calcular el valor de la función a ser minimizada. MAX F N . puede ser agregada como se hizo en el ejemplo. Cuando se hayan introducido las tres restricciones. = y entero). Después de agregar cada restricción se puede seleccionar el botón "Add". (Entrada) A = Punto extremo inferior del intervalo en el cual se localiza el máximo.3. (Salida) G = FUNCIÓN suministrada por el usuario para calcular la derivada de la función. E R R E L . donde X = punto en el cual se evalúa la función.. Además de obtener la solución. X . (Salida) http://libreria-universitaria.com . \ el Solver obtiene la solución correcta como la que se muestra en la figura 15.1). > = . (Entrada) GTOL = Tolerancia derivativa usada para decidir si el punto actual es un mínimo. Así. (Entrada) ERREL = Exactitud relativa requerida del valor final de X. X G U E S S . (Salida) GX = Valor de la derivada en X. Cuando seleccione el botón OK se abrirá un | recuadro de diálogo con un reporte sobre el éxito de la operación. G T O L . | Observe que la flecha hacia abajo le permite escoger entre varios tipos de restricciones ( < = .2. (Entrada) B = Punto extremo superior del intervalo en el cual se localiza el máximo. Esta rutina localiza el punto mínimo de una función suave para una sola variable mediante evaluaciones de la función y primeras derivadas.4 IMSL IMSL tiene varias subrutinas en Fortran para optimización (véase tabla 15. La forma es F(X). la restricción en la que la velocidad real del impacto (celda E10) debe ser menor o igual a la velocidad requerida (G10). (Entrada).944 m. UVMID es implementado por el siguiente enunciado CALL: C A L L U V M I D ( F .8. (Entrada) FX = Valor de la función en X. (Salida) F y G se deben declarar como EXTERNAL en el programa de llamado XGUESS = Un valor inicial del punto mínimo de F. se determina que el costo mínimo de 4 377. donde G = valor de la función calculada en el punto X. (Entrada) MAXFN = Número máximo de ecuaciones permitido de la función. El presente análisis se concentrará en la rutina UVMÍD. X no debería ser cambiada por F. se puede forzar el número de paracaídas (E5) para que sea un entero.blogspot.26 ocurrirá si se reparte I en seis paquetes con un radio del paracaídas de 2.3 OPTIMIZACIÓN C O N PAQUETES DE SOFTVM» 41* Como se muestra. ] el Solver también proporciona algunos reportes resumen útiles. Para el caso presente. A . jj De esta forma. se selecciona el botón OK para \ regresar al recuadro de diálogo Solver. 15.

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..Puntal d t Iniciojwntradoi .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 .1 Categoría Minimización no restringida Función univariable OPTIMIZACIÓN RESTRINGIDA Rutinas IMSL para optimización.blogspot.420 T A I L A 15.

g.f. Esos productos se producen en una semana de trabajo de 40 horas y al I nuil de la semana son embarcados.*C0S(x) .xguess. respectivamente.l .b. b .05 y 0.g CALL UVMIDCf. la compañía obtiene utilidades de $45 y $30 por e«<ln unidad. g x END P R O G R A M FUNCTION f(x) IMPLICIT NONE REAL::X. .f f—(2.15 horas.427334 -1. La plnnlii puede almacenar sólo 550 kg del producto total por semana. con tiempos de producción de 0. * x / 1 0 . A y B. f x .gx EXTERNAL f.fx.6 .x.x**2/10. se introduce el negativo de la función. Los productos requieren 20 y í kg de materia prima por kg de producto.6 .2 . y IN compañía tiene acceso a 10 000 kg de materia prima por seiminii." • ^ Ttn EJEMPLO 1 5 .maxfn. .errrel.fx. Use la rutina UVMID para determinar el máximo de lii función unidimensional resuelta en el capítulo 13 (recuerde los ejemplos del 15. ! ¡ f(x) = 2 sen x J 10 ! Solución. Un ejemplo de la corrida es \ i 1. x . Pin último. e r r e l .com .gtol. a) Establezca el problema de programación linoal pare maxl mizar la utilidad.50 REAL: :xguess-0.g g—(2. E . a — 2 .2 . g t o l .1 AL 15. ) END FUNCTION Observe que como la rutina está acondicionada para minimización.blogspot.g.*SIN(X) . Sólo un producto so puede fabricar a la voz. 5 U J O de IMSL p a r a localizar un 1 0 I 0 óptimo j Enunciado del problema. 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 . http://libreria-universitaria.l .PROBLEMAS " .a. REAL::x. respectivamente.gx) PRINT * .) END FUNCTION FUNCTION g(x) IMPLICIT N O N E REAL::x.775726 -4.3).739729E-04 PROBLEMAS I 1 1 Inii compañía produce dos tipos de productos. E . respectivamente.

Excel. e) Evalúe con cuál de las siguientes opciones se obtendrá la máxima utilidad: aumentar la materia prima. Mathcad o IMSL) para resolver el siguiente problema de opiitin zación no lineal restringido. 5 ) 2 2 sujeto a x + 2y = 4 a) b) Use un procedimiento gráfico para estimar la solución.422 OPTIMIZACIÓN RESTRINGIDA sujeto a /. l 'v ecl.4 Considere el problema de programación lineal: Maximizar/X*.3 Considere el problema de programación lineal 3 sujeto a x + y < 0. líxiW.y 3 Además. . 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 .5) + (y . 5 } ' < 1600 . c) Mediante un paquete de software o librería apropiado (por ejemplo. b) Mediante el método simplex. de tal forma que el total disponible se duplica a 154 m /por semana.2 .. y) = —x + y 3 sujeto a x + y > 0.95 x + 2y < 2 x > 0 2 2 x + 2.. a) Establezca el problema de programación lineal para maximizar la utilidad. el almacenamiento o el tiempo de producción. . Mathcad o IMSL). Maximizar f(x. 15. c) Con un paquete de software o librería apropiado (por ejeui pío. Excel. Mathcad o IMSL). b) Resuelva el problema de programación lineal con el método simplex. y) l.1700 x +y < 7 4.blogspot.5}' < 15 x+y < 7 2x + y < 9 x>0 y > 0 Obtenga la solución a) Gráficamente. 15.y) = 12* + lOy http://libreria-universitaria.) Resuelva el problema do programación lineal en forma gráfica.2.1. 15.7 Considere el siguiente problema de optimización no IIIICBI restringido: Minimizar/(x.2 Suponga que para el ejemplo 15.\x+\. d) Resuelva el problema con un paquete de software. c) Solucione el problema con un paquete de software.5JC + 3 . Utilice un paquete o librería de software (por ejemplo. 15. el almacenamiento o el tiempo de producción. Mathcad o IMSL) para resolver el siguiente problema de opluul zación no lineal restringido.Í Use un paquete o librería de software (por ejemplo.com y > 0 15. Minimizar/(x:. Mathcad o IMSL) pura obtener una ONlinmuion mát exacta. suponga que una nueva fuente de materia prima para la gasolina se ha descubierto. y) = (x .9y .}>) = I9x+ sujeto a \ly Minimizar f(x.v + 2y < 500 x >0 }>0 Obtenga la solución a) Gráficamente. y . .5 Use un paquete o librería de software (por ejemplo. b) Por medio del método simplex. c) Solucione el problema do programación lineal con el método simplex. . IÍXITI. d) Evalúe con cuál de las siguientes opciones se obtendrá la máxima utilidad: aumentar la materia prima.9 x >0 y > 0 15 .

x .5x + 2y + x .2xy ./'(.2.blogspot. d) Determine el Hessian y su determinante.v.V'' -1 1 ly I 2/ 2\y IUI'IHIIIIO .° Uliliee un paquete o librería de software para determinar el máximo de /(.10 Dada la siguiente función.y) = 3. http://libreria-universitaria.v./'(. b) Numéricamente.25x 2 2y 1 lít.5y - \. y). y sustituya el resultado del inciso b) en la última para verificar que se lia detectado un mínimo. use un paquete o librería de software puru determinar al mínimo a) Gráficamente.y 2 4 2 15. c) Sustituya el resultado de b) en la función para determinar el mínimo f(x.)•) 2.•..r) ~ .ll UNO un pnquelc o librorln de solUvarc puní determinar el de .7 .com .Ift. r I I.»>> + \..

Como muchos de estos casos involucran sistemas complejos e interacciones. La tercera aplicación. tiene que ver con el uso de la optimización restringida no lineal para el diseño óptimo de un tanque cilindrico. Los problemas son tomados de las áreas principales de la ingeniería: química/petrolera. eléctrica y me cánica/aeroespacial. la cuarta aplicación. La primera aplicación. Después. se introduce la noción de precios indefinidos y su uso para mostrar la sensibilidad de una solución por programación lineal. involucra maximizar la potencia a través de un potenciómetro en un circuito eléctrico. involucra determinar los desplazamientos de la pierna al pedalear en una bicicleta do montaña al minimizar la ecuación bidimensional de energía potencial. Las siguientes aplicaciones son típicas de aquellas que se encuentran en forma ruli nana durante los estudios superiores y de graduados. tomada de la ingeniería química/petrolera. 16.Suponga que so lo pide determinar las dimensiones de un pequeño tanque cilindrico para ol transporto de http://libreria-universitaria. En este ejemplo. 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. . El Solver de Excel se usa para desarrollar la solución. tomada de la ingeniería mecánica/aeroespacial. Estos problemas son importantes. Además. Además de resolver el problema. tomada de la ingeniería eléctrica. 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. Por último. ellas son representativas de problemas con los que se enfrentará el ingeniero profesionalmente.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. los métodos numéricos y las computado ras son con frecuencia una necesidad para desarrollar soluciones óptimas.com .blogspot. 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.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. 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.

5 20 rrr' cm kg/rrv m m 1 $Afj $/m http://libreria-universitaria. TABLA 16. Debido a que el tanque transportará desechos tóxicos.1. desechos tóxicos que se van a trasladar en un camión. el cual está basado en el peso. Su objetivo general será minimizar el costo del tanque.16. además del costo.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.com . Observe que lo último involucra soldar ambas: la costura interior y la exterior en donde se conectan las placas con el cilindro. Además. 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.blogspot.8 3 8 000 2 1 4. Sin embargo. el problema es restringido yu que el tanque debe 1) ajustar a la caja del camión y 2) contener el volumen requerido de material. Solución. El costo del tanque involucra dos componentes: 1) gastos del material. se requiere de un espesor especificado por ciertos reglamentos. Los datos necesarios para el problema so resumen en la tabla 16. usted debe asegurar que mantenga la cantidad requerida de líquido y que no exceda las dimensiones de la caja del camión. y 2) gastos de soldadura que se basan en la longitud necesaria para soldar.1. 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. Como puede verso. el tanque consiste en un cilindro con dos placas soldadas en cada extremo. ya que ellas tienen efecto sobre la masa del tanque y las longitudes a soldar. El objetivo aquí es construir un tanque a un mínimo costo.1 Parámetros para determinar las dimensiones óptimas de un tanque cilindrico.1 Parámetro Parámetros para determinar las dimensiones óptimas de un tanque cilindrico para transporte de desechos tóxicos.

c y c = factores de costo para la masa ($/kg) y longitud de la soldadura ($/m). m = masa (kg). la masa se calcula con donde p = densidad (kg/m ). respectivamente. la fluición objetivo se puede formular como una minimización (16.3) se sustituyen en la ecuación (16. el cilindro) se puede calcular como w m w D ^cilindro — ^ n Para cada placa circular en los extremos. Por lanío. la masa se puede calcular como el volumen del material por su densidad.1) donde C = costo ($). ol resultado de la función objetivo es no lineal en las incógnitas. Primero.3) Dados los valores de D y L (recuerde que el espesor t está fijo por códigos). (16. La longitud de soldadura para unir cada placa es igual a la circunferencia interior y exterior del cilindro.com donde V e» el volumen deseado (m ). las ecuaeio nes (16. Primero.2) **w — ^ 2*|§+í)+2*f = 4n(D +1) (16. 3 . í = longitud a soldar (m). esto es aplaca = * ( — (d \2 +t Así. Así.3) proporcionan un medio para calcular el costo. TTD 2 2 Este valor debe ser igual al volumen deseado. Después.1).2) y (16. Después. se debe calcular qué volu men puede ser introducido en el tanque terminado.blogspot. se reformulará cómo la masa y longitud de la soldadura se relacionan con las dimensiones del tambor. Para las dos placas. El volumen del material usado para crear las paredes laterales (por ejemplo. se puede formular las restricciones.APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN El costo implica los valores del material del tanque y de soldarlo.2) y (16.1). la longitud total de soldadura sería m = p\Ljí 2 + D D H - 2?r| y + f | t (16. También observe que cuando las ecuaciones (16. una restricción es JTD= L V„ ü http://libreria-universitaria.

2.433 http://libreria-universitaria.5m + 2Q€ Sujeto a TTD L 2 W 4 L D < < = o. Con la sustitución de los valores de la tabla 16.blogspot.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.: 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.03 - - + 2JT[ ® + 0. ) rho Lmáx 9 Dmáx n 10 11 cw 0.03 8000 2 1 4. FIGURA 16. ln : 4K(D + 0.16. W F »( \ )V i » > * C •14. se puede resumir como Maximizar C = 4.5 20 D L 1 2 Restricciones D L * Vol 1 2 1.1.03 0.03 El problema ahora se puede resolver en diferentes formas.! ..8 0. L<L D<D r M Á X El problema está ahora especificado.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 .570796 < = = _ 1 2 0.com Ylaeai 11$ 1 . Sin embargo.2 Hoja de cálculo de Excel lista para evaluar el costo de un tanque sujeto a restricciones de volumen requerido y tamaño.8 V a l o r e s calculados: W3 IF1 m Iw Vcoraza Función objetivo: It . La hoja de cálculo para realizar esto se muestra en la figura 16.

982949 < = 0.57 > 0. Así. si la capacidad del tanque se aumentara. 9 8 M Y L = 1 .05 M. EL PRECIO SE REDUCE DE 9 1 54 A 5 7 2 3 .a 6 0. Para este caso. 3 RESULTADOS DE MINLMIZACIÓN. Una vez creada la hoja de cálculo. la selección Solver se escoge del menú T O O I N (Herramientas).72909 1 C http://libreria-universitaria.428 APLICACIONES E N LA INGENIERÍA: OPTIMIZACIÓN Para el caso mostrado. FIGURA 1 6 . se introducen los límites D y L.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. Observe que el diámetro óptimo es casi el valor de la restricción de 1 m. Para el caso presente.236 12.blogspot.982949 1. el Solver obtiene la solución correcta. la cual se muestra en la figura 16. podría encararse esta restricción y el problema se reduciría a una búsqueda unidimensional para la longitud. el volumen cu mayor que el requerido (1.8).com Vcora¿u •••• . YA QUE EL VOLUMEN MÁS PEQUEÑO TIENE LAS DIMENSIONES DE D = 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 1215.8 0.03 8000 2 1 4. 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 0.799998 1 2 o. 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. En este punto aparecerá un recuadro de diálogo que le solicitará la información pertinente.3.

Para el presente caso. W¡ + Qi u u Qc u u (16.blogspot. con frecuencia. http://libreria-universitaria. W.4 ilustra el tipo de sistema que un ingeniero ambiental podría enfrentar. las concentraciones en los cuatro nodos se pueden calcular como FIGURA 16. Así. la concentración resultante en el punto de descarga se puede calcular con un simple balance de masa.com .4 Cuatro plantas de tratamiento de aguas de desecho que descargan contaminantes a un sistema de ríos. la causa principal de la contaminación en un río. La figura 16. Cuando las descargas de desechos entran en la corriente.2 MÍNIMO COSTO ! N TRATAMIENTO DE AGUAS DE DESECHO 429 16. La carga contaminante está sujeta al tratamiento de desechos que resulten de una remoción fraccional x. Después que se establece la concentración en el punto de mezclado. la cantidad descargada al río es el exceso no removido por el tratamiento.)P¡ i (16. Suponiendo que los cabezales de agua (por ejemplo.16. c = concentración (mg/L) en el río inmediatamente corriente arriba de la descarga. = (1 -x. se supone que esta remoción se puede representar por una simple reducción fraccional R. Los segmentos del río entre las ciudades están indicados con números dentro de un círculo. Varias ciudades están localizadas sobre un río y sus afluentes. los procesos de descomposición químicos y biológicos pueden remover algo de la contaminación cuando fluye corriente abajo. Cada uno genera contaminación a una razón de carga P que tiene unidades de miligramos por día (mg/d). Si se supone un mezclado completo en el punto de descarga.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.4) donde W — descarga de desechos desde la ciudad /-ésima. se mezclan con la contaminación de las fuentes corriente arriba. Las descargas de aguas de desecho de las grandes ciudades son.5) donde Q = flujo (L/d). las ciudades 1 y 2 en el río mostrado antes) están libres de contaminantes. y Q¡ = flujo corriente abajo del punto de descarga (L/d).

el costo total de tratamiento (sobre una base diaria) se puede calcular como (16. Así. evalúe el impacto « I hacer el estándar más restringido debajo de la ciudad 3.()) J C 3 ) f 3 c 4 = R34Q34C3 Q45 d P2X2 + O -x )P 4 4 Después. pesca. junto con los resultados de concentración (c¡) para tratamiento cero.blogspot. Observe que el estándar de 2 0 mg/L se viola en todos I o n puntos de mezclado. paseos en bote. poní ahora con los estándares para los segmentos 3-4 y 4-5 disminuidos a 1 0 mg/L. La concentración se puede calcular con la ecuación ( 1 6 . La pieza final en la "decisión rompecabezas" involucra regulaciones ambientales Para proteger los usos benéficos del río (por ejemplo. Esto es.com . Use la programación lineal para determinar los niveles de tratamiento que salislii cen los estándares de calidad del agua a un mínimo costo. También se enlista el flujo. 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.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). También.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 (!(>.2 Parámetros para las cuatro plantas de tratamiento de aguas de desecho que descargan contaminante» a un sistema de ríos. se observa que el tratamiento de aguas tiene un costo diferente. tomar 1111 baño). el mismo ejercicio. d¡($ 1 0 0 0 / mg removido). http://libreria-universitaria. 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. en cada una de las localidades. s TABLA 16. donde todas las x = 0 ) . las regulaciones indican que la concentración del río no debe exceder un estáiuliii de calidad de c . En la tabla 1 6 . el factor de remoción y los estándares para los segmentos del río.

está sombreada la celda IIV I|II(¡ muestra la fórmula para el costo total que es el que hay que minimizar [véase ecuación (16. Las celdas F4 y H 4 están sombreadas para UN II.00E-06 jl||ni|iiiliiiii 3 4. los datos junto con los PIOURA 1 6 .8)].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. 4 2.X3. 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.SUM($H$4t/$H$7) . El problema se puede resolver por medio de una variedad de paquetes.2 MlNIMO COSTO EN TRATAMIENTO DE AGUAS DE DESECHO Solución.50E + 08 J i 4-5 " 1 F G H CONCENT.00E-O6 s u .5E + 0 9 4. CIUDAD P X W D 1 1 .6).10E + 08 0.10) De esta forma.OOE + 0 7 0.LINI las fórmulas usadas para calcular C. la función objetivo es minimizar el costo de tratamiento [véase ecuación (16. Para esta aplicación se usa la hoja de cálculo Excel. el tratamiento no debe ser negativo o mayor que el 100% de remoción [véase ecuación (16.blogspot. y el costo del tratamiento para la Ciudad 1.com .00E + 0 7 0. 5 I LI de cálculo de Excel lista para evaluar el costo de tratamiento de aguas sobre un sistema de ríos regulado.X4 2 < 1 (16.* ) P 3 3 „ 4 4 < Cs3 0 < Xi. La columna I 11 MLLENE el cálculo de la concentración de acuerdo con la ecuación (16.9) + < Cs4 R\3<2\3C\ R34Q34C3 + Q45 2 (1 . ESTÁNDAR COSTO DE DECA EN EL RÍO TRATAMIENTO 20 100 0 / 40.5.$B$4*$C$4*$I$4 http://libreria-universitaria.35 Í B i " 3-4 1.00E + 09 2E + 0 9 0 2.8)] sujeto a la restricción de los estándares de calidad del agua que se deben satisfacer para todas las partes del sistema (16.16.27 20 0 / 22.9).00E-06 FLUJO EN REMOCIÓN SEQMENTO EL RÍO EN EL RÍO 1-3 1.50E + 09 0 2.48 20 0 TOTAL 0 / / $D$4/$B$10 .00 20 0 / 47. Además. Además.00E-06 '""•ip'lÍ 2 2.X .OOE + 09 0 1E + 0 9 2.00E + 09 4E + 09 0 4.6 2.5 « f f 2-3 5. Como en la figura 16. 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)].

00E + 09 0. 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.35 3-4 1. observe que se ha generado 3 reportes: Respuesta. No tratada Tratamiento Descarga Estándar Ciudad P X W d en el río deCA ! 1 . 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. En este punto.00 4.6.00 0 4. se abre un recuadro de diálogo con un reporte sobre el éxito de la operación.5625 1. OBSERVE quo AUN CON EL HECHO DE QUE NO SE REQUIERE TRATAMIENTO PARA LA CIUDAD 4 .10E + Q8 0.75E + 09 20.50E + 09 0 2. ya que el recuadro de diálogo despliega sólo seis restricciones a la vez.$°§tG§ .28 4.OOE + 09 0. LA CONCENTRACIÓN EN SU PUNTO DE MEZCLADO ACTUALMENTE EXCEDE EL ESTÁNDAR.8 2E + 0 8 2.5 2-3 5.00E-06 4 2.00E + 07 0. Para el presente caso.OOE + 09 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.00E-06 20 2 2. se elige la selección Solver del menú Tools. A :B -.7.5 1E + 09 2.6 RESULTADOS DE MINIMIZACIÓN.00E-06 Flujo en Remoción Seqmento Total el río en el río 1-3 1. Cuando se selecciona el botón OK.00E-06 20. 2000 9000 0 1 2 3 4 6 10 HfH •Pl 20 20 20 20 4-5 http://libreria-universitaria. requiriéndole la información pertinente. el Solver obtiene la solución correcta. Sensibilidad y Límites.blogspot. Antes de aceptar la solución (al seleccionar el botón OK en el recuadro reporte del Solver). Concent.6 H Costo de tratamiento •16QQ. El Solver generará automáticamente un reporte de sensibilidad.00E + 07 0. la cual se muestra en la figura 16. LOS ESTÁNDARES DE CALIDAD DEL AGUA SE CUMPLEN A UN COSTO DE 12 600/DIARIOS. FIGURA 16. Una vez que se crea la hoja de cálculo.5E + 09 15. Seleccione el reporte Sensibilidad y después presione el botón OK para aceptar la solución.com 2. un recuadro de diálogo se desplegará. como el de la figura 16.

30 1200 16000 10000 Valor final Precios anticip.E+. Como se muestra en la tabla T A B L A 1 6 . se disminuye el valor en las celdas G6 y G7 a G10). revela que el precio anticipado más grande.8 0.5 0.00 15. Restric.blogspot.640 20 20 10 10 http://libreria-universitaria. la columna clave de la figura 16. El precio anticipado es un valor que expresa la sensibilidad de la función objetivo (en nuestro caso. Para nuestro ejemplo. " ° 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. $F $5 __conc $F$6 $F$7 conc_ conc 20.30'____ 0 ! I + . Por tanto. E s c e n a r i o 1 : T o d a s l a s c.600 20 20 20 15. De hecho. í3 Esto se confirma cuando se vuelve a ejecutar el Solver con los nuevos estándares (es decir.00 -440.28 -30.72 20 17.7 es el precio anticipado.28 1 2 3 4 0. Ciudad X 10 c c 1 2 3 4 0. ocurre para uno de los cambios de estándar (es decir.00 6 . la concentración en la ciudad 4 será en realidad menor que el estándar (16.00 20 20 20 _ 1E+30 _ 20 4. corriente abajo de la ciudad 3) que se están contemplando. se puede examinar el reporte de Sensibilidad.5625 0 _0 0 10000 4000 16000 10000 !.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. Esto indica que nuestra modificación será costosa. se puede disminuir los estándares 3-4 y 4-5 para ahora tener 10 mg/L. Antes de hacer esto.8 0. LD Aumento permisible Disminución permisible FIGURA 16.$12.6).264 Costo .87878788 15.5 0.m M i c r o s o f t Excel 5 . = 2 0 Ciudad X Escenario 2 : C o r r i e n t e a b a j o c. Como un ejercicio final. 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 .00 _ 20.8375 0. . — $440/Ac .5 0..90909091 Ahora examinemos la solución (véase figura 16. aunque no se requiere tratamiento para lo ciudad 4. representa el costo adicional en que se incurrirá al hacer los estándares más restrictivos. Para el caso actual. 3 Comparación de los dos escenarios involucrando el impacto de diferentes regulaciones sobre los costos de tratamiento.com .5625 0 Costo . Observe que el estándar ajustara en todos los puntos de mezclado.28 mg/L). el costo) con una unidad que cambia una de las restricciones (estándares calidad-agua). 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 .$19.

y que la ciudad 3 debe actualizar su tratamiento.8 contieno tres resistores fijos y uno ajustable. a) Encuentre el valor de la resistencia ajustable R que maximiza la transferencia de potencia a través de las terminales 1 y 2. A partir de las leyes de Kirchhoff se puede obtener una expresión para la potencia del circuito. R = 12 Q. 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.3. Observe también que no se afecta el tratamiento en las duda des corriente arriba. Los resistores ajustables son llamados potenciómetros Los valores para los parámetros son V = 80 V. Además. 1 1 ) a Sustituyendo los valores de los parámetros dados se obtiene la gráfica mostrada en ln figura 16.8 Un circuito resistor con un resistor ajustable. + Ri + Ri) + RiRa + R3R2 ( 1 6 . como P(R ) a = Ri(RVRiR. R = 8 Q. Observe que la máxima transferencia de potencia ocurre en una resistencia de aproximadamente 16 Q. al reducir el estándar de concentraciones para las llegadas inferiores significará que la ciudad 4 debe comenzar a tratar sus desechos.9.434 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN 16.blogspot.com . 9 Una gráfica de transferencia de potencia a través de las terminales 1-2 de la figura 1 6 . 0 0 http://libreria-universitaria.8 como una función de la resistencia del P(R ) a 40 20 Potencia potonciómetro R . el resultado es que el costo del tratamiento aumentó de $ 12 600/diarios u $ I 9 640/ diarios. El circuito simple con resistencias mostrado en la figura 16. 16. y R = 10 Ll. FIGURA 16. + «1 A R 2 M — F I '3 FIGURA 1 6 . o potenciómetro.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.

d) En la figura (16. observe que una función se debe definir también para calcular la potencia de Acuerdo con In ecuación (16. Solver obtiene la misma solución correcta mostrada en la figura 16.44 Q. 7 8 9 30.11). Primero. Tal función es enlistada en la figura 16.10. Después. pero esto será ineficiente. Observe la similitud tan cercana con el pseudocódigo de la búsqueda de la sección dorada que se presentó en la figura 13.11) se puede introducir en la celda B9. aunque el procedimiento anterior es excelente para una sola evaluación.10) se muestra una hoja de cálculo Excel para implementar la ecuación (16. no es conveniente para los casos donde se deben emplear múltiples optimizaciones. donde estamos interesados en determinar en qué modo la potencia máxima varía para diferentes valores de voltaje. Una forma preferible sería involucrar el desarrollo de una función macro que llegue al óptimo.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. Además. se despliega un recuadro de diálogo con un reporte sobre el éxito de la operación. 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. se desarrollará un programa macro en Visual BASIC para realizar un análisis de sensibilidad.com . Como se indica.1 ¿.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. Un planteamiento superior involucra usar la opción Solver del menú Tools de la hoja de cálculo. Está claro que el Solver podría llamar muchas veces los diferentes valores de los parámetros. b) Ahora.5.11). Tal podría ser el caso para la segunda parte de esta aplicación. Entonces el valor de R (celda B8) puede ser variada en forma de prueba y error hasta que se tenga un residuo mínimo. la ecuación (16. el resultado es una potencia de 30.blogspot. Para el caso actual.44445 t D 3 4 5 6 FIGURA 16. http://libreria-universitaria. se emplea la prueba y error y la opción Solver. Para este ejemplo.10 l>ciluminación en Excel de ln polc-ncia máxima a través i lo un potenciómetro niiKJiíinle prueba y error.11. En este punto se desplegará un recuadro de diálogo requiriendo de usted la información pertinente.

R l .Power(x2.x2 : x2 .f l Else xopt . En la celda B9 se tiene una función de llamado del macro que referencia el valor adyacente de V (los 45 volts en A9). R2.r * d I f f l > f 2 Then x l .0. R l .11 Macro para Excel escrito en Visual BASIC para determinar un mínimo con la búsqueda do la sección dorada.f l f l .xlow : xu . R3. R2. http://libreria-universitaria.1 d . R2.Power(x2. V) Num .x2 : f x . V) f 2 .es Or i t e r > maxlt Then E x i t 0o Loop Gol den . Se tiene una columna de valores que cubre un rango de los voltajes (esto es.f 2 End I f Do d . V) End I f 1ter .( 1 .x l : x l . de 45 a 105 V). V) Else xu .x2 x2 .x l : f x .x l x l .01 : r .(5 0. x h l g h .blogspot.x l + d : x2 .d f l . R3.r * (xu .x h l g h : 1 t e r .r ) * AbsCCxu . R3.d : f l .f 2 End I f I f xopt O 0 then ea .5 . R2.xu . R2.PowerCxl.Num/Ra End Function A 2 FIGURA 16. R l .f 1 Else xopt .1) / 2 x l . R2.com .436 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN Functlon GoldenCxlow. V) maxlt .x l ) x l . R l .xu . R3.f 2 f 2 . R3. R l .xopt End Functlon A Function PowerCRa.(V * R3 * Ra / CR1 * (Ra + R2 + R3) + R3 * Ra + R3 * R2)) Power .PowerCxl. V) I f f l > f 2 Then xopt . R l .x2 : f x .xl + d : f2 . En la figura 16.50 : es .12 se muestra una hoja de cálculo Excel que utiliza este macro para evaluar la sensibilidad de la solución para el voltaje. R3.x l : f x .i t e r + 1 I f f l > f 2 Then xopt .x l ) / x o p t ) * 100 I f ea <.

Advierta que. Además. http://libreria-universitaria.39358 90 16.13 se observa que la potencia aumenta con el voltaje.$B$7. se incluye también parámetros en la función argumento.1 Rmáx 100 V Ra ^ PiRal 45 1 6 . se tiene una a FIGURA 16.A9) ' I f ' ' 1 1 1 1 1 1 1 / llliilíliiim w \ TI'. las referencias a los valores iniciales superior e inferior y las resistencias son absolutos (esto es.12.44444 16. 5 0 1 6 8 9 6 0 16. Una estrategia similar se usa para introducir la ecuación (16.44444 26. I ski iijlina accesa el programa macro para la búsqueda de la sección dorada de la figura 16.$B$3. mientras la referencia con Ves relativa.89189 75 16. Los resultados para los valores correspondientes en el potenciómetro (R ) son más interesantes.00676 105 1 6 .12 I li > | u de cálculo de Excel para implementar un análisis de sensibilidad de la potencia máxima con variaciones de voltaje. el resultado es como el mostrado en la figura 16. La potencia máxima se puede trazar para visualizar el impacto de las variaciones de voltaje.44 £2.13 Resultados del análisis de sensibilidad para el efecto de las variaciones de voltaje sobre la máxima potencia.blogspot. mientras que la referencia relativa corresponde al voltaje en el mismo renglón. las referencias absolutas queden fijas. \ \ \ Cálculo de la potencia] =(A9*$B$5*B9/($B$3*{B9+$B$4+$B$5)+$B$5*B9+$B$3*$B$4))*2/B9 FIGURA 16.$B$4.11) en la celda C9.44444 38. *JF>' 1 M á x i m a t r a n s f • r a n c i a de potencia Rl 8 R2 12 R3 10 Rmín 0. 16. Cuando se copian las fórmulas hacia abajo. 7 3 1 4 2 Llama a la macrofunclón hecha en V i s u a l B A S I C Oro ($B$6. Esto se hizo de tal forma que cuando la fórmula se copie. En la figura 16. incluyendo el signo $). 4 4 4 4 4 9 . 4 4 4 4 4 5 1 . La hoja de cálculo indica que para un mismo valor.$B$5.1 1.LIE.com .

como se ilustra en la figura 16. otras especial i dades de la ingeniería deben tratar también con el impacto de fuerzas sobre los dispositivos que ellos diseñan.1 . A área de sección transversal = 0. 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. 16. Determine los desplazamientos para uun fuerza de 10 000 N y un rango de los 8 desde 0°(horizontal) hasta 90° (vertical). http://libreria-universitaria.0001 m . 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.y) = 1— J x + . En particular. Sin embargo.56 m. 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.blogspot. y h = altura = 0.^ i . Se puede resolver los desplazamientos e n * y y al determinar ION valores que den una energía potencial mínima. Este problema se puede plantear al desarrollar la siguiente ecuación para ln energía potencial del sistema de frenado. 1 4 a) Una bicicleta de montaña junto con b) un diagrama de cuerpo libre para una patio <lnl marco.44 m. Tal resultado podría ser difícil de intuir basado en una inspección casual en la ecuación (16. l = longitud = 0.Fx eos 6-Fy sen 0 (16.'| FIGURA 1 6 .5 m. los ingenieros civiles son más comúnmente asociados con el diseño estructural.11). 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.\ — )y 2 2 .com . Suponga que las fuerzas que usted debe analizar se pueden simplificar.14a). V{x. Por su trabajo en la industria de la construcción.14&.4 D I S E Ñ O DE U N A BICICLETA DE M O N T A Ñ A (INGENIERÍA MECÁNICA/AEROESPACIAl) Antecedentes.438 APLICACIONES EN LA INGENIERÍA: O P T I M I Z A C I Ó N potencia máxima. 11 2 Solución. w — ancho = 0.

En cualquiera de los casos.8660v El mínimo de esta función se puede determinar de diferentes formas.15a). Ambos resultados se deben a la geometría del marco de la bicicleta. o FIGURA 1 6 . las deflexiones podrían ser más uniformes.15. Esto se manifiesta también en la figura 16.000786 y y = 0. a) 0 .156. 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°).0000878 m. En forma alterna. Sin embargo. junto con un software de librerías para métodos numéricos tal como el IMSL.5000JC . la energía potencial mínima es — 3.y) = 5 512 026x 2 + 28 471 2 1 0 / .blogspot. Por ejemplo. 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. para este caso. Para 6 ~ 30°. mediante el Solver de Excel. los resultados se muestran en la figura 16.3. donde la energía potencial es mayor a bajos ángulos. 0 0 1 0 r- m 0. Si w fuera mayor.com . Queda claro que.12) los valores de los parámetros dados y obtener V(x.16.0005 - 0.0000 o o 30 60 90 0 I I I I I I I I I http://libreria-universitaria. un algoritmo de búsqueda multidimensional debería implementarse. se pueden sustituir en la ecuación (16. se puede escribir un macro en la misma forma que se hizo en la sección 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. Como se esperaba (véase figura 16.62 con deflexiones de x = 0. observe que la deflexión x es mucho más pronunciada que en la dirección y. de tal forma que se puedan implementar optimizaciones múltiples en forma simultánea.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. Una tercera forma de plantear el problema podría ser mediante el uso de un lenguaje de programación como Fortran 90.

Realice el diseño de modo que tanto su tapa como sus lados sean minimizados.3).3 Un contenedor cilindrico con tapas semiesféricas. pero ahora agregue la restricción L > 2/i. y se obtiene diferentes ganancias.3 Diseñe el tanque cilindrico óptimo con tapas semiesféricas (véase figura P16.2) de tal forma que tenga una tapa y paredes de espesor insignificante.').2 m .blogspot. b) Repita el inciso a).05 hr/kg $30/kg 4 kg/kg 0.1) de tal forma que abra por un extremo y tenga paredes de espesor insignificante.1 Un contenedor cilindrico sin tapa.com . 2c ~ ~ 4 + 0.8c + c + 0. 16. Observe que el volumen de cada una de las tapas semiesféricas se puede calcular con 3 3 3 Ingeniería química/petrolera Tapa FIGURA P 16.4.2c 8 2 3 FIGURA P l 6. 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. 16. El contenedor va a almacenar 0. 16. Realice el diseño de tal forma que sean mínimos el área del fondo y sus lados. Encuentre el valor de c para el cual el cree i miento es un máximo. Abierto h Como se ilustra en la figura Pl 6.1 Diseñe el contenedor cilindrico óptimo (véase figura P16.2 hi/kg $35/kcj" 3 000 k<] . 16. FIGURA P 16.2 Diseñe el contenedor cónico óptimo (véase figura P16.5 Una planta química produce tres productos principales on una semana.2 m y tiene paredes de espesor insignificante.2 m .2 Un contenedor cónico con tapa.'> II/MHIKIIUI http://libreria-universitaria. El contenedor va a almacenar 0. Cada uno de estos productos requiere una cieiln cantidad de materia prima química de diferentes tiempos do producción.1 hr/kg $30kg lOkg/kg 0. A=n(h 2 + r) 2 V = — a) Diseñe el tanque de tal forma que el área sea minimizada. El contenedor va a almacenar 0. Interprete el resultado. 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.440 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN PROBLEMAS 16.4 La razón de crecimiento específico de una fermentación que produce un antibiótico es una función de la concentración de comida c.

4 ! ( i razón de crecimiento específico de una fermentación que nioduce un antibiótico contra la concentración de comida. -$50 y $200/toneladas pin II Zl. </) Evalúe cuál de las siguientes opciones aumentará más las utilidades: incrementar la materia prima química. Suponga que IIIIII refinería desarrolla un producto. El costo del proceso de tratamiento es do $3(>0/tonclada. y Z3. 16. d. Tratar los desechos de tal forma que su descarga sea permisible. hecho de dos materias primas Xy Y. />) Resuelva el problema de programación lineal con el método simplex. El costo del tubo se calcula con Costo = / ( / . como la mostrada en la figura P16. al agregar una tonelada adicional de X por cada tonelada de W. Observe que al producir Z2 NO obtiene de hecho una pérdida. d) = c W + c d x 2 FIGURA P l 6. < > Recientemente los ingenieros químicos se han involucrado on el área conocida como minimización de desechos.5y donde x = desplazamiento en el extremo y y = momento en el extremo. Esto comprende la operación de una planta química de un modo tal que los impactos sobre el ambiente sean minimizados. de producción. • • I os productos dan utilidades de $2 500. H > . La producción de 1 tonelada métrica del producto involucra 1 tonelada de Xy 2.PROBLEMAS 441 c (mg/L) FIGURA P16. como se muestra en la figura P16. Z2. el tiempo de producción o el almacenaje.blogspot. La columna tiene una forma de sección transversal como la de un tubo de pared delgada. Zl.5 toneladas de Xy produce 1 toneliula de un líquido de desecho. Ingeniería civil/ambiental 16.86.5y 2 l. b) la columna tiene la forma de una sección transversal como la de un tubo de pared delgada. Determine qué cantidad de productos y desechos se deben crear para maximizar las utilidades.8 a) Una columna que soporta una carga de compresión P.7 Un módulo de elemento finito de una viga en voladizo sujeta a carga y momentos (véase figura P16.y) = 5x -5xy 2 +2. respectivamente. Además. f(x. Los ingenieros tienen que enl'rcntar esto con tres formas alternas para el manejo de los desechos: • Producir una tonelada de un producto secundario. Z3. Producir una tonelada de otro producto secundario. c) Resuelva el problema con un paquete de software. Determine los valores de x y y que minimicen f(x.8 Suponga que se le pide diseñar una columna para soportar una carga de compresión P. ()bserve que hay suficiente espacio en bodega de la planta para almacenar un total de 450 kg/ a la semana. la compañía tiene acceso a un limite do 7 500 y 10 000 toneladusdo Xy Y durante el poriodo a) http://libreria-universitaria.8a. y). W. y el espesor de la pared.com . al agregar 1 tonelada de Y por cada tonelada de W. a) Establezca un problema de programación lineal para maximizar las utilidades. Las variables de diseño son el diámetro medio del tubo. t.7) se da para optimizarla. Z2.

9. l 2 C 16.442 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN donde o = concentración de oxígeno disimilo |nig/L. 1 x _1 1 a Esfuerzo real (o) < esfuerzo máximo de compresión = 03. = 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.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 . en algún tiempo de travesía. La columna debe soportar la carga bajo esfuerzo de compresión y no pandearse. i|iits sería la más esforzada. 0. -= 4 y c = 2 son factores de costo y W — peso del tubo. FIGURA P 1 6 .com .0 . 0 5 d~' s 2 d= 0= 0. debajo del punto de desairan Este punto es llamado "crítico". (P16. 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). P = 2 000 kg. S = pcndienlo ilol ° (.t + 0. k = razón de reatiaeión |il 1 y S = demanda de oxígeno sedimentado [mg/L/dj. dimensiones usado para parametrizar la fricción del c a n a l ) .. la ecuación (l>Id./. perímetro mojado es la longitud de los lados del canal y l'ondo que están por debajo del agua. E = 900 000 kg/cm . por sus iniciales en inglés) [d 1.0.. ecuación de Manning (recuerde la sección 8.9 + 0. A R = — P c donde perímetro mojado (m).13. y t .9) y R = radio hidráulico (m).. Por ejemplo. los diámetros disponibles para los tubos están entre 1 6 1 .d (I 1 50 m g / L S = 1 mp/l. 9 • ok + k k Oxígeno dísuelto "a la deriva" por debajo del punto de descarga de desechos en un río. como el pe/. = área de sección transversal del canal (m ).-*«' _ _ (i canal (sin dimensiones. 3 W ndlllp [d]. esto se define como P = B +2H donde = profundidad (m).9). Como su nombre lo i n d i c n .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. el cual se relaciona para m á s purA < s d metros fundamentales por s a 2 A.blogspot.1 cm y 1 cm. L d b c x | n i u / l |.05x .0. 2 donde p = densidad del material del tubo = 0. o .2) blema al determinar los valores que minimizan el Observe que H = 275 cm. Finalmente. Desarrolle y resuelva este prolacosto. Determine el tiempo de travesía crilii-u y la concentración dados los siguientes valores: donde c.0 La distribución bidimensional de la concentración de mn taminantes en un canal se puede describir con c(x.21y .l 1 6 1 . t . y) = 7. P= H c| http://libreria-universitaria.1 d" 1 k h 2 a = O. Por lo tanto. Se puede usar el cálculo para demostrar que JiEI H dt 2 o= L k s 10 m g / L k = 0 . { 2 = 10 cm. metros de caída por metro de longitud).0025 kg/cm . / = 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.1 El flujo Q [m /s] en un canal abierto se puede predecir con d y d y el espesor entre í.") pin duce un oxigeno "disuelto" que alcanza un nivel mínimo cillli n. 0 1 6 y .1 0 < x < 10 y 0 <y < 20. k iii/ón de asentamiento de (BOD) [ d ] . ya que representa la uhiciuií'in para flora y fauna que dependen del oxígeno. <> con centración saturada de oxigeno [mg/L]. para un c a n a l i w tangular. Como se indica en la figura P16. 2 3 1 2 1 cm.

2 donde c es un factor de costo por excavación = 100 $/m y c es un factor de costo por alineación $50/m. Encuentre las resistencias de modo que la potencia total disipada por el circuito sea un mínimo. Advierta que un cálculo como éste podría minimizar el costo si los costos de alineación fueran mucho mayores que los de excavación. 443 40 V C = A + cP Cl 2 FIGURA P l 6. h. S i € = 2 m y ^ = 1 0 ~ m .h. Encuentre a y b que maximice L. N = número de vueltas ya. b) Repita el inciso anterior. determine los valores de H y II que minimizan el perímetro mojado. Para realizar esto minimice la siguiente función de costos.0.15. pero esta vez incluya el costo de excavación.0. . 1 2 Un modelo para un solenoide se puede expresar como L = S + 6(a/b) + W(c/b) donde L = inductancia.max FIGURA P 1 6 .com . 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.byc describen la geometría como la mostrada en la figura P16.V = 0.blogspot.min FIGURA P16.12.13 Un circuito eléctrico se diseña para usar una fuente de 40 volts para cargar baterías conectadas en paralelo de 15 V.14 El circuito mostrado en la figura P16. . c) Analice las implicaciones de sus resultados. 1 4 Un circuito eléctrico.13 Un circuito eléctrico en paralelo para cargar tres baterías.. Se quiere maximizar L para una longitud dada del alambre ( con un área de sección transversal ^ . 6 V y ¡ < 4 h < 3 U 2 2 S N 1 \Q' N 6 I\.003 y Q = I nvVs.14 consiste de cinco resistores y sus respectivas corrientes.12 Las dimensiones de un solenoide.PROBLEMAS u) Dados los parámetros // . 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. h. Suponga que cada corriente puede variar entre los límites superior e inferior. i — i. 16. Is > 0 16. x 2 Ingeniería eléctrica 1 6 .

16. Se desea encontrar el diámetro de alambre (d). 16.17 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. 1 p L =0.3 Í + 4 ) 2 < 0. +0. FIGURA P 1 6 . Mientras que el arrastre por fricción aumenta con la velocidad. es decir.5p 2 2 2 La demanda total de potencia es 30.17. los dos factores que contribuyen al arrastre son afectados en forma diferente cuando la velocidad aumenta. Formule este caso como un problema de optimización restringida.15 FIGURA P16. 1 7 Gráfico de arrastre contra velocidad para un alerón. Las pérdidas de potencia debido a la transmisión.16 Par transmitido a un inductor como una función de deslizamiento. mientras se minimizan las costos usando una rutina de optimización como las que se encuentran en Excel. a) Si o = 0. Este problema se puede formular como el siguiente problema de optimización: M i n i m i z a r ^ . W = peso y V = velocidad.5. Use un método numérico para determinar la desviación a la cual ocurre el máximo par. IMSL. L. el esfuerzo constante para 9 000 psi. a = razón de la densidad del aire entre la altitud de vuelo y el nivel del mar.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. Mathcad. el diámetro de la espiral (D) y el número de vueltas (Af) que minimice el peso del resorte y limite la deflexión a 0. N) = sujeto a Deflexión = 8FD /V 3 donde n = revoluciones por segundo de la velocidad de rotación del estándar y n — velocidad del rotor. están dadas por Li =0. T 4 3 D 20 000 http://libreria-universitaria.2p. D. etcétera. 16.444 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN y que la caída de voltaje a través de cada resistor sea constante.18 Cuatro resortes helicoidales se pueden usar para soportar un vagón de tren que transporta bicicletas de montaña a Denver.15 Un sistema consiste en dos plantas de potencia que deben entregar cargas sobre una red de transmisión. donde la desviación se define como s = n-riR n donde D = arrastre. b) Además. El costo de generación de potencia en las plantas 1 y 2 están dadas por Fi = 2p + 2 x La figura P16. determine el arrastre mínimo y la velocidad a la cual esto ocurre. 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 .2pi + 0 .blogspot.Í ) ( 4 Í .16 muestra esta función.com . V¡ = RJi = constante.15 pulgadas.5 y W = 15 000. el arrastre por empuje disminuye. La combinación de estos dos factores llevan a un arrastre mínimo. Determine la generación de potencia requerida para cumplir con las demandas. y se requiere que el esfuerzo cortante sea mayor de 120. Ingeniería mecánica/aeroespacial 16. 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. Como se observa en la figura P16.

443 Esfuerzo cortante = K<—».15. Yy Z. El aditivo se compone de tres ingredientes: X. obtenemos Minimizar F(d.19Los rodamientos de rodillo están sujetos a fallas por fatiga causadas por grandes cargas por contacto F (véase figura P16.. Además. respectivamente. Y y Z es 0.4 1 +x 2 + x Encuentre la x que maximiza/(se).. el total de los altamente flamables ingredientes Xy Y no debe exceder de 3 mL/L.Ydebe ser siempre igual o mayor que el Y. 16.com . N > 0 Si los valores dados para la carga y los parámetros del material se sustituyen. Por razones de seguridad.4 0.N > 0 2 Resuelva para d. la cantidad total de aditivo debe ser de al menos 6 mL/ L de combustible.20 Una compañía aeroespacial está desarrollando un nuevo aditivo de combustible para aerolíneas comerciales.DyN.. D. D. 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. N) = QJd DN 2 K/'7> d 2 Frecuencia natural = -—. y el Z debe ser mayor que la mitad del Y. 0.05. Si el costo por mililitro de los ingredientes X. Ijljin D N_ > 120 sujeto a d 110—r— > 1 4 3 d D 3 FIGURA P 1 6 .==— _.< 9000 nd' •JGg d. Para un comportamiento máximo.blogspot.025 y 0. 1 9 Rodamientos de rodillo. 16. la cantidad del ingrediente . determine el costo mínimo de la mezcla por cada litro de combustible. http://libreria-universitaria.19). D. > 1 135> 1 DN d.

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

Procedimientos tales como el método GRG están disponibles para resolver problemas restringidos no lineales. 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. PT4. la programación lineal basada en el método simplex proporciona un medio eficiente para obtener soluciones.1981). Debido a que esta herramienta está diseñada para implementar la forma más general de optimización (la optimización restringida no lineal).PT4.blogspot. Para problemas en varias dimensiones. En la actualidad. El capítulo 15 se dedicó a la optimización restringida. Algunos ejemplos son el método del gradiente conjugado de Fletcher-Reeves y los métodos cuasi-Newton de Davidon-Fletcher-Powell.5 REFERENCIAS ADICIONALES Para problemas en una dimensión. No hace mucho Excel tenía las capacidades de optimización más útiles en la forma de herramienta Solver. Para problemas lineales. (1992) para detalles. Dermis y Schnabel (1996) y en Luenberger (1984). la cual contiene muchas subrutinas para implementar la mayoría de los algoritmos de optimización estándar. Véase Press y cois. El más genérico es la librería IMSL. http://libreria-universitaria.com . esto puede ser usado para resolver problemas en todas las áreas que se cubrieron en esta parte del libro. las investigaciones continúan para explorar las características y ventajas correspondientes de varios híbridos y métodos en serie. (1981). Gilí y cois. se puede encontrar información adicional en Fletcher (1980.5 REFERENCIAS ADICIONALES 447 número de evaluaciones de la matriz (en forma particular la evaluación. almacenamiento e inversión del Hessian). Los paquetes de software y librerías incluyen una amplia variedad de capacidades de optimización.

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

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

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

665 6. es la suma total de los cuadrados de los residuos entre los datos y la media.435 6..655 6. En consecuencia. Así. El espaciamiento también se puede representar por el cuadrado de la desviación estándar.605 6. y — y .4) y t { 2 n infinito. y — y ) es cero.555 6.395 6.755 6..1) donde la sumatoria (y todas las sumatorias que siguen en esta introducción) va de i = 1 a n. La medida más común de espaciamiento para una muestra alrededor de la media es la desviación estándar (s ). S.685 representar 1) la posición del centro de la distribución de los datos y 2) el grado de aproximación de los datos fijos.505 6. La media aritmética (y) de una muestra se define como la suma de los datos individuales (y¡) dividida entre el número de puntos («).625 6. Si están agrupadas cerca de ella.4) es n — 1.635 6.blogspot.775 6..575 6. Otra justificación para dividir entre n — 1 es el hecho de que no existe como In dispersión de un solo punto. en consecuencia. el valor restante es fijo.. La cantidad n — 1 está referida como los grados de libertad. la desviación estándar será pequeña.715 6.2) y (PT5. Para el caso donde n = 1.. Por tanto. La localización estadística más común es la media aritmética.y? (PT5.com d a nu n multado lin sentido al Observe que el denominador en ambas ecuaciones (PT5.515 6. al cual se le llama la varianza: (PT5. las ecuaciones (PT5.655 6. Sy) será grande.555 6.2) donde S. y s se dice que se hallan basadas en n — 1 grados de libertad. .3) t Así. y — y .615 6.565 Mediciones del coeficiente de expansión térmico para acero estructural 6. S (y. o y = A - (PT5.1 6. = S {y.595 6.4) http://libreria-universitaria.452 AJUSTE DE CURVAS TABLA PT5. si las mediciones individuales están muy espaciadas alrededor de la media. Esta nomenclatura se deriva del hecho de que la suma de las cantidades sobre las cuales S se basa (es decir. si y es conocida y se especifican los valores de n — 1.485 6..715 6. o S. sólo n — 1 de los valores se dice que están libremente determinados.625 6.2) y (PT5. h -g¿ (PT.495 6.

4)]: = 0.4).47% 6. al error relativo porcentual (e ) analizado en la sección 3. Solución. Una estadística final que tiene utilidad en cuantificar la dispersión de datos es el coeficiente de variación (av. ( EJEMPLO PT5. Es decir.1)] 6.6 24 Como se observa en la tabla 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.097133 la varianza [ecuación (PT5. proporciona una medición normalizada de la dispersión.1. Como tal.(X^) /« 2 2 Esta versión no requiere el cálculo previo de y y se obtiene un resultado idéntico al de la ecuación (PT5.009435 y el coeficiente de variación [ecuación (PT5.1 „ „„ =0. desviación estándar y coeficiente de variación para los datos de la tabla PT5.097133 — 1 0 0 % = 1.217000 24.1 Estadística simple para una muestra Enunciado del problema. los cuales se pueden usar para calcular la desviación estándar [ecuación (PT5.2) y los resultados se usan para calcular [ecuación (PT5. es la razón del error de medición ( Í ) a un estimado del valor real (y).v.5)]: c. _ £j¿ . varianza.5) Observe que el coeficiente de variación es similar.). Con frecuencia se multiplica por 100 para que se pueda expresar en la forma de porcentaje: c.217000. Tal estadística es la razón de la desviación estándar a la media.3.2)]: y = - 1 5 8 4 0.2. Calcule la media. en esencia.6 http://libreria-universitaria.v.I-IJJ. la suma de los cuadrados de los residuos es 0.blogspot. = ^ 100% y (PT5.com . = 0. Los datos son sumados (tabla PT5.

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 6.655 6.004225.002025 0.000025 " 0. el histograma indica que la mayoría de los datos se agrupan cerca del valor de la media de 6.com mará eventualmente a la distribución normal.56 3 6.64.625 6.030625 1 Frecuencia inferior Límite ~ . Como se observa en la tabla PT5.435 6.2 La distribución n o r m a l Otra característica que soporta el presente análisis es la distribución de datos (es decir.000025 0.555 6. Un histograma proporciona una representación visual simple de la distribución.6.042025 0. cinco de las mediciones se encuentran entre 6.60 y 6.68 3 1 1 6. Si se tiene un conjunto de datos muy grande. en forma de campana que se sobrepone como en la figura PT5.72 6.625 6.024025 ' 0.615 6.027225 0.40 6.565 6.755 6.-yf 0.44 4 2 6.52 6.2. .72 6.595 6.485 6.4 (y. Las unidades de medición se grafican en la abscisa y la frecuencia de ocurrencia de cada intervalo en la ordenada.56 6.775 158.003025 0.009025 0.76 6.007225 .505 6.001225 ' 0.007225 0.395 6. el histograma a menudo se puede aproximar a una curva suave.605 6. 0.000625 . se construye el histograma al ordenar las mediciones en intervalos. Dadas suficientes mediciones adicionales.003025 0. es una característica de forma (la distribución normal).013225 > 0. Como se ve en la figura PT5.2.36 6.40 6.64 3 6.001225' 0.655 6.495 6. el histograma para este caso en purticulur se aproxihttp://libreria-universitaria. la forma con la cual se distribuyen los datos alrededor de la media).002025 " 0. 0.013225 ' 0.68 6.665 6.AJUSTE DE CURVAS TABLA PT5.000225 0.575 6. Intervalo superior Limite 1 1 6.715 6.2.000625 • 0.685 6. Así.515 6. La curva simétrica.217000 PT5.013225 1 0.60 6.2.000625 0.48 6.blogspot.2 Cálculos estadísticos de las lecturas del coeficiente de expansión térmico.555 6. Las frecuencias y límites son desarrolladas para construir el histograma que se muestra en la figura PT5 .2.01 1025 0.60 5 6.715 6.80 0.635 6.52 6.76 6.64 6. 0.

794266.6 y s = 0. Un ejemplo muy simple es su uso para cuantificar la confianza que se puede adscribir a una medición en particular.3 Estimación de los i n t e r v a l o s de confianza Como quedó claro de la sección anterior. Es evidente que es imposible medir el coeficiente de expansión térmica para cada pieza de acero estructural que no se haya producido. Por ejemplo. el histograma se podría aproximar a una curva suave en forma de campana.1 y PT5. En forma similar. con base en la muestra. como se muestra en las tablas PT5. suma de cuadrados de los residuos y distribución normal tienen una alta relevancia en la práctica de la ingeniería. el rango definido por y — 2s a y + 2s abarcará alrededor del 9 5 % . En consecuencia. se puede afirmar que aproximadamente el 9 5 % de las lecturas deberían estar entre 6.405734 y 6.blogspot. Los conceptos de la media. llamada distribución normal. para los datos de la tabla PT5.2.35. se puede realizar un número de mediciones en forma aleatoria y.2 Se usa un histograma para ¡lustrar la distribución de datos.PT5 . Si una cantidad está normalmente distribuida.Z ANTECEDENTES MATEMÁTICOS 481 FIGURA PT5.2.com . desviación estándar. una de las principales metas de la estadística es estimar las propiedades de una población basada en una muestra limitada tomada de esa población.1 (y — 6. En tanto el número de puntos aumente. el rango definido por y — s a y + s abarcará en forma aproximada el 68% de las mediciones totales. intentar caracterizar las propiedades de lodu población. Si alguien nos dijera que tomó un valor de lectura de 7. entonces se podría sospechar que las mediciones fueron erróneas. http://libreria-universitaria. En la siguiente sección se trabaja sobre tales evaluaciones.097133). y y y y v PT5.

Ahora. un intervalo de un lado expresa nuestra confianza en que el parámetro estimado sea menor que o mayor que el valor real. no se conoce realmente fl.3. 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.blogspot. Observe en el siguiente análisis que la nomenclatura y y s se refieren a la media de la muestra y su desviación estándar. Como éste es más general.a que puede leerse como. como se muestra en la figura PT5. Como su nombre lo implica.6) la cual representa la distancia normalizada entreyy /x. Un estimador de intervalo proporciona el rango de valores dentro de los cuales el parámetro se espera que esté con una probabilidad dada. Por tanto. Si la varianza real de la distribución de y. En contraste. y a se refieren a la media y desviación estándar de la población. La cantidad a es conocida como el nivel de significancia. se analizará cómo se puede definir un intervalo de confianza alrededor de un estimado de la media. se describirá en forma breve cómo se pueden conjuntar los enunciados probabilísticos con la calidad de esas estimaciones. el problema para definir un intervalo de confianza se reduce a estimar L y U. De esta forma. se calcula una nueva cantidad.3. la probabilidad de que z esté dentro de la región no sombread* de la http://libreria-universitaria. no se sabe dónde se ubica con exactitud la curva normal con respecto a y.1). el intervalo de dos lados tiene que ver con una proposición más general en la que la estimación concuerda con la verdad. Tales intervalos se describen como si fueran de un lado o de dos lados.com fiauraPT5 . ¡u esté dentro del límite de L a U es 1 — a". La nomenclatura ¡j.» do a /n. Se ha escogido este tópico en particular debido a su relevancia directa en los modelos de regresión que se describirán en el capítulo 17. mientras que las últimas son llamadas algunas veces la media y desviación estándar "real". Ya que los resultados son a menudo reportados como estimaciones de los parámetros de población. Para evitar este dilema. 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. y) y la dispersión (desviación estándar de la muestra y varianza) de una muestra limitada. "la probabilidad que la media real de y. 2 n o ln z = y -^L (PT5. el intento es llamado inferencia estadística. el proceso es también referido como estimación. sin considerar el signo de la discrepancia. Se ha demostrado cómo estimar la tendencia central (media de la muestra. Un intervalo de dos lados puede ser descrito por la relación y P{L<ii<U} = \ . la estimación de la normal estándar. En particular.. En el caso ilustrado en la figura PT5. a es conocida (lo cual no es el caso usual). Además.AJUSTE DE CURVAS Ya que se "infieren" propiedades de la población desconocida de una muestra limitada.3dBb «ria ««ri — n D n . Aunque no es absolutamente necesario. nos concentraremos en el intervalo de dos lados. esta cantidad debería estar distribuida normalmente con una media de 0 y unu variuii/.i — — •-• 2 J J J . Las primeras son algunas veces referidas como la media y desviación estándar "estimada". De acuerdo con la teoría estadística.

donde L = y . conocemos solamente la varianza http://libreria-universitaria.96 veces la desviación estándar abarcará en forma aproximada el 9 5 % de la distribución. Para nuestro caso.05 (en otras palabras. Milton y Arnold.-^z a/2 U = y + -^z o / 2 (PT5. z es igual a casi 1.blogspot. 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.3 Un intervalo de confianza de dos lados. aunque lo anterior proporciona un estimado de L y U.2 ANTECEDENTES MATEMÁTICOS F I G U R A PT5. para a = 0. Como un ejemplo. — — < —Z /2 a O .com .96. Ellos también pueden ser calculados mediante funciones en paquetes de software y librerías como Excel e IMSL.PT5. La escala en la abscisa en a) se escribe en las unidades naturales de la variable aleatoria /. La cantidad z^ es una variable aleatoria normal estándar. Esto significa que un intervalo alrededor de la media con ancho + 1.7) Ahora. Esos resultados se pueden reordenar para obtener a/2 L < ix < U con una probabilidad de 1 — a. 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. Los valores de z^ están tabulados en libros de estadística (por ejemplo.36). está basado en un conocimiento de la varianza real o. > Z /2 a con una probabilidad de a. 1995). definiendo un intervalo que cubre el 95%).

el "juego" de estadística inferencial supone que la variable aleatoria que usted muestrea. la varianza de las medias deberá aproximarse a cero. y-¡. Se puede repetir este proceso hasta que se haya generado una muestra de medias: y . así como una "desviación estándar de las medias". y . si la varianza es pequeña. y t = ^ ~ jí_ Sy/Vn (PT5. Así. y la varianza de las medias.8) Aun cuando la muestra se tomó de una distribución normal. se toma un número limitado de mediciones de esta cantidad llamada muestra. grandes. Entonces. Como usted tal vez aún no ha tomado ninguno se mencionará algunas ideas con las cuales esta sección se haría más coherente. tiene una media real (n) y varianza (a ). Esto tiene sentido.. la varianza real cuantifica la incertidumbre intrínseca de la variable aleatoria. como n -> °°. Esto es. Y una muestra aleatoria de tamaño na partir de una distribución con una media \1 y varianza O . la media de las medias debería converger sobre la media real de la población \i.. donde m es grande.8) maneja la tan conocida distribución estudiante — t o. la estimación de la media mejorará y. como a ln. ¡sin importar la distribución en uso de las variables aleatorias! Esto también da el resultado esperado.6) basada en s . Además. por tanto. la distribución t. Como se muestra en esta sección. y es aproximadamente normal con la media \iy la varianza C ln. para n grandes.6). Se puede enunciar como Sea y\. que dada una muestra lo suficientemente grande. Gossett encontró que la variable aleatoria definida por la ecuación (PT5. S. Ademéis. 2 n 2 2 La mayoría de los ingenieros han tomado varios cursos para ser competentes en estadística. Después se toman otras n muestras y se calcula otra.y^>fiys ->o .. Cuantas más mediciones se tomen. 2 estimada s . Por último. Una alternativa más directa podrá ser una versión de la ecuación (PT5. el teorema dice que en tanto se tenga tamaños de muestra más grandes. Se puede entonces desarrollar un histograma de estas medias y determinar una "distribución de las medias". 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. la variable aleatoria (y — /i)/(o7 \/~ñ) es de manera aproximada la normal estándar. las estimaciones individuales de la media deberían ser pobres. se puede calcular una media estimada (y) y la varianza (s ). t i (PT5.458 AJUSTE DE CURVAS Cuadro PT5.• •. en este análisis se supondrá que tiene una distribución particular: la distribución normal. el teorema establece el resultado notable de que la distribución de las medias siempre será normalmente distribuida. y . 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. para n grandes. y . en particular cuando n sea pequeña. se acortará su dispersión.y . el teorema establece el importante resultado que se ha dado en la ecuación (PT5. En forma opuesta. Para este caso. en forma simple. Suponga que se toman n muestras y se calcula una media estimaday¡. W. •. La varianza de esta distribución normal tiene un valor infinito que especifica la "dispersión" de la distribución normal. y. En tanto n aumente. el resultado es la base para construir con seguridad intervalos para la media. esta fracción no será normalmente distribuida. por ejemplo. ya que si n es pequeña. mejor serán las estimaciones para que se aproximen a los valores reales.9) http://libreria-universitaria.blogspot.com . la distribución es ancha.„-\ al U = y + ~ta/2. De esta muestra. Como se ha mencionado. la distribución es angosta. Además. Si la varianza es grande.1 Un poco de estadística Existe un importante teorema conocido como el Teorema de Limite Central que responde en forma directa a esta pregunta. . L = y ~zt 2. En el juego de la estadística.

59 0.4 Comparación de la distribución normal con la distribución f para n = 3 y n = ó.086.1. se obtienen intervalos de confianza más amplios y.2 Intervalo de confianza sobre la media \ Enunciado del problema. la distribución t converge sobre la normal. y también pueden calcularse mediante paquetes de software y librerías.PT5.com . Por ejemplo. e s a n n x EJEMPLO PT5.05 y n = 20.59 347. los valores están tabulados en libros de estadística.5148 http://libreria-universitaria.1 = 0. por tanto. .089921 La estadística / correcta se puede calcular como ^0.05/2. donde -\ ^ variable aleatoria estándar de la distribución t para una probabilidad de a/2.4).089921 -2.(52. Ejecute 3 estimaciones basándose en a) las primeras 8 mediciones b) las primeras 16 y c) las 24 mediciones. = 6.72) /8 2 52. Conforme n se haga más grande.blogspot. Solución.72 . Cuando n es pequeña. Como fue el caso para z ^ . y a) La media y la desviación estándar para los primeros 8 puntos es = 6.364623 = 6.2 ANTECEDENTES MATEMÁTICOS 459 Normal f(n-6) F I G U R A PT5 .025.7 = 2. para pequeños números de mediciones. Por tanto.364623 la cual se puede usar para calcular el intervalo /. 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. _ = 2. tiende a ser más plana que la normal (véase la figura PT5. Observe cómo la distribución fes normalmente más plana. Determine la media y el intervalo de confianza correspon• diente al 9 5 % para los datos de la tabla PT5.4814 . si a = 0. más conservativos.8-1 = ¿0.

60 Coeficiente de expansión térmica [x 1 0 . Milton y Arnold. nuestra estimación del valor real se hace mhn refinado. Los otros dos casos para b) con 16 puntos y c) con 24 puntos.5590 6.5148 a 6. 1995) para obtener inlbrniii ción adicional sobre este tema.364623 2.460 AJUSTE DE CURVAS y -M 6.6652 6.blogspot. 5 . Lo anterior es sólo un simple ejemplo de cómo se puede usar la estadística puní tomar decisiones con respecto a datos inciertos.5283 6. los cuales también se resumen en la figura P T 5 .6410 * • U_ Estos resultados. indican la respuesta esperada de que el intervalo de confianza se hace más estrecho a medida que n aumenta.n-\ 6.6652. Así.59 + — — — 2 .5794 6.6652 Así. se pueden calcular en una forma similar y los resultados se tabulan junto con el inciso á) como « 8 16 24 6.55 6. cuantas más mediciones se tomen.5 Estimación de la media e intervalos de confianza al 9 5 % para diferentes números de tamaño muestra.65 pulg/(pulg • °F)] 6. Usted puede consultar cualquier libro básico de estadística (por ejemplo.6000 9_ * y t 0.6 n = 16 n = 24 6.70 FIGURA PT5. http://libreria-universitaria.097133 2.5900 6. 3 6 4 6 2 3 = 6.5148 < ii < 6.6304 6.089921 0. con base en las primeras ocho mediciones. concluimos que existe un 9 5 % de probabilidad de que la media real esté dentro del rango de 6.068655 a/2.50 6.6652 78 o 6.095845 0. Esos conceptos tendrán también rele vancia en nuestro análisis de modelos de regresión. 0 089921 U = 6.131451 2.com .5148 6.

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

6.4 Transformada de Fourier 18 Segmentarias 18.1 Polinomial de Newton 20. El capítulo 19 tiene que ver con el procedimiento de la transformada de l'ourier puní el ajuste de curvas.2 Serie de Fourier continua ~íai~ Frec. CAPITULO 20 Aplicaciones en la ingeniería CAPITULO 18 Interpolación "Ta3~ Coeficientes ^polinomiales 18.1 Regresión lineal 17.3 Ingeniería •eléctrica iiír 20.5 Comentarios adicionales St-i : 19.5 Transformada discreta de Fourier _ FIGURA PT5.it¡\ CAPITULO 17 Regresión por mínimos cuadrados 17.blogspot.2 Ingeniería civil 20. y dominio del tiempo 19.7 Espectro de potencia : CAPITULO 19 Aproximación de Fourier 19.1 Sinusoidales 19.com esta sección seré sobre la transformada rápida de Fourier.462 AJUSTE DE CURVAS PARTE 5 Ajuste de curvas 17.Jineal generaL 17.2 Polinomial ^de Lagrange_.8 Regresión no lineal 18.4 jMfnimos cuadrados) .3 Regresión múltiple • f.8 Librerías y paquetes 19.2 Regresión polinomial 17.4 Interpolación inversa j 19. Transformada jápida de Fourier/ 19.1 Ingeniería química 18. donde funciones periódicas se ajustan a dalos. Al final de este capitulo se .6 Organización esquemática del material de la parte cinco: Ajuste de curvas. Nucslro énfasis on http://libreria-universitaria.

Después de completar la parte cinco. y que confundirlos puede provocar serios problemas. se incluye un epílogo al final de la parte cinco. Además. Entender situaciones donde son apropiadas las regresiones polinomiales. http://libreria-universitaria. ya sea para los polinomiales de Newton o de lagrange. Entender la diferencia entre frecuencia y dominios del tiempo. usted habrá depurado en gran forma su capacidad para ajustar curvas con los datos. para esas metas generales. Saber cómo derivar la interpolación polinomial de Newton en primer orden. 3 Objetivos específicos de estudio para la parte cinco. Además. Comprender la diferencia fundamental entre regresión e interpolación. habrá aprendido a asegurar la confiabilidad de sus resultados y será capaz de seleccionar el método (o métodos) para cualquier problema particular. y entender sus respectivas ventajas y desventajas. 5. Darse cuenta que los datos de los puntos no tienen que estar igualmente espaciados en cualquier orden particular. Reconocer cómo se usan las series de Fourier para ajustar datos con funciones periódicas. 12.com . Entender por qué las funciones segmentadas tienen utilidad para datos con áreas locales de cambio abrupto. Reconocer que las ecuaciones de Newton y Lagrange son simplemente formulaciones diferentes de la misma interpolación polinomial. 3. 6. 8. 7. 10.4tt incluye también una revisión de algunos paquetes de software y librerías que se pueden usar para el ajuste de curvas. 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. eléctrica y mecánica. Saber cómo linearizar datos por transformación. 1 1.3. Éste contiene un resumen de las fórmulas y conceptos importantes relacionados con el ajuste de curvas. Saber por qué las fórmulas de interpolación con igual espaciamiento tienen utilidad. MATLAB e IMSL. Por último. así como un análisis de los elementos de juicio entre las técnicas y sugerencias para estudios en el futuro. 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. 1. 14. 16. algunas de las aplicaciones ilustran cómo se pueden aplicar los paquetes de software para resolver problemas de ingeniería. 13.3 deberán ser asimilados y manejados. Entender que hay uno y sólo un polinomial de grado n o menor que pasa exactamente a través de n + 1 puntos. 9. 15. TABLA P T 5 . PT5. Entender la analogía entre el polinomial de Newton y la expansión de la serie de Taylor y cómo se relaciona el error de truncamiento. usted manejará las técnicas. 2. civil. Ser capaz de reconocer modelos lineales generales. los conceptos específicos dados en la tabla PT5. entre ellos se encuentran Mathcad. Los ejemplos se toman de las cuatro áreas principales de la ingeniería: química.2 M e t a s y objetivos Objetivos de estudio. En general. entender la formulación de una matriz general para mínimos cuadrados lineales y saber cómo calcular los intervalos de confianza de los parámetros. múltiples y no lineales.blogspot. 4. Reconocer las capacidades y riesgos asociados con la extrapolación. 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. Excel.

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

En particular. Sin embargo.1c es inspeccionar en forma visual los datos graneados y después trazar una "mejor" línea a través de los puntos. (x . a menos que los puntos definan una línea recta perfecta (en tal caso la interpolación podría ser apropiada).5 parecen estar muy adelante del rango sugerido por los datos. Por ejemplo. Ahora. diferentes analistas podrían dibujar distintas líneas.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. Una inspección visual de dichos datos sugiere una posible relación entre y y x.1¿»). 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. que se analizará en este capítulo.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 . La figura 17. Aunque tales procedimientos por "vistazo" apelan al sentido común y son válidos para cálculos superficiales. Para hacer a un lado la subjetividad se debe concebir algunos criterisj^n el fin de establecer una base para el ajuste. • • •.y ). resultan deficientes por ser arbitrarios.y„) a una línea recta. Es decir. pasará justo a través de todos los puntos. (x„ . si una interpolación de sexto orden se ajusta a estos datos (figura 17.1a se muestran siete datos derivados experimentalmente que exhiben variabilidad significativa. 17.com . Una manera para determinar la línea en la figura 17.1) http://libreria-universitaria. la curva oscila en forma amplia en el intervalo entre los puntos.y ).blogspot. en la figura 17.5 y JC = 6. Una técnica para cumplir con tal objetivo se conoce como regresión por mínimos cuadrados. Es decir. los valores interpolados en x = 1. Una forma de hacerlo es derivar una curva que minimice la discrepancia entre los puntos y la curva.CAPITULO 17 Regresión por mínimos cuadrados Donde se asocian errores sustanciales con los datos. la interpolación polinomial es inapropiada y puede dar resultados insatisfactorios cuando se usa para predecir valores intermedios. la tendencia general indica que los valores más altos de y son asociados con los valores más altos de x. a causa de la variabilidad en los datos. La expresión matemática para esta última es l l 2 2 V = c/<) + + (' (17.

entre el modelo y las observaciones.a\x Así.com e = + predicho por la ecuación lineal. . las cuales se pueden representar al reordenar la ecuación (17. el envr o residuo es la discrepancia entre el valor real <icy y el valor aproximado.blogspot. o„ http://libreria-universitaria. c) donde a y a¡ son coeficientes que representan el intercepto y la pendiente. o residuo. y e es el error. respectivamente.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 17.1) como 0 v-e r o . c) Resultados más satisfactorios mediante el ajuste por mínimos cuadrados. b) Ajuste polinomial oscilando más allá del rango de datos.

1 REGRESIÓN LINEAL 4*9 17. como en J2 '< e = í = l (-' " °° " >) 1 y aix =1 ( 1 7 . 2 ) donde n — número total de puntos.com .17.2a.2 Ejemplos de algunos criterios para "el mejor ajuste" inadecuados para regresión: a) minimiza la suma de los residuos. la cual muestra el ajuste de una línea recta de dos puntos.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. éste es un criterio inadecuado. Obvia- FIGURA 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.blogspot. Sin embargo.1. como lo ilustra la figura 17.

el mejor ajuste es la línea que conecta los puntos. 1 7 . Como se ilustra en la figura 17. 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.modelo) 1 2 m e d i d = 2<>. Al fijar esas derivadas igual a cero. 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. este criterio tampoco da un único mejor ajuste.2b demuestra por qué este criterio es también inadecuado.o.2c. la línea se elige de manera que minimice la máxima distancia que tenga un punto individual desde la línea. Así. Debería observarse que el principio minimax es algunas ocasiones muy adecuado para ajustar una simple función a una complicada función (Carnahan. las ecuaciones se pueden expresar como r http://libreria-universitaria.=1 i=l Este criterio tiene varias ventajas. cualquier línea recta que esté dentro de las líneas punteadas minimizará el valor absoluto de la suma. todas las sumatorias son de i = 1 hasta n. presentaremos una técnica para determinar los valores de a y a que minimizan la ecuación (17.3). tal estrategia no es adecuada para regresión. 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. un solo punto con un gran error. Luther y Wilkes.] 9<2l Observe que hemos simplificado los símbolos de la sumatoria. resultará en un mínimo S . Si se hace esto.468 REGRESIÓN POR MÍNIMOS CUADRADOS mente.com . Sin embargo. otro criterio lógico podría ser minimizar la suma de los valores absolutos de las discrepancias. es decir. a menos que se indique otra cosa. .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 )•*•.2) igual a cero debido a los errores que se cancelan. Por tanto. ya que tiene una excesiva influencia en puntos fuera del conjunto. En esta n n ^ = 2^=2(y . como en n n ^ k l 1 = 1 = Yl^ > y . Antes de analizar esas propiedades. Una tercera estrategia para ajustar a la mejor línea es el criterio técnica.i í\ a a x í = i La figura 17. entre ellas el hecho de que se obtiene una línea única para un cierto conjunto de datos.) 3 .blogspot. k n a->' . 1969). Para los cuatro puntos expuestos.-ao-«l^) ¡=1 2 ( 1 7 . 1 .

Solución.9911 2 http://libreria-universitaria.1 Cálculos para un análisis de error del ajuste lineal.0408 0.0 ¿5.1 Regresión lineal i Enunciado del problema.ax 0 x (17.5 2.7) donde y y x son las medias de y y x.) 0. Ajuste a una línea recta los valores de x y y en las dos primeras columnas de la tabla 17.428571 Mediante las ecuaciones (17.5896 0. respectivamente. EJEMPLO 17.8622 2.5 6.(28) 2 a = 3 . podemos expresar las ecuaciones como un conjunto de dos ecuaciones lineales con dos incógnitas ( a y a.8392857 (4) = 0.8392857 7(140) .428571 .)* Este resultado.-y) 8.29Qg 22.07142857 0 TABLA 17.= 0.3265 0.5765 0.com .0051 6.0 3.5) (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 .0 4.0.5625 0.1.1 REGRESIÓN LINEAL 4 1 9 Ahora. si hacemos que £ a = na . Estas son llamadas ecuaciones normales. se puede usar en conjunto con la ecuación (17.. n = i ^JC.6) + Q T X ? ) a i =£> y ¡ . 24.6122 54.5 2.blogspot.3473 0.17. entonces.7972 01993 2 . y pueden ser resueltas en forma simultánea nlx* - (Zx.3265 0.7) 7(119.6) y (17.4) y resolver para a = y .5)-28(24) „„„„„„„ ai = — -V.0 (y. _*f 1 j í I 1 2 3 4 5 6 7 S y > 0.7143 2 (yz-op-*»!*.): 0 0 na + (X! ) ' ~X ^ ' x ai 1 0 a 0 0 O ' ) 7 4 (17.1687 0.

1981).8). junto con los datos.blogspot.1. 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.*.3). si estos criterios se 0 { FIGURA 17. Recuerde que la suma de los cuadrados se define como [véase ecuación (17. 0 http://libreria-universitaria. Además. 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. Así.com x . y 2) la distribución de esos puntos cerca de la línea es normal. 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 El residuo en la regresión lineal representa la distancia vertical entre un dato y la línea recta.3)] (17.3 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 17.470 REGRESIÓN POR MÍNIMOS CUADRADOS Por tanto. la línea es única y en términos de nuestro criterio elegido es una línea "mejor" a través de los puntos. En la ecuación (17. Medición a + a. son mostrados en la figura 17.07142857 + 0. 17. una de las mejores) estimación de a y a (Draper y Smith.3) y (17.8) í=i Observe la similitud entre las ecuaciones (PT5.1c. Se puede demostrar que si estos criterios se cumplen.8).8392857* S La línea.1 resulta en una gran suma de cuadrados de los residuos. Esto es conocido en estadística como el principio de probabilidad máxima. la regresión por mínimos cuadrados proporcionará la mejor (es decir. el ajuste por mínimos cuadrados es J y = 0. 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).

Ésta es la magnitud del error residual asociado con la variable dependiente antes de la regresión. algunas veces llamado la suma inexplicable de los cuadrados. y). observe que ahora dividimos entre n — 2 debido a los dos datos estimados (a y Í Z J ).4¿.9) donde s es llamado el error estándar del estimado. Sin embargo. http://libreria-universitaria.blogspot. que se usaron para calcular S . Esto es.5). s cuantifica la dispersión alrededor de la línea de regresión. el error estándar de la estimación cuantifica la dispersión de los datos. representan la mejora debida a la regresión lineal. regresamos a los datos originales y determinamos la suma total de los cuadrados alrededor de la media para la variable dependiente (en nuestro caso. se tiene dos grados de libertad. una "desviación estándar" para la línea de regresión se puede determinar como [compare con la ecuación (PT5.2)] (17. esta cantidad se designa por S¡. La reducción en la dispersión va de a) a b).4a). También. Para hacer esto. Como lo hicimos en nuestro análisis para la desviación estándar en PT5. La y/x y r FIGURA 17. calculamos 5 . otra justificación para dividir entre n — 2 es que no existe algo como "datos dispersos" alrededor de una línea recta que conecte dos puntos. como se muestra en la figura 17.2. Los conceptos anteriores se pueden usar para cuantificar la "bondad" de nuestro ajuste. por tanto. la ecuación (17. La notación del subíndice "y/x" designa que el error es para un valor predicho de y correspondiente a un valor particular de x.17. como lo indican las curvas en forma de campana a la derecha. así.9) da un resultado sin sentido al infinito. Esto caracteriza el error residual que queda después de la regresión. De esta manera.3). para el caso donde n — 2.com .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.1. la suma de los cuadrados de los residuos alrededor de la línea de regresión.1 REGRESIÓN LINEAL cumplen. Como fue el caso para la ecuación (PT5. Esto es en particular útil para comparar diferentes regresiones (véase figura 17. en contraste con la desviación estándar original s que cuantifica la dispersión alrededor de la media (figura 17. y/x Q r Justo como fue el caso con la desviación estándar. Después de realizar la regresión.

5 Ejemplos de regresión lineal con errores residuales a) pequeños y b) grandes.472 REGRESIÓN POR MÍNIMOS CUADRADOS FIGURA 17. S — 0yr = r = 1. y el ajuste no representa ninguna mejora.10) donde r es conocido como el coeficiente de determinación y r es el coeficiente de conflación (— Vr ). diferencia entre estas dos cantidades.blogspot. Para r = r = 0. la diferencia es normalizada a S para obtener t r t r = 2 S t ~ S. Para un ajuste perfecto. S — S . significa que la línea explica el 100% de la variabilidad de los datos. Como la magnitud de esta cantidad es dependiente de la escala. S r (17. Una formulación alternativa para r que es mas conveniente para implementarse en una computadora es 2 5 2 r 2 r http://libreria-universitaria. 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. S = S.com .

Por ejemplo.1 y el error estándar del estimado es [véase ecuación (17.932 Los resultados indican que el 86.8% de la incertidumbre original ha sido explicada por el modelo lineal. debemos tomar en cuenta algunas consideraciones.blogspot. Como se mencionó antes.9911 — =0. 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. 2 REGRESIÓN LINEAL Estimación de errores para el ajuste lineal por mínimos cuadrados Enunciado del problema.com .10)] y/x r" = 2 22. el software de métodos numéricos TOOLKIT incluye esas capacidades. Antes de proceder con el programa de cómputo para regresión lineal.9457 y / x „„. http://libreria-universitaria. recomendamos que expanda su programa para incluir una gráfica de y contra x mostrando ambos: los datos y la línea de regresión.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. La desviación estándar es [véase ecuación (PT5. Además.9)] s /2. el error estándar del estimado y el coeficiente de correlación para los datos en el ejemplo 17.1 EJEMPLO 1 7 .7735 Así.1. ya que s < Sy. Las sumatorias se realizan y se presentan en la tabla 17.7143 r = V0 . Solución.7143 .2.1.1. Además. el modelo de regresión lineal tiene mérito.6).868 = 0 . es posible obtener un valor relativamente alto de r cuando la relación en turno entre y y x no es lineal. se deberá tener cuidado de no darle más significado que el que ya tiene. paquetes de software populares como Excel y Mathcad pueden implementar regresión y tienen capacidades de graficación. Así como r es "cercana" a 1 no significa que el ajuste es necesariamente "bueno". Calcule la desviación estándar total. Como se describe en la siguiente sección. como mínimo. Aunque los coeficientes de correlación proporcionan una manera fácil para medir la bondad del ajuste. La mejora adicional se puede cuantificar por [véase ecuación (17. 17.2)] 7 .868 22. usted debería siempre inspeccionar una gráfica de los datos junto con su curva de regresión. 0.9911 = ^ .= T J n ͱ1}ZÍ= 22 7143 1. Draper y Smith (1981) proporcionan guías y material adicional con respecto al aseguramiento de los resultados para regresión lineal. La inclusión de la capacidad resaltará mucho la utilidad del programu en los contextos de solución de problemas.17. Si su lenguaje de computadora tiene capacidades de graficación.

Un modelo empírico alternativo para la velocidad del paracaidista está dado por 2 i . Podemos usar este software para resolver un problema de prueba hipotético asociado con la caída del paracaidista que se analizó en el capítulo 1.474 REGRESIÓN POR MÍNIMOS CUADRADOS 5U3 Regres(x.3 Regresión lineal usando la computadora s : ! i ! Enunciado del problema. n sumx = sumx + x¡ sumy = sumy + y¡ sumxy = sumxy + x¡y¡ sumx2 = sumx2 + x^x. El modelo predice la velocidad del paracaidista como una función del tiempo.10)]: v{t) S " (\ {-clm)t^ = — (1 . » .s r j / s t 2 03 — sumx*sumx) END Regres FIGURA 17.1._ e0 1 C donde v = velocidad (m/s). m = masa del para caidista igual a 68. r2) sumx = 0: sumxy = 0: st ~ 0 sumy = 0: sumx2 = 0: sr = 0 DO ¡ = 1./ http://libreria-universitaria. El paquete de software de Métodos Numéricos TOOLKIT adjunto a este texto. syx. EHDDO xm = sumx/n ym = sumy/n a1 — (n*sumxy ~ sumx*sumy)/(n*sumx2 aO — ym — aUxm DO i= 1. EJEMPLO 17.com l \ . g = constante gravitacional (9. n.1 kg y c = coeficiente de arrastre de 12. al.blogspot. aO. y. Un modelo matemático teórico para la velocidad del paracaidista fue dado como el siguiente [véase ecuación (1.ymf sr=sr+ (y¡ — a1*x¡ — aO) END DO syx = (sr/(n 2)) r2 = (st .1 se desarrolló una gráfica de la variación de la velocidad.n st = st + (y¡ .5 kg/s. contiene un programa de cómputo para implementar regresión lineal.8 m/s ). En el ejemplo 2. como se describe en el ejemplo 1.6 Algoritmo para regresión lineal.

10)] b) 8.00 45.99. lil iniitcrinl pro http://libreria-universitaria.30 23. Para el primer modelo [ecuación (1. contra la columna a).com .769 32.351 37.17.607 27.872 46.156 44.76 son gráficas de la línea y datos para las regresiones de las columnas b) y c). Esta línea tendrá una pendiente de I . ( E l 7 . TABLA 17. y los resultados se enlistan en la columna a) de la tabla 17.509 32.1) como se ilustra en la figura 17. Solución. v calculada con el m o d e l o . I os modelos de prueba y selección son comunes y extremadiimenle imporliinlcN para la realización de actividades en todos los campos de lu ingeniciiu. respectivamente.56 30. m/s Tiempo. 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. Tal programa de colección de datos experimentales se implemento. Una desviación significativa de esos valores se puede usar como un indicador de la inadecuidad del modelo.50 31.00 41.032u 8 medlda y para el segundo modelo [ecuación (E17. (1.988 m / s [ec.00 16.7a] 1 «Wwo = . v calculada con el m o d e l o .729 27.00 50.00 27. Las velocidades calculadas para cada modelo se enlistan en las columnas b) y c).953 16.3.2.50 42.240 18.687 38.7a y 17.blogspot.00 m / s [ec.829 39.1 10 42.10) como se ilustra en la figura 17.712 13 14 15 Suponga que a usted le gustaría probar y comparar lo adecuado de esos dos modelos matemáticos.678 41.5 9 + 1. Se puede usar regresión lineal para calcular la pendiente y el intercepto de la gráfica.50 46.00 46. Ambos modelos ajustan los datos con un coeficiente de concia ción mayor que 0.570 23.90 45.816 40.405 22. 3 .437 42.065 35. La figura 17.855 34.00 49. un intercepto de 0 y una r = 1 si el modelo concuerda perfectamente con los datos.00 35. La adecuidad de los modelos se puede probar al graficar la velocidad del modelo calculado contra la velocidad medida.2 v medida.1 REGRESIÓN LINEAL Velocidades medidas y calculadas para la caída del paracaidista. 1 ) ] c) 1 1.766 36.617 41.60 39.303 49.641 38.301 47.5.479 49. s 1 2 3 4 5 ó 7 8 9 10 11 12 o) 10.095 43.490 48.0 .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.

10). el modelo descrito por la ecuación (1. la pendiente y el intercepto para el modelo empírico fueron mucho más http://libreria-universitaria. porcionado en este capítulo como antecedente.3. Sin embargo.1)] fue claramente inferior al de la ecuación (1.3.blogspot.3.10)] contra valores medidos. Así. le proporcionará una guía muy práctica para problemas de este tipo.476 REGRESIÓN POR MÍNIMOS CUADRADOS ! 5 30 X 55 30 X 55 FIGURA 17. Así.3.1). 3 . junto con su software. b) Resultados usando regresión lineal para comparar predicciones calculadas con el modelo empírico [véase ecuación ( E l 7 . El ejemplo no fue ambiguo. la ecuación (1. aunque cada gráfica está bien descrita poruña línea recta.com cercano! que el resultado deseado de 1 y 0.7 a) Resultados que usan regresión lineal para comparar las predicciones calculadas con el modelo teórico [véase ecuación (1. Hay un defecto eon el análisis en el ejemplo 17.1) ya que la pendiente y el intercepto son más cercanos o casi igual a 1 y 0. yn que el modelo empírico [véase ecuación (El 7. .10) parece ser mejor modelo quela(E17.10) conforma para nuestra hipótesis criterios de prueba mucho mejores que los descritos por la ecuación (E17. 1 ] contra valores medidos. fue obvio cuál modelo fue superior.

1 REGRESIÓN LINEAL 477 Sin embargo.85 y que el intercepto lliorn de 2.5 Linearización de relaciones no lineales La regresión lineal proporciona una técnica poderosa que ajusta a la "mejor" línea los datos. 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. 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.3. Regresaremos a este punto al final del presente capítulo.8 o) Datos no adecuados para la regresión lineal por mínimos cuadrados. un debate abierto. Este no es siempre el caso. Obviamente esto haría de la conclusión de que la pendiente y el intercepto fueran I y 0. las cuales se describen en la sección 17. De manera clara. la figura 17.blogspot. técnicas tales como regresión por polinomios. son apropiadas. x b) http://libreria-universitaria. Para otros.com . más que recaer en un juicio subjetivo. está predicha sobre el hecho de que la relación entre las variables dependientes e independientes es lineal. En algunos casos. 17.2. sería preferible basar tal conclusión sobre un criterio cuantitativo. FIGURA 17.1.2. suponga que la pendiente fuera de 0. b) Indicación de que es preferible una parábola. Sin embargo. Por ejemplo. se puede usar transformaciones para expresar los datos en una forma que sea compatible con la regresión lineal.8 muestra algunos datos que son obviamente curvilíneos.17.

el crecimiento poblacional o el decaimiento radiactivo pueden exhibir tal comportamiento.2 ) { donde a y b son constantes. y f c) 1/y A Pendiente • /y*j http://libreria-universitaria. Otro ejemplo de modelo no lineal es la simple ecuación de potencias x x y = ax 2 hl (17.com .13) FIGURA 17. 0) entre y y x.blogspot. Por ejemplo.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.9 o) La ecuación exponencial. b) la ecuación por potencias y c) la ecuación de razón de crecimiento saturado. Como se ilustra en la figura 17.9a. 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. la ecuación representa una relación no lineal (para /).

3 EJEMPLO 17. ln y = ln a + b\X x (17. una gráfica de ln y contra x dará una línea recta con una pendiente de ¿>. (Observe que analizaremos la regresión no lineal en la sección 17. la sección 20. el cual es de manera particular muy adecuado para caracterizar la razón de crecimiento poblacional bajo condiciones limitadas. una alternativa simple es usar manipulaciones matemáticas para transformar las ecuaciones en una forma lineal.5.1 REGRESIÓN LINEAL 2 2 47? donde a y b son coeficientes constantes. una gráfica de 1/y contra l/x será lineal.= y 3 1 X 1 + — a 3 (17. Este modelo tiene amplia uplicnbiliclud 011 todos los campos de la ingeniería.) Sin embargo. la ecuación (17. La ecuación (17.9/).12) se puede linearizar al tomar su logaritmo natural para dar 3 ln y = ln a\ + b\X ln e Pero como ln e = 1.13) con los datos en la tabla 17.13). En sus contornos transformados.9e). Como se ilustra en la figura 17.3 mediante transformaciones logarítmicas de los datos.blogspot. una gráfica de log y contra log x dará una línea recta con una pendiente de b y un intercepto de log a (figura 17.4 ilustra este procedimiento para la ecuación (17. la ecuación (pura b ^0o 1) es no lineal. Por ejemplo.9c/). Este modelo. Podrían ser de nuevo convertidos en su estado original y usados para propósitos predictivos.1)] 2 y = a 'l7^3 <-> 17 14 donde a y b son coeficientes constantes. Después.4 Linearización de una ecuación de potencias Enunciado del problema.15) Así. también representa una relación no lineal entre y y x (véase figura 17.9c) que iguala o "satura".com .14) es linearizada al tomar su base logaritmo 10 para dar l log y = b log x + log a 2 2 (17.1 proporciona un ejemplo de ingeniería de la misma clase de cálculo. La ecuación (17. El ejemplo 17.17. http://libreria-universitaria. Además.17) 3 «3 De esta forma.9/).16) De este modo. con una pendiente de b-¡/a y un intercepto de l / a (véase la figura 17. en tanto x aumenta. Un tercer ejemplo de un modelo no lineal es la ecuación de razón de crecimiento saturado [recuerde la ecuación (El7. Las técnicas de regresión no lineal están disponibles para ajustar esas ecuaciones a datos experimentales de manera directa.3. y un intercepto de ln a (véase la figura 17.14) es linearizada al invertirla para dar 2 2 1 b . estos modelos se ajustan mediante regresión lineal para evaluar los coeficientes constantes. se puede emplear la regresión lineal simple para ajustar las ecuaciones a datos. Ajustar la ecuación (17.

301 0. ¡.300 TABLA 17.226 0.10¿> muestra la gráfica de los datos transformados.602 0. La figura 17. IOÍÜ es una gráfica de los datos originales en su estado no trans- formado.4 log x log y 1 2 3 4 5 0 0.com .753 0. http://libreria-universitaria.7 3.699 -0.3 Datos que serán ajustados con la ecuación de potencias. La figura 17.blogspot.301 0. b] Gráfica de datos transformados que se usan para determinar los coeficientes de la ecuación de potencias.4 5.7 8.75 log x .0. Una regresión lineal de éstos mediante log dan el resultado l o g v = 1. 1 0 | a) Gráfica de datos no transformados con la ecuación de potencias que ajusta los datos.5 1.922 l FIGURA 1 7 . x y 0.480 REGRESIÓN POR MÍNIMOS CUADRADOS Solución.534 0.477 0.

igual —0. Por ejemplo. la ecuación de potencias es 2 _ 0 3 2 y • 0. u¡ — 10 = 0. El procedimiento de mínimos cuadrados se puede fácilmente extender al ajuste de datos con un polinomio de orden superior. 2.300. está pobremente representado por una línea recta. al tomar el antilogaritmo.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.1.18) http://libreria-universitaria.3)] S = ]T] (yi ~ «o . Otras alternativas son ajustar polinomios con los datos mediante regresión de polinomios. no es aleatorio y es conocido sin error.2 REGRESIÓN DE POLINOMIOS 411 i \ Así. 17. Los valores de y para una x dada deben ser normalmente distribuidos. un método para cumplir con este objetivo es usar transformaciones. Los valores y son variables aleatorias independientes y todas tienen la misma varianza. log a .75. Como se analizó en la sección anterior.a\x¡ r a xf) 2 (17.com .v l7S Esta curva. Por ejemplo.4 al final del capítulo).10a.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. Para esos casos. 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. Algunos datos de ingeniería. Nos hemos concentrado en la derivación simple y uso práctico de ecuaciones para ajustar datos. aunque exhiben un patrón marcado como el que se vio en la figura 17. La pendiente es b = 1. 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. 3.1 se desarrolló un procedimiento para obtener la ecuación de una línea recta por medio del criterio de mínimos cuadrados. Por ejemplo. pero que van más allá del alcance de este libro.8. Debería estar consciente del hecho de que hay aspectos teóricos de regresión que son de importancia práctica. Cada x tiene un valor fijo. 17. En consecuencia.5. 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. una curva podría ser más adecuada para el ajuste de los datos. y por tanto. algunas suposiciones estadísticas que son inherentes en los procedimientos por mínimos cuadrados lineales son 1.17.5. el intercepto. Tales suposiciones son relevantes para la derivación adecuada y uso de regresión. indica un buen ajuste. debemos enfatizar la naturaleza introductoria del material anterior sobre regresión lineal. como se gráfica en la figura 17.blogspot.

5 Regresión d e polinomios http://libreria-universitaria..blogspot. . . . tomamos la derivada de la ecuación (17. 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. un coeficiente de determinación puede ser calculado para una regresión de polinomios con la ecuación (17. Ajustar a un polinomio de segundo orden los datos en I UN dos primeras columnas de la tabla 17 . así.. ya que (m + 1) coeficientes obtenidos de los datos (a . .4.20) Esta cantidad es dividida entre n — (m + 1).18) con respecto de cada uno de los coeficientes desconocidos del polinomio.com Enunciado del problema.10).482 REGRESIÓN POR MÍNIMOS CUADRADOS Siguiendo el procedimiento de la sección anterior. Las técnicas para resolver tales ecuaciones fueron analizadas en la parte tres. 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. el error estándar se formula como (17. Así. Además del error estándar. Los coeficientes de las incógnitas se pueden evaluar de manera directa a partir de los datos observados. Para este caso. 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. a ) se usaron para calcular S. 0 m EJEMPLO 1 7 . como en Estas ecuaciones se pueden igualar a cero y reordenar para desarrollar el siguiente conjunto de ecuaciones normal: (17. Observe que las tres ecuaciones anteriores son lineales y tienen tres incógnitas: a . . a . hemos perdido m + 1 grados de libertad. . Para este caso. a y a .19) donde todas las sumatorias son de i = 1 hasta n.

22 1 272.47 140. X = 2.39 0.1 152.80491 0.1 7.09439 3.5 y = 25.61951 0.7 13. (y -y) .com .6 (y/-OO-OIX -o x?) f 2 0 1 2 3 4 5 2 544.12 239. Solución.6 2488.6 55 = 585.44 314.74657 FIGURA 17.8 http://libreria-universitaria.14332 1.1 7.00286 1.4 Cálculos para un análisis de error del ajuste cuadrático por mínimos cuadrados. m = 2 n = 6 A partir de los datos dados. 2 x ¡ y.03 3.11 Ajuste de un polinomio de segundo orden.6 585.2 40.6 = 2488.433 X >= X >= í>2 > ? 15 4 979 152.08158 0. las ecuaciones lineales simultáneas son " 6 15 55 15 55 225 55 " 225 979 «0 0\ «2 • = • 152. 2.6 27.9 61.1 1 2513.2 REGRE5IOIN DE P O L I N O M I O S TABLA 17. 225 Por tanto.blogspot.

Si n S m + 1. n.99851 2513. 3 9 .com .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. Entre otras cosas. .86071* 2 El error estándar del estimado con base en la regresión de polinomios es [véase ecuación (17. a .35929* + 1.39 y el coeficiente de correlación es r — 0.13. FIGURA 17.3.74657 . P a s o 3 : Si n < m + 1.) Entonces. P a s o 4 : Calcule los elementos de la ecuación normal en la forma de una matriz aumentada. 2 17.47857. Esto se debe a los coeficientes y sumatorias de los datos elevados a potencias.20)] = 1. P a s o d i Imprima los coeficientes.. 2 5 1 3 . los coeficientes calculados podrían ser altamente susceptibles al error de redondeo y. a. 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. en consecuencia.99925. Estos resultados indican que el 99.19)]. la ecuación cuadrática por mínimos cuadrados para este caso es 0 2 y = 2. P a s o 5 : Resuelva la matriz aumentada para los coeficientes a . (El pseudocódigo para el cumplimiento de esto se halla presente en la figura 17.2. por medio de un método de eliminación. como es también evidente de la figura 17. imprima un mensaje de error que indique que la regresión no es posible y termine el proceso.12 Algoritmo para la implementación de polinomios y regresión lineal múltiple.86071.12. m. 0 2 m http://libreria-universitaria. los resultados pueden ser inexactos.35929 y a = 1. Para esos casos. d i .851% de la incertidumbre original la resolvió el modelo.blogspot. a .74657 r = = 0.12 6-3 El coeficiente de determinación es Sy/.484 REGRESIÓN POR MÍNIMOS CUADRADOS Resolviendo estas ecuaciones con una técnica tal como la eliminación de Gauss se tiene a = 2. Esto es en particular cierto para versiones de orden superior.11. . continúe. Por tanto. 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 resultado soporta la conclusión de que la ecuación cuadrática representa un excelente ajuste. . 3. = 2. Observe que la principal tarea es la generación de los coeficientes de las ecuaciones normal [véase ecuación (17.47857 + 2. P a s o 2 : Integre el número de datos. P a s o 1 : Introduzca el orden del polinomio sujeto a ajuste. las técnicas de la parte tres se pueden aplicar para resolver estas ecuaciones simultáneas para los coeficientes.

5 7.6 Regresión de polinomios por medio de la computadora Enunciado del problema. 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. 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. Por fortuna. i 4 1 9 eum — 0 DOi = 1. esas técnicas (tal como polinomios ortogonales) están más allá del alcance de este libro. se dispone de otras alternativas para ciertos tipos de datos. como el de Draper y Smith (1981). Aunque las estrategias para disminuir el error de redondeo analizado en la parte tres.5 3 7 y Solución. En situaciones donde se requieren versiones de orden superior.n eum — eum + y • x£~ END DO ( a 1 END DO i. 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. n eum — eum + ¿£ END DO a¡j = eum ap — eum END DO eum = 0 D0£ = 1. pueden ayudar a remediar en forma parcial este problema.2 REGRESIÓN DE POLINOMIOS DO i = 1.14. Después usted podría decidir graficar los datos http://libreria-universitaria. la mayoría de los problemas prácticos están limitados a polinomios de orden inferior para los cuales el error de redondeo es insignificante. El lector debería consultar textos sobre regresión. tal como el pivoteo.blogspot. o r d í r + 1 PO j = 1. 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. Sin embargo.17. para información adicional con respecto al problema y posibles alternativas. 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.com . arder + 2 = 5 U M FIGURA 17. una alternativa más simple es usar una computadora cotí más aira precisión.13 Pseudocódigo para ensamblar los elementos de las ecuaciones normal para regresión de polinomios. EJEMPLO 17.

851% de la incertidumbre original la resolvió el modelo. 2513. Observe que la principal tarea es la generación de los coeficientes de las ecuaciones normal [véase ecuación (17.12 Algoritmo para la implementación de polinomios y regresión lineal múltiple. continúe. a = 2.35929x + 1. (El pseudocódigo para el cumplimiento de esto se halla presente en la figura 17. . Si n 5: m + 1.86071. P a s o 1 : Introduzca el orden del polinomio sujeto a ajuste.47857 + 2. imprima un mensaje de error que indique que la regresión no es posible y termine el proceso.99851 2513.blogspot.19)]. las técnicas de la parte tres se pueden aplicar para resolver estas ecuaciones simultáneas para los coeficientes. 0 7 http://libreria-universitaria. FIGURA 17. P a s o 4 : Calcule los elementos de la ecuación normal en la forma de una matriz aumenlada. como es también evidente de la figura 17. 2 3.1 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.„.12.20)] = 1. a.12 6-3 El coeficiente de determinación es . Por tanto. . Para esos casos.39 . a .74657 r = = 0.2. P a s o 3 : Si n < m + 1. Esto es en particular cierto para versiones de orden superior. P a s o 2 : Integre el número de datos. .) Entonces. por medio do un método de eliminación.13.484 REGRESIÓN POR MÍNIMOS CUADRADOS Resolviendo estas ecuaciones con una técnica tal como la eliminación de Gauss se tiene a = 2. 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. Entre otras cosas.3. en consecuencia. Esto se debe a los coeficientes y sumatorias de los datos elevados a potencias. m. . Estos resultados indican que el 99..39 y el coeficiente de correlación es r = 0. n. los coeficientes calculados podrían ser altamente susceptibles al error de redondeo y. Este resultado soporta la conclusión de que la ecuación cuadrática representa un excelente ajuste.11. P a s o 5 : Resuelva la matriz aumentada para los coeficientes o . ai. la ecuación cuadrática por mínimos cuadrados para este caso es 0 x 2 y = 2.35929 y a — 1.47857. Un problema potencial asociado con la implementación de regresión de polinomios en la computadora es que las ecuaciones normales algunas veces están mal condicionadas. los resultados pueden ser inexactos.74657 17.86071* 2 El error estándar del estimado con base en la regresión de polinomios es [véase ecuación (17.com PASO 6L Imprjma los coeficientes.99925.

2 REGRESIÓN DE POLINOMIOS 483 DO i = 1. 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.17. tal como el pivoteo.com .13 Pseudocódigo para ensamblar los elementos de las ecuaciones normal para regresión de polinomios. la mayoría de los problemas prácticos están limitados a polinprriios de orden inferior para los cuales el error de redondeo es insignificante.n eum — eum + y • x ¿ ' END DO ( a END DO FIGURA 17. En situaciones donde se requieren versiones de orden superior. arder + 2= ™ 5U Aunque las estrategias para disminuir el error de redondeo analizado en la parte tres.2 eum = 0 DOt =\n eum = eum + >¿€ END DO a. para información adicional con respecto al problema y posibles alternativas. Después usted podría decidir granear los datos http://libreria-universitaria. Por fortuna. El lector debería consultar textos sobre regresión. Sin embargo. se dispone de otras alternativas para ciertos tipos de datos. EJEMPLO 17. esas técnicas (tal como polinomios ortogonales) están más allá del alcance de este libro. 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. 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 17.5 Solución. pueden ayudar a remediar en forma parcial este problema. • = eum ap = eum END DO eum = 0 D0€ = 1. Se puede usar este software para el ajuste de polinomios con los siguientes datos: 2 4 5 6 6 7 9 1 0. order + 1 DOj = 1. como el de Draper y Smith (1981). i k=i + j . una alternativa más simple es usar una computadora cor/ más alta precisión.14.6 Regresión de polinomios por medio de la computadora Enunciado del problema.blogspot. 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.5 7. i.

>.14 Pantalla del TOOLKIT de métodos numéricos para una regresión polinomial de quinto orden. Standard Erior Coef of Deter Coir Coef Oth oider coef .. Los resultados para varios órdenes de regresión en el ajuste se tabula en la siguiente página: FIGURA 17.9777941 .:.com .«8SftÉ!£ * >. 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 .i m« i XMjml FIGURA 17. .:.486 RKMMIÓN POR MÍNIMOS CUADRADOS solos antas de realizar decisiones con respecto al orden del polinomio...blogspot. 10 2 4 5 6 6 7 9 1 .5 + liillli 6 2 3 7 8 8 1 5 3 I X. La inspección de los datos muestra dos picos y sugiere que un polinomio de al menos cuarto orden sería el adecuado. ¿J. 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 17.1. ~ P^iwaete* :| OÍdet of Paíy í Plot Xmtn Delta X Plot Ymin Delta Y Valué h 0 1 0 1 'i 3 ' 21 . .15 Gráfica de una regresión polinomial de octavo orden..9888347 -1 057965 |£ http://libreria-universitaria.573234 JBÉBJ 'CS3 Q 5 E 3 *'CHC3.. Wm. La forma para determinar el mejor orden se puede explorar al examinar cómo el error estándar varía como una función del orden de regresión.5 7. fiettift ..3332087 .3660273 -6.. 8 1 5 3 7 v CafcYÍOT InputX ftewft Standatd Enot Coef of Detei Con Coef Oth order coef Vafe» ' 1 154277 .5 75 x í 3 1 4 í i 2 Ü 1 6 8 9 10 7 5 6 2 3 7 8 . primero intentaremos un polinomio de quinto orden.14. Esto se hace mediante un procedimiento similar al descrito en el ejemplo 2.304472 . 7 8 9 V . 1 000334 . Para nuestro ejemplo. 3 4 5 6 .3 Y « 2.

16).21) y diferenciando con respecto a cada uno de los coeficientes desconocidos. 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). en X = 3.38 A 6 1. los "mejores" valores de los coeficientes son determinados al realizar la suma de los cuadrados de los residuos.15 que mientras las curvas de regresión siguen la tendencia de los datos.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.blogspot. Para este caso. 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. y podría ser una función lineal de x y x . Por último. Para este caso en dos dimensiones. ta "línea" de regresión pasa a ser un "plano" (véase la figura 17.34 487 1. esos valores cambian con diferentes órdenes.15 muestra que el polinomio de octavo orden produce valores de Y negativos para valores de X entre 8 y 9. Por ejemplo. Los primeros tres resultados son resúmenes estadísticos de la regresión: error estándar. 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. La barra de despliegue sobre la tabla de resultados se usa para observar los coeficientes reales de la regresión de polinomios. http://libreria-universitaria. La interpolación se puede ejecutar al introducir un valor en la tabla para X en el Cale Y para una X introducida. Observe también en las figuras 17.71 2 2. 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). La figura 17. es altamente inapropiado extrapolar los valores Y más allá del rango de los datos para X. Observe cómo esos valores cambian para diferentes órdenes de regresión.17. demos un vistazo a la tabla de resultados en la parte derecha inferior.69 3 2. Y = 2.14 y 17.15 muestra las gráficas para el caso de un octavo orden. (17.304472 como calculada con el polinomio de quinto orden (véase la figura 17. La figura 17.com . coeficiente de determinación y coeficiente de correlación.00 / 1. Como en los casos anteriores.3 REGRESIÓN LINEAL MÚLTIPLE Orden Error estándar 2. De nuevo. Por ejemplo.17 1.

í/ . 4x.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 . — 3x : 2 Los siguientes datos se calcularon con la ecuación y = 5 + x l X 0 2 2. 7 Regresión lineal múltiple Enunciado del problema.blogspot.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./ Ex 2 í T.488 REGRESIÓN POR MÍNIMOS CUADRADOS FIGURA 17.xi¡x ¡ 2 a ai 0 = • Exi. http://libreria-universitaria.' 2í (17. y x .y.Sx y.16 Ilustración gráfica de regresión lineal múltiple donde yes una función lineal de x.-x 2l Ex 2 a 2 Ey.com . 2 2/ Ex. .Exi. 2 dS r = -2 ^ x 2 / (y.22) ¡EJEMPLO 1 7 ..

com . Para usar regresión lineal múltiple.blogspot. X ~\¡n-(m + l) y el coeficiente de determinación se calcula como en la ecuación (17.25 48 14 48 54 a 0 a\ a 2 • = • 54 243.17. Aunque hay ciertos casos donde una variable está linealmente relacionada con otras dos o más variables. En la figura 17. TABLA 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.25 1 16 49 76.3 REGRESIÓN LINEAL MÚLTIPLE Solución.5 0 1 2 3 6 2 14 2 X 2 A 0 i 4 9 36 4 54 x.25 0 2 5 3 24 14 48 0 20 22.5 100 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. 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.7. *i y X 5 10 9 0 3 27 0 2 2.22) se calculan en la tabla 17.5 14 16.5.5 76. El resultado es 6 16.5 Cálculos requeridos para desarrollar las ecuaciones normal para el ejemplo 17.5 1 4 7 16.10). como en y = an + a\X\ + a x 2 2 -| Ya x m m + e donde el error estándar se formula como S y .5 0 12 189 243.x 2 *iy x y 2 0 4 6.17 se enlista un algoritmo para preparar las ecuaciones normal. Las sumatorias requeridas para desarrollar la ecuación (17.5 0 10 18 0 18 54 100 1 54 El caso anterior en dos dimensiones se puede fácilmente extender a m dimensiones.

hay varios puntos que nos gustaría analizar para enriquecer nuestra comprensión del material precedente. 2 Esta transformación. La sección 20.4 para ajustar a una ecuación por potencias cuandoy fue una función de una sola variable x. . z . 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. 2 2 Z M — x" . . etcétera. 17. = x . los 1 se deben guardar en XQ • .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. polinomial y lineal múltiple. Antes de cambiar a regresión no lineal. order + 1 DOj = 1. Observe que además de guardar las variables independientes en X ] .CRDER+2 = 5 U M FIGURA 17.1. z. z son las m + 1 funciones diferentes. De hecho. es decir z — 1.REGRESIÓN POR MÍNIMOS CUADRADOS DOI = 1. . z„. Z = x . z = x .com simples como en z = x 0 ü — I. i eum — 0 DOÍ= 1.. . 1 .. x ¡.. • •. Se puede ver con facilidad cómo la regresión lineal simple y múltiple encajan dentro de este modelo.. la regresión de polinomios se incluye también si Iris ..blogspot. es similar en esencia a la que se usó en la sección 17.n eum = eum + y • x¡_ END DO u s e 1( A XJ-K END DO ¡. .4 proporciona un ejemplo de tal aplicación para dos variables independientes. Además.23) donde z .— eum END DO eum — 0 DOl = \. para trabajar este algoritmo.17 Pseudocódigo para ensamblar los elementos de las ecuaciones normal para regresión múltiple.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. jC|. 17.5 y en el ejemplo 17. 0 m () 2 2 m son monomios http://libreria-universitaria.n eum = eum + x¡-^( • END DO a = eum a. z. = x.

la ecuación (17. 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. las mismas funciones pueden ser altamente no lineales. Regresaremos a tales modelos al final de este capítulo.blogspot. Como n>m + 1. ¡ 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.\x-Y. eos (coi) + a (coi) 2 sen Tal formato es la base del análisis de Fourier descrito en el capítulo 19. las a). 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.24) donde [2] es una matriz de los valores calculados de las funciones z en los valores medidos de las variables independientes. Por otro lado.23) se puede expresar en notación matricial como {Y} = [Z]{A] + {E} (17. usted debería reconocer que la mayoría de las veces [Z] no es una matriz cuadrada.com como . la suma de los cuadrados de los residuos para este modelo se pueden definir como Sr = Y. las z pueden ser sinusoidales. como en y = a 0 + a. Como en el caso de regresión de polinomios.23). Mientras tanto. 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. Por ejemplo.Observe que la terminología "lineal" se refiere sólo a la dependencia del modelo sobre sus parámetros (es decir.

el método de Cholesky es.blogspot. Para este caso. 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 hecho.492 REGRESIÓN POR MÍNIMOS CUADRADOS [lZ] [Z]]{A} = {[Z] {Y}} r T Se puede demostrar que la ecuación (17. Si usted está interesado sólo en aplicar un ajuste por mínimos cuadrados para el caso donde se conoce de antemano el modelo adecuado. el valor de m en la ecuación (17.25) es. De este modo.25) En los análisis anteriores en este capítulo hemos encubierto el tema de las técnicas numéricas específicas para resolver las ecuaciones normales. podemos explorar esta cuestión con mayor detalle. Segundo. 1978). podemos desarrollar en forma sucesiva modelos de orden superior de un modo en extremo eficiente. es idealmente adecuado para casos donde el orden del modelo [es decir. Sin embargo. También acondiciona la etapa para la siguiente sección donde asimilaremos algo de conocimiento en las estrategias preferidas para resolver la ecuación (17. está expresamente diseñado para resolver matrices simétricas como las ecuaciones normal. de hecho. Obviamente hay traslapes en esta clasificación. debería quedar claro que Gauss-Seidel no puede usarse aquí debido a que las ecuaciones normal no son diagonalmente dominantes. Método d e Cholesky.com . esto es casi trivial. La notación matricial tendrá también relevancia cuando veamos regresión no lineal en la última sección de este capítulo.3).2 Técnicas de solución (17. El algoritmo de descomposición de Cholesky tiene varias ventajas con respecto a la solución del problema general de regresión lineal. podríamos saber a priori si un polinomio lineal cuadrático. 2) método de Cholesky y 3) procedimiento de inversión de matrices. Ahora que hemos establecido la unión entre los diversos modelos. De hecho. De esta manera dejamos a un lado los métodos de eliminación. 17. Por ejemplo.23)] no es conocido de antemano (véase Ralston y Rabinowitz. Para los actuales propósitos. equivalente a las ecuaciones normal desarrolladas antes para regresión lineal simple. Primero. una descomposición L U. Primero. es rápido y requiere menos espacio de almacenamiento para resolver tales sistemas.25). De hecho. polinomial y múltiple. cualquiera de los procedimientos de descomposición LU descritos en el capítulo 9 son perfectamente aceptables. si se ha seguido un enfoque modular. se puede también emplear la formulación de una descomposición no L t / d e eliminación de Gauss. y todos los procedimientos se pueden formular de tal forma que pueden generar la matriz inversa. Descomposición LU. 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. http://libreria-universitaria. Un caso sujeto a tratamiento sería la regresión de polinomios. 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. esta clasificación tiene su mérito en cada categoría y ofrece beneficios con respecto a la solución de las ecuaciones normales. podemos dividir esas técnicas en tres categorías: 1) métodos de descomposición LU.4. incluyendo eliminación de Gauss. cúbico o de orden superior es el "mejor" modelo para describir nuestros datos. Ésta es una tarea de programación relativamente directa para incorporar cualquiera de estos procedimientos en un algoritmo de mínimos cuadrados lineales.

recuerde que la matriz inversa se puede emplear para resolver la ecuación (17. Esas razones se analizarán después.com .6). Si los elementos de la diagonal de [[Z] [Z]]~ son designados como z j . Para nuestros actuales propósitos. 1981) que la diagonal y los términos fuera de la diagonal de la matriz [[Z] [ Z ] ] dan. ya que la descomposición del modelo lineal podría solamente ser añadido al incorporar una nueva variable. etcétera. contenido de humedad. pueden ser usados para implementar la ecuación (17. Podríamos primero realizar una regresión lineal con la temperatura y calcular un error residual. es preferible utilizar la aproximación de descomposición LU sin inversión.26) Cada uno de los métodos de eliminación se puede usar para determinar la inversa y. 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). Procedimiento d e la matriz inversa. las varianzas y las covarianzas de las a. Suponga que la variable dependiente de interés es una función de un número de variables independientes: por ejemplo. entonces T _ 1 1 r 1 l var (a .1. como aprendimos en la parte tres.) i i = zj¡ 5 l ij /x 2 y/x (17-27) y cov (a -i. si estuviéramos justamente interesados en resolver los coefientes de regresión. 1 7.3 Aspectos estadísticos de la teoría de m í n i m o s cuadrados En la sección PT5. Aquéllas incluyen la media aritmética. (x. revisamos un número de estadística descriptiva que puede usarse para describir una muestra. una a la vez.4.y) 0 podría indicar queje y y indica son totalmente indcpcndien http://libreria-universitaria. así.a )=zr} s* i j ( 1 7 2 g ) Estas estadísticas poseen un número de aplicaciones importantes.2. respectivamente.blogspot. cov (x. 'Lacovarianza es una estadística que mide la dependencia de una variable con otra. Así.26). El método de Cholesky hace eficiente el proceso. éste es un enfoque ineficiente para resolver un conjunto de ecuaciones simultáneas. al modelo. No obstante desde una perspectiva estadística. la desviación estándar y la varianza. la formulación de la matriz de la ecuación (17.y) la dependencia Por ejemplo. A s i . 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. temperatura. presión.493 La situación análoga para regresión lineal múltiple ocurre cuando se agregan variubles independientes. ilustraremos cómo se pueden usar para desarrollar intervalos de confianza para el intercepto y la pendiente. cov ácxy y. Se puede demostrar (Draper y Smith. Además de obtener una solución para los coeficientes de regresión. hay un número de razones por las cuales podríamos estar interesados en obtener la inversa y examinar sus coeficientes. Sin embargo. De la ecuación (PT3.26) proporciona estimaciones de su estadística.

8 5 9 + 1.43 -0.H-2-V(« a ( ) ) (17.3 usamos regresión para desarrollar la i siguiente relación entre mediciones y predicciones del modelo: j y = .032x i S i i j i donde y = predicciones del modelo y x = mediciones. Después emplee esos errores para desarrollar los intervalos de confianza y úselos para hacer declaraciones probabilísticas con respecto a la bondad del ajuste. Recalcule la regresión pero ahora use la aproximación matricial para estimar los errores estándar de los parámetros.= K vai(ap. Concluimos que había una buena concordancia entre los dos debido a que el intercepto fue aproximadamente igual a 0 y la pendiente.s(ci\) a n 2 (17.000465 {[Z] {Y) r 552.405 22. Solución.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 15 548.688414 -0.3 548.741 22421.t /2.43 La inversión de la matriz puede ser usada para obtener la pendiente e intercepto como [A}= 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 /2.85872 1. EJEMPLO 1 7 . .3 22191.494 REGRESIÓN POR MÍNIMOS CUADRADOS Mediante un enfoque similar al visto en la sección l'T'5.¡-2 a í(«o) U = fln + í /2. De manera similar.2. En el ejemplo 17. 8 Intervalos de confianza para regresión lineal \ Enunciado del problema.0 .21 _ f 552. a 1.com .607 ¡ ] j 1 50 49.01701 0.741 [ 22421.blogspot.29) donde s(a¡) — error estándar del coeficiente a.953 "1 10 " 1 1 [Z] = 16.031592 http://libreria-universitaria..30) El siguiente ejemplo ilustra cómo esos intervalos se pueden usar para hacer inferencias cuantitativas relacionadas con la regresión lineal.01701 [íZflZ]] -0.3. Los datos se pueden escribir en un formato matricial para regresión lineal simple como: 8.3 23 \Y) = 16. los límites inferior y superior de la pendiente se pueden formular como L — a\ .„-is(a\) a U = a\+t i2.

Nuestra principal intención ha sido mostrar el poder del enfoque matricial al ajuste general lineal por mínimos cuadrados. Hay muchas más que están lejos del alcance de este libro.1 8 6 2 5 ) =1 0 . y 1 para el intercepto) están dentro de los intervalos.7 1 8 2 8 .3 1 5 9 2±0 0 .0 6 .9 1 3 5 5 . 4 0 6 3 4 .3 1 5 9 2 . = 1 0 . como en =T I N V ( 0 0 . 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. 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.6 0 3 6 8 ( 0 7 . La estadística. I i. 1 Lo anterior es una introducción limitada al enriquecedor tema de la inferencia estadística y su relación con la regresión. para obtener el valor adecuado.blogspot.5 . 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.6 3 4 0 3 . r u K wmmwww» Q /x =0 8 . 8 5 8 7 2±2 1 . Las ecuaciones ( 1 7 2 .3 1 5 9 2± 2 1 .7 1 8 2 8 ] 0 Observe que los valores deseados ( 0 para el intercepto y pendiente.8 8 9 1 2 ] a. una declaración similar se puede hacer con respecto del intercepto. Como cero está dentro del intervalo del intercepto. Usamos una función de Excel. TINV. tenemos también bases fuertes para creer que el resultado soporta la concordancia entre las mediciones y el modelo. Draper y Smith 1 9 8 1 ) para información adicional. Además. Exploraremos algunas de esas capacidades cuando se describan esos paquetes al final del capítulo 1 9 .1 6 3 7 2 ) =0 . 8 5 8 7 2± 1 5 . Usted debería consultar algunos de los excelentes libros sobre el tema (por ejemplo.6 0 3 6 8 . 1 0 .6 0 3 6 8 ( 0 0 .I i i 17.4 7 6 2 7=[ 2 . 0 9 .4 FORMA GENERAL LINEAL /vuNimt» De esta manera.9 1 3 5 5 1 0 . http://libreria-universitaria.1 3 ) i la cual da un valor de 2 1 .com .1 0 .85872 y < 7 | » respectivamente.0 ) se pueden entonces usar para calcular los intervalos de confianza como a =0 . el intercepto y la pendiente se determinan como a = — 0.9 )y( 1 7 3 .4 0 2 3 7=[ 0 9 . debería observar qué paquetes de software y librerías pueden generar ajustes de regresión por mínimos cuadrados junto con información relevante para la estadística inferencial.

Como se hizo con los mínimos cuadrados lineales. Aa = « j+i ~~ oj> y = ij+i ~ ij. primero se puede expresar de manera general la relación entre la ecuación no lineal y los datos como y¡ f {x¡.23). El método de Gauss-Newton es un algoritmo para minimizar la suma de los cuadrados de los residuos entre datos y ecuaciones no lineales. Sin embargo. j + 1 = predicción. Para ilustrar cómo se hace esto.. Por ejemplo. para un caso de dos parámetros /(*.31) Esta ecuación no puede ser manejada de acuerdo con el formato general de la ecuación (17.com [ / . a u . a . = error aleatorio...blogspot. a .).. Por ejemplo. a ..^ esta forma. hemos linearizado el modelo original con respecto a los parámetros. a ) = ecuación que es una función de la variable independiente x¡ y una función no lineal de los parámetros a . a .. En el contexto actual..32) para obtener a 0 0 a a e j Aa 0 + a/ta). para el caso no lineal.5 REGRESIÓN POR MÍNIMOS CUADRADOS REGRESIÓN N O LINEAL Hay muchos casos en ingeniería donde modelos no lineales deben ser ajustados con datos.33) o en forma matricial [compárela con la ecuación (17. a) m + e¡ donde y¡ = valor medido de la variable dependiente. y e.. (17../"^.. la solución debe proceder en una forma iterativa.-+. ao.33) se puede sustituir en la (17. La ecuación (17..496 17. f(x¡)j + df(x¡\ da 0 donde j = son los valores iniciales.24)]. J | 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. este modelo se puede expresar de forma abreviada al omitir los parámetros. 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. 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.. \i>\ = http://libreria-universitaria.34) .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. Por conveniencia. Entonces. esos modelos se definen como aquellos que tienen dependencia no lineal de sus parámetros. 0 x m 0 t m (17. (17. (/:¡ (17.

donde [Z¡\ es la matriz de las derivadas parciales de la función evaluada en el valor inicial y. como en [[Z ] [Z }]{AA} = {[Z ] {D}} T T 0 Q (17. el procedimiento consiste {A/4}.blogspot.35) para / Así. El vector {£>} contiene las diferencias entre las mediciones y los valores de la función. la cual se puede emplear para calcular valores mejorados para los parámetros. dfi/dao dfi/dcn df /dai 3/ /3ao 2 2 [Z.com .35) y a j+i = OQJ + Aa \S„h = a Este procedimiento se repite hasta que la solución converge (es decir.34) resulta en las siguientes ecuaciones normal [recuerde la ecuación (17.25)]: Aa\ {AA} = Aa„ Arto J J en resolver la ecuación (17.j+\ está por debajo de un criterio de paro aceptable.] = 0 = derivada parcial de la función con respecto al kdonde n = número de datos y df¡/da ésimo parámetro evaluado en el /-ésimo punto.36) k. http://libreria-universitaria. 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. hasta) 100% (17. Si se aplica la teoría de mínimos cuadrados lineales a la ecuación (17.

57 1.0248. 1 3 5 [Z] = 0 8 .9 08 9 4 6 .79 Use los valores iniciales de a = 1.2 6 2 0 8 .0 4 1 0 2 .8 07 1 3 5 0 7 .75 0.a . 1 0 4 6 Ésta es multiplicada por [Z ] para obtener ¡Z ] {D} () T 0 .) = a ( 1 0 0 ) con los dalos: y 0. 0 3 3 5 0 . 9 REGRESIÓN POR MÍNIMOS CUADRADOS Método de Gauss-Newton I Enunciado del problema.74 2.5 4 3 0 3 .0 para los parámetros.2) se pueden usar para evaluar la matriz 0 2 . 8 4 2 1 1 9 1 .9. X Ajuste la función f(x.2 7 6 0 7 . Observe que para estos valores la suma inicial de los cuadrados de los residuos es 0.3 9 7 7 .2) Las ecuaciones (E17.9.4 8 9 0 4 .7 -05 2 7 6 0 6 .0 y a = 1.25 0.1) y (E17.blogspot.5 8 1 0 3 . 0 x Solución. Las derivadas parciales de la función con respecto a los parámetros son da o =1 = a je Q (E17.4 2 4 0 .4 -08 2 6 2 0 7 .9 4 6 0 r 0 1 . {D} = — .9 4 7 0 3 .6 7 8 0 2 .2 1 2 0 5 . T El vector {D} consiste en las diferencias entre las mediciones y las predicciones del modelo. 0 8 6 2 0 . 3 1 9 3 0 9 .28 0.9.9. «.25 0.498 EJEMPLO 1 7 .5 8 8 0 0 .4 0 4 0 0 r 0 la cual mi de de nuevo nueve se puede invertir para dar 3 6 .8 02 2 1 2' 0 5 .1) (E17.3 7 1 Esta matriz multiplicada por su traspuesta resulta en 2 '. 1 5 3 3 0 .4 8 9 " [ Z ] [ Z ] 0 9 .68 1.25 0. 0 3 6 5 oí 0 http://libreria-universitaria.75 0. 0 0 .com . 8 4 2 1 [ [ Z ] [ Z o ] p=7 .

muchos programas de computadora usan diferentes ecuaciones para aproximar las derivadas parciales.0 1. los parámetros se podrían ajustar de manera sistemática para minimizar S mediante técnicas de búsqueda descritas previamente en el capítulo 14.. a ) ... para la ecuación (17.2714 0. y se calcula la suma de los cuadrados de los residuos.5019 i 0.f{x¡\a . se hace una suposición de los parámetros. 1961) para remediar los defectos... La ecuación (17. Puede no converger.2714 0. Para hacer esto.31) esto se podría calcular como (17.0242. . Los nuevos parámetros resultan en una suma de los cuadrados de los residuos igual a 0.blogspot. 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.7286 1.0 +I -0.. Hartley.. .a + 0 k Sa . El cálculo podría repetirse hasta que esos valores estén abajo del criterio de paro preescrito. Ilustraremos el modo para hacer esto cuando describamos las aplicaciones del software al final del capítulo 19.5 REGRESIÓN NO LINEAL El vector {AA} es entonces calculado al resolver la ecuación (17. . 2. Por ejemplo.6751.com .. aunque hay varios procedimientos expresamente diseñados para regresión..35) para AA = -0. 1958. El método de Gauss-Newton tiene una variedad de otros posibles defectos: 1.5019 1 0 x x Así. r http://libreria-universitaria.7286 y a = 1. 3. k a) m 5a k donde 8 = perturbación fraccional pequeña. Estos coeficientes dan una suma de los cuadrados de los residuos de 0.000662. El resultado final es a = 0. k m 0 .. a .. Puede oscilar ampliamente. Un método es dfi da k ^ f(x¡. = 1. Se han desarrollado modificaciones del método (Booth y Peterson.38) Entonces. uno más general es usar rutinas de optimización no lineal como las descritas en la parte cuatro. .5019 m la cual puede ser agregada al parámetro inicial supuesto para dar I I «o 1.36) se puede usar para calcular £Q y e igual a 37 y 3 3 % . es decir. a . respectivamente. Además.17. En consecuencia. Puede converger con lentitud. cambia en forma continua de dirección.79186 y a.5019. las estimaciones mejoradas de los parámetros son a = 0.

Use un rango de 0 a 55 con incrementos de 5. í3 8. 17.2 4 1. 17.63 1. c) a una ecuación de razón de crecimiento saturado y d) a una parábola.55 1. con base en un asegura- use regresión por mínimos cuadrados para ajustar a) a una línea recta. que la medición fue válida o fallida? Justifique su conclusión. Después repita el problema.com .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.65 2. ¿Es superior alguna de las curvas? Si es así.1. Analice sus resultados.2.5 2. calcule el error estándar del estimado y el coeficiente de correlación.3 2.4 17.9 6 3. Interprete sus resultados.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.42 1.7 a una ecuación de potencias.5 2. Grafique los datos junto con todas las curvas.5 1. justifique.5 5. 17. 17.6 a 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.74 1.5 1. b) Recalcule a).8 1 000 1. 17. Grafique los datos y la línea de regresión.12 Ajuste los datos del problema 17.7 a una parábola.05 1.82 1. Use un rango de 0.90 1.35 1.66 1.3 20 2. pero ahora haga la regresión de x contra y (es decir.6 6 1. Valide el ajuste.71 1.8 2 1.85 2.7 Ajuste un modelo de razón de crecimiento saturado con X 0. ¿podría usted esperar.7 y determine a) la media. Grafique los datos y la línea de regresión.1 Dados los datos 0.REGRESIÓN POR MÍNIMOS CUADRADOS PROBLEMAS 17.10 Ajuste los siguientes datos a una ecuación de potencias X / 2. b) la desviación estándar.92 1. calcule el error estándar del estimado y el coeficiente de correlación.1 10 2. c) la varianza. c) la varianza. Si alguien hizo una medición adicional de x = 5.75 0.5 7 3.13 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. 17. calcule el error estándar de la estimación y el coeficiente de correlación. 17.4 con intervalos de 0. los valores inferior y superior) que abarquen el 68% de las lecturas.11 Adecué los siguientes datos a un modelo exponencial X y 4 0.0 2 700 2.06 1.4 Use la regresión por mínimos cuadrados para ajustar a una línea recta a X l Grafique los datos y la ecuación.6 7. d) el coeficiente de variación y e) el intervalo de confianza al 95% para la media. 17. Grafique los datos y la ecuación y encuentre el error estándar.27 miento visual y en el error estándar.47 1./) Construya un histograma.8 12. http://libreria-universitaria. Encuentre el error estándar. 17. pero ahora use regresión polinomial para ajustar los datos a una parábola. Grafique los datos y la ecuación.8 Ajuste los datos del problema 17. g) Suponga que la distribución es normal y que su estimación de la desviación estándar es válida.5 5 3.32 1.2 1 400 1. 17.29 1. 17.6 15 2.96 1.47 1. Grafique los datos y la línea recta.14 1. b) a una ecuación de potencias. b) la desviación estándar.2 Construya un histograma para los datos del problema 17.11 a una parábola.7 8 l . y = 5. Grafique los datos y la ecuación y encuentre el error estándar. Compare los resultados con aquellos de a). d) el coeficiente de variación y é) el intervalo de confianza al 90% para la media. cambie las variables).4 750 0.9 Adecúe los datos del problema 17.blogspot.35 1.3 3 750 Junto con la pendiente y el intercepto.95 1. calcule el rango (esto es.30 1. 17.5 3.3 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.6 2 000 2. Determine si esto es una estimación válida para los datos en este problema.78 2.

17.5 40.8 45.20 Use el software de Métodos Numéricos TOOLKIT para resolver los problemas a) 17.19 Desarrolle.c) 17. Entre otras cosas: a) Agregue comentarios para documentar el código y b) determine el error estándar y el coeficiente de determinación. 17.0 29.18 Recalcule el ajuste por regresión de los problemas a) 17.0 2 650 2. b) 17. 0 0 y 17.15 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.16 Use regresión no lineal para ajustar los siguientes datos a una parábola 3 4 4 y 0.3 1 1 2 2 3 15 18 12. 17.6 35.8 25.14 Use regresión lineal múltiple para ajustar x.12.13 a una ecuación de razón de crecimiento saturado. d) 17. el error estándar del estimado y el coeficiente de correlación. Estime los errores estándar y desarrolle intervalos de confianza al 90% para la pendiente y el intercepto.blogspot.4. el error estándar del estimado y el coeficiente de correlación. 17.com .075 600 0.PROBLEMAS 501 17.17 Use regresión no lineal para ajustar los datos del problema 17.13 mediante el procedimiento de la matriz.2 1 400 1. depure y pruebe un subprograma en ya sea un lenguaje de alto nivel o en lenguaje macro de su elección para implementar regresión lineal. http://libreria-universitaria.7 20.4 y b) 17.5. 17.9 ye) 17.7 2 050 2.6.5 800 1 200 1.3 3 750 Calcule los coeficientes.

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

(*) = /(%> + / ( j C l ) ~ / ( X o ) (* . se ilustra en forma gráfica en la figura 18. Las áreas sombreadas indican los triángulos semejantes usados para obtener la fórmula de interpolación lineal [véase la ecuación! 1 8. llamada interpolación lineal.18.2 Ilustración gráfica de interpolación lineal.2)] AQ X X-\ X http://libreria-universitaria.com . introduciremos la primera y segunda versión debido a su interpretación visual simple. Observe que además de representar la FIGURA 18.blogspot.1 DIFERENCIA DIVIDIDA DE N E W T O N PARA LA INTERPOLACIÓN 503 18. La notación f(x) designa que es una interpolación de polinomios de primer orden. La diferencia dividida de Newton para la interpolación de polinomios está entre los modelos más populares y útiles.1 Interpolación lineal El modo más simple de interpolación es conectar dos puntos con una línea recta.2.1 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. 18.1.'existe una variedad de formas alternativas para expresar una interpolación de un polinomio.%> (18-2) que es una fórmula de interpolación lineal. Antes de presentar la ecuación general. Esta técnica. Mediante triángulos semejantes. /l(-r) ~ /(So) X — XQ = /(*!)-/(*») X\ — la cual se puede reordenar para dar Xo s /.

3.rrvrcKruLACTurN pendiente de la línea que conecta los puntos.6931472.0 — 6—1 (2 . Observe cómo el intervalo más pequeño proporciona una mejor estimación. realice el cálculo por interpolación entre ln 1 = 0 y ln 6 = 1. FIGURA 18. f(x) = ln j f . Estime el logaritmo natural de 2 mediante interpolación lineal. Usaremos la ecuación (18.386294). x 0 x 0 EJEMPLO 18. Ambas interpolaciones se muestran en la figura 18.1) = 0. en tanto el intervalo disminuya. Solución . Observe que el valor real de ln 2 es 0. repita el procedimiento. Estimaciones lineales l i l i l í http://libreria-universitaria. x = 1 a x 4 se obtiene t = / .2) y una interpolación lineal para ln(2) de x = 1 a X] = 6 para dar 0 /.17)]. mejor será la aproximación. Esto se debe al hecho de que. Con el intervalo más pequeño de. Después.° (2 .1 ) = 0. ( 2 ) = 0 L + 3 8 4 6 ^ . En general. con el intervalo más corto se reduce el error relativo porcentual a e — 33. el término \f(x ) — f(x )]/(x — x ) es una aproximación por diferencia dividida finita de la primera derivada [recuerde la ecuación (4. una función continua se aproximará mejor por una línea recta.3%. pero use un intervalo más pequeño de ln 1 a ln 4 (1. cuanto más pequeño sea el intervalo de datos.3 Dos interpolaciones lineales para estimar ln 2.com .3%. Esta característica se demuestra en el siguiente ejemplo.791759.(2) = 0 + 1 791759 . Primero.4620981 t Así. junto con la función real.3583519 0 x que representa un error de e = 48.1 Interpolación lineal Enunciado del problema.blogspot.

3) conx — XQ puede ser usada para calcular 0 b = /(*o) 0 (18. Por consiguiente. agrupando términos.1)].2 Interpolación cuadrática El error en el ejemplo 18. las ecuaciones (18.1.3) son equivalentes a la interpolación lineal d e x a x .4) puede sustituirse en la (18. como fue el caso con la interpolación lineal. .3) para dar f (x) 2 = b + b\x . f (x) 2 = ao + a\x + ax 2 2 donde ao = bo .blogspot.1 resulta de nuestra aproximación a una curva con una línea recta./ ( * o ) f>2 = . la cual puede evaluarse e n x = x para = f^)-f(xo) X\ - XQ Por último. Esto puede demostrarse al multiplicar los términos de la ecuación (18.b]X + b x 0 0 2 2 + b x x\ 2 Q . las ecuaciones (18.3) parecería diferir del polinomio general [véase ecuación (18. .5) se pueden sustituir en la (18. b (x — x )(x — X j ) .1) y (18. introduce la curvatura de segundo orden en la fórmula. Si ties^uiüo^dejas datos están disponibles.x 0 (18. xo -x\ = xi .6) x 2 - Xo x 0 x 0 2 0 http://libreria-universitaria.3) son formulaciones alternativas equivalentes del único polinomio de segundo orden que une los tres puntos.x{) (18. la ecuación (18.4) y (18. como se especificó antes en la ecuación (18.3). esto puede realizarse con un polinomio de segundo orden (también conocido como polinomio cuadrático o parábola).2). Así. la cual puede evaluarse en x = x y resolver (después de algunas manipulaciones algebraicas) para 2 /(* )-/(*i) 2 / ( * i ) .3) Observe que aunque la ecuación (18.1 DIFERENCIA DIVIDIDA DE N E W T O N PARA LA INTERPOLACIÓN 505 18. las dos ecuaciones son equivalentes.com Note que.4) x La ecuación (18. Un procedimiento simple puede usarse para determinar los valores de los coeficientes.18. El último término.x ){x 0 2 0 .b xo + t 2 h X{)X\ 2 a\ = b\ — b xu — b x\ 2 a = b 2 2 Así. Para Z> . los primeros dos términos de la ecuación (18.b xx 2 0 - b xx\ 2 o. Una forma en particular conveniente para este propósito es fi(x) = bo +bi(xx ) + b (x . b todavía representa la pendiente de la línea que une los puntos x y x .3). una estrategia para mejorar la estimación es introducir alguna curvatura en la línea que conecta los puntos.

1 a un polinomio de segundo orden: i j xo = 1 =4 Xl f(xo) .3) comienza a manifestar una estructura que es muy similar a la serie de expansión de Taylor. la ecuación (18.4 Uso de interpolación cuadrática para estimar ln 2.com . Así.blogspot. Ajuste los tres puntos usados en el ejemplo 18.3). 2 EJEMPLO 1 8 .3) para interpolar entre tres puntos.4) se obtiene La ecuación (18.1. b = 0 0 Aplicando la ecuación (18.0 /(xj) = 1. Pero primero. Es muy similar a la aproximación por diferencias divididas finitas de la segunda derivada que se introdujo antes en la ecuación (4.5) da | ¡ í FIGURA 18.506 INTERPOLACIÓN Antes de ilustrar cómo usar la ecuación (18. debemos examinar la forma del coeficiente b . 2 Interpolación cuadrática Enunciado del problema.24).791759 Use el polinomio para evaluar ln 2. Esta observación será objeto de más exploración cuando relacionemos los polinomios de interpolación de Newton con la serie de Taylor en la sección 18. Para comparación se incluye también la interpolación lineal de x = 1 a 4.386294 /(JC ) 2 x = 6 2 = 1. Solución. desarrollaremos un ejemplo que muestra cómo se usa la ecuación (18.4. 2 1 0 0 5 x http://libreria-universitaria.

0518731 6—1 Sustituyendo estos valores en la ecuación (18.7) Como se hizo antes con las interpolaciones lineales y cuadráticas. se expresa por lo general como http://libreria-universitaria.5658444 2 la cual representa un error relativo de e = 18.. z x„) (18. . Para un polinomio de «-ésimo orden se requiere n + 1 puntos: [ x .1) .xi.3.4) mejora la interpolación comparada con el resultado que se obtiene mediante líneas rectas en el ejemplo 18.6) se obtiene 1.3) se obtiene la fórmula cuadrática f (x) 2 = 0 + 0. / ( x ) ] .4620981 ^ = -0. los puntos de los datos evaluaban los coeficientes b .x )(x -*.1 y figura 18. Por ejemplo... la curvatura introducida por la fórmula cuadrática (véase la figura 18. Así.10) b n = f[x„.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.)•••(*0 0 0 x„-i) (18.386294 b = 2 6 4 0.f(x )].0..0518731 (x ..1.462098l (x . la primera diferencia dividida finita se representa por lo general como rr T / ( • * / ' ) ~ f( j) X / 1 0 n \ f[xj. .x„-i..Il.x ) + • • • + b„(x ... El polinomio de «-ésimo orden es f„(x) = b + bi(x .com ..1.blogspot.8) (18..1 DIFERENCIA DIVIDIDA DE N E W T O N PARA LA INTERPOLACIÓN 507 y con la ecuación (18.11) donde las evaluaciones de la función puestas entre paréntesis son diferencias divididas finitas.9) b\=f[x x ] u 0 bi = f[x .A' ] 0 (18.])(x . [x^fix^]. b .4%. b¡.4) que puede evaluarse en x — 2 para / (2) = 0.Xj] = X¡ Xj (18.12) La segunda diferencia dividida finita. t 18. la cual representa la diferencia de las dos primeras diferencias divididas. [x .791759 .18. Usamos estos datos y las siguientes ecuaciones para evaluar los coeficientes: 0 n 0 0 n n b = f(x ) Q 0 (18.

.14) son recursivas (es decir. x ]0 x 2 3 \ f(x. las diferencias de órdenes mayores se calculan al tomar diferencias de orden menor.. como se ilustra en el siguiente ejemplo. es T ) http://libreria-universitaria..v • -.3 Interpolando polinomios mediante la diferencia dividida de Newton Enunciado del problema..x ] n 1 n n l 0 * y i * i » *o] + ( ~ 0 x x )(x .1..„ o 2 :f[x. EJEMPLO 18. Debe observarse que no es necesario que los datos utilizados en la ecuación (18.V ...2. (x ..X„-u.x _ Y[x . En el ejemplo 18. .X ) + l> (.x^x^ 0 x u x] 0 (18.X ] K f \x¡ .7) para obtener el polinomio de interpolación /«(*) = ñ o) x + -+ + (x- (x . x„] Tareero |X|.V|) | /0.8) hasta la (18.loK... 0 x 2 3 3 Solución. f(x ) = 1.»| )(\ .\ .5 para implementar el método. = - n —\ - >•••i - x - \ \ — /[x„_i. f[x„.609438]. El polinomio de tercer orden utilizando la ecuación (18.5 Ilustración gráfica de la naturaleza recursiva de las diferencias divididas finitas.«o) (.x.7) con n — 3.x¡Á J 1 = .blogspot. observe cómo las ecuaciones (18.13) fí ni x x En forma similar.Xj.18.5). calcule el ln 2 con una interpolación del polinomio de Newton de tercer orden.com / l ( . . Esta propiedad será aprovechada cuando desarrollemos un programa eficiente en la computadora dentro de la sección 18. 0 i */ x Primara f(x )0 Segundo |.v>) . x ]" f 3 2 *3 f[x h 3 FIGURA 18. agregando un cuarto punto (x = 5. .x = 4 yx — 6 se utilizaron para estimar ln 2 con una parábola.14) (Wl\A\ X„ — XQ Estas diferencias pueden usarse para evaluar los coeficientes en las ecuaciones (18. la n-ésima diferencia dividida finita es j. las cuales entonces se sustituirán en la ecuación (18. .15) sean igualmente espaciados o que los valores de la abscisa deban estar en orden ascendente.] 2 x : [x .Xj] - f[. véase la figura 18..12) a (18..(.\ 2 .508 INTERPOLACIÓN . x. r . los datos e n x = \.15) que es conocido como polinomio de interpolación por diferencias divididas de Newton. v ) = b{) + l>l(X .- x¡-x k (18.. X. Ahora. - X „ _ 2 ..11). También.X Xo] r U . f[Xi.x.. XQ] (.)f(x |2 :f[x .) .x _ .Xo)(x . X.

x ].6 Uso de la interpolación cúbica para estimar ln 2.1.X ] 0 = 6. Las primeras diferencias divididas para el problema son [véase la ecuación (18.12)] 1.02041100 f[XT. la ecuación (18..1 UirCKCrNUA U l V I V I U r t u c P I S Y T I W I ^ FIGURA 18. Junto con b =f(x ) = 0.X . x .386294-0 f[X].(-0.2027326 0. 0 2 0 4 1 1 0 0 .0.1 0.1 0 2 3 2 x 0 = 0.05187311) 5 .791759 .blogspot..1823216-0.f[x .1 5 .1.Xi] 2 = f[X3.7) es 2 3 0 0 http://libreria-universitaria.14) con n = 3] . b y ¿> de la ecuación (18.386294 5-6 Las segundas diferencias divididas son [véase la ecuación (18. x ..7).Xi 2 La tercera diferencia dividida es [véase la ecuación (18.13)] 0.386294 f[x .007865529 Los resultados para/[*. X^XQ] y f[x .2027326-0.609438 .com .4620981 0.4620981 f[X2.0 .2027326 5-4 = -0.1823216 1.05187311 = -0.X ] 0 = 4-0 6-4 = 0.Xi.X ] 2 = 1. x ] representan los coeficientes 6.

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. Use los datos adicional e s / ( x ) = / ( 5 ) = 1. la ecuación (18.v .6) I )(.com .x + 1 ) 0 ) ( x . . Por fortuna.l ) ( x . ) • • • (x . R„ = n nA fíx.17) donde f[x. Recuerde de la ecuación (4.0. 18. puede obtenerse una formulación para el error de truncamiento.6) donde ¿j está en alguna parte en el intervalo x¡ a x . Para una interpolación de n-ésimo orden. la función en turno debe ser conocida y < iferenciable.310 INTERPOLACIÓN fr(x) = 0 + 0. x . También. X ](X Q - X )(X 0 - X\) • • • (X - X„) (18. Use la ecuación (18. así.18) para estimar el error para la interpolación del polinomio de segundo orden del ejemplo 18. si se dispone de un dato adicional f(x ).x )(x 0 .2.3%.blogspot.4 Estimación del error para el polinomio de Newton ¡ ! Enunciado del problema.16) (n + 1)! donde £ está en alguna parte en el intervalo que contiene la incógnita y los datos. Estos términos son diferencias divididas finitas y.x„^i 0 . Por lo común éste no es el caso.x„. Sin embargo.6. el cual representa un error relativo de e¡ = 9.. x ](x 0 .4620981 (JI .x . .4) que puede usarse para e v a l u a r / ^ ) = 0.. 3 http://libreria-universitaria. el polinomio sujeto a interpolación de n-ésimo con base en n + 1 puntos dará resultados exactos. como fue el caso con la serie de Taylor.18) EJEMPLO 18.6287686..007865529 (x . Por consiguiente.x . como ocurrió con la serie de Taylor.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. x )] es la (n + 1 )-ésima diferencia dividida finita.17) contiene la incógnita/ (x). El polinomio cúbico completo se muestra en la figura 18.05187311 (x + 0. . D :bido a que la ecuación (18.x ) • • • (x t -x„) (18. no puede resolverse para el err >r. . Para esta fórmula que habrá de usarse.17) pue<e usarse para estimar el error. si la verdadera función subyacente es un polinomio de w-ésimo orden. una relación análoga para el error es +1 R„ r" (£)(x . representan aproximaciones de las derivadas de orden mayor. .609438 para obtener sus resultados. como en n+1 R„ = f[x„ +u x„.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.1. una formulación alternativa ei tá disponible y no requiere conocimiento previo de la función. usa una diferí ncia dividida finita para aproximar la derivada (n + l)-ésima..1) . Más bien.x„) (18.4 )(x .

blogspot.com .23) pasa a través de uno de los puntos y es cero en los otros dos. La sumatoria de los tres términos.. Cada uno de los tres términos en la ecuación (18.11 muestra el pseudocódigo que se puede emplear para este propósito. el error estimado expuesto por la ecuación (18. la versión de Lagrange tiene un error estimado de [véase ecuación (18. como no se emplean las diferencias divididas finitas como parte del algoritmo de Lagrange.• •». para casos donde el orden del polinomio es desconocido. En resumen.. si se tiene un punto adicional en x — x . n .18) se integra de manera usual en el cálculo del polinomio de Newton debido a que http://libreria-universitaria. como en el caso del método de Newton.17)] n R = f[x. Esta figura muestra un caso de segundo orden.10 Una ilustración visual del racional detrás del polinomio de Lagrange.x ] Y\(x 0 -x¡) n+l De este modo. esto se hace muy ocasionalmente. Las ecuaciones (18.20) y (18. Sin embargo. La figura 18. Además. el método de Newton tiene ventajas en el conocimiento que proporciona respecto al comportamiento de las fórmulas de diferente orden.x„-i.* n u i n r w i v i v n ve rwHmwmius'nimiwnOff ¥17 FIGURA 18.x„. por tanto. es un polinomio único de segundo orden f |x) que pasa exactamente a través de los puntos. se puede obtener un error estimado.21) se programan de manera muy simple para implementarse en una computadora. 2 Observe que..

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

segundo y primer orden. que debido a que tratamos con datos inciertos. 18. 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 mismo problema se aplica a la regresión con polinomios de orden superior. El polinomio de cuarto orden y los datos de entrada se pueden graficar como se muestra en la figura 18. tercer. Las gráficas de la interpolación de polinomios indican que los polinomios de alto orden tienden a sobrepasar la tendencia de los datos. 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. 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. en tanto el orden aumente.blogspot.12d se muestran las gráficas de los resultados de los cálculos para las interpolaciones de los polinomios de tercer.12b hasta la 18. no proporcionan un polinomio conveniente de la forma convencional http://libreria-universitaria. segundo y primer orden. b) tercer orden. El algoritmo de Lagrange se usa para construir polinomios de interpolación de cuarto. Se observa que mientras más bajo sea el orden. Solución.com . esto es. Sin embargo. Debe recordarse.3 COEFICIENTES DE U N POLINOMIO DE INTERPOLACIÓN | ] ¡ FIGURA 18.12 Gráficas que exponen a) cuarto orden. tienden a ser altamente sensibles a los errores de redondeo.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.12a.18. La aritmética de doble precisión ayuda algunas veces a disminuir el problema. menor será el valor estimado de la velocidad en t = 10 s. Desde la figura 18. la regresión de hecho podría ser la más adecuada. El ejemplo anterior ilustró que los polinomios de alto orden tienden a ser mal condicionados.

los valores de f(x) y x en la mayoría de los contextos de interpolación son las variables dependientes e independientes. Así. como la función está disponible y se puede manejar en forma fácil. En resumen.3. en particular para n grandes.26) están notoriamente mal condicionados.24). 18. la ecuación (18. = 1/0.2 6 0. la ecuación (18. X 1 1 2 0.4 INTERPOLACIÓN INVERSA Como su nomenclatura lo implica. Si lo que desea es determinar una ecuación con la forma de la (18.blogspot. Cualquiera que sea la técnica empleada.1429 Ahora suponga que usted debe usar los mismos datos. Un ejemplo simple es una tabla de valores tabulados para la función f(x) = l/x. las x son los puntos conocidos y las a las incógnitas.520 INTERPOLACIÓN f(x) =a 0 + ax + ax x 2 2 + •••+ a x n n (18. los valores de las x están típicamente espaciados en forma uniforme. (1986) proporcionan un análisis y códigos de cómputo para procedimientos más eficaces.25 5 0. suponga que usted desea calcular los coeficientes de la parábola f(x) = a + a\x + a x 0 2 0 2 (18. Los sistemas como el de la ecuación (18. pero que se le ha dado un valor para f(x) y debe determinar el valor correspondiente de x.f(x )]. En consecuencia.26) se podría resolver con un método de eliminación de la parte tres.1667 7 0. Press y cois. limítese a polinomios de orden inferior y verifique sus resultados cuidadosamente. suponga que se le pide determinar el valor de x que corresponda a f(x) — 0. Para este caso. la respuesta correcta se determina directamente como A.3333. se puede usar ecuaciones algebraicas lineales simultáneas para calcular las a. los coeficientes resultantes pueden ser altamente inexactos. emplee la interpolación de Newton o Lagrange. si usted se interesa en determinar un punto intermedio. Por ejemplo.f(x )].com .3333 4 0./(xj)] y [x .3 = 3. Como hay el mismo número de ecuaciones que incógnitas. http://libreria-universitaria.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. se debe tener precaución con el orden. Cuando se usan para una interpolación subsecuente a menudo se obtiene resultados erróneos. Debe observarse que el procedimiento anterior no es el método disponible más eficiente para determinar los coeficientes de una interpolación de polinomios.5 3 0. en forma respectiva. Por ejemplo.25) 0 Se requiere tres puntos: [x . para los datos anteriores.25) para dar f(x ) 0 [X].26) + a x\ 2 De esta manera. Ya sean resueltos con un método de eliminación o con un algoritmo eficiente.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.

Esta observación es también soportada por un análisis directo de la ecuación para estimar el error [vea ecuación (18.5. la magnitud más pequeña de este producto.2D iW= fi(x) n^/ y=o X Í . Sin embargo. el error se redujo a menos de e.x ) ( x — r/(x ) + . el error disminuye mucho más rápido que para la situación original. 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.(*)ft*i> (18. Si suponemos que la diferencia dividida finita no varía mucho a lo largo del rango de datos.— ( x . x = 3. el error es proporcional al producto: (x — x ) (x — x¡). 0 { 3 El ejemplo anterior ilustra la importancia de la selección de los puntos base.X J donde II designa el "producto de".(x — x ). los puntos base más cercanos son a x..1).com .) (x 2 0 Xl mfiX2) ( 1 8 . Se podría emplear otras combinaciones para obtener diferentes velocidades de convergencia. Como se podría intuir en forma obvia. .5. Por lógica.20) (18. los puntos deberían estar centrados alrededor y tan cerca como sea posible de las incógnitas.X ) 2 - r/(*i) x) 2 . La figura 18.(x . En el segundo término. Por ejemplo.x ) {x\ . esto es. 2 3 ) -x )(x 2 -Xi)" La ecuación (18. (x-xo)(x.blogspot.22) 0 y la versión de segundo orden es f (x) 2 = ' (i-xi)(x-x ) . 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.puntos en una secuencia diferente. y asi sucesivamente.x 0 (18. Como los puntos iniciales para este caso se hallan cercanos y espaciados en cualquier lado de ln 2.9 muestra los resultados para el caso de invertir el orden de los datos originales. x = 1. .x )(xi 2 0 0 2 0 . 0 n 18. = 2 % . x = 2.2 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.17)].xi 0 + í—^-f(xx) x.5. Se puede expresar de manera concisa como / » ( * )=2 i=0 donde £.xO(xo .

El polinomio de primer orden [véase ecuación (18.791760 Solución. i / . reformulamos las diferencias divididas.l)(2-4) + -1.386294 (4-l)(4-6) ( 2 . al agrupar términos similares y simplificar se tiene la forma del polinomio de Lagrange.com . 6 Interpolación de polinomios de Lagrange Enunciado del problema.2) x - X l 0 X\ Xo XQ http://libreria-universitaria.1.=4 x =6 2 f(xo) = 0 / ( x 0 = 1.1.10). ambos resultados concuerdan con los que se obtuvieron antes al usar la interpolación para el polinomio de Newton. En consecuencia. Haremos esto únicamente para el caso del polinomio de primer orden [véase ecuación (18. 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.blogspot.— xf t x i ) 0 0 + ——/(x ) x 0 Xi 0 .516 INTERPOLACIÓN 1 en x = x. cada producto L¡(x)f(x¡) toma el valor de f(x¡) en el punto de muestra x¡. Para obtener la forma de Lagrange.5658444 (6-l)(6-4) Como se esperaba. — x— f (x) = x o -/(x ) + V(xi) X (B18. la cual es referida comoforma simétrica.2) en (18.. y 0 en todos los otros puntos de la muestra (véase la figura 18. Cuadro 18. ( 2 ) = Y~^°+ y -386294 = 0.1) Xl se puede reformular como (B18.4620981 1 1 De manera similar.x o 0 fl i Por último.1. Al sustituir la ecuación (B18. la sumatoria de todos los productos designados para la ecuación (18.2: xo = 1 x. el polinomio de segundo orden se desarrolla como [véase ecuación (18.23)] / (2) = 2 (2-4)(2-6) (l-4)(l-6) -0+ (2-l)(2-6) -1. Por ejemplo. la primera diferencia dividida.791760 = 0.20) es el único polinomio de n-ésimo orden que pasa de manera exacta a través de todos los n + 1 puntos. EJEMPLO 1 8 .2) se obtiene /i(x) = /(x ) +x\—.xo] = /(xi) xi .2)].22)] se puede usar para obtener la estimación en x = 2.1 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./(x ) /[x. De esta manera.386294 f(x ) 2 = 1.

18.0. los valores serán "agrandados".4(0.25 0.5 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.041667)0. Si se desea una exactitud adicional. De hecho. ¡el problema de interpolación se reduce a un problema de raíces! Por ejemplo.5 COMENTARIOS ADICIONALES 521 Tal problema se conoce como interpolación inversa.3333) y (4.5).375 ± v/C-0. este polinomio no estará mal condicionado. con f(x) contra x].2). 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). Esto puede ocurrir aun para polinomios de orden inferior.041667* 2 La respuesta al problema de interpolación inversa para determinar lax correspondiente a f(x) = 0. para el problema antes descrito.296. como las x están espaciadas de manera uniforme. la fórmula cuadrática se puede usar para calcular _ 0. 0. usted se preguntaría por qué hemos puesto el caso especial de datos igualmente espaciados (véase cuadro 18. usted debe intentar cambiar los valores f(x) y x [es decir. ambos polinomios.3 = 1.* + 0.375) .0.08333 . para f(x) = 1/x el resultado es 0. en muchos casos. f {x). sólo grafique x contra f(x)\ y use un procedimiento como la interpolación de Lagrange para determinar el resultado. Para un caso más complicado.78333 _ 5. un simple procedimiento podría ser ajustar los tres puntos a un polinomio cuadrático: (2. la segunda raíz. (3.295842 Así. Por ejemplo.18. esas técnicas tenían gran utilidad para interpolación a partir de http://libreria-universitaria.041667 A: 2 Para este caso simple. Por desgracia.3 sería equivalente a la determinación raices de 0.5 COMENTARIOS ADICIONALES Antes de proceder con la siguiente sección. 0. 0. tendrán la apariencia de una escala logarítmica con algunos puntos adyacentes muy agrupados y otros muy dispersos. En la mayoría de los casos.1429 X 0.+ 0. cuando usted invierte las variables no hay garantía de que los valores junto con la nueva abscisa [los/(x)] sean espaciados uniformemente. Una estrategia alterna es ajustar un polinomio de n-ésimo orden. Como.041667) ~ 3.704158 2 X ~ 2(0. Antes de la llegada de las computadoras digitales.2 0. 3.375.08333 . es una buena aproximación del valor real de 3.com . son compatibles con datos espaciados en forma arbitraria.333.375A.3333 0.blogspot. Es decir. a los datos originales [es decir. el de Newton y Lagrange.1667 0.25). El resultado sería n f (x) 2 = 1. se debe mencionar dos temas adicionales: interpolación con datos igualmente espaciados y extrapolación. Así. 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.

\ . Por ejemplo. .3): x — x — AO = AQ — donde h es el intervalo.D(« . en general /[Xo . 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. o tamaño de paso. Con esta base. están disponibles las fórmulas hacia atrás y central de Newton-Gregory. .2) • • • (a .15)] para el caso de datos igualmente espaciados como r / x s.4) A /(xo) = /(A'2)-2/(x ) + /(x ) 2 l 0 Por tanto.blogspot. Además de la fórmula hacia adelante. A|. / . . A ] 0 2 2 2 -X 0 las cuales se sustituyen en la ecuación (Bl 8.2. . A"/(x ) -i ¡—a (a . Esta ecuación es conocida como fórmula de Newton o fórmula hacia adelante de Newton-Gregory. X ] = 2 X2 la cual se puede expresar como / [ X .1) • • (a . 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. entre los datos. V + W . x „ ] = A"/(x ) 0 n\h" (B18. .2. (X 0 h X ) 0 + + A 2 / ( A 0 ) 2\h 2 (x .«) [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. 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.3) para dar A fn(x) = /(x ) + A/(x )a + 0 0 2 0 (B 18. ( X ) =/(XQ) . A /(x ) 2 0 2\h 2 o. Luther y Wilkes (1969).1) se puede representar como /[X . + A/(X ) . ) + /(x ) 2 { 2 0 H .2.2.xo . las diferencias divididas finitas se pueden expresar en forma concisa.2.2 / 2h ( x . .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.24) x 0 (B 18. Para información adicional con respecto a interpolación para datos igualmente espaciados se puede consultar a Carnahan.1) / ( x ) .X ] = 0 2 Rn = . la ecuación (B 18.com . Se puede simplificar más al definir una nueva cantidad.16).n + 1) + R„ 0 ya que x — x = x — x = (x — x )/2 = h. Ahora recuerde que la segunda diferencia hacia adelante es igual al numerador donde de la ecuación (4.X|. Al.2) Mediante la ecuación (Bl 8.1) fíx ) i) 2! "a(a 0 .3) http://libreria-universitaria. podemos expresar el polinomio de interpolación de Newton [véase ecuación (18.x ) ( x .2.522 INTERPOLACIÓN Cuadro 18.h) 0 nlh" 0 ---+^¡^(x-x )(x-x -h) Q 0 •••\x-x -(n-1)h) + R„ (B18.2.2).X|.2.

como será expuesto en la siguiente sección. la ecuación (18. observe que mientras todos los otros errores estimados para procedimientos iterativos introducidos hasta ahora se determinaron como una predicción actual menos una previa.com . Si se hubiera conocido el valor real. como es común que suceda. la ecuación (18.19) En otras palabras.XQ\(X - x )(x 0 - x\)(x - x) 2 i o ! í R = 0.0629242 2 2 la cual es del mismo orden de magnitud que el error real. En consecuencia.1273028. 2 X\. junto con el valor adicional en x . es más valioso para la clase de análisis de datos exploratorios para lo cual el polinomio de Newton es el más adecuado.1)(2 .0. i j j \ " uircRCNClA DIVIDIDA DE N E W T O N "PARA LA INTERPOLACIÓN Solución. Es decir.6) = 0.19) podría ser menor que el verdadero. como en 2 3 M I ! Ri = /fe.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.l)(x . la interpolación de polinomios de alto orden son muy sensibles a errores en los datos (es decir. x .18)] se interpreta como una estimación del n-ésimo orden de error.007865529(2 . Como tal.18). 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. Esto significa que para una serie en convergencia rápida. Esta relación puede evaluarse e n * = 2 para R = 0.19) es más sensible para dicha divergencia.3. Esto puede verse con claridad al reordenar la ecuación (18. la ecuación (18. Para tal situación. Recuerde que en el ejemplo 18. Sin embargo.007865529(JC .18). Esto representaría una calidad muy poco atractiva si el error estimado fuera a emplearse como un criterio de paro.6931472 . están mal condicionados). la ecuación (18. Si se prevén tales errores.5658444 = 0.19) representa una predicción futura menos una presente. Del ejemplo anterior y de la ecuación (18.6) donde el valor para la diferencia dividida finita de tercer orden es como la que se calculó antes en el ejemplo 18.5658444.I i o.4)(2 .2 la interpolación del polinomio de segundo orden proporcionó una estimación de f (2) = 0.blogspot. pudo usarse para estimar el error.19) conforma nuestra definición estándar de error al representar la diferencia entre la verdadera y una aproximación. el incremento que se agrega al caso del n-ésimo orden para crear el caso de (n + l)-ésimo orden [es decir. Cuando se emplean para interpolación. a menudo se obtienen predicciones que divergen en forma significativa del valor verdadero. http://libreria-universitaria.4)(x . Rn = fn + l(x) ~ fn(x) (18. Sin embargo. que representa un error de 0. la predicción del (n + l)-ésimo orden debería ser mucho más cercana al valor real que la predicción del n-ésimo orden. el error estimado de la ecuación (18. la ecuación (18.

Al agregar nuevos términos en forma secuencial. + fdd fdd ¡¿ M¡t 0 0¡0 older 1 fdd^x^-xj oreter _. n xterm = xterm * (x¡ . 3. ea) LOCAL fdd„ DOi = 0. Las diferencias divididas finitas que constituyen los coeficientes del polinomio [ecuaciones (18.512 INTERPOLACIÓN 18.com END order END Newtlnt . El algoritmo en la figura 18. Tal capacidad es en especial valiosa cuando el orden del polinomio no es conocido a priori.14) y la figura 18.blogspot. n.n' ¡n u>=y¡ END DO DO j = 1.5 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. xi.7 contiene un esquema semejante. Es decir. Por medio de la información determinada antes. FIGURA 18. o en ciertas situaciones de hecho la aleja). cuando la adición de términos de orden superior ya no mejora de manera significativa la estimación. se puede desarrollar de manera secuencial versiones de orden mayor con la adición de un solo término a la siguiente ecuación de orden inferior. podemos determinar cuándo se alcanza un punto de disminución de regreso (es decir.1. se usa diferencias del orden inferior para calcular las de alto orden.j fdd = (fdd i ENDDO END DO xterm = 1 yint = fdd DO order = 1.n.n DO i = 0. El error estimado [véase la ecuación (18. Esto facilita la evaluación de algunas de las versiones de diferente orden en el mismo programa. 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.11)] se pueden calcular de manera eficaz.7).) 0iOrder * xterm http://libreria-universitaria. 5U3R0UTINE Newtlnt (x. como en la ecuación (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. 2. los coeficientes se pueden calcular de manera eficiente.5. y.x yintZ = yint . ymt. Como en la ecuación (18.7 Un algoritmo para el polinomio de interpolación de Newton escrito en pseudocódigo.8) hasta (18.

y( y( y( y( y( y( y( y( 0 1 ) ) ? ? ? ? ? ? 1.675722 0.0986123 0.7 y la siguiente información para evaluar/(x) = Inxenx = 2: x i f (x) = ln x 0 4 ó 5 3 1. 1. X( 1 ). Después de incorporar el error [véase la ecuación (18.6094379 1.062924 0.5 .3862944 1.5 1 1.8 ? 2.0. EJEMPLO 18. X( 6 ) .462098 0.046953 0.blogspot. X( 7 ) .021792 -0.0 6 . 1 .4054641 0.000000 0.c o nb a s ee ne la g lo r m t i od el af i g u r a1 8 . 7 . 4 0 5 4 6 4 1 1 3.5 3. utilice el algoritmo de cómputo que se muestra en la figura 18.7917595 5 .7).1.6094379 3 .693439 http://libreria-universitaria. el segundo establece las predicciones y su error asociado.0986123 1.2527630 2 ERROR 0. 1.18)]. 1. j Enunciadodel problema.565844 0.003616 -0. 3 8 6 2 9 4 4 2 ) 3 ) 4 ) 5 ) 6 ) 7 ) - FIGURA 18. 0 .7 para obtener una solución se muestran en la figura 18. X( 5 ) . El error estimado.5 2.103746 0.18.7917595 1. Observe que el algoritmo consiste en dos partes: el primero determina los coeficientes o partir de la ecuación (18.1 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 18.91629073 INTERPOLATION AT X ORDER 0 1 2 3 4 5 6 7 F(X) 0. NUMBER OF P01NTS? 8 X( 0 ) .000459 ? 4 .697514 0. 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 .462098 0. X( 4 ) . X( 2 ) .5 . La utilidad de este algoritmo se demuestra en el ejemplo siguiente. p a r ae v a l u a rn l 2.2527630 Solución.7).9162907 1.5 Estimación del error para determinar el orden adecuado de interpolación ¡ .693898 0.com .628769 0. Los resultados al emplear el algoritmo de la figura 18.8.5 . X( 3 ) .

Observe que el error estimado y el real son similares y que su concordancia mejora en tanto se aumente el orden.9 Porcentaje de errores relativos para la predicción de ln 2 como una función del orden de la interpolación polinomial. Este ejercicio también ilustra la importancia de colocar el orden de los puntos. sino que también se halla en el lado opuesto de la mayoría de los otros puntos. Error i http://libreria-universitaria. pero considerando los i j ! FIGURA 18. se ilustran en la figura 18.com . 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. hasta la estimación del tercer orden. Por ejemplo.6931472). 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. 6 y 5) están distantes y a un lado del punto de análisis en x = 2.5.514 INTERPOLACIÓN I ¡ \ ! \ \ \ ¡ i j j base en el hecho de que ln 2 = 0. No sólo está este punto cercano a la incógnita. el error se reduce a casi un orden de magnitud. La estimación de cuarto orden muestra algo de mejora ya que el nuevo punto en x — 3 está cercano a la incógnita. En consecuencia. 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.blogspot. Sin embargo.9.

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

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

al usar una segmentaria para dibujar curvas suaves a través de una serie de puntos. Sobre la superficie. Observe cómo en los puntos extremo. podría parecer que la aproximación de tercer orden de las segmentarias sería inferior a la expresión de séptimo orden. En contraste. 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. 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. En esta técnica. las oscilaciones se mantienen a un mínimo. El incremento de paso expuesto en la figura 18. presentamos material sobre la segmentaria cúbica. UstecJ se preguntaría por qué una segmentaria podría ser siempre preferible. Esto es conocido como uña segmentaria "natural". Como tal. De aquí que se haya adoptado el nombre de "segmentaria cúbica" para los polinomios de este tipo. \i .15 La técnica de dibujo. Por último.14a hasta la 18.14 es un ejemplo extremo de tal cambio y sirve para ilustrar este punto. De la figura 18. la segmentaria trata de enderezarse. 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. http://libreria-universitaria.6 INTERPOLACIÓN SEGMENTARIA 525 ¡í procedimiento alternativo es aplicar polinomios de orden inferior a subconjuntos de datos. Tales polinomios conectores son llamados funciones segmentarias. El proceso se expone en la figura 18.18.14 ilustra una situación donde una segmentaria se comporta mejor que una polinomial de orden superior.15 para una serie de cinco pasadores (datos).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. '. se usarán primero funciones lineales simples para introducir algunos conceptos básicos y problemas asociados con la interpolación segmentaria. Esas funciones se pueden construir de tal forma que las conexiones entre las ecuaciones cúbicas adyacentes resultan visualmente suaves. curvas de tercer orden empleadas para conectar cada par de datos son llamadas segmentarias cúbicas. Entonces obtendremos un algoritmo para el ajuste de datos con segmentarias cuadráticas. En esta sección. Una curva suave resulta al entrelazar la cinta entre los pasadores. la segmentaria también conecta los puntos. J 1 FIGURA 18. Por ejemplo.blogspot. La figura 18. la segmentaria usualmente proporciona una aproximación superior del comportamiento de las funciones que tienen cambios locales y abruptos. pero debido a sus cambios limitados de tercer orden. la cual es la versión más común y útil en la práctica de la ingeniería.com .

8 Segmentarias de primer orden Enunciado del problema.blogspot.5 .0 9.3. para el intervalo x = 4.0 4.1 con segmentarias de primer orden. Se puede usar los datos para determinar las pendientes entre puntos.6.5 = 0.27) 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.60 Las pendientes para los otros intervalos se pueden calcular y las segmentarias resultantes de primer orden se grafican en la figura 18. f(x) 3. Solución. Después se usa la ecuación adecuada para determinar el valor de la función dentro del intervalo.com 2.5 .5 a x = 7 la pendiente se puede calcular mediante la ecuación (18. f(x) = f(xo) +m (x 0 - x ) 0 xo < x '< xi Xi £ x < Xi / ( x ) = / ( x i ) +nn(x .5 7.xi) f(x) = / ( x „ . Evalúe la función e n x = 5.j ) + m„-\(x . El método es obviamente idéntico al de la interpolación lineal.27): 2. El valor e n x = 5 es 1. 0 n EJEMPLO 1 8 .1 Datos para ser ajustados con funciones segmentarias. Ajuste los datos de la tabla 18.1 7-4.5 1.0 2. Las segmentarias de primer orden para un grupo de datos ordenados pueden definirse como un conjunto de funciones lineales. TABLA 18. Por ejemplo.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.x„_i) x „_i < x < x„ donde m¡ es la pendiente de la línea recta que conecta los puntos: /(*/ + !) f(x¡) x¡+i — x¡ (18.526 INTERPOLACIÓN 18.16a.5 0.0 http://libreria-universitaria.

la primera derivada de la función es discontinua en esos puntos. en los puntos donde dos segmentarias se encuentran (llamado nodo).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. como se analiza en la siguiente sección. a) Segmentaria lineal.blogspot. En términos formales.com f .16a indica que la principal desventaja de las segmentarias de primer orden es que no son suaves.6. 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. 18.Una inspección visual a la figura 18. la pendiente cambia de forma abrupta. se gráfica también con una interpolación polinomial cúbica. se debe usar una segmentaria de al menos m + 1 orden. A menudo se usan con más frecuencia en la práctica los polinomios de tercer orden o segmentarias cúbicas para asegurar derivadas FIGURA 18. En esencia.16 Ajuste segmentario de un conjunto de cuatro puntos.

x}_ x l x + + c. Aunque las derivadas de tercer orden y mayor© podrían ser discontinuas cuando se usa segmentarias cúbicas. Éstas son: 1. El polinomio para cada intervalo se puede repres tar de manera general como f. 3n constantes desconoci (las a.byc) por evaluar. Esas "segmentái cuadráticas" tienen primeras derivadas continuas en los nodos. FIGURA 18.29) y (18. Los valores de la función de polinomios adyacentes deben ser iguales a los no interiores. Por tanto. Esta condición se puede representar como a¡.= 0 /=1 1-2 /=3 http://libreria-universitaria.17 ha sido incluida para ayudar a clarificar la notación. se requieren 3« ecuaciones o condiciones para e luar las incógnitas. Para n + 1 da (i = 0. 1. 1 *2 1 *3 * . Debido a que la obtención de segmentarias cúbicas está algo involucrada. Aunque las segmentara cuadráticas no aseguran segundas derivadas iguales en los nodos. proporcionan cada una n — 1 condiciones del total de 2n — 2. El ejemplo mostrado es para n = 3. la hem* escogido en una sección subsecuente. Como sólo se usa nodos interiores. 2 n) existen n intervalos y.blogspot.)? + bfX+ c- •« Intervalo 1 • * Intervalo 2 • Intervalo 3 _j *0 1 *1 . usualmente no puede detectarse en forma visual y en consecuencia son ignoradas. Hemos decidido primero ilustrar el cor. las ecuaciones (18. jen ¡super El objetivo de las segmentarias cuadráticas es derivar un polinomio de segundo den para cada intervalo entre datos.com .cípto e interpolación segmentaria mediante polinomios de segundo orden.528 INTERPOLACIÓN continuas de primer y segundo orden. Observe que hay n intervalos y n + 1 datos. a.-i = /(*.(x) = cnx + bix + ci 2 La figura 18.17 Notación usada para derivar segmentarias cuadráticas. «'"•en muy b¡en pí demostrar el procedimiento general en el desarrollo de segmentarias de o. en consecuencia.•_ i) (18._!) (18- a¡xf_ + b¡x¡-[ + c¡ = /(*. para / = 2 a n.

28 es f\x) = 2ax + b Por tanto.0 20. seleccionamos la siguiente: Suponga que en el primer punto la segunda derivada es cero.34) La interpretación visual de esta condición es que los dos primeros puntos se conectarán con una línea recta. 2 5 a i + 4 . Como se tiene 3n incógnitas.32) + b x„ +c„- f(x ) n para un total de 2n — 2 + 2 = 2n condiciones. La primera derivada de la ecuación 18. 9 Segmentarias cuadráticas j ! \ Enunciado del problema.28 es 2a¡. Para este problema.6* INTERPOLACIÓN SEGMENTARIA 1 9 9 2. | Solución. Las primera y última funciones deben pasar a través de los puntos extremo. A menos que tengamos alguna información adicional con respecto a las funciones o sus derivadas.0 2 2 j J 49a + 2 7 /7 + c = 2. Las primeras derivadas en los nodos interiores deben ser iguales.31) (18.5Í7 + c = 1.29) y (18. la condición se puede representar de manera general como 2a¡-\x. EJEMPLO 1 8 . Como la segunda derivada de la ecuación 18. 3. esta condición se puede expresar matemáticamente como «i = 0 (18.30) dan 2(3) — 2 = 4 i condiciones: 1 I 2 0 .18. Esto agrega dos ecuaciones adicionales: a\xl + bix a„x 2 n n 0 + c\ = f(x ) 0 (18. se tienen 4 datos con n — 3 intervalos.1). para i = 2 a n.blogspot. Ajustar por medio de segmentarias cuadráticas los mismos datos que se usaron en el ejemplo 18.com . 3(3) = \ 9 incógnitas por ser determinadas.25 (32 + 4.5 3 3 Evaluando a las funciones primera y última en los valores inicial y final se agregan 2 ecuaciones mes [véase ecuación (18.31)]: http://libreria-universitaria. Esto proporciona otras n — 1 condiciones para un total de 2n + n — 1 = 3« — 1. Las ecuaciones (18. Use los resultados para calcular el valor enx = 5. se tiene una condición corta. debemos tomar una selección arbitraria para calcular de manera exitosa las constantes. 5 & 1 + c i = 1.5 2 2 49a + 3 7fo + c = 2. Por tanto.8 (véase tabla 18.33) 4. Aunque hay un número de elecciones diferentes que se pueden tomar.-\ + b¡-[ = 2a¡Xi-\ + b¡ (18.

33)]: 9Ú[ 2 + b\ = 9a 4.76(5) + 18.0 Cuando se u s a ^ .5 0 0 0 3 0 1 0 1 0 0 0 1 0 0 0 0 0 20. 6 x + 24. 3 3 las cuales pueden sustituirse en las ecuaciones cuadráticas originales para desarrollar la siguiente relación para cada intervalo: /.1 . la ecuación (18. / ( 5 ) = 0.5 4.5 3 3 3 La continuidad de las derivadas crea un adicional de 3 — 1 = 2 [véase ecuación (18.166.46 2 a =-1.= .64(5) .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 < 9.34) especifica que a — 0.9 1 .6.6x .6 £.64 A .5 c = 18.5 y [véase ecuación (18.76 JT + 18.0 = 0. http://libreria-universitaria. Las segmentarias cúbicas de la siguiente sección no exhiben estas desventajas y.blogspot.5 f (x) 2 3.6. son i«<*molación seamentaria.5 0.530 INTERPOLACIÓN 9a! +3b> + c i = 2. la predicción para x = 5 es.5 2.v) = .6 3 ¿3=24.0<x<4. en consecuencia.66 2 2 El ajuste total por segmentarias se ilustra en la figura 18. Estas condiciones se pueden expresar en forma matricial como x 4.25 4.46 = 0.. Como esta ecuación especifica a¡ de manera exacta.46 2 / (.91. 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.76 2 c\ = 5.com . el problema se reduce a la resolución de ocho ecuaciones simultáneas.32)] 81a + 9 ¿ > + c = 0.v) = —jr + 5.5 2.b 2 2 14a + ¿>2 = 14a + 3 ¿>3 Por último.3 2 3 7.(.5 < x < 7.64 2 b\ = — 1 b =-6.5 0 0 Esas ecuaciones se pueden resolver mediante las técnicas de la parte tres. con los resultados: «i=0 a = 0. por tanto.

3 resulta en la siguiente ecuación cúbica para cada intervalo: r / \ f¡"( i~l) X .x .v + b¡x + c¡x + d-. _ . Mientras sea ciertamente posible desarrollar segmentarias cúbicas en esta forma. Éstas son: 1. Si el valor de la segunda derivada en los nodos extremo no es cero (es decir. La derivación del cuadro 18. 1. .3) es algo menos directo que para las segmentarias cuadráticas. ..f{x¡)] ( 1 8 . fi ( i) X . presentamos una técnica alterna que requiere la solución de sólo n — 1 ecuaciones. n).xY + — f(*i-Ó /"(*/-! )(*/ - -(x X¡-Ó' - Xi-xY x¡ — Xi-\ f"(Xi)(Xj 6 -Xj.x) (18. N3 fi(x) = 7 1 Ax¡ . existe alguna curvatura). .15). por consiguiente. Las segundas derivadas en los nodos interiores deben ser iguales (« — 1 condiciones). 3. como en f¡ (JC) = a/. ) Esta ecuación contiene sólo dos incógnitas (las segundas derivadas al final de cada intervalo). 5. x 3 . Como con las segmentarias cuadráticas. Las primeras derivadas en los nodos interiores deben ser iguales (« — 1 condiciones). la ganancia en eficiencia bien vale el esfuerzo. 2 . La interpretación visual de la condición 5 es que la función se vuelve una línea recta en los nodos extremo.)f"(x ) ¡+l 6 -/(*. .Q (x¡ . Esas incógnitas se pueden evaluar mediante la siguiente ecuación: (x¡ * ¡ _ I ) / V Í .•)]+ X¡ \f(x¡-ú Xj-\ . . esta información se puede usar de manera alterna para suministrar las dos condiciones finales.X . se requieren 4 H condiciones para evaluar las incógnitas.3 Segmentaria» cúbicas El objetivo en las segmentarias cúbicas es obtener un polinomio de tercer orden partí cada intervalo entre los nodos. 3 7 ) X¡ + \ — X¡ http://libreria-universitaria. Se le da este nombre debido a que el dibujo segmentario se comporta en esta forma (véase figura 18. 4. 4« incógnitas constantes para evaluar.blogspot. 3 2 (18. Aunque la obtención de este método (véase cuadro 18. Los valores de la función deben ser iguales en los nodos interiores (2« — 2 condiciones).com . La primera y última funciones deben pasar a través de los puntos extremo (2 condiciones).36) + /(*/) Xi — 6 ( A . ) / U ) + (JCi+i _ — 6 x. 2.35) Así. existen n intervalos y.18. Las segundas derivadas en los nodos extremo son cero (2 condiciones). +1 . Los cinco tipos de condiciones anteriores proporcionan un total de 4n ecuaciones requeridas para resolver los An coeficientes. para n + 1 datos (i — 0. La especificación de tal condición extremo nos lleva a lo que se denomina como segmentaria "natural".6.Í ) + 2(x.

Sin embargo.xY + :(-v-.A . sino que las forjamos en una forma que es en extremo fácil de resolver (recuerde la sección 11. digamos.4) se escribe para todos los nodos interiores. + 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¡ .com . unda voces para verifica p t r con una interpolación polinomial derivada se puede í Qrden [véase e c u a d ó n (.1). para obtener una desconocidas de integración._]r 6(x¡ — Xi(x¡ . 1985) se 1.3. 1 0 Segmentarias cúbicas Enunciado del problema.I ) + 2 ( J : / I . L*» . resulta n — 1 ecuaciones simultáneas con n — 1 incógnitas.3._i) (/' — l)-ésimo. Si esto se hace tanto para el lo x dentro de i-ésV rivada en el primer nodo/"(*. nter contiene solo dos "coeficientes" desconocidos. EJEMPl¿? 1 8 . Así.3) (B18. http://libreria-universitaria. Esas (x¡ . ya que ésta es una segmentaria cúbica natural. la e¿ ^ . como para /-ésimo intervalo y los dos resultados recta que conecta 1 * ^ . la ecuación (B 18.~Xi i l x — x¡+ fi(M).I ) / " ( .3.v. n — 1 ecuaciones simultáneas resultan con n + 1 segundas derivadas desconocidas.3.3).f(Xi)] Xi X¡ — \ (B18. resulta la sicon la segunda d e f í ^ j) integrar dos veces guiente relación: Después.) y/"(*.blogspot. 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 . Y . es claro qu^ ^ ^ ^ ^ cúbica para el ¡-ésimo intervacompheada para ufl g . .) La aplicación de esas ecuaciones se ilustra en el siguiente ejemplo. Las segundas derivadas se evalúan al llamar las condiciones de que las primeras derivadas en los nodos deben ser continuas: (B18.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 . Si esta ecuación es descrita para todos los nodos interiores.8 y 18. observe que lo que. esta ecuación es una línea expresión para la primera derivada.532 INTERPOLACIÓN Cuadro 1 8 . . Además. Utilice los resultados para estimar el valor en x = 5. (Recuerde que las segundas derivadas en los nodos extremo son cero.1) jot de la segunda derivada en cualquier punLa ecuación (B18. . De esta forma.3. _ se igualan de acuerdo con la ecuación (B18. observe que el sistema de ecuaciones será tridiagonal. resulta la 6 ser igual &f(xt) en % [f(xl+l) .x¡. ) a seg r e s e n f¡\x) = f!Xx¡^>X .2) puede diferenciarse con el fin de dar una úonde f¡"(x) es el V i v a l o .X¡-1 Xi .x¡-i)f"(x¡) Hión contendrá dos ió condicioconstantes se pued* ¡ ^ + (Xi + \ -Xi)f"(x¡ + \) nos de igualdad / i¡ evaluaciones.. no sólo redujimos el número de ecuaciones. .2) es un polinomial de tercer orden que se puede usar para interpolar dentro del intervalo.1).1 primer paso er>^ biisii en la observa derivada dentro de cada intervalo es por una cúbica. Ajuste por segmentarias cúbicas los mismos datos que se usaron en los ejemplos 18.9 (véase tabla 18. si podemos determinar la segunda derivada adecuada en cada nodo. 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. la ¡ > diferenciar dos una linea recta. 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.A V .1.3.l ) + IftXi-l) .3.x) f'XxMxi-Xi-i)' (X .g 22)].3. Así. 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 .)—.4) (B 18. . las segundas derivadas al inicio y al final del intervalo —fXx¡_. las segundas derivadas en los nodos extremo son cero y el problema se reduce a n — 1 ecuaciones con n — 1 incógnitas.2) j esta relación es una expresión mucho más Ahora.

junto con los valores de las x y las/(x).5) = 1. para obtener 1.3 ) 3 6 (x .6 En una forma similar.x ) + 0.5 4.67909 f " { l ) =-1. y la ecuación se reduce a 8/"(4.0 .67909(4.5-1) 7-4.x ) 6(4.5 ./"(3) = 0. 1 0 2 2 0 5 ( x . Por ejemplo.com .5-3) 4.5-3 6 Debido a la condición de la segmentaria natural.37) para dar (4.5 .111939(7 -xf 2 .761027(9 . para el primer nodo interior se usan los siguientes datos: = 3 X\ X2 f(x ) 0 = 2.37) para generar un conjunto de ecuaciones simultáneas que serán utilizadas para determinar las segundas deriviiduN en los nodos.5.5) + 2.37) se aplica al segundo punto interior para obtener 2.3) 3 J í | j | | ¡ I | _4.5) + (7 .4 .246894 (x .3)/"(4.25(x .5)/"(7) 1 j | | | i j 6 :(2.36).4.3 ) + (4.(*) = . 5 ) y /•.5 .blogspot.9 .5 .4. Sustituciones similares se pueden hacer para desarrollar las ecuaciones para el segundo y tercer intervalo: / ( x ) = 0.0 . la ecuación (18.299621(7 .3) + 1.x ) 3 + 1.x ) 3 + 1.638783 (x .5 Mx) = (x .0.5 = 4.5-3 o / i ( x ) = 0.Solución.5/"(7) = 9. 1 2 7 7 5 7 ( 9 .7) http://libreria-universitaria.67909 .5 1 2.666667(4.5) .3)/"(3) + 2(7 . 6 Estas dos ecuaciones pueden resolverse simultáneamente para dar /"(4.5) + 9/"(7) = . 2.x) +().5 -3 ' 1 1.5/"(4.D + — -(2.186566 (x .53308 Estos valores se sustituyen entonces en la ecuación (18.5 = 7 f(X2) = Estos valores pueden sustituirse en la ecuación (18.3) Esta ecuación es la segmentaria cúbica para el primer intervalo. lil primer paso es emplear la ecuación (18.

1. b) Interpole entre log4.37).5 ) .5 = 0. oor orden para estimar log 5 usando los datos del problema 18.4) mediante polinomios de interpolación de IH.10 se resumen en la figura 18.638783(5 . La figura 18.5) 3 3 2 + 1. son útiles en muchas aplicaciones de la interpolación segmentaria. f|x) 1 5 7 8 2 1 Para cada una de las interpolaciones.1. I K. xu. X 1 2 2. Observe la mejora progresiva del ajuste conforme nos movemos de lineales a cuadráticas y a segmentarias cúbicas. 18.5) . yu. Observe que la rutina en la figura 18. b) Utilice la ecuación (18. Un beneficio extra de la derivación implica. Además. el método se reduce a la resolución de n — 1 ecuaciones simultáneas. los algoritmos están disponibles para resolver tales sistemas en una manera en extremo eficiente. que el sistema de ecuaciones es tridiagonal. Calcule el error relativo porcentual real.16.5 Dados los datos http://libreria-universitaria.6.7781513. se calcula como / ( 5 ) = 0. para un valor dado de la variable dependiente. el cual está dentro del segundo intervalo.7403627.5 = 0. la resultante difiere de la obtenida al usar el polinomio de tercer orden.5) = 1.6532125 y log 5. a) Calcule/(3.2 Ajuste con'un polinomio de interpolación de Newton de Newton de orden 1 a 3. es ideal para la implementación en computadora. 2 PROBLEMAS 18. problema 18.blogspot. mientras que el polinomio cúbico no tiene tal restricción.16c. calcule el porcentaje de error relativo con base en el error real. descrito en la sección anterior.299621(7 .18) para estimar el error para cada I N. Esto se debe al hecho de que la segmentaria natural no requiere de segundas derivadas en los nodos extremo. Aunque la segmentaria cúbica consiste en una serie de curvas de tercer orden. Ésta es sólo una forma con la cual se puede implementar la interpolación segmentaria. Aunque no es necesario calcular esas cantidades.4. Por ejemplo.1 Ajuste con un polinomio de interpolación de Newton de terpredicción.60206 y log 6 = 0. como lo especifica la ecuación (18.com . 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.534 INTERPOLACIÓN Se puede emplear las tres ecuaciones para calcular los valores dentro de cada intervalo. 1 0 2 2 0 5 ( 5 .16c. con algunas manipulaciones inteligentes. Los resultados délos ejemplos 18.102886 Se calculan otros valores y los resultados se grafican en la figura 18.5 4 3 5 a) Interpole entre log 4 = 0.0 .1.4 Dados los datos Interpolación lineal. a usted le gustaría determinar ahora los coeficientes y después realizar muchas interpolaciones. el valor enx = 5.111939(7 .18 muestra una estructura computacional que incorpora esas características.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. Por ejemplo. Recuerde que. la rutina da tanto la primera derivada (dy) como la segunda (dy ) en xu. Como se describió en la sección 11. También hemos sobrepuesto un polinomio de interpolación cúbica sobre la figura 18.8 a 18..4.1 Estime el logaritmo de 5 de base 10 (log 5) mediante 18.0.18 regresa sólo un valor interpolado.

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

18.10 Desarrolle segmentarias cuadráticas para los primeros 5 datos en el problema 18.961538 f(x) Observe que los valores en la tabla fueron generados con la función/(x) = x l(\ + x ).8 Emplee interpolación inversa usando interpolación de polinomios cúbica y bisección para determinar el valor de x que corresponda a f(x) = 0.7. 1.4) y f(2.12 Determine los coeficientes de la parábola que pasa a través de los tres últimos puntos del problema 18.3333 4 0.25 5 0. Como su nombre lo implica. ¿Qué le indican los resultados con respecto al orden que se usó de los polinomios para generar los datos en la tabla? 18.5 usando el polinomio de Lagrange de orden 1 a 3. utilice todos los datos para desarrollar polinomios de primer orden al quinto.3 mediante polinomios de Lagrange.18 Desarrolle. 18.9 Emplee interpolación inversa para determinar el valor de x que corresponda a f(x) = 0.17 Use el programa que desarrolló en el problema 18. grafique el error estimado contra el orden. b) Use interpolación cuadrática y la fórmula cuadrática para determinar numéricamente el valor. 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. prediga/(2. Para desarrollar un algoritmo como tal. Esos valores se pasan entonces a una función junto con el valor de x que usted quiera evaluar.4 y 18.75 2 4 3 5.25.10. 18. X 1 . 18. 2 1 0. Para tales casos. Para valores intermedios es una excelente selección. a) Determine en forma analítica el valor correcto. .4.5. Después se aplica una técnica como la interpolación de Lagrange para determinar el valor adecuado def(x).25). la función debería mostrar un error de mensaje.7. 18.8 3 0.6 Repita los problemas 18.3 para los siguientes datos tabulados. ya que la incógnita estará ubicada en el intervalo medio de los cuatro puntos necesarios para generar la cúbica.25 5 19.1 hasta 18.1 hasta 18.7 Repita el problema 18.1429 f(x) 18 . Primero.1667 7 0. 18. Pruebe el programa con los mismos datos del ejemplo 18.13 Determine los coeficientes de la ecuación cúbica que pasa a través de los primeros cuatro puntos del problema 18.14 para los mismos cálculos del ejemplo 18. ésta involucra "consultar" un valor intermedio de la tabla.4 y 18.5 3 0.536 INTERPOLACIÓN 1 4. Pruebe su programa para f(x) = ln x mediante datos desde x = 0.11 Desarrolle segmentarias cúbicas para los datos en el problema 18. . 18. va por la tabla hasta que encuentra el intervalo dentro del cual está la incógnita. En el problema 18. 18.2 6 0. La función entonces ejecuta dos tareas. Escoja sus puntos base para obtener una buena exactitud. 18.14 para resolver los problemas 18. y a) prediga f(4) y7(2. También tenga su código para detectar cuándo requiere el usuario un valor fuera del rango de las x.5.5.9 4 0. 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 18.4 y prediga/(3. 2 . la tabla de x y los valores de f(x) se guardan primero en un par de arreglos unidimensionales. Desarrolle tal función usando un polinomio de Lagrange cúbico para realizar la interpolación.5. Para ambos casos. .2).16 Use el programa que desarrolló en el problema 18. c) Use interpolación cúbica y bisección para determinar el valor de manera numérica. .14 Desarrolle. X /|x) Calcule f(A) usando polinomios de interpolación de Newton de orden 1 a 4.blogspot.15 Pruebe el programa que desarrolló en el problema 18. 18. 18.19 Una aplicación útil de la interpolación de Lagrange es llamada tabla de consulta. Para ambos problemas.21 Use el software que desarrolló en el problema 18.4.5) y b) verifique que7^(3) y / ( 3 ) = 5.11.3.20 para ajustar segmentarias cúbicas a través de los datos en los problemas 18.75 6 36 implementar interpolación de polinomios de Newton con base en la figura 18.14 para resolver los problemas 18.5 2 0.com .20 Desarrolle.94117 6 5 0. 18.5. 18 . Con base en el pseudocódigo de la figura 18. 10. depure y pruebe un subprograma en lenguajes de alto nivel o en un lenguaje macro de su elección para implementar interpolación de Lagrange. Sea cuidadoso con los intervalos primero y último donde éste no es el caso. X 0 0 1 0.93 para los siguientes datos tabulados. 18 . Pruébelo con los mismos datos del ejemplo 18.

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

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

8 6 6 .0 . = 0. y en cualquier caso. cuatro parámetros sirven para caracterizar el sinusoide (véase figura 19.5 s). Para este capítulo se usará el coseno.2) Así. La amplitud Cj especifica la 0 FIGURA 19. 2TC 2 - 6. La sumatoria de las tres curvas en b) da la curva simple en a). OQ = 2K/T= 2JI/|1 . y 0 = jt /3 radianes = 1 .3). Para este caso. donde A.1).3 o) Una gráfica de la función sinusoidal y(f) = AQ + Cj eos [COQÍ + 6). el cual se puede expresar de manera general como f(t) = A 0 + Ci eos (&>oí + 0) (19. eos (cobí) .5 s. Otros parámetros usados para describir la curva son la frecuencia f = «13/(271).com . En el presente análisis se usará el término sinusoide para representar cualquier forma de onda que se pueda describir como un seno o coseno. los resultados serán idénticos.7.5 s). y el periodo T= 1. la cual para este caso es 1 ciclo/(l . Las más fundamentales son las funciones sinusoidales. que es el valor más pequeño para el cunl ON válida la ecuación (19. sen (ffibO 0 A. b| Una expresión alterna para la misma curva es y[f¡ = AQ + A-¡ eos («r/) + 8] sen (ca^f).1 http://libreria-universitaria. No existe una convención muy clara para escoger alguna función. Los tres componentes de esta función son ¡lustrados en b). Ejemplos comunes incluyen formas en onda tales como cuadradas y dientes de sierra (véase figura 19. = 1.5 y 8] = .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.0472 (= 0.19. ajusta la altura promedio por arriba de la abscisa.25 s).blogspot.2). El valor medio A . AQ = 1. C.

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

blogspot.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 (19.7) Dividiendo las dos partes de la ecuación (19. pero que se encuentra en el formato de un modelo lineal general [recuerde la ecuación (17.2) y mediante la agrupación de términos se obtiene (véase la figura 19.6) donde A = Cj eos (9) x B = .j 0 0 (19.23)]. Si se eleva al cuadrado y se suma la ecuación (19.9) Así.6) puede ser pensada como un modelo lineal de mínimos cuadrados http://libreria-universitaria. sen (9) x (19. La única consideración importante es que uno u otros formatos deberían usarse en forma consistente. 1 9 .C .5) que el adelanto de la fase está incluido en el argumento de la función coseno. se puede simplemente aplicar como la base para un ajuste por mínimos cuadrados. agregue 7ra 9. 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.8) donde. si A < 0. 1 .6) que todavía requiere cuatro parámetros. antes de proceder con la próxima sección.sen (ciy) sen (9)] 0 Sustituyendo la ecuación (19. usaremos la versión coseno en todo nuestro análisis. la ecuación (19. Así.Í) eos (9) .2).com . se debería resaltar que se podría haber empleado un seno más que un coseno como nuestro modelo fundamental de la ecuación (19. Como se analizará en la^próxima sección.10) En otras palabras. Esta deficiencia se puede resolver al involucrar la identidad trigonométrica Cj eos (cu f + 9) = Cj [eos (CÜ¡.7) se obtiene 9 =arctan^--^ (19. 9=8— n/2.2) (19.5) en la (19. 2 C [ = A + C.36) f(t) = A + A eos (ct^í) + B sen ( a y ) 0 x x (19. 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. Sin embargo. sen (ü) ? + 5) 0 0 podría haberse usado.7) se tiene x = JÁ\ + B representa una formulación alterna de la ecuación (19.

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. Así. 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. z = eos (co f).z m + e (17. Sin embargo.. Para esta situación. z = sen ( G ) Í ) y todas las otras z = 0.) + B sen (c<y.13) X eos (úfyí) sen (co^f) N • 0 Así.Z| + az 2 2 H ra„. 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.11) la cual es justamente otro ejemplo del modelo general [recuerde la ecuación (17. los coeficientes se pueden determinar como N/2 http://libreria-universitaria.23)] y —az Q 0 + a.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 ) (19.12) X Y X Y eos (a^t) sen (c^r) Estas ecuaciones se pueden emplear para resolver los coeficientes desconocidos.542 APROXIMACIÓN DE FOURIER y=A 0 + A eos (co t) 4.com \A ) Q [l/NO I 0 2/N O 0 l I í ] {A^** SJ/COÍCFIV) ly ] \ . cuyos elementos son los dos recíprocos del original.23) donde z = 1. en lugar de hacer esto.B sen (co t) + e x 0 x Q (19. los siguientes valores promedio pueden determinarse (véase el problema 19.)]} de matriz como [recuerde la ecuación (17. Así. para los puntos igualmente espaciados.blogspot. 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.

= ^ 2 .687 0.15 para el rango de t = 0 a 1.000 0 De esta manera.15) (19.462 0.061 -2.3 se describe por y — 1.20 1. 8 6 6 ) = 1.866 sen (c%t) 0 El modelo se puede expresar también en el formato de la ecuación (19.200 1. Genere 10 valores discretos para esta curva en intervalos de Ai = 0.319 -0.19. 5 0 2 = 0.05 1.595 1.732 0.330) = -0.938 0.7 + 0.7 + eos (4.291 0.2) al calcular [véase ecuación (19.30 0.786 1. La curva en la figura 19.0472).536 -4.000 = — ^ — = 1.500 eos (co t) .502 0.200 -1.1 [ Ajuste por mínimos cuadrados d e un sinusoide Enunciado del problema.253 -2. el ajuste por mínimos cuadrados es y= 1.805 2.000 0.9)] Cj = s/(0.829 2.0472 0.678 2.031 0.866 x 1= 17.980 0.722 0. 0 0.= 1.200 1.com para dar .189 son j 1 Solución.35 t 2.16) EJEMPLO 19.60 0.5) + 2 ( .11) por ajuste de mínimos cuadrados.189í + 1.1 AJUSTE DE CURVAS C O N FUNCIONES SINUSOIDALES 543 4> = -^7N ¿.369 2.223 -0.0 .866\ — — — .330 Estos resultados se pueden usar para determinar [véase ecuaciones (19. =—Xycos(flW) N B = — ly sen (co t) N x 0 (19.00 2 http://libreria-universitaria.90 1.0.16)] A 17.75 0.500 2 B = —(-4. Los datos requeridos para evaluar los coeficientes con (ü = 4.547 -1.114 2.blogspot.200 1.14) a (19.460 -0.000 -1.7 2 A.8)] 9 = arctan / V -0.636 -1.15 0.500 / y [véase ecuación (19.45 0. Use esta información para evaluar los coeficientes de la ecuación (19.614 y y eos (io f) 0 y sen (io f) 0 2.14) (19.35.

para datos igualmente espaciados. 3cüb.. una explicación alternativa es emplearlos para interpolación o colocación (es decir.. se puede representar por medio de una serie infinita de sinusoides de frecuencias relacionadas de manera armónica. lodií lai funeionei perlódloii derlvidw fliioamtntc utUtiotn ntii oondlolonei.7 + eos (coot + 1. 2m + 1.. los coeficientes pueden ser evaluados por A = ly N 0 A¡ = N 2 ly eos (Jo) t) 0 j = 1. 0 x x 0 2 2 o de manera más concisa.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./n 0 Bj = — ly sen (Jco t) Aunque estas relaciones se pueden usar para ajustar datos en el sentido de regresión (esto es..0472) o alternativamente como un seno usando la [ecuación (19. c o s 0 La existencia d e las series d e Fourier eslá releridn en Ins condiciono» d e Dirichlol.com dlicontlnuoi. .blogspot. f(t)= a + 0 2 [a eos (katf) + b sen (ko^t)] k k (19.7 + sen (ü) r + 2. usarlos para el caso donde el número de incógnitas. De esta forma. sea igual al número de datos.544 APROXIMACIÓN DE FOURIER y = 1. Para una función con un periodo T. cos(a\.2. la ecuación (19.. como se describirá a continuación..17) expresaf(t) como una combinación lineal de las funciones base: 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.f). 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..17) donde COQ = 2rt/res llamada la frecuencia fundamental y sus múltiplos constantes 2(0$. sen (u^í). etcétera.. 19. .10)] y = 1. son llamados armónicos. En general. 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) + . N. Fourier demostró que una función periódica arbitraria. (2&V)' sen (2fi) r). N > 2m + 1). Éste es el procedimiento usado en la serie de Fourier continua.

integrarla y reordenarla para obtener la ecuación (19. Este último caso se puede evaluar con la ecuación (B19. / / (/) di «„ T http://libreria-universitaria. .5) y. 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. .I.1.1. la ecuación (B19. por ejemplo (B19.j . En forma similar.2 SERIE DE FOURIER CONTINUA 0 4 1 Como se describe en el cuadro 19. (B19.. con excepción del caso donde k = m. Para evaluar uno de los coeficientes coseno. 2.1.19.6) ecuaciones (B19. .1.19).1). .1.17) 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. las ecuaciones son / 2 r a* = — / /(?) eos (keüot) dt T 0 para k = 1 . .1.1 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 . JO f ^ d t ('orno se hizo para los datos discretos de la sección 19. . se observa que cada término del lado derecho es cero.1.1).1.18) y b = — í f(t) sen (kco t) dt T Jo k 0 (19.com .19) para k = 1. 1. 2 . 1 . y a = 0 — f f(t)dt T T Jo (19.2) y (B19. la ecuación (19. los coeficientes de 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 (B19.4).17) se pueden calcular por medio de 2_ <f f(t) eos (kco t) dt T Jo T 0 (19.20) Cuadro 19. por tanto.6) se puede resolver para a .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. 3 . cada lado de la ecuación (19.1.1.17) se puede multiplicar por sen (rna^t).blogspot.)]> 19 18 ( orno cuela término en la sumatoria es de la forma de la ecuaI'II'M (BI9.1.3) C.1) M U ^ d i o de la función en ol rr / eos (ko) t) sen (gco t) dt = 0 0 0 periodo. 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. o de manera más general [véase ecuación t 0 e l a s m ( . 1.2) ^ \ ecuación (19. .5) l'ni'ii •AI evaluar sus coeficientes.

. Los coeficientes restantes se pueden evaluar como [véase | ecuación (19.18)] 0 I a k Las integrales se evalúan para dar De manera similar. 7. 11. para A: = 3 ...com . 1 -R i -772 0 I R/2 i R fc -1 http://libreria-universitaria. se puede obtener en forma directa un valor de a — 0. 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. 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. Uno forma de onda cuadrada o rectangular con una altura de 2 y un periodo T = 271/(0^.5 ÍJÍ IJÍ Los resultados de los primeros tres términos se muestran en la figura 19...2 APROXIMACIÓN DE FOURIER Aproximación de la serie de Fourier continua ! | 1 ! | Enunciado del problema.. Use la serie de Fourier continua para aproximar la función de onda cuadrada o rectangular (véase la figura 19. Como la altura promedio de la onda es cero.6.5) F-1 / ( 0 = L 1 L -1 -T/2<t<-T/4 -T/4<t< T/4 T/4 < t < T/2 \ Solución. Por tanto.546 EJEMPLO 19. 9.blogspot. se puede determinar que todas las b = 0.

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. La función sen (í) es una función impar.blogspot. 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. http://libreria-universitaria.com I . ya quef(t) = /(—r).5.6 La aproximación de la serie de Fourier de la onda cuadrada a partir de la figura 19. Debe mencionarse que a la onda cuadrada en la figura 19.•41 1 9 . Otro ejemplo de una función par es eos (í). Se muestran también los términos individuales que se fueron agregando en cada etapa. Para este caso las a serán igual a cero. Se puede demostra i (Van Valkenburg. 1974) que las b en la serie de Fourier siempre son igual a cero par» funciones pares.5 se le llama función par. b) segundo y c¡ tercero.

La vuelta completa de pico a pico es innecesaria a causa de la simetría.1b). nuestro análisis de la aproximación de Fourier se ha limitado al dominio del tiempo. Aunque no sea tan conocido. el comportamiento en el dominio de la frecuencia es meramente su proyección dentro del plano frecuencia. donde se ha dibujado una gráfica en tres dimensiones de una función sinusoidal. llamado ángulo de fase. Por lo tanto. Ambos tipos de expresión se ilustran en la figura 19. es requerido para ubicar la curva relativa a t = 0. la figura 19. se debe incluir un diagrama de fase. la serie de Fourier se puede expresar en términos de funciones exponenciales como (véase el cuadro 19.21) 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. cuando se habla acerca del comportamiento del sinusoide en el dominio del tiempo.com En esta gráfica. los ejes de la amplitud y el tiempo forman un plano tiempo. Como se observa en la figura 19. es la variable dependiente. Así.3 FRECUENCIA Y D O M I N I O S DE T I E M P O Hasta este punto. Sin embargo.APROXIMACIÓN DE FOURIER Además del formato trigonométrico de la ecuación (19.7a.2 y el apéndice A) oo f(t) = ce k ikml (19. la magnitud de la amplitud de la curva.22) Esta formulación alterna tendrá utilidad a través del resto del capítulo. f(t) = Cj eos (/ + | ) http://libreria-universitaria. Junto con la ubicación \IT a lo largo del eje frecuencia.blogspot. y las variables independientes son el tiempo t y la frecuencia/ = WQIITÍ. y los ejes amplitud y frecuencia forman un plano frecuencia. queremos decir la proyección de la curva dentro del plano tiempo (véase la figura 19. como el mostrado en la figura 19. En consecuencia. Esto se debe a que la mayoría de nosotros nos sentimos cómodos al conceptualizar el comportamiento de una función en esta dimensión./(r).17). esta proyección es una medida de la amplitud positiva máxima del sinusoide Cj.7í/.7c.7c define ahora la amplitud y frecuencia del sinusoide. Ésta es una información suficiente para reproducir la forma y tamaño de la curva en el dominio del tiempo. En consecuencia. El ángulo de fase se determina como la distancia (en radianes) de cero al punió en el cuul ocurre el pico positivo. De manera similar. el dominio de la frecuencia proporciona una perspectiva alterna para caracterizar el comportamiento de funciones oscilatorias. 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. se dice que . de igual manera también se puede hacer contra la frecuencia. un parámetro más. Así. 19. Si el pico ocurre después de cero. justo como la amplitud contra tiempo se puede graficar.

1).2.IV) = co + J2^e "" + Y(B19.com . debido a las propiedades de pandad del coseno y del seno. digamos. de la figura 19.3 FRECUENCIA Y DOMINIOS D I TIEMPO Cuadro 19. el ángulo de fase tiene un signo negativo.2) ]T c-¡te''* 4=0 k=-\ ^ (B19. ika ika l j k a p é n d i c e Por tanto. 2 6) e c donde la sumatoria incluye un término para k = 0.4) ~c.2.1) /(O = J^cte'^ + ]T c-^"'*"*' A partir de a i a .2.aj-it-t <'-•* = <-'k — a -ib k k a k + l b k ^ = ffZ ~' °' me ka = dt (B19 2 ?) -- ^ 2 (B19.17) a (19. En forma opuesta.7c y 19. -a /(.2.3) 2 = se aopueden + ^ (sustituir >°> 4 .8 se ilustra algunas otras posibilidades.6) y (B19. haga la suma de — 1 a — °°.7) son las versiones complejas de las ecuaciones (19.2. /(?) = ^c^''^ ' + 0 " 6 2' " (B19. un pico antes de cero se dice que está adelantado y el ángulo de fase es positivo. En la figura 19.4) ika ak ak cosx= a . está retrasado (recuerde nuestro análisis de atrasos y adelantos en la sección 19..2) y (B 19. expresar en torma exponencial como senx = e *= 1 Para simplificar aún más.2.1) para dar las cuales en la ecuación ¡t=j V 2 2 / (B 19.20). se hace présenle su poder y http://libreria-universitaria.7. 1 a » . ° por tanto. .blogspot. «A = a-t yh= -b-t reexpresarsecomo k=\ La ecuación . J a de a Euler.5) para obtener 1 \ = — / / y a que 1 li = . Observe que el .5) 1 donde.7a.) = £ ¿V**' 1 (B19 . una serie de Fourier.e-puede.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. Sin embargo.2.2.7a* proporcionan una forma alterna de presentar o resumir las características pertinentes del sinusoide de la figura 19. cuando se aplican a una situación más complicada.2 F o r m a compleja de las series de F o u r i e r I .2..2. las ecuaciones (B19. \en lugar de sumar la segunda serie de . Mediante las ecuaciones (B 19.19) son sustituidasenla ecuación (B19. tj i el i seno y coseno se pueden J A la identidad o . Para evaluar lascólas ecuaciones (19. Se hace referencia a ellas como línea espectral. el pico está en cero y el ángulo de fase se traza como +7t/2. Así. 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. -ika>n¡ (B19. Se acepta que para una sola sinusoide estas líneas no son muy interesantes.3) y simplificando se obtiene .18) y (19.2.2. . Se puede observar ahora que las figuras 19./'. y por convención.19. 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. Lillas son en http://libreria-universitaria. En contraste.6 y 19.9a y 19. — (4 /3n) eos (3íu r). 1 valor verdadero. (4/57t) eos (5G) r)].550 APROXIMACIÓN DE FOURIER FIGURA 19. Se reproduce la proyección del tiempo en b¡. Tal espectro proporciona información que no podría ser aparente desde el dominio del tiempo.9.com particular valiosas para casos no idealizados donde algunas veoes nos permiten discernir 0 0 . La primera. Como tal. Esta alternativa no proporciona una visualización adecuada de la estructura de esas armónicas. etcétera.7 o) Una ilustración de cómo se puede dibujar un sinusoide en los dominios del tiempo y la frecuencia.9 muestra la línea de fase espectral y amplitud para una función de onda cuadrada como la del ejemplo 19. La figura 19. La proyección fase-frecuencia se muestra en a ).6 representa dos perspectivas alternas tiempo-dominio. no nos indica nada acerca de las sinusoides comprendidas. Por ejemplo. La alternativa es mostrar esas sinusoides [es decir. las figuras 19.blogspot. Esto se puede ver al contrastar las figuras 19. la figura 19. la onda cuadrada original.96 proporcionan una visualización gráfica de esta estructura. (4/rc) eos (6%f). mientras que la proyección de la amplitud-frecuencia se reproduce en c). la línea espectral representa "huellas dactilares" que nos pueden ayudar a caracterizar y entender la forma complicada de una ondú.

9 a) Amplitud y b) línea de fase espectral para la onda cuadrada de la figura 19.| — i 7 C tr ~ FIGURA 19. 4/it 2/JI 3<.8 Varias fases de un sinusoide mostrando la fase asociada a la línea espectral.blogspot. 3f 0 5/ 0 7/ 0 J t / 2 http://libreria-universitaria. 3 FRECUENCIA Y DOMINIOS DE TIEMPO «r n ->.5.1 9 .com 6) . 54 a) J _ 7f 0 n/2 í. FIGURA 19.

1974. Van Valkenburg. como en oo / -co f(t)e. En otras palabras. Además las ecuaciones (19.26) son conocidas por lo general como transformada de Fourier. 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. una alternativa para la serie de Fourier sería valiosa al analizar dichas formas de onda no periódicas. 2 . radios. Ya que fenómenos como éstos son de gran interés para los ingenieros. es referida como la inversa de la transformada de Fourier 0 .23) f T/2 Ck = ~ / f(t)e. se puede demostrar (por ejemplo. 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. En la siguiente sección se describirá la transformada de Fourier que nos permitirá extender tal análisis para ondas de forma no periódica. F(ico ) es también llamada la transformada de Fourier de f(t).25) y (19. pero causará interferencia con los receptores en operación en un amplio rango de frecuencias (por ejemplo en televisores. .25). como se http://libreria-universitaria. . es llamada la integral de Fourier de f(i). definida por la ecuación (19.4 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. La integral de Fourier es la principal herramienta disponible para este propósito. 19. existen muchas formas de onda que no se autorrepiten de manera regular. como T se vuelve infinito. Entonces. Si se permite que ocurra esto.°< dt (19. 1 . La transición de una función de periódica a no periódica se puede efectuar al permitir que el periodo 1 J-T/2tienda al infinito. sólo con ser llamada la integral de Fourier.25) y los coeficientes se vuelven una función continua de la variable frecuencia co. la función misma nunca se repite y de esta forma se vuelve no periódica.°' iüJ dt (19. Tal evidencia sugiere que una señal no recurrente tal como la producida por el relámpago exhibe un espectro de frecuencia continuo.24) donde % = 2rc/Ty k = 0 . .com definió con la ecuación (19 . Por ejemplo.552 APROXIMACIÓN DE FOURIER la estructura en otra forma como señales oscuras./(/).26) La función F(ico^. un relámpago ocurre sólo una vez (o al menos pasará mucho tiempo para que ocurra de nuevo). En el mismo sentido. receptores de onda corta. etcétera).26). Hayt y Kemmerly.blogspot.

La serie de Fourier convierte una función continua. 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. http://libreria-universitaria. 0 El cambio de un espectro continuo en uno discreto se puede ilustrar gráficamente.com . los dos procedimientos discrepan en cómo se mueven en el dominio del tiempo y de la frecuencia. En la figura 19. La distinción entre serie y transformada de Fourier debería ser ahora muy clara. Además de esta principal diferencia. 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. En contraste.blogspot. De esta manera.19. 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. Así. 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).2.4 INTEGRAL Y TRANSFORMADA D E F O U R I E R ' FIGURA 19.10 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. Esta función es igual a la que se investigó antes en el ejemplo 19. sólo que en este caso está verticalmentc corrida. de periódica en el dominio del tiempo a magnitudes en el dominio de la frecuencia con frecuencias discretas. la transformada de Fourier convierte una función continua en el dominio del tiempo en una función continua en el dominio de la frecuencia.

Segunda. Ahora que se ha introducido una forma para analizar una señal periódica. f designa un valor de la función continua f(t) tomada en t . para el racional de exclusión f . (Véase Ramírez. estos efectos continúan en forma de cada vez más líneas espectrales comprimidas hasta que el espacio entre las líneas tienda a cero.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.11. Primero. se hará el paso final en nuestro desarrollo. 1. N — 1. Como se ilustra en la figura 19. Un valor no se incluye en n = N. 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. los datos con frecuencia se colectan o convierten en un formato discreto. dos líneas de frecuencia adicional se agregan sobre un lado de las componentes originales. En tanto se permita al periodo aproximarse al infinito. 2.106. una duplicación del periodo de pulso del tren tiene dos efectos sobre el espectro. las amplitudes de las componentes se reducen. Así.26). los datos están invariablemente en una forma discreta.. Observe que los datos se especifican en n = 0. . En lugar de esto.554 APROXIMACIÓN DE FOURIER En la figura 19. las funciones a menudo son representadas por conjuntos de valores discretos finitos. las series convergen sobre la integral de Fourier continua. En el límite. En forma adicional. 19. como se ilustra en la figura 19. . http://libreria-universitaria.11 Los puntos de muestreo de la serie discreta de Fourier. .blogspot.) n n N FIGURA 19. ahora se mostrará cómo calcular la transformada de Fourier para tales mediciones discretas. El subíndice n se emplea para designar los tiempos discretos para los cuales se toma las muestras. 1985.10c. se puede dividir un intervalo de 0 a t en N subintervalos igualmente espaciados con anchos de Ar = TIN. Así.com .

se pueden emplear para calcular tanto la transformada directa de Fourier como la inversa para datos discretos. Para nuestro algoritmo de cómputo. El listado de resultados de tal programa se muestra en la figura 19.12.27) y (19.blogspot. DO n = O.N-1 l'. 2 Algoritmo d e cómputo p a r a 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. es una tarea muy laboriosa.11.28).'iuudocódigo para el t úlculo de la TDF.5 TRANSFORMADA DISCRETA DE FOURIER (TDF) MI Para el sistema en la figura 19. podemos usar la identidad de Euler para desarrollar un algoritmo que se pueda implementar en lenguajes que no contengan datos de variables complejas. lo incluiremos en la ecuación (19.25).27) para que el primer coeficiente F (el cual es análogo del coeficiente continuo a ) sea igual a la media aritmética de las muestras.27) y (19.if sen (ko^t)] N n =O 0 n (19. Observe que el factor l/7Ven la ecuación (19. 0 0 e ±m = eos a ± i sen a para expresar las ecuaciones (19. También. Como tales. = rea\ + f cos(angle)/N ¡maginary = ¡mag¡nary .28) es sólo un factor de escala que se puede incluir.f s¡r¡(angle)/N END DO END DO 0 k n k k n http://libreria-universitaria.29) se enlista en la figura 19.com .28) como 1 k N F = — 2 L T „ eos (küJ n) .28) donde co = 2n/N Las ecuaciones (19. FIGURA 19.28) representan las análogas discretas de las ecuaciones (19. se puede escribir una transformada discreta de Fourier como AT-I F k = 2 Para k = 0 a N .27) o en la (19.1 (19. desarrollaremos un algoritmo de cómputo para implementar la TDF. pero no en ambas. respectivamente.26) y (19.12 DOk = 0. Este algoritmo se puede desarrollar en un programa de cómputo para calcular la TDF. Así.29) y N-l f„ = 2 I=0 [Fk c o s ( o) k(0 n + k iF s e n <M)")1 (19. N -1 angle = ko) n realf.30) El pseudocódigo para implementar la ecuación (19.27). el TDF requiere N operaciones complejas. Como lo expresa la ecuación (19.13 para el análisis de una función coseno.] 9. ya sea en la ecuación (19.1 (19.

000 0 .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 19.707 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 .blogspot.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. o TRF.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. 000 0 .000 -0 707 -1 000 -0 . Su velocidad surge por el hecho de utilizar los resultados de los cálculos previos para reducir el número de http://libreria-universitaria. 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.707 0 . 19. La transformada rápida de Fourier. En particular.13 f(t) 1 . es laborioso su trabajo de cómputo debido a que se requiere N operaciones. para los datos de las muestras de un tamaño moderado.01 s.12 para la TDF de los datos generados por una función coseno f(f) = eos [2 K (1 2. explota la periodicidad y simetría de funciones trigonométricas 2 . En consecuencia. la determinación directa de la TDF puede ser en extremo consumidora de tiempo. es un algoritmo que ha sido desarrollado para calcular la TDF en una forma extremadamente económica.5)f] en 32 puntos con Al = 0.

J. es alrededor de 100 veces más rápida. publicaron un artículo clave. como a menudo las transformadas discretas toman días o semanas para ser calculadas a mano.blogspot. Por ejemplo. El primer algoritmo TRF fue desarrollado por Gauss en los inicios del siglo XIX (Heideman y cois. Para N = 1 000. o "particiona" sucesivamente en TDF más pequeñas. Así. Cooley y J. es llamado algoritmo de Cooley-Tukey. para calcular la transformada en aproximadamente 7Y log N operaciones (véase figura 19.14). Otras contribuciones principales fueron hechas por Runge. 1984). Lanczos y otros en los comienzos del siglo XX. no atraían mucho el interés antes del desarrollo de la moderna computadora digital.19. En la actualidad. En 1965.14 Gráfica del número de operaciones contra tamaño de la muestra de TDF estándar y la TRF. en el cual delineaban un algoritmo para el cálculo de la TRF. W. La distinción entre las dos clases se analizará después de haber elaborado el método.. similar a aquel de Gauss y de otros investigadores anteriores. 2 http://libreria-universitaria. Este esquema. Tukey. Sin embargo. Este método es un elemento de otra clase de algoritmos llamado técnicas de decimación en la frecuencia. Hay una variedad de formas diferentes de implementar este principio. existen otros procedimientos que son adaptaciones de este método. el algoritmo de CooleyTukey es un elemento de las llamadas técnicas de decimación en el tiempo. para N = 50 muestras.com . En esta sección se describirá un procedimiento alterno llamado algoritmo Sande-Tukey. La idea básica detrás de cada uno de estos algoritmos es que una TDF de longitud N se descompone. Danielson. W.6 TRANSFORMADA RÁPIDA DE POURIER i 2 000 Muestras FIGURA 19. la TRF es alrededor de 10 veces más rápida que la TDF estándar.

.=() -¡WN)kn n=N/2 (N/2)-\ + f e-iQ*/w> n donde k = 0 . II . 1 .34) Ahora. 2 .558 APROXIMACIÓN DE FOURIER 19.34) de acuerdo con valores pares e impares de k.. . C (W/2)-l \ ^ ( f (¿V/2)-l A.blogspot. Por tanto. N — 1.1 (19. se supondrá que N es una potencia entera de 2.32) donde 2n/N = O) . recuerde que TDF se puede representar de manera general como Ai. el próximo paso en el método es separar la ecuación (19.31) donde M es un entero. m = n — N/2.32) 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. La ecuación (19.1 F = 2 f e-* " k n 2m k para * = 0 a N . para puntos pares es igual a 1 y para los nones es igual a — 1.32) en términos del primer y último N/2 puntos: (A//2J-1 N-l F = k ] T fi¡e /.com y para loi valores impares. . Esta restricción se introduce para simplificar el resultado del algoritmo. N=2 M (19. . £ f^^-iWNMm+N. (A72)-! Fk = £fa-WN*. Para los valores pares. Una nueva variable. se puede crear para que el rango de la segunda sumatoria sea consistente con la primera.6.~i2nkn/{N/2) http://libreria-universitaria.0 'I o . Ahora. .. De esta forma. observe que el factor e~' = (—1)*. f \ „-i2x(2k)n/N _ i f 4f .1 A l g o r i t m o Sande-Tukey En el caso actual.„1 .» n=0 + m=0 = E (AÍ/2J-1 «=0 (fn+e'^fn+w)'-' * """ 2 1 Kk (19.

. resulta en forma directa que J 2k =G ) k H parafc = 0. 2 2 2 2 2 http://libreria-universitaria..U N ^ e . Ya que cada uno de los últimos requiere aproximadamente (N/2) multiplicaciones y sumas complejas.1.35) De esta manera. . 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« = 0.35) y (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. (JV/2)-l F2k= E n=0 \fn + fn+N/2)W " 2k y para los valores impares. el procedimiento produce un factor de 2 en ahorro (es decir N contra 2(7Y/2) = N /2.1. El contraste entre este nivel de esfuerzo y el de la TDF estándar (véase figura 19. 1.1 ^24+1 - k J En otras palabras. (N/2)-\ F 2 k + l = E «=0 {fn- fn+N.2)W W n 2kn Ahora. un cálculo de N puntos se ha reemplazado por dos cálculos de (N/2) puntos. 2. El esquema se ilustra en la figura 19.36). 2... 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./. Estas ecuaciones se pueden expresar en términos de la ecuación (19...com . Ahora es claro que este procedimiento de "divide y vencerás" se puede repetir en la segunda etapa. El número total de cálculos para toda la población es del orden de T V log N. _ (/V/2) I V" t f n=0 (N/2)-¡ r \ „ i'lnak \ \)n/N = £ n=0 ( f n . Así.'. Para los valores pares.16). Los pesos W° son algunas veces llamados factores de vuelta. (N/2) .. La estrategia es continuada a su inevitable conclusión cuando N/2 puntos dobles de las TDF se hayan calculado (véase figura 19.2.1 (19.36) (19. 1.33). se puede hacer un conocimiento clave. (N/2) .15 para /V = 8.' ^ e - 2 " ^ ^ p a r a k = O.(N/2) .14) ilustra por qué la TRF es tan importante.blogspot.

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

2 A l g o r i t m o de Cooley-Tukey La figura 19. e ± m = eos a ± i sen a para permitir implementar al algoritmo en lenguajes que no acomoden en forma explícita variables complejas.com .16. se puede obtener el orden correcto al invertir esos fragmentos (véase figura 19. También observe que el ciclo exterior pasa a través de las M etapas [recuerde la ecuación (19. la TDF habrá sido calculada pero en desorden (véase el lado derecho de la figura 19.176.16 como un algoritmo.blogspot.16. Después de que esta primera parte se ejecuta.20 muestra una red de flujo para implementar el algoritmo de CooleyTukey.16 indica que su diagrama computacional molecular fundamental es la conocida en forma extensa como red mariposa.16).18. Esos coeficientes de Fourier pueden ser ordenados por un procedimiento llamado de fragmento inverso. Aunque las dos clases de métodos difieren en organización.12. Una inspección cercana a la figura 19. La segunda parte del algoritmo implementa este procedimiento.19.imaginario (1) Imaginario (0) . 19. Como fue el caso para el algoritmo de la TDF de la figura 19. Si los subíndices del 0 al 7 se expresan en forma binaria.temporal b) http://libreria-universitaria.17a. Este procedimiento es llamado una ordenación en tiempo. La primera parte consiste.31)] del diagrama de flujo.19). en esencia. la muestra se divide inicialmente en puntos impares y pares numerados. Es la inversa del algoritmo de Sande-Tukey descrito en la sección anterior. y los resultados finales están en el orden correcto. El pseudocódigo para la TRF se enlista en la figura 19.real (0)-real (1) real (0) = temporal temporal = imaginario (0) + imaginario (1) imaginario (1) = imaginarlo (0) . 2 FIGURA 19. El pseudocódigo para implementar una de esas moléculas se muestra en la figura 19. b) Pseudocódigo para implementar a). Observe que los datos reales valuados se guardan originalmente en el arreglo x. se usará la identidad de Euler. # ftP) temporal = real (0) + real (1) real(1) .6. en tres ciclos anidados para implementar el cuerpo computacional de la figura 19.6 TRANSFORMADA RÁPIDA DE FOURIER Algoritmo de cómputo.17 o| Una red mariposa que representa el cálculo fundamental de la figura 19. ambos exhiben las AHog N operaciones que son la fortaleza del procedimiento de la TRF. Para este caso. Es una proposición relativamente directa expresar la figura 19. ilustrada en la figura 19.

= xt yt=yj yj=y.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 .com .blogspot. 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.=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 .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.NN1 kk = i+ N2 xt = x(¡) .N2-1 c = coe(angle) e = sin(atigle) DO i =j. E N D IF y.562 APROXIMACIÓN DE FOURIER m = LOÚ(N) / L0G(2) N2 = N D0k = 1. FIGURA 19.m N1 = N2 N2 = N2/2 angle = 0 arg = 2n IN1 DO} = 0. í.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. N-2 IF (i < j) THEN xt = Xj Xj X¡= x..x(kk) x(i) = x(¡) + x(kk) J=0 DO ¡ = 0.

la amplitud y el espectro de fase proporcionan un medio para discernir la estructura fundamental de señales aleatorias aparentes.blogspot. el espectro de potencia se deriva del análisis de la potencia de salida de sistemas eléctricos.20 Diagrama de flujo de una TRF con decimación en el tiempo para una TDF de 8 puntos. la potencia de una señal periódica en el dominio del tiempo se puede definir como 1 f T/2 1 J-T/2 Ahora. una gráfica de la potencia contra la frecuencia. Como se describió antes. Esta información se puede entonces desplegar como un espectro de potencia. De manera similar. 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 ) .9 ) http://libreria-universitaria.com .38) se cumple la siguiente relación (véase Gabel y Roberts 1987 para más detalles): ( 1 9 3 . ^ ¡ * i § i | i ) i i t a ^ l j ^ i ) . Si la serie de Fourier para f(t) es oo f(t) = Fne ' ikü>0 (19. 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 . 19. que van desde análisis vibratorio do estructuras y mecanismos hasta el procesamiento de señales. un análisis útil llamado espectro de potencia se puede desarrollar a partir de la transformada de Fourier. FIGURA 19. En términos matemáticos. Como su nombre lo implica.7 EL E S P E C T R O DE POTENCIA La TRF tiene muchas aplicaciones en ingeniería.

Por tanto. Dedicaremos la sección 20. Información adicional. con menos extensión. la potencia en f(t) se puede determinar al sumar los cuadrados de los coeficientes de Fourier. la armónica real simple consiste en ambos componentes de la frecuencia en 0 También sabemos que los coeficientes positivo y negativo son iguales. 19. Buenas introducciones a ambos asuntos se pueden encontrar en Ramírez (1985).blogspot.40) k El espectro de potencia es la gráfica de p como una función de la frecuencia ¿fi%.8 AJUSTE DE CURVAS CON LIBRERÍAS Y PAQUETES Las librerías y paquetes de software tienen grandes capacidades para el ajuste de curvas. En esta sección daremos una muestra de las más usuales. 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. TABLA 19. 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. Lewis y Welch (1977).564 APROXIMACIÓN DE FOURIER De esta forma.8. Oppenheim y Schafer (1975). p =2\F \ k k 2 (19. 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. Chirlian (1969). y Brigham (1974). recuerde que en esta representación. Cooley.3 a una aplicación de la ingeniería que involucra la TRF y el espectro de potencia generado por medio de paquetes de software. es decir. la aplicación más útil de Excel es para el análisis de regresión y. Ahora. las potencias asociadas con las componentes de frecuencia individual. Información adicional sobre la primera se puede encontrar en Van Valkenburg (1974).1 Excel En el presente contexto. Referencias sobre la TRF son incluidas en Davis y Rabinowitz (1975).1 Funciones prefabricadas de Excel que relacionan los ajustes por regresión de los datos. y Hayt y Kemmerly (1986). Gabel y Roberts (1987).com . para la interpolación polinomial. la potencia la ¿-ésima armónica real de /(Oes ±ka> .1). enf^t).

La primera elección en el tabulador Type es para especificar el tipo de línea. Para el caso actual. exponencial y potencia).69 1.53 1 0.21 Ajuste de un modelo logarítmico con los datos del ejemplo 19. lineal. Para ejecutar el comando Trendline. Para el caso actual. se abre un cuadro de diálogo con dos tabuladores: el Options (Opciones) y el Type (Tipo).8 AJUSTE DE CURVAS CON LIBRERÍAS V P A Q U E T E S 565 El comando Trendline (menú insert).5 2.3. Este comando permite un número de diferentes modelos de tendencia que se pueden agregar a la gráfica.5 2 1. y3 2 r 0 0 2 4 http://libreria-universitaria. Después.blogspot. 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. Usted habrá notado que varios ajustes disponibles en Trendline fueron analizados anteriormente en el capítulo 17 (por ejemplo. 2 2 FIGURA 19. El tabulador Options proporciona formas para configurar el ajuste. exponenciales. 3 Usando el comando Trendline de Excel Enunciado del problema. Esos modelos incluyen ajustes lineales.42 5.28 4 2. se debe crear una gráfica que relaciona una serie de variables dependientes e independientes. 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. El ajuste resultante junto con r se despliega en la figura 19.5 2.21.06 3. polinomiales. se selecciona Logarithmic. polinomial.5 2.5 2. EJEMPLO 1 9 .19.com .5 0. El siguiente ejemplo ilustra cómo se llama al comando Trendline. logarítmicos.79 y Solución.23 4. 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). Lo más importante en este contexto es desplegar tanto la ecuación como el valor del coeficiente de determinación (r ) sobre la gráfica. se usa la guía de gráficas de Excel Wizard (Asistente) para crear una gráfica XY con los datos.5 1.5 2 3 2.73 5 2. de potencia y de promedio de movimiento.

Este paquete de Excel.0002 0. z son m + 1 funciones diferentes.4 Usando el paquete de herramientas para el análisis de datos de Excel Enunciado del problema. R.2 0. Como se describió antes. radio hidráulico y velocidad del agua que fluye en un canal: S. 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.25 m/s 0. contiene una amplia capacidad para el ajuste de curvas mediante lineal general por mínimos cuadrados. y esto significa que no permite dibujar inferencias estadísticas con respecto al modelo a ajustar. Existe razones teóricas (véase de nuevo la sección 8.23).75 0. en la sección 17. está limitado a r .0002 0..5 0. tam- bién incluido.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 y 0. U. El siguiente ejemplo ilustra cómo tales modelos se pueden ajustar con Excel. 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. m 0.5 0. 2 El paquete de herramientas para el análisis de datos.23) donde z . U =aS R a.2 0.5 1 m/m Se tiene razones teóricas (recuerde la sección 8. debido a su contenido estadístico.5 0.2) para creer que o"y p deberían tener valores aproximados de 0.001 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. Ajuste estos datos con Excel y evalúe si su regresión estimada contradice los valores esperados de los coeficientes del modelo.4. Además.0005 0. z .blogspot.ayp a p U = a+a S+p R log log log http://libreria-universitaria. 0 x m EJEMPLO 19.0005 0.4 0.. Los siguientes datos se colectaron para la pendiente. Sin embargo.. El logaritmo de este modelo de potencias se usa primero para convertirlo al formato lineal de la ecuación (17.5 0..2 0.001 0. Solución. su inclusión en la opción Polinomial significa que también se puede usar para interpolación polinomial. como en la siguiente tabla: Se puede desarrollar una hoja de cálculo en Excel con los datos originales junto con sus .com respectivos logaritmos.

contiene una amplia capacidad para el ajuste de curvas mediante lineal general por mínimos cuadrados. Solución.5 1 m/m m Se tiene razones teóricas (recuerde la sección 8.566 APROXIMACIÓN DE FOURIER El comando Trendline proporciona una manera fácil para ajustar un número de modelos para datos que se usan de manera común.5 0. en la sección 17.23) donde z .5 0.com .oyp =aS"R p Se puede desarrollar una hoja de cálculo en Excel con los dalos originales junio con sus respectivos logaritmos.5 y 0. Como se describió antes.4. El siguiente ejemplo ilustra cómo tales modelos se pueden ajustar con Excel. U. debido a su contenido estadístico.4 0.0005 0. 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. radio hidráulico y velocidad del agua que fluye en un canal: S..75 0.2) para creer que o"y p deberían tener valores aproximados de 0. tales modelos son de la forma general y — ao^o + a\Z\ + a z 2 0 x m 2 H \-a z. Además.5 0. El logaritmo de este modelo de potencias se usa primero para convertirlo al formato lineal de la ecuación (17. está limitado a r . y esto significa que no per• ' mite dibujar inferencias estadísticas con respecto al modelo a ajustar. z son m + 1 funciones diferentes. Existe razones teóricas (véase de nuevo la sección 8. z . Ajuste estos datos con Excel y evalúe si su regresión estimada contradice los valores esperados de los coeficientes del modelo.001 0.23). Los siguientes datos se colectaron para la pendiente.2 0. respectivamente..2 0.0002 0.. EJEMPLO 19.2 0.blogspot. tam- bién incluido.4 Usando el paquete de herramientas para el análisis de datos de Excel . R. Sin emI bargo. 2 El paquete de herramientas para el análisis de datos. U = log a + tr log S + p log R a. Enunciado del problema.001 0. U 0.2) 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. Este paquete de Excel.0005 0.„+e m ' (17.667.25 0.. su inclusión en la opción Polinomial significa que también se puede usar para interpolación polinomial.0002 0.5 0. como en la siguiente tabla: http://libreria-universitaria.

la selección Data Analysis se incluirá en el menú Tools.30103 -0.0005 0. de R cuadrada Error estándar Observaciones ANOVA Regresión Residual Total Estadística de regresión 0.5 U 0.0005 0.998353 0. Después de estar seguros que se ha seleccionado la instrucción por default New Worksheet Ply. el paquete de herramientas para el análisis de datos debe algunas veces cargarse en Excel.30103 = log(A2) 0 P Como se muestra.69897 -0.0002712 0.0002937 95% 0. PSup.30103' .022189 Sfadf 20.0002 0. Debido a su estado como una "incluida".30103 -3 ^. -3.3010§ -0.69897 -0.219867 0.433137 Coehs. Valor Inf.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. Después se puede copiar esta fórmula a la derecha y hacia abajo para generar los otros logaritmos.com . llene en F2:F7 para el rango y y D2:E7 para el rango x y seleccione OK.r.5 0. al al 0.30103 -0. Error estdr.000726 0. Seleccione Regression y aparecerá un cuadro de diálogo que esperará se le proporcione información sobre la regresión. en la versión de Excel disponible en el tiempo de la edición en inglés de este libro.1106 F Siqniticanáa 0.994513 0.109933 0. Si el add-in ha sido satisfactorio.015559 6 •LI RH 10 !l il dt ss 2 3 5 0.60206 .75 0. Para hacer esto.3 .blogspot. 6 9 & V 1 -0.220593 MS 0.2 0.0002 0.5037521 Ó.2808009 1. 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¡.0001889 1.25 0.362521 1 0.5203 0.001 0.7641028 IflIdU'Bplo X Variable 1 0. Después de seleccionar Data Analysis en el menú Tools. un menú de Data Analysis aparecerá en pantalla conteniendo un gran número de rutinas orientadas estadísticamente.075932 0.5 0.2 0.000242 454.0501 19. simplemente use el ratón o la secuencia de teclas /Tools Add-Ins Después seleccione Analysis Toolpack y OK.30103 -3.996708 0.4 0.69897 -0.5 1 lofl(S| ¿ 3 4 5 6 7 loq(U| lofl(Rh) -0. una forma eficiente para generar los logaritmos es tecleando la fórmula para calcular el primer log(S).5 0.83456W 95% http://libreria-universitaria.12494 -3 \-0.001 0.39794 -3.2 0.

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. Las funciones slope e intercept regresan la pendiente e intercepto del ajuste lineal por regresión de mínimos cuadrados. 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. En este caso. La función pspline genera una curva segmentada que es una parábola en los puntos extremos. 19.504. La función loess ejecuta una regresión polinomial localizada de «-ésimo orden sobre un espacio de datos que usted puede especificar. La función regress se usa para una regresión polinomial de n-ésimo orden de un conjunto completo de datos.733 log R o al tomar el antilog. desviaciones estándar y coeficientes de correlación. Además.363 y 0. o lspline.1 para ver cómo se puede hacer esto. 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. dado un x valor.APROXIMACIÓN DE FOURIER De esta manera. Dichas tareas incluyen trabajos relativamente simples.835.522 + 0.631 y 0. la función genfit está disponible para casos donde los coeficientes del modelo aparecen en forma arbitraria.com Mathcad puede ejecutar una amplia variedad de tareas estadísticas. Dedicaremos un ejemplo en la sección 20. las ecuaciones no lineales más difíciles se deben resolver por iteración. ajuste de curvas y corrección de datos. pspline. Mathcad contiene un número de funciones para ejecutar regresiones. el ajuste no contradice los exponentes teóricos. Así.2 Mathcad http://libreria-universitaria. Finalmente. hay un 9 5 % de probabilidad de que la pendiente real del exponente esté entre 0.blogspot. y el coeficiente real del radio hidráulico esté entre 0. U = 333S R 0A33 0133 Observe que se han generado intervalos de confianza al 9 5 % para los coeficientes. 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. como trazo de histogramas y cálculo de resúmenes estadísticos de población tales como la media. Mathcad también proporciona la función l i n f i t que se usa para modelar datos con una combinación de funciones arbitrarias. varianza. La función lspline genera una curva segmentada que es una línea recta al final de los puntos. . usted puede ejecutar interpolación segmentaria cúbica en dos dimensiones al pasar una superficie a través de una malla de puntos. Además. La función cspline genera una curva segmentada que es cúbica en los puntos extremo. Finalmente.8. el ajuste resultante es log U = 1.433 log S + 0. Las funciones regress y loess pueden también ejecutar regresión polinomial multivariable. mediana. De esta forma.

9) = 0. Para hacer esto se pueden crear dos archivos de datos llamados MATSPLIN.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.14100 0.Mz.30200 4 -0.blogspot.12600 2 -0. El archivo MATSPLIN.P R N para leer los datos de esos archivos.00678 0.prn") Mxy :=READPRN("matxy.22 mediante el comando R E A D .30300 5 0.76100 x 3 -0. Después.29000 -0.36800 0. Los primeros dos activan las líneas en la figura 19.39000 0.PRN y MATXY.jx|j Sample interpolated valúes: fltí2.17500 0.65900 0.16400 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.93500 0. Los elementos de este archivo son pares de valores x y y que caracterizan los elementos de la diagonal de la región.22 Segmentaria 2D con Mathcad.97900 -0.76400 -0.51400 -0.Mz) fit(x.32700 0.com . LAS dimensiones de la rejilla están definidas por los datos en el archivo de texto MATXY.Mxy.70700 1 0. El primer paso es pasar los datos a Mathcad.17500 0. Esta FIGURA 19.8 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 19.46700 0.PRN. Ésta es una matriz que contiene valores de la segunda derivada y otros resultados numéricos en varias localizaciones de la rejilla.64900 -0.98600 -0.3.00302 -O. El símbolo definición se usa para asignar los datos de los archivos de datos a las variables Mz y Mxy. Los datos a ajustar son z 0 1 2 3 4 5 0 0.16700 -0.78200 -0.19.81400 0.y) := inteipjs.82600 0. File Edlt Vlew Insert Format SJath Symbolics yjlndow S«IP 2D SPLTNE Enter theroatrixspecifying a surface: Mz :=READPRN("matsplin.22500 0.30800 -0.23900 -0.5.33400 0.09200 -0. el símbolo definición y la función ESPLIN se usan para definir la matriz S.55300 -0.22).pm") Compute spline coefficients: S :=* cspüne(Mxy.73600 0.13900 -0.046 http://libreria-universitaria.PRN.10600 0.

2 3 TRF con Mathcad. tipo.9. y) con base en la interpolación segmentaria cúbica con los valores de entrada de x y y. La primera línea usa el símbolo definición para crear i como un rango variable. Mathcad realiza todo el resto para producir la gráfica mostrada en la figura 19. La gráfica de la señal se puede colocar sobre la hoja de cálculo al hacer clic en la ubicación deseada. usamos la función fft para el análisis de Fourier como el mostrado en la figura 19. son usadas por la función interp para regresar los valores de z como la variable de ajuste (x.23. Esta función regresa la transformada de Fourier de x. Esto coloca una línea roja cruzada en esa ubicación. usted puede interpolar en cualquier ubicación mediante el ajuste (x.com . Se construye una gráfica de la magnitud de c¡ como antes. Después c es definida como fft(x). c. 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.blogspot. 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. FIGURA 1 9 . ancho de línea del trazo de la función y agregar títulos.23.370 APROXIMACIÓN DE FOURIER matriz. Después x¡ es formulado mediante la función Mathcad r n d para impartir una componente aleatoria a la señal sinusoidal. usted puede usar del menú la secuencia Format/Graph/X-Y Plot para variar el tipo de gráfica. Considerando estas operaciones.5 y y = 3. leyendas y otras características. de coeficientes complejos que representan los valores en el dominio de la frecuencia. cambiar el color. como el mostrado con x = 2. Usted puede también construir una gráfica de la superficie interpolada como la mostrada en la figura 19. Simplemente teclee x¡ en el lugar reservado sobre el eje y y 0 y 80 para el rango en el eje x. El resultado es un vector.22. Una vez que se ha creado la gráfica. Mathcad file Edil ylew ¡nsert Formal Malh gymbollcs Wlndow tjelp FAST FOURIER TRANSFORM Define a real signal in time: Signal http://libreria-universitaria. y). junto con Mz y Mxy. Mathcad designa esta secuencia de operaciones. Como otro ejemplo para demostrar algunas capacidades para el ajuste de curvas mediante Mathcad.

a) Los valores de las variables independientes y dependientes se pueden introducir en los vectores por >> >> x=0:10. El siguiente ejemplo ilustra cómo usar algunas de ellas.2 Algunas funciones de MATLAB para implementar interpolación.1 9 . regresión. 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.blogspot. Después.2. Solución. use la función seno para generar valores igualmente espaciados f(x) de 0 a 10. Descripción Función polyfit interp 1 interp 2 spline fft EJEMPLO 1 9 . Explore cómo se puede emplear MATLAB para ajustar curvas con los datos. MATLAB tiene una variedad de funciones preconstruidus que abarcan las capacidades totales descritas en esta parte del libro.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. TABLA 19. segmentarias y TRF. Para hacer esto.24 Once puntos muestreados de una sinusoidal. ajústela con a) interpolación lineal. http://libreria-universitaria.3 MATLAB Como se resume en la tabla 19. Emplee un tamaño de paso de 1 de tal forma que la caracterización resultante de la onda seno sea dispersa (véase la figura 19.com . y=sin(x).24).8. FIGURA 19. b) polinomial de quinto orden y c) una segmentaria cúbica.

1 p l o t ( x .3542 -1. y .0008 -0. Tanto los valores originales (x. la función polyfit de MATLAB se puede usar para generar los coeficientes de un ajuste polinomial de quinto orden de los datos originales dispersos. x i . x i . >> xi=0:. >> >> yi = potyvaL(p. Estos se pueden a su vez usar para generar un nuevo conjunto de valores yi.0290 0. y . y i ) http://libreria-universitaria. los cuales pueden de nuevo ser graneados junto con las muestras originales dispersas. y) como los valores interpolados linealmente se pueden graficar juntos. o ' .25:10.6854 2.y.0915 p=poLyfit(x.xi).'o 1 . como se muestra en la gráfica siguiente: >> >> y i = i n t e r p 1 ( x .5860 -0. x i ) .5) donde el vector p cumple con los coeficientes polinomiales. plotCx. >> P= 0.572 APROXIMACIÓN DE FOURIER Un nuevo vector más finamente espaciado con valores de la variable independiente se puede generar y guardar en el vector xi.blogspot.y. y i ) 0 2 4 6 8 10 b) Ahora. 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.com .

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

blogspot. • 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.574 APROXIMACIÓN DE FOURIER TABLA 19.com .

0 .I8. n o b s . 5 8 3 . 0 5 / y / 0 . 8 4 .70 0.05 0. ' F i t t e d polynomlal i s ' DO i .3(5X. 0 . b(1) END DO * ' ( I X . ycalcd) http://libreria-universitaria.l . F 5 . 8 5 1 . 0 . 0 . 3 0 .nobs ycalc=0.com . 9 5 7 .ndeg.i. x ( n o b s ) . D O j = l. 1 5 . y ( 1 ) . 0 .x. 0 . Use RCURV para determinar la polinomial cúbica que proporciona un ajuste por mínimos cuadrados de los siguientes datos X 0. * * .45 0. 8 3 2 . 1 2 . 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.F8. 7 0 . 2 . 0 .j PARAMETER (ndeg -3. EJEMPLO 19.05 0.378 0. s s p o l y ( n d e g + l ) . (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.4.nobs.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. ycalc(nobs) DATA DATA CALL x / 0 . s t a t ( 5 ) D O i = l. 0 . 1 . 0 .832 0. 0 5 .B. 3 7 8 .y.15 0.957 0. " X " .583 0. n d e g + 1 PRINT ' ( 1 X . 4 5 .FS^)'. " TERM: ". X Y YCALC' " R A PRINT PRINT PRINT PRINT 2 : " . x ( 1 ) . s t a t ( 1 0 ) . y ( n o b s ) .• T.ndeg+l ycalc(i)-ycalc(1)+b(j)*x(i)**(j-l) END DO PRINT END END DO '(1X.295 1.851 0. 0 . 0 . PRINT A 1-1.30 0. 0 . 1 5 6 / RCURV(nobs. ' N O .blogspot. y) conteniendo NaN (no un número) como un valor x o y. 2 9 5 .156 y Solución. 0 .sspo1y.84 0.720 0.stat) * .12 0. " % " ) ' .ó Uso de IMSL para regresión polinomial m I Enunciado del problema.4))\ i .8 ) R E A L : : b ( n d e g + l ) . 7 2 0 . I I .

1200 .4 7. _ ¡¿mdx fix) = Use esta relación para verificar los resultados de la ecuación (19.2908 .4500 .4.2 8.2 La radiación solar en Georgetown.3 Los valores promedio de una función se pueden determinar por FIGURA P l 9. Carolina del Sur.9909 -1.9 7.0312 . amplitud y tiempo del pH máximo.8423 . Use la regresión por mínimos cuadrados para ajustar con la ecuación (19.7053 .8 8.9401 .9 8.8320 .576 | APROXIMACIÓN DE FOURIER i \ ] ' ? Un ejemplo de correr es F i t t e d polynomial i s X 0 TERM: A .1558 X 1 TERM: A X 2 TERM: A X 3 TERM: A R 2: A 9 9 NO. ha sido tabulada como Tiempo.2785 -.1 6.0500 .0513 X .4 7. .9 19.2950 .3780 .3880 . mo Radiación. http://libreria-universitaria. 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.7000 . hr 0 7. Grafique los primeros tres términos junto con la sumatoria.8711 . Use la ecuación resultante para predecir la radiación que habrá durante la mitad de agosto.5830 . Tiempo.81% 1 2 3 4 5 6 7 8 PROBLEMAS 19.1500 .3000 .com .5 12 15 20 22 24 7 PH 7 7.3 2 4 5 7 8.13).blogspot.8510 .0500 Y .1 El pH en un reactor varía en forma sinusoidal durante el transcurso de un día.5786 . 19.11) los siguientes datos.7200 . Use su ajuste para determinar la media. 19.9570 .4 Use una serie de Fourier continua para aproximar la onda de dentado de sierra mostrada en la figura P19.1560 YCALC .4 Una onda diente de sierra. ajuste a un sinusoide estos datos.8400 1.

8 2 .18. Pruébelo mediante la duplicación de la figura 19. 9 2 5 . 19. I « ) . pero ahora use MATLAB para realizar el análisis. 4 1 3 I <). 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 . 1 1 Use el programa del problema 19. I '). 6 2 1 1 1 .7 Construya la amplitud y línea de fase espectral del problema 19.21 Repita el problema 19.18 Use Mathcad para generar 64 puntos a partir de la función /(í) = eos (3t) + sen (1 Oí) desde t = 0 a 2rc. 5 7 5 . 1 0 Desarrolle un subprograma de uso amigable para la TDF con base en el algoritmo de la figura 19.• 357T donde Q es la amplitud de la onda.13. 19.com .15. 5 1 0 1 2 . I <>.16 Use el paquete de herramientas para el análisis de datos de Excel para ajustar una línea recta con los siguientes datos. pero ahora use la rutina RCURV de IMSL. 6 http://libreria-universitaria. 9 3 . Grafique los primeros tres términos liinto con la sumatoria.18. 7 6 .2. Determine el valor de y en x = 3.0 a 47.11 mediante el software que usted desarrolló en el problema 19. 5 6 7 . 8 -eos 6 í . repita la regresión. 6 2 .5. 3 0 5 6 . 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 . Pruébelo duplicando la figura 19. 7 1 8 .19 En una forma similar a la sección 19.3. 3 -1 1 f FIGURA P 19. 19.4. Y 2 0 2 0 1 2 7 Ó 5 .17 mediante a) interpolación lineal.6 Construya la amplitud y línea de fase espectral del problema 19.S Use la serie de Fourier continua para aproximar la forma de la onda en la figura P19. Determine el 90% de intervalo de confianza para el intercepto.10 para calcular una TDF pura la onda triangular del problema 19. 4 2 . Grafique los primeros cuatro (orminos junto con la sumatoria.20 Repita el problema 19. 4 1 2 .12 Desarrolle un subprograma de uso amigable para la TRF con base en el algoritmo de la figura 19. 2 0 1 6 2 4 3 2 4 0 O. 4 1 8 7 . Tome tiempo a cada corrida y grafique la ejecución contra N para verificar la ligura 19.8. Use 32.15 Use el paquete de herramientas para el análisis de datos de Excel para desarrollar una regresión polinomial de cuarto orden.8. 19.8. 19. 19. 8 7 0 8 . 5 3 .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 . 19. 19.8 Un rectificador de media onda se puede caracterizar por 19.13 Repita el problema 19. 7 2 6 . b) un polinomial de quinto orden y c) una segmentaria. use MATLAB para ajustar los datos del problema 19.blogspot. 6 3 . Tome una TRF de esos valores y grafique los resultados. 64 y 128 puntos de muestreo.12.5 I JTIO onda triangular. 5 1 5 1 7 . 3 1 7 . Si pasa por cero.1 1 9 . Grafique y contra x junto con la ecuación exponencial y r .9 Construya la amplitud y línea de fase espectral del problema 19. agregue una componente aleatoria a la señal.5. Muestre la onda de t . I'). 8 4 3 9 . Como se vio en la sección 19.14.8. 3 \ CIÓN EXPONENCIAL 1 2 . 5 3 .12. con los siguientes datos que contienen la concentración de oxigeno disuelto en agua fresca contra temperatura a nivel del mar. 1 1 1 K 2 sen / 2 3n „ eos 2t 2 15TT eos 4í 19. I <>.13. M G / L 1 4 . 1 2 .

En muchos de los modelos. 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). 20. %=k (20. 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.2) se observa que p(t) se aproxima al infinito en tanto t sea grande. Modelos de crecimiento poblacional son importantes en muchos campos de la ingeniería. se debe reconocer que la razón de crecimiento específico k no puede ser una constante en tanto la población se vuelva grande. el modelo debe ser modificado para hacerlo más realista. Este comportamiento es claramente imposible para sistemas reales. y debido a q u e p se aproxima al infinito.blogspot. 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. el organismo a modelar oslará limitado por luctorcs tales http://libreria-universitaria. Por tanto. muestra cómo se puede linealizar y ajustar los datos en un modelo no lineal mediante regresión lineal.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.com como carencia de comida y producción de deiechoi tóxicos. Solución. En la ecuación (20. entonces la solución de la ecuación (20. Una forma de expresar esto . Primero. o en forma de ecuación. 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.1) P donde k — factor de proporcionalidad conocido como el crecimiento específico y tiene las unidades de tiempo" . Este es el caso.2) d o n d e p = población cuando t = 0. Si k es una constante. La primera aplicación.1) se puede obtener de la teoría de las ecuaciones diferenciales: 1 p(t) = p e 0 0 kl (20.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. la cual es tomada de la ingeniería química.

1 se tiene la gráfica de la ecuación (20.blogspot.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 (20.3) donde k = la razón de crecimiento obtenible máxima para grandes valores de comidu (j) y K = la constante de saturación media. 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. Esto se lleva a cabo al invertir la ecuación (20.com . suponga que la población p representa la levadura empleada en la producción comercial de cerveza. Estos valores F I Gse U Rgrafican A 2 0 . Por tanto. Las constantes K y k son valores empíricos basados en mediciones experimentales de k para varios valores d e / Como un ejemplo.1. = = + (2 o. l/k es una función lineal de \lf. Se requiere calcular & y Ka partir de estos datos empíricos.*±/ _!LJ_ _L. En la figura 20. K es la cantidad de comida disponible que respalda a una razón de crecimiento poblacional igual a la mitad de la razón máxima. ya que conforma la concentración donde la razón de crecimiento específico es la mitad de su valor máximo. se ha transformado la ecuación (20.2.3) de manera similar a la ecuación (17. El valor de K se conoce como constante de saturación media.4) k kf k f k "rnáxJ J a máx "máx Por este reordenamiento.3) en una forma lineal.17) para obtener mÍK máx J. esto es. Las mediciones de k contra/para la levadura se muestran en la tabla 20.3) y muestra que cuando f = K. con pendiente K/k e intercepto l/k^.k = k J2. y / e s la concentración de la fuente carbono que será fermentada. 1 en la figura 20.20. http://libreria-universitaria.

La ecuación (20. S i / s e aproxima a cero en tanto p sea grande.083 1.blogspot.29 0.5) se puede resolver usando la teoría de las ecuaciones diferenciales o los métodos numéricos analizados en el capítulo 25 cuando f(t) se conoce.80 0. se puede usar los procedimientos por mínimos cuadrados lineales descritos en el capítulo 17 para determinar k = 1.3) se comparan con los datos transformados en la figura 20.250 1.65 0.99 1.18 mg/L.48 0.97 0.01333 0. mg/L 7 9 15 25 40 75 100 150 k.23 f p (705) V dt 22.23 días" y K = 22.06666 0. máx 1 1/í L/mg http://libreria-universitaria. Estos resultados combinados con la ecuación (20.010 0.07 día" 1 \/f.1).031 1.2 Versión linearizada del modelo de la razón de crecimiento saturado. dando 1 milí dp — = 1.01000 0.11111 0.538 1. 0.1 Datos usados para evaluar las constantes de un modelo de razón de crecimiento saturado para caracterizar la cinética microbial.3.448 2.703 2. f. entonces dpldt se aproxima a cero y la población se estabiliza.14286 0. y después se sustituyen en el modelo de la ecuación (20.580 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS TABLA 20.1 8 mg/L para una levadura que se usa para producir cerveza.23 d í a s " y K = 22.com . FIGURA 20.18+ r ' Observe que el ajuste da una suma de cuadrados de los residuos (como los calculados para los datos no transformados) de 0. 0.935 Debido a esta transformación. La línea es un ajuste por mínimos cuadrados que se usa para evaluar los coeficientes del modelo fe = 1.00666 día L/mg 3.37 0.04000 0.001305.02500 0.

355536 0.D12) 0. La linearización de la ecuación (20.07 SSR k-predicción ^ 0.1 MORESIÓN LINEAL Y MODELOS DE POBLACIÓN III máx f.20.791842 0.1386 k 0.99 1.000283 0. es la regresión no lineal descrita en la sección 17. Como puede verse. A 1 2 3 4 5 6 7 8 9 10 11 B D $B$1*A5/($B$2 + A5) = (B5 .000004 >SUM(D5..97 0.652384 0.000209 0.295508 Res 2 A 0.4 muestra cómo se puede usar la herramienta Solver de Excel para estimar los parámetros supuestos con regresión no lineal.5. mg/L FIGURA 20.007134 1.000030 0.3 Ajuste del modelo de razón de crecimiento saturado para una levadura empleada en la producción comercial de cerveza.000410 0. basada en el modelo y los parámetros iniciales.com .65 0.000067 0.48 0.00130J] http://libreria-universitaria.29 0.2301 22. Éstos se usan para generar una columna de residuos al cuadrado que se suman.80 0.496828 0.000294 0. FIGURA 20.blogspot.000006 0. Un procedimiento alternativo. y el resultado se coloca en la celda D I 4 . La figura 20.C 5 ) 2 A kmáx K f 7 9 15 25 40 75 100 150 1 1. una columna de valores predichos es desarrollada.37 0.3) es una forma para evaluar las constantes y K.4 Regresión no lineal para ajustar el modelo de la razón de crecimiento saturado de una levadura empleada en la producción comercial de cerveza.071897 J* 0.949751 1. que es capaz de relacionarse en esta forma original.

como el mostrado en la figura 20. Es también el punto en el cual el valor absoluto de la primera derivada o gradiente es un máximo. Los lagos en la zona templada pueden dividirse en estratos térmicos durante el verano. los resultados son casi idénticos.23 y K = 22. m x r 20.4. De esta forma. La ubicación de la thermocline se puede definir como el punto de inflexión de la curva temperatura-profundidad. En particular. También use las segmentarias para determinar el valor del gradiente en la thermocline. Use segmentarias cúbicas para determinar la profundidad de la thermocline para el lago Piarte (véase la tabla 20.5. En otras aplicaciones. aunque. La estratificación térmica tiene gran importancia para los ingenieros ambientales que estudian la contaminación de tales sistemas. el punto en el cual (PT/dx = 0. cerca de la superficie. 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. Como resultado. el agua es tibia y liviana.2).5 Temperatura contra profundidad durante el verano para el Lago Platte en Michigan. la thermocline disminuye en gran medida el mezclado entre las dos capas. y en el fondo es más fría y densa.14. El resultado.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. 2 FIGURA 20.com . 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 se esperaba.blogspot. 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. es decir.001302. con una S = 0. da un estimado de k ^ = 1.2 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. la regresión no lineal da un ajuste ligeramente mejor. Como se ilustra en la figura 20. la descomposición de materia orgánica puede acarrear reducción de oxígeno en el fondo aislado de las aguas.

3254 -. T(C) 22.7 18.9 13.61°C/m. 17. 11.3923 profundidad (m) 15. 1. 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 -. 20.°C z.1599 -.0000 d2T/dz2 .0021 .7144 19. 3 Resultados del programa segmentario basado en el pseudocódigo de la figura 1 8.1167 .0436 .9 20. 14.0245 .2950 .0966 .0212 .7909 22. Los resultados se grafican en la figura 20. Sin embargo.1 27.3004 .1 22.6.7 11.1303 -.0130 .8374 22.1 años.0000 . En 1848.2569 -. 20. - d2T/dz2 . 28.2086 . Con base en los primeros datos históricos.1 13.9981 dldad (m) 0.0251 . 6. Wolf determinó que la longitud del ciclo es de 11.0069 .6 9.2665 21.5825 dT/dz 0115 0050 0146 0305 .3939 -.0148 .0125 .7766 13.0596 -.6531 20. 12. Los resultados se despliegan en la tabla 20.1001 -.0229 . 25. al sumar 10 veces el número de grupos más el conteo total de puntos individuales.6518 -.6229 22.1638 -. 8.0318 . 22. 21.35 m y el gradiente en este punto es — 1.9 11.7907 22.7 se tiene registros de este número desde 1770.0085 -. 19.0332 .0248 .8 2. 2.2 Temperatura contra profundidad durante el verano para el Lago Piarte en Michigan. Calculó una cantidad que ahora se conoce como el número de puntos solares de Wolf.1502 -.1884 -. 24. Observe cómo la thermocline está claramente localizada a la profundidad donde el gradiente es el más grande (es decir.0635 -. Los datos se analizan con un programa que fue desarrollado con base en el pseudocódigo de la figura 18. 27.8691 16. 5.2646 14.0618 . 7. 13. el valor absoluto de la derivada es la más grande) y la segunda derivada es cero. 16.8203 22.0261 -.8000 22.3 ANÁLISIS DE FOURIER 983 TABLA 20.8.7944 22.7646 -1 1242 -1 4524 -1 6034 1 5759 1 3702 .2346 -.2 0 m Solución. 10. 22.8 4. 9. En la figura 20.8 22. 4. 22. TABLA 2 0 .0045 .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.3 11.0000 http://libreria-universitaria.0055 .2508 .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.2402 -. 18.blogspot. La profundidad es 11.1 8. 26.0354 .4118 17.1199 -.3 T.3973 -.com . se emplea de manera extensa en aplicaciones de la ingeniería eléctrica tales como en el procesamiento de señales. El análisis de Fourier se usa en muchas áreas de la ingeniería.20.1166 . 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. 3. 23.4735 .

.. b) gradiente y c) segunda derivada contra profundidad (m) generadas con el programa segmentarlo cúbico. La thermocllne se localiza en el punto de inflexión de la curva temperatura-profundidad. 6 Gráficas de a) temperatura.. 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. FIGURA 2 0 .0 .2). 0 -1.. °C 0 4 8 FIGURA 2 0 . Solución.number-sunspot(:.0 ..1 .blogspot. 5 0..3.HTML.584 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS T. .GOV/ /ITP/SOLAR/SSN/NN. Determine con toda precisión el periodo al desarrollar una gráfica de potencia contra periodo...1). . 1 » » load s u n s p o t . 12 16 20 24 28 a) 0 dT/dz d*T/dz* 0.0 0.0 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 .//WWW. El archivo se puede cargar en MATLAB y a la información del año y número se le asignaron vectores con el mismo nombre.2 . 1700 1800 1900 2000 http://libreria-universitaria.5 II 10 20_ .com En el TIEMPO en que se IMPRIMÓ la EDICIÓN en INGLII DE EITE LIBRO EL HTLM ERA HNP'.NOU. 7 Gráfica del número de puntos solares de Wolf contra año. d a t year-sunspot(:..NGDC.

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

586 APLICACIONES E N INGENIERÍA: AJUSTE DE CURVAS caracterizada por ecuaciones de potencia multivariable.334 -18.691 3.62 a = 0.903 -4.9.945 -22.7) Q = TABLA 2 0 .903 44.54 2 Si log a = 1.903 -18.7 28.001 0. Usando el logaritmo (base 10) de los datos en la tabla 20.9D S 262 0M Datos experimentales para diámetro.3. S = pendiente (pies/pies). pies /s 3 1.4).0 . D i á m e t r o .0 1 1.334 0.079 log a 0 11.1 <W.2 4.954 -4. pies 1 2 3 1 2 3 1 Pendiente.05 200.3 24.025 pies/pies. y a . pies/pies 0. \ Y 2 — coeficientes. Tomando el logaritmo a esta ecuación resulta a a log Q = log a + ai log D + a log S 0 2 En esta forma. a = 10 0 1 7 4 7 5 0 = 55. 4 Experimento 1 2 3 4 5 ó 55. la ecuación (20. una regresión lineal múltiple de datos transformados a logarítmicos proporciona un medio para evaluar tales ecuaciones. se puede generar las siguientes ecuaciones expresadas en forma matricial [recuerde la ecuación (17. 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. Use regresión lineal múltiple para analizar estos datos.05 Flujo. Solución.5 pies y una pendiente de 0.001 0.05 0.01 0. D = diámetro tubería (pies). la ecuación es adecuada para una regresión lineal múltiple. 0 La ecuación de potencias a evaluarse es at Q = aD S ai (20.4 8.4.7475. Después use el modelo resultante para predecir el flujo en una tubería con un diámetro de 2. pendiente y flujo en tubos circulares de concreto.com 9 7 8 2 3 0. Como se analizó en la sección 17. Por ejemplo.() http://libreria-universitaria.9 84.7475 0 a\ = 2.01 0.207 ai ai Este sistema se puede resolver usando la eliminación de Gauss para log a = 1.903 2. ya que log Q es una función lineal de log S y log D.6) 3 0 donde Q = flujo (pies /s).01 0.22)]: 9 2.6) es ahora (20.blogspot.001 0.

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. 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 .blogspot.5 9.resultados superiores.2 7.7) y la fórmula resultante se resuelve para h .5 pies y S = 0.Q 1721 L 1. Si esta relación se sustituye en la ecuación (20.85 Esta relación es conocida como ecuación de PROBLEMAS Hazen-Williams.20. 3 Dependencia de la concentración de oxígeno disuelto sobre la temperatura y concentración de cloro.2 8.3.4 y 20.com . se supone.3 9.6 10.025) S ' Z62 0 54 = 84. y longitud de tubería L por S = hJL. Use interpolación para estimar el nivel Esto es.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. 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 .4 6. con el fin de obtener polinomial para obtener-una ecuación predictiva de segundo or.85£)4.8 11.8 Cloro = 2 0 0 0 0 m g / L 10.5 Use regresión lineal múltiple para obtener una ecuación 1 1 1 l.i ecuación.1. 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 P20.1 pie /s 3 Debe observarse que la ecuación (20.0 8. Por ejemplo. 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.3 use la interpolación ratura y una relación lineal para el cloro. como en Q = 55. 20.9(2.3 10. la pendiente se relaciona con la pérdida de carga h. predictiva para la concentración de oxígeno disuelto como una 2 0 2 .1 8. pero ahora use es igual a 20 000 mg/L. I Realice el mismo cálculo de la sección 20.4 Cloro = 1 0 0 0 0 m g / L 11.5) (0. °C 5 10 16 20 25 30 Cloro = O m g / L 12. Usted realiza experimentos y determina los siguientes valo.3. En el caso de los datos de la tabla P20.7) se puede usar para otros propósitos además del cálculo de flujo.6 Al comparar los modelos de los problemas 20.2 7. - . se obtiene la siguiente ecuación: L k.025 pies/pies.5. muí ecuación por potencias.7 6. ¿ 0 4 .7) se puede usar para predecir el flujo para el caso de D — 2. Ignore el primer punto cuando ajus.4 6.0 9. un polinomial de tercer orden para la tempetic oxígeno disuelto para T = 18°C con cloro = 10 000 mg/L. 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.PROBLEMAS 587 La ecuación (20. Ingeniería química/petrolera función de la temperatura para el caso en que la concentración U\.1 http://libreria-universitaria.2 7.

7 Se sabe que la resistencia a la tensión de un plástico aumenta como una función del tiempo cuando se calienta.3 1. 20.1058 720 0.2 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 4.0 1.9 1.5 T N . del carri y. 20. Por ejemplo.0 13 2.1 DE Ingeniería civil/ambiental Thermocline 8.3. 20.1 0. táÍÉM .1603 780 0.9 0.N / m 7 500 Emplee la ley de los gases ideales pV = nRT para determinar R con base en estos datos.9 http://libreria-universitaria. °C 0 70 0. Observe que para la ley Tse debe expresar en Kelvin. -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.5 22 2.0 55 1.5 7 5 5.10. El volumen es de 10 m . 3 °C T. pies A. Si k = 0.10 Use una segmentaria cúbica para el ajuste de estos datos con el fin de determinar la profundidad de la thermocline.7 6.8 0.0 10 7. Los datos se colectaron para anchos de carriles de bicicletas y distancias promedio entre bicicletas y carros en circulación. 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.6 0. m Temperatura. 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. °F v 700 0. pies 3 5 8 10 5 7 8 6 6 6 10 10 8 9 4 5 7 8 Determine vpara T = 750 °F.12 Se realizó un estudio de ingeniería del transporte para determinar el diseño adecuado para carriles de bicicletas. kpc 1. 2 2 FIGURA P20.1703 20. es decir. Temperatura T. 20.3 10. el flujo de calor de la superficie al fondo de la capa se puede calcular con la ley de Fourier.1 1.4 0. °C 20 40 60 .10 Un reactor está térmicamente estratificado con los valores de la siguiente tabla: Profundidad.blogspot. m Esfuerzo.5 Como se ilustra en la figura P20. A esta profundidad.11 El esfuerzo cortante.588 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS Tiempo Resis.1280 740 0.5 9.6 4. a la tensión 10 4 15 20 20 18 25 50 40 50 48 tabla P20.1462 760 0. en kips por pie cuadrado (kpc) de nueve muestras tomadas a distintas profundidades en un estrato de arcilla son Profundidad.5 11 3. el punto para el cual d T/dz = 0.3 3. La profundidad de este gradiente se puede definir como el punto de inflexión de la curva temperatura-profundidad. a una presión de 2 950 lb/pulg absolutas: 2 T. Los datos de 11 calles son: Distancia x. se puede idealizar al tanque como dos zonas separadas por un fuerte gradiente de temperatura o thermocline.1 5.01 cal/(s • cm • °C) calcule el flujo a través de esta ¡nterface.8 Se reunieron los siguientes datos para determinar la relación entre presión y temperatura de un volumen fijo de 1 kg de nitrógeno.5 68 1.dT C ¿ 7 20.9 El volumen específico de un vapor sobrecalentado es enlistado en tablas de vapor para diferentes temperaturas.

determine el ancho de carril mínimo correspondiente. Para un río que se va a encauzar a un dique.8 121.8 2. J O Hurón I < i.blogspot. Para algunos ríos es difícil obtener registros históricos de muchos años atrás de tales datos de flujo.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. c) Si lu distanciu promedio mínima segura entro las bicicloüu y los carros circulando se considera de 7 pies. como una función de p.13 En la ingeniería de abastecimiento de aguas. Use los datos anteriores para determinar una relación c.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.1 206.0 5. Como tal. m / s 3 88. Esta relación se puede entonces usar para estimar flujos por años pero sólo cuando se hicieron dichas mediciones de precipitación. se tienen los siguientes datos Precipitación.0 19.0 161. se ha reformulado como o = z qf (m. Por el contrario. jo Erie: C luenca oeste Cuenca central ("uenca este lurjo Ontario 4. con frecuencia es útil determinar una relación entre flujo y precipitación.5 8.6 172.0 0. Agrcguo estu linca a la gráfica.7 101.com . 1 5 I .0 104.2 11.1 152. Sobreponga la línea de su gráfica. c) Use la mejor línea de ajuste para predecir el flujo de agua anual si la precipitación es de 120 cm. Por tanto. el tamaño del reservorio depende de la estimación exacta del flujo de agua en el río del cual se toma. indica qué tan turbia y o|)iicu parece el agua.0 a) Grafique los datos.0 132. 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 .0 1. 20. = + 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 111.8 5.«) />) u n i f i q u e Ion dutos. 20.5 39.6 4.5 Ya que es inconveniente resolver esta ecuación de forma manual.8 175.5 17.u clorofila a es un parámetro que indica cuánta vida de plantas CH\Í\ suspendida en el agua. b) Ajuste a una línea recta los datos mediante regresión lineal.9 239.9 139.7 269.n) : FIGURA P 2 0 . Ajusto u una linca recta los datos mediante regresión lineal.4 116.1 130.5 21. datos meteorológicos sobre precipitación de muchos años atrás están a menudo disponibles.4 94.0 99.4 3.9 114. cm Flujo. 2(1.

8 m n = 1. 20. 20. Interprete sus resultados.15703 0.22 Los siguientes datos se tomaron de un experimento que mide la corriente en un alambre para diferentes voltajes suministrados: 2 3 7. Grafique y evalúe los resultados.08561 0..17 El mástil de un velero tiene un área de sección transversal de 10. El valor influencia es entonces enlistado en una tabla.8 3 3.2.590 z APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS donde f {m. comience la regresión y fuerce ol intercepto a cero.17739 n= debajo de la esquina de un estribo rectangular que está sujeto a una carga total de 200 1 (toneladas métricas). pero ahora analice los datos generados con f(t) = 5 eos (7í) — 2 sen (40 + 6. Los resultados son / t i 0 0 0.12626 0.5 1.blogspot.4 0.2 2 3. Determine si es una buena suposición quo el intercepto sea cero.10941 0.65 cm y se construye de una aleación experimental de aluminio.2402 0.16843 n= 0.3 0.02926 0.8 y b — 16.1 a) Si a = 4.1 0.7 0.45 0. pero ahora use regresión polinomial para obtener una ecuación cúbica para ajustar los datos. con m = alz.13241 0. A 5.5 V Use interpolación polinomial para estimar la caída de voltaje para i — 1. donde L = longitud del mástil.2 0.14 m.3.16199 0.13003 0.14309 0.2 9 1. Los resultados de las pruebas Deformación unitaria.20 Realice nuevamente el cálculo del problema 20.6 0.88 2.10631 0.5 0. Si es así.2 Con base en una regresión lineal de estos datos.0045 5 172 0.5000 0. c Ingeniería eléctrica 20.36.17389 1.19.0 Determine i en t = 0.8.08323 0. use una interpolación polinomial de tercer orden para calcular o a una profundidad de 10 m z 2 Pin 20.70 1.0013 3 586 0. 20.03007 0.6 1.6 manera exponencial en las aguas de un lago de acuerdo con el siguiente modelo. B y Q dadas las siguientes mediciones: i. 20. hr 0.25 0.05894 0.5 7 1 5. una porción de la cual se da aquí: 0.05994 0. Observe que q es igual a la carga por área.002 4965 0. Si la fuerza del viento es de 25 069 N.8 4 10.19 Usted mide la caída de voltaje Va través de una resistencia para un número de diferentes valores de corriente i.14749 0.4 0. b) Resuelva el inciso d) pero ahora use la función espline de Mathcad que se describió en la sección 19.0000 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.0060 5517 c 0.0085 6 896 0. N/cm 2 0.25 -0.2 4 2.7880 0.3 10 27. .05733 0.1 1 135 0.22.75 -0.18 Realice los mismos cálculos que en la sección 20.8 7 1. Exprese su respuesta en toneladas por metro cuadrado.16 Tres organismos portadores de enfermedades decaen de 1. n = blz y a y b como se definen en la figura P20. 20.2500 7. n) se conoce como el valor influencia y m y n son relaciones adimensionales.7 5 13 7 19.1 6 1.15027 0.1.3750 4. Se efectuaron pruebas para definir la relación entre esfuerzo y deformación unitaria.0 6.com i.16515 0.5 8 1.2 0.1250 6. cm/cm Esfuerzo. p(t) = Ae~ ' L5 +Be~ ' 03 +Ce' ' 0XK Calcule la población inicial de cada organismo (A. determine la corriente para un voltaje de 6 V Grafique la línea y los datos y evalúe el ajuste. use los datos para estimar la deflexión de un mástil de 9.21 La corriente en un alambre se mide con gran precisión como función del tiempo: http://libreria-universitaria.8599 0. 5 2.03058 0.5 . Este valor se puede sustituir en la ley de Hooke para determinar la deflexión del mástil: AL = deformación X L.08709 0.

Suponga que usted realiza varios experi. L es la inductancia (en henrys.01 pies/ pies.5625 0.1104 2.00 -. pero ahora desarrolle una ecuación para predecir el diámetro como una función do lu pendiente http://libreria-universitaria.s/A) e i es la corriente (en amperes). través de un resistor ideal es linealmente proporcional a la corriente i asi como la precisión de los métodos experimentales.2239 2. Emplee los siguientes datos para estimar L: L V -193 di/dt. mentos muy precisos para medir la caída de voltaje y la corrien. para poder anticipar la demanda de energía. Ingeniería mecánica/aeroespacial listime J (2. use interpolación lineal y cuadrática para calcular Q para D = 1. 20. Compare sus resultados con los mismos valores calculados con la fórmula obtenida en la sección 20. a menudo se compilan en tablas matemáticas estándar.23 Se sabe que la caída de voltaje a través de un inductor cumple la ley de Faraday -1.50 41 1. donde R es la que la interpolación podría ser la apropiada.24.3400 2. Los datos resultantes son Temperatura. Los resultados.4.5625 0.com .27 Las funciones Bessel surgen con frecuencia en análisis avanzados de ingeniería.30 Reproduzca la sección 20. si lo hay. 20.29 Con base en la tabla 20. 1 H = IV. Sin embargo.24 Datos experimentales para la caída de voltaje a través de un resistor sujeto a varios niveles de corriente -0. resistencias reales podrían no siempre polinomial de quinto orden para ajustar los datos y calcule V cumplir la ley de Ohm. 20.24 La ley de Ohm establece que la caída de voltaje Va.4) se enlistan en la tabla P20. sugieren una relación curvilínea que ajusten los datos de la tabla P20.4. sugieren que fluye a través del resistor como en V = iR. 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.20. como en el estudio de los campos eléctricos p o r ejemplo. Para cuantificar esta relación. la suavidad de esta relación. Emplee un modelo exponencial y regresión lineal para hacer esta predicción.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.0025 2.25 13. Esas funciones son usualmente no sujetas a una evaluación directa y. del intercepto de la ecuación Debido al error de medición. 1. 20.para i = 0.25 -13.PROBLEMAS 0 *1 TABLA P20. se debe ajustar una curva a los datos.26 Se realiza un experimento para determinar el porcentaje de alargamiento de un material conductor eléctrico como una función de la temperatura.24.2 0. °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.0 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.blogspot. pero ahora determine los coefite correspondiente para cada resistencia.8 0. 20.4.00 193 20.6 0.50 -41 donde V es la caída de voltaje (en volts).24. por tanto. como cientes de la ecuación de quinto orden (véase la sección 18.23 pies y S = 0.10.25 Repita el problema 20. ¿Cuál es el significado.4 0.1666. Use una interpolación resistencia. Por ejemplo. Observe que el valor real es 0.28 La población (p) de una pequeña comunidad en los suburbios de unu ciudad crece con rapidez en un periodo de 20 unos: 0 20. d) = mediante una interpolación polinomial y b) usando segmentarias cúbicas. Sin embargo.

35 40 0. la cual se cumple cuando un resorte no se deforma demasiado. 1 0 " cm /s 2 2 0 1.17 20 0. v. la relación entre la fuerza y el desplazamiento ya no se cumple.7923 4 1. http://libreria-universitaria. Compare sus resultados con la fórmula de la sección 20.27 30 0. 3 2 Valores experimentales para alargamiento x y fuerza F para el resorte en un sistema de suspensión de un automóvil. está relacionada con la temperatura en la siguiente forma: T. Emplee regresión lineal para determinar un valor de k para la porción lineal de este sistema. 20. Comente sus resultados. Esta clase de comportamiento es típica de lo que se denomina un "resorte endurecido".32 y graficados en la figura P20.°C v. ajuste a una relación no lineal la porción no lineal.592 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS y flujo. Tales datos están contenidos en la tabla P20.44 Desplazamiento.5°C. m Fuerza. 0. 4 Velocidad.39 60 0.5676 8 1. Observe que para un peso por arriba de 40 X 10 N.10 10 0. mi/h Distancia de frenado.2396 16 1.31 La viscosidad cinemática del agua. La proporcionalidad es parametrizada por la constante del resorte k.32 pero ahora ajuste a una curva de potencias todos los datos en la tabla P20.1168 20 1.43 70 0.32 Gráfica de fuerza (en 1 0 newtons) contra desplazamiento (en metros) para el resorte de un sistema de suspensión de un automóvil.4 y analice sus resultados. m TABLA P 2 0 .34 La distancia requerida para detener un automóvil es una función de su velocidad.32.33 Repita el problema 20.32 La ley de Hooke.9186 Grafique estos datos a) Use interpolación para predecir va T = 7. 20. 20. 20.42 60 0.3874 12 1. Desplazamiento.com 10" N 80 . Además.0105 24 0.32. significa que el alargamiento del resorte y la fuerza aplicada están linealmente relacionados. 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.blogspot. Los siguientes datos experimentales fueron colectados para cuantificar esta relación: 4 FIGURA P20. b) Use regresión polinomial para ajustar una parábola a los datos para realizar la misma predicción. Se puede establecer un valor para este parámetro de manera experimental al colocar pesos conocidos sobre el resorte y midiendo la compresión resultante.

http://libreria-universitaria. m/s 2 0 9.8100 20 000 9. Calcule g para y = 55 000 m.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.com . m g.6879 60000 9.6278 80 000 llwnpo de fractura.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. 20.7487 40 000 9. 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 . Se aplican ocho diferentes valores de esfuerzo. x.PROBLEMAS Í0. y los datos l'ONultantes son il (iplic. h 9. Sobreponga esta línea en su gráfica.5682 u) Grafique los datos />) Ajuste a una línea recta los datos usando regresión lineal.blogspot. y.

4 proporciona un resumen de los elementos de juicio involucrados en el ajuste de curvas. La regresión lineal múltiple se utiliza cuando una variable dependiente es una función lineal de dos o más variables independientes. Para mediciones precisas se usa interpolación para desarrollar una curva que pasa justo a través de cada uno de los puntos.4 Comparación de las características de métodos alternos para el ajuste de curvas. 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.E P Í L O G O : PARTE C I N C O PT5. TABLA PT5. En algunos casos. 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. Se puede aplicar también transformaciones logarítmicas a este tipo de regresión para algunos casos en los que la dependencia múltiple es curvilínea. según sea la incertidumbre de los datos.com Exacta Ajuste por secciones Moderado Primera y segunda derivada laual en nodoi . Para situaciones donde una variable dependiente y una independiente exhiben una relación curvilínea.4 E L E M E N T O S DE JUICIO La tabla PT5 . De manera alterna. 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. puede aplicarse la regresión lineal a las variables transformadas con el fin de determinar la mejor línea recta. Tales métodos son denominados regresión por mínimos cuadrados. hay varias opciones disponibles. Las técnicas se dividieron en dos grandes categorías. En estos ejemplos. la regresión polinomial puede emplearse para ajustar una curva directamente con los datos. se usan transformaciones para linearizar la relación. Errar asociado con d a l o s A j u s t e con los datos individuales N ú m . 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.blogspot.

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

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

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

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

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

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

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

blogspot. Esto 15 se lleva a cabo al dibujar la 18 curva de tal forma que áreas ¡guales positivas y negativas estén equilibradas. y) se tabulan y. Una función simple continua tal como una polinomio.50 57. Una función tabulada donde los valores de x y f(x) están dados en un número de puntos discretos. o) Se usan las diferencias divididas centradas para estimar la derivada para cada X intervalo entre los datos.1. se emplea una diferencia dividida simple Ay/Ax para estimar la pendiente.1 La función que será diferenciada o integrada estará usualmente en una de las siguientes tres formas: 1. esos valores se grafican como una curva de pasos contra x (véase figura PT6 .50 dy/dx. Además. nuestro análisis tendrá relevancia en las siguientes partes del libro. así como en el tercer caso de datos discretos. y 0 200 350 470 650 720 Ay/Ax 66.com C) .25 25.7 50 40 30 23. se debe emplear métodos aproximados.4 Diferenciación por áreas iguales. 3. Un método sin computadora para determinar las derivadas a partir de datos es conocido como diferenciación gráfica por áreas iguales.00 36. esto proporcionará la oportunidad de resaltar sus similitudes y diferencias desde una perspectiva numérica. Una función continua complicada que es difícil o imposible de diferenciar o integrar de manera directa. Después.50 45. la derivada o integral de una simple función se puede evaluar en forma analítica mediante cálculo. Se superpone 6 una curva suave sobre esta 9 gráfica para aproximar el área bajo la gráfica de barras. En estos ejemplos. las soluciones analíticas son a menudo imprácticas y algunas veces imposibles de obtener. Métodos s i n computadora p a r a diferenciación e integración \/Í. 2. para cada intervalo.PT6. Luego se dibuja una curva suave que intenta aproximar el área bajo FIGURA PT6 . En el primer caso. una exponencial o una función trigonométrica. donde se tratarán ecuaciones diferenciales.00 21.3 15 18 dy/dx 76. En este método los datos (x.604 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN Debido a esta relación cercana. 0 3 6 9 12 15 18 x http://libreria-universitaria. b) Las 0 estimaciones de la derivada se 3 representan en forma de gráfica de barras. c) Se pue(lo entonces leer los valores de de la curva suave. Entre otras cosas. Para el segundo caso. optamos por dedicar esta parte del libro a ambos procesos.4). como es frecuente el caso en datos experimentales o de campo.

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

la ley de . Sin embargo.com comunes figuran las leyes que involucran potenciales o gradientes.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. PT6. De hecho. esta tabla se puede entonces evaluar con un método numérico.606 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN con el procedimiento de cuadrícula. las técnicas numéricas de integración y diferenciación utilizan datos en puntos discretos. sino en su cambio de posición con respecto al tiempo. numerosas leyes que gobiernan el comportamiento espacial de las variables se expresan en términos de derivadas. Además de tales ejemplos temporales. Como en el método de barras simple. 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. Por ejemplo. la estimación resultante se puede hacer más exacta que para el "método de barras" simple. es naturalmente compatible con muchos de los procedimientos numéricos. Es decir.1.blogspot. Aunque las funciones continuas no están originalmente en forma discreta. Entro las más http://libreria-universitaria. 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. que no está dirigida en términos de la posición de un objeto. Como se ilustra en la figura PT6. Muchos ejemplos específicos de tales aplicaciones se podrían dar en todos los campos de la ingeniería. Como la información ya está tabulada en tal forma. es a menudo una proposición simple usar las ecuaciones dadas para generar una tabla de valores.7. 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. El ejemplo principal es la segunda ley de Newton. con elecciones inteligentes de factores ponderados.

la derivada proporciona una medida de la intensidad del cambio de la temperatura.1 MOTIVACIÓN 607 / * 2 + c o s ( 1 +> / V1 + 0.75 2.414 M FIGURA PT6. o gradiente. Leyes similares proporcionan modelos de trabajo en muchas áreas de la ingeniería.PT6.com .599 1. el paso a) es innecesario. b) Tabla de valores discretos de f[x) generados a partir de la función. que promueve la transferencia de calor.7 Aplicación de un método de integración numérico: a| Una función continua complicada. los datos están ya en forma tabular b). cinética de reacción química y flujo electromagnético.993 2. también el cálculo do integrales es valioso. c) Uso de un método numérico (el método do barras) para estimar la Integral con base en los puntos discretos. entre ellos el modelado de dinámica de fluidos. Para una función tabulada. transferencia de masa.blogspot. Varios ejemplos se relacionan direclnmonle http://libreria-universitaria. Fourier para la conducción de calor cuantifica la observación de que el calor fluye de regiones de alta a baja temperatura.75 1. Para el caso de una dimensión.25 1. Así como las estimaciones exactas de las derivadas son importantes en ingeniería.5 ser •'O 2 X 0. La habilidad para estimar de manera exacta las derivadas es una faceta importante de nuestra capacidad para trabajar de manera efectiva en estas áreas.25 0.945 1. ésta se puede expresar matemáticamente como Flujo de calor = —k' dT dx Así. por tanto.

8 ilustra algunos casos donde la integración se usa para este propósito. Por ejemplo. como lo especifica la fórmula http://libreria-universitaria.a dx (PT6 .3) que se aplica para determinar la media. Otras aplicaciones comunes relacionan la analogía entre integración y sumatoria. 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.blogspot. a) Un topógrafo podría necesitar saber el área de un campo limitado por una corriente en forma de curvas y dos caminos. En contraste.608 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN FIGURA PT6.9a.4) . La integración se usa para este propósito. suponga que y es una función continua de una variable independiente x.3) donde y¡ son las mediciones individuales. 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.1]: i¡ £ y¡ Media = — — n (PT6. La figura PT6.8 Ejemplos de cómo se usa la integración para evaluar aplicaciones en áreas de la ingeniería. una aplicación común es determinar la media de funciones continuas. En la parte cinco se abordaron los conceptos de la media de n datos discretos [recuerde la ecuación PT6 .comMedia = ^ - í f(x) b . Así como con la ecuación (PT6. como se ilustra en la figura PT6.9a. b) Un ingeniero abastecedor de aguas quizá requiera saber el área de sección transversal de un río. La determinación de la media de puntos discretos se ilustra en la figura PT6. con la idea de la integral como el área bajo la curva.

donde c(x. la integración se usará para el mismo propósito: Masa == / / / c(x.yyz son las variables independientes que designan la posición en las coordenadas cartesianas. la masa total química contenida en un reactor está dada como el producto de la concentración de químicos en el volumen del reactor. Por ejemplo. Para el caso continuo. es necesario sumar los productos de concentraciones locales c y los volúmenes del elemento correspondiente AV¡: i n Masa = c¡ AV¡ . La integral se evalúa sobre una línea. suponga que la concentración varía de un lugar a otro dentro del reactor. 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. 9 |t) (-MIIIIIUII ) * Esta fórmula tiene cientos de aplicaciones en ingeniería. y. z) dx dy dz http://libreria-universitaria.=i donde n es el número de volúmenes discretos.blogspot.PTÓ. o Masa = concentración X volumen donde la concentración tiene unidades de masa por unidad de volumen.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 . Por ejemplo. un área o un volumen. Sin embargo.com . y . Las integrales son empleadas también por ingenieros para evaluar la suma o cantidad total de una variable física dada. En este caso. z) es una función conocida yx.

Además.610 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN Masa = -/// c(V)dV la cual es conocida como una integral de volumen. 3 2 — = v(t) dx La distancia total y recorrida por esta partícula en un tiempo t está dada por (véase figura PT6. la cual se integraría con facilidad para determinar la distancia a la que caerá el paracaidista en un tiempo t. Para este caso. usted debe tener la habilidad pera obtener valores aproximados para las http://libreria-universitaria. Suponga que la velocidad de una partícula es una función continua conocida del tiempo v(t). o imposible. Por ejemplo.10)]. Sin embargo. Por ejemplo. es difícil. De manera similar.5).blogspot. está dada por m = A Jo I p(x) dx donde m = masa total (kg). donde A = área. Ejemplos similares podrán darse en otros campos de la ingeniería. p(x) = densidad conocida (kg/ m ) como una función de la longitud x (m) y A = área de sección transversal de la barra (m ). las integrales se usan para evaluar diferenciales o razón de ecuaciones. 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. como típicamente sucede en el caso de ejemplos más realistas. L = longitud de la barra (m). la masa total de una barra con densidad variable y que tiene un área de sección transversal constante. usted normalmente escogerá evaluarlas desde un contexto analítico.36) y = í v(t)dt Jo (PT6. la integral es simple de evaluar. Por último. cuando la función es complicada. la función en turno es a menudo desconocida y definida sólo por mediciones en puntos discretos. está dada por Transferencia de calor = / / flujo dA la cual es referida como una integral de área. Esta relación podría sustituirse en la ecuación (PT6. en el problema del paracaidista en caída. determinamos la solución para la velocidad como una función del tiempo [véase ecuación (1. 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. Para ambos cesoí.com . Observe la fuerte analogía entre sumatoria e integración. para el caso en una dimensión.

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

2. la integración analítica depende del conocimiento anterior a la respuesta. Sin embargo.1 Algunas derivadas de uso común. Enlistamos algunas de las más comunes en la http://libreria-universitaria. .180x + — x 3 4 5 0. 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). es decir. La integración anterior depende del conocimiento de la regla expresada con la ecuación (PT6.2x + 12. Otras funciones siguen diferentes reglas.200x + 675x . Este valor es igual al área bajo el polinomio original [véase ecuación (PT6.blogspot.9) 200 . La nomenclatura del lado derecho es para F(x)\ b a = F(b)-F(a) (PT6.612 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN TABLA PT6.8) Para este caso. 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 .5x 2 í b x n+\ x" dx n + 1 (PT6. 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. es decir.com tabla PT6. .8 / = / Jo (0. 1 — In x = — dx x dx e* = é d . muchas funciones de importancia práctica ion demasiado . Si se aplica esta regla a cada término en la ecuación (PT6.9). En consecuencia. encontrar F(x) de tal forma que F'(x) = f(x).8) se obtiene . / = 0. Estas "reglas" son sólo ejemplos de antidiferenciación.900x + 400x ) dx 2 3 4 5 (PT6.8)] entre x = 0 y 0. Tal conocimiento se adquiere con entrenamiento y experiencia. cualquier función tal que F'(x) = f(x). Muchas de las reglas se resumen en manuales y tablas de integrales.2 + 25* .75x .10) la cual se evalúa de acuerdo con la ecuación (PT6.7) Un ejemplo de una integral definida es /•0. 400 x + 168.7) como / = 1.8.6405333.8 (PT6. tan x = sec 2 x d — dx esc x = -esc x cot x dx d .

eos [ax + 6) + C J í eos [ax + b) dx = .jv du \u"du = ——+C x a f n*-l 1 f a dx = — — + C a > 0.com La figura PT6. es porque proporcionan un medio para evaluar relaciones como la ecuación (PT6.PT6. formulamos algunos objetivos que ayudarán a enfocar su esfuerzo cuando estudie el material. 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. Tres de las fórmulas de Newlon-C 'otcH con un U N O más extendido se analizan con detalle: lu regla trapezoidal.blogspot.1 Alcance y antecedentes http://libreria-universitaria.10 proporciona una revisión de la parte seis. El capítulo 21 se dedica al más común de los procedimientos para integración numérica (las fórmulas de NewtonCotes). a * 1 bino / — = Inixl+ C x*0 1 í sen [ax + b) dx = a .3.3 ORIENTACIÓN Antes de proceder con los métodos numéricos para integración. podría ser de utilidad alguna orientación adicional.8) sin conocimiento de las reglas. Además. Esas relaciones se basan en el reemplazo de una función complicada o datos tabulados con un simple polinomio que es fácil de integrar. la . Lo siguiente pretende ser una revisión del material analizado en la parte seis. J u dv = uv.3 ORIENTACIÓN 613 TABLA PT6.. j PT6.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. PT6. Una razón por la que las técnicas en esta parte del libro son tan valiosas.

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

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

Saber cómo diferenciar datos desigualmente espaciados. 3. saber cómo derivar la regla trapezoidal y cómo acondicionar la derivación de ambas reglas de Simpson. Ser capaz de escoger la "mejor" de estas fórmulas para cualquier problema de contexto particular. se proporcionan los algoritmos para la mayoría de los otros métodos de la parte cinco. 3 Objetivos de estudio específicos para la parte seis. darse cuenta de que todas las fórmulas de Newton-Cotes de segmentos pares y puntos nones tienen exactitud resaltada similar. Reconocer que la regla de Simpson 1 / 3 es exacta de cuarto orden. 7. desde un punto de vista profesional. Además.blogspot. Entender la derivación de las fórmulas de Newton-Cotes. regla de Simpson de aplicación múltiple. Por último. Reconocer los diferentes efectos del error de datos en el proceso de integración y diferenciación numérica. d) regla de Simpson 3 / 8 . Entender la diferencia fundamental entre las fórmulas de Newton-Cotes y cuadratura de Gauss. Conocer las fórmulas y ecuaciones de error para a) la regla trapezoidal. Por ejemplo. Entender la base teórica de extrapolación Richardson y cómo se aplica en el algoritmo de integración Romberg para diferenciación numérica. al tener el software para implementar integración y diferenciación numérica para datos espaciados de manera no uniforme. y e). http://libreria-universitaria. usted debería habituarse a usar estas herramientas para implementar métodos numéricos en la solución de problemas de ingeniería. b) la regla trapezoidal de aplicación múltiple. En particular. Reconocer la diferencia entre las fórmulas de integración abierta y cerrada. Esta información le permitirá aumentar su librería de software al incluir técnicas más allá de la regla trapezoidal. 9.com . 2. una de las metas más importantes debería ser manejar varios paquetes de software de uso general que están ampliamente disponibles. 5. 8. aun cuando está basada en sólo tres puntos. y se puede también usar para verificar los resultados de cualquiera de los programas de computadora que usted haya desarrollado. c) regla de Simpson 1/3. 4. 1 1.616 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN TABLA P T 6 . 1 2. También podría desarrollar su propio software para las reglas de Simpson. 10. reconocer que las reglas trapezoidal y de Simpson 1/3 y 3 / 8 representan las áreas de los polinomios de primer. respectivamente. usted podría encontrarlo útil. Entender la aplicación de fórmulas por diferenciación numérica de alta exactitud. los cuales son más eficientes y exactos que la regla trapezoidal. integración de Romberg y cuadratura de Gauss. Saber cómo evaluar la integral y derivada de datos desigualmente espaciados. Saber cómo se emplean la fórmulas de integración abierta para evaluar integrales impropias. 6. segundo y tercer orden. 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). 1.

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. en la figura 21. 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. En la figura 21. Por ejemplo. .1) +a\X H ha„_iA'" _ i + a„x" donde n es el orden del polinomio.1 b. La integral se puede también aproximar mediante una serie de polinomios aplicada por pedazos a la función o datos sobre segmentos de longitud constante.2. se usa un polinomio de primer orden (una línea recta) como una aproximación. se emplea una parábola para el mismo propósito. Por ejemplo.1 |ci aproximación de una InMjiol como el área bajo o) una sola línea recta y /i) una sola parábola. se usan tres segmentos de línea recta para aproximar la integral. Pueden utilizarse polinomios de orden superior para los mismos propósitos. Con este anteceden- FIGURA 21.1a. en la figura 21.

618 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES te.2 La aproximación de una integral como el área bajo tres segmentos de línea f(x)n FIGURA 21. se utilizan para evaluar integrales impropias y la solución de ecuaciones diferenciales ordi- FIGURA 21. Las formas abiertas de Newton-Cotes no se usan por lo general para integración definida. Las formas cerradas son aquellas donde los datos al inicio y final de los límites de integración son conocidos (véase figura 21.3a). . como se analizó en la sección 18. constantes) para aproximar la integral. Sin embargo. Las formas abiertas tienen límites de integración que se extienden más allá del rango de los datos (véase figura 21.5. Se dispone de formas cerradas y abiertas de fórmulas de Newton-Cotes. son similares a las de extrapolación.3¿>). reconocemos que el "método de barras" en la figura P T 6 .3 La diferencia entre fórmulas de integración a) cerrada y b) abierta. En este sentido. 6 emplea una serie de polinomios de orden cero (es decir.

Esto capítulo tnfktliM las formas cerradas.af(b) Si se multiplica y agrupa términos se tiene .f{a) x 2 bf(a) 2 -«/(/» '* " h • "u~ b-a .a) Recuerde del capítulo 18b que una línea recta se representa como [véase ecuación (18.21. . Corresponde al caso donde el polinomio en la ecuación (21.3) la cual se denomina regla trapezoidal.2)] . . f\tt)-" f / = íñb) . se introduce de manera breve el material sobre fórmulas abiertas de Newton-Cotes al final del capítulo. 21.1 IA ntirins.a ) bf(a) af(b) I = — + (b-a) b—a 2 b—a 2 2 i /u .ña) /lid.2) se puede expresar T'LLLLLLL Este resultado se evalúa para dar f(b) . Sin embargo. x + b-a bf(a)-af(b) b-a / = ( 6 _ A ) M ± M 2 que OH la fórmula para la regla trapezoidal. IM tiiiil puedo Inlegrarso entre x = a y x = b pura obtener IV» m .( x .f{a)] b -^- + bf(a) .1 para detalles) es 1 = { b ) m ± m _ (21. „ . ni') .f(a) (b . 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. Cuadro 21. A|RUPTNÜ() /'(/') /(«) h a .1) es de primer orden: pb rb I = fi(x) = f(a) + — .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. + m /(*) . . como b — a = (b — a)(b + a)./(«) -(x — a) dx b-a El resultado de la integración (véase el cuadro 21. 2 2 . ia ecuación (21. .a (21. .1 LA REGLA TRAPEZOIDAL La regla trapezoidal es la primera de las fórmulas de integración cerrada de NewtonCotes.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.

4 Ilustración gráfica de la regla trapezoidal.4. 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. pero el trapezoide está sobre su lado (véase figura 21.5a). 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 21.620 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES Geométricamente. .5¿). FIGURA 21. la integral se representa como / = ancho x altura promedio (21.5 a) La fórmula para calcular el área de un trapezoide: altura por el promedio de las bases. b) Para la regla trapezoidal. el concepto es el mismo pero ahora el trapezoide está sobre su lado. En nuestro caso.4) FIGURA 21. Por tanto. el concepto es el mismo.

para funciones con derivadas de segundo orden y superior (es decir.o I as (b — a) x altura promedio (21.« ) ( 3 (21. con curvatura). .2) £ = .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. Todas las fórmulas cerradas de Newton-Cotes pueden expresarse en el formato general de la ecuación (21. puede ocurrir algún error.2 + 2 5 x .6) indica que si la función sujeta a integración es lineal. La ecuación (21.5) donde.200x + Ó75* . De hecho. para la regla trapezoidal. FIGURA 21. 21. sólo difieren con respecto a la formulación de la altura promedio. la altura promedio es el promedio de los valores de la función en los puntos extremo.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.W O x + AOOx de x = 0 a 0. obviamente podemos incurrir en un error que puede ser sustancial (véase figura 21.6) donde ¿¡ está en algún lugar en el intervalo de a a b. Una estimación para el error de truncamiento local de una sola aplicación de la regla trapezoidal es (véase cuadro 21. De otra manera. o \f(a) + f(b)]/2.^ / " ( © ( 6 .5).6). la regla trapezoidal será exacta.8.1.

2Q0x if 675x .467733 que corresponde a un error relativo porcentual de e. 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.6. el resultado podría escribirse como I = h f^+W-J-fxW 2 12 Regla trapezoidal Error de truncamiento Así.2 que el valor exacto de la integral se puedo determinar en forma analítica y es 1.v + 400x 4 5 desde a — 0 a b = 0.640533 .640533.i aproximación para el error.3) para integrar numéricamente 2 3 = 0. = 1. 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. los límites de integración a y b corresponden a 0 y 1. considere que como a = (x — a)lh.0 . esta ecuación se puede integrar: I = h «/( ) + y A / ( ) + fl f l a 2 (o? - Ja ~4~ fia) + Afia)a + —^-aia .2 + 0.l)h 2 dx (B21.622 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES Cuadro 2 1 . Los valores de la función /(O) = 0. 1 7 2 8 = 1.1) y e v a i u a r C omo f(a) + Afia) rm 2 Para simplificar el análisis. .2 /(0.2. La razón para C N I C gratule error os evidente de lu gráfica e n la figura 21 .\)h 2 / =h Como Af(a) = /(6) — fia). respectivamente. Solución. Recuerde de PT6.2. da E J E M P L O 21.1) se expresaría como / =h ) + Afia)a + ^-^aia . fix) Use la ecuación (21.232 pueden sustituirse en la ecuación (21.232 = 0. el término/"^) es aproxi madamente constante.1 Aplicación simple de la regla trapezoidal Enunciado del problema.1728 la cual representa un error de £. dx = hda Debido a que h — b — a (para un segmento de la regla trapezoidal).5%. el primer término es la regla trapezoidal y el segundo es un.8.3) para dar 0. Por tanto. = 89.8) = 0.2) Si se asume que para una h pequeña. la integral podría ser (véase cuadro 18.2 + 25x . Recuerde que para la versión de primer orden con término de error. la ecuación (B21.900.

' 2 ' + /. más exacto que usar E .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 21.8 ( . 8 ) . Para obtener dicha estimación.. .. x . /.8) 3 = 2. existe una discrepancia. . de/"(<jj). x . de múltiple aplicación o compuestas.1.4 0 0 + 4 050* . Por lunlo.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! . En consecuencia.. Las ecuaciones resultantes son llamadas fórmulas de integración.. hay « segmentos de igual anchura: 0 x 2 h = (21.7) Si a y b son designados como x y x . Las áreas de segmentos individuales se pueden entonces agregar para dar la integral para todo el intervalo. a p r o x m i a c ó i n ( u n c ó in podríamos no conocer previumcnle el vulor reul. del error estimado..10 800x + 8 000x ) dx 2 3 I I \ | ) j que podría sustituirse en la ecuación (21.4): 0. Sin embargo. de hecho. indicamos que el error es aproximado mediante la notación E . 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 / „./ < * «» ' V„ J 1 ( 2 1 . x„).8 muestra el formato general y nomenclatura que usaremos para caracterizar integrales de múltiple aplicación. respectivamente. /'\!' 2 1 ..4 0 0 + 4 050JC .10 800x + 8 OOOx 2 3 El valor promedio de la segunda derivada se puede calcular mediante la ecuación (PT6. a t 21. 2 . La figura 21.7). lti «esobre el intervalo podría calcularse al diferenciar dos veces = .56 la cual es del mismo orden de magnitud y signo que el error real. para un intervalo de este tamaño el promedio de la segunda derivada no es necesariamente una aproximación exacta Así. Hay n + 1 puntos base igualmente espaciados (x .. ya que.6) para obtener =-^(-60)(0.

7 Ilustración de la regla trapezoidal du aplicación múlllple. fa| MGITUNTOI.FÓRMULAS DE INTEGRACIÓN DE NEWTON COTÉS_ : Xrj X-f X¿ c) X3 X4 ^ X 2 *3 -"4 *5 FIGURA 2 1 . a) Dos segmentos. 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 .

y) o.o.»i unm»»—Enmy—*•—•» i' (21.9) en el formato general do lu ecuación (21. mediante agrupación de términos.. h ' = 2 M .10) Ancho AltUItffom«llo Como In sumtiloriii de I ON coeficientes d c / ( . .10). 7=(6-c) v ' /w+/&) i—W—^ i u". \ ) en el numerador dividido entre 2n os ¡giinl a I .5). usando la ecuación (21. los puntos interiores dnn dos veces el poso do los (I ON puntos ex (remo/'(. hi ahina promedio lepicneula un promedio ponderado de los valores de la función. De «cuenlo con ln'ccuitelrtn (21.l / ( * o ) + 2 £ / ( * ¡ ) + /(*») (2i.7) para expresar la ecuación (21.*„) y /(#.).

2 + 25x .4): /(O) = 0.4) = 2.64 12(2) ' ¡ I donde — 60 es el promedio de la segunda derivada.0688 = 0.1. Los resultados del ejemplo anterior.900 JC + 4 0 0 x 4 5 desde a = 0 hasta b = 0.456) + 0. junto con de tres a dio/. Recuerde que el valor correcto para la integral es 1.8 /(0.13) Así.2 + 2(2.1.626 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 .3)] ¿/"fe) f „ ^ U n n (21.-) — f"y la ecuación (21. Observe cómo el error diiminu- .232 —• — = 1.640533 . = 1. segmentos do uplicuoión de U regla trapezoidal.9% E. n — 2(h = 0.8) = 0. u rapjifjjMafldfcti&li 21.a) 3 ^ „ (21-11) ' = Í 2 ¿ 3 . el error de truncamiento disminuirá a un cuarto. si el número de segmentos se duplica. 2 Regla trapezoidal de múltiple aplicación l Enunciado del problema.13) es un error aproximado debido a la naturaleza aproximada de la ecuación (21. Este resultado se puede simplificar al estimar la media o valor promedio de la segunda derivada para todo el intervalo como [véase ecuación (PT6.200x 2 + 615x 3 .13) para estimar el error. Solución. integral de f(x) Use dos segmentos de la regla trapezoidal para estimar la = 0.8. Emplee la ecuación (21. Observe que la ecuación (21.2 / = 0.232 0.1.456 /(0.12). EJEMPLO 2 1 .12) Por tanto 2/"(§.11) se puede reescribir como E = { b •' a ' f f" 12n (21. = 34.57173 E a = — ^ r ( -2 6 0 ) = 0.0688 4 s. determinada antes en el ejemplo 21.640533.¿ ^ & > i=\ donde f"(^¡) es la segunda derivada en un punto %¡ localizado en el segmento i.

4 0. listo OH debido a que el error está invcrsumcnlc relacionado con el cuadrado de n | véiisc ecuación (21.3 3.5399 1. Por lanío. El valor exacto es 675X 1 1. El primero (véase figura 21. Sin embargo. 21.5703 1. ul duplicar el número de segmentos diNtninuye en un cuarto el error.2667 0. La segunda (véase figura 21 .1 143 0.9a) es para la versión de un solo segmento.9 Algoritmos para la regla trapezoidal a) de solo segmento y b) de segmentos múltiples.2 2.4 1.640533. antes de investigur esas fórmulas.9 16. n.3695 1. Observe que ambos están diseñados para datos que se hallan en forma tabular. observe tninbicn que in razón de dlnmlnuoi6n M uradunl.0889 0.1 Resultados de la regla trapezoidal de aplicación múltiple para estimar la integral de f[x) = 0.16 0.2 3+ 25x- 200X + 2 de x = 0 a 0. fO.1333 0.5 6.1 0.9 1. En el siguiente capítulo ilustraremos cómo se puede manejar esas funciones. a) Un solo segmento FUNCTION Trap (h. f) eum = f D0¡=1.5887 1.ye en lauto gl númotHi d« Negmenlos uumentu.1.n-1 eum = sum + 2 *f¡ END DO sum = eum + f„ 0 Trupm m h • eum / 2 END Trtpm .8.900X + ÁOOx 4 5 1 . 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.13)].9 se enlistan dos algoritmos simples para la regla trapezoidal.1 4. TABLA 21.6150 .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 21.4848 1.9b) es para la versión de múltiples segmentos con una anchura de segmento constante.08 h e (%) t 34. analizaremos los algoritmos de cómputo para implementar la regla trapezoidal. así como ecuaciones.2 0.5 9. n 2 3 4 5 6 7 8 9 10 0. fí) Trap = h*(f0 + fí)/2 END Trap b) Segmentos múltiples FUNCTION Trapm (h.6 FIGURA 21. Un programa general debería tener la capacidad de evaluar funciones conocidas.0688 1.6008 1.6091 1. Sin embargo.

Primero. = f (i _ . para determinar esta integral con la regla trapezoidal de aplicación múltiple mediante diferentes números de segmentos. El modelo predice la velocidad del paracaidista como una función del tiempo.1 kg y c = coeficiente de arrastre de 12. 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.} (E21. Luego.1). como se describió en el ejemplo 1. bien de datos tabulados o de funciones definidas por el usuario. Como usted recordará del ejemplo 1.1)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.' ') c Jo (c m) e d dt Use el software de métodos numéricos TOOLKIT. m — masa del paracaidista igual a 68. Dicho software puede evaluar las integrales. y su propio software. Suponga que desea saber qué tan lejos ha caído el paracaidista después de cierto tiempo t.8(68.3.1. como en la figura 21. Observe que al desarrollar la integración en forma analítica y sustituir los valores de parámetros conocidos se obtiene un valor exacto de d — 289. Solución.5 kg/s. g — constante gravitacional de 9.8 m/s . Esta distancia está dada por [véase ecuación (PT6.10. Sustituyendo en la ecuación (E21. EJEMPLO 2 1 .1) 12.5 (1 H v —i .1. v(t) = 9.5)] 2 i > ( 0= gm c (1 _ -(clm). El siguiente ejemplo demuestra su utilidad para evaluar integrales.10.3.-(12. puede hacer clic en la tabla de función de entrada e introducir la función. introduzca el valor 10 para el número de segmentos junto con las dimensiones de la gráfica. 3 Evaluación de integrales con la computadora j I | | Enunciado del problema. Use el software de métodos numéricos TOOLKIT para resolver un problema relacionado con nuestro amigo el paracaidista en caída. También proporciona una buena referencia para asegurar y probar su propio software. Esta pantalla contiene la información de entrada y salida necesaria para integrar una función analítica o datos tabulares. .5/68. la velocidad del paracaidista está dada como la siguiente expresión en función del tiempo: e donde v = velocidad (m/s).43515 m.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.1) Jo (t)dt donde d es la distancia en metros.

0593 9.002 0. observe cómo el error cambia do signo y empieza a . es importante reconocer que el TOOLKIT de métodos numéricos usa doble precisión para obtener su estimación de la integral. Después de hacer clic en los botones Cale y Plot.2 x 10" 1. Sin embargo.10.2 x 10" -3.7491 stimada.02 0.5 x 10 2. En este punto.5 0.4369 289. cerca de siete cifras significativas de precisión). repetir este problema con un programa basado en el pseudocódigo de la figura 21 . Una inspección visual confirma que la integral es e i ancho del intervalo (10 s) por la altura promedio (cerca de 29 m/s).9 x 10" 5.1 0.01 0.. .0 0. la regla trapezoidal de aplicación múltiple obtieiw «célente exactitud. Así. Los resultados son tgmentos T a m a ñ o del s e g m e n t o *.9b y emplear números de simple precisión (por ejemplo. Con n — 500.j . La integral es equivalente al área bajo la curva v(t) contra t.4317 0.1 FIGURA 21. Una gráfica de la función que expone los segmentos se muestra en la figura 21. por tanto.(%) d e288. m 10 20 50 100 200 500 1 000 2 000 5 000 10 000 1.4 x 10 5.237 0. Podemos. hemos obtenido la integral con tres cifras significativas de exactitud.4337 289.2636 289.4 x 10" 1.4076 289.001 289.•-) : . como se muestra en la figura 21.10 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._• I •''<" .0 x 10" -5.4348 289.4336 289.05 0.!£«!!=.10.4282 289.J3ü».2 0.005 0.2 x 10 :l . Podemos tratar con otros números de segmento de unu manera conveniente.4360 289. el resultado es exacto hasta seis cifras significativas.Rnnilr* Integial < Seg Width Ww* 2887491 1 m*:": ' Help I :>«-. hasta cerca de 500 segmentos.7491.l Asi. se despliega una integral calculada de 288.

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 (21.2 R E G L A S DE S I M P S O N Además de aplicar la regla trapezoidal con segmentación más fina. Las fórmulas que resultan al tomar las integrales bajo esos polinomios son conocidas como reglas de Simpson. Del ejemplo 21.3 puede tomarse en cuenta tres conclusiones principales: • Para aplicaciones individuales con buen comportamiento de las funciones. los tres puntos se pueden conectar con una parábola (véase figura 21.1): nb rb I = / 1 f{x)dx £ / Mx)d. El caso de 10 000 segmentos de hecho parece divergir del valor real. podría ser muy importante cuando: a) se evaluarán numerosas integrales. mediante polinomios de orden superior para aproximar la integral. Por ejemplo.116). si hay un punto extra a la mitad del camino entre f(a) yf(b).2. Si se requiere de alta exactitud.4351 que se obtiene en forma analítica. De esta manera. podrían requerirse procedimientos más eficientes (como aquellos planteados en lo que falta de este capítulo y en el próximo). Esto se debe a la inclusión del error de redondeo por el gran número de cálculos para todos esos 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. 21. la regla trapezoidal de múltiples segmentos es casi fina para obtener el tipo de exactitud requerida en muchas aplicaciones de la ingeniería. Es decir. Para tales casos. Si hay dos puntos igualmente espaciados entre f(a) y f(b). los errores de redondeo representan una limitación en nuestra habilidad para determinar integrales. los cuatro puntos se pueden conectar con un polinomio de tercer orden (véase la figura 21. el nivel de precisión está limitado y nunca podría alcanzar el valor exacto de 289. • • Ahora veremos una forma en la cual se puede mejorar la eficiencia. o b) donde la misma función es consumidora de tiempo en su evaluación. Por último.11a). la regla trapezoidal de múltiples segmentos demanda un gran esfuerzo computacional.630 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES aumentar en valor absoluto adelante del caso de 500 segmentos. 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. 21. Aunque este esfuerzo puede ser insignificante para una sola aplicación.\ A » * . Esta limitación se analizará con más detalle en el capítulo 22.

para este caso.15).x )(xi .14).x) (x¡ . que está dado por (b + a)/2.11 (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. Observe que. Es la segunda fórmula de integración cerrada de Newton-Cotes.X\) [x -x )(x -f(x ) . 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 .iste en tomar el área I H i|( > una ecuación cúbica ( | i i ( ! conecta cuatro puntos.14) donde.(x )A 'W4 FIGURA 21. b — x y x = punto a la mitad del camino entre a y b.23)]. La regla de Simpson 1/3 se expresa también con el uso del formato de la ecuación (21. de acuerdo con la ecuación (21.5): Iss( p-a) Ancho 0 2 /(*o)+ * / ( * . b) Si a y b se designan como x y x .3 donde el polinomio de Newton-Gregory se integra para obtener la misma fórmula.x ) -f{xi) 0 2 2 0 2 2 (x -x )(x 2 . Una obtención alternativa se muestra en el cuadro 21. 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. h = (b — á)l2.f.'. ) + M ) Altura promedio ( 2 U 5 ) donde a — x . Esta ecuación es conocida como regla de Simpson 1/3.) + f(x )] 2 (21. | i ) Ilustración gráfica de la i t i i |lii de Simpson 3 / 8 : 11 ui.3) x . resulta la siguiente fórmula: / = |[/(Jfo) + 4/(A. el punto medio está ponderado por dos tercios y los dos puntos extremos por un sexto.X\)' dx Después de la integración y manejo algebraico. yf { ) representada por un polinomio de Lagrange de segundo orden [véase ecuación (18. La especificación "1/3" surge del hecho de que h está dividida entre 3 en la ecuación (21.L xi)(x (x-x )(x-x ) ftxo) + .

2) (a . cuando se hagan las sustituciones simplificadoras (recuerde el 0 2 i 2 0 2/(. como h = (b — a)ll. en comparación con la ecuación (21.) -/(* )yA /-(x ) = / ( x ) .2). la regla de Simpion 1/3 tiene una preci- . Sin embargo. En lugar de ser proporcional a la tercera derivada.3.2) (a .2f{x ) +/(* ).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) « ( « .1)(<* . 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. 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 «/(*<. (21.1) cuadro 21. obtenemos el resultado significativo de que la fórmula tiene una precisión de tercer orden.3. ( o ) + 4/^) + ñ x 2 ) ] _ . el error es proporcional a la cuarta derivada. Ya que se suprime la tercera diferencia dividida.) • 0 0 A /(x ) 2 0 1 (B21.A /(*o) 2 Como se hizo en el cuadro 21.6) indica que es más exacta de lo esperado.632 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES Cuadro 2 1 . Esto es porque.L / 4 ) ( ^ REGK DE SIMPSON 173 ERROR DE TRUNCAMIENTO que se puede integrar para obtener Así.v ) + 2A/U.2 para la regla trapezoidal. Así. = -¿¿ / (§) 5 M) o. En O O A I I G M A O I L .laecuación(B21.16) 2 880 donde ^ está en algún lugar en el intervalo desde aab.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 « ( " . la regla de Simpson 1/3 es más exacta que la regla trapezoidal. La razón para esto se verá un poco después. la regla de Simpson 1/3 se puede obtener al integrar hacia adelante el polinomio de interpolación de Newton-Gregory (véase cuadro 18. E.D ( « . el primer término es la regla de Simpson y el segundo es el error de truncamiento.2): I en J. Debido a que A/"(x ) = /(x. como se muestra en el cuadro 21. Observe también que los límites de integración van de x a x .3 ) / ¡ da 4 -a(ot a(a — 1) / = JLr/ .) + y A / ( x ) + l — . Por tanto.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.3.

como en este caso tiene que ver con polinomios de quinto orden. f(x) Use la ecuación (21.900x + 400x desde a = 0 a b Solución. Sin embargo.640533 .2 400) = 0. Como ocurrió en el caso del ejemplo 21.15) se puede usar para calcular / =0.17) La integral total se puede representar como . /(O) = 0. la ecuación (21.8.456 /(0.4). ¡lin otras palabras.8) — ' .2 + 4(2.2 La regla de S i m p s o n 1/3 de aplicación múltiple Así como con la regla trapezoidal.2 /(0.6% la cual es aproximadamente 5 veces más precisa que una aplicación simple de la regla trapezoidal (véase ejemplo 21.1.2730667 e.8 0. el error es aproximado (E ) y es debido a que el promedio de la cuarta derivada no es una estimación exacta de/* (£).1).15) para integrar 2 3 4 5 = 0. = 1.2730667 2 880 5 donde —2 400 es el promedio de la cuarta derivada para el intervalo.232 Por tanto.456) + 0.16)] E = a (0.sión de tereef ofdstt aun uiiaiidu He bnsc en sólo tres puntos. = 16.2 + 25* .8) = 0.12): h = b —a n (21. El error estimado es [véase ecuación (21.2. como se obtuvo por medio de la ecuación (PT6. 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.232 6 = 1. 0. el resultado concuerda. la regla de Simpson se puede mejorar al dividir el intervalo de integración en un número de segmentos de igual anchura (véase figura 21.1.( .200x + 675x .367467 = 0.4) = 2.640533. Recuerde que la integral exacta es 1.367467 que representa un error exacto de E. a 4) 21.

)+f(x„) (21.12 Representación gráfica de la regla de Simpson 1 / 3 de aplicación múltiple. Observe que el método se puede emplear sólo si el número de segmentos es par. Sin embargo.v ) 4 + 2h /U „ )+4/(x„_ ) + /U„) ¡ 2 1 o. ) + /(.)+4/'(. sumando los errores individuales de los segmentos y sacando el promedio de la derivada para dar F "~ ( 4 ) - (¿> . siguen en forma natural la regla de Simpson 1/3.V2) 2h í\x ) 2 + 4 / ( x .634 FÓRMULAS DE INTEGRACIÓN DE NEWTON -COTES^ Al sustituir la regla de Simpson 1/3 para la integral individual so obtiene /(A.18) podrían parecer peculiares a primera vista. el peso de 4 en la ecuación (21.15). Un error estimado para la aplicación de la regla de Simpson se obtiene en la misma forma que para la regla trapezoidal. como se ilustra en la figura 21.19) donde/ es el promedio de la cuarta derivada para el intervalo.a) 180« 4 J 7(4) (21. se cuentan dos veces. por tanto. FIGURA 21. ~ {b . Además.18) 3n Altura promedio Observe que. por tanto.17). se debe utilizar u n número par de segmentos para implementar el método. Los puntos nones representan el término medio para cada aplicación y. combinando términos y usando la ecuación (21.Y ) + 0 L / = 2/7 /(.a) Ancho f(x. los coeficientes " 4 " y " 2 " en la ecuación (21. /(*o) + 4 S f{x¡) + 2 " ¿ J . Los puntos pares son comunes en las aplicaciones adyacentes y. .12.

2 /(0.2): /(0.) + 2 . Además.v .O 0. está limitada a casos en los que los valores son igualmente espaciados.18).640533.. Sin embargo.9 0 0 A + 4 0 0 * desde a = 0 hasta b = 0.oZj4o/ E.18) con n — 4 para estimur la inte2 1 4 5 /'(.2) = 1.6) = 3.288 + 3.2 + 25.2. n = 4 (h = 0./'(*.675A.456 /(0.640533 . = 1.1.017067 180(4) ' a 4 s.04% El ejemplo anterior ilustra que la versión de la regla de Simpson 1/3 de aplicación múltiple da resultados precisos.456) + 0. como se mencionó antes.19)] es E = — ^ .623467 = 0.2 + 4(1. Solución. como se analizará en la siguiente sección.r ( .2()(). 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/(. = 1. / = (J. 21.2 400) = 0. gral de U n o lu ecuación (21. se considera superior a la regla trapezoidal para la mayoría de las aplicaciones.v) = 0. Recuerde que la integral exacta es 1.V|) + 3/(a) + / ( * . En consecuencia.232 A partir de la ecuación (21.464) + 2(2.8) = 0. está limitada a situaciones donde hay un número par de segmentos y un número non de puntos.Veriión d« la rugía cim ülmpiun I /J do aplicación múltiplo Enunciado dol problema.v -1.017067 El error estimado [véase ecuación (21..288 /(0.4) = 2.464 /(0) = 0. 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 1/3.232 12 = 1.8. Por esta razón. = )] H nb rb |.

La regla de Simpson 3/8 tiene un error de ' 80 J o. FIGURA 21. /|x) A .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. E Jtz^tji^ 6 480 (21.16).21) es mayor que el de la ecuación (21.21) Como el denominador de la ecuación (21. La regla 3/8 se puede expresar también en la forma de la ecuación (21.636 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES donde h — (b — «)/3. los dos puntos interiores tienen pesos de tres octavos. Esta es la tercera fórmula de integración cerrada de Newton-Cotes. mientras los puntos extremos pesan un octavo. ya que h — (b — a)/3. Esta ecuación se llama regla de Simpson 3/8 debido a que h se multiplica por 3/8. la regla 3/8 es algo más exacta que la de 1/3.20) Altura promedio Así.5): Issjb-a) Ancho + 3 / ( X l ) + 3 / f e ) + m m (21.

8) " = -Tlérí6 4 8) 0 2400 5 = 0-1213630 | | b) Los datos necesarios para la aplicación de cinco segmentos (h — 0.432724 /(0.0 S °' ^+ . Como ilustración.8. podríamos obtener un estimado con una precisión de tercer orden a través de todo el intervalo.3. Una opción podría ser usar una versión de aplicación múltiple de la regla trapezoidal como se hizo en los ejemplos 21. 6 Regla de Simpson 3 / 8 Enunciado del problema.«()) 0.13).16) es /(0) = 0. lu rogln de 3/8 tiene utilidad cuando el número de segmentos es impar. = 1.48) = 3.181929 /(0. | a) Una sola aplicación de la regla de Simpson 3/8 requiere de cuatro puntos igualmente espaciados: /(O) = 0.La regla do Nlmpaun 1/1 en o moñudo ol método de preferencia.8 ? 1 7 7 ) + 0.5 usamos la regla de Simpson para integrar la función para cuatro segmentos. EJEMPLO 2 1 ./(0.64) ./t0.743393 . debido al gran error de truncamiento asociado con este método.Sin embargo.2 + 25x .200x + 675x . De esta forma.232 ' ? E (0./{(). en el ejemplo 21.2 /(0.1213630 e.487177 Usando la ecuación (21. .296919 .4% 2 + 3 4 3 2 7 2 4 3 4 = /(0.5333) = 3.16) = 1.1.8) = 0./Í0.232 ' 8 E. sin embargo.186015 .32) = 1.900x + 400x 2 3 4 5 desde a = 0 hasta b — 0.519170 = 0. Suponga que usted desea una estimación para cinco segmentos.2 . Solución.2 y 21. ya que alcanza exactitud de tercer orden con I T C N puntos más que los cuatro puntos requeridos pora la versión de 3/8.232 La Integral para los dos prlmeroi segmentos se obtiene usando la regla de Slmpion 1/3! . a) Use la regla de Simpson 3/8 para integrar \ ! I | f(x) = 0.3. b) Úsela en conjunto con la regla de Simpson 1/3 a fin de integrar la misma función para cinco segmentos.2667) = 1. 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. = 7. Esto puede no ser recomendable.20) / .640533 .

.232 = 1. OfitMB ajternativas viables y atractivas. En el siguiente capítulo ilustraremos cómo se puede manejar esas ecuaciones.32 0.640533 . junto con su estimación del error de truncamiento. las fórmulas de orden superior (que son mayores de cuatro puntos) son usadas muy rara vez.14¿¡f está acondicionado para usar números de segmentos pares o nones. = 1.181929) + 0. Sin embargo. Observe que el programa de la figura 21. 2 8 % 21.FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES / y. Algunas de las fórmulas se resumen en la tabla 21.00454383 e. 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.48 1.2. Para el caso de pares. descritos en el capitulo 22.2 + 4 ( 1 . Además. La precisión se puede mejorar al usar la versión de aplicación múltiple.264754 8 La integral total se calcula al sumar los dos resultados: / = 0. 2 % 9 1 9 ) + 1.186015 + 3. los métodos como la integración de Rombcrg o la cuadratura de O K U I I . la regla 3/8 se puede usar para obtener / = 0. se aplica la regla de Simpson 3/8 a los tres últimos segmentos y la regla 1/3 a los segmentos previos.645077 E. como en el caso de las reglas de Simpson 1/3 y 3/8. Observe que.1.3803237 + 1. = .743393 + 3(3. la regla 1/3 y la regla de Boole) usualmente son los métodos de preferencia.0 . en la práctica de la ingeniería. se debe resaltar que.3803237 6 Para los últimos tres segmentos.14 se bosqueja el pseudocódigo para diferentes formas de reglas de Simpson. 21. Las reglas de Simpson bastan para la mayoría de las aplicaciones.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.2. Un programa general debería tener la capacidad de evaluar funciones conocidas así como ecuaciones.2. En los nones. cuando la función es conocida y se requiere de alta precisión. 0. las fórmulas de cinco y seis puntos tienen el mismo orden de error.264753 = 1.743393 — = 0.645077 = -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. Observe que todas se hallan diseñadas para datos que están en forma tabulada. la regla de Simpson 1/3 se aplica a cada par de segmentos y los resultados se suman para calcular la integral total.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.

f) eum = f(0) P0l = 1.2 rüNCTION 5lmp13 = 2'h* (f0+4*fí+f2) END Slmp13 5lmp13 /6 (h.n-2. TABLA 21. y d) regla de Simpson de aplicación múltiple para números de segmentos nones y pares.21.! 8 -\]/90)h fW 5 -|3/80)/i-VI' l(í) 1 4 0) (b- 7f(x ) + 32f(x.5) de manera que el peso de los datos para estimar la altura promedio es aparente.f _ . + f iMmp13m = h * eum 13 FNI>Slmp13m n Simp33 / 3 (h. El tamaño de paso está dado por h = (b . n. c) regla de Simpson 1/3 de aplicación múltiple.f ) ri 3 r n 1 tl M eum = eum + 5¡mp13m(h.a)/n. b.')0/(x :f I V 288 ' W (2/5/1 VW())h . f j EL5E fí. l + S f N + flx..T4 i inio js para las reglas de Simpson.f _ . | 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 .f _2. f) END IF END IF 5lmplnt = eum END Simplnt M i \ lu K Íc ó d g io H lf io FIGURA 21. Observe que para todos los casos n debe ser > 1 . n.fZ) b) FUNCTION 5¡mp3& = 3*h* (f0+3*(fí+f2)+f3) FND 5imp33 t VNCTION 5imp13m (h. FUNCTION 5lmplnt(a. b) regla de Simpson 3 / 8 do ación simple. m. a) Regla de Simpson 1 / 3 de aplicación simple. f3) m = n odd = n/2-INT(n/2) IF oda > O AND n > 1 THEN m =n. Las fórmulas se presentan en el formato de la ecuación (21.| + 12í(x | + 3 2 r > ) + 7f(x ) 0 2 3 0) 90 19f(x ) ü ASflxJ 2 .2 eum = eum + 4 * f¡ + 2 * f END DO fium = eum + 4 * f„_.3 END IF IFm>1 THEN 1 * 1 • » di eum = sum+Slmp33(h. fí. fO. fO. f„_. 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 .'i 5 Regla de 6 o) f ( X o | + f ( x . f) h = (b-a)/n IFn = 1 THEN eum = Trap(h.2 Fórmulas de integración cerrada de Newton-Cotes.f2.

con valores 2 3 4 5 de x desigualmente espaciados.64 0. . 4 5 6 0 0 0 0. todas las fórmulas para integración numérica se han basado en datos igualmente espaciados.640533. 0 7 4 9 0 3 2 . 2 + 25x . U / ( * 0 ) + . La única diferencia entre las ecuaciones (21.2 0 Ü X + la cual representa un error relativo absoluto de £.309729 + 0. .0 0 . 4 0 0 . i ? í \ | Solución.900X + 4 0porcentual 0 X . X """""""'"ÍLX)'"*" X 0.22) para determinar i la integral para estos datos. = 2 . Antes de describir ese algoritmo. 1 2 0. ilustraremos en el siguiente ejemplo cómo se puede aplicar la ecuación (21.3 fue generada mediante el | mismo polinomio empleado en el ejemplo 21. Si se aplica la ecuación (21.7 Regla trapezoidal con segmentos desiguales | Enunciado del problema. EJEMPLO 21. H u / ( * „ .8) y (21.309729 1. 1 8 1 9 2 9 2 .80 2 . En consecuencia. 3 6 3 0 0 0 0 .54 0.22) a los datos de la tabla 21. Por ejemplo.090584 + 0.3 se obtiene 1.22) donde h¡ = ancho del segmento /. un método es aplicar la regla trapezoidal a cada segmento y sumar los resultados: .12 + 2.36 0 . la ecuación (21.8% 675X .3 Datos para f(x) = 0 . Para esos casos. u / ( S I ) + /fe) . 5 0 7 2 9 7 3 .305241 + 1. Use la ecuación (21.32 0. 8 4 2 9 8 5 3 .22). 2 3 2 0 0 0 .44 0.232 + . Aunque esta simplificación no puede aplicarse a la ecuación (21.309729 0. Recuerde que la respuesta correcta es 1 .22 0. existen muchas situaciones donde esta suposición no se cumple y debemos tratar con segmentos de tamaño desigual.12975 = 1.22) es que las h en la primera son constantes. los datos derivados experimentalmente son a menudo de este tipo.L ) + / ( * „ ) l=hi ~ + " 2 2 ' " 2 (21.640 21.9). La información en la tabla 21. 2 0 0 0 0 0 1. Observe que éste fue el mismo procedimiento que se usó en la regla trapezoidal de aplicación múltiple.3 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES INTEGRACIÓN CON SEGMENTOS DESIGUALES Hasta este punto.70 0. + 0.22) para evaluar una integral.594801 1 TABLA 21. es posible desarrollar de manera fácil un programa en computadora para acomodar los segmentos de tamaño desigual.1.10 1.743393 2 .2 + 0.305241 1.10 n 7=0. .363 1 = 0. En la práctica.8) podría simplificarse al agrupar términos para obtener la ecuación (21.130749 + • • • + 0.

El primer segmento se evalúa con la regla trapezoidal: „ 1.2 / = 0.15.309729 / = 0.12 a 0.7 se ilustran en la figura 21. pueden evaluarse con la regla de 3/ft para dar / = 0. Vuelva a calcular la integral con los datos de la tabla 21. Los datos del ejemplo 21. su integral se puede calcular con la regla de Simpson 1/3: . Observe cómo los segmentos achurados podrían evaluarse con la regla de'Simpson para obtener mayor precisión.2758029 Los siguientes tres segmentos también son iguales y. Esto usualmente nos lleva a resultados más precisos. pero ahora use las reglas de Simpson para aquellos segmentos donde son apropiados.32 son de igual longitud. la regla 1/3 se puede aplicar a .305241) + 1.15 Uso de la regla trapezoidal para determinar la integral de datos desigualmente espaciado».2—: — = 0. De manera similar.09058376 Debido a que los dos siguientes segmentos que van de x = 0.12 •— = 0.743393 + 4(1. pudieron haberse evaluado mediante las reglas de Simpson. Observe que alguno* segmentos adyacentes son de igual anchura y. por tanto.3. Solución. como lo ilustra el siguiente ejemplo. Inclusión de las reglas de Simpson en la evaluación de datos no uniformes Enunciado del problema. en consecuencia. 1.309729 + 0.2726863.FIGURA 21.

El algoritmo se lista en la figura 21. fj_ f-) EL5E eum = eum + Simp33 (h. 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. n) LOCAL I. FP EL5E IFk = 2 THEN eum = eum + 6\mp13 (h.n 1 0 IF A35 (h .44 hasta 0.7. o) FUNCTION Trapun (x. Finalmente. los cuales son de longitud desigual. a) Regla trapezoidal y b) Combinación de reglas de Simpson y trapezoidal. Esto representa un error e = 2. el cual es superior al resultado que se obtuvo mediante la regla trapezoidal del ejemplo 21. El área de esos segmentos individuales se suma para dar una integral total de 1. y. t Programa de cómputo para datos espaciados de manera desigual. se pueden evaluar con la regla trapezoidal para dar valores de 0. respectivamente.n eum = eum + (x¡ ..16 Pseudocódigo para integrar datos desigualmente espaciados.2%. FIGURA 21.1297500.603641.hf) < .22) es una proposición bastante simple.642 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES los dos segmentos desde x = 0.16a. f) h=x -x k=1 eum = O. eum eum = O DO i=1.x )*(y END DO Trapun = eum END Trapun H b) H + y¡)/2 FUNCTION Uneven (n. Programar la ecuación (21. los dos últimos segmentos.6684701.eum .. DO J = 1. . Univon . fj_ fj_ f^) k = k-1 EL5E k = k+1 END IF EL5E IFk = 1 THEN eum = eum + Trap (7% FJ_. x.64 para obtener I = 0..OOOOOI THEN IFk = 3 THEN eum = eum + 5imp13 (h.1663479 y 0.

5) para que los factores ponderados sean evidentes. tienen utilidad para analizar integrales impropios. como se demostró en el ejemplo 21. Las fórmulas se presentan en «I formato de la ecuación (21.4 resume las fórmulas de integración abierta de Newton-Cotes.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. se implementn la regla trapezoidal. 4 Fórmulas de integración abierta da Newton Cotos. 1 . Adetnáa. Si dos segmentos consecutivos son de igual longitud. Cuando los segmentos adyacentes son de longitud desigual. se reduce a las reglas de Simpson. tienen In relevancia de nuestro análisis de métodos multipnsos para la solución de eotiflolonen diferenciales ordinarias en el capitulo 26.UN fórmulas abiertas no se usan a menudo para integración definida. 21. La tabla 21.21.)-í|x | ? + (l/3]/> f"(íl 3 |b-o) fa [3/4}h fU) 3 _ 2f(x. se una la regla 3/8.(b . 20 Sin embargo. sino que al usar la información igualmente espaciada. no sólo permite la evaluación de segmentos de datos desiguales. .1 6b. Sin embargo. el algoritmo verifica la longitud de los segmentos adyacentes.5) de manera quo el peso de los datos para estimar la altura promedio sea aparente.a)/n. El tamaño de paso está dado por h .| 2 2f|x.8. Por esta razón desarrollamoa un segundo algoritmo que incorpora esta capacidad. Las fórmulas se expresan en la forma de la ecuación (21. Como se ilustra en la figura 21. Como tal. Como con las versiones cerradas.4 I E R T A TABLA 2 1 . ya que requieren menos puntos para alcanzar la misma precisión que con las fórmulas de segmentos nones y puntos pares. como NO analiza en el capítulo 22. pares sucesivos de las fórmulas tienen el mismo orden de error. Las fórmulas de segmentos pares y puntos nones son por lo común los métodos de preferencia.| 3 24 llf| )-14f|x ) X l 2 + |95/144)f) fl >|§) 5 4 26f|x3)-14f|x ) 4 (41/140)//f (£) |6. Así. el procedimiento es resaltado ai se implementan las reglas de Simpson cuando sea posible. representa un algoritmo básico para todo propósito en la determinación de la integral de datos tabulados. Si tres son iguales. se aplica la regla de Simpson 1/3. 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.

4 Evalúe las integrales del problema 21.4 0.8 Integre la siguiente función mediante la regla trapezoidal. con n = 5. 21.1 con una sola aplicación de la regla de Simpson 3/8.+ 5) dx 3 Calcule los errores relativos porcentuales de los resultados numéricos.v -l) ) dx Observe que el valor real es 0. 2. paro ai^¡aj||Jij»jegla» de Simpson. 21. 21.14. pero ahora use las reglas de Simpson.15 Realice la misma evaluación que en el problema 21. con n = 2.5 Evalúe las integrales del problema 21. Para las evaluaciones numéricas use d) una sola aplicación de la regla trapezoidal. c) regla de Simpson 3/8. Analice sus resultados.A¿ + x ) dx (8 + 4senx)<¿x c) J Jo 15 2t dx 21. . f|x) 7 4 3 5 2 Calcule los errores relativos porcentuales para los resultados numéricos. 21.2-x)(\-e 20 (.9 Integre la siguiente función en forma analítica y con las reglas de Simpson. 21. pero ahora use una aplicación múltiple de la regla de Simpson. 21.1 con una aplicación múltiple de la regla de Simpson 1/3.12 Integre la siguiente función en forma analítica y numérica. Jo 0A x {l. 21. 21.6Evalúe las integrales del problema 21. conn = 1. c) regla de Simpson 3/8.2 0. P i n l u •valuaciones numéricas use a) una sola aplicación f Jo 21.x .5 Analice los resultados.3 0. 21.1 Use medios analíticos para evaluar a) j* b) J (1 - e. d) aplicación múltiple de las reglas de Simpson (« = 5).7 Evalúe las integrales del problema 21. j) el método de punto medio. Use las reglas trapezoidal y lá de Simpson 1/3 para integrar numéricamente la función. e) regla de Boole.16 Evalúe la integral de los siguientes datos tabulados mediante la regla trapezoidal: -3 -1 dx flx) 1 1 3 21. 3 y 4: (x + l/x)" dx Calcule los errores relativos porcentuales con respecto al valor real de 4.1 con una regla trapezoidal de aplicación múltiple.14 Evalúe la integral de los siguientes datos tabulados con la regla trapezoidal: X 0 1 0.644 PROBLEMAS FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES 21. y h) fórmula de integración abierta con 4 segmentos/3 puntos. Para los dos casos.17 Realice la misma evaluación que on el problema 21. 21. 21.4 y 6.1. b) regla de Simpson 1/3./) fórmula de integración abierta con 3 segmentos/2 puntos y g) fórmula de integración abierta con 4 segmentos/3 puntos. 21. con n = 4 y 5: j (4x.)dx x 5 4 de la regla trapezoidal. 21. Evalúe esta integral con la regla trapezoidal de segmento múltiple. (8 + 3 sen x) dx Calcule los errores relativos porcentuales de los resultados numéricos.1 con una sola aplicación de la regla de Simpson 1/3.10 Integre la siguiente función de manera analítica y numérica. d) regla de Boole.1. Use una n lo suficientemente grande para que tenga usted 4 cifras significativas de exactitud. b) la regla de Simpson 1/3.2 Emplee una sola aplicación de la regla trapezoidal para evaluar las integrales del problema 21.13 Integre la siguiente función. con n = 4 y 6. e) método de punto medio.16.1 0.602297. g) la fórmula de integración abierta con 3 segmentos/2 puntos. (1 . use la versión de aplicación múltiple con n = 4.3 Evalúe las integrales del problema 21.11 Integre la siguiente función on forma analítica y nuniériM.8333 para evaluar la exactitud de las aproximaciones trapezoidales.

\ 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 2 Desarrolle un programa en computadora de uso amigablo II.7408 0. b) usando la ecuación (PT6. 2 1 Evalúe la integral triple 4 4d + 45. Para b) y c). emplee las reglas de Simpson 21.3 0.Ü72^' 2 3 2 y 10 a) graficando la función y estimando en forma VlHlIH1 el valor medio.).71* . Entre otras cosas.2 la versión de aplicación múltiple de la regla de Simpson con base I 0.3867 0.12.). imkulc el error relativo porcentual (£.13. Para b) calcule el error relativo porcentual (e. 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.V . I N Determino el valor medio de la (unción /( o • •ULTRA SlmpHon 1/3. d) el problema 21.8.0.2. 2 1 . 2 1 .4) y la evaluaR O N ttiinlilica de la integral.3012 en la figura 21. 2 5 Use el programa Intégrate Function del disco T O O L K I T 1 1 . 2 1 . • 3y +xy ) dx dy Use la opción gráfica para que le ayude a visualizar el concepto il) timilllieumente.2 con a) medios 2 1 . 1 2 2 b a . Pruébelo con los mismos datos de cálculo del ejemplo I I I I I H I O sea posible para obtener la mayor exactitud. 2 1 .22) para repetir a) el problema 21.9.7 o 0.4.3. 2 0 I i valúe la siguiente integral doble: de métodos numéricos (o su propio programa a partir del problema 21.1 0.10 y e) el problema 21.IV función para la regla trapezoidal de aplicación múltiple con base en la figura 21.6065 0. Intento liupivimliil (/i = 2).166. a) agregue comentarios de docullil < • mentación al código. 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. y c) mediante la ecuación (PT6. t'viilíic la integral desde a = 0 hasta b = 1. Pruébelo con los mismos datos de cálculo del ejemplo 21.14c. Para b) y e ) calcule el error relativo porcentual (('. 21.9048 0.5. b) el problema 2 1.5 0. Calcule el error relativo porcentual. 2 4 Desarrolle un programa de cómputo de uso amigable para H I I H I I I K O S .4966 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.4) y I I H M versión de la regla de Simpson con cinco segmentos para •lllinm In integral.8.95 1. c) sólo con aplicaciones de la regla de diferentes tamaños de paso para cada problema.8JC + 1. 2 3 Desarrolle un programa de cómputo de uso amigable para 0. c) el problema 21.).2. Pruebe HltlilD espaciados: su programa con los mismos datos de cálculo del problema 21 .

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

a. Observe además que se requiere un número muy grande de evaluaciones de la función (y.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.2. las ecuaciones para el error [ecuaciones (21. la cual es una gráfica del error verdadero contra n para la integral def(x) = 0. Esta observación es soportada por la figura 22. b) y el número de segmentos pasados. el error empieza a aumentar cuando los errores de redondeo comienzan a dominar.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. intervalo de integración (a. donde la liini n'in está disponible.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 22.2 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.22. . Sin embargo. Esta información se emplea entonces para generar valores igualmente espaciados de x dentro de la función. los valores de la función en la figura 22. Desarrollamos programas con simple precisión. 2 3 4 5 22.2 + 25x — 200X + 675JC — 900 JC + 400x . 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.13) y (21. por tanto. 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. esfuerzo computacional) para alcanzar niveles altos de exactitud.1 se calculan mediante llamados de la función sujeta a análisis. en el sentido de que etttá basada en aplicaciones sucesivas de la regla trapezoidal. Es muy similar a las técnicas analizadas en el capítulo 21 . se alcanzan mejores resultados con menos esfuerzo. Para la variable dependiente. note también que para grandes valores de n./(X). basados en esos pseudocódigos. aunque se lengu que hacer manipulaciones matemáticas.19)] indican que el aumento en el número de segmentos n resultará en una estimación más exacta de la integral. Para una función analítica.n-2. Observe cómo el error disminuye en tanto n aumenta. b) h = (b-a)/n x =~a eum = f(x) D0l = 1.f(x) D0l = l. Sin embargo. b) h = (t>-a)/n x =a eum . Como una consecuencia de estos defectos. a.1 Mi|IHilmos para M|ilii liciones múltiples de las I M I | | I I S a) trapezoidal y b) de 'iinipson 1 / 3 .

Si hacemos dos estimaciones por separado mediante tamaños de paso de h\ Y 2 Y tienen valores exactos del error. I{h) — aproximación de una aplicación de n segmentos de la regla trapezoidal con un tamaño de paso h = (b — a)ln. - 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. 2 c 2 0 0 X + 6 7 5 X 900/ +4 0 Ü X .3.1 0 FIGURA 22. 5 3 10 -3 a> i 4 < D . I .l 64 I I.1 2 .8 mediante la regla trapezoidal de aplicación múltiple y la regla de aplicación múltiple de Simpson 1/3. n (22. Esos métodos usan dos estimaciones de una integral para calcular una tercera más exacta. I . Observe que ambos resultados indican que para un gran número de segmentos. .1 16 32 I . El error estimado y asociado con una aplicación múltiple de la regla trapezoidal puede representarse de manera general como / = /(/..3 usamos un refinamiento iterativo para mejorar la solución de un conjunto de ecuaciones lineales simultáneas.1) . y se les conoce por lo general como extrapolación de Richardson.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. 10 -5 Límite de precisión Regla de Simpson 1/3 Límite de precisión L U 22.648 INTEGRACIÓN DE ECUACIONES 100 10 O " 1 0 a • C B 1 0 0 .) + E(h) donde / = valor exacto de la integral. e o a .2. y E(h) — error de truncamiento. 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. los errores de redondeo limitan la precisión.

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

1) usamos ¡ una variedad de métodos de integración numérica para evaluar la integral de f(x) = 0. Este procedimiento es un subconjunto de un método más general para combinar integrales y obtener estimaciones mejoradas.6) ' donde I e I¡ son las estimaciones mayor y menor. la ecuación usada para la exactitud de 0(h ) es 2 4 4 6 6 / ^ —/.900x + 400x desde a = 0 hasta b = 0. calculamos dos integrales mejoradas de 0(h ) sobre la base de tres estimaciones de la regla trapezoidal. j De la misma manera. Esos dos cálculos mejorados pueden. 15 "' 15 m 6 s v (22.5 | ¡ Use esta información junto con la ecuación (22. j el cual es superior a las estimaciones sobre las cuales se basa.9 9. 0 6 8 8 ) = 1.1.1.( 1 .. En el capítulo anterior (ejemplo 21. dos resultados 0(h ) pueden combinarse para calcular una integral que es 0(h ) por medio de (22.8. Para el caso especial donde las estimaciones del trapezoide original están basadas sobre sucesivas mitades de tamaño de paso. Por ejemplo. Las estimaciones de uno y dos segmentos se pueden combinar para dar | Solución.367467 | El error de la integral mejorada es E. Como ilustración.623467 que representa un error deE = 1.„ .( 1 .4 0. 1 INTEGRACIÓN DE ECUACIONES Correcciones de error de la regla trapezoidal | Enunciado del problema.^(0. 4 8 4 8 ) .1.6%).1 y tabla 21.0688 1.0688) .2 h Integral 0.4) 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 ).367467 = 0.7) .1728) = 1. en el ejemplo 22.0%). t t La ecuación (22.200x + 675x . = 16. i aplicaciones simples y múltiples de la regla trapezoidal dan los siguientes resultados: 2 3 4 s Segmentos 1 2 4 0.650 EJEMPLO 2 2 . respectivamente.5 34. De manera similar.640533 .1728 1. | / = -(1. = 1.273067 (£.8 0. las estimaciones para dos y cuatro segmentos se pueden com| binar para obtener | ¡ '4 1 í ! / = .2 | + 25x .— /.623467 = 0.5) para calcular la estimación mejorada de la integral.4848 e„% 89.017067 (e = 1. a su vez. combinarse para obtener aun un mejor valor con 0(h ).640533 .

2 . El subíndice k significa el nivel de la integración. 3 6 7 4 6 7 ) = 1. (22. 2 2 . Estos valores pueden sustituirse en la ecuación (22. ! = las integrales más y menos exactas. La forma general representada por la ecuación (22. j = 2 es para una aplicación con dos segmentos [el tamaño de paso es (b — a)/2]. y su aplicación sistemática para evaluar integrales se denomina integración de Romberg. y asi sucesivamente. e Ij = la &I integral mejorada. .640533 que es una respuesta correcta con las siete cifras significativas que se han utilizado en este ejemplo.623467. dan un peso relativamente mayor sobre la estimación de la integral superior.j = 3 es para una aplicación de cuatro tegmentos [el tamaño de paso es (b — a)/4]. k = 2 corresponde a 0(h ).1 fueron 1.5). El subíndice j se usa para distinguir entre las estimaciones más (f + 1) y menos (/') exactas. De esta manera.i . y así en forma sucesiva. 2 Corrección de error de orden luperior para estimaciones de la integral J Enunciado del problema. la ecuación (22.367467 y 1.8) es atribuida a Romberg. para k = 2 yj = 1. éstos representan los factores ponderados que. 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.jfc-l 7 J+l k (22.6) y (22.7)] aumentan hasta 1. k = 3 a 0(h ). La figura 22.6) para 4 obtener i | I / = ( 1 .2 EJEMPLO 2 2 .1 la cual es equivalente a la ecuación (22. donde j — 1 es para una aplicución de un solo segmento (el tamaño de paso es b — a). Cada matriz corresponde a una sola iteración.8) donde I .^ ( 1 .22.8) para obtener OBda ve/. 4 6 ] ! 1 Solución. Utilice la ecuación (22.5).1 usamos la extrapolación de Richardson ¡ para calcular dos estimaciones de la integral de 0(h ). respectivamente. 6 2 3 4 6 7 ) . mejores estimaciones do la integral.8) se convierte en k 4 6 •i lk2 I 1.6) para | combinar esas estimaciones y calcular una integral con 0(h ). lin el ejemplo 22. La primera celumna contiene las evaluaciones de la regla trapezoidal que están designadas por fp. al aumentar la exactitud. . Por ejemplo. donde k = 1 corresponde a la regla trapezoidal original.2 4/ .3 es una ilustración gráfica de la secuencia de la estimación de la integral generada con este procedimiento./ 1. Estas formulaciones se pueden expresar en una forma general que se ajusta muy bien para la implementación en computadora: | l y+l. Las otras columnas di la matriz son generadas de manera sistemática mediante la ecuación (22. Las dos estimaciones de la integral de 0(h ) obtenidas en el ejemplo 22 .

es) LOCAL 1(10. 1 . e I ). la primera iteración (véase figura 22.5)] 21 2 0(h ).068800 • 1.0688000.367467 .623467 - ._. a.484800 • 1.3a) involucra calcular estimaciones con la regla trapezoidal para uno y dos segmentos ( / [ .623467 • . = TrapEq(n.172800 1. a.600800 • . es) EXIT END DO 1¡tter+Í l f t liter+ Rhorntot? m / )(((frt( . b. maxit.3 Ilustración gráfica de la secuencia de las estimaciones de la integración que se generó con la integración de Romberg. La ecuación (22.639467 • .068800 1.367467 . el cual tiene un error de Ahora. FUNCTION Rhomberq (a. Un método que puede emplearse para el propósito actual es [véase ecuación (3.8) se A usa entonces para calcular el elemento J.484800 • 0.i 100% FIGURA 22.172800 1.) * 100 IF (Iter £ maxit OR ea <.í J / l . se requiere una terminación.367467. b) D0k = 2.9) - Iu .367467 0(h*) 0(n«) b) FIGURA 22.640533- .640533: 1. b) iter = O DO Iter = iter + 1 n = 2*"" W u = TrapEq(n. Como en los otros métodos aproximados en este libro.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 . = 1. para asegurar la exactitud de los resultados.640533 Por ejemplo.10) n = 1 • /. debemos verificar para establecer si este resultado es conveniente para nuestras necesidades. (22. o criterio de paro.652 INTEGRACIÓN DE ECUACIONES a) 0. .k + END DO ea = A35((l . iter + 1 j = 2 + iter .640533 c) .

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. En contraste. Cuando el cambio entre I ON valores anteriores y nuevos como el que representa E está por debajo de un criterio de error preespecificado £ .3 Cl donde e„ «• una eatimaelón del error relativo porcentual. = 1. la regla de Simpson 1/3 requeriría una aplicación con 256 segmentos para dar un estimado de 1.1. la integración de Romberg da un resultado exacto (hasta con siete cifras significativas) basado en la combinación de las reglas trapezoidales con uno. . La integración de Romberg está diseñada para casos donde se conoce la función que será integrada. esta evaluación indica un 87. El resultado se combina. Por ejemplo. cuatro y ocho segmentos. Podría no ser posible realizar aproximaciones más finas debido al error de redondeo. La fórmula que se usa para calcular el área es l=(b-a) f(a) + f(b) 2 (22.6% cuando se compara con el resultado previo / . Esto se debe al conocimiento de la función que permite las evaluaciones requeridas para la implementación inicial de la regla trapezoidal. 7 ! = 1. Para la figura 22.623467. Esto se combina entonces con I mediante la ecuación (22.3) es que la estimación de la integral se basó sobre valores de la función uniformemente espaciados. 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. Después de sólo tres iteraciones.4 representa el pseudocódigo para la integración de Romberg. para la determinación de una integral como la expuesta en la figura 22.36) es obtener Ja estimación 0(h ). .5a. En consecuencia. Por ejemplo. Una característica de éstas (con excepción del caso especial de la sección 21. so 1. exiaten O A A O A como el de la figura 22. En este caso.5a donde la fórmula resulta en un error grande. a su vez. Al usar ciclos. Para hacer esto. la localización de los puntos base que se usó en esas ecuaciones fue predeterminado o fijo.9) se puede aplicar para determinar que este resultado representa un cambio del 22.8) para generar I = 1.8) se aplica para calcular en forma sucesiva integrales más exactas a lo largo de la diagonal inferior.3a. ¡con sólo 13 evaluaciones de la función! La figura 22. con /.4848. y entonces la ecuación (22. el cálculo termina.4% de cambio sobre el curso de la primera iteración. De esta mnncru.640533. dos.10) donde a y b = límites de integración y h — a = ancho del intervalo de integración. corno se hizo antes en otros procesos llerottvoN. es decir. La integración de Romberg es más eficiente que la regla trapezoidal y las reglas de Simpson analizadas en el capítulo 21. La ecuación (22. el resultado ( 1 . debido a que evaluamos un polinomio de quinto orden. una estimación trapezoidal se agrega a la primera columna. La tercera iteración (véase figura 22. comparamos la nueva estimación con el valor anterior. Los datos tabulados están rara vez en la forma requerida para dividirlos a la mitad sucesivamente.22. se determina una estimación adicional con la regla trapezoidal. este algoritmo implementa el método en forma eficiente. El objetivo de la segunda iteración (véase figura 22.640533. (/j ) .3c) continúa el proceso en la misma forma. Debido a que la regla trapezoidal debo pasar a través de los puntos extremo.640533) es exacto. como se describe en la figura 22. para obtener /.

5b.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. b] Una estimación de la integral mejorada obtenida al tomar el área bajo la línea recta que pasa por dos puntos intermedios. a) Ahora. El método de coeficientes indeterminados ofrece un tercer procedimiento que también tiene utilidad para derivar otras técnicas de integración como la cuadratura de Gauss. Este método entonces se empleará para desarrollar las fórmulas de Gauss-Legendre. podríamos definir una línea recta que equilibraría los errores negativo y positivo.mejorada de la integral. lo cual proporciona una estimación . podríamos llegar a una evaluación mejorada de la integral.3.10) como f22. Para ilustrar el procedimiento. como en la figura 22. 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.5 o) Ilustración gráfica de la regla trapezoidal como el área bajo la línea recta que une puntos extremo fijos. 22. Al ubicar esos puntos en forma inteligente. HC expresa la ecuación (22. Al posicionar esos puntos en forma inteligente. Las fórmulas particulares de cuadratura de Gauss descritas en esta sección se denominan fórmulas de Gauss-Legendre.654 INTEGRACIÓN DE ECUACIONES FIGURA 22. 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.ll) . Cuadratura de Gauss es el nombre para una clase de técnicas para implementar tal estrategia. los errores positivo y negativo se equilibran. De ahí que.

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

pero son desconocidos (véase figura 22. el objetivo de la cuadratura de Gauss es determinar los coeficientes de una ecuación de la forma I =c f(xo) 0 + Cif(xi) (22.656 INTEGRACIÓN DE ECUACIONES y b —a . en contraste con la regla trapezoidal que usa los puntos extremo fijos ay b. 22. ahora tenemos un total de cuatro incógnitas que deben ser evaluadas y. 7 Ilustración gráfica de las variables desconocidas XQ y x.11). no están fijos en los puntos extremo. al sustituirse en la ecuación (22. 1 X . 0 FIGURA 2 2 . da I = b -^ <^f(b) m+ que es equivalente a la regla trapezoidal. para integración por medio de cuadratura de Gauss. requerimos cuatro condiciones para determinarlas con exactitud. Sin embargo.7). en consecuencia. De esta manera. — = 0 Estas dos ecuaciones con dos incógnitas se pueden resolver para b —a la cual.3. 5 ^ / -1 XQ X.c o — b —a + c .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. los argumentos de la función x y x.12) donde las c = coeficientes desconocidos.

determinamos las cuatro incógnitas y en la condición derivamos una fórmula de integración lineal de dos puntos que es exacta para cúbicas.16) son desde — 1 a 1. Observe que los límites de integración en las ecuaciones (22.un | </.16) pueden ser resueltas simultáneamente para c = 0 0 Ci = 1 x = — \ = = -0.13) a la (22.16) co/Oo) + C l / ( * l ) : dx = 0 3 Las ecuaciones (22. estos valores podrán sustituirse en lu ecuación (22.17) Así.14) - £ : : dx = 2 3 (22.15) (22..18) para dar a .(...5773503. corresponde a x = — 1.Asi oomo p a n t i n f l a trapezoidal.13) C\f(Xi) Cof(Xo) + cof(xo) + c\f(xi) dx =0 (22. Esto se realiza al suponer que una nueva variable x se relaciona con la variable original x en una forma lineal. 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.5773503. 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. x = a. Las cuatro ecuaciones que habrán de resolverse son: 2 3 cof(xo) +c f(x ) l ] (22. Donpiióa. sólo oxtenderémoi este razonamiento al suponer que también ajusta la integral de una función parabólica (y = x ) y de una cúbica (y = x ).18) tl Si el limite inferior.12) para obtener la fórmula de Gauss-Legendro de dos puntos (22.13) a (22. Es posible usar un simple cambio de variable para trasladar otros límites de integración en esta forma. podomos obtener dos de esas condicioneii al suponer que la ecuación (22..12) ujuslu la integral do una constante y de una llmclón lineal con exactitud. como en d (ID +a\x l¡ (22. V3 x = ~ = 0.I) (22.19) . Para hacer esto.

para dar u b = a +a ([) () l (22.658 INTÍORACIÓN DE ECUACIONES ü e manera similar.23) para obtener x = 0. debemos realizar un cambio de variable para que los límites sean de — 1 a + 1 .4Ad La derivada de esta relación es [véase ecuación (22. El siguiente ejemplo ilustra cómo se realiza esto en la práctica. respectivamente. sustituimos a = 0 y ¿ = 0 .4 dx d .21) (22.8. Solución.24) podrán sustituirse para x y dx.0 . Use la ecuación (22.22) las cuales se pueden sustituir en la ecuación (22. en la ecuación que se habrá de integrar. x = b.19) y (22. 8 e n l a ecuación (22. Esas sustituciones efectivamente transforman el intervalo de integración sin cambiar el valor de la integral.24)] I dx .24) d Las ecuaciones (22. EJEMPLO 22. El valor exacto de la integral es 1 .900x + 4 0 0 * 4 5 entre los límites x — 0 a 0.23) y (22.200x + 675x 3 .20) Las ecuaciones (22.20) podrán resolverse simultáneamente para b + a y b — a (22.18) para obtener x = (b + a) + (b 2 a)x d (22. Antes de integrar la función.3 Fórmula de Gauss-Legendre de dos puntos Enunciado del problema .2 + 25x . Para ello.23) Esta ecuación puede diferenciarse para dar dx = . corresponde a x = 1. el límite superior. Recuerde que éste fue el mismo problema que resolvimos en el capítulo 21 con una variedad de formulaciones de Newton-Cotes.17) para evaluar la integral de 2 f(x) = 0.dx (22.4 + 0.640533.y .

4x.238619186 3 0.3478548 Cl c c = 0.3607616 c 2 = 0.1 / V 3 para ser igual a 1.\v 2()(h' I [0.360761 ó 0.9324695 M í X 0 x l 2 x *A x - .4 dx Por tanto.0. TABLA 22. como se buscó una selección inteligente de los puntos base.200(0..516741 v e n .4679139 c.1) o a una simple aplicación de las reglas de Simpson 1/3 y 3/8 (véase ejemplos 21.0 X 0 l x 2 x 3 = 4 0.6521452 3 = 0.4679139 - -0.5688889 0.4 y 21.906179846 = -0.4 + 0.4786287 0.861136312 = -0.1 %.2 + 25(0.774596669 i = 0. Es posible predecir este último resultado debido a que las reglas de Simpson son también de tercer orden de exactitud.1 Factores de peso c y argumentos de la función x usados en las fórmulas de Gauss-Legendre.0.0000000 o = -0.516741 + 1. 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.•11.4 + 4 (>15.6521452 2 = 0.8888889 c = 0.5555556 = 0. es / = 0.1713245 = -0.0000000 = 1.577350269 C = 0.538469310 x = 0.17).4786287 0.2 I 2.339981044 x = 0.3478548 0 = -0.2369269 0.4 + 0.H / Jo =j (0. Sin embargo.932469514 = -0.4x ) ]0.538469310 X = 0.5555556 0 2 c o -0.1713245 A .\ 0Ax ) d í/ m 675(0.'i C .4x f + d +400r )í/.900(0.1 J -900A' 4 .4x¿) + 400(0. el lado derecho está en la forma adecuada para evaluación mediante cuadratura de Gauss. la cuadratura de Gauss alcanza esta exactitud con base en sólo dos evaluaciones de la función.6).577350269 = 0.4 + 0.) .661209386 0. Este resultado es comparable en magnitud a la aplicación de cuatro segmentos de la regla trapezoidal (tabla 21. La función transformada se puede evaluar en — 1/V3 para ser igual a 0.238619186 0.A' .339981044 3 = 0.305837 = 1.861136312 X 0 l x 2 X = = C2 = 3 = = C C Cl c 4 0.305837.774596669 x x x 2 o 0.661209386 x = -0.822578 la cual representa un error relativo porcentual de — 11.Ambas ecuaciones pueden ser sustituidas en la ecuación original para dar .2369269 0. Por tanto. de acuerdo con la ecuación (22. .0 0.906179846 Co c l = 0.4 + 5 d 0. la integral.

4393 .5555556/(-0. Debido a que la cuadratura de Gauss requiere evaluaciones de la función en puntos espaciados uniformemente dentro del intervalo de integración.8.4351./(JC„_I) (22. Solución.8888889/(0) + 0. Después de modificar la función.4859876 = 1.3 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.1. se puede desarrollar versiones de punto superior en la forma general / = c /(jr ) + c i / ( * i ) + 0 0 • • • + C„_.3. De acuerdo con la tabla 22. se obtienen los siguientes resultados: Estimación con dos puntos = 290.1.7745967) la cual es igual a / = 0.7745967) + 0.5 y m = 68. Recuerde que la mejor estimación obtenida mediante la regla trapezoidal con 500 segmentos fue 289. El valor exacto de la integral se determinó por cálculo y fue de 289. 4 Solución.5555556/(0.3. múltiple para evaluar En el ejemplo 21.1 calcule la integral para la misma función que en el ejemplo 22.| s 1. c = 12.4348 con un |e.8732444 + 0.25) donde n = número de puntos. la fórmula de tres puntos es / = 0.3 se usó la regla trapezoidal de aplicación donde g = 9. Repita este cálculo usando la cuadratura de Gauss. cuando se conoce la función. Sin embargo.1. 4 Fórmula de Gauss-Legendre de tres puntos Enunciado del problema.660 INTEGRACIÓN DE ECUACIONES 22. no es apropiada para casos donde la función se desconoce. Esto es en particular cierto cuando se debe realizar muchas evaluaciones de la integral. no es adecuada para problemas de ingeniería que tratan con datos tabulados. EJEMPLO 2 2 .5 Aplicación de la cuadratura de Gauss al problema del paracaidista en caída Enunciado del problema. Los valores de las c y las x incluyendo la fórmula con seis puntos se resumen en la tabla 22.15 X 10" %. EJEMPLO 22. Con la fórmula de tres puntos de la tabla 22. su eficiencia puede ser una ventaja decisiva.2813013 + 0. Así.640533 que es exacta.0145 Estimación con tres puntos = 289.

26) con la tabla 21. sería preferible la api i cación múltiple de la regla de Simpson o de integración de Romberg. Sin embargo.¡arrollar Estimación con CUBtm punto» 289. pura muchas funciones confrontadas en la práctica de la ingeniería. (2 +2) i puntos para caería que íciencia zar mu- 22. 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. Aunque esos tipos son de uso común en ingeniería. Para casos donde los límites son desde .4351 Estimación con seis p u n t o s 289. El problema 22. En esta sección nos concentraremos en un tipo de integral impropia (es decir.25) con seis son exactos hasta la 22. 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' *=.2 queda expuesta la superioridad de la cuadratura de Gauss sobre las fórmulas de Newton-Cotes.\)dx-j f{x)dx\ \ JXx)dx % i -nu J A . En esas situaciones. Por ejemplo.8 al final de este capítulo ilustra un caso donde las fórmulas de Gauss-Legendre tienen un desempeño pobre. la cuadratura de Gauss proporciona un medio eficiente para la evaluación de las integrales. o cuando a es —o» y b es negativa. contando con que las derivadas de orden superior no aumenten sustancialmente con un incremento en ra. habrá ocasiones en que se deba evaluar integrales impropias.4 INTEGRALES IMPROPIAS Hasta aquí. las estimaciones c o n c i n c o y seis puntos dan resultados séptima cifra significativa. la integral se implementa en dos pasos. 1969) E. Al comparar la ecuación (22. que (22. Por tanto. f[. = 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 1.4 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.« a u n valor positivo o desde un valor negativo a °°..CMT)'" w J <22 ' » 27 dos: para ab > 0.3. tratamos en forma exclusiva con integrales que tienen límites finitos c integrandos acotados.4351 Así.4352 Bstimiiclón con cinco puntoH 289. se puede usar sólo cuando a es positiva y b es °°.

Las versiones de aplicación múltiple de las fórmulas abiertas podrán confeccionarse mediante fórmulas cerradas para los segmentos interiores y fórmulas abiertas para los extremos. Por ejemplo.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 . 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. Por ejemplo.8 Colocación de datos en relación con los límites de integración para la regla extendida de punto medio.6 + f(x ) + ••• + f(x .8)./2) n 3 + f(x„. 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 22.4. Enunciado del problema.27) y la segunda con una fórmula cerrada de Newton-Cotes tal como la regla de Simpson 1/3.)] m (22. 1986) / " /(*) dx = h[f(xi ) /2 JXo E J E M P L O 22. Un problema con el uso de la ecuación (22.9): FIGURA 22 . * / i2 % 2 * 6 « 1 — \ * n e / 8 /I—I * n 3 2 / * n i « L _ 1 0 1 . Para permitir la máxima flexibilidad.29) la cual es conocida como la regla extendida de punto medio. La distribución normal acumulativa es una fórmula importante en estadística (véase figura 22. Evaluación de una integral impropia . es posible desarrollar fórmulas semiabiertas para casos donde uno u otro extremo del intervalo es cerrado. una fórmula conveniente es (Press y cois. 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. Después la integral ha sido dividida en dos partes: la primera podrá evaluarse con la ecuación (22. 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.27) para evaluar una integral es que la función trasformada será singular en uno de los límites.. se requiere de una versión de aplicación múltiple de una de las fórmulas de la tabla 21.

FIGURA 2 2 . la ecuación (1'.1) podrá usarse pura determinar que la proba- . 9 o) La distribución normal.I) donde x = (y — y)ls se llama desviación estándar normalizada. b) la abscisa transformada en términos de la desviación normal estandarizada. Le ecuación (E22. N(x) = y (E22. si x 1. 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.6.6.1) representa lu probabilidad de que un evento sea menor que x. y c) la distribución normal acumulativa. P A R E J E M P L O .6.22.%). 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.

3 8 3 3 + 0. el resultado final se calculará como 7V(1) = --L:(0. 8 8 2 5 ) + 2 ( 0 .28) -Lf 1 llTt .[ / ( J C _ 7 / 1 6 ) + / ( .0556 + 2 . 8 8 2 5 + 0 .6.0556 Es factible usar la regla de Simpson 1/3 con h = 0. (1986) exploran con detalle ambas opciones. Press y cois. 0 5 2 3 ) V2TT = 0.1) se puede expresar en términos de la ecuación (22. Como la ecuación (E22. hay otras formas en las cuales una integral puede ser impropia.8413. por ejemplo.5 para estimar la segunda integral como e-*-' 2 dx 0 .0612 + 0 + 0] = 0.3 / l 6 ) + / U . 0 ! /" J-co e-rl dx= 2 f J . (1986) proporcionan un buen análisis lobre lo» medioi par» meat^aMiMtltuecionei. se resuelve numéricamente y se enlista en tablas de estadísticas. En otras palabras. aproximadamente 84 serán menores que la media más una desviación estándar.[ 0 .1) no puede evaluarse en una forma funcional simple. Primero. i'"'e-* ' dx+ 2 2 V27T \J-oo J-2 f 2. si ocurren 100 eventos. Use la ecuación (22. = 0.046%. mediante una integración de Romberg. como N{x) La ecuación (E22.0523 Por tanto.6.' dx\ x2 2 / La primera integral podrá evaluarse mediante la ecuación (22. «> El cálculo anteriorpuede ser mejorado de diferentes maneras.5 / 1 6 ) + / ( * .l / 2 R \e~^ dt ~ Después la regla extendida de punto medio con h = 1/8 se empleará para estimar 0 i ^ 1/2 ' . Ejemplos comunes incluyen casos donde la integral es singular en los límites o en un punto dentro de lo integral. 3 2 4 7 + 0 .28) en conjunto con la regla de Simpson 1/3 y la regla extendida de punto medio para determinar numéricamente N(l). 6 0 6 5 + 1) + 0 . 1 3 5 3 + 4 ( 0 . Press y cois. Segundo. . puede usarse más puntos. Además de los límites infinitos.27) para dar -2 . se podría usar fórmulas de orden superior.T .8409 la cual representa un error e.l / 1 6 ) ] = .¿) e. Solución.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. dt = 1 . 6 0 6 5 3(6) _ [1 = ( 2)] 2.

Sus resultados d e b e r á n22 pre. PrueII. tres y p r o b e lm a 22.10.4 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.4 y c o n la función e n el p r o b e lm a 22. lirulcs: A: 2 IZ.6.') 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. b) 22.10.i o (i + / x i + y^) Urso e n la f o r m ad e la figura 22. puntos.3.13Use el p r o g r a m aq u e desarrolló e n el p r o b e lm a 22.3.3 y 22. e jm p o l s 22.5 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. 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. (b . P r u é b e o l c o n lo» Z 2 . tres 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. 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. illiinlo las fórmulas d eG a u s s L e g e n d r ec o n seis puntos. II. p a r ac a d ac a s oc o nb a s ee n la sol u ci n 22.0602297 p a r ac a c lu a l re .3 m . Verifique q u e 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 (22.9). b) 22.1. NIIN IHI CU. c ó ind eR o m b e r gc o nb a s ee n la figura 22. P r u é b e o l c o n los resultados d e I ON 12.7 R e a c il e el c á c lu o l d e los e e jm p o l s 21.ver los p p a r ae resol r o b e lm a s á) 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. 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) 22.2- A)(l ) dx % n O H lir o t s 2 s dx _ x(x + 2) . 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 . +X c o nu n a1 e x a c t t iu d del o r d e nd e h . 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 .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. resultados d e los e e jm p o l s 22. Sus resultados d e b e r á n presen.5%.2 y c) 22. C a c lu e l e .5 y c) 22. 22.3 y 22.e s t o es. 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. 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. 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 . 22. C a c lu e l e. Inicie las i n t e g r a c i o n e s con caidista e nc a d ía . 22.a)/9. 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. D e s p u é sa p q il u ed em a n e r a ll.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 22.4.26).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. h = (b — a)/3.6. (b — á)l27. s e am e n o rq u e cl criterio d ep a r o e.p a r a • « 4.29) 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 .P R O B L E M A ! ••-«^•PH »* PROBLEMAS 443 12.1.1. P r u é b e o l c o n la intec o m p a r e e y £.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..3 y 22. Use el valor v e r d a d e r od e 4. 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 (22.14 Utilice el p r o g r a m aq u e desarrollo e n el p r o b e lm a 22.4.12ó 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.4. e t c é t e ra.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 22.01%). p a r a la c u a d r a t u r ad e Gauss.2.3. p u n t om e d o i a partir d e la t a b a l 21.11 p a r a puntos.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. 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.

2 23.1) f(x i) i+ = f(Xi) + f'(x.24)] (23. Por ejemplo. la expansión de la serie de Taylor hacia adelante podría escribirse como [véase ecuación (4. es decir.1 DIFERENCIACIÓN DE F Ó R M U L A S C O N ALTA EXACTITUD Como se mencionó antes. 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. 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 ~ .)h + t-^-h 1 la cual puede resolverse para (23.2) para dar /U/+1 ) . Recuerde que. en el mejor de los casos.CAPÍTULO 2 3 Diferenciación numérica En el capítulo 4 ya se introdujo la noción de diferenciación numérica.21)] (23. se puede generar fórmulas por diferencias divididas de alta exactitud al incluir términos adicionales en la expansión de la serie de Taylor. sus errores fueron proporcionales al cuadrado de su tamaño de paso. ahora retenemos el término de la segunda derivada al sustituir la siguiente aproximación de ésta [recuerde la ecuación (4.2) 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 (23.3) + 0(h) En contraste con este procedimiento. esas estimaciones tienen errores que fueron 0(h ). Este nivel de exactitud se debe al número de términos de la serie de Taylor que fueron retenidos durante la deducción de esas fórmulas. hacia atrás y centradas de las derivadas primera y mayores. En el capítulo 4 desarrollamos las aproximaciones de diferencias hacia adelante.

1 + 6/lx. „| y/{«. l +4 +3 14f(x.23.1 Primora dsrlvndn 'IMII 'W [A L T A X l'A C T U lID 21. M/(x.„.)-5f|x.) i .-)-4f(x.-_ ) + 3f|x._ ) 2 o\h ) 3 W 'f = í'"(x . + 2h 3 h f|x. 2 : h 3 1 8 f | x l i l + 2 4 í | x . en consecuencia.| I /(*.24f|x )+ 18 f | x . .3 í [ x _ . La úlllma versión incorpora más lóiminos de la serie de oxpunsión de Taylor y.)ÍM Mf>. I IKII Oih) Ol/r'l f'lx Segunda derivada f(x.| ) + 2f(xJ h +3 2 ~f(x. es más nxncta. ) + 4 f ( x ..| .4f|x 4 í+3 (+2 i+1 ) + Hx¡) +2 -2í{x ) l+5 + 1 1 f(x.| f ( x ) . )-2f(x + 2 i + 1 ) + f(x.) /i" 4/(x.) + 3f(x. ] + 3flx _ |-/ |x . i.4 f ( x ) + 6 f (x ) .-. _ l . es más exacta. 1 .| | I lí |x.[ +1 FIGURA 23.2 Primera derivada I fórmulas por diferencias divididas finitas hacia atrás: so presentan dos versiones pura cada derivada.-i) + 4f|x -2 )-f|x.5 f | x + 2 í + 1 Oih) íW) Oih] 0{li') Tercera derivada FIGURA 23. . ._ " 5f\x. . ) .) . .5f[x¡¡ h 3 i + 3 |-3f(x i + 2 ] + 3f(x i + 1 )-f(x ) i + 4 + 3 i + 2 .11 " .-_3) ¡ i . h 2 h Tercera derivada 2 0{h) 2 3 4 . „] . La última versión incorpora más términos de la serie de expansión de Taylor y. i J 3f|x.| ( + f|x _ | ( 2 2f|x..1 f"'(x f(x fórmulas por diferencias divididas finitas hacia adelante: se presentan dos versiones para cada derivada.] | o[h) Ü[h) . en i onsecuencia. ) .. 2i? Cuarta derivada 1. ) + 2 6 f ( x .--i) + 2h Segunda derivada 0(/.„„. Al{x. . 1 fk)-2f(x _. i ) .. Cuarta derivada f"""M • • f"U) = +4 -3f[x.2 4 f | x .| f(x.| + 1 4 f ( x ) ._ | .14f|x.M M\.

3 Fórmulas por diferencias divididas finitas centradas: se presentan dos versiones para cada derivada.15JC .._ ) í+ 2 0 ( / í 2j fi 4 f .-.-) + f|x.0.25.39f(x | + 56f(x.| . es más exacta.. en consecuencia. La última versión incorpora más términos de la serie de expansión de Taylor y..lx 4 Recuerde que en el ejemplo 4. al agrupar términos._)) . ) + 1 3f(x.„ f|.0.) x = ^IXÍ+2) . ) + 8f|x.S^sando diferencias djvldidaí finitas y un tamaño de paso de h = 0.f|x.4 estimamos la derivada de 3 -0. Las fórmulas se resumen en las figuras 23.| + 16f(x _]) .f(x.5 JT .39í(x._ | l 2 0 ^ ) 2 2fi p„ 3 (Xi) = . o. Mx.2 2 enjjx • O..4 f ( x i ) + 6f(x.) + f(x. f(x) = -O.) __ . | .| .2f(x. . ) ._i) Xj 0 ^ j 2 f»i .) . .-]| + f|x.30f|x.1 Diferenciación de fórmulas de alta exactitud Enunciado del problema. 2 EJEMPLO 23. fXx¡) = -^)+y-3Ax» 2h + 0(h2) Observe que la inclusión del término de la segunda derivada mejoró la exactitud en 0{h ).3 junto con los resultados del capítulo 4.f|x.-.f j x .1 a 23.-_ ) + 2 0 ( f ) 4 ) 12/) Segunda derivada p'( j = ^k+i) .25x + 1.8f(x. así como para las aproximaciones de derivadas superiores._i| + 12f(x.-|- + 2 ) + 16f|x.2f(x¡+]| + 2f(x. i) . El siguiente ejemplo ilustra la utilidad de esas fórmulas para la estimación de las derivadas. ] + 12f(x.8f[x.^ .) + 3 +2 +1 2 3 0 ( / i 4 ) Cuarta derivada p"<( .+1 2 3 ^ FIGURA 23.f ( x .) x = + 8f(x.l + f(x.668 DlFIMNCIACIÓN NUMÉRICA l'rlmoui dorlvada fc'rror p( .1 3f|x. 4 Tercera derivada p"( ) x¡ = f(x ¡+2) ._ | +3 +2 .4f(xi_i| 4. Se puede desarrollar versiones mejoradas similares para las fórmulas hacia atrás y centradas.| +1 f 2 ] 2 h 2 n | . ) .1 _ .

= 5.859375 2(0.2 + 4(0.4 ( 1 .925) = -0.934 -2.1 a la 23. Sin embargo.1) /'(0. = 0% 23.035156) + 1.2 = 0._ ) = 2 1.0 .925 ) = 0. Solución.3. basado en la extrapolación do Riehardson. 2 + 8 ( 0 .25) 4 -0. los errores para las diferencias hacia adelante y hacia atrás son considerablemente más exactas que los resultados del ejemplo 3.5 Hacia a t r á s O(h) -0. x¡-2 JC.8 1.23.-_I) = 1. Repita este cálculo.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.13.5 A -. E. 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. = 0.2 2 La diferencia hacia adelante de exactitud 0(h ) se calcula como (véase figura 23.25 /(JC. Un tercer procedimiento.5) -0.2 2(0.6363281 f(x ) i+2 = 1 = 0.3(0. la diferencia centrada da un resultado perfecto.4 donde los errores fueron calculados con base en el valor verdadero de —0.2 — —— — = -0.925) .-_I Los datos necesarios para este ejemplo son = 0 /(x.878125 3. 6 3 6 3 2 8 1 ) . de manera sorprendente.75 x i+2 f(x¡) = 0.2) f (0.5) Como se esperaba.103516 x.25) (23.714 21.+1 = 0.77% La diferencia centrada de exactitud 0(h ) se calcula como (véase figura 23.9125.3) /'(0.2 Hacia cUlanta O(h) Estimación -26. usu dos estimaciones de la derivada para calcular una tercera aproximación más exacta.25) 2 £. pero ahora emplee fórmulas de alta exactitud a partir de las figuras 23.5) = 3(0.7 JE Centrada 0. i .82% La diferencia hacia atrás de exactitud 0(h ) se calcula como (véase figura 23.6363281) .5) = J . 0 3 5 1 5 6 ) + 1.9125 12(0.

2-1.25.103516 „„„ — = -0. = .5 empleando tamaños de paso de h — 0.934375) .7) se escribirá para las derivadas como . la aplicación de esta fórmula dará una nueva estimación de la derivada de 0(/¡ ).1. 2 Extrapolación de Riehardson Enunciado del problema .1 ) = -0.9125 que para el caso actual es un resultado perfecto.9125. Después use la ecuación (23.6363281 .0 D(0.9 . 4 % n La estimación mejorada puede determinarse al aplicar la ecuación (23. = . 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 . x 2 Solución. 6 % 0. estime la primera derivada en x — 0.8) 5 2 4 / | i Para aproximaciones por diferencias centradas con 0{h ).5 y h = 0.670 DIFERENCIACIÓN NUMÉRICA Recuerde de la sección 22. esta fórmula es usualmente escrita para el caso en el que h = h l2.8) para calcular una estimación mejorada con la extrapolación de Riehardson. como en x 2 x 2 2 x I = P(h )-~I(h ) 2 l (23. la ecuación (23.1.4)] / ^l(h )+ 2 1 [/fe)-/(/»!)] (23. D = \D(h )-\DQi ) 2 x (23.5) = y D(0.2 .2 . Recuerde que el valor verdadero es —0. Usando la misma función que en el ejemplo 23.= -1.6) (h\/h Y . 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 0.8) para obtener 4 1 D = -(-0.7) De manera similar..( . EJEMPLO 2 3 .1.1 2 donde I(h ) e I(h ) son estimaciones de la integral usando dos tamaños de paso h y h . Debido a su conveniencia cuando se expresa como un algoritmo de cómputo.934375 c e.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..25) = e.

por supuesto. un gradiente de temperatura se puede medir abajo en el suelo.-!) 2x .9) -x¡) i -Xi-i)(x donde x es el valor en el cual se quiere estimar la derivada. Tal control de espaciamiento de datos está a menudo disponible sólo en casos donde podemos usar una función para generar una tabla de valores. los datos debían estar uniformemente espaciados.X i + 2x i) f(x¡) — Xj-i — x¡+] .. 23. En contraste. tiene importantes ventajas. (Xi-i Xi)(x¡-\ -Xj+i . la estimación de la derivada es de la misma exactitud que la diferencia centrada [véase ecuación (4. Para la mayoría do las otras funciones.3. como fue el caso para la aplicación de la extrapolación de Riehardson. Así.23)] para cada conjunto de tres puntos adyacentes.1 a la 23. para puntos igualmente espaciados. Como en la figura 23.x.. Tal información no puede ser analizada con las técnicas estudiadas hasta ahora. EJEMPLO 2 3 . Una manera para manejar datos desigualmente espaciados es mediante el ajuste de una interpolación polinomial de Lagrange de segundo orden [recuerde la ecuación (18 .22)]. la ecuación (23. se puede usar para estimar lu derivada en cualquier punto dentro de un rango preescrito por los tres puntos. Segundo. esto no podría ocurrir y nuestra estimación de lu derivada podría ser mejorada.23. datos a partir de experimentos o estudios de campo) es con frecuencia agrupada en intervalos iguales.4. el C M O actual aJuNta la derivada del polinomio de cuarto orden en forma precisa. El flujo de calor en la interface suelo-aire puedo ser calculada con la ley de Fourier. el procedimiento puede aplicarse de manera iterativa mediante un algoritmo Romberg hasta que el resultado se halle en un criterio de error aceptable. El polinomio de segundo orden se puede diferenciar analíticamente para dar f'(x) =/(*. Para las aproximaciones por diferencias divididas finitas de la sección 23. Tercero. Primero. En consecuencia. </(. los mismos puntos no tienen que estar igualmente espaciados. Aunque esta ecuación es ciertamente más complicada que las aproximaciones de la primera derivada de las figuras 23. 3 Diferenciación de datos desigualmente espaciados Enunciado del problema. los datos teman que encontrarse espaciados uniformemente y generados en forma sucesiva para intervalos a la mitad. pero no perfecta.x i + i (Xj -x¡-i)(x¡ ) + /(*/ + !) (X 2x i + — Xj-\ i — x¡ + i (23.3 4W Ira vés de lo» ditlo» para después evaluar las derivadas por dit'orencius divididus centradas. la información derivada de manera empírica (es decir. se reduce a la ecuación (4.22).9) evaluada en x — x.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.1. Para la técnica de extrapolación de Riehardson. Recuerde que este polinomio no requiere que los puntos estén igualmente espaciados. De hecho.0) = -kpC (IT Ti .

7 2 Solución. 7 5 ( 0.) = 1 3 . •r ( ° C ) -.3 3 3 3 3=1 3 .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. 3.5 ( 3 7 . p = densidad del suelo ( = 1 800 kg/m ) y C — calor específico del suelo (ss 840 J/(kg • °C).5 ) ( 1 2 .5 1 0 1 2 f1 3 5 .6 W/m 8 8 2 23.c m t 2 3 Temperatura contra profundidad en el suelo.5 .Se usa los mismos .1 2 . . = 0 )=3 .7 5 +12 °C/cm este valor puede ser usado para calcular el flujo de calor (advierta que 1 W = 1 J/s).9) se puede usar para calcular la derivada como /'(. 5 2 0 ) 0 3 . Observe que un valor positivo del flujo significa que el calor se transfiere del aire al suelo.5 . La figura 23.75 FIGURA 23. 5 a muestra datos uniformes sin errores que ul ser diferenciados en forma numérica dan un rosultado uniforme (véase figura 23.5 ) 2 ( 0 ) -0 .( 5 0 ) ( 1 .1 . La ecuación (23.4 7 . 3 3 3 3 ^ ) =7 0 5 . la figura 23.1 2 . 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. 2 5 ) ( 0 -3 7 .3 .5 ) +1 1 0 4 4 . otro problema que se vincula con la diferenciación empírica de datos es lo que usualmente incluye error de medición.5 X 10~ m /s). 2 5-3 7 . k — coeficiente de difusividad térmica en el suelo ( = 3.l .36).3 3 3 3 3 W > .0 )( 3 7 . Un defecto de la diferenciación numérica es que tiende a amplificar los errores en los datos. -1 3 .672 DIFERENCIACIÓN NUMÉRICA Aire Suelo 1 2 . +1 4 4 . ai.* . donde q = flujo de calor (W/m ). 5 x 10"^ (l 00§) ( 40^) ( 1 3 3 . fin contraste.

Esta pequeña modifi cación es apenas aparente en la figura 23.l área bajo d}] tiende o suavizar los un los datos. Sin embargo. Obviamente. si lu relación funcional entre las variables dependiente e independiente es conocida. la regresión se puede usar para diferenciar dalos inciertos. amplifica los errores. es decir. En contraste. i /) li I dilerenciación irv.5 llir.5. debido n que lu diferenciación es UNA RUilrieeión. el efecto resultante en la figura 23. En esencia. . ya que el proceso de diferenciación amplifica los errorcN. En contraste.4 BATOS CON BM0RE3 '4FIGURA 23.tn II I O N de cómo se I M I ilili> nn los pequeños M I L >i• • •. mitraste. un proceso similar podría emplearse para integración.iilianio manifestando un IIUINI'riln IIII en la variabilidad. los errores aleatorios positivo y negativo tienden a sumarse. como se suman los punios para una integral.5c. Sin embargo. la diferenciación tiende a ser inestable. c) datos un I> liíir cados ligeramente. la operación de integración I M V I ' I M I | I M ivióndose de d) a c) al li ii M U MI <. I M I los datos por Mitiillu do la diferenciación iiiiiin''ik_u: a) datos sin error. esto se hace en raras ocn siones. pero con algunos puntos altos y algunos ligeramente bajos.23. 1 1 I ILI ' I I U A R datos. En ausencia de cualquier otra información.4. esta rclu ción deberá formar la base para el ajuste por mínimos cuadrados. /'| |I I i lifeienciación IIIIIIN''iii M a resultante. 23.1 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. una regresión polinomial de orden inferior podría ser una buena primera selección.5d es significativo. Como se ilustró en la figura 23. 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. 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. los errores alentónos poMlllvo y negativo tienden a cancelarse. debido a la diferencia en estabilidad entre diferenciación e integración.

y entonces la integral se calcula sobre un rango que va de x = 0 a x = 0. 23. Se realizan iteraciones hasta que los resultados sucesivos varían menos que TOL. el cual empleamos en todo el capítulo 21. En este caso.+ 2 5 x 2 0 0 x + . usamos un polinomio simple.8.6 .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 . para lo cual utiliza la regla trapezoidal y el algoritmo de Romberg.6 Pantalla de Mathcad para determinar la integral de un polinomio por medio de integración de Romberg. Observe que el rango lo han definido las variables a y b como entrada usando el símbolo de definición.674 23. 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. La figura 23. 2 3 4 J N u m c i r a li n t e g r a l : .5.1 Mathcad Mathcad tiene operadores que realizan integración y diferenciación numérica. FIGURA 23. Este operador crea una tabla de aproximaciones con base en cálculos por diferencias divididas mediante varios pasos y tamaños de paso. El operador de integración usa una secuencia de evaluaciones de la integral.6 muestra un ejemplo de Mathcad donde f(x) se crea con el símbolo definido (: = 0 . 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 .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. En esta sección le daremos una muestra de las más útiles. 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. Observe que la localización del punto y el orden de la derivada son introducidos mediante el símbolo de definición. La figura 23. El operador de la derivada usa un método similar para calcular las derivadas entre un orden de 0 y 5.7 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 = .

8) donde la segunda y tercera entradas son los límites de integración.2 + 25x . El resultado es a= 1.5 INIIJPJJGPCIACLÁN N U M É R I C A CON L I B R E R Í A S 4M 23.5.640533. 2+675*x.0. Ahora investiguemos cómo M A T L A B maneja integrales de datos tabulados.900x + 400x 4 f(x) = 0. El siguiente ejemplo ilustra cómo se puede usar algunas de ellas.7.. primero desarrollamos un archivo M que contendrá la función. repetiremos el ejemplo 21.2+25*x-200*x.200x 2 3 5 desde a — 0 hasta b — 0. Por medio de un editor de textos podemos crear el siguiente archivo: function y=f x ( x ) y=0. diferenciar la función Explore cómo MATLAB puede emplearse para integrur y + 675x . donde probarnos la función en intervalos desiguales .m. Después de entrar a MATLAB. 3-900*x. EJEMPLO 2 3 . M A T L A B proporciona una estimación exacta de la integral.2 MATLAB MATLAB tiene una variedad de funciones prediseñadas que permiten integrar y diferenciar funciones y datos. Solución. A A A A Éste puede guardarse en el directorio de MATLAB como fx.8. 5. 4 Usando MATLAB para integración y diferenciación Enunciado del problema. Para usar quad. usaremos la función quad del MATLAB para integrar la función. Recuerde de los capítulos 21 y 22 que el valor verdadero de la integral podrá determinarse en forma analítica para ser 1. Para ello.23. Primero. 4+400*x. podemos llamar a quad tecleando >> Q=quad('fx'.6405 Asi.

2320 2. Tal procedimiento podría refinarse mediante capuciamientos más finos.64 .3815 10 8.0400 0. Para calcular las aproximaciones por diferencias divididas de la derivada.0600 0.2477 CoLumns -0.1000 El resultado representa las diferencias entre cada par de elementos de x.0749 2.5073 3. Para ello usamos la función diff. / d i ff(x) con la cual se obtiene d = CoLumns 1 8 through 7 9.1000 10 0.3630 Podemos integrar esos valores al llamar a la función trapz.1819 2.3097 through 1.7434 0.36 . Por último. Podemos generar la misma información en MATLAB al definir primero los valores de la variable independiente.2000 Columns 8 1.3052 11 1. Después.6746 6.54 . la cual sólo determina las diferencias entre los elementos adyacentes de un vector.3). >> integraL = t r a p z ( x .1000 0.1200 CoLumns 0.5274 9.1000 0.2877 9. >> x=C0 .676 DIFERENCIACIÓN NUMÉRICA (recuerde la tabla 21. por ejemplo. como implica su nombre.0449 through 4. podemos diferenciar los datos espaciados desigualmente en x y y.SI.0400 0. aplica la regla trapezoidal a cada intervalo y suma los resultados para obtener la integral total. >> ans d i f f ( x ) = 1 8 through 7 CoLumns 0.32 .8430 3.6431 -3.22 .12 .0400 0. y ) = i n t e g r a l 1.4 . . >> y = Co L u m n s 1 through 7 y = f x ( x ) 0.5948 trapz.1000 through 0. realizamos sólo una división del vector de las diferencias y entre las diferencias x al teclear >> d=di f f ( y ) . generamos un vector y que contiene los valores correspondientes de la variable dependiente al llamar a fx.44 .7 .6488 -21.3100 Estas representan estimaciones burdas de las derivadas para cada intervalo.4560 2.2537 -13.

1). donde X es la variable independiente. IRULE 2 se recomienda para la mayoría de las funciono». En cl presente análisis. A . QDAG se implementa con la siguiente declaración CALL: C A L L QDAG ( F . I R U L E .5. 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. B . A = Límite inferior de integración. (Entrada) D = Límite superior de integración. segunda y tercera derivado 23. nos concentraremos en la rutina QDAG. (Entrada) HRRA13S — Exactitud absoluta deseada.1 Categoría Cuadratura univariable Rutlnai IMSL poro Rutinas Inorar y diferenciar. La forma es F(X). (Entrada) IliULE Selección de la regla de cuadratura. Dicha rutina integra una función por medio de un esquema adaptable en forma global basado en las reglas GaussKronrod. Observe que F se debe declarar como EXTERNAL en el programa de llamado. E R R R E L .3 IMSL IMSL tiene varias rutinas para integración y diferenciación (véase tabla 23 . E R R E S T ) donde F = Función que introduce el usuario para que sea integrada. Sí la función tiene una . (Entrada) ERRREL — Exactitud relativa descada. 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 A B S . (Entrada).TABLA 23. R E S U L T .

. 5 Usando IMSL para integrar una función I i j | I Enunciado del problema.errrel. use IRULE = 1.8. (Salida) ERREST = Estimación del valor absoluto del error. 1 j I j I | j í | j | í | I ¡ \ j \ ¡ I | Solución. pura cada aproximación. 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 ). 3 ) ' . RESULT = Estimación de la integral desde A a B de F.001 REAL::errest. Recuerde de los capítulos 21 y 22 que el valor exacto de la integral se puede determinar en forma analítica para que sea de 1.8.res. (Salida) EJEMPLO 2 3 .200x + 675x . 2 + 25.a. h — Jtí\2. y porcentual e.2 Repita el problema 23. si la función es oscilatoria. F 8 .1 Calcule aproximaciones por diferencias hacia atrás de aproximaciones evaluación por diferencia en x — 20 con h = 2.1.errabs.irule.*X**4 + 400.0.res. pero ahora para y = log x con 23.*X**3.3 Use aproximaciones por diferencias centradas para estimar A 0. 1PE10 .*X**2 + 675. res PRINT ' ( • ' Error estímate =' ' .2 + 25x .-900.640533.900x + 400* desde a = 0 a b = 0.f EXTERNAL f CALL Q D A G (f. errest .678 DIFERENCIACIÓN NUMÉRICA singularidad pico.I E N D P R O G R A M FUNCTION f(x) IMPLICIT N O N E REAL::x. 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. central de 0(h ) y 0(h ) para la primera derivada dc>> = sen x en 23. U m p M l a m b a í fórmulas 0{h ) y ü(h ) v para sus estimacion .errrel=0.*X**5 E N D FUNCTION Output: C o m p u t e d = 1.000E-05 PROBLEMAS x 2 hacia adelante y 23.1.errabs=0. *X-200.f f = 0 .6405 Error estímate = 5. Use QDAG para determinar la integral de 2 3 4 5 f(x) = 0.b=0.errest) PRINT •(•' Computed = . IRULE = 6. 4 ) ' .

( ( ( 1 2 / 6 8 y= 3x —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.. DA ti» In x on x = 4 usando h = 2 y /i = 1.241971 1.2 3 .1. 1 6 Use IMSL para integrar la distribución normal (véase cl problema 23.126) con la con= tan en = 3.r = 1 2.5 2 f(x) 0. 0 2 3 4 5 2 3 . 1 5 Los siguientes datos se generaron a partir de la distribución normal: X -2 0. 0.os siguientes datos se reunieron para la distancia recorri10.053991 -1.1 dición inicial d = 0 en t = 0. 2 3 . .5 0. 1 3 La distribución normal se define como 2 ) 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.A límplec la ecuación (23.03192 paNo de //.13) d e s d e * = . 1. b) Emplee MATLAB para estimar los puntos de inflexión de esos datos.I a 1 . 0.5. Como la función es simétrica. 11.12A) AL valor verdadero y con una estimación obtenida usando aproxi12.12a) t» (P23.241971 -0.1) _ .12a) en / = 10 para confirmare).129518 -1 0. b) Emplee Mathcad para determinar el punto de inflexión do esta función.25 Use Mathcad para diferenciar la ecuación en / » Í 1 . > I . desde .)> = e* + x e n * = 1. pero ahora para la primera derivaverdaderas.9) la velocidad está dada por V A D A ilo — 7x — lOx — 8 en JC = 0 con base en los VALORES . Compare este resultado con l 2 9.12a) desde t = 0 a 10. (P23. 1 2 Recuerde que para el problema del paracaidista en caldu. h = a) 0. 0. 1 \.7 Pruebe que para datos igualmente espaciados. donde = Compare sus resultados con las deriv 1 .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 . 2 3 . ñ Repita ol problema 23.5 ' maciones por diferencias centradas con base en h = 1.12951 3 0.7468 0. = 7t/3 y h = TI /6.1684 0. da contra el tiempo para un cohete: d) Evalúe la ecuación (P23. Emplee diferencias centradas do x fi(/i ) para las estimaciones iniciales.807 0.x = yx = () 4 (l^f _Jo x + 4x-l5 enxh == 0.6522 0.5 y =(x x/3) x x h I» y h= = y= sen (0. la ecuación ( ) t')) so reduce a la ecuación (4. 2 3 .352065 1 0.2 eos b) Integre en forma analítica la ecuación (P23.5. limite su análisis para la x positiva.2 3 7 O N I I I I I H I ' lu primera Ivailn de = sen en mediante el uso tic luniaftos 1. y la distancia recorrida se puede obtener por I ' . e n * = 0.8) 68.5 0. 1 .352065 0 0. 11 Desarrolle un subprograma de uso amigable para obtener la estimación de la primera derivada para datos espaciados desigualmente. 1.1 para confirmar a). 1 4 Use la función quad de MATLAB para integrar la ecuu- ción (P23. .5 0.4. H ( alcule las aproximaciones por diferencias centradas de pri(P23.22) en x = x¡.3 a 3.1. . Evalúe el resultado en / = 10 en = 1. Pruébelo con los siguientes datos 1 a l y a) Use Mathcad para integrar esta función desde x = desde —2 a 2.41 Isc la extrapolación de Riehardson puní y x x = TtIA y 2 3 f(x) 5e~ x. = 0.1. 4 para determinar la primera deri.398942 0.1.5 íx)lx x h V) c) ( (P23.053991 a) Use MATLAB para integrar estos datos desde x = — 1 a 1 y desde —2 a 2.2 a 2 y desde .

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.4 se concentra en el análisis de información tabular para determinar el trabajo necesario para mover un bloque. Se mencionarán dos de las situaciones de ocurrencia más frecuente.3 determina la raíz media cuadrática de la corriente para un circuito eléctrico.3 también involucran funciones que están disponibles en forma de ecuación. usamos este ejemplo para ilustrar la integración de datos espaciados desigualmente. a problemas prácticos de la ingeniería. La sección 24. expuestos en la parte seis.2 y 24. La sección 24. En el segundo caso. 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.1.1 INTEGRACIÓN PARA DETERMINAR LA CANTIDAD TOTAL DE CALOR (INGENIERÍA QUÍMICA/PETROLERA) Antecedentes. Aunque esta aplicación tiene una conexión directa con la ingeniería mecánica. se relaciona con todas las otras áreas de la ingeniería. 24. La sección 24. que trata con cálculos de calor en la ingeniería química. Esta aplicación proporciona un simple pero útil ejemplo de tales cálculos. En el caso de los métodos de integración.2. Los datos para cualquiera de los casos son compatibles directamente con diferentes esquemas analizados en esta parte del libro. Se emplean cálculos de calor en forma rutinaria en la ingeniería química y petrolera así como en muchos otros campos de la ingeniería. la función que habrá de evaluarse se halla inherentemente en forma tabular. La determinación de la cantidad de calor requerido para elevar la temperatura de un material es un problema con el que tratamos frecuentemente. Entre otras cosas. Este ejemplo se usa para demostrar la utilidad de la integración de Romberg y la cuadratura de Gauss. En esta aplicación. usa integración numérica para determinar la fuerza total del viento que actúa sobre el mástil de un bote de carreras. 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. Las secciones 24. observaciones o alguna otra información empírica.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. Este tipo de función a menudo representa una serie de mediciones. la cual se toma de la ingeniería civil. La característica necesaria .

Tal cálculo es propicio cuando AT es pequeño.64 x 10~ r 7 2 (24.3) la cual se puede sustituir en la ecuación (24. cal/(g •4°C) 0. es necesario generar una tabla de valores de c para varios valores de T: T. para el caso actual. Por ejemplo.2) se sustituye en la ecuación (24.17376 200 .1190 0. la cantidad de calor necesario para aumentar a 20 gramos de agua desde 5 a 10°C es igual a AH = 20(1)(10.' 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. lisie parámetro representa la cantidad de calor requerida para aumentar una unidad de temperatura a una masu unitaria. Si c es constante sobro el rango de temperaturas sujetas a examen. es una cuadrática simple. Solución.15024 0.4) y el resultado se integra para dar un valor exacto de AH = 42 732 cal.16134 0.13200 0. c(T): La ecuación (PT6. el calor requerido AH (en calorías) se puede calcular por AH=mcAT (24.4) donde AT = T — r .14046 0.56 x 10" r 4 + 2.1) donde c tiene unidades de cal/(g • °C). La ecuación (24.12486 0. la capacidad calorífica no es constante y. Ahora como.1 0 0 a 200°C.5) = 100 cal donde la capacidad calorífica del agua es aproximadamente 1 cal/(g • °C). Por ejemplo. Sin embargo. 1 3 2 + 1. Para realizarlo.4) proporciona una forma para calcular el valor promedio c(T) dT c(T) = J -\ ¡2 —i -r~ I (24. la capacidad calorífica de un material no se podría aumentar con la temperatura de acuerdo con una relación como c(T) = 0 . m = masa (g) y AT = cambio en temperatura (°C). para grandes cambios de temperatura. de hecho.2) En este ejemplo se le pide calcular el calor necesario para elevar 1 000 gramos de este material desde .°C -100 -50 0 50 100 1.1) para dar AH — m f 2 c(T) dT t (24. Es útil e instructivo comparar este resultado con los métodos numéricos expuestos en el capítulo 21.')() c. c(7). varía en función de la temperatura. AH puede determinarse de manera analítica.

3 0. Las fuerzas del viento (/). 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. Suponga que el mástil permanece vertical.3 732.1a se muestra una sección transversal de un bote de carreras.1 Resultados con el uso de la regla trapezoidal con diferentes tamaños de paso. Es fácil realizarla con una calculadora o. mejor aún.01 <0. Sin embargo.7 0.2 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. Este ejemplo es una buena ilustración del porqué la regla de Simpson es muy popular. AH 96 43 42 42 42 42 42 42 42 048 029 864 765 740 733.01 <0. 24.3 732. Calcule la fuerza de tensión T e n el cable izquierdo que soporta el mástil. ejercidas por pie de mástil de los botes varían como una función de la distancia por arriba de la cubierta del bote (z). En la figura 24. es por lo común lo suficientemente exacto para tamaños de paso relativamente grandes y es exacto para polinomios de tercer orden o menores. Para proceder con este problema.05 2:/io dz (24 5) - TABLA 24.2. 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. Además.01 <0. con una computadora. un pequeño paso (< 10°C) se requiere para una exactitud de cinco cifras. el cual concuerda exactamente con la solución analítica.[%) 125 0.682 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. °C e. 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 21.018 <0.01 /:)2. Esta exacta concordancia podría ocurrir sin importar cuántos segmentos se usaron.2).4) para obtener un valor de AH = 42 732 cal.01 .16. Solución.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. 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. Los resultados que se obtuvieron con la regla trapezoidal se listan en la tabla 24. además.1. como se muestra en la figura 24. Tal resultado puede sustituirse en la ecuación (24.1). 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.

'IVII.43 30 55. Esto se lleva a cabo al calcular/(z) para diferentes valores de z y después usar la ecuación (21. /. j ) L M 0 3 6 12 ÍW.'I 33 4? 2/ HV 23.2 I )|(i(jrama de cuerpo libre fuerzas ejercidas j l mástil de un velero.1 u) Succión transversal de un LINIO DI?L i z=0 de carreras. Esta integral no lineal es difícil de evaluar en forma analítica. para tamaños de 0. En este caso.5 pies para la de Simpson proporcionan buenos resultados. Los resultados para diferentes tamaños de paso se encuentran en la tabla 24. es conveniente emplear procedimientos numéricos para este problema.10) o (21. FIGURA 24.•2:/30 dz 1 480. Por tanto. Por ejemplo. la tabla 24.6) Jo dz /•30 d= 13.14 .5Ó 63.20 15 18 21 24 27 O .18). La línea de acción efectiva de F (véase figura 24. 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 .13 70.9 • WBLMA^TIL-WüWWBlWéiaWlUS \ >t?V é N ¡t#p##*W|»lft CÉBIM que soportan el mástil Mástil Viento FIGURA 24.7) T •H T A B L A 2 4 . tales como las reglas de Simpson y la trapezoidal.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 73.05 pies / d = Jo 200z[z/(5 + z)]e. 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. Se observa que ambos métodos dan un valor de F = 1 480.2) se puede calcular con la evaluación de la integral /•30 zf(i) d = / /(z) di (24.18 47. lb/ple 0 61.6 Ib en tanto el tamaño de paso se vuelve pequeño.24.6 (24.3.05 pies para la regla trapezoidal y de 0.

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 (24.05 pies.995 6 = 6 4 7 3 Ib y de la ecuación (24.6 1 462.9) (24.7 1 122. Este diagrama de cuerpo libre se muestra en la figura 24.6 . Con F y d conocidos a partir de los métodos numéricos.3 1 372.684 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN T A B L A 2 4 .10) se puede resolver directamente ya que se desconocen F y d. tales como los cables y cl sistema de soporte de la cubierta para cl mástil.7 1 480. la regla de Simpson 1/3 con un tamaño de paso de 0.lb 1 001.1 1 479.9/1 480.5 1 480.9 1 480.25 0.8). Técnica Regla trapezoidal T a m a ñ o de p a s o .9 1 476.0995) = 836.3 1 480.5 0. 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- .6 1 219.5 1 480.8 1 477. así como la magnitud de H y V son desconocidas. se puede usar un diagrama de cuerpo libre para escribir ecuaciones de equilibrio de fuerzas y momentos. 3 Valores de F calculados con base en las diferentes versiones de las reglas trapezoidal y de Simpson 1 / 3 .(6 473)(0. ^ ^ 3 = i 1 480.54 Ib Esas fuerzas ahora permiten proceder con otros aspectos del diseño estructural del bote.6 = 13.3 1 450.= eos 9 6 4 4 °0.05)_ 3 = 6 4 4 ( ) 6 1 b Por tanto.8) (24.6)(13.1 0. La ecuación (24.5 Dicha integral podrá evaluarse mediante métodos similares a los anteriores. H = F — T sen 9 = 1 480.6 Regla de Simpson 1/3 0.05 15 5 3 1 0. T = ^ . pies 15 10 6 3 1 Segmentos 2 3 5 10 30 60 120 300 600 2 6 10 30 60 F.9). La dirección. a partir de la ecuación (24.2. Por ejemplo.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.5 da d = 19 326.

Por tanto.3 mediante la regla trapezoidal. tal corriente es capaz de realizar trabajo y generar calor. 24. 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. integración de Romberg y cuadratura de Gauss para T = 1 s. Calcule la RMS o raíz media cuadrática de la forma de onda en la figura 24.3 /f Para 0 < f < 772.ño de estructura» en Ingeniería. los ingenieros eléctricos a menudo caracterizan esa corriente por /RMS = > (t)dt (24.3 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. Se observa que timbas reglas. . /(f) = 0 ' r I lin 1 1 órnente eléctrica vi II i<indo de manera imilúcJica. El valor promedio de una corriente eléctrica oscilatoria en un periodo puede ser cero. /(r) = 1 0 e . lu trapezoidal y lu de Simpson 1/3. 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. donde Tes el periodo." s e n (2n-ír) Para 772. la regla de Simpson 1/3. 2 J- FIGURA 24. Por ejemplo. son fáciles de aplicar y son herramientas para la solución de problemas prácticos.11) donde i(f) = corriente instantánea. < f < 7".

2 4 ) 4 d Í R F t = 4« dt Hartarlo integración de Romberg para estimar la'-RMS de la corriente.686 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN TABLA 24. Además. Segmentos 1 2 4 8 16 32 64 128 2 4 8 16 32 Integral 0.41257 15.16503 15. El valor exacto para la integral es 1 5 .41261 ^ 15. 1 2 ) Primero. se basa sobre un valor verdadero de 1 5 .0725 4.59 x 1 0 " 1. /•1/2 / = / ( I O Í T ' Jo Í = s e n 2 7 r ) í j dt ( 2 4 . La misma estimación se determina también con la integración de Romberg (véase la figura 24.48082 15.41261 15.41225 15.41111 15.21769 15. 2 3 ) y ( 2 2 .41261 20.41547 15. La determinación de la raíz media cuadrática de la corriente involucra la evaluación de la integral (T = 1 ) .21769 15. la cuadratura de Gauss también se usa para realizar la misma estimación. Este resultado se obtuvo mediante una regla trapezoidal con 1 2 8 segmentos o una regla de Simpson con 3 2 segmentos.21 x 10" 2.41262 .41547 15.0 15.41277 15.2 -0.443 -0.41261 15.16327 15.41262 15.41 161 <>(%) 100 1.16327 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 .41277 15.41261 15.41261 15.41261 " 15.0186 1. 4 1 2 6 1 .4 Valores para la Integral calculada mediante el uso de diferentes esquemas numéricos. El error relativo porcentual E . 4 1 2 6 1 .41257 15. Observe que la regla de Simpson es más exacta que la trapezoidal.4). En la tabla 2 4 .41196 15.41502 15.62 0.62 x 10~ 1.40143 15.06 x 1 0 " 0 Técnica Regla trapezoidal 3 4 5 6 Regla de Simpson 1/3 3 Solución. se realiza un cambio de variable al aplicar las ecuaciones para obtener 1 1 1 4 + ( 2 2 .30 x 1 0 " 0 -31. 0 °^ 15.48082 15.40143 15.41 1 9 6 15.41261 20.41261 15.

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. respectivamente. Estimación 11. el trabajo se calculaba como 150 Ib • pie.12) para obtener 1 0 e -[l/4 (l/4) + ( í í ] s e n 2 n ( ( — dt 4 (24. Por ejemplo.6% Los resultados al usar las fórmulas para puntos mayores se resumen en la tabla 24.13) Para la fórmula de Gauss-Legendre de dos puntos.4126109 22. y los resultados son 7.42 x 10" -2.12) para calcular una I de 3. | = 1.59 4.41 TABLA 2 4 . la solución de problemas realísticos son por lo común más complejos. La fórmula general es Trabajo = fuerza x distancia Cuando se introdujo este concepto en sus estudios de física en el nivel medio superior. la ecuación para el trabajo se puedo exprcaar como .5555556(1.4126391 15.4058023 15. 3 PARAICAKUCWrSBTIWBAAJ R«»ulladoa al usar las fórmulas de la cuadratura de Gauss para varios puntos para aproximar la integral.9978243 15. Aunque ese simple cálculo es útil para introducir el concepto.65755 | e .5555556(2. Estos valores pueden sustituirse en la ecuación (22.8888889(15.82 x 10" Puntos 2 3 4 5 ó 2 4 5 Esas relaciones pueden ser sustituidas en la ecuación (24. Este resultado podría entonces emplearse como guía en otros aspectos del diseño y operación del circuito. En tales casos.17) para dar un estimado de la integral de 11.684915) = 15.684096 y 4.24.01 x 10" -1. esta función se evalúa en t = — 1/V3 y 1/V3. suponga que la fuer/a varía durante el curso del cálculo.99782. Muchos problemas de ingeniería involucran el cálculo de trabajo.6575502 15.41261 se puede sustituir en la ecuación (24.1 -1. Por ejemplo.313728.1) d / = 0. La estimación de la integral de 15.5. se le presentó algunas aplicaciones simples mediante el uso de fuerzas que permanecían constantes en todo el desplazamiento. si una fuerza de 10 libras era usada para empujar un bloque una distancia de 15 pies. La fórmula para tres puntos es (véase tabla 22. el cual representa un error de e = 22.16327) +0.925890 A.1%.237449) + 0.

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

Esto es en particular evidente en la figura 24. Aunque la figura muestra los valores continuos de F(x) y 9(x).50 1. 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. Los resultados son interesantes.7.75 0.0 5.0 10.3537 F ( x ) 0 funcional sea complicada. también se puede obtener resultados menos exactos con las reglas de Simpson.5 12.0 14. f | j t ) .8087 1. 7 .30 1.48 1. Suponga que usted debe realizar el cálculo para la situación mostrada en la figura 24. Los resultados del análisis se resumen en la tabla 24.5 con intervaloi de 1 pie.6.0 9.0000 1.5297 9.é x . usted cuenta sólo con mediciones discretas a intervalos de x — 5 pies (véase tabla 24.50 F[x) eos 0.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. donde graficamos la curva continua para el O i r U R A 24.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 b 0.5120 8. pies .90 1.0881 0. 5y I7 ' . x.r a d 0.5.52 cuya estimación se hizo con base en los valores tomados de la figura 24. 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. imagine también que. ya que la mayor exactitud ocurre para simple regla trapezoidal con dos segmentos. Solución. i tli.0 » . Un error relativo porcentual e¡ fue calculado con referencia al valor verdadero de la integral de 129.') pies. Para esta situación.7025 2. debido a las restricciones experimentales.TABLA 24.6 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 . los métodos numéricos proporcionan la única alternativa para determinar la integral.6).0 13. Puede obtenerse estimaciones más refinadas con m á s segmentos.40 0.

6 es que debe hacerse un número adecuado de mediciones para calcular con exactitud las integrales.5 9 5 . Así.3.8 1 1 9 0 . ( FIGURA 24.7 Estimaciones del trabajo calculado usando la regla trapezoidal y las reglas de Simpson. La figura 24. 2 8 .5 3 5 7 . Segmentos Trabajo Técnica Trapezoidal Regla de Simpson 1 / 3 Regla de Simpson 3 / 8 1 2 3 6 2 6 5 3 .7).5 y 12. Para el caso actual.8 ilustra la segmentación desigual para este caso.5) eos [0(2. 0 4 producto de F(x) y eos [#(*)].9 1 7 5 8 . la inclusión de los datos adicionales podría incorporar los picos que antes no se tomaron en cuenta y.52 Ib • pie) fue estimado con base en los valores en intervalos de 1 pie.3 1 3 9 9 .9 (e = 2.5)] = 4.7.3500yF(12.1 1 3 3 1 .5) eos [0(12. 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. El error relativo porcentual e. podríamos determinar una estimación de la integral con el uso del algoritmo para datos espaciados desigualmente descrito en la sección 21. Por suerte. La conclusión resultante de la figura 24.9 1 2 4 9 .7 Ilustración gráfica del porqué la regla trapezoidal con dos segmentos da una buena estimación de la integral para este caso en particular.5)] = 11.2 1 1 7 1 .02%). el uso de dos trapezoides ocurre para llevar a un balance equilibrado entre los errores negativo y positivo. co x. La omisión de estos dos puntos limita efectivamente la exactitud de la integración numérica estimada en la tabla 24.3600.7 8 . si los datos estuvieran disponibles enF(2.1 8 0 .4 3 5 . Observe cómo el uso de siete puntos para caracterizar la función que varía en forma continua no toca los dos picos en x = 2.5 pies. como se calculó con referencia a un valor verdadero de la integral (1 29. en consecuencia. Si se incluyen los dos puntos adicionales se obtiene una estimación de la integral mejorada de 126. tener los mejores resultados. p l « i .690 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN TABLA 24.3 9 5 9 .

pero ahora use la fórmula de GaussI I'tjeiulre con dos y tres puntos. min c.1. mg/m 3 0 10 2 20 4 30 6 40 8 60 12 72 16 70 TABLA P 2 4 . la integral representa la sumatoria del producto (lid Unjo por la concentración para dar la masa total entrando o (tullendo desde t a t . con valores de incremento de Tde 1<r<'. SO 55 £ Q.1 Kcalice el mismo cálculo que en la sección 24. Use la regla lio Simpson para sus cálculos. Así. 4 Valores de concentración medida en la tubería de salida de un reactor.4.iún de dos puntos inlii dmales en x = 2.*)()() gramos del material desde —150 a 50°C.4) 0 5 10 15 20 25 30 35 40 45 50 . Observe que Q = 4 mVmin. m i n M \ Ji\ Qcdt di uiilc /. Esta fórmula tiene sentido Intuitivo si usted recuerda la analogía entre integración y mmmloria. 59 C O C O C O C O CL E Q. Si la razón de flujo es constante. l Kepila el problema 24.1. y t = tiempo inicial y final.6. E W A> Q (fl s (O O. Se muestran las lúi mulos de integración iiiiiiii'nii. 14.l Kepita el problema 24. M.a aplicadas a cada i I I I I | I I I I I I I de segmentos.a integración proporciona un medio para calcular cuánta N N I N I I entra o sale de un reactor en un periodo específico.inlos que resulta de la lin lii'.5 y \V '> orí los datos de la luíilu 24. 2 4 . pero ahora use integración de Uniubcrg con e = 0. e. 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. 1<M I . pero ahora Míenle la cantidad de calor requerido para elevar la temperatura ili< I . Q puede «el obtenida de la integral: 2 { 2 M Q I cdl (P24. m g / m 10 22 35 47 55 58 52 40 37 32 34 3 t. 5 La concentración química a la salida de un reactor do mezcla completa se mide como t. o CU 55 CU D PROBLEMAS lli||«IILURIA química/petrolera 14.1.01%. Interprete sus resultados.

65 30 0.8 Usted se interesa en la medición de la velocidad de un fluido en un canal abierto angosto rectangular que transporta resi2 24.6) para calcular el flujo másico de contaminantes fuera de los sedimentos y dentro de las aguas recubiertas (D = 2x10"* cm /s). Los puntos representan ubicaciones donde se ancló un bote y tomó lecturas a diferentes profundidades.1 1 0. Por ejemplo. min V. la velocidad varía con la profundidad en el canal.9 Realice el mismo cálculo que en la sección 24.692 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN Para una salida de flujo de Q = 12 nr/min.30 Calcule la razón de flujo Q (es decir. Emplee dicha estimación junto con la ecuación (P24.9 Use la mejor técnica de diferenciación numérica disponible para estimar la derivada en* = 0.5 15 0.88 60 1. 24. Un ejemplo de una corriente común con su sección transversal se muestra en la figura P24. debido a la fricción en el fondo. cm c. ¿cuánta contaminación podría ser transportada hacia el lago en un año? 24.dz 6+ z 7 / l nz/l0 f. 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.6) donde flujo másico = cantidad de masa que pasa a través de una unidad de área por unidad de tiempo (g/cm /s). la medición en la superficie sería del 0%d. Ingeniería civil/ambiental x.4 3 0.6 ha primera ley de difusión de Fick establece que Flujo másico = D de dx 2 (P24.12. 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.14 120 1.03 90 1. Usted sabe que. pero ahora use la cuadratura de Gauss para evaluar la integral. ¿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. d VIdi) para cada tiempo del orden de h .2. 24. mientras que en el fondo sería del 100%*/.7 Los siguientes datos fueron colectados cuando se cargaba un gran buque petrolero: 2 6 2 24. y x = distancia (cm). 1 0 barriles 6 0 0.11 Calcule F mediante la regla trapezoidal y las reglas de Simpson 1/3 y 3/8. A menos que se disponga de dispositivos electrónicos sonoros para obtener perfiles continuos del fondo del canal.2. s F= Jo f / 30 250z e. 1 0 " g/cm 6 3 0 0. el ingeniero debe confiar en mediciones discretas de la profundidad para calcular A. Para un lago con 3 x 10 m de sedimentos. Si su técnico tiene tiempo para realizar sólo dos mediciones de velocidad. pronósticos de inundación y diseño de reservorios. Divida el mástil en intervalos de cinco pies. .10 Realice el mismo cálculo que en la sección 24. 24. 24. D = coeficiente de difusión (cm /s). pero ahora use la integración de Romberg con un orden de h para evaluar la integral. estime la masa de químicos que existe en el reactor desde t = 0 hasta 20 min.73 45 0.12 Las áreas de sección transversal (A) son requeridas para diferentes tareas en la ingeniería de abastecimiento de aguas: entre otras. c = concentración.

pies 3 000 FIGURA P24. . 24. que se resumen en la tabla P24.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.14. m *» Fuerza.13 Un campo limitado por dos caminos y una cresta. Utilice estos datos. 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. F[l\. Una persona visita la intersección varia» veces durante un día y cuenta el número de autos que pasan por el lugar en un minuto. M 1 1 Durante un reconocimiento de campo. Use las reglas do Simpson para determinar el área. se le pide calcular p| Arca del campo mostrado en la figura P24.13. para estimar el número total de autos que pasa a diario por la intersección (sea cuidadoso con las unidades). 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.15 La fuerza del viento distribuida en un lado de un rascacielos es registrada como Altura /.

De acuerdo con la ecuación (P24. Debido a que ambas.z) dz donde p(z) = presión en paséales (o N/m ) ejercida a una elevación z metros por arriba del fondo del reservorio. P.M. Sea cuidadoso con las unidades. P. usted tiene que determinar el volumen total de agua (m ) que fluye por un río en un año. A. mVs 31 37 80 1 19 102 20 21 Determine el volumen. Oct.16a. P. la presión se incrementa con la profundidad.M. P. Verifique los resultados con su programa de computadora para la regla trapezoidal.14 Razón de flujo de tráfico (autos/min) para una intersección medida en diferentes tiempos en un periodo de 24 horas.M.M. la cual.16. La presión se puede caracterizar por p(z) = pg(D .M. A.16).Med.16 El agua ejerce presión sobre la cara corriente arriba de una presa como se muestra en la figura P24. P.fo)vista frontal en la cual se muestra el ancho de la presa en metros.M. A. La línea de acción también se puede obtener al evaluar f D = (P24.Med.M.M.M.M. Dic. la fuerza total se obtiene al evaluar 3 3 2 4_ Use la regla de Simpson para calcular f y d. p — densidad del agua.Med.M. Usted dispone de los siguientes datos promedio.M. se supone es constante 10 kg/m . medianoche 24. 24.Med. 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.M. 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. para este problema.Z ) dz FIGURA P24.166). A. P. con muchos registros anuales. Sept.8 m/s ). Si se omite la presión atmosférica (ya que trabaja contra ambos lados de la cara de la presa y de esta forma se cancelan). P. g = aceleración debida a la gravedad (9.16 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. para el río: t 3 / Jo pgw(z)(D .M.Med.17 Para estimar el tamaño de una nueva presa. fr = JO ( Pgw(z)(D .z) dz Fecha Med.MedEne. .M. P.Med.694 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN TABLA P24.16) pgzw(z){D .16b). 23 27 Flujo.M. la presión y el área. P.z) 2 donde w(z) = ancho de la cara de la presa (m) en la elevación z (véase la figura P24. y D = elevación (en m) de la superficie del agua por arriba del fondo del reservorio. y tenga cuidado al realizar una estimación adecuada del flujo en los puntos extremos. A. Jun. Nov.M.Med.M. varían con la elevación. A. A. Feb. como se ilustra en la figura P24. Abr.M. P. 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. Mar.

1 17 0. usted debe estimar el calor total absorbido por un panel colector de 150 000 «tit durante un periodo de 14 horas.29 7.1 0.24 Suponga que la corriente a través de un resistor es descrita por la función ¡(0 = (60 . pero uhora use la regla de Simpson de segmentos múltiples para calcular: F(x) = \. 24.56 3. 8 y 16 KBgmentoN de la regla trape /oidul puní calcular la integral. Use 4. Determino la caída de voltaje como una función del tiempo a partir de lo» siguientes datos para una inductancia de 4 H. 0 0 9 j r + (2 x 10 2 V Kmplec la ecuación del problema 24.íl'.4.2 15 /.f) sen (V7) y la resistencia es una función de la corriente.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. . I '> lil flujo de calor q es la cantidad de calor que fluye a través di.26 Realice el mismo cálculo que en la sección 24.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.T 2 ' sen 2M para 0 < t < Til para 772 < t<T donde ' / ' = 1 s.25 Realice el mismo cálculo que en la sección 24.3. 0.6.32 6.10 1 2 3 5.22 Kepita el problema 24. 0.ir).54 13 1.5 0.. Ingeniería mecánica/aeroespacial 24. pero ahora use la regla de Simpson 1/3.62 . El calor total absorbido lo proporUlnnu J ab Jo / qA dt dundo A = área y q = flujo de calor. y x = distancia (m) a lo largo de la trayectoria de flujo de calor.' 24. = corriente (A).00 8.15 0.1%.27 5.20 M. 8 + 0. La ley de Fourier es usada rutinariamente por ingenieros arquitectos para determinar el flujo de calor II travos de paredes.20.2.2 0.0 ."C SI el Unjo en x = 0 es de 60 W/m . L t /' 0.tf + (60 . pero ahoIÍI pina la corriente especificada por .4.'(0 = 4e~ /'(/) = 0 Calcule el voltaje promedio desde t — 0 a 60 mediante la rcglu de Simpson 1/3 de segmentos múltiples.125* .03 7. calcule k. Se puede calcular din la ley de Fourier.04 6. Ingrali-ría eléctrica M 20 Kcalice el mismo cálculo que en la sección 24.80 3. R = 10/ + 2¿ 2/3 x. y t = tiempo (s). .7 1.55 24.2I Repita el problema 24.8 0./ 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). M. El panel tiene una eficiencia do absorción e del 4 5 % . .5x0. 0 0. Las siguientes temperaturas son medidas en nuil pared de piedra: 2 2 di donde V = caída de voltaje (V). pero ahora use la integración de Koniberg con <•:.20.un área del material por unidad de tiempo. dT dx donde. m 0 20 0.57 8.04 . Como ingeniero arquitecto.00 0.9 0. pero ahora use la siguiente ecuación para el cálculo: 0(x) = 0 . 24. 1 H = 1 V-s/A). T temperatura (°C). 24. Use la cuadratura de Gauss con cinco puntos para ("¡lunar la integral. L = inductancia (en henrys.3 0.25 para /''(.3 0.

) El trabajo realizado por un objeto es igual a la fuerza por lu distancia recorrida en la dirección de la fuerza. a Utilice diferenciación numérica para determinar dTIdt para cada valor de tiempo.1 = -k(T Tiempo.2H Vuelva a realizar el problema 24. El área bajo la curva va desde un esfuerzo cero hasta el punto de ruptura y se le llama módulo a 1 °C FIGURA P24.2 25 25. como se muestra en la curva esfuerzo-deformación unitaria en la figura P24.5%. 2 4 M .2'> Repita el problema 24. Grafique dTIdt contra T — T y emplee regresión lineal para evaluar k.32¿>. 24.4 20 26. 24. pero ahora use la cuadratura de (luuss. T = temperatura del medio ambiente (°C) y k = constante de proporcionalidad (por minuto). 24.31 La razón de enfriamiento de un cuerpo (véase figura 1*24. pero ahora use la integración de Romberg con e = 0.26.26.8 15 28. Así. min 0 90 5 49. 24. Emplee la regla trapezoidal de aplicación múltiplo para determinar el trabajo si una fuerza constante de 200 N scuplica para todo?.9 10 33.27 Repita el problema 24.4 al .26. como en a donde v = m/s.32 Una barra sujeta a una carga axial (véase figura P24.32a) se deformará. pero ahora use lu regla de Simpson 1/3.31 I) r= 4/ i) = 24 + (6 .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. .T) a donde T = temperatura del cuerpo (°C).31) se puede expresar como .696 A P L I C A C I O N E S EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN 24.32 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. la temperatura de la bola cambiará. La velocidad ilo un objeto en la dirección de una fuerza está dada por s FIGURA P24. 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.

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. 1 Oí . u = velocidad a la cual se donde x es la distancia desde el extremo del portaaviones. ble y g = aceleración hacia abajo debido a la gravedad (se supo14 \b limplee la regla trapezoidal de aplicación múltiple para ne constante = 9.O(l-¿) fínica.326.24 272 3.36 262 3. q = razón de consumo de combustiferenciación numérica. 2 x= F.8 m/s ).11 0.30 M.028 0. se puede calcular la razón de flujo Q (es decir.5 ? 1 » 45/ + 2(/ . la cuadratura de Gauss con seis puntos y los métodos de Romberg del orden de /¡ para determinar qué tan .5/ 0</<10 alto volará el cohete en 30 segundos.03 209 1.25 0.082 0. -: 1 0 0 0 . es representativo de la habilidad del material |lMh resistir una carga por impacto.51 186 1. Si u = 2 000 m/s.10 0. m = 150 000 kg y evaluar lu distancia vertical recorrida por un cohete si la velociq = 2 600 kg/s.2 0 ) 2 20 < / < 30 . m 0 0 0. Use integración numérica B M H enleular los módulos de rigidez para la curva esfuerzo-deFIGURA P24. ka 3 • A ) (2irr) dr donde r es el radio total (en este caso. Q = IvdA. 2 cm).82 274 — gt \m -qtj donde v = velocidad hacia arriba. m = masa inicial del me lu velocidad y la aceleración usando dicohete en el tiempo / = 0. 24.. Estiexpulsa el combustible relativo al cohete. calcule el trabajo realizado al estirar un resorte que tiene una constante de resorte de 3 X 10 N/m. % 24. Como tal. 1 0 N x.05 0. use la regla trapezoidal y la de Simpson 1/3 con dad vertical está dada por seis segmentos.01 0. Portante. calcule Q usando la regla trapezoidal de aplicación múltiple.45 m.34 Mediante los siguientes datos. Si la distribución de velocidad está dada por lu tubería. 1 1 S I se conoce la velocidad de distribución de unfluidotransportándose a través de una tubería (véase figura P24. 1 4 .15 0.33). Analice sus resultados.37 La velocidad hacia arriba de un cohete se puede calcular con la siguiente fórmula: 1 ( v = u ln m 0 154 0.35 0.33 fttf tune ION unitaria que se tiene en la figura P24.063 0. en 0.74 250 2. Proporciona una M E D I D A de la energía pin uuidiid de volumen requerido para caunir la ruptura del mahirlal.) I'aru un tubo circular. (Para entender el significado de esta relación en forma 1/6 « = 2.tÍ¥ riRltln del inutoriul.04o 0. S m 0 ° \ ti) (dx/dt) b) 10<í <20 (dv/df) 0 2 0 2 8 1.13 0.20 0. recuerde la conexión cercana entre sumatoria e integración. 0 A = rcP'ydA = licrdr. La posición de un avión caza sobre un portaaviones fue Itimuda durante el aterrizaje: I.

la cual se basa en el cálculo del área bajo una línea recta reuniendo valores adyacentes de la función.E P I L O G O : PARTE SEIS PT6. Si se emplea una ecuación cuadrática. son de utilidad para la solución de ecuaciones diferenciales ordinarias y para la evaluación de integrales impropias. otra forma de obtener una estimación más exacta de la integral es con polinomios de orden superior para conectar los puntos.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 . Además de aplicar la regla trapezoidal con segmentos más finos. La mayoría de esos métodos se basa en la simple interpretación física de una integral como el área bajo una curva. el resultado es la regla de Simpson 1/3.4 proporciona un resumen de los elementos de juicio involucrados en la integración numérica o cuadratura.4 Comparación de las características de métodos alternativos para la integración numérica. son usadas muy rara vez para la evaluación de integrales definidas. Estas técnicas están diseñadas para evaluar la integral de dos casos diferentes: 1) una función matemática y 2) datos discretos en forma tabular. 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. Como son mucho más exactas que la regla trapezoidal. Se aplican a ambas funciones. por lo común son preferidas esas fórmulas y se dispone de versiones de aplicación múltiple. Las fórmulas de Newton-Cotes son los principales métodos analizados en el capítulo 21. será la regla de Simpson 3/8. Las fórmulas abiertas. las cuales tienen límites de integración que se extienden más allá del rango de los datos. Sin embargo. si se usa una ecuación cúbica. Las comparaciones se basan en la experiencia general y no toman en cuenta el comportamiento de funciones especiales. Para situaciones con un número de TABLA PT6. continuas y discretas. 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. 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. La versión más simple es la regla trapezoidal. y ambas versiones están disponibles: las cerradas y las abiertas.4 E L E M E N T O S DE JUICIO La tabla PT6.

" g | ^ p B S AVAN1AD0S Y segmentoi par. Estas técnicas no son adecuadas para datos tabulados. Algunas veces se usa también un procedimiento similar en diferenciación.P T ¿ . Además.5 resume información importante que se expuso en la parte seis. RELACIONES IMPORTANTES Y FÓRMULAS La tabla PT6. con un tamaño de paso de h. s . todas las referencias anteriores describen las técnicas básicas tratadas en la parte seis.. En resumen.2.1 y se analizará en el capítulo 25. hay una variedad de otras fórmulas de cuadratura. h/4. h/2. la integración adaptativa de Simpson se basa en la división del intervalo de integración en una serie de subintervalos de anchura h. Esta técnica es en especial valiosa para funciones complicadas que tienen regiones que muestran variaciones de orden inferior y superior. Las ecuaciones cúbicas resultantes se pueden integrar de manera fácil (Forsythe y cois. se usan muy rara vez en la práctica. 1977). Le recomendamos consultar esas fuentes alternativas para ampliar su conocimiento de los métodos numéricos en integración. es decir. También se dispone de fórmulas de Newton-Cotes de orden superior. Otro método para obtener integrales es mediante el ajuste de los datos con segmentarias cúbicas. también se dispone de las fórmulas de integración de Romberg y la cuadratura de Gauss. Debe observarse que ambas son de valor práctico sólo en casos donde se dispone de la función. hl% y así sucesivamente. 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. 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. Un análisis para la integración adaptativa se puede encontrar en Gerald y Wheatley (1984) y Rice (1983). como se expuso en la PT6. Además. Por último. Luther y Wilkes (1969) y Ralston y Rabinowitz (1978) resumen muchos de esos procedimientos. Sin embargo. La integral total se calcula entonces como la sumatoria de las estimaciones de la integral en los subintervalos. 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 . Por ejemplo. lo anterior tiene la intención de proporcionarle nuevas formas para una exploración profunda del tema. Esta tabla se puede consultar para un acceso rápido de relaciones importantes y fórmulas. Donde se requiere de alta exactitud. «o recomienda la aplicación múltiple de lu regla 1/3. MÉTODOS AVANZADOS Y REFERENCIAS ADICIONALES Aunque revisamos diferentes técnicas de integración numérica. además de las fórmulas de Gauss-Legendre analizadas en la sección 22. Carnahan. pueden usarse los esquemas adaptativos para resolver ecuaciones diferenciales ordinarias con el fin de evaluar integrales complicadas. hay otros métodos que tienen utilidad en la práctica de la ingeniería.

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) .| + 3 2 3 Ib 6480 XQ a l - a = b=x / '.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 ..* = 4 k- 0 ( r i ) i 2 /~ c r M / +c i f ( x i ]+•••+c „ _ i f ( x „ _ i ) f < > ( £ ) 2 + n 2 .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 '/.a) — — ^ n-l n . l c -1 '/.2 f x : Z : Z a=x f b=X 2 x f I b . le.o )f r|x. 12n = x 0 2 f R e g a ld eS m ip s o n 1 /3 / ~ [b .700 TABLA P T 6 .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 -.* + 1. 5 Método EPÍLOGO: PARTE SEIS Resumen de información importante presentada en la parte seis.

Por ejemplo. esto se realiza al definir una nueva variable y. Cuando la función involucra una variable independiente. ya que expresa la razón de cambio de una variable como una función de las variables y los parámetros.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 (1.2). De manera similar. La ecuación (PT7. la ecuación es llamada ecuación diferencial ordinaria (o EDO). v. 1) se conoce como ecuación de primer orden. 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.1) donde g es la constante gravitacional.9)]: dv ~n=S--v dt c m (PT7. En la ecuación (PT7. son llamadas ecuaciones diferenciales. Por ejemplo. La cantidad con respecto a la cual v es diferenciada. la ecuación (PT7. una ecuación de n-ésimo orden podría incluir una «-ésima derivada. la cantidad que habrá de ser diferenciada. ya que la derivada más alta es una primera derivada. Para la ecuación (PT7.2) donde c es un coeficiente de amortiguamiento y k es una constante del resorte. donde dx )' = J. que se componen de una función desconocida y de sus derivadas. es conocida como variable dependiente.1) es algunas veces conocida como ecuación de razón. m es la masa y c es el coeficiente de arrastre. Las ecuaciones diferenciales se clasifican también en cuanto a su orden. Esto contrasta con una ecuación diferencial parcial (o EDP) que involucra dos o más variables independientes. dx dx m— +c—+kx=0 dt dt 2 T 2 (PT7. se conoce como variable independiente.3) .1). Una ecuación de segundo orden podría incluir una segunda 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. t. Tales ecuaciones. (PT7.4). Ecuaciones de orden superior pueden ser reducidas a un sistema de ecuaciones de primer orden.ECUACIONES DIFERENCIALES ORDINARIAS PT7.

10) c La mecánica para derivar tales soluciones analíticas se analizará en la sección PT7.3) y (PT7.6) son un par de ecuaciones de primer orden equivalentes a la ecuación de segundo orden original. la ecuación (PT7.1) se podría multiplicar por dt e integrarse para obtener v = J (g.7) El lado derecho de esta ecuación se conoce como integral indefinida debido a que los límites de integración no están especificados.4) pueden entonces ser sustituidas en la ecuación (PT7.4) Las ecuaciones (PT7. Por ejemplo. 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.704 ICUACIONES DIFERENCIALES ORDINARIAS lo anterior se puede diferenciar para obtener dy_ dt = d]x_ dt 2 (PT7.7) se obtiene si la integral indefinida puede evaluarse en forma exacta como una ecuación.7) se resolvió analíticamente con la ecuación (1.10) (suponga que v — 0 en t = 0): „(. para esos cusoa. Esto contrasta con las integrales definidas que se analizaron en la parte seis [compare la ecuación (PT7. Por ejemplo. Una solución analítica para la ecuación (PT7.2. Debido a que otras ecuaciones diferenciales de n-ésimo orden pueden ser reducidas en forma similar.5) cy + kx m - ( P T 7 .) = 1 ^(1-e-e-/™)') (1. Como lo es para la mayoría de las situaciones analizadas en otras partes de esto libro. esta parte de nuestro libro se concentra sobre la solución de ecuaciones de primer orden. las EDO se resuelven con frecuencia con técnicas de integración analítica. la ecuación (PT7. I ON métodos numéricos ofrecen la única alterna^ (iva viable. lo relevante es que las soluciones exactas para muchas EDO de importancia práctica no están disponibles.T.3) y (PT7.) 6 Así.-v)dt C (PT7.2) para dar m^+cy dt o dy ^ = - + kx^O (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.7) con la ecuación PT6. Mientras tanto. ' HBiifll4*' numéricos por lo común requieren de vW . las ecuaciones (PT7. PT7.6]. recuerde que para el problema del paracaidista en caída.

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

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. masa o velocidad. 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. empecemos con una función dada y m -0. Cuando se combinan con las leyes de conservación de la energía.1 Ejemplos de las leyes fundamentales que se escriben en términos de la razón de cambio de variables (f = tiempo y x = posición). 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.12) 4 s . Esas leyes definen mecanismos de cambio. De hecho. 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.2). En la tabla PT7.706 ECUACIONES DIFERENCIALES ORDINARIAS TABLA PT7. conductividad térmica [k] y temperatura [T] Flujo másico [J]. Esta ecuación se podría utilizar en diferentes formas. resultan ecuaciones diferenciales. Sin embargo. Al integrar esta relación. PT7. entre ellas para propósitos de diseño. Más que en describir directamente el estado de los sistemas físicos. Para ilustrar este concepto.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. los métodos que se analizan en los siguientes capítulos son extremadamente importantes en todos los campos de la ingeniería.5JC + Ax 1(1*' i (PT7. masa o momentum.1 se enlistan varios ejemplos. F ám q= dx dx J= dt -D — Variables y parámetros Velocidad (v). obtenemos una ecuación para predecir la velocidad de caída como una función del tiempo (véase figura PT7. las leyes se usan a menudo en términos de los cambios espacial y temporal. como se describió en la sección anterior. muchas de las ecuaciones diferenciales de importancia práctica no se pueden resolver mediante métodos analíticos de cálculo. fuerza {() y masa (m) Flujo de calor \q). inductancia (í) y corriente (/) ¡( dades físicas y estados de los sistemas. tales relaciones matemáticas son la base para la solución de un gran número de problemas de ingeniería. Así. coeficiente de difusión (D) y concentración (c) Caída de voltaje (AV ).

Más que representar explícitamente los valores de y para cada valor de x.3a).13) da la razón de cambio de y con respecto a x (es decir. la cual es un polinomio de cuarto orden (véase figura PT7.12). es decir. Ahora. La función original entonces representa la solución. obtenemos una EDO: -f. si diferenciamos la ecuación (PT7. aunque podemos determinar una ecuación diferencial dando a la función original. + 1 = v +(sr-—v ¡)Af ( \ m Solución FIGURA 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.13): Aplicando la regla de integración (recuerde la tabla PT6. El ejemplo mostrado es la velocidad de un paracaidista en caída.2 La secuencia de eventos en la aplicación de EDO para resolver problemas de ingeniería.5 (PT7. tiene una pendiente cero.12).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. el objetivo aquí es determinar la función original dada la ecuación diferencial. la pendiente) para cada valor de x. Como se acaba de mostrar. La figura PT7. Observe cómo el valor cero de las derivadas corresponde al punto en el cual la función original es plana. Para el caso actual. pero de una manera diferente a la ecuación (PT7. podemos determinar esta solución de manera analítica al integrar la ecuación (PT7. la ecuación (PT7.13) Esta ecuación también describe el comportamiento del polinomio.20x + 8.= -2x dx 3 + I2x 2 .3 muestra a la función y la derivada graneadas contra x.2) .

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

Los capítulos 25 y 26 se concentrarán sobre problemas de valor inicial.FT7.14) para dar y = . entonces al problema se le conoce como problema de valor inicial. Si el paracaidista hubiese estado en movimiento vertical en el tiempo cero.3 «HJIUCIÓN fif FIGURA PT7. Esto contrasta con los problemas de valor límite donde la especificación de condiciones ocurre con diferentes valores de la variable independiente.5. 5 x + Ax .12)]. Por tanto. hemos "sujetado" la ecuación (PT7. la condición inicial fue un reflejo del hecho físico de que en el tiempo cero la velocidad vertical fue cero. y al hacerlo desarrollamos una solución única para la EDO y completamos un círculo con la función original [véase ecuación (PT7. 3 2 para determinar C = 1.16) De esta forma. PT7. Por ejemplo.I5) .2 0 x +8.14) al forzarla a pasar a través de ln condición inicial.4 Seis posibles soluciones para la integral de -2X + 1 2.5x + 1 (PT7. Los problemas de valor límite se abordarán en el capítulo 27 junto con los de valores propios. Cada una conforma un valor diferente de la constante de integración C. podría ser de utilidad alguna orientación.0 .3 ORIENTACIÓN Antes de proceder con los método» numéricos para la solución de ecuaciones diferenciaIos ordinarias. Las condiciones iniciales usualmente tienen interpretaciones muy tangibles para las ecuaciones diferenciales derivadas de las condiciones de problemas físicos. Cuando tratamos con una ecuación diferencial de n-ésimo orden. Si se especifican todas las condiciones en el mismo valor de la variable independiente (por ejemplo. El siguiente material tiene como FT7. en* o t — 0).I0x 4 3 2 + 8. se requiere de n condiciones para obtener una solución única. la solución debería haberse modificado al tomar en cuenta esta velocidad inicial. 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.x . en el problema del paracaidista en caída.

Después de esta introducción. Los métodos de un paso. Dos categorías amplias de métodos numéricos para problemas de valor inicial se analizarán en esta parte del libro. Por último. Para los primeros. Para los últimos. 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. Después. Continuamos con un análisis de las formulaciones RK de orden superior que se usan con frecuencia en la solución de problemas de ingeniería. Introducimos la idea de una técnica de solución implícita como uno de los remedios más comunes para este problema. analizamos diferentes procedimientos. T Alcance y r e v i s i ó n La figura PT7. analizamos los métodos de multipaso. 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. el capítulo concluye con una descripción de la aplicación de varios paquetes de software y librerías para la solución de EDO y valores propios. excepto los métodos de un paso del capítulo 25. el cual tiene una muy directa interpretación gráfica. También dan una estimación del error de truncamiento que se puede usar para implementar un control de tamaños de paso. 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. El epílogo también resume fórmulas importantes c incluye referencias de lomas avanzudos.ECUACIONES DIFERENCIALES ORDINARIAS propósito darle una revisión del material que se analizará en lu parte siete. Los métodos de multipasos. PT7. dada la ecuación diferencial y y¡. Este epílogo resume y compara las fórmulas importantes y conceptos relacionados con las EDO. . El capítulo 26 comienza con una descripción de las EDO rígidas. En el capítulo 27 regresamos a los problemas de valor límite y de valores propios. De esta manera. formulamos objetivos para concentrar sus estudios sobre el área de estudio. Por último. Además. optamos por un procedimiento más gráfico e intuitivo para introducir los métodos. Además. se incluye una sección de revisión breve al final de la parte siete. Aunque el capítulo podría haberse organizado alrededor de esta noción teórica. que se encuentran tanto en forma individual como en sistemas de EDO. los cuales se verán en el capítulo 25. cubrimos la aplicación de los métodos de un paso a sistemas de EDO. introducimos tanto los métodos de disparo como los de diferencias finitas. Luego se ven las mejoras al método de Euler (las técnicas de Heun y las de punto medio). Por último. Estos algoritmos retienen información de los pasos anteriores para capturar con más efectividad la trayectoria de la solución. La comparación incluye un análisis de los elementos de juicio que son relevantes en su implementación en la práctica do la ingeniería. entre ellos los métodos de polinomios y los de potencias. El capítulo 28 se dedica a aplicaciones en todos los campos de la ingeniería.5 proporciona una revisión de la parte siete. y para su solución ambos tienen componentes lentos y rápidos. requieren valores adicionales de y además de los de /'. que se abordarán en el capítulo 26. permiten el cálculo y¡ . pertenecen a las llamadas técnicas de Runge-Kutta.3. Todos los métodos. empezamos el capítulo con el método de Euler.

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

usted debe aumentar de manera notoria su capacidad para enfrentar y resolver ecuaciones diferenciales ordinarias y problemas de valores propios. Reconocer de qué modo la combinación de los componentes lentos y rápidos hacen una ecuación o un sistema de ecuaciones rígidos. Además de estos objetivos generales. En particular. Entender la base de los métodos predictor-corrector. 10. 7. Reconocer el tipo de problema en contexto donde es importante el ajuste del tamaño de paso. 9. 18. darse cuenta que todos los métodos multipaso son predictor-corrector. 14. en particular. En particular. Entender cómo se integra el control del tamaño de paso adaptativo en un método RK de cuarto orden. 5.2 M e t a s y objetivos Objetivos d e estudio. 12.2 Objetivos de estudio específicos para la parte siete. 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. Objetivos d e cómputo. 15. Entender las representaciones visuales de los métodos de Euler. 2. 4. 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. percatarse que la eficiencia del corrector es dependiente de la exactitud del predictor. Conocer la forma general de los métodos de Runge-Kutta. reconocer sus fortalezas y limitaciones. Se le proporcionó ya el software y algoritmos para implementar las técnicas analizadas en la parte siete. 6. poder reducir una EDO de n-ésimo orden a un sistema de n EDO de primer orden. y poder seleccionar el "mejor" método (o métodos) para cualquier problema en particular. Reconocer la diferencia fundamental entre las fórmulas de integración de Newton-Cotes y la de Adams. 1. debería dominar los objetivos de estudio específicos que se enlistan en la tabla PT7 . de Heun y del punto medio. Entender cómo la deflación de Hoteller permite que el método de potencias se utilice para calculai los valores propios intermedios. Emplea el método de Runge-Kutta de cuarto orden para la solución de TABLA PT7. darse cuenta de que hay un número infinito de versiones posibles para los métodos RK de segundo orden y superiores. reconocer cómo el último 1) aminora la rigidez del problema y 2) complica la mecánica de solución.3. 17. pero no a la inversa. y una capacidad para asegurar la confiabilidad de las respuestas. 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. Después de completar la parte siete. Las metas de estudio en general deberían incluir el manejo de las técnicas. Entender la diferencia entre problemas de valor inicial y de valores en la frontera. Saber cómo usar los paquetes de sollwdn» y/o librerías para integrar las EDO y evaluar los V O I O I U Í . 1 3. Saber lo racional detrás de los métodos de polinomios y los de potencia para determinar valores propios. Entender la distinción entre esquemas de solución implícitos y explícitos para EDO. entender cómo dichos errores tienen que ver con ia exactitud de las técnicas. 16. 1 1. El software para su computadora personal TOOLKIT de métodos numéricos es de uso amigable. 8. Saber la diferencia entre los métodos de multipaso y de un paso. Saber cómo aplicar cualquiera de los métodos RK a sistemas de ecuaciones.2. propios. 3. Entender la conexión entre fórmulas de integración y métodos predictor-corrector. . Todo tiene utilidad como herramientas de aprendizaje. Entender la deducción del método RK de segundo orden y cómo se relaciona con la expansión en serie de Taylor.712 ICUACIONIS DIFERENCIALES ORDINARIAS PT7.

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. En particular. 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 ejemplo. una de sus más importantes metas debería ser el dominio de los paquetes de software de propósito general que están disponibles ampliamente.hasta cinco Hl)() simultáneas. se proporciona los algoritmos para muchos otros métodos en la parte siete. . Por último. 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. Esta información le permitirá aumentar su librería de software. debería convertirse en un entusiasta usuario de esas herramientas para implementar métodos numéricos en la solución de problemas de ingeniería. Además.

en una distanciad (véase figura 25. trazar la trayectoria de la solución. FIGURA 25. .1).1) De acuerdo con esta ecuación. Esta fórmula se puede aplicar paso a paso para calcular el valor en el futuro y. por tanto. Recuerde que el método fue de la forma general Nuevo valor = valor anterior + pendiente x tamaño de paso.a un nuevo v a l o r ^ . la pendiente estimada < ¡ > se usa para extrapolar desde un valor anterior y.1 Ilustración gráfica del método de un paso. i+i y =yi +<ph ( + (25.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. o en términos matemáticos.

2) 4> f(x¡. Todas estas técnicas se conocen por lo general como métodos de Runge-Kutta. se analiza en la primera parte de este capítulo./i» 25/í M É T O D OD EE U L E R y Error x FIGURA 25. Todos los métodos de un paso se pueden expresar en esta forma general.2 Método de Euler. 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. que sólo va a diferir en la manera en la cual se estima la pendiente. Este procedimiento. 25.1): y¡+\ =y¡ +f(x¡. En otras palabras. la pendiente al inicio del intervalo es tomada como una aproximación de la pendiente promedio sobre todo el intervalo.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 25.2). i) Esta fórmula es conocida como el método de Euler (o de Euler-Cauchy o de punto medio). el procedimiento más simple es usar la ecuación diferencial para estimar la pendiente derivada enx¡ al inicio del intervalo. y¡) es evaluada enx¡ y y¡. Después continuamos con otros métodos de un paso que cumplen estimaciones de pendiente en forma alterna. y cuyas resultantes serán predicciones más exactas. Tal estimación podrá sustituirse en la ecuación (25. llamado método de Euler.y¡)h (25.2): = la ecuación diferencial y donde/ (x¡. Como en el problema del paracaidista en caida. .

0 2.41 20. La condición inicial en* = Oesy = 1.3 4.0 -1 1.0 .1 -95.0 -125. 5 ( 0 .12500 4.5(0. VU : y(0.5 = 8.20(0) + 8.2.9 -51.10x + 8.1 Comparación de los valores verdadero y aproximado de la integral de y' = -2X + 1 2X .5 es y = .00000 4.7 46.0 + 8.50000 4.75000 5.5 4. Los valores aproximados se calcularon mediante el método de Euler con un tamaño de paso de 0.0Ü000 Global Local í ooooo) -63.5.5) = 1.10(0.5) .0 0. 1)0.5.71875 4.B75-> 3.12500 /.8 131. El error local se refiere al error incurrido sobre un solo paso. con la condición inicial de que y = 1 en x = 0.0 Xverdadero •3.0 .00000 YEuler '^25000) 6. 13): Use el método de Euler para integrar numéricamente la í — = -2x dx 3 + 12x .5 1. 1) = .5* + 1 4 3 2 Solución.5 2 desde* = Ohastax = 4con un tamaño depaso 0 .1 -28.5 3.0 . 5 ) + 4(0.87500 7.21875 4 3 2 TABLA 25. \ y (0.0 133.5 donde y (0) = 1 y la pendiente estimada e n * = 0 es /(O.0 3. i Se puede usar la ecuación (25.5 17.0 -74.5 2.71875 3.25 La solución real en * = 0 .5) = y(0) + /(O.00000 2.3 -63.5 3 2 * ' I ¡J Por tanto.16): y = .3 -53. 5 * + 4 x .5(0.20x + 8. El error global es la discrepancia total debida a los pasos anteriores así como a los actuales. \ ecuación (PT7.5) = 5.21875 2.20* + 8.5) + 1 = 3. Se calcula con una expansión de la serie de Taylor como en el ejemplo 25.5) + 8. 1 MÉTODOS DE RUNGE-KUTTA Método de Euler | Enunciado del problema. Recuerde que la solución exacta la da la ecuación (PT7.716 EJEMPLO 25.?'. 3 2 E r r o r r e l a t i v o porcentual X 0.2 ( 0 ) + 12(0) .0 1.2) para implementar el método de Euler: ^ \ .00000 2.5.0 -1.

5 desde x = 0 hasta x = 4 con un tamaño de paso de 0. 8 % .5) + 12(0. este error se puede reducir al usar un tamaño de paso más pequeño. = verdadero . — —63.5] 0.5) + / ( 0 . De esta forma.20x + 8 .3 3 2 Comparación de la solución verdadera con una solución numérica mediante el método de Euler para la integral de y' = .25 + [~2(0.5.5) + 8. e. Así.25. dy dx » /(O .25)0. el error es E.aproximado = 3.0 y.2 .1 MÍTOOO D EE U L E R 7TT O O 2 4 x FIGURA 25. El ejemplo anterior usa un polinomio simple para la ecuación diferencial con el fin de facilitar el siguiente análisis de error.3. El cálculo se repite y los resultados se compilan en la tabla 25.5.0 es 3.25 = . 5 . expresada como error relativo porcentual.5) .20(0. 5. Observe que aunque el cálculo captura la tendencia general de la solución verdadera.875 La solución real en x = 1. Como se analiza en la siguiente sección.1 y la figura 25.1%.(0. 0 3 1 2 5 o. Para el segundo paso. el error relativo porcentual es .21875 . el error es considerable.5 = 5. y ( l ) = }.5 3 2 = 5. por tanto.2 X + 1 2 X .9 5 . La condición inicial en x = 0 es y = 1.

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

-.2 y el análisis que lo acompaña).2. Para h lo suficientemente pequeña. 2 Estimación de la serie de Taylor por el método del error de Euler \ Enunciando del problema. Debido a que tratamos con un polinomio. Úsela también para determinar el error debido a cada uno de los términos de orden superior de la serie de expansión de Taylor. Para el presente caso..6).3) f"iM.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. y el resultado a menudo es representado como t 2! (25. EJEMPLO 2 5 .12v + 24 (E25. De esta forma truncamos.) .y. y¡) — primera derivada de la ecuación diferencial (que es.2) de la (25.) / 7 4 (E25. los errores en los términos de la ecuación (25.1. 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.2). Use la ecuación (25. La ecuación (25.2) y¡) es lu segunda derivada de la EDO * . ésta es /"(. + 2Ax .v.2.1) donde f'(x¡. Solución.6) se tiene + 0(h ) n+l (25. y.2) y (25. Al comparar las ecuaciones (25.2.7) para estimar el error del paso inicial del ejemplo 25.-) ft3 + / ( 3 ) (*My. 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. yi)_ 3! 2 4! h2+ /"(*. y¡)h. Al restar la ecuación (25.7) se puede escribir como E. o dejamos fuera. podemos usar la serie de Taylor para obtener estimaciones exactas en el método de Euler.25 . una parte de la solución verdadera.8) E = a a O(lr) (25. f'ixi. Por ejemplo. puede verse que el método de Euler corresponde a la serie de Taylor hasta e incluyendo el término f(x¡. la segunda derivada de la solución). y.9) donde E = error de truncamiento local aproximado.7) disminuyen con frecuencia en tanto aumenta el orden (recuerde el ejemplo 4. Además.20 (E25.) = -6x yf"(x¡.7) donde E = error de truncamiento local verdadero.

5 2 7 2 (E25. En la tabla 25.2.5) = 0.1 2 (3 ( (IÍ25. en que conocemos el valor verdadero a priorl. funciones trascendentales como sinusoides o exponenciales) esto podría no necesariamente ser cierto.1. Se debería observar que para otras funciones (por ejemplo.0 = . 0 ) + 24 o (0. en lugar del valor aproximado (la tercera columna). Observe como E > E > E el cual soporta la aproximación representada por In ecuación (25. + £ .2 . 0 ) + 24(0..2 . las ecuaciones (E25. para el presente caso.03125 el cual es exactamente el error en que se incurría en el paso inicial del ejemplo 25.0) . el error de truncamiento del término de segundo orden se puede calcular como . Como se esperaba. Sin embargo.5 J y para el término de cuarto orden: E..5) = .1.4) definen por completo el error de truncamiento para una sola aplicación del método de Euler.MÉTODOS DE RUNGE-KUTTA y/* (x.2. del error de truncamiento global.2.5) = .1). 5 + 0. el error de truncamiento local absoluto promedio (25%) es menor que el error global promedio (90%). = — 12 (0. No proporciona una medida del error propagado y. .2). y los términos de orden superior podrían tener valores diferentes a cero. La única razón que tendríamos puní hacer estos cálculos do error a&tetoi.2. 0 3 1 2 5 24 4 4 Estos tres resultados pueden ser agregados para obtener el error de truncamiento total: E.-. en decir.5) Para el término de tercer orden: £. existen limitaciones asociadas con su uso para este propósito: 1.4) Podemos omitir términos adicionales (esto es. la serie de Taylor proporciona un medio para cuantificar el error en el método de Euler. pero mediante el uso del valor verdadero de y¡ (la segunda columna de la tabla) para calcular y¡ . La serie de Taylor proporciona sólo un estimado del error de truncamiento local. derivadas de cuarto y superiores) de la ecuación (E25. Sin embargo.20 E.2 = — . Por ejemplo. El error local se calculó para cada tamaño de tiempo con la ecuación (25.6 ( 0 . = E. y¡) es la tercera derivada de la EDO 3) / >(x -. 3 + E 2 f tA = .1 incluimos los errores de truncamiento global y local para el ejemplo 25. t2 t3 t¥ Como se ilustra en el ejemplo 25.2.03125 = -2.1 2 ( 0 .8).0.y. = 3 . por tanto. ya que para este caso en particular son igual a cero. .— ^ — (0.1) a la (E25.. como se hizo en el método ele Euler.2 . el error creado durante un solo paso del método.5 .0 .

debido a que para una línea recta. Así. Aunque estas limitaciones impiden el análisis de error exacto para la mayoría de los problemas prácticos.25.2. De acuerdo con la ecuación (25. El cálculo se repite. el error de truncamiento local será 0(h" ) y el error global 0(h"). Observe también cómo el error local cambia de signo para valores intermedios a lo largo del rango.9). Esta última conclusión tiene sentido intuitivo. la segunda derivada podría ser cero. En la sección .4a. Como el error local es proporcional a esta función. y los resultados se compilan en la figura 25. El método proporcionará predicciones libres de error si la función en turno (es decir.1. desde x = 0 hasta x — 1. 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. como se esperaba. 3 Efecto del tamaño de paso reducido sobre el método de Euler Enunciadodel problema. ño de paso de 0. es proporcional al tamaño de paso (Carnahan y cois. 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. en consecuencia. 1969). +1 EJEMPLO 2 5 .1 de 90% y 24. Es decir. Estas observaciones nos llevan a las siguientes conclusiones útiles: 1. la serie de Taylor proporciona todavía un conocimiento valioso en el comportamiento del método de Euler. pero ahora use un tama- \ i í j i j | Solución.8%.46].. Se puede reducir el error al disminuir el tamaño de paso. Repita el cálculo del ejemplo 25. Así. el error local disminuye a un cuarto y el error global a la mitad. En consecuencia. el error global aumenta sobre este intervalo. 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. la solución de la ecuación diferencial) es lineal.25. ya que el método de Euler usa segmento» de línea recta para aproximar la solución.2) y vea la figura 25. que se describen en las siguientes páginas.2. 2.4%. En consecuencia. 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. Debería también observarse que este patrón general se cumple para métodos do orden superior de un paso. en problemas reales con frecuencia tratamos con funciones que son más complicadas que los polinomios simples. es decir. Esto se debe principalmente a que la primera derivada de la ecuación diferencial es una parábola que cambia de signo [recuerde la ecuación (E25. las derivadas necesarias para evaluar la expansión de la serie de Taylor podrían no siempre ser fáciles de obtener. Como se mencionó antes. todos los errores locales son negativo» y. De ahí que se haga referencia al método de Euler como uno de primer orden. Además. como lo nnalizaromoa dtapuói. vemos que el error local es proporcional al cuadrado del tamaño de paso y a la primera derivada de la ecuación diferencial. Se puede también demostrar que el error de truncamiento global es 0(h). Éito no podrí«aer ol caso en un problema real.

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. los errores locales positivos comienzan a reducir el error global. . Sin embargo. Tales resultados se conocen como inestables. 2 5 .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 .2. 5 . Esta gráfica muestra cl errar relativo porcentual en x • 5 tono UM función del tamaño de paso para el problo- . SE BASA E N LA E C U A C I Ó N (E25. 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 .! • \ ¡ j J \ FIGURA 25. 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. ' . Cerca del extremo.:" : iv i "i. el efecto neto será con frecuencia reducir el error global.5). donde los errores locales son del mismo signo. se invierte el proceso y de nuevo aumenta el error global. la solución numérica puede divergir cada vez más de la solución verdadera en tanto se ejecuta el cálculo.722 M É T O D O S DE RUNGE-KUTTA «J'i< " ¡ 1 . TAMAÑOS D E PASO D E 0 .5. Si el error local cambia en forma continua el signo sobre el intervalo de cálculo.

3 2 ma que estamos examinando en los ejemplos 25. la simplicidad del método de Euler lo hace una opción extremadamente atractiva para muchos problemas de ingeniería.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 gráfica muestra el error global relativo porcentual absoluto en x = 5 como una función del tamaño de paso.1 0.01 0.5.2 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. En la próxima sección se desarrolla un algoritmo de cómputo para el método de Euler. (25. 5 Efecto del tamaño de paso sobre el error de truncamiento global del método de Euler paia la integral de y' = -2x + 1 2X . . presentamos técnicas de orden superior que dan mucha mayor exactitud con el mismo esfuerzo computacional. 50 .1.20x + 8. 500 5 000 1 0. Como este tamaño de paso corresponde a 5 000 pasos para ejecutar desde x = 0 hasta x — 5.1 al 25. Como se especificó en el inicio de este capítulo. el error todavía excede 0.001 Tamaño de paso FIGURA 2 5 . son en extremo simples de programar. 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.10) . Ya que es muy fácil de programar.001. la técnica es en particular útil para análisis rápidos.5 . a pesar de su ineficiencia. debería observarse que. Pieos . Observe que aun cuando h so reduzca a 0. Más adelante en este capítulo.. Sin embargo.3. 25.

001. 3 2 .1. 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. Por ejemplo. Aunque esto no es muy importante para un programa así de pequeño. podría ser crítico si deseamos modificar y mejorar el algoritmo. a usted le gustaría usar el método de Euler para integrar / = -2x + \2x . con la condición inicial de que y = 1 enx = 0. el algoritmo está imposibilitado sobre la suposición de que el intervalo de cálculo es uniformemente divisible entre el tamaño de paso.5 nc (xf-xi)/dx 'output initial condition PRINT x.6.1.5. Aunque este programa "hará el trabajo" de duplicar los resultados de la tabla 25. En tales casos.6 Pseudocódigo paro una versión "muda" del método de Euler.5 y = y + dydx • dx x = x + dx PRINT x. ¡Para dx = 0.999997 en lugar de 4.M É T O D O SD E RUNGE-KUTTA Suponga que usted quiere realizar el cálculo simple expuesto en la tabla 25. Esto es.1. Primero. y el más importante. Por último.999892! 2 2 FIGURA 25. no está muy bien diseñado. suponga que el tamaño de paso se habrá de volver muy pequeño para obtener mayor exactitud.nc dydx = -2X + 12X . Un pseudocódigo simple para realizar lo anterior podría ser como el que está escrito en la figura 25. y 'loop to impiement Euler's method 'and dieplay reeulte DO i =1. y que desplegara todos los resultados. Además.01 y se usara la representación estándar IEEE de punto flotante (cerca de siete cifras significativas).20x + 3. Por ejemplo. el número de variables de salida podría ser muy grande. A usted le gustaría integrarla hasta x = 4 usando un tamaño de paso de 0. 'set ¡ntegratíon range x¡ = O xf = 4 'initialize variables y =i X = XÍ 'eet step eize and determine 'number of calculation steps dx. = 0. Además.20x + 8. podría ser 3. si dx fuera cambiada a 0.5.4. y END OQ . debido a que cada valor calculado se despliega. el resultado al final del cálculo podría ser 3. existen varios factores relacionados con la forma en que establecemos las iteraciones. no es muy modular.

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

este aumento en la flexibilidad se gana a expensas de evaluar tres coeficientes en lugar de uno.5.3. En este caso.1.1) 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. | FIGURA 25.8 j j Resultados gráficos para la solución de la EDO no lineal [véase ecuación (E25. Este modelo lo proporciona dv dt = g v + a m m4x (E25.2)]. 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. b y i» son constantes empíricas.4.1)] para propósitos comparativos.7. Usted recordará de la parte uno que nuestro mo— = g v (E25.726 MÉTODOS DE RUNGÉ-KUTTA EJEMPLO 2 5 . Sin embargo.4. el modelo matemático resultante es más difícil de resolver en forma analítica.8.1) como numérica con el método de Euler (ejemplo 1.4. las cuales para este caso son igual a 8. 2.2). Observe que la gráfica también muestra la solución para el modelo lineal [véase ecuación (E25.2) donde g.4.myc son las mismas que en la ecuación (E25.1 y v = 0 en t = 0. 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. m = 68. y a.2 y 46. respectivamente.4. Además. Se puede desarrollar un programa de cómputo a partir del pseudocódigo de la figura 25. Lineal No lineal . 4 Rto iv l tindo a l E D O con computadora Enunciado del problema. el método de Euler proporciona una alternativa conveniente para obtener una solución numérica aproximada. Esas soluciones fueron para el caso en el g = 9. Podemos usar este software para resolver otro problema asociado dv con la caída c del paracaidista. c = 12.1).

2).4. y) es df(x. En particular.23. la primera derivada de f(x. En consecuencia.1. las EDO que son una función tanto de la variable dependiente como de la independiente. la velocidad terminal disminuye debido a la resistencia causada por los términos de orden superior en la ecuación (E25.y¡)h + J y 7 ^ h 2 (25. + df(x. * > = £ - . 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.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. 25.* 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.yi) y¡+i = y. Tales beneficios deberían permitirle dedicar más tiempo para considerar alternativas creativas y aspectos holísticos del problema en lugar de los tediosos cálculos a mano. Por ejemplo. Esos esquemas son comparables en desempeño con los procedimientos de la serio de Taylor de orden superior.y)dy . . como se describe en las siguientes secciones.] MftftPCM EULER Solución. lineal y no lineal. se han desarrollado métodos alternativos de un paso. La combinación de una solución generada con la computadora hace de esto una tarea fácil y eficiente.Vi) Las derivadas de orden superior se hacen mucho más complicadas. Podría probarse en forma similar modelos alternativos. En este caso. se despliegan en la figura 2 5 H . Los resultados para ambos modelos. su inclusión no es tan trivial cuando la EDO es más complicada. Por ejemplo. con la inclusión del término de segundo orden en la ecuación (25.y) / < * . con un tamaño de paso de integración de 0. pero requieren sólo del cálculo de las primeras derivadas.1 7 .6) se obtiene f'(xi. + f(xi.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. La gráfica de esta figura muestra también un traslape de la solución del modelo lineal para propósitos de comparación.1 s. requieren diferenciación por la regla de la cadena.

Sin embargo.728 MÉTODOS DE RUNGE-KUTTA 25. Las dos derivadas se promedian después con el fin de obtener una estimación mejorada de la pendiente para todo el intervalo. se ilustra en forma gráfica en la figura 25. .2. Este procedimiento. FIGURA 25.9.2 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. como éstos poseen una interpretación gráfica muy directa. Como se demostrará en la sección 25.9 Ilustración gráfica del método de Heun.3. conocido como el método de Heun. 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. o) Predictor y b) corrector.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). 25. Se dispone de dos simples modificaciones para evitar este defecto.

¡ . y. y = y'¡ + y¡ i + = / f e . El proceso se ilustra en la figura 25.y.13) en el método de sino una predicO. las dos pendientes [véase ecuaciones (25. se puede expresar en forma concisa como Predictor (figura 25. / ( * . 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.96): y° y = y. Todos los métodos multipaso que se analizarán más tarde en el capítulo 26 son de este tipo.)h ^ <+»'^+> x i+} X¡> (25. + l mmm¡ + f(xi. una estimación anterior podrá usarse de manera repetida para proporcionar una estimación mejorada d e y . Como con los métodos iterativos similares analizados en secciones anteriores de este libro. La ecuación que permite el Para el método estándar de Euler deberemos parar aquí.) se usa para extrapolar linealmente a y ¡ . + 2 + 1 ).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 ° y ¿ + i = y.10.16) l+l = y.5)] í+1 + .P E B U E W de Euler. Sin embargo.+).14) Así.13) es llamada ecuaciónpredictor.zarRecuerdo que en el método PBL M É T O D O . . ción intermedia. Como se desarrolló antes. como se demostrará en el siguiente ejemplo.yi)h (25.16) t i e n e y en ambos lados del signo igual. .12) y (25.15) (25. Es por esto que la distinguimos con un superíndice (25.14)] pueden combinarse con el fin de obtener una pendiente promedio para el intervalo: -. la pendiente al inicio de un intervalo y¡ = f(x¡. Mejora una estimación de y cálculo de una estimación de la pendiente al final del intervalo: + 1 i+l y' ¡+1 =f(x . y ." f( X y.) + ) h Observe que como la ecuación (25. ) + /(x.13) no es la respuesta final. calculada en la ecuación (25.12) y?+i=yi (25. un criterio de terminación para la convergencia del corrector está dado por [recuerde la ecuación (3.y? ) i+í +l (25. Heun l a y . y . El método de Heun es un procedimiento predictor-corrector. El método de Heun es el único método predictor-corrector de un solo paso que se describe en este libro. Esto es. se puede aplicar en una forma iterativa. + . ) + /(*.9a): Corrector (figura 25. h la cual es conocida como ecuación corrector. + f( y.

i y¿+i donde y{ ¡ y y{ mente. podemos usar cálculo para determinar la siguiente solución analítica ) + 2e .I) y 1.1946. La condición inicial en x — 0 es y = 2.FIGURA 2 5 . la pendiente en (x . Primero. + j-i yi i+ 100% (25.0 . y ) se calcula como 0 0 y = 4e° .3 v Esta fórmula se usará para generar los valores de la solución verdadera en la tabla 25. Use el método de Heun para integrar y' = 4e — Q. 1 0 Representación gráfica de la iteración del corrector del método de Heun para obtener un estimado mejorado.4). Antes de resolver el problema de manera numérica. respectiva- EJEMPLO 2 5 .0.5(2) = 3 0 Este resultado difiere mucho de la pendiente promedio actual para el intervalo de 0 a 1. como se calculó de la ecuación diferencial con la ecuación (PT6. la cual es igual a 4.5y desde x — 0 hasta x = 4 con un tamaño de paso de 1. 5 A (E25. . 5 Método de Heun Enunciado del problema. 0M Solución.5.2.0.17) +x resultan de la iiteración anterior y actual del corrector.

0.un H u n i £ f i (%) 0 . Se muestran dos casos que correspondan a números diferentes de iteraciones del corrector.5(6.5y.0. Así.7432761 77.17 3.16): [3 + 4<? y. Loi valores aproximados se calcularon mediante el método de Heun con un tamaño de paso de 1.3022367 34.0000000 6.4 al compararlo con el método de Euler. ¡unto con el error relativo porcentual absoluto. = 2 + ± a8<1) -0.0: y°i = 2 + 3(1) = 5 Observe que éste es el resultado que se podría obtener con el método estándar de Euler.0000000 6.701082 la cual representa un error relativo porcentual de .68 3 .275811 . Ahora dicho estimado podrá usarse para refinar o corregir la predicción de y. H Xvtrdadaro 0 1 2 3 4 2.46 10.3377674 2.94 10.2 muestra que corresponde a un error relativo porcentual del 25.3608655 15.16)] para dar la predicción en x = 1: yi = 2 + 4. al sustituir el nuevo resultado en el lado derecho de la ecuación (25.402164 y 2 que es más cercana a la pendiente promedio verdadera de 4. Ahora.1946314 14. El valor verdadero en la tabla 25.18 9.62 y .15)] para obtener un estimado de y en 1.402164 la cual puede combinarse con la pendiente inicial para obtener una pendiente promedio sobre el intervalo desde x — 0 hasta 1: 3 + 6. el método de Heun sin iteración del corrector reduce el valor absoluto del error por un factor de 2.3389626 y .T A B L A 35.0000000 6.701082(1) = 6.5(5) = 6.7010819 16.8439219 33. 0Bx Iteraciones del m é t o d o d e H e u n 1 15 (%) 0. con la condición inicial de que y . para mejorar el estimado para y usamos el valor y\ para predecir la pendiente al final del intervalo: i + v y \ = f( .1946. 1 8 % .3%.18 2.7350962 La solución numérica se obtiene al usar el predictor [véase ecuación (25.00 2 .2 en x » 0.8 .6771718 75.3 Comparación de los valores verdadero y aproximado d« la Integral de y' m 4e . Este resultado puede ser sustituido en el corrector [véase ecuación (25.y°) Xl = 4e o m ) .701082)1 — ^ 1 = 6.00 8.1992489 83.09 3.3197819 37.

18) y la regla trapezoidal [véase ecuación (21.21) Ahora. a su vez.68%.732 MÉTODOS DE RUNGE-KUTTA el cual representa un error relativo porcentual del 1. y nos previenen de dar la conclusión general de que con una iteración adicional se mejorará el resultado.360865. 6. para tamaños de paso lo suficientemente pequeños.5(6. = 2 + i a 8 ( 1 ) -0.275811)1 ~ ^ 1 = 6.382129 que representa un |£. el paso predictor [véase ecuación (25.2 muestra los resultados de los cálculos restantes mediante el uso del método con 1 y 15 iteraciones por paso. Sin embargo.16) para corregir aún más: [3 + 4 e y. + i . recuerde del capítulo 21 que In regla trapezoidal [véase ecuación (21.18) Observe la similitud entre el lado derecho de la ecuación (25. = jT' + (25. Para esos casos.26)] no es requerido y el corrector se aplica sólo una vez para cada iteración. la técnica se expresa en forma concisa como y¡+\ = y¡ + ^ h (25. se tiene después de 15 iteraciones.+ iI /"• /+l dy = J f(x)dx / y . donde la EDO es únicamente función de la variable independiente. el cual representa un error relativo del 2. la derivada es una función de la variable dependiente y y de la variable independiente x. las iteraciones deberán converger eventualmente sobre un solo valor.20) y.| de 3. Este resultado. puede sustituirse en la ecuación (25.3)]. Para nuestro caso.19) mdx (25.3)] se puede definir como . Tales incrementos pueden ocurrir en especial para grandes tamaños de paso.31 %.-+i =y¡ mdx (25. La tabla 25. En el ejemplo anterior.y . 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 .03%. Observe cómo los errores algunas veces crecen en tanto se ejecutan las iteraciones. Para casos tales como los polinomios.

23) es una expresión directa de la regla trapezoidal.Al sustituir la ecuación (25.22) (25.18). la cual se denomina método de punto medio. V / | | ) donde h = x. Como la ecuación (25.2.27) Observe que c o m o y no está en los dos lados.rmMTTODO D EB U L Í H M (25. este valor predicho se usa para calcular una pendiente en el punto medio: y.27)] no puede aplicarse de manera iterativa para mejorar la solución.22) en la (25.11. demuestra este comportamiento.-+i /2 = >•/ + /(A"Í.1.24) donde § está entre x¡ y x .126): + { (25. — x.-+i = + x f(x ) i+{ 3'/ H " la cual es equivalente a la ecuación (25.23) . Por tanto. Conocido como método del punto medio (o del polígono mejorado o el modificado de Euler).6)] E.12 ilustra otra modificación simple del método de Euler.25) Después. Dicha pendiente es usada después para extrapolar linealmente desde x¡ hasta x¡ (véase figura 25. y. esto procedimiento podrá también conectarse con las fórmulas de integración de Newton-Cotes. al disminuir el tamaño de paso aumenta el error a una velocidad mayor que para el método de Euler.21) se tiene f(x. ae puede representar como i + 1 . La figura 25. ) | ./(\\d\ / ( A . Así.26) el cual se toma para representar una aproximación válida de la pendiente promedio para todo el intervalo.^. i+l 2 2 25../ ( . y¡)- (25. Recuerde de la tabla 21. respectivamente. — h ' 12 (25.+i/2 = /fe+i/2. el error de truncamiento local está dado por [recuerde la ecuación (21.4 que la fórmula más simple do integración abierta de Nowton-Cotos. + i / 2 ) (25. que muestra el resultado con el uso del método de Heun para resolver el polinomio del ejemplo 25.) y .12a): y. los errores local y global son 0(h ) y 0(h ). Además. esta técnica usa el método de Euler para predecir un valor de y en el punto medio del intervalo (véase la figura 25. Como en la sección anterior. el método es de segundo orden porque la segunda derivada de la EDO es cero cuando la solución verdadera es cuadrática.2 Método del p u n t o medio (o del polígono mejorado) La figura 25. el corrector [véase ecuación (25.

+ 1/2 ) yf Pendiente = f(x. 1 2 /) + . Pendiente = f ( x ft1/2 .25) y b) ecuación (25.734 MÉTODOS DE RUNGE-KUTTA FIGURA 25.1/2. a) ecuación (25.12 Ilustración gráfica del método de punto medio.27). y.

una aproximación centrada. cuando se va a implementar la versión iterativa del método de Heun. podrá expresarse como La sustitución de esta fórmula en la ecuación (25.4) que usualmente la exactitud mejorada vale el esfuerzo.13a y 25.13c.3. 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. En este contexto.2. el método de punto medio obtiene su nombre de la fórmula de integración en turno sobre la cual se basa.7 con el fin de desarrollar el software para el método iterativo de Heun. el cual tiene un error de 0(h).27). En consecuencia.7.7.21) da la ecuación (25. De esta manera. los errores local y global del método de punto medio son 0(h ) y 0(A ). se requiere de algunas modificaciones (aunque estén localizadas dentro de un simple módulo). respectivamente. 25. pueden aplicarse con ventaja. Aunque existen ciertos casos donde técnicas fácilmente programables. Como en I UN figuras 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. el de Heun con un solo corrector y el de punto medio.4 Resumen Al componer el método de Euler desarrollamos dos nuevas técnicas de segundo orden. como el método de Euler. así como el método de Heun puede ser conocido como la regla trapezoidal.mSm \ )</> = (b ÍV)/(. 2 3 2 25. Este algoritmo se puede combinar con la figura 25.3 que las diferencias divididas finitas centradas son mejores aproximaciones de las derivadas que cualquiera de las versiones hacia adelante o hacia atrás. la reducción que se tiene en el error nos permite concluir en una sección subsecuente (véase sección 25. Sin embargo. es el punto medio del intervalo (a.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.2. Recuerde de nuestra diferenciación numérica en la sección 4.13Z>.\ i) donde x. Desarrollamos el pseudocódigo para este propósito en la figura 25. se pueden programar fácilmente con la estructura general mostrada en la figura 25. Con el uso de la nomenclatura para el caso actual. se puede escribir rutinas simples que tomen el lugar de la rutina de Euler en la figura 25. como la de la ecuación (25.26) tiene un error de truncamiento local de 0(h ) en comparación con la aproximación hacia adelante del método de Euler. b).1. . Aun cuando esas versiones requieren más esfuerzo computacional para determinar In pendiente.

h. ym.736 MÉTODOS DE RUNGE-KUTTA a) Htun LIMPIA sin corrector c) Heun con corrector SU /3 Heunlter (x. dyZdx) 5hpe = (dyldx + dyZdx)/2 ynew = Y + Slope • h x =x +h END 5U3 es = 0.(x. Existen muchas variaciones. y. dydx) SU£? Midpoint (x.h)h (25JH) donde <j> (x¡. y.01 maxlt = 20 CALL Der\vs(x. 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. h. YRI<SIV) CALL Derive dyldx) 5U3 Heun (x. h.y¡. la misma técnica de Euler son versiones de una clase nú» amplia de procedimiento de un paso denominados métodos de Runge-Kutta. 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. peni todas se pueden denotar en la forma generalizada de la ecuación (25. dyldx) ye=y + dyldx • h iter = O DO yeold = ye CALL Der¡vs(x + H. 2 5 . ye. La función incremento . Ahora V P remos el desarrollo formal de esas técnicas. la cual puede inteipieltwií como una pendiente representativa sobre el intervalo. Y. dyZdx) slope = (dyldx + dyZdx)/2 ye = Y + slope • h iter = iter + 1 b) Método del punto medio CALL Der\vs(x. /. y¡.se m t l h l por lo general como (¡¡ t= +U2k¡ + • • • a k £ (23. y. de hecho. ynew) ym = y + dydx • h/Z CALL Derivs (x + h/Z. ynew) ye = y + dyldx • h CALL Derivs(x + h.1): y¡+\ = y¡ +<Ptx¡.A-| I n n . Y. y. el método de Heun (sin iteraciones) y el de punto medio y. Como se hace notar al inicio de esta sección.5. h) es conocida como función incremento.13 Pseudocódigo para implementar los métodos a) Heun simple. ye. b) punto medio y c) Heun iterativo.

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

1.1.1.1.1.1.9/" +a2 ?n/te.. 1 Lu versión a segundo orden de la ecuación (25.6) + 1 La estrategia básica que habrá de resaltarse en los métodos RungeKutta es el uso de manipulaciones algebraicas para resolver los valores de a¡.6) y (B25. /'fe.7).6) sean equivalentes. podemos determinar las nlrui F.1.5) . y¡ + quhh) y¡\ \ = y. v ) = x(x.1.4) o.2) +á k\h— u 9 / dx dy + (Hlf) ki = ñx¡+pih.33) Cuadro 2 5 . + (a k +a k )h l 1 2 2 donde y/) y c > (''' = f(x¡. —H Las anteriores tres ecuaciones simultáneas contienen las cuitlfU constantes desconocidas. determinamos que para hacer equivalen tes a las dos ecuaciones. y. La serie de Taylor para una función de dos variables se define como [recuerde la ecuación (4. p\— 2 b( b e t3 /b 3 .4) se i (x¡.y¡ + /fe y¡)h + donde / ' f e . y ^ + ( . al suponer u n valor para una de las constantes. y) + r— 9 # 9 # +x r o iH . se debe cumplir lo siguiente: (B25. Para ello. y¡) + p\h — (B25.1.1) y (B25.28) 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 (B25.3) w tiene f(x¡ + p\h. p¡ y q .2) en la (B25.3): (B25. y /(*/• y) escrita como [véase ecuación (25.y)dy dy (B25.1.738 M É T O D O S D i RUNGE-KUTTA (25.32) (25. y¡+\ = y¡ + [«i/fe.3) Este resultado podrá sustituirse junto con la ecuación (B25.+ . Como hay una incógnitu más quo el número de ecuaciones.26)] 2 u b b ?.1. y¡)]h 2 + a. =v + / U . primero usamos una serie de Taylor para expandir la ecuación (B25.) 9 x 9 y_ 2 — /i + 0(fc ) 3 («25. .1.+ r ><//') +a qnh f(Xi. y¡) + a f(x¡.1. y + .1.) =la— +(B25.a .1) debemos determinar los valores para las constantes a .3). al agrupar términos. existe una familia de métodos do sc|tumla orden min quo una sola versión.yi+qukih) (B25.1. 9/Uy) .p y q .1. lo cual provoca que las ecuaciones (B25. 2 2 yi+i . recordamos que la serie de Taylor de segundo orden para>> en términos de y. si comparamos términos comunes en las ecuación»» (B25.1. no existe un conjunto único do cnnulimtes que satisfagan las ecuaciones.j 2 7 / ¡ Ahora.y.Para ello.1.5) — -r tiene dx dy dx y. a .1) para dar y i+l Al usar la ecuación (B25.11)] l 2 i it ¡+1 e s t a = y¡ + aihf(x b y¡) + a hf(x¡.1) Si se aplica este método para expandir la ecuación (B25. Sin embargo.n consecuencia. . 2 y ¡) df(x. = j aiqu ai + a = 1 2 1 <>iP2 = ^ 1 K(x + r.7) Si sustituimos ecuación en la ecuación (B25.1. y¡) debe determinarse por diferenciación usando la regla de la cadena (véase sección 25.-) + a p\h 2 2 +dx y¡)^. y.

En consecuencia. A continuación presentamos tres de las versiones más comúnmente usadas y preferidas: Método d e Heun con un solo corrector ( o = 1 / 2 ) .a 2 (25.35) podrán resolverse para a¡ = 1/2 y p = q = 1.0 k = f(x¡ + h. las ecuaciones (25. Suponga que especificamos un valor para a . dan 2 2 { n y i=y í+ i + (^k l + \ h ^ (25.33) para obtener ai = 1 . donde + 1 =y.36a) (25. Entonces se puede resolver de manera simultánea las ecuaciones (25.v Como tenoinos tres ecuaciones con cuatro incógnitas. y¡ + k h) 2 x x 2 (25. El método d e punto medio ( a = 1 ) . se obtienen diferentes resultados cuando (como es típicamente el caso) la solución es más complicada.376) É l t t M el método del punto medio. + kh 2 (25.2 3 . Estos parámetros. 3 M IW W P B RUNGE-KUTTA 2 i:! <Jüi i . entonces a. hay un número interminable de métodos RK de segundo orden. Sin embargo. Cada versión podría dar exactamente los mismos resultados si la solución de la EDO fuera cuadrática.31) a (25. . y/) (25. Si suponemos que a es 1/2. y la ecuación (25. y.37a) *2 = f(x¡ + -h.30) es ahora 2 2 x n y.34) y (25.37) *i = / ( * i . Si suponemos que a es 1. p = q — 1/2.30).34) 1 Pl=qn = 2V 2 2 (25. debemos suponer el valor de una de estas incógnitas para determinar las otras tres. al ser sustituidos en la ecuación (25.366) Observe que k es la pendiente al inicio del intervalo y k es la del final. lineal o una constante. este método Runge-Kutta de segundo orden es de hecho la técnica de Heun sin iteración.y¡ + l X -k^ (25. = 0.35) Debido a que podemos elegir un número infinito de valores para a .36) donde *i = /(*¿.

5 desde x = 0 hasta x = 4 usando un tamaño de paso de 0. 2 5 ) + 12(0.5 = 8. Para esla versión.25) 4. La condición inicial en .38«) ki = f(x¡ + \h. y los r e t u l t a d p i M m u m e n en la figura 25.5) = 1 + 4.4% £1 calculo le repite. Solución. = 3.2 ( 0 .v 0 es y = 1.+ \hh^ (25.21875(0.386) Comparación de varios e s q u e m a s RK d e segundo orden Enunciado del problema. .8.37)| y el método de Ralston [véase ecuación (25.5) que podría habar sido usada por el procedimiento de Euler.20(0) + 8.y¡) (25.5 = 4.2 J T -f 12x 2 - 20JC + 8. y.2 ( 0 ) + 12(0) .25) . 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. 109375 K .3.3).3.21875 3 2 2 Observe que tal estimación de la pendiente es mucho más cercana al valor promedio para el intervalo (4..3 la) para calcular ki = . como la EDO es una función sólo de x. tal resultado carece de relevanri» sobre el segundo paso [el uso de la ecuación (25.20(0.5 3 2 Sin embargo.14 y tublu 25. Use el método de punto medio [véase ecuación (25.38)] para integrar numéricamente la ecuación (PT7. y) = .x. Compare los resultados con los valores obtenidos con otro algoritmo RK de segundo orden: el método de Heun sin corrector de iteración (tabla 25. ti 1/3 y 2 t Pi=V\i= 3 / 4 : donde k\=f{x¡.13): f(.MÉTODOS DE RUNGE-KUTTA v _ Mfttodo Rulitori ( a 2 / 3 ) .5) .5.37) para predecir v (0.376)] para calcular k = . El primer paso en el método de punto medio es el uso de la ecuación (25. La pendiente en el punto medio puede entonces sustituirse en la ecuación (25.4375) que la pendiente al inicio del intervalo (8.

81250 4 .21875 3.5 2.00000 3.58203125 3 2 2 T A B L A 2 5 .484375 3.609375 3 0 3.37500 2.0 1.5 21.800781 3.5.FIGURA 25.l y l£.0 2.21875 2.0 5.375) .855469 4.43750 3.7 10 .00000 0 6.5 1.68750 2.6 4 .031250 0 1.l £ (%) 0. Por medio del método de Ralston. con la condición inicial de que y .109375 2.l y | .6 0 1.8 7. 3 Comparación de los valores verdadero y aproximado de la integral da y' = .1 25.8 3.0 0.50000 3.00000 2.20(0. 3 2 Heun X Punto medio (%) RK Ralston de s e g u n d o o r d e n (%) Xverdadero 1.0 1 .00000 3.277344 3.37500 4.386)] x k = .0 2. 3 7 5 ) + 12(0.00000 3.9 1.2 ( 0 .18750 4.5 4.71875 3 00000 y l£.6 12.5 3.3 10. Los valores aproximados se calcularon por medio de tres versiones de los métodos RK de segundo orden con un tamaño de paso de 0.0 3.4 4.101563 2.140625 2.4 ó.00000 3.8 12.00000 4 .3 0 1.93750 3 .2 9.1 en x = 0.71875 4 .81250 1.5 = 2.5 8.347656 2. k para el primer intervalo es también igual a 8.14 Comparación de la solución verdadera con soluciones numéricas usando tres métodos RK de segundo orden y el método de Euler.4 5.5.75 2.2 X + 12X .5 y [véase ecuación (25.984375 1.117188 4 .7 2.375) + 8.0 17.00000 2.20x + 8.

5) = 3. 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 . los métodos RK de tercer orden tienen errores local y global de 0(h ) y 0(h ).MÉTODOS DE RUNGE-KUTTA La pendiente promedio se calcula por </. Ralston (1962) y Ralston y Rabinowitz (1978) desarrollaron una versión alternativa que proporciona un límite mínimo sobre el error de truncamiento. y¡ + l l k = f(x¡ 2 -k h^ x (25.1 .3. 4 3 25. y¡ .5546875 la cual se usará para predecir y (0.3 M é t o d o s R u n g e . se debe especificar con antelación los valores para las dos incógnitas con el fin de establecer los parámetros restantes. por tunlo.14 y tabla 25. hay un número infinito de versiones. se puede hacer un desarrollo similar al del método de segundo orden.3%) (25.3). Ello se debe a que lu regla de Simpson 1/3 proporciona estimaciones exactas de la integral para cúbicas (recuerde el cuadro 21.27734375 s.5) = 1 + 4.K u t t a de tercer o r d e n Para n = 3.58203125) = 4. y dan resultados exactos cuando la solución es unn cúbica. 8 2 % Los cálculos se repiten y los resultados se resumen en la figura 25. <sn la forma de uso más común y. 25.y ) x l i (25. 8 0 le conoce como método RK clásico de cuarto . respectivamente. La siguiente. Como hicimos notar con lo* procedimientos de segundo orden. Al tratarse de polinomios. El resultado de dicho desarrollo es de seis ecuaciones con ocho incógnitas.39c) k = f(x¡ + h.3.2 M é t o d o s de R u n g e .K u t t a de cuarto o r d e n El más popular de los métodos RK es el de cuarto orden.39a) + -h.5546875(0. En cualquier caso. este método de tercer orden se reduce a la regla de Simpson 1/3.39) será también exacta cuando ln ecuación diferencial es cúbica y la solución es de cuarto orden.kih + 2k h) 3 2 Observe que si la derivada es sólo una función de x.3. = . Por tanto.5) + ^(2. = 1 (8. Observe que todos los métodos RK de segundo orden son superiores al método de Euler. la ecuación (25.

FIGURA 25. Como se muestra en la figura 25.25 J FFLFPGI D E RUNGE-KUTTA y t + 1 2 3 >HI R ><.15.40a) *2 = /(•*/ + ¿ A . entre la que se cuenta el método RK de cuarto orden. + 2 ¿ + 2k + k )h (25 . Además. . yi + ^ i * ) (25 . el método RK. + — (*.i 4 *-/:iortM .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. .. cada una de las & representa una pendiente.15 Ilustración gráfica de las pendientes estimadas.40) donde *i = / ( * .406) ¿3 = + \h. y¡ + ^hhj ' (25. La ecuación (25.40) entonces representa un promedio ponderado de éstas para llegar a la pendiente mejorada.y¡ + kih) (25. (25.>/.40a) Observe que para las EDO que sólo son función de x.40c) h = f (XÍ + h. el método RK clásico de cuarto orden es similar a la regla de Simpson 1/3.

3.5 + 2 ( 4 .105603 Por último.40úT) para calcular k = 8.5(2.877653) = 3.510611(0. las cuatro estimaciones de la pendiente se combinan para obtener unu pendiente promedio.0. Así.75 k = /(0. . a) Se usa desde la ecuación (25. 2. 7 M T t O D O S i ¡ í DE RUNGE-KUTTA Método RK clásico de cuarto orden Enunciado del problema. y(0.5y usando h = 0. y(0.40a) hasta la (25. 2 1 8 7 5 ) + 2(4.16)]. i | y(0.5(2. b) Para este caso. ] Solución.723392) = 4 e a 8 ( 0 - 5 ) .25. 8 7 7 6 5 3 k = JX0.21875)+ 1.75) = 4 e ° 2 8 ( a 2 5 ) .25) = 2.5 y una condición inicial de y = 1 en x = 0.21875 y £ = 1. esta pendiente se usará para calcular un valor de y y una pendiente al final del intervalo.5(2) = 3 Este valor se usa para calcular un valor de y y una pendiente en el punto medio. la pendiente al inicio del intervalo se calcula como ¿i = / ( 0 .y) = -2x 3 2 Use el método RK clásico de cuarto orden [véase ecuación + l2x -20x + 8. y b) f(x. 2.21875.5(3.5 mediante un tamaño de paso de h = 0. .40) para obtener x 2 3 4 y(0.446785 l | Después.510611 Esta pendiente a su vez se utiliza para calcular otro valor de y y otra pendiente en el punto medio.723392) = 4.75) = 3.0. (25.25] J 0.21875 . k — 4.5.5 con v(0) = 2 desde x = 0 hasta 0.071785(0.5.5) = 2 + 3.y) =4e * 0S -0.25) =2 + 3(0.5.40)] para integrar a) f(x.0.877653) = 4 e 3 o m 2 5 ) i 1 | | . 2) = 4 e ° ' 8(0) • =3.25.5) = 3. . como la solución verdadera es de cuarto orden [véase ecuación (PT7. las cuales se sustituyen en la ecuación (25.25) = 2 + 3.5) = 1 + j^[8.5 \ í la cual es exacta.723392 h = /(0. k = 4.744 EJEMPLO 2 5 .0.25. Esta última es entonces usada para realizar la predicción coneluyente al final del intervalo. el método de cuarto orden da un resultado exacto.25) = 2 .

3 M É T O D O S DE RUNGE-KUTTA 741 $ = .-k h + hh ) l X 2 (25 Aid) * s = f(x¡ + ífi. Están disponibles las fórmulas RK de orden superior como el método de Butcher. la ganancia en exactitud para métodos mayores de cuarto orden está afectada por el esfuerzo computacional y complejidad adicional.4 Métodos de Runge-Kutta de orden s u p e r i o r Donde se requiere resultados más exactos.503399(0.41c) h = f(xi + -h. 25. 3 5 ( 12 8 \ Comparación de los métodos de Runge-Kutta Enunciado del problema.5) = 2 + 3. y¡ + ^ h + ^k h ) X 2 (25. }7) (25.5y .h 3 + 2 2 y U f c ) 4 (25. y¡ + ^k. y¡ .41a) 4 k = / ( x¡ + -h. es recomendable el método de Butcher (1964) y el método RK de quinto orden: .—k h + -k h\ (25.510611) + 2(3.446785) + 4. + -L (7^ + 32 *3 + 12Á: + 32k + 7k )h 4 5 6 y ¡ + l = y (25.41e) 12 4 x¡ + h.-k\h + -k h + -jk h . para resolver f(x.h + 2(3.416) h = f(x¡ + -h.y) =4e 0Hx Use los métodos RK desde el primero hasta el quinto orden -0. pero en general.41) donde *i = / ( * / .503399 6 L y(0.5) = 3.2. y¡ + \kih) 2 (25. y¡ .105603] = 3.3.751521.41/) Observe la similitud entre el método de Butcher y la regla de Boole en la tabla 21.25.751669 la cual se compara de manera favorable con la solución verdadera de 3.

el RK clásico de cuarto orden y el RK de Butcher de quinto orden.33896. «yes igual al orden del método. el no iterativo de Heun. donde graf icamos el valor absoluto del error relativo porcentual contra el esfuerzo computacional. como en Esfuerzo = n b-a (E25. Compare la exactitud de los diferentes métodos con el resultado en x — 4 con base en la respuesta exacta y(4) = 75. es el número de aplicaciones de la FIGURA 25. observe que la técnica de Butcher de quinto orden requiere seis evaluaciones de la función [véase ecuaciones (25. Solución.746 MÉTODOS DE RUNGE-KUTTA oon^(0) <• 2 desde x = 0 hasta x = 4 con varios tamaños de paso.8. Para órdenes < 4.39)].1) donde «y = número de evaluaciones de la función involucradas en particular en el cálculo RK. Esta última cantidad es equivalente al número requerida de evaluaciones de la función para obtener el resultado.16. sin embargo.41a) a la (25. La cantidad (b — á)lh es la integración total del intervalo dividida entre el tamaño de paso (es decir. Comparación del error relativo porcentual contra el esfuerzo computacional para los • . métodos RK desde el primero hasta el quinto orden.41/)]. . Se realiza el cálculo mediante los métodos de Euler.16 . el RK de tercer orden [véase ecuación (25. Los resultados se presentan en la figura 25.

2G. La inspección de la figura 25.9 y la figura 25. la ecuación (E25.1) proporciona una modida burda del tiempo de ejecución requerido para alcanzar la respuesta. Asi. La figura 25. 25.40)].K U T T A . ym.8. k4) &\opc = (k1 + Z(kZ + k3) + k4)/6 ynew = y + elope • h x • x +h END au» . k3) ye = y + k3 • h CALL Derívs(x + h. kZ) ym = y + kZ • h/Z CALL Derívs(x + h/Z. las técnicas RK se ajustan muy bien al algoritmo general delineado en la figura 25.Í I H W O S D E R U N O B . Sin embargo.K u t t a Como con todos los métodos expuestos en este capítulo. y. la ganancia en exactitud con el esfuerzo adicional tiende a disminuir después de un punto. SUB KK4 (x.16 podrían llevarnos a la conclusión de que las técnicas RK de orden superior son siempre los métodos de preferencia. Las subrutinas que calculan las pendientes para todas las otras versiones se pueden programar fácilmente en forma similar. como las evaluaciones de la función son con frecuencia pasos consumidores de tiempo. k1) ym .16 nos lleva a diferentes conclusiones: primero. 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.7. segundo. ye.17 presenta el pseudocódigo para determinar la pendiente del método RK clásico de cuarto orden [véase ecuación (25. ynew) CALL Perívs(x.) El ejemplo 25. FIGURA 25.5 A l g o r i t m o s de cómputo p a r a los métodos de R u n g e . ym. y. los métodos de orden superior alcanzan mayor exactitud para el mismo esfuerzo computacional.y + kl • h/Z CALL Derívs(x + h/Z. b.H « « J j j | I í ) s técnieu HK puní obtener resultado).17 Pseudocódigo para determinar un solo paso del método RK de cuarto orden. (Observe que las curvas primero caen con rapidez y después tienden a nivelarse.3. 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.

.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. 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.y„) fi(x.1 (4)J0.. EJEMPLO 2 5 .5) — 3 calculiidu con U primera ecuación.3y dx 2 . v yi (0. suponiendo que x — 0.5) = 6 + [4 .4. En este caso. .1 Método de Euler Todos los métodos analizados en este capítulo para simples ecuaciones pueden extenderse al sistema que se mostró antes.y . .9 2 . 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.O. y. y = 4 y y — 6.0.0.(0) = 4 se usa en lu segunda ecuación más que la V](0.MÉTODOS DE RUNGE-KUTTA 25. . Esto se ilustra mejor con el siguiente ejemplo para el método de Euler simple. 2 . .. { 2 — = -0. y .5 = 3 y (0. I Observe que v. y„) 2 dy„ d x = / „ ( * . . y i . . 25..5 = 6.y\..5) = 4 + [-0.5yi dx Solución. Al PROOCFCRÁI manera similar se tiene .3(6) . Tales sistemas pueden representarse por lo general como dyi dx dyi dx fi(x. Integre para x = 2 con un tamaño de paso de 0. . . y . 9 Resolución de sistemas de EDO mediante el método de Euler Enunciado del problema. Aplicaciones en la ingeniería pueden involucrar miles de ecuaciones simultáneas. .5(4)]0.5.lví ' Se implementa el método de Euler para cada variable como en la ecuación (. Resuelva el siguiente conjunto de ecuaciones diferenciales usando el método de Euler.2): — = 4-0.

8 ) — = 6.0 25.5 = 4 + ( . 3. .4. 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 ).X Yi 4 3 2. las k se combinan en un conjunto de funciones incremento [como en la ecuación (25. M Use el método RK de cuarto orden para resolver las EDO Primero. 6 ) = -0. a su vez.44525 9. 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 ). 6. 1 0 Resolución de sistemas de E D O mediante el método RK de cuario orden Enunciado del problema.15 es útil para visualizar la forma adecuada de hacer esto para el método de cuarto orden. Sin embargo.25.3(6) .2 ) — -3. y + k. Dichos valores de punto medio se utilizan. Solución. Es decir.5 2.8 donde k¡j es el /-ésimo valor de k para lay-ésima variable dependiente.715 . Esas pendientes (un conjunto de las k ) se usarán entonces para hacer predicciones de la variable dependiente en el punto medio del intervalo.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.25 1. debe tenerse cuidado al determinar las pendientes. Después. para calcular un conjunto de pendientes en el punto medio (las k ). *2 . Por último.3.5.0.094087 0 0.6.265625 6 6.45) .45 h x 2 los cuales se usarán para calcular el primer conjunto de pendientes de punto medio. 2 = / ( 0 .i = ^(0.715 8.5 = 6 + ( 1 . El siguiente ejemplo ilustra el procedimiento. debemos calcular los primeros valores de y y y en el punto medio: x 2 y.5(4) = .6875 1.25.2 ¿.40)] y son llevadas de nuevo al inicio para hacer la predicción final.0.5. 4. { 2 3 4 EJEMPLO 2 5 .9 7. La figura 25.1(4) = 1.5 1. desarrollamos primero las pendientes para todas las variables en el valor inicial. '.2 Métodos de R u n g e .9.5 0. 4 . 6) = 4 .0 1.•• 1. debemos resolver para todas las pendientes al inicio del intervalo: * = / ( 0 .45) 1.75 /o • =R /(0. del ejemplo 25.2 h 0.

5625.5) = 4 + .42875) = 1. 7 8 1 2 5 I • | ¡ I h. 7 1 5 ) — = 6. ¿3.715125 Éstos se utilizarán para determinar las predicciones al final del intervalo y. Las modificacioncN incluyen: . se obtiene X 0 0.1.5 = 4 + ( .42875 y + k.7) puede fácilmente extenderse a sistemas de ecuaciones.1 = /(0.[ .5 1.5 = 6.326886 8. 6.857670 6 2 Al proceder en forma similar para los pasos restantes.0 1.115234 2.857670 7.1.109375 = 6 + (1.40)]: 4 i¡ ! vi(0. +k 2A h h 0. I i j y. 7 5 .1 .109375. 6.857563) = 1.78125X0.5) = 3.[ 1 .i = /(0.42875) = . k 4A = / ( 0 .426171 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 25.715125) + 1.5625.5) = 6 + .5 = 6 + ( 1 .471577 25.554688 k .715 + 1.25. 3. 7 5 ) — = 3.631794J0.5 2.2 = /(0.5) = 6.632106 8.1 . 5 .115234 6 >' (0.5625 0.5.631794 Los valores de k se pueden entonces usar para calcular [véase ecuación (25.857563 yi + k h X2 los cuales serán usados para calcular las pendientes al final del intervalo. 3. .750 MÉTODOS DE RUNGE-KUTTA Éstos se usan para determinar el segundo conjunto de predicciones de punto medio. I | i I .946865 4 3.5 = 3.0 y i Yi 6 6.857563) = -1. 6.715125)(0. 6. 3.78125) .1 .109375.554688J0.25.889523 1. +k \h X = 4 + (-1.~ 2 2 2 el cual será utilizado para calcular el segundo conjunto de pendientes de punto medio. 3. 8 + 2(1.4.2 + 2 ( .

785398 radianes. Modificar el algoritmo de tal manera que calcule las pendientes para cada una de las variables dependientes. = y = 0. 5.19a. 3. Incluir ciclos con el propósito de calcular un nuevo valor para cada variable dependiente. Integrar I ON valores iniciales para cada una de las n variables dependientes. 4. Un modelo no lineal del mismo sistema es [recuerde la ecuación (PT7. un modelo lineal para un péndulo oscilante está dado por [recuerde la ecuación (PT7.19a.Y2 . Incluir ecuaciones adicionales con el fin de calcular valores de las derivadas para cada una de las EDO. se tiene un programa de cómputo de uso amigable para implementar el método RK de cuarto orden a sistemas. Introduzca las ecuaciones y valores iniciales y después haga clic sobre el botón Cale.7. Dicha pantalla contiene espacios para la entrada y salida de información asociada con la solución de hasta 5 EDO simultáneas de primer orden.11)] dyi dx x 2 dyi =l ó . EJEMPLO 2 5 . En el software TOOLKIT de métodos numéricos asociado con el texto.18 para el método RK de cuarto orden. Use el TOOLKIT de métodos numéricos para resolver estos sistemas en dos casos: a) un pequeño desplazamiento inicial ( y . Step Size (tamaño de paso). 4 1 1 1 H fC U A C O IN e S • •' 1. L U N calculados pura I ON modelos lineal y y l e N u l t u t l o s . 3 2 4 2 4 Solución. y = y = 0). Finish X (termina X). 1 1 Resolución de sistemas de E D O con la computadora Enunciado del problema. Este software es conveniente para comparar diferentes modelos de un sistema físico.1 sen (y ) 3 donde y y y = desplazamiento angular y velocidad para el caso no lineal. l y i dx donde y y y — desplazamiento angular y velocidad. a) Introduzca los valores apropiados para Start X (inicio de X). Observe cómo es similar en estructura y organización a la figura 25. Presione el botón Solve de las EDO en el menú principal del TOOLKIT para tener una pantalla similar a la figura 25. 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. dx dx V4 3 4 3 -16. Introducir el numero de ecuaciones. Por ejemplo. Después haga clic en las cuatro variables que quiera desplegar en l a parte superior de la gráfica (Y I .9)] dy-s dy¡.Y3 Y4 ) hagn clic en el botón Plot. m Tal algoritmo se bosqueja en la figura 25. 2.1 radianes.2 3 . n. Output Interval (intervalo de salida) y los parámetros para la gráfica como se muestra en la figura 25. y = y = 0) y b) un gran desplazamiento ( V ) = y = 7i/4 = 0.

x < h) THEN h = xend . * 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.y.. n.initíal valué ¡ndependent variable xf = final valué ¡ndependent variable dx = calculation step slze xout = output Interval x = xi m = 0 SUB Inteqrator (x. y. END SUB 2 FIGURA 25.. = (k1. + elope. 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. dy = . y. y. h) CALL Derive (x. + 2*(k2 +k3 )+k4 )/6 y¡ = y. n yp m=y¡ END DO IF (x > xf) EXIT LOOF DI5FLAY KE5ULT5 END i D) RUTINA PARA DETERMINAR DERIVADAS SUB Derive (x. n. y.n ye = y.18 Pseudocódigo para sistemas del método RK de cuarto orden. xend) m = m+ 1 DO 1 = 1. ym. 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 . = .number of equatione y¡ = ¡nitial valúes of n dependent variables xi . n Pm= yp.. n. xend) DO IF (xend .x CALL RK4 (x.n ym¡ = y¡ + k1¡ * h/2 END DO CALL Derive (x + h/2. h. .. n ym =y + k2 *h/2 END DO CALL Derive (x + h/2. k2) DO 1=1. dy) dy. y. X 5UB RK4 (x. k3) DO i = 1.n elope-. k1) DO ¡ = 1. h. ym. ye.>=y . + k3¡ * h END DO CALL Derive (x + h. k4) DO i=1.

d Y c 2 K / 1 6 1 .• * i C e t a t b) He» y no lineal son casi idénticos.•:•. = J 1 . . 3 . J S 4 9 F 0 2 . Si se hubiera empleado un algoritmo con tamaño de paso constante. ya que la suposición de que sen (6) = 0 e s pobre cuando theta es grande.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 . b) Cuando el desplazamiento inicial es n/4 — 0.23. suponga que intentamos integrar una EDO con una solución del tipo expuesto en la figura 25.785398. Esto cumple las expectativas debido a que cuando el desplazamiento inicial es pequeño. 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. _ _ Y 4 _ _ ^ 3 . la solución cambia de manera gradual. 7 3 8 3 7 1 d Y d 5 X / = Y 5 0 Variable Valué "•*<*». Para un número significativo de problemas. presentamos métodos para resolver las EDO que emplean un tamaño de paso constante. esto puede representar una seria limitación. un tamaño de paso más pequeño que el necesario (y por tanto. sen (9) = 6. 25. muchos más cálculos) podría ser una pérdida de tiempo en las regiones de cambio gradual. las soluciones son mucho más distintas y la diferencia es magnificada en tanto el tiempo sea cada vez mayor (véase la figura 25. a) i d X • i V d / t X * 2 Y 1 5 3 0 . 5 / 0 1 5 7 : d Y 3 ¿ d X = Y 3 6 3 2 . Por ejemplo. para una región localizada desde x = 1. Esto se esperaba.196).25. Tal comportamiento sugiere la posibilidad de emplear un gran tamaño de paso para obtener resultados adecuados.K U T T A Hasta ahora.20. Para la mayor parte del rango. 1 3 G 3 F ! 0 2 d Y « d / X .75 hasta x = 2. el tamaño de paso más pequeño necesario para la región del cambio abrupto podría haberse aplicado a todo el cálculo. En consecuencia. 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. la solución pasa por un cambio abrupto. sin embargo.1 A D A P T A T I V 0 3 DSHJNOL-WOTA > ¡> • Function «oles i i I PIOURA 2 5 ..

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

25.10584 15 *- 0..43) Además de proporcionar un criterio para el control del tamaño de paso.[ 3 + 2(6. la ecuación (25.43) puede usarse también para corregir la predicción y .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.86249 •-.40216 + 4.yi 2 (25.y + ~ 2 2 (25. designa la predicción de un solo paso.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.80164 + 2(8. 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) + 14.99756) + 12. Ésta es la misma ecuación diferencial que antes se resolvió en el ejemplo 25.01622 . la corrección es 2 y <. Si y. Recuerde que < la solución verdadera es y (2) = 14.5y desde x — 0 hasta 2 usando h = 2 y la condición inicialy(0) = 2. el error aproximado es K. 14. una vez como paso total e independientemente como dos mitades de paso. Use el método RK adaptativo de cuarto orden para integrar y'= 4 — fj. y y designa la predicción mediante dos mitades de paso.71283]1 6 Por tanto.72954 + 7.20104 + -[5.21730 + 3.44) Dicha estimación es una exacta de quinto orden. el error A puede representarse como 2 A = y . del mismo orden. 1 2 Método RK adaptativo de cuarto orden | Enunciado del problema .20104 y (2) = 6. EJEMPLO 2 5 .5. poro con dilbrenlON tiimuños de paso. En el segundo. La predicción simple con un tamaño de paso h se calcula como y (2) = 2 + .91297) + 5.945681]! = 6.5.84392.[ 3 + 2(4.10584 6 Las dos predicciones de mitad de paso son 1 y ( l ) = 2 + . Para la versión RK de cuarto orden. 0Sx e Solución. La diferencia en los dos resultados representa un estimado del error de truncamiento local.15.86249 14.

46 donde ki = f(x¡. 512 . Para el caso actual. ¿ 5 = f[x¡ + h. Un defecto de tal procedimiento es que aumenta en gran medida el esfuerzo computacional. . 3 ( 1 + -k]h x y.84627 la cual tiene una E = -0.k<h 4 096 / . Por ejemplo. t 25. .14.—k h + -k h ( 11 5 70 35.45) junto con la fórmula de quinto orden: . el procedimiento genera la estimación del error con base en sólo seis evaluaciones de la función.—k h + —k h 3 ( X 6 = \ J i 2 3 A + 7 8*' y ¡ + 1631 . \ + 5^*4 + (25.00235.0. . 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.756 | | MÉTODOS DE RUNGE-KUTTA ol cual se compara de manera favorable con el error verdadero de /-. y i) 1 / 2825 . + ^k h 3 x + 9 2 ~k h 2 x¡ + -h. 44 275 .5..01622 = 14. = 14.—kih + -k h . y¡ + —k h . ¡Así. = * + + / 37 250.86249 = -0.86249 . + t- v v y.01857 El error estimado puede usarse también para concebir la predicción y (2) = 14.. Los resultados pueden ser restados después para obtener un estimado del error de truncamiento local. y ki = ftxj + -h. 5 l m W + 575 .84392 .j/I 110 592 5 Í 2 * * ' 13 824 2 253 \ ' + .K u t t a Fehlberg Además de dividir el paso como una estrategia para ajustar el tamaño de paso. para una predicción de cuarto y quinto orden se tiene un total de 10 evaluaciones de la función por cada paso. + ^ 125. 175 H A-.2 Método R u n g e . k. y¡ . + ^h. un procedimiento alternativo en la obtención de una estimación del error involucra calcular dos predicciones RK de diferente orden. 18 5 7 5 .y¡ h = f[x.+\ >. -{ 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. 13 5 2 5 . usamos la siguiente estimación de cuarto orden * .

908511 4.3 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. = 2 + ( ^ 3 + 1^4.46) y el error estimado como lu diferencia de I I I N estimaciones de quinto y cuarto orden. éstas pueden usarse para calcular la predicción de cuarto orden / 37 250 125 512 = 2+ 1 — 3 + — 4 .13237 )2 = 14. 8 3 2 5 8 7 + 10. X El cálculo de las k se puede resumir en la siguiente tabla: Y) 3 3.5.832587 27 648 48 384 55 296 + 1 \ 12.47) . 3 5 9 8 8 3 + — 6 .2 4.832587 12.4 0.09831 + -10. m EJEMPLO 2 5 .3 ADAPTATIVOS DB ^NOi'KUHtt»^ Asi.359883 + 1^6.83677 .38677 14 336 4 277 I El error estimado se obtiene al restar esos dos resultados para dar E = 14.12 desde* = 0 a 2 usando h = 2. algunas veces se le llama el método RK Cash-Karp.83192 \378 621 594 1 771 y i junto con una fórmula de quinto orden: y.20883 7.17686 Entonces. la estrategia es incrementar el tamaño de paso si el error es demasiado pequeño y disminuirlo si es muy grande. Debería observarse que los coeficientes particulares usados antes los desarrollaron Cash y Karp (1990).2 2 1. (1992) han sugerido el siguiente criterio para cumplir con lo anterior: h iictual (25.23. Solución.09831 10.004842 a 25.359883 6. se puede usar para ajustar el tamaño de paso.75 2 3.83192 = 0. Por tanto. En general.42765 12. 1 3 Método de Runge-Kutta Fehlberg Enunciado del problema. Use la versión Cash-Karp del procedimiento de RungeKutta Fehlberg para realizar el mismo cálculo del ejemplo 25.228398 15.13237 y k k k k k 2 4 5 6 0 0.13237 12 = 14.6 1.14. Iti HIJO NO puede resolver con la ecuación (25. Press y cois.

Por ejemplo. s i y = y. EJEMPLO 2 5 . 1 4 Aplicación en computadora de un esquema adaptativo RK de cuarto orden Enunciado del problema.6y = iOg-<*-2)7P(O. Un truco sugerido por Press y cois. Para tal caso. cuando A < A ) y 0. existe ya u n a y igual a ese límite. usted podría estar simulando una función oscilatoria que repetidamente pasa por cero. 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. A . (1992) para sistemas deEDO. y a = exponente constante que es igual a 0. Este algoritmo es acondicionado des P U E S de una implementación más detallada por Press y cois. Una manera para realizarlo sería relacionar A . Si usted trata ahora con un caso donde desee errores relativos constantes a un límite máximo preestablecido.21 implementa un solo paso de la rutina Cash-Karp (que son las ecuaciones 25. la exactitud será manejada en términos del error relativo fraccional. El método RK adaptativo es muy apropiado para la siguienlc ecuación diferencial ordinaria dx + 0.47) es obviamente A ya que es su vehículo para especificar la exactitud deseada.14. (1992) para obtener los errores relativos constantes.22 bosqueja un programa principal general junto con una subrutina que de hecho adapta el tamaño de paso.075)'] (E25.14. El parámetro clave en la ecuación (25. y (0) = 0. Su elección d e y determinará entonces cómo se ha escalado el error.22 muestran el pseudocódigo para implementar la versión de Cash-Karp del algoritmo Runge-Kutta Fehlberg. La figura 25. la solución general es y = 0. Aunque esto funciona bien sólo cuando ocurren valores positivos. 25.21 y 25.5e (H25.25 disminuye el tamaño de paso ( A > A^).46). puede causar problemas para soluciones que pasan por cero. = exactitud actual calculada.2) .5. con un nivel relativo de error.2 cuando aumenta el tamaño de paso (por ejemplo. 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. A = exactitud deseada.758 MÉTODOS DE RUNGE-KUTTA donde h ¡ y h = tamaño de paso actual y nuevo.5. La figura 25.I) Observe que para la condición inicial. excepto aquellos que cruzan muy cerca de cero.4 A l g o r i t m o de cómputo dy Las figuras 25.45 y 25. podría necesitar estos valores máximos para figurar en la exactitud deseada. Por ejemplo. pero está limitada por valores máximos absolutos.

b52=2. *h END IF x=x+h y=ytemp END Adapt 25 2 . ytemp=y+b21*h*dy CALL Derive (x+a2*h..21 l'Miudocódigo para un solo I« I.k5) ytemp=y+h*(b61*dy+b62*k2+b63*k3+b64*k4+b65*k5) CALL Derive(x+a6*h./14336./512.ytemp. b54=35.xf.5. dc3=c3-18575.dcUcl-2&25.0.h. ytemp. cU37.epe.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 .b6U163U55296.k4) ytemp=y+h*(b51*dy+b52*k2+b53*k3+b54*k4) CALL Derive(x+a5*h.. b43=1.a5=Ua6=0../2764&.b65=253.13&24.b3U3.2.htry.dy) yecal=ABS(y)+ABS(h*dy)+tiny IF (x+h>xf) THEN h=xf-x CALL Adapt (x.ytemp.2.yout.b4U0. tiny = l x 10~ epe=0.b42=-0..9.epe./27.x. » 4 J I 0 D 0 S ADAPTATIVOS OE H Ü I W W W U T T A OUVROUTINE RKkc (y. xi.dc4=c4.x.b64=44275..b62=175.25*abs(h)) xnew=x+h IF xnew = x THEN pauee END DO IF emax > econ THEN hnxt=eafety*emax~ *h ELSE hnxt=4.. yetr) rARAMETER(a2=0.\\.../37&..ñ10592..y. b63=575/./55296„ dc5=-277..c3=250.k2) ytemp=y+h*(b31*dy+b32*k2) CALL Derive(x+a3*h./27..ytemp.ytemp.25) / FIGURA 25.dc6=c€>-0.3M=O.yerr) emax=abe(yerr/yecal/eps) IF emax<1EXIT htemp=safety*h *emax~° h=max(abe(htemp).y.M > para el método RK i ní.375 bZI=0..k3) ytemp=y+h*(b41*dy+b42»k2+b43*k3) CALL Derive (x+a4*h.b53=-70.yi x=xí 5 y=y¡ h=h¡ ietep=0 DO IF (ietep > maxetep AND x < xf) EXIT ietep=ietep+1 CALL Deríve(x.h./4096. 2 2 iSniídocódigo para resolver muí simple EDO: 1 1) piograma principal y /I] rutina adaptativo I li' poso.hnxt) PRINTx.a3=0.5./40. 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.yecal.yi maxetep=100 hi~.9.y.li-Karp.dy.. dy.ytemp. c6=512J1771..39e-4) h=htry DO CALL RKkc(y.y h=hnxt ENDDO END SUB Adapt (x.2.l3525.6.3./62Uc4=125.b32=9J40.b5l=-1V54.2 3 .00005 prínt *.econ=1.hnxt) PARAMETER(eafety=0.dy.dy./4&3&4./594.yecal..

En contraste.1) desde x = 0 hasta 4.8 a 2.MÉTODOS DE RUNGE-KUTTA FIGURA 25.1 a 0. el cálculo se repite con un tama ño de paso de 0.1)]: b) La solución. La principal discrepancia entre los dos resultados ocurre en la región que va de 1.14.236. Después emplee el esquema adaptativo descrito en esta sección para realizar el mismo cálculo.23a). Los puntos indican las predicciones para una rutina adaptativo paso-tamaño.1) = 40 aplicaciones de la técnica. La magnitud de la discrepancia es de alrededor de 0. Use un esquema estándar RK de cuarto orden para resolver la ecuación (E25.22 en un programa de cómputo y se usa puiu renolvor el mismo problema. se desarrolla el algoritmo mostrado en las figuras 25. la cual es una curva uniforme que gradualmente se aproxima a cero en tanto x aumenta.23 o) Una función forzada en forma de campana que induce un cambio abrupto en la solución de una EDO [véase ecuación (E25. Después. Solución.05 para un total de 80 aplicaciones.14. 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. Después.1 a fin de que NO hagan 4/(0. Para hacer este cálculo se usa un tamaño de paso de 0.2%. Primero se usa el esquema clásico de cuarto orden para calcular la curva en la figura 25.0. Se elige un tamaño de .21 y 25.

3 y unti f ~ 0. tiene utilidad en aquellas situaciones donde no se conoce de antemano el tamaño correcto de paso.G r a f q iu el as o l u c i ó n . 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 .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 . 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 .R c s u c v lu d e s d ox * 0 h a s t a m e d o 0 2 . dt y •• 0 2 . Observe cómo se loman grandes pasos en las regiones de cambio gradual. a l2 5 . Asi.cu dz dt12 en un i t.r G r a f q ie u ee s u sr e s u l t a d o s . 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. =p 0 .2 I I s ce lm é o t d od eE u e lr c o nh = 0 5 . d V !< >K e p a t i l o sp r o b e l m a sd e l2 5 1 . Después.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 . la rutina adaptativa "sentirá" su camino para la solución mientras mantiene los resultados dentro de la tolerancia deseada. 5 1 . p a r ar e s o l v e re lp r o b l e dy_ n in ¡S. andará lento por regiones de cambio abrupto y acelerará el paso cuando las variaciones sean más graduales.00005. Además. 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.23/).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 .PRi paso de 0.i ( '0) = 2 y y ( ' 0 )=0 .s c o n y 0 )=2 y z ( 0 )=4 . 5 .R e s u e v la d e s d ex = 0 i l t m t ei ( '0 )=1 . Para esos casos.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 . Los resultados NO superponen on la figura 25. 1*.( .5 a r a e s o l v r l p r n h l c i n a2 5 .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 . d i a n t e // — 0. en la vecindad de x 2 disminuyen los pasos para tomar en cuenta la naturaleza abrupta de la función forzada.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 . La utilidad de un esquema de integración adaptativo obviamente depende de la naturaleza de las funciones que habrán de modelarse. y0 2 .I t e r ee lc o r r e c t o rc o n e = 1%. 1 .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 . 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 . I . 1 .1. 5 .5y p a r a m in v le re lp r o b e l m a2 5 . Es en particular ventajoso para aquellas soluciones con grandes tramos uniformes y con regiones cortas de cambio abrupto. 1 .

5.14 usando el método adaptativo RK de cuarto orden con h = 0.19 Desarrolle un programa de cómputo de uso amigable para sistemas de ecuaciones mediante el uso del método RK de cuarto orden.7.17 Desarrolle un programa de uso amigable para el método de Heun con un corrector iterativo. Verifique si el ajuste paso-tamaño es el correcto.14 Use el procedimiento RK-Fehlberg para realizar el mismo cálculo que en el ejemplo 25. 25.15 Escriba un programa en computadora con base en la figura 25. Entre otras cosas.001.10.1 y 25. 25.12 Calcule el primer paso del ejemplo 25. .16 Pruebe el programa que usted desarrolló en el problema 25. Pruebe el programa con los mismos cálculos por realizar del ejemplo 25.12 desde x = 0 hasta 1 con h = 1.7 y del problema 25. inserte comentarios para la documentación del programa con el fin de identificar lo que en cada sección se intenta realizar. determine si se requiere un ajuste en el tamaño de paso para el ejemplo 25. Pruebe el programa usando los resultados de la tabla 25.5. 25.13 Si e = 0. Use este programa con los mismos cálculos por realizar del ejemplo 25.2. 25.762 MÉTODOS DE RUNGE-KUTTA 25. 25.4.18 Desarrolle un programa de cómputo de uso amigable para el método clásico RK de cuarto orden.15 con los mismos cálculos por realizar de los ejemplos 25. 25. 25.12.

la solución se halla dominada al principio por el término rápido exponencial ( e ° ' ) . la variación rápida de componentes son transitorios efímeros que terminan rápidamente. También dan la estimación del error de truncamiento que se usa para implementar el control adaptativo tamaño-paso.1). Introducimos la idea de una técnica de solución implícita como una de uso común para remediar este problema.1) dt Si y(0) = 0.0. que pueden estar tanto en forma individual como en sistemas y ambas tienen componentes rápidos y lentos para su solución. Aunque los fenómenos transitorios existen sólo para una parte del intervalo de integración.2) Como se muestra en la figura 26.002e"' (26.9986-' 0 0 0 í . 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 (26.1.2. Tanto las EDO individuales como los sistemas pueden ser rígidas. En muchos casos. Estos algoritmos retienen información de pasos anteriores para capturar con más efectividad la trayectoria de la solución. pueden dictar el paso del tiempo para toda la solución. Primero. Después analizamos loi métodos de rnultipaso. Después de un periodo muy corto t < 0.1 OOOy + 3 000 . la solución analítica se puede desarrollar como y = 3 .CAPÍTULO 2 6 Métodos rígidos y de rnultipaso El presente capítulo cubre dos áreas de estudio. puede usarse cálculo paru determinar la solución como u dt s (26. Un ejemplo de una EDO rígida simple es = . después de lo cual la solución es dominada por la variación lenta de componentes.2 000e"' (26.1 00 % = -ay Si y(0) = y .3) y y„r "' . esta parte transistoria termina y la solución será gobernada por el exponencial lento (e~'). 26. . describimos las EDO rígidas. Un sistema rígido es aquel que involucra un cambio rápido en sus componentes junto con un cambio lento de algunos.005.1 RIGIDEZ El término rigidez es usado para denominar a un problema especial que puede surgir en la solución de ecuaciones diferenciales ordinarias.

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

4.0005 y 0.1 000y¡ + 3 000 .2 OOOe~'0A y b) El resultado para h = 0.0015) la solución manifiesta oscilaciones. En contraste. + i = V Í ay h i+y la cual se puede resolver para y¡ y¡+\ = (26. Usando h > 0. + 1 a) = .3) se obtiene y.2 000e~ dondey(O) = 0. Para este problema. es decir. 1 Euler explícito e implícito Enunciado del problema. cuando se aumenta el tamaño de paso a un valor justo debajo de la estabilidad límite (h = 0. EJEMPLO 2 6 . podemos reordenar esta ecuación de tal forma que y¡ | esté aislada en el lado izquierdo. y. Se puede desarrollar una forma implícita del método de liuler al evaluar la derivada en el tiempo futuro.0 como i .» °°. + 3 OOO/i . ÉL = dt Use ambos métodos: el explícito y el implícito para resolver -1 OOOy + 3 000 . Aunque exhibe algún error de truncamiento.V/+1 iinplia'tus.2 000Í?-' Í + 1 )¿ Ahora como la EDO es lineal. El método de Euler implícito es y. + ) = y.002 daría como resultado una solución por completo inestable. de A esto se le llama método de Euler hacia atrás o implícito.05 para resolver a y entre 0 y 0. a) Use el método de Euler explícito con tamaños de paso de 0. + ( . Tules representaciones se denominan cógnita aparece en ambos lados de la ecuación. el resultado captura la forma general de la solución analítica.T U Kn lugar de tmnr procedimientos explícitos.5) 1 +ah Para este caso.005 se despliega en la figura 26. Si se sustituye la ecuación (26.2 000/K? '"' I + I 000/1 . \y¡\ —. + ( .2a junto con la solución analítica.006.0015 para resolver a y entre / = 0 y 0. sin importar el tamaño de paso. Sol U C I O N .1 0 0 0 y l + 1 + 3 000 . . los métodos implícitos ofrecen un remedio alternativo. el método de Euler explícito es y. b) Use el método de Euler implícito con un tamaño de paso de 0. tendería al infinito en tanto progresa la solución. De ahí que el procedimiento es llamado incondicionalmente estable.

05 se despliega en la figura 26.2b junto con la solución analítica.2 3 9899 ' + 65.67c- 302 - 0101 ' ' y = 17. + 3 v dt 2 (26.0015 FIGURA 26.7/») Advierta que los exponentes son negativos y difieren por cerca de 2 órdenes de magni tud. son los exponentes grandes los que responden rápida mente y son el corazón de la rígidas del sistema.83e. la solución numérica ajusta muy bien sobre el resultado analítico. Como con la ecuación simple.29 yy (0) 2 = 83.766 MÉTODOS RÍGIDOS Y DE MULTIPASO n = 0.301y 2 (26. la solución exacta es (26. 9 6 e .3 9899 ' .2 Solución de una EDO "rígida" con los métodos de Euler o) explícito y b) implícito. Los sistemas de EDO pueden también ser rígidos.82. .0.6a) ^ dt = lOOyi . Observe que aun cuando usamos un tamaño de paso mucho mayor que aquel que ha inducido inestabilidad en el método de Euler explícito.6/0 Para las condiciones iniciales y ^0) = 52. = 5 2 . El resultado para h = 0.7«) y.99c- 3 0 2 - 0 1 0 1 (26. Un ejemplo es d J± = _ 5 y .

ya que involucra resolver un sistema de ecuaciones simultáneas no lineales (recuerde la sección 6.3a).3hy . Las fórmulas de Adams-Moulton descritas más tarde en este capítulo pueden también usarse para determinar métodos implícitos de orden superior. i + 1 ¡+l . Es también posible desarrollar de manera similar un esquema de integración para la regla trapezoidal implícita exacta de segundo orden para sistemas rígidos. una vez empezado el cálculo.5 y u + i + 3y . se paga el precio en forma de complejidad agregada a la solución. los límites de estabilidad de tales procedimientos se hallan muy limitados cuando se aplica a sistemas rígidos./ i)A 2 + Al agrupar términos se tiene (1 + 5h)y u¡+i . éste es quizás el método más favorecido para resolver sistemas rígidos.. podemos ver que el problema consiste en resolver un conjunto de ecuaciones simultáneas por cada paso de tiempo.+i = yi. !+1 . llamados métodos rnultipaso (véase figura 26. r fl^Mff<VMULTIPA5Q Un método implícito de Euler para sistemas puede ser formulado para el actual ejemplo como y u + i = y\. Además.2 +1 -100/2y u+1 + ( 1 + 301/z)y .8a) (26M) y2./+i)fc 2 (26.Z O . aunque « o gana estabilidad a través de procedimientos implícitos. presentaremos un método simple do segundo orden que sirve para demostrar las características generales de loi procedimientos rnultipaso. Se hacen intensos esfuerzos para desarrollar software que implemente en forma eficiente los métodos de Gear. Los métodos rnultipaso explorados en este capítulo aprovechan esta información para resolver las EDO.i+¡ 2 = yi. Procedimientos alternativos. Así. Esos métodos tienen características buenas de estabilidad y son bastante adecuados para resolver sistemas de ecuaciones diferenciales ordinarias rígidas.301y . La curvatura de las líneas que conectan esos valores previos proporcionan información con respecto a la trayectoria de la solución. Como resultado. Rosenbrock y otros proponen algoritmos Runge-Kutta implícitos donde los términos k aparecen implícitamente. Para EDO no lineales.3*3). Sin embargo. se basan en el conocimiento de que.¡ + (100>'I. El método de Euler implícito es incondicionalmente estable y exacto para el primer orden. la solución ahora es más difícil. Es usualmente deseable tener métodos de orden superior. 2> ( 2 6 . se tiene información valiosa de los puntos anteriores y está a nuestra disposición. 9 6 ) Así.¡ + ( .5). 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.. =y . Antes de describir las versiones de orden superior. 9 a ) ( 2 6 . Gear (1971) desarrolló una serie especial de esquemas implícitos que tienen límites de estabilidad mucho mayores basados en las fórmulas diferenciadas hacia atrás.

X /+1 X a) 26._.-) + / ( . Como se demostrará después.'). Además. Esto se puede cumplir al usar el método de Euler y la pendiente eny . ya que involucra un valor previo de la variable dependiente y¡_.3 Ilustración gráfica de la diferencia fundamental entre los métodos para resolver EDO o) de un paso y b) de multipasos. A causa de ello. Sin embargo. la derivada estimada en la ecuación (26. Como se ilustra en la figura 26. " i ) f+ + A = yi + (26. las ecuaciones (26.-.progcdcr a una deducción formal del método dt s . Tal valor podría no estar disponible en un problema común de valor inicial.16)]: /(.2. el predictor y el corrector tienen errores de truncamiento local de 0(h ) y <9(/.12) s c < localiza ahora en el punto medio más que al inicio del intervalo sobre el cual se hace In predicción. pues tiene el error más grande. IB»F#DI . Esto sugiere que el predictor es el enlace débil en el método.11) y (26.v. respectivamente.Y . v i .h ). Esta debilidad es significativa debido a que la eficiencia del paso corrector iterativo depende de la exactitud de la predicción inicial.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 (25.4.') Observe que la ecuación (26.12) alcanza 0(h ) a expensas de emplear un tamaño de paso más grande.15)]: (26.12) no es de autoinicio.y /)2 /i (26.10) yf = yi + f(x )h hyi y la regla trapezoidal como un corrector [véase ecuación (25.12) son llamadas método de Heun de. +/(. y ..768 FIGURA 26. En consecuencia. y.1.-. y una información extra del punto anterior Y¡__ como en 3 ( ] y. 2h. observe que la ecuación (26. una forma para mejorar el método de Heun es mediante el desarrollo de un predictor que tenga un error local de 0(h ). esta ubicación centrada mejora el error del predictor a 0(.1 2 Así. no autoinicio.

2 Muimso ». 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....4 Una ilustración gráfica del método de Heun de no auloinicio. y¡L. Pendiente . a) El método de punto medio que se usa como un predictor.. Observe que y " y y"L\ son ios resulta dos finales de las iteraciones del corrector en los pasos de tiempo anteriores.26. + f(x„ y"¡)h 1 + ^ ^ Mi&#.15) . = y*_ . b) La regla trapezoidal que se emplea como un corredor Heun de no autoinicio.\ A l..í (paray = 1.Hx .14) donde los superíndices se agregaron para denotar que el corrector se aplica iterativamente dey — l a ni para obtener soluciones refinadas. resumiremos el método y lo expresaremos usando una nomenclatura ligeramente modificada: Predictor: Corrector: y%. m) (20. M FIGURA 26..2.13) i (26.

la condición inicial enx = 0 es y — 2. El uso de las ecuaciones (26.68%).313749-6. y? = -0. como aquí tratamos conunmétodo demultipaso. Ahora. El predictor [véase ecuación (26.607005).5(6.3929953 + [ 4 e ° ' 8(0) . 2 Método de Heun de no autoinicio | \ I ¡ | Enunciado del problema. la ecuación (26.313749 que representa un e de —1.360865 (e.313749 s 100% = 3.5 mediante el método de Heun. Puede determinarse un estimado de error aproximado usando la ecuación (26.Sy d e x = 0 a x = 4 usando un tamaño de paso de 1.360865)] 2 = 13.8(0) _ 0.15): t 6. Como fue el caso con el método de Heun (recuerde el ejemplo 25. u v EJEMPLO 2 6 .8x Solución.194631). Este error es algo más pequeño que el valor de —8.14) se puede aplicar de manera iterativa para mejorar la solución: y\ = 2 + 3 + 4 e o.549331 la cual representa un error relativo porcentual de —5. Para el segundo paso. En este punto.15) para resolver una EDO se demuestra en el siguiente ejemplo.3929953 1 en x = — 1. y = m.770 M É T O D O S RÍGIDOS Y DE MULTIPASO Cuando e es menor que una tolerancia de error e preestablecida. las iteraciones convergen sobre un valor de 6.549331 6. Como cu el ejemplo 25. = 18%)) que fue calculada con el método de Heun original.13)] se usa para extrapolar linealmente ele x — — 1 a i = 1.08260 ( E . como el valor del predictor inicial es más exacto.5). el método de multipaso converge a una razón algo más rápida.5(2)] 2 = 5. Es decir.44346 F.92%.7% a La ecuación (26.14) se puede aplicar de manera iterativa hasta que e esté por debajo de un valor preespecificado de e . = —2. = 6.73% (valor verdadero = 6. Sin embargo. requerimos la información adicional de que y = —0. o iteraciones subsecuente* .18% incurrido en el Heun de auto inicio.14)] es entonces usado para calcular el valor: 4e o.5(2) + 4 e 0 8 ( 1 ) . integrar y' — 4e° — O.43% que es superior a la predicción de 12. Use el método de Heun de no autoinicio para realizar los mismos cálculos igual que en el ejemplo 25. el predictor es y» = 2+ [4<?°' 8(l) .0. •1 = 6. se terminan las iteraciones.76693 (e.5.8%).0.13.607005 El corrector [véase ecuación (26.0. .0. = 9.5(5. Sin embargo. El primer corrtetorda.549331) 1 = 6.5(6.8(i) _o.13) a la (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.3)] se puede usar para evaluar la integral.-+i) la cual es la ecuación corrector para el método de Heun.18) donde el Muperfndice c designa que eslo ON el error del corrector. el error de truncamiento puede tomarse directamente de la tabla 21.26.•• ¡ l'\ (^) 0) 2 = .y) l+ x dx = h (26.2. Como ésta se basa en la regla trapezoidal. y. la razón de convergencia del corrector ha sido mejorada debido a la mejor predicción inicial. (t:.17) en la ecuación (26. Al sustituir la ecuación (26.1%). proporciona un medio para calcular un nuevo valor de la variable dependiente y .16) representa una solución a la EDO si la integral puede ser evaluada.. + J Í ' ' f(x.30224 —3. f(x¡.. /'. de la integración numérica y de las EDO.17) donde h = x — x¡ es el tamaño de paso. Esta deducción es en particular interesante porque vincula las ideas del ajuste de curvas. .2 MÉTODOSMULTiBMO iU convergen sobre el mismo resultado como uc obtuvo con el método de Heun de autoinicio: 15. Las fórmulas de integración numérica como las que se desarrollaron en el capítulo 21 proporcionan una manera de hacer esta evaluación.21)]: y¡+i=y. La deducción se basa en resolver la EDO general d — = f(x. Por ejemplo. 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.y)dx + (26.16) se tiene . como en i+ f(x.. la regla trapezoidal [véase ecuación (21. Ya emplea- mos conceptos gráficos para deducir el Heun de no autoinicio. Es decir. Ahora mostraremos cómo las mismas ecuaciones se pueden deducir matemáticamente. y ) dx x El lado izquierdo se puede integrar y evaluar mediante el teorema fundamental [recuerde la ecuación (25.-) + f{x . IWUm^ m Deducción y análisis del error de las fórmulas del psedictor-corrector..16) La ecuación (26. Como con el P O N O anterior./ ' Y U ) (26. y¡+\ = y¡ + 2 i+] y.

el error de truncamiento local puede estimarse durante el curso de un cálculo. Así.-_i + 2hf(Xj. . el error estimado para el corrector [véase EEIIIUMII (26.y. El error de truncamiento local para el predictor se estima con la ecuación (26. Como con el corrector. V l ' "^ . como se elabu rara en la siguiente sección.1)] í + I Valor verdadero — y° ¡+l + . la primera fórmula de integra ción abierta de Newton-Cotes (véase tabla 21..20) en la ecua ción (26.21) donde el subíndice p designa que éste es el error del predictor... Si el predictor y el corrector de un método multipaso son del mismo orden. como en f{x. Estimación DE ERRORES.4) se puede usar para evaluar la integral. Para oslo caso. Además de actualizar la exactitud del predictor.18)] se puede combinar con el resultado del corrector v¡.y)dx = 2hf(x .) i (26. el predictor y el corrector para el método de Heun de no autoinicio tiene errores de truncamiento del mismo orden.' 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 (3.772 MÉTODOS RÍGIDOS Y DE MULTIPASO Un procedimiento similar puede ser usado para deducir al predictor. para dar Valor verdadero i * ™ .!) Mediante un procedimiento similar.19) se obtiene y i + i = y. ya que establece un criterio para el ajuste del tamaño de paso..y)dx (26. más que usar una fórmula cerrada de la tabla 21.20) la cual es llamada método de punto medio. el error de truncamiento local se puede tomar directamente de la tabla 21.yj) el cual es el predictor para el Heun de no autoinicio. Esto es una tremenda ventaja.'.U) . ) 1 (20.4: E = P Vy'(?) = 3 P \lyfiHp) (26.2.hy 3 3 0) (<? ) (26. y) dx que se puede integrar y rearreglar para obtener y \=y¡-\+¡ i+ f{x.19) Ahora. este hecho tiene beneficios adicionales relacionados con el análisis del error. los limites de integración van de / — 1 a / +• l: Jy¡-\I J *¡-\ /'Vi II /•»'/ + ! / dy = f{x.. Sustituyendo la ecuación (26.

í) para dar < > v. los lados izquierdo deberían ser equivalentes. respectivamente.1662341 Enx = 2. i+ +1 Estimación del error de truncamiento por paso Enunciado del problema. E. = 6. En x = 1.26) proporciona una base racional para el ajuMe del Inmuno de paso durante el curso de un cálculo.194631 y 14. como en 0 _ .26) para dar í + 1 £ c = .843992 — 15. = .360865.18) y (26. con la = (26.6. el predictor da 13.44346 y la trayectoria da 15. Lo fácil con que puede eslimuiíto el error mediante la ecuación (26. Use la ecuación (26.'".194631 .24) entre 5 y se 5 >.25) son idénticos. el predictor de 5. 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 ™ ) ] . por tanto.2. = _ 15-30224-13.360865 = -0. y x rearregla el resultado se tiene (20.0 . Estos valores se pueden sustituir en la ecuación (26.607005 y el corrector da 6.4583148. Ahora. + 1 } 3 (y Observe que los lados derecho de las ecuaciones (26.2.6 3 6 0 8 6 5 ¡ 5 ^ = .. ^//V'IS) donde ¿.i) puede s e r restada de lii ecuación (2<>.. E.La ecuación (¿h. 1 5 0 7 7 22 la cual se compara bien con el error exacto. I'or .24) ( + 1 .".44346 = que también se compara favorablemente con el error exacto. Observe que los valores verdaderos e n x = 1 y 2 son 6. Solución. que son de rutina subproductos del cálculo. = 14.30224.i. Si no hay una variación apreciable sobre el intervalo en cuestión.M = -0. está ahora entre x¡_. v.302.84392.^ (26.. la cual se usa para calcular ¡ + 1 £ t .26) Así. podemos suponer que los lados derecho son iguales y.26) para estimar el error de trunca miento por paso del ejemplo 26. si se divide la ecuación (26.m i '+y -±h v '(^) 19" 5 E.25) excepción del argumento de la tercera derivada.

Esto es ventajoso debido a que. Una segunda mejora que relaciona más la eficiencia del programa es un modificador predictor. puede agregarse directamente a y para refinar el estimado aún más: ¡ + 1 i+x y y i+i m — y° (26. la ecuación (26. Como en el ejemplo 26. se pueda sustituir en la ecuación (26. 0 + 1 0 + 1 +í ( y r y . como se observó al inicio de esta sección. Así. el número de iteraciones del corrector es altamente dependiente de la exactitud de la predicción inicial.) El lado izquierdo es el valor modificado de y"¡ . 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.se lee como "es remplazado por". 4 i j Efecto d e modificadores sobre los resultados predictor-corrector Enunciado del problema. ) .< y .774 MÉTODOS RÍGIDOS Y DE MULTIPASO ejemplo. Por tanto. Modificadores. el cual se designa para ajustar el resultado predictor de tal forma que esté más cerca del valor convergente final del corrector.26) indica que el error es mayor que un nivel aceptable. suponiendo quey (^) = y ( ^ . (El símbolo « . Tal modificador puede deducirse en forma simple al suponer que la tercera derivada es relativamente constante de un paso a otro.5) se puede resolver para + x h^M^-^yf-y?) <3) (3) (26. En consecuencia. no es posible emplearlo para mejorar este resultado inicial.27) <. Solución. Primero.607005.27) es llamada modificador corrector. debería percatarse que además de proporcionar un criterio para el ajuste tamaño-paso. ° ) (26. podríamos reducir el número de iteraciones requerido para convergir sobre el último valor del corrector. debemos observar otras dos formas en las cuales el método de Heun de no autoinicio puede hacerse más exacto y eficiente.y i i+ La ecuación (26. al usar el resultado del paso previo en /. Ya que el modificador del predictor [véusc ocuución (26.3 usando los modificadorcn como se especifican en la figura 26.28) la cual.30)] requiere valores de una iteración previa. el predictor inicial resultante es 5.21) para dar E = P l(y?-y?) (26. si la predicción es modificada adecuadamente.3. la ecua- . la ecuación (26. Sin embargo. Vuelva a calcular el ejemplo 26. si la ecuación (26.5. Antes de analizar los algoritmos de cómputo.30) EJEMPLO 2 6 .29) que se puede usar para modificar el resultado del predictor y .

) 0 a u } E r r o r del corrector e s t i m a d o : (Si el cálculo continúa.5(6.2 *toD06MUmnASO Pradlcton y° .210093 en lugar de 6. guarde el resultado como )/£.42% el cual es casi la mitad del error del predictor para la segunda iteración del ejemplo 26. como esto puede afectar la estabilidad del corrector. si e < criterio de error. + 778 + f|x„ ^ 2 h + u (Guarde el resultado como y° i = M o d i f i c a d o r predictor: . = —0. = y? f[x. los errorea propagado y global se reducen por In inclusión del modificador corrector. el modificador no se incluye en este algoritmo.59423 e. que fue de e¡ = 18. ^ = 6. Esta mejora ocurre debido a que utilizamos aquí un estimado superior de y (6.25%. 5 La secuencia de fórmulas usadas para implementar el método de Heun de no autoinicio.13)] se usa para calcular y° = 2 + [ 4 e a 8 ( 0 ) . Observe que es posible usar la estimación del error del corrector para modificar el corrector. .210093)] 2 = 13.360865 6. t como en y? = 6. La estimación del error del corrector está incluida debido a su utilidad para el ajuste tamaño de paso.360865 (e = —2. ción (26.27) se puede usar para modificar el valor corregido de 6. y?) + f\x u y ^ i ) . = 8 . Así.-1 (Si le l > criterio de error. el predictor [véase ecuación (26. asigne / = / + 1 y repita el corrector. = y% . h n para / = 1 a iteraciones máximas m) 2 Verificación de e r r o r : 100% VÍ .5..) FIGURA 2 6 .360865 . Sin embargo.0.607005 „ „. el error se reduce un orden de magnitud.26.210093 n n n el cual representa un e.6%.360865) en el predictor.684%).3. Para la siguiente iteración. donde el subíndice u designa que la variable es no modificable) Corrector: y*^. asigne /'=/'+ 1 y regrese al predictor. En otras palabras.

= . como en y' = 13.607005) = 14.48%). el tamaño de paso debería ser tan grande como sea posible para minimizar el costo de ejecución y el error de redondeo. Además. la modificación puede reducir el número de iteraciones requerido para la convergencia. el corrector modifica dor puede todavía tener utilidad para el control de tamaño de paso. el modificador no se incluye en el algoritmo de Heun de no autoinicio bosquejado en la figura 26. se debe elegir un valor <le h antes del cálculo.(0) se puede emplear para modificar el predictor.21178 .360865 . 3 0 % De nuevo. La implementación del corrector da un resultado de 15. En particular. Es relativamente simple desarrollar una versión tamano de paso constante del método de Heun de no autoinicio.21178 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. debería observarse que hay sitúa ciones donde el corrector modificador afectará la estabilidad del proceso de iteración del corrector.0 .13. el corrector por último convergerá sobre la respuesta correcta.30% lo cual. como es el caso para la versión no modificada.19732 1 4 = 4.5. No obstante. Como en el ejemplo anterior.3 debido a la reducción del error global.59423 = 14. de nuevo.27): y'¡' = 15. — —2. 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.88827 e. este resultado se puede modificar usando la ecuación (26. Sin embargo. La única complicación es que se requiere de un método de un paso para generar el punto extra necesario para comenzar el cálculo. Además. el método de Heun de no autoinicio sin modificadores es de tercer orden más que de segundo orden. el corrector modificador efectivamente incrementa el orden de la técnica. Como consecuencia. En general. el error se redujo un orden de magnitud. Al mismo tiempo.MÉTODOS RÍGIDOS Y D E M U L T I P A S O Ahora debido a que tenemos información de la iteración anterior. Sin importar si se usan los predictores modificados o no modificados. 26. la inclusión de los modificadores incrementa tanto la eficiencia como la exactitud de los métodos multipaso. como la razón o eficiencia de convergencia depende de la exactitud de la predicción inicial. 1963). . el cual representa una mejora sobre el ejemplo 26. Por último.59423 + -(6.21178 (e.2. Como se hizo con los otros métodos para las EDO. debe ser lo suficientemente pequeño para dar un error de truncamiento lo más pequeño posible.. como se analizará después. 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. Así.5. como se emplea un tamaño de paso constante. Esta modificación no tiene efecto en la salida final del subsecuente paso corrector. reduce el error a la mitad. la ecuación ( ¿6. Sin embargo.

1b) Fórmula» de Newton-Cotes.7. En contrae te. Como se mencionó antes. ejemplo. las fórmulas de Newton-Cotes estiman la integral sobre un intervalo que abarca varios puntos. 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. las fórmulas de Newton-Cotes de orden superior desarrolladas en el capítulo 21 se podrían usar para este propósito. Como se ilustra en la figura 26. Esta integral se usa entonces para proyectar desde el inicio del intervalo hasta el final. 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.778 MÉTODOS RÍGIDOS Y DE MULTIPASO FIGURA 2 6 . hay una clase llamada fórmulas de Adams que también revisaremos y que a menudo resultan elegidas . revisaremos his fórmulas de integración más comunes sobre las cuales están basadas. Esta integral HC usa entonces para proyectar a través de este último segmento. Como se ilustra en la figura 26. 26.7a. a) Disminuyendo a la mitad. la primera de éstas son las fórmulas de Newton-Cotes. Antes de hacer una descripción de esos métodos de orden superior. 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. Sin embargo. 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 .

.\ (26. La ecuación general para este propósito es o V)| I - Y.SO f l f 'u. como se hizo antes para ln ecuación (26. La estimación se usa después para proyectar a través de todo el rango. El estimado después es usado para proyectar a través del segmento.2 H^08MULTIB».=y¡+ í \f(x.31) . a) Las fórmulas de Newton-Cotes usan una serie de puntos para obtener un estimado de la integral sobre un número de segmentos. Para n puntos igualmente espaciados. b) Las fórmulas de Adams usan una serie de puntos para obtener la estimación de la integral para un solo segmento.26.(x)il.y)dx FIGURA 26. polinomios de n-ésimo grado con n + 1 valores conocidos de y y después con el uso de esta ecuación para calcular la integral.7 Ilustración de la diferencia fundamental entre las fórmulas de integración de Newton-Cotes y Adams. J'. las fórmulas de integración de Newton-Cotes se basan en tal procedimiento y son de dos tipos: formas abiertas y cerradas. Como se analizó antes en el capítulo 21. I ) . Fórmulas abiertas. las fórmulas abiertas se pueden expresar en la forma de una solución de una EDO.

y¡).v. „ ! + 2/}_ ) 3 2 Ah ¡ + x y í (26. + f¡h + y / í 2 Fórmulas cíe Ádams.-n+\+ I f„(x)dx (26. y y¡.a evaluación de la irilcY de DE integración MULTIPASOabierta de Newton-Cotes de /i-ésimo orden (véase gral emplea la fórmula la tabla 21. +] h + i = yi-i + + 4f¡ + f¡ ) (26. = yi-i+2hfi (26.v. Muchos algoritmos de cómputo de uso generalizado para la solución de EDO por multipaso se basan en estos métodos. h. + -j{fi + f¡+\).35) que es equivalente a la regla de Simpson 1/3. es decir. . ' i •••] (7o. Para n = 2.io) . i paui + y/¡ 3 + ••• que también puede escribirse como /.. La ecuación (26. I. Fórmulas cerradas. i /'(y.34) donde la integral es aproximada por una fórmula de integración cerrada de Newton Cotes de «-ésimo orden (véase la tabla 21. Por ejemplo. La forma cerrada se puede expresar de manera general como y.4). si n = 1. que se utilizó antes como predictor en el método de Heun de no autoinicio.8a. la ecuación diferencial evaluada en .32) donde f¡ es una abreviatura para f(x¡. y.33) La ecuación (26. Se hace referencia a la ecuación (26.35) se ilustra en la figiiia 26. i ^ / . para n = 1./ .+ fi-i) y para n = 3 y = _ + y ( 2 / .86. Las fórmulas de Adams se pueden dedil cir en diferentes formas. y. Fórmulas abiertas (deAdams-Bashforth). y¡+i = y.-ii . y¡+\ = y. Para n — 2. 3h y¡+i = y¡~2 + y (/i. Por ejemplo.MÉT0D0S_Rl_GIDOS y i+l dondef„(x) es una interpolación polinoinial de n-ésinio orden.33) se ilustra gráficamente en la figura 26.+\=y. la cual es equivalente a la regla trapezoidal. El otro tipo de fórmulas de integración que es posible usar resolver las EDO son las fórmulas de Adams.2). Una técnica es escribir una expansión de la serie de Tayloi alrededor de x¡.32) como el método de punto medio.

i v . ( 2 6 . h { /. agrupnndo términos. + h 1 „ o. i l = .37) v.Vi + + + 0(h ) 2 + -/. i /.~ y . 3 3 ) ]y Recuerde de la sección 4. 8 o ) 1 / 3 ( 2 6 .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. ..36).j t W'T • W) .Ilustración gráfica de las fórmulas de integración de Newton-Cotes abierta y cerrada./.. La fórmula abierta de tercer orden [véase ecuación b) la regla de Simpson [véase ecuación F G IU R A2 6 .1.(•]. . 3 5 ) ] . (26. + h - V.

3 i + y¡ = y<+\ .1.39) yt+i = y¡ +h(f i i+ + jf¡' +l Se puede usar una h diferencia 2 para aproximar la primera derivada: .38) Los coeficientes fi se ilustran en la tabla 26. la ecuación (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. En consecuencia. La versión de cuarto orden se ilustra en la figura 26.782 TABLA 26.36).1 MÉTODOS RÍGIDOS Y DE MULTIPASO Coeficiente y t r r o r da truncamiento para predictores de Adams-Bashforth. Las fórmulas de Adams abiertas son referidas también como fórmulas de Adams-Bashforth. Es posible desarrollar fórmulas de Adams-Bashforth de orden superior al sustituir aproximaciones de diferencia superior en la ecuación (26. 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 (26.37) algunas veces es llamada segunda fórmula de AdamsBashforth. 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.f+\ Al resolver p a r a y ¡ + 1 h + — se tiene - h ~ ~jr" "' + • • •) (26. Fórmulas cerradas (deAdams-Moulton).

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 .

7 muestra un sistema físico que puede servir como un contexto para examinar este tipo de problema. Yl ( 2 7 2 " dx ~ 2 - 1 0 ) donde Syldx especifica la curvatura. La figura 27.lisio ejemplo proporciona información valiosa con respecto ul comportamiento del sistema de la l'iguru 27.3 Un problema de valor en la frontera Ahora que le hemos dado una introducción a los valores propios. sabemos que si el sistemu está vibrando en el primor modo la amplitud de la segunda masa será igual. La curvatura de una columna esbelta sujeta a una carga axial P se puede modelar por dy 2 2 _ M „. como se ve en la figura 27. y después lo hacen juntas de manera indefinida.76. Así.5. cambiamos al tipo de problema que es el tema de este capítulo: problemas con valores a la frontera para ecuaciones diferenciales ordinarias. M = momento de flexión. las dos masas tienen igual amplitud todo el tiempo. Sustituyendo este valor en la ecuación (27. 27. E = módulo de elasticidad e / = momento de inercia de la sección transversal con respecto a su eje neutro. las masas vibran por separado.2.6a. pero de signo opuesto a la amplitud de la primera. está claro que el momento de flexión en x es M = —Py.10). se obtiene . Tomando en consideración el diagrama de cuerpo libre de la figura 27. Como se observa en la figura 27. En el segundo modo. 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. Además de su periodo. Otra configuración llevará a la superposición de los modos (recuerde el capítulo 19).6b. vibran hacia atrás y hacia adelante al unísono.

Para que esta igualdad se cumpla. la cual muestra la solución para los primeros cuatro valores propios. Combinando las ecuaciones (27. 0 = A sen (0) + B eos (0) Por tanto. (27. 0 — A sen (pL) + B eos (pL) Pero. puede proporcionar el significado físico de los resultados.15) Así. En un sentido práctico. . La ecuación (27. De acuerdo con la segunda condición [véase ecuación (27. 2. pL = nn para n = 1. .PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS l Py 2 = ü (27.. .. La figura 27. 3 .11) donde P Para el sistema de la figura 27. A sen (pL) = 0. 2. se obtiene P = para n = 1.14) donde A y B son constantes arbitrarias que serán evaluadas por medio de las condiciones frontera.136) = 0 la solución general para la ecuación (27.13a)]. . De acuerdo con la primera condición [véase ecuación (27.. .11) es y = A sen (px) + B eos (px) (27. existe un número infinito de valores que cumplen con las condiciones a la frontera. concluimos que sen (pL) = 0. (27. 2. . concluimos que B = 0. 3 .16). Cada valor propio corresponde a una manera en la que se pandea la columna. puesto que B — 0. pues representan los niveles a los cuales i« mueve la columna en cada NNNFLPMLÓN de pandeo sucesiva. sujeta a las condiciones frontera y (0) y(L) = o (27. .15) se puede resolver para P = MI L n K EI 2 2 para n = 1.7.12) y (27. (27.136)].16) los cuales son los valores propios o característicos para la columna.12) (27. 3. Ya que ^4 = 0 representa una solución trivial.13a) (27.8.17) L 1 fislas se pueden tomar como cargas de pandeo.

9 0 9 2 7 2 . en general. •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. Determínense los primeros ocho valores propios y las correspondientes cargas por pandeo. / = 1.17) se pueden usar para calcular .16) y (27.. Una columna de madera cargada axialmente tiene las siguientes características: E — 10 X 10 Pa. usualmente el primer valor es el de interés. EJEMPLO 2 7 . 7 .V.25 X 1 0 ~ m y L = 3 m. ya que. las fallas ocurren cuando primero se pandea la columna. 9 5 4 Solución. una carga crítica se puede definir como 7T EJ 2 la cual es conocida de manera formal como fórmula de Euler.us ecuaciones (27.8 Los primeros cuatro valores propios de la barra esbelta de la figura 2 7 . Así. 5 Análisis d e valores propios d e una columna c a r g a d a axialmente Enunciado del problema.~~~W. t a) n = 1 b)n = 2 c)n = 3 d) n = 4 FIGURA 27. l.

18) Al escribir esta ecuación para una serie de nodos a lo largo del eje de la columna. se realiza en el siguiente E J E M P L O . por tanto.h p )y. 2 2 + yi i+ = 0 (27.802 6716.1888 5. Aunque son útiles las soluciones analíticas de la clase antes obtenida.1416 4.311 1233. k N 137. J4 = 0 (27. si la columna se divide en cinco segmentos (esto es.0472 2.PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS n 1 2 3 4 5 6 7 8 p.(2 . m " P.982 2 1. 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?.3304 8.19) La expansión del determinante del sistema da un polinomio.2. Normalmente esto es cierto cuando se trata con sistemas complicados o con aquellos que tienen propiedades heterogéneas.11) se puede resolver numéricamente sustituyendo una aproximación por diferencias divididas finitas centradas (véase tabla 23.245 3426.3) para la segunda derivada. 27. 137.078 548. Por ejemplo. En tales casos.0944 3. . a menudo es difícil o imposible obtenerlas.701 2193.946 4934.078 kN. cuatro nodos interiores). llamado método del polinomio. Este procedimiento.2832 7.2360 6. lo que da yi i+ -2y¡ +y¡-i + 2 JT2 P * = 0 la cual puede expresarse como y¡-i .4 El método del polinomio La ecuación (27. los métodos numéricos del tipo que a continuación se describirá son la única alternativa práctica. cuyas raíces son los valores propios.814 8772.3776 ! La carga crítica por pandeo es. se obtiene un sistema de ecuaciones homogéneo.

8 8 5 6 |e.0 . el valor propio es analizado igualando el determinante con cero 2-2.1 2 0 -1 2 -0. la ecuación (27.6.0205 /J = ± 1 .5625 p -1 0 ¡ ¡ 2 -1 2 .25p )yi = 0 2 Así.5625/? 2 y\ y-i y3 = 0 (E27. el cual es casi 10% menor que el valor exacto de 1. Empléese el método del polinomio para determinar los valores propios para la columna cargada axialmente del ejemplo 27.5625/? ) = 0 2 3 2 ! i Esta ecuación se cumple si 2 — 0. se pueden determinar los primeros tres valores propios como 2 2 p = ±1. c) Para tres puntos interiores (h = 3/4).5625/? = V 2 . el primer valor propio es ahora casi 4.0.p ) 2 2 y\ yi .0.|=10% / > • 1 2. c) tres y d) cuatro nodos interiores Solución.5% menor.0472 obtenido en el ejemplo 27.0. 5 6 2 5 / ? ) .|=2.25p 2 =0 y resolviendo para p = ±0.27.1) El determinante se puede igualar con cero y expandirlo para dar ( 2 .5% |e. y se obtiene un segundo valor propio que es casi 17% menor. I ! ! I b) Para dos nodos interiores (h — 3/3). usando a) uno. De esta manera.9428.18) se escribe como (2-p ) 2 -1 -1 (2-p ) 2 La expansión del determinante da (2 .5625 p .4. />) dos.2WmjlMÁS DB VALORES PROPIOS i El método del polinomio 1 • ''W O W |0Í Enunciado del problema. la ecuación (27.18) para uno de los nodos interiores.1 = 0 el cual se puede resolver para p = ± 1 y ± 1.18) queda ~ 2 . a) Al escribir la ecuación (27. para este caso sencillo. Por tanto.2(2 .5625/? = 0 y 2 — 0. se obtiene (h = 3 / 2 ) -(2-2.4637 =22% .5.73205.

036p ) 2 4 2 2 + 1=0 la cual se puede resolver para los primeros cuatro valores propios p = ±1.0205 (2.0301 p = ±1.4637 (22%) h = 3/5 1. y los valores previamente determinados se vuelven de manera progresiva más exactos.1702 TABLA 27. Así.0301 (1.0944 3. M é t o d o del p o l i n o m i o Valores propios 1 2 3 4 Verdadero 1.| |e.9593 (65%) 2. que resume los resultados de este ejemplo. Ahora veremos un método de cómputo para generar el polinomio. se tiene (2 .2 |e.0000 (4.1888 h= h 3/2 0.| = 2 4 % £ Los resultados de aplicar el método del polinomio a una columna cargada axialmente.5%) 1. En tanto se refine más la segmentación. Igualando el determinante con cero y expandiéndolo. 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.6% = 6. 3 6 p ) .8856 (10%) 2.0472 2. Los números entre paréntesis representan el valor absoluto del error relativo porcentual verdadero.1416 4.5% |£.19) con 2 — 0. ilustra algunos aspectos fundamentales del método del polinomio. Como en el ejemplo 27. El método de Fadeev-Leverrier. se determinan valores propios adicionales. el resultado es la ecuación (27.7321 (21%) h = 3/4 1.36/J2 sobre la diagonal.20) el cual resulta de la expansión del determinante del sistema [[A\-X\l\\{X}^0 ( 27 .5%) 1.| = 1.6%) 1.2.9593 p = ±2.| = 14% | .p) = 0 x 0 (27.1702 (24%) La tabla 27.0 .9428 (10%) = 3/3 1.p„-iX"~ l p \ " .6.4) .3(2 .6967 p = ±3.6967 (14%) 3.806 PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS <l) Ptiru cuutro puntos interiores (h = 3/5)." . el procedimiento es muy conveniente para los casos en que se requieren pocos valores propios. El método Fadeev-Leverrier es un procedimiento eficiente para generar los coeficientes p¡ del polinomio (-1)"(A.

7 El método Fadeev-Leverrier Enunciado rlol problema. [B]„.22) donde tr [#]„_.21) p„-\ = tr [fi]„_i n (27.2) la suma de los coeficientes de la diagonal. Emplee el método l'adeev-Leverrier para determinar los coeficientes para la matriz en la parle«') del ejemplo 27.29) EJEMPLO 2 7 . El método puede continuarse generando la matriz [ 5 ] _ = [A][[B] _.tr [fi] n 0 (27.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. El método tiene la ventaja adicional de que la matriz inversa [A]" puede ser generada eficientemente en el proceso.2.27) y po = .%mmUHM> 1 DE VALORBS'PROPIQg .I7. El método consiste en generar una secuencia de matrices [B] que pueda emplearse para determinar los valores p¡. . la cual es (recuerde PT3. [A] (27. la matriz inversa se puede calcular simplemente como [A]" = 1 Po L —[[Bh-pdl]] (27.24) [B]„_3 = [A][[B]„- 2 - Pn-llH] (27. . Por ejemplo.p „ _ . [ / ] ] n 2 n (27. .6. es la traza de la matriz [fi] _¡.26) y se continúa hasta que p se determina a partir de 0 [B] = [A][[Bh 0 Pl [I]] (27. .25) que puede usarse para calcular p„= itr[fi]„_3 3 (27.28) Entonces.23) la cual se puede usar para calcular Pn-2 = ^ [ ]«-2 f i t r (27.

ésta da 2 2 [A]-X[/] = 3.778 0 -1.18.778 0 -1.556 -1.778 -7. a su vez.21).7.1) entre h .556 -1.481 [B] -0 que al ser evaluado da "22.31. p = 3.556 + 3.160 6.475 0 0 % 0*495 .321 3. De acuerdo con la ecuación (27.123) = .321 3.556 -1.556 = 10.778 0 -1. se puede sustituir en la ecuación (27.778 0 -1.963 6.778 -1.556 — X -1.556 -X 0 -1.321 -22.778 0 -1.123 .111 -1.111 que se puede evaluar para obtener -22.556 -1.6671 .963 .778 3.778 3.123 [Bh = Por tanto. La matriz se puede expresar en la forma general de la ecuación (27.5625]. el determinante se puede expandir por menores para dar 2 .23) para dar [Bh = 3.778 3.481 6.4) al dividir cada renglón de la ecuación (E27.667 2 (E27.778 3.778 0 -1.556 -7.556 -1.160 6. Para el caso presente [h = (3/4) = 0.808 PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS Solución.778 3. 6 0 5 (E27.111 -1.778 0 -1.778 3.160 6.3 1 . la ecuación (27. Antes de proceder.1) Este valor puede sustituirse en la ecuación (27.123 6.321 12.2) Este resultado.321 3.475 0 0 o 0 22.556 -1.487 3 2 Se puede poner en práctica la misma evaluación con el método Fadeev-Leverrier. de acuerdo con la ecuación (27.321 9.321 3.22).160 6.6.556 -X donde X = p .778 0 -1.778 0 -1.7.A + 10.556 + 3. 3.27) para dar 3.556 9.642 6.778 3.778 -7.321 -18.778 3.556 [Bh Por tanto.607X + 22.22.24) puede emplearse para calcular Pi 1 -(-22.

3) en la ecuación (27.321 3.667X .605) 6. + 22.281 0.27. 1 22. se obtiene el polinomio resultante -X 3 + 10. es idéntico al resultado obtenido al expandir el determinante usando menores.20).3) Sustituyendo las ecuaciones (E27. FIGURA 27. n) sum = Ol DO i = 1.9 5U3 Fadeev (a.562 0. 1 2 3 .422 0.[3] p¡¡ = Trace(b. la ecuación (27.n eum = eum + a END DO Trace = eum END Trace u . n) I (n .963 . n.-1 DO ¡ = 1.2 2 . resulta [7].321 -18.422 6.475 = 0 2 el cual.7.281 0. al ser multiplicada por [A]. 0.281 0.(-31.160 6.31.475) = 22.475 (E27.7.475 + 22.(-31.475 ' .475 + 22.1) hasta (E27. [5] = [A] P„_ = Trace(b.605) 6. p) D\Mb w Una subrutina para el inótodo Fadeev-Leverrier.1' M M S M S PE V A L O R E S PHOHOS" 1 soy Por tanto.321 . ri) OO ti = ti-2.281 0. (Jbserve que también se incluye una función para calcular la traza.321 3.141 0.605) que.29). 1 2 3 .160 0. además de las pequeñas diferencias debidas al error de redondeo.¡i) END DO END Fadeev FUNCTION Trace(a.n ( K = b U~PlM ENDDO [3] = [A] .28) puede empleante para cnlcular />„ = (22. La matriz inversa también puede ser calculada con la ecuación (27.605A.(-31.2 2 .141' 0.7.

071 Como X = p .9) con el método de Bairstow ( V O I I K P figura 7. puede calcularse la raíz cuadrada de esos valores para dar 2 p = 1.PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS I!l método l'adecv-Lovorrier puedo ser programado de manera concisa. + 22. el sistema que se unalüUMA dfbe expresarse en lu forma . El método de Bairstow se usa en el siguiente ejemplo. Para poner en práctica el método di potencias.667A . EJEMPLO 2 7 . 1.9 NO muestra lu lista del pseudocódigo para esto propósito. Kn la finura 27. Determinación del valor propio más grande. el vector propio correspondiente se obtiene como un subproducto del método. se deben evaluar las raíces del polinomio resultante.6c (con pequeñas diferencias debidas ni error por redondeo).6. Con ligeras modificaciones.020.475 = 0 2 se puede evaluar con el método de Bairstow (o con paquetes como MATLAB o Mal hcad) para obtener X = 1. Esto se dejará como ejercicio para el lector. Programa de computadora p a r a el método de! polinomio.555. Los procedimientos presentados en el capítulo 7 están diseñados para este propósito. Observe que so requiere una subrutina para calcular la traza.464 que son iguales a los resultados del ejemplo 27. Solución. 8 Raíces del polinomio característico Enunciado del problema. Determinación de los valores propios como las raíces del polinomio carnctoiíslii o Después de aplicar la técnica Fadeev-Leverrier.31. 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 27.7.2.2. Determine las raíces del polinomio característico que se generó en el ejemplo 27.605A. también puedo servir para determinar el valor más pequeño y los valores intermedios.885. -X 3 El polinomio + 10. Como beneficio adicional. 27. y compárense los valores propios resultantes con los que se calcularon en la parte c) del ejemplo 27.5).6.041.3.5 El método de potencias El método de potencias es un procedimiento iterativo que puede ser empleado para di terminar el valor propio más grande.

556 -1.30).778 1556 100% = 50% .556.778 0 1. Método de potencias p a r a el valor propio más g r a n d e Enunciado del problema.556(1) .778xi + - . Esta iteración puede expresarse de manera concisa en forma de matriz como 3. 3 .778 3.778.778 0 -1.778 3. -1.556(1) .778 para hacer que el elemento más grande sea igual a 1. 1.556 Por tanto.556 -3. la ecuación (27.556 3.556 1 1 1 1. la primera estimación del valor característico es 1.778 0 -1.2 \A\[\\ M -V m (27.778 r • = • 1 0 1 La siguiente iteración consiste en multiplicar [A] por [1 0 l ] p a r a dar 3.778(1) = 1. suponiendo que las x del lado derecho de la ecuación son iguales a 1.778 ' • = 1.778(1) + 3 .778 Luego.778*2 3.778 3.2f. el lado derecho es normalizado por 1.778*3 = Ax 3 . Primeramente.778(1) = 0 . Solución.556x3 = 2 1. 7 7 8 ( 1 ) + 3 .556 JCI - = A JC.556 -1.6. Empléese el método de potencias para determinar el valor propio más grande para la parte c) del ejemplo 27.556X2 3 .556 -1.778 -1.556 1 -1 1 = • = 3.1 .556 1 0 1 3.778 0 -1.1. el sistema se escribe en la forma de la ecuación (27.556(1) = 1.1556 1.1.778 0 1.1.778 • = 1.778 0 -1.778X2 + kx 3 Después.778 1 0 1 Así. que puede emplearse para determinar el error estimado .30) es la base para una técnica de solución iterativa que finalmente da el valor propio más grande y su vector propio asociado.778 3. el valor propio estimado para la segunda iteración es 3.556 -1.30) Como se ¡lustra en el siguiente ejemplo.

556 -1.445 6. donde el valor propio más pequeño pudo ser usado para iden tificar una carga de pandeo crítica.112 5. .4637 ) obtenido en la parte c) del ejemplo 27.334 -7.708 1 -0. el factor normalizado es convergente sobre el valor de 6.75 • = • -4.095 -4.714 1 -0. 2 Tenga en cuenta que en algunas ocasiones el método de potencias convergirá ¡il segundo valor propio más grande.75 • := ' = -7.778 0 -1.556 -1.778 3.812 PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS lil proceso puede entonces repetirse. el valor más pequeño de X). Smitli y Wolford (1985) ilustran un caso así.556 -1. Otros casos especiales se analizan en Fadeev y Fadeeva (1963). James.778 3.714 -4.75 ' 1 -0. (en otras palabras. Quinta iteración: 3.778 3. en lugar de hacerlo con el más grande.556 -1.778 3. Esto puede realizarse aplicando el método de poten cias a la matriz inversa de [A]. Determinación deí valor propio más p e q u e ñ o .556 1 -1 1 5.778 3.223 ' -0.317 ' -0.6. el método de potencias convergirá sobre el valor más grande de 1 A.778 0 -1. 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. En ingeniería existen problemas cu los que nos interesa determinar el valor característico más pequeño.556 -0.317 6.556 -1.6.070 ( = 2.778 0 -1.7.445 = 6.778 0 -1.556 -1.112 donde | e j = 150% (que es alto debido al cambio de signo). muy alto debido al cambio de signo).708 • — • = 6.714 donde |ej = 214% (de nuevo.778 0 -1. Tal como el caso ele la barra de la figura 27.714 1 -0.75 1 -0.223 -4.778 0 -1.095 • Así.334 -0.778 3.556 -0. EJEMPLO 2 7 . Para este caso. Tercera iteración: 3. Cuarta iteración: ~ 3.

281 0. Determinación de valores P R O P O I S intermedios.281 0. que es el recíproco del más pequeño de los valores propios.709 = 0.0472.422 '1 1 1 ' 0.124 • Segunda iteración: 0.2 PROBLEMAS DE VALOR|8j|^PWBÉLWWW^4 111 S O L U C Ó IN .281 0. Primera iteración: "0.715 1 0.751 1 0.884 1.562 0.5.R E C U E R D ED E LE J E M P L O 27.9. Así.281 0. el método de potencias puede aplicarse a esta matriz.422 Usando el mismo formato del ejemplo 27.709 1 0.562 0.704 0. es posible determinar los siguientes más altos remplazando la matriz original por una que incluya sólo los valores propios restantes.984 0. Esto se debe a que aprovecha la ortogonalidad de los vectores propios de tales matrices.955.684 0.141 0. después de sólo tres iteraciones.422 0. el método de Hotelling.6%. 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" 0.141" 0.422 0.422 0.141 0.562 0.715 1 0.281 0. El proceso de eliminar el valor propio más grande conocido es llamado deflación. 1.281 0. está diseñada para matrices simétricas.684 0.141 0.7 Q U EL UM A T R Z I IVORNII O S 0.281 0.31) 1 donde las componentes del vector propio \X) liun sido normalizadas de forma tal quo •» 1 . CN I O es.281 0.124 0.562 0. Tercera iteración: "0.715 0. Después de encontrar el más grande de los valores propios.751 0.422 0.984 • donde |ej = 14.964 donde |ej = 4%.422 0.27.715 = 0.751 • = • = 1. los cuales pueden ser expresados como para / # j para i = / (27. La técnica bosquejaba aquí.281 0.884 0.141 0. obtenido en el ejemplo 27.281 0.964 0.751 1 0.141" 0.422 0.281 0.281 0.281 0.281 0.281 0.141 0.704 0. el resultado converge al valor de 0.281 0.

{X}i . Así.[{X}i{X}[ x x (27. X = 0 y {X} = {X} es una solución para [A] {X} = X{X}. de acuerdo con la ecuación (27. . En particular. una variedad de técnicas se utilizan en sistemas simétricos. En consecuencia. el método requiere un número infinito de operaciones. Aunque en teoría este proceso puede continuarse para determinar los valores propios restantes. . transformamos esta ecuación en [A] {X}. sólo determina algunos de los valores propios más altos. Desafortunadamente.32) donde [A] = matriz original y X — valor propio más grande. Aunque. Para mostrar esto. = 0. [A] {X} 2 1 =[A]dXh -A. .30). = L\4]. 2 x 2 2 2 3 n x 2 3 27. esto es un defecto. X^. El valor propio más grande. primeramente multiplicamos la ecuación (27. . X . por tanto. se requiere tal información en muchos problemas de ingeniería. A. 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. finalmente la matriz tenderá hacia una forma diagonal. La mayoría se basa en un proceso de dos pasos.PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS Ahora. el método de potencias convergirá sobre la siguiente X más grande. Esto es. Después. se usan métodos iterativos para determinar esos valores propios. X . la [A] tiene valores propios de 0.{X}[{Xh Aplicando el principio de ortogonalidad. Así. tridiagonal) que retiene todos los valores propios originales. ha sido reemplazado por un 0 y. X . se puede calcular una nueva matriz [A] como 2 [AJ2 = [A]\ — A. etc. El proceso anterior puede repetirse al generar una nueva matriz [A] .M X ] . .2. está limitado por el hecho de que los errores en los vectores propios son arrastrados en cada paso. 2 donde el lado derecho es igual a cero. L4] {X}. En otras palabras..6 Otros métodos Una amplia variedad de métodos adicionales están disponibles para resolver problemas de valores propios.32) por {X]. 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. Si el método de potencias se aplica a esta matriz. Por ejemplo. Muchos de esos procedimientos están diseñados para'tipos especiales de matrices. El primer paso implica transformar la matriz original en una forma m^s simple (por ejemplo. ya que la eliminación de cada elemento no cero a menudo crea un nuevo valor no cero en el elemento cero anterior. Aunque se requiere un tiempo infinito para crear todos los elementos no cero que están fueni de la diagonal. de alguna forma. el proceso de iteración convergirá al segundo valor propio más grande.LY}.

Una vez que se obtiene un sistema tridiagonal a partir de los métodos de Given o de Householder. El método de Householder también transforma una matriz simétrica en una forma tridiagonal. Una forma directa para realizar esto es expandir el determinante.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. 27. Por último. en contraste con el método de Jacobi. El resultado no será tridiagonal. 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. si se realiza alguna programación (por ejemplo. (1992). 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. más eficiente que el método de Jacobi. Estas incluyen el método LR de Rutishauser y el método QR de Francis. debemos mencionar que las técnicas antes mencionadas comúnmente son usadas en serie para aprovechar sus respectivas fortalezas. Por ejemplo. En la sección 28. El resultado es una secuencia de polinomios que se pueden evaluar iterativamente para los valores propios. Fadeev y Fadeeva (1963) y Householder (1953). es considerado como el mejor método de solución de propósitos generales. en Ralston y Rabinowitz (1978). Wilkinson (1965).3. los pasos restantes implican hallar los valores propios. Rice (1983) analiza los paquetes de software disponibles.1 se proporciona un ejemplo de cómo se puede usar lixecl para la estimación de parámetros de una KDO. Sin embargo.2 7 . ya que es más estable. Sin embargo. la forma más simple es tridiagonal. Aunque este último es menos eficiente. En consecuencia. Se pueden encontrar códigos para computadora en diferentes fuentes. Se puede encontrar información adicional sobre éstos y otros temas relacionados con valores propios. 27. 3° .1 Excel Las capacidades directas de Excel para resolver problemas de valores propios y EDO son limitadas. debe observarse que los métodos de Given y de Householder también pueden aplicarse a sistemas no simétricos. sino más bien un tipo especial llamado forma Hessenberg. se puede combinar con las herramientas de visualización y optimización de Excel para poner en práctica algunas interesantes aplicaciones. En esta sección se bosquejan algunas de las formas en que pueden aplicarse para este propósito. Además. macros). como Press y cois. también existen técnicas que están disponibles cuando se requieren todos los valores propios de una matriz general. es finito y. En sí. por tanto. a menudo es el método preferido. Además de las matrices simétricas. . difiere en que se retienen los ceros creados en posiciones lucra de la diagonal. » j B )i r 'VALORES PROPIOS vommimsTmmBm m 151 método tlcdlvcn también implica transformar una matriz simétrica en una forma más simple.

6 )| ^ = . 110 siempre es eficiente.ld LA FRONTERA Y DE VALORES PROPIOS E a l E d t ly o i wI n s e r tF o . Aunque es un buen integrador de uso general.33/. usemos Mathcad para analizar el comportamiento de este sistema exami nando los valores propios. resolvamos un sistema de ecuaciones diferenciales rígidas de forma tal que podamos comparar el desempeño de algunas de las funciones de Mathcad. respectivamente. El sistema está dado por [recuerde la ecuación (26.33. 4 7 7 2O O .10. Los resultados de aplicar estas funciones a las EDO se muestran en la figura 27. Como los valores propios (aa) son de diferente magnitud.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 . es un algoritmo Runge Kutta de cuarto orden de taniíi ño de paso fijo. 1 9 0 9 0 9 .-. Este es proporcionado por la función rkfixed. el sistema es rígido.3 0 1 ^ 2 (27. Por tanto.2 Mathcad Mathcad tiene diferentes funciones que determinan valores propios y vectores propios y que resuelven ecuaciones diferenciales.) Primero.P R O K B M A S DE VALORES EN M.3.llhc. Las funciones genvals(M. 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 . Mathcad suministra Ukiidnpl.. N) producen valores propios y vectores propios normalizados. 9 . CC 27.) 2 -jjr = lOOvj . Observo que bb halla el vector propio específico asociado con el valor propio más pequeño.4 8 ] b b= ! _ -0 3 .10 ~[ o 3 .5 y i + 3}> (27. el cual es una versión de tamaño dw puso variable de rkllxed. 3. La técnica más elemental empleada por Mathcad para resolver sistemas de ecuacio nes diferenciales de primer orden. W. 1 9 J c e= : e g i e n v e c s m (m ) < _[ 0 9 . Está muy bien disonado .9 ) r -0 9 . Como ejemplo. El resultado ce es una matriz que contiene tanto vectores propios como sus columnas.N) y genvecs(M. correspondientes a los vectores propios de la matriz cna drada M. La función eigenvecs(M) devuelve una matriz que contiene vectores propios normalizados.n il i FIGURA 27.

el símbolo definición se usa para definir el vector D(t.[ M O . Esto es.a gráfica de la solución Stlf'fb se genera usando la primera y la segunda columnas de la mnlriz S. ion diseñado para funciones que cambian rápidamente en algunas regiones y de manera lenta en otras. entonces usted puede observar que la función Bulstoer de Mathcad tiene un buen desempeño. I.10. Y 1 .FINAL INDEPENDENT VARIABLE TO := 0 TI := 1 FIGURA 27.33a y b) son cambiados a Y y Y. y el jacobiano ocupa los cuatro elementos restantes. Observe que y y v de la ecuación (27. Por tanto. Bajo estas condiciones.TL. Estas funciones son Stiffb y Stiffr. Observe que hemos simplificado la presentación de la gráfica en la figura 27. De manera similar.T0. y a menudo es eficiente y extremadamente exacto para funciones uniformes. Primero. W Y ) ! •17 VECTOR OF INITIAL FUNCTION VALÚES 1 .TL. Las soluciones para^. Las siguientes entradas son el rango para l y las condiciones iniciales para Y. (Y ) para ambos métodos de integración se comparan en la figura 27.3 0 O . Y 5 3 -301 1 J 1C: = "41 J(T. que se basan en un método BulirschStoer modificado para sistemas rígidos.11 PANTALLA DE MATHCAD PARA RESOLVER UN SISTEMA DE E D O . definimos la matriz J para Stiffb. Mathcad proporciona dos métodos especiales que están diseñados específicamente para manejar sistemas rígidos.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.T0.1000. En la figura 27.27. Esta función emplea el método Bulirsch-Stoer. Y). Además. Las ecuaciones diferenciales rígidas son el extremo opuesto del espectro.11. la función rkfixed puede ser muy ineficiente o inestable.Y): = FIRST SOLUTION: S := STIFFB(IC.DJ) SECOND SOLUTION: T : = RKFIXED(IC. La primera columna de J es la derivada con respecto a t de los lados derechos de la ecuación (27.33). y Stiffb con sólo 10 pasos se almacenan en las matrices T y S. si usted sabe que su solución es una función uniforme. Las soluciones para rkfixed con 1 000 pasos entre tO y 11.11 se muestra la solución de las ecuaciones diferenciales al usar Mathcad.11. y en el método Rosenbrock. para cumplir con los requerimientos de Mathcad.D) |0 100 INITIAL AND. los lados derechos de las EDO para introducir a rkfixed y Stiffb. Los métodos anteriores devuelven valores de solución sobre un número de intervalos uniformemente espaciados acotados por el rango de integración. mientras que la gráfica para la solución rkfixed se crea usando lu primera y la segunda columnas de la nuitií/T ] 2 0 0 .

6 . 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. e introduzca las siguientes instrucciones paitt especificar el rango de integración y las condiciones iniciales: >> >> tspan = [ 0 . Solución. que usa fórmulas de cuarto y de quinto órdenes para alcanzar una exactitud alta. 3 * y ( 1 ) * y ( 2 ) J . y ) yp = E1 .tspan. Como se verá en el siguiente capítulo (sección 28.0 .3 MATLAB Como podría esperarse. 2 0 ] ' . La solución de la función rkfixed con los mis mos 10 pasos es inestable.m. una voz que pasa el lian sitorio inicial. la solución cambia gradualmente.11 usa I 000 pasos. usted debe usar un procesa dor de texto para crear un archivo M que contenga el lado derecho de las EDO. 1 1 Uso de MATLAB para valores propios y E D O Enunciado del problema. 8 y + 0. La solución de la figura 27.3. 6 * y ( 1 ) * y ( 2 ) . El siguiente ejemplo ilustra la ma ñera en que se pueden usar para resolver un sistema de EDO.2). Después.2x .y0). Guardamos este archivo M con el nombre: predprey. Entonces el solver se puede llamar por >> Lt. comience con MATLAB. y conlinúa la solución de muñera eficiente al extremo del rango. Antes de obtener una solución con MATLAB. y sigue los detalles de la solución por todo el rango de t. 27.5. . 2 * y ( 1 ) . el paquete estándar MATLAB tiene excelentes capacidades pura determinar valores propios y vectores propios.y]-odi23('priúffty'.0 . Estas son ODE23. W ~d7 dt = . 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 . 8 * y ( 1 ) + 0 . . Explórese cómo se puede usar MATLAB para resolver siguiente conjunto de EDO no lineales de t = 0 a 20: dx . tiene también funciones prediseñadas para resolver EDO.3jry donde x = 2 y y = 1 en t = 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.i:'.0 . se debe emplear rkl'lxed con un lamaño de paso más pequeño para cumplir con los requerimientos de los valores propios más grandes. y ODE45. pues. (alen ecuaciones son conocidas como ecuaciones depredador-presa. Sin embargo. la cual usa fórmulas de segundo y de tercer órdenes para alcanzar una exactitud media. Esto es muy ineficiente. EJEMPLO 2 7 . Para mantener la estabilidad.2).0 . y0=C2.

m sobre el rango definido por tspan usando las condiciones iniciales encontradas en yO. 1 ) .12 Solución del modelo depredador-presa con MATLAB.13. por ejemplo. Esta instrucción resolverá entonces las ecuaciones diferenciales en predprey. FIGURA 27. Además. . y ( : . y ) con lo cual se obtiene la figura 27.27 . Los resultados se pueden desplegar tecleando simplemente >> p L o t ( t .12. ÜBBBRIAM BOQUETES 119 0 5 10 15 20 FIGURA 27.3 v ED*# F L O R E S PROPIOS CON. 2 ) ) con lo que se obtiene la figura 27. 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.13 Gráfica de estado-espacio del modelo depredador-presa con MATLAB.

9 9 9 9 d = 3 . 9 4 7 7 0 .3). En nuestro actual análisis. 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 . negativos en la función exponencial). en nuestro análisis de sistemas rígidos en el capitulo 26. . 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. 3 1 9 1 0 .T I N O / T 0 L . todos los valores propios son positivos (y.PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS Parn valores propios. las capacidades también limen una muy fácil aplicación. lísli rutina integra un sistema de IÍDO usando el método Runge-Kutta.1 0 0 301 — A. 302.4 IMSL IMSL tiene diversas rutinas para resolver EDO y para determinar valores propios ( V Ó H S I tabla 27. presentamos el sistema rígido definido por la ecuación (27. P A R A M . Kc cuerde que. por ejein pío. la solución para el caso presente podría tener la forma y i = t\\e y C2\e 2 — „ _ „-3. Por ejein pío. donde A. --302. por tanto. Tales liDO lineales se pueden esnibii como un problema de valores propios de la forma " 5 — A. nos concentraremos en la rutina IVPRK. 0 1 0 1 0 .9899í .0101r 2 + c\ e + ene donde c¡j — parte de la condición inicial p a r a j . Como. Y ) . N¿*F##/ T . d 3 = e i g ( a ) v = 0 . La que tiene el valor propio más grande (en este caso. 0 1 0 1 Así. vemos que los valores propios son muy diferentes en magnitud. Un buen libro sobre ecuaciones diferenciales como. y {e} = valor propio y vector propio. IVPRK se pone en marcha con ln «¡guíente declaración CALL: C A L LV IP R K ( I 0 0 .0101) podiln dictar el tamaño de paso si se usara una técnica de solución explícita. le explicará cómo se puede realizar esto. la solución consiste en una serie de exponenciales en decaimiento. Debe observarse que las c pueden evaluarse a partir de las condiciones iniciales y de los vectores propios.33). el de Boyce y DiPrima (1992). 9 8 9 9 0 0 3 0 2 . lo cual es común cu un sistema rígido. 27. -3 . 1 0 0 3 0 1 D . que está asociada con ely-ésimo valoi propio.3. > > C v . para el presente caso. respectivamente.

' iliic ION A LOS P R O B L E M A S D E VALOR INICIAL PARA EDO ORDEN IVPRK IVPAG '. Normalmente. a menos que hayan ocurrido condiciones de error. T = Variable independiente.1 ¡ S L C llamado final se usa para liberar espacio de trabajo.**ÍWr A*lORES PROPIOS CONUBMRÍMY R A Q U B T B S R T A B L A 2 7 . Y contieno lo» vnloron íniciulos. (Entrada) FCN = SUBRUTINA hecha por el usuario para evaluar las funciones. La rutina después se ajusta a IDO = 2. 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 . Hn la sulida. . el llamado inicial se hace con IDO = 1.27. TEND = Valor de t donde se requiere la solución.MA GENERAL C O M P L E J O A X = Xx TODOS LOS VALORES PROPIOS TODOS LOS VALORES PROPIOS Y VECLORC. CATEGORÍA RUTINAS CAPACIDAD •CITACIONES DIFERENCIALES ORDINARIAS D E PRIMER '. TOL = Tolerancia para el control del error. 3 Rutinas IMSL para rasolvar I D O y para determinar valoras propios.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(. Y contiene la solución aproximada. PARAM = Arreglo de punto Ilutante de tamaño 50. de tal forma que el error global SEN proporcional a TOL. (Entrada) El valor TEND puede ser menor que el valor inicial de t. (líntriiihi/Siilidn) Iin lu entrada. T se remplaza por TEND. No se realiza integración sobre este llamado final. (Entrada) Se hace un intento para controlar la norma del error local. T contiene el valor inicial. y E S T E valor se usa para todos. pero el último llamado se hace con IDO = 3. En la salida. N = Número de ecuaciones diferenciales. Y Arreglo de tamaño N de I I I N viiriiibles dependientes. (Entrada/Salida) En la entrada. el cual se alojó automáticamente con el llamado inicial IDO = 1. 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.

t o l . n=2) INTEGER : : i d o . 0 . . yprime(n) (n. nout) t . se puede escribir como Program PredPrey USE msirnsl INTEGER : : mxparm. 0 . L E .0 t o l = 0. 10) ido = 3 END D O END PROGRAM SUDROUTINE fen ( n . ' ( I 6 . f e n . end donde la línea "yprime(¿) = . "Time". " Y l " ido = 1 istep = 0 WRITE ( n o u t . subroutine i nteger real fen n t..1. . y I F ( i s t e p .2. t . t .n Nubrutina FCN debe ser escrita de manera que cumpla las ecuaciones diferenciales. tend. 3 ) ' ) i s t e p . paratn.0 y(2) .0 11X. y. 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. Deberla ser de la forma general. 3 ) ' ) i s t e p . EJEMPLO 2 7 . n PARAMETER (mxparm=50.PROIUMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS l. .i step + 1 tend = i s t e p CALL IVPRK ( i d o . i s t e p . y(n) EXTERNAL fen CALL UMACH ( 2 .EQ. nout REAL : : param(mxparm). y D O 1step . 10) EXIT WRITE ( n o u t . t o l . y.11. yprlmi') l M P U C l i N0NL . n. tend. 'Y2") ' PRINT *(4X.0005 CALL SSET (mxparm. 3 F 1 2 .. presa del ejemplo 27. 9X. = . t . yprime) yprime(1) yprime(2) return = . ' I S T E P 5X." es donde la i-ésima EDO está escrita. y ( n ) . t. t . 1) param(lO) = 1. 1 2 Uso de IMSL para resolver E D O Enunciado del problema. . FCN debe ser declarada EXTERNAL en el programa de llamado. ' ( I 6 . 3 F 1 2 . Solución. t . param. y) I F ( i s t e p .0 y ( l ) .0.

10 Use menores para expandir el determinante d e b 1 2 . las ecuaciones diferenciales como las que se resolvieron en el problema 27. 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. lince una gráfica como la de la figura 27.1.6) y dcNpués resuelva la ecuación lineal resultante con el procedimiento por diferencias finitas.(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. + 273)'" +4. 27.2 x 10~ (7).-0.8 Repita el ejemplo 27.4 Use el método de disparo para resolver dy 2 xl0. : l . 27.6 para identificar el principio de los modos de vibración.000 6.6 Use el método de disparo para resolver 7 1 donde T es una temperatura base alrededor de la cual se I inearizu el término. 27.6) como 1.3*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 .000 7. 27. 27.2 0 0 y7 ( 0 5 .000 5.1.17/ = 0 27. 27. Sustituya esta relación en la ecuación (P27.000 9. pero ahora para cinco puntos interiores (h = 3/6).6.000 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. Emplee T = 150 y Ax = ().2 Use el método de disparo para resolver el problema 27. Cambie todas las k a 240.5 Resuelva el problema 27. pero ahora para tros masas.000 1. 27.000 2. y p r 1 m e ( n ) yprlrne(l) . d\ •'• 1 0 •I .ini obtener su solución.000 3.) 1 0 0 .REAL . Por ejemplo.1 Un balance de calor en estado estable para una barra se puede representar como dT 2 dx 2 0.7 A menudo. x1 0 (7' + 2 7 3 ) 'I5 ( 1 5 0 7j 0 ( P 2 7 6 .2 x 1 0 ( T + 273) = 1.0.000 8. 27.H _ 7 4 7 ()btcnga una solución analítica para una barra de 10 metros con '/'(O) = 200 y 7X10) = 100.9 Repita el ejemplo 27.3 Use el procedimiento por diferencias finitas con Ax = 1 pura resolver el problema 27.4.2*y(l) .() I p.000 4.1.8*y(2) + 0.4 con el procedimiento por diferencias finitas usando Ax = 2. ) 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 ).6*y(l)*y(2) yprime(2) .6 se pueden simplificar al lincnrizur sus términos no lineales.000 10. y ( n ) .

Pruébelo con los datos del ejemplo 27.4. Emplee condiciones iniciales de x = 2 y v = 1. b) — = + cry dt ' dx dt—ax dy dt dz — = rx — y — xz — = — donde a = 10. Emplee condiciones iniciales d e x = v = z = 5 e integre de t = 0 a 20.2. Pruébelo con los datos del ejemplo 27.10.0 . para resolver una EDO lineal de segundo orden. . 27. sin linearización) el problema 27.7. 27.6. 27.27 Use IMSL para integrar .21 Desarrolle un programa de uso amigable para resolver el valor propio más pequeño con el método de potencias.10.8 y d = 0.2 y 27.13 para resolver los problemas 27. b = 2.y> .15 para resolver los problemas 27. calcule ln mulri/ inversa y verifique que es correcta.2 x 1 0 — 6 /d xdt -.3 y dxldt = 0 en t = 0. dx dt 2 2 7 r + 1 x 10 — + 1. 27. 27.6 usando el procedimiento por diferencias finitas. 27.16 Use el programa que desarrolló en el problema 27. Como en el problema 27.036y.10. Pruébelo con los datos del ejemplo 27.25 Use MATLAB para integrar el siguiente par de EDO: ^ dt x = 0.22 Use el Solucionador de Excel para resolver directamente (es decir. 27.4 x 10 x = u 0 9 Transforme esta ecuación en un par de EDO.1.6c.7. 27. b) Use MATLAB para determinar los valores propios y los vectores propios para el sistema.18 Use la subrutina desarrollada en el problema 27. 27. e integre de t = 0 a 30.3 y 27.20 Desarrolle un programa de uso amigable para resolver el valor propio más alto con el método de potencias.12 Use el método de potencias para determinar el valor propio más bajo y el correspondiente vector propio para el problema 27.1.824 limplec el método de l'iiilcev I «vnnier ptint realizar el mismo calculo.26 La siguiente ecuación diferencial se usó en la sección 8. 27.4 para analizar las vibraciones de un amortiguador de un automóvil: 2 1.19 Desarrolle un programa de uso amigable para implementar el método del polinomio.13 Desarrolle un programa de computadora de uso amigable puru implementar el método de disparo.23 Use Mathcad con los dutos del ejemplo 26.5>!^ 2 dt — = 0. b = 0. 27.2. para el caso en que x = 0.10. 27. 27. dx dy a) — = ax dt dt — bxy — = —cy donde a = 1. Pruebe el programa con los datos del ejemplo 27.5.1 para obtener su solución. 27. Pruebe el programa con los datos del ejemplo 27. Desarrolle una gráfica de estado-espacio de sus resultados.05 en t = 0.11 Use el método de potencias para determinar el valor propio más alto y el correspondiente vector propio para el problema 27.666667 y r = 28. Pruébelo con los datos del ejemplo 27. 27. a) Use MATLAB para resolver estas ecuaciones de t = 0 a 0.24 Use Mathcad para determinar los valores propios y los vectores propios para la matriz del problema 27. 27.9.17 Desarrolle una subrutina para implementar el procedimiento Fadcev-Leverrier.1. l v donde y = 1 y y = 0.3. para una EDO lineal de segundo orden. 27.17 para resolver el problema 27. Además.14 Use el programa que desarrolló en el problema 27.15 Desarrolle un programa de computadora de uso amigable pura implementar el procedimiento por diferencias finitas.4.3vi . c = 0. empleo Ax = 0.10.

que se toman de las ingenierías civil y eléctrica. Este problema también utiliza dos ecuaciones simultáneas. También se ilustra cómo se puede usar la optimización para estimar los parámetros para las EDO. Además de los cálculos en estado estable. Muchas de estas aplicaciones dan por resultado ecuaciones diferenciales no lineales que no se pueden resolver con técnicas analíticas.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. Así.2 y 28. la aplicación de ingeniería eléctrica trata también con la determinación de valores propios.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.1). 1 se deduce de un problema de la ingeniería química. La sección 28. Las secciones 28. respectivamente. Ahí se demuestra cómo puede simularse el comportamiento transitorio de los reactores químicos. también podríamos estar interesados en la respuesta transitoria de un reactor completamente mezclado. se usa un esquema RK de cuarto orden. tratan con la solución de sistemas de ecuaciones. Los problemas de este capítulo ilustran algunos elementos de juicio asociados con varios métodos desarrollados en la parte siete.3. en consecuencia. En ambos casos. i' 28. En la sección 12. Por tanto. te puede formular simplemente como Acumulación = V de dt (28.2 analizamos el estado estable de una serie de reactores. las técnicas para la solución numérica de ecuaciones diferenciales ordinarias tienen capacidades fundamentales que caracterizan la buena práctica de la ingeniería. Un aspecto importante de este ejemplo es que ilustra cómo los