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.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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 .

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

com .blogspot.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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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 .

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

http://libreria-universitaria.blogspot.com

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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 .

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

blogspot.http://libreria-universitaria.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 .

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

1 se muestra cómo un balance de masa se puede emplear para modelar un sistema de reactores. la ecuación (12. Estas técnicas numéricas sistemáticas tienen significado práctico. Por último.4 es una ilustración de cómo se puede emplear las ecuaciones lineales para determinar la configuración del estado uniforme de un sistema masa-resorte. En la sección 12. Si las entradas son iguales a las salidas. si las entradas son mayores que las salidas.1) se puede expresar como http://libreria-universitaria. la masa disminuye. en algunas aplicaciones de la ingeniería.1). la sección 12.1 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. Para esta condición estable.2) . Sobre un periodo finito. o en estado uniforme. Si las salidas son mayores que las entradas.com ünlriidiiN « SIILIDIM (12. En términos cuantitativos.3 es un ejemplo del uso de las leyes de Kirchhoff para calcular las corrientes y voltajes en un circuito con resistores.1). 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. Los algoritmos numéricos en estas aplicaciones son de particular conveniencia para implementarse en computadoras personales.CAPÍTULO 12 Aplicaciones en la ingeniería: ecuaciones algebraicas lineales El propósito de este capítulo es usar los procedimientos numéricos analizados en los capítulos 9. ya que los ingenieros se enfrentan con mucha frecuencia a problemas que involucran sistemas de ecuaciones que son demasiado grandes para resolverse a mano. 12. Para el tiempo en que se realiza el cálculo.blogspot. La sección 12.1) El balance de masa representa un ejercicio contable para la sustancia particular que habrá de modelarse. esto se puede expresar como Acumulación = entradas — salidas (12. Uno de los más importantes principios de organización en la ingeniería química es la conservación de la masa (recuerde la tabla 1. la masa de la sustancia dentro del volumen aumenta. En la sección 12.2 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.10 y 11 para resolver sistemas de ecuaciones algebraicas lineales. la acumulación es cero y la masa permanece constante.

5 m /min)(10 mg/m ) = 15 mg/min. Como el reactor está bien mezclado (como lo representa el agitador en la figura 12. la concentración 011 ln http://libreria-universitaria. 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 = 3.2). Por ejemplo. u homogénea.330 APLICACIONES EN LA INGENIERÍA: ECUACIONES. Observe que la concentración a la salida del reactor a través de la tubería 3 no se especifica en la figura 12. Solución. para la tubería 2 la razón de masa que entra se calcula como Q c = (1. Rn r. para la tubería 1 en la figura 12. 50 mg de sustancias químicas fluyen cada minuto hacia el reactor a través de esta tubería. el cálculo obtiene algo adicional. De esta forma. Así.ALGEBRAICAS LINEALES Entrada Salida FIGURA 12. si se realiza un balance de masa para una sustancia conservativa (es decir. 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.com tupiarla 3 Haría aer iiiénlitm 1 1 la (««nnentruci An en.5c 3 Q\c\ + Q2C2 = Q3C3 3 3 la cual se resuelve para c = 18.1 Una representación esquemática del balance de masa.2). Q = 2 m /min y c — 25 mg/m . tntin el reactor. Asimismo.2. Por ejemplo. Esto es porque ya se tiene suficiente información para calcularla con base en la conservación de la masa. 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 concón Ilación será uniforme. Como el reactor se halla en estado uniforme. De forma similar.nnaaeuanala al . por tanto. en todo el tanque. saliendo de éste a través de una tubería de salida.blogspot.2. se aplica la ecuación (12. 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.2) y las entradas se encuentran en balance con las salidas. Sin embargo. una que no aumenta o disminuye debido a las transformaciones químicas) en un reactor (véase figura 12. hemos determinado la concentración en la tercera tubería.6 mg/m . podríamos cuantificar la razón con la cual el flujo másico entra al reactor a través de dos tuberías de entrada. Empleo de la conservación de la masa para determinar concentraciones en estado estable de un sistema de reactores acoplados.

esto podría no ser fácil de representar en una computadora para el cálculo de un balance de masa.1 ANÁLISIS EN ESTADO ESTABLE DE U N SISTEMA DE REACTORES 991 FIGURA 12. Debido a que se usa álgebra simple para determinar la concentración para un solo reactor en la figura 12. se necesitan cinco ecuaciones de balance de masa para caracterizar el sistema.com . la razón de flujo de masa que entra es Sí 10) 4- Q\\c\ http://libreria-universitaria. 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 . Ii >. completamente MUi/i Jado.=1 FIGURA 12. llujos volumétricos están i ni metros cúbicos por minuto.12.2 I lu UKIC I DI en oslado i '. quienes deben diseñar reactores que tengan mezclas de una concentración específica. Para el reactor 1.3 se muestra la disposición de un problema donde las computadoras no sólo son útiles. sino también prácticas.2. Tal información es de gran utilidad para los ingenieros químicos y petroleros.3 ' Un o reactores conectados i ii ii luberías. m m /n i c=1 0m g m / 3 2 3 2 0 =3 5 .blogspot. tuilijjiamos por metro Oi5 = 3 0 «=2 Q ¿ . m m /n i c=? 3 3 3 iu b i c o . Debido a que hay cinco reactores interconectados o acoplados. 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.lulilo..'. =2 5m g m / y 3 3 Q -1 5 . y las I I mconlraciones están en «2m m /n l c . con dos tuberías do unliada y una de salida.

3 y 5.00629 0.06 17. la.04545 0.09091 0 0 0 0 0.08748 0.06003 0. de la figura 12. De esta forma. Tal información es de gran utilidad para los ingenieros que diseñan y manejan sistemas como ése. sustituyendo valores para el flujo. se puede calcular la matriz inversa como 0. 2. http://libreria-universitaria.51J Además. lin la l'i gura 12.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.33962* 0.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. la cual indica que el flujo de salida del reactor 4 no alimenta ningún otro reactor. los ceros en la columna 4 indican que una carga en el reactor 4 no tendrá impacto sobre los reactores 1.3 6ci — c = 50 3 Ecuaciones similares se definen para los otros reactores: .08962 0.8c + l l c .3 c i + 3c = 0 2 -c 2 + 9 c = 160 3 -c 2 .4 se muestra un ejemplo de tal estructura.51 19. Un problema importante en la ingeniería estructural es determinar IIIN fuerzas y reacciones asociadas con una estructura estáticamente determinada.51 r 11.07461 0.blogspot.16981 0.2 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.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 .01887 0 0 0 0.01887 0.c + 4c = 0 Se puede usar un método numérico para resolver estas cinco ecuaciones para las cinco incógnitas que son las concentraciones: { C } = L11.2c = 0 3 4 5 2 5 -3ci . los flujos de entrada y salida deben ser iguales: 5(10) + Q3lC3 = Gl2Cl + Gl5Cl o. En contraste.01887 0.16981 0.com .11321 0. 12.03774 0.01887 0. Esto es consistente con la configuración del sistema (véase figura 12.00 11.3).16981 0.

para el nodo 1. deben ser cero en cada nodo.v 30° 3 F 3. vertical y horizontal. V y V ) son fuerzas que caracterizan cómo interactúa la estructura con la superficie de soporte.h «Mr'illi nmnnte determinada. Los diagramas de cuerpo libre se muestran para cada nodo en la figura 12. mientras que el rodillo en el nodo 3 transmite sólo fuerzas verticales. Por tanto. El tipo de estructura se puede describir como un sistema de dos ecuaciones algebraicas lineales.blogspot.4) x .3) http://libreria-universitaria.5. Las fuerzas (F) representan. horizontal y vertical a la superficie.'ili'uctura ~2. 3 h (12. 5 I iii ii |M iiiius de fuerza de i utíipii libio para los nodos fin I un I (1. 2 2 3 Solución. La suma de las fuerzas en ambas direcciones. EF„ = 0 = .f . Se observa que el efecto de la carga externa de 1 000 Ib se distribuye a lo largo de varios elementos de la estructura.12.2 ANÁLISIS DE U N A ESTRUCTURA ESTÁTICAMENTE DETERMINADA 333 PIOURA 1 2 . Las reacciones externas (H . El apoyo en el nodo 2 puede transmitir ambas fuerzas.com ZF y = 0 sen 30° - F\ sen 60° + F (12. eos 30° + F eos 60° + F . ya sea la tensión o la compresión de los elementos de la estructura. ya que el sistema está en reposo.

JF = H 0 = F +F eos 30° + F 2 { 2> 2h + r H 2 2 (12. 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. todas las otras F¡ y F¡ son cero.5 -0. como este problema es un caso ideal de estudio.25 -0. como se formuló en la ecuación (12.5 -1 -0.866 -0.7) (12.25 -0. corresponde a compresión. el sistema se puede resolver mediante cualquiera de las técnicas de eliminación que se analizaron en los capítulos 9 y 10.5 0 0 -0.com .5 -0. por tanto.866 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.866 0.433 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. sen 30° + F „ + V para el nodo 3.9). Una solución negativa. Observe que las direcciones de las fuerzas internas y las reacciones son desconocidas. Así. También observe que en este problema. las fuerzas en todos los elementos supuestamente están en tensión y actúan jalando los nodos adyacentes. Para este caso.5 -0.5 0.866 0 0 -1 0 0 0 0 0 0 -1 0 0 í F} Fi 2 F H 3 2 iv v J 0 -1000 0 0 0 0 (12.5) (12.334 APLICACIONES E N LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES para el nodo 2.866 0 -0.8) 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).blogspot.9) F\ = . Con el uso de una estrategia para el pivote.433 0. Las soluciones son negativas si las direcciones se asumen de manera incorrecta.866 0 0 0. para demostrar la utilidad de la matriz inversa se puede usar la descomposición LUpara calcular 0.433 0. La aplicación apropiada de las leyes de Newton requiere sólo de suposiciones consistentes con respecto a la dirección. la fuerza de 1 000 Ib hacia abajo en el nodo 1 corresponde a F¡ = — 1 000 libras. para evitar la división entre cero de los elementos de la diagonal. ZF =0= H -F 3 2 -F 3 eos 60° + F 3 3h (12. Sin embargo. en este problema.6) IF K = 0 = F .

FIGURA 12.. 2 h F.6 I >I>N rusos de prueba mostrando o) vientos desde la izquierda y b) vientos desde la derecha. no se necesita implementar el método una y otra vez para estudiar el efecto de diferentes fuerzas externas sobre la estructura. 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. Más que esto. con esto. resulta que Fj = .Ahora. F todas las demás fuerzas externas son cero. Por ejemplo. Ambos casos se muestran en la figura 12. el vector del lado derecho es {F} T = L-1000 0 1000 0 0 0J el cual se puede usar para calcular Fi = .* F.blogspot. 2 v F .66). 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. 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. http://libreria-universitaria. podríamos querer estudiar el efecto de fuerzas horizontales que se inducen por un viento que sopla de izquierda a derecha.8 6 6 H = 2000 2 = — 1 000. como en {F} r = (/i.„ F.„ 3 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. F = — 1 000.J 3 t (12. observe que los vectores del lado derecho representan las fuerzas externas horizontal y vertical que se aplican sobre cada nodo.6a).10) Debido a que las fuerzas externas no tienen efecto sobre la descomposición L U.com .

La regla para el voltaje (o malla) especifica que la suma algebraica de las diferencias de potencial (es decir. De esta forma. Estos problemas se resuelven usando las leyes para corrientes y voltajes de Kirchhoff. Además.Ei7? = 0 (12.11) FIGURA 12. ya que son varios los ciclos o mallas que forman un circuito. puede ser necesario resolver estructuras con cientos y aun miles de elementos estructurales. como una consecuencia.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. si la carga vertical en el primer nodo fuera aumentada en 1. Un problema común dentro de la ingeniería eléctrica involucra la determinación de corrientes y voltajes en varios puntos en circuitos de resistores. se puede usar para determinar los componentes que son innecesarios (véase el problema 12. esto se expresa como E § .7 Representaciones esquemáticas de o) regla de las corrientes de Kirchhoff y b) ley de Ohm.12) donde ¿j es la fem (fuerza electromotriz) de las fuentes de voltaje.blogspot. no es afectado por los cambios en F . F se podría aumentar en 0. éstas incluyen la identificación de aquellos componentes que son muy sensibles a estímulos externos y.866 debido a un cambio unitario del segundo estímulo externo (F. http://libreria-universitaria. La regla de la corriente es una aplicación del principio de la conservación de la carga (recuerde la tabla 1. Cada elemento representa el cambio de una de las variables desconocidas a un cambio unitario de uno de los estímulos externos. Observe que el segundo término se deriva de la ley de Ohm (véase figura 12. „).com .76). 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. Las ecuaciones lineales proveen un enfoque poderoso para ganar cierta comprensión del comportamiento de estas estructuras.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. El hecho de que los elementos sean 0 indica que ciertas incógnitas no son afectadas por algunos estímulos externos.866. y i? es la resistencia de cualquier resistor en la malla. El procedimiento anterior resulta particularmente útil cuando se aplica a grandes estructuras complejas. La aplicación de estas reglas resulta en un sistema de ecuaciones algebraicas lineales. Esta habilidad de aislar interacciones tiene un número de aplicaciones en la ingeniería.7a). En la práctica de la ingeniería. Para un circuito de resistores. La ley de Kirchhoff para el voltaje es una expresión de la conservación de la energía. Por ejemplo. '3 donde todas las corrientes que entran al nodo se consideran de signo positivo. o E/ = 0 (12. Por ejemplo a\\ = 0 significa que F . 3 3 3 2h 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.16). cambios en el voltaje) en cualquier ciclo debe ser igual a cero. Por ejemplo. el elemento a \ indica que la tercera incógnita (F ) cambiará a 0. Solución. la mayoría tiende a fallar.1).

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

1 4 6 . éstas son jaladas hacia abajo debido a la fuerza de la gravedad.11 se muestra un sistema de ese tipo. la solución es ¿12 = 6.13) Para simplificar el análisis se supondrá que todos los resortes son idénticos y que se comportan de acuerdo con la ley de Hooke.1538 / 65 ¿52 = -4.123.23 M A A - .1538 http://libreria-universitaria. las corrientes y voltajes en el circuito se muestran en la figura 12.O V=200 <| ( / = 1. Los sistemas idealizados resorte-masa desempeñan un papel importante en la mecánica y otros problemas de la ingeniería. la segunda ley se puede expresar como m—r dx 2 dt 2 = r D (12. Como se introdujo en el capítulo 1. 12.08 ^ O IZ= 0 .6154 i 5 4 z ¡ 32 = .1 .M A - ÍZ = 169.5385 =-6.5385 4 3 Así. La fuerza hacia arriba es únicamente una expresión directa de la ley de Hooke: Fn = kx\ (12. 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 12.4 SISTEMAS MASA-RESORTE (INGENIERÍA MECÁNICA/AEROESPACIAL) Antecedentes.1 Ib.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. Deberían ser evidentes las ventajas de usar algoritmos numéricos y computadoras para problemas de este tipo. Para cada masa. En la figura 12. 5 3 85 =-1.85 .1 la. Si se procede de esta forma. este sistema se maneja de manera fácil mediante un método de eliminación. En la figura 12.12a se muestra un diagrama de cuerpo libre para la primera masa. 1 5 V.blogspot.1538 = -1. con una adecuada interpretación de signos en el resultado.10.5385 /= 6. Después de liberar las masas.14) FIGURA 12. 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.com V . V= 153.

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

(12.18) forman un sistema de tres ecuaciones diferenciales con tres incógnitas.x ) + m g . . [K]{X} = [W} donde [K]. Por ahora.k(x. y las k — lü kg /s . x . (12.17) y (12. « i „ „ . éstas se pueden usar para calcular los desplazamientos de las masas como una función del tiempo (es decir.14) y (12. podemos obtener los desplazamientos que ocurren cuando el sistema eventualmente llega al reposo. en forma matricial.Ylb y c) que se pueden emplear para obtener 2 m2 dx 2 2 dt 2 = k(x 3 .17) y (12. Con las condiciones iniciales apropiadas. advierta que la solución no se puede obtener. u n t a i v uenerar la inven» de [K].x) x (-) 12 1? y W3 ^7? = m g .13) para dar d x\ m —^-=2k(x -xi)-{-m g-kx dt 2 ] ¿ 2 l l (12. Esto se realiza mediante la igualación a cero de las derivadas en las ecuaciones (12. use lu descomposición http://libreria-universitaria.com . en estado estable. En consecuencia. m — 3 kg.5 kg. ya que el modelo incluye una segunda variable dependiente. . para dar 3kxi —2kx\ — + — 2kx kx 2 = — + kx3 kxi = — ni\g mg 2 3kx 2 2 mjg o. i „ j . en forma Solución. y es 3k -2k -2k 3k -k s [K] -k k Y {^0 y {^} respectiva.18). m — 2. se ha obtenido una ecuación diferencial de segundo orden para describir el desplazamiento de la primera masa con respecto al tiempo. se debe desarrollar diagramas de cuerpo libre para la segunda y tercera masas (véase figuras Yl.16).10) De esta forma. Sin embargo.15) se pueden sustituir en la ecuación (12. s o n l ° vectores columna de las incógnitas X y de los pesos mg.blogspot.340 APLICACIONES EN LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES Las ecuaciones (12. 2 2 i B . es decir.16). es llamada matriz de rigidez. Si nt\ = 2 kg.2k(x 2 2 2 .x ) 3 2 ( 1 2 1 8 ) Las ecuaciones (12. Analizaremos en la parte siete los métodos numéricos para obtener esas soluciones. En este punto se puede emplear métodos numéricos para obtener una solución. sus oscilaciones).

L A R A Z Ó N D E A IFWMLBINNR. PROBLEMAS INUIMILERIA QUÍMICA/PETROLERA 12.6 29.1 0.2 Si Iti entrada al reactor 1 en la sección 12.1 0.6 En la figura P12.1 Ib.5 x 2 La descomposición LU se puede emplear con el fin de resolver para x = 7. la razón de transferencia de químicos a través de cada tubería es igual al flujo volumétrico (Q.3 se halla en M L I I D O estable. los valores de 0.6 se muestra tres reactores unidos por tuberías. ¿cuál es el porcentaje de cambio en la concentración de lim roiielorcs 2 y 3? 12.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 . x = 10.1 0.com . ¿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. 3 jiul INLIOILÍJS. con unil2 4 R I O U R A P12.6 LLON incK LOIOS C O N E C T A D O S 400 mg/s 0. Por tanto. 3 = 40 Q .1 Realice los mismos cálculos que en la sección 12.1%.15 0.25 [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 . pero tome Q y Q¡ igual a cero.15 0. pero mnihic c. Como se indica.4. Estos desplazamientos se usaron para construir la figura 12. = 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.' • 'TWWBSBITWB Sustituyendo los parámetros del m o d e l o se obtiene \K\ 3 30 -20 -20 30 -10 -10 10 {W} = 19. Los otros elementos se pueden interpretar en una forma similar. C.|| a 20 y c a 6. 1 Debido a que el sistema mostrado en la figura 12.1 se disminuye en un 2. ¿Qué le indica la respuesta con respecto al sistema físico? 12.GO3.5 Resuelva el mismo sistema como lo especifica el problema 12.2 = 80 0 = 60 Q .15 0. 11.35. si los flujos se han cambiado n: 12.495.1 0. la inversa de la matriz de rigidez provee un resumen fundamental de cómo los componentes del sistema responden a fuerzas que se aplican de forma externa.1 en la columna 1 nos indica que una carga unitaria hacia abajo en la primera masa desplazará todas las masas 0.4 24.1 0.4 Vuelva a calcular las concentraciones para los cinco reactol M (|iie se muestran en la figura 12.2.1 m hacia abajo.1.fi«YFIJS? 12 .blogspot.045 y x = 12. La inversa de la matriz de rigidez se calcula como 0. Así. Use la conservación del flujo para recalcular los valores para los otros flujos.

86) (P12. para la etapa i.com .86) se puede resolver para X¡ y sustituirla en la ecuación (P12.y.blogspot. X M | ( x 2 x 3 x¡ x n .8a En cada etapa.8 Un estado del proceso de extracción. 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.8a) para obtener FIGURA P l 2.7. La ecuación (P12. se puede representar un balance de masa como m 2 F. En estos sistemas. Las flechas con número son entradas directas. 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. 7 Emplee el mismo planteamiento básico que en la sección 1 2 . Si el sistema se halla en un eslaclo estable. 1 2 . 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 .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. para determinar la concentración de cloro en cada uno de los Grandes Lagos mediante la información mostrada en la figura P12. 1 . Así. la transferencia hacia cada reactor equilibrará la transferencia de salida._i + F Xi+i = FiY¡ + F X¡ 2 2 (P12. 8 . 8 Una etapa en un proceso de extracción se ilustra en la figura P 1 2 . se supone que se establece un equilibrio entre Y¡ y X . un solvente que en v donde K es llamada el coeficiente de distribución. con unidades do miligramos por metro cúbico).7 Un balance del cloro para los Grandes Lagos. como en t K = ~ 1 2 .1 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 /.2. 1 2 1 .1. FIGURA P 1 2 . Y = 0.8c) los elementos de la estructura.2. peroahoin cambie el ángulo en el nodo 2 a 40° y en el nodo 3 a 50°. l l debajo de 1 000 libras se aplica en el nodo 1.8c) debe modificarse para Resuelva para esta relación. 1 2 4 °0 1 200 i http://libreria-universitaria. se determine los valores de 7 y X . 5 810 y 5 690 m de arena. pero ahora para la estructura mostrada en la figura P12. 1 2 1 .4 En el ejemplo para la figura 12. > Un ingeniero civil involucrado en la construcción. X = 0 y K = 5. 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. tomar en cuenta las fracciones peso de entrada cuando se aplica 1 2 1 . como no se conoce V y V . Observe que la ecuación (P12. Observe que como i+Í Sí /•'.PROBLEMAS 1 2 1 . de la figura 12. requiere •I 800.(l + Y¡ + = 0 longitudes de(P12.3 Calcule las fuerzas y reacciones para la estructura de la figura 1 2 .2 Efectúe el mismo cálculo que en la sección 12.4. Sin embargo. résped ivuinente. existen tres longitudes desconocidas y sólo dos ecuaciones.5 Emplee los mismos métodos que se usaron en el análisis II las etapas primera y última. las reacciones externas V y V fueron calculadas. y la llici/ii en el nodo 1 es de 750 libras. determine las fuerzas y reacciones para la estructura que se muestra en la figura P12. donde una fuerza por FIGURA P 1 2 .blogspot.15. F = 800 kg/h. = 400 kg/h. pero ahora para la estructura mostrada en la figura P12. 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.12.2. para un proyecto de construcción. 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 12.4. Kl Realice el mismo cálculo que en la sección 12. Si las longitudes de los miembros de la estructura han sido dadas. 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 < .('nimios metros cúbicos se debe transportar desde cada cantera ptiiu cumplir con las necesidades del ingeniero? 1 1 .11.1 Realice el mismo cálculo que en la sección 12.com . de grano fino y grueso. 1 2 1 . se puede trabajar hacia atrás y resolver para las . si se usa un reactor de 5 puede resolver para únicamente la relación entre las longitudes. etapas.

Las cargas debido al humo y la parrilla agregan masa de monóxido de carbono al sistema pero con entrada de aire Insignificante. Las flechas en un sentido representan los flujos de aire volumétricos. Determine la matriz inversa para el sistema. a +E (C -C¡) Í3 (mezcla) 3 c + (entrada) — (salida) + FIGURA P12. El área de servicio del restaurante consiste en dos cuartos cuadrados y uno alargado.3.22 para las corrientes en cada alambre. . áreas de trabajo. ¿Parece razonable la fuerza en elemento vertical a la mitad del elemento? ¿Por qué? 12.21 Resuelva el circuito resistor de la figura 12.18 Realice el mismo cálculo que en la sección 12.blogspot. 12. 12. de los fumadores y una parrilla.nador + (carga) QC a fl - Q C.344 APLICACIONES EN LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES o sustituyendo los parámetros 225c.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. a) Resuelva para la concentración. pero ahora para el circuito que se presenta en la figura P12.3. etcétera. Por ejemplo. usando la eliminación de Gauss. 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. = 200 m /hr 3 .22 Resuelva el circuito de la figura Pl 2.3. mientras que las flechas en ambos sentidos representan la mezcla difusa. b) Determine qué porcentaje de monóxido de carbono en la sección de niños es a causa de i) los fumadores.8.19.17 Vista aérea de los cuartos en un restaurante. el balance se escribe como 0 = W'fu.20 Realice el mismo cálculo que en la sección 12. Las cantidades necesarias para producir cada componente son H { 56 3500 FIGURA P 12. Ingeniería eléctrica 12.1 7 Como su nombre implica. para la sección de fumadores (cuarto I).16 12. 12. 12. El cuarto 1 y el 3 tienen fuentes de monóxido de carbono. de monóxido de carbono en cada cuarto.17. oficinas. la polución de aire entrante tiene que ver con la contaminación encerrada en espacios tales como casas. si V = 180 V y R = 50 ohms. Suponga que se diseña un sistema de ventilación para un restaurante como se muestra en la figura P12.16 Resuelva para las fuerzas y reacciones de la estructura de lu figura P12. Tres clases de materiales (metal.20. en estado estable. pero ahora para el circuito expuesto en la figura P 12.23 Un ingeniero eléctrico supervisa la producción de tres tipos de componentes eléctricos. plástico y hule) se requieren para la producción. Use el método de eliminación de Gauss con pivoteo. pero ahora cambie la resistencia entre los nodos 3 y 4 a 25 Í2 y cambie V a60V 12.25c = 1400 3 X60° 6 0 ° X /\ 4 5 ° Se puede escribir balances en forma similar para los otros cuartos.19 Lleve a cabo el mismo cálculo que en la sección 12.com .16. ii) la parrilla y iii) el aire que entra por ventilación. Se puede escribir balances de masa en estado estable para cada cuarto.

27 muestra un arreglo de cuatro resortes en serie cuando se comprimen con una fuerza de 2 000 kg.4. 75 y 225 kg/s . 50. 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 . { PIOURA P 1 2 .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.x¡) = kyxi k ) = k (x -JCI) k (x'4 . La figura P12. 3 y 2. definiendo las interrelacioncs entre los resortes. 3 y 2 kg.4. y están disponibles cada illa.25 0. H u e l.com . 12. pero uhoru triplique el valor de las constantes del resorte.27 Los sistemas idealizados masa-resorte tienen numerosas aplicaciones en toda la ingeniería. pero ahora cambie las masas de 2.12.x ) 2 3 2 3 2 2 2 A Si IIIS cantidades totales son 2.1 1 0 V = 40 2 http://libreria-universitaria.x ) — k (x . En el equilibrio. . respectivamente. 2 0 MOURA P 1 2 .42 ñ=25Q 0 volts M e t a l . Si de k a ¿ son de 150.R-20U 2 v W ñ=51i 1 " ' 5 fl-10U 1 O V.blogspot. = 150 volts ñ = 5 í 2 PIOURA P 1 2 . C o m p o . 1 9 — ^ oe= v 0. ¿cuántos componentes se puede producir por día? F = k4{X4 . 12.24 Efectúe el mismo cálculo que en la sección 12. P l á s t i c o . 0.33 0.25 Realice el mismo cálculo que en la sección 12. 2 2 20 Q 1 5£ 2 5 Í 2 V. calcule las x.164 kgpara el metal. respectivamente.0434 y 0.26 Efectúe el mismo cálculo que en la sección 12. se pueden desarrollar las ecuaciones de equilibrio de fuerzas. 12.5 kg a 15.4. plástico y hule.x ) 3 2 3 3 3 4 2 donde las k son las constantes del resorte. pero ahora agregue un tercer resorte entre las masas 1 y 2 y duplique k.

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

28£>): IIKW I 7' 519.11.IH Tres bloques cslnn conectados por unit cnerda sin peso y ih'sciinsiiii sobre un plimo inclinado (véase figura IM2.11.com . 12. se obtiene el siguiente ninjiinlo de ecuaciones simultáneas (los diagramas de cuerpo libre se muestran en la figura P12.28.30 (los ángulos son de 45°).72 MW . R = 108.blogspot./ T I A * .'..29 http://libreria-universitaria. Si !<u usa un procodiniicnlo similar al usado en el análisis del paracaidista en caída libre del ejemplo 9.28 <7). 12.29. pero ahora para el sistema que se muestra en la figura P 12.27 FIGURA P 1 2 .55 - Encuentre la aceleración a y las tensiones 7'y l< en las dos cuerdas.216.•i.29 Realice un cálculo similar al que se pidió en el problema 12. pero ahora para el sistema expuesto en la figura P12.30 Realice el mismo cálculo que en el problema 12. 3 0 FIGURA P 12.28.

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

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

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

la segunda derivada. Máximo 0 x http://libreria-universitaria. a veces se debe usar aproximaciones por diferencia finita para estimar la derivada. Lo óptimo es el punto donde la curva es plana. En términos matemáticos. Más allá de ver la optimización como un problema de raíces. 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. algunos métodos de optimización buscan encontrar un óptimo al resolver la raíz del problema: f'{x) — 0. el cero) de la nueva función. De hecho.blogspot. en el sentido de que ambas involucran valores iniciales y búsqueda de un punto sobre una 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. Todos los estudiantes de ciencia e ingeniería recuerdan el trabajo con problemas de máximos y mínimos cuando determinan las primeras deriva- FIGURA PT4. En contraste.1./"^). el punto es un máximo. PT4.com . el punto es un mínimo. indica si el óptimo es un mínimo o un máximo: si f"(x) < 0. Si comprendemos ahora la relación entre raíces y óptimo podríamos sugerir una posible estrategia para determinar el último.OPTIMIZACIÓN PT4.1.1 MOTIVACIÓN La localización de raíces (parte dos) y la optimización están relacionadas. Por tanto. los métodos de cálculo diferencial aún están en uso para determinar soluciones óptimas. si f"(x) > 0. se puede diferenciar la función y localizar la raíz (es decir. Esta tiende a hacer de la optimización una tarea más fácil de seguir en particular para casos multidimensionales.1 Una función de una sola variable ilustra la diferencia entre raices y el óptimo. esto corresponde al valor de x donde la derivada f'(x) es igual a cero. Debería observarse que tales búsquedas con frecuencia son complicadas porque f'(x) no está disponible analíticamente. la optimización involucra la búsqueda del mínimo o el máximo. Además. La diferencia fundamental entre los dos tipos de problemas se expone en la figura PT4. Esto es. La localización de raíces involucra la búsqueda de raíces de una función o funciones.

R e e J de tubería óptimas.com .1 -2 . introd u j e r o m l ° fundamentos del cálculo de variaciones. L c r > s ingenieros deben diseñar en forma continua dispositivos y productos que realicen t a r . Koopmans en el R .^ forma efectiva. e e a .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.i ° .ñ o de proyectos de abastecimiento de agua. Rut o á s corta de un vendedor que visita varias ciudades durante un viaje de venias. Mi n imízar tiempos de espera y ociosos. trabajaron en forma independiente ¡ ^ o b r e el problema general de distribución a bajo costo de artículos y productos. E s t * " 9 ¡ de corte de materiales para un costo mínimo. de un problema. es decir. P í o neación del mantenimiento para minimizar costos. Pre^decír el comportamiento estructural al minimizar la energía potencial. Este método abrió el camino a muchos investigadores hacia otros rrrT-étodos de optimización restringida. como en presas.Algunos ejemplos comunes se listan en la tabla PT4. Mca ¡ ' 1° potencia de salida de redes eléctricas y maquinaria mientras se minimiza el caloi generado. u óptima solución. En 1947.1 • • • • • • • • • • • • • • • • Algunos ejemplos comunes de optimización en la ingeniería. deben mantener costos bajos. Dantzig. para mitigar el daño por inundación m i e n t r a s se obtiene máxima potencia de generación. Euler. Así. se han derivado de simular el comportamiento de un dispositivo o s i s t e m a de la ingeniería. inventó el método simplex para resolver problemas .1. D i s v . Q ^ n t r p l de inventario.blogspot. los ingenieros siempre se hallará J i confrontado problemas de optimización que equilibren el comportamiento y las l i m i t a c = . En contraste. Pie* neación óptima y calendarizada. El planteamiento de la optimización restringida también se desarrolló en f ^ o r m a rápida siguiendo la disponibilidad tan amplia de las computadoras. Al hacer esto. la optimización tiene que ver típicamente con la deterrrínínación del "mejor resultado". Lagrange y otros. D¡sv©ño de bombas y equipos de transferencia de calor para máxima eficiencia. G\s~&ño de un avión para un mínimo peso y máxima resistencia. el cual trata con la minimización de funcionales. s e PT4. 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. en el contexto d ^ l modelado. ellos están restringidos por las limitaciones del m u n d o físico. Tro yectorias óptimas de vehículos espaciales.e ñ o r sistemas de tratamiento de aguas para cumplii con «sláiiclmos do uilklud ilnl nijiici ci bu|ii costohttp://libreria-universitaria. D ¡ » ñ o de estructuras en la ingeniería civil con un mínimo costo. puesto que se usan para prescribir un curso de acción o el mejor diseño.354 OPTIMI I Z A C I Ó N das de l a s funciones en sus cursos de cálculo. Bemoulli. Además. entre los más notables se encuentran Chames y sus cc^>laboradores. A n * c i l ¡ ¡ s estadístico y modelado con un mínimo error. El siguiente ejeme a s e n nes TABUBt PT4 . < m 2 a r m s e s D i s . e s ¡ l estudiante de Koopman.<3 programación lineal. los modelos matemáticos son con frecuencia llamados modelos prescri^ptivos. problemas de optimización donde las variables son conf i n a d a ^ en alguna forma.e i n o Unido y Kantorovich en la ex Unión Soviética. El método de los multiplicadores de Lagrange se desarrolló para optimizar p r o b l e r r n a s restringidos. Así. e a .

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

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

com . http://libreria-universitaria. se puede sustituir en la ecuación (1. se reconoce que se ha formulado la ecuación (PT4.8) -{c/m)t donde z = altura inicial (m). En lugar de esto.PT4. Esta función. se debe resolver para el tiempo al cual z se acerca a cero.1 MOTIVACIÓN 2 donde v = velocidad (m/s). es necesaria una relación entre la distancia de calda z y el tiempo de caída t. Aunque la ecuación (1. 0 0 z 1 (PT4.10) por integración Jo c Esta integral se puede evaluar para obtener gm t (PT4. no se necesita z como una función de t para resolver este problema. Esto es. Así.10) Una vez que se calcula el tiempo de impacto.— t c 0 gm- (1 -(c/m)t (PT4.3.10) con el fin de resolver para la velocidad de impacto.9) 0 = z . g = aceleración de la gravedad (m/s ).10) provee una relación entre v y r. 0 provee una forma c de predecir z conociendo t.9) como un problema de determinación de raíces. como muestra la gráfica de la figura PT4. La distancia de caída se puede calcular de la velocidad en la ecuación (1. Por tanto. se debe calcular el tiempo requerido por el paquete para recorrer en caída la distancia z . se necesita conocer en cuánto tiempo cae la masa. m = masa (kg) y t = tiempo (s). Sin embargo.blogspot.

parecer simples ecuaciones [por ejemplo.15) (PT4.13) (PT4. Estas pueden ser números reales o enteros. la ecuación (PT4. Plantearíamos un punto más antes de proceder. pueden ser en extremo valiosas las técnicas que pueden encontrar lu solución http://libreria-universitaria.19) l = 4lr c = kA c Mi m = — n t = raíz c Resolveremos este problema en el ejemplo 15. Estos son • • • El problema involucrará una función objetivo que contiene su meta. .14) (PT4. en nuestro caso.blogspot. Por ahora. En nuestro ejemplo. Por ejemplo. Tendrá también un número de variables de diseño. El problema incluirá restricciones que reflejan las limitaciones bajo las cuales se trabaja. Aunque la función objetivo y restricciones pueden. en forma superficial. pueden involucrar otros métodos numéricos [ecuación (PT4. de hecho son la "punta del iceberg". pueden estar basadas en modelos y dependencias complejas. Es decir.12) (PT4.16) (PT4.4 al final del capítulo 15.18)]. mientras se minimizan las funciones de evaluación. reconozca que se tiene uno de los elementos fundamentales de los otros problemas de optimización. que usted enfrentará en la práctica de la ingeniería. Esto significa que las relaciones funcionales que usted estará usando podrían de hecho representar cálculos grandes y complicados.1 I) sujeta a v < v n > 1 donde A = 2nr 2 c (PT4.18) (PT4.358 OPTIMIZACIÓN La especificación final del problema podría ser Minimizar C = n(c + c.com óptima. Así.12)]. estas variables son r (real) y n (entero).€ + 0 cA) 2 2 (PT4.17) (PT4.

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

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

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

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

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

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

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

Si se toma el recíproco y R = € /€.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. 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. Esta meta se puede alcanzar al especificar que las siguientes dos condiciones se cumplan (véase figura 13.OPTIMIZACIÓN UNIDIMENSIONAL N O RESTRINGIDA f[x)k Primera iteración FIGURA 13.2 El paso inicial del algoritmo de búsqueda de la sección dorada involucra escoger dos puntos interiores de acuerdo con la razón dorada. La segunda indica que el cociente o razón de I IIN longitudes debe ser igual...1) se puede sustituir en la (13.com . Como en la bisección.1) (I3. La clave para hacer eficiente este procedimiento es la mejor elección de los punlim intermedios.2).blogspot.> La primera condición especifica que la suma de las dos sublongitudes € y £ debe m igual a la longitud original del intervalo. se llega a 2 ÍI+Í2 2 (I-VI) (114) o R + R1 =0 (I.2): lo = li +h x 2 (13.

cada número después de los dos primeros representa la mima de l o s dos precedentes. razón fue empleada para un gran número de propósitos. I .5. L o s antiguos griegos llamaron al siguiente número ln "razón dorada": > A I'.667.3. la razón de números consecutivos se aproxima a la l»*on dorada! Este valor. Sus dimensiones frontales pueden casi ajusfar en forma exacta dentro de un rectángulo dorado.3 El Partenón de Atenas. 1/H = 0. a ciertos números se les otorga cualidades. x¡ y x .625. es el elemento clave del método de la sección dorada que hemos desarrollado conceptualmente. . Entre otras cosas. 2 1 . una interesante propiedad de la secuencia de I'IIMIIIIICCÍ FIGURA 13.4. os decir.blogspot. I 'or ejemplo.1). muchos de los templiiN siguieron esta forma. d =—-—(x x\ = xi + d x 2 u .2/3 = 0. u Después. 0/1 = 0. E n el contexto del p í n t e n l e análisis.13. Ahora derivemos un algoritmo para implementar este procedimiento en la computadora. 2 . 1 .1 BÚSQUEDA DE LA SECCIÓN DORADA 367 Cuadro 13. ¡Como mi|iunenios. fue construido en el siglo v antes de Cristo. 3 . 3/5 — ( l o . 1/1 = 1. 5 .61803. Dos resultados pueden ocu- http://libreria-universitaria.615. .a razón dorada se relaciona con importantes series maternal icns conocidas como los números de Fibonacci. 3 4 . Así. en Occidente se suele decir "el 7 de la suerte" y "viernes 13". el método comienza con dos valores iniciales. Esta secuencia detonó en muchas rtii'iiN diversas de la ciencia y la ingeniería.1 L a razón dorada y los números de Fibonacci lili muchas culturas. I . los cuales •on 0. 8/13 = 0. dos puntos interiores x { yx 2 se escogen de acuerdo con la razón dorada. relaciona la razón de números consecutivos en la se- Himieia. que contienen un extremo local de f(x). proporciones fueron consideradas por los griegos como Incluyendo el desarrollo del rectángulo como en la figura 13. el cual se conoce desde la antigüedad. Como se mencionó antes y se ilustra en la figura 13.x¡) = x„ - d La función HO evalúa en esto» dos puntos interiores. .NIII I : 0. 8 . es llamado la razón dorada (vea el cuadro 13. 1 3 . y asi sucesivamente. 1/2 = 0. Ya que permite encontrar en forma eficiente el óptimo. Grecia.comrrir: . I'NUIN Místicamente agradables.

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

V5- Primero. pasa a ser la frontera superior. Además. x y x . pero éste es un problema más difícil. 10 EJEMPLO 13.528.com .8% de su longitud inicial.) ya que se determinó en la . esto es. el máximo en el intervalo está definido por x¡. se usa la razón dorada para crear los dos puntos anteriores 1 ( 4 . Como este valor es menor que el valor de la función en x .1 Búsqueda de la sección dorada Enunciado del problema .472 xx = 0 + 2. 2 2 x t u 2 2 d = 2 1 (2. Esto significa que después de 10 vueltas. Todo lo que falta es calcular la nueva razón dorada y x . 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 — 4.472 . Después de 20 vueltas. u Solución.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.0) = 1.472) = 0.472 = 2. ) = /(2. x y x . esto es. i ül proceso se puede repetir.765 / ( * .944 La evaluación de la función en x es/(0. = 1. iteración previa como/(l. no se tiene que recalcular/(x.472.528 2 La función se puede evaluar en los puntos interiores f(x ) 2 =/(1.1.618 o 0.008 o 0. el máximo está en el intervalo prescrito por x . la frontera inferior permanece x = 0.531. el intervalo se acorta a cerca de 0. Así.994) =1.2. De hecho.0) = 2.63 Debido a que f(x ) >/(*i).528 x = 4 .2 sen (1.8%).472 = 1.472 x = 4 . x.blogspot. Como las iteraciones se repiten.528) = 1.765. y x. Esta reducción no es tan buena como la que se alcanza con bisección. x = 2.13. con los resultados tabulados en seguida: 2 ( 2 { u http://libreria-universitaria. Además.528 = 0. se acerca al 0. el intervalo que contiene el extremo se reduce rápidamente. en cada vuelta el intervalo se reduce por un factor de la razón dorada (aproximadamente el 61.528) = 1.0066%.528) = ^ . el primer valor x pasa a ser el nuevo x¡. para el nuevo intervalo.

v = xi .9443 1.x „ ) +2R(x -xi) !)(*„-*.5279 -3.236 (x — x¡) Si el valor verdadero estuviera en el extremo derecho. Debido a que los puntos interiores son simétricos.7595 1.x\ = x„ .0851 '1.4427 con un valor función de 1.6656 1. . . estará en el intervalo superior (x .3901 '(*/) 0 0 1.6656 1.7647 4. Si x.) o 0. Usando un razonamiento similar.4276.com .1378 0.7136 1.1136 0.4/71 1.8885 . la máxima distancia de la estimada podría ser Axft = x¡.5310 1.3050 1.5432 1. un límite superior para la búsqueda de la sección dorada se puede derivar como sigue. es el valor de la función en el punto óptimo.5310 1.7647 1.3050 1.8885 1. Así. este caso podría representar el error máximo.382 (x — x¡).5310 1.4721 1.4752 1.360/ 0. el óptimo estará en uno de los dos intervalos.7595 1. Recuerde que por bisección (véase sección 5.7647 1.4721 2.5279 1.5279 1.5279 1.7647 2.x„ + R(x u u .7595 1.2229 0.7755 1.7647 1.5279 1.52790. si el valor verdadero estuviera en el extremo izquierdo. Observando en el intervalo superior.x¡) = (x.52/9 0.).5432 1.6300 1. Una vez que se completa una iteración.0000 2. Por tanto.3050 1. x para dar u o p t Sa = 0 .3050 1.7595 1. Si x es el valor de la función óptima.2.4721' 1.blogspot. Tal resultado puede entonces ser normalizado al valor óptimo para esa iteración. estará en el intervalo inferior (x¡.x¡) = (1-/?)(*«-*/) o 0.7755 1.5279 1.x¡) . la máxima distancia de la estimada podría ser 2 2 2 v u A.9443 1.7742 x 2 í(x ) 2 d 2.1.7647 1.7136 1.7755. x . Después de ocho iteraciones.7757 e n x = 1.5836 0.4427 1.7647 1.x¡ .6300 0.9443 0. el máximo ocurre en x = 1.370 OPTIMIZACIÓN UNIDIMENSIONAL N O RESTRINGIDA / 1 2 3 4 5 6 7 8 0 0 0.6300 1.7647 1.8885 1. el resultado es convergente sobre el valor verdadero de 1. http://libreria-universitaria. x. cualquier caso se puede usar para definir el error. x x ).7742 1.3901 1.R(x u .7732 Observe que el máximo actual está resaltado para cada iteración.5432 1.7755 1.9443 0./ 0 Xu ~ XI 100% Esta estimación proporciona una base para terminar las iteraciones.5279 0.1). se puede calcular un límite superior exacto en cada iteración.4427 1.x 0 2 = x\ + R{x = {IR u u .4427 1.

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

Muchas evaluaciones. se presenta el pseudocódigo del algoritmo de búsqueda de la sección dorada.blogspot. En la figura 13. en una parte posterior de este libro. Usted debería entender que una función puedeser muy compleja y consumir mucho tiempo en su evaluación. Sin embargo. la "función" involucró tiempo consumido en la integración del modelo.5b se listan las pequeñas modificaciones para convertir el algoritmo a minimización. Usted se preguntará por qué hemos hecho énfasis en la reducción de las funciones evaluación de la búsqueda de la sección dorada. Éstos son 1.5a. F I G U R A 13. ésta podría llamarse muchas veces. Para tales casos. manteniendo las evaluaciones de la función a un mínimo podría dar grandes dividendos para esos casos. se usan funciones sim pies en la mayoría de nuestros ejemplos. Por razones pedagógicas. Tiempo consumido en la evaluación. se describirá cómo se puede usar la optimización para estimar los parámetros de un modelo que consiste de un sistema de ecuaciones difercí íciales. En ambas versiones el valor x para el óptimo se regresa como el valor función (dorado).372 OPTIMIZACIÓN UNIDIMENSIONAL N O RESTRINGIDA En la figura 13. para resolver una sola optimización. En tales casos.com . Existe casos donde el algoritmo de búsqueda de la sección dorada puede ser una parte de muchos más cálculos. Por ejemplo.6). el valor def(x) en el óptimo se regresa como la variable f(x). la velocidad ahorrada podría ser insignificante. 13. http://libreria-universitaria. 2.2 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. Además. Por tanto. hay dos importantes contextos donde minimizar el número de evaluaciones de la función puede ser importante. Cualquier método que minimiza tales evaluaciones podría ser ventaj oso.6 Ilustración gráfica de la interpolación cuadrática. Por supuesto.

v = 4 f{x ) = .7) se obtiene.2 Interpolación cuadrática ] i Enunciado del problema. si se tiene tres puntos que juntos contienen un óptimo.5829 (4 . 1 1 3 6 y sustituyendo en la ecuación (13. 0 x 2 Solución. = 1. Por tanto.5829) ( 4 .769 1.3 .x{) 0 donde x . se puede emplear una estrategia similar a la de la búsqueda de la sección dorada para determinar cuál punto se descartará.4 ) + 1.blogspot. .1) ~ la cual tiene un valor de la función d e / ( 1 .5829 . y x es el valor de x que corresponde al máximo valor del ajuste cuadrático a los valores iniciales.13.7691 /U ) =-3.O ) + (-3.x ) + f(x ) 2 2 2 3 7 3 (x .x ) + 2f(x ) 0 2 2 0 Q x 2 3 (x . el valor de inicio inferior (x ) se descarta.5055 x = 4 2 / ( * . de f(x) = 2 sen x x — 2 Use la interpolación cuadrática para aproximar el máximo j i i j | . x = 0 0 x /(x ) = 0 0 x = 1 / ( x i ) = 1. se puede ajustar una parábola a los puntos.0 ) + 2(-3.1136) (0 . para la próxima iteración.2 INTERPOLACIÓN CUADRÁTICA Así como existe sólo una línea recta para conectar dos puntos. x = 1 y x — 4. De esta forma.1136 2 la cual so sustituye en la ecuación (13. Se puede demostrar que después de un manejo algebraico el resultado es /(¿o) ( x .1136) (O .xj) + f{x\) (x¡ . hay únicamente una cuadrática o parábola para conectar tres puntos. Después se puede diferenciar e igualar el resultado a cero. Después.com . x y x son los valores que fijan el extremo. y resolver para una estimación de la óptima x.5829 0 x.l ) 2 2 2 2 2 2 = } 5 Q 5 5 ~ 2(0) (1 . 2 2 _ X i 0 ( l . 0 jc = 1 0 / ( x ) = 1.) y el nuevo valor de x está a la derecha del punto intermedio. Ya que el valor de la función para el nuevo punto es mayor que para el punto intermedio (x. El valor de la función en los tres valores se puede evaluar.x ) 2 2 2 2 / ( x ) (xi .5055) = 1 .7) para obtener http://libreria-universitaria. ) = 1.4 ) +2(1. ¡ j | | ! | | I * i j | \ I con valores iniciales de x = 0.x ) + 2f(x¡) (x .

la interpcln ción cuadrática puede quedarse con sólo un extremo de intervalo convergiendo.4903 1. Así.0000 1.5829 (1. Deberíamos mencionar que así como en el método de la falsa posición. H 3 6 ) ( l I.7691 ( 4 ¿ (-3.4256 0. vea el método de Brent's en y cois. ln convergencia puede ser lenta.0000 1.0000 1./ 1.5055 .1136) ( I ' l) + 2 ( .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 6.77'. Así. Como prueba de lo anterior.7714. El método se resume como x¡+\ = X¡ f(x¡) fU.4903) = 1.4266 1.blogspot. observe que en nuestro pío. así como otros que usan polinomiales de tercer orden.7691 1.5829 *i 1./ Así. 1.7757 1.4903 -3.5055 1.5829 1. e j e i n P r e s s 13. el resultado es rápidamente convergente sobre i-l valor verdadero de 1.7757 e n x = 1.4276.0000 1.m la acumulación del error de redondeo.) http://libreria-universitaria.4275 1.7/M 1. g(x) — f\x).7691 1.775/ 1.7757 x 2 flx ) 2 * 3 4* ) 3 2 3 4 5 1 .0000 1. como el mismo valor óptimo x* satisface ambos / ' ( x * ) = g(x*) = 0 se puede usar lo siguiente x. se puede formu lar en algoritmos que contienen pruebas de convergencia.4903 1. es un método abierto que encuentra la raíz de x como una función tal que f(x) = 0.'.7691)(4 • la cual tiene un valor de la función de/(1.0000 fue un punto final para la mayoría de la iteraciones.4256 1.505.7757 4.7714 1.0000 4.1136 -3.7691 1.5055' -4') = 1.5055 1.5829 1.7714 1.4903 1.0000 1.) Se puede usar un planteamiento similar abierto para encontrar un óptimo de / ( \ ) ul definir una nueva función.7/.com . En particular. con los resultados tabulados abajo: / 1 -«o 0. Este método. El proceso se puede repetir. cuidadosas estrategias de s e lección para los puntos que habrán de retenerse en cada iteración e intentos de minimi/.V') .0000 1.5055 1.1.4256 1.3 . dentro de las cinco iteraciones.1136 1.7714 1.4903 + 1.4 ) + 2(1.374 OPTIMIZACIÓN UNIDIMENSIONAL N O RESTRINGIDA _ 1.4266 1.¡ + 1 X: - ( M H . (1992).5829 1.5055) 2(1.

La segunda iteración da x.blogspot.5 0.995 .5 0.com .995/5 . 3 Método de Newton I Enunciado del problema.427.2 . El proceso se repite. Además. también comparte la desventaja de poder ser divergente.18965 -2. 5 / 5 .57859.8) para obtener _ 2 eos x¡ — x / 5 —2 senx.995 2 eos 0.5. 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.10229 0. EJEMPLO 1 3 .46901 = a 9 9 5 Q 8 la cual tiene un valor de la función de 1. 5 .77573 -2.17952 http://libreria-universitaria. El método de Newton es abierto y similar al de Newton-Raphson porque no requiere de valores iniciales que contengan el óptimo. 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. ) Solución.87761 -2.77385.88985 -0.T*.1/5 la cual tiene un valor de la función de 1.46901 1.00020 0.0. f(x) = 2 senx Use el método de Newton para encontrar el máximo de 10 0 con un valor inicial de x = 2.57194 1.995 .17954 -2.— 1/5 Al sustituir el valor inicial se obtiene x 5 2 eos 2 .99508 1.5 .42764 1.1/5 = 1..77385 1.2 sen 0.39694 -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. = 0.5. Por último.2 sen 2.00000 -1. con los resultados abajo tabulados: f(x) 2.77573 1.#-TW!B1WB«rüB NEWTON " 17B como una técnica pura encontrar el mínimo o máximo de f(x).09058 -0.57859 1.

8: cuadrática.2.3. x„ = 1.5 Repita el problema 13. 13. diferenciación). PROBLEMAS 13. x = 2. <.5x + 3x + x ción de raíces para determinar el máximo de f(x) y el valor correspondiente de x. dentro de las cuatro iteraciones. que se analizarán en el próximo capítulo. usando la búsqueda de la sección dorada.tiene un mínimo para algún valor de x en el rango — 2 < x < 1. 13.3 Encuentre el valor de x que maximiza f(x) en el problema Use métodos analíticos y gráficos para mostrar que la función 13.25.4 Repita el problema 13. en versión como la secante. 13. = 2.0. 13.blogspot. x.2 x + 12* 4 http://libreria-universitaria. Así. b) Interpolación cuadrática (x = 1. Algunos ejemplos de ingeniería se presentan en el capítulo 16.3.V 4 /(.7 Emplee los siguientes métodos para determinar el máximo de 0 f(x) = 2. Por ejemplo. Emplee un valor inicial de x = 2 y realice tres iteraciones. c) Método de Newton (x = 2.2 Dada la función 0 l 2 13.) Diferencie la función y después use un método de localizaf(x) = 6x + 1. 1%). 13.8x + 12 2 a) Determine en forma analítica el máximo y el valor correspondiente de x para esta función (use por ejemplo. Emplee los valo. no es práctico en otros donde las derivadas no se pueden evaluar en forma conveniente.1 Dada la fórmula f(x) = x . usualmente se emplea sólo cuando se está cerca del óptimo.Y .x. x = 4.x = 2 y x = 6. Esto concluye nuestro tratamiento de los métodos para encontrar el óptimo de funciones de una sola variable. Para estos casos.com a) Grafique la función.x = 2 y a) Búsqueda de la sección dorada (x¡ = — 2. 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.) Use métodos analíticos para probar que la función es cóncava para todos los valores de x.25. b) Verifique que con la ecuación (13. se dispone de otros procedimientos que no involucran la evaluación de la derivada. pero ahora use el método de Newton.5x 6 .1 J5x 2 + \Ax 3 .8 Considere la siguiente función: u s 0 2 4 u 0 2 8 .75. el resultado converge en forma rápida sobre el vulor verdadero.376 Asi. pero ahora use interpolación de la función del problema 13. Emplee valores iniciales de x = 0. Aunque el método de Newton trabaja bien en algunos casos.5. un método de Newton.6 Analice las ventajas y desventajas de la búsqueda de la sección dorada. Una restricción mayor con respecto al procedimiento es que puede divergir con base en la naturaleza de la función y la calidad del valor inicial. = 1 . e = 1 %). £ — i'oulioc 3 iteraciones. se puede desarrollar al usar aproximaciones por diferencia finita para las evaluaciones de la derivada. 13. Por otra parte. iteraciones = 5).9 Emplee los siguientes métodos para encontrar el máximo res iniciales de x¡ = 0 y x = 2 y realice 3 iteraciones.v) = -l. /. e = 1%).. las técnicas descritas aquí son un importante elemento de algunos procedimientos para optimizar funciones multivariables.7) se obtienen los mismos resultados con base en los valores iniciales x = 0. interpolación cuadrática y el método de Newton para localizar un óptimo valor en una dimensión. 13. 0 s 2 3 a) Búsqueda de la sección dorada (x¡ = —2.

e = 1%).v. 13.1.l. el óptimo x y f(x). pero debe regresar un mensaje de error. iteraciones — 5).01).2 Determine el mínimo de la función del problema 13. 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. Si no es así. Diseñe el subprograma de tal forma que esté expresamente diseñado para localizar un máximo. M I ' I )es!irrolle un subprograma usando un programa o lengua. Verifique si los valores iniciales ajustan a un máximo.com . y después con base en este reconocimiento implemente en forma adecuadu la búsqueda de la sección dorada.0). la subrutina no debe 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. . Pruebe su programa con el mismo problema del ejemplo 13.f(x¡ . i) Método do Newton (x — — 1. I /( t ) I \ .v Non Mee 10 iteraciones con interpolación cuadrática para ubicar i'l IIIIIIIIIU).3. 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. Use un valor Pruebe su programa con el mismo problema como en el ejemplo liitrhil de . i\s así.11 K oii los siguientes métodos: u) Método de Newton (x = — 1. I l. x = 2 5. . Encuentre ambos. la subrutina deberá implementar el algoritmo.5. 13. • M .v„ ~ 2. pero ahora haga un reconocimiento para determinar si el problema involucra minimización o maximización. Minimice el número evaluaciones de función. 0 s -I u Pruebe su programa con el mismo problema dado en el ejemplo 13. = 1%. pero deberá regresar mostrando un mensaje de error. 13. • ^ ftxi + 8x¡) . La subrutina dorada.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. el óptimo x y/(x). pero ahora usando aproximación por diferencias finitas para estimar las derivadas..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. Minimice el número evaluaciones de función.blogspot. )_ = f{x¡ + Sx¡) . ) + f(x¡ . Itere hasta que el error relativo esté por debajo de un criterio de paro o exceda un número máximo de iteraciones. Diseñe el subprograma de tal forma que esté deberá tener las siguientes características: diseñado para localizar un máximo.13. = — 1.13.14 Desarrolle un subprograma como el descrito en el problema 13. 2 3 A I I. Si no • Encuentre ambos. http://libreria-universitaria. e = 1 %). 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.PROBLEMAS />) Interpolación cuadrática (. x = 1.15 Desarrolle un subprograma usando un programa o lenguaje macro para implementar el algoritmo de interpolación cuadrática. • Veri fique si los valores iniciales ajustan a un máximo. -= 0. Regrese ambos al óptimo de x y f(x). Comente sobre la convergencia de sus resultados (x 0 - ().2 / ( x .»•„ = — 1 e itere para £. Ii) Método de Newton.Sx¡) 2¿x. Use bisección con valores iniciales de x¡ = —2 y x 1 3 1 .v.

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). Para el caso en dos dimensiones. la imagen es ahora como la de montañas y valles (véase figura 14.1 M É T O D O S DIRECTOS Estos métodos varían de procedimientos de fuerza bruta simple a técnicas más eleganlox que intentan explotar la naturaleza de la función.1). Para propósitos del presente análisis.CAPITULO 14 Optimización multidimensional sin restricciones I Este capítulo describe las técnicas para encontrar el mínimo o máximo de una función do varias variables.blogspot. no son posibles imágenes adecuadas. 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. 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. Se adoptar A este planteamiento debido a que las formas características esenciales de las búsqueda* multidimensionales son a menudo más comunicativas visualmente. Las técnicas para la optimización multidimensional sin restricciones se pueden olí» sificar de varias formas. FIGURA 14. Los procedimientos que no requieren dicha evaluación se llaman métodos no gradientes o directos. Aquellos que requieren las dei i vadas son llamados métodos gradientes o métodos de descenso (o ascenso). Para problemas de gratulen dimensiones. Líneas de f constante http://libreria-universitaria. Se ha optado por limitar este capítulo a los casos en dos dimensiones. se dividirán dependiendo de si se requiere la evaluación de la derivada.com .

2 ) ) r = . Máximo http://libreria-universitaria.com . Si un número suficiente de muestras se lleva a cabo.blogspot.14. y la fórmula es x = -2+(2( . EJEMPLO 14. Como su nombre lo indica. y y = 1 a 3.1. máximo de 2 Use un generador de números aleatorio para localizar el f(x.1 Método de la búsqueda aleatoria Enunciado del problema.1 y y = 1 .y 2 (E14. 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. + (x u - x¡)r u Para la presente aplicación.2 + 4r Esta se puede probar al sustituir 0 y 1 para obtener —2 y 2. De forma similar para y. Observe que un solo máximo de 1.5.5. este método evalúa en forma repelida In función mediante la selección aleatoria de valores de la variable independiente.x .1 Búsqueda aleatoria Un simple ejemplo del procedimiento de fuerza bruta es llamado el método de la búsqueda aleatoria.l)r = 1 + 2r FIGURA 1 4 . Solución.1) que muestra el máximo en x = .1. 2 Ecuación (El 4 .1. respectivamente. Si se designa a tal número como r. El dominio se describe en la figura 14.2xy . una fórmula para el presente ejemplo se puede desarrollar como y = yi + (y u y¡)r = 1 + (3 . x¡= — 2 y x = 2.2. Los generadores de números aleatorios en forma típica generan valores entre 0 y 1.2x . y) = y . el óptimo será eventualmente localizado.5 ocurre e n x = — 1 y y = 1.

+ 2. i t e r . y los valores correspondientes de x y y en maxx y maxy.com j .maxf. Program Jump IMPLICIT N0NE INTEGER : : i .*x**2 . siempre encuentra el óptimo global más que el local.x maxy = y END I F END D O PRINT * .e9 00 i .maxy. y). maxy.003075 -1.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 .blogspot.f. Éstos se sustituyen en la ecuación (E14. respectivamente.*x*y .2 . y) .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.. El máximo valor de entre estas pruebas aleatorias se guarda en la variable maxf.maxf) THEN maxf = fn maxx .y.1.maxx.fn.iter + 1 CALL Random(rnd) x .1 .938087E-01 -1. Además.GT. i t e r REAL : : x. 10 D O J . * rnd y . * rnd f n .2.y**2 maxf = -999.1).1 . y) I F (fn.rnd f ( x . maxx. 30 iter .1 . maxf END D O OUTPUT: 30 60 90 120 150 180 210 240 270 300 -9 -9 -9 -9 -9 -9 -9 -9 483753E-01 483753E-01 799424E-01 799424E-01 799424E-01 799424E-01 799424E-01 . Este simple procedimiento de fuerza bruta trabaja aun en discontinuidades y luncio nes no diferenciables. + 4. Se toma un total de 300 muestras y los resultados se despliegan cada 30 iteraciones.y .x .f ( x . 1 http://libreria-universitaria.2.

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

http://libreria-universitaria. Continúeeste proceso generando los puntos 4.blogspot. también observe que las líneas unen puntos alternos tales como 1-3. como se muestra en la figura 14. Este se basa en la observación (véase l.3. 5. Esas trayectorias presentan una oportunidad para llegar directamente a lo largo de la cresta hacia el máximo. Luego. Puesto que una función general no lineal a menudo puede estar razonablemente aproximada a una función cuadrática. 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. la búsqueda comienza a ser menos eficiente al moverse a lo largo de una angosta cresta hacia el máximo. Sin embargo. Aunque se está moviendo en forma gradual hacia el máximo. sin importar el punto de partida. etcétera. pero con diferentes puntos de partida.4 Direcciones conjugadas. Se dispone de algoritmos formales que capitalizan la idea de las direcciones patrón para encontrar los valores óptimos en forma eficiente. 6. Tales trayectorias son llamadas direcciones patrón. el punto 4-6 va en la dirección general del máximo. En efecto. se puede demostrar que sif(x. muévase a lo largo del eje y con la x constante hacia el punto 3. Se implementará en forma gráfica una versión simplificada del método de Powell para encontrar el máximo de FIGURA 14. entonces la línea formada por I y 2 podría dirigirse hacia el máximo.i figura 14. y se mueve a lo largo del eje x con la y constante hacia el máximo en el punto 2. El más conocido de dichos algoritmos es el llamado método de Powell. 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.382 OPTIMIZACIÓN MULTIDIMENSIÓNAL SIN RESTRICCIONES Realicemos una búsqueda univariable por medio de una gráfica. Se comienza en el punto 1.4) de que si los puntos 1 y 2 se obtienen por búsquedas en una dimensión en l¡i misma dirección. y) es una función cuadrática. 3-5 o 2-4. las búsquedas secuenciales a lo largo de las direcciones conjugadas convergerán exactamente en un número finito de pasos.com . Tales líneas son llamadas direcciones conjugadas.

pero de nuevo buscando a lo largo de hy Ahora. Observe que h y h no son necesariamente direcciones conjugadas. Luego la búsqueda va del punto 3 en la dirección h hasta que se localice el máximo en el punto 4.5. Así. se mueve a lo largo de h hasta un máximo que es localizado en el punto 1. Powell ha demostrado que A (formado por los puntos 3 y 5) y h son direcciones conjugadas. Esta ecuación resulta en contornos circulares en el plano x.com . es un método eficiente que converge en forma cuadrática sin requerir evaluación de la derivada. Del punto 4 se llega al punto 5. desde dos puntos diferentes. para una nueva búsqueda en la dirección h-¡ a través de los puntos 0 y 2. Después se busca del punto 1 a lo largo de la dirección h para encontrar el punto 2. como se muestra en la figura 14.blogspot. obsérvese que ambos puntos. y h .2 MÉTODOS GRADIENTE Como su nombre lo indica. Antes de describir los procedimientos específicos.5 Método de Powell. 2 x 2 x 2 2 3 4 3 4 14. f(x.FIGURA 14. los métodos gradiente usan en forma explícita información de la derivada para generar algoritmos eficientes que localicen el óptimo.y)=c-(x-a) ~(y~b) 2 2 donde a. buscando desde el punto 5 a lo largo de h . primero se revisarán algunos conceptos y operaciones matemáticas clave. nos llevará directamente al máximo. Se busca a lo largo de esta dirección hasta que se localice el máximo en el punto 3. http://libreria-universitaria. se han localizado por búsqueda en la dirección ¿ . Desde cero. Se inicia la búsqueda en el punto 0 con las direcciones iniciales A. 5 y 3. pero los algoritmos formales van más allá del alcance de este texto. El método de Powell se puede refinar para hacerlo más eficiente. Sin embargo. Luego.byc son constantes positivas.y.

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. también recuerde que la primera derivada puede indicarnos cuándo se ha encontrado un valor óptimo.6). Suponga que usted está en un lugar específico sobre la montaña (a. Por ejemplo. El gradiente. Un ejemplo podría ser su altura sobre una montaña como una función de su posición. nos indica que al aumentar la variable independiente nos conducirá a un valor más alto de la función que se está explorando. 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). y). ésta es una información útil. Desde el punto de vista de la optimización.2. se puede calcular a partir de las derivadas parciales a lo largo de los ejes x y y por (14. puesto que éste es el punto donde la derivada tiende a cero. Suponga que se tiene una función en dos dimensiones f(x. FIGURA 1 4 . si la pendiente es positiva. x h http://libreria-universitaria. h — 0). Además. 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 14.384 OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES 14. se debe primero entender cómo la primera y la segunda derivada se expresan en un contexto multidimensional. 6 El gradiente direccional se define a lo largo de un eje h que forma un ángulo 6 con el eje x. Del cálculo. para entender por completo las búsquedas multidimensionales. Sin embargo. La elevación a lo largo de este nuevo eje puede pensarse como una nueva función g (h). Esta pendiente. b) y quiere saber la pendiente en una dirección arbitraria. Esas ideas fueron útiles para los algoritmos de búsqueda en una dimensión que se exploró en el capítulo anterior. la pendiente en esta dirección podría designarse como g'(0).1) donde las derivadas parciales son evaluadas c o n * — a y y = b. Si usted define su posición como si estuviera en el origen de este eje (es decir.com . que es llamada derivada direccional.

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

Esto inmediatamente nos indica que la dirección que debe tomarse es 6 = tan' (^j 1 = 1 .com .944 2 2 ' Así. durante el primer paso. la cual es la magnitud de V/. Estos cambios se pueden cuantificar en cada paso mediante el gradiente.608. g'(0) = 4 eos (0.4°) j respecto al eje x. Al moverse hacia adelante. y la dirección del ascenso se modificará de acuerdo con esto.5235) + 8 sen (0. 1 0 7 radianes ( = 63.1) da el mismo resultado.944 Note que para cualquier otra dirección.5235. La pendiente en esta dirección.107) = 8.blogspot.944 unidades de aumento de elevación de pendiente por unidad de distancia recorrida a lo largo de la trayectoria empinada. g'(0) = 4 eos (1. ! i FIGURA 14. tanto la dirección como la magnitud del paso de la trayectoria cambiarán.107) + 8 sen (1.5235) = 7. puede ser calculada como V 4 + 8 = 8. como en la I figura 14. Observe que la ecuación (14.7. la cual es más pequeña.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.7 La flecha sigue la dirección de pasos ascendente calculado con el gradiente. inicialmente se ha ganado 8.107/2 = 0. . digamos 9 = 1. 1 _ i 1 1 1 0 1 2 3 1 4 • x http://libreria-universitaria.

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

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

Podría caminar una distancia corta a lo largo de la dirección gradiente.f(x .Sy) . En tales casos. es decir. su camino podría divergir en la dirección de pasos ascendente./ ( . pero lo más importante es que reduce las evaluaciones de la función. pase a ser el nivel a lo largo de su dirección de viaje. Esto puede algunas veces ser una tarea ardua. Dennis y Schnabel (1996) proporcionan más detalles sobre el procedimiento.blogspot. la reevaluación continua del gradiente puede ser demandante en términos computacionales. ellos son usualmente más complicados que las aproximaciones enlistadas en las ecuaciones (14. y) .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. Además.9).5) a la (14. reevaluar el gradiente y caminar otra distancia corta. la librería IMSL basa la perturbación en el épsilon de la máquina. y 4SxSy Sy) (14.2 / ( . Aunque tal estrategia parece ser superficialmente buena. v . no es muy práctica. Observe que los métodos empleados en paquetes de software comerciales también usan diferencias hacia adelante. usted podría adoptar la siguiente estrategia. usted practicará con frecuencia la opción de calcular estas cantidades internamente mediante procedimientos numéricos. Mediante la repetición de este proceso podría llegar eventualmente al pico de la colina. Este último punto tiene un impacto crítico en el tiempo de ejecución. Las derivadas de forma cerrada serán exactas. En particular. pero el comportamiento del algoritmo puede ser lo bastante benéfico como para que el esfuerzo valga la pena. Tal podría ser el caso de los optimizadores usados en ciertas hojas de cálculo y paquetes de software matemático (por ejemplo. Pero claramente surge otro problema casi de inmediato. y • ~ &y 2 M (14. En muchos casos. El proceso se repite hasta que se alcance la cima. Sin importar cómo se implemente la aproximación./(* + Sx. se podría no tener la opción de introducir un gradiente y un Hessian derivado en forma analítica.Sx. Por ejemplo. Por otro lado.2. y + Sy) + f(x .rmvt í)y 2 2 m c i w w w v w i m r _ / ( ^ y + ¿y) . Se prefiere un planteamiento que involucra moverse en un camino fijo a lo largo del gradiente inicial hasta que f(x. Este procedimiento es conocido como método de pasos aseen- http://libreria-universitaria. Este punto de paro pasa a ser el punto inicial donde V/es reevaluada y se sigue una nueva dirección. A menos que usted realmente tenga suerte y empiece sobre una cresta que apunta directamente a la cima.8) a/ _ 3x3_y / ( x + 5x. Al darse cuenta de este hecho.Sx.com . tan pronto como se mueva. 14. el punto importante es que se pueda tener la opción de evaluar el gradiente y/o el Hessian en forma analítica. para problemas de tamaño pequeño o moderado esto no es una gran desventaja. Luego podría detenerse. v . y) detenga los incrementos. y + Sy) . y . Excel).9) donde S es un valor fraccional algo pequeño. el comportamiento será el adecuado y se evita la dificultad de numerosas diferenciaciones parciales. Sin embargo.

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

9/ dx 9/ dy Las derivadas parciales se pueden evaluar en ( — 1.14.6 Por tanto. nes: f(x.2 MÉTODOS GRADIENTE 391 V f = 3 i + 4j FIGURA 14.2 ( .12) (14.l ) = 6 2x -Ay = 2(—1) — 4(1) = . Solución. como se muestra en la figura 14.10. 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 = 1.6j http://libreria-universitaria. 1). supóngase que x — 1 y y = 2 y V / = 3i + 4j.blogspot. = 2y + 2 . EJEMPLO 1 4 . donde h es la distancia a lo largo del eje h.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. Por ejemplo.com . Las coordenadas de cualquier punto a lo largo del eje h están dadas por 0 0 x = 1 + 3h y = 2 + Ah (14.2x = 2(1) +"2 .10 La relación entre una dirección arbitraria hy las coordenadas x y y. 3 Desarrollando una función 1 -D a lo largo de la dirección gradiente i Enunciado del problema. el vector gradiente es V/' = 6i .

.y) = 2xy+ 2x - Maximice la siguiente función: x -2y 2 2 usando los valores iniciales.( .6/0 + 2 ( .392 ¡ | i s OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES Para encontrar el máximo. a lo largo de un eje h que corre a lo largo de la dirección de este vector. Esto es. esto es. el método es llamado óptimo de pasos ascendente. EJEMPLO 14. Las segunda* derivadas parciales también se pueden determinar y evaluar en el óptimo . se puede explorar cómo resolver la segunda pregunta.l + 6A)(1 . se podría buscar a lo largo de la dirección gradiente./) en lu dirección gradiente. « Al combinar términos. Este método es llamado de pasos ascendente cuando se usa un paso arbitrario de tamaño h.4y = 0 http://libreria-universitaria.l + 6h. dy 2x . Así. Tal problema es equivalente a encontrar el máximo de una función de una sola variable h. se podría generar primero una solución analítica. 1 . Identificaremos la localización de este máximo como h*. Si se encuentra que un valor de un solo paso h* nos lleva directamente al máximo a lo largo de la dirección gradiente. El cual es el valor del paso que maximiza g (y por tanto.4 Óptimo de pasos ascendente Enunciado del problema.com Este par de ecuaciones se pueden resolver para el óptimo. dx y + -fh) = / ( . x — 2 y y = I.6/0 dy d 0 \ = 2 ( . Debido a que esta función es muy simple.2(1 - 6h) 2 ¡ donde las derivadas parciales se evalúan en x = — lyy= 1. y) a lo largo del eje h. Lo cual se puede hacer mediante diferentes técnicas de busque da de una dimensión como las analizadas en el capítulo 13. f(x.l + 6/0 . La función se puede expresar a lo largo de este eje como f(xo + ?fh. ¿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. Para hacer esto.1 8 0 / z + 72A . g(h) = . se desarrolla una función de una sola dimensión g(h) que mapea f(x. x = — lyy= 1.7 2 Ahora que se ha desarrollado una función a lo largo del camino de pasos ascenden te. Solución. las derivadas parciales se evalúan como ' I — = 2y+ dx — = 2-2x^=0 . 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.1 + 6hf .blogspot.

2. h = h*) resolviendo el problema.2 ( .¡)\r . ya que ésta es una simple parábola.i.11) y resolver .2 Z =4 2 2 Por lo tanto. 1) es un máximo.11 .2) = .1 + 6 ( 0 . Ahora se implementará el método de pasos ascendente.2 Esto significa que si se viaja a lo largo del eje h. g'(h*) = 0 .para las coordenadas (x. x = . 2 \ FIGURA 14.2 y = 1 .6(0. http://libreria-universitaria. debido a que | H | > 0 y 9 /73 JC < 0.blogspot.3)].10) y (14. El método del paso ascendente para alcanzar el óptimo. \H\ = .v- m 2 = 2 -4 9y 2 3 / 9x9y a/ 9y9x y el determinante de Hessian se calcula [véase ecuación (14.4 ) . 2 ) = 0. Recuerde que al final del ejemplo 14. g (h) alcanza un valor mínimo cuando h = h* — 0.0 .com . el valor de la función/(2. Este resultado se puede sustituir en las ecuaciones (14. se puede localizar directamente el máximo (es decir. y) correspondientes a este punto.7 2 Ahora.3 ya se había implementado los pasos iniciales del problema al generar g(h) = — 180/r + 726 .3 6 0 F + 72 = 0 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*) = . particularmente en la vecindad de un óptimo. hay otros procedimientos que convergen mucho más rápido.blogspot. Primero. Por tanto.2/i.4 .11).2/z) = g{h) = .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. — 0 .10) y (14.1 .2/z y = .0 .2Í + 1.2 Por tanto.88/z + 0. Además.2 + 1.2(1) = 1.0 . 4 4 / ¡ + 2.11.394 | '• OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES Este paso se describe en la figura 14. 8 8 / 1 * + 2. y) correspondientes a este nuevo punto. 2 + 1. la técnica toma muchos pasos pequeños de cruce en la dirección de la nilit hacia la cima.com es dedicada a esos métodos. . aunque es confiable. el vector gradiente es | V / = 1. El segundo paso es simplemente implementado al repetir el procedimiento.2. v J y y = 1. este nuevo eje h se puede ahora expresar como [ * x = 0 .0 .4 ( .2) pnrn obtener — = 2 ( .11 cuando se mueve del punto 0 al 1. 2 + 1.2 .0 .0 . 2 + 1. listo es porque el nuevo gradiente en cada punto máximo será perpendicular a la dirección original.2(1) = 1 Como se describe en la figura 14. Las coordenadas a lo largo DE .V Í \ — = 2 ( 0 . 2 + 1. 2 ) . . 2 + 1. 2 ) = 1. 2 ) + 2 . y al hacer esto se mueve más cerca del máximo. j J | Puede demostrarse que el método de pasos descendente es linealmente convergente.11) y resolver para las coordenadas (x. las derivadas parciales se pueden evaluar en el nuevo punto de inicio (0.2/! I \ Al sustituir estos valores en la función se obtiene /(0. nos movemos a las nuevas coordenadas.2 ( 0 . lil resto de lu sección http://libreria-universitaria. etiquetailn como punto 2 en la gráfica.2 ít.88 = 0 \ h* = 1 Este resultado se puede sustituir en las ecuaciones (14. Así. y = . tiende a moverse muy lentamente a lo largo de crestas largas y angostan. x = 0 . . El PROCEDÍ miento se puede repetir con el resultado final que converge a la solución analítica. 2 ) = 1.

un método de optimización que usa gradientes conjugados para definir la dirección de búsqueda. Dado que muchas funciones con buen comportamiento pueden aproximarse razonablemente bien por una cuadrática en la vecindad de un óptimo. Además.2.2. 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. Así. se puede demostrar que es cuadráticamenté convergente. Se ha visto cómo empezando con dos direcciones de búsqueda arbitrarias. el método de Newton puede no converger si el punto inicial no está cerca del óptimo.) donde H es la matriz Hessian.-. Método de Newton.(x-x )=0 / Si H es no singular. la cual se puede demostrar que converge en forma cuadrática cerca del 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.3) se puede extender a los casos de multivariable.x.blogspot. Escriba una serie de Taylor de segundo orden para f(x) cerca de x = x. pero se describen en Rao (1996). si la evaluación de las derivadas es práctica. Esto también asegura que el método optimizará una función cuadrática exactamente en un número finito de pasos sin importar el punto de inicio. se puede también mejorar la convergencia lineal de pasos ascendentes por medio de gradientes conjugados.3 Procedimientos de g r a d i e n t e a v a n z a d o En la sección 14. el cálculo de las segundas derivadas y la inversión de la matriz. http://libreria-universitaria. Por otro lado. /(x) = / ( ) + V / ( x .12). el método no es muy útil en la práctica para funciones con grandes números de variables. el método de Powell produce nuevas direcciones de búsqueda conjugadas. La prueba y el algoritmo van más allá del alcance del texto. El método de Newton para una sola variable (recuerde la sección 13. En el mínimo. en cada iteración. 2 .-) + I ( x . En efecto. se ha visto Método del gradiente conjugado (Fletcher-Reeves). para 7 = 1.X. Sin embargo. Este método es cuadráticamente convergente y no requiere la información del gradiente.14.1. l = O Así.com . observe que este método requiere ambos. n V/ = V/(x ) + / //. De manera similar. cómo en el método de Powell las direcciones conjugadas mejoran mucho la eficiencia de la búsqueda univariable. los procedimientos de convergencia cuadrática son a menudo muy eficientes cerca de un óptimo.XifHiix r X / . Este método de nuevo se comporta mejor que el método de pasos ascendentes (véase la figura 14. ) ( x .

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

Encuentre el valor mínimo de /(A. v) . el DFP y el BFGS. se tienen dos aproximaciones al trabajar en forma simultánea: 1) la aproximación original de la serie de Taylor y 2) la aproximación Hessian.com Menta». = x +y 2 2 2 + 2z i . x PROBLEMAS H I encuentre la derivada direccional de /(>. 9 lu LII'IM]II (¡cla de la malla.y) = 2xy + 3 ^ 2 /.14) se compone de las segundas derivadas d e / q u e varían de paso a paso.i) íi\.5y - 1.25 A.2 y y = 2 en la dirección de h = 3/ + 2j. Observe que esto se realiza al igualar a cero las derivadas parciales de/con respecto a x y y. H J l'nitientre el vector gradiente y la matriz Hessian para cada tilín do las siguientes funciones . 5 FIOURA P 1 4 . usando el método de pasos descendente con un criterio de paro de £ = 1 %. o métodos de variable métrica buscan estimar el camino directo hacia el óptimo en forma similar al método de Newton. Los métodos de Quasi-Newton 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.v + j 2 2 P i n .= 2. Sin embargo. BFGS es por lo general reconocido como superior en la mayoría de los casos.y) = m(x + 2xy + 3y ) 2 Construya y resuelva un sistema de ecuaciones algebraicas lineales que maximice/(*). b) Construya una gráfica con los resultados del inciso a) anterior mostrando la trayectoria de la búsqueda.•) /U. Ellos son similares excepto en detalles concernientes a cómo manejan los errores de redondeo y su convergencia. y) = (x- 2) 2 + (Y - 3) 2 Y) ^ 2xy + \. Así. Hay dos métodos principales de este tipo: los algoritmos de Davidon-Fletcher-Powell (DFP) y el de Broyden-Fletcher-Goldfarb-Shanno (BFGS). y) para el problema 14. Los métodos de Quasi-Newton. Estos métodos son llamados de Quasi-Newton porque no usan el Hessian verdadero. sino más bien una aproximación.y. observe que la matriz Hessian en la ecuación (14.3.) I\\. 14.blogspot. Rao (1996) proporciona detalles y declaraciones formales de ambos algoritmos.PROBLEMAS 397 Métodos de Quasi-Newton.2 2y 2 empezando en x — 1 y y = 1. -5 -10 -15-20-25 -2 -1 \ 0 2 X < http://libreria-universitaria.z) l ' M Dada /(\. .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.

2xy 2 2 con valores iniciales x = 0 y y = 0. Pruebe el programa con f(x. http://libreria-universitaria. 1 4 ./lv. Las dimensiones de x y y se dividen en pequeños incrementos para crear una malla. Pruebe su programa con el problema del ejemplo 14.blogspot. y = 0. 1 4 .5.x . 8 Desarrolle un subprograma usando un programa o lenguaje macro para implementar el método de búsqueda aleatoria.39B OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES Diseñe el subprograma do tal forma que esté expresamente di señado para localizar un máximo.x 2 4 - 2xy - y 2 mediante los valores iniciales x = 0.1. Diseñe el subprograma de tal forma que esté expresanien te diseñado para localizar un máximo.6. v) = 3. La versión en dos dimensiones se des cribe en la figura P14. Use un rango de —2 a 2 para ambos xyy14. es más probable localizar el óptimo.y) del problema 14. Emplee el método de bisección para encontrar el tamaño de paso óptimo en la dirección de la búsqueda del gradiente.com .9 La búsqueda por malla es otro procedimiento de fuer/a bruta para optimización.v. La función se eva lúa entonces en cada nodo de la malla.V + 2y + . 6 Realice nuil iteración del método de pasos ascendente para locali/ur el máximo de . Cuanto más densa sea la malla.2x + 1 ly + 2 y .9. Desarrolle un subprograma por medio de un programa o lenguaje macro para implementar el método de búsqueda por malla. 1 4 . 7 Efectúe una iteración del método de pasos descendente del gradiente óptimo para localizar el mínimo de /(. y) = -Ix + \ .

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

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

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

ésta representa una línea punteada interceptando el origen.16. se debe escoger un valor de Z. + 8x < 80 x\ 2 < 9 x < 6 xi xi > 0 >0 Se ha numerado las restricciones para identificarlas en la siguiente solución gráfica. la figura 15. + 175x 2 + l l x < 77 2 2 (1) (2) (3) (4) (5) (6) 10x.2 OPTIMIZACIÓN RESTRINGIDA Solución gráfica Enunciado del problema. se puede agregar la función objetivo a la gráfica. Por ejemplo. Después. Primero. se puede ver que la restricción 3 (almacenamiento de gasolina regular) es "redundante". para Z = 0 la función objetivo es ahora 2 0 = 150xi + 175x o. Las otras restricciones se pueden evaluar en forma similar. Ahora. y la función objetivo es http://libreria-universitaria. 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.1: Maximizar Z Sujeta a 7 JCI 150x. y x que obedecen dicha restricción se hallan por debajo de esta línea (la dirección es designada en la gráfica por la pequeña flecha).com x¡ DOO 150 175 175 x\ .1a. Esto es. Este es el espacio de solución factible (el área ABCDE en la gráfica).1a también proporciona un conocimiento adicional.blogspot. resolviendo para x x 150 2 2 2 175 X l Como se muestra en la figura 15. Además de definir el espacio factible. En particular. el espacio de solución factible no resulla afectado si fuese suprimida. como sobrepuestas sobre la figura 15. se pueden trazar las restricciones sobre el espacio de solución. Observe cómo éstas encierran una región donde todas se encuentran. Para hacer esto. como en la figura 15. Solución. Por ejemplo. los valores posibles dex. puesto que estamos interesados en maximizar Z. se puede aumentar osla » digamos 600. Desarrolle una solución gráfica para el problema de procesamiento de gasolina que se derivó antes en el ejemplo 15.1a.402 EJEMPLO 15.

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

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

el que ofrezca el mejor valor de la función objetivo representará la solución óptima. se cuenta con algo más de recursos que no han sido utilizados por completo. .sc reduce el campo factible todavía más. Si ésta es positiva. resultando en lo que se llama versión completamente aumentada. Para realizar esto. En la siguiente sección se analiza el método simplex. Por ejemplo. Tal punto se conoce de manera formal como un punto extremo. cuánta "holgura" de la fuente está disponible. nos indica que nos hemos excedido en la restricción. esto es. Finalmente..1 y 15. Una variable de holgura diferente se desarrolla para cada ecuación restringida. x ). Es decir.com . recuerde la fuente restringida que se usó en los ejemplos 15. salislucer todas las restricciones. Si esta cantidad se agrega al lado izquierdo de la restricción. Esto es. se dispuso de todo el recurso. Si es negativa. Por último. Como lo indica su nombre. una variable de holgura mide cuánto de una fuente restringida está disponible.1. es decir. Si nos limitamos a puntos extremos factibles.1. si es cero. forma la relación exacta 2 7xi + 11 *2 + Si = 11 Ahora se reconoce lo que la variable de holgura nos indicaba. Maximizar Z = I50*| + I75x 2 http://libreria-universitaria. la variable de holgura proporciona un medio para detectar puntos extremos. se puede reconocer que no todo punto extremo es factible. Así. observe que el punto F en la figura 15. significa que se tiene algo de "holgura" para esta restricción. Además. una vez que se ha identificado todos los puntos extremo factibles. Se podría encontrar esta solución óptima mediante la exhaustiva (e ineficiente) evaluación del valor de la función objetivo en cada punto extremo factible. Variables de holgura. 15.2: 7x. debería quedar claro que siempre ocurre el óptimo en uno de los puntos esquina donde se encuentran dos restricciones. Por ejemplo. las ecuaciones con restricciones se reformulan como igualdades por medio de la introducción de las llamadas variables de holgura. denota que se cumplió exactamente con la restricción. + 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. Puesto que ésta es exactamente la condición donde las líneas de restricción se intersectan. Así. \a es un punto extremo.1371 PROGRAMACIÓN LINEAL figura 15. el procedimiento debe ser capaz de discernir si durante la solución a un problema ocurre un punto extremo.blogspot. fuera del número infinito de posibilidades en el espacio de decisión y enfocándonos sobre los puntos extremo. claramente se reducen las opciones posibles.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. pero no es factible. 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.

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

se alcanza el valor óptimo y termina el método.blogspot. Si todas I UN variables básicas son no negativas. una solución básica para m ecuaciones lineales con n incógnitas so desarrolla al igualar n — m variables a cero. se podría tener 8 008 [ = 16!/(10! 6!)] sistemas 10 X 10 de ecuaciones a resolver! Segundo.1 y 15. Por ejemplo. Las variables cero son formalmente referidas como variables no básicas. para problemas de tamaños moderados. la representación proporciona un resumen conciso de la información clave que constituye el problema de programación lineal. el resultado es llamado solución factible básica. Antes de proceder al siguiente paso. http://libreria-universitaria.1 PROGRAMACIÓN LINEAL Para generalizar.com . y resolviendo las tn ecuaciones para las m incógnitas restantes. sólo 5 son factibles. x = x = 0. El primer paso es empezar en una solución factible básicu (es decir. Se ilustrará el procedimiento mediante el problema de procesamiento de la gasolina de los ejemplos 15.2. Pero éste no es un buen procedimiento por dos razones. ¡Por ejemplo. Ahora un procedimiento directo para determinar la solución óptima podría ser calcular todas las soluciones básicas. un punto de inicio obvio podría ser el A. el procedimiento puede involucrar resolver una gran cantidad de ecuaciones. En forma eventual. si hay 10 ecuaciones (m — 10) con 16 incógnitas (« = 16). Para m ecuaciones con n incógnitas. si se pudiese evitar resolver todos estos sistemas innecesarios. una porción significativa de éstas puede ser no factible. los valores iniciales de las variables básicas son dados automáticamente como iguales a los lados derecho de las restricciones. cuál tiene el valor de Z más grande. Luego se mueve a través de una secuencia con las otras soluciones factibles básicas que sucesivamente mejoran el valor de la función objetivo. para determinar cuáles son factibles. Esto lo realiza al comenzar con una solución factible básica.15. Un procedimiento como tal se describe a continuación. Para casos como los nuestros. Como se muestra en la tabla de la siguiente página. 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. El método simplex evita las ineficiencias descritas en la sección anterior. Claramente. mientras las m variables restantes son llamadas variables básicas. se deben resolver m m\(n-m)\ ecuaciones simultáneas. Primero. esto es. en el problema actual de los C\ — 15 puntos extremos. Implementación del método simplex. se podría desarrollar un algoritmo más eficiente. VA óptimo será una de éstas. en una esquina del punto extremo del espacio factible). la información inicial se puede ahora resumir en un formato tabular conveniente llamado representación.

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

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

Esto incluye el hecho iln que el movimiento ha aumentado la función objetivo a Z = 1 200.'< ii I| 1 :nn Operaciones similares se pueden ejecutar en los renglones restantes para obtener la mirva tabla Básica Z S. |(M« el renglón de la función objetivo. 0 0 0 0 0 1 :i . De acuerdo con los valores de la intei cepción (ahora calculados como la columna de solución sobre los coeficientes de la columna x ). por tanto.8 -0.HH7 10 6 -1 y> Así.1481 0.2037 0.1 0 S 3 S 4 Solución 1 200 21 8 1 ó Intercepción S 4 -55 5.1 -0. Sólo una más de las variables.OPTIMIZACIÓN RESTRINGIDA Después.1852 0. tiene un valor negativo en la función objetivo. los cuales dan una función objetivo máxima de Z = I 413. Z 1 0 0 0 0 x i 0 0 1 0 0 x 2 Si 0 1 0 0 0 15 -0. 2 2 Básica Z X Z 1 0 0 0 0 * 1 x 2 S . el método simplex mueve los puntos dr B a C e n la figura 15. Así. Por ejemplo.3.889 y x v Si OITÁN } 4. todavía en la base. y se escoge. como la variable de entrada.blogspot.V.7 0. Esta tabla se puede usar entonces para representar el próximo. la nueva tabla resume toda la información para el punto B. la primera restricción tiene el valor positivo más pequeño y.8 1 0 0 0 1.1296 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. 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 '. la eliminación Gauss-Jordan se puede implemcnluí para resolver las ecuaciones simultáneas. el pum > final. Además. 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. La solución final se tabula como x¡ — 3.2037 -0.889. sabemos que la solución está limitudu por ln primer» y http://libreria-universitaria. en los otros renglones se pueden eliminar. se selecciona a S. por tanto.1481 -0. como la variable de salida.1852 -0. El resultado es la tabla final.889. x .1852 7. y en este caso.4 0. Por último.8704 -0.com . los coeficientes x.1296 0. como .

se dará una introducción a algunos de los más útiles. Así. Esto lo hace al resolver un conjunto de ecuaciones no lineales para las variables básicas en términos do variables no básicas. Estas involucran colocar expresiones adicionales para hacer la función objetivo menos óptima en tanto la solución se aproxima n la restricción. se lleva a cabo la búsqueda en una dimensión a lo largo de esa dirección mediante un procedimiento de tamaño de paso variable. requiere el almacenamiento de una aproximación de la matriz Hessian. 1978. http://libreria-universitaria. el método no lineal usado en el Solver de Excel. Se escoge primero una dirección do búsqueda.3. El procedimiento del gradiente conjugado está también disponible en Excel como una alternativa para problemas grandes.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. La selección por default es un procedimiento cuasi-Newton (BFGS) que. 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. 15. Aunque talos métodos pueden ser útiles en algunos problemas. El método de búsqueda del gradiente reducido generalizado. desarrollados y publicados por el Laboratorio Nacional Argonne. Primero "reduce" el problema a uno de optimización no restringida. Esta función resuelve ecuaciones y acomoda varias restricciones mediante el método Lenenberg-Marquardt tomando de los algoritmos do dominio público M1NPACK.com .blogspot. Después. El uso de esta función para aplicaciones no restringidas se describió en In parte dos. la solución será no aceptada por violar las restricciones. 1992). Este es. Si Find falla en la localización de una solución que satisface las ecuaciones y restricciones. es uno de los más populares métodos directos (para detalles. regresa con un mensaje de error "no se encontró solución". o GRG (por sus siglas en inglés). Una vez que se ha establecido la dirección de búsqueda. de hecho. Dichos procedimientos se pueden dividir en forma general en directos e indirectos (Rao. En esta sección. Este procedimiento se ejecuta muy bien en la mayoría de los casos.. Sin embargo. véase Lasdon y cois. que se puede usar parn resolver hasta 50 ecuaciones algebraicas no lineales simultáneas con restricciones de desigualdad. Mathcad contiene también una función similar llamada Minerr .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. 15.1 Momead Mathcad contiene una función en modo numérico llamada Find. Un procedimiento típico indirecto usa las muy conocidas funciones de penalización. Lasdon y Smith.15. como se describió en el capítulo 14. se resuelve el problema no restringido usando procedimientos similares a los descritos en el capítulo 14. Esta función da resultados de solución que minimizan los errores en las restricciones aun cuando no puedan encontrarse soluciones exactas. 1996).

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

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

1 2 3 4 5 6 '7. de regular Almacén.* Regular Producido Prémium Total 4. por unidad 11 8 77 80 4. Después de agregar cada una de las restricciones.888889 7 10 Materia prima Tiempo Almacén.414 OPTIMIZACIÓN RESTRINGIDA marión pertinente.6 Hoja de cálculo de Excel con la solución al problema de programación lineal.888889 3. 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-. E s t o FIGURA 15.blogspot.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 3.888889 77 80 9 6 http://libreria-universitaria. ' A | B j C | Problema para el preces. 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. Ahora. Esto abrirá un recuadro de diálogo como el siguiente Celda de referencia: D6 Restricción Eó Como se muestra. . el botón "Add" puede ser seleccionado. se leccionamos el botón OK para regresar al recuadro de diálogo del Solver. antes de la ejecución.com n o 150 175 . se debería seleccionar el botón options del Solver y revisar el recuadro rotulado como "Assume linear model"(Suponer modelo linear). de gasolina 1 : D E Disponib. hará que Excel emplee una versión del algoritmo simplex (en lugar del Solver no lineal más general que normalmente usa) que acelera su aplicación. de prémium Aprov. Cuando se haya introducido las cuatro restricciones.

Valor 2 000 9. regrese el menú Solver. Recuerde que en el ejemplo PT4.com .2.13. Además de obtener la solución.6).1 se desarrolló una optimización restringida no lineal para minimizar el costo de la caída de un paracaídas en un campo de refugiados.8 200 56 0. las siguientes cantidades se definen como http://libreria-universitaria.3. 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.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. se abrirá un recuadro de diálogo con un reporte sobre el éxito de In operación. el Solver también proporciona algunos reportes resumen útiles. 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.L4 ) 2 0 c sujeto a v < 20 n > 1 donde n es un entero y todas las otras variables son reales.3 OPTIMIZACIÓN C O N PAQUETES DE SOFTWARE 411 Después de seleccionar esta opción. 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. 15.19) se obtiene Minimizar C = «(200 + 56( + 0.4 Uso del Solver de Excel para la optimización restringida no lineal Enunciado del problema.1).11) a (PT4. Estos serán explorados en las aplicaciones de la ingeniería que se describen en la sección 16.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. Para el caso actual. el Solver obtiene la solución correcta (véase figura 15. Además. Una vez más. EJEMPLO 15. Cuando seleccione H botón OK.

en la sección 16.8m2 ( 1 _ e^clm)i) 9. Después coloqúese en la celda B20 y apunte su valor a la celda B21. la fórmula siempre converge.480856 500 + 9.8) [es decir.OPTIMIZACIÓN RESTRINGIDA A = 2nr 2 í = V2r c = 3.8m Una vez que se introducen estas fórmulas. Un método \ podría ser desarrollar un macro para implementar un método de localización de raíces.3. Ahora. Se puede teclear la ecuación (15.8m ¿ '¡+1 — (1 -(c/m)f. í Solución. | tal como el de la bisección o de la secante.7)].6) -(I-e -(c/m)t t = raíz 500 V= 9 1 (15. 5009. Antes de implementar este problema en Excel. 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. un procedimiento más fácil es posible mediante el desarrollo de la í siguiente solución por iteración por punto fijo en la ecuación (15.blogspot. t se puede ajustar hasta que se satisfaga la ecuación (15. Ahora.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). Se puede demostrar que para el rango de parámetros usados en este problema.- 9./(r)].4 m - ¥í n 9.) Mientras tanto.7).8w (15.8) Así. ¿cómo se puede resolver esta ecuación en una hoja de cálculo? Como se muestra abajo.com .8m c e (15. A 20 21 B r itl 0 0. (Advierta que se ilustrará cómo realizar esto ] en el próximo capítulo. se desplegará en forma inmediata el mensaje de error: "no se puede resolver referencias circulares". vaya a las selecciones Tools/Options del menú y seleccione calculatlon http://libreria-universitaria.7) ' % -(c/ m ) f j | Use Excel para resolver este problema para las variables diseño r y n que minimicen el costo C.8). ya que B20 dependo do IÍ21 y viceversa.

Esta repetición en la celda El 1 muestra que la estructura de las restricciones es evidente en la hoja.7 Acondicionamiento de una hoja de cálculo en Excel para el problema de optimización no lineal referente al paracaídas. que se pueden cambiar si se desea).com .6) con base en los valores de M (B4) y n (E5). Por ejemplo.blogspot. la masa en B17 se calculó con la ecuación (15.414214 2000 Costo 9 283. note que la celda que habrá de minimizarse es E l 5 . las celdas convergerán sobre la raíz. Por ejemplo. t FIGURA 15.(cálculo). Finalmente. 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. que contiene el costo total. Del recuadro de diálogo calculation.283185 1. En la figura 15. Las celdas no sombreadas son las que contienen los datos numéricos y las leyendas.25595 Así. Las celdas sombreadas involucran cantidades que se calculan con base en las otras celdas.7 se muestra cómo establecer una hoja de cálculo en Excel para calcular los valores pertinentes. la celda El 1 se direcciona a la celda E5. sólo presione la tecla F9 para que se realicen más iteraciones (el default es 100 iteraciones. en las cuales se tiene el radio y el número de paracaídas. ' 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. verifique que apurezca "iterución" y presione "OK".8 200 56 0.1 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. Si se quiere tener más precisión. Las celdas a cambiar son E4:E5.1438 R a i z : localización: t fifi http://libreria-universitaria.

En esta etapa se desplegará un recuadro de diálogo.C Restricción FIGURA 15.418 OPTIMIZACIÓN RESTRINGIDA Una vez que se ha creado la hoja de cálculo.44432 14 A 4.262 http://libreria-universitaria.Q4v76 27.162952 15 1 163. Las celdas pertinentes en el recuadro de diálogo Solver se podrían llenar como Ubique la celda dentro.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 4377.8 200 56 0. 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 9.333 16 c m 333.V I ' E 5 = entero Se debe agregar las restricciones una por una al seleccionar el botón "Add".blogspot.com . 19 fin 1 R a i z : localización: 27. Igual a O máx Al cambiar celdas E 1 5 • mín O igual a 0 U E' E i 5 E"?> .04076 .3 1 0 K .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. se elige la selección Solver del menú Tools. Esto abrirá un recuadro de diálogo como el siguiente Celda de referencia: E.8 Hoja de cálculo en Excel con la solución del problema de optimización no lineal referente ni caídas. requiriendo la información pertinente.

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

420 T A I L A 15.blogspot.. 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 .1 Categoría Minimización no restringida Función univariable OPTIMIZACIÓN RESTRINGIDA Rutinas IMSL para optimización.com GGUES CHJAC Gradiente por diferencias centrales Gradiente por diferencias hacia adelante Hessian por diferencias hacia adelante Hessian por diferencias hacia adelante mediante gradiente analítico Jacobiano por diferencias hacia adelante Verificación del gradiente proporcionado por el usuario Revisión del Hessian dado por el usuario Verificación del Jacobiano proporcionado por «I usuario .

5 U J O de IMSL p a r a localizar un 1 0 I 0 óptimo j Enunciado del problema. Un ejemplo de la corrida es \ i 1. http://libreria-universitaria.fx.775726 -4. la compañía obtiene utilidades de $45 y $30 por e«<ln unidad.739729E-04 PROBLEMAS I 1 1 Inii compañía produce dos tipos de productos.6 . 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 . x .a. Los productos requieren 20 y í kg de materia prima por kg de producto. a) Establezca el problema de programación linoal pare maxl mizar la utilidad. E .*C0S(x) .fx. Esos productos se producen en una semana de trabajo de 40 horas y al I nuil de la semana son embarcados. respectivamente.*SIN(X) .50 REAL: :xguess-0. . e r r e l .) END FUNCTION FUNCTION g(x) IMPLICIT N O N E REAL::x. a — 2 .6 .g.maxfn. La plnnlii puede almacenar sólo 550 kg del producto total por semana. g t o l .g." • ^ Ttn EJEMPLO 1 5 . se introduce el negativo de la función. E .l . Sólo un producto so puede fabricar a la voz.2 . ) END FUNCTION Observe que como la rutina está acondicionada para minimización. f x . respectivamente. * x / 1 0 .1 AL 15.427334 -1.blogspot.2 .05 y 0.com .xguess.g g—(2. con tiempos de producción de 0. respectivamente. .l .f f—(2.gx) PRINT * .PROBLEMAS " .3). b . g x END P R O G R A M FUNCTION f(x) IMPLICIT NONE REAL::X.gx EXTERNAL f.errrel.f.gtol. y IN compañía tiene acceso a 10 000 kg de materia prima por seiminii.x**2/10.b. REAL::x.15 horas.g CALL UVMIDCf. A y B. Pin último. ! ¡ f(x) = 2 sen x J 10 ! Solución.x. Use la rutina UVMID para determinar el máximo de lii función unidimensional resuelta en el capítulo 13 (recuerde los ejemplos del 15.

15. c) Con un paquete de software o librería apropiado (por ejeui pío. d) Resuelva el problema con un paquete de software. b) Resuelva el problema de programación lineal con el método simplex. . d) Evalúe con cuál de las siguientes opciones se obtendrá la máxima utilidad: aumentar la materia prima.422 OPTIMIZACIÓN RESTRINGIDA sujeto a /. l 'v ecl.7 Considere el siguiente problema de optimización no IIIICBI restringido: Minimizar/(x.}>) = I9x+ sujeto a \ly Minimizar f(x.\x+\.5) + (y .blogspot.1700 x +y < 7 4. 15.2 .4 Considere el problema de programación lineal: Maximizar/X*. Excel. c) Mediante un paquete de software o librería apropiado (por ejemplo. y) = (x . e) Evalúe con cuál de las siguientes opciones se obtendrá la máxima utilidad: aumentar la materia prima. suponga que una nueva fuente de materia prima para la gasolina se ha descubierto. 15. Excel. b) Mediante el método simplex. c) Solucione el problema do programación lineal con el método simplex. c) Solucione el problema con un paquete de software.y) = 12* + lOy http://libreria-universitaria.5JC + 3 .2 Suponga que para el ejemplo 15. Mathcad o IMSL) pura obtener una ONlinmuion mát exacta. Minimizar/(x:.v + 2y < 500 x >0 }>0 Obtenga la solución a) Gráficamente.) Resuelva el problema do programación lineal en forma gráfica.9 x >0 y > 0 15 . IÍXITI.5 Use un paquete o librería de software (por ejemplo. Mathcad o IMSL).. y) l. 5 } ' < 1600 . Mathcad o IMSL) para resolver el siguiente problema de opluul zación no lineal restringido.Í Use un paquete o librería de software (por ejemplo. y . 15. 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 .9y . el almacenamiento o el tiempo de producción. de tal forma que el total disponible se duplica a 154 m /por semana. .5}' < 15 x+y < 7 2x + y < 9 x>0 y > 0 Obtenga la solución a) Gráficamente.y 3 Además. Maximizar f(x.com y > 0 15. 5 ) 2 2 sujeto a x + 2y = 4 a) b) Use un procedimiento gráfico para estimar la solución. y) = —x + y 3 sujeto a x + y > 0. . . Utilice un paquete o librería de software (por ejemplo.95 x + 2y < 2 x > 0 2 2 x + 2. a) Establezca el problema de programación lineal para maximizar la utilidad.2.1. el almacenamiento o el tiempo de producción. b) Por medio del método simplex. líxiW. Mathcad o IMSL).3 Considere el problema de programación lineal 3 sujeto a x + y < 0.. Mathcad o IMSL) para resolver el siguiente problema de opiitin zación no lineal restringido.

ll UNO un pnquelc o librorln de solUvarc puní determinar el de . y). http://libreria-universitaria.7 .° Uliliee un paquete o librería de software para determinar el máximo de /(.2.10 Dada la siguiente función.2xy .r) ~ .5y - \.y) = 3./'(.x ..25x 2 2y 1 lít.v.com .blogspot.v.•.y 2 4 2 15. y sustituya el resultado del inciso b) en la última para verificar que se lia detectado un mínimo. b) Numéricamente.. c) Sustituya el resultado de b) en la función para determinar el mínimo f(x. d) Determine el Hessian y su determinante.)•) 2.5x + 2y + x .Ift.»>> + \. r I I. use un paquete o librería de software puru determinar al mínimo a) Gráficamente./'(.V'' -1 1 ly I 2/ 2\y IUI'IHIIIIO .

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

blogspot. además del costo. Además. Sin embargo.1 Parámetro Parámetros para determinar las dimensiones óptimas de un tanque cilindrico para transporte de desechos tóxicos. Un esquema del tanque y de la caja se muestra en la figura 16. 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. Observe que lo último involucra soldar ambas: la costura interior y la exterior en donde se conectan las placas con el cilindro. Los datos necesarios para el problema so resumen en la tabla 16.1 Parámetros para determinar las dimensiones óptimas de un tanque cilindrico.5 20 rrr' cm kg/rrv m m 1 $Afj $/m http://libreria-universitaria. se requiere de un espesor especificado por ciertos reglamentos.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. El objetivo aquí es construir un tanque a un mínimo costo. Solución. El costo está relacionado con las variables de diseño (longitud y diámetro).16. desechos tóxicos que se van a trasladar en un camión. TABLA 16. el tanque consiste en un cilindro con dos placas soldadas en cada extremo. usted debe asegurar que mantenga la cantidad requerida de líquido y que no exceda las dimensiones de la caja del camión. ya que ellas tienen efecto sobre la masa del tanque y las longitudes a soldar.com . y 2) gastos de soldadura que se basan en la longitud necesaria para soldar. el problema es restringido yu que el tanque debe 1) ajustar a la caja del camión y 2) contener el volumen requerido de material. Debido a que el tanque transportará desechos tóxicos.1. el cual está basado en el peso.8 3 8 000 2 1 4. Como puede verso. Su objetivo general será minimizar el costo del tanque.1. El costo del tanque involucra dos componentes: 1) gastos del material.

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

! . W F »( \ )V i » > * C •14. Sin embargo.: 2 1 donde m = 8000 \ Ln D + 0.2 Hoja de cálculo de Excel lista para evaluar el costo de un tanque sujeto a restricciones de volumen requerido y tamaño.16.433 http://libreria-universitaria.blogspot. Con la sustitución de los valores de la tabla 16.2. se puede resumir como Maximizar C = 4.8 0..03 - - + 2JT[ ® + 0. ) rho Lmáx 9 Dmáx n 10 11 cw 0.com Ylaeai 11$ 1 .1. ln : 4K(D + 0. el planteamiento más simple para un problema de esta magnitud es usar una herramienta como el Solver de Excel.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.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. FIGURA 16.5m + 2Q€ Sujeto a TTD L 2 W 4 L D < < = o.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 16.03 8000 2 1 4.03 0.5 20 D L 1 2 Restricciones D L * Vol 1 2 1.03 El problema ahora se puede resolver en diferentes formas. L<L D<D r M Á X El problema está ahora especificado.

EL PRECIO SE REDUCE DE 9 1 54 A 5 7 2 3 .982949 1. la selección Solver se escoge del menú T O O I N (Herramientas).799998 1 2 o.05 M.com Vcora¿u •••• . Una vez creada la hoja de cálculo.72909 1 C http://libreria-universitaria. el volumen cu mayor que el requerido (1.blogspot. YA QUE EL VOLUMEN MÁS PEQUEÑO TIENE LAS DIMENSIONES DE D = 0 . el Solver obtiene la solución correcta. FIGURA 1 6 .236 12. se introducen los límites D y L.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 1215.5 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.8 0. 9 8 M Y L = 1 .8).a 6 0. En este punto aparecerá un recuadro de diálogo que le solicitará la información pertinente. 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.03 8000 2 1 4. Así. podría encararse esta restricción y el problema se reduciría a una búsqueda unidimensional para la longitud.3. Para este caso. Para el caso presente. Observe que el diámetro óptimo es casi el valor de la restricción de 1 m.428 APLICACIONES E N LA INGENIERÍA: OPTIMIZACIÓN Para el caso mostrado. si la capacidad del tanque se aumentara. 3 RESULTADOS DE MINLMIZACIÓN. 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 0.57 > 0.982949 < = 0. la cual se muestra en la figura 16.

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

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

X .10)].00E + 09 4E + 09 0 4. Para esta aplicación se usa la hoja de cálculo Excel.00E-06 jl||ni|iiiliiiii 3 4.5. está sombreada la celda IIV I|II(¡ muestra la fórmula para el costo total que es el que hay que minimizar [véase ecuación (16.* ) P 3 3 „ 4 4 < Cs3 0 < Xi.$B$4*$C$4*$I$4 http://libreria-universitaria.50E + 09 0 2.LINI las fórmulas usadas para calcular C. 4 2.00E-06 FLUJO EN REMOCIÓN SEQMENTO EL RÍO EN EL RÍO 1-3 1.6).48 20 0 TOTAL 0 / / $D$4/$B$10 .OOE + 09 0 1E + 0 9 2. ESTÁNDAR COSTO DE DECA EN EL RÍO TRATAMIENTO 20 100 0 / 40.5E + 0 9 4.2 MlNIMO COSTO EN TRATAMIENTO DE AGUAS DE DESECHO Solución. Como en la figura 16. La columna I 11 MLLENE el cálculo de la concentración de acuerdo con la ecuación (16. CIUDAD P X W D 1 1 .9) + < Cs4 R\3<2\3C\ R34Q34C3 + Q45 2 (1 . la función objetivo es minimizar el costo de tratamiento [véase ecuación (16. Además. el tratamiento no debe ser negativo o mayor que el 100% de remoción [véase ecuación (16.8)] sujeto a la restricción de los estándares de calidad del agua que se deben satisfacer para todas las partes del sistema (16.00E + 0 7 0.X4 2 < 1 (16.50E + 08 J i 4-5 " 1 F G H CONCENT.8) sujeto a las siguientes restricciones (1 (1 " X )P 2 2 223 < c s2 ~ Q4 + R Q 3C (1 ~x )P 3 2i 2 (16. A B I C | D | E Costo m í n m o del t r a t a m i e n t o de a g u a s de desecho N O TRATADA TRATAMIENTO DESCARQA COSTO UNIT. y el costo del tratamiento para la Ciudad 1.35 Í B i " 3-4 1.00E-06 '""•ip'lÍ 2 2.10) De esta forma. Todos los factores antes mencionados se pueden combinar en el siguionto problema de programación lineal: Minimizar Z = d P x l l l m + d^P^ + dPx 3 3 3 + dPx 4 4 4 (16.9).00E-O6 s u .blogspot.5 « f f 2-3 5.8)].SUM($H$4t/$H$7) . los datos junto con los PIOURA 1 6 .X3.00 20 0 / 47. El problema se puede resolver por medio de una variedad de paquetes. Las celdas F4 y H 4 están sombreadas para UN II.16. 5 I LI de cálculo de Excel lista para evaluar el costo de tratamiento de aguas sobre un sistema de ríos regulado.10E + 08 0.com .00E + 09 2E + 0 9 0 2. Además.6 2.OOE + 0 7 0.27 20 0 / 22.

$°§tG§ .00E + 07 0. Para el presente caso.blogspot.5E + 09 15.5 2-3 5.6 RESULTADOS DE MINIMIZACIÓN. el Solver obtiene la solución correcta. LOS ESTÁNDARES DE CALIDAD DEL AGUA SE CUMPLEN A UN COSTO DE 12 600/DIARIOS. se abre un recuadro de diálogo con un reporte sobre el éxito de la operación.00E-06 20. como el de la figura 16.28 4.6 H Costo de tratamiento •16QQ.com 2.OOE + 09 0. Una vez que se crea la hoja de cálculo. observe que se ha generado 3 reportes: Respuesta.50E + 09 0 2.00E-06 Flujo en Remoción Seqmento Total el río en el río 1-3 1.6. 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.00 4. LA CONCENTRACIÓN EN SU PUNTO DE MEZCLADO ACTUALMENTE EXCEDE EL ESTÁNDAR. OBSERVE quo AUN CON EL HECHO DE QUE NO SE REQUIERE TRATAMIENTO PARA LA CIUDAD 4 .00E-06 20 2 2. A :B -. 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. FIGURA 16. ya que el recuadro de diálogo despliega sólo seis restricciones a la vez.35 3-4 1. En este punto. Concent.7. El Solver generará automáticamente un reporte de sensibilidad. requiriéndole la información pertinente.00 0 4. 2000 9000 0 1 2 3 4 6 10 HfH •Pl 20 20 20 20 4-5 http://libreria-universitaria. Seleccione el reporte Sensibilidad y después presione el botón OK para aceptar la solución. la cual se muestra en la figura 16.5 1E + 09 2. se elige la selección Solver del menú Tools. Cuando se selecciona el botón OK. un recuadro de diálogo se desplegará. Sensibilidad y Límites.00E + 07 0.00E + 09 0. No tratada Tratamiento Descarga Estándar Ciudad P X W d en el río deCA ! 1 .432 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN cálculos de la concentración se pueden introducir de manera fácil en lus celdas de la hoja de cálculo.8 2E + 0 8 2.00E-06 4 2.10E + Q8 0.5625 1.OOE + 09 0. Antes de aceptar la solución (al seleccionar el botón OK en el recuadro reporte del Solver).75E + 09 20.

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 . corriente abajo de la ciudad 3) que se están contemplando. ocurre para uno de los cambios de estándar (es decir. 30 1200 16000 10000 Valor final Precios anticip. Para nuestro ejemplo.5 0.28 mg/L).00 -440. 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 . Restric.640 20 20 10 10 http://libreria-universitaria. aunque no se requiere tratamiento para lo ciudad 4.90909091 Ahora examinemos la solución (véase figura 16. el costo) con una unidad que cambia una de las restricciones (estándares calidad-agua). $F $5 __conc $F$6 $F$7 conc_ conc 20.28 -30. = 2 0 Ciudad X Escenario 2 : C o r r i e n t e a b a j o c. LD Aumento permisible Disminución permisible FIGURA 16.7 es el precio anticipado. 3 Comparación de los dos escenarios involucrando el impacto de diferentes regulaciones sobre los costos de tratamiento. . revela que el precio anticipado más grande. E s c e n a r i o 1 : T o d a s l a s c. Como un ejercicio final. representa el costo adicional en que se incurrirá al hacer los estándares más restrictivos.8 0.72 20 17. se puede examinar el reporte de Sensibilidad. Por tanto. la concentración en la ciudad 4 será en realidad menor que el estándar (16. Para el caso actual. — $440/Ac .$19. Como se muestra en la tabla T A B L A 1 6 ..87878788 15. Esto indica que nuestra modificación será costosa. la columna clave de la figura 16.600 20 20 20 15.8 0.8375 0. De hecho.6).com .5 0. " ° 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 0.30'____ 0 ! I + . Antes de hacer esto.264 Costo . El precio anticipado es un valor que expresa la sensibilidad de la función objetivo (en nuestro caso.m M i c r o s o f t Excel 5 .blogspot.5625 0 Costo . í3 Esto se confirma cuando se vuelve a ejecutar el Solver con los nuevos estándares (es decir.$12. Ciudad X 10 c c 1 2 3 4 0.E+.28 1 2 3 4 0.00 15. Observe que el estándar ajustara en todos los puntos de mezclado.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.00 20 20 20 _ 1E+30 _ 20 4.00 _ 20.5 0. se disminuye el valor en las celdas G6 y G7 a G10).00 6 .5625 0 _0 0 10000 4000 16000 10000 !. se puede disminuir los estándares 3-4 y 4-5 para ahora tener 10 mg/L.

A partir de las leyes de Kirchhoff se puede obtener una expresión para la potencia del circuito.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. y R = 10 Ll. al reducir el estándar de concentraciones para las llegadas inferiores significará que la ciudad 4 debe comenzar a tratar sus desechos. Además. Observe también que no se afecta el tratamiento en las duda des corriente arriba. + Ri + Ri) + RiRa + R3R2 ( 1 6 .8 Un circuito resistor con un resistor ajustable.9.com . 16. 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. el resultado es que el costo del tratamiento aumentó de $ 12 600/diarios u $ I 9 640/ diarios. FIGURA 16.434 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN 16. + «1 A R 2 M — F I '3 FIGURA 1 6 . R = 12 Q. 0 0 http://libreria-universitaria.8 contieno tres resistores fijos y uno ajustable.8 como una función de la resistencia del P(R ) a 40 20 Potencia potonciómetro R . R = 8 Q. 1 1 ) a Sustituyendo los valores de los parámetros dados se obtiene la gráfica mostrada en ln figura 16. Observe que la máxima transferencia de potencia ocurre en una resistencia de aproximadamente 16 Q. El circuito simple con resistencias mostrado en la figura 16. a) Encuentre el valor de la resistencia ajustable R que maximiza la transferencia de potencia a través de las terminales 1 y 2. como P(R ) a = Ri(RVRiR. Los resistores ajustables son llamados potenciómetros Los valores para los parámetros son V = 80 V. y que la ciudad 3 debe actualizar su tratamiento. 9 Una gráfica de transferencia de potencia a través de las terminales 1-2 de la figura 1 6 .blogspot. o potenciómetro.

En este punto se desplegará un recuadro de diálogo requiriendo de usted la información pertinente.10. Para este ejemplo. Para el caso actual. el resultado es una potencia de 30.10) se muestra una hoja de cálculo Excel para implementar la ecuación (16. Después.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. Solver obtiene la misma solución correcta mostrada en la figura 16. Tal función es enlistada en la figura 16. Como se indica.44 Q.blogspot. Además. Está claro que el Solver podría llamar muchas veces los diferentes valores de los parámetros. Un planteamiento superior involucra usar la opción Solver del menú Tools de la hoja de cálculo. observe que una función se debe definir también para calcular la potencia de Acuerdo con In ecuación (16. Una forma preferible sería involucrar el desarrollo de una función macro que llegue al óptimo.5. Observe la similitud tan cercana con el pseudocódigo de la búsqueda de la sección dorada que se presentó en la figura 13. se emplea la prueba y error y la opción Solver. Entonces el valor de R (celda B8) puede ser variada en forma de prueba y error hasta que se tenga un residuo mínimo.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 16.44445 t D 3 4 5 6 FIGURA 16.11) se puede introducir en la celda B9.11. se desarrollará un programa macro en Visual BASIC para realizar un análisis de sensibilidad.11). 7 8 9 30.10 l>ciluminación en Excel de ln polc-ncia máxima a través i lo un potenciómetro niiKJiíinle prueba y error.03 W con un valor en el potenciómetro de R = 16. d) En la figura (16.1 ¿. aunque el procedimiento anterior es excelente para una sola evaluación. se despliega un recuadro de diálogo con un reporte sobre el éxito de la operación.com . b) Ahora. Las celdas pertinentes del recuadro de diálogo Solver se llenarán como a a Ubique la celda destino: Igual a 9 máx O mín B9 O igual a B8 0 Por cambio de celdas Cuando el botón OK es seleccionado. pero esto será ineficiente. la ecuación (16. no es conveniente para los casos donde se deben emplear múltiples optimizaciones. Tal podría ser el caso para la segunda parte de esta aplicación. donde estamos interesados en determinar en qué modo la potencia máxima varía para diferentes valores de voltaje. http://libreria-universitaria.11). Primero.

com . En la celda B9 se tiene una función de llamado del macro que referencia el valor adyacente de V (los 45 volts en A9).50 : es .(V * R3 * Ra / CR1 * (Ra + R2 + R3) + R3 * Ra + R3 * R2)) Power .x h l g h : 1 t e r . R l . V) Else xu . R l .PowerCxl.f l Else xopt .f l f l . R3.r ) * AbsCCxu .d : f l .Power(x2.r * (xu . R3.f 2 End I f I f xopt O 0 then ea . R l .x2 x2 . V) Num . x h l g h . En la figura 16.x l + d : x2 . V) End I f 1ter .f 2 f 2 .1 d .0.PowerCxl.( 1 . Se tiene una columna de valores que cubre un rango de los voltajes (esto es.xopt End Functlon A Function PowerCRa. R2. R3.x l : f x . http://libreria-universitaria.x2 : f x . V) maxlt .f 1 Else xopt .x l x l .xl + d : f2 .x2 : f x . R3.f 2 End I f Do d .x l ) / x o p t ) * 100 I f ea <.blogspot. R2.5 .d f l . R l .436 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN Functlon GoldenCxlow. V) f 2 .i t e r + 1 I f f l > f 2 Then xopt .xlow : xu .11 Macro para Excel escrito en Visual BASIC para determinar un mínimo con la búsqueda do la sección dorada. de 45 a 105 V).Num/Ra End Function A 2 FIGURA 16.01 : r .es Or i t e r > maxlt Then E x i t 0o Loop Gol den .Power(x2.r * d I f f l > f 2 Then x l . R3. V) I f f l > f 2 Then xopt .xu . R l .xu .12 se muestra una hoja de cálculo Excel que utiliza este macro para evaluar la sensibilidad de la solución para el voltaje. R2.x l ) x l . R2. R l . R2. R2.(5 0.x2 : x2 . R3.x l : x l .1) / 2 x l .x l : f x .

mientras la referencia con Ves relativa. incluyendo el signo $).com . Los resultados para los valores correspondientes en el potenciómetro (R ) son más interesantes.LIE.$B$3.39358 90 16. el resultado es como el mostrado en la figura 16.1 Rmáx 100 V Ra ^ PiRal 45 1 6 . se incluye también parámetros en la función argumento.13 Resultados del análisis de sensibilidad para el efecto de las variaciones de voltaje sobre la máxima potencia.1 1. \ \ \ Cálculo de la potencia] =(A9*$B$5*B9/($B$3*{B9+$B$4+$B$5)+$B$5*B9+$B$3*$B$4))*2/B9 FIGURA 16.$B$7. Esto se hizo de tal forma que cuando la fórmula se copie. 4 4 4 4 4 9 . I ski iijlina accesa el programa macro para la búsqueda de la sección dorada de la figura 16. mientras que la referencia relativa corresponde al voltaje en el mismo renglón.89189 75 16. Cuando se copian las fórmulas hacia abajo. La hoja de cálculo indica que para un mismo valor. *JF>' 1 M á x i m a t r a n s f • r a n c i a de potencia Rl 8 R2 12 R3 10 Rmín 0. En la figura 16. http://libreria-universitaria.12 I li > | u de cálculo de Excel para implementar un análisis de sensibilidad de la potencia máxima con variaciones de voltaje.44444 38. 7 3 1 4 2 Llama a la macrofunclón hecha en V i s u a l B A S I C Oro ($B$6. 4 4 4 4 4 5 1 .12.$B$5. Además. 5 0 1 6 8 9 6 0 16. las referencias absolutas queden fijas. La potencia máxima se puede trazar para visualizar el impacto de las variaciones de voltaje.$B$4. se tiene una a FIGURA 16.11) en la celda C9.44444 16. las referencias a los valores iniciales superior e inferior y las resistencias son absolutos (esto es. 16. Una estrategia similar se usa para introducir la ecuación (16.13 se observa que la potencia aumenta con el voltaje.44444 26.blogspot.A9) ' I f ' ' 1 1 1 1 1 1 1 / llliilíliiim w \ TI'.44 £2.00676 105 1 6 . Advierta que.

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 16.44 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. Tal resultado podría ser difícil de intuir basado en una inspección casual en la ecuación (16. 16. A usted le interesa probar la respuesta de la mano cuando se ejerce una fuerza en cualquier número de direcciones designadas por el ángti loft Los parámetros para el problema son E = módulo de Young = 2 X 1 0 Pa. l = longitud = 0.14&. A área de sección transversal = 0.56 m.438 APLICACIONES EN LA INGENIERÍA: O P T I M I Z A C I Ó N potencia máxima. otras especial i dades de la ingeniería deben tratar también con el impacto de fuerzas sobre los dispositivos que ellos diseñan.^ i . Determine los desplazamientos para uun fuerza de 10 000 N y un rango de los 8 desde 0°(horizontal) hasta 90° (vertical). V{x. Se puede resolver los desplazamientos e n * y y al determinar ION valores que den una energía potencial mínima. Por su trabajo en la industria de la construcción.blogspot.y) = 1— J x + . Este problema se puede plantear al desarrollar la siguiente ecuación para ln energía potencial del sistema de frenado. Suponga que las fuerzas que usted debe analizar se pueden simplificar.5 m. los ingenieros mecánicos y aeroespaciales deben cumplir tanto con la respuesta estática como con la dinámica en una amplia clase de vehículos que van desde automóviles hasta vehículos espaciales. 1 4 a) Una bicicleta de montaña junto con b) un diagrama de cuerpo libre para una patio <lnl marco.14a). Sin embargo. y h = altura = 0. http://libreria-universitaria. En particular.1 .Fx eos 6-Fy sen 0 (16. los ingenieros civiles son más comúnmente asociados con el diseño estructural. 11 2 Solución. como se ilustra en la figura 16. w — ancho = 0.0001 m .com .11).\ — )y 2 2 .4 D I S E Ñ O DE U N A BICICLETA DE M O N T A Ñ A (INGENIERÍA MECÁNICA/AEROESPACIAl) Antecedentes.'| FIGURA 1 6 .

los resultados se muestran en la figura 16. 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°). Queda claro que. donde la energía potencial es mayor a bajos ángulos.3. En cualquiera de los casos.y) = 5 512 026x 2 + 28 471 2 1 0 / . un algoritmo de búsqueda multidimensional debería implementarse. Una tercera forma de plantear el problema podría ser mediante el uso de un lenguaje de programación como Fortran 90. Como se esperaba (véase figura 16.16. para este caso. Esto se manifiesta también en la figura 16.12) los valores de los parámetros dados y obtener V(x. a) 0 .8660v El mínimo de esta función se puede determinar de diferentes formas. 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.62 con deflexiones de x = 0.blogspot.5000JC .15. En forma alterna. 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. 0 0 1 0 r- m 0. se puede escribir un macro en la misma forma que se hizo en la sección 16. las deflexiones podrían ser más uniformes. Ambos resultados se deben a la geometría del marco de la bicicleta. Sin embargo.156. junto con un software de librerías para métodos numéricos tal como el IMSL. Por ejemplo. Si w fuera mayor. Para 6 ~ 30°.000786 y y = 0. de tal forma que se puedan implementar optimizaciones múltiples en forma simultánea. la energía potencial mínima es — 3.0000878 m.15a).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.0005 - 0. o FIGURA 1 6 . se pueden sustituir en la ecuación (16.com .0000 o o 30 60 90 0 I I I I I I I I I http://libreria-universitaria. observe que la deflexión x es mucho más pronunciada que en la dirección y. mediante el Solver de Excel.

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.'> II/MHIKIIUI http://libreria-universitaria. Encuentre el valor de c para el cual el cree i miento es un máximo. Cada uno de estos productos requiere una cieiln cantidad de materia prima química de diferentes tiempos do producción. y se obtiene diferentes ganancias. 2c ~ ~ 4 + 0. Realice el diseño de tal forma que sean mínimos el área del fondo y sus lados.2 m .blogspot.8c + c + 0.05 hr/kg $30/kg 4 kg/kg 0. A=n(h 2 + r) 2 V = — a) Diseñe el tanque de tal forma que el área sea minimizada. b) Repita el inciso a).2 hi/kg $35/kcj" 3 000 k<] .4. 16.2c 8 2 3 FIGURA P l 6.2 m .1 hr/kg $30kg lOkg/kg 0.3).4 La razón de crecimiento específico de una fermentación que produce un antibiótico es una función de la concentración de comida c. El contenedor va a almacenar 0.1) de tal forma que abra por un extremo y tenga paredes de espesor insignificante.3 Diseñe el tanque cilindrico óptimo con tapas semiesféricas (véase figura P16. FIGURA P 16. Realice el diseño de modo que tanto su tapa como sus lados sean minimizados.2 Un contenedor cónico con tapa.com .3 Un contenedor cilindrico con tapas semiesféricas. Interprete el resultado. 16.').5 Una planta química produce tres productos principales on una semana. 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.2 Diseñe el contenedor cónico óptimo (véase figura P16.1 Un contenedor cilindrico sin tapa. El contenedor va a almacenar 0. Observe que el volumen de cada una de las tapas semiesféricas se puede calcular con 3 3 3 Ingeniería química/petrolera Tapa FIGURA P 16. El contenedor va a almacenar 0.440 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN PROBLEMAS 16.2) de tal forma que tenga una tapa y paredes de espesor insignificante. 16. pero ahora agregue la restricción L > 2/i.2 m y tiene paredes de espesor insignificante. 16.1 Diseñe el contenedor cilindrico óptimo (véase figura P16. Abierto h Como se ilustra en la figura Pl 6.

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

(P16.9.0025 kg/cm . Desarrolle y resuelva este prolacosto. metros de caída por metro de longitud). Se puede usar el cálculo para demostrar que JiEI H dt 2 o= L k s 10 m g / L k = 0 . -= 4 y c = 2 son factores de costo y W — peso del tubo.21y . dimensiones usado para parametrizar la fricción del c a n a l ) . 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).. perímetro mojado es la longitud de los lados del canal y l'ondo que están por debajo del agua. ya que representa la uhiciuií'in para flora y fauna que dependen del oxígeno.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 .2) blema al determinar los valores que minimizan el Observe que H = 275 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.442 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN donde o = concentración de oxígeno disimilo |nig/L. P= H c| http://libreria-universitaria.9) y R = radio hidráulico (m).com . por sus iniciales en inglés) [d 1. Por ejemplo. 0 5 d~' s 2 d= 0= 0. 1 x _1 1 a Esfuerzo real (o) < esfuerzo máximo de compresión = 03.blogspot. debajo del punto de desairan Este punto es llamado "crítico". 3 W ndlllp [d]. t . i|iits sería la más esforzada. 2 3 1 2 1 cm. Como se indica en la figura P16. k iii/ón de asentamiento de (BOD) [ d ] . 2 donde p = densidad del material del tubo = 0. esto se define como P = B +2H donde = profundidad (m). ecuación de Manning (recuerde la sección 8. l 2 C 16. Por lo tanto.d (I 1 50 m g / L S = 1 mp/l.-*«' _ _ (i canal (sin dimensiones. en algún tiempo de travesía.0. y t . = área de sección transversal del canal (m ). Como su nombre lo i n d i c n .. A R = — P c donde perímetro mojado (m)..1 El flujo Q [m /s] en un canal abierto se puede predecir con d y d y el espesor entre í. y) = 7. Finalmente. la ecuación (l>Id.05x . como el pe/. S = pcndienlo ilol ° (. <> con centración saturada de oxigeno [mg/L].0 .1 0 < x < 10 y 0 <y < 20. Determine el tiempo de travesía crilii-u y la concentración dados los siguientes valores: donde c. FIGURA P 1 6 . La columna debe soportar la carga bajo esfuerzo de compresión y no pandearse. L d b c x | n i u / l |.9). P = 2 000 kg.t + 0.l 1 6 1 .1 d" 1 k h 2 a = O. 0 1 6 y .0 La distribución bidimensional de la concentración de mn taminantes en un canal se puede describir con c(x.1 cm y 1 cm. 0. { 2 = 10 cm./.0. el cual se relaciona para m á s purA < s d metros fundamentales por s a 2 A. = 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. E = 900 000 kg/cm .") pin duce un oxigeno "disuelto" que alcanza un nivel mínimo cillli n.13.9 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 P16.9 + 0. 9 • ok + k k Oxígeno dísuelto "a la deriva" por debajo del punto de descarga de desechos en un río. k = razón de reatiaeión |il 1 y S = demanda de oxígeno sedimentado [mg/L/dj. o . los diámetros disponibles para los tubos están entre 1 6 1 . para un c a n a l i w tangular.

byc describen la geometría como la mostrada en la figura P16. pero esta vez incluya el costo de excavación.com . x 2 Ingeniería eléctrica 1 6 . N = número de vueltas ya.min FIGURA P16.0.003 y Q = I nvVs.V = 0.13 Un circuito eléctrico en paralelo para cargar tres baterías. 1 2 Un modelo para un solenoide se puede expresar como L = S + 6(a/b) + W(c/b) donde L = inductancia. Encuentre las resistencias de modo que la potencia total disipada por el circuito sea un mínimo. Para realizar esto minimice la siguiente función de costos. Encuentre a y b que maximice L. Advierta que un cálculo como éste podría minimizar el costo si los costos de alineación fueran mucho mayores que los de excavación.14 El circuito mostrado en la figura P16. 443 40 V C = A + cP Cl 2 FIGURA P l 6. Se quiere maximizar L para una longitud dada del alambre ( con un área de sección transversal ^ . entonces se requiere que 6 2 7a N/b 2 bc_ 25 V Encuentre las corrientes que maximizan la potencia transferida a las baterías. 1 4 Un circuito eléctrico.0.PROBLEMAS u) Dados los parámetros // .14 consiste de cinco resistores y sus respectivas corrientes.. determine los valores de H y II que minimizan el perímetro mojado. h. 16. 2 donde c es un factor de costo por excavación = 100 $/m y c es un factor de costo por alineación $50/m. Is > 0 16. . i — i.max FIGURA P 1 6 . b) Repita el inciso anterior.13 Un circuito eléctrico se diseña para usar una fuente de 40 volts para cargar baterías conectadas en paralelo de 15 V.12. 6 V y ¡ < 4 h < 3 U 2 2 S N 1 \Q' N 6 I\. S i € = 2 m y ^ = 1 0 ~ m .12 Las dimensiones de un solenoide. h.blogspot. . http://libreria-universitaria. Suponga que cada corriente puede variar entre los límites superior e inferior. 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. c) Analice las implicaciones de sus resultados.15.h.

y se requiere que el esfuerzo cortante sea mayor de 120. donde la desviación se define como s = n-riR n donde D = arrastre. es decir. FIGURA P 1 6 .16 Par transmitido a un inductor como una función de deslizamiento.5p 2 2 2 La demanda total de potencia es 30. Determine la generación de potencia requerida para cumplir con las demandas.3 Í + 4 ) 2 < 0. Formule este caso como un problema de optimización restringida. Como se observa en la figura P16.17 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 =0.16 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. determine el arrastre mínimo y la velocidad a la cual esto ocurre. a) Si o = 0. +0. D. 16. el arrastre por empuje disminuye. Mathcad. N) = sujeto a Deflexión = 8FD /V 3 donde n = revoluciones por segundo de la velocidad de rotación del estándar y n — velocidad del rotor. Se desea encontrar el diámetro de alambre (d). Las pérdidas de potencia debido a la transmisión. Este problema se puede formular como el siguiente problema de optimización: M i n i m i z a r ^ . el esfuerzo constante para 9 000 psi.5. el diámetro de la espiral (D) y el número de vueltas (Af) que minimice el peso del resorte y limite la deflexión a 0.17.444 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN y que la caída de voltaje a través de cada resistor sea constante.15 FIGURA P16. 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.com .5 y W = 15 000. los dos factores que contribuyen al arrastre son afectados en forma diferente cuando la velocidad aumenta. T 4 3 D 20 000 http://libreria-universitaria.16 muestra esta función.Í ) ( 4 Í . 1 7 Gráfico de arrastre contra velocidad para un alerón. Mientras que el arrastre por fricción aumenta con la velocidad. 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 .2p. b) Además. El costo de generación de potencia en las plantas 1 y 2 están dadas por Fi = 2p + 2 x La figura P16.blogspot. IMSL. 16. W = peso y V = velocidad. L. V¡ = RJi = constante.2pi + 0 .15 Un sistema consiste en dos plantas de potencia que deben entregar cargas sobre una red de transmisión. etcétera. 16. mientras se minimizan las costos usando una rutina de optimización como las que se encuentran en Excel. están dadas por Li =0.15 pulgadas. La combinación de estos dos factores llevan a un arrastre mínimo.18 Cuatro resortes helicoidales se pueden usar para soportar un vagón de tren que transporta bicicletas de montaña a Denver. a = razón de la densidad del aire entre la altitud de vuelo y el nivel del mar. Ingeniería mecánica/aeroespacial 16. Use un método numérico para determinar la desviación a la cual ocurre el máximo par.

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. El aditivo se compone de tres ingredientes: X. Para un comportamiento máximo.. > 1 135> 1 DN d.==— _.com . Si el costo por mililitro de los ingredientes X. la cantidad total de aditivo debe ser de al menos 6 mL/ L de combustible.DyN. N) = QJd DN 2 K/'7> d 2 Frecuencia natural = -—.15. Yy Z. Y y Z es 0.. obtenemos Minimizar F(d.20 Una compañía aeroespacial está desarrollando un nuevo aditivo de combustible para aerolíneas comerciales.4 0.N > 0 2 Resuelva para d.. la cantidad del ingrediente . Además.Ydebe ser siempre igual o mayor que el Y. Ijljin D N_ > 120 sujeto a d 110—r— > 1 4 3 d D 3 FIGURA P 1 6 . Por razones de seguridad.blogspot. 0. determine el costo mínimo de la mezcla por cada litro de combustible.443 Esfuerzo cortante = K<—».19Los rodamientos de rodillo están sujetos a fallas por fatiga causadas por grandes cargas por contacto F (véase figura P16. http://libreria-universitaria.19). D. el total de los altamente flamables ingredientes Xy Y no debe exceder de 3 mL/L. D. 16. respectivamente.025 y 0.4 1 +x 2 + x Encuentre la x que maximiza/(se).05.< 9000 nd' •JGg d. 16. D. y el Z debe ser mayor que la mitad del Y. N > 0 Si los valores dados para la carga y los parámetros del material se sustituyen. 1 9 Rodamientos de rodillo.

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

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

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

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

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

595 6.505 6.2) donde S.2) y (PT5. La media aritmética (y) de una muestra se define como la suma de los datos individuales (y¡) dividida entre el número de puntos («). Así. Para el caso donde n = 1.565 Mediciones del coeficiente de expansión térmico para acero estructural 6.. si las mediciones individuales están muy espaciadas alrededor de la media. S (y.575 6.605 6. y — y ) es cero. Por tanto.555 6. el valor restante es fijo. La cantidad n — 1 está referida como los grados de libertad. La medida más común de espaciamiento para una muestra alrededor de la media es la desviación estándar (s ).625 6.. S.715 6.. y — y .395 6.485 6.755 6.435 6.4) y t { 2 n infinito.y? (PT5. La localización estadística más común es la media aritmética.615 6.775 6.blogspot.4) http://libreria-universitaria. Si están agrupadas cerca de ella.com d a nu n multado lin sentido al Observe que el denominador en ambas ecuaciones (PT5. o y = A - (PT5. Otra justificación para dividir entre n — 1 es el hecho de que no existe como In dispersión de un solo punto.715 6. al cual se le llama la varianza: (PT5.625 6.685 representar 1) la posición del centro de la distribución de los datos y 2) el grado de aproximación de los datos fijos. y — y . las ecuaciones (PT5.3) t Así.655 6.1 6.452 AJUSTE DE CURVAS TABLA PT5. En consecuencia..495 6.665 6. o S. si y es conocida y se especifican los valores de n — 1. h -g¿ (PT. El espaciamiento también se puede representar por el cuadrado de la desviación estándar.4) es n — 1. y s se dice que se hallan basadas en n — 1 grados de libertad. .635 6. es la suma total de los cuadrados de los residuos entre los datos y la media.655 6.2) y (PT5. sólo n — 1 de los valores se dice que están libremente determinados. la desviación estándar será pequeña. en consecuencia.1) donde la sumatoria (y todas las sumatorias que siguen en esta introducción) va de i = 1 a n. = S {y.555 6.515 6.. Esta nomenclatura se deriva del hecho de que la suma de las cantidades sobre las cuales S se basa (es decir.. Sy) será grande.

I-IJJ.blogspot.3.1 „ „„ =0.4)]: = 0.(X^) /« 2 2 Esta versión no requiere el cálculo previo de y y se obtiene un resultado idéntico al de la ecuación (PT5. Como tal.1 Estadística simple para una muestra Enunciado del problema. = 0.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. varianza. desviación estándar y coeficiente de variación para los datos de la tabla PT5.v.2)]: y = - 1 5 8 4 0.097133 la varianza [ecuación (PT5. ( EJEMPLO PT5.v. Con frecuencia se multiplica por 100 para que se pueda expresar en la forma de porcentaje: c. en esencia.097133 — 1 0 0 % = 1.).6 http://libreria-universitaria.217000. _ £j¿ .4). Tal estadística es la razón de la desviación estándar a la media.6 24 Como se observa en la tabla PT5.1)] 6. proporciona una medición normalizada de la dispersión. al error relativo porcentual (e ) analizado en la sección 3.47% 6. = ^ 100% y (PT5.2) y los resultados se usan para calcular [ecuación (PT5. Solución. Los datos son sumados (tabla PT5.5)]: c.217000 24. la suma de los cuadrados de los residuos es 0.2. es la razón del error de medición ( Í ) a un estimado del valor real (y).1. Es decir.5) Observe que el coeficiente de variación es similar.com . Una estadística final que tiene utilidad en cuantificar la dispersión de datos es el coeficiente de variación (av.009435 y el coeficiente de variación [ecuación (PT5. los cuales se pueden usar para calcular la desviación estándar [ecuación (PT5. Calcule la media.

665 6. el histograma indica que la mayoría de los datos se agrupan cerca del valor de la media de 6.625 6.625 6.605 6.655 6.40 6. Como se observa en la tabla PT5.44 4 2 6.80 0.001225' 0.52 6. Un histograma proporciona una representación visual simple de la distribución.2 La distribución n o r m a l Otra característica que soporta el presente análisis es la distribución de datos (es decir. el histograma para este caso en purticulur se aproxihttp://libreria-universitaria.76 6.000225 0.64 3 6. i i 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 I Yi 6. Así.004225.715 6.495 6.40 6.575 6.2 Cálculos estadísticos de las lecturas del coeficiente de expansión térmico.595 6.76 6.52 6.755 6. Intervalo superior Limite 1 1 6.6.685 6. es una característica de forma (la distribución normal).68 3 1 1 6.007225 0.2.615 6. Si se tiene un conjunto de datos muy grande.555 6.024025 ' 0. en forma de campana que se sobrepone como en la figura PT5.2.64.2.-yf 0. .2.635 6. 0.003025 0.030625 1 Frecuencia inferior Límite ~ .565 6.01 1025 0.715 6. Como se ve en la figura PT5.68 6. 0.blogspot. se construye el histograma al ordenar las mediciones en intervalos.395 6.555 6.435 6. Las frecuencias y límites son desarrolladas para construir el histograma que se muestra en la figura PT5 .001225 ' 0. Dadas suficientes mediciones adicionales.4 (y.56 6. Las unidades de medición se grafican en la abscisa y la frecuencia de ocurrencia de cada intervalo en la ordenada.775 158.655 6. cinco de las mediciones se encuentran entre 6.002025 0.000625 .485 6.013225 > 0.2.217000 PT5.515 6.56 3 6.003025 0.60 y 6. la forma con la cual se distribuyen los datos alrededor de la media). La curva simétrica. el histograma a menudo se puede aproximar a una curva suave.60 5 6.72 6.000625 0. 0.505 6.72 6.000025 " 0.48 6.042025 0.013225 ' 0.002025 " 0.027225 0.007225 .AJUSTE DE CURVAS TABLA PT5.009025 0.000625 • 0.000025 0.com mará eventualmente a la distribución normal.60 6.013225 1 0.36 6.64 6.

097133). entonces se podría sospechar que las mediciones fueron erróneas. con base en la muestra. En tanto el número de puntos aumente.Z ANTECEDENTES MATEMÁTICOS 481 FIGURA PT5.405734 y 6. el rango definido por y — s a y + s abarcará en forma aproximada el 68% de las mediciones totales. http://libreria-universitaria. como se muestra en las tablas PT5.com . una de las principales metas de la estadística es estimar las propiedades de una población basada en una muestra limitada tomada de esa población. En consecuencia.35. y y y y v PT5.794266. Si alguien nos dijera que tomó un valor de lectura de 7. se puede realizar un número de mediciones en forma aleatoria y. desviación estándar. suma de cuadrados de los residuos y distribución normal tienen una alta relevancia en la práctica de la ingeniería. Por ejemplo.2 Se usa un histograma para ¡lustrar la distribución de datos. Si una cantidad está normalmente distribuida.PT5 . se puede afirmar que aproximadamente el 9 5 % de las lecturas deberían estar entre 6.1 y PT5. el histograma se podría aproximar a una curva suave en forma de campana. llamada distribución normal. para los datos de la tabla PT5. En la siguiente sección se trabaja sobre tales evaluaciones. Un ejemplo muy simple es su uso para cuantificar la confianza que se puede adscribir a una medición en particular. Los conceptos de la media.3 Estimación de los i n t e r v a l o s de confianza Como quedó claro de la sección anterior.2. Es evidente que es imposible medir el coeficiente de expansión térmica para cada pieza de acero estructural que no se haya producido. el rango definido por y — 2s a y + 2s abarcará alrededor del 9 5 % .6 y s = 0. En forma similar. intentar caracterizar las propiedades de lodu población.2.1 (y — 6.blogspot.

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

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

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

Solución. Conforme n se haga más grande.72) /8 2 52.7 = 2. tiende a ser más plana que la normal (véase la figura PT5.4 Comparación de la distribución normal con la distribución f para n = 3 y n = ó. Observe cómo la distribución fes normalmente más plana.59 0. Por tanto.8-1 = ¿0. Ejecute 3 estimaciones basándose en a) las primeras 8 mediciones b) las primeras 16 y c) las 24 mediciones.72 .blogspot. . la distribución t converge sobre la normal. más conservativos. y también pueden calcularse mediante paquetes de software y librerías.(52. Determine la media y el intervalo de confianza correspon• diente al 9 5 % para los datos de la tabla PT5.05 y n = 20. Como fue el caso para z ^ . y a) La media y la desviación estándar para los primeros 8 puntos es = 6.4).com . Por ejemplo.025.4814 . e s a n n x EJEMPLO PT5. si a = 0.086. 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. Cuando n es pequeña.PT5.364623 la cual se puede usar para calcular el intervalo /. se obtienen intervalos de confianza más amplios y. los valores están tabulados en libros de estadística.089921 La estadística / correcta se puede calcular como ^0.2 ANTECEDENTES MATEMÁTICOS 459 Normal f(n-6) F I G U R A PT5 .1.2 Intervalo de confianza sobre la media \ Enunciado del problema. donde -\ ^ variable aleatoria estándar de la distribución t para una probabilidad de a/2. para pequeños números de mediciones.089921 -2. = 6. por tanto.05/2.59 347. _ = 2.5148 http://libreria-universitaria.364623 = 6.1 = 0.

60 Coeficiente de expansión térmica [x 1 0 .com .5148 6.5148 a 6. los cuales también se resumen en la figura P T 5 . se pueden calcular en una forma similar y los resultados se tabulan junto con el inciso á) como « 8 16 24 6. http://libreria-universitaria.131451 2.6652 78 o 6. 5 .095845 0.460 AJUSTE DE CURVAS y -M 6.068655 a/2. 3 6 4 6 2 3 = 6.blogspot.5 Estimación de la media e intervalos de confianza al 9 5 % para diferentes números de tamaño muestra. Usted puede consultar cualquier libro básico de estadística (por ejemplo. cuantas más mediciones se tomen.55 6.089921 0. 0 089921 U = 6. Milton y Arnold.364623 2.5900 6.70 FIGURA PT5. nuestra estimación del valor real se hace mhn refinado.6652. Los otros dos casos para b) con 16 puntos y c) con 24 puntos.6 n = 16 n = 24 6.5794 6. Esos conceptos tendrán también rele vancia en nuestro análisis de modelos de regresión. Lo anterior es sólo un simple ejemplo de cómo se puede usar la estadística puní tomar decisiones con respecto a datos inciertos.n-\ 6.50 6.5283 6. Así.59 + — — — 2 . 1995) para obtener inlbrniii ción adicional sobre este tema.6652 Así.6410 * • U_ Estos resultados. 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 6.097133 2.5148 < ii < 6.65 pulg/(pulg • °F)] 6.6652 6. indican la respuesta esperada de que el intervalo de confianza se hace más estrecho a medida que n aumenta.6000 9_ * y t 0.6304 6.5590 6.

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

7 Espectro de potencia : CAPITULO 19 Aproximación de Fourier 19.5 Transformada discreta de Fourier _ FIGURA PT5. Transformada jápida de Fourier/ 19.4 Interpolación inversa j 19. y dominio del tiempo 19. donde funciones periódicas se ajustan a dalos.8 Librerías y paquetes 19.3 Ingeniería •eléctrica iiír 20.462 AJUSTE DE CURVAS PARTE 5 Ajuste de curvas 17.Jineal generaL 17.2 Serie de Fourier continua ~íai~ Frec.6 Organización esquemática del material de la parte cinco: Ajuste de curvas.4 jMfnimos cuadrados) .1 Sinusoidales 19.com esta sección seré sobre la transformada rápida de Fourier.it¡\ CAPITULO 17 Regresión por mínimos cuadrados 17.2 Ingeniería civil 20.8 Regresión no lineal 18.4 Transformada de Fourier 18 Segmentarias 18.2 Polinomial ^de Lagrange_. Al final de este capitulo se .1 Regresión lineal 17. El capítulo 19 tiene que ver con el procedimiento de la transformada de l'ourier puní el ajuste de curvas.1 Ingeniería química 18.6. CAPITULO 20 Aplicaciones en la ingeniería CAPITULO 18 Interpolación "Ta3~ Coeficientes ^polinomiales 18.3 Regresión múltiple • f.1 Polinomial de Newton 20.2 Regresión polinomial 17.blogspot.5 Comentarios adicionales St-i : 19. Nucslro énfasis on http://libreria-universitaria.

Saber cómo linearizar datos por transformación. Entender que hay uno y sólo un polinomial de grado n o menor que pasa exactamente a través de n + 1 puntos. se incluye un epílogo al final de la parte cinco. usted manejará las técnicas. entender la formulación de una matriz general para mínimos cuadrados lineales y saber cómo calcular los intervalos de confianza de los parámetros. Darse cuenta que los datos de los puntos no tienen que estar igualmente espaciados en cualquier orden particular. Los ejemplos se toman de las cuatro áreas principales de la ingeniería: química. Excel. 4. 3 Objetivos específicos de estudio para la parte cinco. eléctrica y mecánica.4tt incluye también una revisión de algunos paquetes de software y librerías que se pueden usar para el ajuste de curvas. Ser capaz de reconocer modelos lineales generales. MATLAB e IMSL. civil. 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. 6. habrá aprendido a asegurar la confiabilidad de sus resultados y será capaz de seleccionar el método (o métodos) para cualquier problema particular. 13.2 M e t a s y objetivos Objetivos de estudio. Por último. Después de completar la parte cinco. En general. Reconocer las capacidades y riesgos asociados con la extrapolación. Saber cómo derivar la interpolación polinomial de Newton en primer orden. Además. 12. Entender por qué las funciones segmentadas tienen utilidad para datos con áreas locales de cambio abrupto. Entender la analogía entre el polinomial de Newton y la expansión de la serie de Taylor y cómo se relaciona el error de truncamiento. Además. 2. Comprender la diferencia fundamental entre regresión e interpolación. 3.blogspot. TABLA P T 5 . Reconocer que las ecuaciones de Newton y Lagrange son simplemente formulaciones diferentes de la misma interpolación polinomial. así como un análisis de los elementos de juicio entre las técnicas y sugerencias para estudios en el futuro. 9.3. Éste contiene un resumen de las fórmulas y conceptos importantes relacionados con el ajuste de curvas.3 deberán ser asimilados y manejados. 8. 5. múltiples y no lineales. Saber por qué las fórmulas de interpolación con igual espaciamiento tienen utilidad. 16. y entender sus respectivas ventajas y desventajas. usted habrá depurado en gran forma su capacidad para ajustar curvas con los datos. Entender situaciones donde son apropiadas las regresiones polinomiales. 7. y que confundirlos puede provocar serios problemas. PT5. 1 1. entre ellos se encuentran Mathcad. 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. para esas metas generales. algunas de las aplicaciones ilustran cómo se pueden aplicar los paquetes de software para resolver problemas de ingeniería. 15. Reconocer cómo se usan las series de Fourier para ajustar datos con funciones periódicas. http://libreria-universitaria.com . 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. los conceptos específicos dados en la tabla PT5. ya sea para los polinomiales de Newton o de lagrange. 1. 14. 10. Entender la diferencia entre frecuencia y dominios del tiempo.

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

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

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

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

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

se puede usar en conjunto con la ecuación (17.): 0 0 na + (X! ) ' ~X ^ ' x ai 1 0 a 0 0 O ' ) 7 4 (17.1 Regresión lineal i Enunciado del problema.5896 0. n = i ^JC.8622 2.5765 0.) 0.0 3. podemos expresar las ecuaciones como un conjunto de dos ecuaciones lineales con dos incógnitas ( a y a.428571 .5 2.3265 0.0 ¿5.7) donde y y x son las medias de y y x..0.5)-28(24) „„„„„„„ ai = — -V. 24.5 6.1 Cálculos para un análisis de error del ajuste lineal.blogspot.8392857 (4) = 0.7143 2 (yz-op-*»!*.0051 6. _*f 1 j í I 1 2 3 4 5 6 7 S y > 0.428571 Mediante las ecuaciones (17. respectivamente. EJEMPLO 17.9911 2 http://libreria-universitaria.3265 0.1.8392857 7(140) . Ajuste a una línea recta los valores de x y y en las dos primeras columnas de la tabla 17.5 2.7) 7(119.ax 0 x (17.17.(28) 2 a = 3 .6) + Q T X ? ) a i =£> y ¡ .4) y resolver para a = y .1 REGRESIÓN LINEAL 4 1 9 Ahora. si hacemos que £ a = na .0 (y. y pueden ser resueltas en forma simultánea nlx* - (Zx.-y) 8.-=: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 .07142857 0 TABLA 17.= 0.5) (17. Solución.1687 0.)* Este resultado. Estas son llamadas ecuaciones normales.6122 54.5625 0.0408 0.7972 01993 2 .com .3473 0.6) y (17. entonces.29Qg 22.0 4.

17. 1981).8392857* S La línea. Así.1.3). la línea es única y en términos de nuestro criterio elegido es una línea "mejor" a través de los puntos.1 resulta en una gran suma de cuadrados de los residuos.3)] (17. Esto es conocido en estadística como el principio de probabilidad máxima. la regresión por mínimos cuadrados proporcionará la mejor (es decir. si estos criterios se 0 { FIGURA 17. En la ecuación (17.8).blogspot.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 17.3) y (17.8) í=i Observe la similitud entre las ecuaciones (PT5. Medición a + a. Además. una de las mejores) estimación de a y a (Draper y Smith. junto con los datos. 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. Se puede demostrar que si estos criterios se cumplen.1c.07142857 + 0.3 El residuo en la regresión lineal representa la distancia vertical entre un dato y la línea recta. 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. 0 http://libreria-universitaria. son mostrados en la figura 17. el cuadrado del residuo representa el cuadrado de la discrepancia entre los datos y una sola estimación de la medida de tendencia central (la media). el ajuste por mínimos cuadrados es J y = 0. En el primer caso. Recuerde que la suma de los cuadrados se define como [véase ecuación (17.8). Un número adicional de propiedades de este ajuste se puede elucidar al examinar más de cerca la forma en que se calcularon los residuos.470 REGRESIÓN POR MÍNIMOS CUADRADOS Por tanto.com x .*. y 2) la distribución de esos puntos cerca de la línea es normal.

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

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

debemos tomar en cuenta algunas consideraciones.= T J n ͱ1}ZÍ= 22 7143 1.1 EJEMPLO 1 7 . Solución.868 = 0 .9911 — =0. ya que s < Sy.1. Las sumatorias se realizan y se presentan en la tabla 17. 0.17. el modelo de regresión lineal tiene mérito. Por ejemplo. recomendamos que expanda su programa para incluir una gráfica de y contra x mostrando ambos: los datos y la línea de regresión. el error estándar del estimado y el coeficiente de correlación para los datos en el ejemplo 17. paquetes de software populares como Excel y Mathcad pueden implementar regresión y tienen capacidades de graficación. Además.blogspot. Antes de proceder con el programa de cómputo para regresión lineal. Si su lenguaje de computadora tiene capacidades de graficación.1.868 22. usted debería siempre inspeccionar una gráfica de los datos junto con su curva de regresión. el software de métodos numéricos TOOLKIT incluye esas capacidades. Así como r es "cercana" a 1 no significa que el ajuste es necesariamente "bueno". La inclusión de la capacidad resaltará mucho la utilidad del programu en los contextos de solución de problemas. como mínimo.7735 Así.7143 r = V0 .10)] y/x r" = 2 22. se deberá tener cuidado de no darle más significado que el que ya tiene.9911 = ^ .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. es posible obtener un valor relativamente alto de r cuando la relación en turno entre y y x no es lineal. http://libreria-universitaria. Aunque los coeficientes de correlación proporcionan una manera fácil para medir la bondad del ajuste.com . La mejora adicional se puede cuantificar por [véase ecuación (17. una opción de gráfica es crítica para el uso efectivo e interpretación de regresión y se incluye en el software suplementario de métodos numéricos TOOLKIT.6).1. 17. Calcule la desviación estándar total. Además. Draper y Smith (1981) proporcionan guías y material adicional con respecto al aseguramiento de los resultados para regresión lineal.9)] s /2.7143 . La desviación estándar es [véase ecuación (PT5. 2 REGRESIÓN LINEAL Estimación de errores para el ajuste lineal por mínimos cuadrados Enunciado del problema.932 Los resultados indican que el 86. Como se describe en la siguiente sección.8% de la incertidumbre original ha sido explicada por el modelo lineal. Como se mencionó antes.2)] 7 .2.9457 y / x „„.1 y el error estándar del estimado es [véase ecuación (17.

Podemos usar este software para resolver un problema de prueba hipotético asociado con la caída del paracaidista que se analizó en el capítulo 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. y. El modelo predice la velocidad del paracaidista como una función del tiempo.1.474 REGRESIÓN POR MÍNIMOS CUADRADOS 5U3 Regres(x.s r j / s t 2 03 — sumx*sumx) END Regres FIGURA 17._ e0 1 C donde v = velocidad (m/s).blogspot.1 kg y c = coeficiente de arrastre de 12. r2) sumx = 0: sumxy = 0: st ~ 0 sumy = 0: sumx2 = 0: sr = 0 DO ¡ = 1.n st = st + (y¡ .8 m/s ).6 Algoritmo para regresión lineal. En el ejemplo 2. EHDDO xm = sumx/n ym = sumy/n a1 — (n*sumxy ~ sumx*sumy)/(n*sumx2 aO — ym — aUxm DO i= 1.10)]: v{t) S " (\ {-clm)t^ = — (1 . El paquete de software de Métodos Numéricos TOOLKIT adjunto a este texto.5 kg/s./ http://libreria-universitaria. como se describe en el ejemplo 1. n. Un modelo empírico alternativo para la velocidad del paracaidista está dado por 2 i . syx. contiene un programa de cómputo para implementar regresión lineal. al. m = masa del para caidista igual a 68. » .com l \ . aO. Un modelo matemático teórico para la velocidad del paracaidista fue dado como el siguiente [véase ecuación (1. g = constante gravitacional (9. EJEMPLO 17.3 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.

un intercepto de 0 y una r = 1 si el modelo concuerda perfectamente con los datos.607 27.766 36.1 10 42.988 m / s [ec.437 42. s 1 2 3 4 5 ó 7 8 9 10 11 12 o) 10. I os modelos de prueba y selección son comunes y extremadiimenle imporliinlcN para la realización de actividades en todos los campos de lu ingeniciiu.829 39. Se puede usar regresión lineal para calcular la pendiente y el intercepto de la gráfica.405 22.065 35. m/s Tiempo. (1. Solución.617 41. La adecuidad de los modelos se puede probar al graficar la velocidad del modelo calculado contra la velocidad medida.76 son gráficas de la línea y datos para las regresiones de las columnas b) y c). Esta línea tendrá una pendiente de I . lil iniitcrinl pro http://libreria-universitaria.blogspot.032u 8 medlda y para el segundo modelo [ecuación (E17.855 34.00 16. Ambos modelos ajustan los datos con un coeficiente de concia ción mayor que 0. ( E l 7 . v calculada con el m o d e l o . Para el primer modelo [ecuación (1.729 27.303 49.641 38.5. TABLA 17.5 9 + 1.00 50.769 32.2.30 23. respectivamente.351 37.90 45. Una desviación significativa de esos valores se puede usar como un indicador de la inadecuidad del modelo. 1 ) ] c) 1 1.50 46.712 13 14 15 Suponga que a usted le gustaría probar y comparar lo adecuado de esos dos modelos matemáticos.50 42.00 46.0 .50 31.301 47.816 40.490 48.1) como se ilustra en la figura 17.872 46.00 27.678 41. 3 .1 REGRESIÓN LINEAL Velocidades medidas y calculadas para la caída del paracaidista. y los resultados se enlistan en la columna a) de la tabla 17.10) como se ilustra en la figura 17.479 49. Las velocidades calculadas para cada modelo se enlistan en las columnas b) y c). 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.2 v medida.095 43.570 23.00 45. contra la columna a).3. v calculada con el m o d e l o .7a y 17.00 35.00 49.60 39.com .7/>] "modelo = 5 - 7 7 6 + °- 7 5 2 u medida Esas gráficas indican que la regresión lineal entre los datos y cada uno de los modelos ON altamente significativa.953 16.509 32.156 44. Tal programa de colección de datos experimentales se implemento. La figura 17.10)] b) 8.00 m / s [ec.7a] 1 «Wwo = .56 30.99.240 18.17.687 38.00 41.

Sin embargo.3. 1 ] contra valores medidos. porcionado en este capítulo como antecedente.3. b) Resultados usando regresión lineal para comparar predicciones calculadas con el modelo empírico [véase ecuación ( E l 7 .7 a) Resultados que usan regresión lineal para comparar las predicciones calculadas con el modelo teórico [véase ecuación (1.1)] fue claramente inferior al de la ecuación (1. El ejemplo no fue ambiguo. la pendiente y el intercepto para el modelo empírico fueron mucho más http://libreria-universitaria. junto con su software.476 REGRESIÓN POR MÍNIMOS CUADRADOS ! 5 30 X 55 30 X 55 FIGURA 17. Hay un defecto eon el análisis en el ejemplo 17. 3 .10). Así.3. Así. le proporcionará una guía muy práctica para problemas de este tipo.10) conforma para nuestra hipótesis criterios de prueba mucho mejores que los descritos por la ecuación (E17.10)] contra valores medidos.1) ya que la pendiente y el intercepto son más cercanos o casi igual a 1 y 0.com cercano! que el resultado deseado de 1 y 0.1). la ecuación (1.3.blogspot. yn que el modelo empírico [véase ecuación (El 7. fue obvio cuál modelo fue superior. aunque cada gráfica está bien descrita poruña línea recta. el modelo descrito por la ecuación (1.10) parece ser mejor modelo quela(E17. .

5 Linearización de relaciones no lineales La regresión lineal proporciona una técnica poderosa que ajusta a la "mejor" línea los datos. Por ejemplo. De manera clara. un debate abierto. Sin embargo. las cuales se describen en la sección 17.1 REGRESIÓN LINEAL 477 Sin embargo. 17.17. Para otros. la figura 17. más que recaer en un juicio subjetivo. suponga que la pendiente fuera de 0. son apropiadas. 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. Regresaremos a este punto al final del presente capítulo.blogspot. 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. técnicas tales como regresión por polinomios. x b) http://libreria-universitaria. FIGURA 17.1. Obviamente esto haría de la conclusión de que la pendiente y el intercepto fueran I y 0.8 muestra algunos datos que son obviamente curvilíneos. Este no es siempre el caso. b) Indicación de que es preferible una parábola. En algunos casos.2.2. se puede usar transformaciones para expresar los datos en una forma que sea compatible con la regresión lineal. está predicha sobre el hecho de que la relación entre las variables dependientes e independientes es lineal.com .8 o) Datos no adecuados para la regresión lineal por mínimos cuadrados.85 y que el intercepto lliorn de 2. sería preferible basar tal conclusión sobre un criterio cuantitativo.3.

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 (17.9 o) La ecuación exponencial.13) FIGURA 17.com . 0) entre y y x.blogspot. 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. b) la ecuación por potencias y c) la ecuación de razón de crecimiento saturado. la ecuación representa una relación no lineal (para /). Los incisos < e] y f] son versiones linearizadas de estas ecuaciones producto de transformaciones simples.2 ) { donde a y b son constantes.478 REGRESIÓN POR MÍNIMOS CUADRADOS Un ejemplo es el modelo exponencial y= a i e h l X ( 1 7 1 .9a. Por ejemplo. Como se ilustra en la figura 17. el crecimiento poblacional o el decaimiento radiactivo pueden exhibir tal comportamiento.

el cual es de manera particular muy adecuado para caracterizar la razón de crecimiento poblacional bajo condiciones limitadas. Como se ilustra en la figura 17. Podrían ser de nuevo convertidos en su estado original y usados para propósitos predictivos.1 proporciona un ejemplo de ingeniería de la misma clase de cálculo. Las técnicas de regresión no lineal están disponibles para ajustar esas ecuaciones a datos experimentales de manera directa.9/).13).blogspot. y un intercepto de ln a (véase la figura 17. una alternativa simple es usar manipulaciones matemáticas para transformar las ecuaciones en una forma lineal. Un tercer ejemplo de un modelo no lineal es la ecuación de razón de crecimiento saturado [recuerde la ecuación (El7.16) De este modo. La ecuación (17. Además.3 mediante transformaciones logarítmicas de los datos.13) con los datos en la tabla 17.) Sin embargo.1 REGRESIÓN LINEAL 2 2 47? donde a y b son coeficientes constantes. la ecuación (pura b ^0o 1) es no lineal.14) es linearizada al tomar su base logaritmo 10 para dar l log y = b log x + log a 2 2 (17. la sección 20. Por ejemplo. con una pendiente de b-¡/a y un intercepto de l / a (véase la figura 17. En sus contornos transformados.3. Este modelo tiene amplia uplicnbiliclud 011 todos los campos de la ingeniería.4 Linearización de una ecuación de potencias Enunciado del problema.9c/).9/). también representa una relación no lineal entre y y x (véase figura 17. Después.5. La ecuación (17.com .1)] 2 y = a 'l7^3 <-> 17 14 donde a y b son coeficientes constantes. http://libreria-universitaria.9c) que iguala o "satura".14) es linearizada al invertirla para dar 2 2 1 b . ln y = ln a + b\X x (17. Este modelo. la ecuación (17.4 ilustra este procedimiento para la ecuación (17. se puede emplear la regresión lineal simple para ajustar las ecuaciones a datos. 3 EJEMPLO 17. una gráfica de log y contra log x dará una línea recta con una pendiente de b y un intercepto de log a (figura 17.9e). estos modelos se ajustan mediante regresión lineal para evaluar los coeficientes constantes. una gráfica de ln y contra x dará una línea recta con una pendiente de ¿>. una gráfica de 1/y contra l/x será lineal. en tanto x aumenta.12) se puede linearizar al tomar su logaritmo natural para dar 3 ln y = ln a\ + b\X ln e Pero como ln e = 1.15) Así.= y 3 1 X 1 + — a 3 (17.17. El ejemplo 17.17) 3 «3 De esta forma. (Observe que analizaremos la regresión no lineal en la sección 17. Ajustar la ecuación (17.

IOÍÜ es una gráfica de los datos originales en su estado no trans- formado.753 0.301 0.300 TABLA 17.7 3.480 REGRESIÓN POR MÍNIMOS CUADRADOS Solución.blogspot.301 0.534 0.4 log x log y 1 2 3 4 5 0 0. 1 0 | a) Gráfica de datos no transformados con la ecuación de potencias que ajusta los datos.3 Datos que serán ajustados con la ecuación de potencias.7 8.4 5. ¡.75 log x . x y 0.602 0. La figura 17.com .10¿> muestra la gráfica de los datos transformados. http://libreria-universitaria. La figura 17. b] Gráfica de datos transformados que se usan para determinar los coeficientes de la ecuación de potencias.0.477 0.922 l FIGURA 1 7 .5 1. Una regresión lineal de éstos mediante log dan el resultado l o g v = 1.699 -0.226 0.

debemos enfatizar la naturaleza introductoria del material anterior sobre regresión lineal.2 REGRESIÓN DE POLINOMIOS 411 i \ Así. 17. Tales suposiciones son relevantes para la derivación adecuada y uso de regresión. En consecuencia. 3. 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. 2. Usted debe consultar otras referencias tales como Draper y Smith (1981) para apreciar aspectos y matices de regresión que están más allá del alcance de este libro. Los valores y son variables aleatorias independientes y todas tienen la misma varianza. indica un buen ajuste.18) http://libreria-universitaria.10a. igual —0. Debería estar consciente del hecho de que hay aspectos teóricos de regresión que son de importancia práctica. u¡ — 10 = 0. Algunos datos de ingeniería.com . y por tanto. El procedimiento de mínimos cuadrados se puede fácilmente extender al ajuste de datos con un polinomio de orden superior.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. La pendiente es b = 1. Los valores de y para una x dada deben ser normalmente distribuidos. está pobremente representado por una línea recta. log a . una curva podría ser más adecuada para el ajuste de los datos. como se gráfica en la figura 17. Nos hemos concentrado en la derivación simple y uso práctico de ecuaciones para ajustar datos. el intercepto. algunas suposiciones estadísticas que son inherentes en los procedimientos por mínimos cuadrados lineales son 1. Otras alternativas son ajustar polinomios con los datos mediante regresión de polinomios. Como se analizó en la sección anterior. 17.4 al final del capítulo).75.8. Para esos casos.v l7S Esta curva.5.1 se desarrolló un procedimiento para obtener la ecuación de una línea recta por medio del criterio de mínimos cuadrados. Cada x tiene un valor fijo.17.3)] S = ]T] (yi ~ «o . 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 17.300. Por ejemplo.1. Por ejemplo. al tomar el antilogaritmo. pero que van más allá del alcance de este libro. la ecuación de potencias es 2 _ 0 3 2 y • 0.blogspot.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. no es aleatorio y es conocido sin error. aunque exhiben un patrón marcado como el que se vio en la figura 17.5.a\x¡ r a xf) 2 (17. Por ejemplo. un método para cumplir con este objetivo es usar transformaciones.

Además del error estándar. . Observe que las tres ecuaciones anteriores son lineales y tienen tres incógnitas: a . 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. ya que (m + 1) coeficientes obtenidos de los datos (a . Para este caso.4.10). . Las técnicas para resolver tales ecuaciones fueron analizadas en la parte tres.20) Esta cantidad es dividida entre n — (m + 1). . Los coeficientes de las incógnitas se pueden evaluar de manera directa a partir de los datos observados.blogspot. . a y a .. . un coeficiente de determinación puede ser calculado para una regresión de polinomios con la ecuación (17. a . a ) se usaron para calcular S. Ajustar a un polinomio de segundo orden los datos en I UN dos primeras columnas de la tabla 17 . como en Estas ecuaciones se pueden igualar a cero y reordenar para desarrollar el siguiente conjunto de ecuaciones normal: (17. . hemos perdido m + 1 grados de libertad. 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. 5 Regresión d e polinomios http://libreria-universitaria. tomamos la derivada de la ecuación (17.18) con respecto de cada uno de los coeficientes desconocidos del polinomio. 0 m EJEMPLO 1 7 . 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. Para este caso.482 REGRESIÓN POR MÍNIMOS CUADRADOS Siguiendo el procedimiento de la sección anterior.. así. Así. el error estándar se formula como (17.com Enunciado del problema.19) donde todas las sumatorias son de i = 1 hasta n.

80491 0. las ecuaciones lineales simultáneas son " 6 15 55 15 55 225 55 " 225 979 «0 0\ «2 • = • 152.4 Cálculos para un análisis de error del ajuste cuadrático por mínimos cuadrados. 225 Por tanto.6 585.44 314.1 7.03 3. X = 2. Solución.8 http://libreria-universitaria.6 = 2488.00286 1.6 2488.08158 0.6 27.1 152.14332 1. m = 2 n = 6 A partir de los datos dados.6 55 = 585.61951 0.5 y = 25.1 1 2513. (y -y) .9 61.6 (y/-OO-OIX -o x?) f 2 0 1 2 3 4 5 2 544.09439 3.1 7.7 13. 2.2 REGRE5IOIN DE P O L I N O M I O S TABLA 17.22 1 272.11 Ajuste de un polinomio de segundo orden. 2 x ¡ y.433 X >= X >= í>2 > ? 15 4 979 152.12 239.47 140.39 0.blogspot.2 40.com .74657 FIGURA 17.

. P a s o 5 : Resuelva la matriz aumentada para los coeficientes a .47857.35929* + 1. continúe. Observe que la principal tarea es la generación de los coeficientes de las ecuaciones normal [véase ecuación (17.11. Entre otras cosas. la ecuación cuadrática por mínimos cuadrados para este caso es 0 2 y = 2. a. los coeficientes calculados podrían ser altamente susceptibles al error de redondeo y.12. por medio de un método de eliminación.99925. FIGURA 17. Esto se debe a los coeficientes y sumatorias de los datos elevados a potencias.99851 2513. 0 2 m http://libreria-universitaria.3. como es también evidente de la figura 17. este problema se relaciona con la estructura de las ecuaciones normal y por el hecho de que para los polinomios de orden superior las ecuaciones normales pueden tener coeficientes muy grandes y muy pequeños. P a s o 3 : Si n < m + 1.) Entonces. 2 5 1 3 .blogspot. Para esos casos. Por tanto.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. a .. . 2 17. (El pseudocódigo para el cumplimiento de esto se halla presente en la figura 17. Esto es en particular cierto para versiones de orden superior.74657 . n. P a s o 4 : Calcule los elementos de la ecuación normal en la forma de una matriz aumentada.47857 + 2.13. los resultados pueden ser inexactos.74657 r = = 0. Estos resultados indican que el 99. Si n S m + 1. P a s o 2 : Integre el número de datos.39 y el coeficiente de correlación es r — 0. m. = 2.851% de la incertidumbre original la resolvió el modelo.86071* 2 El error estándar del estimado con base en la regresión de polinomios es [véase ecuación (17. P a s o d i Imprima los coeficientes.35929 y a = 1. 3 9 .12 Algoritmo para la implementación de polinomios y regresión lineal múltiple. Un problema potencial asociado con la implementación de regresión de polinomios en la computadora es que las ecuaciones normales algunas veces están mal condicionadas.86071.2. las técnicas de la parte tres se pueden aplicar para resolver estas ecuaciones simultáneas para los coeficientes. P a s o 1 : Introduzca el orden del polinomio sujeto a ajuste.20)] = 1.12 6-3 El coeficiente de determinación es Sy/. d i . a . 3. .19)]. imprima un mensaje de error que indique que la regresión no es posible y termine el proceso. Este resultado soporta la conclusión de que la ecuación cuadrática representa un excelente ajuste.484 REGRESIÓN POR MÍNIMOS CUADRADOS Resolviendo estas ecuaciones con una técnica tal como la eliminación de Gauss se tiene a = 2.com . en consecuencia.

17. Por fortuna.13 Pseudocódigo para ensamblar los elementos de las ecuaciones normal para regresión de polinomios. la mayoría de los problemas prácticos están limitados a polinomios de orden inferior para los cuales el error de redondeo es insignificante. n eum — eum + ¿£ END DO a¡j = eum ap — eum END DO eum = 0 D0£ = 1.5 7. una alternativa más simple es usar una computadora cotí más aira precisión.blogspot. i 4 1 9 eum — 0 DOi = 1. se dispone de otras alternativas para ciertos tipos de datos.n eum — eum + y • x£~ END DO ( a 1 END DO i. como el de Draper y Smith (1981). o r d í r + 1 PO j = 1. 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 . En situaciones donde se requieren versiones de orden superior. En el software de Métodos Numéricos TOOLKIT adjunto a este libro se tiene un programa de computadora de uso amigable para implementar la regresión de polinomios. El lector debería consultar textos sobre regresión. 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. 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.2 REGRESIÓN DE POLINOMIOS DO i = 1.6 Regresión de polinomios por medio de la computadora Enunciado del problema. EJEMPLO 17. pueden ayudar a remediar en forma parcial este problema. Aunque las estrategias para disminuir el error de redondeo analizado en la parte tres. esas técnicas (tal como polinomios ortogonales) están más allá del alcance de este libro. Después usted podría decidir graficar los datos http://libreria-universitaria. arder + 2 = 5 U M FIGURA 17.14. para información adicional con respecto al problema y posibles alternativas. Sin embargo. tal como el pivoteo. 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 3 7 y Solución.

a = 2.12 6-3 El coeficiente de determinación es . P a s o 5 : Resuelva la matriz aumentada para los coeficientes o . 2 3. .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. 2513. Esto se debe a los coeficientes y sumatorias de los datos elevados a potencias.13.74657 17.851% de la incertidumbre original la resolvió el modelo. Si n 5: m + 1. 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. ai.86071* 2 El error estándar del estimado con base en la regresión de polinomios es [véase ecuación (17.39 y el coeficiente de correlación es r = 0. . las técnicas de la parte tres se pueden aplicar para resolver estas ecuaciones simultáneas para los coeficientes.35929 y a — 1. . P a s o 1 : Introduzca el orden del polinomio sujeto a ajuste. m. a. Este resultado soporta la conclusión de que la ecuación cuadrática representa un excelente ajuste. Estos resultados indican que el 99.20)] = 1. Por tanto.35929x + 1. imprima un mensaje de error que indique que la regresión no es posible y termine el proceso. Observe que la principal tarea es la generación de los coeficientes de las ecuaciones normal [véase ecuación (17.74657 r = = 0.blogspot. P a s o 4 : Calcule los elementos de la ecuación normal en la forma de una matriz aumenlada. a .99925. los coeficientes calculados podrían ser altamente susceptibles al error de redondeo y.19)]. continúe. la ecuación cuadrática por mínimos cuadrados para este caso es 0 x 2 y = 2.3.11. FIGURA 17.12.484 REGRESIÓN POR MÍNIMOS CUADRADOS Resolviendo estas ecuaciones con una técnica tal como la eliminación de Gauss se tiene a = 2. P a s o 2 : Integre el número de datos.„.47857 + 2. Esto es en particular cierto para versiones de orden superior.12 Algoritmo para la implementación de polinomios y regresión lineal múltiple. por medio do un método de eliminación.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.. en consecuencia. n. Para esos casos. los resultados pueden ser inexactos. .com PASO 6L Imprjma los coeficientes.99851 2513.2.) Entonces. Entre otras cosas.39 . 0 7 http://libreria-universitaria. P a s o 3 : Si n < m + 1. (El pseudocódigo para el cumplimiento de esto se halla presente en la figura 17.86071. como es también evidente de la figura 17.

5 Solución. arder + 2= ™ 5U Aunque las estrategias para disminuir el error de redondeo analizado en la parte tres.14. • = eum ap = eum END DO eum = 0 D0€ = 1. Después usted podría decidir granear los datos http://libreria-universitaria. i k=i + j . una alternativa más simple es usar una computadora cor/ más alta precisión. como el de Draper y Smith (1981). tal como el pivoteo.17. 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. se dispone de otras alternativas para ciertos tipos de datos.com . Por fortuna. El lector debería consultar textos sobre regresión. para información adicional con respecto al problema y posibles alternativas. 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.n eum — eum + y • x ¿ ' END DO ( a END DO FIGURA 17. Sin embargo.2 eum = 0 DOt =\n eum = eum + >¿€ END DO a.6 Regresión de polinomios por medio de la computadora Enunciado del problema. EJEMPLO 17.blogspot. Se puede usar este software para el ajuste de polinomios con los siguientes datos: 2 4 5 6 6 7 9 1 0.5 7. 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. la mayoría de los problemas prácticos están limitados a polinprriios de orden inferior para los cuales el error de redondeo es insignificante. En situaciones donde se requieren versiones de orden superior.13 Pseudocódigo para ensamblar los elementos de las ecuaciones normal para regresión de polinomios. order + 1 DOj = 1. pueden ayudar a remediar en forma parcial este problema. i.2 REGRESIÓN DE POLINOMIOS 483 DO i = 1. En el software de Métodos Numéricos TOOLKIT adjunto a este libro se tiene un programa de computadora de uso amigable para implementar la regresión de polinomios. esas técnicas (tal como polinomios ortogonales) están más allá del alcance de este libro.

>. 10 2 4 5 6 6 7 9 1 . Para nuestro ejemplo.3660273 -6.3332087 . 3 4 5 6 ..i m« i XMjml FIGURA 17. ...14.. ~ P^iwaete* :| OÍdet of Paíy í Plot Xmtn Delta X Plot Ymin Delta Y Valué h 0 1 0 1 'i 3 ' 21 . 7 8 9 V . fiettift . Standard Erior Coef of Deter Coir Coef Oth oider coef ...304472 .blogspot. La inspección de los datos muestra dos picos y sugiere que un polinomio de al menos cuarto orden sería el adecuado. Wm.15 Gráfica de una regresión polinomial de octavo orden. 8 1 5 3 7 v CafcYÍOT InputX ftewft Standatd Enot Coef of Detei Con Coef Oth order coef Vafe» ' 1 154277 . 1 000334 .3 Y « 2.14 Pantalla del TOOLKIT de métodos numéricos para una regresión polinomial de quinto orden.9888347 -1 057965 |£ http://libreria-universitaria. ¿J.9777941 .. Esto se hace mediante un procedimiento similar al descrito en el ejemplo 2.5 7.:. 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 .1.5 + liillli 6 2 3 7 8 8 1 5 3 I X. Los resultados para varios órdenes de regresión en el ajuste se tabula en la siguiente página: FIGURA 17. La forma para determinar el mejor orden se puede explorar al examinar cómo el error estándar varía como una función del orden de regresión.com . .573234 JBÉBJ 'CS3 Q 5 E 3 *'CHC3.«8SftÉ!£ * >.486 RKMMIÓN POR MÍNIMOS CUADRADOS solos antas de realizar decisiones con respecto al orden del polinomio. primero intentaremos un polinomio de quinto orden. 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 17.5 75 x í 3 1 4 í i 2 Ü 1 6 8 9 10 7 5 6 2 3 7 8 .:.

Observe también en las figuras 17. La figura 17.38 A 6 1.blogspot. 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.00 / 1.21) y diferenciando con respecto a cada uno de los coeficientes desconocidos.14). Por ejemplo.16).14 y 17.com .15 que mientras las curvas de regresión siguen la tendencia de los datos.15 muestra las gráficas para el caso de un octavo orden. en X = 3. 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). 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.34 487 1. (17.304472 como calculada con el polinomio de quinto orden (véase la figura 17. esos valores cambian con diferentes órdenes. 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. demos un vistazo a la tabla de resultados en la parte derecha inferior.12 Observe que el error estándar cae de manera dramática del orden 3 al 4 y alcanza un mínimo para el polinomio de orden 5.69 3 2. De nuevo.3 REGRESIÓN LINEAL MÚLTIPLE Orden Error estándar 2. Por último. Observe cómo esos valores cambian para diferentes órdenes de regresión. y podría ser una función lineal de x y x .15 muestra que el polinomio de octavo orden produce valores de Y negativos para valores de X entre 8 y 9. Y = 2. Por ejemplo. coeficiente de determinación y coeficiente de correlación. los "mejores" valores de los coeficientes son determinados al realizar la suma de los cuadrados de los residuos.17. es altamente inapropiado extrapolar los valores Y más allá del rango de los datos para X. Para este caso. Para este caso en dos dimensiones.17 1. La barra de despliegue sobre la tabla de resultados se usa para observar los coeficientes reales de la regresión de polinomios. Como en los casos anteriores. La figura 17. ta "línea" de regresión pasa a ser un "plano" (véase la figura 17.71 2 2. http://libreria-universitaria. Los primeros tres resultados son resúmenes estadísticos de la regresión: error estándar. La interpolación se puede ejecutar al introducir un valor en la tabla para X en el Cale Y para una X introducida.

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

Las sumatorias requeridas para desarrollar la ecuación (17.25 0 2 5 3 24 14 48 0 20 22.com .3 REGRESIÓN LINEAL MÚLTIPLE Solución. *i y X 5 10 9 0 3 27 0 2 2.5 100 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. En la figura 17.blogspot.x 2 *iy x y 2 0 4 6. Para usar regresión lineal múltiple. X ~\¡n-(m + l) y el coeficiente de determinación se calcula como en la ecuación (17.25 1 16 49 76.10). TABLA 17.5 0 10 18 0 18 54 100 1 54 El caso anterior en dos dimensiones se puede fácilmente extender a m dimensiones.17 se enlista un algoritmo para preparar las ecuaciones normal.5 0 12 189 243.5 76.7.22) se calculan en la tabla 17.5 14 16.5 Cálculos requeridos para desarrollar las ecuaciones normal para el ejemplo 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. 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.25 48 14 48 54 a 0 a\ a 2 • = • 54 243. como en y = an + a\X\ + a x 2 2 -| Ya x m m + e donde el error estándar se formula como S y . El resultado es 6 16.17.5 1 4 7 16. Aunque hay ciertos casos donde una variable está linealmente relacionada con otras dos o más variables.5 0 1 2 3 6 2 14 2 X 2 A 0 i 4 9 36 4 54 x.5.

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

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

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

Procedimiento d e la matriz inversa. la desviación estándar y la varianza. Se puede demostrar (Draper y Smith. temperatura. ya que la descomposición del modelo lineal podría solamente ser añadido al incorporar una nueva variable. revisamos un número de estadística descriptiva que puede usarse para describir una muestra.2.) i i = zj¡ 5 l ij /x 2 y/x (17-27) y cov (a -i. 'Lacovarianza es una estadística que mide la dependencia de una variable con otra. Así. 1 7. 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. A s i . No obstante desde una perspectiva estadística. es preferible utilizar la aproximación de descomposición LU sin inversión. Podríamos primero realizar una regresión lineal con la temperatura y calcular un error residual.y) la dependencia Por ejemplo.26) proporciona estimaciones de su estadística. ilustraremos cómo se pueden usar para desarrollar intervalos de confianza para el intercepto y la pendiente.26). recuerde que la matriz inversa se puede emplear para resolver la ecuación (17. Aquéllas incluyen la media aritmética. De la ecuación (PT3.com . así. respectivamente. si estuviéramos justamente interesados en resolver los coefientes de regresión.y) 0 podría indicar queje y y indica son totalmente indcpcndien http://libreria-universitaria. Esas razones se analizarán después.a )=zr} s* i j ( 1 7 2 g ) Estas estadísticas poseen un número de aplicaciones importantes.26) Cada uno de los métodos de eliminación se puede usar para determinar la inversa y.6).25). 1981) que la diagonal y los términos fuera de la diagonal de la matriz [[Z] [ Z ] ] dan. hay un número de razones por las cuales podríamos estar interesados en obtener la inversa y examinar sus coeficientes. Además de obtener una solución para los coeficientes de regresión.4. las varianzas y las covarianzas de las a. entonces T _ 1 1 r 1 l var (a . éste es un enfoque ineficiente para resolver un conjunto de ecuaciones simultáneas.1. presión. una a la vez. como aprendimos en la parte tres. (x. contenido de humedad. etcétera. Para nuestros actuales propósitos. al modelo. cov ácxy y. El método de Cholesky hace eficiente el proceso.3 Aspectos estadísticos de la teoría de m í n i m o s cuadrados En la sección PT5. pueden ser usados para implementar la ecuación (17. como en i fA F O R M A GENERAL LINEAL POR MÍNIMOS CUADRADOS {A} = [[Z] [Z]Y {[Z] {Y}} T L T (17. Sin embargo. Suponga que la variable dependiente de interés es una función de un número de variables independientes: por ejemplo. Si los elementos de la diagonal de [[Z] [Z]]~ son designados como z j .493 La situación análoga para regresión lineal múltiple ocurre cuando se agregan variubles independientes. cov (x.blogspot. la formulación de la matriz de la ecuación (17.

.688414 -0.741 [ 22421.2.01701 0.85872 1.3.blogspot.01701 [íZflZ]] -0.t /2.30) El siguiente ejemplo ilustra cómo esos intervalos se pueden usar para hacer inferencias cuantitativas relacionadas con la regresión lineal. Solución.21 _ f 552.¡-2 a í(«o) U = fln + í /2. .H-2-V(« a ( ) ) (17.„-is(a\) a U = a\+t i2. 8 Intervalos de confianza para regresión lineal \ Enunciado del problema.= K vai(ap. 8 5 9 + 1. a 1.405 22. Recalcule la regresión pero ahora use la aproximación matricial para estimar los errores estándar de los parámetros.43 La inversión de la matriz puede ser usada para obtener la pendiente e intercepto como [A}= 0.s(ci\) a n 2 (17.031592 http://libreria-universitaria.0 .3 22191.29) donde s(a¡) — error estándar del coeficiente a.741 22421. Concluimos que había una buena concordancia entre los dos debido a que el intercepto fue aproximadamente igual a 0 y la pendiente.3 usamos regresión para desarrollar la i siguiente relación entre mediciones y predicciones del modelo: j y = .494 REGRESIÓN POR MÍNIMOS CUADRADOS Mediante un enfoque similar al visto en la sección l'T'5.953 "1 10 " 1 1 [Z] = 16. Después emplee esos errores para desarrollar los intervalos de confianza y úselos para hacer declaraciones probabilísticas con respecto a la bondad del ajuste. 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. los límites inferior y superior de la pendiente se pueden formular como L — a\ .3 23 \Y) = 16.com .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 15 548.000465 {[Z] {Y) r 552. Los datos se pueden escribir en un formato matricial para regresión lineal simple como: 8.43 -0. EJEMPLO 1 7 .032x i S i i j i donde y = predicciones del modelo y x = mediciones.3 548. De manera similar. En el ejemplo 17.607 ¡ ] j 1 50 49.

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

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

dfi/dao dfi/dcn df /dai 3/ /3ao 2 2 [Z.com . k df„/da f(x\) f(x ) 2 dfn/dax y\ >'2 - ¡D} = y„ f(x„) y el vector {AA} contiene los cambios en los valores de los parámetros. la cual se puede emplear para calcular valores mejorados para los parámetros. como en [[Z ] [Z }]{AA} = {[Z ] {D}} T T 0 Q (17.donde [Z¡\ es la matriz de las derivadas parciales de la función evaluada en el valor inicial y.25)]: Aa\ {AA} = Aa„ Arto J J en resolver la ecuación (17.35) para / Así.blogspot. el procedimiento consiste {A/4}.] = 0 = derivada parcial de la función con respecto al kdonde n = número de datos y df¡/da ésimo parámetro evaluado en el /-ésimo punto.35) y a j+i = OQJ + Aa \S„h = a Este procedimiento se repite hasta que la solución converge (es decir. Si se aplica la teoría de mínimos cuadrados lineales a la ecuación (17.36) k. http://libreria-universitaria. hasta) 100% (17.34) resulta en las siguientes ecuaciones normal [recuerde la ecuación (17. El vector {£>} contiene las diferencias entre las mediciones y los valores de la función.j+\ está por debajo de un criterio de paro aceptable.

5 8 8 0 0 .9.9 4 7 0 3 . {D} = — .75 0.6 7 8 0 2 .28 0.7 -05 2 7 6 0 6 .9 4 6 0 r 0 1 .57 1. Las derivadas parciales de la función con respecto a los parámetros son da o =1 = a je Q (E17.498 EJEMPLO 1 7 .75 0.3 9 7 7 .com .4 8 9 0 4 .0248.1) y (E17.0 4 1 0 2 .0 para los parámetros.2) Las ecuaciones (E17. 0 8 6 2 0 . 0 x Solución.4 0 4 0 0 r 0 la cual mi de de nuevo nueve se puede invertir para dar 3 6 . X Ajuste la función f(x.2 1 2 0 5 .0 y a = 1. 9 REGRESIÓN POR MÍNIMOS CUADRADOS Método de Gauss-Newton I Enunciado del problema. Observe que para estos valores la suma inicial de los cuadrados de los residuos es 0. 1 5 3 3 0 .9.2 7 6 0 7 .9 08 9 4 6 .9.9. T El vector {D} consiste en las diferencias entre las mediciones y las predicciones del modelo.8 07 1 3 5 0 7 . 0 3 3 5 0 . 0 3 6 5 oí 0 http://libreria-universitaria.4 2 4 0 .68 1.5 4 3 0 3 .) = a ( 1 0 0 ) con los dalos: y 0.blogspot.25 0.1) (E17.2) se pueden usar para evaluar la matriz 0 2 . 8 4 2 1 [ [ Z ] [ Z o ] p=7 . «. 3 1 9 3 0 9 .74 2. 0 0 .8 02 2 1 2' 0 5 .4 -08 2 6 2 0 7 .5 8 1 0 3 . 1 3 5 [Z] = 0 8 .79 Use los valores iniciales de a = 1.4 8 9 " [ Z ] [ Z ] 0 9 .3 7 1 Esta matriz multiplicada por su traspuesta resulta en 2 '.25 0.2 6 2 0 8 .25 0. 1 0 4 6 Ésta es multiplicada por [Z ] para obtener ¡Z ] {D} () T 0 .a . 8 4 2 1 1 9 1 .

000662.5019.35) para AA = -0. = 1.f{x¡\a .2714 0. 1958. para la ecuación (17. Los nuevos parámetros resultan en una suma de los cuadrados de los residuos igual a 0.. a ) . 3.. . Se han desarrollado modificaciones del método (Booth y Peterson. En consecuencia.31) esto se podría calcular como (17. k m 0 . El método de Gauss-Newton tiene una variedad de otros posibles defectos: 1.17.7286 y a = 1.5 REGRESIÓN NO LINEAL El vector {AA} es entonces calculado al resolver la ecuación (17. los parámetros se podrían ajustar de manera sistemática para minimizar S mediante técnicas de búsqueda descritas previamente en el capítulo 14. es decir..7286 1.0 +I -0. 1961) para remediar los defectos...2714 0...6751.5019 1 0 x x Así. k a) m 5a k donde 8 = perturbación fraccional pequeña. Además.0 1.com . uno más general es usar rutinas de optimización no lineal como las descritas en la parte cuatro. muchos programas de computadora usan diferentes ecuaciones para aproximar las derivadas parciales. 2. Puede converger con lentitud. . cambia en forma continua de dirección.36) se puede usar para calcular £Q y e igual a 37 y 3 3 % .5019 m la cual puede ser agregada al parámetro inicial supuesto para dar I I «o 1. Un método es dfi da k ^ f(x¡.79186 y a. Ilustraremos el modo para hacer esto cuando describamos las aplicaciones del software al final del capítulo 19. respectivamente. La ecuación (17. 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. El cálculo podría repetirse hasta que esos valores estén abajo del criterio de paro preescrito. a . las estimaciones mejoradas de los parámetros son a = 0.5019 i 0.. Por ejemplo.. .a + 0 k Sa . Puede no converger.blogspot. aunque hay varios procedimientos expresamente diseñados para regresión. r http://libreria-universitaria. .38) Entonces.. Estos coeficientes dan una suma de los cuadrados de los residuos de 0.. se hace una suposición de los parámetros. El resultado final es a = 0. Hartley.0242. Para hacer esto. y se calcula la suma de los cuadrados de los residuos. Puede oscilar ampliamente. a .

3 3 750 Junto con la pendiente y el intercepto. b) la desviación estándar. Determine si esto es una estimación válida para los datos en este problema.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. los valores inferior y superior) que abarquen el 68% de las lecturas.47 1.63 1. pero ahora use regresión polinomial para ajustar los datos a una parábola.30 1. 17.1 Dados los datos 0.com . justifique.27 miento visual y en el error estándar.7 a una parábola.8 1 000 1.71 1. Grafique los datos y la línea de regresión. calcule el error estándar del estimado y el coeficiente de correlación.blogspot.2 1 400 1.6 a 2.65 2. 17.3 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. Después repita el problema. ¿podría usted esperar. c) la varianza. 17.7 Ajuste un modelo de razón de crecimiento saturado con X 0.7 y determine a) la media.06 1.85 2.5 1. g) Suponga que la distribución es normal y que su estimación de la desviación estándar es válida.6 15 2.1. calcule el rango (esto es.7 8 l . d) el coeficiente de variación y e) el intervalo de confianza al 95% para la media. Grafique los datos y la ecuación y encuentre el error estándar. 17.6 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. con base en un asegura- use regresión por mínimos cuadrados para ajustar a) a una línea recta.6 7. Grafique los datos y la línea de regresión.2 Construya un histograma para los datos del problema 17. Use un rango de 0. Interprete sus resultados. 17./) Construya un histograma.12 Ajuste los datos del problema 17. ¿Es superior alguna de las curvas? Si es así. 17. b) a una ecuación de potencias. Encuentre el error estándar.6 2 000 2.1 10 2.29 1.8 2 1.92 1. Grafique los datos y la línea recta.8 12. 17.14 1. 17. Analice sus resultados. que la medición fue válida o fallida? Justifique su conclusión. 17.4 con intervalos de 0.90 1. cambie las variables). y = 5.5 2.96 1. calcule el error estándar de la estimación y el coeficiente de correlación. b) Recalcule a).47 1.10 Ajuste los siguientes datos a una ecuación de potencias X / 2. http://libreria-universitaria. pero ahora haga la regresión de x contra y (es decir. Grafique los datos y la ecuación. Si alguien hizo una medición adicional de x = 5.0 2 700 2. d) el coeficiente de variación y é) el intervalo de confianza al 90% para la media.7 a una ecuación de potencias.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.5 1.75 0. Compare los resultados con aquellos de a).5 2.82 1.3 20 2. Use un rango de 0 a 55 con incrementos de 5.6 6 1.5 5.5 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.5 5 3. 17. Grafique los datos y la ecuación y encuentre el error estándar.9 6 3.4 17.95 1.11 a una parábola.2. 17.5 3.3 2.55 1.78 2.42 1.35 1.9 Adecúe los datos del problema 17.32 1. Valide el ajuste. 17. b) la desviación estándar. c) a una ecuación de razón de crecimiento saturado y d) a una parábola.05 1.REGRESIÓN POR MÍNIMOS CUADRADOS PROBLEMAS 17.8 Ajuste los datos del problema 17. c) la varianza.4 750 0.74 1.5 7 3.4 Use la regresión por mínimos cuadrados para ajustar a una línea recta a X l Grafique los datos y la ecuación. calcule el error estándar del estimado y el coeficiente de correlación.2 4 1.35 1.11 Adecué los siguientes datos a un modelo exponencial X y 4 0.66 1. Grafique los datos junto con todas las curvas. í3 8.

13 mediante el procedimiento de la matriz.7 20.20 Use el software de Métodos Numéricos TOOLKIT para resolver los problemas a) 17.0 29.19 Desarrolle.18 Recalcule el ajuste por regresión de los problemas a) 17.4 y b) 17. depure y pruebe un subprograma en ya sea un lenguaje de alto nivel o en lenguaje macro de su elección para implementar regresión lineal.16 Use regresión no lineal para ajustar los siguientes datos a una parábola 3 4 4 y 0.com . el error estándar del estimado y el coeficiente de correlación.6. 17.6 35.3 3 750 Calcule los coeficientes.2 1 400 1.8 45.0 2 650 2.5 40. 17. 17.17 Use regresión no lineal para ajustar los datos del problema 17.9 ye) 17.075 600 0.3 1 1 2 2 3 15 18 12. http://libreria-universitaria. el error estándar del estimado y el coeficiente de correlación.PROBLEMAS 501 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.5.blogspot. Estime los errores estándar y desarrolle intervalos de confianza al 90% para la pendiente y el intercepto.c) 17. 17. 0 0 y 17.14 Use regresión lineal múltiple para ajustar x. b) 17.13 a una ecuación de razón de crecimiento saturado. d) 17. Entre otras cosas: a) Agregue comentarios para documentar el código y b) determine el error estándar y el coeficiente de determinación.4. 17.7 2 050 2.5 800 1 200 1.12.8 25.

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

1 Interpolación lineal El modo más simple de interpolación es conectar dos puntos con una línea recta.com . llamada interpolación lineal.2 Ilustración gráfica de interpolación lineal.%> (18-2) que es una fórmula de interpolación lineal. Esta técnica. Observe que además de representar la FIGURA 18.1.1 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. Las áreas sombreadas indican los triángulos semejantes usados para obtener la fórmula de interpolación lineal [véase la ecuación! 1 8. /l(-r) ~ /(So) X — XQ = /(*!)-/(*») X\ — la cual se puede reordenar para dar Xo s /. 18. Mediante triángulos semejantes.blogspot.2.(*) = /(%> + / ( j C l ) ~ / ( X o ) (* . Antes de presentar la ecuación general. se ilustra en forma gráfica en la figura 18.18.2)] AQ X X-\ X http://libreria-universitaria.'existe una variedad de formas alternativas para expresar una interpolación de un polinomio. introduciremos la primera y segunda versión debido a su interpretación visual simple.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.

3%.° (2 .3 Dos interpolaciones lineales para estimar ln 2.rrvrcKruLACTurN pendiente de la línea que conecta los puntos. Esta característica se demuestra en el siguiente ejemplo. Ambas interpolaciones se muestran en la figura 18.1 Interpolación lineal Enunciado del problema. Observe cómo el intervalo más pequeño proporciona una mejor estimación.6931472. Esto se debe al hecho de que.0 — 6—1 (2 .1) = 0. junto con la función real. Con el intervalo más pequeño de.386294). cuanto más pequeño sea el intervalo de datos. FIGURA 18. f(x) = ln j f .4620981 t Así. Estime el logaritmo natural de 2 mediante interpolación lineal. x 0 x 0 EJEMPLO 18. En general. con el intervalo más corto se reduce el error relativo porcentual a e — 33.3. pero use un intervalo más pequeño de ln 1 a ln 4 (1.3583519 0 x que representa un error de e = 48. x = 1 a x 4 se obtiene t = / . ( 2 ) = 0 L + 3 8 4 6 ^ . en tanto el intervalo disminuya.3%. Estimaciones lineales l i l i l í http://libreria-universitaria. Usaremos la ecuación (18. Observe que el valor real de ln 2 es 0.1 ) = 0. el término \f(x ) — f(x )]/(x — x ) es una aproximación por diferencia dividida finita de la primera derivada [recuerde la ecuación (4. Primero.com .(2) = 0 + 1 791759 . realice el cálculo por interpolación entre ln 1 = 0 y ln 6 = 1. Solución .791759. una función continua se aproximará mejor por una línea recta.2) y una interpolación lineal para ln(2) de x = 1 a X] = 6 para dar 0 /. mejor será la aproximación.17)]. Después. repita el procedimiento.blogspot.

xo -x\ = xi .4) y (18.1) y (18. f (x) 2 = ao + a\x + ax 2 2 donde ao = bo .com Note que. como se especificó antes en la ecuación (18.18.3).3) conx — XQ puede ser usada para calcular 0 b = /(*o) 0 (18. los primeros dos términos de la ecuación (18. la cual puede evaluarse e n x = x para = f^)-f(xo) X\ - XQ Por último. . Si ties^uiüo^dejas datos están disponibles.3).3) para dar f (x) 2 = b + b\x . Una forma en particular conveniente para este propósito es fi(x) = bo +bi(xx ) + b (x . las ecuaciones (18.x ){x 0 2 0 . Esto puede demostrarse al multiplicar los términos de la ecuación (18. una estrategia para mejorar la estimación es introducir alguna curvatura en la línea que conecta los puntos. b todavía representa la pendiente de la línea que une los puntos x y x . Así.3) son formulaciones alternativas equivalentes del único polinomio de segundo orden que une los tres puntos. .blogspot.3) parecería diferir del polinomio general [véase ecuación (18.x 0 (18.4) puede sustituirse en la (18.2 Interpolación cuadrática El error en el ejemplo 18.1 DIFERENCIA DIVIDIDA DE N E W T O N PARA LA INTERPOLACIÓN 505 18. Por consiguiente.b xx 2 0 - b xx\ 2 o.1)]. la ecuación (18. El último término. las ecuaciones (18.5) se pueden sustituir en la (18. las dos ecuaciones son equivalentes.6) x 2 - Xo x 0 x 0 2 0 http://libreria-universitaria. esto puede realizarse con un polinomio de segundo orden (también conocido como polinomio cuadrático o parábola).3) Observe que aunque la ecuación (18. agrupando términos. Un procedimiento simple puede usarse para determinar los valores de los coeficientes. introduce la curvatura de segundo orden en la fórmula./ ( * o ) f>2 = . como fue el caso con la interpolación lineal. b (x — x )(x — X j ) .1 resulta de nuestra aproximación a una curva con una línea recta.3) son equivalentes a la interpolación lineal d e x a x .1.2). Para Z> .b]X + b x 0 0 2 2 + b x x\ 2 Q . la cual puede evaluarse en x = x y resolver (después de algunas manipulaciones algebraicas) para 2 /(* )-/(*i) 2 / ( * i ) .b xo + t 2 h X{)X\ 2 a\ = b\ — b xu — b x\ 2 a = b 2 2 Así.x{) (18.4) x La ecuación (18.

Pero primero.com .4) se obtiene La ecuación (18. 2 EJEMPLO 1 8 . Solución. Es muy similar a la aproximación por diferencias divididas finitas de la segunda derivada que se introdujo antes en la ecuación (4.24).3).3) comienza a manifestar una estructura que es muy similar a la serie de expansión de Taylor.4 Uso de interpolación cuadrática para estimar ln 2.1 a un polinomio de segundo orden: i j xo = 1 =4 Xl f(xo) .3) para interpolar entre tres puntos. Ajuste los tres puntos usados en el ejemplo 18.4. Para comparación se incluye también la interpolación lineal de x = 1 a 4. 2 1 0 0 5 x http://libreria-universitaria.386294 /(JC ) 2 x = 6 2 = 1. b = 0 0 Aplicando la ecuación (18. Esta observación será objeto de más exploración cuando relacionemos los polinomios de interpolación de Newton con la serie de Taylor en la sección 18. desarrollaremos un ejemplo que muestra cómo se usa la ecuación (18.blogspot. 2 Interpolación cuadrática Enunciado del problema.0 /(xj) = 1. la ecuación (18.5) da | ¡ í FIGURA 18.791759 Use el polinomio para evaluar ln 2.1. Así.506 INTERPOLACIÓN Antes de ilustrar cómo usar la ecuación (18. debemos examinar la forma del coeficiente b .

7) Como se hizo antes con las interpolaciones lineales y cuadráticas.4) mejora la interpolación comparada con el resultado que se obtiene mediante líneas rectas en el ejemplo 18.3) se obtiene la fórmula cuadrática f (x) 2 = 0 + 0. t 18. Así.f(x )]. / ( x ) ] . . la cual representa la diferencia de las dos primeras diferencias divididas.1.4620981 ^ = -0.xi.5658444 2 la cual representa un error relativo de e = 18.Il.11) donde las evaluaciones de la función puestas entre paréntesis son diferencias divididas finitas.1 DIFERENCIA DIVIDIDA DE N E W T O N PARA LA INTERPOLACIÓN 507 y con la ecuación (18.Xj] = X¡ Xj (18. b .10) b n = f[x„. los puntos de los datos evaluaban los coeficientes b .9) b\=f[x x ] u 0 bi = f[x .791759 ..8) (18.)•••(*0 0 0 x„-i) (18. b¡. [x ..1.18.x )(x -*.462098l (x . z x„) (18. Usamos estos datos y las siguientes ecuaciones para evaluar los coeficientes: 0 n 0 0 n n b = f(x ) Q 0 (18.6) se obtiene 1.. El polinomio de «-ésimo orden es f„(x) = b + bi(x .4%...4) que puede evaluarse en x — 2 para / (2) = 0.x„-i.A' ] 0 (18. la primera diferencia dividida finita se representa por lo general como rr T / ( • * / ' ) ~ f( j) X / 1 0 n \ f[xj.3.])(x ..0518731 6—1 Sustituyendo estos valores en la ecuación (18.0518731 (x .... [x^fix^]. Por ejemplo.0. se expresa por lo general como http://libreria-universitaria.x ) + • • • + b„(x .blogspot.3 F o r m a general de la interpolación de p o l i n o m i o s de N e w t o n El análisis anterior puede ser generalizado para ajustar un polinomio de «-ésimo orden a n + 1 datos. la curvatura introducida por la fórmula cuadrática (véase la figura 18.1 y figura 18.com .. Para un polinomio de «-ésimo orden se requiere n + 1 puntos: [ x .386294 b = 2 6 4 0.1) . .12) La segunda diferencia dividida finita.

14) (Wl\A\ X„ — XQ Estas diferencias pueden usarse para evaluar los coeficientes en las ecuaciones (18..V|) | /0.5 Ilustración gráfica de la naturaleza recursiva de las diferencias divididas finitas.15) que es conocido como polinomio de interpolación por diferencias divididas de Newton. El polinomio de tercer orden utilizando la ecuación (18. r . .. Esta propiedad será aprovechada cuando desarrollemos un programa eficiente en la computadora dentro de la sección 18. . la n-ésima diferencia dividida finita es j..com / l ( . es T ) http://libreria-universitaria.15) sean igualmente espaciados o que los valores de la abscisa deban estar en orden ascendente.5)..x^x^ 0 x u x] 0 (18.11).609438]. (x .x ] n 1 n n l 0 * y i * i » *o] + ( ~ 0 x x )(x .x¡Á J 1 = . x.1.\ . 0 x 2 3 3 Solución. f(x ) = 1.. Debe observarse que no es necesario que los datos utilizados en la ecuación (18. = - n —\ - >•••i - x - \ \ — /[x„_i.7) para obtener el polinomio de interpolación /«(*) = ñ o) x + -+ + (x- (x . observe cómo las ecuaciones (18. EJEMPLO 18.) .v • -. las cuales entonces se sustituirán en la ecuación (18.loK.18.x = 4 yx — 6 se utilizaron para estimar ln 2 con una parábola.X ] K f \x¡ .508 INTERPOLACIÓN .X ) + l> (.Xj. . como se ilustra en el siguiente ejemplo.14) son recursivas (es decir. X. x ]" f 3 2 *3 f[x h 3 FIGURA 18.x.)f(x |2 :f[x . f[Xi. Ahora. - X „ _ 2 . 0 i */ x Primara f(x )0 Segundo |.. También. x„] Tareero |X|.X„-u.V .5 para implementar el método.] 2 x : [x . f[x„. x ]0 x 2 3 \ f(x..8) hasta la (18. los datos e n x = \.v>) .«o) (. calcule el ln 2 con una interpolación del polinomio de Newton de tercer orden.- x¡-x k (18.X Xo] r U ....\ 2 . En el ejemplo 18.(.2. véase la figura 18.3 Interpolando polinomios mediante la diferencia dividida de Newton Enunciado del problema..Xo)(x .x _ .. las diferencias de órdenes mayores se calculan al tomar diferencias de orden menor.x _ Y[x .Xj] - f[. X. XQ] (.7) con n — 3. v ) = b{) + l>l(X ..13) fí ni x x En forma similar. . agregando un cuarto punto (x = 5.»| )(\ .„ o 2 :f[x.12) a (18.x. .blogspot..

386294 5-6 Las segundas diferencias divididas son [véase la ecuación (18.1 0.Xi. X^XQ] y f[x .0.12)] 1.f[x .13)] 0. x ] representan los coeficientes 6.386294 f[x . x . 0 2 0 4 1 1 0 0 .1 UirCKCrNUA U l V I V I U r t u c P I S Y T I W I ^ FIGURA 18.(-0.1823216-0.Xi] 2 = f[X3.007865529 Los resultados para/[*.X ] 2 = 1.com ..05187311) 5 .02041100 f[XT.Xi 2 La tercera diferencia dividida es [véase la ecuación (18. Las primeras diferencias divididas para el problema son [véase la ecuación (18.791759 . b y ¿> de la ecuación (18.1 5 . x ].1.1 0 2 3 2 x 0 = 0.4620981 0.6 Uso de la interpolación cúbica para estimar ln 2.4620981 f[X2.7) es 2 3 0 0 http://libreria-universitaria.2027326 0.blogspot.7).1823216 1.X . la ecuación (18..05187311 = -0.X ] 0 = 4-0 6-4 = 0.14) con n = 3] ..1.2027326 5-4 = -0.0 .2027326-0.X ] 0 = 6. x .386294-0 f[X].609438 . Junto con b =f(x ) = 0.

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 ](x 0 . .007865529 (x . El polinomio cúbico completo se muestra en la figura 18. Para esta fórmula que habrá de usarse..x + 1 ) 0 ) ( x . una relación análoga para el error es +1 R„ r" (£)(x .05187311 (x + 0.4 )(x .4620981 (JI . Use los datos adicional e s / ( x ) = / ( 5 ) = 1. si se dispone de un dato adicional f(x ).17) donde f[x. como ocurrió con la serie de Taylor.17) contiene la incógnita/ (x). D :bido a que la ecuación (18.x„.3%. X ](X Q - X )(X 0 - X\) • • • (X - X„) (18.x„^i 0 . Por lo común éste no es el caso. Por fortuna. 18. el polinomio sujeto a interpolación de n-ésimo con base en n + 1 puntos dará resultados exactos.x„) (18. ) • • • (x .com .x . 3 http://libreria-universitaria. si la verdadera función subyacente es un polinomio de w-ésimo orden.18) EJEMPLO 18.18) para estimar el error para la interpolación del polinomio de segundo orden del ejemplo 18.4 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. Para una interpolación de n-ésimo orden.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. También.x ) • • • (x t -x„) (18.6) I )(. Estos términos son diferencias divididas finitas y.v .x )(x 0 . una formulación alternativa ei tá disponible y no requiere conocimiento previo de la función. puede obtenerse una formulación para el error de truncamiento. Recuerde de la ecuación (4. x . Por consiguiente.l ) ( x . como fue el caso con la serie de Taylor.310 INTERPOLACIÓN fr(x) = 0 + 0. .609438 para obtener sus resultados. representan aproximaciones de las derivadas de orden mayor.16) (n + 1)! donde £ está en alguna parte en el intervalo que contiene la incógnita y los datos. como en n+1 R„ = f[x„ +u x„.1) .0.4 Estimación del error para el polinomio de Newton ¡ ! Enunciado del problema.6287686. Más bien.. Sin embargo. la ecuación (18. R„ = n nA fíx.6) donde ¿j está en alguna parte en el intervalo x¡ a x . no puede resolverse para el err >r. .6. el cual representa un error relativo de e¡ = 9. . usa una diferí ncia dividida finita para aproximar la derivada (n + l)-ésima.. Use la ecuación (18.1.blogspot..x .17) pue<e usarse para estimar el error.2. . así. x )] es la (n + 1 )-ésima diferencia dividida finita. la función en turno debe ser conocida y < iferenciable.4) que puede usarse para e v a l u a r / ^ ) = 0.

x„-i. si se tiene un punto adicional en x — x . la versión de Lagrange tiene un error estimado de [véase ecuación (18.21) se programan de manera muy simple para implementarse en una computadora. se puede obtener un error estimado.x„. esto se hace muy ocasionalmente.• •».. como no se emplean las diferencias divididas finitas como parte del algoritmo de Lagrange.11 muestra el pseudocódigo que se puede emplear para este propósito..23) pasa a través de uno de los puntos y es cero en los otros dos. En resumen. La figura 18. Las ecuaciones (18.x ] Y\(x 0 -x¡) n+l De este modo. Cada uno de los tres términos en la ecuación (18. Además.18) se integra de manera usual en el cálculo del polinomio de Newton debido a que http://libreria-universitaria.10 Una ilustración visual del racional detrás del polinomio de Lagrange. por tanto.20) y (18. es un polinomio único de segundo orden f |x) que pasa exactamente a través de los puntos. como en el caso del método de Newton. n . Sin embargo. el método de Newton tiene ventajas en el conocimiento que proporciona respecto al comportamiento de las fórmulas de diferente orden. Esta figura muestra un caso de segundo orden.com .blogspot. 2 Observe que. La sumatoria de los tres términos..* n u i n r w i v i v n ve rwHmwmius'nimiwnOff ¥17 FIGURA 18.17)] n R = f[x. el error estimado expuesto por la ecuación (18. para casos donde el orden del polinomio es desconocido.

Debido a que no requiere de cálculos y almacenaje de diferencias divididas. Por tanto. Podemos usar el algoritmo de la figura 18. Estamos conscientes que el comportamiento de la interpolación de polinomios puede ser inesperado.n IF i # j THEN product = product*(x ENDIF EWDO sum = sum + product EWDO Lagmg = sum END Laqrftq . EJEMPLO 1 8 . Sin embargo. 3. construiremos http://libreria-universitaria.Xj) .com polinomios de 4. 7 Interpolación de Lagrange usando la computadora Enunciado del problema.518 INTERPOLACIÓN FUNCTION Lagrng(x. Este algoritmo se acondiciona para calcular una sola predicción de n-ésimo orden. la versión de Lagrange es un poco más fácil de programar. para cálculos exploratorios. 2 y 1 órdenes para comparar los resultados. n. la forma de Lagrange se usa a menudo cuando el orden del polinomio se conoce a priorí.yi DO j = 0.5).blogspot. Los datos de medición obtenidos para un caso de prueba en particular son Tiempo. Suponga que desarrollamos cierta instrumentación para medula velocidad del paracaidista. De esta manera. donde n + 1 es el número de datos. y. s Velocidad m e d i d a v. las formulaciones de Lagrange y Newton requieren un notable esfuerzo computacional.Xj )/(x . FIGURA 18.11 Pseudocódigo para ¡mplementar la interpolación de Lagrange. Cuando se ejecuta sólo una interpolación. x) sum = 0 DO i = 0. í . la estimación emplea una diferencia finita (véase el ejemplo 18.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.n product . a menudo se prefiere el método de Newton.11 para estudiar un análisis de tendencia para un problema que se relaciona con nuestio conocido caso del paracaidista en caída.

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

18.25) para dar f(x ) 0 [X]. Ya sean resueltos con un método de eliminación o con un algoritmo eficiente.3333.3 = 3. las x son los puntos conocidos y las a las incógnitas.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. como la función está disponible y se puede manejar en forma fácil.f(x )].26) + a x\ 2 De esta manera.26) se podría resolver con un método de eliminación de la parte tres.4 INTERPOLACIÓN INVERSA Como su nomenclatura lo implica. se puede usar ecuaciones algebraicas lineales simultáneas para calcular las a. pero que se le ha dado un valor para f(x) y debe determinar el valor correspondiente de x. = 1/0. Debe observarse que el procedimiento anterior no es el método disponible más eficiente para determinar los coeficientes de una interpolación de polinomios. Cualquiera que sea la técnica empleada. se debe tener precaución con el orden. http://libreria-universitaria. Cuando se usan para una interpolación subsecuente a menudo se obtiene resultados erróneos.25) 0 Se requiere tres puntos: [x .1429 Ahora suponga que usted debe usar los mismos datos. Por ejemplo.26) están notoriamente mal condicionados. en forma respectiva. Como hay el mismo número de ecuaciones que incógnitas.25 5 0. Press y cois. Así.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. Un ejemplo simple es una tabla de valores tabulados para la función f(x) = l/x. los valores de f(x) y x en la mayoría de los contextos de interpolación son las variables dependientes e independientes. emplee la interpolación de Newton o Lagrange.24). limítese a polinomios de orden inferior y verifique sus resultados cuidadosamente.blogspot. suponga que se le pide determinar el valor de x que corresponda a f(x) — 0. suponga que usted desea calcular los coeficientes de la parábola f(x) = a + a\x + a x 0 2 0 2 (18. la ecuación (18. Por ejemplo.3333 4 0. para los datos anteriores. si usted se interesa en determinar un punto intermedio. en particular para n grandes. Si lo que desea es determinar una ecuación con la forma de la (18. En consecuencia.1667 7 0.com . los valores de las x están típicamente espaciados en forma uniforme. (1986) proporcionan un análisis y códigos de cómputo para procedimientos más eficaces./(xj)] y [x . la ecuación (18.5 3 0. En resumen. Los sistemas como el de la ecuación (18. Para este caso. los coeficientes resultantes pueden ser altamente inexactos.3.520 INTERPOLACIÓN f(x) =a 0 + ax + ax x 2 2 + •••+ a x n n (18. X 1 1 2 0. la respuesta correcta se determina directamente como A.f(x )].2 6 0.

20) se puede derivar de manera directa a partir del polinomio de Newton (véase cuadro 18.x 0 (18.2D iW= fi(x) n^/ y=o X Í . 2 3 ) -x )(x 2 -Xi)" La ecuación (18.X ) 2 - r/(*i) x) 2 . x = 1.9 muestra los resultados para el caso de invertir el orden de los datos originales.x ) ( x — r/(x ) + .x )(xi 2 0 0 2 0 .5. 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. Se puede expresar de manera concisa como / » ( * )=2 i=0 donde £. x = 3. La figura 18.x ) {x\ . el error es proporcional al producto: (x — x ) (x — x¡). y asi sucesivamente. la magnitud más pequeña de este producto. la versión lineal (n = 1) es = ?—^f(xo) x .5. Si suponemos que la diferencia dividida finita no varía mucho a lo largo del rango de datos.com . Por ejemplo. Como se podría intuir en forma obvia.xi 0 + í—^-f(xx) x. 0 n 18. Como los puntos iniciales para este caso se hallan cercanos y espaciados en cualquier lado de ln 2. En el segundo término. 0 { 3 El ejemplo anterior ilustra la importancia de la selección de los puntos base.X J donde II designa el "producto de".(*)ft*i> (18. Sin embargo.17)]. Se podría emplear otras combinaciones para obtener diferentes velocidades de convergencia.20) (18. . los puntos base más cercanos son a x. los puntos deberían estar centrados alrededor y tan cerca como sea posible de las incógnitas. 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. Esta observación es también soportada por un análisis directo de la ecuación para estimar el error [vea ecuación (18.(x — x ). (x-xo)(x.(x . Por lógica.) (x 2 0 Xl mfiX2) ( 1 8 . . = 2 % . esto es..blogspot. el error disminuye mucho más rápido que para la situación original.5.puntos en una secuencia diferente.1).22) 0 y la versión de segundo orden es f (x) 2 = ' (i-xi)(x-x ) .xO(xo . el error se redujo a menos de e.— ( x .

20) es el único polinomio de n-ésimo orden que pasa de manera exacta a través de todos los n + 1 puntos.1. 6 Interpolación de polinomios de Lagrange Enunciado del problema.. — x— f (x) = x o -/(x ) + V(xi) X (B18.1. reformulamos las diferencias divididas.2) se obtiene /i(x) = /(x ) +x\—.23)] / (2) = 2 (2-4)(2-6) (l-4)(l-6) -0+ (2-l)(2-6) -1.=4 x =6 2 f(xo) = 0 / ( x 0 = 1.xo] = /(xi) xi .22)] se puede usar para obtener la estimación en x = 2. En consecuencia. De esta manera.791760 = 0.l)(2-4) + -1. Por ejemplo.1) Xl se puede reformular como (B18.386294 f(x ) 2 = 1.1 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. i / .2)]./(x ) /[x.1. la sumatoria de todos los productos designados para la ecuación (18. ambos resultados concuerdan con los que se obtuvieron antes al usar la interpolación para el polinomio de Newton.516 INTERPOLACIÓN 1 en x = x. Haremos esto únicamente para el caso del polinomio de primer orden [véase ecuación (18.10). Para obtener la forma de Lagrange. El polinomio de primer orden [véase ecuación (18. y 0 en todos los otros puntos de la muestra (véase la figura 18. EJEMPLO 1 8 .4620981 1 1 De manera similar. 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 18.2: xo = 1 x.2) en (18.blogspot. la primera diferencia dividida.— xf t x i ) 0 0 + ——/(x ) x 0 Xi 0 . ( 2 ) = Y~^°+ y -386294 = 0. cada producto L¡(x)f(x¡) toma el valor de f(x¡) en el punto de muestra x¡. al agrupar términos similares y simplificar se tiene la forma del polinomio de Lagrange. Cuadro 18.791760 Solución. Al sustituir la ecuación (B18. el polinomio de segundo orden se desarrolla como [véase ecuación (18.5658444 (6-l)(6-4) Como se esperaba.2) x - X l 0 X\ Xo XQ http://libreria-universitaria.x o 0 fl i Por último. la cual es referida comoforma simétrica.com .386294 (4-l)(4-6) ( 2 .

¡el problema de interpolación se reduce a un problema de raíces! Por ejemplo. En la mayoría de los casos. 0. De hecho.3 sería equivalente a la determinación raices de 0. Por ejemplo. Una estrategia alterna es ajustar un polinomio de n-ésimo orden.com . para f(x) = 1/x el resultado es 0. usted debe intentar cambiar los valores f(x) y x [es decir. (3. esas técnicas tenían gran utilidad para interpolación a partir de http://libreria-universitaria.0.295842 Así. Para un caso más complicado.3 = 1.4(0.5 COMENTARIOS ADICIONALES 521 Tal problema se conoce como interpolación inversa. como las x están espaciadas de manera uniforme.375. 0.375 ± v/C-0.2). sólo grafique x contra f(x)\ y use un procedimiento como la interpolación de Lagrange para determinar el resultado.78333 _ 5. Como. la segunda raíz.375A.041667)0.041667* 2 La respuesta al problema de interpolación inversa para determinar lax correspondiente a f(x) = 0.08333 . tendrán la apariencia de una escala logarítmica con algunos puntos adyacentes muy agrupados y otros muy dispersos. los valores serán "agrandados".0. la fórmula cuadrática se puede usar para calcular _ 0. El resultado sería n f (x) 2 = 1. cuando usted invierte las variables no hay garantía de que los valores junto con la nueva abscisa [los/(x)] sean espaciados uniformemente. f {x). con f(x) contra x].* + 0. 0. Es decir. Antes de la llegada de las computadoras digitales. son compatibles con datos espaciados en forma arbitraria. un simple procedimiento podría ser ajustar los tres puntos a un polinomio cuadrático: (2. este polinomio no estará mal condicionado.25 0.08333 .333. ambos polinomios.18.375) .5 COMENTARIOS ADICIONALES Antes de proceder con la siguiente sección. 3.1429 X 0.041667 A: 2 Para este caso simple. Si se desea una exactitud adicional.blogspot.296.3333 0. Por desgracia. para el problema antes descrito.3333) y (4. a los datos originales [es decir.2 0. es una buena aproximación del valor real de 3. se debe mencionar dos temas adicionales: interpolación con datos igualmente espaciados y extrapolación. 18. usted se preguntaría por qué hemos puesto el caso especial de datos igualmente espaciados (véase cuadro 18.5).1667 0. el de Newton y Lagrange.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.+ 0.25). 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.041667) ~ 3.704158 2 X ~ 2(0. en muchos casos. Esto puede ocurrir aun para polinomios de orden inferior. 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). Así.

1) • • (a . ( X ) =/(XQ) . A|.2.2) • • • (a . \ .2.2 INTERPOLACIÓN CON D A T O S I G U A L M E N T E E S P A C I A D O S Si los datos están igualmente espaciados y en orden ascendente.X|.1) fíx ) i) 2! "a(a 0 . x „ ] = A"/(x ) 0 n\h" (B18. en general /[Xo .24) x 0 (B 18. .n + 1) + R„ 0 ya que x — x = x — x = (x — x )/2 = h.2.x ) ( x .2. 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.com . ) + /(x ) 2 { 2 0 H . (X 0 h X ) 0 + + A 2 / ( A 0 ) 2\h 2 (x .16).«) [n + 1)! Esta notación concisa tendrá utilidad en nuestra derivación y en el análisis de error de las fórmulas de integración en el capítulo 21.3) http://libreria-universitaria. Luther y Wilkes (1969).D(« . Con esta base. entre los datos. .2) Mediante la ecuación (Bl 8. .2.3): x — x — AO = AQ — donde h es el intervalo. Para información adicional con respecto a interpolación para datos igualmente espaciados se puede consultar a Carnahan.1) / ( x ) .2.15)] para el caso de datos igualmente espaciados como r / x s. Esta ecuación es conocida como fórmula de Newton o fórmula hacia adelante de Newton-Gregory. o tamaño de paso. + A/(X ) . están disponibles las fórmulas hacia atrás y central de Newton-Gregory.4) A /(xo) = /(A'2)-2/(x ) + /(x ) 2 l 0 Por tanto.X|.1) se puede representar como /[X . Además de la fórmula hacia adelante. . 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. Por ejemplo.h) 0 nlh" 0 ---+^¡^(x-x )(x-x -h) Q 0 •••\x-x -(n-1)h) + R„ (B18.522 INTERPOLACIÓN Cuadro 18.xo . A ] 0 2 2 2 -X 0 las cuales se sustituyen en la ecuación (Bl 8. las diferencias divididas finitas se pueden expresar en forma concisa. Se puede simplificar más al definir una nueva cantidad. A"/(x ) -i ¡—a (a . la ecuación (B 18.X ] = 0 2 Rn = . podemos expresar el polinomio de interpolación de Newton [véase ecuación (18. / . V + W . A /(x ) 2 0 2\h 2 o.3) para dar A fn(x) = /(x ) + A/(x )a + 0 0 2 0 (B 18. Ahora recuerde que la segunda diferencia hacia adelante es igual al numerador donde de la ecuación (4. . . a: 2 = A O ' + 2h x„ = xo + nh Esta definición se puede usar para desarrollar las siguientes expresiones simplificadas páralos términos en la ecuación (B18.2.2).2 / 2h ( x .2. Al. X ] = 2 X2 la cual se puede expresar como / [ X .blogspot.

Esta relación puede evaluarse e n * = 2 para R = 0. el error estimado de la ecuación (18. Para tal situación. junto con el valor adicional en x .4)(x .4)(2 .19) conforma nuestra definición estándar de error al representar la diferencia entre la verdadera y una aproximación.3. i j j \ " uircRCNClA DIVIDIDA DE N E W T O N "PARA LA INTERPOLACIÓN Solución. la ecuación (18. la interpolación de polinomios de alto orden son muy sensibles a errores en los datos (es decir. Esto significa que para una serie en convergencia rápida.5658444 = 0. 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 18.19) es más sensible para dicha divergencia. http://libreria-universitaria.1)(2 .19) En otras palabras.XQ\(X - x )(x 0 - x\)(x - x) 2 i o ! í R = 0.I i o. Esto puede verse con claridad al reordenar la ecuación (18. x .19) podría ser menor que el verdadero. Es decir. Si se hubiera conocido el valor real.18).0. Si se prevén tales errores. Sin embargo. la ecuación (18.1273028. Sin embargo. como en 2 3 M I ! Ri = /fe. la ecuación (18. la ecuación (18.5658444. Cuando se emplean para interpolación.19) representa una predicción futura menos una presente. Rn = fn + l(x) ~ fn(x) (18. pudo usarse para estimar el error.com .2 la interpolación del polinomio de segundo orden proporcionó una estimación de f (2) = 0.6931472 . 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. En consecuencia.007865529(JC .blogspot. la ecuación (18. Como tal.007865529(2 . es más valioso para la clase de análisis de datos exploratorios para lo cual el polinomio de Newton es el más adecuado. 2 X\. como será expuesto en la siguiente sección. la predicción del (n + l)-ésimo orden debería ser mucho más cercana al valor real que la predicción del n-ésimo orden. Recuerde que en el ejemplo 18. a menudo se obtienen predicciones que divergen en forma significativa del valor verdadero. están mal condicionados).18). Esto representaría una calidad muy poco atractiva si el error estimado fuera a emplearse como un criterio de paro.l)(x .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.6) = 0. el incremento que se agrega al caso del n-ésimo orden para crear el caso de (n + l)-ésimo orden [es decir.0629242 2 2 la cual es del mismo orden de magnitud que el error real. observe que mientras todos los otros errores estimados para procedimientos iterativos introducidos hasta ahora se determinaron como una predicción actual menos una previa. como es común que suceda. que representa un error de 0.18)] se interpreta como una estimación del n-ésimo orden de error.

Al agregar nuevos términos en forma secuencial.8) hasta (18. xi.14) y la figura 18.5 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. Tal capacidad es en especial valiosa cuando el orden del polinomio no es conocido a priori. + fdd fdd ¡¿ M¡t 0 0¡0 older 1 fdd^x^-xj oreter _. 5U3R0UTINE Newtlnt (x. ymt.5. se puede desarrollar de manera secuencial versiones de orden mayor con la adición de un solo término a la siguiente ecuación de orden inferior.blogspot. Esto facilita la evaluación de algunas de las versiones de diferente orden en el mismo programa. ea) LOCAL fdd„ DOi = 0. 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. Como en la ecuación (18.) 0iOrder * xterm http://libreria-universitaria. El error estimado [véase 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. 3. los coeficientes se pueden calcular de manera eficiente. se usa diferencias del orden inferior para calcular las de alto orden. 2. Las diferencias divididas finitas que constituyen los coeficientes del polinomio [ecuaciones (18. n. cuando la adición de términos de orden superior ya no mejora de manera significativa la estimación.n.512 INTERPOLACIÓN 18. El algoritmo en la figura 18.7 contiene un esquema semejante. y. Por medio de la información determinada antes. o en ciertas situaciones de hecho la aleja).11)] se pueden calcular de manera eficaz.com END order END Newtlnt .x yintZ = yint .1.7).j fdd = (fdd i ENDDO END DO xterm = 1 yint = fdd DO order = 1. FIGURA 18.7 Un algoritmo para el polinomio de interpolación de Newton escrito en pseudocódigo. n xterm = xterm * (x¡ .n DO i = 0. Es decir.n' ¡n u>=y¡ END DO DO j = 1. podemos determinar cuándo se alcanza un punto de disminución de regreso (es decir. como en la ecuación (18.

0986123 1.7 para obtener una solución se muestran en la figura 18. 7 . X( 2 ) .675722 0.693439 http://libreria-universitaria. 0 . Los resultados al emplear el algoritmo de la figura 18.5 3.0. X( 6 ) .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 18.046953 0.5 .5 .693898 0.000000 0.7).com . y( y( y( y( y( y( y( y( 0 1 ) ) ? ? ? ? ? ? 1.2527630 2 ERROR 0.5 1 1.2527630 Solución.8.6094379 3 .003616 -0. 1. 1 .18.0986123 0.628769 0.91629073 INTERPOLATION AT X ORDER 0 1 2 3 4 5 6 7 F(X) 0. La utilidad de este algoritmo se demuestra en el ejemplo siguiente.9162907 1. utilice el algoritmo de cómputo que se muestra en la figura 18.7 y la siguiente información para evaluar/(x) = Inxenx = 2: x i f (x) = ln x 0 4 ó 5 3 1.0 6 .021792 -0. X( 1 ).4054641 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 .5 .000459 ? 4 .462098 0. X( 4 ) .7917595 1. el segundo establece las predicciones y su error asociado.6094379 1. X( 5 ) . 1. j Enunciadodel problema. 3 8 6 2 9 4 4 2 ) 3 ) 4 ) 5 ) 6 ) 7 ) - FIGURA 18. NUMBER OF P01NTS? 8 X( 0 ) .697514 0.103746 0.blogspot.5 Estimación del error para determinar el orden adecuado de interpolación ¡ .c o nb a s ee ne la g lo r m t i od el af i g u r a1 8 .1. 1.565844 0.5 2. Después de incorporar el error [véase la ecuación (18.7). 4 0 5 4 6 4 1 1 3. EJEMPLO 18. El error estimado. Observe que el algoritmo consiste en dos partes: el primero determina los coeficientes o partir de la ecuación (18.18)].8 ? 2. p a r ae v a l u a rn l 2.062924 0.3862944 1.7917595 5 . X( 7 ) . X( 3 ) .462098 0.

En consecuencia. 6 y 5) están distantes y a un lado del punto de análisis en x = 2. Sin embargo. Este ejercicio también ilustra la importancia de colocar el orden de los puntos.5.514 INTERPOLACIÓN I ¡ \ ! \ \ \ ¡ i j j base en el hecho de que ln 2 = 0.9.6931472). sino que también se halla en el lado opuesto de la mayoría de los otros puntos. No sólo está este punto cercano a la incógnita.9 Porcentaje de errores relativos para la predicción de ln 2 como una función del orden de la interpolación polinomial. la disminución más dramática en el error está asociada con la inclusión del término de quinto orden mediante los datos en x = 1. 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. se ilustran en la figura 18.blogspot. pero considerando los i j ! FIGURA 18. Observe que el error estimado y el real son similares y que su concordancia mejora en tanto se aumente el orden. el error se reduce a casi un orden de magnitud. hasta la estimación del tercer orden. La estimación de cuarto orden muestra algo de mejora ya que el nuevo punto en x — 3 está cercano a la incógnita. Error i http://libreria-universitaria.com . la razón de mejora es lenta debido a que los puntos que se agregaron (en x = 4. Por ejemplo. 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.

el material del cuadro 18.13). se debe tener extremo cuidado al realizar ejercicios donde surja un caso que se deba extrapolar. 0 n http://libreria-universitaria. como las fórmulas son subconjuntos de esquemas de Newton y Lagrange compatibles con computadora y debido a las muchas funciones tabulares disponibles. Como las fórmulas de integración numérica tienen relevancia en la solución de ecuaciones diferenciales ordinarias. De hecho. como subrutinas de librerías. La extrapolación se basa en el ajuste de una parábola a través de los primeros tres puntos conocidos. . ya que el proceso extiende la curva más allá de la región conocida. En una sección anterior.. mencionamos que la interpolación más exacta es usualmente obtenida cuando las incógnitas están cerca del centro de los puntos base.) Sin embargo.blogspot. en consecuencia.13 Ilustración de la divergencia posible de una predicción extrapolada.2 tiene también significado en la parte siete. esto no se cumple cuando las incógnitas se encuentran fuera del rango y. el error en extrapolación puede ser muy grande. una estructura computacional conocida como tabla de diferencias divididas fue desarrollada para facilitar la implementación de esas técnicas. Como se ilustra en la figura 18. JC. . Por tanto. En particular.FIGURA 18. Extrapolación es el proceso de estimar un valor de f(x) que se tiene fuera del rango de los puntos base conocidos. la necesidad para las versiones igualmente espaciadas ha disminuido. x (véase la figura 18. x . Obviamente.com . tablas con argumentos igualmente espaciados. (La figura 18. .5 es un ejemplo de esa tabla. la naturaleza de extremos abiertos de la extrapolación representa un paso en la incógnita. Como tal. 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. la curva real podría con facilidad divergir de la predicción. A pesar de esto..13.

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

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

3. 0 n EJEMPLO 1 8 .1 7-4.6.0 4.0 http://libreria-universitaria.5 1.16a.xi) f(x) = / ( x „ .60 Las pendientes para los otros intervalos se pueden calcular y las segmentarias resultantes de primer orden se grafican en la figura 18.blogspot.27): 2.1 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. Por ejemplo.526 INTERPOLACIÓN 18.1 Datos para ser ajustados con funciones segmentarias.com 2. Después se usa la ecuación adecuada para determinar el valor de la función dentro del intervalo. f(x) = f(xo) +m (x 0 - x ) 0 xo < x '< xi Xi £ x < Xi / ( x ) = / ( x i ) +nn(x . f(x) 3. El valor e n x = 5 es 1.1 con segmentarias de primer orden.x„_i) x „_i < x < x„ donde m¡ es la pendiente de la línea recta que conecta los puntos: /(*/ + !) f(x¡) x¡+i — x¡ (18.0 2. TABLA 18.27) 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. Ajuste los datos de la tabla 18.0 9.5 7. para el intervalo x = 4.5 a x = 7 la pendiente se puede calcular mediante la ecuación (18. Solución.5 .j ) + m„-\(x . Se puede usar los datos para determinar las pendientes entre puntos.5 = 0.5 . 8 Segmentarias de primer orden Enunciado del problema. El método es obviamente idéntico al de la interpolación lineal.5 0. Evalúe la función e n x = 5. Las segmentarias de primer orden para un grupo de datos ordenados pueden definirse como un conjunto de funciones lineales.

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

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

Esto agrega dos ecuaciones adicionales: a\xl + bix a„x 2 n n 0 + c\ = f(x ) 0 (18. Aunque hay un número de elecciones diferentes que se pueden tomar. para i = 2 a n. debemos tomar una selección arbitraria para calcular de manera exitosa las constantes.5 3 3 Evaluando a las funciones primera y última en los valores inicial y final se agregan 2 ecuaciones mes [véase ecuación (18.0 20. se tienen 4 datos con n — 3 intervalos.6* INTERPOLACIÓN SEGMENTARIA 1 9 9 2. 5 & 1 + c i = 1.blogspot. A menos que tengamos alguna información adicional con respecto a las funciones o sus derivadas.34) La interpretación visual de esta condición es que los dos primeros puntos se conectarán con una línea recta. Las ecuaciones (18. Como se tiene 3n incógnitas.-\ + b¡-[ = 2a¡Xi-\ + b¡ (18.29) y (18.5 2 2 49a + 3 7fo + c = 2. Como la segunda derivada de la ecuación 18. EJEMPLO 1 8 .30) dan 2(3) — 2 = 4 i condiciones: 1 I 2 0 . La primera derivada de la ecuación 18.33) 4.1). Use los resultados para calcular el valor enx = 5.31) (18.8 (véase tabla 18. se tiene una condición corta. Por tanto. 9 Segmentarias cuadráticas j ! \ Enunciado del problema.28 es f\x) = 2ax + b Por tanto. 3(3) = \ 9 incógnitas por ser determinadas. Para este problema.0 2 2 j J 49a + 2 7 /7 + c = 2.com . esta condición se puede expresar matemáticamente como «i = 0 (18. 2 5 a i + 4 . la condición se puede representar de manera general como 2a¡-\x.25 (32 + 4. seleccionamos la siguiente: Suponga que en el primer punto la segunda derivada es cero. 3.32) + b x„ +c„- f(x ) n para un total de 2n — 2 + 2 = 2n condiciones.5Í7 + c = 1. Esto proporciona otras n — 1 condiciones para un total de 2n + n — 1 = 3« — 1.31)]: http://libreria-universitaria. Las primera y última funciones deben pasar a través de los puntos extremo. | Solución. Ajustar por medio de segmentarias cuadráticas los mismos datos que se usaron en el ejemplo 18. Las primeras derivadas en los nodos interiores deben ser iguales.28 es 2a¡.18.

la ecuación (18.76 JT + 18.32)] 81a + 9 ¿ > + c = 0.34) especifica que a — 0.. 3 3 las cuales pueden sustituirse en las ecuaciones cuadráticas originales para desarrollar la siguiente relación para cada intervalo: /. por tanto.v) = —jr + 5.5 < x < 7.0 < x < 9.530 INTERPOLACIÓN 9a! +3b> + c i = 2.0 = 0.33)]: 9Ú[ 2 + b\ = 9a 4.5 4.5 c = 18.1 .5 y [véase ecuación (18.166.66 2 2 El ajuste total por segmentarias se ilustra en la figura 18. / ( 5 ) = 0.76(5) + 18.6x .91. http://libreria-universitaria.46 2 / (.5 2.3 2 3 7.6 £.76 2 c\ = 5.6. la predicción para x = 5 es.64 A .64 2 b\ = — 1 b =-6.5 0 0 Esas ecuaciones se pueden resolver mediante las técnicas de la parte tres. Estas condiciones se pueden expresar en forma matricial como x 4. 6 x + 24.5 2. Como esta ecuación especifica a¡ de manera exacta.5 0.64(5) .9 1 .5 f (x) 2 3.5 3 3 3 La continuidad de las derivadas crea un adicional de 3 — 1 = 2 [véase ecuación (18.(.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. son i«<*molación seamentaria. el problema se reduce a la resolución de ocho ecuaciones simultáneas.0 Cuando se u s a ^ .v) = .46 2 a =-1.com .blogspot.46 = 0.25 4.5 0 0 0 3 0 1 0 1 0 0 0 1 0 0 0 0 0 20.6.b 2 2 14a + ¿>2 = 14a + 3 ¿>3 Por último.= . Las segmentarias cúbicas de la siguiente sección no exhiben estas desventajas y. 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. en consecuencia. con los resultados: «i=0 a = 0.6 3 ¿3=24.0<x<4.

Se le da este nombre debido a que el dibujo segmentario se comporta en esta forma (véase figura 18. 4.v + b¡x + c¡x + d-.3 Segmentaria» cúbicas El objetivo en las segmentarias cúbicas es obtener un polinomio de tercer orden partí cada intervalo entre los nodos. 2 .6.36) + /(*/) Xi — 6 ( A .xY + — f(*i-Ó /"(*/-! )(*/ - -(x X¡-Ó' - Xi-xY x¡ — Xi-\ f"(Xi)(Xj 6 -Xj. La primera y última funciones deben pasar a través de los puntos extremo (2 condiciones). presentamos una técnica alterna que requiere la solución de sólo n — 1 ecuaciones.3 resulta en la siguiente ecuación cúbica para cada intervalo: r / \ f¡"( i~l) X . fi ( i) X . Las segundas derivadas en los nodos interiores deben ser iguales (« — 1 condiciones).Q (x¡ . para n + 1 datos (i — 0. La especificación de tal condición extremo nos lleva a lo que se denomina como segmentaria "natural".3) es algo menos directo que para las segmentarias cuadráticas.. Aunque la obtención de este método (véase cuadro 18. x 3 . ) / U ) + (JCi+i _ — 6 x.•)]+ X¡ \f(x¡-ú Xj-\ . 1.Í ) + 2(x. Mientras sea ciertamente posible desarrollar segmentarias cúbicas en esta forma.com . Los cinco tipos de condiciones anteriores proporcionan un total de 4n ecuaciones requeridas para resolver los An coeficientes.blogspot. Los valores de la función deben ser iguales en los nodos interiores (2« — 2 condiciones).f{x¡)] ( 1 8 . Como con las segmentarias cuadráticas. Si el valor de la segunda derivada en los nodos extremo no es cero (es decir. la ganancia en eficiencia bien vale el esfuerzo. 4« incógnitas constantes para evaluar.X . Esas incógnitas se pueden evaluar mediante la siguiente ecuación: (x¡ * ¡ _ I ) / V Í . por consiguiente.15). N3 fi(x) = 7 1 Ax¡ .18. 2. Las primeras derivadas en los nodos interiores deben ser iguales (« — 1 condiciones). La interpretación visual de la condición 5 es que la función se vuelve una línea recta en los nodos extremo. _ . como en f¡ (JC) = a/. existe alguna curvatura). 3 7 ) X¡ + \ — X¡ http://libreria-universitaria. La derivación del cuadro 18.x) (18. existen n intervalos y. . . Éstas son: 1.)f"(x ) ¡+l 6 -/(*. 5. 3. esta información se puede usar de manera alterna para suministrar las dos condiciones finales. se requieren 4 H condiciones para evaluar las incógnitas. Las segundas derivadas en los nodos extremo son cero (2 condiciones). . 3 2 (18. .x . n). +1 .35) Así. ) Esta ecuación contiene sólo dos incógnitas (las segundas derivadas al final de cada intervalo). .

De esta forma.532 INTERPOLACIÓN Cuadro 1 8 . Si esta ecuación es descrita para todos los nodos interiores.1 primer paso er>^ biisii en la observa derivada dentro de cada intervalo es por una cúbica.com . Esas (x¡ .3. es claro qu^ ^ ^ ^ ^ cúbica para el ¡-ésimo intervacompheada para ufl g .) y/"(*. Utilice los resultados para estimar el valor en x = 5.1). Ajuste por segmentarias cúbicas los mismos datos que se usaron en los ejemplos 18. Si esto se hace tanto para el lo x dentro de i-ésV rivada en el primer nodo/"(*.3) (B18. _ se igualan de acuerdo con la ecuación (B18.3. http://libreria-universitaria. resulta n — 1 ecuaciones simultáneas con n — 1 incógnitas.xY + :(-v-.A .blogspot. 1 0 Segmentarias cúbicas Enunciado del problema.g 22)].3. 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. Así. Así. . la e¿ ^ .A V .I ) / " ( . 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 . observe que lo que. Sin embargo.3).X¡-1 Xi . ya que ésta es una segmentaria cúbica natural.3. la ecuación (B 18._i) (/' — l)-ésimo. no sólo redujimos el número de ecuaciones. n — 1 ecuaciones simultáneas resultan con n + 1 segundas derivadas desconocidas.)—. la ¡ > diferenciar dos una linea recta.2) es un polinomial de tercer orden que se puede usar para interpolar dentro del intervalo. digamos.3.v. para obtener una desconocidas de integración. resulta la sicon la segunda d e f í ^ j) integrar dos veces guiente relación: Después. L*» . EJEMPl¿? 1 8 . 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 . . ) a seg r e s e n f¡\x) = f!Xx¡^>X . las segundas derivadas al inicio y al final del intervalo —fXx¡_. 1985) se 1. unda voces para verifica p t r con una interpolación polinomial derivada se puede í Qrden [véase e c u a d ó n (.~Xi i l x — x¡+ fi(M). Y . 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. observe que el sistema de ecuaciones será tridiagonal. 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 podemos determinar la segunda derivada adecuada en cada nodo.I ) + 2 ( J : / I .f(Xi)] Xi X¡ — \ (B18.2) j esta relación es una expresión mucho más Ahora. .4) (B 18._]r 6(x¡ — Xi(x¡ .x) f'XxMxi-Xi-i)' (X .1. sino que las forjamos en una forma que es en extremo fácil de resolver (recuerde la sección 11.x¡.x¡-i)f"(x¡) Hión contendrá dos ió condicioconstantes se pued* ¡ ^ + (Xi + \ -Xi)f"(x¡ + \) nos de igualdad / i¡ evaluaciones. . (Recuerde que las segundas derivadas en los nodos extremo son cero.4) se escribe para todos los nodos interiores. esta ecuación es una línea expresión para la primera derivada. resulta la 6 ser igual &f(xt) en % [f(xl+l) . Además.3.8 y 18.1) jot de la segunda derivada en cualquier punLa ecuación (B18. .3.2) puede diferenciarse con el fin de dar una úonde f¡"(x) es el V i v a l o . + 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¡ .l ) + IftXi-l) .3. nter contiene solo dos "coeficientes" desconocidos.9 (véase tabla 18. como para /-ésimo intervalo y los dos resultados recta que conecta 1 * ^ .. las segundas derivadas en los nodos extremo son cero y el problema se reduce a n — 1 ecuaciones con n — 1 incógnitas.1).) La aplicación de esas ecuaciones se ilustra en el siguiente ejemplo.

1 2 7 7 5 7 ( 9 .0.4 .3) + 1.x ) 6(4.3)/"(3) + 2(7 .6 En una forma similar.blogspot.5 = 4.x ) + 0.5/"(4. junto con los valores de las x y las/(x).67909 . Por ejemplo.5-3 6 Debido a la condición de la segmentaria natural.299621(7 .5 .4.5 Mx) = (x .5.5/"(7) = 9.(*) = .5) = 1.Solución./"(3) = 0.x) +().5 .761027(9 . 6 Estas dos ecuaciones pueden resolverse simultáneamente para dar /"(4.3 ) + (4.111939(7 -xf 2 . lil primer paso es emplear la ecuación (18.67909(4. la ecuación (18.5-3) 4.3 ) 3 6 (x . 5 ) y /•.5)/"(7) 1 j | | | i j 6 :(2.5-3 o / i ( x ) = 0.5) .246894 (x .5 1 2.53308 Estos valores se sustituyen entonces en la ecuación (18.37) para dar (4.5) + 2.5) + 9/"(7) = .5 = 7 f(X2) = Estos valores pueden sustituirse en la ecuación (18.67909 f " { l ) =-1.5-1) 7-4.4. y la ecuación se reduce a 8/"(4.9 . para obtener 1.5 4.3) 3 J í | j | | ¡ I | _4.5 .37) se aplica al segundo punto interior para obtener 2.5 -3 ' 1 1.7) http://libreria-universitaria.D + — -(2.37) para generar un conjunto de ecuaciones simultáneas que serán utilizadas para determinar las segundas deriviiduN en los nodos.0 .5) + (7 .3) Esta ecuación es la segmentaria cúbica para el primer intervalo.5 .0 .36).3)/"(4. 2.x ) 3 + 1. para el primer nodo interior se usan los siguientes datos: = 3 X\ X2 f(x ) 0 = 2.x ) 3 + 1.666667(4. 1 0 2 2 0 5 ( x .186566 (x . Sustituciones similares se pueden hacer para desarrollar las ecuaciones para el segundo y tercer intervalo: / ( x ) = 0.638783 (x .com .25(x .

para un valor dado de la variable dependiente.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. 1 0 2 2 0 5 ( 5 .5 ) . b) Utilice la ecuación (18. Recuerde que.8 a 18.5) = 1.5) . el valor enx = 5.1.4. el cual está dentro del segundo intervalo. Además.6532125 y log 5.16c. 2 PROBLEMAS 18.37).18) para estimar el error para cada I N. b) Interpole entre log4.1. Un beneficio extra de la derivación implica. Calcule el error relativo porcentual real. la resultante difiere de la obtenida al usar el polinomio de tercer orden. se calcula como / ( 5 ) = 0. Por ejemplo.5 = 0.0. xu. los algoritmos están disponibles para resolver tales sistemas en una manera en extremo eficiente. 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. Observe que la rutina en la figura 18.6.1 Ajuste con un polinomio de interpolación de Newton de terpredicción.60206 y log 6 = 0. son útiles en muchas aplicaciones de la interpolación segmentaria.102886 Se calculan otros valores y los resultados se grafican en la figura 18. Como se describió en la sección 11. oor orden para estimar log 5 usando los datos del problema 18. Observe la mejora progresiva del ajuste conforme nos movemos de lineales a cuadráticas y a segmentarias cúbicas. mientras que el polinomio cúbico no tiene tal restricción. Ésta es sólo una forma con la cual se puede implementar la interpolación segmentaria.18 muestra una estructura computacional que incorpora esas características. X 1 2 2. Aunque la segmentaria cúbica consiste en una serie de curvas de tercer orden.18 regresa sólo un valor interpolado.299621(7 . I K.5) 3 3 2 + 1. descrito en la sección anterior.com .16c.4. calcule el porcentaje de error relativo con base en el error real. con algunas manipulaciones inteligentes. Por ejemplo.5 4 3 5 a) Interpole entre log 4 = 0. el método se reduce a la resolución de n — 1 ecuaciones simultáneas.534 INTERPOLACIÓN Se puede emplear las tres ecuaciones para calcular los valores dentro de cada intervalo.5 = 0. que el sistema de ecuaciones es tridiagonal.4 Dados los datos Interpolación lineal.5 Dados los datos http://libreria-universitaria.111939(7 .10 se resumen en la figura 18.. como lo especifica la ecuación (18.1. También hemos sobrepuesto un polinomio de interpolación cúbica sobre la figura 18. la rutina da tanto la primera derivada (dy) como la segunda (dy ) en xu.blogspot. 18. a usted le gustaría determinar ahora los coeficientes y después realizar muchas interpolaciones.1 Estime el logaritmo de 5 de base 10 (log 5) mediante 18. Los resultados délos ejemplos 18.7781513. Esto se debe al hecho de que la segmentaria natural no requiere de segundas derivadas en los nodos extremo. yu. La figura 18.0 . problema 18.16.7403627.4) mediante polinomios de interpolación de IH.2 Ajuste con'un polinomio de interpolación de Newton de Newton de orden 1 a 3. a) Calcule/(3. f|x) 1 5 7 8 2 1 Para cada una de las interpolaciones. es ideal para la implementación en computadora.638783(5 . Aunque no es necesario calcular esas cantidades.

e. = r^+6l{x END Tridiag nA . n.xu. g.f.) 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. J 01 = F X 2- X I) r. http://libreria-universitaria.dy. = r.y.blogspot.X J _ .d2x¡ _.) .*(x„-x^2) n r„_.yu.)/6 c4 = (y/(x¡ .dZy) fíag = O 1= 1 DO IFxu>x¡_^ANDxu<xJHEN el = d2x-.r.f.n.dy.dy. DO 1-2.18 Algoritmo para interpolación segmentaria cúbica.n-1) CALL 5ubst(e.y.g.yu.x.x¡ _ . r) f = 2*(x -x ) 1 z 0 5UPR0UTINE Interpol (x.xu.x _ j * (y„_ n 2 2 -y _.n-1.y.d2y) LOCAL e f q r d2x CALL Tridiag(x.x¡ _.) * (y -y _.x _.g.r) CALL Decomp(e. _.xu) 3 END DO f -^2.n.X.d2x.d?.xu.com .e. 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¡ . .+6/(x-x ) * (y -y.x¡ _ . * (x.yu.PROBLEMA5 SUtíKOUTINH bpllne (x. ) .g.d2y) END Spline n¡ n¡ fíi n¡ n 0 9 9 SU&ROUTINE Tridiag (x. = 6 / (x -x<¡) * (y -y ) r.d2x) CALL lnterpo\(x.) n n n V .) c2 = d2x/6/(x -x¡_ ) c5 = (y _ /(x.n.)/6 t1 = d * (x.x¡ _.f.n. f.xu) t2 = 6*c2*(xu-x _ ) 1 i 1 1A = c4*(xu-x¡_i) t 3 = c3 * (x¡ . _ /&/(x¡ . = 6/(x„ .. y.y. .-xuf i 1 t2 = c 2 * ( x u .d2x¡ * (x¡ .

4 y prediga/(3.75 6 36 implementar interpolación de polinomios de Newton con base en la figura 18.1667 7 0.5.6 Repita los problemas 18. Primero.536 INTERPOLACIÓN 1 4.4.5 usando el polinomio de Lagrange de orden 1 a 3.14 para resolver los problemas 18. Pruebe el programa con los mismos datos del ejemplo 18. 18.18 Desarrolle.18.5. 18.12 Determine los coeficientes de la parábola que pasa a través de los tres últimos puntos del problema 18. X 1 . ¿Qué le indican los resultados con respecto al orden que se usó de los polinomios para generar los datos en la tabla? 18.15 Pruebe el programa que desarrolló en el problema 18. También tenga su código para detectar cuándo requiere el usuario un valor fuera del rango de las x.10 Desarrolle segmentarias cuadráticas para los primeros 5 datos en el problema 18.2).10. .4) y f(2.2 6 0.7 Repita el problema 18.14 para los mismos cálculos del ejemplo 18. Para valores intermedios es una excelente selección. 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 18.5. y a) prediga f(4) y7(2.1 hasta 18.25 5 19. b) Use interpolación cuadrática y la fórmula cuadrática para determinar numéricamente el valor. utilice todos los datos para desarrollar polinomios de primer orden al quinto.11 Desarrolle segmentarias cúbicas para los datos en el problema 18. la tabla de x y los valores de f(x) se guardan primero en un par de arreglos unidimensionales. 18 . . 1. 18.961538 f(x) Observe que los valores en la tabla fueron generados con la función/(x) = x l(\ + x ). Para tales casos.25.1 hasta 18.17 Use el programa que desarrolló en el problema 18. prediga/(2.13 Determine los coeficientes de la ecuación cúbica que pasa a través de los primeros cuatro puntos del problema 18.com . ya que la incógnita estará ubicada en el intervalo medio de los cuatro puntos necesarios para generar la cúbica. 18.9 4 0.4 y 18. 18.94117 6 5 0. Para ambos casos. Pruébelo con los mismos datos del ejemplo 18.25).7. .4 y 18. Sea cuidadoso con los intervalos primero y último donde éste no es el caso.9 Emplee interpolación inversa para determinar el valor de x que corresponda a f(x) = 0.5.1429 f(x) 18 . grafique el error estimado contra el orden.3 para los siguientes datos tabulados.8 3 0. 18. 2 .20 Desarrolle. Escoja sus puntos base para obtener una buena exactitud. X 0 0 1 0.7. En el problema 18.5 3 0. X /|x) Calcule f(A) usando polinomios de interpolación de Newton de orden 1 a 4. 18. Para desarrollar un algoritmo como tal.3.16 Use el programa que desarrolló en el problema 18.14 para resolver los problemas 18. 18 .8 Emplee interpolación inversa usando interpolación de polinomios cúbica y bisección para determinar el valor de x que corresponda a f(x) = 0. Esos valores se pasan entonces a una función junto con el valor de x que usted quiera evaluar. Después se aplica una técnica como la interpolación de Lagrange para determinar el valor adecuado def(x). Con base en el pseudocódigo de la figura 18.3333 4 0. 18. La función entonces ejecuta dos tareas. 18.19 Una aplicación útil de la interpolación de Lagrange es llamada tabla de consulta.5 2 0. c) Use interpolación cúbica y bisección para determinar el valor de manera numérica. 18.20 para ajustar segmentarias cúbicas a través de los datos en los problemas 18.5) y b) verifique que7^(3) y / ( 3 ) = 5. depure y pruebe un subprograma en lenguajes de alto nivel o en un lenguaje macro de su elección para implementar interpolación de Lagrange. Desarrolle tal función usando un polinomio de Lagrange cúbico para realizar la interpolación.3 mediante polinomios de Lagrange. Para ambos problemas.93 para los siguientes datos tabulados. Como su nombre lo implica.14 Desarrolle.blogspot. 18.21 Use el software que desarrolló en el problema 18.11.75 2 4 3 5. 18.5. 10.25 5 0. 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.4. . va por la tabla hasta que encuentra el intervalo dentro del cual está la incógnita. la función debería mostrar un error de mensaje. 2 1 0. Pruebe su programa para f(x) = ln x mediante datos desde x = 0. ésta involucra "consultar" un valor intermedio de la tabla. a) Determine en forma analítica el valor correcto.

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

Las funciones trigonométricas se pueden usar para representar y analizar todos estos casos.1) FIGURA 19. las señales periódicas en naturaleza pueden ser c) no ideales y d] contaminadas por ruido.1 AJUSTE PE CURVAS CON FUNCIONES SINUSOIDALES Una función periódica f(i) es una para la cual /(r) = f(t + T) (19.2 Además de las funciones trigonométricas tales como senos y cosenos. Más allá de estas formas idealizadas. 19. Como algunos ingenieros no se sienten muy cómodos con el último. se ha desarrollado una larga fracción del material subsecuente para una revisión general de la aproximación de Fourier. Un aspecto importante de esta revisión será familiarizarse con el dominio de la frecuencia.com i . Esta orientación es después seguida por una introducción a los métodos numéricos para calcular transformadas de Fourier discretas. las funciones periódicas incluyen formas de onda como lo son a] la onda cuadrada y b) la onda de dientes de sierra.blogspot. a) « T H * b) • * 7" H c) http://libreria-universitaria.538 APROXIMACIÓN DE FOURIER Una de las características de un análisis de Fourier es que trata con ambos dominios: el tiempo y la frecuencia.

OQ = 2K/T= 2JI/|1 .2). C. eos (cobí) . La sumatoria de las tres curvas en b) da la curva simple en a).1). No existe una convención muy clara para escoger alguna función. que es el valor más pequeño para el cunl ON válida la ecuación (19. Otros parámetros usados para describir la curva son la frecuencia f = «13/(271).19.7. sen (ffibO 0 A.5 y 8] = .3). Ejemplos comunes incluyen formas en onda tales como cuadradas y dientes de sierra (véase figura 19. AQ = 1. = 1.blogspot.0472 (= 0. b| Una expresión alterna para la misma curva es y[f¡ = AQ + A-¡ eos («r/) + 8] sen (ca^f).5 s). 8 6 6 . y en cualquier caso.1 http://libreria-universitaria. cuatro parámetros sirven para caracterizar el sinusoide (véase figura 19. los resultados serán idénticos. donde A.3 o) Una gráfica de la función sinusoidal y(f) = AQ + Cj eos [COQÍ + 6). Para este capítulo se usará el coseno.5 s). la cual para este caso es 1 ciclo/(l .2) Así. 2TC 2 - 6.25 s). Las más fundamentales son las funciones sinusoidales.0 . el cual se puede expresar de manera general como f(t) = A 0 + Ci eos (&>oí + 0) (19. = 0. Los tres componentes de esta función son ¡lustrados en b). La amplitud Cj especifica la 0 FIGURA 19.com .5 s. ajusta la altura promedio por arriba de la abscisa.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. y el periodo T= 1. En el presente análisis se usará el término sinusoide para representar cualquier forma de onda que se pueda describir como un seno o coseno. Para este caso. El valor medio A . y 0 = jt /3 radianes = 1 .

ya que la curva eos ( o y — 9) comienza un nuevo ciclo en 9 radianes después de eos Así. un valor negativo es referido como un ángulo de fase de atraso. eos (fifoí — se dice que tiene un retraso eos (ot%r).46. En forma opuesta. parametriza la extensión a la cual el sinusoide es corrido horizontalmente. La 0 caracteriza con qué f los ciclos.4a. como se muestra en la figura 19.4 Ilustraciones gráficas de o) un ángulo de fase en retraso y b) un ángulo de fase adelantado. Puede ser medido como la distancia en radianes de t = 0 al punto en el cual la función coseno comienza un nuevo ciclo. Finalmente.840 APROXIMACIÓN DE FOURIER FIGURA 19.2) es una caracterización matemática adecuada de un sinusoide. + altura de la oscilación. Como se ilustra en la figura 19.3) (19. también se puede representar como adelanto por 2n . En otras palabras. ya . Observe que la curva en atraso en o) puede describirse de manera alterna como eos [COQÍ 3 TI /2|. si una curva se atrasa por un ángulo de a. o corrimiento de fase 9.blogspot. el ángulo de fase.a.4) y la frecuencia en turno está relacionada con el periodo T (en unidades de tiempo) por Aunque la ecuación (19. Observe que la frecuencia angular (en radianes/tiempo) está relacionada con la frecuencia / (en ciclos/tiempo) por frecuencia angular co 9) (Cüfjt). un valor positivo es referido como un ángulo de fase adelantado. 0 cü = 2xf (19. http://libreria-universitaria.com es difícil trabajar desde el punto de vista de la curva que habrá de ajustarse.

Esta deficiencia se puede resolver al involucrar la identidad trigonométrica Cj eos (cu f + 9) = Cj [eos (CÜ¡. usaremos la versión coseno en todo nuestro análisis.Í) eos (9) .2). La única consideración importante es que uno u otros formatos deberían usarse en forma consistente. 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.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.sen (ciy) sen (9)] 0 Sustituyendo la ecuación (19.7) se obtiene 9 =arctan^--^ (19. antes de proceder con la próxima sección. 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. Si se eleva al cuadrado y se suma la ecuación (19.2) (19.10) En otras palabras. Así.blogspot.2) y mediante la agrupación de términos se obtiene (véase la figura 19.7) Dividiendo las dos partes de la ecuación (19. la ecuación (19.6) donde A = Cj eos (9) x B = .5) que el adelanto de la fase está incluido en el argumento de la función coseno.j 0 0 (19. 9=8— n/2.5) en la (19. pero que se encuentra en el formato de un modelo lineal general [recuerde la ecuación (17.C . Como se analizará en la^próxima sección.6) puede ser pensada como un modelo lineal de mínimos cuadrados http://libreria-universitaria.23)]. agregue 7ra 9.6) que todavía requiere cuatro parámetros. se debería resaltar que se podría haber empleado un seno más que un coseno como nuestro modelo fundamental de la ecuación (19.8) donde.com . si A < 0.7) se tiene x = JÁ\ + B representa una formulación alterna de la ecuación (19. Por ejemplo. 2 C [ = A + C.9) Así. 1 . sen (ü) ? + 5) 0 0 podría haberse usado. sen (9) x (19.36) f(t) = A + A eos (ct^í) + B sen ( a y ) 0 x x (19. Sin embargo. 1 9 . se puede simplemente aplicar como la base para un ajuste por mínimos cuadrados.

z m + e (17. Sin embargo.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. los siguientes valores promedio pueden determinarse (véase el problema 19..com \A ) Q [l/NO I 0 2/N O 0 l I í ] {A^** SJ/COÍCFIV) ly ] \ . 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.12) X Y X Y eos (a^t) sen (c^r) Estas ecuaciones se pueden emplear para resolver los coeficientes desconocidos. para los puntos igualmente espaciados.13) X eos (úfyí) sen (co^f) N • 0 Así. los coeficientes se pueden determinar como N/2 http://libreria-universitaria. las ecuaciones normales son NN/2 0 0 0 0 0 ¿0 A ly X Y eos (co^t) La inversa de una matriz diagonal es sólo otra matriz diagonal.11) la cual es justamente otro ejemplo del modelo general [recuerde la ecuación (17.Z| + az 2 2 H ra„.23)] y —az Q 0 + a.) + B sen (c<y. 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.23) donde z = 1. z = sen ( G ) Í ) y todas las otras z = 0. cuyos elementos son los dos recíprocos del original.542 APROXIMACIÓN DE FOURIER y=A 0 + A eos (co t) 4. en lugar de hacer esto. Así.blogspot.B sen (co t) + e x 0 x Q (19.25)] 2 r 0 x N eos (co t) X sen ( G ^ Í ) X 0 X eos (co f) eos (a> t) X eos (o) f) sen (cu r) 0 2 X 0 X 0 0 X sen (ci^r) eos ( É O Í ) sen (<w r) X sen (co t) 0 0 A x 2 0 A ) (19. z = eos (co f).)]} de matriz como [recuerde la ecuación (17. Para esta situación.

15 para el rango de t = 0 a 1.14) a (19.980 0.000 = — ^ — = 1.000 -1. 0 0.000 0.90 1.30 0.805 2.200 1.547 -1.16) EJEMPLO 19.938 0. Los datos requeridos para evaluar los coeficientes con (ü = 4.291 0.0.678 2.500 2 B = —(-4. 5 0 2 = 0.866\ — — — .11) por ajuste de mínimos cuadrados. 8 6 6 ) = 1.614 y y eos (io f) 0 y sen (io f) 0 2.8)] 9 = arctan / V -0.866 x 1= 17.1 [ Ajuste por mínimos cuadrados d e un sinusoide Enunciado del problema.253 -2.189í + 1.7 + eos (4. = ^ 2 .35.462 0.722 0.05 1.3 se describe por y — 1.502 0.blogspot.732 0.com para dar . =—Xycos(flW) N B = — ly sen (co t) N x 0 (19.75 0.319 -0.114 2.15 0.000 0 De esta manera.223 -0.1 AJUSTE DE CURVAS C O N FUNCIONES SINUSOIDALES 543 4> = -^7N ¿.829 2.330 Estos resultados se pueden usar para determinar [véase ecuaciones (19.0472 0. el ajuste por mínimos cuadrados es y= 1.= 1.330) = -0.0 .687 0. La curva en la figura 19.061 -2.19.200 -1.14) (19.595 1.20 1.031 0. Genere 10 valores discretos para esta curva en intervalos de Ai = 0.15) (19.60 0.35 t 2.2) al calcular [véase ecuación (19.460 -0.200 1. Use esta información para evaluar los coeficientes de la ecuación (19.636 -1.16)] A 17.189 son j 1 Solución.7 + 0.45 0.500 eos (co t) .786 1.00 2 http://libreria-universitaria.9)] Cj = s/(0.0472).369 2.7 2 A.866 sen (c%t) 0 El modelo se puede expresar también en el formato de la ecuación (19.500 / y [véase ecuación (19.5) + 2 ( .536 -4.200 1.

.. para datos igualmente espaciados. 3cüb.. N > 2m + 1). son llamados armónicos. 2m + 1. sen (u^í). En general.2.7 + eos (coot + 1. .10)] y = 1. los coeficientes pueden ser evaluados por A = ly N 0 A¡ = N 2 ly eos (Jo) t) 0 j = 1. cos(a\. . (2&V)' sen (2fi) r). la ecuación (19. Éste es el procedimiento usado en la serie de Fourier continua. sea igual al número de datos.17) expresaf(t) como una combinación lineal de las funciones base: 1. c o s 0 La existencia d e las series d e Fourier eslá releridn en Ins condiciono» d e Dirichlol. 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. f(t)= a + 0 2 [a eos (katf) + b sen (ko^t)] k k (19.0472) o alternativamente como un seno usando la [ecuación (19. 0 x x 0 2 2 o de manera más concisa.. como se describirá a continuación. 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.com dlicontlnuoi. lodií lai funeionei perlódloii derlvidw fliioamtntc utUtiotn ntii oondlolonei.7 + sen (ü) r + 2.618) 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.544 APROXIMACIÓN DE FOURIER y = 1.17) donde COQ = 2rt/res llamada la frecuencia fundamental y sus múltiplos constantes 2(0$. usarlos para el caso donde el número de incógnitas.. Fourier demostró que una función periódica arbitraria. Para una función con un periodo T. etcétera.. se puede representar por medio de una serie infinita de sinusoides de frecuencias relacionadas de manera armónica./n 0 Bj = — ly sen (Jco t) Aunque estas relaciones se pueden usar para ajustar datos en el sentido de regresión (esto es. 19.. una explicación alternativa es emplearlos para interpolación o colocación (es decir.blogspot. De esta forma.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.f)..

19) para k = 1. (B19. las ecuaciones son / 2 r a* = — / /(?) eos (keüot) dt T 0 para k = 1 .18) y b = — í f(t) sen (kco t) dt T Jo k 0 (19. Para evaluar uno de los coeficientes coseno.1).com .2) ^ \ ecuación (19. JO f ^ d t ('orno se hizo para los datos discretos de la sección 19.19.1. . la ecuación (B19. cada lado de la ecuación (19. .1.1.5) y. por tanto.2 SERIE DE FOURIER CONTINUA 0 4 1 Como se describe en el cuadro 19.6) se puede resolver para a .1.20) Cuadro 19.4) + / 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 = (B19.1. la ecuación (19.2) y (B19. .5) l'ni'ii •AI evaluar sus coeficientes. 1. .3) C.1.1) M U ^ d i o de la función en ol rr / eos (ko) t) sen (gco t) dt = 0 0 0 periodo.I.1.17) 2 se puede integrar para dar ^ f /(/) di = f a dt + f V [ a eos (/fcay) Jo Jo Jo ¿—i k= I + b sen {kwfjt)) dt t k D lo + Y k= ^ I ¿> sen (k(o t) eos ( m a y ) ¿ft (B19. .1 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 . los coeficientes de la ecuación (19.1.)]> 19 18 ( orno cuela término en la sumatoria es de la forma de la ecuaI'II'M (BI9.1.1.blogspot. Este último caso se puede evaluar con la ecuación (B19.. con excepción del caso donde k = m.17) se puede multiplicar por sen (rna^t). por ejemplo (B19.1). 1 .17) se pueden calcular por medio de 2_ <f f(t) eos (kco t) dt T Jo T 0 (19. 2. integrarla y reordenarla para obtener la ecuación (19.1.19). . o de manera más general [véase ecuación t 0 e l a s m ( . .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. 2 . / / (/) di «„ T http://libreria-universitaria. 3 .4).6) ecuaciones (B19. 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. 1. y a = 0 — f f(t)dt T T Jo (19. se observa que cada término del lado derecho es cero.j . 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. En forma similar.

Use la serie de Fourier continua para aproximar la función de onda cuadrada o rectangular (véase la figura 19. 9...5) F-1 / ( 0 = L 1 L -1 -T/2<t<-T/4 -T/4<t< T/4 T/4 < t < T/2 \ Solución. 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: = 1.2 APROXIMACIÓN DE FOURIER Aproximación de la serie de Fourier continua ! | 1 ! | Enunciado del problema. 11. Por tanto. 5.blogspot. 1 -R i -772 0 I R/2 i R fc -1 http://libreria-universitaria.546 EJEMPLO 19. se puede determinar que todas las b = 0. Los coeficientes restantes se pueden evaluar como [véase | ecuación (19.com . Uno forma de onda cuadrada o rectangular con una altura de 2 y un periodo T = 271/(0^. 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 19.6...18)] 0 I a k Las integrales se evalúan para dar De manera similar. Como la altura promedio de la onda es cero.. 7. para A: = 3 .5 ÍJÍ IJÍ Los resultados de los primeros tres términos se muestran en la figura 19.

Otro ejemplo de una función par es eos (í). b) segundo y c¡ tercero. 1974) que las b en la serie de Fourier siempre son igual a cero par» funciones pares.com I . Se muestran también los términos individuales que se fueron agregando en cada etapa. ya quef(t) = /(—r).5. La serie de trazos muestra la sumatoria hasta e incluyendo los términos a) primero.blogspot. Para este caso las a serán igual a cero. La función sen (í) es una función impar. 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. Se puede demostra i (Van Valkenburg. http://libreria-universitaria.•41 1 9 . Debe mencionarse que a la onda cuadrada en la figura 19. Observe también que lasfunciones impares son aquellas para las C U U I C H f(t) = —f(—t).5 se le llama función par.6 La aproximación de la serie de Fourier de la onda cuadrada a partir de la figura 19.

Así. Junto con la ubicación \IT a lo largo del eje frecuencia. Ambos tipos de expresión se ilustran en la figura 19.1b). justo como la amplitud contra tiempo se puede graficar. Ésta es una información suficiente para reproducir la forma y tamaño de la curva en el dominio del tiempo. 19. de igual manera también se puede hacer contra la frecuencia. donde se ha dibujado una gráfica en tres dimensiones de una función sinusoidal. f(t) = Cj eos (/ + | ) http://libreria-universitaria. y los ejes amplitud y frecuencia forman un plano frecuencia. Como se observa en la figura 19. la magnitud de la amplitud de la curva. Esto se debe a que la mayoría de nosotros nos sentimos cómodos al conceptualizar el comportamiento de una función en esta dimensión. La vuelta completa de pico a pico es innecesaria a causa de la simetría. El ángulo de fase se determina como la distancia (en radianes) de cero al punió en el cuul ocurre el pico positivo.7c.APROXIMACIÓN DE FOURIER Además del formato trigonométrico de la ecuación (19.3 FRECUENCIA Y D O M I N I O S DE T I E M P O Hasta este punto. es requerido para ubicar la curva relativa a t = 0. De manera similar. En consecuencia. el dominio de la frecuencia proporciona una perspectiva alterna para caracterizar el comportamiento de funciones oscilatorias. llamado ángulo de fase. la figura 19. Aunque no sea tan conocido. nuestro análisis de la aproximación de Fourier se ha limitado al dominio del tiempo.22) Esta formulación alterna tendrá utilidad a través del resto del capítulo. cuando se habla acerca del comportamiento del sinusoide en el dominio del tiempo. En consecuencia. el comportamiento en el dominio de la frecuencia es meramente su proyección dentro del plano frecuencia. se debe incluir un diagrama de fase.17). Así.2 y el apéndice A) oo f(t) = ce k ikml (19.7a. Por lo tanto. esta proyección es una medida de la amplitud positiva máxima del sinusoide Cj. queremos decir la proyección de la curva dentro del plano tiempo (véase la figura 19. un parámetro más. los ejes de la amplitud y el tiempo forman un plano tiempo./(r). se dice que .com En esta gráfica. y las variables independientes son el tiempo t y la frecuencia/ = WQIITÍ.blogspot. Sin embargo.7c define ahora la amplitud y frecuencia del sinusoide.7í/. como el mostrado en la figura 19. es la variable dependiente. el sinusoide se puede concebir como si existiera a una distancia 1/7hacia afuera y a lo largo del eje de la frecuencia y corriendo paralelo a los ejes del tiempo. la serie de Fourier se puede expresar en términos de funciones exponenciales como (véase el cuadro 19. Si el pico ocurre después de cero.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.

) = £ ¿V**' 1 (B19 .a forma trigonométrica de la serie de Fourier continua es oo o oo oo f(t) = a + V [a cos(kco t) + b sen(kú) t)] 0 k 0 k 0 (B19.. Se acepta que para una sola sinusoide estas líneas no son muy interesantes..2 F o r m a compleja de las series de F o u r i e r I . Observe que el . -ika>n¡ (B19. el pico está en cero y el ángulo de fase se traza como +7t/2. .5) para obtener 1 \ = — / / y a que 1 li = .2) ]T c-¡te''* 4=0 k=-\ ^ (B19.7a.2.1) /(O = J^cte'^ + ]T c-^"'*"*' A partir de a i a .4) ika ak ak cosx= a .2.5) 1 donde. digamos. las ecuaciones (B19. haga la suma de — 1 a — °°. 1 a » . 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.aj-it-t <'-•* = <-'k — a -ib k k a k + l b k ^ = ffZ ~' °' me ka = dt (B19 2 ?) -- ^ 2 (B19.2. «A = a-t yh= -b-t reexpresarsecomo k=\ La ecuación . En la figura 19.2. ika ika l j k a p é n d i c e Por tanto.1) para dar las cuales en la ecuación ¡t=j V 2 2 / (B 19./'.4) ~c.e-puede.6) y (B19. J a de a Euler.20).17) a (19.7c y 19. -a /(.1). una serie de Fourier.IV) = co + J2^e "" + Y(B19. expresar en torma exponencial como senx = e *= 1 Para simplificar aún más.2. un pico antes de cero se dice que está adelantado y el ángulo de fase es positivo. debido a las propiedades de pandad del coseno y del seno. \en lugar de sumar la segunda serie de .blogspot. tj i el i seno y coseno se pueden J A la identidad o . Se hace referencia a ellas como línea espectral.2.2.7.com .2.2.3 FRECUENCIA Y DOMINIOS D I TIEMPO Cuadro 19. En forma opuesta. Así.2. se hace présenle su poder y http://libreria-universitaria. Para evaluar lascólas ecuaciones (19. de la figura 19. y por convención.3) y simplificando se obtiene .19) son sustituidasenla ecuación (B19. cuando se aplican a una situación más complicada. está retrasado (recuerde nuestro análisis de atrasos y adelantos en la sección 19. el ángulo de fase tiene un signo negativo.2. Mediante las ecuaciones (B 19.18) y (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) y (B 19. Sin embargo. Se puede observar ahora que las figuras 19.8 se ilustra algunas otras posibilidades.19. 2 6) e c donde la sumatoria incluye un término para k = 0. . ° por tanto.7a* proporcionan una forma alterna de presentar o resumir las características pertinentes del sinusoide de la figura 19.7) son las versiones complejas de las ecuaciones (19.2.3) 2 = se aopueden + ^ (sustituir >°> 4 . /(?) = ^c^''^ ' + 0 " 6 2' " (B19.

no nos indica nada acerca de las sinusoides comprendidas. etcétera. La alternativa es mostrar esas sinusoides [es decir. (4/57t) eos (5G) r)]. La proyección fase-frecuencia se muestra en a ).blogspot.96 proporcionan una visualización gráfica de esta estructura. Esta alternativa no proporciona una visualización adecuada de la estructura de esas armónicas.9 muestra la línea de fase espectral y amplitud para una función de onda cuadrada como la del ejemplo 19.9a y 19. 1 valor verdadero. Por ejemplo.2. la figura 19. La primera. La figura 19. la onda cuadrada original.6 y 19. Se reproduce la proyección del tiempo en b¡. Tal espectro proporciona información que no podría ser aparente desde el dominio del tiempo. la línea espectral representa "huellas dactilares" que nos pueden ayudar a caracterizar y entender la forma complicada de una ondú. las figuras 19.550 APROXIMACIÓN DE FOURIER FIGURA 19. mientras que la proyección de la amplitud-frecuencia se reproduce en c). Como tal.9.com particular valiosas para casos no idealizados donde algunas veoes nos permiten discernir 0 0 .6 representa dos perspectivas alternas tiempo-dominio. (4/rc) eos (6%f). En contraste. Lillas son en http://libreria-universitaria.7 o) Una ilustración de cómo se puede dibujar un sinusoide en los dominios del tiempo y la frecuencia. Esto se puede ver al contrastar las figuras 19. — (4 /3n) eos (3íu r).

com 6) .| — i 7 C tr ~ FIGURA 19.blogspot. FIGURA 19. 4/it 2/JI 3<. 3 FRECUENCIA Y DOMINIOS DE TIEMPO «r n ->. 54 a) J _ 7f 0 n/2 í. 3f 0 5/ 0 7/ 0 J t / 2 http://libreria-universitaria.8 Varias fases de un sinusoide mostrando la fase asociada a la línea espectral.5.9 a) Amplitud y b) línea de fase espectral para la onda cuadrada de la figura 19.1 9 .

Hayt y Kemmerly. 1 . 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. La transición de una función de periódica a no periódica se puede efectuar al permitir que el periodo 1 J-T/2tienda al infinito.24) donde % = 2rc/Ty k = 0 .552 APROXIMACIÓN DE FOURIER la estructura en otra forma como señales oscuras. En otras palabras.°< dt (19. existen muchas formas de onda que no se autorrepiten de manera regular.26) La función F(ico^.26). como se http://libreria-universitaria. . . es llamada la integral de Fourier de f(i). Por ejemplo. un relámpago ocurre sólo una vez (o al menos pasará mucho tiempo para que ocurra de nuevo). Si se permite que ocurra esto.°' iüJ dt (19. La integral de Fourier es la principal herramienta disponible para este propósito.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./(/).blogspot. Van Valkenburg.25) y (19. 2 . una alternativa para la serie de Fourier sería valiosa al analizar dichas formas de onda no periódicas.com definió con la ecuación (19 . Tal evidencia sugiere que una señal no recurrente tal como la producida por el relámpago exhibe un espectro de frecuencia continuo. . Además las ecuaciones (19. receptores de onda corta. como T se vuelve infinito. pero causará interferencia con los receptores en operación en un amplio rango de frecuencias (por ejemplo en televisores. F(ico ) es también llamada la transformada de Fourier de f(t). como en oo / -co f(t)e.25).25) y los coeficientes se vuelven una función continua de la variable frecuencia co. 1974. definida por la ecuación (19. Se puede obtener de la forma exponencial de la serie de Fourier oo f(t) = donde 1 J2 ¿= — 00 C V T O 0 ' (19.23) f T/2 Ck = ~ / f(t)e. En el mismo sentido. radios. es referida como la inversa de la transformada de Fourier 0 . sólo con ser llamada la integral de Fourier. la función misma nunca se repite y de esta forma se vuelve no periódica. Ya que fenómenos como éstos son de gran interés para los ingenieros.26) son conocidas por lo general como transformada de Fourier. etcétera). se puede demostrar (por ejemplo. Entonces. 19. En la siguiente sección se describirá la transformada de Fourier que nos permitirá extender tal análisis para ondas de forma no periódica.

En la figura 19.com . Esta función es igual a la que se investigó antes en el ejemplo 19. 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. de periódica en el dominio del tiempo a magnitudes en el dominio de la frecuencia con frecuencias discretas.2. http://libreria-universitaria.10a.blogspot. Así. Además de esta principal diferencia. la transformada de Fourier convierte una función continua en el dominio del tiempo en una función continua en el dominio de la frecuencia. 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). los dos procedimientos discrepan en cómo se mueven en el dominio del tiempo y de la frecuencia. La distinción entre serie y transformada de Fourier debería ser ahora muy clara.4 INTEGRAL Y TRANSFORMADA D E F O U R I E R ' FIGURA 19. sólo que en este caso está verticalmentc corrida. 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. 0 El cambio de un espectro continuo en uno discreto se puede ilustrar gráficamente.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. La serie de Fourier convierte una función continua. De esta manera. En contraste. 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.19.

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

25). Para nuestro algoritmo de cómputo. Este algoritmo se puede desarrollar en un programa de cómputo para calcular la TDF. pero no en ambas.27) para que el primer coeficiente F (el cual es análogo del coeficiente continuo a ) sea igual a la media aritmética de las muestras. También. = rea\ + f cos(angle)/N ¡maginary = ¡mag¡nary .26) y (19.1 (19.f s¡r¡(angle)/N END DO END DO 0 k n k k n http://libreria-universitaria.] 9.'iuudocódigo para el t úlculo de la TDF.27).13 para el análisis de una función coseno. se pueden emplear para calcular tanto la transformada directa de Fourier como la inversa para datos discretos.28). 2 Algoritmo d e cómputo p a r a la TDF. N -1 angle = ko) n realf. Así. FIGURA 19.28) donde co = 2n/N Las ecuaciones (19.29) y N-l f„ = 2 I=0 [Fk c o s ( o) k(0 n + k iF s e n <M)")1 (19. se puede escribir una transformada discreta de Fourier como AT-I F k = 2 Para k = 0 a N .11. Aunque tales cálculos se pueden realizar a mano.29) se enlista en la figura 19. ya sea en la ecuación (19.12.1 (19. 0 0 e ±m = eos a ± i sen a para expresar las ecuaciones (19. Observe que el factor l/7Ven la ecuación (19. lo incluiremos en la ecuación (19.N-1 l'.5 TRANSFORMADA DISCRETA DE FOURIER (TDF) MI Para el sistema en la figura 19. Como tales.27) y (19.blogspot. el TDF requiere N operaciones complejas.27) o en la (19. desarrollaremos un algoritmo de cómputo para implementar la TDF.28) es sólo un factor de escala que se puede incluir. es una tarea muy laboriosa.12 DOk = 0.27) y (19.30) El pseudocódigo para implementar la ecuación (19.28) como 1 k N F = — 2 L T „ eos (küJ n) . podemos usar la identidad de Euler para desarrollar un algoritmo que se pueda implementar en lenguajes que no contengan datos de variables complejas. Como lo expresa la ecuación (19.27) y la transformada inversa de Fourier como / „ = — 2 *=O I V R ' ° V N 0 para « = 0 a T V. DO n = O. respectivamente.28) representan las análogas discretas de las ecuaciones (19.if sen (ko^t)] N n =O 0 n (19.com . El listado de resultados de tal programa se muestra en la figura 19.

707 0 .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 . es un algoritmo que ha sido desarrollado para calcular la TDF en una forma extremadamente económica. En consecuencia.13 f(t) 1 . o TRF.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 19.0000 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 19.000 0 . explota la periodicidad y simetría de funciones trigonométricas 2 .01 s. 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 .12 para la TDF de los datos generados por una función coseno f(f) = eos [2 K (1 2. La transformada rápida de Fourier. 19. es laborioso su trabajo de cómputo debido a que se requiere N operaciones. la determinación directa de la TDF puede ser en extremo consumidora de tiempo.5)f] en 32 puntos con Al = 0. para los datos de las muestras de un tamaño moderado.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.000 -0 707 -1 000 -0 . En particular.com operaciones.

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

N=2 M (19. Una nueva variable. m = n — N/2. .558 APROXIMACIÓN DE FOURIER 19.. . .34) Ahora. .~i2nkn/{N/2) http://libreria-universitaria. Para los valores pares. £ f^^-iWNMm+N. De esta forma.1 (19.34) de acuerdo con valores pares e impares de k.1 A l g o r i t m o Sande-Tukey En el caso actual. . recuerde que TDF se puede representar de manera general como Ai.. observe que el factor e~' = (—1)*. C (W/2)-l \ ^ ( f (¿V/2)-l A.31) donde M es un entero.32) donde 2n/N = O) .„1 . N — 1. f \ „-i2x(2k)n/N _ i f 4f . se puede crear para que el rango de la segunda sumatoria sea consistente con la primera. Por tanto. La ecuación (19.6.1 F = 2 f e-* " k n 2m k para * = 0 a N . Esta restricción se introduce para simplificar el resultado del algoritmo.0 'I o .blogspot. 1 . para puntos pares es igual a 1 y para los nones es igual a — 1.32) 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 (19.32) en términos del primer y último N/2 puntos: (A//2J-1 N-l F = k ] T fi¡e /. II . (A72)-! Fk = £fa-WN*.com y para loi valores impares. se supondrá que N es una potencia entera de 2.» n=0 + m=0 = E (AÍ/2J-1 «=0 (fn+e'^fn+w)'-' * """ 2 1 Kk (19. 2 .=() -¡WN)kn n=N/2 (N/2)-\ + f e-iQ*/w> n donde k = 0 . Ahora. el próximo paso en el método es separar la ecuación (19.

.' ^ e - 2 " ^ ^ p a r a k = O. (N/2) .15 para /V = 8. (JV/2)-l F2k= E n=0 \fn + fn+N/2)W " 2k y para los valores impares. Ya que cada uno de los últimos requiere aproximadamente (N/2) multiplicaciones y sumas complejas.35) De esta manera. . Los pesos W° son algunas veces llamados factores de vuelta.2. La estrategia es continuada a su inevitable conclusión cuando N/2 puntos dobles de las TDF se hayan calculado (véase figura 19. 2..U N ^ e .36). (N/2) . (N/2)-\ F 2 k + l = E «=0 {fn- fn+N.1 ^24+1 - k J En otras palabras. 2 2 2 2 2 http://libreria-universitaria.com .1 (19. se puede hacer un conocimiento clave.(N/2) . 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« = 0.16). 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. El esquema se ilustra en la figura 19. un cálculo de N puntos se ha reemplazado por dos cálculos de (N/2) puntos. 1.36) (19... 2. 1. Ahora es claro que este procedimiento de "divide y vencerás" se puede repetir en la segunda etapa..2)W W n 2kn Ahora./.blogspot. Estas ecuaciones se pueden expresar en términos de la ecuación (19..'.33).. Para los valores pares. _ (/V/2) I V" t f n=0 (N/2)-¡ r \ „ i'lnak \ \)n/N = £ n=0 ( f n .1. Así. resulta en forma directa que J 2k =G ) k H parafc = 0. El contraste entre este nivel de esfuerzo y el de la TDF estándar (véase figura 19.14) ilustra por qué la TRF es tan importante. El número total de cálculos para toda la población es del orden de T V log N. el procedimiento produce un factor de 2 en ahorro (es decir N contra 2(7Y/2) = N /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 (19.1.35) y (19.

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 = 8.16 Diagrama de flujo de la descomposición completa por decimación en la frecuencia de una TDF con ocho puntos.com 1 . FIGURA 19. F(3) F(7) http://libreria-universitaria. f(0) '(1) \ f(2) \\ /1 \y /+ '(3) + •A / A + ^ \ / + •A + A i + + A A F(0) F(4) A TA A .blogspot. F(5) + \ rA TA A. F(2) F(6) X A\r X >A *r + . + .A^ w° 'i m) /\r X m// y/ Ur f(7)Y \m¡ mf . X X+ >A A A A A .560 APROXIMACIÓN DE FOURIER FIGURA 19.A.

b) Pseudocódigo para implementar a). ilustrada en la figura 19.176. la TDF habrá sido calculada pero en desorden (véase el lado derecho de la figura 19. Es la inversa del algoritmo de Sande-Tukey descrito en la sección anterior. 19. La segunda parte del algoritmo implementa este procedimiento. ambos exhiben las AHog N operaciones que son la fortaleza del procedimiento de la TRF.19).16 indica que su diagrama computacional molecular fundamental es la conocida en forma extensa como red mariposa. Observe que los datos reales valuados se guardan originalmente en el arreglo x.12.17a.16. Este procedimiento es llamado una ordenación en tiempo. e ± m = eos a ± i sen a para permitir implementar al algoritmo en lenguajes que no acomoden en forma explícita variables complejas.real (0)-real (1) real (0) = temporal temporal = imaginario (0) + imaginario (1) imaginario (1) = imaginarlo (0) . Para este caso. Es una proposición relativamente directa expresar la figura 19. 2 FIGURA 19. Esos coeficientes de Fourier pueden ser ordenados por un procedimiento llamado de fragmento inverso. Aunque las dos clases de métodos difieren en organización. También observe que el ciclo exterior pasa a través de las M etapas [recuerde la ecuación (19. Después de que esta primera parte se ejecuta. Si los subíndices del 0 al 7 se expresan en forma binaria.31)] del diagrama de flujo. Una inspección cercana a la figura 19.16 como un algoritmo. El pseudocódigo para implementar una de esas moléculas se muestra en la figura 19.temporal b) http://libreria-universitaria.6 TRANSFORMADA RÁPIDA DE FOURIER Algoritmo de cómputo.20 muestra una red de flujo para implementar el algoritmo de CooleyTukey. se puede obtener el orden correcto al invertir esos fragmentos (véase figura 19.com .19.16. se usará la identidad de Euler.2 A l g o r i t m o de Cooley-Tukey La figura 19. en tres ciclos anidados para implementar el cuerpo computacional de la figura 19. Como fue el caso para el algoritmo de la TDF de la figura 19. y los resultados finales están en el orden correcto.17 o| Una red mariposa que representa el cálculo fundamental de la figura 19. en esencia. # ftP) temporal = real (0) + real (1) real(1) .16). El pseudocódigo para la TRF se enlista en la figura 19. la muestra se divide inicialmente en puntos impares y pares numerados. La primera parte consiste.blogspot.18.imaginario (1) Imaginario (0) .6.

19 I l u s t r a c i ó n del proceso de f r a g m e n t o s inversa.18 5 k = N/2 DO IF(k>j + 1)EXIT j=j-k k = k/2 END DO J=J END DO D0i = 0.N2-1 c = coe(angle) e = sin(atigle) DO i =j.=yt y =yO)-y(kk) t x(kk) =xt *c-yt *s y(kk) =yt * c + xt * END DO angle = Q +1) * arg END DO END DO FIGURA 19.N-1 x(¡) = x(¡) / N y(¡)=y(¡)/N END DO + k Pseudocódigo p a r ai m p l e m e n t a ru n a decimación e n la frecuencia p a r a la T R F ..O b s e r v eq u e el pseudocódigo está c o m p u e s t op o r dos partes: a) la m i s m aT R Fyb )u n ar u t i n a de f r a g m e n t o si n v e r s ap a r an od e s o r d e n a r los coeficientes resultantes de F o u r i e r .blogspot.x(kk) x(i) = x(¡) + x(kk) J=0 DO ¡ = 0. E N D IF y.562 APROXIMACIÓN DE FOURIER m = LOÚ(N) / L0G(2) N2 = N D0k = 1. FIGURA 19. = xt yt=yj yj=y.com . N-2 IF (i < j) THEN xt = Xj Xj X¡= x. í.NN1 kk = i+ N2 xt = x(¡) .m N1 = N2 N2 = N2/2 angle = 0 arg = 2n IN1 DO} = 0. 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.

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

Información adicional sobre la primera se puede encontrar en Van Valkenburg (1974). 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. Buenas introducciones a ambos asuntos se pueden encontrar en Ramírez (1985). las potencias asociadas con las componentes de frecuencia individual. y Brigham (1974). 19. Por tanto.40) k El espectro de potencia es la gráfica de p como una función de la frecuencia ¿fi%. Referencias sobre la TRF son incluidas en Davis y Rabinowitz (1975).1 Excel En el presente contexto. con menos extensión. TABLA 19. Lo anterior ha sido una breve introducción a la aproximación de Fourier y a la TRF. Oppenheim y Schafer (1975). Cooley. Gabel y Roberts (1987).8 AJUSTE DE CURVAS CON LIBRERÍAS Y PAQUETES Las librerías y paquetes de software tienen grandes capacidades para el ajuste de curvas. Ahora. la potencia la ¿-ésima armónica real de /(Oes ±ka> .com . la potencia en f(t) se puede determinar al sumar los cuadrados de los coeficientes de Fourier. Lewis y Welch (1977). p =2\F \ k k 2 (19.1). Descripción Función FORECAST GROVVTH INTERCEPT UNEST LOGEST SLOPE TREND Regresa un valor ¡unto con una tendencia lineal Regresa valores ¡unto con una tendencia exponencial Regresa el intercepto de la línea de regresión lineal Regresa los parámetros de una tendencia lineal Regresa los parámetros de una tendencia exponencial Regresa la pendiente de la línea de regresión lineal Regresa un valor ¡unto con una tendencia lineal http://libreria-universitaria.3 a una aplicación de la ingeniería que involucra la TRF y el espectro de potencia generado por medio de paquetes de software. y Hayt y Kemmerly (1986). la armónica real simple consiste en ambos componentes de la frecuencia en 0 También sabemos que los coeficientes positivo y negativo son iguales. enf^t). 19. la aplicación más útil de Excel es para el análisis de regresión y. Información adicional. Además de algunas funciones predeterminadas (véase la tabla 19.1 Funciones prefabricadas de Excel que relacionan los ajustes por regresión de los datos.564 APROXIMACIÓN DE FOURIER De esta forma.blogspot.8. es decir. En esta sección daremos una muestra de las más usuales. Dedicaremos la sección 20. Chirlian (1969). recuerde que en esta representación. para la interpolación polinomial.

y3 2 r 0 0 2 4 http://libreria-universitaria. Este comando permite un número de diferentes modelos de tendencia que se pueden agregar a la gráfica.79 y Solución. exponenciales. La primera elección en el tabulador Type es para especificar el tipo de línea.42 5. Esos modelos incluyen ajustes lineales.53 1 0.5 2. El tabulador Options proporciona formas para configurar el ajuste. de potencia y de promedio de movimiento.com . Usted habrá notado que varios ajustes disponibles en Trendline fueron analizados anteriormente en el capítulo 17 (por ejemplo. exponencial y potencia).19.28 4 2.06 3.5 0. Para ejecutar el comando Trendline.5 2.5 2. polinomial. Para el caso actual.69 1. se selecciona Logarithmic. El siguiente ejemplo ilustra cómo se llama al comando Trendline.21 Ajuste de un modelo logarítmico con los datos del ejemplo 19.8 AJUSTE DE CURVAS CON LIBRERÍAS V P A Q U E T E S 565 El comando Trendline (menú insert). se abre un cuadro de diálogo con dos tabuladores: el Options (Opciones) y el Type (Tipo). El ajuste resultante junto con r se despliega en la figura 19. lineal. 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). logarítmicos. Después. se usa la guía de gráficas de Excel Wizard (Asistente) para crear una gráfica XY con los datos.blogspot.5 2.21. 2 2 FIGURA 19.23 4. Para el caso actual.3. EJEMPLO 1 9 .5 1.5 2 3 2.73 5 2. 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.5 2 1. 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. Lo más importante en este contexto es desplegar tanto la ecuación como el valor del coeficiente de determinación (r ) sobre la gráfica. 3 Usando el comando Trendline de Excel Enunciado del problema. polinomiales. se debe crear una gráfica que relaciona una serie de variables dependientes e independientes.

4.0005 0.. Como se describió antes.. U.001 0.23).2 0. R. tales modelos son de la forma general y = az 0 0 + a\Z\ + a z 2 2 H \-a z m m +e (17.566 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.001 0. Este paquete de Excel. 0 x m EJEMPLO 19. 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. tam- bién incluido..2 0.0002 0.0005 0.ayp a p U = a+a S+p R log log log http://libreria-universitaria.5 1 m/m Se tiene razones teóricas (recuerde la sección 8.4 0.667. su inclusión en la opción Polinomial significa que también se puede usar para interpolación polinomial. está limitado a r .5 0.5 y 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.. Los siguientes datos se colectaron para la pendiente. respectivamente.blogspot.23) donde z .5 0.5 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. Existe razones teóricas (véase de nuevo la sección 8. Además.com respectivos logaritmos. como en la siguiente tabla: Se puede desarrollar una hoja de cálculo en Excel con los datos originales junto con sus .4 Usando el paquete de herramientas para el análisis de datos de Excel Enunciado del problema.0002 0. El logaritmo de este modelo de potencias se usa primero para convertirlo al formato lineal de la ecuación (17.2) para creer que o"y p deberían tener valores aproximados de 0. en la sección 17. Solución. Ajuste estos datos con Excel y evalúe si su regresión estimada contradice los valores esperados de los coeficientes del modelo.5 0.75 0. m 0. radio hidráulico y velocidad del agua que fluye en un canal: S.25 m/s 0. z son m + 1 funciones diferentes. debido a su contenido estadístico. z . 2 El paquete de herramientas para el análisis de datos.2 0. U =aS R a. El siguiente ejemplo ilustra cómo tales modelos se pueden ajustar con Excel. Sin embargo.

en la sección 17. 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. respectivamente.5 y 0.5 1 m/m m Se tiene razones teóricas (recuerde la sección 8. está limitado a r .2 0. su inclusión en la opción Polinomial significa que también se puede usar para interpolación polinomial.667.23). 2 El paquete de herramientas para el análisis de datos. Como se describió antes. Además.blogspot.2 0.25 0. y esto significa que no per• ' mite dibujar inferencias estadísticas con respecto al modelo a ajustar.2) para creer que o"y p deberían tener valores aproximados de 0.5 0.4 Usando el paquete de herramientas para el análisis de datos de Excel .4 0. EJEMPLO 19.0002 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.5 0.0005 0. radio hidráulico y velocidad del agua que fluye en un canal: S.001 0. contiene una amplia capacidad para el ajuste de curvas mediante lineal general por mínimos cuadrados. Este paquete de Excel.001 0.com . El logaritmo de este modelo de potencias se usa primero para convertirlo al formato lineal de la ecuación (17. z son m + 1 funciones diferentes. Los siguientes datos se colectaron para la pendiente.„+e m ' (17.oyp =aS"R p Se puede desarrollar una hoja de cálculo en Excel con los dalos originales junio con sus respectivos logaritmos. tam- bién incluido.5 0. Existe razones teóricas (véase de nuevo la sección 8. Ajuste estos datos con Excel y evalúe si su regresión estimada contradice los valores esperados de los coeficientes del modelo.0002 0.23) donde z .5 0.. U = log a + tr log S + p log R a. Sin emI bargo. U. Solución. R..75 0. z . como en la siguiente tabla: http://libreria-universitaria. tales modelos son de la forma general y — ao^o + a\Z\ + a z 2 0 x m 2 H \-a z. debido a su contenido estadístico.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. Enunciado del problema..2 0.0005 0. U 0.4. El siguiente ejemplo ilustra cómo tales modelos se pueden ajustar con Excel.

3010§ -0. al al 0.109933 0.0002937 95% 0. de R cuadrada Error estándar Observaciones ANOVA Regresión Residual Total Estadística de regresión 0.75 0. la selección Data Analysis se incluirá en el menú Tools.0005 0.0002 0.994513 0. Valor Inf.com .25 0. simplemente use el ratón o la secuencia de teclas /Tools Add-Ins Después seleccione Analysis Toolpack y OK. el paquete de herramientas para el análisis de datos debe algunas veces cargarse en Excel. Seleccione Regression y aparecerá un cuadro de diálogo que esperará se le proporcione información sobre la regresión.362521 1 0.0005 0.220593 MS 0. Error estdr.075932 0.998353 0.2 0.30103 -0.2 0.r.30103 -3 ^.0002 0.69897 -0.39794 -3.60206 .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. Para hacer esto.219867 0.0002712 0. un menú de Data Analysis aparecerá en pantalla conteniendo un gran número de rutinas orientadas estadísticamente.blogspot.69897 -0. Después de seleccionar Data Analysis en el menú Tools.015559 6 •LI RH 10 !l il dt ss 2 3 5 0. 6 9 & V 1 -0. Así se creará la siguiente hoja de cálculo: 1 B A RESUMEN DE RESULTADOS C D E F G 2 3 4 5 6 & 0 10 11 13 •t) 7 Múltiple R R cuadrada A¡. en la versión de Excel disponible en el tiempo de la edición en inglés de este libro. Después se puede copiar esta fórmula a la derecha y hacia abajo para generar los otros logaritmos.2 0. llene en F2:F7 para el rango y y D2:E7 para el rango x y seleccione OK.30103 -0.5203 0.83456W 95% http://libreria-universitaria.5 1 lofl(S| ¿ 3 4 5 6 7 loq(U| lofl(Rh) -0.001 0.022189 Sfadf 20.7641028 IflIdU'Bplo X Variable 1 0.001 0.1106 F Siqniticanáa 0.000242 454.30103' .000726 0.5037521 Ó. Debido a su estado como una "incluida".12494 -3 \-0.0001889 1. -3.5 U 0.0501 19.3 . una forma eficiente para generar los logaritmos es tecleando la fórmula para calcular el primer log(S).30103 = log(A2) 0 P Como se muestra.5 0.996708 0.5 0.4 0. Si el add-in ha sido satisfactorio.433137 Coehs.2808009 1. Después de estar seguros que se ha seleccionado la instrucción por default New Worksheet Ply.5 0.69897 -0. PSup.30103 -3.

Así.433 log S + 0. La función regress se usa para una regresión polinomial de n-ésimo orden de un conjunto completo de datos. Finalmente. La función loess ejecuta una regresión polinomial localizada de «-ésimo orden sobre un espacio de datos que usted puede especificar. Mathcad también proporciona la función l i n f i t que se usa para modelar datos con una combinación de funciones arbitrarias. hay un 9 5 % de probabilidad de que la pendiente real del exponente esté entre 0. En este caso. o lspline. Mathcad contiene un número de funciones para ejecutar regresiones. La función cspline genera una curva segmentada que es cúbica en los puntos extremo. pspline. la función genfit está disponible para casos donde los coeficientes del modelo aparecen en forma arbitraria. usted puede ejecutar interpolación segmentaria cúbica en dos dimensiones al pasar una superficie a través de una malla de puntos. ajuste de curvas y corrección de datos. el ajuste resultante es log U = 1. desviaciones estándar y coeficientes de correlación.835. 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.522 + 0. De esta forma.363 y 0. 19. el ajuste no contradice los exponentes teóricos. La función pspline genera una curva segmentada que es una parábola en los puntos extremos. Las funciones regress y loess pueden también ejecutar regresión polinomial multivariable. Estas funciones segmentarias le permiten intentar diferentes maneras que tienen que ver con interpolación en los puntos extremos de los datos. Finalmente.blogspot. como trazo de histogramas y cálculo de resúmenes estadísticos de población tales como la media. Las funciones slope e intercept regresan la pendiente e intercepto del ajuste lineal por regresión de mínimos cuadrados. varianza. mediana. Además.APROXIMACIÓN DE FOURIER De esta manera.631 y 0.2 Mathcad http://libreria-universitaria.504.8. Dichas tareas incluyen trabajos relativamente simples. y el coeficiente real del radio hidráulico esté entre 0. La función i n t e r p usa el resultado del ajuste de curvas y regresa un valor y interpolado. . Dedicaremos un ejemplo en la sección 20. las ecuaciones no lineales más difíciles se deben resolver por iteración. Además. La función lspline genera una curva segmentada que es una línea recta al final de los puntos. 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.com Mathcad puede ejecutar una amplia variedad de tareas estadísticas. 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.1 para ver cómo se puede hacer esto. U = 333S R 0A33 0133 Observe que se han generado intervalos de confianza al 9 5 % para los coeficientes.733 log R o al tomar el antilog. dado un x valor.

81400 0.PRN.64900 -0.82600 0.46700 0.93500 0.Mxy. Después.prn") Mxy :=READPRN("matxy. El archivo MATSPLIN. Ésta es una matriz que contiene valores de la segunda derivada y otros resultados numéricos en varias localizaciones de la rejilla.00302 -O.39000 0.P R N para leer los datos de esos archivos. Los elementos de este archivo son pares de valores x y y que caracterizan los elementos de la diagonal de la región. Los primeros dos activan las líneas en la figura 19.30200 4 -0.98600 -0.09200 -0.70700 1 0.55300 -0.PRN y MATXY.17500 0.12600 2 -0.10600 0.9) = 0.blogspot.65900 0. File Edlt Vlew Insert Format SJath Symbolics yjlndow S«IP 2D SPLTNE Enter theroatrixspecifying a surface: Mz :=READPRN("matsplin.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.22500 0.com . Para hacer esto se pueden crear dos archivos de datos llamados MATSPLIN.32700 0.22 mediante el comando R E A D .78200 -0.23900 -0.30800 -0.8 AJUSTE D E CURVAS C O N LIBRERÍAS V ROQUETES Pongamos un ejemplo que muestre cómo se puede usar Muthcnd para ejecutar unu interpolación segmentaria en dos dimensiones (véase la figura 19.29000 -0. Esta FIGURA 19. el símbolo definición y la función ESPLIN se usan para definir la matriz S.73600 0.97900 -0.22 Segmentaria 2D con Mathcad.jx|j Sample interpolated valúes: fltí2.76400 -0.16700 -0. Los datos a ajustar son z 0 1 2 3 4 5 0 0.pm") Compute spline coefficients: S :=* cspüne(Mxy.y) := inteipjs.13900 -0.PRN es un archivo simple de texto que contiene los valores de la función (z) a ser interpolada en varios puntos x y y sobre una rejilla rectangular.36800 0.00678 0.17500 0. El primer paso es pasar los datos a Mathcad.Mz.046 http://libreria-universitaria.PRN.33400 0.14100 0. El símbolo definición se usa para asignar los datos de los archivos de datos a las variables Mz y Mxy.5.19.22).76100 x 3 -0.51400 -0.3. LAS dimensiones de la rejilla están definidas por los datos en el archivo de texto MATXY.30300 5 0.Mz) fit(x.

Mathcad designa esta secuencia de operaciones. cambiar el color. c. tipo.23.22. de coeficientes complejos que representan los valores en el dominio de la frecuencia. son usadas por la función interp para regresar los valores de z como la variable de ajuste (x. usted puede interpolar en cualquier ubicación mediante el ajuste (x.23. y) con base en la interpolación segmentaria cúbica con los valores de entrada de x y y.com . junto con Mz y Mxy. usamos la función fft para el análisis de Fourier como el mostrado en la figura 19. Como otro ejemplo para demostrar algunas capacidades para el ajuste de curvas mediante Mathcad. leyendas y otras características. Mathcad realiza todo el resto para producir la gráfica mostrada en la figura 19. como el mostrado con x = 2. El resultado es un vector. La primera línea usa el símbolo definición para crear i como un rango variable. Una vez que se ha creado la gráfica.370 APROXIMACIÓN DE FOURIER matriz. Usted puede también construir una gráfica de la superficie interpolada como la 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. 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.blogspot. Simplemente teclee x¡ en el lugar reservado sobre el eje y y 0 y 80 para el rango en el eje x. FIGURA 1 9 . y). ancho de línea del trazo de la función y agregar títulos. Se construye una gráfica de la magnitud de c¡ como antes. 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. Esto coloca una línea roja cruzada en esa ubicación. Mathcad file Edil ylew ¡nsert Formal Malh gymbollcs Wlndow tjelp FAST FOURIER TRANSFORM Define a real signal in time: Signal http://libreria-universitaria.9. Después c es definida como fft(x). Considerando estas operaciones. usted puede usar del menú la secuencia Format/Graph/X-Y Plot para variar el tipo de gráfica. 2 3 TRF con Mathcad. Esta función regresa la transformada de Fourier de x.5 y y = 3. Después x¡ es formulado mediante la función Mathcad r n d para impartir una componente aleatoria a la señal sinusoidal.

blogspot.24). http://libreria-universitaria. b) polinomial de quinto orden y c) una segmentaria cúbica. MATLAB tiene una variedad de funciones preconstruidus que abarcan las capacidades totales descritas en esta parte del libro.2.com .2 Algunas funciones de MATLAB para implementar interpolación. 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. Para hacer esto. Emplee un tamaño de paso de 1 de tal forma que la caracterización resultante de la onda seno sea dispersa (véase la figura 19. a) Los valores de las variables independientes y dependientes se pueden introducir en los vectores por >> >> x=0:10. TABLA 19.24 Once puntos muestreados de una sinusoidal.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. Después.1 9 . use la función seno para generar valores igualmente espaciados f(x) de 0 a 10. Solución.8. segmentarias y TRF.3 MATLAB Como se resume en la tabla 19. y=sin(x). regresión. El siguiente ejemplo ilustra cómo usar algunas de ellas. Explore cómo se puede emplear MATLAB para ajustar curvas con los datos. ajústela con a) interpolación lineal. Descripción Función polyfit interp 1 interp 2 spline fft EJEMPLO 1 9 . FIGURA 19.

>> >> yi = potyvaL(p.'o 1 . los cuales pueden de nuevo ser graneados junto con las muestras originales dispersas. y i ) 0 2 4 6 8 10 b) Ahora. y i ) http://libreria-universitaria. y) como los valores interpolados linealmente se pueden graficar juntos.xi).0915 p=poLyfit(x.0008 -0.25:10.572 APROXIMACIÓN DE FOURIER Un nuevo vector más finamente espaciado con valores de la variable independiente se puede generar y guardar en el vector xi.y.5) donde el vector p cumple con los coeficientes polinomiales.blogspot. y . Estos se pueden a su vez usar para generar un nuevo conjunto de valores yi. x i ) . >> xi=0:.3542 -1.0290 0. x i . x i . >> P= 0. o ' . 1 p l o t ( x .com . 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. y . Tanto los valores originales (x.6854 2. plotCx. como se muestra en la gráfica siguiente: >> >> y i = i n t e r p 1 ( 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.y.5860 -0.

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

574 APROXIMACIÓN DE FOURIER TABLA 19.3 Categoría Rutinas IMSL para ajuste de curvas. 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.com . • TRF en dos y tres dimensiones complejas • Convoluciones y correlaciones Transformada de Laplace http://libreria-universitaria.blogspot.

0 5 / y / 0 .295 1. y) conteniendo NaN (no un número) como un valor x o y. 1 5 . 3 0 .nobs.15 0.45 0. 0 . I I .blogspot.• T. 7 2 0 .05 0.x. 0 . ' F i t t e d polynomlal i s ' DO i . x ( n o b s ) . n o b s . 8 5 1 . EJEMPLO 19. y ( 1 ) .4. 5 8 3 .I8. 0 5 . " TERM: ". s t a t ( 5 ) D O i = l. 1 . D O j = l. ' N O .12 0.Q AJUSTE DE CURVAS C O N LIBRERÍAS Y P A Q U E T E S STAT = Vector de longitud 10 que contiene la estadística descrita en la tabla 19. 0 .156 y Solución. 0 . PRINT A 1-1. F 5 .B.8 ) R E A L : : b ( n d e g + l ) . 0 . s t a t ( 1 0 ) . y ( n o b s ) . n d e g + 1 PRINT ' ( 1 X . s s p o l y ( n d e g + l ) . 3 7 8 .nobs ycalc=0.F8.70 0. 0 . ycalc(nobs) DATA DATA CALL x / 0 .3(5X.583 0.4))\ i . Use RCURV para determinar la polinomial cúbica que proporciona un ajuste por mínimos cuadrados de los siguientes datos X 0.05 0. * * . 2 9 5 .84 0. ycalcd) http://libreria-universitaria.720 0. X Y YCALC' " R A PRINT PRINT PRINT PRINT 2 : " .stat) * . 0 .i.851 0. 8 4 .FS^)'.30 0. 7 0 . 4 5 . " % " ) ' .378 0. 9 5 7 .ndeg. 0 . " X " . 2 .ndeg+l ycalc(i)-ycalc(1)+b(j)*x(i)**(j-l) END DO PRINT END END DO '(1X. x ( 1 ) .832 0. 8 3 2 . 0 .y.com . 0 . 1 5 6 / RCURV(nobs. 0 .j PARAMETER (ndeg -3. 0 .957 0.l . b(1) END DO * ' ( I X . 0 .ó Uso de IMSL para regresión polinomial m I Enunciado del problema. 1 2 .sspo1y. (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. 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.

1 El pH en un reactor varía en forma sinusoidal durante el transcurso de un día. Use la ecuación resultante para predecir la radiación que habrá durante la mitad de agosto.2785 -.0500 Y .8423 . _ ¡¿mdx fix) = Use esta relación para verificar los resultados de la ecuación (19.1560 YCALC .5786 .8 8.com .1200 .5 12 15 20 22 24 7 PH 7 7.7000 . Carolina del Sur. ha sido tabulada como Tiempo.3 2 4 5 7 8.1558 X 1 TERM: A X 2 TERM: A X 3 TERM: A R 2: A 9 9 NO.7053 .0513 X .11) los siguientes datos.576 | APROXIMACIÓN DE FOURIER i \ ] ' ? Un ejemplo de correr es F i t t e d polynomial i s X 0 TERM: A .4500 . Grafique los primeros tres términos junto con la sumatoria. 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. 19.1 6.5830 .8400 1.8711 .3000 .9 8. hr 0 7.4 Una onda diente de sierra.4. http://libreria-universitaria.81% 1 2 3 4 5 6 7 8 PROBLEMAS 19.3780 . Use la regresión por mínimos cuadrados para ajustar con la ecuación (19.4 7.8320 .2908 .9909 -1.13).3 Los valores promedio de una función se pueden determinar por FIGURA P l 9.2 8.7200 .0312 .1500 .4 7.2950 . Use su ajuste para determinar la media.3880 . .8510 . Tiempo.2 La radiación solar en Georgetown. mo Radiación.9401 .4 Use una serie de Fourier continua para aproximar la onda de dentado de sierra mostrada en la figura P19.9 19.blogspot. 19.9570 . ajuste a un sinusoide estos datos.0500 . amplitud y tiempo del pH máximo.9 7.

agregue una componente aleatoria a la señal. 8 2 . 6 2 1 1 1 . con los siguientes datos que contienen la concentración de oxigeno disuelto en agua fresca contra temperatura a nivel del mar.13. 5 3 . 3 1 7 .13.8. 4 2 . I <>.8. 7 1 8 .0 a 47. pero ahora use la rutina RCURV de IMSL. 6 http://libreria-universitaria. Grafique y contra x junto con la ecuación exponencial y r . 4 1 3 I <). 7 2 6 . I'). Tome una TRF de esos valores y grafique los resultados.5 I JTIO onda triangular. Pruébelo mediante la duplicación de la figura 19.4.20 Repita el problema 19.1 1 9 .3. pero ahora use MATLAB para realizar el análisis. Use 32. M G / L 1 4 . 64 y 128 puntos de muestreo. I <>. 3 0 5 6 . use MATLAB para ajustar los datos del problema 19. 3 -1 1 f FIGURA P 19.21 Repita el problema 19. 19. 8 4 3 9 . 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 . 19.• 357T donde Q es la amplitud de la onda. 1 1 1 K 2 sen / 2 3n „ eos 2t 2 15TT eos 4í 19. Muestre la onda de t . 19.10 para calcular una TDF pura la onda triangular del problema 19. pero ahora con el intercepto forzado a cero (ésta es una opción del cuadro de diálogo Regression) X 2 4 Ó 8 1 0 1 2 1 4 y(t) = C .7 Construya la amplitud y línea de fase espectral del problema 19. repita la regresión. 1 0 Desarrolle un subprograma de uso amigable para la TDF con base en el algoritmo de la figura 19.13 Repita el problema 19.11 mediante el software que usted desarrolló en el problema 19. Determine el valor de y en x = 3.19 En una forma similar a la sección 19. 4 1 2 . Grafique los primeros tres términos liinto con la sumatoria.12. Determine el 90% de intervalo de confianza para el intercepto.18.14.16 Use el paquete de herramientas para el análisis de datos de Excel para ajustar una línea recta con los siguientes datos. 6 3 . 9 3 . 5 1 0 1 2 . 1 2 . I « ) .2. Tome tiempo a cada corrida y grafique la ejecución contra N para verificar la ligura 19. 4 1 8 7 . 3 \ CIÓN EXPONENCIAL 1 2 . Grafique los primeros cuatro (orminos junto con la sumatoria.com .18.8 Un rectificador de media onda se puede caracterizar por 19. 6 2 .blogspot. Pruébelo duplicando la figura 19. 19.8. 5 1 5 1 7 .12 Desarrolle un subprograma de uso amigable para la TRF con base en el algoritmo de la figura 19. Y 2 0 2 0 1 2 7 Ó 5 .S Use la serie de Fourier continua para aproximar la forma de la onda en la figura P19.6 Construya la amplitud y línea de fase espectral del problema 19. 19. Como se vio en la sección 19. 19.8. 5 7 5 .15 Use el paquete de herramientas para el análisis de datos de Excel para desarrollar una regresión polinomial de cuarto orden. 2 0 1 6 2 4 3 2 4 0 O.17 mediante a) interpolación lineal. b) un polinomial de quinto orden y c) una segmentaria. 5 6 7 . 19. 5 3 . Si pasa por cero.18 Use Mathcad para generar 64 puntos a partir de la función /(í) = eos (3t) + sen (1 Oí) desde t = 0 a 2rc.5. 8 -eos 6 í . 19. I ').9 Construya la amplitud y línea de fase espectral del problema 19. 7 6 . 1 1 Use el programa del problema 19.12. 8 7 0 8 .15.5.17 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 . 9 2 5 .

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. y debido a q u e p se aproxima al infinito. muestra cómo se puede linealizar y ajustar los datos en un modelo no lineal mediante regresión lineal. En la ecuación (20.1) P donde k — factor de proporcionalidad conocido como el crecimiento específico y tiene las unidades de tiempo" .1) se puede obtener de la teoría de las ecuaciones diferenciales: 1 p(t) = p e 0 0 kl (20. el organismo a modelar oslará limitado por luctorcs tales http://libreria-universitaria. La primera aplicación. En muchos de los modelos. 20. Una forma de expresar esto . la cual es tomada de la ingeniería química. entonces la solución de la ecuación (20. el modelo debe ser modificado para hacerlo más realista.2) se observa que p(t) se aproxima al infinito en tanto t sea grande. %=k (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. o en forma de ecuación. Este comportamiento es claramente imposible para sistemas reales.com como carencia de comida y producción de deiechoi tóxicos. 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. 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). Modelos de crecimiento poblacional son importantes en muchos campos de la ingeniería. 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. se debe reconocer que la razón de crecimiento específico k no puede ser una constante en tanto la población se vuelva grande. Este es el caso.2) d o n d e p = población cuando t = 0. Solución. 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. Por tanto. Si k es una constante. Primero.blogspot.

Las constantes K y k son valores empíricos basados en mediciones experimentales de k para varios valores d e / Como un ejemplo. con pendiente K/k e intercepto l/k^.17) para obtener mÍK máx J. 1 en la figura 20.3) en una forma lineal.blogspot. Se requiere calcular & y Ka partir de estos datos empíricos. suponga que la población p representa la levadura empleada en la producción comercial de cerveza.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. esto es. Estos valores F I Gse U Rgrafican A 2 0 . Esto se lleva a cabo al invertir la ecuación (20.2. En la figura 20.k = k J2.3) de manera similar a la ecuación (17.3) y muestra que cuando f = K. 1 se tiene la gráfica de la ecuación (20. http://libreria-universitaria. Por tanto.20. se ha transformado la ecuación (20.1.com . 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.*±/ _!LJ_ _L. ya que conforma la concentración donde la razón de crecimiento específico es la mitad de su valor máximo. Las mediciones de k contra/para la levadura se muestran en la tabla 20. K es la cantidad de comida disponible que respalda a una razón de crecimiento poblacional igual a la mitad de la razón máxima. 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. = = + (2 o. y / e s la concentración de la fuente carbono que será fermentada. l/k es una función lineal de \lf.

80 0.935 Debido a esta transformación.04000 0.01000 0.3) se comparan con los datos transformados en la figura 20.29 0.580 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS TABLA 20. mg/L 7 9 15 25 40 75 100 150 k.23 días" y K = 22. S i / s e aproxima a cero en tanto p sea grande.031 1.538 1.001305.448 2.com . 0.99 1.250 1. dando 1 milí dp — = 1.1).23 f p (705) V dt 22.65 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.48 0.01333 0.18+ r ' Observe que el ajuste da una suma de cuadrados de los residuos (como los calculados para los datos no transformados) de 0.14286 0.blogspot.02500 0.23 d í a s " y K = 22.11111 0.37 0.083 1. entonces dpldt se aproxima a cero y la población se estabiliza. máx 1 1/í L/mg http://libreria-universitaria. Estos resultados combinados con la ecuación (20. 0.1 Datos usados para evaluar las constantes de un modelo de razón de crecimiento saturado para caracterizar la cinética microbial.010 0.18 mg/L.3.07 día" 1 \/f.2 Versión linearizada del modelo de la razón de crecimiento saturado. y después se sustituyen en el modelo de la ecuación (20.703 2. FIGURA 20. La ecuación (20. La línea es un ajuste por mínimos cuadrados que se usa para evaluar los coeficientes del modelo fe = 1. f. se puede usar los procedimientos por mínimos cuadrados lineales descritos en el capítulo 17 para determinar k = 1.97 0.1 8 mg/L para una levadura que se usa para producir cerveza.00666 día L/mg 3.06666 0.

Como puede verse.29 0. es la regresión no lineal descrita en la sección 17. que es capaz de relacionarse en esta forma original.4 Regresión no lineal para ajustar el modelo de la razón de crecimiento saturado de una levadura empleada en la producción comercial de cerveza.652384 0.496828 0.37 0.5.000209 0.295508 Res 2 A 0.791842 0. una columna de valores predichos es desarrollada. Éstos se usan para generar una columna de residuos al cuadrado que se suman.000410 0.3 Ajuste del modelo de razón de crecimiento saturado para una levadura empleada en la producción comercial de cerveza. La linearización de la ecuación (20.80 0.07 SSR k-predicción ^ 0. La figura 20.007134 1.1386 k 0. basada en el modelo y los parámetros iniciales.949751 1.1 MORESIÓN LINEAL Y MODELOS DE POBLACIÓN III máx f..4 muestra cómo se puede usar la herramienta Solver de Excel para estimar los parámetros supuestos con regresión no lineal.48 0.355536 0.20. Un procedimiento alternativo.000283 0.000294 0.00130J] http://libreria-universitaria.000006 0.D12) 0.000004 >SUM(D5.000067 0. A 1 2 3 4 5 6 7 8 9 10 11 B D $B$1*A5/($B$2 + A5) = (B5 .com .2301 22.blogspot.3) es una forma para evaluar las constantes y K.C 5 ) 2 A kmáx K f 7 9 15 25 40 75 100 150 1 1.65 0. FIGURA 20.99 1. mg/L FIGURA 20.071897 J* 0.000030 0.97 0. y el resultado se coloca en la celda D I 4 .

La ubicación de la thermocline se puede definir como el punto de inflexión de la curva temperatura-profundidad.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. y en el fondo es más fría y densa. 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. con una S = 0. da un estimado de k ^ = 1.com . Es también el punto en el cual el valor absoluto de la primera derivada o gradiente es un máximo. La estratificación térmica tiene gran importancia para los ingenieros ambientales que estudian la contaminación de tales sistemas.001302. 2 FIGURA 20.23 y K = 22.5 Temperatura contra profundidad durante el verano para el Lago Platte en Michigan. los resultados son casi idénticos. Como se ilustra en la figura 20.14. el agua es tibia y liviana. la thermocline disminuye en gran medida el mezclado entre las dos capas. 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. aunque. m x r 20. En particular. es decir. Los lagos en la zona templada pueden dividirse en estratos térmicos durante el verano. Como resultado. El resultado.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. como se esperaba. Use segmentarias cúbicas para determinar la profundidad de la thermocline para el lago Piarte (véase la tabla 20. 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. También use las segmentarias para determinar el valor del gradiente en la thermocline.5. De esta forma. el punto en el cual (PT/dx = 0. la descomposición de materia orgánica puede acarrear reducción de oxígeno en el fondo aislado de las aguas. En otras aplicaciones. la regresión no lineal da un ajuste ligeramente mejor.4.2).blogspot. cerca de la superficie. como el mostrado en la figura 20.

3 11.2346 -.7144 19. 18. 24. 10.7944 22.1001 -.0248 .8691 16. La profundidad es 11. 4. Los datos se analizan con un programa que fue desarrollado con base en el pseudocódigo de la figura 18.8. Con base en los primeros datos históricos. 1.°C z. 25.61°C/m. 13.1884 -.2646 14.0045 .4118 17. Wolf determinó que la longitud del ciclo es de 11.3 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. 21. En 1848. 14.0085 -.1502 -. 8. 26. 19. En la figura 20. 17. al sumar 10 veces el número de grupos más el conteo total de puntos individuales. 23.0618 . TABLA 2 0 .2086 . 2.0251 .1199 -. 12.20.8 22.6 9.0245 .9981 dldad (m) 0.2569 -.0212 .7 se tiene registros de este número desde 1770.blogspot.0021 . 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.1 años. 9.0125 . 16.1 27.6531 20.1 22.0261 -.0635 -.8203 22.1303 -.8 4. 22. 3 Resultados del programa segmentario basado en el pseudocódigo de la figura 1 8.3923 profundidad (m) 15.1638 -. 6. Los resultados se despliegan en la tabla 20.0000 . se emplea de manera extensa en aplicaciones de la ingeniería eléctrica tales como en el procesamiento de señales.7909 22.8000 22.0966 . Calculó una cantidad que ahora se conoce como el número de puntos solares de Wolf. 28. 7.0332 . 5.1167 .0069 .7 18.0436 .0000 http://libreria-universitaria.2402 -.com .7 11. 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 -.7907 22.1166 . 20.8374 22.0354 .9 20. 3.2665 21. Observe cómo la thermocline está claramente localizada a la profundidad donde el gradiente es el más grande (es decir.3254 -. el valor absoluto de la derivada es la más grande) y la segunda derivada es cero. El análisis de Fourier se usa en muchas áreas de la ingeniería. 11.0596 -.0055 .9 13.3 ANÁLISIS DE FOURIER 983 TABLA 20.2 Temperatura contra profundidad durante el verano para el Lago Piarte en Michigan.0148 . - d2T/dz2 .3 T. Sin embargo.1599 -.2950 . 22.3 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.8 2.6229 22. T(C) 22.9 11.6.5825 dT/dz 0115 0050 0146 0305 .7766 13. 22.0229 .7646 -1 1242 -1 4524 -1 6034 1 5759 1 3702 .0000 d2T/dz2 .3973 -.3004 .1 13.3939 -.2508 . 20.1 8. 27.4735 .6518 -. Los resultados se grafican en la figura 20.2 0 m Solución.0130 .35 m y el gradiente en este punto es — 1.0318 .

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

como el mostrado en la figura 20. >> p e r i o d = l . 2.8 I . » » » >> » y(l)-[ ] .8.4 ANÁLISIS DE DATOS EXPERIMENTALES Después.4 ANÁLISIS DE DATOS EXPERIMENTALES (INGENIERÍA MECÁNICA/AEROESPACIAL) Antecedentes. indica un pico a los casi 11 años. ya que el periodo es más significativo en el contexto actual. n=length(y). freq=(l:n/2)/(n/2)*nyquist: A En este punto. se aplica una TRF a los números de puntos solares » y-fft(number): Después de obtener la primera armónica. se puede determinar el periodo y una gráfica potencia-periodo. Las variables de diseño en la ingeniería son a menudo dependientes de varias variables independientes.power): El resultado.poctro de potencia para li I. Sin embargo. / f r e q >> plot(period. Con frecuencia esta dependencia funcional es mejor FIGURA 20. El valor exacto se puede calcular con >> index=-f ind(power==max(power)).'I números de puntos i i i h i e s de Wolf. nyquist=l/2. O C TÍ <D 10 a.'. power=abs(y(l:n/2)).com .blogspot. se determina la longitud de la TRF («) y luego se calcula la potencia y frecuencia. >> period(index) ansI O .20. el espectro de potencia es una gráfica de potencia contra frecuencia. 9259 20. h^i 1 1 U ^ L 1 1 Periodo (años) 20 30 http://libreria-universitaria.

05 200. y a .903 44.903 2.001 0. D i á m e t r o .01 0. pies 1 2 3 1 2 3 1 Pendiente. \ Y 2 — coeficientes. ya que log Q es una función lineal de log S y log D.0 1 1.4).05 Flujo.() http://libreria-universitaria.5 pies y una pendiente de 0. se puede generar las siguientes ecuaciones expresadas en forma matricial [recuerde la ecuación (17. una regresión lineal múltiple de datos transformados a logarítmicos proporciona un medio para evaluar tales ecuaciones. 0 La ecuación de potencias a evaluarse es at Q = aD S ai (20.7475 0 a\ = 2. Por ejemplo. la ecuación (20.0 .025 pies/pies.954 -4.079 log a 0 11.586 APLICACIONES E N INGENIERÍA: AJUSTE DE CURVAS caracterizada por ecuaciones de potencia multivariable. la ecuación es adecuada para una regresión lineal múltiple. pendiente y flujo en tubos circulares de concreto.54 2 Si log a = 1. S = pendiente (pies/pies).3 24.207 ai ai Este sistema se puede resolver usando la eliminación de Gauss para log a = 1.334 -18.9.01 0.4. Use regresión lineal múltiple para analizar estos datos.2 4. Usando el logaritmo (base 10) de los datos en la tabla 20.6) 3 0 donde Q = flujo (pies /s).7475. D = diámetro tubería (pies).3.903 -18.691 3. pies /s 3 1.4 8.001 0. 4 Experimento 1 2 3 4 5 ó 55.9 84.7 28.62 a = 0.7) Q = TABLA 2 0 . Como se analizó en la sección 17. Solución.1 <W.05 0.9D S 262 0M Datos experimentales para diámetro. Tomando el logaritmo a esta ecuación resulta a a log Q = log a + ai log D + a log S 0 2 En esta forma.903 -4.blogspot. a = 10 0 1 7 4 7 5 0 = 55. pies/pies 0.945 -22.6) es ahora (20. Después use el modelo resultante para predecir el flujo en una tubería con un diámetro de 2. 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 20.001 0.334 0.22)]: 9 2.com 9 7 8 2 3 0.01 0.

5 pies y S = 0. y longitud de tubería L por S = hJL.4 Cloro = 1 0 0 0 0 m g / L 11. Ingeniería química/petrolera función de la temperatura para el caso en que la concentración U\.9(2. I Realice el mismo cálculo de la sección 20. ¿ 0 4 .resultados superiores.3.8 11.7) se puede usar para predecir el flujo para el caso de D — 2.2 7. °C 5 10 16 20 25 30 Cloro = O m g / L 12.85£)4.5 9.6 Al comparar los modelos de los problemas 20. como en Q = 55.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. pero ahora use es igual a 20 000 mg/L. Por ejemplo.0 8. Ignore el primer punto cuando ajus. - .3 use la interpolación ratura y una relación lineal para el cloro. 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. Usted realiza experimentos y determina los siguientes valo. 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 .8 Cloro = 2 0 0 0 0 m g / L 10.com .4 y 20. un polinomial de tercer orden para la tempetic oxígeno disuelto para T = 18°C con cloro = 10 000 mg/L.4 6. muí ecuación por potencias. 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 Dependencia de la concentración de oxígeno disuelto sobre la temperatura y concentración de cloro. 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.7 6. 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 .20. Use interpolación para estimar el nivel Esto es.025 pies/pies.5.7) y la fórmula resultante se resuelve para h .4 6.3 9. 20.1 8. En el caso de los datos de la tabla P20.3 10.5 Use regresión lineal múltiple para obtener una ecuación 1 1 1 l.2 7.6 10.85 Esta relación es conocida como ecuación de PROBLEMAS Hazen-Williams. 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.blogspot.7) se puede usar para otros propósitos además del cálculo de flujo. la pendiente se relaciona con la pérdida de carga h.025) S ' Z62 0 54 = 84. se obtiene la siguiente ecuación: L k.3.1 pie /s 3 Debe observarse que la ecuación (20. Si esta relación se sustituye en la ecuación (20. predictiva para la concentración de oxígeno disuelto como una 2 0 2 .PROBLEMAS 587 La ecuación (20.i ecuación. con el fin de obtener polinomial para obtener-una ecuación predictiva de segundo or.2 7.Q 1721 L 1.1.1 http://libreria-universitaria.5) (0.2 8.0 9. se supone.

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.dT C ¿ 7 20.5 22 2. 20. en kips por pie cuadrado (kpc) de nueve muestras tomadas a distintas profundidades en un estrato de arcilla son Profundidad.3 3.3 10.9 1.1462 760 0. a la tensión 10 4 15 20 20 18 25 50 40 50 48 tabla P20.N / m 7 500 Emplee la ley de los gases ideales pV = nRT para determinar R con base en estos datos. Los datos de 11 calles son: Distancia x.3 1.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 4.1058 720 0.8 Se reunieron los siguientes datos para determinar la relación entre presión y temperatura de un volumen fijo de 1 kg de nitrógeno.11 El esfuerzo cortante. del carri y.1 0. La profundidad de este gradiente se puede definir como el punto de inflexión de la curva temperatura-profundidad.0 10 7. °C 0 70 0. 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.9 El volumen específico de un vapor sobrecalentado es enlistado en tablas de vapor para diferentes temperaturas. táÍÉM . 20.4 0.5 T N . 20.0 55 1.6 0.1603 780 0.588 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS Tiempo Resis.5 9. es decir. pies A. 2 2 FIGURA P20. A esta profundidad.2 5.1 DE Ingeniería civil/ambiental Thermocline 8.5 68 1. el punto para el cual d T/dz = 0.10 Use una segmentaria cúbica para el ajuste de estos datos con el fin de determinar la profundidad de la thermocline. a una presión de 2 950 lb/pulg absolutas: 2 T. Los datos se colectaron para anchos de carriles de bicicletas y distancias promedio entre bicicletas y carros en circulación.6 4.5 11 3. pies 3 5 8 10 5 7 8 6 6 6 10 10 8 9 4 5 7 8 Determine vpara T = 750 °F.0 13 2. El volumen es de 10 m .01 cal/(s • cm • °C) calcule el flujo a través de esta ¡nterface. Si k = 0.7 6.9 http://libreria-universitaria. kpc 1.1703 20.1 5. 20. Por ejemplo. °C 20 40 60 .3.10 Un reactor está térmicamente estratificado con los valores de la siguiente tabla: Profundidad.0 1. Temperatura T. m Esfuerzo.10.1280 740 0.12 Se realizó un estudio de ingeniería del transporte para determinar el diseño adecuado para carriles de bicicletas. Observe que para la ley Tse debe expresar en Kelvin. se puede idealizar al tanque como dos zonas separadas por un fuerte gradiente de temperatura o thermocline. 3 °C T.5 Como se ilustra en la figura P20. el flujo de calor de la superficie al fondo de la capa se puede calcular con la ley de Fourier.9 0. m Temperatura.7 Se sabe que la resistencia a la tensión de un plástico aumenta como una función del tiempo cuando se calienta.blogspot. °F v 700 0.1 1.8 0. -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 7 5 5.

6 172. = + 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 111.0 5. Agrcguo estu linca a la gráfica.5 17.7 101.0 132.8 175. Para algunos ríos es difícil obtener registros históricos de muchos años atrás de tales datos de flujo. Esta relación se puede entonces usar para estimar flujos por años pero sólo cuando se hicieron dichas mediciones de precipitación. determine el ancho de carril mínimo correspondiente. con frecuencia es útil determinar una relación entre flujo y precipitación.5 8. m / s 3 88.0 161.n) : FIGURA P 2 0 . Ajusto u una linca recta los datos mediante regresión lineal. 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 .9 114.5 Ya que es inconveniente resolver esta ecuación de forma manual.13 En la ingeniería de abastecimiento de aguas. cm Flujo.blogspot. datos meteorológicos sobre precipitación de muchos años atrás están a menudo disponibles. Use los datos anteriores para determinar una relación c. como una función de p. jo Erie: C luenca oeste Cuenca central ("uenca este lurjo Ontario 4.8 121.0 a) Grafique los datos.«) />) u n i f i q u e Ion dutos. el tamaño del reservorio depende de la estimación exacta del flujo de agua en el río del cual se toma.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.8 2.8 5.com .9 139.0 19.0 0. c) Use la mejor línea de ajuste para predecir el flujo de agua anual si la precipitación es de 120 cm.2 11.0 104.1 206. indica qué tan turbia y o|)iicu parece el agua. b) Ajuste a una línea recta los datos mediante regresión lineal.0 1.0 99. se ha reformulado como o = z qf (m.7 269. Por el contrario. se tienen los siguientes datos Precipitación.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. Como tal. 20.4 3. Para un río que se va a encauzar a un dique. Sobreponga la línea de su gráfica.1 152. 2(1. 20.4 116. Por tanto. 1 5 I .6 4.9 239.u clorofila a es un parámetro que indica cuánta vida de plantas CH\Í\ suspendida en el agua. J O Hurón I < i.1 130.5 39.4 94. c) Si lu distanciu promedio mínima segura entro las bicicloüu y los carros circulando se considera de 7 pies.5 21.

b) Resuelva el inciso d) pero ahora use la función espline de Mathcad que se describió en la sección 19. una porción de la cual se da aquí: 0.5 8 1.8 m n = 1.13241 0. hr 0. 5 2. 20. use los datos para estimar la deflexión de un mástil de 9.2 9 1.5 7 1 5.10941 0. n = blz y a y b como se definen en la figura P20.14 m. 20.4 0.3 0.1 0.590 z APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS donde f {m.14749 0.0013 3 586 0.05894 0. donde L = longitud del mástil.7880 0. Si es así.16843 n= 0.0000 0.2.3.75 -0.18 Realice los mismos cálculos que en la sección 20.2 0. Observe que q es igual a la carga por área.17739 n= debajo de la esquina de un estribo rectangular que está sujeto a una carga total de 200 1 (toneladas métricas).05994 0.08709 0.7 0.2 Con base en una regresión lineal de estos datos.19.65 cm y se construye de una aleación experimental de aluminio.2 2 3.22. pero ahora use regresión polinomial para obtener una ecuación cúbica para ajustar los datos. determine la corriente para un voltaje de 6 V Grafique la línea y los datos y evalúe el ajuste.1 a) Si a = 4.1 6 1. 20.8.88 2. Exprese su respuesta en toneladas por metro cuadrado.6 0.5 . comience la regresión y fuerce ol intercepto a cero.1.6 manera exponencial en las aguas de un lago de acuerdo con el siguiente modelo.05733 0.21 La corriente en un alambre se mide con gran precisión como función del tiempo: http://libreria-universitaria.6 1.1250 6. N/cm 2 0.2 4 2. cm/cm Esfuerzo.8 3 3.0085 6 896 0.7 5 13 7 19. use una interpolación polinomial de tercer orden para calcular o a una profundidad de 10 m z 2 Pin 20.16515 0.45 0.13003 0.2 0.25 0.15703 0.3750 4.03058 0.16199 0. Este valor se puede sustituir en la ley de Hooke para determinar la deflexión del mástil: AL = deformación X L.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.5 V Use interpolación polinomial para estimar la caída de voltaje para i — 1.36. Los resultados de las pruebas Deformación unitaria. Grafique y evalúe los resultados. 20.10631 0.4 0.03007 0.5000 0.0 Determine i en t = 0.2402 0. Determine si es una buena suposición quo el intercepto sea cero.17 El mástil de un velero tiene un área de sección transversal de 10..0045 5 172 0.19 Usted mide la caída de voltaje Va través de una resistencia para un número de diferentes valores de corriente i.12626 0.15027 0.1 1 135 0.22 Los siguientes datos se tomaron de un experimento que mide la corriente en un alambre para diferentes voltajes suministrados: 2 3 7.5 1. con m = alz.2500 7.8 7 1. Se efectuaron pruebas para definir la relación entre esfuerzo y deformación unitaria.08561 0.blogspot.16 Tres organismos portadores de enfermedades decaen de 1.8 4 10. Interprete sus resultados. n) se conoce como el valor influencia y m y n son relaciones adimensionales.0 6. c Ingeniería eléctrica 20.25 -0. A 5. .20 Realice nuevamente el cálculo del problema 20. p(t) = Ae~ ' L5 +Be~ ' 03 +Ce' ' 0XK Calcule la población inicial de cada organismo (A.02926 0.70 1. El valor influencia es entonces enlistado en una tabla. Si la fuerza del viento es de 25 069 N. pero ahora analice los datos generados con f(t) = 5 eos (7í) — 2 sen (40 + 6.14309 0.0060 5517 c 0.3 10 27.17389 1.08323 0. B y Q dadas las siguientes mediciones: i.5 0. 20.002 4965 0.8 y b — 16.8599 0.com i. Los resultados son / t i 0 0 0.

8 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. Los datos resultantes son Temperatura.3400 2. Esas funciones son usualmente no sujetas a una evaluación directa y.1666.28 La población (p) de una pequeña comunidad en los suburbios de unu ciudad crece con rapidez en un periodo de 20 unos: 0 20. 20. 20.4) se enlistan en la tabla P20. Compare sus resultados con los mismos valores calculados con la fórmula obtenida en la sección 20. resistencias reales podrían no siempre polinomial de quinto orden para ajustar los datos y calcule V cumplir la ley de Ohm. si lo hay. ¿Cuál es el significado. Ingeniería mecánica/aeroespacial listime J (2.blogspot.20. Use una interpolación resistencia. sugieren una relación curvilínea que ajusten los datos de la tabla P20.26 Se realiza un experimento para determinar el porcentaje de alargamiento de un material conductor eléctrico como una función de la temperatura. Suponga que usted realiza varios experi. Emplee los siguientes datos para estimar L: L V -193 di/dt.0 0.23 Se sabe que la caída de voltaje a través de un inductor cumple la ley de Faraday -1.24.4.24. 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. Los resultados. 1 H = IV. 20.29 Con base en la tabla 20.\). Por ejemplo. a menudo se compilan en tablas matemáticas estándar.25 Repita el problema 20. través de un resistor ideal es linealmente proporcional a la corriente i asi como la precisión de los métodos experimentales.4. como cientes de la ecuación de quinto orden (véase la sección 18.2 0.30 Reproduzca la sección 20. por tanto. L es la inductancia (en henrys.4. 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.24 Datos experimentales para la caída de voltaje a través de un resistor sujeto a varios niveles de corriente -0. para poder anticipar la demanda de energía.2239 2. sugieren que fluye a través del resistor como en V = iR.s/A) e i es la corriente (en amperes).25 13.00 193 20. 20. 1. Sin embargo.25 -13.1104 2. mentos muy precisos para medir la caída de voltaje y la corrien.23 pies y S = 0.24.com . 20. la suavidad de esta relación. use interpolación lineal y cuadrática para calcular Q para D = 1.5625 0.0968 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. se debe ajustar una curva a los datos.01 pies/ pies. pero ahora determine los coefite correspondiente para cada resistencia.5625 0.PROBLEMAS 0 *1 TABLA P20.00 -.6 0. Emplee un modelo exponencial y regresión lineal para hacer esta predicción. donde R es la que la interpolación podría ser la apropiada. como en el estudio de los campos eléctricos p o r ejemplo. del intercepto de la ecuación Debido al error de medición.50 41 1. d) = mediante una interpolación polinomial y b) usando segmentarias cúbicas. Sin embargo.24 La ley de Ohm establece que la caída de voltaje Va.4 0.10.0025 2.para i = 0.50 -41 donde V es la caída de voltaje (en volts). Para cuantificar esta relación. pero ahora desarrolle una ecuación para predecir el diámetro como una función do lu pendiente http://libreria-universitaria.27 Las funciones Bessel surgen con frecuencia en análisis avanzados de ingeniería. Observe que el valor real es 0.

35 40 0. Los siguientes datos experimentales fueron colectados para cuantificar esta relación: 4 FIGURA P20. Observe que para un peso por arriba de 40 X 10 N. está relacionada con la temperatura en la siguiente forma: T.32 y graficados en la figura P20.°C v.27 30 0.7923 4 1.5676 8 1. 20. la relación entre la fuerza y el desplazamiento ya no se cumple. m Fuerza. b) Use regresión polinomial para ajustar una parábola a los datos para realizar la misma predicción.5°C. 3 2 Valores experimentales para alargamiento x y fuerza F para el resorte en un sistema de suspensión de un automóvil. Esta clase de comportamiento es típica de lo que se denomina un "resorte endurecido".32 La ley de Hooke.32.blogspot.17 20 0. v.44 Desplazamiento. 0. 20.39 60 0. Se puede establecer un valor para este parámetro de manera experimental al colocar pesos conocidos sobre el resorte y midiendo la compresión resultante. Comente sus resultados.0105 24 0. http://libreria-universitaria. la cual se cumple cuando un resorte no se deforma demasiado.42 60 0.31 La viscosidad cinemática del agua. Tales datos están contenidos en la tabla P20. Emplee regresión lineal para determinar un valor de k para la porción lineal de este sistema.592 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS y flujo.32 Gráfica de fuerza (en 1 0 newtons) contra desplazamiento (en metros) para el resorte de un sistema de suspensión de un automóvil.32.com 10" N 80 . La proporcionalidad es parametrizada por la constante del resorte k.34 La distancia requerida para detener un automóvil es una función de su velocidad. m TABLA P 2 0 .4 y analice sus resultados.1168 20 1.2396 16 1. significa que el alargamiento del resorte y la fuerza aplicada están linealmente relacionados. 20. Compare sus resultados con la fórmula de la sección 20. Desplazamiento.33 Repita el problema 20. 20. Además. 4 Velocidad.43 70 0.32 pero ahora ajuste a una curva de potencias todos los datos en la tabla P20. 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.3874 12 1. mi/h Distancia de frenado. ajuste a una relación no lineal la porción no lineal.10 10 0. 1 0 " cm /s 2 2 0 1.9186 Grafique estos datos a) Use interpolación para predecir va T = 7.

20. Sobreponga esta línea en su gráfica. Se aplican ocho diferentes valores de esfuerzo. 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 . Calcule g para y = 55 000 m.6278 80 000 llwnpo de fractura.com .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. m/s 2 0 9. x.7487 40 000 9. http://libreria-universitaria.8100 20 000 9.36 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.PROBLEMAS Í0.blogspot. y los datos l'ONultantes son il (iplic.5682 u) Grafique los datos />) Ajuste a una línea recta los datos usando regresión lineal. h 9. m g. y.6879 60000 9.

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

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

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

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

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

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

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

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

50 57. 2.00 36. Métodos s i n computadora p a r a diferenciación e integración \/Í.3 15 18 dy/dx 76. y) se tabulan y.00 21.604 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN Debido a esta relación cercana. b) Las 0 estimaciones de la derivada se 3 representan en forma de gráfica de barras. esto proporcionará la oportunidad de resaltar sus similitudes y diferencias desde una perspectiva numérica. En este método los datos (x. 3. Una función simple continua tal como una polinomio. c) Se pue(lo entonces leer los valores de de la curva suave. optamos por dedicar esta parte del libro a ambos procesos. Para el segundo caso. y 0 200 350 470 650 720 Ay/Ax 66. Luego se dibuja una curva suave que intenta aproximar el área bajo FIGURA PT6 . las soluciones analíticas son a menudo imprácticas y algunas veces imposibles de obtener.50 dy/dx.blogspot.50 45.1 La función que será diferenciada o integrada estará usualmente en una de las siguientes tres formas: 1. Esto 15 se lleva a cabo al dibujar la 18 curva de tal forma que áreas ¡guales positivas y negativas estén equilibradas. 0 3 6 9 12 15 18 x http://libreria-universitaria.4 Diferenciación por áreas iguales. se debe emplear métodos aproximados. así como en el tercer caso de datos discretos.4). En estos ejemplos. nuestro análisis tendrá relevancia en las siguientes partes del libro. Una función continua complicada que es difícil o imposible de diferenciar o integrar de manera directa.com C) . Entre otras cosas. Se superpone 6 una curva suave sobre esta 9 gráfica para aproximar el área bajo la gráfica de barras. En el primer caso. Además. para cada intervalo. se emplea una diferencia dividida simple Ay/Ax para estimar la pendiente. esos valores se grafican como una curva de pasos contra x (véase figura PT6 . una exponencial o una función trigonométrica. Una función tabulada donde los valores de x y f(x) están dados en un número de puntos discretos.1. la derivada o integral de una simple función se puede evaluar en forma analítica mediante cálculo. o) Se usan las diferencias divididas centradas para estimar la derivada para cada X intervalo entre los datos.7 50 40 30 23. Un método sin computadora para determinar las derivadas a partir de datos es conocido como diferenciación gráfica por áreas iguales.25 25. como es frecuente el caso en datos experimentales o de campo.PT6. donde se tratarán ecuaciones diferenciales. Después.

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

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

los datos están ya en forma tabular b). que promueve la transferencia de calor. Varios ejemplos se relacionan direclnmonle http://libreria-universitaria. el paso a) es innecesario. Leyes similares proporcionan modelos de trabajo en muchas áreas de la ingeniería. cinética de reacción química y flujo electromagnético. entre ellos el modelado de dinámica de fluidos.5 ser •'O 2 X 0. b) Tabla de valores discretos de f[x) generados a partir de la función. por tanto.75 2. ésta se puede expresar matemáticamente como Flujo de calor = —k' dT dx Así.414 M FIGURA PT6. también el cálculo do integrales es valioso.PT6.75 1.7 Aplicación de un método de integración numérico: a| Una función continua complicada.com .1 MOTIVACIÓN 607 / * 2 + c o s ( 1 +> / V1 + 0.945 1. transferencia de masa.blogspot.599 1. La habilidad para estimar de manera exacta las derivadas es una faceta importante de nuestra capacidad para trabajar de manera efectiva en estas áreas. la derivada proporciona una medida de la intensidad del cambio de la temperatura.25 1. Para una función tabulada.993 2. Fourier para la conducción de calor cuantifica la observación de que el calor fluye de regiones de alta a baja temperatura. Para el caso de una dimensión. o gradiente.25 0. c) Uso de un método numérico (el método do barras) para estimar la Integral con base en los puntos discretos. Así como las estimaciones exactas de las derivadas son importantes en ingeniería.

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

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

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

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

75x . cualquier función tal que F'(x) = f(x). es decir. En consecuencia. 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. 400 x + 168. 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). muchas funciones de importancia práctica ion demasiado .2.7) Un ejemplo de una integral definida es /•0.612 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN TABLA PT6. . Estas "reglas" son sólo ejemplos de antidiferenciación.9) 200 .8) se obtiene .2x + 12.8. es decir. Enlistamos algunas de las más comunes en la http://libreria-universitaria. . encontrar F(x) de tal forma que F'(x) = f(x).blogspot. tan x = sec 2 x d — dx esc x = -esc x cot x dx d .180x + — x 3 4 5 0.2 + 25* .6405333. 1 — In x = — dx x dx e* = é d .8) Para este caso.9).1 Algunas derivadas de uso común. Otras funciones siguen diferentes reglas.8 (PT6.5x 2 í b x n+\ x" dx n + 1 (PT6. d — sen x = eos x dx d — eos x = -sen x dx D d — cot x = -esc dx 2 x d — sec x = sec x tan x dx . Muchas de las reglas se resumen en manuales y tablas de integrales.200x + 675x . La nomenclatura del lado derecho es para F(x)\ b a = F(b)-F(a) (PT6. La integración anterior depende del conocimiento de la regla expresada con la ecuación (PT6. la integración analítica depende del conocimiento anterior a la respuesta.8)] entre x = 0 y 0.7) como / = 1.com tabla PT6. Sin embargo. / = 0. Si se aplica esta regla a cada término en la ecuación (PT6. Este valor es igual al área bajo el polinomio original [véase ecuación (PT6.900x + 400x ) dx 2 3 4 5 (PT6. Tal conocimiento se adquiere con entrenamiento y experiencia.10) la cual se evalúa de acuerdo con la ecuación (PT6.8 / = / Jo (0.

J u dv = uv. El capítulo 21 se dedica al más común de los procedimientos para integración numérica (las fórmulas de NewtonCotes).. PT6.PT6.eos [ax + 6) + C J í eos [ax + b) dx = .8) sin conocimiento de las reglas. Además.3 ORIENTACIÓN Antes de proceder con los métodos numéricos para integración.3 ORIENTACIÓN 613 TABLA PT6.1 Alcance y antecedentes http://libreria-universitaria. la . 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.3.com La figura PT6. a * 1 bino / — = Inixl+ C x*0 1 í sen [ax + b) dx = a . Lo siguiente pretende ser una revisión del material analizado en la parte seis.10 proporciona una revisión de la parte seis.2 Algunas integrales simples que se usan en la parte seis. j PT6.blogspot. Tres de las fórmulas de Newlon-C 'otcH con un U N O más extendido se analizan con detalle: lu regla trapezoidal. Esas relaciones se basan en el reemplazo de una función complicada o datos tabulados con un simple polinomio que es fácil de integrar. Una razón por la que las técnicas en esta parte del libro son tan valiosas.sen ( a x + b) + C a jI n i x la x=xI n i x l -x+ C complicadas para ser contenidas en tales tablas.jv du \u"du = ——+C x a f n*-l 1 f a dx = — — + C a > 0. es porque proporcionan un medio para evaluar relaciones como la ecuación (PT6. podría ser de utilidad alguna orientación adicional.

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

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

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

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

Las formas abiertas de Newton-Cotes no se usan por lo general para integración definida.3 La diferencia entre fórmulas de integración a) cerrada y b) abierta. Las formas cerradas son aquellas donde los datos al inicio y final de los límites de integración son conocidos (véase figura 21. reconocemos que el "método de barras" en la figura P T 6 . se utilizan para evaluar integrales impropias y la solución de ecuaciones diferenciales ordi- FIGURA 21.5.3a). Se dispone de formas cerradas y abiertas de fórmulas de Newton-Cotes. como se analizó en la sección 18.618 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES te. 6 emplea una serie de polinomios de orden cero (es decir. constantes) para aproximar la integral. En este sentido. son similares a las de extrapolación. .3¿>).2 La aproximación de una integral como el área bajo tres segmentos de línea f(x)n FIGURA 21. Las formas abiertas tienen límites de integración que se extienden más allá del rango de los datos (véase figura 21. Sin embargo.

f{a)] b -^- + bf(a) .3) la cual se denomina regla trapezoidal. f\tt)-" f / = íñb) .a) Recuerde del capítulo 18b que una línea recta se representa como [véase ecuación (18.a (21. . Sin embargo. .21.1) es de primer orden: pb rb I = fi(x) = f(a) + — . IM tiiiil puedo Inlegrarso entre x = a y x = b pura obtener IV» m .af(b) Si se multiplica y agrupa términos se tiene . como b — a = (b — a)(b + a).( x . ia ecuación (21.1 O b t e n c i ó n de la regla t r a p e z o i d a l AlllM de ln Integración.a ) bf(a) af(b) I = — + (b-a) b—a 2 b—a 2 2 i /u ./(«) -(x — a) dx b-a El resultado de la integración (véase el cuadro 21. x + b-a bf(a)-af(b) b-a / = ( 6 _ A ) M ± M 2 que OH la fórmula para la regla trapezoidal.1 LA REGLA TRAPEZOIDAL La regla trapezoidal es la primera de las fórmulas de integración cerrada de NewtonCotes. .2)] . + m /(*) . ni') .f(a) (b . 21.2) 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. se introduce de manera breve el material sobre fórmulas abiertas de Newton-Cotes al final del capítulo. „ .ña) /lid. Corresponde al caso donde el polinomio en la ecuación (21. Cuadro 21.2) se puede expresar T'LLLLLLL Este resultado se evalúa para dar f(b) . A|RUPTNÜ() /'(/') /(«) h a .f{a) x 2 bf(a) 2 -«/(/» '* " h • "u~ b-a .1 para detalles) es 1 = { b ) m ± m _ (21. . Esto capítulo tnfktliM las formas cerradas. .1 IA ntirins. 2 2 . 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.

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

la altura promedio es el promedio de los valores de la función en los puntos extremo.6) donde ¿¡ está en algún lugar en el intervalo de a a b.200x + Ó75* . para funciones con derivadas de segundo orden y superior (es decir.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.« ) ( 3 (21. FIGURA 21.W O x + AOOx de x = 0 a 0. obviamente podemos incurrir en un error que puede ser sustancial (véase figura 21.8. con curvatura). La ecuación (21.6) indica que si la función sujeta a integración es lineal. De otra manera. De hecho. para la regla trapezoidal.5). 21. sólo difieren con respecto a la formulación de la altura promedio.2 + 2 5 x . Una estimación para el error de truncamiento local de una sola aplicación de la regla trapezoidal es (véase cuadro 21.o I as (b — a) x altura promedio (21.^ / " ( © ( 6 .1. .5) donde. Todas las fórmulas cerradas de Newton-Cotes pueden expresarse en el formato general de la ecuación (21. puede ocurrir algún error.6).2) £ = . o \f(a) + f(b)]/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. la regla trapezoidal será exacta.

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.8) = 0. esta ecuación se puede integrar: I = h «/( ) + y A / ( ) + fl f l a 2 (o? - Ja ~4~ fia) + Afia)a + —^-aia .2Q0x if 675x .1) y e v a i u a r C omo f(a) + Afia) rm 2 Para simplificar el análisis.2. Los valores de la función /(O) = 0.8.622 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES Cuadro 2 1 .v + 400x 4 5 desde a — 0 a b = 0. da E J E M P L O 21. Observe quo el áreu bajo 1» Uncu rccln no t o m a e n cuenta u n a p o r c i ó n jtjgtffllcativa de le integral que e i t á p o r arriba de la linea.2 /(0. el término/"^) es aproxi madamente constante. el resultado podría escribirse como I = h f^+W-J-fxW 2 12 Regla trapezoidal Error de truncamiento Así.1728 la cual representa un error de £. .5%. Por tanto.2) Si se asume que para una h pequeña. fix) Use la ecuación (21. los límites de integración a y b corresponden a 0 y 1. Recuerde de PT6. considere que como a = (x — a)lh.l)h 2 dx (B21. la integral podría ser (véase cuadro 18. la ecuación (B21.640533 .640533. respectivamente. La razón para C N I C gratule error os evidente de lu gráfica e n la figura 21 .3) para integrar numéricamente 2 3 = 0.6.1) se expresaría como / =h ) + Afia)a + ^-^aia . = 89.2.0 . Recuerde que para la versión de primer orden con término de error.467733 que corresponde a un error relativo porcentual de e. el primer término es la regla trapezoidal y el segundo es un.3) para dar 0.2 que el valor exacto de la integral se puedo determinar en forma analítica y es 1. 1 7 2 8 = 1.2 + 0.1 Aplicación simple de la regla trapezoidal Enunciado del problema.232 pueden sustituirse en la ecuación (21. = 1. dx = hda Debido a que h — b — a (para un segmento de la regla trapezoidal).\)h 2 / =h Como Af(a) = /(6) — fia).2 + 25x .232 = 0.i aproximación para el error. Solución.900.

.4): 0. a t 21.6) para obtener =-^(-60)(0. Las áreas de segmentos individuales se pueden entonces agregar para dar la integral para todo el intervalo.. más exacto que usar E . de múltiple aplicación o compuestas. a p r o x m i a c ó i n ( u n c ó in podríamos no conocer previumcnle el vulor reul.4 0 0 + 4 050* . 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 / „. 2 . x„).10 800x + 8 000x ) dx 2 3 I I \ | ) j que podría sustituirse en la ecuación (21. del error estimado... Para obtener dicha estimación. lti «esobre el intervalo podría calcularse al diferenciar dos veces = . Sin embargo.4 0 0 + 4 050JC . Por lunlo.. existe una discrepancia. indicamos que el error es aproximado mediante la notación E ..7) Si a y b son designados como x y x .7). /'\!' 2 1 . Las ecuaciones resultantes son llamadas fórmulas de integración. 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 . En consecuencia.1.56 la cual es del mismo orden de magnitud y signo que el error real.10 800x + 8 OOOx 2 3 El valor promedio de la segunda derivada se puede calcular mediante la ecuación (PT6. respectivamente. 8 ) . x . ya que.8 muestra el formato general y nomenclatura que usaremos para caracterizar integrales de múltiple aplicación.lin se requiere una gunda derivada de le la función original paru dur f'ix) s U ti B c o in e » a c t ú a a l! . hay « segmentos de igual anchura: 0 x 2 h = (21. de hecho.. x .8) 3 = 2.2 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. . /. La figura 21.' 2 ' + /.8 ( . de/"(<jj)./ < * «» ' V„ J 1 ( 2 1 ..

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

hi ahina promedio lepicneula un promedio ponderado de los valores de la función.»i unm»»—Enmy—*•—•» i' (21.10). . h ' = 2 M . los puntos interiores dnn dos veces el poso do los (I ON puntos ex (remo/'(.l / ( * o ) + 2 £ / ( * ¡ ) + /(*») (2i.10) Ancho AltUItffom«llo Como In sumtiloriii de I ON coeficientes d c / ( .9) en el formato general do lu ecuación (21. mediante agrupación de términos. \ ) en el numerador dividido entre 2n os ¡giinl a I .*„) y /(#. usando la ecuación (21.).y) o. De «cuenlo con ln'ccuitelrtn (21.5).7) para expresar la ecuación (21. 7=(6-c) v ' /w+/&) i—W—^ i u"..o.

el error de truncamiento disminuirá a un cuarto.2 / = 0. Solución. si el número de segmentos se duplica.0688 = 0. Los resultados del ejemplo anterior.64 12(2) ' ¡ I donde — 60 es el promedio de la segunda derivada.4): /(O) = 0. n — 2(h = 0.900 JC + 4 0 0 x 4 5 desde a = 0 hasta b = 0.8) = 0.1.9% E.13) Así. junto con de tres a dio/.232 0. Observe que la ecuación (21. Recuerde que el valor correcto para la integral es 1.57173 E a = — ^ r ( -2 6 0 ) = 0. Emplee la ecuación (21. integral de f(x) Use dos segmentos de la regla trapezoidal para estimar la = 0.200x 2 + 615x 3 .11) se puede reescribir como E = { b •' a ' f f" 12n (21.456 /(0.8 /(0.626 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES Un error para la regla trapezoidal de múltiple aplicación se puede obtener al sumar los errores individuales de cada segmento para dar (b E .a) 3 ^ „ (21-11) ' = Í 2 ¿ 3 . determinada antes en el ejemplo 21. EJEMPLO 2 1 .4) = 2. u rapjifjjMafldfcti&li 21. = 34.12).640533 .2 + 2(2.3)] ¿/"fe) f „ ^ U n n (21.1.¿ ^ & > i=\ donde f"(^¡) es la segunda derivada en un punto %¡ localizado en el segmento i.2 + 25x .1.-) — f"y la ecuación (21.8. Este resultado se puede simplificar al estimar la media o valor promedio de la segunda derivada para todo el intervalo como [véase ecuación (PT6.0688 4 s. = 1.232 —• — = 1.456) + 0. 2 Regla trapezoidal de múltiple aplicación l Enunciado del problema. segmentos do uplicuoión de U regla trapezoidal. Observe cómo el error diiminu- .13) es un error aproximado debido a la naturaleza aproximada de la ecuación (21.12) Por tanto 2/"(§.13) para estimar el error.640533.

observe tninbicn que in razón de dlnmlnuoi6n M uradunl.5887 1.16 0. En el siguiente capítulo ilustraremos cómo se puede manejar esas funciones.2667 0.3 3.5399 1.n-1 eum = sum + 2 *f¡ END DO sum = eum + f„ 0 Trupm m h • eum / 2 END Trtpm . El valor exacto es 675X 1 1. f) eum = f D0¡=1.9 16.1 143 0.08 h e (%) t 34. Observe que ambos están diseñados para datos que se hallan en forma tabular.4 0.6 FIGURA 21. así como ecuaciones.2 3+ 25x- 200X + 2 de x = 0 a 0.6091 1. n.3695 1.1 4.9a) es para la versión de un solo segmento. Por lanío.4848 1. Sin embargo.9 1.1. n 2 3 4 5 6 7 8 9 10 0.0889 0. TABLA 21. listo OH debido a que el error está invcrsumcnlc relacionado con el cuadrado de n | véiisc ecuación (21.3 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. fí) Trap = h*(f0 + fí)/2 END Trap b) Segmentos múltiples FUNCTION Trapm (h.0688 1.1333 0.8.9 Algoritmos para la regla trapezoidal a) de solo segmento y b) de segmentos múltiples.1 0.5 6. analizaremos los algoritmos de cómputo para implementar la regla trapezoidal. 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. antes de investigur esas fórmulas. fO. El primero (véase figura 21.2 0. Sin embargo. Un programa general debería tener la capacidad de evaluar funciones conocidas.13)].ye en lauto gl númotHi d« Negmenlos uumentu.900X + ÁOOx 4 5 1 .2 2. a) Un solo segmento FUNCTION Trap (h. ul duplicar el número de segmentos diNtninuye en un cuarto el error.5 9.6008 1.9b) es para la versión de múltiples segmentos con una anchura de segmento constante.5703 1. 21.6150 .9 se enlistan dos algoritmos simples para la regla trapezoidal.1 Resultados de la regla trapezoidal de aplicación múltiple para estimar la integral de f[x) = 0. La segunda (véase figura 21 .4 1.640533.

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. Como usted recordará del ejemplo 1. Dicho software puede evaluar las integrales.1. 3 Evaluación de integrales con la computadora j I | | Enunciado del problema. Primero. Use el software de métodos numéricos TOOLKIT para resolver un problema relacionado con nuestro amigo el paracaidista en caída. EJEMPLO 2 1 . v(t) = 9. Luego. El siguiente ejemplo demuestra su utilidad para evaluar integrales. Esta pantalla contiene la información de entrada y salida necesaria para integrar una función analítica o datos tabulares. Solución. . = f (i _ .8(68.10.1) 12.8 m/s . como en la figura 21.3.628 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.43515 m.5/68. El modelo predice la velocidad del paracaidista como una función del tiempo. introduzca el valor 10 para el número de segmentos junto con las dimensiones de la gráfica.1).' ') c Jo (c m) e d dt Use el software de métodos numéricos TOOLKIT.-(12. bien de datos tabulados o de funciones definidas por el usuario. Suponga que desea saber qué tan lejos ha caído el paracaidista después de cierto tiempo t.} (E21. la velocidad del paracaidista está dada como la siguiente expresión en función del tiempo: e donde v = velocidad (m/s). Observe que al desarrollar la integración en forma analítica y sustituir los valores de parámetros conocidos se obtiene un valor exacto de d — 289. Sustituyendo en la ecuación (E21. para determinar esta integral con la regla trapezoidal de aplicación múltiple mediante diferentes números de segmentos. Esta distancia está dada por [véase ecuación (PT6.3. También proporciona una buena referencia para asegurar y probar su propio software. y su propio software. g — constante gravitacional de 9. 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 21.5 kg/s. como se describió en el ejemplo 1.1.5 (1 H v —i . puede hacer clic en la tabla de función de entrada e introducir la función.1 kg y c = coeficiente de arrastre de 12. m — masa del paracaidista igual a 68.1) Jo (t)dt donde d es la distancia en metros.5)] 2 i > ( 0= gm c (1 _ -(clm).10.

2 x 10 :l .005 0.2636 289. m 10 20 50 100 200 500 1 000 2 000 5 000 10 000 1.4076 289. . Los resultados son tgmentos T a m a ñ o del s e g m e n t o *.10.9b y emplear números de simple precisión (por ejemplo. Podemos tratar con otros números de segmento de unu manera conveniente.2 x 10" 1.J3ü».4336 289.5 0. hasta cerca de 500 segmentos.4317 0. por tanto. En este punto.01 0.02 0.4348 289.4360 289.10.9 x 10" 5. Sin embargo.4 x 10 5. repetir este problema con un programa basado en el pseudocódigo de la figura 21 . la regla trapezoidal de aplicación múltiple obtieiw «célente exactitud.4337 289. es importante reconocer que el TOOLKIT de métodos numéricos usa doble precisión para obtener su estimación de la integral. Una inspección visual confirma que la integral es e i ancho del intervalo (10 s) por la altura promedio (cerca de 29 m/s).0 x 10" -5.(%) d e288.002 0.7491. La integral es equivalente al área bajo la curva v(t) contra t. observe cómo el error cambia do signo y empieza a .7491 stimada.4 x 10" 1.Rnnilr* Integial < Seg Width Ww* 2887491 1 m*:": ' Help I :>«-.. cerca de siete cifras significativas de precisión). hemos obtenido la integral con tres cifras significativas de exactitud.1 FIGURA 21.•-) : .1 0.05 0. se despliega una integral calculada de 288._• I •''<" . Así. como se muestra en la figura 21.001 289. Con n — 500.4282 289. el resultado es exacto hasta seis cifras significativas. Después de hacer clic en los botones Cale y Plot.l Asi.j . Una gráfica de la función que expone los segmentos se muestra en la figura 21.4369 289.10 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.0 0.2 x 10" -3.237 0.5 x 10 2.0593 9. Podemos.2 0.!£«!!=.

Para tales casos. Es decir. El caso de 10 000 segmentos de hecho parece divergir del valor real. si hay un punto extra a la mitad del camino entre f(a) yf(b). Por último. De esta manera. Por ejemplo. Aunque este esfuerzo puede ser insignificante para una sola aplicación. los cuatro puntos se pueden conectar con un polinomio de tercer orden (véase la figura 21. o b) donde la misma función es consumidora de tiempo en su evaluación. la regla trapezoidal de múltiples segmentos demanda un gran esfuerzo computacional.2.3 puede tomarse en cuenta tres conclusiones principales: • Para aplicaciones individuales con buen comportamiento de las funciones. 21. la regla trapezoidal de múltiples segmentos es casi fina para obtener el tipo de exactitud requerida en muchas aplicaciones de la ingeniería.116). Si hay dos puntos igualmente espaciados entre f(a) y f(b). Esta limitación se analizará con más detalle en el capítulo 22. 21. el nivel de precisión está limitado y nunca podría alcanzar el valor exacto de 289.2 R E G L A S DE S I M P S O N Además de aplicar la regla trapezoidal con segmentación más fina. Esto se debe tanto a la precisión de la máquina como a los diversos cálculos involucrados en técnicas simples como la regla trapezoidal de múltiples segmentos. Las fórmulas que resultan al tomar las integrales bajo esos polinomios son conocidas como reglas de Simpson. otra forma de obtener una estimación más exacta de una integral es con el uso de polinomios de orden superior para conectar los puntos.1): nb rb I = / 1 f{x)dx £ / Mx)d. podría ser muy importante cuando: a) se evaluarán numerosas integrales.11a). los errores de redondeo representan una limitación en nuestra habilidad para determinar integrales. mediante polinomios de orden superior para aproximar la integral.\ A » * . los tres puntos se pueden conectar con una parábola (véase figura 21. Si se requiere de alta exactitud.630 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES aumentar en valor absoluto adelante del caso de 500 segmentos. Esto se debe a la inclusión del error de redondeo por el gran número de cálculos para todos esos segmentos. • • Ahora veremos una forma en la cual se puede mejorar la eficiencia.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 (21.4351 que se obtiene en forma analítica. Del ejemplo 21. podrían requerirse procedimientos más eficientes (como aquellos planteados en lo que falta de este capítulo y en el próximo).

5): Iss( p-a) Ancho 0 2 /(*o)+ * / ( * . ) + M ) Altura promedio ( 2 U 5 ) donde a — x .3 donde el polinomio de Newton-Gregory se integra para obtener la misma fórmula. resulta la siguiente fórmula: / = |[/(Jfo) + 4/(A.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. b — x y x = punto a la mitad del camino entre a y b.x) (x¡ . que está dado por (b + a)/2. de acuerdo con la ecuación (21.x )(xi . h = (b — á)l2. yf { ) representada por un polinomio de Lagrange de segundo orden [véase ecuación (18. 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. para este caso.iste en tomar el área I H i|( > una ecuación cúbica ( | i i ( ! conecta cuatro puntos.X\) [x -x )(x -f(x ) . La especificación "1/3" surge del hecho de que h está dividida entre 3 en la ecuación (21. Es la segunda fórmula de integración cerrada de Newton-Cotes. Esta ecuación es conocida como regla de Simpson 1/3.14).(x )A 'W4 FIGURA 21.L xi)(x (x-x )(x-x ) ftxo) + . La regla de Simpson 1/3 se expresa también con el uso del formato de la ecuación (21. Observe que.f. | i ) Ilustración gráfica de la i t i i |lii de Simpson 3 / 8 : 11 ui.14) donde. b) Si a y b se designan como x y x .23)].) + f(x )] 2 (21. Una obtención alternativa se muestra en el cuadro 21.X\)' dx Después de la integración y manejo algebraico.'. el punto medio está ponderado por dos tercios y los dos puntos extremos por un sexto. 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 .x ) -f{xi) 0 2 2 0 2 2 (x -x )(x 2 .15).3) x .

(21. la regla de Simpson 1/3 es más exacta que la regla trapezoidal. el error es proporcional a la cuarta derivada. ( o ) + 4/^) + ñ x 2 ) ] _ . la regla de Simpson 1/3 se puede obtener al integrar hacia adelante el polinomio de interpolación de Newton-Gregory (véase cuadro 18. 3 Obtención y estimación del error de la regla de Simpson 1 / 3 / = h «/(*<. el primer término es la regla de Simpson y el segundo es el error de truncamiento.16) 2 880 donde ^ está en algún lugar en el intervalo desde aab. Debido a que A/"(x ) = /(x.) + y A / ( x ) + l — .laecuación(B21.2) (a .632 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES Cuadro 2 1 . Esto es porque. obtenemos el resultado significativo de que la fórmula tiene una precisión de tercer orden.) -/(* )yA /-(x ) = / ( 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) « ( « . E. En lugar de ser proporcional a la tercera derivada.2 para la regla trapezoidal.3. en comparación con la ecuación (21.1)(<* . Ya que se suprime la tercera diferencia dividida. Sin embargo. como se muestra en el cuadro 21.2) (a . En O O A I I G M A O I 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. Así. Observe también que los límites de integración van de x a x .6) indica que es más exacta de lo esperado.v ) + 2A/U.2f{x ) +/(* ). como h = (b — a)ll. 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.3 ) / ¡ da 4 -a(ot a(a — 1) / = JLr/ .2): I en J.2). = -¿¿ / (§) 5 M) o. cuando se hagan las sustituciones simplificadoras (recuerde el 0 2 i 2 0 2/(.3.D ( « .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 Simpion 1/3 tiene una preci- .A /(*o) 2 Como se hizo en el cuadro 21. La razón para esto se verá un poco después.L / 4 ) ( ^ REGK DE SIMPSON 173 ERROR DE TRUNCAMIENTO que se puede integrar para obtener Así.1) cuadro 21.) • 0 0 A /(x ) 2 0 1 (B21. el término del coeficiente de tercer orden va a cero durante la integración de la interpoUoión polinomial.3.

2 + 25* . Recuerde que la integral exacta es 1.456) + 0. dn resultados exuclos puní polinomios cúbicos «un cuando se derive de una parábola! Aplicación simple de la regla do Simpson 1/3 Enunciado del problema.15) se puede usar para calcular / =0. el resultado concuerda. f(x) Use la ecuación (21.232 6 = 1.sión de tereef ofdstt aun uiiaiidu He bnsc en sólo tres puntos.2 400) = 0.6% la cual es aproximadamente 5 veces más precisa que una aplicación simple de la regla trapezoidal (véase ejemplo 21.2 /(0.15) para integrar 2 3 4 5 = 0. la regla de Simpson se puede mejorar al dividir el intervalo de integración en un número de segmentos de igual anchura (véase figura 21. Como ocurrió en el caso del ejemplo 21.17) La integral total se puede representar como .8) — ' . = 16.8 0.367467 = 0.2 La regla de S i m p s o n 1/3 de aplicación múltiple Así como con la regla trapezoidal.456 /(0.16)] E = a (0.4). Sin embargo.232 Por tanto.1).8) = 0.4) = 2. = 1.2.8.900x + 400x desde a = 0 a b Solución.640533 .367467 que representa un error exacto de E. la ecuación (21. el error es aproximado (E ) y es debido a que el promedio de la cuarta derivada no es una estimación exacta de/* (£). a 4) 21. El error estimado es [véase ecuación (21.( . ¡lin otras palabras.2730667 2 880 5 donde —2 400 es el promedio de la cuarta derivada para el intervalo.200x + 675x . /(O) = 0.1.2 + 4(2.1. 0.2730667 e. como se obtuvo por medio de la ecuación (PT6.12): h = b —a n (21.640533. como en este caso tiene que ver con polinomios de quinto orden.

)+f(x„) (21. Los puntos pares son comunes en las aplicaciones adyacentes y.19) donde/ es el promedio de la cuarta derivada para el intervalo. Observe que el método se puede emplear sólo si el número de segmentos es par.17). por tanto. los coeficientes " 4 " y " 2 " en la ecuación (21. como se ilustra en la figura 21. el peso de 4 en la ecuación (21. se debe utilizar u n número par de segmentos para implementar el método.18) podrían parecer peculiares a primera vista. ~ {b . FIGURA 21. Además.a) 180« 4 J 7(4) (21. sumando los errores individuales de los segmentos y sacando el promedio de la derivada para dar F "~ ( 4 ) - (¿> . ) + /(.V2) 2h í\x ) 2 + 4 / ( x . Sin embargo. /(*o) + 4 S f{x¡) + 2 " ¿ J .12 Representación gráfica de la regla de Simpson 1 / 3 de aplicación múltiple. Los puntos nones representan el término medio para cada aplicación y.v ) 4 + 2h /U „ )+4/(x„_ ) + /U„) ¡ 2 1 o.Y ) + 0 L / = 2/7 /(. combinando términos y usando la ecuación (21. .)+4/'(.18) 3n Altura promedio Observe que.a) Ancho f(x. Un error estimado para la aplicación de la regla de Simpson se obtiene en la misma forma que para la regla trapezoidal.12.634 FÓRMULAS DE INTEGRACIÓN DE NEWTON -COTES^ Al sustituir la regla de Simpson 1/3 para la integral individual so obtiene /(A. se cuentan dos veces.15). por tanto. siguen en forma natural la regla de Simpson 1/3.

Sin embargo.2 + 4(1..6) = 3.2 /(0. como se analizará en la siguiente sección.640533 .232 A partir de la ecuación (21.Veriión d« la rugía cim ülmpiun I /J do aplicación múltiplo Enunciado dol problema.464 /(0) = 0.v -1.2()().4) = 2. = 1. n = 4 (h = 0.232 12 = 1. 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.017067 180(4) ' a 4 s. Solución. como se mencionó antes.) + 2 .18).. gral de U n o lu ecuación (21. está limitada a casos en los que los valores son igualmente espaciados.623467 = 0.456) + 0.9 0 0 A + 4 0 0 * desde a = 0 hasta b = 0.456 /(0. un polinomio de Lagrange de tercer orden se puede ajustar a cuatro puntos e integrarse: para obtener / f(x)dx = / h(x)dx I Ja Ja 3/(. En consecuencia.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 1/3.04% El ejemplo anterior ilustra que la versión de la regla de Simpson 1/3 de aplicación múltiple da resultados precisos. Recuerde que la integral exacta es 1.2 400) = 0.464) + 2(2.017067 El error estimado [véase ecuación (21.640533.oZj4o/ E. Además. Por esta razón.288 + 3.V|) + 3/(a) + / ( * . se considera superior a la regla trapezoidal para la mayoría de las aplicaciones. 21.18) con n — 4 para estimur la inte2 1 4 5 /'(.2.2) = 1.288 /(0.v .O 0.1.8) = 0.2 + 25.v) = 0./'(*.8.675A. = )] H nb rb |.r ( .19)] es E = — ^ . = 1.2): /(0. / = (J. está limitada a situaciones donde hay un número par de segmentos y un número non de puntos.

ya que h — (b — a)/3.13 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. mientras los puntos extremos pesan un octavo. FIGURA 21. los dos puntos interiores tienen pesos de tres octavos.21) es mayor que el de la ecuación (21.5): Issjb-a) Ancho + 3 / ( X l ) + 3 / f e ) + m m (21.16).20) Altura promedio Así. La regla 3/8 se puede expresar también en la forma de la ecuación (21. la regla 3/8 es algo más exacta que la de 1/3. Esta ecuación se llama regla de Simpson 3/8 debido a que h se multiplica por 3/8.636 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES donde h — (b — «)/3. /|x) A . La regla de Simpson 3/8 tiene un error de ' 80 J o.21) Como el denominador de la ecuación (21. E Jtz^tji^ 6 480 (21. Esta es la tercera fórmula de integración cerrada de Newton-Cotes.

20) / .16) = 1. sin embargo.186015 . EJEMPLO 2 1 . .200x + 675x .La regla do Nlmpaun 1/1 en o moñudo ol método de preferencia.519170 = 0.2 y 21. | a) Una sola aplicación de la regla de Simpson 3/8 requiere de cuatro puntos igualmente espaciados: /(O) = 0.Sin embargo. = 1.3.1./Í0. De esta forma. 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 21.2 + 25x .«()) 0. debido al gran error de truncamiento asociado con este método.5 usamos la regla de Simpson para integrar la función para cuatro segmentos./t0.48) = 3. = 7. lu rogln de 3/8 tiene utilidad cuando el número de segmentos es impar.16) es /(0) = 0. en el ejemplo 21. b) Úsela en conjunto con la regla de Simpson 1/3 a fin de integrar la misma función para cinco segmentos.181929 /(0./{().64) . Suponga que usted desea una estimación para cinco segmentos.900x + 400x 2 3 4 5 desde a = 0 hasta b — 0.3.2667) = 1.2 .8.232 ' ? E (0.4% 2 + 3 4 3 2 7 2 4 3 4 = /(0. 6 Regla de Simpson 3 / 8 Enunciado del problema. Esto puede no ser recomendable.8 ? 1 7 7 ) + 0.232 ' 8 E. Como ilustración.1213630 e.743393 . podríamos obtener un estimado con una precisión de tercer orden a través de todo el intervalo.13).640533 . Una opción podría ser usar una versión de aplicación múltiple de la regla trapezoidal como se hizo en los ejemplos 21.5333) = 3.0 S °' ^+ . Solución.432724 /(0.487177 Usando la ecuación (21. a) Use la regla de Simpson 3/8 para integrar \ ! I | f(x) = 0.296919 .2 /(0. ya que alcanza exactitud de tercer orden con I T C N puntos más que los cuatro puntos requeridos pora la versión de 3/8.8) = 0./(0.232 La Integral para los dos prlmeroi segmentos se obtiene usando la regla de Slmpion 1/3! .32) = 1.8) " = -Tlérí6 4 8) 0 2400 5 = 0-1213630 | | b) Los datos necesarios para la aplicación de cinco segmentos (h — 0.

cuando la función es conocida y se requiere de alta precisión.3803237 + 1. como en el caso de las reglas de Simpson 1/3 y 3/8.00454383 e. 2 % 9 1 9 ) + 1. la regla de Simpson 1/3 se aplica a cada par de segmentos y los resultados se suman para calcular la integral total. Además.640533 .2. la regla 3/8 se puede usar para obtener / = 0.4 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. Observe que. las fórmulas de cinco y seis puntos tienen el mismo orden de error. las fórmulas de orden superior (que son mayores de cuatro puntos) son usadas muy rara vez. Para el caso de pares. Un programa general debería tener la capacidad de evaluar funciones conocidas así como ecuaciones.264754 8 La integral total se calcula al sumar los dos resultados: / = 0.1.2.14¿¡f está acondicionado para usar números de segmentos pares o nones.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.48 1. 2 8 % 21.0 . 0.264753 = 1. Las reglas de Simpson bastan para la mayoría de las aplicaciones.232 = 1. = . descritos en el capitulo 22. se aplica la regla de Simpson 3/8 a los tres últimos segmentos y la regla 1/3 a los segmentos previos.2 + 4 ( 1 .FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES / y.743393 — = 0. en la práctica de la ingeniería.645077 E. Algunas de las fórmulas se resumen en la tabla 21. OfitMB ajternativas viables y atractivas.186015 + 3. Sin embargo. .3803237 6 Para los últimos tres segmentos. 21. la regla 1/3 y la regla de Boole) usualmente son los métodos de preferencia.645077 = -0. = 1.181929) + 0. La precisión se puede mejorar al usar la versión de aplicación múltiple. En los nones. 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. los métodos como la integración de Rombcrg o la cuadratura de O K U I I .32 0. En el siguiente capítulo ilustraremos cómo se puede manejar esas ecuaciones.743393 + 3(3. se debe resaltar que.14 se bosqueja el pseudocódigo para diferentes formas de reglas de Simpson.2. 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. Observe que el programa de la figura 21. junto con su estimación del error de truncamiento.

| + 12í(x | + 3 2 r > ) + 7f(x ) 0 2 3 0) 90 19f(x ) ü ASflxJ 2 . b. fí. f3) m = n odd = n/2-INT(n/2) IF oda > O AND n > 1 THEN m =n. El tamaño de paso está dado por h = (b .! 8 -\]/90)h fW 5 -|3/80)/i-VI' l(í) 1 4 0) (b- 7f(x ) + 32f(x. m. n. c) regla de Simpson 1/3 de aplicación múltiple. a) Regla de Simpson 1 / 3 de aplicación simple. fO. Las fórmulas se presentan en el formato de la ecuación (21.5) de manera que el peso de los datos para estimar la altura promedio es aparente. FUNCTION 5lmplnt(a.f _ . f) h = (b-a)/n IFn = 1 THEN eum = Trap(h. f) eum = f(0) P0l = 1. f j EL5E fí. n.'i 5 Regla de 6 o) f ( X o | + f ( x .')0/(x :f I V 288 ' W (2/5/1 VW())h .21. Observe que para todos los casos n debe ser > 1 .2 eum = eum + 4 * f¡ + 2 * f END DO fium = eum + 4 * f„_.f2.2 rüNCTION 5lmp13 = 2'h* (f0+4*fí+f2) END Slmp13 5lmp13 /6 (h.T4 i inio js para las reglas de Simpson. | 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 . 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 .2 Fórmulas de integración cerrada de Newton-Cotes.3 END IF IFm>1 THEN 1 * 1 • » di eum = sum+Slmp33(h.f ) ri 3 r n 1 tl M eum = eum + 5¡mp13m(h. + f iMmp13m = h * eum 13 FNI>Slmp13m n Simp33 / 3 (h. f) END IF END IF 5lmplnt = eum END Simplnt M i \ lu K Íc ó d g io H lf io FIGURA 21.fZ) b) FUNCTION 5¡mp3& = 3*h* (f0+3*(fí+f2)+f3) FND 5imp33 t VNCTION 5imp13m (h. y d) regla de Simpson de aplicación múltiple para números de segmentos nones y pares. b) regla de Simpson 3 / 8 do ación simple. fO.n-2. l + S f N + flx.f _ .a)/n. f„_.. TABLA 21.f _2.

todas las fórmulas para integración numérica se han basado en datos igualmente espaciados.2 0 Ü X + la cual representa un error relativo absoluto de £. ilustraremos en el siguiente ejemplo cómo se puede aplicar la ecuación (21. con valores 2 3 4 5 de x desigualmente espaciados.309729 1.32 0.3 Datos para f(x) = 0 .900X + 4 0porcentual 0 X .309729 + 0.22). . .232 + .3 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES INTEGRACIÓN CON SEGMENTOS DESIGUALES Hasta este punto.9). Observe que éste fue el mismo procedimiento que se usó en la regla trapezoidal de aplicación múltiple.22) a los datos de la tabla 21.0 0 .10 n 7=0. H u / ( * „ .22) es que las h en la primera son constantes.090584 + 0.22 0. 1 8 1 9 2 9 2 . un método es aplicar la regla trapezoidal a cada segmento y sumar los resultados: . Por ejemplo.10 1. EJEMPLO 21.309729 0. La única diferencia entre las ecuaciones (21.2 + 0.7 Regla trapezoidal con segmentos desiguales | Enunciado del problema. Antes de describir ese algoritmo. i ? í \ | Solución. 3 6 3 0 0 0 0 .80 2 . 2 3 2 0 0 0 . 1 2 0.64 0.22) para evaluar una integral.3 se obtiene 1.8% 675X .54 0. Si se aplica la ecuación (21.L ) + / ( * „ ) l=hi ~ + " 2 2 ' " 2 (21. 8 4 2 9 8 5 3 .12 + 2.640 21.44 0.8) y (21. En la práctica. 5 0 7 2 9 7 3 .22) donde h¡ = ancho del segmento /.743393 2 . La información en la tabla 21.8) podría simplificarse al agrupar términos para obtener la ecuación (21.305241 1. la ecuación (21. = 2 . los datos derivados experimentalmente son a menudo de este tipo.3 fue generada mediante el | mismo polinomio empleado en el ejemplo 21.305241 + 1. 2 0 0 0 0 0 1. existen muchas situaciones donde esta suposición no se cumple y debemos tratar con segmentos de tamaño desigual. es posible desarrollar de manera fácil un programa en computadora para acomodar los segmentos de tamaño desigual. 4 0 0 . X """""""'"ÍLX)'"*" X 0. .36 0 .1. En consecuencia. Aunque esta simplificación no puede aplicarse a la ecuación (21. 4 5 6 0 0 0 0. Use la ecuación (21. U / ( * 0 ) + . 2 + 25x . + 0. Recuerde que la respuesta correcta es 1 .594801 1 TABLA 21. Para esos casos. u / ( S I ) + /fe) .130749 + • • • + 0.70 0.12975 = 1.363 1 = 0. 0 7 4 9 0 3 2 .640533.22) para determinar i la integral para estos datos.

El primer segmento se evalúa con la regla trapezoidal: „ 1. pueden evaluarse con la regla de 3/ft para dar / = 0.32 son de igual longitud. en consecuencia. Vuelva a calcular la integral con los datos de la tabla 21. Inclusión de las reglas de Simpson en la evaluación de datos no uniformes Enunciado del problema.FIGURA 21. la regla 1/3 se puede aplicar a . Esto usualmente nos lleva a resultados más precisos.12 a 0.15. 1.305241) + 1.2726863.15 Uso de la regla trapezoidal para determinar la integral de datos desigualmente espaciado». Observe cómo los segmentos achurados podrían evaluarse con la regla de'Simpson para obtener mayor precisión.2 / = 0.12 •— = 0. como lo ilustra el siguiente ejemplo. su integral se puede calcular con la regla de Simpson 1/3: .09058376 Debido a que los dos siguientes segmentos que van de x = 0.743393 + 4(1.309729 + 0.309729 / = 0.2758029 Los siguientes tres segmentos también son iguales y.3. De manera similar.7 se ilustran en la figura 21. pudieron haberse evaluado mediante las reglas de Simpson. Solución. pero ahora use las reglas de Simpson para aquellos segmentos donde son apropiados. por tanto.2—: — = 0. Observe que alguno* segmentos adyacentes son de igual anchura y. Los datos del ejemplo 21.

fj_ fj_ f^) k = k-1 EL5E k = k+1 END IF EL5E IFk = 1 THEN eum = eum + Trap (7% FJ_. Esto representa un error e = 2.16a. FP EL5E IFk = 2 THEN eum = eum + 6\mp13 (h.eum . El algoritmo se lista en la figura 21.44 hasta 0.7.. respectivamente. los dos últimos segmentos.n eum = eum + (x¡ .16 Pseudocódigo para integrar datos desigualmente espaciados.. los cuales son de longitud desigual. Programar la ecuación (21. x. se pueden evaluar con la regla trapezoidal para dar valores de 0. .hf) < . DO J = 1. 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.1297500.603641..22) es una proposición bastante simple. o) FUNCTION Trapun (x.OOOOOI THEN IFk = 3 THEN eum = eum + 5imp13 (h. a) Regla trapezoidal y b) Combinación de reglas de Simpson y trapezoidal.1663479 y 0. t Programa de cómputo para datos espaciados de manera desigual. f) h=x -x k=1 eum = O.x )*(y END DO Trapun = eum END Trapun H b) H + y¡)/2 FUNCTION Uneven (n. y. el cual es superior al resultado que se obtuvo mediante la regla trapezoidal del ejemplo 21. Univon .64 para obtener I = 0. fj_ f-) EL5E eum = eum + Simp33 (h. Finalmente.2%.6684701. n) LOCAL I. El área de esos segmentos individuales se suma para dar una integral total de 1. FIGURA 21.642 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES los dos segmentos desde x = 0.n 1 0 IF A35 (h . eum eum = O DO i=1.

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

21.5 Analice los resultados. c) regla de Simpson 3/8.A¿ + x ) dx (8 + 4senx)<¿x c) J Jo 15 2t dx 21. use la versión de aplicación múltiple con n = 4.x . Jo 0A x {l. b) regla de Simpson 1/3.1 Use medios analíticos para evaluar a) j* b) J (1 - e.6Evalúe las integrales del problema 21. paro ai^¡aj||Jij»jegla» de Simpson. 21. Para las evaluaciones numéricas use d) una sola aplicación de la regla trapezoidal. b) la regla de Simpson 1/3. 21. Evalúe esta integral con la regla trapezoidal de segmento múltiple. pero ahora use las reglas de Simpson. g) la fórmula de integración abierta con 3 segmentos/2 puntos. 21.1 con una sola aplicación de la regla de Simpson 3/8. f|x) 7 4 3 5 2 Calcule los errores relativos porcentuales para los resultados numéricos. d) aplicación múltiple de las reglas de Simpson (« = 5). con n = 4 y 5: j (4x.)dx x 5 4 de la regla trapezoidal. con n = 4 y 6. e) regla de Boole.2 Emplee una sola aplicación de la regla trapezoidal para evaluar las integrales del problema 21. P i n l u •valuaciones numéricas use a) una sola aplicación f Jo 21.13 Integre la siguiente función. (8 + 3 sen x) dx Calcule los errores relativos porcentuales de los resultados numéricos.14 Evalúe la integral de los siguientes datos tabulados con la regla trapezoidal: X 0 1 0.12 Integre la siguiente función en forma analítica y numérica. c) regla de Simpson 3/8. j) el método de punto medio. 21.1 con una regla trapezoidal de aplicación múltiple.3 Evalúe las integrales del problema 21.3 0.14.15 Realice la misma evaluación que en el problema 21. e) método de punto medio.10 Integre la siguiente función de manera analítica y numérica. 3 y 4: (x + l/x)" dx Calcule los errores relativos porcentuales con respecto al valor real de 4.9 Integre la siguiente función en forma analítica y con las reglas de Simpson. y h) fórmula de integración abierta con 4 segmentos/3 puntos. 21./) fórmula de integración abierta con 3 segmentos/2 puntos y g) fórmula de integración abierta con 4 segmentos/3 puntos.16.1 con una aplicación múltiple de la regla de Simpson 1/3.8 Integre la siguiente función mediante la regla trapezoidal. 21. 21. 21.17 Realice la misma evaluación que on el problema 21.+ 5) dx 3 Calcule los errores relativos porcentuales de los resultados numéricos. (1 . .2 0.1 con una sola aplicación de la regla de Simpson 1/3.8333 para evaluar la exactitud de las aproximaciones trapezoidales. 21.602297.v -l) ) dx Observe que el valor real es 0. 21. 21.11 Integre la siguiente función on forma analítica y nuniériM.5 Evalúe las integrales del problema 21.1.16 Evalúe la integral de los siguientes datos tabulados mediante la regla trapezoidal: -3 -1 dx flx) 1 1 3 21.4 y 6.1. Use una n lo suficientemente grande para que tenga usted 4 cifras significativas de exactitud. 2.644 PROBLEMAS FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES 21.4 Evalúe las integrales del problema 21. Para los dos casos. pero ahora use una aplicación múltiple de la regla de Simpson.7 Evalúe las integrales del problema 21. Use las reglas trapezoidal y lá de Simpson 1/3 para integrar numéricamente la función.1 0. d) regla de Boole.2-x)(\-e 20 (. con n = 2. con n = 5. conn = 1.4 0. 21. Analice sus resultados.

2 2 Desarrolle un programa en computadora de uso amigablo II. 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. b) usando la ecuación (PT6.5 0.1 0. • 3y +xy ) dx dy Use la opción gráfica para que le ayude a visualizar el concepto il) timilllieumente. 2 0 I i valúe la siguiente integral doble: de métodos numéricos (o su propio programa a partir del problema 21.Ü72^' 2 3 2 y 10 a) graficando la función y estimando en forma VlHlIH1 el valor medio. 2 5 Use el programa Intégrate Function del disco T O O L K I T 1 1 . emplee las reglas de Simpson 21.95 1. 21.4) y I I H M versión de la regla de Simpson con cinco segmentos para •lllinm In integral.8JC + 1.0. Calcule el error relativo porcentual.9048 0. 2 1 . 2 4 Desarrolle un programa de cómputo de uso amigable para H I I H I I I K O S . b) el problema 2 1.7 o 0. c) el problema 21. b) con una aplicación múltiple de la regla que I = ¡ f(x) dx es el área entre la curva f(x) y el eje. y c) mediante la ecuación (PT6.5.2. Pruebe HltlilD espaciados: su programa con los mismos datos de cálculo del problema 21 . c) sólo con aplicaciones de la regla de diferentes tamaños de paso para cada problema.).12.14c. 2 3 Desarrolle un programa de cómputo de uso amigable para 0.13. d) el problema 21.).4.4966 0. I N Determino el valor medio de la (unción /( o • •ULTRA SlmpHon 1/3. t'viilíic la integral desde a = 0 hasta b = 1. 1 2 2 b a . Entre otras cosas. imkulc el error relativo porcentual (£.8.71* . Para b) calcule el error relativo porcentual (e.3.I I . Intento liupivimliil (/i = 2).6065 0.3867 0.). 2 1 .22) para repetir a) el problema 21. \ J-4J0 J-l 2yz) dx dy dz d) analíticamente y b) usando sólo aplicaciones de la regla de Simpson 1/3.4) y la evaluaR O N ttiinlilica de la integral.V . a) agregue comentarios de docullil < • mentación al código.10 y e) el problema 21. Pruébelo con los mismos datos de cálculo del ejemplo I I I I I H I O sea posible para obtener la mayor exactitud.9.2 la versión de aplicación múltiple de la regla de Simpson con base I 0. 2 1 .166.2.IV función para la regla trapezoidal de aplicación múltiple con base en la figura 21. Pruébelo con los mismos datos de cálculo del ejemplo 21.3 0. Para b) y e ) calcule el error relativo porcentual (('.8.3012 en la figura 21. 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. Para b) y c).2 con a) medios 2 1 . 2 1 .7408 0. 2 1 Evalúe la integral triple 4 4d + 45.

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

b) h = (b-a)/n x =~a eum = f(x) D0l = 1. en el sentido de que etttá basada en aplicaciones sucesivas de la regla trapezoidal. Esta información se emplea entonces para generar valores igualmente espaciados de x dentro de la función. se alcanzan mejores resultados con menos esfuerzo.19)] indican que el aumento en el número de segmentos n resultará en una estimación más exacta de la integral. Es muy similar a las técnicas analizadas en el capítulo 21 .n-2. b) y el número de segmentos pasados. Para la variable dependiente. Desarrollamos programas con simple precisión./(X). basados en esos pseudocódigos. por tanto. Sin embargo.1 se calculan mediante llamados de la función sujeta a análisis. Observe cómo el error disminuye en tanto n aumenta. las ecuaciones para el error [ecuaciones (21. 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. Observe además que se requiere un número muy grande de evaluaciones de la función (y. el error empieza a aumentar cuando los errores de redondeo comienzan a dominar.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. . 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. esfuerzo computacional) para alcanzar niveles altos de exactitud.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. los valores de la función en la figura 22. Para una función analítica.1 Mi|IHilmos para M|ilii liciones múltiples de las I M I | | I I S a) trapezoidal y b) de 'iinipson 1 / 3 . donde la liini n'in está disponible.22. intervalo de integración (a.f(x) D0l = l.2.2 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. Como una consecuencia de estos defectos. Sin embargo. a. b) h = (t>-a)/n x =a eum . Esta observación es soportada por la figura 22. 2 3 4 5 22. la cual es una gráfica del error verdadero contra n para la integral def(x) = 0.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.13) y (21. aunque se lengu que hacer manipulaciones matemáticas. note también que para grandes valores de n.2 + 25x — 200X + 675JC — 900 JC + 400x . a.

y se les conoce por lo general como extrapolación de Richardson.1) .8 mediante la regla trapezoidal de aplicación múltiple y la regla de aplicación múltiple de Simpson 1/3.1 0 FIGURA 22. 5 3 10 -3 a> i 4 < D . los errores de redondeo limitan la precisión. 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. Observe que ambos resultados indican que para un gran número de segmentos. I{h) — aproximación de una aplicación de n segmentos de la regla trapezoidal con un tamaño de paso h = (b — a)ln. n (22.1 2 .3 usamos un refinamiento iterativo para mejorar la solución de un conjunto de ecuaciones lineales simultáneas..1 16 32 I .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. I .3. e o a . Esos métodos usan dos estimaciones de una integral para calcular una tercera más exacta.2.648 INTEGRACIÓN DE ECUACIONES 100 10 O " 1 0 a • C B 1 0 0 . El error estimado y asociado con una aplicación múltiple de la regla trapezoidal puede representarse de manera general como / = /(/. 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. 10 -5 Límite de precisión Regla de Simpson 1/3 Límite de precisión L U 22. - 10 -6 I I .) + E(h) donde / = valor exacto de la integral. .l 64 I I. 2 c 2 0 0 X + 6 7 5 X 900/ +4 0 Ü X . I . Si hacemos dos estimaciones por separado mediante tamaños de paso de h\ Y 2 Y tienen valores exactos del error. y E(h) — error de truncamiento.

hú-I(h ) \-(h /h ) 2 2 { 2 Así. agrupando términos.2) sin un conocimiento previo de la segunda derivada de la función. hemos hecho posible utilizar la información contenida en la ecuación (22. i ./2).22. y j / . 5 ) o.']/. Dicha estimación puede entonces ser sustituida en / = I(h ) + 2 E(h ) 2 para dar una estimación mejorada de la integral: ^^'pQR^-^ 1 .. E = -^V/" (22.. 1 T | ) /' 1 ' ' ( 2 2 .13) [con n = (b — d)lh\.3) para tener \h 2 la cual se puede sustituir en la ecuación (22. desarrollamos un estimado del error de truncamiento en términos de las estimaciones de la integral y de sus tamaños de paso.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. cambiamos las estimaciones de la regla trapezoidal de 0(h 2) para obtener una nueva estimación de 0(h A).2 se puede usar para determinar que la razón de los dos errores será —— = 4 (22..3) Este cálculo tiene un importante efecto en la remoción del t é r m i n o / " de la operación. esta ecuación es ahora 2 / S é I(h ) 2 + ^-¡[Wi) - / ( A i ) ] 7.2) Si en ésta se supone q u e / " es constante sin importar el tamaño de paso. 1978) que el error de dicha estimación es 0(h 4).1): I(hi) + E(h )(j±j = ¡(h ) + E(h ) 2 2 2 que puede resolverse para E(h ) = 2 l(. / SÉ 4 / ( / / í ) 1 / ( A | ) 3 . Al hacer esto. Para el caso especial donde el intervalo es la mitad (h = A. arreglemos de nuevo la ecuación (22. Así. ( 2 2 A ) Sp puede demostrar (Ralston y Rabinowitz. la ecuación 22. Para realizarlo.

200x + 675x .2 h Integral 0.623467 = 0.6%).1728) = 1. la ecuación usada para la exactitud de 0(h ) es 2 4 4 6 6 / ^ —/. j De la misma manera. en el ejemplo 22. = 1. calculamos dos integrales mejoradas de 0(h ) sobre la base de tres estimaciones de la regla trapezoidal.„ .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 ).^(0.623467 que representa un error deE = 1. combinarse para obtener aun un mejor valor con 0(h ).1728 1.1) usamos ¡ una variedad de métodos de integración numérica para evaluar la integral de f(x) = 0. 4 8 4 8 ) . Esos dos cálculos mejorados pueden. 15 "' 15 m 6 s v (22.640533 .900x + 400x desde a = 0 hasta b = 0.7) .640533 . Por ejemplo.5) para calcular la estimación mejorada de la integral. Para el caso especial donde las estimaciones del trapezoide original están basadas sobre sucesivas mitades de tamaño de paso.0688 1.. 0 6 8 8 ) = 1. t t La ecuación (22. dos resultados 0(h ) pueden combinarse para calcular una integral que es 0(h ) por medio de (22.1. j el cual es superior a las estimaciones sobre las cuales se basa.1.4848 e„% 89. las estimaciones para dos y cuatro segmentos se pueden com| binar para obtener | ¡ '4 1 í ! / = .1 y tabla 21.0688) .5 34.( 1 . 1 INTEGRACIÓN DE ECUACIONES Correcciones de error de la regla trapezoidal | Enunciado del problema.8.2 | + 25x . De manera similar. a su vez. En el capítulo anterior (ejemplo 21. Como ilustración.367467 = 0.0%). i aplicaciones simples y múltiples de la regla trapezoidal dan los siguientes resultados: 2 3 4 s Segmentos 1 2 4 0. Las estimaciones de uno y dos segmentos se pueden combinar para dar | Solución.367467 | El error de la integral mejorada es E.6) ' donde I e I¡ son las estimaciones mayor y menor.1. = 16. Este procedimiento es un subconjunto de un método más general para combinar integrales y obtener estimaciones mejoradas.( 1 .4 0.9 9.273067 (£.650 EJEMPLO 2 2 . | / = -(1.5 | ¡ Use esta información junto con la ecuación (22. respectivamente.017067 (e = 1.8 0.— /.

8) se convierte en k 4 6 •i lk2 I 1. La forma general representada por la ecuación (22.i .6) y (22. y su aplicación sistemática para evaluar integrales se denomina integración de Romberg. lin el ejemplo 22. al aumentar la exactitud.^ ( 1 . éstos representan los factores ponderados que. Estas formulaciones se pueden expresar en una forma general que se ajusta muy bien para la implementación en computadora: | l y+l. ! = las integrales más y menos exactas. e Ij = la &I integral mejorada. . Utilice la ecuación (22. (22.j = 3 es para una aplicación de cuatro tegmentos [el tamaño de paso es (b — a)/4]. Estos valores pueden sustituirse en la ecuación (22.367467 y 1.640533 que es una respuesta correcta con las siete cifras significativas que se han utilizado en este ejemplo. j = 2 es para una aplicación con dos segmentos [el tamaño de paso es (b — a)/2]. k = 3 a 0(h ). El subíndice j se usa para distinguir entre las estimaciones más (f + 1) y menos (/') exactas.1 la cual es equivalente a la ecuación (22. la ecuación (22.5). De esta manera.8) para obtener OBda ve/./ 1. y así en forma sucesiva.3 es una ilustración gráfica de la secuencia de la estimación de la integral generada con este procedimiento.1 usamos la extrapolación de Richardson ¡ para calcular dos estimaciones de la integral de 0(h ). Por ejemplo. donde k = 1 corresponde a la regla trapezoidal original. Las dos estimaciones de la integral de 0(h ) obtenidas en el ejemplo 22 . El subíndice k significa el nivel de la integración. La figura 22.8) donde I .6) para 4 obtener i | I / = ( 1 . 2 Corrección de error de orden luperior para estimaciones de la integral J Enunciado del problema. La primera celumna contiene las evaluaciones de la regla trapezoidal que están designadas por fp.5). donde j — 1 es para una aplicución de un solo segmento (el tamaño de paso es b — a). respectivamente. 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. y asi sucesivamente.22. mejores estimaciones do la integral.6) para | combinar esas estimaciones y calcular una integral con 0(h ).1 fueron 1. . 6 2 3 4 6 7 ) . Cada matriz corresponde a una sola iteración.7)] aumentan hasta 1. para k = 2 yj = 1. 3 6 7 4 6 7 ) = 1. 4 6 ] ! 1 Solución.8) es atribuida a Romberg. 2 . 2 2 .jfc-l 7 J+l k (22.2 EJEMPLO 2 2 . dan un peso relativamente mayor sobre la estimación de la integral superior. k = 2 corresponde a 0(h ). Las otras columnas di la matriz son generadas de manera sistemática mediante la ecuación (22.2 4/ .623467.

es) LOCAL 1(10. debemos verificar para establecer si este resultado es conveniente para nuestras necesidades.623467 • .367467 0(h*) 0(n«) b) FIGURA 22. maxit.3 Ilustración gráfica de la secuencia de las estimaciones de la integración que se generó con la integración de Romberg. Como en los otros métodos aproximados en este libro.068800 1._.640533- . o criterio de paro. iter + 1 j = 2 + iter . Un método que puede emplearse para el propósito actual es [véase ecuación (3.484800 • 0.3a) involucra calcular estimaciones con la regla trapezoidal para uno y dos segmentos ( / [ .10) n = 1 • /.i 100% FIGURA 22.640533 Por ejemplo. para asegurar la exactitud de los resultados. b) D0k = 2. 1 .172800 1.172800 1.k + END DO ea = A35((l . b) iter = O DO Iter = iter + 1 n = 2*"" W u = TrapEq(n. es) EXIT END DO 1¡tter+Í l f t liter+ Rhorntot? m / )(((frt( . = 1. (22. . La ecuación (22.5)] 21 2 0(h ).639467 • .652 INTEGRACIÓN DE ECUACIONES a) 0.367467 .) * 100 IF (Iter £ maxit OR ea <.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 . = TrapEq(n. la primera iteración (véase figura 22. a.367467.367467 .640533: 1.484800 • 1.í J / l . b.1728001. a.0688000.9) - Iu . FUNCTION Rhomberq (a.600800 • . e I ).623467 - . se requiere una terminación. el cual tiene un error de Ahora.068800 • 1.8) se A usa entonces para calcular el elemento J.640533 c) .

4% de cambio sobre el curso de la primera iteración. Después de sólo tres iteraciones. En contraste.3 Cl donde e„ «• una eatimaelón del error relativo porcentual. La tercera iteración (véase figura 22. 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. a su vez.5a.640533. De esta mnncru.3c) continúa el proceso en la misma forma.36) es obtener Ja estimación 0(h ).22. para obtener /. la localización de los puntos base que se usó en esas ecuaciones fue predeterminado o fijo.623467. es decir. Una característica de éstas (con excepción del caso especial de la sección 21. Los datos tabulados están rara vez en la forma requerida para dividirlos a la mitad sucesivamente. La ecuación (22.640533. 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. ¡con sólo 13 evaluaciones de la función! La figura 22. como se describe en la figura 22. Esto se combina entonces con I mediante la ecuación (22. Para hacer esto. La integración de Romberg es más eficiente que la regla trapezoidal y las reglas de Simpson analizadas en el capítulo 21. la integración de Romberg da un resultado exacto (hasta con siete cifras significativas) basado en la combinación de las reglas trapezoidales con uno.640533) es exacto. el resultado ( 1 .1. Podría no ser posible realizar aproximaciones más finas debido al error de redondeo. corno se hizo antes en otros procesos llerottvoN. Debido a que la regla trapezoidal debo pasar a través de los puntos extremo. se determina una estimación adicional con la regla trapezoidal. cuatro y ocho segmentos. Cuando el cambio entre I ON valores anteriores y nuevos como el que representa E está por debajo de un criterio de error preespecificado £ . Para la figura 22. y entonces la ecuación (22.3a.3) es que la estimación de la integral se basó sobre valores de la función uniformemente espaciados.8) se aplica para calcular en forma sucesiva integrales más exactas a lo largo de la diagonal inferior. el cálculo termina.4 representa el pseudocódigo para la integración de Romberg. so 1. (/j ) . este algoritmo implementa el método en forma eficiente. . Al usar ciclos. Por ejemplo. con /. la regla de Simpson 1/3 requeriría una aplicación con 256 segmentos para dar un estimado de 1. Por ejemplo. comparamos la nueva estimación con el valor anterior.6% cuando se compara con el resultado previo / .8) para generar I = 1. Esto se debe al conocimiento de la función que permite las evaluaciones requeridas para la implementación inicial de la regla trapezoidal. La fórmula que se usa para calcular el área es l=(b-a) f(a) + f(b) 2 (22.5a donde la fórmula resulta en un error grande. El resultado se combina. 7 ! = 1.4848. En consecuencia. = 1.10) donde a y b = límites de integración y h — a = ancho del intervalo de integración. esta evaluación indica un 87. exiaten O A A O A como el de la figura 22. El objetivo de la segunda iteración (véase figura 22. En este caso. debido a que evaluamos un polinomio de quinto orden. . una estimación trapezoidal se agrega a la primera columna.9) se puede aplicar para determinar que este resultado representa un cambio del 22. para la determinación de una integral como la expuesta en la figura 22. dos. La integración de Romberg está diseñada para casos donde se conoce la función que será integrada.

Para ilustrar el procedimiento. lo cual proporciona una estimación .mejorada de la integral. 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. 22.1 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.3. mostraremos cómo las fórmulas de integración numérica tales como la regla trapezoidal pueden derivarse mediante el método de coeficientes indeterminados. Cuadratura de Gauss es el nombre para una clase de técnicas para implementar tal estrategia.5 o) Ilustración gráfica de la regla trapezoidal como el área bajo la línea recta que une puntos extremo fijos. Este método entonces se empleará para desarrollar las fórmulas de Gauss-Legendre. b] Una estimación de la integral mejorada obtenida al tomar el área bajo la línea recta que pasa por dos puntos intermedios. 5b. HC expresa la ecuación (22. Antes de exponer el procedimiento. a) Ahora.654 INTEGRACIÓN DE ECUACIONES FIGURA 22. El método de coeficientes indeterminados ofrece un tercer procedimiento que también tiene utilidad para derivar otras técnicas de integración como la cuadratura de Gauss. Las fórmulas particulares de cuadratura de Gauss descritas en esta sección se denominan fórmulas de Gauss-Legendre. De ahí que. los errores positivo y negativo se equilibran. Al posicionar esos puntos en forma inteligente.ll) . podríamos definir una línea recta que equilibraría los errores negativo y positivo. Al ubicar esos puntos en forma inteligente. como en la figura 22.10) como f22. podríamos llegar a una evaluación mejorada de la integral.

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

1 X . pero son desconocidos (véase figura 22.11).656 INTEGRACIÓN DE ECUACIONES y b —a . — = 0 Estas dos ecuaciones con dos incógnitas se pueden resolver para b —a la cual. da I = b -^ <^f(b) m+ que es equivalente a la regla trapezoidal. los argumentos de la función x y x. 0 FIGURA 2 2 . requerimos cuatro condiciones para determinarlas con exactitud.7). para integración por medio de cuadratura de Gauss. en consecuencia. 5 ^ / -1 XQ X. en contraste con la regla trapezoidal que usa los puntos extremo fijos ay b.3.c o — b —a + c . no están fijos en los puntos extremo. Sin embargo. el objetivo de la cuadratura de Gauss es determinar los coeficientes de una ecuación de la forma I =c f(xo) 0 + Cif(xi) (22.2 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. ahora tenemos un total de cuatro incógnitas que deben ser evaluadas y.12) donde las c = coeficientes desconocidos. al sustituirse en la ecuación (22. 22. 7 Ilustración gráfica de las variables desconocidas XQ y x. De esta manera.

paru tener las otras dos condiciones.16) pueden ser resueltas simultáneamente para c = 0 0 Ci = 1 x = — \ = = -0.13) a la (22. V3 x = ~ = 0.15) (22. como en d (ID +a\x l¡ (22.14) - £ : : dx = 2 3 (22.5773503. V3 x que puede ser sustituida en la ecuación (22.Asi oomo p a n t i n f l a trapezoidal.13) a (22. Para hacer esto.19) . Esto se realiza al suponer que una nueva variable x se relaciona con la variable original x en una forma lineal.5773503. estos valores podrán sustituirse en lu ecuación (22.18) para dar a . x = a. Observe que los límites de integración en las ecuaciones (22. 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.16) co/Oo) + C l / ( * l ) : dx = 0 3 Las ecuaciones (22.12) para obtener la fórmula de Gauss-Legendro de dos puntos (22. corresponde a x = — 1.I) (22. 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 1.17) Así.. podomos obtener dos de esas condicioneii al suponer que la ecuación (22..un | </.. Donpiióa.(.12) ujuslu la integral do una constante y de una llmclón lineal con exactitud. 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. Esto se hizo para simplificar la matemática y para hacer la formulación tan general como sea posible.13) C\f(Xi) Cof(Xo) + cof(xo) + c\f(xi) dx =0 (22. Es posible usar un simple cambio de variable para trasladar otros límites de integración en esta forma. Las cuatro ecuaciones que habrán de resolverse son: 2 3 cof(xo) +c f(x ) l ] (22.

20) podrán resolverse simultáneamente para b + a y b — a (22.21) (22. Esas sustituciones efectivamente transforman el intervalo de integración sin cambiar el valor de la integral.23) para obtener x = 0.24) d Las ecuaciones (22.200x + 675x 3 .0 .y .24) podrán sustituirse para x y dx. 8 e n l a ecuación (22.2 + 25x .900x + 4 0 0 * 4 5 entre los límites x — 0 a 0. Use la ecuación (22.20) Las ecuaciones (22. Solución.24)] I dx . El siguiente ejemplo ilustra cómo se realiza esto en la práctica.4Ad La derivada de esta relación es [véase ecuación (22. el límite superior.18) para obtener x = (b + a) + (b 2 a)x d (22.17) para evaluar la integral de 2 f(x) = 0.8.23) Esta ecuación puede diferenciarse para dar dx = .4 dx d .640533. corresponde a x = 1. Para ello. Antes de integrar la función. debemos realizar un cambio de variable para que los límites sean de — 1 a + 1 .19) y (22.4 + 0.3 Fórmula de Gauss-Legendre de dos puntos Enunciado del problema . sustituimos a = 0 y ¿ = 0 .23) y (22. para dar u b = a +a ([) () l (22. El valor exacto de la integral es 1 .22) las cuales se pueden sustituir en la ecuación (22. Recuerde que éste fue el mismo problema que resolvimos en el capítulo 21 con una variedad de formulaciones de Newton-Cotes. x = b.dx (22. EJEMPLO 22.658 INTÍORACIÓN DE ECUACIONES ü e manera similar. en la ecuación que se habrá de integrar. respectivamente.

H / Jo =j (0. Factores de peso C Puntos 0 Argumentos de l a f u n c i ó n x E r r o r de truncamiento C) = 1. .861136312 X 0 l x 2 X = = C2 = 3 = = C C Cl c 4 0.238619186 0. de acuerdo con la ecuación (22.1713245 = -0.2 I 2.900(0. Por tanto.4 + 4 (>15.3607616 c 2 = 0.4 y 21.906179846 Co c l = 0.305837 = 1.2369269 0. Este resultado es comparable en magnitud a la aplicación de cuatro segmentos de la regla trapezoidal (tabla 21.0000000 = 1. Es posible predecir este último resultado debido a que las reglas de Simpson son también de tercer orden de exactitud.516741 v e n .0000000 o = -0. es / = 0.5555556 0 2 c o -0.8888889 c = 0.538469310 X = 0.577350269 C = 0.0.4x¿) + 400(0. Sin embargo.538469310 x = 0.774596669 x x x 2 o 0.661209386 x = -0. la integral. como se buscó una selección inteligente de los puntos base.A' .6521452 2 = 0.516741 + 1.4x ) ]0.360761 ó 0.1 J -900A' 4 .5688889 0.200(0. TABLA 22.0.4x.305837. La función transformada se puede evaluar en — 1/V3 para ser igual a 0.6).1 %.774596669 i = 0.2369269 0.9324695 M í X 0 x l 2 x *A x - .0 0.\ 0Ax ) d í/ m 675(0.•11..1) o a una simple aplicación de las reglas de Simpson 1/3 y 3/8 (véase ejemplos 21.4 + 0.2 + 25(0.5555556 = 0.3478548 0 = -0.4786287 0.339981044 x = 0. el lado derecho está en la forma adecuada para evaluación mediante cuadratura de Gauss.661209386 0.17).1 / V 3 para ser igual a 1.1 Factores de peso c y argumentos de la función x usados en las fórmulas de Gauss-Legendre.577350269 = 0.) .0 X 0 l x 2 x 3 = 4 0.1713245 A .\v 2()(h' I [0.Ambas ecuaciones pueden ser sustituidas en la ecuación original para dar .4 dx Por tanto.932469514 = -0.906179846 = -0.4679139 c.6521452 3 = 0.3478548 Cl c c = 0. la cuadratura de Gauss alcanza esta exactitud con base en sólo dos evaluaciones de la función.4 + 0.4x f + d +400r )í/.238619186 3 0.4679139 - -0.339981044 3 = 0.4786287 0.4 + 0.861136312 = -0.'i C .4 + 5 d 0.822578 la cual representa un error relativo porcentual de — 11.

8. Con la fórmula de tres puntos de la tabla 22. la fórmula de tres puntos es / = 0.15 X 10" %.5555556/(-0. 4 Solución. su eficiencia puede ser una ventaja decisiva. Debido a que la cuadratura de Gauss requiere evaluaciones de la función en puntos espaciados uniformemente dentro del intervalo de integración.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.7745967) la cual es igual a / = 0. Repita este cálculo usando la cuadratura de Gauss.8732444 + 0. múltiple para evaluar En el ejemplo 21.640533 que es exacta.0145 Estimación con tres puntos = 289. Solución.4393 . Así. Los valores de las c y las x incluyendo la fórmula con seis puntos se resumen en la tabla 22. se puede desarrollar versiones de punto superior en la forma general / = c /(jr ) + c i / ( * i ) + 0 0 • • • + C„_.2813013 + 0.3. no es apropiada para casos donde la función se desconoce. no es adecuada para problemas de ingeniería que tratan con datos tabulados.660 INTEGRACIÓN DE ECUACIONES 22. Después de modificar la función./(JC„_I) (22.7745967) + 0. De acuerdo con la tabla 22.5 y m = 68.4351.1. Sin embargo. Esto es en particular cierto cuando se debe realizar muchas evaluaciones de la integral. se obtienen los siguientes resultados: Estimación con dos puntos = 290. c = 12.| s 1.5555556/(0.3 se usó la regla trapezoidal de aplicación donde g = 9.25) donde n = número de puntos. EJEMPLO 2 2 .1.4859876 = 1.1 calcule la integral para la misma función que en el ejemplo 22. EJEMPLO 22. 4 Fórmula de Gauss-Legendre de tres puntos Enunciado del problema. Recuerde que la mejor estimación obtenida mediante la regla trapezoidal con 500 segmentos fue 289.3.4348 con un |e. El valor exacto de la integral se determinó por cálculo y fue de 289.1.8888889/(0) + 0. cuando se conoce la función.5 Aplicación de la cuadratura de Gauss al problema del paracaidista en caída Enunciado del problema.

8 al final de este capítulo ilustra un caso donde las fórmulas de Gauss-Legendre tienen un desempeño pobre.26) con la tabla 21. Para casos donde los límites son desde . 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. Por tanto. 1969) E. (2 +2) i puntos para caería que íciencia zar mu- 22. Aunque esos tipos son de uso común en ingeniería.\)dx-j f{x)dx\ \ JXx)dx % i -nu J A .4352 Bstimiiclón con cinco puntoH 289. Al comparar la ecuación (22. pura muchas funciones confrontadas en la práctica de la ingeniería. Por ejemplo.25) con seis son exactos hasta la 22. o cuando a es —o» y b es negativa.3.. contando con que las derivadas de orden superior no aumenten sustancialmente con un incremento en ra. la integral se implementa en dos pasos. la cuadratura de Gauss proporciona un medio eficiente para la evaluación de las integrales.4351 Estimación con seis p u n t o s 289. habrá ocasiones en que se deba evaluar integrales impropias.4351 Así. sería preferible la api i cación múltiple de la regla de Simpson o de integración de Romberg. f[.¡arrollar Estimación con CUBtm punto» 289. En esas situaciones.2 queda expuesta la superioridad de la cuadratura de Gauss sobre las fórmulas de Newton-Cotes. tratamos en forma exclusiva con integrales que tienen límites finitos c integrandos acotados.CMT)'" w J <22 ' » 27 dos: para ab > 0.4 INTEGRALES IMPROPIAS Hasta aquí. En esta sección nos concentraremos en un tipo de integral impropia (es decir. 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' *=. El problema 22. las estimaciones c o n c i n c o y seis puntos dan resultados séptima cifra significativa. que (22.4 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 °°. = 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. Sin embargo. se puede usar sólo cuando a es positiva y b es °°.

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. una fórmula conveniente es (Press y cois. 1986) / " /(*) dx = h[f(xi ) /2 JXo E J E M P L O 22. se requiere de una versión de aplicación múltiple de una de las fórmulas de la tabla 21. * / i2 % 2 * 6 « 1 — \ * n e / 8 /I—I * n 3 2 / * n i « L _ 1 0 1 . 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. Enunciado del problema.8).8 Colocación de datos en relación con los límites de integración para la regla extendida de punto medio. 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.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 .)] m (22. Por ejemplo.27) y la segunda con una fórmula cerrada de Newton-Cotes tal como la regla de Simpson 1/3./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 22.29) la cual es conocida como la regla extendida de punto medio.4.6 + f(x ) + ••• + f(x . es posible desarrollar fórmulas semiabiertas para casos donde uno u otro extremo del intervalo es cerrado. La distribución normal acumulativa es una fórmula importante en estadística (véase figura 22.9): FIGURA 22 .27) para evaluar una integral es que la función trasformada será singular en uno de los límites. Por ejemplo. Un problema con el uso de la ecuación (22. Evaluación de una integral impropia . Para permitir la máxima flexibilidad.. Las versiones de aplicación múltiple de las fórmulas abiertas podrán confeccionarse mediante fórmulas cerradas para los segmentos interiores y fórmulas abiertas para los extremos.

y c) la distribución normal acumulativa. la ecuación (1'. P A R E J E M P L O . b) la abscisa transformada en términos de la desviación normal estandarizada.6.22. N(x) = y (E22. 9 o) La distribución normal.1) podrá usarse pura determinar que la proba- .6. 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. si x 1.1) representa lu probabilidad de que un evento sea menor que x.FIGURA 2 2 .I) donde x = (y — y)ls se llama desviación estándar normalizada. 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. Le ecuación (E22.6.%).

aproximadamente 84 serán menores que la media más una desviación estándar.¿) e.28) -Lf 1 llTt .0612 + 0 + 0] = 0. Primero. 0 5 2 3 ) V2TT = 0.8413. En otras palabras.l / 2 R \e~^ dt ~ Después la regla extendida de punto medio con h = 1/8 se empleará para estimar 0 i ^ 1/2 ' . 0 ! /" J-co e-rl dx= 2 f J .28) en conjunto con la regla de Simpson 1/3 y la regla extendida de punto medio para determinar numéricamente N(l). «> El cálculo anteriorpuede ser mejorado de diferentes maneras. Segundo.5 / 1 6 ) + / ( * . = 0.l / 1 6 ) ] = .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. Como la ecuación (E22. Use la ecuación (22. se resuelve numéricamente y se enlista en tablas de estadísticas. Press y cois. como N{x) La ecuación (E22.5 para estimar la segunda integral como e-*-' 2 dx 0 . si ocurren 100 eventos. 1 3 5 3 + 4 ( 0 . Solución.0556 + 2 . 3 2 4 7 + 0 .' dx\ x2 2 / La primera integral podrá evaluarse mediante la ecuación (22. puede usarse más puntos. se podría usar fórmulas de orden superior. (1986) proporcionan un buen análisis lobre lo» medioi par» meat^aMiMtltuecionei. i'"'e-* ' dx+ 2 2 V27T \J-oo J-2 f 2.046%. Press y cois. el resultado final se calculará como 7V(1) = --L:(0. por ejemplo.[ 0 .8409 la cual representa un error e.0556 Es factible usar la regla de Simpson 1/3 con h = 0. 8 8 2 5 ) + 2 ( 0 .1) no puede evaluarse en una forma funcional simple. Además de los límites infinitos. (1986) exploran con detalle ambas opciones.6.T . .[ / ( J C _ 7 / 1 6 ) + / ( . 6 0 6 5 3(6) _ [1 = ( 2)] 2.1) se puede expresar en términos de la ecuación (22. 6 0 6 5 + 1) + 0 . mediante una integración de Romberg. Ejemplos comunes incluyen casos donde la integral es singular en los límites o en un punto dentro de lo integral.27) para dar -2 . 8 8 2 5 + 0 .6.3 / l 6 ) + / U .0523 Por tanto. 3 8 3 3 + 0. hay otras formas en las cuales una integral puede ser impropia. dt = 1 .

26). 22. +X c o nu n a1 e x a c t t iu d del o r d e nd e h . Sus resultados d e b e r á n presen. puntos. tres y p r o b e lm a 22.5 y c) 22.7 R e a c il e el c á c lu o l d e los e e jm p o l s 21. b) 22.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. 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. Verifique q u e e.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 22.2 y c) 22. I Use la integración d eR o m b e r gp a r ae v a u la r / é' Jú dx Jo A°'(1.4. P r u é b e o l c o n lo» Z 2 . 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. p a r ac a d ac a s oc o nb a s ee n la sol u ci n 22. (b .3 m .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 .6. PrueII.a)/9.13Use el p r o g r a m aq u e desarrolló e n el p r o b e lm a 22.P R O B L E M A ! ••-«^•PH »* PROBLEMAS 443 12.i o (i + / x i + y^) Urso e n la f o r m ad e la figura 22. 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) 22.11 p a r a puntos.12ó Desarrol le u np r o g r a m ae nc o m p u t a d o r ad eu s oa m g ia b e ls analítica. P r u é b e o l c o n los resultados d e I ON 12.4.e s t o es. lirulcs: A: 2 IZ.ver los p p a r ae resol r o b e lm a s á) 22. 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. Use el valor v e r d a d e r od e 4.3. 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 . b) 22.01%).4 y c o n la función e n el p r o b e lm a 22.1. Inicie las i n t e g r a c i o n e s con caidista e nc a d ía .10. C a c lu e l e.5%.1.1 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.') 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.. 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. C a c lu e l e .3 y 22. 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 .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 ~ 0.4. II. tres y 22. D e s p u é sa p q il u ed em a n e r a ll.p a r a • « 4.5 O b t e n g au n ae s t m i a c ó i nd e la integral d e lp r o b e lm ae 22.10. NIIN IHI CU. illiinlo las fórmulas d eG a u s s L e g e n d r ec o n seis puntos.9).3 y 22. 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. 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 u n t om e d o i a partir d e la t a b a l 21.4 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.3 y 22. p a r a la c u a d r a t u r ad e Gauss. s e am e n o rq u e cl criterio d ep a r o e. e jm p o l s 22.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. 22.12 111>( ) 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. 22. e t c é t e ra. resultados d e los e e jm p o l s 22. (b — á)l27.3.1 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.2- A)(l ) dx % n O H lir o t s 2 s dx _ x(x + 2) .2.1.3. Sus resultados d e b e r á n22 pre.6. P r u é b e o l c o n la intec o m p a r e e y £.0602297 p a r ac a c lu a l re .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. c ó ind eR o m b e r gc o nb a s ee n la figura 22. h = (b — a)/3. 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 .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.

la expansión de la serie de Taylor hacia adelante podría escribirse como [véase ecuación (4. hacia atrás y centradas de las derivadas primera y mayores. esas estimaciones tienen errores que fueron 0(h ). se puede generar fórmulas por diferencias divididas de alta exactitud al incluir términos adicionales en la expansión de la serie de Taylor. Este nivel de exactitud se debe al número de términos de la serie de Taylor que fueron retenidos durante la deducción de esas fórmulas.1) f(x i) i+ = f(Xi) + f'(x.2) para dar /U/+1 ) . ahora retenemos el término de la segunda derivada al sustituir la siguiente aproximación de ésta [recuerde la ecuación (4. sus errores fueron proporcionales al cuadrado de su tamaño de paso.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 (23.21)] (23. Ahora ilustraremos cómo desarrollar fórmulas de mayor exactitud para retener más términos.)h + t-^-h 1 la cual puede resolverse para (23.4) en la ecuación (23./ ( * < ) JlhrO 2f(x¡ ) + f(xi) • h h + 0(h u ) 2 f ¡ R ~ . es decir.24)] (23. Recuerde que se emplearon las expansiones por serie de Taylor para deducir las aproximaciones de las derivadas por diferencias divididas finitas.CAPÍTULO 2 3 Diferenciación numérica En el capítulo 4 ya se introdujo la noción de diferenciación numérica.3) + 0(h) En contraste con este procedimiento. En el capítulo 4 desarrollamos las aproximaciones de diferencias hacia adelante. Por ejemplo.1 DIFERENCIACIÓN DE F Ó R M U L A S C O N ALTA EXACTITUD Como se mencionó antes. en el mejor de los casos. 2 23. Recuerde que.

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

2f(x¡+]| + 2f(x.-.8f[x. .| .0. es más exacta.-_ ) + 2 0 ( f ) 4 ) 12/) Segunda derivada p'( j = ^k+i) .-|- + 2 ) + 16f|x.^ .) + f(x..lx 4 Recuerde que en el ejemplo 4.25x + 1. i) .| +1 f 2 ] 2 h 2 n | .2 2 enjjx • O. así como para las aproximaciones de derivadas superiores.| + 16f(x _]) .l + f(x. ) .) x = + 8f(x. f(x) = -O.4 f ( x i ) + 6f(x. ) + 8f|x. | .25._ | l 2 0 ^ ) 2 2fi p„ 3 (Xi) = .4f(xi_i| 4.) __ .| .39í(x..f|x._ | +3 +2 .15JC . al agrupar términos.S^sando diferencias djvldidaí finitas y un tamaño de paso de h = 0.1 Diferenciación de fórmulas de alta exactitud Enunciado del problema..1 a 23.39f(x | + 56f(x._i) Xj 0 ^ j 2 f»i .4 estimamos la derivada de 3 -0. ) + 1 3f(x. 2 EJEMPLO 23.3 Fórmulas por diferencias divididas finitas centradas: se presentan dos versiones para cada derivada.f j x .0.f ( x .30f|x. fXx¡) = -^)+y-3Ax» 2h + 0(h2) Observe que la inclusión del término de la segunda derivada mejoró la exactitud en 0{h ). 4 Tercera derivada p"( ) x¡ = f(x ¡+2) .f(x.) . Las fórmulas se resumen en las figuras 23. El siguiente ejemplo ilustra la utilidad de esas fórmulas para la estimación de las derivadas. Se puede desarrollar versiones mejoradas similares para las fórmulas hacia atrás y centradas.) x = ^IXÍ+2) .668 DlFIMNCIACIÓN NUMÉRICA l'rlmoui dorlvada fc'rror p( .2f(x.5 JT .1 3f|x. ] + 12f(x.f|x.+1 2 3 ^ FIGURA 23.-. Mx.) + 3 +2 +1 2 3 0 ( / i 4 ) Cuarta derivada p"<( . ._i| + 12f(x. ) .1 _ .3 junto con los resultados del capítulo 4.8f(x. en consecuencia. La última versión incorpora más términos de la serie de expansión de Taylor y.-]| + f|x..„ f|.-) + f|x._ ) í+ 2 0 ( / í 2j fi 4 f . o._)) .

2 2(0.6363281) .9125.925 ) = 0._ ) = 2 1.2 = 0. E. = 5.25) (23. i .3) /'(0.4 ( 1 . 0 3 5 1 5 6 ) + 1.75 x i+2 f(x¡) = 0.103516 x. = 0% 23.3(0.25) 4 -0. pero ahora emplee fórmulas de alta exactitud a partir de las figuras 23. Solución. los errores para las diferencias hacia adelante y hacia atrás son considerablemente más exactas que los resultados del ejemplo 3.3.1) /'(0.23.035156) + 1.2 + 4(0.+1 = 0.5) = 3(0. basado en la extrapolación do Riehardson. Un tercer procedimiento.9125 12(0.7 JE Centrada 0. la diferencia centrada da un resultado perfecto.5) = J .859375 2(0. x¡-2 JC.-_I Los datos necesarios para este ejemplo son = 0 /(x.2 Hacia cUlanta O(h) Estimación -26. Repita este cálculo. usu dos estimaciones de la derivada para calcular una tercera aproximación más exacta.1 a la 23.5 A -.714 21.5 Hacia a t r á s O(h) -0.878125 3. = 0.25 /(JC.82% La diferencia hacia atrás de exactitud 0(h ) se calcula como (véase figura 23.5) -0.5) Como se esperaba.77% La diferencia centrada de exactitud 0(h ) se calcula como (véase figura 23.4 donde los errores fueron calculados con base en el valor verdadero de —0.0 .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.2) f (0. Esto es porque las fórmulas que se basan en la serie de Taylor son equivalentes a los polinomios que pasan a través de los puntos.13.2 2 La diferencia hacia adelante de exactitud 0(h ) se calcula como (véase figura 23. 2 + 8 ( 0 .925) .6363281 f(x ) i+2 = 1 = 0.25) 2 £. 6 3 6 3 2 8 1 ) . de manera sorprendente.8 1.-_I) = 1. Sin embargo.2 — —— — = -0.925) = -0.934 -2.

esta fórmula es usualmente escrita para el caso en el que h = h l2. Recuerde que el valor verdadero es —0. = .. Después use la ecuación (23.4)] / ^l(h )+ 2 1 [/fe)-/(/»!)] (23. = .2-1.0 D(0.5 empleando tamaños de paso de h — 0.1. D = \D(h )-\DQi ) 2 x (23.8) para calcular una estimación mejorada con la extrapolación de Riehardson. 4 % n La estimación mejorada puede determinarse al aplicar la ecuación (23. 2 Extrapolación de Riehardson Enunciado del problema . El ejemplo anterior dio un resultado perfecto pues la función sujeta a análisis fue un polinomio de cuarto orden.9125 que para el caso actual es un resultado perfecto. 6 % 0.103516 „„„ — = -0. EJEMPLO 2 3 .7) se escribirá para las derivadas como ..6) (h\/h Y .1.= -1.1 2 donde I(h ) e I(h ) son estimaciones de la integral usando dos tamaños de paso h y h .8) para obtener 4 1 D = -(-0.( . Las estimaciones de la primera derivada podrán calcularse con diferencias centradas como 0. la aplicación de esta fórmula dará una nueva estimación de la derivada de 0(/¡ ).1 que la extrapolación de Riehardson proporciona un medio para obtener una estimación mejorada de la integral / por medio de la Fórmula [véase ecuación (22.934375) . x 2 Solución.2 .9 . El resultado perfecto se debió al hecho de que la extrapolación de Riehardson es en realidad equivalente al ajuste de un polinomio de orden superior a .1. Debido a su conveniencia cuando se expresa como un algoritmo de cómputo.934375 c e. la ecuación (23.8) 5 2 4 / | i Para aproximaciones por diferencias centradas con 0{h ).5) = y D(0.2 .670 DIFERENCIACIÓN NUMÉRICA Recuerde de la sección 22.1 ) = -0.6363281 .9125. Usando la misma función que en el ejemplo 23.25.25) = e. como en x 2 x 2 2 x I = P(h )-~I(h ) 2 l (23. estime la primera derivada en x — 0.5 y h = 0.7) De manera similar.

Para la mayoría do las otras funciones. 23. se puede usar para estimar lu derivada en cualquier punto dentro de un rango preescrito por los tres puntos.1 a la 23. Tal información no puede ser analizada con las técnicas estudiadas hasta ahora. pero no perfecta. </(. tiene importantes ventajas.-!) 2x . Una manera para manejar datos desigualmente espaciados es mediante el ajuste de una interpolación polinomial de Lagrange de segundo orden [recuerde la ecuación (18 . Aunque esta ecuación es ciertamente más complicada que las aproximaciones de la primera derivada de las figuras 23. el procedimiento puede aplicarse de manera iterativa mediante un algoritmo Romberg hasta que el resultado se halle en un criterio de error aceptable. los mismos puntos no tienen que estar igualmente espaciados. 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 teman que encontrarse espaciados uniformemente y generados en forma sucesiva para intervalos a la mitad. Segundo. Como en la figura 23. como fue el caso para la aplicación de la extrapolación de Riehardson.x i + i (Xj -x¡-i)(x¡ ) + /(*/ + !) (X 2x i + — Xj-\ i — x¡ + i (23. Primero. De hecho.9) evaluada en x — x. los datos debían estar uniformemente espaciados. la ecuación (23. EJEMPLO 2 3 .X i + 2x i) f(x¡) — Xj-i — x¡+] . por supuesto. Así.23)] para cada conjunto de tres puntos adyacentes. (Xi-i Xi)(x¡-\ -Xj+i . En contraste. Recuerde que este polinomio no requiere que los puntos estén igualmente espaciados.3 DERIVADAS DE D A T O S D E S I G U A L M E N T E ESPACIADOS Los procedimientos analizados hasta ahora se encuentran diseñados principalmente para determinar la derivada de una función dada. la información derivada de manera empírica (es decir. para puntos igualmente espaciados. datos a partir de experimentos o estudios de campo) es con frecuencia agrupada en intervalos iguales. El polinomio de segundo orden se puede diferenciar analíticamente para dar f'(x) =/(*. Para la técnica de extrapolación de Riehardson.. esto no podría ocurrir y nuestra estimación de lu derivada podría ser mejorada. 3 Diferenciación de datos desigualmente espaciados Enunciado del problema.3 4W Ira vés de lo» ditlo» para después evaluar las derivadas por dit'orencius divididus centradas.3. Tercero.4.22)].0) = -kpC (IT Ti . la estimación de la derivada es de la misma exactitud que la diferencia centrada [véase ecuación (4.x.23.22). un gradiente de temperatura se puede medir abajo en el suelo.9) -x¡) i -Xi-i)(x donde x es el valor en el cual se quiere estimar la derivada.1. se reduce a la ecuación (4. el C M O actual aJuNta la derivada del polinomio de cuarto orden en forma precisa. Para las aproximaciones por diferencias divididas finitas de la sección 23.. El flujo de calor en la interface suelo-aire puedo ser calculada con la ley de Fourier. En consecuencia.

k — coeficiente de difusividad térmica en el suelo ( = 3.3 .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. 7 2 Solución.5 ) ( 1 2 .4 7 . +1 4 4 . ai. p = densidad del suelo ( = 1 800 kg/m ) y C — calor específico del suelo (ss 840 J/(kg • °C). 3 3 3 3 ^ ) =7 0 5 .5 ) 2 ( 0 ) -0 .6 W/m 8 8 2 23.1 2 . = 0 )=3 . Use diferenciación numérica para evaluar el gradiente en la interface suelo-aire y emplee dicha estimación para determinar el flujo de calor hacia el piso.5 1 0 1 2 f1 3 5 .) = 1 3 . 3. 5 2 0 ) 0 3 . 5 a muestra datos uniformes sin errores que ul ser diferenciados en forma numérica dan un rosultado uniforme (véase figura 23.75 FIGURA 23.36). 2 5 ) ( 0 -3 7 .l . otro problema que se vincula con la diferenciación empírica de datos es lo que usualmente incluye error de medición. fin contraste.( 5 0 ) ( 1 . 2 5-3 7 .5 X 10~ m /s). Un defecto de la diferenciación numérica es que tiende a amplificar los errores en los datos.5 ) +1 1 0 4 4 .7 5 +12 °C/cm este valor puede ser usado para calcular el flujo de calor (advierta que 1 W = 1 J/s). donde q = flujo de calor (W/m ).1 .9) se puede usar para calcular la derivada como /'(. -1 3 .* .3 3 3 3 3 W > . La ecuación (23.5 ( 3 7 . La figura 23.5 . .5 . Observe que un valor positivo del flujo significa que el calor se transfiere del aire al suelo.1 2 . •r ( ° C ) -. 5 x 10"^ (l 00§) ( 40^) ( 1 3 3 . 7 5 ( 0.0 )( 3 7 .672 DIFERENCIACIÓN NUMÉRICA Aire Suelo 1 2 .Se usa los mismos .3 3 3 3 3=1 3 . la figura 23.c m t 2 3 Temperatura contra profundidad en el suelo.

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

+ 2 5 x 2 0 0 x + .6 muestra un ejemplo de Mathcad donde f(x) se crea con el símbolo definido (: = 0 .674 23.1 Mathcad Mathcad tiene operadores que realizan integración y diferenciación numérica. 2 3 4 J N u m c i r a li n t e g r a l : . y entonces la integral se calcula sobre un rango que va de x = 0 a x = 0. Observe que la localización del punto y el orden de la derivada son introducidos mediante el símbolo de definición.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.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 = . La figura 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. 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. La figura 23. En este caso. El operador de la derivada usa un método similar para calcular las derivadas entre un orden de 0 y 5. Este operador crea una tabla de aproximaciones con base en cálculos por diferencias divididas mediante varios pasos y tamaños de paso.5. El operador de integración usa una secuencia de evaluaciones de la integral. el cual empleamos en todo el capítulo 21. En esta sección le daremos una muestra de las más útiles. para lo cual utiliza la regla trapezoidal y el algoritmo de Romberg.6 . usamos un polinomio simple. 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 .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 .8.6 Pantalla de Mathcad para determinar la integral de un polinomio por medio de integración de Romberg. FIGURA 23. Observe que el rango lo han definido las variables a y b como entrada usando el símbolo de definición. Se realizan iteraciones hasta que los resultados sucesivos varían menos que TOL. 23.

repetiremos el ejemplo 21. Para usar quad. 4 Usando MATLAB para integración y diferenciación Enunciado del problema.2 + 25x . Solución. primero desarrollamos un archivo M que contendrá la función. 3-900*x.m. M A T L A B proporciona una estimación exacta de la integral. Para ello.8. 5. EJEMPLO 2 3 . El resultado es a= 1.0. donde probarnos la función en intervalos desiguales .200x 2 3 5 desde a — 0 hasta b — 0.5. 4+400*x. Ahora investiguemos cómo M A T L A B maneja integrales de datos tabulados. Después de entrar a MATLAB. 2+675*x. diferenciar la función Explore cómo MATLAB puede emplearse para integrur y + 675x .2 MATLAB MATLAB tiene una variedad de funciones prediseñadas que permiten integrar y diferenciar funciones y datos. usaremos la función quad del MATLAB para integrar la función. Primero.2+25*x-200*x.7. A A A A Éste puede guardarse en el directorio de MATLAB como fx.23.640533. Por medio de un editor de textos podemos crear el siguiente archivo: function y=f x ( x ) y=0.5 INIIJPJJGPCIACLÁN N U M É R I C A CON L I B R E R Í A S 4M 23. El siguiente ejemplo ilustra cómo se puede usar algunas de ellas. Recuerde de los capítulos 21 y 22 que el valor verdadero de la integral podrá determinarse en forma analítica para ser 1.6405 Asi.900x + 400x 4 f(x) = 0. podemos llamar a quad tecleando >> Q=quad('fx'..8) donde la segunda y tercera entradas son los límites de integración.

12 .1000 0. como implica su nombre. Después.5948 trapz.6746 6. >> integraL = t r a p z ( x .1200 CoLumns 0.1819 2.0400 0.5073 3.0400 0.1000 0.44 .64 . Para ello usamos la función diff.36 .32 .0449 through 4.3815 10 8. y ) = i n t e g r a l 1. / d i ff(x) con la cual se obtiene d = CoLumns 1 8 through 7 9.0749 2.5274 9.1000 10 0.4 . generamos un vector y que contiene los valores correspondientes de la variable dependiente al llamar a fx.54 . .SI.6488 -21.2877 9.7434 0.3630 Podemos integrar esos valores al llamar a la función trapz. >> x=C0 .3100 Estas representan estimaciones burdas de las derivadas para cada intervalo.676 DIFERENCIACIÓN NUMÉRICA (recuerde la tabla 21.22 .2537 -13.2000 Columns 8 1.2320 2. realizamos sólo una división del vector de las diferencias y entre las diferencias x al teclear >> d=di f f ( y ) . podemos diferenciar los datos espaciados desigualmente en x y y. >> y = Co L u m n s 1 through 7 y = f x ( x ) 0. Para calcular las aproximaciones por diferencias divididas de la derivada.4560 2. >> ans d i f f ( x ) = 1 8 through 7 CoLumns 0.3052 11 1.6431 -3.3).2477 CoLumns -0.1000 through 0.3097 through 1. la cual sólo determina las diferencias entre los elementos adyacentes de un vector. Por último.0600 0.8430 3. aplica la regla trapezoidal a cada intervalo y suma los resultados para obtener la integral total. Tal procedimiento podría refinarse mediante capuciamientos más finos.7 .1000 El resultado representa las diferencias entre cada par de elementos de x. por ejemplo.0400 0. Podemos generar la misma información en MATLAB al definir primero los valores de la variable independiente.

A . Sí la función tiene una . E R R E S T ) donde F = Función que introduce el usuario para que sea integrada.TABLA 23. A = Límite inferior de integración. IRULE 2 se recomienda para la mayoría de las funciono». (Entrada) ERRREL — Exactitud relativa descada. I R U L E .3 IMSL IMSL tiene varias rutinas para integración y diferenciación (véase tabla 23 . Dicha rutina integra una función por medio de un esquema adaptable en forma global basado en las reglas GaussKronrod. (Entrada) IliULE Selección de la regla de cuadratura. donde X es la variable independiente. 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».1 Categoría Cuadratura univariable Rutlnai IMSL poro Rutinas Inorar y diferenciar. La forma es F(X). Observe que F se debe declarar como EXTERNAL en el programa de llamado. nos concentraremos en la rutina QDAG.1). QDAG se implementa con la siguiente declaración CALL: C A L L QDAG ( F . B . segunda y tercera derivado 23.5. E R R R E L . (Entrada) D = Límite superior de integración. 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. R E S U L T . (Entrada) HRRA13S — Exactitud absoluta deseada. En cl presente análisis. E R R A B S . (Entrada).

si la función es oscilatoria.8.1.-900. Recuerde de los capítulos 21 y 22 que el valor exacto de la integral se puede determinar en forma analítica para que sea de 1.1.*X**4 + 400.8.errabs. h — Jtí\2.*X**2 + 675.irule. 4 ) ' .errabs=0. pura cada aproximación.200x + 675x .2 Repita el problema 23. 1PE10 .a.res. F 8 .f EXTERNAL f CALL Q D A G (f. errest . 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 ). (Salida) ERREST = Estimación del valor absoluto del error.678 DIFERENCIACIÓN NUMÉRICA singularidad pico. U m p M l a m b a í fórmulas 0{h ) y ü(h ) v para sus estimacion .6405 Error estímate = 5. 3 ) ' . Use QDAG para determinar la integral de 2 3 4 5 f(x) = 0.I E N D P R O G R A M FUNCTION f(x) IMPLICIT N O N E REAL::x. central de 0(h ) y 0(h ) para la primera derivada dc>> = sen x en 23.000E-05 PROBLEMAS x 2 hacia adelante y 23.*X**3.2 + 25x .errrel=0. pero ahora para y = log x con 23.3 Use aproximaciones por diferencias centradas para estimar A 0. 1 j I j I | j í | j | í | I ¡ \ j \ ¡ I | Solución.001 REAL::errest. Un ejemplo del programa principal en Fortran 90 y de ia función QDAG que \ se usa para resolver este problema se describirá como P R O G R A M Intégrate USE mimsl IMPLICIT N O N E INTEGER : :i ru le = 1 REAL::a=0.b=0.errrel. IRULE = 6. y porcentual e.1 Calcule aproximaciones por diferencias hacia atrás de aproximaciones evaluación por diferencia en x — 20 con h = 2.f f = 0 . (Salida) EJEMPLO 2 3 . *X-200. 2 + 25. 5 Usando IMSL para integrar una función I i j | I Enunciado del problema. RESULT = Estimación de la integral desde A a B de F.*X**5 E N D FUNCTION Output: C o m p u t e d = 1. res PRINT ' ( • ' Error estímate =' ' .0. use IRULE = 1.errest) PRINT •(•' Computed = ..900x + 400* desde a = 0 a b = 0.res.640533.

398942 0. b) Emplee MATLAB para estimar los puntos de inflexión de esos datos.)> = e* + x e n * = 1. = 7t/3 y h = TI /6. da contra el tiempo para un cohete: d) Evalúe la ecuación (P23. H ( alcule las aproximaciones por diferencias centradas de pri(P23. 0.5 y =(x x/3) x x h I» y h= = y= sen (0.807 0.8) 68. b) Emplee Mathcad para determinar el punto de inflexión do esta función.6522 0.2 3 7 O N I I I I I H I ' lu primera Ivailn de = sen en mediante el uso tic luniaftos 1.13) d e s d e * = . 2 3 .2 a 2 y desde . 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 .12951 3 0.03192 paNo de //.41 Isc la extrapolación de Riehardson puní y x x = TtIA y 2 3 f(x) 5e~ x.1 dición inicial d = 0 en t = 0. desde .129518 -1 0. limite su análisis para la x positiva. 1.12b) 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. donde = Compare sus resultados con las deriv 1 . 1 4 Use la función quad de MATLAB para integrar la ecuu- ción (P23.352065 0 0.5 0. ñ Repita ol problema 23.4.241971 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. (P23.053991 a) Use MATLAB para integrar estos datos desde x = — 1 a 1 y desde —2 a 2.25 Use Mathcad para diferenciar la ecuación en / » Í 1 . DA ti» In x on x = 4 usando h = 2 y /i = 1. 11.os siguientes datos se reunieron para la distancia recorri10. 0 2 3 4 5 2 3 .. y la distancia recorrida se puede obtener por I ' . la ecuación ( ) t')) so reduce a la ecuación (4.2 3 . 4 para determinar la primera deri.5 0. Evalúe el resultado en / = 10 en = 1.12A) AL valor verdadero y con una estimación obtenida usando aproxi12.5 íx)lx x h V) c) ( (P23.3 a 3. Como la función es simétrica.1. .1.r = 1 2.352065 1 0.1. 1 5 Los siguientes datos se generaron a partir de la distribución normal: X -2 0.A límplec la ecuación (23.7468 0. 11 Desarrolle un subprograma de uso amigable para obtener la estimación de la primera derivada para datos espaciados desigualmente. 1 6 Use IMSL para integrar la distribución normal (véase cl problema 23.5 0. Pruébelo con los siguientes datos 1 a l y a) Use Mathcad para integrar esta función desde x = desde —2 a 2. 1 \.1 para confirmar a).1684 0.126) con la con= tan en = 3. ( ( ( 1 2 / 6 8 y= 3x —0.1.12a) desde t = 0 a 10.5.I a 1 .5 ' maciones por diferencias centradas con base en h = 1.5 2 f(x) 0.12a) en / = 10 para confirmare).053991 -1. 1 2 Recuerde que para el problema del paracaidista en caldu. = 0. 0.241971 -0. 0. pero ahora para la primera derivaverdaderas. 2 3 . 2 3 . .5.9) la velocidad está dada por V A D A ilo — 7x — lOx — 8 en JC = 0 con base en los VALORES .22) en x = x¡. > I .1) _ .x = yx = () 4 (l^f _Jo x + 4x-l5 enxh == 0. h = a) 0. Compare este resultado con l 2 9. 1. . Emplee diferencias centradas do x fi(/i ) para las estimaciones iniciales.7 Pruebe que para datos igualmente espaciados.2 eos b) Integre en forma analítica la ecuación (P23. e n * = 0.12a) t» (P23. 1 3 La distribución normal se define como 2 ) 1.

se relaciona con todas las otras áreas de la ingeniería. La sección 24. usa integración numérica para determinar la fuerza total del viento que actúa sobre el mástil de un bote de carreras.3 también involucran funciones que están disponibles en forma de ecuación. En el caso de los métodos de integración. La sección 24. usamos este ejemplo para ilustrar la integración de datos espaciados desigualmente. 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.4 se concentra en el análisis de información tabular para determinar el trabajo necesario para mover un bloque. una función analítica se integra en forma numérica con el fin de determinar el calor requerido para aumentar la temperatura de un material. que trata con cálculos de calor en la ingeniería química. a problemas prácticos de la ingeniería. Se mencionarán dos de las situaciones de ocurrencia más frecuente. Este ejemplo se usa para demostrar la utilidad de la integración de Romberg y la cuadratura de Gauss. 24. Las secciones 24.CAPITULO 2 4 A p l i c a c i o n e s e n la i n g e n i e r í a : integración numérica y diferenciación El propósito del presente capítulo es aplicar los métodos de integración y diferenciación numérica. observaciones o alguna otra información empírica. Aunque esta aplicación tiene una conexión directa con la ingeniería mecánica. En esta aplicación. 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. la función que habrá de evaluarse se halla inherentemente en forma tabular. Entre otras cosas.2 y 24.2. la cual se toma de la ingeniería civil. Esta aplicación proporciona un simple pero útil ejemplo de tales cálculos. La sección 24. Este tipo de función a menudo representa una serie de mediciones. Los datos para cualquiera de los casos son compatibles directamente con diferentes esquemas analizados en esta parte del libro. En el segundo caso. involucra ecuaciones. La característica necesaria .1. expuestos en la parte seis.1 INTEGRACIÓN PARA DETERMINAR LA CANTIDAD TOTAL DE CALOR (INGENIERÍA QUÍMICA/PETROLERA) Antecedentes. La determinación de la cantidad de calor requerido para elevar la temperatura de un material es un problema con el que tratamos frecuentemente.3 determina la raíz media cuadrática de la corriente para un circuito eléctrico. Se emplean cálculos de calor en forma rutinaria en la ingeniería química y petrolera así como en muchos otros campos de la ingeniería. La sección 24.

')() c. c(T): La ecuación (PT6.1190 0. La ecuación (24. la capacidad calorífica no es constante y.°C -100 -50 0 50 100 1.56 x 10" r 4 + 2. Por ejemplo.64 x 10~ r 7 2 (24. Solución. varía en función de la temperatura.2) se sustituye en la ecuación (24. c(7).4) donde AT = T — r . cal/(g •4°C) 0. la capacidad calorífica de un material no se podría aumentar con la temperatura de acuerdo con una relación como c(T) = 0 . para el caso actual. para grandes cambios de temperatura. Es útil e instructivo comparar este resultado con los métodos numéricos expuestos en el capítulo 21. el calor requerido AH (en calorías) se puede calcular por AH=mcAT (24. la cantidad de calor necesario para aumentar a 20 gramos de agua desde 5 a 10°C es igual a AH = 20(1)(10.2) En este ejemplo se le pide calcular el calor necesario para elevar 1 000 gramos de este material desde .13200 0.3) la cual se puede sustituir en la ecuación (24. Si c es constante sobro el rango de temperaturas sujetas a examen. 1 3 2 + 1.16134 0. lisie parámetro representa la cantidad de calor requerida para aumentar una unidad de temperatura a una masu unitaria.1) donde c tiene unidades de cal/(g • °C). AH puede determinarse de manera analítica. es necesario generar una tabla de valores de c para varios valores de T: T.' 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.1 0 0 a 200°C. Sin embargo.12486 0. m = masa (g) y AT = cambio en temperatura (°C). Ahora como.5) = 100 cal donde la capacidad calorífica del agua es aproximadamente 1 cal/(g • °C). de hecho.4) proporciona una forma para calcular el valor promedio c(T) dT c(T) = J -\ ¡2 —i -r~ I (24.17376 200 .15024 0.1) para dar AH — m f 2 c(T) dT t (24. es una cuadrática simple. Para realizarlo.4) y el resultado se integra para dar un valor exacto de AH = 42 732 cal. Por ejemplo. Tal cálculo es propicio cuando AT es pequeño.14046 0.

mejor aún. es por lo común lo suficientemente exacto para tamaños de paso relativamente grandes y es exacto para polinomios de tercer orden o menores. Es fácil realizarla con una calculadora o. Calcule la fuerza de tensión T e n el cable izquierdo que soporta el mástil.16.01 /:)2. AH 96 43 42 42 42 42 42 42 42 048 029 864 765 740 733. como se muestra en la figura 24. además.1 Resultados con el uso de la regla trapezoidal con diferentes tamaños de paso. 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. °C e. 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.7 0. Tal resultado puede sustituirse en la ecuación (24.4) para obtener un valor de AH = 42 732 cal.1a se muestra una sección transversal de un bote de carreras. ejercidas por pie de mástil de los botes varían como una función de la distancia por arriba de la cubierta del bote (z).05 2:/io dz (24 5) - TABLA 24.3 732.01 <0. el cual concuerda exactamente con la solución analítica. Las fuerzas del viento (/).2. Sin embargo. Para proceder con este problema.01 . Esta exacta concordancia podría ocurrir sin importar cuántos segmentos se usaron. Además. Solución.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 42 732.00003 T a m a ñ o de p a s o . un pequeño paso (< 10°C) se requiere para una exactitud de cinco cifras. 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.1). 24.018 <0. Este ejemplo es una buena ilustración del porqué la regla de Simpson es muy popular.01 <0.01 <0. 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 24.07 0. En la figura 24. Los resultados que se obtuvieron con la regla trapezoidal se listan en la tabla 24.3 732. con una computadora. Suponga que el mástil permanece vertical.3 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.[%) 125 0.2).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. Se observa que la regla trapezoidal es también capaz de estimar el calor total en forma exacta.

43 30 55.7) T •H T A B L A 2 4 .10) o (21.1 u) Succión transversal de un LINIO DI?L i z=0 de carreras.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. Los resultados para diferentes tamaños de paso se encuentran en la tabla 24. FIGURA 24. Esta integral no lineal es difícil de evaluar en forma analítica.9 • WBLMA^TIL-WüWWBlWéiaWlUS \ >t?V é N ¡t#p##*W|»lft CÉBIM que soportan el mástil Mástil Viento FIGURA 24.05 pies / d = Jo 200z[z/(5 + z)]e. tales como las reglas de Simpson y la trapezoidal.40 73. lb/ple 0 61.2 I )|(i(jrama de cuerpo libre fuerzas ejercidas j l mástil de un velero. la tabla 24. para tamaños de 0. j ) L M 0 3 6 12 ÍW.6 (24.05 pies para la regla trapezoidal y de 0. Se observa que ambos métodos dan un valor de F = 1 480. La línea de acción efectiva de F (véase figura 24. En este caso.18 47.6) Jo dz /•30 d= 13.24.5 pies para la de Simpson proporcionan buenos resultados. 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.5Ó 63.'IVII.14 . es conveniente emplear procedimientos numéricos para este problema.6 Ib en tanto el tamaño de paso se vuelve pequeño.'I 33 4? 2/ HV 23.3.•2:/30 dz 1 480. 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 .20 15 18 21 24 27 O .13 70. /. Esto se lleva a cabo al calcular/(z) para diferentes valores de z y después usar la ecuación (21. Por ejemplo. Por tanto.2) se puede calcular con la evaluación de la integral /•30 zf(i) d = / /(z) di (24.18).

05 15 5 3 1 0.6 1 462.1 0.1 1 479.9 1 480. la regla de Simpson 1/3 con un tamaño de paso de 0.0995) = 836.3 1 372.9) (24.6 .5 1 480.9/1 480. 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- . 3 Valores de F calculados con base en las diferentes versiones de las reglas trapezoidal y de Simpson 1 / 3 .lb 1 001.3 1 480. a partir de la ecuación (24. Por ejemplo.8 1 477.7 1 480.= eos 9 6 4 4 °0.6 1 219.6 Regla de Simpson 1/3 0. La dirección.6)(13.9). Técnica Regla trapezoidal T a m a ñ o de p a s o .54 Ib Esas fuerzas ahora permiten proceder con otros aspectos del diseño estructural del bote. T = ^ .8).25 0.10) 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. La ecuación (24.684 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN T A B L A 2 4 .2.(6 473)(0.3 1 450.9 1 476. así como la magnitud de H y V son desconocidas.8) (24.05)_ 3 = 6 4 4 ( ) 6 1 b Por tanto.6 = 13.05 pies. tales como los cables y cl sistema de soporte de la cubierta para cl mástil. se puede usar un diagrama de cuerpo libre para escribir ecuaciones de equilibrio de fuerzas y momentos.5 1 480. ^ ^ 3 = i 1 480.5 0. Este diagrama de cuerpo libre se muestra en la figura 24. pies 15 10 6 3 1 Segmentos 2 3 5 10 30 60 120 300 600 2 6 10 30 60 F. Con F y d conocidos a partir de los métodos numéricos.7 1 122.10) se puede resolver directamente ya que se desconocen F y d.5 Dicha integral podrá evaluarse mediante métodos similares a los anteriores. H = F — T sen 9 = 1 480.995 6 = 6 4 7 3 Ib y de la ecuación (24. 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 (24.5 da d = 19 326.

Se observa que timbas reglas.ño de estructura» en Ingeniería. 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. 24. son fáciles de aplicar y son herramientas para la solución de problemas prácticos. donde Tes el periodo.3 mediante la regla trapezoidal. /(r) = 1 0 e . /(f) = 0 ' r I lin 1 1 órnente eléctrica vi II i<indo de manera imilúcJica. Por tanto. . 2 J- FIGURA 24. Calcule la RMS o raíz media cuadrática de la forma de onda en la figura 24. El valor promedio de una corriente eléctrica oscilatoria en un periodo puede ser cero. < f < 7". la regla de Simpson 1/3. lu trapezoidal y lu de Simpson 1/3. suponga que la corriente es descrita por un sinusoide simple: i(f)= sen (2n/T). los ingenieros eléctricos a menudo caracterizan esa corriente por /RMS = > (t)dt (24. Por ejemplo. 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. tal corriente es capaz de realizar trabajo y generar calor.3 /f Para 0 < f < 772.3 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." s e n (2n-ír) Para 772.11) donde i(f) = corriente instantánea.

se basa sobre un valor verdadero de 1 5 .30 x 1 0 " 0 -31. Observe que la regla de Simpson es más exacta que la trapezoidal.41 161 <>(%) 100 1. 0 °^ 15.41261 15.41261 15.4).59 x 1 0 " 1. Segmentos 1 2 4 8 16 32 64 128 2 4 8 16 32 Integral 0.48082 15. Este resultado se obtuvo mediante una regla trapezoidal con 1 2 8 segmentos o una regla de Simpson con 3 2 segmentos.0725 4.41261 " 15.06 x 1 0 " 0 Técnica Regla trapezoidal 3 4 5 6 Regla de Simpson 1/3 3 Solución.4 Valores para la Integral calculada mediante el uso de diferentes esquemas numéricos. En la tabla 2 4 . 1 2 ) Primero. 4 1 2 6 1 .41257 15.16327 15.21 x 10" 2.41277 15. 2 3 ) y ( 2 2 .16503 15. 4 se enlista las estimaciones de la integral para las diferentes aplicaciones de la regla trapezoidal y de la regla de Simpson 1 / 3 .41262 . 4 1 2 6 1 . El error relativo porcentual E .41261 15.41 1 9 6 15.21769 15. La determinación de la raíz media cuadrática de la corriente involucra la evaluación de la integral (T = 1 ) .48082 15.41261 15.41277 15.40143 15.0186 1.41261 20.21769 15.41261 15. /•1/2 / = / ( I O Í T ' Jo Í = s e n 2 7 r ) í j dt ( 2 4 .41547 15.41225 15.40143 15. El valor exacto para la integral es 1 5 .443 -0. la cuadratura de Gauss también se usa para realizar la misma estimación. Además.2 -0. se realiza un cambio de variable al aplicar las ecuaciones para obtener 1 1 1 4 + ( 2 2 .686 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN TABLA 24.41196 15.41502 15.41261 ^ 15.41257 15.41262 15.62 x 10~ 1.41261 20.41111 15.0 15.16327 15. 2 4 ) 4 d Í R F t = 4« dt Hartarlo integración de Romberg para estimar la'-RMS de la corriente. La misma estimación se determina también con la integración de Romberg (véase la figura 24.41547 15.62 0.

4126109 22.12) para obtener 1 0 e -[l/4 (l/4) + ( í í ] s e n 2 n ( ( — dt 4 (24. Este resultado podría entonces emplearse como guía en otros aspectos del diseño y operación del circuito. Muchos problemas de ingeniería involucran el cálculo de trabajo.6% Los resultados al usar las fórmulas para puntos mayores se resumen en la tabla 24.24.1%.1 -1.42 x 10" -2.99782.16327) +0. Estos valores pueden sustituirse en la ecuación (22. 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.01 x 10" -1.59 4.8888889(15.5555556(2. | = 1. Por ejemplo.9978243 15.684096 y 4. suponga que la fuer/a varía durante el curso del cálculo. la ecuación para el trabajo se puedo exprcaar como .1) d / = 0.5. el trabajo se calculaba como 150 Ib • pie. 3 PARAICAKUCWrSBTIWBAAJ R«»ulladoa al usar las fórmulas de la cuadratura de Gauss para varios puntos para aproximar la integral.925890 A. Aunque ese simple cálculo es útil para introducir el concepto.6575502 15. Por ejemplo.237449) + 0.41 TABLA 2 4 . Estimación 11.313728.684915) = 15.5555556(1. En tales casos.17) para dar un estimado de la integral de 11. esta función se evalúa en t = — 1/V3 y 1/V3.41261 se puede sustituir en la ecuación (24.4126391 15. y los resultados son 7. La fórmula general es Trabajo = fuerza x distancia Cuando se introdujo este concepto en sus estudios de física en el nivel medio superior.12) para calcular una I de 3. la solución de problemas realísticos son por lo común más complejos.82 x 10" Puntos 2 3 4 5 ó 2 4 5 Esas relaciones pueden ser sustituidas en la ecuación (24. si una fuerza de 10 libras era usada para empujar un bloque una distancia de 15 pies. La estimación de la integral de 15. La fórmula para tres puntos es (véase tabla 22.4058023 15. se le presentó algunas aplicaciones simples mediante el uso de fuerzas que permanecían constantes en todo el desplazamiento. el cual representa un error de e = 22.13) Para la fórmula de Gauss-Legendre de dos puntos.65755 | e . respectivamente.

688 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN W = dx 0 n (24.ft 0 0 x. de la fuerza varía. cuando se analizan los datos medidos.15) De nuevo. La ecuación de trabajo puede modificarse más al tomar en cuenta este efecto. si F(x) y 9 (x) son simples funciones. en la solución de un problema realístico. Se tiene mayor complejidad si el ángulo entre la fuerza y la dirección del movimiento también varía en función de su posición (véase figura 24.5). Para este caso. y F(x) es una fuerza que varía en función de la posición. respectivamente. i.14) donde W = trabajo (Ib • pie). Para tales casos. la ecuación (24. X. x y x = las posiciones inicial y final.15) se podría resolver de manera analítica. el ángulo. así como la magnitud.14) se puede evaluar en forma analítica.5 El caso de una fuerza variable actuando sobre un bloque. la integración numérica es la única opción viable para la evaluación. Sin embargo. la ecuación (24. como en la figura 24. De hecho. como en (24. la fuerza podría estar disponible sólo en forma tabular.ft 30 . Sin embargo. es más común que la relación FIGURA 24.5. la fuerza podría no ser expresada de esa manera. Si F{x) es fácil de integrar.

7. Para esta situación. donde graficamos la curva continua para el O i r U R A 24. i tli. x.0 14. usted cuenta sólo con mediciones discretas a intervalos de x — 5 pies (véase tabla 24.30 1. 7 . Los resultados del análisis se resumen en la tabla 24.5. Suponga que usted debe realizar el cálculo para la situación mostrada en la figura 24.48 1.90 1.5 12.0 10.6 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 .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 .3537 F ( x ) 0 funcional sea complicada. Los resultados son interesantes.8087 1.0 » . los métodos numéricos proporcionan la única alternativa para determinar la integral.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.5 con intervaloi de 1 pie.50 1.40 0.0 13. Esto es en particular evidente en la figura 24. f | j t ) . debido a las restricciones experimentales. pies .r a d 0.7025 2.é x . ya que la mayor exactitud ocurre para simple regla trapezoidal con dos segmentos. 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. Aunque la figura muestra los valores continuos de F(x) y 9(x).6. Un error relativo porcentual e¡ fue calculado con referencia al valor verdadero de la integral de 129.0000 1.0 5.0881 0. Solución.0 9. también se puede obtener resultados menos exactos con las reglas de Simpson.52 cuya estimación se hizo con base en los valores tomados de la figura 24.6).5120 8.5297 9.TABLA 24. imagine también que. Puede obtenerse estimaciones más refinadas con m á s segmentos.') pies. 5y I7 ' .75 0.50 F[x) eos 0.I b 0. 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.

la inclusión de los datos adicionales podría incorporar los picos que antes no se tomaron en cuenta y.3 1 3 9 9 . podríamos determinar una estimación de la integral con el uso del algoritmo para datos espaciados desigualmente descrito en la sección 21. Por suerte. como se calculó con referencia a un valor verdadero de la integral (1 29. Observe cómo el uso de siete puntos para caracterizar la función que varía en forma continua no toca los dos picos en x = 2. El error relativo porcentual e.690 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN TABLA 24.02%). 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 24.5 pies.9 (e = 2. el uso de dos trapezoides ocurre para llevar a un balance equilibrado entre los errores negativo y positivo.2 1 1 7 1 . tener los mejores resultados.5)] = 11.5) eos [0(2.7 Estimaciones del trabajo calculado usando la regla trapezoidal y las reglas de Simpson.7 Ilustración gráfica del porqué la regla trapezoidal con dos segmentos da una buena estimación de la integral para este caso en particular. Si se incluyen los dos puntos adicionales se obtiene una estimación de la integral mejorada de 126.52 Ib • pie) fue estimado con base en los valores en intervalos de 1 pie. si los datos estuvieran disponibles enF(2.6 es que debe hacerse un número adecuado de mediciones para calcular con exactitud las integrales. Para el caso actual.7). ( FIGURA 24.3500yF(12.5) eos [0(12. La figura 24.3.9 1 2 4 9 .4 3 5 .3600.8 1 1 9 0 . p l « i .1 8 0 .1 1 3 3 1 .5 y 12. La omisión de estos dos puntos limita efectivamente la exactitud de la integración numérica estimada en la tabla 24. La conclusión resultante de la figura 24. en consecuencia.8 ilustra la segmentación desigual para este caso.7 8 .3 9 5 9 .5 3 5 7 .7.9 1 7 5 8 . co x. 2 8 . Así.5)] = 4.5 9 5 . 0 4 producto de F(x) y eos [#(*)]. Segmentos Trabajo Técnica Trapezoidal Regla de Simpson 1 / 3 Regla de Simpson 3 / 8 1 2 3 6 2 6 5 3 .

pero ahora use la fórmula de GaussI I'tjeiulre con dos y tres puntos.iún de dos puntos inlii dmales en x = 2. Esta fórmula tiene sentido Intuitivo si usted recuerda la analogía entre integración y mmmloria. 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.l Kepita el problema 24. pero ahora use integración de Uniubcrg con e = 0.1.1.4. min c.5 y \V '> orí los datos de la luíilu 24. pero ahora Míenle la cantidad de calor requerido para elevar la temperatura ili< I . Así. m g / m 10 22 35 47 55 58 52 40 37 32 34 3 t. Observe que Q = 4 mVmin.6. e. M.1. con valores de incremento de Tde 1<r<'. 1<M I . 5 La concentración química a la salida de un reactor do mezcla completa se mide como t.1 Kcalice el mismo cálculo que en la sección 24. Si la razón de flujo es constante. 2 4 . Interprete sus resultados.01%. y t = tiempo inicial y final. mg/m 3 0 10 2 20 4 30 6 40 8 60 12 72 16 70 TABLA P 2 4 .inlos que resulta de la lin lii'. m i n M \ Ji\ Qcdt di uiilc /. la integral representa la sumatoria del producto (lid Unjo por la concentración para dar la masa total entrando o (tullendo desde t a t .4) 0 5 10 15 20 25 30 35 40 45 50 . 59 C O C O C O C O CL E Q. o CU 55 CU D PROBLEMAS lli||«IILURIA química/petrolera 14. E W A> Q (fl s (O O. SO 55 £ Q.a integración proporciona un medio para calcular cuánta N N I N I I entra o sale de un reactor en un periodo específico. Se muestran las lúi mulos de integración iiiiiiii'nii. l Kepila el problema 24. 14.a aplicadas a cada i I I I I | I I I I I I I de segmentos. 4 Valores de concentración medida en la tubería de salida de un reactor. Q puede «el obtenida de la integral: 2 { 2 M Q I cdl (P24.*)()() gramos del material desde —150 a 50°C. Use la regla lio Simpson para sus cálculos.

11 Calcule F mediante la regla trapezoidal y las reglas de Simpson 1/3 y 3/8. ¿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.4 3 0.88 60 1. 1 0 " g/cm 6 3 0 0.1 1 0.12. pronósticos de inundación y diseño de reservorios. mientras que en el fondo sería del 100%*/.6 ha primera ley de difusión de Fick establece que Flujo másico = D de dx 2 (P24. debido a la fricción en el fondo.5 15 0. ¿cuánta contaminación podría ser transportada hacia el lago en un año? 24.9 Realice el mismo cálculo que en la sección 24. d VIdi) para cada tiempo del orden de h . 24. 1 0 barriles 6 0 0.9 Use la mejor técnica de diferenciación numérica disponible para estimar la derivada en* = 0. 24. A menos que se disponga de dispositivos electrónicos sonoros para obtener perfiles continuos del fondo del canal. Un ejemplo de una corriente común con su sección transversal se muestra en la figura P24.dz 6+ z 7 / l nz/l0 f. Divida el mástil en intervalos de cinco pies.8 Usted se interesa en la medición de la velocidad de un fluido en un canal abierto angosto rectangular que transporta resi2 24.6) donde flujo másico = cantidad de masa que pasa a través de una unidad de área por unidad de tiempo (g/cm /s). s F= Jo f / 30 250z e. 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. 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. y x = distancia (cm). 24. c = concentración. la medición en la superficie sería del 0%d. el ingeniero debe confiar en mediciones discretas de la profundidad para calcular A. 24.73 45 0.692 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN Para una salida de flujo de Q = 12 nr/min. la velocidad varía con la profundidad en el canal.14 120 1. Por ejemplo. Para un lago con 3 x 10 m de sedimentos.65 30 0. D = coeficiente de difusión (cm /s). cm c. min V. estime la masa de químicos que existe en el reactor desde t = 0 hasta 20 min. Usted sabe que.12 Las áreas de sección transversal (A) son requeridas para diferentes tareas en la ingeniería de abastecimiento de aguas: entre otras. Si su técnico tiene tiempo para realizar sólo dos mediciones de velocidad.2.7 Los siguientes datos fueron colectados cuando se cargaba un gran buque petrolero: 2 6 2 24.6) para calcular el flujo másico de contaminantes fuera de los sedimentos y dentro de las aguas recubiertas (D = 2x10"* cm /s).03 90 1.10 Realice el mismo cálculo que en la sección 24.2. Los puntos representan ubicaciones donde se ancló un bote y tomó lecturas a diferentes profundidades. pero ahora use la cuadratura de Gauss para evaluar la integral.30 Calcule la razón de flujo Q (es decir. pero ahora use la integración de Romberg con un orden de h para evaluar la integral. Ingeniería civil/ambiental x. . Emplee dicha estimación junto con la ecuación (P24.

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. 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. que se resumen en la tabla P24.13. Utilice estos datos.14. m *» Fuerza. 24. pies 3 000 FIGURA P24. M 1 1 Durante un reconocimiento de campo.15 La fuerza del viento distribuida en un lado de un rascacielos es registrada como Altura /. F[l\. .13 Un campo limitado por dos caminos y una cresta. Una persona visita la intersección varia» veces durante un día y cuenta el número de autos que pasan por el lugar en un minuto. para estimar el número total de autos que pasa a diario por la intersección (sea cuidadoso con las unidades).w PRO! i 0 i i i i i i i i i i i i i i i i i • 1 000 2 000 Distancia. Use las reglas do Simpson para determinar el área. se le pide calcular p| Arca del campo mostrado en la figura P24.

medianoche 24.16a.M. P. De acuerdo con la ecuación (P24. 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. P.Med. P. P. P.Z ) dz FIGURA P24. A. Si se omite la presión atmosférica (ya que trabaja contra ambos lados de la cara de la presa y de esta forma se cancelan).M. Sea cuidadoso con las unidades. Nov.z) dz Fecha Med. usted tiene que determinar el volumen total de agua (m ) que fluye por un río en un año. Dic.MedEne.16) pgzw(z){D . P.14 Razón de flujo de tráfico (autos/min) para una intersección medida en diferentes tiempos en un periodo de 24 horas. p — densidad del agua.z) 2 donde w(z) = ancho de la cara de la presa (m) en la elevación z (véase la figura P24. varían con la elevación.Med. y D = elevación (en m) de la superficie del agua por arriba del fondo del reservorio. fr = JO ( Pgw(z)(D . g = aceleración debida a la gravedad (9. 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. A. para este problema. P.M. la presión se incrementa con la profundidad.M. Mar. la cual. . Abr. con muchos registros anuales. mVs 31 37 80 1 19 102 20 21 Determine el volumen.M.fo)vista frontal en la cual se muestra el ancho de la presa en metros. y tenga cuidado al realizar una estimación adecuada del flujo en los puntos extremos.166).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 P24.17 Para estimar el tamaño de una nueva presa.Med. Sept. La presión se puede caracterizar por p(z) = pg(D .694 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN TABLA P24.16).Med. la fuerza total se obtiene al evaluar 3 3 2 4_ Use la regla de Simpson para calcular f y d.M. Jun. P.Med. para el río: t 3 / Jo pgw(z)(D .M.M.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.8 m/s ).M.M. La línea de acción también se puede obtener al evaluar f D = (P24.M. 23 27 Flujo. Feb. como se ilustra en la figura P24. P. A. A. se supone es constante 10 kg/m .Med.Med.M. A.16b).16. A.M.M.16 El agua ejerce presión sobre la cara corriente arriba de una presa como se muestra en la figura P24. Debido a que ambas. la presión y el área.M. 24. A.z) dz donde p(z) = presión en paséales (o N/m ) ejercida a una elevación z metros por arriba del fondo del reservorio.M.M. Usted dispone de los siguientes datos promedio. Oct. Verifique los resultados con su programa de computadora para la regla trapezoidal.M.

4. El calor total absorbido lo proporUlnnu J ab Jo / qA dt dundo A = área y q = flujo de calor.6. I '> lil flujo de calor q es la cantidad de calor que fluye a través di. 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. usted debe estimar el calor total absorbido por un panel colector de 150 000 «tit durante un periodo de 14 horas. pero ahora use la siguiente ecuación para el cálculo: 0(x) = 0 .2 0. calcule k. y t = tiempo (s)..1 0.15 0.f) sen (V7) y la resistencia es una función de la corriente.54 13 1.3 0. Determino la caída de voltaje como una función del tiempo a partir de lo» siguientes datos para una inductancia de 4 H.7 1. dT dx donde."C SI el Unjo en x = 0 es de 60 W/m .27 5.25 para /''(.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.tf + (60 .un área del material por unidad de tiempo./ 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). T temperatura (°C).56 3.00 0.2.' 24.'(0 = 4e~ /'(/) = 0 Calcule el voltaje promedio desde t — 0 a 60 mediante la rcglu de Simpson 1/3 de segmentos múltiples. L = inductancia (en henrys. pero ahora use la integración de Koniberg con <•:.9 0.5x0.62 .80 3. M.20. 0.24 Suponga que la corriente a través de un resistor es descrita por la función ¡(0 = (60 .29 7.32 6. R = 10/ + 2¿ 2/3 x. Como ingeniero arquitecto. m 0 20 0. pero ahoIÍI pina la corriente especificada por . 8 + 0. .1%. L t /' 0.03 7.4. Use la cuadratura de Gauss con cinco puntos para ("¡lunar la integral.25 Realice el mismo cálculo que en la sección 24.3 0. . 24.125* .8 0. La ley de Fourier es usada rutinariamente por ingenieros arquitectos para determinar el flujo de calor II travos de paredes. 0 0. y x = distancia (m) a lo largo de la trayectoria de flujo de calor. 1 H = 1 V-s/A).2I Repita el problema 24.20.57 8. Las siguientes temperaturas son medidas en nuil pared de piedra: 2 2 di donde V = caída de voltaje (V).5 0. 8 y 16 KBgmentoN de la regla trape /oidul puní calcular la integral. 0 0 9 j r + (2 x 10 2 V Kmplec la ecuación del problema 24.20 M. Se puede calcular din la ley de Fourier.2 15 /.0 .55 24. El panel tiene una eficiencia do absorción e del 4 5 % .22 Kepita el problema 24.00 8. Ingeniería mecánica/aeroespacial 24.04 6.04 . Ingrali-ría eléctrica M 20 Kcalice el mismo cálculo que en la sección 24. pero ahora use la regla de Simpson 1/3.ir).íl'. . = corriente (A).3. pero uhora use la regla de Simpson de segmentos múltiples para calcular: F(x) = \.26 Realice el mismo cálculo que en la sección 24. 24. Use 4.T 2 ' sen 2M para 0 < t < Til para 772 < t<T donde ' / ' = 1 s.1 17 0. 0.10 1 2 3 5.

.31 La razón de enfriamiento de un cuerpo (véase figura 1*24.26. 24. Emplee la regla trapezoidal de aplicación múltiplo para determinar el trabajo si una fuerza constante de 200 N scuplica para todo?.8 15 28. como en a donde v = m/s.31) se puede expresar como .2H Vuelva a realizar el problema 24. min 0 90 5 49. 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. 24. a Utilice diferenciación numérica para determinar dTIdt para cada valor de tiempo.26. la temperatura de la bola cambiará. 2 4 M .32 Una barra sujeta a una carga axial (véase figura P24.T) a donde T = temperatura del cuerpo (°C).4 al .32¿>.26.1 = -k(T Tiempo. Grafique dTIdt contra T — T y emplee regresión lineal para evaluar k. 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.2 25 25. pero ahora use la cuadratura de (luuss. 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. Así.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.32a) se deformará. T = temperatura del medio ambiente (°C) y k = constante de proporcionalidad (por minuto).696 A P L I C A C I O N E S EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN 24. 24.27 Repita el problema 24. 24. ) El trabajo realizado por un objeto es igual a la fuerza por lu distancia recorrida en la dirección de la fuerza. como se muestra en la curva esfuerzo-deformación unitaria en la figura P24. La velocidad ilo un objeto en la dirección de una fuerza está dada por s FIGURA P24.9 10 33.4 20 26. pero ahora use la integración de Romberg con e = 0.5%.2'> Repita el problema 24.

se puede calcular la razón de flujo Q (es decir.tÍ¥ riRltln del inutoriul. 1 1 S I se conoce la velocidad de distribución de unfluidotransportándose a través de una tubería (véase figura P24. m = masa inicial del me lu velocidad y la aceleración usando dicohete en el tiempo / = 0.34 Mediante los siguientes datos. use la regla trapezoidal y la de Simpson 1/3 con dad vertical está dada por seis segmentos.36 262 3.35 0.30 M.326. 0 A = rcP'ydA = licrdr. 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. calcule Q usando la regla trapezoidal de aplicación múltiple.5 ? 1 » 45/ + 2(/ .37 La velocidad hacia arriba de un cohete se puede calcular con la siguiente fórmula: 1 ( v = u ln m 0 154 0.33 fttf tune ION unitaria que se tiene en la figura P24. q = razón de consumo de combustiferenciación numérica.33). en 0. 24. (Para entender el significado de esta relación en forma 1/6 « = 2. Como tal.063 0. La posición de un avión caza sobre un portaaviones fue Itimuda durante el aterrizaje: I. 1 4 . Portante. 2 x= F. Proporciona una M E D I D A de la energía pin uuidiid de volumen requerido para caunir la ruptura del mahirlal. S m 0 ° \ ti) (dx/dt) b) 10<í <20 (dv/df) 0 2 0 2 8 1. 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. 1 Oí . recuerde la conexión cercana entre sumatoria e integración.028 0. ka 3 • A ) (2irr) dr donde r es el radio total (en este caso.74 250 2.51 186 1.15 0.05 0.8 m/s ).) I'aru un tubo circular. -: 1 0 0 0 . calcule el trabajo realizado al estirar un resorte que tiene una constante de resorte de 3 X 10 N/m. Q = IvdA.01 0.20 0.03 209 1.. m 0 0 0.04o 0.5/ 0</<10 alto volará el cohete en 30 segundos.25 0. Analice sus resultados.13 0. la cuadratura de Gauss con seis puntos y los métodos de Romberg del orden de /¡ para determinar qué tan .082 0. Si la distribución de velocidad está dada por lu tubería.24 272 3. Use integración numérica B M H enleular los módulos de rigidez para la curva esfuerzo-deFIGURA P24. Estiexpulsa el combustible relativo al cohete. 1 0 N x. m = 150 000 kg y evaluar lu distancia vertical recorrida por un cohete si la velociq = 2 600 kg/s. es representativo de la habilidad del material |lMh resistir una carga por impacto. u = velocidad a la cual se donde x es la distancia desde el extremo del portaaviones.82 274 — gt \m -qtj donde v = velocidad hacia arriba.2 0 ) 2 20 < / < 30 .45 m. Si u = 2 000 m/s.10 0. % 24. 2 cm).11 0.

Estas técnicas están diseñadas para evaluar la integral de dos casos diferentes: 1) una función matemática y 2) datos discretos en forma tabular. las cuales tienen límites de integración que se extienden más allá del rango de los datos. por lo común son preferidas esas fórmulas y se dispone de versiones de aplicación múltiple. Las comparaciones se basan en la experiencia general y no toman en cuenta el comportamiento de funciones especiales.4 E L E M E N T O S DE JUICIO La tabla PT6. Si se emplea una ecuación cuadrática. si se usa una ecuación cúbica. continuas y discretas. Las fórmulas de Newton-Cotes son los principales métodos analizados en el capítulo 21.4 Comparación de las características de métodos alternativos para la integración numérica. 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. son usadas muy rara vez para la evaluación de integrales definidas. la cual se basa en el cálculo del área bajo una línea recta reuniendo valores adyacentes de la función. Las fórmulas abiertas. y ambas versiones están disponibles: las cerradas y las abiertas. otra forma de obtener una estimación más exacta de la integral es con polinomios de orden superior para conectar los puntos. La mayoría de esos métodos se basa en la simple interpretación física de una integral como el área bajo una curva.4 proporciona un resumen de los elementos de juicio involucrados en la integración numérica o cuadratura.E P I L O G O : PARTE SEIS PT6. el resultado es la regla de Simpson 1/3. Se aplican a ambas funciones. son de utilidad para la solución de ecuaciones diferenciales ordinarias y para la evaluación de integrales impropias. 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. Además de aplicar la regla trapezoidal con segmentos más finos. Sin embargo. 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. Como son mucho más exactas que la regla trapezoidal. será la regla de Simpson 3/8. Para situaciones con un número de TABLA PT6.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 . La versión más simple es la regla trapezoidal.

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

. 12n = x 0 2 f R e g a ld eS m ip s o n 1 /3 / ~ [b .a) — — ^ n-l n .* + 1.1 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 '/. l c -1 '/.700 TABLA P T 6 . 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) . le. 5 Método EPÍLOGO: PARTE SEIS Resumen de información importante presentada en la parte seis.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 -.| + 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 .2 f x : Z : Z a=x f b=X 2 x f I b .o )f r|x.* = 4 k- 0 ( r i ) i 2 /~ c r M / +c i f ( x i ]+•••+c „ _ i f ( x „ _ i ) f < > ( £ ) 2 + n 2 .

(PT7.2).1) es algunas veces conocida como ecuación de razón.9)]: dv ~n=S--v dt c m (PT7. ya que expresa la razón de cambio de una variable como una función de las variables y los parámetros. Una ecuación de segundo orden podría incluir una segunda derivada. la cantidad que habrá de ser diferenciada. dx dx m— +c—+kx=0 dt dt 2 T 2 (PT7. Tales ecuaciones desempeñan un papel importante en ingeniería debido a que muchos fenómenos físicos son en el contexto matemático mejor formulados en términos de su razón de cambio. Por ejemplo. m es la masa y c es el coeficiente de arrastre. la ecuación (PT7. la ecuación es llamada ecuación diferencial ordinaria (o EDO). la ecuación que describe la posición x de un sistema masa-resorte con amortiguamiento es la ecuación de segundo orden (recuerde la sección 8. Para la ecuación (PT7. v.ECUACIONES DIFERENCIALES ORDINARIAS PT7. Esto contrasta con una ecuación diferencial parcial (o EDP) que involucra dos o más variables independientes. Tales ecuaciones. esto se realiza al definir una nueva variable y.1). La cantidad con respecto a la cual v es diferenciada.1) donde g es la constante gravitacional. se conoce como variable independiente. t. Ecuaciones de orden superior pueden ser reducidas a un sistema de ecuaciones de primer orden. Las ecuaciones diferenciales se clasifican también en cuanto a su orden.3) . De manera similar. ya que la derivada más alta es una primera derivada. Por ejemplo. En la ecuación (PT7. Cuando la función involucra una variable independiente. una ecuación de n-ésimo orden podría incluir una «-ésima derivada. son llamadas ecuaciones diferenciales.2) donde c es un coeficiente de amortiguamiento y k es una constante del resorte. que se componen de una función desconocida y de sus derivadas. La ecuación (PT7. es conocida como variable dependiente. donde dx )' = J.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 (1.4). 1) se conoce como ecuación de primer orden.

recuerde que para el problema del paracaidista en caída.-v)dt C (PT7.) 6 Así.2) para dar m^+cy dt o dy ^ = - + kx^O (PT7. 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. las EDO se resuelven con frecuencia con técnicas de integración analítica. Por ejemplo.7) se resolvió analíticamente con la ecuación (1.3) y (PT7.7) se obtiene si la integral indefinida puede evaluarse en forma exacta como una ecuación. para esos cusoa.6) son un par de ecuaciones de primer orden equivalentes a la ecuación de segundo orden original. Mientras tanto.3) y (PT7. I ON métodos numéricos ofrecen la única alterna^ (iva viable.10) (suponga que v — 0 en t = 0): „(.T. Como lo es para la mayoría de las situaciones analizadas en otras partes de esto libro.4) pueden entonces ser sustituidas en la ecuación (PT7.7) con la ecuación PT6.7) El lado derecho de esta ecuación se conoce como integral indefinida debido a que los límites de integración no están especificados.704 ICUACIONES DIFERENCIALES ORDINARIAS lo anterior se puede diferenciar para obtener dy_ dt = d]x_ dt 2 (PT7. ' HBiifll4*' numéricos por lo común requieren de vW .1) se podría multiplicar por dt e integrarse para obtener v = J (g. Esto contrasta con las integrales definidas que se analizaron en la parte seis [compare la ecuación (PT7.10) c La mecánica para derivar tales soluciones analíticas se analizará en la sección PT7. Por ejemplo. la ecuación (PT7. lo relevante es que las soluciones exactas para muchas EDO de importancia práctica no están disponibles.4) Las ecuaciones (PT7.) = 1 ^(1-e-e-/™)') (1.5) cy + kx m - ( P T 7 . esta parte de nuestro libro se concentra sobre la solución de ecuaciones de primer orden. la ecuación (PT7. Debido a que otras ecuaciones diferenciales de n-ésimo orden pueden ser reducidas en forma similar. las ecuaciones (PT7. Una solución analítica para la ecuación (PT7.6]. PT7.2.1 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.

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

706 ECUACIONES DIFERENCIALES ORDINARIAS TABLA PT7. los métodos que se analizan en los siguientes capítulos son extremadamente importantes en todos los campos de la ingeniería. 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. Sin embargo. PT7.5JC + Ax 1(1*' i (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. Así. Esta ecuación se podría utilizar en diferentes formas. resultan ecuaciones diferenciales. las leyes se usan a menudo en términos de los cambios espacial y temporal. 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. Al integrar esta relación. Esas leyes definen mecanismos de cambio.1 Ejemplos de las leyes fundamentales que se escriben en términos de la razón de cambio de variables (f = tiempo y x = posición).12) 4 s . fuerza {() y masa (m) Flujo de calor \q). masa o velocidad.1 se enlistan varios ejemplos. Cuando se combinan con las leyes de conservación de la energía. tales relaciones matemáticas son la base para la solución de un gran número de problemas de ingeniería. como se describió en la sección anterior. entre ellas para propósitos de diseño. En la tabla PT7.2). Para ilustrar este concepto. obtenemos una ecuación para predecir la velocidad de caída como una función del tiempo (véase figura PT7. coeficiente de difusión (D) y concentración (c) Caída de voltaje (AV ). masa o momentum. inductancia (í) y corriente (/) ¡( dades físicas y estados de los sistemas. muchas de las ecuaciones diferenciales de importancia práctica no se pueden resolver mediante métodos analíticos de cálculo. conductividad térmica [k] y temperatura [T] Flujo másico [J]. Más que en describir directamente el estado de los sistemas físicos. empecemos con una función dada y m -0.2 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. F ám q= dx dx J= dt -D — Variables y parámetros Velocidad (v). 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. De hecho.

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

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

la condición inicial fue un reflejo del hecho físico de que en el tiempo cero la velocidad vertical fue cero.3 ORIENTACIÓN Antes de proceder con los método» numéricos para la solución de ecuaciones diferenciaIos ordinarias.5x + 1 (PT7. entonces al problema se le conoce como problema de valor inicial.x .FT7.I5) . Por ejemplo.16) De esta forma. podría ser de utilidad alguna orientación. Cada una conforma un valor diferente de la constante de integración C. 5 x + Ax . 3 2 para determinar C = 1. Las condiciones iniciales usualmente tienen interpretaciones muy tangibles para las ecuaciones diferenciales derivadas de las condiciones de problemas físicos. Por tanto. se requiere de n condiciones para obtener una solución única.2 0 x +8.14) para dar y = . 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. Los capítulos 25 y 26 se concentrarán sobre problemas de valor inicial. PT7.12)]. Cuando tratamos con una ecuación diferencial de n-ésimo orden.3 «HJIUCIÓN fif FIGURA PT7.14) al forzarla a pasar a través de ln condición inicial. la solución debería haberse modificado al tomar en cuenta esta velocidad inicial. Si el paracaidista hubiese estado en movimiento vertical en el tiempo cero.4 Seis posibles soluciones para la integral de -2X + 1 2. Los problemas de valor límite se abordarán en el capítulo 27 junto con los de valores propios.0 . hemos "sujetado" la ecuación (PT7. en* o t — 0).5.I0x 4 3 2 + 8. Si se especifican todas las condiciones en el mismo valor de la variable independiente (por ejemplo. en el problema del paracaidista en caída. y al hacerlo desarrollamos una solución única para la EDO y completamos un círculo con la función original [véase ecuación (PT7. Esto contrasta con los problemas de valor límite donde la especificación de condiciones ocurre con diferentes valores de la variable independiente. El siguiente material tiene como FT7.

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

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

reconocer sus fortalezas y limitaciones. 4.2 M e t a s y objetivos Objetivos d e estudio. Entender cómo se integra el control del tamaño de paso adaptativo en un método RK de cuarto orden.2. 14. 9. 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. darse cuenta que todos los métodos multipaso son predictor-corrector. Entender la base de los métodos predictor-corrector. 3. 7. Objetivos d e cómputo. Todo tiene utilidad como herramientas de aprendizaje. Reconocer el tipo de problema en contexto donde es importante el ajuste del tamaño de paso. En particular. usted debe aumentar de manera notoria su capacidad para enfrentar y resolver ecuaciones diferenciales ordinarias y problemas de valores propios. poder reducir una EDO de n-ésimo orden a un sistema de n EDO de primer orden. Saber cómo usar los paquetes de sollwdn» y/o librerías para integrar las EDO y evaluar los V O I O I U Í . El software para su computadora personal TOOLKIT de métodos numéricos es de uso amigable. En particular. Conocer la forma general de los métodos de Runge-Kutta. 17. reconocer cómo el último 1) aminora la rigidez del problema y 2) complica la mecánica de solución. Después de completar la parte siete. 12. Emplea el método de Runge-Kutta de cuarto orden para la solución de TABLA PT7.712 ICUACIONIS DIFERENCIALES ORDINARIAS PT7. y poder seleccionar el "mejor" método (o métodos) para cualquier problema en particular. 1. 10. 15. 2. Reconocer de qué modo la combinación de los componentes lentos y rápidos hacen una ecuación o un sistema de ecuaciones rígidos. Reconocer la diferencia fundamental entre las fórmulas de integración de Newton-Cotes y la de Adams. debería dominar los objetivos de estudio específicos que se enlistan en la tabla PT7 . pero no a la inversa. en particular. Además de estos objetivos generales. Las metas de estudio en general deberían incluir el manejo de las técnicas. 16.3. 8. de Heun y del punto medio. Entender la conexión entre fórmulas de integración y métodos predictor-corrector. 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. propios. 6. Entender la distinción entre esquemas de solución implícitos y explícitos para EDO. Saber la diferencia entre los métodos de multipaso y de un paso. Entender la deducción del método RK de segundo orden y cómo se relaciona con la expansión en serie de Taylor. 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. Saber lo racional detrás de los métodos de polinomios y los de potencia para determinar valores propios. . darse cuenta de que hay un número infinito de versiones posibles para los métodos RK de segundo orden y superiores. Entender cómo la deflación de Hoteller permite que el método de potencias se utilice para calculai los valores propios intermedios. Entender las representaciones visuales de los métodos de Euler. 5. Se le proporcionó ya el software y algoritmos para implementar las técnicas analizadas en la parte siete. Saber cómo aplicar cualquiera de los métodos RK a sistemas de ecuaciones. 1 3. 18. Entender la diferencia entre problemas de valor inicial y de valores en la frontera. y una capacidad para asegurar la confiabilidad de las respuestas.2 Objetivos de estudio específicos para la parte siete. entender cómo dichos errores tienen que ver con ia exactitud de las técnicas. percatarse que la eficiencia del corrector es dependiente de la exactitud del predictor. 1 1.

una de sus más importantes metas debería ser el dominio de los paquetes de software de propósito general que están disponibles ampliamente. 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.hasta cinco Hl)() simultáneas. . En particular. Por ejemplo. puede encontrar útil desde un punto de vista profesional tener el software que emplea el método de Runge-Kutta de cuarto orden para más de cinco ecuaciones y resolver las EDO con un procedimiento adaptativo de tamaño de paso. Por último. se proporciona los algoritmos para muchos otros métodos en la parte siete. 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. Esta información le permitirá aumentar su librería de software. Además. debería convertirse en un entusiasta usuario de esas herramientas para implementar métodos numéricos en la solución de problemas de ingeniería.

Esta fórmula se puede aplicar paso a paso para calcular el valor en el futuro y.1) De acuerdo con esta ecuación.a un nuevo v a l o r ^ . . por tanto. FIGURA 25.1). trazar la trayectoria de la solución. en una distanciad (véase figura 25.1 Ilustración gráfica del método de un paso. Recuerde que el método fue de la forma general Nuevo valor = valor anterior + pendiente x tamaño de paso. la pendiente estimada < ¡ > se usa para extrapolar desde un valor anterior y. o en términos matemáticos. 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.

el procedimiento más simple es usar la ecuación diferencial para estimar la pendiente derivada enx¡ al inicio del intervalo. Todos los métodos de un paso se pueden expresar en esta forma general. y¡) es evaluada enx¡ y y¡.2 Método de Euler. . Todas estas técnicas se conocen por lo general como métodos de Runge-Kutta. la pendiente al inicio del intervalo es tomada como una aproximación de la pendiente promedio sobre todo el intervalo. llamado método de Euler.2): = la ecuación diferencial y donde/ (x¡.2) 4> f(x¡. y cuyas resultantes serán predicciones más exactas./i» 25/í M É T O D OD EE U L E R y Error x FIGURA 25.y¡)h (25. i) Esta fórmula es conocida como el método de Euler (o de Euler-Cauchy o de punto medio). En otras palabras.2).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. 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. Como en el problema del paracaidista en caida. Después continuamos con otros métodos de un paso que cumplen estimaciones de pendiente en forma alterna. se analiza en la primera parte de este capítulo. Tal estimación podrá sustituirse en la ecuación (25. 25. que sólo va a diferir en la manera en la cual se estima la pendiente.1): y¡+\ =y¡ +f(x¡. Este procedimiento.

00000 YEuler '^25000) 6.1 -28.12500 4.2.21875 4 3 2 TABLA 25.0 2.0 Xverdadero •3.5) + 1 = 3. \ ecuación (PT7. El error local se refiere al error incurrido sobre un solo paso.0 + 8.716 EJEMPLO 25.8 131.5) = 1. 5 ) + 4(0.5 4.0 .87500 7.5.5 2.5.0 3.75000 5.0 -1 1. 3 2 E r r o r r e l a t i v o porcentual X 0.00000 2.5 es y = .5 = 8.41 20.10x + 8. con la condición inicial de que y = 1 en x = 0.5(0.1 Comparación de los valores verdadero y aproximado de la integral de y' = -2X + 1 2X . Se calcula con una expansión de la serie de Taylor como en el ejemplo 25.3 -63.5 17.5 donde y (0) = 1 y la pendiente estimada e n * = 0 es /(O.0 -125.5) = y(0) + /(O.2 ( 0 ) + 12(0) .0 . \ y (0.10(0.5 3 2 * ' I ¡J Por tanto. El error global es la discrepancia total debida a los pasos anteriores así como a los actuales. i Se puede usar la ecuación (25.16): y = .21875 2. La condición inicial en* = Oesy = 1.5.71875 3.12500 /.2) para implementar el método de Euler: ^ \ .0 -74.00000 4.71875 4.20* + 8.9 -51.20x + 8.5) + 8.5 1.5(0. VU : y(0.0 0.B75-> 3.0Ü000 Global Local í ooooo) -63. 13): Use el método de Euler para integrar numéricamente la í — = -2x dx 3 + 12x .3 4.20(0) + 8.1 -95. Recuerde que la solución exacta la da la ecuación (PT7.0 -1. 1)0.50000 4. 1 MÉTODOS DE RUNGE-KUTTA Método de Euler | Enunciado del problema.3 -53.5 3.00000 2. Los valores aproximados se calcularon mediante el método de Euler con un tamaño de paso de 0.25 La solución real en * = 0 .0 .5* + 1 4 3 2 Solución.0 133.5) = 5. 5 ( 0 .7 46.5 2 desde* = Ohastax = 4con un tamaño depaso 0 .5) .?'. 1) = . 5 * + 4 x .0 1.

25 + [~2(0. dy dx » /(O . y ( l ) = }. Observe que aunque el cálculo captura la tendencia general de la solución verdadera.2 .5) + / ( 0 . el error es E. 8 % . Para el segundo paso. 5.(0. por tanto.5) + 8.5] 0.20(0.1 MÍTOOO D EE U L E R 7TT O O 2 4 x FIGURA 25. este error se puede reducir al usar un tamaño de paso más pequeño. 5 . — —63.3. = verdadero . expresada como error relativo porcentual.5.5 3 2 = 5.5 = 5. El cálculo se repite y los resultados se compilan en la tabla 25.1%.9 5 .25)0.0 es 3.5.1 y la figura 25. El ejemplo anterior usa un polinomio simple para la ecuación diferencial con el fin de facilitar el siguiente análisis de error.875 La solución real en x = 1. 5 desde x = 0 hasta x = 4 con un tamaño de paso de 0. Así. La condición inicial en x = 0 es y = 1.3 3 2 Comparación de la solución verdadera con una solución numérica mediante el método de Euler para la integral de y' = .5) + 12(0.20x + 8 .2 X + 1 2 X . e. De esta forma. 0 3 1 2 5 o.5) . el error relativo porcentual es . Como se analiza en la siguiente sección.0 y. el error es considerable.25 = .25.aproximado = 3.21875 .

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

Por ejemplo.3) f"iM.9) donde E = error de truncamiento local aproximado. La ecuación (25. De esta forma truncamos.) = -6x yf"(x¡. puede verse que el método de Euler corresponde a la serie de Taylor hasta e incluyendo el término f(x¡. y¡)h. 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. Para h lo suficientemente pequeña.1) donde f'(x¡. y.8) E = a a O(lr) (25.7) disminuyen con frecuencia en tanto aumenta el orden (recuerde el ejemplo 4.v..7) para estimar el error del paso inicial del ejemplo 25.2) y¡) es lu segunda derivada de la EDO * .) / 7 4 (E25. podemos usar la serie de Taylor para obtener estimaciones exactas en el método de Euler.6). + 2Ax .2).7) se puede escribir como E. y el resultado a menudo es representado como t 2! (25.1.) . 2 Estimación de la serie de Taylor por el método del error de Euler \ Enunciando del problema.2 y el análisis que lo acompaña).2. Use la ecuación (25.2. Además. Para el presente caso.7) donde E = error de truncamiento local verdadero.25 . EJEMPLO 2 5 . o dejamos fuera.y. Úsela también para determinar el error debido a cada uno de los términos de orden superior de la serie de expansión de Taylor. yi)_ 3! 2 4! h2+ /"(*. y. Al restar la ecuación (25. y¡) — primera derivada de la ecuación diferencial (que es.20 (E25.2) de la (25.12v + 24 (E25. los errores en los términos de la ecuación (25. la segunda derivada de la solución). ésta es /"(.6) se tiene + 0(h ) n+l (25. una parte de la solución verdadera.-) ft3 + / ( 3 ) (*My. Solución. Al comparar las ecuaciones (25.2.-. Debido a que tratamos con un polinomio.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. 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) y (25. f'ixi.

existen limitaciones asociadas con su uso para este propósito: 1.03125 = -2. + £ . las ecuaciones (E25. = E.2..1. 0 3 1 2 5 24 4 4 Estos tres resultados pueden ser agregados para obtener el error de truncamiento total: E. funciones trascendentales como sinusoides o exponenciales) esto podría no necesariamente ser cierto.5 .1 2 ( 0 .5) = . en lugar del valor aproximado (la tercera columna).2 .0 . 5 + 0..2 . el error creado durante un solo paso del método. Como se esperaba. pero mediante el uso del valor verdadero de y¡ (la segunda columna de la tabla) para calcular y¡ . Sin embargo. y¡) es la tercera derivada de la EDO 3) / >(x -. t2 t3 t¥ Como se ilustra en el ejemplo 25. .1) a la (E25. en que conocemos el valor verdadero a priorl. El error local se calculó para cada tamaño de tiempo con la ecuación (25. 0 ) + 24(0. la serie de Taylor proporciona un medio para cuantificar el error en el método de Euler.0.03125 el cual es exactamente el error en que se incurría en el paso inicial del ejemplo 25.5) Para el término de tercer orden: £. Por ejemplo.5) = 0.-.0) .2.20 E. 5 2 7 2 (E25. para el presente caso.2).4) Podemos omitir términos adicionales (esto es. en decir.1.MÉTODOS DE RUNGE-KUTTA y/* (x.2. Sin embargo. .5 J y para el término de cuarto orden: E.2. 3 + E 2 f tA = . Se debería observar que para otras funciones (por ejemplo.6 ( 0 . 0 ) + 24 o (0. y los términos de orden superior podrían tener valores diferentes a cero. ya que para este caso en particular son igual a cero.. = — 12 (0.1 2 (3 ( (IÍ25.y.4) definen por completo el error de truncamiento para una sola aplicación del método de Euler.1 incluimos los errores de truncamiento global y local para el ejemplo 25.2 . derivadas de cuarto y superiores) de la ecuación (E25. el error de truncamiento local absoluto promedio (25%) es menor que el error global promedio (90%).— ^ — (0. = 3 .5) = . En la tabla 25.0 = .8).1).2. No proporciona una medida del error propagado y. el error de truncamiento del término de segundo orden se puede calcular como . La única razón que tendríamos puní hacer estos cálculos do error a&tetoi. La serie de Taylor proporciona sólo un estimado del error de truncamiento local. Observe como E > E > E el cual soporta la aproximación representada por In ecuación (25. del error de truncamiento global. como se hizo en el método ele Euler. por tanto.2 = — .

De acuerdo con la ecuación (25. Como el error local es proporcional a esta función. la serie de Taylor proporciona todavía un conocimiento valioso en el comportamiento del método de Euler. 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. El cálculo se repite. Esto es equiparable a los errores global y local del ejemplo 25.25.1 de 90% y 24. Observe también cómo el error local cambia de signo para valores intermedios a lo largo del rango.4%. Se puede también demostrar que el error de truncamiento global es 0(h). Como se mencionó antes. ño de paso de 0. 3 Efecto del tamaño de paso reducido sobre el método de Euler Enunciadodel problema. todos los errores locales son negativo» y.25. como se esperaba. El método proporcionará predicciones libres de error si la función en turno (es decir. vemos que el error local es proporcional al cuadrado del tamaño de paso y a la primera derivada de la ecuación diferencial. En consecuencia. ya que el método de Euler usa segmento» de línea recta para aproximar la solución.9). En consecuencia. la solución de la ecuación diferencial) es lineal. desde x = 0 hasta x — 1. Repita el cálculo del ejemplo 25. las derivadas necesarias para evaluar la expansión de la serie de Taylor podrían no siempre ser fáciles de obtener. Aunque estas limitaciones impiden el análisis de error exacto para la mayoría de los problemas prácticos. el error global aumenta sobre este intervalo. un método de M -ésimo orden dará resultados perfectos si la solución en turno es un polinomio de n-ésimo orden.. 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. el error local disminuye a un cuarto y el error global a la mitad. En la sección . Se puede reducir el error al disminuir el tamaño de paso. la segunda derivada podría ser cero. es decir.46]. 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. Así.8%. Éito no podrí«aer ol caso en un problema real. debido a que para una línea recta. pero ahora use un tama- \ i í j i j | Solución. que se describen en las siguientes páginas.2) y vea la figura 25. el error de truncamiento local será 0(h" ) y el error global 0(h"). Estas observaciones nos llevan a las siguientes conclusiones útiles: 1. y los resultados se compilan en la figura 25. Así. Es decir. Además. en problemas reales con frecuencia tratamos con funciones que son más complicadas que los polinomios simples.1. Esto se debe principalmente a que la primera derivada de la ecuación diferencial es una parábola que cambia de signo [recuerde la ecuación (E25. Esta última conclusión tiene sentido intuitivo. como lo nnalizaromoa dtapuói. 1969).2. De ahí que se haga referencia al método de Euler como uno de primer orden.4a.2. Debería también observarse que este patrón general se cumple para métodos do orden superior de un paso. 2. +1 EJEMPLO 2 5 . en consecuencia.

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

3. son en extremo simples de programar. 500 5 000 1 0.1 %. En la próxima sección se desarrolla un algoritmo de cómputo para el método de Euler. presentamos técnicas de orden superior que dan mucha mayor exactitud con el mismo esfuerzo computacional. 50 . a pesar de su ineficiencia. el error todavía excede 0.5 . Más adelante en este capítulo..20x + 8. 3 2 ma que estamos examinando en los ejemplos 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 .001. la simplicidad del método de Euler lo hace una opción extremadamente atractiva para muchos problemas de ingeniería. Como este tamaño de paso corresponde a 5 000 pasos para ejecutar desde x = 0 hasta x — 5.001 Tamaño de paso FIGURA 2 5 .1 al 25. (25. 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.01 0. Pieos . 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) .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.1 0. . Observe que aun cuando h so reduzca a 0. La gráfica muestra el error global relativo porcentual absoluto en x = 5 como una función del tamaño de paso.1. Ya que es muy fácil de programar. Sin embargo. debería observarse que. la técnica es en particular útil para análisis rápidos. 25.5. Como se especificó en el inicio de este capítulo.

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 último. existen varios factores relacionados con la forma en que establecemos las iteraciones. podría ser crítico si deseamos modificar y mejorar el algoritmo. Esto es.001.1.5. podría ser 3. no está muy bien diseñado. A usted le gustaría integrarla hasta x = 4 usando un tamaño de paso de 0. suponga que el tamaño de paso se habrá de volver muy pequeño para obtener mayor exactitud. 'set ¡ntegratíon range x¡ = O xf = 4 'initialize variables y =i X = XÍ 'eet step eize and determine 'number of calculation steps dx. Un pseudocódigo simple para realizar lo anterior podría ser como el que está escrito en la figura 25. y el más importante.5 nc (xf-xi)/dx 'output initial condition PRINT x. Además.999997 en lugar de 4. no es muy modular.20x + 3. el algoritmo está imposibilitado sobre la suposición de que el intervalo de cálculo es uniformemente divisible entre el tamaño de paso. el número de variables de salida podría ser muy grande. si dx fuera cambiada a 0. Aunque esto no es muy importante para un programa así de pequeño. a usted le gustaría usar el método de Euler para integrar / = -2x + \2x . Por ejemplo. y END OQ .20x + 8. = 0. En tales casos. ¡Para dx = 0.5. y 'loop to impiement Euler's method 'and dieplay reeulte DO i =1. debido a que cada valor calculado se despliega.1.6. el resultado al final del cálculo podría ser 3. 3 2 .5 y = y + dydx • dx x = x + dx PRINT x.999892! 2 2 FIGURA 25.4. Primero.1. Además. Aunque este programa "hará el trabajo" de duplicar los resultados de la tabla 25.M É T O D O SD E RUNGE-KUTTA Suponga que usted quiere realizar el cálculo simple expuesto en la tabla 25. con la condición inicial de que y = 1 enx = 0. Por ejemplo.01 y se usara la representación estándar IEEE de punto flotante (cerca de siete cifras significativas).nc dydx = -2X + 12X .6 Pseudocódigo paro una versión "muda" del método de Euler. y que desplegara todos los resultados.

y. todo lo que se requiere para aplicar este algoritmo con otros métodos de un paso es modificar esta rutina. La rutina Integrator llama después A la rutina Euler que toma un solo tamaño de paso con el método de Euler. Mientras que tal modularización podría parecer que sobrepasa al caso actual.. y. xp y yp . y. Así. que indica el intervalo en el cual los resultados calculados se guardan en arreglos. La rutina Euler llama A la rutina Derívate que calcula el valor de la derivada. Esto 20x + hasta x os. y.1. END SUB ENP DO KF. Así. ^. 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. 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. xend) DO IF (xend . dydx) dydx = . Por ejemplo.7 Pseudocódigo para una versión modular "mejorada" del método de Euler. Un o en la IA 25. Por le punto >dría ser • I • • • I H H • fl I H H • • fl S fl H En la figura 25. y.. los intervalos no tienen que ser uniformemente divisibles entre los tamaños de paso. y. m m FIGURA 25. xend) m = m+ 1 xp = x m d] Rutina para determinar la derivada 5U3 Derive (x. Estos valores se guardan en arreglos de tal modo que se tenga salida en diferentes formas una vez que termine el cálculo (por ejemplo. 1(1 nluorilnio no da la salida A todos los valores calculados. grandes y pequeños. En lugar do esto. h. h.unque deseamos las pequeilado se joritmo temente x + dx 4 . en condiciones lógicas. h. facilitara en gran medida la modificación del programa en las últimas secciones. ynew) CALL Derivs(x. 1 . h.1. el módulo de Euler es la única parte en que el método es específico. xout. El programa principal toma grandes tamaños de paso y llama A una rutina denominada Integrator que hace los tamaños de cálculo más pequeños.x < h) THEN h = xend . escritura en un archivo). el usuario especifica un intervalo de salida. 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. impresión. gráficas.5ULTS DISFLAY END IF (x £ xf) EXIT yp =y m .x CALL Euler (x.7 está diseñado específicamente para implementar el método de Euler. aunque el programa de la figura 25.7 NO despliega un algoritmo mucho más modular que evilu esas dificultades. Observe que los ciclos controlan ambas salidas de paso.

c = 12.1) 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 1.4. Sin embargo. este aumento en la flexibilidad se gana a expensas de evaluar tres coeficientes en lugar de uno.2). el método de Euler proporciona una alternativa conveniente para obtener una solución numérica aproximada.1)] para propósitos comparativos.4.1. Se puede desarrollar un programa de cómputo a partir del pseudocódigo de la figura 25. 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. las cuales para este caso son igual a 8. Esas soluciones fueron para el caso en el g = 9. el modelo matemático resultante es más difícil de resolver en forma analítica. Observe que la gráfica también muestra la solución para el modelo lineal [véase ecuación (E25. y a. 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.5.4. 2.1) como numérica con el método de Euler (ejemplo 1.2)]. m = 68.2) donde g. Usted recordará de la parte uno que nuestro mo— = g v (E25. Este modelo lo proporciona dv dt = g v + a m m4x (E25.3.726 MÉTODOS DE RUNGÉ-KUTTA EJEMPLO 2 5 . Lineal No lineal .1). | FIGURA 25.4.7. respectivamente.8 j j Resultados gráficos para la solución de la EDO no lineal [véase ecuación (E25.8.1 y v = 0 en t = 0. Podemos usar este software para resolver otro problema asociado dv con la caída c del paracaidista. 4 Rto iv l tindo a l E D O con computadora Enunciado del problema. En este caso.2 y 46. Además.myc son las mismas que en la ecuación (E25.4. b y i» son constantes empíricas.

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

Las dos derivadas se promedian después con el fin de obtener una estimación mejorada de la pendiente para todo el intervalo.2. de hecho ambas modificaciones pertenecen a una clase mayor de técnicas de solución llamadas métodos de Runge-Kutta. Este procedimiento. Sin embargo. los presentaremos primero para su derivación formal como métodos Runge-Kutta. Se dispone de dos simples modificaciones para evitar este defecto.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).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. .9 Ilustración gráfica del método de Heun. FIGURA 25. conocido como el método de Heun. como éstos poseen una interpretación gráfica muy directa.3. 25. o) Predictor y b) corrector. Como se demostrará en la sección 25.728 MÉTODOS DE RUNGE-KUTTA 25. se ilustra en forma gráfica en la figura 25.

16) l+l = y.) se usa para extrapolar linealmente a y ¡ .zarRecuerdo que en el método PBL M É T O D O . la pendiente al inicio de un intervalo y¡ = f(x¡. una estimación anterior podrá usarse de manera repetida para proporcionar una estimación mejorada d e y . y ° y ¿ + i = y.)h ^ <+»'^+> x i+} X¡> (25.10.12) y (25.y? ) i+í +l (25.yi)h (25. ¡ . El proceso se ilustra en la figura 25. Es por esto que la distinguimos con un superíndice (25. + . / ( * . Mejora una estimación de y cálculo de una estimación de la pendiente al final del intervalo: + 1 i+l y' ¡+1 =f(x . y = y'¡ + y¡ i + = / f e .16) t i e n e y en ambos lados del signo igual. .y. se puede expresar en forma concisa como Predictor (figura 25. h la cual es conocida como ecuación corrector.+). ) + /(x.P E B U E W de Euler.15) (25. Como con los métodos iterativos similares analizados en secciones anteriores de este libro. + l mmm¡ + f(xi. las dos pendientes [véase ecuaciones (25. Como se desarrolló antes. + f( y. El método de Heun es el único método predictor-corrector de un solo paso que se describe en este libro.14) Así. un criterio de terminación para la convergencia del corrector está dado por [recuerde la ecuación (3. Esto es. y. y . Heun l a y . Debería entenderse que este proceso iterativo no necesariamente converge sobre la respuesta verdadera sino que lo hará sobre una estimada con un error de truncamiento finito. .13) es llamada ecuaciónpredictor. + 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 . se puede aplicar en una forma iterativa.9a): Corrector (figura 25.13) en el método de sino una predicO. La ecuación que permite el Para el método estándar de Euler deberemos parar aquí. ción intermedia.13) no es la respuesta final.96): y° y = y.) + ) h Observe que como la ecuación (25. Sin embargo." f( X y.14)] pueden combinarse con el fin de obtener una pendiente promedio para el intervalo: -. Todos los métodos multipaso que se analizarán más tarde en el capítulo 26 son de este tipo.5)] í+1 + . El método de Heun es un procedimiento predictor-corrector. ) + /(*. como se demostrará en el siguiente ejemplo.12) y?+i=yi (25. calculada en la ecuación (25.

FIGURA 2 5 .5. la cual es igual a 4. La condición inicial en x — 0 es y = 2.5y desde x — 0 hasta x = 4 con un tamaño de paso de 1.I) y 1.5(2) = 3 0 Este resultado difiere mucho de la pendiente promedio actual para el intervalo de 0 a 1.2.3 v Esta fórmula se usará para generar los valores de la solución verdadera en la tabla 25. i y¿+i donde y{ ¡ y y{ mente.1946. 1 0 Representación gráfica de la iteración del corrector del método de Heun para obtener un estimado mejorado. 5 A (E25. 0M Solución.0 .4). Use el método de Heun para integrar y' = 4e — Q. y ) se calcula como 0 0 y = 4e° .0. podemos usar cálculo para determinar la siguiente solución analítica ) + 2e . como se calculó de la ecuación diferencial con la ecuación (PT6. Antes de resolver el problema de manera numérica. la pendiente en (x . Primero. + j-i yi i+ 100% (25. . respectiva- EJEMPLO 2 5 .17) +x resultan de la iiteración anterior y actual del corrector. 5 Método de Heun Enunciado del problema.0.

1992489 83.62 y .7432761 77.701082)1 — ^ 1 = 6.15)] para obtener un estimado de y en 1.4 al compararlo con el método de Euler.275811 .701082(1) = 6. con la condición inicial de que y . El valor verdadero en la tabla 25.0.1946314 14.7350962 La solución numérica se obtiene al usar el predictor [véase ecuación (25.3 Comparación de los valores verdadero y aproximado d« la Integral de y' m 4e . para mejorar el estimado para y usamos el valor y\ para predecir la pendiente al final del intervalo: i + v y \ = f( . el método de Heun sin iteración del corrector reduce el valor absoluto del error por un factor de 2.0000000 6.2 muestra que corresponde a un error relativo porcentual del 25.3%.0: y°i = 2 + 3(1) = 5 Observe que éste es el resultado que se podría obtener con el método estándar de Euler.3608655 15.7010819 16.3389626 y .1946.8 . = 2 + ± a8<1) -0.y°) Xl = 4e o m ) .68 3 . Ahora.18 2.16)] para dar la predicción en x = 1: yi = 2 + 4.46 10. H Xvtrdadaro 0 1 2 3 4 2.94 10. Así.un H u n i £ f i (%) 0 .00 2 .17 3.0000000 6.3197819 37.09 3.3377674 2.701082 la cual representa un error relativo porcentual de .2 en x » 0.0.3022367 34. al sustituir el nuevo resultado en el lado derecho de la ecuación (25.18 9. Este resultado puede ser sustituido en el corrector [véase ecuación (25.5y.0000000 6.5(6.5(5) = 6.6771718 75. ¡unto con el error relativo porcentual absoluto.00 8. Ahora dicho estimado podrá usarse para refinar o corregir la predicción de y.8439219 33. 1 8 % . Loi valores aproximados se calcularon mediante el método de Heun con un tamaño de paso de 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.T A B L A 35.402164 y 2 que es más cercana a la pendiente promedio verdadera de 4. Se muestran dos casos que correspondan a números diferentes de iteraciones del corrector. 0Bx Iteraciones del m é t o d o d e H e u n 1 15 (%) 0.16): [3 + 4<? y.

68%.360865.18) y la regla trapezoidal [véase ecuación (21.y .382129 que representa un |£. Este resultado. para tamaños de paso lo suficientemente pequeños. puede sustituirse en la ecuación (25. 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 .16) para corregir aún más: [3 + 4 e y. se tiene después de 15 iteraciones.275811)1 ~ ^ 1 = 6. Tales incrementos pueden ocurrir en especial para grandes tamaños de paso. donde la EDO es únicamente función de la variable independiente. Para casos tales como los polinomios. a su vez.3)].5(6.31 %. Sin embargo.03%.26)] no es requerido y el corrector se aplica sólo una vez para cada iteración. las iteraciones deberán converger eventualmente sobre un solo valor.3)] se puede definir como .2 muestra los resultados de los cálculos restantes mediante el uso del método con 1 y 15 iteraciones por paso.19) mdx (25. = 2 + i a 8 ( 1 ) -0.-+i =y¡ mdx (25.+ iI /"• /+l dy = J f(x)dx / y .18) Observe la similitud entre el lado derecho de la ecuación (25. el cual representa un error relativo del 2. Para esos casos. y nos previenen de dar la conclusión general de que con una iteración adicional se mejorará el resultado. la derivada es una función de la variable dependiente y y de la variable independiente x.732 MÉTODOS DE RUNGE-KUTTA el cual representa un error relativo porcentual del 1. recuerde del capítulo 21 que In regla trapezoidal [véase ecuación (21.21) Ahora. Observe cómo los errores algunas veces crecen en tanto se ejecutan las iteraciones. el paso predictor [véase ecuación (25. + i . 6. = jT' + (25.20) y. Para nuestro caso. la técnica se expresa en forma concisa como y¡+\ = y¡ + ^ h (25.| de 3. La tabla 25. En el ejemplo anterior.

y. ae puede representar como i + 1 . + i / 2 ) (25.rmMTTODO D EB U L Í H M (25. este valor predicho se usa para calcular una pendiente en el punto medio: y. V / | | ) donde h = x.^. esta técnica usa el método de Euler para predecir un valor de y en el punto medio del intervalo (véase la figura 25. — x. Conocido como método del punto medio (o del polígono mejorado o el modificado de Euler). Además. que muestra el resultado con el uso del método de Heun para resolver el polinomio del ejemplo 25. al disminuir el tamaño de paso aumenta el error a una velocidad mayor que para el método de Euler.27)] no puede aplicarse de manera iterativa para mejorar la solución.26) el cual se toma para representar una aproximación válida de la pendiente promedio para todo el intervalo.22) (25. Dicha pendiente es usada después para extrapolar linealmente desde x¡ hasta x¡ (véase figura 25.22) en la (25.2 Método del p u n t o medio (o del polígono mejorado) La figura 25.21) se tiene f(x.18). y¡)- (25.-+i = + x f(x ) i+{ 3'/ H " la cual es equivalente a la ecuación (25.6)] E.Al sustituir la ecuación (25. el método es de segundo orden porque la segunda derivada de la EDO es cero cuando la solución verdadera es cuadrática./(\\d\ / ( A .23) .126): + { (25. Como en la sección anterior. demuestra este comportamiento.25) Después. respectivamente..12a): y.2./ ( .) y .11.23) es una expresión directa de la regla trapezoidal. Así. esto procedimiento podrá también conectarse con las fórmulas de integración de Newton-Cotes. Por tanto. el error de truncamiento local está dado por [recuerde la ecuación (21.-+i /2 = >•/ + /(A"Í. el corrector [véase ecuación (25.24) donde § está entre x¡ y x . la cual se denomina método de punto medio. Como la ecuación (25.+i/2 = /fe+i/2. los errores local y global son 0(h ) y 0(h ). Recuerde de la tabla 21.1.12 ilustra otra modificación simple del método de Euler. — h ' 12 (25. La figura 25. ) | .4 que la fórmula más simple do integración abierta de Nowton-Cotos. i+l 2 2 25.27) Observe que c o m o y no está en los dos lados.

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

el de Heun con un solo corrector y el de punto medio.21) da la ecuación (25. se puede escribir rutinas simples que tomen el lugar de la rutina de Euler en la figura 25. 25. Como en I UN figuras 25.\ i) donde x. En consecuencia. Aunque existen ciertos casos donde técnicas fácilmente programables. b).13a y 25. como la de la ecuación (25. Este algoritmo se puede combinar con la figura 25.2.13Z>. es el punto medio del intervalo (a.3 que las diferencias divididas finitas centradas son mejores aproximaciones de las derivadas que cualquiera de las versiones hacia adelante o hacia atrás. Aun cuando esas versiones requieren más esfuerzo computacional para determinar In pendiente.26) tiene un error de truncamiento local de 0(h ) en comparación con la aproximación hacia adelante del método de Euler.2.4 Resumen Al componer el método de Euler desarrollamos dos nuevas técnicas de segundo orden. los errores local y global del método de punto medio son 0(h ) y 0(A ). el método de punto medio obtiene su nombre de la fórmula de integración en turno sobre la cual se basa.1. pueden aplicarse con ventaja. se pueden programar fácilmente con la estructura general mostrada en la figura 25. 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. De esta manera. así como el método de Heun puede ser conocido como la regla trapezoidal.13c. .7.3 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. el cual tiene un error de 0(h). 2 3 2 25. podrá expresarse como La sustitución de esta fórmula en la ecuación (25.7. cuando se va a implementar la versión iterativa del método de Heun.27). la reducción que se tiene en el error nos permite concluir en una sección subsecuente (véase sección 25.mSm \ )</> = (b ÍV)/(.3.7 con el fin de desarrollar el software para el método iterativo de Heun. Desarrollamos el pseudocódigo para este propósito en la figura 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. Recuerde de nuestra diferenciación numérica en la sección 4. como el método de Euler. Sin embargo. una aproximación centrada. se requiere de algunas modificaciones (aunque estén localizadas dentro de un simple módulo). En este contexto. Con el uso de la nomenclatura para el caso actual. respectivamente.4) que usualmente la exactitud mejorada vale el esfuerzo.

ynew) ye = y + dyldx • h CALL Derivs(x + h. b) punto medio y c) Heun iterativo. de hecho. y. /. ym. ynew) ym = y + dydx • h/Z CALL Derivs (x + h/Z. Ahora V P remos el desarrollo formal de esas técnicas. h. y.A-| I n n . y. 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. Y.h)h (25JH) donde <j> (x¡. h) es conocida como función incremento. 2 5 .5.1): y¡+\ = y¡ +<Ptx¡. la cual puede inteipieltwií como una pendiente representativa sobre el intervalo. dydx) SU£? Midpoint (x. dyldx) ye=y + dyldx • h iter = O DO yeold = ye CALL Der¡vs(x + H. Como se hace notar al inicio de esta sección. La función incremento .(x. ye. y. ye.01 maxlt = 20 CALL Der\vs(x. h. h. dyZdx) slope = (dyldx + dyZdx)/2 ye = Y + slope • h iter = iter + 1 b) Método del punto medio CALL Der\vs(x. dyZdx) 5hpe = (dyldx + dyZdx)/2 ynew = Y + Slope • h x =x +h END 5U3 es = 0. peni todas se pueden denotar en la forma generalizada de la ecuación (25.13 Pseudocódigo para implementar los métodos a) Heun simple. Y.736 MÉTODOS DE RUNGE-KUTTA a) Htun LIMPIA sin corrector c) Heun con corrector SU /3 Heunlter (x.se m t l h l por lo general como (¡¡ t= +U2k¡ + • • • a k £ (23. y¡. 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. YRI<SIV) CALL Derive dyldx) 5U3 Heun (x.y¡. el método de Heun (sin iteraciones) y el de punto medio y. Existen muchas variaciones. la misma técnica de Euler son versiones de una clase nú» amplia de procedimiento de un paso denominados métodos de Runge-Kutta.

29c) = f(xr+ Pn-ih.29/)) q k h) 22 2 A'2 = . respectivamente.v. En secciones subsecuentes desarrollaremos métodos RK de tercer y cuarto orden (n = 3 y 4).1. + pih.28) es y¡+i = y¡ + (a\k\ + a k )h 2 2 (25.29o) (25. Las tres C C U U C Í O I I O N son «l f iit - (25. Además. los métodos RK de segundo orden usan la función incremento con dos términos (n = 2).1 M é t o d o s R u n g e . +q k\h) 2 u 2 (25.y¡) k = f(x./'(.30a) (25. etcétera. p y q al igualar la ecuación (25.1). Una vez que se elige n. Es posible concebir varios tipos de métodos Runge-Kutta al emplear diferentes números de términos en la función incremento como la especificada por n. desarrollamos lies ecuaciones para evaluar las cuatro consuntos doMuonocidus. Así. Por ejemplo.30) con la expansión de la serie do Taylor. k¡ aparece en la ecuación para k .y¡ + q„-\. Esto es.30/)) Como se describe en el cuadro 25.29<¿) Observe que las £ son relaciones de recurrencia.clónelo Un ti «on corialanles y In* k son *i ~ . I p\h.P\ y <?n son evaluados al igualur el término de segundo orden do la ecuación (25.31) I . Observe que el método Runge-Kutta (RK) de primer orden con n — 1 es. en la siguiente sección. la cual aparece en la ecuación para k . los valores para a. Para realizar esto.28) a los términos en la serie de expansión de Taylor (véase cuadro 25.K u t t a d e segundo o r d e n La versión de segundo orden de la ecuación (25. Esos métodos de segundo orden serán exactos si la solución de la ecuación diferencial es cuadrática.v ) ( (25. -\k„-\h) n (25. y. se evalúan las a. .3.. el error do truncamiento local es 0(h}) y el global es 0(h ). a . esta recurrencia hace que los métodos RK sean eficientes para cálculos en computadora. el método de Euler. al menos para las versiones de orden inferior. 2 3 3 2 3 A 25. de hecho. y/ +qi\k\h+ (25.30) donde ki = f(x¡.\k\h + q_ kh n h2 2 H h q„-\. y¡ I tfí\k\h) k-i = /(-V/ + /?2¿. Como cada k es una evaluación funcional. Para esos casos. como I QS términos con h y mayores son eliminados durante la derivación. los errores do truncamiento global son 0(h ) y 0(h ). el número de términos n con frecuencia representa el orden de la aproximación. / b i .

1.p y q .1. y¡)]h 2 + a. + (a k +a k )h l 1 2 2 donde y/) y c > (''' = f(x¡.6) y (B25.5) — -r tiene dx dy dx y.3) w tiene f(x¡ + p\h. si comparamos términos comunes en las ecuación»» (B25.a .3) Este resultado podrá sustituirse junto con la ecuación (B25.6) + 1 La estrategia básica que habrá de resaltarse en los métodos RungeKutta es el uso de manipulaciones algebraicas para resolver los valores de a¡.1.6) sean equivalentes.n consecuencia. lo cual provoca que las ecuaciones (B25.4) o.j 2 7 / ¡ Ahora.1. al suponer u n valor para una de las constantes.1.1. 2 2 yi+i .) 9 x 9 y_ 2 — /i + 0(fc ) 3 («25. Como hay una incógnitu más quo el número de ecuaciones. y¡) debe determinarse por diferenciación usando la regla de la cadena (véase sección 25.28) 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. —H Las anteriores tres ecuaciones simultáneas contienen las cuitlfU constantes desconocidas. y¡ + quhh) y¡\ \ = y. y¡) + p\h — (B25. p¡ y q . 1 Lu versión a segundo orden de la ecuación (25. a . y¡) + a f(x¡.1. = j aiqu ai + a = 1 2 1 <>iP2 = ^ 1 K(x + r. La serie de Taylor para una función de dos variables se define como [recuerde la ecuación (4.1.+ . podemos determinar las nlrui F.1. y + .33) Cuadro 2 5 . determinamos que para hacer equivalen tes a las dos ecuaciones.1. primero usamos una serie de Taylor para expandir la ecuación (B25.7) Si sustituimos ecuación en la ecuación (B25. y) + r— 9 # 9 # +x r o iH .) =la— +(B25. Sin embargo. .. 9/Uy) .32) (25.y)dy dy (B25.3).9/" +a2 ?n/te. recordamos que la serie de Taylor de segundo orden para>> en términos de y.y.1.+ r ><//') +a qnh f(Xi.y¡ + /fe y¡)h + donde / ' f e . se debe cumplir lo siguiente: (B25.11)] l 2 i it ¡+1 e s t a = y¡ + aihf(x b y¡) + a hf(x¡. =v + / U . p\— 2 b( b e t3 /b 3 .1) y (B25.1. y¡+\ = y¡ + [«i/fe. y. no existe un conjunto único do cnnulimtes que satisfagan las ecuaciones.1) debemos determinar los valores para las constantes a . existe una familia de métodos do sc|tumla orden min quo una sola versión.7). y.1.5) .26)] 2 u b b ?. y ^ + ( . Para ello. /'fe.738 M É T O D O S D i RUNGE-KUTTA (25.1) Si se aplica este método para expandir la ecuación (B25.-) + a p\h 2 2 +dx y¡)^.yi+qukih) (B25. y /(*/• y) escrita como [véase ecuación (25. v ) = x(x.1.1. 2 y ¡) df(x.1) para dar y i+l Al usar la ecuación (B25. al agrupar términos.1.2) en la (B25.1. .1.3): (B25.2) +á k\h— u 9 / dx dy + (Hlf) ki = ñx¡+pih.Para ello.1.4) se i (x¡.

v Como tenoinos tres ecuaciones con cuatro incógnitas.36a) (25.35) Debido a que podemos elegir un número infinito de valores para a . = 0.30). Si suponemos que a es 1.376) É l t t M el método del punto medio.0 k = f(x¡ + h. lineal o una constante. p = q — 1/2. al ser sustituidos en la ecuación (25. donde + 1 =y.37) *i = / ( * i . las ecuaciones (25. Entonces se puede resolver de manera simultánea las ecuaciones (25.37a) *2 = f(x¡ + -h.34) y (25.35) podrán resolverse para a¡ = 1/2 y p = q = 1. Cada versión podría dar exactamente los mismos resultados si la solución de la EDO fuera cuadrática. se obtienen diferentes resultados cuando (como es típicamente el caso) la solución es más complicada.33) para obtener ai = 1 . y la ecuación (25. y/) (25.36) donde *i = /(*¿.y¡ + l X -k^ (25. Estos parámetros. En consecuencia. hay un número interminable de métodos RK de segundo orden.30) es ahora 2 2 x n y.2 3 .366) Observe que k es la pendiente al inicio del intervalo y k es la del final. entonces a. 3 M IW W P B RUNGE-KUTTA 2 i:! <Jüi i . Si suponemos que a es 1/2. debemos suponer el valor de una de estas incógnitas para determinar las otras tres.a 2 (25. y. Sin embargo. este método Runge-Kutta de segundo orden es de hecho la técnica de Heun sin iteración. y¡ + k h) 2 x x 2 (25. A continuación presentamos tres de las versiones más comúnmente usadas y preferidas: Método d e Heun con un solo corrector ( o = 1 / 2 ) . + kh 2 (25.34) 1 Pl=qn = 2V 2 2 (25. dan 2 2 { n y i=y í+ i + (^k l + \ h ^ (25. .31) a (25. El método d e punto medio ( a = 1 ) . Suponga que especificamos un valor para a .

como la EDO es una función sólo de x. y) = .3.14 y tublu 25.20(0) + 8. 109375 K . 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.8. tal resultado carece de relevanri» sobre el segundo paso [el uso de la ecuación (25. y. Compare los resultados con los valores obtenidos con otro algoritmo RK de segundo orden: el método de Heun sin corrector de iteración (tabla 25. La pendiente en el punto medio puede entonces sustituirse en la ecuación (25.37)| y el método de Ralston [véase ecuación (25.5) que podría habar sido usada por el procedimiento de Euler.25) 4.5 3 2 Sin embargo. Solución. El primer paso en el método de punto medio es el uso de la ecuación (25.5 = 8.21875 3 2 2 Observe que tal estimación de la pendiente es mucho más cercana al valor promedio para el intervalo (4.386) Comparación de varios e s q u e m a s RK d e segundo orden Enunciado del problema.4% £1 calculo le repite.2 ( 0 ) + 12(0) . 2 5 ) + 12(0.20(0.3.MÉTODOS DE RUNGE-KUTTA v _ Mfttodo Rulitori ( a 2 / 3 ) . y los r e t u l t a d p i M m u m e n en la figura 25.2 ( 0 .21875(0.13): f(.v 0 es y = 1. = 3.37) para predecir v (0. Para esla versión.3).376)] para calcular k = .3 la) para calcular ki = .38)] para integrar numéricamente la ecuación (PT7.4375) que la pendiente al inicio del intervalo (8.38«) ki = f(x¡ + \h.+ \hh^ (25.5) .2 J T -f 12x 2 - 20JC + 8.5.5 desde x = 0 hasta x = 4 usando un tamaño de paso de 0.5) = 1 + 4.x. La condición inicial en . Use el método de punto medio [véase ecuación (25.. .25) .5 = 4. ti 1/3 y 2 t Pi=V\i= 3 / 4 : donde k\=f{x¡.y¡) (25.

5.347656 2.375) + 8.5 1.81250 1.00000 0 6.0 1 .2 9.l £ (%) 0. Por medio del método de Ralston.21875 2.0 5.21875 3.140625 2.2 ( 0 .4 ó.7 10 .l y l£.71875 4 .375) .101563 2.0 17.031250 0 1.00000 3.4 5.00000 4 . 3 Comparación de los valores verdadero y aproximado de la integral da y' = .8 12.3 0 1. 3 7 5 ) + 12(0.8 7. con la condición inicial de que y .6 0 1.5 2.81250 4 .5 y [véase ecuación (25.50000 3.0 1.386)] x k = .855469 4.1 25.00000 2.00000 2. 3 2 Heun X Punto medio (%) RK Ralston de s e g u n d o o r d e n (%) Xverdadero 1.5 8.00000 3.00000 3.0 0.117188 4 .68750 2.75 2.93750 3 .6 4 .9 1.5 21.37500 4.37500 2.6 12.800781 3.5 = 2.0 3. Los valores aproximados se calcularon por medio de tres versiones de los métodos RK de segundo orden con un tamaño de paso de 0.l y | .484375 3.609375 3 0 3.5.3 10.20x + 8.20(0.1 en x = 0.984375 1.7 2.0 2.0 2.109375 2.71875 3 00000 y l£.43750 3.FIGURA 25.58203125 3 2 2 T A B L A 2 5 .5 3.14 Comparación de la solución verdadera con soluciones numéricas usando tres métodos RK de segundo orden y el método de Euler.18750 4.5 4. k para el primer intervalo es también igual a 8.2 X + 12X .8 3.00000 3.4 4.277344 3.

y¡ .5) = 1 + 4. En cualquier caso.3.y ) x l i (25. = . y¡ + l l k = f(x¡ 2 -k h^ x (25.1 .39a) + -h.kih + 2k h) 3 2 Observe que si la derivada es sólo una función de x. Ello se debe a que lu regla de Simpson 1/3 proporciona estimaciones exactas de la integral para cúbicas (recuerde el cuadro 21.14 y tabla 25. Como hicimos notar con lo* procedimientos de segundo orden. y dan resultados exactos cuando la solución es unn cúbica. 25. este método de tercer orden se reduce a la regla de Simpson 1/3. por tunlo. Al tratarse de polinomios. Observe que todos los métodos RK de segundo orden son superiores al método de Euler. El resultado de dicho desarrollo es de seis ecuaciones con ocho incógnitas. La siguiente.3 M é t o d o s R u n g e . = 1 (8.39c) k = f(x¡ + h. se debe especificar con antelación los valores para las dos incógnitas con el fin de establecer los parámetros restantes.39) será también exacta cuando ln ecuación diferencial es cúbica y la solución es de cuarto orden. 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 .58203125) = 4. Por tanto. 8 0 le conoce como método RK clásico de cuarto .3).MÉTODOS DE RUNGE-KUTTA La pendiente promedio se calcula por </.5546875(0. <sn la forma de uso más común y. los métodos RK de tercer orden tienen errores local y global de 0(h ) y 0(h ). Ralston (1962) y Ralston y Rabinowitz (1978) desarrollaron una versión alternativa que proporciona un límite mínimo sobre el error de truncamiento. respectivamente.27734375 s.3.2 M é t o d o s de R u n g e .5) = 3.K u t t a de cuarto o r d e n El más popular de los métodos RK es el de cuarto orden.3.K u t t a de tercer o r d e n Para n = 3. 8 2 % Los cálculos se repiten y los resultados se resumen en la figura 25.5) + ^(2.3%) (25. 4 3 25. la ecuación (25. se puede hacer un desarrollo similar al del método de segundo orden.5546875 la cual se usará para predecir y (0. hay un número infinito de versiones.

Además. FIGURA 25.i 4 *-/:iortM . (25. el método RK. .. entre la que se cuenta el método RK de cuarto orden. + — (*.y¡ + kih) (25. La ecuación (25.40a) Observe que para las EDO que sólo son función de x.40c) h = f (XÍ + h.25 J FFLFPGI D E RUNGE-KUTTA y t + 1 2 3 >HI R ><.>/.15 Ilustración gráfica de las pendientes estimadas.40) entonces representa un promedio ponderado de éstas para llegar a la pendiente mejorada.406) ¿3 = + \h. + 2 ¿ + 2k + k )h (25 . cada una de las & representa una pendiente. el método RK clásico de cuarto orden es similar a la regla de Simpson 1/3.15. y¡ + ^hhj ' (25.de cuarto orden tiene similitud con el procedimiento de Heun en cuanto a que las estimacionei múltiples de la pendiente son desarrolladas para alcanzar una pendiente promedio mejorada para el intervalo. .40) donde *i = / ( * .40a) *2 = /(•*/ + ¿ A . Como se muestra en la figura 25. yi + ^ i * ) (25 .

5(2.5) = 1 + j^[8.y) = -2x 3 2 Use el método RK clásico de cuarto orden [véase ecuación + l2x -20x + 8.877653) = 4 e 3 o m 2 5 ) i 1 | | .y) =4e * 0S -0.446785 l | Después. el método de cuarto orden da un resultado exacto.21875.40úT) para calcular k = 8. .25.21875)+ 1. 2.723392) = 4.40)] para integrar a) f(x. k = 4.5 + 2 ( 4 . las cuatro estimaciones de la pendiente se combinan para obtener unu pendiente promedio.5 y una condición inicial de y = 1 en x = 0. 2.75 k = /(0.5(2.5y usando h = 0.5) = 2 + 3.75) = 3. 8 7 7 6 5 3 k = JX0.0.723392 h = /(0. y(0.40) para obtener x 2 3 4 y(0. .40a) hasta la (25.25. como la solución verdadera es de cuarto orden [véase ecuación (PT7. y b) f(x.744 EJEMPLO 2 5 . la pendiente al inicio del intervalo se calcula como ¿i = / ( 0 .105603 Por último. las cuales se sustituyen en la ecuación (25.510611(0.071785(0. i | y(0.0.5 mediante un tamaño de paso de h = 0.5) = 3. 7 M T t O D O S i ¡ í DE RUNGE-KUTTA Método RK clásico de cuarto orden Enunciado del problema. (25. b) Para este caso.21875 . 2 1 8 7 5 ) + 2(4.877653) = 3.16)].5 con v(0) = 2 desde x = 0 hasta 0. y(0. 2) = 4 e ° ' 8(0) • =3.5.0.5 \ í la cual es exacta.25) = 2 . esta pendiente se usará para calcular un valor de y y una pendiente al final del intervalo.0. a) Se usa desde la ecuación (25. ] Solución.510611 Esta pendiente a su vez se utiliza para calcular otro valor de y y otra pendiente en el punto medio.25) =2 + 3(0. Así.5(3.21875 y £ = 1.723392) = 4 e a 8 ( 0 - 5 ) .25) = 2 + 3. .25. k — 4.75) = 4 e ° 2 8 ( a 2 5 ) .25) = 2.5(2) = 3 Este valor se usa para calcular un valor de y y una pendiente en el punto medio.5. Esta última es entonces usada para realizar la predicción coneluyente al final del intervalo.25] J 0.5. 3.

la ganancia en exactitud para métodos mayores de cuarto orden está afectada por el esfuerzo computacional y complejidad adicional.751521.h 3 + 2 2 y U f c ) 4 (25.3.416) h = f(x¡ + -h.y) =4e 0Hx Use los métodos RK desde el primero hasta el quinto orden -0. 3 5 ( 12 8 \ Comparación de los métodos de Runge-Kutta Enunciado del problema. para resolver f(x. y¡ + ^k. + -L (7^ + 32 *3 + 12Á: + 32k + 7k )h 4 5 6 y ¡ + l = y (25.510611) + 2(3. Están disponibles las fórmulas RK de orden superior como el método de Butcher.41c) h = f(xi + -h.41) donde *i = / ( * / .-k\h + -k h + -jk h .503399(0. }7) (25. y¡ .41e) 12 4 x¡ + h.503399 6 L y(0. y¡ + ^ h + ^k h ) X 2 (25.41a) 4 k = / ( x¡ + -h. y¡ . es recomendable el método de Butcher (1964) y el método RK de quinto orden: .105603] = 3.h + 2(3.446785) + 4.5y .4 Métodos de Runge-Kutta de orden s u p e r i o r Donde se requiere resultados más exactos.5) = 3.751669 la cual se compara de manera favorable con la solución verdadera de 3. 25.—k h + -k h\ (25.-k h + hh ) l X 2 (25 Aid) * s = f(x¡ + ífi.5) = 2 + 3.41/) Observe la similitud entre el método de Butcher y la regla de Boole en la tabla 21.2.25. y¡ + \kih) 2 (25. pero en general.3 M É T O D O S DE RUNGE-KUTTA 741 $ = .

33896. Comparación del error relativo porcentual contra el esfuerzo computacional para los • .39)]. Los resultados se presentan en la figura 25. Solución. el no iterativo de Heun. . el RK clásico de cuarto orden y el RK de Butcher de quinto orden. métodos RK desde el primero hasta el quinto orden. el RK de tercer orden [véase ecuación (25.8. Esta última cantidad es equivalente al número requerida de evaluaciones de la función para obtener el resultado.746 MÉTODOS DE RUNGE-KUTTA oon^(0) <• 2 desde x = 0 hasta x = 4 con varios tamaños de paso. Para órdenes < 4. es el número de aplicaciones de la FIGURA 25. Se realiza el cálculo mediante los métodos de Euler. La cantidad (b — á)lh es la integración total del intervalo dividida entre el tamaño de paso (es decir. observe que la técnica de Butcher de quinto orden requiere seis evaluaciones de la función [véase ecuaciones (25. como en Esfuerzo = n b-a (E25.16 . Compare la exactitud de los diferentes métodos con el resultado en x — 4 con base en la respuesta exacta y(4) = 75.41a) a la (25. «yes igual al orden del método.16. donde graf icamos el valor absoluto del error relativo porcentual contra el esfuerzo computacional.1) donde «y = número de evaluaciones de la función involucradas en particular en el cálculo RK. sin embargo.41/)].

las técnicas RK se ajustan muy bien al algoritmo general delineado en la figura 25.9 y la figura 25.7. 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.1) proporciona una modida burda del tiempo de ejecución requerido para alcanzar la respuesta. como las evaluaciones de la función son con frecuencia pasos consumidores de tiempo.40)]. ynew) CALL Perívs(x. kZ) ym = y + kZ • h/Z CALL Derívs(x + h/Z. ym.H « « J j j | I í ) s técnieu HK puní obtener resultado). k4) &\opc = (k1 + Z(kZ + k3) + k4)/6 ynew = y + elope • h x • x +h END au» . la ganancia en exactitud con el esfuerzo adicional tiende a disminuir después de un punto. Sin embargo. b. (Observe que las curvas primero caen con rapidez y después tienden a nivelarse. y. FIGURA 25. 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.5 A l g o r i t m o s de cómputo p a r a los métodos de R u n g e . La figura 25. La inspección de la figura 25. k3) ye = y + k3 • h CALL Derívs(x + h.16 nos lleva a diferentes conclusiones: primero.17 presenta el pseudocódigo para determinar la pendiente del método RK clásico de cuarto orden [véase ecuación (25.2G.3. los métodos de orden superior alcanzan mayor exactitud para el mismo esfuerzo computacional.16 podrían llevarnos a la conclusión de que las técnicas RK de orden superior son siempre los métodos de preferencia. SUB KK4 (x. k1) ym . y.Í I H W O S D E R U N O B .17 Pseudocódigo para determinar un solo paso del método RK de cuarto orden.K u t t a Como con todos los métodos expuestos en este capítulo. 25. ym.) El ejemplo 25.y + kl • h/Z CALL Derívs(x + h/Z.8. ye. Las subrutinas que calculan las pendientes para todas las otras versiones se pueden programar fácilmente en forma similar. la ecuación (E25. segundo. Asi.K U T T A .

y\. . .. y = 4 y y — 6.O. Integre para x = 2 con un tamaño de paso de 0.5yi dx Solución. En este caso.y„) fi(x. .MÉTODOS DE RUNGE-KUTTA 25. y. 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. I Observe que v. Aplicaciones en la ingeniería pueden involucrar miles de ecuaciones simultáneas.0.5. .3(6) ..1 Método de Euler Todos los métodos analizados en este capítulo para simples ecuaciones pueden extenderse al sistema que se mostró antes.(0) = 4 se usa en lu segunda ecuación más que la V](0. 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. EJEMPLO 2 5 . (25.2): — = 4-0. Resuelva el siguiente conjunto de ecuaciones diferenciales usando el método de Euler. suponiendo que x — 0.0.5) = 4 + [-0.y . Tales sistemas pueden representarse por lo general como dyi dx dyi dx fi(x.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. y i .5) = 6 + [4 ..9 2 . v yi (0. Esto se ilustra mejor con el siguiente ejemplo para el método de Euler simple. . y . 2 . . 25. . Al PROOCFCRÁI manera similar se tiene .5 = 3 y (0..5(4)]0. y . y„) 2 dy„ d x = / „ ( * .4.5) — 3 calculiidu con U primera ecuación.lví ' Se implementa el método de Euler para cada variable como en la ecuación (. . 9 Resolución de sistemas de EDO mediante el método de Euler Enunciado del problema.5 = 6. . .1 (4)J0.3y dx 2 . { 2 — = -0.

25. Esas pendientes (un conjunto de las k ) se usarán entonces para hacer predicciones de la variable dependiente en el punto medio del intervalo. 3. Por último. Solución.5(4) = . 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 ).3.5 0. 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 ).2 Métodos de R u n g e .715 . La figura 25. 4.•• 1. para calcular un conjunto de pendientes en el punto medio (las k ).40)] y son llevadas de nuevo al inicio para hacer la predicción final.094087 0 0. 6 ) = -0. las k se combinan en un conjunto de funciones incremento [como en la ecuación (25. desarrollamos primero las pendientes para todas las variables en el valor inicial.3(6) .0. . *2 .9.25 1.45) .75 /o • =R /(0. 1 0 Resolución de sistemas de E D O mediante el método RK de cuario orden Enunciado del problema.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.715 8. { 2 3 4 EJEMPLO 2 5 .2 h 0.6875 1.2 ¿. a su vez.5 = 4 + ( .45 h x 2 los cuales se usarán para calcular el primer conjunto de pendientes de punto medio.X Yi 4 3 2.8 donde k¡j es el /-ésimo valor de k para lay-ésima variable dependiente. M Use el método RK de cuarto orden para resolver las EDO Primero. debemos calcular los primeros valores de y y y en el punto medio: x 2 y.i = ^(0.5.6. y + k. 8 ) — = 6. del ejemplo 25.2 ) — -3. El siguiente ejemplo ilustra el procedimiento.0 25.0.5 1.5.15 es útil para visualizar la forma adecuada de hacer esto para el método de cuarto orden. debemos resolver para todas las pendientes al inicio del intervalo: * = / ( 0 .44525 9. 6.4.0 1. '.25.45) 1. Es decir. 6) = 4 .1(4) = 1. 4 .9 7. Después.265625 6 6. debe tenerse cuidado al determinar las pendientes. 2 = / ( 0 . Sin embargo. Dichos valores de punto medio se utilizan.5 2.5 = 6 + ( 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 25.857563 yi + k h X2 los cuales serán usados para calcular las pendientes al final del intervalo. . 7 5 ) — = 3.78125) .1 = /(0.1.715125) + 1.5 = 3. I i j y.857563) = 1.5 = 6 + ( 1 .5 2.715125)(0. +k \h X = 4 + (-1.1 .5) = 6 + . 3.5625. 6. Las modificacioncN incluyen: .5625 0.0 y i Yi 6 6.25.40)]: 4 i¡ ! vi(0.471577 25. 3.426171 1.42875 y + k.554688J0. k 4A = / ( 0 .5) = 3.1 .2 + 2 ( .946865 4 3.889523 1. 3.5625.42875) = .554688 k .0 1. 7 8 1 2 5 I • | ¡ I h. 8 + 2(1.326886 8.5 = 6. I | i I . 7 1 5 ) — = 6.i = /(0. +k 2A h h 0.1. 6.109375.857670 7.631794 Los valores de k se pueden entonces usar para calcular [véase ecuación (25.[ 1 .7) puede fácilmente extenderse a sistemas de ecuaciones.115234 6 >' (0.5 1.715125 Éstos se utilizarán para determinar las predicciones al final del intervalo y.1 .25.115234 2. 6.[ .5) = 4 + .~ 2 2 2 el cual será utilizado para calcular el segundo conjunto de pendientes de punto medio. 3. 7 5 . 5 .4.109375.5) = 6.715 + 1.857563) = -1.78125X0. 6. ¿3.631794J0.2 = /(0.632106 8.109375 = 6 + (1.857670 6 2 Al proceder en forma similar para los pasos restantes.5.42875) = 1.750 MÉTODOS DE RUNGE-KUTTA Éstos se usan para determinar el segundo conjunto de predicciones de punto medio.5 = 4 + ( . se obtiene X 0 0.

Introducir el numero de ecuaciones.Y3 Y4 ) hagn clic en el botón Plot. 5. a) Introduzca los valores apropiados para Start X (inicio de X).Y2 .1 radianes. 3 2 4 2 4 Solución. Introduzca las ecuaciones y valores iniciales y después haga clic sobre el botón Cale. Observe cómo es similar en estructura y organización a la figura 25. Incluir ciclos con el propósito de calcular un nuevo valor para cada variable dependiente. Después haga clic en las cuatro variables que quiera desplegar en l a parte superior de la gráfica (Y I . Step Size (tamaño de paso).11)] dyi dx x 2 dyi =l ó .9)] dy-s dy¡.19a. Output Interval (intervalo de salida) y los parámetros para la gráfica como se muestra en la figura 25. m Tal algoritmo se bosqueja en la figura 25. dx dx V4 3 4 3 -16. EJEMPLO 2 5 . Presione el botón Solve de las EDO en el menú principal del TOOLKIT para tener una pantalla similar a la figura 25.2 3 . 4 1 1 1 H fC U A C O IN e S • •' 1. Incluir ecuaciones adicionales con el fin de calcular valores de las derivadas para cada una de las EDO. En el software TOOLKIT de métodos numéricos asociado con el texto. L U N calculados pura I ON modelos lineal y y l e N u l t u t l o s . Este software es conveniente para comparar diferentes modelos de un sistema físico. Por ejemplo. un modelo lineal para un péndulo oscilante está dado por [recuerde la ecuación (PT7.1 sen (y ) 3 donde y y y = desplazamiento angular y velocidad para el caso no lineal. 2. se tiene un programa de cómputo de uso amigable para implementar el método RK de cuarto orden a sistemas. y = y = 0). 4. Dicha pantalla contiene espacios para la entrada y salida de información asociada con la solución de hasta 5 EDO simultáneas de primer orden. 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.18 para el método RK de cuarto orden. 1 1 Resolución de sistemas de E D O con la computadora Enunciado del problema.7. Modificar el algoritmo de tal manera que calcule las pendientes para cada una de las variables dependientes. Integrar I ON valores iniciales para cada una de las n variables dependientes. l y i dx donde y y y — desplazamiento angular y velocidad.785398 radianes. Use el TOOLKIT de métodos numéricos para resolver estos sistemas en dos casos: a) un pequeño desplazamiento inicial ( y . n. 3. y = y = 0) y b) un gran desplazamiento ( V ) = y = 7i/4 = 0. Finish X (termina X). = y = 0.19a. Un modelo no lineal del mismo sistema es [recuerde la ecuación (PT7.

ym. = . xend) m = m+ 1 DO 1 = 1. y.. k4) DO i=1. ym.y.n ym¡ = y¡ + k1¡ * h/2 END DO CALL Derive (x + h/2. ye. h) CALL Derive (x. n yp m=y¡ END DO IF (x > xf) EXIT LOOF DI5FLAY KE5ULT5 END i D) RUTINA PARA DETERMINAR DERIVADAS SUB Derive (x. y.. n ym =y + k2 *h/2 END DO CALL Derive (x + h/2. n Pm= yp.n elope-. y. END SUB 2 FIGURA 25.number of equatione y¡ = ¡nitial valúes of n dependent variables xi . 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 = 1.752 MÉTODOS DE RUNGE-KUTTA a) PROGRAMA PRINCIPAL O " M A N E J A D •" b) RUTINA P A R A TOMAR U N P A S O D E SALIDA Aeelgn valúes for n .. y. n. = (k1.. h.x CALL RK4 (x.initíal valué ¡ndependent variable xf = final valué ¡ndependent variable dx = calculation step slze xout = output Interval x = xi m = 0 SUB Inteqrator (x. . k2) DO 1=1. dy = .n ye = y. dy) dy. X 5UB RK4 (x. + elope. k1) DO ¡ = 1.18 Pseudocódigo para sistemas del método RK de cuarto orden.x < h) THEN h = xend . + 2*(k2 +k3 )+k4 )/6 y¡ = y. y. n. + k3¡ * h END DO CALL Derive (x + h.>=y . n. n. xend) DO IF (xend . k3) DO i = 1. h. * 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.

196).K U T T A Hasta ahora. el tamaño de paso más pequeño necesario para la región del cambio abrupto podría haberse aplicado a todo el cálculo. a) i d X • i V d / t X * 2 Y 1 5 3 0 . Esto cumple las expectativas debido a que cuando el desplazamiento inicial es pequeño.• * i C e t a t b) He» y no lineal son casi idénticos. ya que la suposición de que sen (6) = 0 e s pobre cuando theta es grande. b) Cuando el desplazamiento inicial es n/4 — 0.•:•. sen (9) = 6. las soluciones son mucho más distintas y la diferencia es magnificada en tanto el tiempo sea cada vez mayor (véase la figura 25. esto puede representar una seria limitación. suponga que intentamos integrar una EDO con una solución del tipo expuesto en la figura 25.75 hasta x = 2. 25. Por ejemplo. Esto se esperaba. 7 3 8 3 7 1 d Y d 5 X / = Y 5 0 Variable Valué "•*<*». d Y c 2 K / 1 6 1 .20. presentamos métodos para resolver las EDO que emplean un tamaño de paso constante. sin embargo. Para un número significativo de problemas. para una región localizada desde x = 1.1 A D A P T A T I V 0 3 DSHJNOL-WOTA > ¡> • Function «oles i i I PIOURA 2 5 . En consecuencia. la solución cambia de manera gradual. Si se hubiera empleado un algoritmo con tamaño de paso constante. J S 4 9 F 0 2 .23.5 M É T O D O S A D A P T A T I V O S DE R U N G E . un tamaño de paso más pequeño que el necesario (y por tanto.25. 5 / 0 1 5 7 : d Y 3 ¿ d X = Y 3 6 3 2 .785398. 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. = J 1 . la solución pasa por un cambio abrupto. Para la mayor parte del rango. muchos más cálculos) podría ser una pérdida de tiempo en las regiones de cambio gradual. 1 3 G 3 F ! 0 2 d Y « d / X . 3 . _ _ Y 4 _ _ ^ 3 . Tal comportamiento sugiere la posibilidad de emplear un gran tamaño de paso para obtener resultados adecuados. 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. ..

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

5. EJEMPLO 2 5 . 1 2 Método RK adaptativo de cuarto orden | Enunciado del problema .. y y designa la predicción mediante dos mitades de paso.70108) + 14.86249 14. En el segundo.91297) + 5.72954 + 7. del mismo orden.80164 + 2(8.84392.945681]! = 6.99756) + 12.21730 + 3.yi 2 (25.[ 3 + 2(4. 0Sx e Solución. Para la versión RK de cuarto orden.20104 y (2) = 6. el error de truncamiento local se cstimu diferencia c o m o la dil'orcncia entre dos predicciones usando métodos RK de diferente orden. la ecuación (25.20104 + -[5.43) puede usarse también para corregir la predicción y .40216 + 4. una vez como paso total e independientemente como dos mitades de paso. poro con dilbrenlON tiimuños de paso. Ésta es la misma ecuación diferencial que antes se resolvió en el ejemplo 25. el error A puede representarse como 2 A = y .5.2 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.71283]1 6 Por tanto.5y desde x — 0 hasta 2 usando h = 2 y la condición inicialy(0) = 2.44) Dicha estimación es una exacta de quinto orden. 14. La predicción simple con un tamaño de paso h se calcula como y (2) = 2 + . Recuerde que < la solución verdadera es y (2) = 14.11105]2 = 15.y + ~ 2 2 (25. el error aproximado es K.[ 3 + 2(6.43) Además de proporcionar un criterio para el control del tamaño de paso. Si y.15. La diferencia en los dos resultados representa un estimado del error de truncamiento local. Use el método RK adaptativo de cuarto orden para integrar y'= 4 — fj.86249 •-. la corrección es 2 y <.01622 .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.10584 15 *- 0.10584 6 Las dos predicciones de mitad de paso son 1 y ( l ) = 2 + . 25. designa la predicción de un solo paso.

k. + ^h.0. + t- v v y. ¡Así.84627 la cual tiene una E = -0. = * + + / 37 250. 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.y¡ h = f[x.84392 . 5 l m W + 575 . \ + 5^*4 + (25. 3 ( 1 + -k]h x y.2 Método R u n g e . Un defecto de tal procedimiento es que aumenta en gran medida el esfuerzo computacional.k<h 4 096 / . y¡ . ¿ 5 = f[x¡ + h.01622 = 14.K u t t a Fehlberg Además de dividir el paso como una estrategia para ajustar el tamaño de paso. -{ 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 (25.46 donde ki = f(x¡.—kih + -k h . Los resultados pueden ser restados después para obtener un estimado del error de truncamiento local.+\ >. 13 5 2 5 .14. y¡ + —k h .. un procedimiento alternativo en la obtención de una estimación del error involucra calcular dos predicciones RK de diferente orden.86249 = -0.j/I 110 592 5 Í 2 * * ' 13 824 2 253 \ ' + .—k h + -k h ( 11 5 70 35.45) junto con la fórmula de quinto orden: .—k h + —k h 3 ( X 6 = \ J i 2 3 A + 7 8*' y ¡ + 1631 .86249 . + ^k h 3 x + 9 2 ~k h 2 x¡ + -h. y i) 1 / 2825 . el procedimiento genera la estimación del error con base en sólo seis evaluaciones de la función.00235. 175 H A-.01857 El error estimado puede usarse también para concebir la predicción y (2) = 14. 512 .756 | | MÉTODOS DE RUNGE-KUTTA ol cual se compara de manera favorable con el error verdadero de /-. 18 5 7 5 . . t 25. . 44 275 . = 14.. para una predicción de cuarto y quinto orden se tiene un total de 10 evaluaciones de la función por cada paso. . + ^ 125. usamos la siguiente estimación de cuarto orden * . y ki = ftxj + -h. Por ejemplo.5. Para el caso actual.

75 2 3. Por tanto.83677 .20883 7.83192 \378 621 594 1 771 y i junto con una fórmula de quinto orden: y.3 ADAPTATIVOS DB ^NOi'KUHtt»^ Asi.5.14.09831 10. Use la versión Cash-Karp del procedimiento de RungeKutta Fehlberg para realizar el mismo cálculo del ejemplo 25.23. la estrategia es incrementar el tamaño de paso si el error es demasiado pequeño y disminuirlo si es muy grande.4 0.004842 a 25.832587 12. éstas pueden usarse para calcular la predicción de cuarto orden / 37 250 125 512 = 2+ 1 — 3 + — 4 .13237 12 = 14. algunas veces se le llama el método RK Cash-Karp.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. Debería observarse que los coeficientes particulares usados antes los desarrollaron Cash y Karp (1990).2 4.359883 + 1^6. En general.2 2 1. X El cálculo de las k se puede resumir en la siguiente tabla: Y) 3 3.42765 12.38677 14 336 4 277 I El error estimado se obtiene al restar esos dos resultados para dar E = 14.228398 15.17686 Entonces. Iti HIJO NO puede resolver con la ecuación (25.908511 4.13237 y k k k k k 2 4 5 6 0 0. = 2 + ( ^ 3 + 1^4.46) y el error estimado como lu diferencia de I I I N estimaciones de quinto y cuarto orden.359883 6.6 1.47) . Solución.09831 + -10.832587 27 648 48 384 55 296 + 1 \ 12.83192 = 0. m EJEMPLO 2 5 . se puede usar para ajustar el tamaño de paso.12 desde* = 0 a 2 usando h = 2. 8 3 2 5 8 7 + 10. 1 3 Método de Runge-Kutta Fehlberg Enunciado del problema. 3 5 9 8 8 3 + — 6 . Press y cois.13237 )2 = 14. (1992) han sugerido el siguiente criterio para cumplir con lo anterior: h iictual (25.

Aunque esto funciona bien sólo cuando ocurren valores positivos. Su elección d e y determinará entonces cómo se ha escalado el error. puede causar problemas para soluciones que pasan por cero.2) . excepto aquellos que cruzan muy cerca de cero.21 y 25.46). A .22 muestran el pseudocódigo para implementar la versión de Cash-Karp del algoritmo Runge-Kutta Fehlberg. Una manera para realizarlo sería relacionar A .14. cuando A < A ) y 0. Si usted trata ahora con un caso donde desee errores relativos constantes a un límite máximo preestablecido.4 A l g o r i t m o de cómputo dy Las figuras 25.45 y 25. Por ejemplo. El método RK adaptativo es muy apropiado para la siguienlc ecuación diferencial ordinaria dx + 0.25 disminuye el tamaño de paso ( A > A^). la solución general es y = 0. Este algoritmo es acondicionado des P U E S de una implementación más detallada por Press y cois. s i y = y.075)'] (E25. 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. y (0) = 0.758 MÉTODOS DE RUNGE-KUTTA donde h ¡ y h = tamaño de paso actual y nuevo. 1 4 Aplicación en computadora de un esquema adaptativo RK de cuarto orden Enunciado del problema.6y = iOg-<*-2)7P(O. Por ejemplo.14.21 implementa un solo paso de la rutina Cash-Karp (que son las ecuaciones 25. con un nivel relativo de error. (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. La figura 25.5e (H25. 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. La figura 25. Para tal caso.I) Observe que para la condición inicial. la exactitud será manejada en términos del error relativo fraccional.2 cuando aumenta el tamaño de paso (por ejemplo. Un truco sugerido por Press y cois. pero está limitada por valores máximos absolutos. A = exactitud deseada. El parámetro clave en la ecuación (25.5.47) es obviamente A ya que es su vehículo para especificar la exactitud deseada. usted podría estar simulando una función oscilatoria que repetidamente pasa por cero. y a = exponente constante que es igual a 0. 25. existe ya u n a y igual a ese límite. EJEMPLO 2 5 .5. (1992) para sistemas deEDO. podría necesitar estos valores máximos para figurar en la exactitud deseada. = exactitud actual calculada.

k3) ytemp=y+h*(b41*dy+b42»k2+b43*k3) CALL Derive (x+a4*h.htry..h. b54=35.b65=253.econ=1.dy) yecal=ABS(y)+ABS(h*dy)+tiny IF (x+h>xf) THEN h=xf-x CALL Adapt (x...dcUcl-2&25.dc6=c€>-0./27.yerr) emax=abe(yerr/yecal/eps) IF emax<1EXIT htemp=safety*h *emax~° h=max(abe(htemp)./2764&.25*abs(h)) xnew=x+h IF xnew = x THEN pauee END DO IF emax > econ THEN hnxt=eafety*emax~ *h ELSE hnxt=4.\\.b42=-0..M > para el método RK i ní.9. *h END IF x=x+h y=ytemp END Adapt 25 2 .b53=-70.2 3 . b63=575/.hnxt) PRINTx.13&24.6.. ytemp=y+b21*h*dy CALL Derive (x+a2*h. » 4 J I 0 D 0 S ADAPTATIVOS OE H Ü I W W W U T T A OUVROUTINE RKkc (y.dc4=c4.b4U0.k2) ytemp=y+h*(b31*dy+b32*k2) CALL Derive(x+a3*h.ytemp.y.dy../55296„ dc5=-277.b62=175. 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. dc3=c3-18575..c3=250.x.ytemp.25) / FIGURA 25./594.k5) ytemp=y+h*(b61*dy+b62*k2+b63*k3+b64*k4+b65*k5) CALL Derive(x+a6*h.21 l'Miudocódigo para un solo I« I.h.y h=hnxt ENDDO END SUB Adapt (x.3.dy./62Uc4=125.. xi. tiny = l x 10~ epe=0..epe.5./4096./512.9.b3U3. cU37.yecal.b6U163U55296.39e-4) h=htry DO CALL RKkc(y..ytemp..2. c6=512J1771.y.dy../27.a3=0.2../4&3&4.l3525.yecal.xf.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 . dy.yi x=xí 5 y=y¡ h=h¡ ietep=0 DO IF (ietep > maxetep AND x < xf) EXIT ietep=ietep+1 CALL Deríve(x.a5=Ua6=0.ytemp.yout.0.3M=O./37&.b64=44275. ytemp.hnxt) PARAMETER(eafety=0. b43=1.b5l=-1V54.5./14336.b32=9J40.ñ10592..b52=2.yi maxetep=100 hi~.k4) ytemp=y+h*(b51*dy+b52*k2+b53*k3+b54*k4) CALL Derive(x+a5*h./40. yetr) rARAMETER(a2=0..ytemp. 2 2 iSniídocódigo para resolver muí simple EDO: 1 1) piograma principal y /I] rutina adaptativo I li' poso.375 bZI=0..x.y.epe.00005 prínt *.li-Karp.2.

MÉTODOS DE RUNGE-KUTTA FIGURA 25.1 a fin de que NO hagan 4/(0. se desarrolla el algoritmo mostrado en las figuras 25.21 y 25.1) = 40 aplicaciones de la técnica.8 a 2.2%. La principal discrepancia entre los dos resultados ocurre en la región que va de 1. Solución. 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. Se elige un tamaño de .1) desde x = 0 hasta 4. Primero se usa el esquema clásico de cuarto orden para calcular la curva en la figura 25. Después emplee el esquema adaptativo descrito en esta sección para realizar el mismo cálculo. la cual es una curva uniforme que gradualmente se aproxima a cero en tanto x aumenta.14.23 o) Una función forzada en forma de campana que induce un cambio abrupto en la solución de una EDO [véase ecuación (E25.1 a 0. Después.14. Para hacer este cálculo se usa un tamaño de paso de 0.0.23a). el cálculo se repite con un tama ño de paso de 0. La magnitud de la discrepancia es de alrededor de 0.05 para un total de 80 aplicaciones. Después.1)]: b) La solución. 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. En contraste.236. Los puntos indican las predicciones para una rutina adaptativo paso-tamaño.

Para esos casos.2 I I s ce lm é o t d od eE u e lr c o nh = 0 5 . Observe cómo se loman grandes pasos en las regiones de cambio gradual.23/).R e s u e v la d e s d ex = 0 i l t m t ei ( '0 )=1 .5y p a r a m in v le re lp r o b e l m a2 5 .( . dt y •• 0 2 .R c s u c v lu d e s d ox * 0 h a s t a m e d o 0 2 . la rutina adaptativa "sentirá" su camino para la solución mientras mantiene los resultados dentro de la tolerancia deseada. Después. 1 .1.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 .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 .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 .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 . 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 .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 .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 .PRi paso de 0. d i a n t e // — 0. 5 . 1 .v dx 2 muño de s o b r e a l4 r u n g o q u ev ad ex = 0 a 1 m e d a i n e tu i l n n i l e . 5 .cu dz dt12 en un i t. tiene utilidad en aquellas situaciones donde no se conoce de antemano el tamaño correcto de paso. 5 1 . 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. Asi. d V !< >K e p a t i l o sp r o b e l m a sd e l2 5 1 . =p 0 . 1*.I t e r ee lc o r r e c t o rc o n e = 1%. 1 . p a r ar e s o l v e re lp r o b l e dy_ n in ¡S. 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. Además.00005.G r a f q iu el as o l u c i ó n . Los resultados NO superponen on la figura 25.r G r a f q ie u ee s u sr e s u l t a d o s . I . y0 2 .s c o n y 0 )=2 y z ( 0 )=4 .5 a r a e s o l v r l p r n h l c i n a2 5 .i ( '0) = 2 y y ( ' 0 )=0 . La utilidad de un esquema de integración adaptativo obviamente depende de la naturaleza de las funciones que habrán de modelarse. en la vecindad de x 2 disminuyen los pasos para tomar en cuenta la naturaleza abrupta de la función forzada. 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 . 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 .3 y unti f ~ 0. andará lento por regiones de cambio abrupto y acelerará el paso cuando las variaciones sean más graduales. a l2 5 . Es en particular ventajoso para aquellas soluciones con grandes tramos uniformes y con regiones cortas de cambio abrupto.

7. 25.12 desde x = 0 hasta 1 con h = 1.13 Si e = 0. 25. 25.762 MÉTODOS DE RUNGE-KUTTA 25.17 Desarrolle un programa de uso amigable para el método de Heun con un corrector iterativo.001.15 Escriba un programa en computadora con base en la figura 25. inserte comentarios para la documentación del programa con el fin de identificar lo que en cada sección se intenta realizar.19 Desarrolle un programa de cómputo de uso amigable para sistemas de ecuaciones mediante el uso del método RK de cuarto orden. Pruebe el programa con los mismos cálculos por realizar del ejemplo 25.2.14 Use el procedimiento RK-Fehlberg para realizar el mismo cálculo que en el ejemplo 25. Verifique si el ajuste paso-tamaño es el correcto.15 con los mismos cálculos por realizar de los ejemplos 25. Entre otras cosas.4.16 Pruebe el programa que usted desarrolló en el problema 25. 25. 25. Pruebe el programa usando los resultados de la tabla 25. 25.18 Desarrolle un programa de cómputo de uso amigable para el método clásico RK de cuarto orden.10.14 usando el método adaptativo RK de cuarto orden con h = 0. Use este programa con los mismos cálculos por realizar del ejemplo 25.7 y del problema 25.5.1 y 25.5.12. determine si se requiere un ajuste en el tamaño de paso para el ejemplo 25.12 Calcule el primer paso del ejemplo 25. . 25.

Primero.9986-' 0 0 0 í . Estos algoritmos retienen información de pasos anteriores para capturar con más efectividad la trayectoria de la solución. Aunque los fenómenos transitorios existen sólo para una parte del intervalo de integración.3) y y„r "' .2 000e"' (26.1 RIGIDEZ El término rigidez es usado para denominar a un problema especial que puede surgir en la solución de ecuaciones diferenciales ordinarias. Un ejemplo de una EDO rígida simple es = .1 00 % = -ay Si y(0) = y . puede usarse cálculo paru determinar la solución como u dt s (26.1). Tanto las EDO individuales como los sistemas pueden ser rígidas. la solución analítica se puede desarrollar como y = 3 . Después analizamos loi métodos de rnultipaso.002e"' (26. después de lo cual la solución es dominada por la variación lenta de componentes. Introducimos la idea de una técnica de solución implícita como una de uso común para remediar este problema. describimos las EDO rígidas.005. que pueden estar tanto en forma individual como en sistemas y ambas tienen componentes rápidos y lentos para su solución. . Un sistema rígido es aquel que involucra un cambio rápido en sus componentes junto con un cambio lento de algunos. esta parte transistoria termina y la solución será gobernada por el exponencial lento (e~').1 OOOy + 3 000 . la variación rápida de componentes son transitorios efímeros que terminan rápidamente.1.2) Como se muestra en la figura 26.1) dt Si y(0) = 0. 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. la solución se halla dominada al principio por el término rápido exponencial ( e ° ' ) .CAPÍTULO 2 6 Métodos rígidos y de rnultipaso El presente capítulo cubre dos áreas de estudio.0. pueden dictar el paso del tiempo para toda la solución. 26. También dan la estimación del error de truncamiento que se usa para implementar el control adaptativo tamaño-paso. Después de un periodo muy corto t < 0.2. En muchos casos.

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

b) Use el método de Euler implícito con un tamaño de paso de 0. Tules representaciones se denominan cógnita aparece en ambos lados de la ecuación. a) Use el método de Euler explícito con tamaños de paso de 0. + i = V Í ay h i+y la cual se puede resolver para y¡ y¡+\ = (26. tendería al infinito en tanto progresa la solución. + ( . el resultado captura la forma general de la solución analítica. Para este problema. y. + 1 a) = .0 como i . + ( . Aunque exhibe algún error de truncamiento. \y¡\ —. el método de Euler explícito es y.05 para resolver a y entre 0 y 0.2 000e~ dondey(O) = 0.0015 para resolver a y entre / = 0 y 0. De ahí que el procedimiento es llamado incondicionalmente estable.2a junto con la solución analítica. es decir. Se puede desarrollar una forma implícita del método de liuler al evaluar la derivada en el tiempo futuro.2 000/K? '"' I + I 000/1 .0015) la solución manifiesta oscilaciones.2 OOOe~'0A y b) El resultado para h = 0. + 3 OOO/i . cuando se aumenta el tamaño de paso a un valor justo debajo de la estabilidad límite (h = 0. Sol U C I O N . El método de Euler implícito es y. de A esto se le llama método de Euler hacia atrás o implícito. podemos reordenar esta ecuación de tal forma que y¡ | esté aislada en el lado izquierdo.» °°. los métodos implícitos ofrecen un remedio alternativo.5) 1 +ah Para este caso. Si se sustituye la ecuación (26. .002 daría como resultado una solución por completo inestable. En contraste. EJEMPLO 2 6 .V/+1 iinplia'tus. 1 Euler explícito e implícito Enunciado del problema. ÉL = dt Use ambos métodos: el explícito y el implícito para resolver -1 OOOy + 3 000 . sin importar el tamaño de paso.1 000y¡ + 3 000 .2 000Í?-' Í + 1 )¿ Ahora como la EDO es lineal.3) se obtiene y.0005 y 0. + ) = y.T U Kn lugar de tmnr procedimientos explícitos.4. Usando h > 0.005 se despliega en la figura 26.006.1 0 0 0 y l + 1 + 3 000 .

2b junto con la solución analítica.67c- 302 - 0101 ' ' y = 17.766 MÉTODOS RÍGIDOS Y DE MULTIPASO n = 0.6/0 Para las condiciones iniciales y ^0) = 52. 9 6 e .301y 2 (26.7«) y. Como con la ecuación simple. son los exponentes grandes los que responden rápida mente y son el corazón de la rígidas del sistema. Observe que aun cuando usamos un tamaño de paso mucho mayor que aquel que ha inducido inestabilidad en el método de Euler explícito. la solución numérica ajusta muy bien sobre el resultado analítico. Los sistemas de EDO pueden también ser rígidos.6a) ^ dt = lOOyi . Un ejemplo es d J± = _ 5 y . El resultado para h = 0.0.0015 FIGURA 26.29 yy (0) 2 = 83.7/») Advierta que los exponentes son negativos y difieren por cerca de 2 órdenes de magni tud.82. .99c- 3 0 2 - 0 1 0 1 (26.83e. = 5 2 .3 9899 ' .2 Solución de una EDO "rígida" con los métodos de Euler o) explícito y b) implícito. la solución exacta es (26. + 3 v dt 2 (26.2 3 9899 ' + 65.05 se despliega en la figura 26.

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

768 FIGURA 26.12) s c < localiza ahora en el punto medio más que al inicio del intervalo sobre el cual se hace In predicción._. Como se demostrará después.11) y (26.Y .v. y. Como se ilustra en la figura 26. Sin embargo.-.-) + / ( . v i . una forma para mejorar el método de Heun es mediante el desarrollo de un predictor que tenga un error local de 0(h ).progcdcr a una deducción formal del método dt s .h ).2. X /+1 X a) 26.15)]: (26.3 Ilustración gráfica de la diferencia fundamental entre los métodos para resolver EDO o) de un paso y b) de multipasos. A causa de ello.12) no es de autoinicio.') Observe que la ecuación (26.y /)2 /i (26.1 2 Así. respectivamente. Esto sugiere que el predictor es el enlace débil en el método. Tal valor podría no estar disponible en un problema común de valor inicial. IB»F#DI . Esto se puede cumplir al usar el método de Euler y la pendiente eny .16)]: /(. y . ya que involucra un valor previo de la variable dependiente y¡_. Esta debilidad es significativa debido a que la eficiencia del paso corrector iterativo depende de la exactitud de la predicción inicial.-. +/(. Además.12) alcanza 0(h ) a expensas de emplear un tamaño de paso más grande. observe que la ecuación (26. " i ) f+ + A = yi + (26. no autoinicio.'). 2h.10) yf = yi + f(x )h hyi y la regla trapezoidal como un corrector [véase ecuación (25. esta ubicación centrada mejora el error del predictor a 0(.12) son llamadas método de Heun de. la derivada estimada en la ecuación (26.. En consecuencia.1.4. pues tiene el error más grande.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. las ecuaciones (26. y una información extra del punto anterior Y¡__ como en 3 ( ] y. el predictor y el corrector tienen errores de truncamiento local de 0(h ) y <9(/.

26. a) El método de punto medio que se usa como un predictor. b) La regla trapezoidal que se emplea como un corredor Heun de no autoinicio..15) . Pendiente . resumiremos el método y lo expresaremos usando una nomenclatura ligeramente modificada: Predictor: Corrector: y%.\ A l. M FIGURA 26. m) (20.. = y*_ .4 Una ilustración gráfica del método de Heun de no auloinicio.2 Muimso ». Observe que y " y y"L\ son ios resulta dos finales de las iteraciones del corrector en los pasos de tiempo anteriores.13) i (26.14) donde los superíndices se agregaron para denotar que el corrector se aplica iterativamente dey — l a ni para obtener soluciones refinadas. 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..Hx ..í (paray = 1.2. y¡L.. + f(x„ y"¡)h 1 + ^ ^ Mi&#..

= 9.15): t 6.5(6. la condición inicial enx = 0 es y — 2.3929953 + [ 4 e ° ' 8(0) . u v EJEMPLO 2 6 . y? = -0. El uso de las ecuaciones (26.313749 que representa un e de —1.68%). y = m. El primer corrtetorda.73% (valor verdadero = 6.770 M É T O D O S RÍGIDOS Y DE MULTIPASO Cuando e es menor que una tolerancia de error e preestablecida.607005).5(2)] 2 = 5.5(6.549331 6. Como fue el caso con el método de Heun (recuerde el ejemplo 25. .5 mediante el método de Heun.18% incurrido en el Heun de auto inicio.43% que es superior a la predicción de 12. Sin embargo. la ecuación (26.607005 El corrector [véase ecuación (26. Puede determinarse un estimado de error aproximado usando la ecuación (26. = —2.549331) 1 = 6.360865)] 2 = 13.8%).44346 F.313749 s 100% = 3.3929953 1 en x = — 1. En este punto.549331 la cual representa un error relativo porcentual de —5. el método de multipaso converge a una razón algo más rápida. Use el método de Heun de no autoinicio para realizar los mismos cálculos igual que en el ejemplo 25.0.13)] se usa para extrapolar linealmente ele x — — 1 a i = 1.13) a la (26.0. requerimos la información adicional de que y = —0.7% a La ecuación (26.194631).08260 ( E .5(2) + 4 e 0 8 ( 1 ) . 2 Método de Heun de no autoinicio | \ I ¡ | Enunciado del problema.14) se puede aplicar de manera iterativa hasta que e esté por debajo de un valor preespecificado de e .0. Como cu el ejemplo 25.8(0) _ 0.8x Solución. las iteraciones convergen sobre un valor de 6.360865 (e.5. Sin embargo.Sy d e x = 0 a x = 4 usando un tamaño de paso de 1. Para el segundo paso. integrar y' — 4e° — O. se terminan las iteraciones.92%.0.14)] es entonces usado para calcular el valor: 4e o. Ahora.313749-6. o iteraciones subsecuente* . •1 = 6. Es decir. El predictor [véase ecuación (26. Este error es algo más pequeño que el valor de —8. el predictor es y» = 2+ [4<?°' 8(l) . como el valor del predictor inicial es más exacto.8(i) _o.14) se puede aplicar de manera iterativa para mejorar la solución: y\ = 2 + 3 + 4 e o. = 6.15) para resolver una EDO se demuestra en el siguiente ejemplo.5). = 18%)) que fue calculada con el método de Heun original. como aquí tratamos conunmétodo demultipaso.76693 (e.5(5.13.

con base en un valor previo de y¡ y la ecuación diferencial. Ya emplea- mos conceptos gráficos para deducir el Heun de no autoinicio. + J Í ' ' f(x.21)]: y¡+i=y.1%).16) se tiene . y. /'. .17) en la ecuación (26. Al sustituir la ecuación (26.y) l+ x dx = h (26.2. Es decir./ ' Y U ) (26. Ahora mostraremos cómo las mismas ecuaciones se pueden deducir matemáticamente..... y¡+\ = y¡ + 2 i+] y.16) representa una solución a la EDO si la integral puede ser evaluada. el error de truncamiento puede tomarse directamente de la tabla 21. la regla trapezoidal [véase ecuación (21. Por ejemplo. Esta deducción es en particular interesante porque vincula las ideas del ajuste de curvas.-) + f{x . El ejercicio también es útil porque proporciona un procedimiento simple para desarrollar métodos de multipaso de orden superior y estima sus errores.•• ¡ l'\ (^) 0) 2 = .-+i) la cual es la ecuación corrector para el método de Heun. de la integración numérica y de las EDO. Las fórmulas de integración numérica como las que se desarrollaron en el capítulo 21 proporcionan una manera de hacer esta evaluación. IWUm^ m Deducción y análisis del error de las fórmulas del psedictor-corrector. La deducción se basa en resolver la EDO general d — = f(x. y ) dx x El lado izquierdo se puede integrar y evaluar mediante el teorema fundamental [recuerde la ecuación (25. (t:. la razón de convergencia del corrector ha sido mejorada debido a la mejor predicción inicial.26.3)] se puede usar para evaluar la integral. Como ésta se basa en la regla trapezoidal.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. como en i+ f(x.16) La ecuación (26.y)dx + (26. proporciona un medio para calcular un nuevo valor de la variable dependiente y .30224 —3.17) donde h = x — x¡ es el tamaño de paso. f(x¡.18) donde el Muperfndice c designa que eslo ON el error del corrector. Como con el P O N O anterior.2 MÉTODOSMULTiBMO iU convergen sobre el mismo resultado como uc obtuvo con el método de Heun de autoinicio: 15.

) i (26. más que usar una fórmula cerrada de la tabla 21. el error de truncamiento local se puede tomar directamente de la tabla 21.19) se obtiene y i + i = y.21) donde el subíndice p designa que éste es el error del predictor..hy 3 3 0) (<? ) (26. Así. El error de truncamiento local para el predictor se estima con la ecuación (26.4: E = P Vy'(?) = 3 P \lyfiHp) (26.4) se puede usar para evaluar la integral.!) Mediante un procedimiento similar.. V l ' "^ . los limites de integración van de / — 1 a / +• l: Jy¡-\I J *¡-\ /'Vi II /•»'/ + ! / dy = f{x. Sustituyendo la ecuación (26..yj) el cual es el predictor para el Heun de no autoinicio. como se elabu rara en la siguiente sección. este hecho tiene beneficios adicionales relacionados con el análisis del error. como en f{x. para dar Valor verdadero i * ™ .'. .U) . Estimación DE ERRORES. ya que establece un criterio para el ajuste del tamaño de paso.-_i + 2hf(Xj. el error de truncamiento local puede estimarse durante el curso de un cálculo. Además de actualizar la exactitud del predictor.y.y)dx = 2hf(x .1)] í + I Valor verdadero — y° ¡+l + . ) 1 (20.19) Ahora. la primera fórmula de integra ción abierta de Newton-Cotes (véase tabla 21. y) dx que se puede integrar y rearreglar para obtener y \=y¡-\+¡ i+ f{x.2. Si el predictor y el corrector de un método multipaso son 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. el error estimado para el corrector [véase EEIIIUMII (26.20) la cual es llamada método de punto medio. Como con el corrector.y)dx (26. Para oslo caso.772 MÉTODOS RÍGIDOS Y DE MULTIPASO Un procedimiento similar puede ser usado para deducir al predictor.20) en la ecua ción (26. el predictor y el corrector para el método de Heun de no autoinicio tiene errores de truncamiento del mismo orden.18)] se puede combinar con el resultado del corrector v¡.. Esto es una tremenda ventaja.

84392. el predictor de 5.m i '+y -±h v '(^) 19" 5 E.194631 y 14. si se divide la ecuación (26. está ahora entre x¡_. por tanto. 1 5 0 7 7 22 la cual se compara bien con el error exacto.607005 y el corrector da 6. Solución.24) ( + 1 . Observe que los valores verdaderos e n x = 1 y 2 son 6. Use la ecuación (26..44346 = que también se compara favorablemente con el error exacto. podemos suponer que los lados derecho son iguales y.26) proporciona una base racional para el ajuMe del Inmuno de paso durante el curso de un cálculo. Estos valores se pueden sustituir en la ecuación (26. E.194631 .25) son idénticos. Si no hay una variación apreciable sobre el intervalo en cuestión.26) Así.360865. 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 ™ ) ] .30224.i.'".302. con la = (26. y x rearregla el resultado se tiene (20. v. Ahora.6 3 6 0 8 6 5 ¡ 5 ^ = .. E.44346 y la trayectoria da 15. como en 0 _ . = 6. ^//V'IS) donde ¿.".360865 = -0.843992 — 15.^ (26. + 1 } 3 (y Observe que los lados derecho de las ecuaciones (26. En x = 1. = .0 .2.La ecuación (¿h.26) para dar í + 1 £ c = . = _ 15-30224-13. el predictor da 13. I'or .26) para estimar el error de trunca miento por paso del ejemplo 26.18) y (26. i+ +1 Estimación del error de truncamiento por paso Enunciado del problema. = 14..M = -0. los lados izquierdo deberían ser equivalentes. respectivamente.24) entre 5 y se 5 >. la cual se usa para calcular ¡ + 1 £ t .2.í) para dar < > v.6.1662341 Enx = 2. Lo fácil con que puede eslimuiíto el error mediante la ecuación (26. que son de rutina subproductos del cálculo.4583148.25) excepción del argumento de la tercera derivada.i) puede s e r restada de lii ecuación (2<>.

< y .21) para dar E = P l(y?-y?) (26. Esto es ventajoso debido a que.26) indica que el error es mayor que un nivel aceptable. Tal modificador puede deducirse en forma simple al suponer que la tercera derivada es relativamente constante de un paso a otro. se pueda sustituir en la ecuación (26. 0 + 1 0 + 1 +í ( y r y . ) . el predictor inicial resultante es 5. Por tanto. la ecuación (26. (El símbolo « .607005.) El lado izquierdo es el valor modificado de y"¡ . si la ecuación (26.y i i+ La ecuación (26. 4 i j Efecto d e modificadores sobre los resultados predictor-corrector Enunciado del problema.774 MÉTODOS RÍGIDOS Y DE MULTIPASO ejemplo. si la predicción es modificada adecuadamente. En consecuencia. podríamos reducir el número de iteraciones requerido para convergir sobre el último valor del corrector. no es posible emplearlo para mejorar este resultado inicial.3. ° ) (26. Modificadores. Primero. Solución.30) EJEMPLO 2 6 . el cual se designa para ajustar el resultado predictor de tal forma que esté más cerca del valor convergente final del corrector. Sin embargo. como se observó al inicio de esta sección.5) se puede resolver para + x h^M^-^yf-y?) <3) (3) (26. Vuelva a calcular el ejemplo 26. 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. Ya que el modificador del predictor [véusc ocuución (26. al usar el resultado del paso previo en /.3 usando los modificadorcn como se especifican en la figura 26.27) <. el número de iteraciones del corrector es altamente dependiente de la exactitud de la predicción inicial.29) que se puede usar para modificar el resultado del predictor y . suponiendo quey (^) = y ( ^ . debería percatarse que además de proporcionar un criterio para el ajuste tamaño-paso. debemos observar otras dos formas en las cuales el método de Heun de no autoinicio puede hacerse más exacto y eficiente.30)] requiere valores de una iteración previa.5. el tamaño de paso podría ser disminuido. Antes de analizar los algoritmos de cómputo. la ecuación (26.27) es llamada modificador corrector.28) la cual.se lee como "es remplazado por". Así. Como en el ejemplo 26.26) representa una estimación numérica de la discrepancia entre el valor final corregido en cada p a s o y y el valor verdadero. la ecua- .

360865 (e = —2.210093 en lugar de 6. el modificador no se incluye en este algoritmo. si e < criterio de error.) FIGURA 2 6 . que fue de e¡ = 18.27) se puede usar para modificar el valor corregido de 6. = y? f[x.0. el error se reduce un orden de magnitud. 5 La secuencia de fórmulas usadas para implementar el método de Heun de no autoinicio. donde el subíndice u designa que la variable es no modificable) Corrector: y*^. Para la siguiente iteración. En otras palabras.5.360865 . Así.) 0 a u } E r r o r del corrector e s t i m a d o : (Si el cálculo continúa.3. los errorea propagado y global se reducen por In inclusión del modificador corrector.5(6. = y% . el predictor [véase ecuación (26. + 778 + f|x„ ^ 2 h + u (Guarde el resultado como y° i = M o d i f i c a d o r predictor: . guarde el resultado como )/£. ^ = 6. = —0.360865) en el predictor.-1 (Si le l > criterio de error.6%. h n para / = 1 a iteraciones máximas m) 2 Verificación de e r r o r : 100% VÍ . Esta mejora ocurre debido a que utilizamos aquí un estimado superior de y (6.2 *toD06MUmnASO Pradlcton y° . = 8 .210093 n n n el cual representa un e. y?) + f\x u y ^ i ) . como esto puede afectar la estabilidad del corrector.210093)] 2 = 13.684%).607005 „ „.26.360865 6. asigne /'=/'+ 1 y regrese al predictor.42% el cual es casi la mitad del error del predictor para la segunda iteración del ejemplo 26.. Observe que es posible usar la estimación del error del corrector para modificar el corrector. Sin embargo.13)] se usa para calcular y° = 2 + [ 4 e a 8 ( 0 ) . La estimación del error del corrector está incluida debido a su utilidad para el ajuste tamaño de paso. . asigne / = / + 1 y repita el corrector.25%. ción (26.59423 e. t como en y? = 6.

Sin embargo. = . .21178 15. la ecuación ( ¿6. el método de Heun de no autoinicio sin modificadores es de tercer orden más que de segundo orden. debería observarse que hay sitúa ciones donde el corrector modificador afectará la estabilidad del proceso de iteración del corrector. de nuevo. Sin importar si se usan los predictores modificados o no modificados. Por último.27): y'¡' = 15. Como en el ejemplo anterior.3 debido a la reducción del error global.21178 . Además. — —2. la inclusión de los modificadores incrementa tanto la eficiencia como la exactitud de los métodos multipaso. como se analizará después.59423 = 14. el corrector por último convergerá sobre la respuesta correcta. En particular. la modificación puede reducir el número de iteraciones requerido para la convergencia.19732 1 4 = 4. el cual representa una mejora sobre el ejemplo 26. 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.2. el corrector modifica dor puede todavía tener utilidad para el control de tamaño de paso.88827 e. como la razón o eficiencia de convergencia depende de la exactitud de la predicción inicial.13.30% lo cual. 1963). 3 0 % De nuevo. Así.MÉTODOS RÍGIDOS Y D E M U L T I P A S O Ahora debido a que tenemos información de la iteración anterior.59423 + -(6.0 . este resultado se puede modificar usando la ecuación (26. La implementación del corrector da un resultado de 15. Como se hizo con los otros métodos para las EDO. se debe elegir un valor <le h antes del cálculo. Además. reduce el error a la mitad. el corrector modificador efectivamente incrementa el orden de la técnica. No obstante.5. Esta modificación no tiene efecto en la salida final del subsecuente paso corrector.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. el modificador no se incluye en el algoritmo de Heun de no autoinicio bosquejado en la figura 26. Como consecuencia. como es el caso para la versión no modificada.21178 (e.607005) = 14. 26. Es relativamente simple desarrollar una versión tamano de paso constante del método de Heun de no autoinicio. como en y' = 13. En general.(0) se puede emplear para modificar el predictor..5.48%).360865 . el error se redujo un orden de magnitud. como se emplea un tamaño de paso constante. el tamaño de paso debería ser tan grande como sea posible para minimizar el costo de ejecución y el error de redondeo. 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. Al mismo tiempo. 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. debe ser lo suficientemente pequeño para dar un error de truncamiento lo más pequeño posible.

revisaremos his fórmulas de integración más comunes sobre las cuales están basadas. a) Disminuyendo a la mitad. la primera de éstas son las fórmulas de Newton-Cotes. Alguna* de las fórmulas más conocidas para resolver •0UI0Í9MI diferenciales MrdlMafelatlifcMUl en el ajuste de una i n t a r n o l a o i A n Am . Como se mencionó antes. hay una clase llamada fórmulas de Adams que también revisaremos y que a menudo resultan elegidas . Como se ilustra en la figura 26. ejemplo. c) duplicando.7a. 26. En contrae te. 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. 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. Sin embargo. Esta integral HC usa entonces para proyectar a través de este último segmento. las fórmulas de Newton-Cotes de orden superior desarrolladas en el capítulo 21 se podrían usar para este propósito.7. Antes de hacer una descripción de esos métodos de orden superior. las fórmulas de Newton-Cotes estiman la integral sobre un intervalo que abarca varios puntos. Esta integral se usa entonces para proyectar desde el inicio del intervalo hasta el final.1b) Fórmula» de Newton-Cotes. 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. Como se ilustra en la figura 26.778 MÉTODOS RÍGIDOS Y DE MULTIPASO FIGURA 2 6 .

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

MÉT0D0S_Rl_GIDOS y i+l dondef„(x) es una interpolación polinoinial de n-ésinio orden. la ecuación diferencial evaluada en .-ii . Muchos algoritmos de cómputo de uso generalizado para la solución de EDO por multipaso se basan en estos métodos.v. La forma cerrada se puede expresar de manera general como y. para n = 1. que se utilizó antes como predictor en el método de Heun de no autoinicio.. Se hace referencia a la ecuación (26.33) La ecuación (26.8a.4). y¡). y y¡. + -j{fi + f¡+\). h. i paui + y/¡ 3 + ••• que también puede escribirse como /. Por ejemplo.-n+\+ I f„(x)dx (26./ .a evaluación de la irilcY de DE integración MULTIPASOabierta de Newton-Cotes de /i-ésimo orden (véase gral emplea la fórmula la tabla 21.35) se ilustra en la figiiia 26. Una técnica es escribir una expansión de la serie de Tayloi alrededor de x¡. El otro tipo de fórmulas de integración que es posible usar resolver las EDO son las fórmulas de Adams. Para n — 2. Fórmulas cerradas.32) como el método de punto medio. Fórmulas abiertas (deAdams-Bashforth).35) que es equivalente a la regla de Simpson 1/3. i ^ / . La ecuación (26. „ ! + 2/}_ ) 3 2 Ah ¡ + x y í (26.io) .32) donde f¡ es una abreviatura para f(x¡. +] h + i = yi-i + + 4f¡ + f¡ ) (26. I. la cual es equivalente a la regla trapezoidal. = yi-i+2hfi (26. Para n = 2. y. es decir. ' i •••] (7o.34) donde la integral es aproximada por una fórmula de integración cerrada de Newton Cotes de «-ésimo orden (véase la tabla 21. i /'(y.+\=y.33) se ilustra gráficamente en la figura 26. si n = 1. y.+ fi-i) y para n = 3 y = _ + y ( 2 / .v. y¡+i = y. Las fórmulas de Adams se pueden dedil cir en diferentes formas. . Por ejemplo.2). + f¡h + y / í 2 Fórmulas cíe Ádams. y¡+\ = y. 3h y¡+i = y¡~2 + y (/i.86.

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

1. La versión de cuarto orden se ilustra en la figura 26.38) Los coeficientes fi se ilustran en la tabla 26.f+\ Al resolver p a r a y ¡ + 1 h + — se tiene - h ~ ~jr" "' + • • •) (26.782 TABLA 26. Las fórmulas de Adams abiertas son referidas también como fórmulas de Adams-Bashforth. Una serie de Taylor hacia atrás alrededor de x¡ se puede escribir como +l fi fu i 1 u2 i •'i' + l •'' + 1 1.1 MÉTODOS RÍGIDOS Y DE MULTIPASO Coeficiente y t r r o r da truncamiento para predictores de Adams-Bashforth. En consecuencia. la ecuación (26.36). Es posible desarrollar fórmulas de Adams-Bashforth de orden superior al sustituir aproximaciones de diferencia superior en la ecuación (26.9a. Observe que la versión de primer orden es el método de Euler.37) algunas veces es llamada segunda fórmula de AdamsBashforth. Fórmulas cerradas (deAdams-Moulton). 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 (26.3 i + y¡ = y<+\ .39) yt+i = y¡ +h(f i i+ + jf¡' +l Se puede usar una h diferencia 2 para aproximar la primera derivada: . 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.

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 .

cambiamos al tipo de problema que es el tema de este capítulo: problemas con valores a la frontera para ecuaciones diferenciales ordinarias. sabemos que si el sistemu está vibrando en el primor modo la amplitud de la segunda masa será igual.7 muestra un sistema físico que puede servir como un contexto para examinar este tipo de problema.6a.6b. La figura 27. Tomando en consideración el diagrama de cuerpo libre de la figura 27. vibran hacia atrás y hacia adelante al unísono.10). Como se observa en la figura 27.2.lisio ejemplo proporciona información valiosa con respecto ul comportamiento del sistema de la l'iguru 27.5. Así. Además de su periodo. 27. pero de signo opuesto a la amplitud de la primera. E = módulo de elasticidad e / = momento de inercia de la sección transversal con respecto a su eje neutro. La curvatura de una columna esbelta sujeta a una carga axial P se puede modelar por dy 2 2 _ M „. Otra configuración llevará a la superposición de los modos (recuerde el capítulo 19). y después lo hacen juntas de manera indefinida. está claro que el momento de flexión en x es M = —Py. Sustituyendo este valor en la ecuación (27.3 Un problema de valor en la frontera Ahora que le hemos dado una introducción a los valores propios. las dos masas tienen igual amplitud todo el tiempo. las masas vibran por separado. Yl ( 2 7 2 " dx ~ 2 - 1 0 ) donde Syldx especifica la curvatura. 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. como se ve en la figura 27. se obtiene . M = momento de flexión. En el segundo modo.76.

8.15) Así. A sen (pL) = 0. 2.PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS l Py 2 = ü (27.14) donde A y B son constantes arbitrarias que serán evaluadas por medio de las condiciones frontera. De acuerdo con la primera condición [véase ecuación (27. (27.. puede proporcionar el significado físico de los resultados. pL = nn para n = 1. existe un número infinito de valores que cumplen con las condiciones a la frontera.12) y (27.. . 3. . 2.12) (27. Combinando las ecuaciones (27.17) L 1 fislas se pueden tomar como cargas de pandeo.11) donde P Para el sistema de la figura 27. 2. . Para que esta igualdad se cumpla. pues representan los niveles a los cuales i« mueve la columna en cada NNNFLPMLÓN de pandeo sucesiva.16) los cuales son los valores propios o característicos para la columna. se obtiene P = para n = 1.16).. la cual muestra la solución para los primeros cuatro valores propios. De acuerdo con la segunda condición [véase ecuación (27.15) se puede resolver para P = MI L n K EI 2 2 para n = 1. La ecuación (27. concluimos que B = 0. 0 — A sen (pL) + B eos (pL) Pero.11) es y = A sen (px) + B eos (px) (27. 3 .13a)]. . (27. sujeta a las condiciones frontera y (0) y(L) = o (27.7.136) = 0 la solución general para la ecuación (27. Cada valor propio corresponde a una manera en la que se pandea la columna.13a) (27. (27. . En un sentido práctico. 0 = A sen (0) + B eos (0) Por tanto. . La figura 27. 3 . .136)]. concluimos que sen (pL) = 0. Ya que ^4 = 0 representa una solución trivial. puesto que B — 0.

t a) n = 1 b)n = 2 c)n = 3 d) n = 4 FIGURA 27. Así.us ecuaciones (27. ya que. en general. 5 Análisis d e valores propios d e una columna c a r g a d a axialmente Enunciado del problema.16) y (27. 7 .17) se pueden usar para calcular .25 X 1 0 ~ m y L = 3 m. usualmente el primer valor es el de interés.~~~W. Una columna de madera cargada axialmente tiene las siguientes características: E — 10 X 10 Pa. Determínense los primeros ocho valores propios y las correspondientes cargas por pandeo. EJEMPLO 2 7 . / = 1.V. una carga crítica se puede definir como 7T EJ 2 la cual es conocida de manera formal como fórmula de Euler. 9 0 9 2 7 2 .8 Los primeros cuatro valores propios de la barra esbelta de la figura 2 7 . 9 5 4 Solución. •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. l.. las fallas ocurren cuando primero se pandea la columna.

se obtiene un sistema de ecuaciones homogéneo. 2 2 + yi i+ = 0 (27.2832 7.4 El método del polinomio La ecuación (27.2360 6. se realiza en el siguiente E J E M P L O .078 548. En tales casos.(2 . 27. a menudo es difícil o imposible obtenerlas.3) para la segunda derivada. .311 1233.814 8772.h p )y. los métodos numéricos del tipo que a continuación se describirá son la única alternativa práctica.245 3426. Normalmente esto es cierto cuando se trata con sistemas complicados o con aquellos que tienen propiedades heterogéneas. J4 = 0 (27. Por ejemplo.1888 5. m " P.0472 2. por tanto. 137.982 2 1. k N 137.19) La expansión del determinante del sistema da un polinomio.802 6716. el resultado es (2 --AV) -1 0 0 -1 (2 -1 0 hp) 2 2 0 -1 (2 -1 hp) 2 2 0 0 -1 (2 hp) 2 2 y\ yi y?.3304 8.0944 3.946 4934.078 kN.2. llamado método del polinomio.1416 4. cuyas raíces son los valores propios.PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS n 1 2 3 4 5 6 7 8 p. lo que da yi i+ -2y¡ +y¡-i + 2 JT2 P * = 0 la cual puede expresarse como y¡-i .701 2193.11) se puede resolver numéricamente sustituyendo una aproximación por diferencias divididas finitas centradas (véase tabla 23.18) Al escribir esta ecuación para una serie de nodos a lo largo del eje de la columna.3776 ! La carga crítica por pandeo es. cuatro nodos interiores). Este procedimiento. si la columna se divide en cinco segmentos (esto es. Aunque son útiles las soluciones analíticas de la clase antes obtenida.

/>) dos.0. 5 6 2 5 / ? ) .0. y se obtiene un segundo valor propio que es casi 17% menor.6. 8 8 5 6 |e. el valor propio es analizado igualando el determinante con cero 2-2.27.2WmjlMÁS DB VALORES PROPIOS i El método del polinomio 1 • ''W O W |0Í Enunciado del problema.4.|=2.p ) 2 2 y\ yi . para este caso sencillo. c) Para tres puntos interiores (h = 3/4). usando a) uno.5% |e.18) para uno de los nodos interiores. Empléese el método del polinomio para determinar los valores propios para la columna cargada axialmente del ejemplo 27. la ecuación (27.1 = 0 el cual se puede resolver para p = ± 1 y ± 1.4637 =22% .1) El determinante se puede igualar con cero y expandirlo para dar ( 2 .5625/? = 0 y 2 — 0.5.25p 2 =0 y resolviendo para p = ±0.5625 p .0.5625/? 2 y\ y-i y3 = 0 (E27.0 .25p )yi = 0 2 Así. I ! ! I b) Para dos nodos interiores (h — 3/3).18) queda ~ 2 .5625 p -1 0 ¡ ¡ 2 -1 2 .5% menor.1 2 0 -1 2 -0. se obtiene (h = 3 / 2 ) -(2-2. el cual es casi 10% menor que el valor exacto de 1.5625/? ) = 0 2 3 2 ! i Esta ecuación se cumple si 2 — 0.2(2 .|=10% / > • 1 2. Por tanto. a) Al escribir la ecuación (27. se pueden determinar los primeros tres valores propios como 2 2 p = ±1. la ecuación (27.0205 /J = ± 1 .5625/? = V 2 . c) tres y d) cuatro nodos interiores Solución. De esta manera.0472 obtenido en el ejemplo 27.9428.18) se escribe como (2-p ) 2 -1 -1 (2-p ) 2 La expansión del determinante da (2 .73205. el primer valor propio es ahora casi 4.

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. Igualando el determinante con cero y expandiéndolo.5%) 1.1702 TABLA 27. Como en el ejemplo 27.6967 (14%) 3. 3 6 p ) .| = 1.8856 (10%) 2.4637 (22%) h = 3/5 1.p) = 0 x 0 (27. En tanto se refine más la segmentación.| = 14% | .19) con 2 — 0.9428 (10%) = 3/3 1.036p ) 2 4 2 2 + 1=0 la cual se puede resolver para los primeros cuatro valores propios p = ±1.4) .9593 p = ±2.6% = 6.1416 4.2. ilustra algunos aspectos fundamentales del método del polinomio.0472 2. y los valores previamente determinados se vuelven de manera progresiva más exactos.0944 3.20) el cual resulta de la expansión del determinante del sistema [[A\-X\l\\{X}^0 ( 27 .7321 (21%) h = 3/4 1.9593 (65%) 2.6.2 |e.1888 h= h 3/2 0. El método de Fadeev-Leverrier.0000 (4.5%) 1." .0 .6%) 1.3(2 . Los números entre paréntesis representan el valor absoluto del error relativo porcentual verdadero. que resume los resultados de este ejemplo.0301 (1.| |e. El método Fadeev-Leverrier es un procedimiento eficiente para generar los coeficientes p¡ del polinomio (-1)"(A. se tiene (2 . Ahora veremos un método de cómputo para generar el polinomio.806 PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS <l) Ptiru cuutro puntos interiores (h = 3/5).0205 (2. el procedimiento es muy conveniente para los casos en que se requieren pocos valores propios.p„-iX"~ l p \ " . M é t o d o del p o l i n o m i o Valores propios 1 2 3 4 Verdadero 1.1702 (24%) La tabla 27.0301 p = ±1. se determinan valores propios adicionales.6967 p = ±3.| = 2 4 % £ Los resultados de aplicar el método del polinomio a una columna cargada axialmente.5% |£. Así.36/J2 sobre la diagonal. el resultado es la ecuación (27.

[A] (27. .22) donde tr [#]„_. Por ejemplo. El método consiste en generar una secuencia de matrices [B] que pueda emplearse para determinar los valores p¡.29) EJEMPLO 2 7 .23) la cual se puede usar para calcular Pn-2 = ^ [ ]«-2 f i t r (27.%mmUHM> 1 DE VALORBS'PROPIQg .6. 7 El método Fadeev-Leverrier Enunciado rlol problema. Emplee el método l'adeev-Leverrier para determinar los coeficientes para la matriz en la parle«') del ejemplo 27.2. la cual es (recuerde PT3. El método puede continuarse generando la matriz [ 5 ] _ = [A][[B] _. El método tiene la ventaja adicional de que la matriz inversa [A]" puede ser generada eficientemente en el proceso.I7. [ / ] ] n 2 n (27. es la traza de la matriz [fi] _¡. .27) y po = .26) y se continúa hasta que p se determina a partir de 0 [B] = [A][[Bh 0 Pl [I]] (27.28) Entonces.24) [B]„_3 = [A][[B]„- 2 - Pn-llH] (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.21) p„-\ = tr [fi]„_i n (27. .p „ _ . [B]„.2) la suma de los coeficientes de la diagonal. la matriz inversa se puede calcular simplemente como [A]" = 1 Po L —[[Bh-pdl]] (27. .tr [fi] n 0 (27.25) que puede usarse para calcular p„= itr[fi]„_3 3 (27.

481 [B] -0 que al ser evaluado da "22.6.642 6.A + 10.24) puede emplearse para calcular Pi 1 -(-22.321 3.556 -1.123 .3 1 . el determinante se puede expandir por menores para dar 2 .778 3.778 3. a su vez.556 -X 0 -1.31.1) Este valor puede sustituirse en la ecuación (27.778 0 -1.556 -1.475 0 0 o 0 22.2) Este resultado.4) al dividir cada renglón de la ecuación (E27.556 + 3. 3.27) para dar 3.321 3. La matriz se puede expresar en la forma general de la ecuación (27.18.321 3.160 6. De acuerdo con la ecuación (27.778 0 -1.475 0 0 % 0*495 .963 6.778 -7.556 + 3.778 0 -1.667 2 (E27.111 que se puede evaluar para obtener -22.778 0 -1.607X + 22.556 9.556 -1. Para el caso presente [h = (3/4) = 0.123 [Bh = Por tanto.778 -7.21). ésta da 2 2 [A]-X[/] = 3.556 [Bh Por tanto.778 0 -1.778 3.6671 .321 12.7. Antes de proceder.778 3.963 .778 3.556 -1.778 3.778 -1.556 — X -1.22.778 3.5625].160 6. 6 0 5 (E27.556 = 10.160 6.778 0 -1.556 -X donde X = p . de acuerdo con la ecuación (27.556 -7. la ecuación (27.321 9.321 -18.1) entre h .481 6.111 -1.556 -1.123 6. se puede sustituir en la ecuación (27.321 -22.778 3.23) para dar [Bh = 3.778 0 -1.321 3.556 -1.22).778 0 -1.160 6.7.123) = .111 -1.487 3 2 Se puede poner en práctica la misma evaluación con el método Fadeev-Leverrier. p = 3.808 PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS Solución.778 0 -1.

160 0.475 + 22. además de las pequeñas diferencias debidas al error de redondeo.475 ' . n. se obtiene el polinomio resultante -X 3 + 10. La matriz inversa también puede ser calculada con la ecuación (27.281 0.141 0.3) en la ecuación (27.321 .7.281 0.n ( K = b U~PlM ENDDO [3] = [A] .[3] p¡¡ = Trace(b. 1 22.141' 0. al ser multiplicada por [A].(-31. 1 2 3 . + 22. p) D\Mb w Una subrutina para el inótodo Fadeev-Leverrier. 1 2 3 . (Jbserve que también se incluye una función para calcular la traza.963 .(-31.2 2 .(-31.31.422 6.3) Sustituyendo las ecuaciones (E27.160 6.321 3.¡i) END DO END Fadeev FUNCTION Trace(a.475 = 0 2 el cual.n eum = eum + a END DO Trace = eum END Trace u . n) sum = Ol DO i = 1.28) puede empleante para cnlcular />„ = (22.20).1' M M S M S PE V A L O R E S PHOHOS" 1 soy Por tanto.475) = 22.321 -18.7.7.2 2 .667X .27.475 (E27.562 0. FIGURA 27. ri) OO ti = ti-2. [5] = [A] P„_ = Trace(b.29).9 5U3 Fadeev (a.422 0.605A.475 + 22.281 0.321 3.281 0. la ecuación (27.605) 6.605) 6. resulta [7]. n) I (n .1) hasta (E27.605) que. 0.-1 DO ¡ = 1. es idéntico al resultado obtenido al expandir el determinante usando menores.

27.9) con el método de Bairstow ( V O I I K P figura 7. se deben evaluar las raíces del polinomio resultante.041. Programa de computadora p a r a el método de! polinomio. Con ligeras modificaciones. El método de Bairstow se usa en el siguiente ejemplo.475 = 0 2 se puede evaluar con el método de Bairstow (o con paquetes como MATLAB o Mal hcad) para obtener X = 1.5).2. el sistema que se unalüUMA dfbe expresarse en lu forma . EJEMPLO 2 7 .605A. Determine las raíces del polinomio característico que se generó en el ejemplo 27.PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS I!l método l'adecv-Lovorrier puedo ser programado de manera concisa. Para poner en práctica el método di potencias. Determinación de los valores propios como las raíces del polinomio carnctoiíslii o Después de aplicar la técnica Fadeev-Leverrier.464 que son iguales a los resultados del ejemplo 27.6c (con pequeñas diferencias debidas ni error por redondeo).6. 8 Raíces del polinomio característico Enunciado del problema.020.31.6.071 Como X = p . Solución.7.885.2. y compárense los valores propios resultantes con los que se calcularon en la parte c) del ejemplo 27. Kn la finura 27.667A .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. Observe que so requiere una subrutina para calcular la traza. 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. Los procedimientos presentados en el capítulo 7 están diseñados para este propósito. -X 3 El polinomio + 10. 1. Esto se dejará como ejercicio para el lector.3. puede calcularse la raíz cuadrada de esos valores para dar 2 p = 1. también puedo servir para determinar el valor más pequeño y los valores intermedios. Como beneficio adicional.9 NO muestra lu lista del pseudocódigo para esto propósito. el vector propio correspondiente se obtiene como un subproducto del método.555. Determinación del valor propio más grande. + 22.

556 -1.556 -3.778 3.556(1) = 1.6.778 3.778.2f.778 0 -1.778 r • = • 1 0 1 La siguiente iteración consiste en multiplicar [A] por [1 0 l ] p a r a dar 3.556 -1. Empléese el método de potencias para determinar el valor propio más grande para la parte c) del ejemplo 27. 7 7 8 ( 1 ) + 3 .556 1 1 1 1. Solución.30) Como se ¡lustra en el siguiente ejemplo. el lado derecho es normalizado por 1. 1.1556 1.778 para hacer que el elemento más grande sea igual a 1.778 3.556 1 0 1 3. Esta iteración puede expresarse de manera concisa en forma de matriz como 3.778 3.778X2 + kx 3 Después.556 Por tanto.778*3 = Ax 3 .556x3 = 2 1.778 • = 1.556(1) .556.556 1 -1 1 = • = 3.1.778 1 0 1 Así.778 0 -1. que puede emplearse para determinar el error estimado . 3 .778*2 3.2 \A\[\\ M -V m (27.556 -1.1 . la primera estimación del valor característico es 1. Método de potencias p a r a el valor propio más g r a n d e Enunciado del problema.30) es la base para una técnica de solución iterativa que finalmente da el valor propio más grande y su vector propio asociado. suponiendo que las x del lado derecho de la ecuación son iguales a 1.778xi + - .30). la ecuación (27.778 1556 100% = 50% .556(1) .778(1) + 3 .556 -1.556 JCI - = A JC.778(1) = 0 . Primeramente. el sistema se escribe en la forma de la ecuación (27.778 0 1.1. -1.778 -1.778 Luego.778 0 1.778 0 -1.778 0 -1.778(1) = 1.556X2 3 .1.556 3.778 ' • = 1. el valor propio estimado para la segunda iteración es 3.

778 0 -1. Otros casos especiales se analizan en Fadeev y Fadeeva (1963).714 donde |ej = 214% (de nuevo. 2 Tenga en cuenta que en algunas ocasiones el método de potencias convergirá ¡il segundo valor propio más grande.070 ( = 2.095 -4.6.317 6. Determinación deí valor propio más p e q u e ñ o .778 0 -1.7.778 3.112 donde | e j = 150% (que es alto debido al cambio de signo). Esto puede realizarse aplicando el método de poten cias a la matriz inversa de [A]. el factor normalizado es convergente sobre el valor de 6.778 0 -1.714 -4.445 6. Smitli y Wolford (1985) ilustran un caso así. James.75 • = • -4.778 3.223 -4. (en otras palabras.223 ' -0. muy alto debido al cambio de signo).095 • Así. el valor más pequeño de X).556 -0.714 1 -0. donde el valor propio más pequeño pudo ser usado para iden tificar una carga de pandeo crítica.778 0 -1.556 -1.778 0 -1.778 3.75 • := ' = -7.778 3. Para este caso. EJEMPLO 2 7 .812 PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS lil proceso puede entonces repetirse.556 1 -1 1 5.75 1 -0.714 1 -0. en lugar de hacerlo con el más grande.112 5. En ingeniería existen problemas cu los que nos interesa determinar el valor característico más pequeño.317 ' -0. Cuarta iteración: ~ 3.556 -1.4637 ) obtenido en la parte c) del ejemplo 27.708 1 -0. el método de potencias convergirá sobre el valor más grande de 1 A.556 -0.334 -0.556 -1.778 0 -1. Tercera iteración: 3.334 -7.556 -1.708 • — • = 6. Tal como el caso ele la barra de la figura 27.556 -1.556 -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. Quinta iteración: 3.6.778 3.445 = 6.778 3. .75 ' 1 -0.

9.141 0.281 0.884 1.422 0.281 0. Así.124 • Segunda iteración: 0.422 0.141" 0. Después de encontrar el más grande de los valores propios.884 0.27. Esto se debe a que aprovecha la ortogonalidad de los vectores propios de tales matrices.281 0.709 = 0.562 0. Determinación de valores P R O P O I S intermedios.2 PROBLEMAS DE VALOR|8j|^PWBÉLWWW^4 111 S O L U C Ó IN .281 0.7 Q U EL UM A T R Z I IVORNII O S 0.124 0.684 0.141" 0.709 1 0.281 0.715 = 0.704 0.281 0.984 • donde |ej = 14.281 0.281 0. La técnica bosquejaba aquí. CN I O es.6%.5.715 1 0. El proceso de eliminar el valor propio más grande conocido es llamado deflación.R E C U E R D ED E LE J E M P L O 27. los cuales pueden ser expresados como para / # j para i = / (27.281 0.684 0. está diseñada para matrices simétricas.422 0. el método de Hotelling. es posible determinar los siguientes más altos remplazando la matriz original por una que incluya sólo los valores propios restantes.704 0.281 0.281 0.715 1 0. 1. que es el recíproco del más pequeño de los valores propios.0472.422 Usando el mismo formato del ejemplo 27.955.751 1 0.751 1 0. el método de potencias puede aplicarse a esta matriz. el resultado converge al valor de 0.964 donde |ej = 4%.141 0. 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) .562 0.281 0.281 0.751 • = • = 1.964 0. Primera iteración: "0.141 0.141 0.31) 1 donde las componentes del vector propio \X) liun sido normalizadas de forma tal quo •» 1 .281 0.422 0.422 0. después de sólo tres iteraciones.562 0.281 0. obtenido en el ejemplo 27.984 0.715 0.751 0.422 0.562 0.422 '1 1 1 ' 0.141 0.281 0.141" 0. Tercera iteración: "0.

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

Sin embargo. Además. en contraste con el método de Jacobi. El método de Householder también transforma una matriz simétrica en una forma tridiagonal. En consecuencia. difiere en que se retienen los ceros creados en posiciones lucra de la diagonal. 27.1 Excel Las capacidades directas de Excel para resolver problemas de valores propios y EDO son limitadas. la forma más simple es tridiagonal. En la sección 28. a menudo es el método preferido. Por último. En sí.2 7 . En esta sección se bosquejan algunas de las formas en que pueden aplicarse para este propósito. Una vez que se obtiene un sistema tridiagonal a partir de los métodos de Given o de Householder. ya que es más estable. Se puede encontrar información adicional sobre éstos y otros temas relacionados con valores propios. Rice (1983) analiza los paquetes de software disponibles. es finito y. Wilkinson (1965). en Ralston y Rabinowitz (1978). Por ejemplo. Estas incluyen el método LR de Rutishauser y el método QR de Francis. (1992). El resultado no será tridiagonal. los pasos restantes implican hallar los valores propios.1 se proporciona un ejemplo de cómo se puede usar lixecl para la estimación de parámetros de una KDO. por tanto.3. Aunque este último es menos eficiente. como Press y cois. El resultado es una secuencia de polinomios que se pueden evaluar iterativamente para los valores propios. 3° . Además de las matrices simétricas.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. 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. Fadeev y Fadeeva (1963) y Householder (1953). más eficiente que el método de Jacobi. macros). Sin embargo. 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. se puede combinar con las herramientas de visualización y optimización de Excel para poner en práctica algunas interesantes aplicaciones. si se realiza alguna programación (por ejemplo. también existen técnicas que están disponibles cuando se requieren todos los valores propios de una matriz general. Una forma directa para realizar esto es expandir el determinante. es considerado como el mejor método de solución de propósitos generales. » j B )i r 'VALORES PROPIOS vommimsTmmBm m 151 método tlcdlvcn también implica transformar una matriz simétrica en una forma más simple. Se pueden encontrar códigos para computadora en diferentes fuentes. debemos mencionar que las técnicas antes mencionadas comúnmente son usadas en serie para aprovechar sus respectivas fortalezas. 27. . sino más bien un tipo especial llamado forma Hessenberg. debe observarse que los métodos de Given y de Householder también pueden aplicarse a sistemas no simétricos.

33/.10 ~[ o 3 .. 3. Los resultados de aplicar estas funciones a las EDO se muestran en la figura 27. La función eigenvecs(M) devuelve una matriz que contiene vectores propios normalizados. Por tanto. El resultado ce es una matriz que contiene tanto vectores propios como sus columnas. Mathcad suministra Ukiidnpl.N) y genvecs(M.n il i FIGURA 27. CC 27.) Primero. 110 siempre es eficiente.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 .9 ) r -0 9 . 1 9 J c e= : e g i e n v e c s m (m ) < _[ 0 9 .3 0 1 ^ 2 (27. Está muy bien disonado . 4 7 7 2O O .4 8 ] b b= ! _ -0 3 .-. Como ejemplo. es un algoritmo Runge Kutta de cuarto orden de taniíi ño de paso fijo.2 Mathcad Mathcad tiene diferentes funciones que determinan valores propios y vectores propios y que resuelven ecuaciones diferenciales. 9 . 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 . Este es proporcionado por la función rkfixed.6 )| ^ = .llhc. El sistema está dado por [recuerde la ecuación (26.33. respectivamente. La técnica más elemental empleada por Mathcad para resolver sistemas de ecuacio nes diferenciales de primer orden. Las funciones genvals(M. el sistema es rígido. correspondientes a los vectores propios de la matriz cna drada M. usemos Mathcad para analizar el comportamiento de este sistema exami nando los valores propios. el cual es una versión de tamaño dw puso variable de rkllxed.P R O K B M A S DE VALORES EN M. Como los valores propios (aa) son de diferente magnitud.) 2 -jjr = lOOvj .ld LA FRONTERA Y DE VALORES PROPIOS E a l E d t ly o i wI n s e r tF o . W.10. Observo que bb halla el vector propio específico asociado con el valor propio más pequeño. Aunque es un buen integrador de uso general.5 y i + 3}> (27.3. 1 9 0 9 0 9 . N) producen valores propios y vectores propios normalizados. resolvamos un sistema de ecuaciones diferenciales rígidas de forma tal que podamos comparar el desempeño de algunas de las funciones de Mathcad.

ion diseñado para funciones que cambian rápidamente en algunas regiones y de manera lenta en otras. Observe que y y v de la ecuación (27.T0. W Y ) ! •17 VECTOR OF INITIAL FUNCTION VALÚES 1 . Y). y Stiffb con sólo 10 pasos se almacenan en las matrices T y S.10. Esta función emplea el método Bulirsch-Stoer. Las soluciones para^. Las soluciones para rkfixed con 1 000 pasos entre tO y 11. para cumplir con los requerimientos de Mathcad.a gráfica de la solución Stlf'fb se genera usando la primera y la segunda columnas de la mnlriz S. Bajo estas condiciones.11.DJ) SECOND SOLUTION: T : = RKFIXED(IC. Las siguientes entradas son el rango para l y las condiciones iniciales para Y.33).33a y b) son cambiados a Y y Y. el símbolo definición se usa para definir el vector D(t. Además. Y 1 . que se basan en un método BulirschStoer modificado para sistemas rígidos. definimos la matriz J para Stiffb. entonces usted puede observar que la función Bulstoer de Mathcad tiene un buen desempeño.FINAL INDEPENDENT VARIABLE TO := 0 TI := 1 FIGURA 27. y a menudo es eficiente y extremadamente exacto para funciones uniformes.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.27. si usted sabe que su solución es una función uniforme.11 se muestra la solución de las ecuaciones diferenciales al usar Mathcad.TL.Y): = FIRST SOLUTION: S := STIFFB(IC. I. la función rkfixed puede ser muy ineficiente o inestable.11 PANTALLA DE MATHCAD PARA RESOLVER UN SISTEMA DE E D O . Estas funciones son Stiffb y Stiffr.3 0 O .D) |0 100 INITIAL AND.11. Observe que hemos simplificado la presentación de la gráfica en la figura 27. (Y ) para ambos métodos de integración se comparan en la figura 27. Los métodos anteriores devuelven valores de solución sobre un número de intervalos uniformemente espaciados acotados por el rango de integración. La primera columna de J es la derivada con respecto a t de los lados derechos de la ecuación (27. Y 5 3 -301 1 J 1C: = "41 J(T.[ M O . y el jacobiano ocupa los cuatro elementos restantes. Primero. Las ecuaciones diferenciales rígidas son el extremo opuesto del espectro. De manera similar. los lados derechos de las EDO para introducir a rkfixed y Stiffb.TL. Por tanto. Esto es. mientras que la gráfica para la solución rkfixed se crea usando lu primera y la segunda columnas de la nuitií/T ] 2 0 0 .T0. Mathcad proporciona dos métodos especiales que están diseñados específicamente para manejar sistemas rígidos. En la figura 27.1000. y en el método Rosenbrock.

Para mantener la estabilidad. Entonces el solver se puede llamar por >> Lt.11 usa I 000 pasos. 3 * y ( 1 ) * y ( 2 ) J . . una voz que pasa el lian sitorio inicial. Esto es muy ineficiente.y]-odi23('priúffty'.0 . 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 . Los solver estándar de EDO incluyen dos limen> nes para implementar el método Runge-Kutta Fehlberg de tamaño de paso adaptalivo (recuerde la sección 25.818 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. La solución de la figura 27. se debe emplear rkl'lxed con un lamaño de paso más pequeño para cumplir con los requerimientos de los valores propios más grandes. Antes de obtener una solución con MATLAB.0 . la cual usa fórmulas de segundo y de tercer órdenes para alcanzar una exactitud media.5. Después.3 MATLAB Como podría esperarse.3. 2 0 ] ' . tiene también funciones prediseñadas para resolver EDO. la solución cambia gradualmente. 6 .0 .2).2x . Solución. 1 1 Uso de MATLAB para valores propios y E D O Enunciado del problema. EJEMPLO 2 7 . pues. . La solución de la función rkfixed con los mis mos 10 pasos es inestable. Como se verá en el siguiente capítulo (sección 28. Explórese cómo se puede usar MATLAB para resolver siguiente conjunto de EDO no lineales de t = 0 a 20: dx .m. 27. 8 * y ( 1 ) + 0 . 2 * y ( 1 ) . El siguiente ejemplo ilustra la ma ñera en que se pueden usar para resolver un sistema de EDO. Guardamos este archivo M con el nombre: predprey.i:'. 6 * y ( 1 ) * y ( 2 ) .tspan. y conlinúa la solución de muñera eficiente al extremo del rango. y0=C2. (alen ecuaciones son conocidas como ecuaciones depredador-presa. 8 y + 0. y ) yp = E1 .2). e introduzca las siguientes instrucciones paitt especificar el rango de integración y las condiciones iniciales: >> >> tspan = [ 0 . el paquete estándar MATLAB tiene excelentes capacidades pura determinar valores propios y vectores propios. y ODE45. que usa fórmulas de cuarto y de quinto órdenes para alcanzar una exactitud alta. comience con MATLAB. Estas son ODE23. y sigue los detalles de la solución por todo el rango de t.0 .3jry donde x = 2 y y = 1 en t = 0. Sin embargo. W ~d7 dt = . usted debe usar un procesa dor de texto para crear un archivo M que contenga el lado derecho de las EDO.y0).

Esta instrucción resolverá entonces las ecuaciones diferenciales en predprey. por ejemplo. y ) con lo cual se obtiene la figura 27.12 Solución del modelo depredador-presa con MATLAB. también es ilustrativo generar una gráfica de estado espacial.13 Gráfica de estado-espacio del modelo depredador-presa con MATLAB.12.3 v ED*# F L O R E S PROPIOS CON.m sobre el rango definido por tspan usando las condiciones iniciales encontradas en yO. una gráfica de las variables dependientes contra cada una de las otras mediante >> p l o t ( y ( : . Los resultados se pueden desplegar tecleando simplemente >> p L o t ( t . 1 ) . Además. .13. ÜBBBRIAM BOQUETES 119 0 5 10 15 20 FIGURA 27. FIGURA 27. 2 ) ) con lo que se obtiene la figura 27. y ( : .27 .

presentamos el sistema rígido definido por la ecuación (27. por tanto.T I N O / T 0 L . P A R A M . y {e} = valor propio y vector propio. 9 4 7 7 0 . Y ) . 27.4 IMSL IMSL tiene diversas rutinas para resolver EDO y para determinar valores propios ( V Ó H S I tabla 27. donde A. . Un buen libro sobre ecuaciones diferenciales como. 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.3.0101r 2 + c\ e + ene donde c¡j — parte de la condición inicial p a r a j . le explicará cómo se puede realizar esto. lo cual es común cu un sistema rígido. N¿*F##/ T .33). 1 0 0 3 0 1 D . 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 . las capacidades también limen una muy fácil aplicación. d 3 = e i g ( a ) v = 0 . 3 1 9 1 0 . por ejein pío. Como. el de Boyce y DiPrima (1992). Por ejein pío. Kc cuerde que. la solución para el caso presente podría tener la forma y i = t\\e y C2\e 2 — „ _ „-3. que está asociada con ely-ésimo valoi propio. En nuestro actual análisis. 9 9 9 9 d = 3 .PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS Parn valores propios. lísli rutina integra un sistema de IÍDO usando el método Runge-Kutta. > > C v . 0 1 0 1 Así. Tales liDO lineales se pueden esnibii como un problema de valores propios de la forma " 5 — A. Debe observarse que las c pueden evaluarse a partir de las condiciones iniciales y de los vectores propios. La que tiene el valor propio más grande (en este caso. vemos que los valores propios son muy diferentes en magnitud. --302. negativos en la función exponencial). IVPRK se pone en marcha con ln «¡guíente declaración CALL: C A L LV IP R K ( I 0 0 . 0 1 0 1 0 . 9 8 9 9 0 0 3 0 2 . respectivamente.3). para el presente caso. nos concentraremos en la rutina IVPRK. todos los valores propios son positivos (y.1 0 0 301 — A.9899í . -3 . 302.0101) podiln dictar el tamaño de paso si se usara una técnica de solución explícita. en nuestro análisis de sistemas rígidos en el capitulo 26. la solución consiste en una serie de exponenciales en decaimiento.

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

3 ) ' ) i s t e p . n=2) INTEGER : : i d o . t. 9X.0. t . 3 F 1 2 . se puede escribir como Program PredPrey USE msirnsl INTEGER : : mxparm. "Time". tend. . yprime) yprime(1) yprime(2) return = . t o l . t . n. Solución. . y. 3 ) ' ) i s t e p ." es donde la i-ésima EDO está escrita. Deberla ser de la forma general. yprime(n) (n. L E . 0 . 1 2 Uso de IMSL para resolver E D O Enunciado del problema. FCN debe ser declarada EXTERNAL en el programa de llamado.i step + 1 tend = i s t e p CALL IVPRK ( i d o . t . Un ejemplo de un programa principal en Fortran 90 y la función IVPRK Úsese IVPRK para resolver las mismas EDO depredador- para resolver este problema. 0 . yprlmi') l M P U C l i N0NL .0 y ( l ) . 3 F 1 2 . y I F ( i s t e p . nout) t .. ' I S T E P 5X. nout REAL : : param(mxparm). .0005 CALL SSET (mxparm. n PARAMETER (mxparm=50. t . tend.PROIUMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS l. 10) EXIT WRITE ( n o u t .. y D O 1step . " Y l " ido = 1 istep = 0 WRITE ( n o u t .EQ. ' ( I 6 .11.0 t o l = 0. .0 y(2) .n Nubrutina FCN debe ser escrita de manera que cumpla las ecuaciones diferenciales. presa del ejemplo 27.1. 'Y2") ' PRINT *(4X. paratn. t . i s t e p . subroutine i nteger real fen n t. f e n . t o l . y(n) EXTERNAL fen CALL UMACH ( 2 . param. = . y) I F ( i s t e p .2.0 11X. y ( n ) . y. 10) ido = 3 END D O END PROGRAM SUDROUTINE fen ( n . ' ( I 6 . end donde la línea "yprime(¿) = . 1) param(lO) = 1. EJEMPLO 2 7 .

7 A menudo.1.6 para identificar el principio de los modos de vibración.10 Use menores para expandir el determinante d e b 1 2 .000 3.4 con el procedimiento por diferencias finitas usando Ax = 2.() I p.2 x 10~ (7).000 9.8 Repita el ejemplo 27. y ( n ) .6) como 1. : l .000 6. Por ejemplo.6 se pueden simplificar al lincnrizur sus términos no lineales.2*y(l) .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.) 1 0 0 .000 7.6*y(l)*y(2) yprime(2) .4.6) y dcNpués resuelva la ecuación lineal resultante con el procedimiento por diferencias finitas. pero ahora para tros masas. Sustituya esta relación en la ecuación (P27.17/ = 0 27. 27. 27.ini obtener su solución.000 4.0.1. 27. y p r 1 m e ( n ) yprlrne(l) . pero ahora para cinco puntos interiores (h = 3/6).2 Use el método de disparo para resolver el problema 27. 27. ) H II) ( ) b l e i ( i iu n as o l u c i ó np a r aI n sc o n d c io in e sl í o n t e n i :( / 'O ).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 .1 Un balance de calor en estado estable para una barra se puede representar como dT 2 dx 2 0.000 1. Emplee T = 150 y Ax = (). 27.REAL . x1 0 (7' + 2 7 3 ) 'I5 ( 1 5 0 7j 0 ( P 2 7 6 .9 Repita el ejemplo 27.4 Use el método de disparo para resolver dy 2 xl0.-0.6 Use el método de disparo para resolver 7 1 donde T es una temperatura base alrededor de la cual se I inearizu el término. Cambie todas las k a 240. d\ •'• 1 0 •I .000 2.8*y(2) + 0.000 8. 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. las ecuaciones diferenciales como las que se resolvieron en el problema 27.2 x 1 0 ( T + 273) = 1.1.6. + 273)'" +4.3 Use el procedimiento por diferencias finitas con Ax = 1 pura resolver el problema 27.000 5.2 0 0 y7 ( 0 5 .5 Resuelva el problema 27.000 10.H _ 7 4 7 ()btcnga una solución analítica para una barra de 10 metros con '/'(O) = 200 y 7X10) = 100. lince una gráfica como la de la figura 27. 27. 27.(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.

6.8 y d = 0. dx dt 2 2 7 r + 1 x 10 — + 1.4 x 10 x = u 0 9 Transforme esta ecuación en un par de EDO.5>!^ 2 dt — = 0. l v donde y = 1 y y = 0.5. 27.16 Use el programa que desarrolló en el problema 27.6c. Como en el problema 27.24 Use Mathcad para determinar los valores propios y los vectores propios para la matriz del problema 27. Pruebe el programa con los datos del ejemplo 27. Pruébelo con los datos del ejemplo 27.10. empleo Ax = 0.10.3 y 27.3. 27. .4. b) — = + cry dt ' dx dt—ax dy dt dz — = rx — y — xz — = — donde a = 10.4. Pruébelo con los datos del ejemplo 27.6 usando el procedimiento por diferencias finitas.7. sin linearización) el problema 27. Emplee condiciones iniciales de x = 2 y v = 1. b = 0.824 limplec el método de l'iiilcev I «vnnier ptint realizar el mismo calculo.10.17 para resolver el problema 27. 27. e integre de t = 0 a 30.y> . 27. a) Use MATLAB para resolver estas ecuaciones de t = 0 a 0. 27. 27.1.20 Desarrolle un programa de uso amigable para resolver el valor propio más alto con el método de potencias.10. 27.10.3vi .15 para resolver los problemas 27.18 Use la subrutina desarrollada en el problema 27.15 Desarrolle un programa de computadora de uso amigable pura implementar el procedimiento por diferencias finitas. dx dy a) — = ax dt dt — bxy — = —cy donde a = 1.036y. b = 2. 27. 27.05 en t = 0.22 Use el Solucionador de Excel para resolver directamente (es decir.13 para resolver los problemas 27.4 para analizar las vibraciones de un amortiguador de un automóvil: 2 1. Pruébelo con los datos del ejemplo 27.11 Use el método de potencias para determinar el valor propio más alto y el correspondiente vector propio para el problema 27.12 Use el método de potencias para determinar el valor propio más bajo y el correspondiente vector propio para el problema 27. b) Use MATLAB para determinar los valores propios y los vectores propios para el sistema.23 Use Mathcad con los dutos del ejemplo 26.3 y dxldt = 0 en t = 0.19 Desarrolle un programa de uso amigable para implementar el método del polinomio.2 y 27. para una EDO lineal de segundo orden.2.25 Use MATLAB para integrar el siguiente par de EDO: ^ dt x = 0. calcule ln mulri/ inversa y verifique que es correcta. 27.2. c = 0. 27.17 Desarrolle una subrutina para implementar el procedimiento Fadcev-Leverrier.27 Use IMSL para integrar .1. Además. Pruebe el programa con los datos del ejemplo 27.21 Desarrolle un programa de uso amigable para resolver el valor propio más pequeño con el método de potencias.0 . 27.1 para obtener su solución.2 x 1 0 — 6 /d xdt -. 27. Pruébelo con los datos del ejemplo 27.13 Desarrolle un programa de computadora de uso amigable puru implementar el método de disparo. 27.9. 27. para resolver una EDO lineal de segundo orden. para el caso en que x = 0.1. 27. 27. Desarrolle una gráfica de estado-espacio de sus resultados.666667 y r = 28.26 La siguiente ecuación diferencial se usó en la sección 8.14 Use el programa que desarrolló en el problema 27. Emplee condiciones iniciales d e x = v = z = 5 e integre de t = 0 a 20.7.

La acumulación representa el cambio en masa en el reactor por cambio en el tiempo. Las ecuaciones se originan de aplicaciones prácticas de la ingeniería.4 se emplean diferentes procedimientos para investigar el comportamiento de un péndulo oscilante.2 y 28.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. Para hacer esto.1) . Además de los cálculos en estado estable. se usa un esquema RK de cuarto orden. En la sección 28. Así. tratan con la solución de sistemas de ecuaciones. 1 se deduce de un problema de la ingeniería química. 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. respectivamente. Además. Este problema también utiliza dos ecuaciones simultáneas.1).3. La sección 28. en consecuencia. también podríamos estar interesados en la respuesta transitoria de un reactor completamente mezclado. usualmente se requieren métodos numéricos. En la sección 12. se demanda alta exactitud y. También se ilustra cómo se puede usar la optimización para estimar los parámetros para las EDO. hemos desarrollado expresiones matemáticas para el término acumulación de la ecuación (12. Ahí se demuestra cómo puede simularse el comportamiento transitorio de los reactores químicos. la aplicación de ingeniería eléctrica trata también con la determinación de valores propios.2 analizamos el estado estable de una serie de reactores. i' 28. te puede formular simplemente como Acumulación = V de dt (28. En ambos casos. que se toman de las ingenierías civil y eléctrica. Un aspecto importante de este ejemplo es que ilustra cómo los métodos numéricos permiten efectos no lineales para que sean incorporados de manera fácil en un análisis de ingeniería. Para un materna de volumen constante. Los problemas de este capítulo ilustran algunos elementos de juicio asociados con varios métodos desarrollados en la parte siete. Por tanto. las técnicas para la solución numérica de ecuaciones diferenciales ordinarias tienen capacidades fundamentales que caracterizan la buena práctica de la ingeniería. Las secciones 28.

^ + c. En la figura 28. como el que se muestra en la figura 28. ilustraremos cómo se puede usar la optimización para estimar los parámetros de los modelos de balance de masa. se puede emplear el cálculo para resolver analíticamente la ecuación (28.2 muestra está solución analítica exacta. Así. para este caso.APLICACIONES EN INGENIERÍA: ECUACIONES DIFERENCIALES ORDINARIAS Qc. Además de verificar los íesiiltiulos de una solución analílica.e-° ) + 10e-° 05í La figura 28.2 se incluyen dos soluciones con diferentes tamaños de paso Como el tamaño de paso es disminuido.1: Qc (28.1. V — 100 m y c = 10 mg/rn . la ecuación es 05t c = 50(1 .2) se puede usar para determinar soluciones transitorias o variables en el tiempo para el reactor. Luego lo usaremos para simular la dinámica de un solo reactor y de un sistema de reactores. Solución. mostraremos cómo se pueden determinar los valores propios del sistema y proporcionaremos un conocimiento en su dinámica. El método de Euler proporciona un procedimiento alterno para resolver la ecuación (28.e^' 3 3 3 0 Si c e n = 50 mg/m .1) se pueden usar para representar el balance de masa para un solo reactor. Qc FIGURA 28.e . Así. el método numérico se puede usar para verificar el resulta do analítico. una formulación matemática para la acumulación es el volumen por la derivada de c con respecto a t.2). En esta aplicación incorporaremos el término acumulación en la estructura del balance de masa general que desarrollamos en la sección 12.1) y (12.2) para 0 c = c (l eB . si c = c en t = 0. con un flujo de entrada y un flujo de salida.2) dt Acumulación = entradas — salidas La ecuación (28. Finalmente.1 Reactor completamente mezclado. las soluciones numéii cas han agregado valores en ftfUllltl litueciones donde las soluciones analíticas son . la solución numérica converge sobre la solución analítica. En el último caso. Por ejemplo. Las ecuaciones (28. donde V — volumen y c = concentración. Q = 5 mVmin.

1 c .2). 40 50 imposibles. y los resultados se ilustran en lu figura 28. se pueden desarrollar balances para los otros reactores como