http://libreria-universitaria.blogspot.

com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

http://libreria-universitaria.blogspot.com

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.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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 .

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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 .http://libreria-universitaria.blogspot.

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

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

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

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

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

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.http://libreria-universitaria.com .

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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 .

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.

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

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

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

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

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

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

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

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

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

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

la masa de la sustancia dentro del volumen aumenta. Si las salidas son mayores que las entradas. la masa disminuye. Para esta condición estable.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.1). En términos cuantitativos. la sección 12.1). ya que los ingenieros se enfrentan con mucha frecuencia a problemas que involucran sistemas de ecuaciones que son demasiado grandes para resolverse a mano. en algunas aplicaciones de la ingeniería. la ecuación (12. Para el tiempo en que se realiza el cálculo.2) . esto se puede expresar como Acumulación = entradas — salidas (12. 12. La sección 12.1) se puede expresar como http://libreria-universitaria. si las entradas son mayores que las salidas.CAPÍTULO 12 Aplicaciones en la ingeniería: ecuaciones algebraicas lineales El propósito de este capítulo es usar los procedimientos numéricos analizados en los capítulos 9. Si las entradas son iguales a las salidas.1 se muestra cómo un balance de masa se puede emplear para modelar un sistema de reactores.blogspot.2 se le da especial énfasis al uso de la matriz inversa para determinar las interacciones complejas causa-efecto entre las fuerzas en los miembros de una estructura. En la sección 12. 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.com ünlriidiiN « SIILIDIM (12. Sobre un periodo finito. Estas técnicas numéricas sistemáticas tienen significado práctico. Los algoritmos numéricos en estas aplicaciones son de particular conveniencia para implementarse en computadoras personales. o en estado uniforme. En la sección 12. 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. Uno de los más importantes principios de organización en la ingeniería química es la conservación de la masa (recuerde la tabla 1.3 es un ejemplo del uso de las leyes de Kirchhoff para calcular las corrientes y voltajes en un circuito con resistores.1) El balance de masa representa un ejercicio contable para la sustancia particular que habrá de modelarse. la acumulación es cero y la masa permanece constante.10 y 11 para resolver sistemas de ecuaciones algebraicas lineales.

Asimismo. Como el reactor está bien mezclado (como lo representa el agitador en la figura 12.2). la concentración 011 ln http://libreria-universitaria. por tanto. 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. Solución. si se realiza un balance de masa para una sustancia conservativa (es decir.330 APLICACIONES EN LA INGENIERÍA: ECUACIONES. De esta forma.5c 3 Q\c\ + Q2C2 = Q3C3 3 3 la cual se resuelve para c = 18.2. para la tubería 2 la razón de masa que entra se calcula como Q c = (1. una que no aumenta o disminuye debido a las transformaciones químicas) en un reactor (véase figura 12. De forma similar.2) y las entradas se encuentran en balance con las salidas. la concón Ilación será uniforme.6 mg/m .ALGEBRAICAS LINEALES Entrada Salida FIGURA 12. como en 3 3 x x 3 l l 3 3 3 2 2 Sustituyendo los valores dados en esta ecuación se obtiene 5 0 + 15 = 3.2). Empleo de la conservación de la masa para determinar concentraciones en estado estable de un sistema de reactores acoplados. Q = 2 m /min y c — 25 mg/m . tntin el reactor. Por ejemplo.1 Una representación esquemática del balance de masa. en todo el tanque.com tupiarla 3 Haría aer iiiénlitm 1 1 la (««nnentruci An en. Esto es porque ya se tiene suficiente información para calcularla con base en la conservación de la masa. Observe que la concentración a la salida del reactor a través de la tubería 3 no se especifica en la figura 12. se aplica la ecuación (12. el cálculo obtiene algo adicional. 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. hemos determinado la concentración en la tercera tubería. Como el reactor se halla en estado uniforme. Rn r. para la tubería 1 en la figura 12.2. podríamos cuantificar la razón con la cual el flujo másico entra al reactor a través de dos tuberías de entrada. saliendo de éste a través de una tubería de salida. 50 mg de sustancias químicas fluyen cada minuto hacia el reactor a través de esta tubería. Por ejemplo. Sin embargo.nnaaeuanala al .blogspot.5 m /min)(10 mg/m ) = 15 mg/min. 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. Así. u homogénea.

llujos volumétricos están i ni metros cúbicos por minuto. Para el reactor 1.1 ANÁLISIS EN ESTADO ESTABLE DE U N SISTEMA DE REACTORES 991 FIGURA 12. quienes deben diseñar reactores que tengan mezclas de una concentración específica. la razón de flujo de masa que entra es Sí 10) 4- Q\\c\ http://libreria-universitaria.3 se muestra la disposición de un problema donde las computadoras no sólo son útiles. esto podría no ser fácil de representar en una computadora para el cálculo de un balance de masa. m m /n i c=? 3 3 3 iu b i c o .blogspot. Ii >. Tal información es de gran utilidad para los ingenieros químicos y petroleros.. y las I I mconlraciones están en «2m m /n l c . =2 5m g m / y 3 3 Q -1 5 . =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 . se necesitan cinco ecuaciones de balance de masa para caracterizar el sistema. sino también prácticas.2 I lu UKIC I DI en oslado i '. Debido a que se usa álgebra simple para determinar la concentración para un solo reactor en la figura 12.'.3 ' Un o reactores conectados i ii ii luberías.12. tuilijjiamos por metro Oi5 = 3 0 «=2 Q ¿ . Debido a que hay cinco reactores interconectados o acoplados.=1 FIGURA 12. m m /n i c=1 0m g m / 3 2 3 2 0 =3 5 .2.lulilo. En la figura 12. completamente MUi/i Jado. con dos tuberías do unliada y una de salida. 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.com .

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 . sustituyendo valores para el flujo.01887 0 0 0 0. la. http://libreria-universitaria. lin la l'i gura 12.3 c i + 3c = 0 2 -c 2 + 9 c = 160 3 -c 2 .3). En contraste. la cual indica que el flujo de salida del reactor 4 no alimenta ningún otro reactor. 2.11321 0.09091 0 0 0 0 0. los flujos de entrada y salida deben ser iguales: 5(10) + Q3lC3 = Gl2Cl + Gl5Cl o. De esta forma.01887 0.01887 0.16981 0.01887 0.4 se muestra un ejemplo de tal estructura.16981 0.03774 0.c + 4c = 0 Se puede usar un método numérico para resolver estas cinco ecuaciones para las cinco incógnitas que son las concentraciones: { C } = L11.08748 0.07461 0.com .51 19.06003 0. se puede calcular la matriz inversa como 0.04545 0. 12. de la figura 12. Tal información es de gran utilidad para los ingenieros que diseñan y manejan sistemas como ése.blogspot.3 6ci — c = 50 3 Ecuaciones similares se definen para los otros reactores: .00 11.2c = 0 3 4 5 2 5 -3ci . 3 y 5. Esto es consistente con la configuración del sistema (véase figura 12.08962 0.16981 0.APLICACIONES ENJLA INGENIERÍA: E C U A C I O N E S ALGEBRAICAS LINEALES y la razón de flujo de masa de salida es Ya que el sistema se halla en estado uniforme. los ceros en la columna 4 indican que una carga en el reactor 4 no tendrá impacto sobre los reactores 1.51 r 11.8c + l l c .s cargas de cualquier otro de los tres reactores afectarán al sistema completo como es indicado por la ausencia de ceros en las primeras tres columnas.33962* 0. Un problema importante en la ingeniería estructural es determinar IIIN fuerzas y reacciones asociadas con una estructura estáticamente determinada.51J Además.2 A N Á L I S I S DE U N A E S T R U C T U R A ESTÁTICAMENTE DETERMINADA (INGENIERÍA CIVIL/AMBIENTAL) Antecedentes.06 17.00629 0.

4) x . 5 I iii ii |M iiiius de fuerza de i utíipii libio para los nodos fin I un I (1. Los diagramas de cuerpo libre se muestran para cada nodo en la figura 12. Las reacciones externas (H .h «Mr'illi nmnnte determinada.2 ANÁLISIS DE U N A ESTRUCTURA ESTÁTICAMENTE DETERMINADA 333 PIOURA 1 2 . EF„ = 0 = . eos 30° + F eos 60° + F . Las fuerzas (F) representan. 3 h (12. El tipo de estructura se puede describir como un sistema de dos ecuaciones algebraicas lineales. Por tanto. horizontal y vertical a la superficie.v 30° 3 F 3.f . para el nodo 1.blogspot. V y V ) son fuerzas que caracterizan cómo interactúa la estructura con la superficie de soporte. deben ser cero en cada nodo. ya sea la tensión o la compresión de los elementos de la estructura. 2 2 3 Solución.3) http://libreria-universitaria. La suma de las fuerzas en ambas direcciones. Se observa que el efecto de la carga externa de 1 000 Ib se distribuye a lo largo de varios elementos de la estructura. vertical y horizontal. mientras que el rodillo en el nodo 3 transmite sólo fuerzas verticales.'ili'uctura ~2.5. ya que el sistema está en reposo.com ZF y = 0 sen 30° - F\ sen 60° + F (12.12. El apoyo en el nodo 2 puede transmitir ambas fuerzas.

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. También observe que en este problema. para demostrar la utilidad de la matriz inversa se puede usar la descomposición LUpara calcular 0. Así. Con el uso de una estrategia para el pivote.5 -0.5 0.433 0.9) F\ = .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). Observe que las direcciones de las fuerzas internas y las reacciones son desconocidas.5 -1 -0.5 -0. 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. ZF =0= H -F 3 2 -F 3 eos 60° + F 3 3h (12.866 0.com .5 0 0 H =0 2 F = 433 2 F V 3 -866 750 V = 250 2 3 y la matriz inversa es 0. las fuerzas en todos los elementos supuestamente están en tensión y actúan jalando los nodos adyacentes.866 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. el sistema se puede resolver mediante cualquiera de las técnicas de eliminación que se analizaron en los capítulos 9 y 10.5 -0. como este problema es un caso ideal de estudio.6) IF K = 0 = F . Una solución negativa. Sin embargo. corresponde a compresión.866 0 -0.5) (12.5 0 0 -0. La aplicación apropiada de las leyes de Newton requiere sólo de suposiciones consistentes con respecto a la dirección.866 -0. como se formuló en la ecuación (12.866 0 0 0. en este problema. Las soluciones son negativas si las direcciones se asumen de manera incorrecta.9).blogspot. todas las otras F¡ y F¡ son cero.25 -0.7) (12. JF = H 0 = F +F eos 30° + F 2 { 2> 2h + r H 2 2 (12. sen 30° + F „ + V para el nodo 3. por tanto.433 0. para evitar la división entre cero de los elementos de la diagonal.25 -0. Para este caso.334 APLICACIONES E N LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES para el nodo 2.433 0. la fuerza de 1 000 Ib hacia abajo en el nodo 1 corresponde a F¡ = — 1 000 libras.

F todas las demás fuerzas externas son cero. como en {F} r = (/i.10) Debido a que las fuerzas externas no tienen efecto sobre la descomposición L U.„ F.Ahora. Por ejemplo. FIGURA 12.6 I >I>N rusos de prueba mostrando o) vientos desde la izquierda y b) vientos desde la derecha.. 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. observe que los vectores del lado derecho representan las fuerzas externas horizontal y vertical que se aplican sobre cada nodo. el vector del lado derecho es {F} T = L-1000 0 1000 0 0 0J el cual se puede usar para calcular Fi = . 2 v F .6.6a). podríamos querer estudiar el efecto de fuerzas horizontales que se inducen por un viento que sopla de izquierda a derecha.blogspot.„ 3 F . 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.8 6 6 H = 2000 2 = — 1 000. no se necesita implementar el método una y otra vez para estudiar el efecto de diferentes fuerzas externas sobre la estructura.J 3 t (12. resulta que Fj = .com . 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.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. Más que esto.66). http://libreria-universitaria. F = — 1 000. Ambos casos se muestran en la figura 12. con esto.* F. 2 h F.

Un problema común dentro de la ingeniería eléctrica involucra la determinación de corrientes y voltajes en varios puntos en circuitos de resistores. 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. puede ser necesario resolver estructuras con cientos y aun miles de elementos estructurales. y i? es la resistencia de cualquier resistor en la malla. cambios en el voltaje) en cualquier ciclo debe ser igual a cero. Por ejemplo. De esta forma. El procedimiento anterior resulta particularmente útil cuando se aplica a grandes estructuras complejas. Solución.com . el elemento a \ indica que la tercera incógnita (F ) cambiará a 0. „).1). esto se expresa como E § . Las ecuaciones lineales proveen un enfoque poderoso para ganar cierta comprensión del comportamiento de estas estructuras. http://libreria-universitaria.12) donde ¿j es la fem (fuerza electromotriz) de las fuentes de voltaje. Estos problemas se resuelven usando las leyes para corrientes y voltajes de Kirchhoff. La regla de la corriente es una aplicación del principio de la conservación de la carga (recuerde la tabla 1. si la carga vertical en el primer nodo fuera aumentada en 1. '3 donde todas las corrientes que entran al nodo se consideran de signo positivo.76).7a).16).336 APLICACIONES EN LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES Los elementos individuales de la matriz inversa tienen también utilidad directa en aclarar las interacciones estímulo-respuesta para la estructura. Además.11) FIGURA 12. Por ejemplo. 3 3 3 2h 12. la mayoría tiende a fallar. Por ejemplo a\\ = 0 significa que F .Ei7? = 0 (12. F se podría aumentar en 0. Para un circuito de resistores. no es afectado por los cambios en F . La regla para el voltaje (o malla) especifica que la suma algebraica de las diferencias de potencial (es decir. En la práctica de la ingeniería.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.blogspot. la cual establece que la caída de voltaje a través de un resistor ideal es igual al producto de la corriente y la resistencia. éstas incluyen la identificación de aquellos componentes que son muy sensibles a estímulos externos y. El hecho de que los elementos sean 0 indica que ciertas incógnitas no son afectadas por algunos estímulos externos.7 Representaciones esquemáticas de o) regla de las corrientes de Kirchhoff y b) ley de Ohm. se puede usar para determinar los componentes que son innecesarios (véase el problema 12. o E/ = 0 (12. ya que son varios los ciclos o mallas que forman un circuito. Observe que el segundo término se deriva de la ley de Ohm (véase figura 12. Cada elemento representa el cambio de una de las variables desconocidas a un cambio unitario de uno de los estímulos externos. como una consecuencia. Esta habilidad de aislar interacciones tiene un número de aplicaciones en la ingeniería.866 debido a un cambio unitario del segundo estímulo externo (F. La aplicación de estas reglas resulta en un sistema de ecuaciones algebraicas lineales. La ley de Kirchhoff para el voltaje es una expresión de la conservación de la energía.866.

Por ejemplo.8 y se pasan las constantes al lado derecho. ~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 12.8 1 ln circuito de resistores que liuhiá de ser resuelto usando ecuaciones akjubraicas lineales simultáneas.f ? »1 0 1 1 FIGURA 12. la regla de la corriente de Kirchhoff se aplica a cada nodo para obtener í 12 + ' 5 2 + ( 3 2 — '65 - '52 — '54 = '32 = ¡43 - i 54 — ' 4 3 — 0 0 0 0 La aplicación de la regla del voltaje en cada una de las mallas da —'54-^54 — '43*43 — '32*32 + '52*52 = -«65*65 " '52*52 + ¿ 1 2 * 1 2 "2 0 0=0 + 0 o. entonces la dirección supuesta fue incorrecta. Si la solución resultante a partir de las leyes de Kirchhoff es negativa. Las corrientes asociadas con este circuito son desconocidas tanto en magnitud como en dirección. Esto no presenta gran dificultad.9 se muestran las direcciones supuestas de las corrientes. si se sustituyen las resistencias de la figura 12. el problema se reduce a la resolución del siguiente conjunto de seis ecuaciones con seis corrientes como incógnitas: FIGURA 12.9 (Corrientes supuestas. ya que simplemente se supone una dirección para cada corriente.blogspot. 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. en la figura 12.com .8. Dadas estas suposiciones.

O V=200 <| ( / = 1. Después de liberar las masas.08 ^ O IZ= 0 .11 se muestra un sistema de ese tipo. 12. Para cada masa. con una adecuada interpretación de signos en el resultado.85 . 5 3 85 =-1.4 SISTEMAS MASA-RESORTE (INGENIERÍA MECÁNICA/AEROESPACIAL) Antecedentes. la segunda ley de Newton se puede emplear en conjunto con un equilibrio de fuerzas para desarrollar un modelo matemático del sistema. En la figura 12. Deberían ser evidentes las ventajas de usar algoritmos numéricos y computadoras para problemas de este tipo. V= 153. Como se introdujo en el capítulo 1.blogspot.14) FIGURA 12.1538 = -1.1 Ib.12a se muestra un diagrama de cuerpo libre para la primera masa.23 M A A - . La fuerza hacia arriba es únicamente una expresión directa de la ley de Hooke: Fn = kx\ (12.5385 =-6. En la figura 12. Los sistemas idealizados resorte-masa desempeñan un papel importante en la mecánica y otros problemas de la ingeniería.M A - ÍZ = 169. la segunda ley se puede expresar como m—r dx 2 dt 2 = r D (12.5385 4 3 Así.10.5385 /= 6. este sistema se maneja de manera fácil mediante un método de eliminación. éstas son jaladas hacia abajo debido a la fuerza de la gravedad.1 la.1 . la solución es ¿12 = 6.1 4 6 . Observe que el desplazamiento resultante en cada resorte de la figura 12.123. Si se procede de esta forma. las corrientes y voltajes en el circuito se muestran en la figura 12.338 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. se mide a lo largo de las coordenadas con referencia a su posición inicial dada en la figura 12.10 la solución obtenida para h s con ionios y voltajes iiftundo un método de (LILLTLILKK'IÚLL.13) Para simplificar el análisis se supondrá que todos los resortes son idénticos y que se comportan de acuerdo con la ley de Hooke. 1 5 V.com V .1538 http://libreria-universitaria.1538 / 65 ¿52 = -4.6154 i 5 4 z ¡ 32 = .

a) Ei sistema antes de liberarse. es decir."11 1 m 2 1 1 b) x 2 O *3 a) FIGURA 12. apropiado para el desplazamiento de la primera masa.~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. b) El sistema después de liberarse. Fi. 1 Las componentes hacia abajo consisten en dos fuerzas sobre el resorte junto con la acción de la gravedad sobre la masa.blogspot. Advierta que las posiciones de las masas están referenciadas a las coordenadas locales con orígenes en su posición antes de soltarse.com .12 Diagramas de cuerpo libre para las tres masas de la figura 1 2 .v . 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. . antes de la extensión o compresión de los resortes. 3 http://libreria-universitaria. x.11 Un sistema compuesto de tres masas suspendidas verticalmente por una serie de resortes..

2 2 i B . se debe desarrollar diagramas de cuerpo libre para la segunda y tercera masas (véase figuras Yl. .5 kg. éstas se pueden usar para calcular los desplazamientos de las masas como una función del tiempo (es decir. s o n l ° vectores columna de las incógnitas X y de los pesos mg.18) forman un sistema de tres ecuaciones diferenciales con tres incógnitas.340 APLICACIONES EN LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES Las ecuaciones (12.18). « i „ „ . y las k — lü kg /s .x) x (-) 12 1? y W3 ^7? = m g . i „ j . Analizaremos en la parte siete los métodos numéricos para obtener esas soluciones.14) y (12.16). y es 3k -2k -2k 3k -k s [K] -k k Y {^0 y {^} respectiva.2k(x 2 2 2 . es decir. En consecuencia. Por ahora.x ) 3 2 ( 1 2 1 8 ) Las ecuaciones (12. (12. en estado estable.blogspot. . Esto se realiza mediante la igualación a cero de las derivadas en las ecuaciones (12.13) para dar d x\ m —^-=2k(x -xi)-{-m g-kx dt 2 ] ¿ 2 l l (12. m — 3 kg. para dar 3kxi —2kx\ — + — 2kx kx 2 = — + kx3 kxi = — ni\g mg 2 3kx 2 2 mjg o. [K]{X} = [W} donde [K]. en forma matricial. podemos obtener los desplazamientos que ocurren cuando el sistema eventualmente llega al reposo. use lu descomposición http://libreria-universitaria. en forma Solución. Sin embargo.15) se pueden sustituir en la ecuación (12. es llamada matriz de rigidez. x .16). Con las condiciones iniciales apropiadas.com . se ha obtenido una ecuación diferencial de segundo orden para describir el desplazamiento de la primera masa con respecto al tiempo. (12. m — 2.k(x. En este punto se puede emplear métodos numéricos para obtener una solución.x ) + m g .17) y (12.17) y (12. Si nt\ = 2 kg. advierta que la solución no se puede obtener. sus oscilaciones).Ylb y c) que se pueden emplear para obtener 2 m2 dx 2 2 dt 2 = k(x 3 . u n t a i v uenerar la inven» de [K]. ya que el modelo incluye una segunda variable dependiente.10) De esta forma.

pero tome Q y Q¡ igual a cero.045 y x = 12.15 0. C.fi«YFIJS? 12 . 3 jiul INLIOILÍJS.6 se muestra tres reactores unidos por tuberías.2. = 20 33 2 3 2 T W I R L M (JOL i UUL SO O R I G I N A EL LLU|u t http://libreria-universitaria.2 = 80 0 = 60 Q . Use la conservación del flujo para recalcular los valores para los otros flujos. PROBLEMAS INUIMILERIA QUÍMICA/PETROLERA 12.1 se disminuye en un 2.blogspot.1%.|| a 20 y c a 6.15 0. los valores de 0.5 x 2 La descomposición LU se puede emplear con el fin de resolver para x = 7.15 0. 1 Debido a que el sistema mostrado en la figura 12.1 0.1. Estos desplazamientos se usaron para construir la figura 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 .4 24.25 [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 . 3 = 40 Q . L A R A Z Ó N D E A IFWMLBINNR.3 se halla en M L I I D O estable.495.35. 11.5 Resuelva el mismo sistema como lo especifica el problema 12. pero mnihic c.1 0.4 Vuelva a calcular las concentraciones para los cinco reactol M (|iie se muestran en la figura 12.1 en la columna 1 nos indica que una carga unitaria hacia abajo en la primera masa desplazará todas las masas 0.1 m hacia abajo.6 LLON incK LOIOS C O N E C T A D O S 400 mg/s 0. ¿qué se puede inferir con respecto a los cuatro 03 <2OI=5 g 3 I = 2 225 254 224 = = 3 2 2 2 3 2 3 4 : Gis = 3 2L2 = 4 2 5 5 2 0 3 = =4 10 =0 HHI«»:YOI. Por tanto.1 Ib.4.' • 'TWWBSBITWB Sustituyendo los parámetros del m o d e l o se obtiene \K\ 3 30 -20 -20 30 -10 -10 10 {W} = 19. La inversa de la matriz de rigidez se calcula como 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. Los otros elementos se pueden interpretar en una forma similar. con unil2 4 R I O U R A P12. ¿cuál es el porcentaje de cambio en la concentración de lim roiielorcs 2 y 3? 12. si los flujos se han cambiado n: 12. la razón de transferencia de químicos a través de cada tubería es igual al flujo volumétrico (Q. Como se indica. x = 10.1 Realice los mismos cálculos que en la sección 12. ¿Qué le indica la respuesta con respecto al sistema físico? 12.1 0.com . Así.GO3.2 Si Iti entrada al reactor 1 en la sección 12.6 29.1 0.1 0.6 En la figura P12.

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

résped ivuinente.8c) debe modificarse para Resuelva para esta relación. = 400 kg/h. 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.11. requiere •I 800. 1 2 1 . Sin embargo.4. pero ahora para la estructura mostrada en la figura P12. si se usa un reactor de 5 puede resolver para únicamente la relación entre las longitudes. Y = 0.12.blogspot. F = 800 kg/h. de la figura 12. y la llici/ii en el nodo 1 es de 750 libras. para un proyecto de construcción. peroahoin cambie el ángulo en el nodo 2 a 40° y en el nodo 3 a 50°.PROBLEMAS 1 2 1 . FIGURA P 1 2 . pero ahora para la estructura mostrada en la figura P12. como no se conoce V y V .('nimios metros cúbicos se debe transportar desde cada cantera ptiiu cumplir con las necesidades del ingeniero? 1 1 . 1 2 1 . las reacciones externas V y V fueron calculadas. l l debajo de 1 000 libras se aplica en el nodo 1. Kl Realice el mismo cálculo que en la sección 12.1. 5 810 y 5 690 m de arena. 1 2 4 °0 1 200 i http://libreria-universitaria. X = 0 y K = 5.2. > Un ingeniero civil involucrado en la construcción. etapas. tomar en cuenta las fracciones peso de entrada cuando se aplica 1 2 1 . 600 2 } 2 3 2 3 1 4 8 i j-K^j m (y-K^J Y en 2 } 2 fuera fijera 1 2 < . 1 2 1 . Observe que la ecuación (P12. se puede trabajar hacia atrás y resolver para las . 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 12.15.1 Realice el mismo cálculo que en la sección 12.15 Arena % Grano fino % 30 50 20 Grano grueso % 18 30 55 vw: l'n I l'n i 52 20 25 /. se determine los valores de 7 y X .8c) los elementos de la estructura. determine las fuerzas y reacciones para la estructura que se muestra en la figura P12. de grano fino y grueso. Observe que como i+Í Sí /•'.2. se puede calcular V y V utilizando el hecho que V + V debe ser igual a 1 000 y sumando los momentos alrededor del nodo 2.4 En el ejemplo para la figura 12. existen tres longitudes desconocidas y sólo dos ecuaciones.(l + Y¡ + = 0 longitudes de(P12.2.com .2 Efectúe el mismo cálculo que en la sección 12.3 Calcule las fuerzas y reacciones para la estructura de la figura 1 2 . donde una fuerza por FIGURA P 1 2 .4.5 Emplee los mismos métodos que se usaron en el análisis II las etapas primera y última. Si las longitudes de los miembros de la estructura han sido dadas.

¿Parece razonable la fuerza en elemento vertical a la mitad del elemento? ¿Por qué? 12. para la sección de fumadores (cuarto I).19 Lleve a cabo el mismo cálculo que en la sección 12. b) Determine qué porcentaje de monóxido de carbono en la sección de niños es a causa de i) los fumadores.3.com . en estado estable.25c = 1400 3 X60° 6 0 ° X /\ 4 5 ° Se puede escribir balances en forma similar para los otros cuartos.nador + (carga) QC a fl - Q C. pero ahora para el circuito que se presenta en la figura P12.22 Resuelva el circuito de la figura Pl 2. pero ahora cambie la resistencia entre los nodos 3 y 4 a 25 Í2 y cambie V a60V 12.23 Un ingeniero eléctrico supervisa la producción de tres tipos de componentes eléctricos.16 12.21 Resuelva el circuito resistor de la figura 12. El cuarto 1 y el 3 tienen fuentes de monóxido de carbono.16 Resuelva para las fuerzas y reacciones de la estructura de lu figura P12. a +E (C -C¡) Í3 (mezcla) 3 c + (entrada) — (salida) + FIGURA P12. usando la eliminación de Gauss. Suponga que se diseña un sistema de ventilación para un restaurante como se muestra en la figura P12. Tres clases de materiales (metal.blogspot. Q = 150m3/hri Q =100m /hrA d 3 Q = 50 m /hr b 3 c = 2 mg/m b 3 (Sección de niños) ^ 25 m /hr 3 O. Las flechas en un sentido representan los flujos de aire volumétricos. mientras que las flechas en ambos sentidos representan la mezcla difusa.20. Ingeniería eléctrica 12.17 Vista aérea de los cuartos en un restaurante. si V = 180 V y R = 50 ohms. de monóxido de carbono en cada cuarto.16. Se puede escribir balances de masa en estado estable para cada cuarto.1 7 Como su nombre implica. .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. El área de servicio del restaurante consiste en dos cuartos cuadrados y uno alargado. etcétera. áreas de trabajo. de los fumadores y una parrilla. oficinas. Determine la matriz inversa para el sistema. el balance se escribe como 0 = W'fu. 12.22 para las corrientes en cada alambre. 12.19. 12.8.20 Realice el mismo cálculo que en la sección 12.344 APLICACIONES EN LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES o sustituyendo los parámetros 225c.17. 12. ii) la parrilla y iii) el aire que entra por ventilación. plástico y hule) se requieren para la producción. = 200 m /hr 3 .3. Use el método de eliminación de Gauss con pivoteo.18 Realice el mismo cálculo que en la sección 12. Las cargas debido al humo y la parrilla agregan masa de monóxido de carbono al sistema pero con entrada de aire Insignificante.3. a) Resuelva para la concentración. la polución de aire entrante tiene que ver con la contaminación encerrada en espacios tales como casas. Por ejemplo. pero ahora para el circuito expuesto en la figura P 12. Las cantidades necesarias para producir cada componente son H { 56 3500 FIGURA P 12.

respectivamente. 12.blogspot.4.x ) 3 2 3 3 3 4 2 donde las k son las constantes del resorte. pero ahora cambie las masas de 2. ¿cuántos componentes se puede producir por día? F = k4{X4 . calcule las x.0434 y 0. 3 y 2. definiendo las interrelacioncs entre los resortes. En el equilibrio.42 ñ=25Q 0 volts M e t a l .4. se pueden desarrollar las ecuaciones de equilibrio de fuerzas.x ) 2 3 2 3 2 2 2 A Si IIIS cantidades totales son 2. P l á s t i c o .27 muestra un arreglo de cuatro resortes en serie cuando se comprimen con una fuerza de 2 000 kg. 2 2 20 Q 1 5£ 2 5 Í 2 V. pero uhoru triplique el valor de las constantes del resorte. C o m p o .25 Realice el mismo cálculo que en la sección 12. 3 y 2 kg.5 kg a 15. H u e l. 1 9 — ^ oe= v 0.27 Los sistemas idealizados masa-resorte tienen numerosas aplicaciones en toda la ingeniería. y están disponibles cada illa.R-20U 2 v W ñ=51i 1 " ' 5 fl-10U 1 O V. 0. pero ahora agregue un tercer resorte entre las masas 1 y 2 y duplique k. 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 .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 12.4. 12.25 0. 75 y 225 kg/s .33 0. plástico y hule.164 kgpara el metal.1 1 0 V = 40 2 http://libreria-universitaria.x¡) = kyxi k ) = k (x -JCI) k (x'4 . { PIOURA P 1 2 .x ) — k (x . Si de k a ¿ son de 150. 50.com .24 Efectúe el mismo cálculo que en la sección 12. 12. respectivamente. La figura P12.12. 2 0 MOURA P 1 2 . = 150 volts ñ = 5 í 2 PIOURA P 1 2 . .26 Efectúe el mismo cálculo que en la sección 12.

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

. R = 108. 12.'.28£>): IIKW I 7' 519.30 Realice el mismo cálculo que en el problema 12./ T I A * .11.29 http://libreria-universitaria. 12.55 - Encuentre la aceleración a y las tensiones 7'y l< en las dos cuerdas.216.28 <7).72 MW .27 FIGURA P 1 2 . 3 0 FIGURA P 12. pero ahora para el sistema que se muestra en la figura P 12.com .•i.11.30 (los ángulos son de 45°).blogspot. Si !<u usa un procodiniicnlo similar al usado en el análisis del paracaidista en caída libre del ejemplo 9. pero ahora para el sistema expuesto en la figura P12.IH Tres bloques cslnn conectados por unit cnerda sin peso y ih'sciinsiiii sobre un plimo inclinado (véase figura IM2.28.29 Realice un cálculo similar al que se pidió en el problema 12. se obtiene el siguiente ninjiinlo de ecuaciones simultáneas (los diagramas de cuerpo libre se muestran en la figura P12.28.29.

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

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

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

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

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

2 Un paracaídas abierto. la velocidad vertical de impacto debe ser menor que un valor crítico de v = 20 m/s. c ! A = 2nr 2 (PT4. Para reducir el daño. 2 F I G U R A PT4.blogspot. Usted puede haber notado que ninguno de estos ejemplos se concentró en lo que pasa después de que se abre el paracaídas.PT4. A través de este libro. es una función lineal de su área de sección transversal descrita por la siguiente fórmula ! c = kA c c (PT4. Los paracaídas abren en forma inmediata casi al salir del aeroplano. Usted es un ingeniero que trabaja para una compañía aérea que lleva abastecimientos a los refugiados en una zona de guerra.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. Los abastecimientos se dejarán caer a baja altitud (500 m). hemos usado la caída de un paracaidista para ilustrar las áreas básicas de un problema de métodos numéricos. El paracaídas que se usa para la caída se ilustra en la figura PT4. de tal forma que la caída no sea detectada y que los abastecimientos caigan tan cerca como sea posible del campo de refugiados. El área transversal del paracaídas es el de una semiesfera. En este ejemplo examinaremos un caso donde el paracaídas se abre.1 Optimización del costo de un paracaídas ] ! ] i í i Enunciado del problema.2.1) La longitud de cada una de las 16 cuerdas que sostienen al paracaídas con la masa está relacionada con el radio del paracaídas por í = V2r (PT4. EJEMPLO PT4.3) donde c = coeficiente de arrastre (kg/s) y k = constante de proporcionalidad parametrizando el efecto del área sobre el arrastre [kg/(s • m )].2) Usted sabe que la fuerza de arrastre en el paracaídas.com . http://libreria-universitaria. y en el cual nos interesaremos en predecir la velocidad de impacto en el suelo.

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

se reconoce que se ha formulado la ecuación (PT4.com .10) por integración Jo c Esta integral se puede evaluar para obtener gm t (PT4. se debe resolver para el tiempo al cual z se acerca a cero.PT4. Aunque la ecuación (1.blogspot.10) provee una relación entre v y r.1 MOTIVACIÓN 2 donde v = velocidad (m/s). se debe calcular el tiempo requerido por el paquete para recorrer en caída la distancia z . En lugar de esto. 0 0 z 1 (PT4. se necesita conocer en cuánto tiempo cae la masa.8) -{c/m)t donde z = altura inicial (m).9) como un problema de determinación de raíces. La distancia de caída se puede calcular de la velocidad en la ecuación (1.3. se puede sustituir en la ecuación (1. como muestra la gráfica de la figura PT4. m = masa (kg) y t = tiempo (s). g = aceleración de la gravedad (m/s ). Esta función.10) con el fin de resolver para la velocidad de impacto.10) Una vez que se calcula el tiempo de impacto. Sin embargo. http://libreria-universitaria. no se necesita z como una función de t para resolver este problema. Por tanto. es necesaria una relación entre la distancia de calda z y el tiempo de caída t. Esto es.— t c 0 gm- (1 -(c/m)t (PT4.9) 0 = z . 0 provee una forma c de predecir z conociendo t. Así.

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

2 (PT4. http://libreria-universitaria.. Por ejemplo. tenemos programación cuadrática. no estamos restringidos a caminar en una sola dirección. la optimización bidimensional se puede de nuevo visualizar como una búsqueda de picos y valles (véase PT4.2 BASES MATEMÁTICAS PT4. de otra forma. Finalmente. y a¡ y b¡ son constantes. Además. e¡(x) son las restricciones de igualdad. el cual minimiza o maximiza/(x) sujeto a d¡{x)<a¡ e¡(x) = bi / = l. nos limitaremos a un tópico más general de cómo se clasifican los problemas de optimización.2 BASES MATEMÁTICAS Existen infinidad de conceptos matemáticos y operaciones que son la base de lu optimización. el proceso de encontrar un máximo versus encontrar un mínimo es en esencia idéntico.PT4.Sip>n. ya que el mismo valor. para obtener una solución.. Sin embargo. Si f(x) es no lineal o cuadrática y/o las restricciones son no lineales. En el mismo sentido. es un problema de optimización no restringido. Generalmente. ' Observe que para problemas restringidos.4«. se analizarán los importantes conceptos del gradiente de Hessians al inicio del capítulo 14 sobre la optimización de multivariables no restringidas.46). se puede establecer en forma general como Determine x. cuando las ecuaciones (PT4. Si f(x) es cuadrática y las restricciones son lineales.2.21) se incluyen. se dejará el análisis de los prerrequisitos matemáticos hasta que se ocupen. ( P T 4 . 2 . la búsqueda entonces consiste en ascender o descender los picos y valles unidimensionales. Otra forma en la cual se clasifican los problemas de optimización es mediante dimensionalidad. los primeros involucran funciones que dependen de una sola variable. justo como en una caminata.20) y (PT4. 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..com . x*. —f(x). Como creemos que para usted éstos serán más relevantes en contexto. Como en la figura PT4. d¡(x) son las restricciones de desigualdad. tenemos un problema de optimización restringida. Mientras tanto. Los problemas multidimensionales involucran funciones que dependen de dos o más variables dependientes.4a. Los problemas de optimización se pueden clasificar con base en la forma de f(x): • • • Si f(x) y las restricciones son lineales.m ¿= 1 . en lugar de esto se examina ln topografía para alcanzar la meta en forma eficiente.blogspot./? debe ser <n. Esto es muy común al dividir los problemas en unidimensionales y multidimensionales. tenemos programación no lineal. tenemos programación lineal. los grados de libertad están dados por n-p. f(x) es la función objetivo. se dice que el problema es sobrerrestringido. Un problema de programación matemática u optimización.20) 1 ) donde x es un vector de diseño con n dimensiones. Como su nombre implica..

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

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. Objetivos computacionales. http://libreria-universitaria. El capítulo 15 se dedica a la optimización restringida. Por otro lado.3. de estas metas generales.PT4. Se incluye un epílogo al final de la parte cuatro. Mathcad e IMSL. Esta sección también provee referencias de algunos métodos numéricos que van más allá del alcance de este texto. no requieren la evaluación de las derivadas de la función. programas de librerías como el IMSL y los paquetes de software tales como Excel o Mathcad tienen una variedad de capacidades para la optimización.2 para un aprendizaje comprensivo del material de la parte cuatro.14 y 15. pero se dará un repaso a los principales enfoques. haber aprendido a evaluar su confiabilidad y detectar métodos alternativos de análisis para un problema particular. La programación lineal se describe con detalle usando ambos: la representación gráfica y el método simplex. El capítulo introduce el gradiente y el Hessian. Después de haber analizado la parte cuatro. deberían ser asimilados los conceptos específicos dados en la tabla PT4. En general. Este contiene un repaso de los métodos analizados en los capítulos 13. PT4. usted debería dominar las técnicas. Además. junto con los estudiados en los capítulos 13 y 14.3 ORIENTACIÓN 361 búsquedas invariables y búsquedas de patrones. A esto le siguen descripciones de algunos métodos avanzados: gradiente conjugado. 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. los métodos gradiente usan algunas veces la primera y otras la segunda derivada para encontrar el óptimo. Usted puede usar esta parte del libro para familiarizarse con todas estas capacidades.2 M e t a s y objetivos Objetivos de estudio. Además. los cuales son representaciones multidimensionales de la primera y segunda derivadas. el método de Marquardt y los métodos cuasi-Newton. se pueden obtener con las librerías y paquetes de software como Excel. se ilustra cómo tales problemas. Este repaso incluye una descripción de los elementos de juicio relacionados con el uso apropiado de cada técnica. El análisis detallado de optimización restringida no lineal está fuera del alcance de este libro.com . Usted debería ser capaz de escribir un subprograma que implemente una búsqueda simple unidimensional (como la búsqueda dorada o la interpolación cuadrática) y multidimensional (como el método de búsqueda aleatorio). El método de paso ascendente/descendente es entonces cubierto con algún detalle. el método de Newton.blogspot. Además.

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

Poder definir y evaluar el gradiente y Hessian de una función multivariable. ambas en forma analítica y numérica. Comprender por qué y dónde ocurre la optimización al resolver problemas de ingeniería. Comprender los elementos principales del problema de optimización en general: función ob|elivo. comprender los elementos de juicio de los enfoques y reconocer cómo cada uno mejora sobre el paso ascendente/descendente. En particular. ó. 4. Localizar el óptimo de una función con una sola variable con la búsqueda de la sección dorada. y entre problemas restringidos y no restringidos. Comprender las ideas básicas detrás de los métodos del gradiente conjugado. Ser capaz de escribir un programa y resolverlo para el óptimo y la función multivariable usando búsqueda aleatoria. reconozca los elementos de juicio entre estos enfoques. Ser capaz de acondicionar y resolver problemas de optimización restringidos no lineales mediante un paquete de software.2 1. de Marquardt y de cuasi-Newton. direcciones conjugadas y el método de Powell. 5. 11.3 ORIENTACIÓN Objetivos de estudio específicos para la parte cuatro. 3. 10. Comprender las ideas detrás de los patrones de búsqueda. Ser capaz de distinguir entre la optimización lineal y no lineal. con particular atención en los valores iniciales y en la convergencia. lis TABLA PT4. 9.com . Calcular a mano el óptimo de una función con dos variables. http://libreria-universitaria. Ser capaz de reconocer y acondicionar un problema de programación lineal para representar aplicaciones de los problemas en ingeniería. 7. 14.blogspot. Poder definir la relación dorada y comprender cómo realiza una eficiente optimización unidimensional. Poder resolver un problema de programación lineal bidimensional con ambos métodos: el gráfico y el simplex. 1 3. interpolación cuadrática y el método de Newton. 8. variables de decisión y restricciones. Comprender los cuatro posibles resultados de un problema de programación lineal. de Newton.PT4. También. usando el método de paso ascendente/ descendente. 1 2. 2.

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

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

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

61803. razón fue empleada para un gran número de propósitos. os decir. dos puntos interiores x { yx 2 se escogen de acuerdo con la razón dorada. que contienen un extremo local de f(x). 8/13 = 0.3 El Partenón de Atenas.1 L a razón dorada y los números de Fibonacci lili muchas culturas. 3/5 — ( l o . es llamado la razón dorada (vea el cuadro 13. el método comienza con dos valores iniciales.1 BÚSQUEDA DE LA SECCIÓN DORADA 367 Cuadro 13.blogspot. Ahora derivemos un algoritmo para implementar este procedimiento en la computadora. fue construido en el siglo v antes de Cristo. ¡Como mi|iunenios. d =—-—(x x\ = xi + d x 2 u . 1/2 = 0. 1/1 = 1. una interesante propiedad de la secuencia de I'IIMIIIIICCÍ FIGURA 13. . I 'or ejemplo. .3. Ya que permite encontrar en forma eficiente el óptimo. 1 3 . x¡ y x . relaciona la razón de números consecutivos en la se- Himieia. 3 4 . proporciones fueron consideradas por los griegos como Incluyendo el desarrollo del rectángulo como en la figura 13. a ciertos números se les otorga cualidades.x¡) = x„ - d La función HO evalúa en esto» dos puntos interiores. cada número después de los dos primeros representa la mima de l o s dos precedentes. Como se mencionó antes y se ilustra en la figura 13. 2 1 .4. la razón de números consecutivos se aproxima a la l»*on dorada! Este valor.667. 1/H = 0. I .a razón dorada se relaciona con importantes series maternal icns conocidas como los números de Fibonacci.NIII I : 0.1).13. Grecia.615. Dos resultados pueden ocu- http://libreria-universitaria. el cual se conoce desde la antigüedad. .5. I . 5 . E n el contexto del p í n t e n l e análisis. 1 .625. u Después.comrrir: . Así.2/3 = 0. 8 . es el elemento clave del método de la sección dorada que hemos desarrollado conceptualmente. muchos de los templiiN siguieron esta forma. Esta secuencia detonó en muchas rtii'iiN diversas de la ciencia y la ingeniería. 3 . 0/1 = 0. Sus dimensiones frontales pueden casi ajusfar en forma exacta dentro de un rectángulo dorado. los cuales •on 0. Entre otras cosas. 2 . I'NUIN Místicamente agradables. en Occidente se suele decir "el 7 de la suerte" y "viernes 13". y asi sucesivamente. L o s antiguos griegos llamaron al siguiente número ln "razón dorada": > A I'.

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

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 — 4.2 sen (1. x = 2. Así. u Solución.472) = 0. el máximo está en el intervalo prescrito por x . el intervalo que contiene el extremo se reduce rápidamente.994) =1.472. i ül proceso se puede repetir.528) = 1. el primer valor x pasa a ser el nuevo x¡.0) = 2. Además. 2 2 x t u 2 2 d = 2 1 (2. Además. pero éste es un problema más difícil.8%).528.blogspot.528) = 1. no se tiene que recalcular/(x.63 Debido a que f(x ) >/(*i).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.2.1.8% de su longitud inicial. con los resultados tabulados en seguida: 2 ( 2 { u http://libreria-universitaria.008 o 0.472 xx = 0 + 2. en cada vuelta el intervalo se reduce por un factor de la razón dorada (aproximadamente el 61. Como las iteraciones se repiten. esto es. la frontera inferior permanece x = 0.472 x = 4 . Después de 20 vueltas. = 1.472 .com . x y x . iteración previa como/(l. esto es.0) = 1. Esta reducción no es tan buena como la que se alcanza con bisección.765 / ( * .472 = 2. pasa a ser la frontera superior. V5- Primero.531. Todo lo que falta es calcular la nueva razón dorada y x .13. el máximo en el intervalo está definido por x¡.1 Búsqueda de la sección dorada Enunciado del problema . x. se acerca al 0. Como este valor es menor que el valor de la función en x . 10 EJEMPLO 13.528 x = 4 .472 = 1. el intervalo se acorta a cerca de 0. De hecho. x y x .528 = 0.618 o 0.528) = ^ . ) = /(2. para el nuevo intervalo.) ya que se determinó en la . Esto significa que después de 10 vueltas. y x.528 2 La función se puede evaluar en los puntos interiores f(x ) 2 =/(1.765.0066%. se usa la razón dorada para crear los dos puntos anteriores 1 ( 4 .944 La evaluación de la función en x es/(0.

5310 1.6656 1.5432 1.4276.x\ = x„ .x¡) = (1-/?)(*«-*/) o 0. el resultado es convergente sobre el valor verdadero de 1. Si x. un límite superior para la búsqueda de la sección dorada se puede derivar como sigue.4427 1. se puede calcular un límite superior exacto en cada iteración.7647 2.52790.7647 4. estará en el intervalo superior (x .x¡ .7755. Recuerde que por bisección (véase sección 5.9443 1.6300 0.x„ + R(x u u . si el valor verdadero estuviera en el extremo izquierdo./ 0 Xu ~ XI 100% Esta estimación proporciona una base para terminar las iteraciones. Tal resultado puede entonces ser normalizado al valor óptimo para esa iteración. x .blogspot. x.3050 1. Si x es el valor de la función óptima.5279 1.5279 -3.4721 2.7647 1. el óptimo estará en uno de los dos intervalos.4427 1.).6300 1. .x „ ) +2R(x -xi) !)(*„-*.5432 1.R(x u .7732 Observe que el máximo actual está resaltado para cada iteración.382 (x — x¡).v = xi .3901 '(*/) 0 0 1.1378 0.9443 0.5836 0.1136 0.7742 x 2 í(x ) 2 d 2.3050 1.3901 1.4721 1.x¡) .7647 1.2229 0.7647 1. estará en el intervalo inferior (x¡.8885 1.7647 1. Observando en el intervalo superior.5279 1.7595 1.com .2. x para dar u o p t Sa = 0 . Usando un razonamiento similar.x 0 2 = x\ + R{x = {IR u u .7742 1. es el valor de la función en el punto óptimo.7755 1.7136 1. Debido a que los puntos interiores son simétricos.236 (x — x¡) Si el valor verdadero estuviera en el extremo derecho.52/9 0.7595 1. la máxima distancia de la estimada podría ser 2 2 2 v u A.3050 1.1.6656 1.7595 1. Por tanto. la máxima distancia de la estimada podría ser Axft = x¡.8885 1.5279 1.5432 1.5279 1. x x ).7647 1. Así.5310 1. .7755 1. el máximo ocurre en x = 1.7757 e n x = 1.5279 1.4427 1.6300 1.7755 1.7595 1.5310 1.7136 1.3050 1.8885 . Después de ocho iteraciones.9443 1.1).370 OPTIMIZACIÓN UNIDIMENSIONAL N O RESTRINGIDA / 1 2 3 4 5 6 7 8 0 0 0. http://libreria-universitaria.4427 con un valor función de 1. Una vez que se completa una iteración.7647 1. este caso podría representar el error máximo.5279 0.4/71 1.x¡) = (x.9443 0.4721' 1.0000 2. cualquier caso se puede usar para definir el error.) o 0.0851 '1.360/ 0.4752 1.

x2 fx=f2 END IF IFxopt*0.es. THEN ea = (1.maxit.com .13.fx) xt — xlow. xu = xhigh ¡ter = 1 d = R*(xuxt) xí = xt + d.blogspot. 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 .-R)*A8S((xu .xhigh.xt)/xopt) END IF IF ea < es OK ¡ter > maxit EXlT END DO Gold — xopt END Gold «) Maximización IFfí < f2 THEN * 100.1 BÚSQUEDA DE LA SECCIÓN DORADA PIOURA 13.5 FUNCTION Gold (xíow. b) Minlmlzaolón http://libreria-universitaria.

Por supuesto. se presenta el pseudocódigo del algoritmo de búsqueda de la sección dorada. En tales casos. Éstos son 1. En la figura 13. http://libreria-universitaria. la "función" involucró tiempo consumido en la integración del modelo.6 Ilustración gráfica de la interpolación cuadrática. Usted se preguntará por qué hemos hecho énfasis en la reducción de las funciones evaluación de la búsqueda de la sección dorada. el valor def(x) en el óptimo se regresa como la variable f(x). la velocidad ahorrada podría ser insignificante. en una parte posterior de este libro. ésta podría llamarse muchas veces. Existe casos donde el algoritmo de búsqueda de la sección dorada puede ser una parte de muchos más cálculos. 13. 2.6). Usted debería entender que una función puedeser muy compleja y consumir mucho tiempo en su evaluación. hay dos importantes contextos donde minimizar el número de evaluaciones de la función puede ser importante. Por razones pedagógicas. para resolver una sola optimización.5a. Muchas evaluaciones.372 OPTIMIZACIÓN UNIDIMENSIONAL N O RESTRINGIDA En la figura 13.2 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.com . Cualquier método que minimiza tales evaluaciones podría ser ventaj oso. Por ejemplo. se describirá cómo se puede usar la optimización para estimar los parámetros de un modelo que consiste de un sistema de ecuaciones difercí íciales. F I G U R A 13. Por tanto. Además.blogspot. se usan funciones sim pies en la mayoría de nuestros ejemplos. Sin embargo. Tiempo consumido en la evaluación. En ambas versiones el valor x para el óptimo se regresa como el valor función (dorado).5b se listan las pequeñas modificaciones para convertir el algoritmo a minimización. manteniendo las evaluaciones de la función a un mínimo podría dar grandes dividendos para esos casos. Para tales casos.

5055 x = 4 2 / ( * .xj) + f{x\) (x¡ .com .0 ) + 2(-3.x ) + 2f(x¡) (x .13. Después. se puede emplear una estrategia similar a la de la búsqueda de la sección dorada para determinar cuál punto se descartará. hay únicamente una cuadrática o parábola para conectar tres puntos.2 Interpolación cuadrática ] i Enunciado del problema.769 1. si se tiene tres puntos que juntos contienen un óptimo.5829 0 x.1136) (O .4 ) +2(1.O ) + (-3. . x = 1 y x — 4.5829 .5829 (4 .) y el nuevo valor de x está a la derecha del punto intermedio. = 1.7) para obtener http://libreria-universitaria.x{) 0 donde x . Por tanto. Se puede demostrar que después de un manejo algebraico el resultado es /(¿o) ( x .l ) 2 2 2 2 2 2 = } 5 Q 5 5 ~ 2(0) (1 . Después se puede diferenciar e igualar el resultado a cero.4 ) + 1.x ) + 2f(x ) 0 2 2 0 Q x 2 3 (x .v = 4 f{x ) = . El valor de la función en los tres valores se puede evaluar. De esta forma. de f(x) = 2 sen x x — 2 Use la interpolación cuadrática para aproximar el máximo j i i j | .2 INTERPOLACIÓN CUADRÁTICA Así como existe sólo una línea recta para conectar dos puntos.3 .5055) = 1 .1136) (0 .x ) + f(x ) 2 2 2 3 7 3 (x . 1 1 3 6 y sustituyendo en la ecuación (13. x = 0 0 x /(x ) = 0 0 x = 1 / ( x i ) = 1. ¡ j | | ! | | I * i j | \ I con valores iniciales de x = 0.5829) ( 4 . se puede ajustar una parábola a los puntos.1136 2 la cual so sustituye en la ecuación (13.7691 /U ) =-3. Ya que el valor de la función para el nuevo punto es mayor que para el punto intermedio (x. para la próxima iteración. 0 x 2 Solución.7) se obtiene. 2 2 _ X i 0 ( l .1) ~ la cual tiene un valor de la función d e / ( 1 . ) = 1. y resolver para una estimación de la óptima x.x ) 2 2 2 2 / ( x ) (xi .blogspot. 0 jc = 1 0 / ( x ) = 1. x y x son los valores que fijan el extremo. el valor de inicio inferior (x ) se descarta. y x es el valor de x que corresponde al máximo valor del ajuste cuadrático a los valores iniciales.

4903 1.4276.0000 1.) http://libreria-universitaria.blogspot. e j e i n P r e s s 13.7691 1.4903 -3.3 .7691 1. (1992). la interpcln ción cuadrática puede quedarse con sólo un extremo de intervalo convergiendo. H 3 6 ) ( l I. Así.3 M É T O D O DE N E W T O N Recuerde que el método de Newton-Raphson del capítulo 6.1136) ( I ' l) + 2 ( .4256 1.¡ + 1 X: - ( M H .5055 1.7757 e n x = 1.4903 + 1.0000 4.5055 .m la acumulación del error de redondeo.4275 1. el resultado es rápidamente convergente sobre i-l valor verdadero de 1.7691 1.0000 1.0000 fue un punto final para la mayoría de la iteraciones.4256 0.7757 x 2 flx ) 2 * 3 4* ) 3 2 3 4 5 1 . así como otros que usan polinomiales de tercer orden.5055) 2(1.7691)(4 • la cual tiene un valor de la función de/(1.5055 1.) Se puede usar un planteamiento similar abierto para encontrar un óptimo de / ( \ ) ul definir una nueva función./ 1. se puede formu lar en algoritmos que contienen pruebas de convergencia. g(x) — f\x).1136 -3. vea el método de Brent's en y cois.5829)(1.7714.4266 1. con los resultados tabulados abajo: / 1 -«o 0.374 OPTIMIZACIÓN UNIDIMENSIONAL N O RESTRINGIDA _ 1. El método se resume como x¡+\ = X¡ f(x¡) fU. El proceso se puede repetir.7757 1. cuidadosas estrategias de s e lección para los puntos que habrán de retenerse en cada iteración e intentos de minimi/.775/ 1.V') .7/.5829 1.7714 1.com . Deberíamos mencionar que así como en el método de la falsa posición.'.5055' -4') = 1.4256 1. es un método abierto que encuentra la raíz de x como una función tal que f(x) = 0. En particular.4 ) + 2(1.0000 1. ln convergencia puede ser lenta.5829 *i 1.77'. observe que en nuestro pío. dentro de las cinco iteraciones.5829 1. 1.1.7714 1.0000 1.0000 1.7691 ( 4 ¿ (-3. como el mismo valor óptimo x* satisface ambos / ' ( x * ) = g(x*) = 0 se puede usar lo siguiente x.505.7/M 1.4266 1.4903 1.5829 (1.1136 1.4903 1./ Así. Así.7757 4. Como prueba de lo anterior.0000 1.0000 1.7714 1.5829 1.5055 1.4903) = 1. Este método.

) Solución.0.77385.1/5 la cual tiene un valor de la función de 1.42764 1.5 0.5 .— 1/5 Al sustituir el valor inicial se obtiene x 5 2 eos 2 .blogspot. Además.46901 = a 9 9 5 Q 8 la cual tiene un valor de la función de 1.427.57194 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. f(x) = 2 senx Use el método de Newton para encontrar el máximo de 10 0 con un valor inicial de x = 2.77573 1.995 2 eos 0.57859. La segunda iteración da x.T*.5.00020 0.77385 1. también comparte la desventaja de poder ser divergente.46901 1.10229 0.17954 -2.77573 -2. 5 / 5 .5 0. 5 .17952 http://libreria-universitaria.2 sen 2. con los resultados abajo tabulados: f(x) 2.1/5 = 1.#-TW!B1WB«rüB NEWTON " 17B como una técnica pura encontrar el mínimo o máximo de f(x).88985 -0.5.2 . El método de Newton es abierto y similar al de Newton-Raphson porque no requiere de valores iniciales que contengan el óptimo. El proceso se repite.87761 -2.995/5 .995 .2 sen 0.com .39694 -1.995 . 3 Método de Newton I Enunciado del problema.00000 -1.99508 1.57859 1. EJEMPLO 1 3 . Por último.. 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 (13.8) para obtener _ 2 eos x¡ — x / 5 —2 senx.18965 -2.09058 -0. Se deberiu observar c¡uo esta ecuación puede también derivarse al escribir una serie de Taylor de segundo orden para /'(x) e igualar la derivada de la serie a cero.

75. dentro de las cuatro iteraciones.3 Encuentre el valor de x que maximiza f(x) en el problema Use métodos analíticos y gráficos para mostrar que la función 13.5. Así. 0 s 2 3 a) Búsqueda de la sección dorada (x¡ = —2. que se analizarán en el próximo capítulo.8 Considere la siguiente función: u s 0 2 4 u 0 2 8 . Por ejemplo. 13. x.5 Repita el problema 13.2 Dada la función 0 l 2 13.25.7 Emplee los siguientes métodos para determinar el máximo de 0 f(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.. b) Interpolación cuadrática (x = 1. x = 2. /.com a) Grafique la función. Emplee los valo. interpolación cuadrática y el método de Newton para localizar un óptimo valor en una dimensión. usando la búsqueda de la sección dorada.376 Asi. £ — i'oulioc 3 iteraciones.7) se obtienen los mismos resultados con base en los valores iniciales x = 0.x.2. 13.Y .3. Emplee valores iniciales de x = 0. = 2. Aunque el método de Newton trabaja bien en algunos casos.5x + 3x + x ción de raíces para determinar el máximo de f(x) y el valor correspondiente de x.8: cuadrática. 13. 13.25.blogspot.tiene un mínimo para algún valor de x en el rango — 2 < x < 1.2 x + 12* 4 http://libreria-universitaria.1 Dada la fórmula f(x) = x .x = 2 y x = 6.0.3. Para estos casos. 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. iteraciones = 5).6 Analice las ventajas y desventajas de la búsqueda de la sección dorada. se dispone de otros procedimientos que no involucran la evaluación de la derivada.V 4 /(. = 1 . e = 1%). 13. x = 4.1 J5x 2 + \Ax 3 . 1%).x = 2 y a) Búsqueda de la sección dorada (x¡ = — 2. <. PROBLEMAS 13. en versión como la secante. no es práctico en otros donde las derivadas no se pueden evaluar en forma conveniente.v) = -l. un método de Newton. usualmente se emplea sólo cuando se está cerca del óptimo. 13. el resultado converge en forma rápida sobre el vulor verdadero.9 Emplee los siguientes métodos para encontrar el máximo res iniciales de x¡ = 0 y x = 2 y realice 3 iteraciones.4 Repita el problema 13. se puede desarrollar al usar aproximaciones por diferencia finita para las evaluaciones de la derivada.8x + 12 2 a) Determine en forma analítica el máximo y el valor correspondiente de x para esta función (use por ejemplo. Esto concluye nuestro tratamiento de los métodos para encontrar el óptimo de funciones de una sola variable. Algunos ejemplos de ingeniería se presentan en el capítulo 16. b) Verifique que con la ecuación (13. diferenciación).5x 6 . pero ahora use interpolación de la función del problema 13. x„ = 1. pero ahora use el método de Newton. 13. c) Método de Newton (x = 2. Emplee un valor inicial de x = 2 y realice tres iteraciones.) Use métodos analíticos para probar que la función es cóncava para todos los valores de x.) Diferencie la función y después use un método de localizaf(x) = 6x + 1. e = 1 %). las técnicas descritas aquí son un importante elemento de algunos procedimientos para optimizar funciones multivariables. Por otra parte.

iteraciones — 5). Si no es así.2 / ( x . M I ' I )es!irrolle un subprograma usando un programa o lengua.f(x¡ . Diseñe el subprograma de tal forma que esté expresamente diseñado para localizar un máximo. = 1%. La subrutina dorada. x = 2 5. 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.13. 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. • Veri fique si los valores iniciales ajustan a un máximo. 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. ) + f(x¡ . 13.. http://libreria-universitaria. 13.13.l. e = 1%). 0 s -I u Pruebe su programa con el mismo problema dado en el ejemplo 13.11 K oii los siguientes métodos: u) Método de Newton (x = — 1. 2 3 A I I. la subrutina no debe implementar el algoritmo. Si no • Encuentre ambos. 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. e = 1 %). Ii) Método de Newton. .3. Minimice el número evaluaciones de función.14 Desarrolle un subprograma como el descrito en el problema 13.15 Desarrolle un subprograma usando un programa o lenguaje macro para implementar el algoritmo de interpolación cuadrática.Sx¡) 2¿x.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. i\s así.v. Comente sobre la convergencia de sus resultados (x 0 - (). -= 0. Encuentre ambos.v„ ~ 2. 13.PROBLEMAS />) Interpolación cuadrática (. )_ = f{x¡ + Sx¡) .0). pero deberá regresar mostrando un mensaje de error. Itere hasta que el error relativo esté por debajo de un criterio de paro o exceda un número máximo de iteraciones.»•„ = — 1 e itere para £.2. x = 1. I /( t ) I \ .com . . i) Método do Newton (x — — 1.v. Diseñe el subprograma de tal forma que esté deberá tener las siguientes características: diseñado para localizar un máximo. Verifique si los valores iniciales ajustan a un máximo. I l.01).1.2 Determine el mínimo de la función del problema 13. • M . Regrese ambos al óptimo de x y f(x). pero ahora usando aproximación por diferencias finitas para estimar las derivadas. pero debe regresar un mensaje de error. Minimice el número evaluaciones de función. y después con base en este reconocimiento implemente en forma adecuadu la búsqueda de la sección dorada. • ^ ftxi + 8x¡) .v Non Mee 10 iteraciones con interpolación cuadrática para ubicar i'l IIIIIIIIIU). el óptimo x y/(x).blogspot. Use un valor Pruebe su programa con el mismo problema como en el ejemplo liitrhil de . Pruebe su programa con el mismo problema del ejemplo 13.16 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 f(x). la subrutina deberá implementar el algoritmo. = — 1.5. Use bisección con valores iniciales de x¡ = —2 y x 1 3 1 . pero ahora haga un reconocimiento para determinar si el problema involucra minimización o maximización.

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

2 Ecuación (El 4 .1 Búsqueda aleatoria Un simple ejemplo del procedimiento de fuerza bruta es llamado el método de la búsqueda aleatoria.5 ocurre e n x = — 1 y y = 1. Los generadores de números aleatorios en forma típica generan valores entre 0 y 1. x¡= — 2 y x = 2.1. la siguiente fórmula puede ser usada para generar valores de x aleatorios en un rango de x¡ a x : u x = x.2 ) ) r = .14. el óptimo será eventualmente localizado.1) que muestra el máximo en x = .1. y y = 1 a 3. este método evalúa en forma repelida In función mediante la selección aleatoria de valores de la variable independiente. y) = y .5.1 Método de la búsqueda aleatoria Enunciado del problema.blogspot. El dominio se describe en la figura 14.l)r = 1 + 2r FIGURA 1 4 .y 2 (E14. máximo de 2 Use un generador de números aleatorio para localizar el f(x.2.5.1) en el dominio acotado porx = —2 a 2. Si un número suficiente de muestras se lleva a cabo.com .1 y y = 1 . Máximo http://libreria-universitaria. + (x u - x¡)r u Para la presente aplicación. Si se designa a tal número como r. y la fórmula es x = -2+(2( . De forma similar para y.1. Solución. respectivamente.2x .2xy . una fórmula para el presente ejemplo se puede desarrollar como y = yi + (y u y¡)r = 1 + (3 .x . Como su nombre lo indica. EJEMPLO 14.2 + 4r Esta se puede probar al sustituir 0 y 1 para obtener —2 y 2. Observe que un solo máximo de 1.

e9 00 i .f. respectivamente. y).maxy.003075 -1.1.1 .938087E-01 -1.x . y) .OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES '[ j ¡ • ¡ El siguiente código en Fortran 90 usa la subrutina RANDOM de un número aléalo rio hecha en un Fortran 90 visual y digital (Digital Visual Fortran 90) para generar pares (x. Se toma un total de 300 muestras y los resultados se despliegan cada 30 iteraciones. Éstos se sustituyen en la ecuación (E14. + 4. * rnd f n . siempre encuentra el óptimo global más que el local.*x*y . maxx. + 2. y los valores correspondientes de x y y en maxx y maxy.x maxy = y END I F END D O PRINT * .1 .2.y**2 maxf = -999. 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 .y . 10 D O J .y. 30 iter . y) I F (fn.1).1 . 1 http://libreria-universitaria. Este simple procedimiento de fuerza bruta trabaja aun en discontinuidades y luncio nes no diferenciables.rnd f ( x .GT. Además.*x**2 . maxy..com j .maxf. * rnd y .2.003075 1 1 1 1 1 1 1 1 1 1 525812 525812 510029 510029 510029 510029 510029 503096 498462 498462 1 1 1 1 1 1 1 1 1 1 241338 241338 248693 248693 248693 248693 248693 249875 249969 249969 Los resultados indican que la técnica rápidamente arriba al máximo verdadero. i t e r . j .iter + 1 CALL Random(rnd) x .2 . El máximo valor de entre estas pruebas aleatorias se guarda en la variable maxf.maxf) THEN maxf = fn maxx . i t e r REAL : : x.maxx.f ( x . Program Jump IMPLICIT N0NE INTEGER : : i .fn.blogspot.

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

i figura 14. etcétera. Continúeeste proceso generando los puntos 4. 6.4) de que si los puntos 1 y 2 se obtienen por búsquedas en una dimensión en l¡i misma dirección. 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. Sin embargo. Luego. Tales líneas son llamadas direcciones conjugadas. el punto 4-6 va en la dirección general del máximo. En efecto. y se mueve a lo largo del eje x con la y constante hacia el máximo en el punto 2.4 Direcciones conjugadas. 3-5 o 2-4. se puede demostrar que sif(x. sin importar el punto de partida.382 OPTIMIZACIÓN MULTIDIMENSIÓNAL SIN RESTRICCIONES Realicemos una búsqueda univariable por medio de una gráfica. 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. también observe que las líneas unen puntos alternos tales como 1-3. Este se basa en la observación (véase l. 5. entonces la línea formada por I y 2 podría dirigirse hacia el máximo.blogspot. El más conocido de dichos algoritmos es el llamado método de Powell. como se muestra en la figura 14.3. Esas trayectorias presentan una oportunidad para llegar directamente a lo largo de la cresta hacia el máximo. Puesto que una función general no lineal a menudo puede estar razonablemente aproximada a una función cuadrática.com . la búsqueda comienza a ser menos eficiente al moverse a lo largo de una angosta cresta hacia el máximo. Se implementará en forma gráfica una versión simplificada del método de Powell para encontrar el máximo de FIGURA 14. muévase a lo largo del eje y con la x constante hacia el punto 3. Se dispone de algoritmos formales que capitalizan la idea de las direcciones patrón para encontrar los valores óptimos en forma eficiente. y) es una función cuadrática. las búsquedas secuenciales a lo largo de las direcciones conjugadas convergerán exactamente en un número finito de pasos. http://libreria-universitaria. pero con diferentes puntos de partida. Tales trayectorias son llamadas direcciones patrón. Se comienza en el punto 1. Aunque se está moviendo en forma gradual hacia el máximo.

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

FIGURA 1 4 . Un ejemplo podría ser su altura sobre una montaña como una función de su posición. Por ejemplo. y).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. Además. Si usted define su posición como si estuviera en el origen de este eje (es decir. La elevación a lo largo de este nuevo eje puede pensarse como una nueva función g (h).com . 6 El gradiente direccional se define a lo largo de un eje h que forma un ángulo 6 con el eje x. Del cálculo. x h http://libreria-universitaria. Sin embargo. b) y quiere saber la pendiente en una dirección arbitraria.blogspot. se debe primero entender cómo la primera y la segunda derivada se expresan en un contexto multidimensional. también recuerde que la primera derivada puede indicarnos cuándo se ha encontrado un valor óptimo. 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). para entender por completo las búsquedas multidimensionales. Suponga que usted está en un lugar específico sobre la montaña (a.6). Esas ideas fueron útiles para los algoritmos de búsqueda en una dimensión que se exploró en el capítulo anterior. Esta pendiente. El gradiente.2. puesto que éste es el punto donde la derivada tiende a cero. que es llamada derivada direccional. la pendiente en esta dirección podría designarse como g'(0). 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. ésta es una información útil. h — 0). si la pendiente es positiva. Suponga que se tiene una función en dos dimensiones f(x. se puede calcular a partir de las derivadas parciales a lo largo de los ejes x y y por (14.384 OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES 14.1) donde las derivadas parciales son evaluadas c o n * — a y y = b. Desde el punto de vista de la optimización.

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

107) = 8. inicialmente se ha ganado 8.7 La flecha sigue la dirección de pasos ascendente calculado con el gradiente.608. ! i FIGURA 14. la cual es más pequeña.blogspot. puede ser calculada como V 4 + 8 = 8.5235) = 7. durante el primer paso. 1 _ i 1 1 1 0 1 2 3 1 4 • x http://libreria-universitaria. la cual es la magnitud de V/. Observe que la ecuación (14.5235) + 8 sen (0.107/2 = 0.944 2 2 ' Así. . digamos 9 = 1. como en la I figura 14. Al moverse hacia adelante.com .7.386 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.1) da el mismo resultado. Esto inmediatamente nos indica que la dirección que debe tomarse es 6 = tan' (^j 1 = 1 .4°) j respecto al eje x.944 unidades de aumento de elevación de pendiente por unidad de distancia recorrida a lo largo de la trayectoria empinada. Estos cambios se pueden cuantificar en cada paso mediante el gradiente. y la dirección del ascenso se modificará de acuerdo con esto. g'(0) = 4 eos (1.944 Note que para cualquier otra dirección.107) + 8 sen (1. 1 0 7 radianes ( = 63.5235. La pendiente en esta dirección. tanto la dirección como la magnitud del paso de la trayectoria cambiarán. g'(0) = 4 eos (0.

2). Como en el caso para una función de una dimensión. Esta es una característica general del gradiente.blogspot.com . es cóncava hacia abajo (la segunda derivada es negativa).7. la función parece ir hacia un mínimo (la segunda derivada es positiva). la segunda derivada indicará si es un máximo [negativo f"(x)] o un mínimo [positivo f"(x)]. La primera derivada a) proporciona una trayectoria más grande de la función y b) indica que se ha alcanzado el óptimo. Además de definir la trayectoria de paso. En ambos casos. la primera y la segunda. Una vez en el óptimo. se ilustró cómo el gradiente proporciona la mejor trayectoria local para problemas multidimensionales. proporcionan información valiosa para la búsqueda del óptimo. entonces se ha alcanzado un máximo. se ha alcanzado el óptimo en dos dimensiones. la dirección del paso ascendente es perpendicular. El punto (a. . si las derivadas parciales con respecto ax y y son cero. Puede esperarse que si las segundas derivadas parciales con respecto a x y y son ambas negativas. El Hessian. Ahora. Observe que al ser vista la curva a lo largo de las direcciones x y y. b) de esta gráfica parece ser un mínimo cuando se observa a lo largo.8 Un punto de silla (x = o y y = b) . se examinará cómo se usa la segunda derivada en tales contextos. Como se indica.8 muestra una función en la que esto no es cierto. f(x< y) t http://libreria-universitaria. Para problemas de una dimensión. La figura 14. mientras que al verse a lo largo del eje x = y. las segundas deri- FIGURA 14. En los párrafos anteriores. ambas derivadas. u ortogonal.14.2 MÉTODOS GRADIENTE 387 I | Se puede obtener una cierta perspectiva al inspeccionar la figura 14. al contorno en la elevación en la coordenada (2. ya sea de la dimensión x o de la>>. se puede también usar la primera derivada para discernir si se ha alcanzado un óptimo.

Por ejemplo. y) tiene un mínimo local. claramente. se puede calcular la siguiente cantidad: silla \H\ = A / 2 8x 2 dy 2 K dxdy (14. entonces f(x. si la función se observa a L O largo de lu Unen y = x. tiene un máximo local. Aproximaciones por diferencias finitas. si se adopta el proco dimiento de diferencias centrales.3.com ' Observe que d J!(dx dy) = d fl(dy dx).Sx. Esto es. 2 2 . Sin embargo. entonces 0. se pueden evaluar numéricamente. las variables independientes se pueder^ modificar ligera mente para generar las derivadas parciales requeridas. sino también a la segunda parcial con respecto a JC y y. j p a r a los casos don de son difíciles o inconvenientes de calcular en forma analítica. el gradiente y el determinante de Hessian. Esta fo R M U es llamada do y.2f(x. puede verse que ocurre un máximo en el mismo punto.y)-f(x-Sx. Se debe mencionar que. éstas se pueden calcular como 9/ dx d¿ dy df 2 = 2 = = f( x + 2Sx Sx. Sx 2 (14.7) y) . a m b o s .blogspot.. p e r n o t e búsquedas qiip incluyen curvatura de segundo orden para obtener resultados superio» res. • Si | H | < 0. el Hessian tiene otros usos en optimización ( p o r ejemplo. y) tiene un punto de silla.1) f(x. y) . para lu forma multidimensional del método de Newton).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. y) dx http://libreria-universitaria.3 p a j a el método de la secante modificado. no ocurren ni un máximo ni un mínimo en el p u n t o .y+Sy)-f(x. 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. Ya sea que ocurra un máximo o un mínimo. H = (14. esto involucra no s«ólo a las PARCIULCN con respecto ax y y.n) (14.3) Pueden ocurrir tres casos: • • Si | H | > 0 y Si | H | > 0 y a^fdx > (Pfdx < 2 2 2 0. En la m_.y) (I4. Suponiendo que las derivadas parciales sean continuas en y cerca del punto que hah>rá de evaluarse.y-Sy) 2Sy f(x + Sx. entonces f(x.388 OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES vadas parciales son positivas. En particular.f(x . y) f(x.ayoría de los castiN se emplea el procedimiento que se introdujo en la sección 6.

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

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

= 2y + 2 .blogspot.12) (14.l ) = 6 2x -Ay = 2(—1) — 4(1) = .2x = 2(1) +"2 . EJEMPLO 1 4 . 9/ dx 9/ dy Las derivadas parciales se pueden evaluar en ( — 1. como se muestra en la figura 14. supóngase que x — 1 y y = 2 y V / = 3i + 4j.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.2 MÉTODOS GRADIENTE 391 V f = 3 i + 4j FIGURA 14. 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 = 1.2 ( .6 Por tanto. Por ejemplo. 1).10.10 La relación entre una dirección arbitraria hy las coordenadas x y y.6j http://libreria-universitaria. donde h es la distancia a lo largo del eje h.14. 3 Desarrollando una función 1 -D a lo largo de la dirección gradiente i Enunciado del problema. nes: f(x. el vector gradiente es V/' = 6i . Las coordenadas de cualquier punto a lo largo del eje h están dadas por 0 0 x = 1 + 3h y = 2 + Ah (14.com . Solución.

x — 2 y y = I. se puede explorar cómo resolver la segunda pregunta. f(x.4 Óptimo de pasos ascendente Enunciado del problema. a lo largo de un eje h que corre a lo largo de la dirección de este vector. Así. Las segunda* derivadas parciales también se pueden determinar y evaluar en el óptimo .1 + 6hf . Esto es. Debido a que esta función es muy simple.y) = 2xy+ 2x - Maximice la siguiente función: x -2y 2 2 usando los valores iniciales. El cual es el valor del paso que maximiza g (y por tanto. dy 2x . se podría buscar a lo largo de la dirección gradiente.2(1 - 6h) 2 ¡ donde las derivadas parciales se evalúan en x = — lyy= 1.4y = 0 http://libreria-universitaria. « Al combinar términos.7 2 Ahora que se ha desarrollado una función a lo largo del camino de pasos ascenden te. dx y + -fh) = / ( . 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.com Este par de ecuaciones se pueden resolver para el óptimo. y) a lo largo del eje h./) en lu dirección gradiente. se podría generar primero una solución analítica. La función se puede expresar a lo largo de este eje como f(xo + ?fh. Solución. g(h) = .6/0 dy d 0 \ = 2 ( . las derivadas parciales se evalúan como ' I — = 2y+ dx — = 2-2x^=0 .l + 6h. Para hacer esto. se desarrolla una función de una sola dimensión g(h) que mapea f(x.1 8 0 / z + 72A .392 ¡ | i s OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES Para encontrar el máximo. Este método es llamado de pasos ascendente cuando se usa un paso arbitrario de tamaño h.6/0 + 2 ( . 1 . esto es. . ¿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.blogspot.l + 6/0 . Lo cual se puede hacer mediante diferentes técnicas de busque da de una dimensión como las analizadas en el capítulo 13. el método es llamado óptimo de pasos ascendente. Tal problema es equivalente a encontrar el máximo de una función de una sola variable h.( .l + 6A)(1 . x = — lyy= 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. EJEMPLO 14.

1) es un máximo. debido a que | H | > 0 y 9 /73 JC < 0. g'(h*) = 0 .2 ( . Ahora se implementará el método de pasos ascendente.com .3 6 0 F + 72 = 0 h* = 0.1 + 6 ( 0 .3)].para las coordenadas (x.i.4 ) . 2 ) = 0. Este resultado se puede sustituir en las ecuaciones (14. El método del paso ascendente para alcanzar el óptimo. ya que ésta es una simple parábola.11) y resolver .2 Z =4 2 2 Por lo tanto.0 . se puede localizar directamente el máximo (es decir.2 y = 1 . Recuerde que al final del ejemplo 14.3 ya se había implementado los pasos iniciales del problema al generar g(h) = — 180/r + 726 . g (h) alcanza un valor mínimo cuando h = h* — 0.v- m 2 = 2 -4 9y 2 3 / 9x9y a/ 9y9x y el determinante de Hessian se calcula [véase ecuación (14.¡)\r .2. 2 \ FIGURA 14. http://libreria-universitaria. y) correspondientes a este punto. h = h*) resolviendo el problema.6(0. el valor de la función/(2.2 Esto significa que si se viaja a lo largo del eje h.blogspot.7 2 Ahora.11 .2) = . x = . \H\ = .10) y (14.

Además.0 .2 + 1.2Í + 1. El segundo paso es simplemente implementado al repetir el procedimiento. tiende a moverse muy lentamente a lo largo de crestas largas y angostan. . etiquetailn como punto 2 en la gráfica. y al hacer esto se mueve más cerca del máximo. el vector gradiente es | V / = 1.88 = 0 \ h* = 1 Este resultado se puede sustituir en las ecuaciones (14.2/z y = . hay otros procedimientos que convergen mucho más rápido.2) pnrn obtener — = 2 ( .V Í \ — = 2 ( 0 . .2.2(1) = 1. listo es porque el nuevo gradiente en cada punto máximo será perpendicular a la dirección original.0 .2 .2 Por tanto. este nuevo eje h se puede ahora expresar como [ * x = 0 .2/! I \ Al sustituir estos valores en la función se obtiene /(0.11).394 | '• OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES Este paso se describe en la figura 14. v J y y = 1. 4 4 / ¡ + 2. y = .10) y (14.11) y resolver para las coordenadas (x. 2 + 1.0 . nos movemos a las nuevas coordenadas.11. 2 + 1.2 2 | i El paso h* nos lleva al máximo a lo largo de la dirección buscada y puede ENTONCEN calcularse directamente como g'(h*) = . 2 + 1.88/z + 0. j J | Puede demostrarse que el método de pasos descendente es linealmente convergente. 2 ) = 1. 2 ) = 1. la técnica toma muchos pasos pequeños de cruce en la dirección de la nilit hacia la cima.1 . El PROCEDÍ miento se puede repetir con el resultado final que converge a la solución analítica.4 .2/i. Primero.2 ít. Las coordenadas a lo largo DE .0 .2(1) = 1 Como se describe en la figura 14. 2 ) .4 ( .2/z) = g{h) = . — 0 . aunque es confiable. las derivadas parciales se pueden evaluar en el nuevo punto de inicio (0. Por tanto. lil resto de lu sección http://libreria-universitaria.11 cuando se mueve del punto 0 al 1. Así.com es dedicada a esos métodos.blogspot. y) correspondientes a este nuevo punto. 2 + 1.2j 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 . 8 8 / 1 * + 2. 2 ) + 2 . 2 + 1. . x = 0 .2 ( 0 . particularmente en la vecindad de un óptimo.

(x-x )=0 / Si H es no singular. se puede demostrar que es cuadráticamenté convergente. Además. Dado que muchas funciones con buen comportamiento pueden aproximarse razonablemente bien por una cuadrática en la vecindad de un óptimo. /(x) = / ( ) + V / ( x . 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. n V/ = V/(x ) + / //.X. Este método es cuadráticamente convergente y no requiere la información del gradiente. 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. De manera similar.XifHiix r X / . En efecto.blogspot. el cálculo de las segundas derivadas y la inversión de la matriz. Por otro lado. En el mínimo. la cual se puede demostrar que converge en forma cuadrática cerca del óptimo.) donde H es la matriz Hessian. Esto también asegura que el método optimizará una función cuadrática exactamente en un número finito de pasos sin importar el punto de inicio.1.2.12). ) ( x . en cada iteración. pero se describen en Rao (1996). se puede también mejorar la convergencia lineal de pasos ascendentes por medio de gradientes conjugados. l = O Así.-. el método de Newton puede no converger si el punto inicial no está cerca del óptimo.-) + I ( x . Método de Newton. un método de optimización que usa gradientes conjugados para definir la dirección de búsqueda.com .3) se puede extender a los casos de multivariable. si la evaluación de las derivadas es práctica. cómo en el método de Powell las direcciones conjugadas mejoran mucho la eficiencia de la búsqueda univariable. El método de Newton para una sola variable (recuerde la sección 13.14. el método no es muy útil en la práctica para funciones con grandes números de variables.x. Así. para 7 = 1. Se ha visto cómo empezando con dos direcciones de búsqueda arbitrarias. http://libreria-universitaria. La prueba y el algoritmo van más allá del alcance del texto. 2 .2. Sin embargo. se ha visto Método del gradiente conjugado (Fletcher-Reeves). Escriba una serie de Taylor de segundo orden para f(x) cerca de x = x. el método de Powell produce nuevas direcciones de búsqueda conjugadas.3 Procedimientos de g r a d i e n t e a v a n z a d o En la sección 14. observe que este método requiere ambos. los procedimientos de convergencia cuadrática son a menudo muy eficientes cerca de un óptimo. Este método de nuevo se comporta mejor que el método de pasos ascendentes (véase la figura 14.

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

y) = m(x + 2xy + 3y ) 2 Construya y resuelva un sistema de ecuaciones algebraicas lineales que maximice/(*).2 y y = 2 en la dirección de h = 3/ + 2j. 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.i) íi\. y) para el problema 14.2 2y 2 empezando en x — 1 y y = 1.5y - 1. Rao (1996) proporciona detalles y declaraciones formales de ambos algoritmos. = x +y 2 2 2 + 2z i .3. Encuentre el valor mínimo de /(A. Observe que esto se realiza al igualar a cero las derivadas parciales de/con respecto a x y y. Ellos son similares excepto en detalles concernientes a cómo manejan los errores de redondeo y su convergencia.blogspot. Así. Hay dos métodos principales de este tipo: los algoritmos de Davidon-Fletcher-Powell (DFP) y el de Broyden-Fletcher-Goldfarb-Shanno (BFGS).= 2.4 a) Empiece con un valor inicial de x — 1 y y = 1 y emplee dos aplicaciones del método de pasos ascendente a f(x. v) . observe que la matriz Hessian en la ecuación (14.v + j 2 2 P i n . -5 -10 -15-20-25 -2 -1 \ 0 2 X < http://libreria-universitaria.) I\\. usando el método de pasos descendente con un criterio de paro de £ = 1 %.y.25 A.PROBLEMAS 397 Métodos de Quasi-Newton. x PROBLEMAS H I encuentre la derivada direccional de /(>. o métodos de variable métrica buscan estimar el camino directo hacia el óptimo en forma similar al método de Newton. 5 FIOURA P 1 4 . 14. Estos métodos son llamados de Quasi-Newton porque no usan el Hessian verdadero. b) Construya una gráfica con los resultados del inciso a) anterior mostrando la trayectoria de la búsqueda.•) /U.14) se compone de las segundas derivadas d e / q u e varían de paso a paso. se tienen dos aproximaciones al trabajar en forma simultánea: 1) la aproximación original de la serie de Taylor y 2) la aproximación Hessian. Sin embargo. .com Menta».y) = 2xy + 3 ^ 2 /. Los métodos de Quasi-Newton. H J l'nitientre el vector gradiente y la matriz Hessian para cada tilín do las siguientes funciones . y) = (x- 2) 2 + (Y - 3) 2 Y) ^ 2xy + \. BFGS es por lo general reconocido como superior en la mayoría de los casos. el DFP y el BFGS. sino más bien una aproximación. 9 lu LII'IM]II (¡cla de la malla.z) l ' M Dada /(\.

1 4 . v) = 3.9 La búsqueda por malla es otro procedimiento de fuer/a bruta para optimización.com .39B OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES Diseñe el subprograma do tal forma que esté expresamente di señado para localizar un máximo.2xy 2 2 con valores iniciales x = 0 y y = 0.x . La función se eva lúa entonces en cada nodo de la malla. Cuanto más densa sea la malla.2x + 1 ly + 2 y . Emplee el método de bisección para encontrar el tamaño de paso óptimo en la dirección de la búsqueda del gradiente. Las dimensiones de x y y se dividen en pequeños incrementos para crear una malla.1. 8 Desarrolle un subprograma usando un programa o lenguaje macro para implementar el método de búsqueda aleatoria. Pruebe su programa con el problema del ejemplo 14.9. Desarrolle un subprograma por medio de un programa o lenguaje macro para implementar el método de búsqueda por malla. y = 0.x 2 4 - 2xy - y 2 mediante los valores iniciales x = 0.5. 6 Realice nuil iteración del método de pasos ascendente para locali/ur el máximo de .y) del problema 14. 7 Efectúe una iteración del método de pasos descendente del gradiente óptimo para localizar el mínimo de /(.V + 2y + .blogspot.v. 1 4 . http://libreria-universitaria. y) = -Ix + \ . Diseñe el subprograma de tal forma que esté expresanien te diseñado para localizar un máximo. Pruebe el programa con f(x. La versión en dos dimensiones se des cribe en la figura P14.6. es más probable localizar el óptimo. Use un rango de —2 a 2 para ambos xyy14./lv. 1 4 .

1 Forma estándar El problema básico de programación lineal consiste en dos partes principales: la función objetivo y un conjunto de restricciones. la función objetivo es por lo general expresada como Maximizar Z = y cx i l + c¿x 2 + • • • + c pc t n (15. en presencia de restricciones como lo son las fuentes limitadas.1.com . las fuentes Hon limitadas. se proporcionará una revisión de cómo se puede emplear los paquetes de software y librerías para la optimización. se dispone de métodos especiales que aprovechan la linearidad de las funciones realzadas. Las restricciones se pueden representar en forma general como a. es el pago total debido al número total de actividades. Los llamados métodos de programación lineal y sus algoritmos resultantes. Dichos métodos se usan en un amplio rango de problemas en la ingeniería y la administración. el valor de la función objetivo. Después. 1997). más bien denota "programar" o "fijar una agenda" (Revelle y cois. se analizarán problemas donde ambas. son lineales. se retomará en forma breve un problema más general de optimización restringida no lineal.1) donde c = pago por cada unidad de la y-ésima actividad que se lleva a cabo y Xj = magnitud de laj'-ésima actividad. http://libreria-universitaria. la función objetivo y las restricciones. Esto es. el objetivo y las restricciones. son lineales.blogspot.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. 1 * 1 + a/2*2 -\ 1 " ax m n < b¡ (15. resuelven con gran eficiencia problemas muy grandes con miles de variables y restricciones. Z. El término programación no significa "programación en computadora". Para un problema de maximización. 15.1 PROGRAMACIÓN LINEAL La programación lineal (o PL por simplicidad) es un procedimiento de optimización que trata de cumplir con un objetivo como el de maximizar las utilidades o minimizar el costo. Finalmente. Primero. 15. Así. El término lineal denota que las funciones matemáticas que representan ambos. Para tales casos.CAPITULO 15 Optimización restringida Este capítulo aborda problemas de optimización donde entran enjuego las restricciones. n.

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

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

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

9 y 3. Así. como queda también claro en la gráfica.com .FIGURA 15. la línea se mueve lejos del origen. Z se puede seguir aumentando hasta que un incremento adicional lleve la función objetivo más allá de la región factible. por la misma razón. En este punto. 7(4. Como la línea todavía está dentro del espacio de solución.9. nuestro resultado es aún factible. todavía hay espacio para mejorarlo.1¿>.1 ' » n ' m gráfica de un problema de programación lineal. Además. se mueve hacia arriba y a la derecha hasta que toca el espacio factible en un solo punto óptimo. en forma respectiva.9 < 6 En consecuencia. el valor máximo de Z corresponde a 1 400 aproximadamente.9) + 11(3. { 2 Además de determinar los valores óptimos. Por tanto. < iiólii uniente. la gráfica también hace evidente que ninguna de las restricciones de almacena- http://libreria-universitaria.9) + 8(3. Esto se puede apreciar al sustituir de nuevo las soluciones en las ecuaciones restrictivas. Como se muestra en la figura 15.9 < 9 3. Así. el procedimiento gráfico proporciona conocimientos adicionales en el problema. a) Las restricciones definen un espacio de solución factible. M li i liilición objetivo se puede incrementar hasta que alcance el valor más alto que cumpla con todas las restricciones.9) = 80 4.blogspot. x y x son casi igual a 4. la solución gráfica indica que si se producen estas cantidades de gasolinas regular y prémium. producir la cantidad óptima de cada producto nos lleva directamente al punto donde se encuentran las restricciones de las fuentes (1) y del tiempo (2). incrementando el valor de la función objetivo. Tales restricciones se dice que están enlazadas. se alcanzará una máxima utilidad de casi 1 400.9) = 77 10(4. Sin embargo.

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

las ecuaciones con restricciones se reformulan como igualdades por medio de la introducción de las llamadas variables de holgura. Si nos limitamos a puntos extremos factibles.1. esto es. el procedimiento debe ser capaz de discernir si durante la solución a un problema ocurre un punto extremo. + 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. Maximizar Z = I50*| + I75x 2 http://libreria-universitaria. Una variable de holgura diferente se desarrolla para cada ecuación restringida.1 y 15. Se podría encontrar esta solución óptima mediante la exhaustiva (e ineficiente) evaluación del valor de la función objetivo en cada punto extremo factible.1.3 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. forma la relación exacta 2 7xi + 11 *2 + Si = 11 Ahora se reconoce lo que la variable de holgura nos indicaba. Así. fuera del número infinito de posibilidades en el espacio de decisión y enfocándonos sobre los puntos extremo. Si esta cantidad se agrega al lado izquierdo de la restricción. Así. 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. se puede reconocer que no todo punto extremo es factible. 15. Esto es. Tal punto se conoce de manera formal como un punto extremo. una vez que se ha identificado todos los puntos extremo factibles. \a es un punto extremo. recuerde la fuente restringida que se usó en los ejemplos 15. la variable de holgura proporciona un medio para detectar puntos extremos. Finalmente. Para realizar esto. se cuenta con algo más de recursos que no han sido utilizados por completo. Por ejemplo. Además. significa que se tiene algo de "holgura" para esta restricción. se dispuso de todo el recurso. Por último. claramente se reducen las opciones posibles. Si ésta es positiva. si es cero.1371 PROGRAMACIÓN LINEAL figura 15. pero no es factible. el que ofrezca el mejor valor de la función objetivo representará la solución óptima. En la siguiente sección se analiza el método simplex.blogspot. observe que el punto F en la figura 15.2: 7x. Puesto que ésta es exactamente la condición donde las líneas de restricción se intersectan. Variables de holgura. denota que se cumplió exactamente con la restricción.. es decir. nos indica que nos hemos excedido en la restricción. resultando en lo que se llama versión completamente aumentada. Es decir. una variable de holgura mide cuánto de una fuente restringida está disponible. . Como lo indica su nombre. salislucer todas las restricciones. x ). Por ejemplo. debería quedar claro que siempre ocurre el óptimo en uno de los puntos esquina donde se encuentran dos restricciones. cuánta "holgura" de la fuente está disponible. Si es negativa.com .sc reduce el campo factible todavía más.

los cinco puntos esquina del área ABCDE tienen los siguientes valores cero: Punto extremo Variables cero x. s 2 4 X]. las incógnitas originales). 4 variables de holgura y 6 variables totales. Así. Por ejemplo.. Junto con *| -. m excedentes o variables de holgura (una por restricción). cada punto factible tiene 2 variables de las 6 que se igualaron a cero. donde se tenía ra ecuaciones con // incógnitas. y n + m variables totales (estructuradas más excedentes). S . En forma específica. S 2 3 4 > 0 Advierta cómo se han formulado de igual modo las cuatro ecuaciones.4)] está subespecificado. nuestro sistema ejemplo [ecuaciones (15. esto reduce el problema a una forma soluble de 4 ecuaciones con 4 incógnitas. Se hizo así para resaltar que ahora se trata de un sistema de ecuaciones algebraicas lineales (recuerde la parte tres). En la siguiente sección se mostrará cómo se pueden usar estas ecuaciones para determinar los puntos extremo en forma algebraica. En términos generales. = 11.S 0. En contraste con la parte tres. x . de tal manera que las incógnitas están alineadas en las columnas. En nuestro ejemplo.com la cual se puede resolver para x = 6. esto es. 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.blogspot. hay n variables estructuradas (es decir. 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.4«) (15.4A) 10xi+8x2 =80 xi x 2 2 + S 3 =9 + S =6 4 (15. S = 32 y S = 9.406 OPTIMIZACIÓN RESTRINGIDA Sujeta a 7*i + 1 1JC + 5i 2 =77 + S 2 (15. Si. . s Sj. = S = 0 se reduce la forma estándar a 4 A B C D E S|.4c-) (15 Ad) xi. S 4 llx +Si 2 =77 + S 2 8x X2 2 =80 + S = 9 3 =6 2 2 3 4 http://libreria-universitaria. tiene más incógnitas que ecuaciones. haciendo x. estos valores definen el punto E. S. Para el problema de la producción de gasolina se tienen 2 variables estructuradas. Por ejemplo. Solución algebraica. para el punto E. el problema involucra resolver 4 ecuaciones con 6 incógnitas. S .

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

para la primera variable de holgura restrictiva S . Recuerde que. Con base en su coeficiente.150*i . Después. Debido a la convención de cómo se escribe la función objetivo [véase ecuación (15. Para nuestro caso.0S . Sin embargo. —175. los puntos extremos deben tener 2 valores cero. la variable de entrada puede ser cualquier variable en la función objetivo que tenga un coeficiente negativo (ya que esto hará a Z más grande). o x ) por arriba de cero para que Z aumente. Esto se lleva a cabo al aumentar una variable actual no básica (en este punto.175 *2 . Por ejemplo. para el ejemplo actual.5)]. Así. Esta variable se llama variable de salida. Sin embargo.blogspot. seleccionamos x¡ puesto que se observa en la gráfica que nos llevará más rápido al máximo. Moviéndonos al punto B se tendrá S igual a cero. mientras que al movernos al punto F tendremos . se debe escoger la variable de salida de entre las variables básicas actuales S2. se debería escoger x para introducirlo. se decide mover de A a B. desarrollaremos un procedimiento matemático para seleccionar las variables de entrada y salida. x.408 OPTIMIZACIÓN RESTRINGIDA Básica Z x * 1 2 Si s 2 s 3 s 4 Solución Intercepción Z 5. el eje x. 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.V. Esta variable se llama variable de entrada. ya que queda fuera del espacio de solución factible.3.5) El siguiente paso implica moverse a una nueva solución factible básica que nos lleva a una mejora de la función objetivo. x podría ser la variable de entrada puesto que su coeficiente. . la función objetivo se expresa como Z .0 S . En el proceso. Ahora. Se puede ver gráficamente que hay dos posibilidades. S o S ) deben también igualarse a cero. Por tanto. 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¡. por la gráfica también queda claro que F no es posible.OS. una de las variables básicas actuales se hace no básica (cero).). Para resumir este paso importante: una de las variables no básicas actuales debe hacerse básica (no 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. esto significa que la segunda linea . — 150. una de las variables básicas actuales (S S . como se muestra en la figura 15. Como 8 es el entero positivo más pequeño.com tabla.0S = 0 2 3 4 (15. es más negativo que el coeficiente d e x . el resultado es 2 1( 2 3 4 2 ( 2 3 4 2 x Intercepción = 77 7 =11 Las intersecciones restantes se pueden calcular y enlistar como la úllima columna de la http://libreria-universitaria. Se comienza en el punto A. La variable con el valor negativo más grande se escoge de manera convencional porque nos lleva usualmente al incremento más grande en Z. para continuar con este breve ejemplo. En este punto se puede consultar la solución gráfica por visualización. igual a cero. S o S ).

En este punto. S debería ser la variable de entrada. y la nueva solución básica es ahora x 2 2 2 7 x i + Si = 7 7 lOx. La tabla se puede usar para realizar los mismos cálculos al emplear el método de Gauss-Jordan. = 8.blogspot. S = 1. 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. se tiene 3 4 2 2 Básica Z s.7) Para este ejemplo. S = 6. Al dividir el renglón ende 10 Y reemplazar S por x. X J ) . + 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. = 21. el renglón pivote es S (la variable de entrada) Y el elemento pivote es 10 (el coeficiente de la variable de salida. 5*. s http://libreria-universitaria. Por tanto.8 0 1 0 0 0.1 0 0 0 0 0 1 0 1 0 0 0 0 0 1 3 ñ .13.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 0.1 PROGRAMACIÓN L I N E A L m restringida se alcanzará primero en tanto x aumente. x. se ha movido al punto B (x = S = 0).

como la variable de entrada. tiene un valor negativo en la función objetivo.1 0 S 3 S 4 Solución 1 200 21 8 1 ó Intercepción S 4 -55 5.HH7 10 6 -1 y> Así. El resultado es la tabla final. Z 1 0 0 0 0 x i 0 0 1 0 0 x 2 Si 0 1 0 0 0 15 -0.1481 0. De acuerdo con los valores de la intei cepción (ahora calculados como la columna de solución sobre los coeficientes de la columna x ). como .4 0.1296 0 0 0 1 0 0 0 0 0 1 4 111 A HIIV '¿111 Se sabe que éste es el resultado final porque no quedan coeficientes negativos en el renglón de la función objetivo. Además. Esta tabla se puede usar entonces para representar el próximo. 0 0 0 0 0 1 :i . La solución final se tabula como x¡ — 3. |(M« el renglón de la función objetivo. en los otros renglones se pueden eliminar.2037 0. la primera restricción tiene el valor positivo más pequeño y.889. la nueva tabla resume toda la información para el punto B. por tanto.1852 0. los cuales dan una función objetivo máxima de Z = I 413. por tanto. se selecciona a S. 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 '. el pum > final.com . Sólo una más de las variables. todavía en la base.1296 0.1852 -0.OPTIMIZACIÓN RESTRINGIDA Después.'< ii I| 1 :nn Operaciones similares se pueden ejecutar en los renglones restantes para obtener la mirva tabla Básica Z S. Esto incluye el hecho iln que el movimiento ha aumentado la función objetivo a Z = 1 200. la eliminación Gauss-Jordan se puede implemcnluí para resolver las ecuaciones simultáneas. los coeficientes x. Por último. y en este caso.8 1 0 0 0 1. 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.blogspot.2037 -0. x . el método simplex mueve los puntos dr B a C e n la figura 15. Así.889.8 -0.889 y x v Si OITÁN } 4. sabemos que la solución está limitudu por ln primer» y http://libreria-universitaria. 2 2 Básica Z X Z 1 0 0 0 0 * 1 x 2 S .1852 7. y se escoge.3. como la variable de salida.1481 -0.8704 -0.7 0.V. Por ejemplo.1 -0.

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

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

Una hoja de cálculo de Excel para calcular los valores pertinentes en el problema de procesamiento de gasolina es mostrado en la figura 15. El siguiente ejemplo ilustra cómo se puede realizar esto para el problema de procesamiento de lu gasolina. de g a s o l i n a Regular Producido Materia prima Tiempo Almacén. Solución. de prémium Aprov. se selecciona Solver del menú Tools (Herra| mientas). = 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. por unidad Aprovechamiento 0 7 10 Prémium 0 1 1 8 . D E 1 2 3 4 5 6 7 00 Total Disponib. íisln involucra usar la opción Solver que nntoH NO empleó en el capítulo 7 para localizar raíces. de regular Almacén. Reconozca que la { celda a ser maximizada es la D I 2 . Las celdas no ! sombreadas son las que contienen los datos numéricos y leyendas. la cual contiene la utilidad total. Utilice una hoja de cálculo en Excel para calcular los valores adecuados en el problema del procesamiento de la gasolina examinado en este capítulo.5.15.3 OPTIMIZACIÓN C O N PAQUETES DE SOPTWARE 4tt concentrará en la hoju tic cálculo lixcel. Las celdas que cambian son B4: C4. En esta etapa un recuadro de diálogo se mostrará. 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. 3 Usando el Solver de Excel para un problema de programación lineal Enunciado del problema.com . Las celdas sombreadas involucran las cantidades que se calculan con base en las otras celdas. requiriendo de usted la infor- FIGURA 15.blogspot. A | B | C | P r o b l e m a p a r a el proe es. ¡ Una vez que se crea la hoja de cálculo. en las cuales se tiene las cantidades de la gasolina producida regular y prémium. 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. EJEMPLO 1 5 .5 Acondicionamiento de una hoja de cálculo en Excel para usar el Solver para la programación lineal.

1 2 3 4 5 6 '7.888889 7 10 Materia prima Tiempo Almacén. Después de agregar cada una de las restricciones. por unidad 11 8 77 80 4. ' A | B j C | Problema para el preces. de prémium Aprov.com n o 150 175 . 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-.888889 3. de gasolina 1 : D E Disponib. .888889 3.6 Hoja de cálculo de Excel con la solución al problema de programación lineal. se leccionamos el botón OK para regresar al recuadro de diálogo del Solver. E s t o FIGURA 15. hará que Excel emplee una versión del algoritmo simplex (en lugar del Solver no lineal más general que normalmente usa) que acelera su aplicación. el botón "Add" puede ser seleccionado.414 OPTIMIZACIÓN RESTRINGIDA marión pertinente. se debería seleccionar el botón options del Solver y revisar el recuadro rotulado como "Assume linear model"(Suponer modelo linear). Esto abrirá un recuadro de diálogo como el siguiente Celda de referencia: D6 Restricción Eó Como se muestra. antes de la ejecución. Cuando se haya introducido las cuatro restricciones. Ahora.blogspot.* Regular Producido Prémium Total 4. 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. de regular Almacén.888889 77 80 9 6 http://libreria-universitaria.G1 Sujeto a: D6<=-£6 D7<=E7 D8<=E8 D9<=E9 Se debe incluir las restricciones una por una al seleccionar el botón "Add".

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.11) a (PT4. Estos serán explorados en las aplicaciones de la ingeniería que se describen en la sección 16. 15. se abrirá un recuadro de diálogo con un reporte sobre el éxito de In operación.com .3 OPTIMIZACIÓN C O N PAQUETES DE SOFTWARE 411 Después de seleccionar esta opción. Además de obtener la solución. regrese el menú Solver. el Solver también proporciona algunos reportes resumen útiles. Para el caso actual. Una vez más. EJEMPLO 15.6). las siguientes cantidades se definen como http://libreria-universitaria.blogspot.2. Cuando seleccione H botón OK.3.1 se desarrolló una optimización restringida no lineal para minimizar el costo de la caída de un paracaídas en un campo de refugiados.13. 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. Valor 2 000 9. 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.L4 ) 2 0 c sujeto a v < 20 n > 1 donde n es un entero y todas las otras variables son reales.19) se obtiene Minimizar C = «(200 + 56( + 0. Además. el Solver obtiene la solución correcta (véase figura 15.3 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.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. Recuerde que en el ejemplo PT4.4 Uso del Solver de Excel para la optimización restringida no lineal Enunciado del problema.8 200 56 0.1).

un procedimiento más fácil es posible mediante el desarrollo de la í siguiente solución por iteración por punto fijo en la ecuación (15.8).8m2 ( 1 _ e^clm)i) 9. Ahora.blogspot.) Mientras tanto.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). 5009. ¿cómo se puede resolver esta ecuación en una hoja de cálculo? Como se muestra abajo. Después coloqúese en la celda B20 y apunte su valor a la celda B21. Un método \ podría ser desarrollar un macro para implementar un método de localización de raíces. la fórmula siempre converge.8m c e (15. í Solución.com . ya que B20 dependo do IÍ21 y viceversa. Ahora. A 20 21 B r itl 0 0. Se puede demostrar que para el rango de parámetros usados en este problema.- 9.8w (15.8m ¿ '¡+1 — (1 -(c/m)f.7).8) Así. se debe primero enfrentar el j problema de establecer la raíz en la formulación anterior [ecuación (15.7)]. 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.6) -(I-e -(c/m)t t = raíz 500 V= 9 1 (15. | tal como el de la bisección o de la secante. Antes de implementar este problema en Excel.OPTIMIZACIÓN RESTRINGIDA A = 2nr 2 í = V2r c = 3.7) ' % -(c/ m ) f j | Use Excel para resolver este problema para las variables diseño r y n que minimicen el costo C. Se puede teclear la ecuación (15.4 m - ¥í n 9.3.8m Una vez que se introducen estas fórmulas. (Advierta que se ilustrará cómo realizar esto ] en el próximo capítulo.480856 500 + 9.8) [es decir. se puede fijar dos celdas de manera que tengan un valor para t y para el lado derecho de la ecuación (15. en la sección 16./(r)]. t se puede ajustar hasta que se satisfaga la ecuación (15.

note que la celda que habrá de minimizarse es E l 5 . Las celdas no sombreadas son las que contienen los datos numéricos y las leyendas. Esta repetición en la celda El 1 muestra que la estructura de las restricciones es evidente en la hoja. En la figura 15.blogspot. la masa en B17 se calculó con la ecuación (15. Las celdas a cambiar son E4:E5.25595 Así.6) con base en los valores de M (B4) y n (E5). que se pueden cambiar si se desea).(cálculo).7 Acondicionamiento de una hoja de cálculo en Excel para el problema de optimización no lineal referente al paracaídas. Por ejemplo.1438 R a i z : localización: t fifi http://libreria-universitaria. Finalmente. que contiene el costo total. En forma inmediata la hoja de cálculo iterará estas celdas y el resultudo aparecerá como A B 20 i 2 1 Ht) 1 255} 10.283185 1. Si se quiere tener más precisión. Las celdas sombreadas involucran cantidades que se calculan con base en las otras celdas. ' 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. la celda El 1 se direcciona a la celda E5.1 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. sólo presione la tecla F9 para que se realicen más iteraciones (el default es 100 iteraciones. Del recuadro de diálogo calculation.8 200 56 0. Por ejemplo. t FIGURA 15.7 se muestra cómo establecer una hoja de cálculo en Excel para calcular los valores pertinentes. en las cuales se tiene el radio y el número de paracaídas.414214 2000 Costo 9 283. verifique que apurezca "iterución" y presione "OK". Observe también que algunas celdas son redundantes. las celdas convergerán sobre la raíz.com .

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 0.3 1 0 K . 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 9.418 OPTIMIZACIÓN RESTRINGIDA Una vez que se ha creado la hoja de cálculo. 19 fin 1 R a i z : localización: 27.Q4v76 27. se elige la selección Solver del menú Tools.162952 15 1 163. Esto abrirá un recuadro de diálogo como el siguiente Celda de referencia: E.262 http://libreria-universitaria.V I ' E 5 = entero Se debe agregar las restricciones una por una al seleccionar el botón "Add".C Restricción FIGURA 15.com . Igual a O máx Al cambiar celdas E 1 5 • mín O igual a 0 U E' E i 5 E"?> . Las celdas pertinentes en el recuadro de diálogo Solver se podrían llenar como Ubique la celda dentro. En esta etapa se desplegará un recuadro de diálogo.44432 14 A 4.8 Hoja de cálculo en Excel con la solución del problema de optimización no lineal referente ni caídas.blogspot.04076 .333 16 c m 333.1 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. requiriendo la información pertinente.

A . = y entero). | Observe que la flecha hacia abajo le permite escoger entre varios tipos de restricciones ( < = . (Salida) http://libreria-universitaria. Para el caso presente. (Entrada) A = Punto extremo inferior del intervalo en el cual se localiza el máximo. (Salida) F y G se deben declarar como EXTERNAL en el programa de llamado XGUESS = Un valor inicial del punto mínimo de F. \ el Solver obtiene la solución correcta como la que se muestra en la figura 15. (Entrada) FX = Valor de la función en X. UVMID es implementado por el siguiente enunciado CALL: C A L L U V M I D ( F . Además de obtener la solución.8. se determina que el costo mínimo de 4 377. (Entrada) B = Punto extremo superior del intervalo en el cual se localiza el máximo.com . Después de agregar cada restricción se puede seleccionar el botón "Add".blogspot. jj De esta forma. 15. (Entrada). B .3. donde G = valor de la función calculada en el punto X. X no debería ser cambiada por F.2. (Salida) GX = Valor de la derivada en X. G X ) donde F = FUNCIÓN suministrada por el usuario para calcular el valor de la función a ser minimizada. El presente análisis se concentrará en la rutina UVMÍD. G T O L . (Salida) G = FUNCIÓN suministrada por el usuario para calcular la derivada de la función. X G U E S S . F X . Así. Cuando seleccione el botón OK se abrirá un | recuadro de diálogo con un reporte sobre el éxito de la operación. puede ser agregada como se hizo en el ejemplo. (Entrada) MAXFN = Número máximo de ecuaciones permitido de la función.1). (Entrada) GTOL = Tolerancia derivativa usada para decidir si el punto actual es un mínimo. la restricción en la que la velocidad real del impacto (celda E10) debe ser menor o igual a la velocidad requerida (G10).26 ocurrirá si se reparte I en seis paquetes con un radio del paracaídas de 2. y F = valor de la función calculado en el punto X. E R R E L . Estos serán explorados ¡ en las aplicaciones de la ingeniería que se describirán en la sección 16.3 OPTIMIZACIÓN C O N PAQUETES DE SOFTVM» 41* Como se muestra. donde X = punto en el cual se evalúa la función.1 5.944 m.. G . X . ] el Solver también proporciona algunos reportes resumen útiles. se selecciona el botón OK para \ regresar al recuadro de diálogo Solver. (Entrada) ERREL = Exactitud relativa requerida del valor final de X.4 IMSL IMSL tiene varias subrutinas en Fortran para optimización (véase tabla 15. La forma es F(X). se puede forzar el número de paracaídas (E5) para que sea un entero. Esta rutina localiza el punto mínimo de una función suave para una sola variable mediante evaluaciones de la función y primeras derivadas. > = . Cuando se hayan introducido las tres restricciones. MAX F N .

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

Los productos requieren 20 y í kg de materia prima por kg de producto. Use la rutina UVMID para determinar el máximo de lii función unidimensional resuelta en el capítulo 13 (recuerde los ejemplos del 15.a. f x .blogspot.l . REAL::x.PROBLEMAS " . b .maxfn.05 y 0. Sólo un producto so puede fabricar a la voz.739729E-04 PROBLEMAS I 1 1 Inii compañía produce dos tipos de productos.x**2/10.15 horas.g CALL UVMIDCf.f f—(2. g x END P R O G R A M FUNCTION f(x) IMPLICIT NONE REAL::X. e r r e l .com .) END FUNCTION FUNCTION g(x) IMPLICIT N O N E REAL::x. 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 . respectivamente. y IN compañía tiene acceso a 10 000 kg de materia prima por seiminii.2 . a) Establezca el problema de programación linoal pare maxl mizar la utilidad. E .fx. respectivamente. http://libreria-universitaria.x. .g g—(2.3).1 AL 15. respectivamente.*SIN(X) .gtol. g t o l .l .*C0S(x) . se introduce el negativo de la función.427334 -1.xguess. ! ¡ f(x) = 2 sen x J 10 ! Solución. * x / 1 0 .gx EXTERNAL f. 5 U J O de IMSL p a r a localizar un 1 0 I 0 óptimo j Enunciado del problema. la compañía obtiene utilidades de $45 y $30 por e«<ln unidad. con tiempos de producción de 0.fx. ) END FUNCTION Observe que como la rutina está acondicionada para minimización.2 . Un ejemplo de la corrida es \ i 1.g.6 . x .775726 -4. Esos productos se producen en una semana de trabajo de 40 horas y al I nuil de la semana son embarcados. Pin último. La plnnlii puede almacenar sólo 550 kg del producto total por semana.gx) PRINT * .errrel.6 . a — 2 . E ." • ^ Ttn EJEMPLO 1 5 .g.50 REAL: :xguess-0. .b. A y B.f.

blogspot.\x+\. el almacenamiento o el tiempo de producción. c) Mediante un paquete de software o librería apropiado (por ejemplo. y) l. líxiW.5 Use un paquete o librería de software (por ejemplo. . a) Establezca el problema de programación lineal para maximizar la utilidad. IÍXITI. Excel. b) Resuelva el problema de programación lineal con el método simplex.2 Suponga que para el ejemplo 15.y) = 12* + lOy http://libreria-universitaria.v + 2y < 500 x >0 }>0 Obtenga la solución a) Gráficamente.3 Considere el problema de programación lineal 3 sujeto a x + y < 0..5JC + 3 . suponga que una nueva fuente de materia prima para la gasolina se ha descubierto. Maximizar f(x.com y > 0 15.) Resuelva el problema do programación lineal en forma gráfica. Mathcad o IMSL) pura obtener una ONlinmuion mát exacta. Mathcad o IMSL) para resolver el siguiente problema de opiitin zación no lineal restringido. 5 } ' < 1600 .2 . c) Con un paquete de software o librería apropiado (por ejeui pío. Utilice un paquete o librería de software (por ejemplo.422 OPTIMIZACIÓN RESTRINGIDA sujeto a /. . b) Por medio del método simplex. Mathcad o IMSL).y 3 Además. 5 ) 2 2 sujeto a x + 2y = 4 a) b) Use un procedimiento gráfico para estimar la solución. c) Solucione el problema con un paquete de software.95 x + 2y < 2 x > 0 2 2 x + 2.7 Considere el siguiente problema de optimización no IIIICBI restringido: Minimizar/(x.Í Use un paquete o librería de software (por ejemplo. Mathcad o IMSL) para resolver el siguiente problema de opluul zación no lineal restringido. 15.9y .9 x >0 y > 0 15 . Mathcad o IMSL). e) Evalúe con cuál de las siguientes opciones se obtendrá la máxima utilidad: aumentar la materia prima. 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 . 15.4 Considere el problema de programación lineal: Maximizar/X*. Excel. d) Resuelva el problema con un paquete de software. y .1700 x +y < 7 4. d) Evalúe con cuál de las siguientes opciones se obtendrá la máxima utilidad: aumentar la materia prima.5) + (y . el almacenamiento o el tiempo de producción. 15. 15..2. l 'v ecl. y) = —x + y 3 sujeto a x + y > 0. c) Solucione el problema do programación lineal con el método simplex. b) Mediante el método simplex. .5}' < 15 x+y < 7 2x + y < 9 x>0 y > 0 Obtenga la solución a) Gráficamente.1.}>) = I9x+ sujeto a \ly Minimizar f(x. de tal forma que el total disponible se duplica a 154 m /por semana. Minimizar/(x:. y) = (x . .

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

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

16.5 20 rrr' cm kg/rrv m m 1 $Afj $/m http://libreria-universitaria. Como puede verso. Un esquema del tanque y de la caja se muestra en la figura 16.1 Parámetros para determinar las dimensiones óptimas de un tanque cilindrico. ya que ellas tienen efecto sobre la masa del tanque y las longitudes a soldar.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 tanque consiste en un cilindro con dos placas soldadas en cada extremo. El costo está relacionado con las variables de diseño (longitud y diámetro).8 3 8 000 2 1 4. el problema es restringido yu que el tanque debe 1) ajustar a la caja del camión y 2) contener el volumen requerido de material.1. Su objetivo general será minimizar el costo del tanque. Debido a que el tanque transportará desechos tóxicos.1. se requiere de un espesor especificado por ciertos reglamentos. Sin embargo. además del costo. Además. El costo del tanque involucra dos componentes: 1) gastos del material. desechos tóxicos que se van a trasladar en un camión. el cual está basado en el peso. y 2) gastos de soldadura que se basan en la longitud necesaria para soldar.blogspot. Solución.1 Parámetro Parámetros para determinar las dimensiones óptimas de un tanque cilindrico para transporte de desechos tóxicos. El objetivo aquí es construir un tanque a un mínimo costo. Observe que lo último involucra soldar ambas: la costura interior y la exterior en donde se conectan las placas con el cilindro.com . 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. Los datos necesarios para el problema so resumen en la tabla 16. TABLA 16. usted debe asegurar que mantenga la cantidad requerida de líquido y que no exceda las dimensiones de la caja del camión.

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

Sin embargo.03 8000 2 1 4. ) rho Lmáx 9 Dmáx n 10 11 cw 0.2 Hoja de cálculo de Excel lista para evaluar el costo de un tanque sujeto a restricciones de volumen requerido y tamaño.03 El problema ahora se puede resolver en diferentes formas.! .16.570796 < = = _ 1 2 0.5 20 D L 1 2 Restricciones D L * Vol 1 2 1. FIGURA 16.433 http://libreria-universitaria.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 . L<L D<D r M Á X El problema está ahora especificado.blogspot.03 0..2. La hoja de cálculo para realizar esto se muestra en la figura 16. ln : 4K(D + 0. Con la sustitución de los valores de la tabla 16. 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. W F »( \ )V i » > * C •14.8 0.com Ylaeai 11$ 1 .5m + 2Q€ Sujeto a TTD L 2 W 4 L D < < = o. se puede resumir como Maximizar C = 4.: 2 1 donde m = 8000 \ Ln D + 0.1.8 V a l o r e s calculados: W3 IF1 m Iw Vcoraza Función objetivo: It .03 - - + 2JT[ ® + 0.

799998 1 2 o. podría encararse esta restricción y el problema se reduciría a una búsqueda unidimensional para la longitud.982949 1. 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 0.236 12. el Solver obtiene la solución correcta.982949 < = 0. 9 8 M Y L = 1 . 3 RESULTADOS DE MINLMIZACIÓN. Observe que el diámetro óptimo es casi el valor de la restricción de 1 m. Una vez creada la hoja de cálculo. Para el caso presente. En este punto aparecerá un recuadro de diálogo que le solicitará la información pertinente.05 M.5 20 D E F O 1 2 3 4 5 Variables de diseño: D L Restricciones D L Vol < = 0. YA QUE EL VOLUMEN MÁS PEQUEÑO TIENE LAS DIMENSIONES DE D = 0 .blogspot.com Vcora¿u •••• .8 0. FIGURA 1 6 . la cual se muestra en la figura 16.57 > 0. si la capacidad del tanque se aumentara. Así. EL PRECIO SE REDUCE DE 9 1 54 A 5 7 2 3 .72909 1 C http://libreria-universitaria.428 APLICACIONES E N LA INGENIERÍA: OPTIMIZACIÓN Para el caso mostrado. un recuadro de diálogo se abrirá mostrado un reporte sobre el éxito de la operación. se introducen los límites D y L.3. Para este caso.8).a 6 0. 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. la selección Solver se escoge del menú T O O I N (Herramientas).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. el volumen cu mayor que el requerido (1.03 8000 2 1 4.

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

paseos en bote. el costo total de tratamiento (sobre una base diaria) se puede calcular como (16. 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. pesca.2 Parámetros para las cuatro plantas de tratamiento de aguas de desecho que descargan contaminante» a un sistema de ríos.com . También. Así. d¡($ 1 0 0 0 / mg removido).blogspot. poní ahora con los estándares para los segmentos 3-4 y 4-5 disminuidos a 1 0 mg/L. evalúe el impacto « I hacer el estándar más restringido debajo de la ciudad 3. s TABLA 16.7) 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).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 (!(>. el factor de remoción y los estándares para los segmentos del río.()) J C 3 ) f 3 c 4 = R34Q34C3 Q45 d P2X2 + O -x )P 4 4 Después. También se enlista el flujo. http://libreria-universitaria. Observe que el estándar de 2 0 mg/L se viola en todos I o n puntos de mezclado. donde todas las x = 0 ) . 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. se observa que el tratamiento de aguas tiene un costo diferente. el mismo ejercicio. La pieza final en la "decisión rompecabezas" involucra regulaciones ambientales Para proteger los usos benéficos del río (por ejemplo. La concentración se puede calcular con la ecuación ( 1 6 . en cada una de las localidades. junto con los resultados de concentración (c¡) para tratamiento cero. Use la programación lineal para determinar los niveles de tratamiento que salislii cen los estándares de calidad del agua a un mínimo costo. tomar 1111 baño). las regulaciones indican que la concentración del río no debe exceder un estáiuliii de calidad de c . En la tabla 1 6 . Esto es.

00E + 09 4E + 09 0 4.00E + 0 7 0. Además.10)].SUM($H$4t/$H$7) .48 20 0 TOTAL 0 / / $D$4/$B$10 . y el costo del tratamiento para la Ciudad 1.00E-06 '""•ip'lÍ 2 2.00E-06 FLUJO EN REMOCIÓN SEQMENTO EL RÍO EN EL RÍO 1-3 1. 5 I LI de cálculo de Excel lista para evaluar el costo de tratamiento de aguas sobre un sistema de ríos regulado.LINI las fórmulas usadas para calcular C.5E + 0 9 4.6 2. Como en la figura 16. Todos los factores antes mencionados se pueden combinar en el siguionto problema de programación lineal: Minimizar Z = d P x l l l m + d^P^ + dPx 3 3 3 + dPx 4 4 4 (16.00E-06 jl||ni|iiiliiiii 3 4.8) sujeto a las siguientes restricciones (1 (1 " X )P 2 2 223 < c s2 ~ Q4 + R Q 3C (1 ~x )P 3 2i 2 (16.00 20 0 / 47.$B$4*$C$4*$I$4 http://libreria-universitaria.10E + 08 0.00E-O6 s u .2 MlNIMO COSTO EN TRATAMIENTO DE AGUAS DE DESECHO Solución.X4 2 < 1 (16. CIUDAD P X W D 1 1 .9) + < Cs4 R\3<2\3C\ R34Q34C3 + Q45 2 (1 . Además. 4 2.8)] sujeto a la restricción de los estándares de calidad del agua que se deben satisfacer para todas las partes del sistema (16.00E + 09 2E + 0 9 0 2. los datos junto con los PIOURA 1 6 .OOE + 0 7 0.com .35 Í B i " 3-4 1. ESTÁNDAR COSTO DE DECA EN EL RÍO TRATAMIENTO 20 100 0 / 40. 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.5.OOE + 09 0 1E + 0 9 2.6).27 20 0 / 22. El problema se puede resolver por medio de una variedad de paquetes.50E + 09 0 2. La columna I 11 MLLENE el cálculo de la concentración de acuerdo con la ecuación (16.10) De esta forma.X .8)]. el tratamiento no debe ser negativo o mayor que el 100% de remoción [véase ecuación (16. está sombreada la celda IIV I|II(¡ muestra la fórmula para el costo total que es el que hay que minimizar [véase ecuación (16.X3.5 « f f 2-3 5.blogspot.* ) P 3 3 „ 4 4 < Cs3 0 < Xi.50E + 08 J i 4-5 " 1 F G H CONCENT.16.9). la función objetivo es minimizar el costo de tratamiento [véase ecuación (16. Las celdas F4 y H 4 están sombreadas para UN II. Para esta aplicación se usa la hoja de cálculo Excel.

se elige la selección Solver del menú Tools. OBSERVE quo AUN CON EL HECHO DE QUE NO SE REQUIERE TRATAMIENTO PARA LA CIUDAD 4 . El Solver generará automáticamente un reporte de sensibilidad. LOS ESTÁNDARES DE CALIDAD DEL AGUA SE CUMPLEN A UN COSTO DE 12 600/DIARIOS. 2000 9000 0 1 2 3 4 6 10 HfH •Pl 20 20 20 20 4-5 http://libreria-universitaria.com 2.10E + Q8 0. requiriéndole la información pertinente. ya que el recuadro de diálogo despliega sólo seis restricciones a la vez.5 1E + 09 2.00 0 4.00E-06 20.6.28 4.00E-06 Flujo en Remoción Seqmento Total el río en el río 1-3 1. Antes de aceptar la solución (al seleccionar el botón OK en el recuadro reporte del Solver).5625 1. D i 6 t Costo m í n i m o del t r a t a m i e n t o de a g u a s de desecho Costo unit. Para el presente caso.7.00E + 07 0. LA CONCENTRACIÓN EN SU PUNTO DE MEZCLADO ACTUALMENTE EXCEDE EL ESTÁNDAR.35 3-4 1.00E-06 4 2.432 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN cálculos de la concentración se pueden introducir de manera fácil en lus celdas de la hoja de cálculo. Seleccione el reporte Sensibilidad y después presione el botón OK para aceptar la solución.5E + 09 15.$°§tG§ . Concent.8 2E + 0 8 2. En este punto. se abre un recuadro de diálogo con un reporte sobre el éxito de la operación. No tratada Tratamiento Descarga Estándar Ciudad P X W d en el río deCA ! 1 .5 2-3 5. el Solver obtiene la solución correcta. Sensibilidad y Límites.6 H Costo de tratamiento •16QQ.OOE + 09 0.blogspot.00 4.00E-06 20 2 2. Cuando se selecciona el botón OK.6 RESULTADOS DE MINIMIZACIÓN. FIGURA 16.00E + 09 0.OOE + 09 0. A :B -.75E + 09 20. como el de la figura 16. Una vez que se crea la hoja de cálculo. observe que se ha generado 3 reportes: Respuesta. la cual se muestra en la figura 16.50E + 09 0 2. 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.00E + 07 0. un recuadro de diálogo se desplegará.

8 0. $F $5 __conc $F$6 $F$7 conc_ conc 20. se puede examinar el reporte de Sensibilidad. ocurre para uno de los cambios de estándar (es decir. Antes de hacer esto.blogspot. Como se muestra en la tabla T A B L A 1 6 .00 15. Como un ejercicio final. Para nuestro ejemplo. corriente abajo de la ciudad 3) que se están contemplando. la columna clave de la figura 16. í3 Esto se confirma cuando se vuelve a ejecutar el Solver con los nuevos estándares (es decir. 30 1200 16000 10000 Valor final Precios anticip.7 es el precio anticipado. Observe que el estándar ajustara en todos los puntos de mezclado.6).5625 0 _0 0 10000 4000 16000 10000 !.00 6 . 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 .640 20 20 10 10 http://libreria-universitaria. . Para el caso actual.m M i c r o s o f t Excel 5 . El precio anticipado es un valor que expresa la sensibilidad de la función objetivo (en nuestro caso. = 2 0 Ciudad X Escenario 2 : C o r r i e n t e a b a j o c.600 20 20 20 15. Esto indica que nuestra modificación será costosa. " ° 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 0.5625 0 Costo .30'____ 0 ! I + .28 -30. Por tanto.$19.00 20 20 20 _ 1E+30 _ 20 4.. el costo) con una unidad que cambia una de las restricciones (estándares calidad-agua).00 _ 20.5 0.E+.$12. se disminuye el valor en las celdas G6 y G7 a G10).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.5 0.90909091 Ahora examinemos la solución (véase figura 16. Restric. — $440/Ac .72 20 17.5 0.8 0.28 mg/L).00 -440. LD Aumento permisible Disminución permisible FIGURA 16.264 Costo . Ciudad X 10 c c 1 2 3 4 0. se puede disminuir los estándares 3-4 y 4-5 para ahora tener 10 mg/L. revela que el precio anticipado más grande. 3 Comparación de los dos escenarios involucrando el impacto de diferentes regulaciones sobre los costos de tratamiento.87878788 15. aunque no se requiere tratamiento para lo ciudad 4.com . E s c e n a r i o 1 : T o d a s l a s c. la concentración en la ciudad 4 será en realidad menor que el estándar (16. representa el costo adicional en que se incurrirá al hacer los estándares más restrictivos. De hecho.28 1 2 3 4 0.8375 0. 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 .

y que la ciudad 3 debe actualizar su tratamiento.8 Un circuito resistor con un resistor ajustable. a) Encuentre el valor de la resistencia ajustable R que maximiza la transferencia de potencia a través de las terminales 1 y 2. A partir de las leyes de Kirchhoff se puede obtener una expresión para la potencia del circuito.blogspot.3. Además. como P(R ) a = Ri(RVRiR. Los resistores ajustables son llamados potenciómetros Los valores para los parámetros son V = 80 V. + Ri + Ri) + RiRa + R3R2 ( 1 6 . El circuito simple con resistencias mostrado en la figura 16. FIGURA 16. + «1 A R 2 M — F I '3 FIGURA 1 6 . al reducir el estándar de concentraciones para las llegadas inferiores significará que la ciudad 4 debe comenzar a tratar sus desechos. R = 12 Q. R = 8 Q.434 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN 16. o potenciómetro. 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. Observe también que no se afecta el tratamiento en las duda des corriente arriba.8 contieno tres resistores fijos y uno ajustable.com . el resultado es que el costo del tratamiento aumentó de $ 12 600/diarios u $ I 9 640/ diarios. y R = 10 Ll.8 como una función de la resistencia del P(R ) a 40 20 Potencia potonciómetro R .9. 16. 1 1 ) a Sustituyendo los valores de los parámetros dados se obtiene la gráfica mostrada en ln figura 16. 9 Una gráfica de transferencia de potencia a través de las terminales 1-2 de la figura 1 6 .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. Observe que la máxima transferencia de potencia ocurre en una resistencia de aproximadamente 16 Q. 0 0 http://libreria-universitaria.

11). 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.44 Q. pero esto será ineficiente. En este punto se desplegará un recuadro de diálogo requiriendo de usted la información pertinente. Una forma preferible sería involucrar el desarrollo de una función macro que llegue al óptimo.com .10 l>ciluminación en Excel de ln polc-ncia máxima a través i lo un potenciómetro niiKJiíinle prueba y error.10. la ecuación (16. Para este ejemplo.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. Como se indica.44445 t D 3 4 5 6 FIGURA 16. Tal función es enlistada en la figura 16. Primero. donde estamos interesados en determinar en qué modo la potencia máxima varía para diferentes valores de voltaje. Observe la similitud tan cercana con el pseudocódigo de la búsqueda de la sección dorada que se presentó en la figura 13. se despliega un recuadro de diálogo con un reporte sobre el éxito de la operación.blogspot. se desarrollará un programa macro en Visual BASIC para realizar un análisis de sensibilidad.03003 =(B3*B6*B8/(B4'(B8+B5+B6)+B6*B8+B6*B5)) 2/B8 A Resolveremos este problema en tres formas con la hoja de cálculo Excel. Entonces el valor de R (celda B8) puede ser variada en forma de prueba y error hasta que se tenga un residuo mínimo. aunque el procedimiento anterior es excelente para una sola evaluación.1 ¿. Además. d) En la figura (16.11) se puede introducir en la celda B9. observe que una función se debe definir también para calcular la potencia de Acuerdo con In ecuación (16. b) Ahora.5. 7 8 9 30. Está claro que el Solver podría llamar muchas veces los diferentes valores de los parámetros.10) se muestra una hoja de cálculo Excel para implementar la ecuación (16.11.03 W con un valor en el potenciómetro de R = 16. Un planteamiento superior involucra usar la opción Solver del menú Tools de la hoja de cálculo. no es conveniente para los casos donde se deben emplear múltiples optimizaciones. el resultado es una potencia de 30. Tal podría ser el caso para la segunda parte de esta aplicación. se emplea la prueba y error y la opción Solver. Para el caso actual. Solver obtiene la misma solución correcta mostrada en la figura 16. Después. http://libreria-universitaria.11).

R2.xl + d : f2 . R l .f l f l . R l .Num/Ra End Function A 2 FIGURA 16.x l + d : x2 . V) f 2 .x l : x l . x h l g h . R l .x l ) x l .xu .x l : f x .com .r ) * AbsCCxu .f 2 f 2 . En la figura 16.d : f l . R3. V) maxlt .x2 x2 .f l Else xopt .r * d I f f l > f 2 Then x l . R3.xopt End Functlon A Function PowerCRa. V) Num . R l . V) I f f l > f 2 Then xopt .Power(x2.5 .blogspot.xu .f 2 End I f I f xopt O 0 then ea . V) End I f 1ter . V) Else xu .es Or i t e r > maxlt Then E x i t 0o Loop Gol den .Power(x2. R2.11 Macro para Excel escrito en Visual BASIC para determinar un mínimo con la búsqueda do la sección dorada.i t e r + 1 I f f l > f 2 Then xopt .x l ) / x o p t ) * 100 I f ea <. R3.0.1 d . R3.( 1 . R2.436 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN Functlon GoldenCxlow. R l .r * (xu .x l : f x .(5 0. de 45 a 105 V).f 2 End I f Do d .50 : es . R l . R2.xlow : xu .x2 : x2 . R2.f 1 Else xopt . R2. Se tiene una columna de valores que cubre un rango de los voltajes (esto es.x h l g h : 1 t e r .1) / 2 x l .x l x l . En la celda B9 se tiene una función de llamado del macro que referencia el valor adyacente de V (los 45 volts en A9).01 : r . http://libreria-universitaria.d f l .PowerCxl.PowerCxl. R3. R3.x2 : f x .12 se muestra una hoja de cálculo Excel que utiliza este macro para evaluar la sensibilidad de la solución para el voltaje.(V * R3 * Ra / CR1 * (Ra + R2 + R3) + R3 * Ra + R3 * R2)) Power .x2 : f x .

En la figura 16.39358 90 16.com .1 1. mientras que la referencia relativa corresponde al voltaje en el mismo renglón. La potencia máxima se puede trazar para visualizar el impacto de las variaciones de voltaje.44 £2.LIE. las referencias absolutas queden fijas. La hoja de cálculo indica que para un mismo valor.44444 26. se incluye también parámetros en la función argumento. 4 4 4 4 4 9 .$B$4. se tiene una a FIGURA 16.12 I li > | u de cálculo de Excel para implementar un análisis de sensibilidad de la potencia máxima con variaciones de voltaje.$B$7. I ski iijlina accesa el programa macro para la búsqueda de la sección dorada de la figura 16.blogspot. *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.A9) ' I f ' ' 1 1 1 1 1 1 1 / llliilíliiim w \ TI'. Esto se hizo de tal forma que cuando la fórmula se copie. Advierta que. el resultado es como el mostrado en la figura 16.1 Rmáx 100 V Ra ^ PiRal 45 1 6 . 4 4 4 4 4 5 1 . mientras la referencia con Ves relativa. 5 0 1 6 8 9 6 0 16. incluyendo el signo $). \ \ \ Cálculo de la potencia] =(A9*$B$5*B9/($B$3*{B9+$B$4+$B$5)+$B$5*B9+$B$3*$B$4))*2/B9 FIGURA 16.44444 38.11) en la celda C9. Cuando se copian las fórmulas hacia abajo.$B$3. las referencias a los valores iniciales superior e inferior y las resistencias son absolutos (esto es.13 Resultados del análisis de sensibilidad para el efecto de las variaciones de voltaje sobre la máxima potencia. Además.89189 75 16.13 se observa que la potencia aumenta con el voltaje. 16.$B$5. Una estrategia similar se usa para introducir la ecuación (16.44444 16. Los resultados para los valores correspondientes en el potenciómetro (R ) son más interesantes. http://libreria-universitaria.12.00676 105 1 6 . 7 3 1 4 2 Llama a la macrofunclón hecha en V i s u a l B A S I C Oro ($B$6.

Por su trabajo en la industria de la construcción. 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. 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. 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. w — ancho = 0.44 m.y) = 1— J x + .1 . En particular. Este problema se puede plantear al desarrollar la siguiente ecuación para ln energía potencial del sistema de frenado.0001 m . A área de sección transversal = 0. http://libreria-universitaria.\ — )y 2 2 .56 m. Sin embargo.^ i .Fx eos 6-Fy sen 0 (16. 11 2 Solución.11). 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.com .438 APLICACIONES EN LA INGENIERÍA: O P T I M I Z A C I Ó N potencia máxima. Se puede resolver los desplazamientos e n * y y al determinar ION valores que den una energía potencial mínima.'| FIGURA 1 6 .blogspot.4 D I S E Ñ O DE U N A BICICLETA DE M O N T A Ñ A (INGENIERÍA MECÁNICA/AEROESPACIAl) Antecedentes. 1 4 a) Una bicicleta de montaña junto con b) un diagrama de cuerpo libre para una patio <lnl marco. l = longitud = 0.14&. Suponga que las fuerzas que usted debe analizar se pueden simplificar. como se ilustra en la figura 16. Determine los desplazamientos para uun fuerza de 10 000 N y un rango de los 8 desde 0°(horizontal) hasta 90° (vertical). los ingenieros civiles son más comúnmente asociados con el diseño estructural.5 m. 16.14a). V{x. Tal resultado podría ser difícil de intuir basado en una inspección casual en la ecuación (16. y h = altura = 0. otras especial i dades de la ingeniería deben tratar también con el impacto de fuerzas sobre los dispositivos que ellos diseñan.

los resultados se muestran en la figura 16.5000JC . Si w fuera mayor.8660v El mínimo de esta función se puede determinar de diferentes formas. 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. Queda claro que.3. mediante el Solver de Excel. Esto se manifiesta también en la figura 16. se pueden sustituir en la ecuación (16. 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. 0 0 1 0 r- m 0.4 D I S E Ñ O D E U N A BICICLETA D E MONTAÑA Resolviendo para un ángulo en particular es tarea simple. Como se esperaba (véase figura 16.y) = 5 512 026x 2 + 28 471 2 1 0 / .0000878 m.16. un algoritmo de búsqueda multidimensional debería implementarse. para este caso.15a). Para 6 ~ 30°. En forma alterna.15. o FIGURA 1 6 .0000 o o 30 60 90 0 I I I I I I I I I http://libreria-universitaria. donde la energía potencial es mayor a bajos ángulos. Ambos resultados se deben a la geometría del marco de la bicicleta. Por ejemplo. observe que la deflexión x es mucho más pronunciada que en la dirección y.com . las deflexiones podrían ser más uniformes.blogspot. la energía potencial mínima es — 3. Sin embargo. Una tercera forma de plantear el problema podría ser mediante el uso de un lenguaje de programación como Fortran 90. a) 0 . se puede escribir un macro en la misma forma que se hizo en la sección 16.156.62 con deflexiones de x = 0. En cualquiera de los casos.000786 y y = 0.12) los valores de los parámetros dados y obtener V(x.0005 - 0. de tal forma que se puedan implementar optimizaciones múltiples en forma simultánea. junto con un software de librerías para métodos numéricos tal como el IMSL. 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°).

pero ahora agregue la restricción L > 2/i. 16.blogspot. 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 16.5 Una planta química produce tres productos principales on una semana. El contenedor va a almacenar 0.2 hi/kg $35/kcj" 3 000 k<] . y se obtiene diferentes ganancias.1 Un contenedor cilindrico sin tapa.1 Diseñe el contenedor cilindrico óptimo (véase figura P16. FIGURA P 16.2 Diseñe el contenedor cónico óptimo (véase figura P16.2 Un contenedor cónico con tapa. El contenedor va a almacenar 0. Interprete el resultado.4.3 Diseñe el tanque cilindrico óptimo con tapas semiesféricas (véase figura P16.440 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN PROBLEMAS 16. 16.8c + c + 0.3).'). b) Repita el inciso a).2 m . A=n(h 2 + r) 2 V = — a) Diseñe el tanque de tal forma que el área sea minimizada. 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 0.2) de tal forma que tenga una tapa y paredes de espesor insignificante. Encuentre el valor de c para el cual el cree i miento es un máximo.1 hr/kg $30kg lOkg/kg 0.1) de tal forma que abra por un extremo y tenga paredes de espesor insignificante.'> II/MHIKIIUI http://libreria-universitaria.2c 8 2 3 FIGURA P l 6. Realice el diseño de modo que tanto su tapa como sus lados sean minimizados.4 La razón de crecimiento específico de una fermentación que produce un antibiótico es una función de la concentración de comida c. 2c ~ ~ 4 + 0.2 m . Abierto h Como se ilustra en la figura Pl 6. 16.3 Un contenedor cilindrico con tapas semiesféricas.05 hr/kg $30/kg 4 kg/kg 0. Cada uno de estos productos requiere una cieiln cantidad de materia prima química de diferentes tiempos do producción. 16.2 m y tiene paredes de espesor insignificante. 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.com . Realice el diseño de tal forma que sean mínimos el área del fondo y sus lados.

El costo del tubo se calcula con Costo = / ( / .com . Determine qué cantidad de productos y desechos se deben crear para maximizar las utilidades. b) la columna tiene la forma de una sección transversal como la de un tubo de pared delgada. a) Establezca un problema de programación lineal para maximizar las utilidades. 16.8 a) Una columna que soporta una carga de compresión P.7 Un módulo de elemento finito de una viga en voladizo sujeta a carga y momentos (véase figura P16. Z2. < > Recientemente los ingenieros químicos se han involucrado on el área conocida como minimización de desechos. y). Ingeniería civil/ambiental 16. respectivamente. La producción de 1 tonelada métrica del producto involucra 1 tonelada de Xy 2. Determine los valores de x y y que minimicen f(x. como la mostrada en la figura P16.8a. el tiempo de producción o el almacenaje. Suponga que IIIIII refinería desarrolla un producto. W.PROBLEMAS 441 c (mg/L) FIGURA P16. Esto comprende la operación de una planta química de un modo tal que los impactos sobre el ambiente sean minimizados. Los ingenieros tienen que enl'rcntar esto con tres formas alternas para el manejo de los desechos: • Producir una tonelada de un producto secundario. El costo del proceso de tratamiento es do $3(>0/tonclada. c) Resuelva el problema con un paquete de software. Zl. Además. la compañía tiene acceso a un limite do 7 500 y 10 000 toneladusdo Xy Y durante el poriodo a) http://libreria-universitaria. Las variables de diseño son el diámetro medio del tubo.8 Suponga que se le pide diseñar una columna para soportar una carga de compresión P. y el espesor de la pared. al agregar 1 tonelada de Y por cada tonelada de W. Observe que al producir Z2 NO obtiene de hecho una pérdida. d) = c W + c d x 2 FIGURA P l 6. t. f(x.5 toneladas de Xy produce 1 toneliula de un líquido de desecho. La columna tiene una forma de sección transversal como la de un tubo de pared delgada. H > . -$50 y $200/toneladas pin II Zl. al agregar una tonelada adicional de X por cada tonelada de W. </) Evalúe cuál de las siguientes opciones aumentará más las utilidades: incrementar la materia prima química.7) se da para optimizarla. de producción. • • I os productos dan utilidades de $2 500. Tratar los desechos de tal forma que su descarga sea permisible.86. Producir una tonelada de otro producto secundario. ()bserve que hay suficiente espacio en bodega de la planta para almacenar un total de 450 kg/ a la semana.blogspot.5y 2 l. />) Resuelva el problema de programación lineal con el método simplex. hecho de dos materias primas Xy Y.5y donde x = desplazamiento en el extremo y y = momento en el extremo. como se muestra en la figura P16. y Z3.4 ! ( i razón de crecimiento específico de una fermentación que nioduce un antibiótico contra la concentración de comida. Z2. Z3.y) = 5x -5xy 2 +2. d.

05x . los diámetros disponibles para los tubos están entre 1 6 1 ..21y . 2 3 1 2 1 cm. 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).0. el cual se relaciona para m á s purA < s d metros fundamentales por s a 2 A. l 2 C 16. P = 2 000 kg.1 0 < x < 10 y 0 <y < 20. metros de caída por metro de longitud). 0 5 d~' s 2 d= 0= 0.2) blema al determinar los valores que minimizan el Observe que H = 275 cm. ya que representa la uhiciuií'in para flora y fauna que dependen del oxígeno. / = 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.0025 kg/cm . 3 W ndlllp [d]. L d b c x | n i u / l |. Desarrolle y resuelva este prolacosto. FIGURA P 1 6 . (P16. t .9).-*«' _ _ (i canal (sin dimensiones. Como se indica en la figura P16. S = pcndienlo ilol ° (. 1 x _1 1 a Esfuerzo real (o) < esfuerzo máximo de compresión = 03. la ecuación (l>Id. Por ejemplo. { 2 = 10 cm. A R = — P c donde perímetro mojado (m). = área de sección transversal del canal (m ). ecuación de Manning (recuerde la sección 8. esto se define como P = B +2H donde = profundidad (m). k iii/ón de asentamiento de (BOD) [ d ] .t + 0.0. 0 1 6 y . 9 • ok + k k Oxígeno dísuelto "a la deriva" por debajo del punto de descarga de desechos en un río. para un c a n a l i w tangular. Determine el tiempo de travesía crilii-u y la concentración dados los siguientes valores: donde c. 2 donde p = densidad del material del tubo = 0.007x>' 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 .. Por lo tanto.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. E = 900 000 kg/cm .1 cm y 1 cm.0 La distribución bidimensional de la concentración de mn taminantes en un canal se puede describir con c(x. Finalmente.1 d" 1 k h 2 a = O.0 .l 1 6 1 . i|iits sería la más esforzada.d (I 1 50 m g / L S = 1 mp/l./. y) = 7. Se puede usar el cálculo para demostrar que JiEI H dt 2 o= L k s 10 m g / L k = 0 . dimensiones usado para parametrizar la fricción del c a n a l ) .9 + 0. -= 4 y c = 2 son factores de costo y W — peso del tubo. k = razón de reatiaeión |il 1 y S = demanda de oxígeno sedimentado [mg/L/dj. y t .9. por sus iniciales en inglés) [d 1. debajo del punto de desairan Este punto es llamado "crítico". <> con centración saturada de oxigeno [mg/L].blogspot.1 El flujo Q [m /s] en un canal abierto se puede predecir con d y d y el espesor entre í.. P= H c| http://libreria-universitaria. 0.442 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN donde o = concentración de oxígeno disimilo |nig/L. en algún tiempo de travesía.13. o . como el pe/. perímetro mojado es la longitud de los lados del canal y l'ondo que están por debajo del agua.com .") pin duce un oxigeno "disuelto" que alcanza un nivel mínimo cillli n. La columna debe soportar la carga bajo esfuerzo de compresión y no pandearse. Como su nombre lo i n d i c n .9) y R = radio hidráulico (m). = 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.

entonces se requiere que 6 2 7a N/b 2 bc_ 25 V Encuentre las corrientes que maximizan la potencia transferida a las baterías.13 Un circuito eléctrico en paralelo para cargar tres baterías. x 2 Ingeniería eléctrica 1 6 . 2 donde c es un factor de costo por excavación = 100 $/m y c es un factor de costo por alineación $50/m.com .byc describen la geometría como la mostrada en la figura P16.min FIGURA P16. Para realizar esto minimice la siguiente función de costos.13 Un circuito eléctrico se diseña para usar una fuente de 40 volts para cargar baterías conectadas en paralelo de 15 V. Encuentre a y b que maximice L.0.h.0. c) Analice las implicaciones de sus resultados.14 consiste de cinco resistores y sus respectivas corrientes. i — i. Se quiere maximizar L para una longitud dada del alambre ( con un área de sección transversal ^ . determine los valores de H y II que minimizan el perímetro mojado. http://libreria-universitaria. . h.. pero esta vez incluya el costo de excavación. Advierta que un cálculo como éste podría minimizar el costo si los costos de alineación fueran mucho mayores que los de excavación.12 Las dimensiones de un solenoide. Suponga que cada corriente puede variar entre los límites superior e inferior. 6 V y ¡ < 4 h < 3 U 2 2 S N 1 \Q' N 6 I\.15.14 El circuito mostrado en la figura P16. 1 4 Un circuito eléctrico. Encuentre las resistencias de modo que la potencia total disipada por el circuito sea un mínimo.12.PROBLEMAS u) Dados los parámetros // . 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. Is > 0 16.max FIGURA P 1 6 .V = 0. S i € = 2 m y ^ = 1 0 ~ m .blogspot. . 16. 1 2 Un modelo para un solenoide se puede expresar como L = S + 6(a/b) + W(c/b) donde L = inductancia. 443 40 V C = A + cP Cl 2 FIGURA P l 6. h. N = número de vueltas ya. b) Repita el inciso anterior.003 y Q = I nvVs.

mientras se minimizan las costos usando una rutina de optimización como las que se encuentran en Excel.16 Par transmitido a un inductor como una función de deslizamiento. 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 = 0.2p. Use un método numérico para determinar la desviación a la cual ocurre el máximo par. Mathcad.15 FIGURA P16. etcétera.16 muestra esta función. el arrastre por empuje disminuye.444 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN y que la caída de voltaje a través de cada resistor sea constante. 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. Este problema se puede formular como el siguiente problema de optimización: M i n i m i z a r ^ .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. +0.com . los dos factores que contribuyen al arrastre son afectados en forma diferente cuando la velocidad aumenta. a) Si o = 0. 1 7 Gráfico de arrastre contra velocidad para un alerón.5p 2 2 2 La demanda total de potencia es 30.18 Cuatro resortes helicoidales se pueden usar para soportar un vagón de tren que transporta bicicletas de montaña a Denver. D. W = peso y V = velocidad. FIGURA P 1 6 . 16. Como se observa en la figura P16. La combinación de estos dos factores llevan a un arrastre mínimo.15 pulgadas.blogspot. a = razón de la densidad del aire entre la altitud de vuelo y el nivel del mar.2pi + 0 . Mientras que el arrastre por fricción aumenta con la velocidad. determine el arrastre mínimo y la velocidad a la cual esto ocurre. Se puede usar las leyes de Kirchhoff para demostrar que el par (expresado en forma adimensional) y la desviación están relacionadas por R r 4 -^-{nDNp) _ 15J(1-J) (1 . 16.17. están dadas por Li =0. T 4 3 D 20 000 http://libreria-universitaria. Formule este caso como un problema de optimización restringida. y se requiere que el esfuerzo cortante sea mayor de 120. Se desea encontrar el diámetro de alambre (d).5. el esfuerzo constante para 9 000 psi. el diámetro de la espiral (D) y el número de vueltas (Af) que minimice el peso del resorte y limite la deflexión a 0.5 y W = 15 000. IMSL. b) Además.3 Í + 4 ) 2 < 0. Determine la generación de potencia requerida para cumplir con las demandas. L. es decir. Las pérdidas de potencia debido a la transmisión. 16.Í ) ( 4 Í . N) = sujeto a Deflexión = 8FD /V 3 donde n = revoluciones por segundo de la velocidad de rotación del estándar y n — velocidad del rotor. Ingeniería mecánica/aeroespacial 16. V¡ = RJi = constante. El costo de generación de potencia en las plantas 1 y 2 están dadas por Fi = 2p + 2 x La figura P16.15 Un sistema consiste en dos plantas de potencia que deben entregar cargas sobre una red de transmisión. donde la desviación se define como s = n-riR n donde D = arrastre.

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

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

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

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

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

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

505 6.665 6. La cantidad n — 1 está referida como los grados de libertad. si las mediciones individuales están muy espaciadas alrededor de la media.4) http://libreria-universitaria. = S {y.555 6. y — y . y — y .. es la suma total de los cuadrados de los residuos entre los datos y la media.435 6. Por tanto. El espaciamiento también se puede representar por el cuadrado de la desviación estándar. al cual se le llama la varianza: (PT5. la desviación estándar será pequeña. S (y.555 6.755 6. si y es conocida y se especifican los valores de n — 1...685 representar 1) la posición del centro de la distribución de los datos y 2) el grado de aproximación de los datos fijos. las ecuaciones (PT5. Sy) será grande.1 6.1) donde la sumatoria (y todas las sumatorias que siguen en esta introducción) va de i = 1 a n.2) y (PT5.2) donde S.565 Mediciones del coeficiente de expansión térmico para acero estructural 6.452 AJUSTE DE CURVAS TABLA PT5.715 6. Para el caso donde n = 1.485 6. Esta nomenclatura se deriva del hecho de que la suma de las cantidades sobre las cuales S se basa (es decir. Otra justificación para dividir entre n — 1 es el hecho de que no existe como In dispersión de un solo punto.655 6.com d a nu n multado lin sentido al Observe que el denominador en ambas ecuaciones (PT5. En consecuencia. sólo n — 1 de los valores se dice que están libremente determinados.3) t Así.y? (PT5. h -g¿ (PT. Si están agrupadas cerca de ella.575 6.775 6.495 6.625 6..2) y (PT5.605 6. La medida más común de espaciamiento para una muestra alrededor de la media es la desviación estándar (s ). Así. S. o S. . La localización estadística más común es la media aritmética. y — y ) es cero.4) es n — 1.625 6.715 6. y s se dice que se hallan basadas en n — 1 grados de libertad.635 6.595 6. La media aritmética (y) de una muestra se define como la suma de los datos individuales (y¡) dividida entre el número de puntos («).4) y t { 2 n infinito.395 6. en consecuencia. o y = A - (PT5. el valor restante es fijo..blogspot..615 6.655 6.515 6.

009435 y el coeficiente de variación [ecuación (PT5.6 24 Como se observa en la tabla PT5.1 Estadística simple para una muestra Enunciado del problema. los cuales se pueden usar para calcular la desviación estándar [ecuación (PT5. proporciona una medición normalizada de la dispersión. Una estadística final que tiene utilidad en cuantificar la dispersión de datos es el coeficiente de variación (av. Tal estadística es la razón de la desviación estándar a la media.v.4)]: = 0. en esencia.1 „ „„ =0.3.5)]: c. ( EJEMPLO PT5. es la razón del error de medición ( Í ) a un estimado del valor real (y). Es decir.v. _ £j¿ . = 0. la suma de los cuadrados de los residuos es 0.2)]: y = - 1 5 8 4 0.blogspot.097133 — 1 0 0 % = 1.4).2.1)] 6.097133 la varianza [ecuación (PT5.5) Observe que el coeficiente de variación es similar.).47% 6.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. al error relativo porcentual (e ) analizado en la sección 3. Solución. = ^ 100% y (PT5. Con frecuencia se multiplica por 100 para que se pueda expresar en la forma de porcentaje: c. Como tal.1.I-IJJ. desviación estándar y coeficiente de variación para los datos de la tabla PT5. Los datos son sumados (tabla PT5.6 http://libreria-universitaria.2) y los resultados se usan para calcular [ecuación (PT5. Calcule la media.com .217000 24.(X^) /« 2 2 Esta versión no requiere el cálculo previo de y y se obtiene un resultado idéntico al de la ecuación (PT5. varianza.217000.

80 0. Las frecuencias y límites son desarrolladas para construir el histograma que se muestra en la figura PT5 . es una característica de forma (la distribución normal).52 6.515 6. Intervalo superior Limite 1 1 6.44 4 2 6.64.715 6.000625 0. el histograma a menudo se puede aproximar a una curva suave. el histograma para este caso en purticulur se aproxihttp://libreria-universitaria.72 6. la forma con la cual se distribuyen los datos alrededor de la media).56 3 6. Un histograma proporciona una representación visual simple de la distribución.40 6.395 6.2 Cálculos estadísticos de las lecturas del coeficiente de expansión térmico.485 6.000625 • 0.555 6.655 6.48 6.60 6.2.665 6. cinco de las mediciones se encuentran entre 6.435 6.505 6.2 La distribución n o r m a l Otra característica que soporta el presente análisis es la distribución de datos (es decir.024025 ' 0. Las unidades de medición se grafican en la abscisa y la frecuencia de ocurrencia de cada intervalo en la ordenada.60 5 6.625 6.575 6.217000 PT5.000025 0.002025 0.2.009025 0.com mará eventualmente a la distribución normal.64 6.76 6.000225 0. se construye el histograma al ordenar las mediciones en intervalos.68 6.685 6.595 6.003025 0. 0.001225 ' 0. Como se observa en la tabla PT5.2.042025 0.76 6.blogspot. en forma de campana que se sobrepone como en la figura PT5. el histograma indica que la mayoría de los datos se agrupan cerca del valor de la media de 6.6.004225.715 6.755 6. La curva simétrica. Así.01 1025 0.013225 > 0.002025 " 0. 0.72 6.555 6.003025 0.007225 .68 3 1 1 6.013225 ' 0. 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. Si se tiene un conjunto de datos muy grande.625 6.000025 " 0.40 6.001225' 0.60 y 6.013225 1 0.007225 0.495 6.775 158.AJUSTE DE CURVAS TABLA PT5.027225 0.2.000625 .4 (y.655 6.030625 1 Frecuencia inferior Límite ~ .-yf 0. Como se ve en la figura PT5.36 6.605 6. .635 6.565 6.2. 0.64 3 6.56 6.52 6.615 6. Dadas suficientes mediciones adicionales.

com . como se muestra en las tablas PT5. Por ejemplo.1 (y — 6. Si alguien nos dijera que tomó un valor de lectura de 7.405734 y 6. intentar caracterizar las propiedades de lodu población.Z ANTECEDENTES MATEMÁTICOS 481 FIGURA PT5. En tanto el número de puntos aumente. para los datos de la tabla PT5.2 Se usa un histograma para ¡lustrar la distribución de datos.1 y PT5. En la siguiente sección se trabaja sobre tales evaluaciones.35.PT5 . suma de cuadrados de los residuos y distribución normal tienen una alta relevancia en la práctica de la ingeniería. http://libreria-universitaria. llamada distribución normal.2.blogspot. Un ejemplo muy simple es su uso para cuantificar la confianza que se puede adscribir a una medición en particular. se puede afirmar que aproximadamente el 9 5 % de las lecturas deberían estar entre 6.794266. Los conceptos de la media. Es evidente que es imposible medir el coeficiente de expansión térmica para cada pieza de acero estructural que no se haya producido. y y y y v PT5. una de las principales metas de la estadística es estimar las propiedades de una población basada en una muestra limitada tomada de esa población. En forma similar.097133). el histograma se podría aproximar a una curva suave en forma de campana.6 y s = 0. Si una cantidad está normalmente distribuida. En consecuencia. se puede realizar un número de mediciones en forma aleatoria y. el rango definido por y — s a y + s abarcará en forma aproximada el 68% de las mediciones totales.3 Estimación de los i n t e r v a l o s de confianza Como quedó claro de la sección anterior. desviación estándar. el rango definido por y — 2s a y + 2s abarcará alrededor del 9 5 % . con base en la muestra.2. entonces se podría sospechar que las mediciones fueron erróneas.

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

2 ANTECEDENTES MATEMÁTICOS F I G U R A PT5. Milton y Arnold. Como un ejemplo.7) Ahora.3 Un intervalo de confianza de dos lados. Ellos también pueden ser calculados mediante funciones en paquetes de software y librerías como Excel e IMSL. La cantidad z^ es una variable aleatoria normal estándar.05 (en otras palabras.-^z a/2 U = y + -^z o / 2 (PT5.96. está basado en un conocimiento de la varianza real o.PT5.36). La escala en la abscisa en a) se escribe en las unidades naturales de la variable aleatoria /. 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. > Z /2 a con una probabilidad de a. 1995). 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. donde L = y . — — < —Z /2 a O .com . 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%). aunque lo anterior proporciona un estimado de L y U. para a = 0. Esto significa que un intervalo alrededor de la media con ancho + 1. Para nuestro caso. z es igual a casi 1.blogspot. conocemos solamente la varianza http://libreria-universitaria.96 veces la desviación estándar abarcará en forma aproximada el 9 5 % de la distribución.

• •. grandes. y. por ejemplo.458 AJUSTE DE CURVAS Cuadro PT5. De esta muestra. la distribución t. por tanto. que dada una muestra lo suficientemente grande. y t = ^ ~ jí_ Sy/Vn (PT5.6). 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. Suponga que se toman n muestras y se calcula una media estimaday¡. la variable aleatoria (y — /i)/(o7 \/~ñ) es de manera aproximada la normal estándar. y la varianza de las medias. t i (PT5.y^>fiys ->o . como a ln. ya que si n es pequeña. S. Se puede entonces desarrollar un histograma de estas medias y determinar una "distribución de las medias". y . Esto es. Además. y-¡. el resultado es la base para construir con seguridad intervalos para la media.„-\ al U = y + ~ta/2.1 Un poco de estadística Existe un importante teorema conocido como el Teorema de Limite Central que responde en forma directa a esta pregunta. Se puede repetir este proceso hasta que se haya generado una muestra de medias: y . 2 n 2 2 La mayoría de los ingenieros han tomado varios cursos para ser competentes en estadística. para n grandes.com . así como una "desviación estándar de las medias". Si la varianza es grande. el teorema dice que en tanto se tenga tamaños de muestra más grandes. el teorema establece el importante resultado que se ha dado en la ecuación (PT5. se puede calcular una media estimada (y) y la varianza (s ). Así. Como se muestra en esta sección. 2 estimada s . las estimaciones individuales de la media deberían ser pobres. En forma opuesta. la varianza real cuantifica la incertidumbre intrínseca de la variable aleatoria. la distribución es angosta. la estimación de la media mejorará y..9) http://libreria-universitaria. y es aproximadamente normal con la media \iy la varianza C ln. en particular cuando n sea pequeña. Cuantas más mediciones se tomen. el teorema establece el resultado notable de que la distribución de las medias siempre será normalmente distribuida. Gossett encontró que la variable aleatoria definida por la ecuación (PT5. Además. el "juego" de estadística inferencial supone que la variable aleatoria que usted muestrea. se acortará su dispersión. y . ¡sin importar la distribución en uso de las variables aleatorias! Esto también da el resultado esperado. Como usted tal vez aún no ha tomado ninguno se mencionará algunas ideas con las cuales esta sección se haría más coherente. Para este caso. Como se ha mencionado. tiene una media real (n) y varianza (a ).6) basada en s . Una alternativa más directa podrá ser una versión de la ecuación (PT5.. Y una muestra aleatoria de tamaño na partir de una distribución con una media \1 y varianza O . para n grandes. Entonces. Esto tiene sentido. Por último..8) maneja la tan conocida distribución estudiante — t o. En el juego de la estadística. la distribución es ancha. •. Se puede enunciar como Sea y\. y . esta fracción no será normalmente distribuida. Después se toman otras n muestras y se calcula otra. Ademéis. donde m es grande. si la varianza es pequeña. en forma simple. la media de las medias debería converger sobre la media real de la población \i.blogspot.y . En tanto n aumente.8) Aun cuando la muestra se tomó de una distribución normal. W. se toma un número limitado de mediciones de esta cantidad llamada muestra. . mejor serán las estimaciones para que se aproximen a los valores reales. 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. en este análisis se supondrá que tiene una distribución particular: la distribución normal. como n -> °°. L = y ~zt 2. La varianza de esta distribución normal tiene un valor infinito que especifica la "dispersión" de la distribución normal. la varianza de las medias deberá aproximarse a cero.

PT5. 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.com .1 = 0.025.086.089921 -2.4).4 Comparación de la distribución normal con la distribución f para n = 3 y n = ó.089921 La estadística / correcta se puede calcular como ^0. tiende a ser más plana que la normal (véase la figura PT5. Por tanto.5148 http://libreria-universitaria.05 y n = 20. más conservativos. _ = 2. los valores están tabulados en libros de estadística. por tanto.59 347. Solución.7 = 2.2 Intervalo de confianza sobre la media \ Enunciado del problema.(52.364623 la cual se puede usar para calcular el intervalo /. la distribución t converge sobre la normal.72) /8 2 52.8-1 = ¿0. e s a n n x EJEMPLO PT5.364623 = 6. y también pueden calcularse mediante paquetes de software y librerías. Por ejemplo. Conforme n se haga más grande.1.blogspot. Determine la media y el intervalo de confianza correspon• diente al 9 5 % para los datos de la tabla PT5. . y a) La media y la desviación estándar para los primeros 8 puntos es = 6. donde -\ ^ variable aleatoria estándar de la distribución t para una probabilidad de a/2.2 ANTECEDENTES MATEMÁTICOS 459 Normal f(n-6) F I G U R A PT5 .4814 . se obtienen intervalos de confianza más amplios y. Observe cómo la distribución fes normalmente más plana. Cuando n es pequeña.59 0. si a = 0.05/2.72 . Como fue el caso para z ^ . para pequeños números de mediciones. = 6. Ejecute 3 estimaciones basándose en a) las primeras 8 mediciones b) las primeras 16 y c) las 24 mediciones.

55 6.097133 2. indican la respuesta esperada de que el intervalo de confianza se hace más estrecho a medida que n aumenta. Esos conceptos tendrán también rele vancia en nuestro análisis de modelos de regresión. 0 089921 U = 6.70 FIGURA PT5.6652 6. Lo anterior es sólo un simple ejemplo de cómo se puede usar la estadística puní tomar decisiones con respecto a datos inciertos.6000 9_ * y t 0.6304 6.5590 6.65 pulg/(pulg • °F)] 6. Usted puede consultar cualquier libro básico de estadística (por ejemplo. concluimos que existe un 9 5 % de probabilidad de que la media real esté dentro del rango de 6.59 + — — — 2 .50 6. se pueden calcular en una forma similar y los resultados se tabulan junto con el inciso á) como « 8 16 24 6. Los otros dos casos para b) con 16 puntos y c) con 24 puntos. Milton y Arnold.5 Estimación de la media e intervalos de confianza al 9 5 % para diferentes números de tamaño muestra.6410 * • U_ Estos resultados.com .5148 a 6.5148 < ii < 6.n-\ 6.364623 2.5148 6.089921 0.6652.460 AJUSTE DE CURVAS y -M 6. 5 . 1995) para obtener inlbrniii ción adicional sobre este tema. los cuales también se resumen en la figura P T 5 .6 n = 16 n = 24 6.068655 a/2.5283 6.5900 6. con base en las primeras ocho mediciones. Así.6652 Así. nuestra estimación del valor real se hace mhn refinado.6652 78 o 6.131451 2. http://libreria-universitaria. 3 6 4 6 2 3 = 6.60 Coeficiente de expansión térmica [x 1 0 .095845 0. cuantas más mediciones se tomen.5794 6.blogspot.

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

1 Polinomial de Newton 20.1 Sinusoidales 19.6 Organización esquemática del material de la parte cinco: Ajuste de curvas.8 Librerías y paquetes 19.blogspot.1 Ingeniería química 18.6. Nucslro énfasis on http://libreria-universitaria.Jineal generaL 17.2 Regresión polinomial 17. donde funciones periódicas se ajustan a dalos.4 Interpolación inversa j 19.4 Transformada de Fourier 18 Segmentarias 18.5 Transformada discreta de Fourier _ FIGURA PT5.5 Comentarios adicionales St-i : 19.462 AJUSTE DE CURVAS PARTE 5 Ajuste de curvas 17.3 Ingeniería •eléctrica iiír 20.8 Regresión no lineal 18. Al final de este capitulo se .4 jMfnimos cuadrados) .3 Regresión múltiple • f. CAPITULO 20 Aplicaciones en la ingeniería CAPITULO 18 Interpolación "Ta3~ Coeficientes ^polinomiales 18.2 Serie de Fourier continua ~íai~ Frec.2 Polinomial ^de Lagrange_.1 Regresión lineal 17. Transformada jápida de Fourier/ 19.com esta sección seré sobre la transformada rápida de Fourier.2 Ingeniería civil 20. y dominio del tiempo 19.it¡\ CAPITULO 17 Regresión por mínimos cuadrados 17. El capítulo 19 tiene que ver con el procedimiento de la transformada de l'ourier puní el ajuste de curvas.7 Espectro de potencia : CAPITULO 19 Aproximación de Fourier 19.

3. Entender que hay uno y sólo un polinomial de grado n o menor que pasa exactamente a través de n + 1 puntos. Saber cómo linearizar datos por transformación. 1. Después de completar la parte cinco. 10. y que confundirlos puede provocar serios problemas. 4.3 deberán ser asimilados y manejados. En general. 12. Por último. 6. Entender la diferencia entre frecuencia y dominios del tiempo. así como un análisis de los elementos de juicio entre las técnicas y sugerencias para estudios en el futuro. TABLA P T 5 . 13. Éste contiene un resumen de las fórmulas y conceptos importantes relacionados con el ajuste de curvas. El capítulo 20 se dedica a las aplicaciones de la ingeniería que ilustran la utilidad de los métodos numéricos en el contexto de problemas de ingeniería. Saber por qué las fórmulas de interpolación con igual espaciamiento tienen utilidad. Saber cómo derivar la interpolación polinomial de Newton en primer orden. eléctrica y mecánica. 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. 7. usted manejará las técnicas. 9. Ser capaz de reconocer modelos lineales generales. Además. algunas de las aplicaciones ilustran cómo se pueden aplicar los paquetes de software para resolver problemas de ingeniería. 14. MATLAB e IMSL. Darse cuenta que los datos de los puntos no tienen que estar igualmente espaciados en cualquier orden particular. 15. Entender situaciones donde son apropiadas las regresiones polinomiales. PT5. Comprender la diferencia fundamental entre regresión e interpolación. http://libreria-universitaria. civil.4tt incluye también una revisión de algunos paquetes de software y librerías que se pueden usar para el ajuste de curvas. múltiples y no lineales.2 M e t a s y objetivos Objetivos de estudio. Entender la analogía entre el polinomial de Newton y la expansión de la serie de Taylor y cómo se relaciona el error de truncamiento. 16. ya sea para los polinomiales de Newton o de lagrange. Excel. Reconocer cómo se usan las series de Fourier para ajustar datos con funciones periódicas. habrá aprendido a asegurar la confiabilidad de sus resultados y será capaz de seleccionar el método (o métodos) para cualquier problema particular. Los ejemplos se toman de las cuatro áreas principales de la ingeniería: química. entender la formulación de una matriz general para mínimos cuadrados lineales y saber cómo calcular los intervalos de confianza de los parámetros. 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. Además. entre ellos se encuentran Mathcad. para esas metas generales. se incluye un epílogo al final de la parte cinco.com . 2. y entender sus respectivas ventajas y desventajas. Reconocer las capacidades y riesgos asociados con la extrapolación. Entender por qué las funciones segmentadas tienen utilidad para datos con áreas locales de cambio abrupto. 3 Objetivos específicos de estudio para la parte cinco. los conceptos específicos dados en la tabla PT5. Reconocer que las ecuaciones de Newton y Lagrange son simplemente formulaciones diferentes de la misma interpolación polinomial. 3.blogspot. 8. usted habrá depurado en gran forma su capacidad para ajustar curvas con los datos. 1 1. 5.

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

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

com e = + predicho por la ecuación lineal. c) Resultados más satisfactorios mediante el ajuste por mínimos cuadrados. o„ http://libreria-universitaria. c) donde a y a¡ son coeficientes que representan el intercepto y la pendiente.a\x Así.1 a) Datos que exhiben un error significativo.blogspot. las cuales se pueden representar al reordenar la ecuación (17.466 R E G R E S I Ó NP O RM Í N I M O SC U A D R A D O S a) b) FIGURA 17.1) como 0 v-e r o . y e es el error. entre el modelo y las observaciones. el envr o residuo es la discrepancia entre el valor real <icy y el valor aproximado. o residuo. b) Ajuste polinomial oscilando más allá del rango de datos. respectivamente. .

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 17.2 Ejemplos de algunos criterios para "el mejor ajuste" inadecuados para regresión: a) minimiza la suma de los residuos. éste es un criterio inadecuado. como en J2 '< e = í = l (-' " °° " >) 1 y aix =1 ( 1 7 . la cual muestra el ajuste de una línea recta de dos puntos. 2 ) donde n — número total de puntos. b) minimiza la suma de los valores absolutos de los residuos y c) minimiza el error máximo de cualquier punto individual c) x http://libreria-universitaria.blogspot.com .1 REGRESIÓN LINEAL 4*9 17. Obvia- FIGURA 17. Sin embargo.17.1.2a.

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

428571 ..1 REGRESIÓN LINEAL 4 1 9 Ahora. n = i ^JC.07142857 0 TABLA 17.-=:28 Se calculan las siguientes cantidades: x >-y¡ = i = 1 1 9 5 J2 < x 2 = 1 4 0 y = 4 ^ y¡ = 24 24 x = — = 3 .5896 0.3473 0.0051 6.6) + Q T X ? ) a i =£> y ¡ .8392857 (4) = 0. Estas son llamadas ecuaciones normales.5 2.428571 Mediante las ecuaciones (17. 24.1 Cálculos para un análisis de error del ajuste lineal.5) (17. entonces.blogspot. Ajuste a una línea recta los valores de x y y en las dos primeras columnas de la tabla 17.6122 54. _*f 1 j í I 1 2 3 4 5 6 7 S y > 0. Solución.4) y resolver para a = y . podemos expresar las ecuaciones como un conjunto de dos ecuaciones lineales con dos incógnitas ( a y a. respectivamente.0 ¿5.)* Este resultado.0408 0. EJEMPLO 17.5625 0.= 0.): 0 0 na + (X! ) ' ~X ^ ' x ai 1 0 a 0 0 O ' ) 7 4 (17.6) y (17.8622 2.7972 01993 2 .3265 0.17. se puede usar en conjunto con la ecuación (17.(28) 2 a = 3 .3265 0.5765 0. y pueden ser resueltas en forma simultánea nlx* - (Zx.0.ax 0 x (17.1 Regresión lineal i Enunciado del problema.) 0.-y) 8.7143 2 (yz-op-*»!*.29Qg 22.0 3.1687 0.0 (y.0 4.8392857 7(140) .1.com .5 6.7) donde y y x son las medias de y y x.5)-28(24) „„„„„„„ ai = — -V. si hacemos que £ a = na .9911 2 http://libreria-universitaria.5 2.7) 7(119.

8) í=i Observe la similitud entre las ecuaciones (PT5. Así. Además. 0 http://libreria-universitaria.1c.*. si estos criterios se 0 { FIGURA 17.8).470 REGRESIÓN POR MÍNIMOS CUADRADOS Por tanto. En el primer caso. Un número adicional de propiedades de este ajuste se puede elucidar al examinar más de cerca la forma en que se calcularon los residuos. el cuadrado de los residuos representa el cuadrado de la distancia vertical entre los datos y otra medida de tendencia central: la línea recta (véase figura 17. 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. 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). Se puede demostrar que si estos criterios se cumplen.3) y (17.3).3)] (17.07142857 + 0. son mostrados en la figura 17. 1981).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 17.8392857* S La línea.1 resulta en una gran suma de cuadrados de los residuos. En la ecuación (17. la línea es única y en términos de nuestro criterio elegido es una línea "mejor" a través de los puntos.1.3 El residuo en la regresión lineal representa la distancia vertical entre un dato y la línea recta. junto con los datos. Esto es conocido en estadística como el principio de probabilidad máxima. Recuerde que la suma de los cuadrados se define como [véase ecuación (17.com x . Medición a + a. la regresión por mínimos cuadrados proporcionará la mejor (es decir. el ajuste por mínimos cuadrados es J y = 0. una de las mejores) estimación de a y a (Draper y Smith. y 2) la distribución de esos puntos cerca de la línea es normal. 17.8).

Después de realizar la regresión.blogspot. De esta manera. y/x Q r Justo como fue el caso con la desviación estándar.2)] (17.4 Datos de regresión que muestran o) la dispersión de los datos alrededor de la media de la variable dependiente y b) la dispersión de los datos alrededor de la mejor línea de ajuste.1. Ésta es la magnitud del error residual asociado con la variable dependiente antes de la regresión. algunas veces llamado la suma inexplicable de los cuadrados. como lo indican las curvas en forma de campana a la derecha. La notación del subíndice "y/x" designa que el error es para un valor predicho de y correspondiente a un valor particular de x. Esto caracteriza el error residual que queda después de la regresión. Esto es en particular útil para comparar diferentes regresiones (véase figura 17. el error estándar de la estimación cuantifica la dispersión de los datos. 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 se muestra en la figura 17. así.4¿. Como fue el caso para la ecuación (PT5.9) da un resultado sin sentido al infinito. por tanto.1 REGRESIÓN LINEAL cumplen.2. representan la mejora debida a la regresión lineal. la suma de los cuadrados de los residuos alrededor de la línea de regresión. una "desviación estándar" para la línea de regresión se puede determinar como [compare con la ecuación (PT5. la ecuación (17. http://libreria-universitaria.com .3). se tiene dos grados de libertad.4a). para el caso donde n — 2. La y/x y r FIGURA 17. calculamos 5 . esta cantidad se designa por S¡.5). La reducción en la dispersión va de a) a b). en contraste con la desviación estándar original s que cuantifica la dispersión alrededor de la media (figura 17.9) donde s es llamado el error estándar del estimado. Como lo hicimos en nuestro análisis para la desviación estándar en PT5. y). s cuantifica la dispersión alrededor de la línea de regresión. observe que ahora dividimos entre n — 2 debido a los dos datos estimados (a y Í Z J ). Esto es. Sin embargo. También. Para hacer esto. que se usaron para calcular S . Los conceptos anteriores se pueden usar para cuantificar la "bondad" de nuestro ajuste. otra justificación para dividir entre n — 2 es que no existe algo como "datos dispersos" alrededor de una línea recta que conecte dos puntos.17.

S r (17. 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. la diferencia es normalizada a S para obtener t r t r = 2 S t ~ S. Para un ajuste perfecto. significa que la línea explica el 100% de la variabilidad de los datos. y el ajuste no representa ninguna mejora. S = S. diferencia entre estas dos cantidades.blogspot. Como la magnitud de esta cantidad es dependiente de la escala. S — 0yr = r = 1.com . S — S . Para r = r = 0.5 Ejemplos de regresión lineal con errores residuales a) pequeños y b) grandes.10) donde r es conocido como el coeficiente de determinación y r es el coeficiente de conflación (— Vr ). Una formulación alternativa para r que es mas conveniente para implementarse en una computadora es 2 5 2 r 2 r http://libreria-universitaria.472 REGRESIÓN POR MÍNIMOS CUADRADOS FIGURA 17.

1 EJEMPLO 1 7 . el error estándar del estimado y el coeficiente de correlación para los datos en el ejemplo 17. es posible obtener un valor relativamente alto de r cuando la relación en turno entre y y x no es lineal. La desviación estándar es [véase ecuación (PT5. La mejora adicional se puede cuantificar por [véase ecuación (17. paquetes de software populares como Excel y Mathcad pueden implementar regresión y tienen capacidades de graficación.= T J n ͱ1}ZÍ= 22 7143 1.blogspot. La inclusión de la capacidad resaltará mucho la utilidad del programu en los contextos de solución de problemas.7735 Así. Como se mencionó antes.9911 = ^ .6). el software de métodos numéricos TOOLKIT incluye esas capacidades. Además. debemos tomar en cuenta algunas consideraciones. Además. como mínimo. ya que s < Sy.868 = 0 .2. Solución.10)] y/x r" = 2 22.4 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 17.1. Draper y Smith (1981) proporcionan guías y material adicional con respecto al aseguramiento de los resultados para regresión lineal. el modelo de regresión lineal tiene mérito. se deberá tener cuidado de no darle más significado que el que ya tiene.com .1. Calcule la desviación estándar total.1. 0. Aunque los coeficientes de correlación proporcionan una manera fácil para medir la bondad del ajuste.9)] s /2.2)] 7 .7143 r = V0 . Por ejemplo.1 y el error estándar del estimado es [véase ecuación (17. Como se describe en la siguiente sección. Si su lenguaje de computadora tiene capacidades de graficación.8% de la incertidumbre original ha sido explicada por el modelo lineal.9911 — =0. http://libreria-universitaria. 2 REGRESIÓN LINEAL Estimación de errores para el ajuste lineal por mínimos cuadrados Enunciado del problema. Así como r es "cercana" a 1 no significa que el ajuste es necesariamente "bueno".17. 17. usted debería siempre inspeccionar una gráfica de los datos junto con su curva de regresión. Antes de proceder con el programa de cómputo para regresión lineal. recomendamos que expanda su programa para incluir una gráfica de y contra x mostrando ambos: los datos y la línea de regresión. 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. Las sumatorias se realizan y se presentan en la tabla 17.868 22.932 Los resultados indican que el 86.7143 .9457 y / x „„.

1 kg y c = coeficiente de arrastre de 12.com l \ . n sumx = sumx + x¡ sumy = sumy + y¡ sumxy = sumxy + x¡y¡ sumx2 = sumx2 + x^x. g = constante gravitacional (9. En el ejemplo 2.1 se desarrolló una gráfica de la variación de la velocidad./ http://libreria-universitaria. contiene un programa de cómputo para implementar regresión lineal. EJEMPLO 17.n st = st + (y¡ . El paquete de software de Métodos Numéricos TOOLKIT adjunto a este texto. como se describe en el ejemplo 1. » .8 m/s ). m = masa del para caidista igual a 68. al. Un modelo empírico alternativo para la velocidad del paracaidista está dado por 2 i .5 kg/s. syx.3 Regresión lineal usando la computadora s : ! i ! Enunciado del problema._ e0 1 C donde v = velocidad (m/s). y.10)]: v{t) S " (\ {-clm)t^ = — (1 . EHDDO xm = sumx/n ym = sumy/n a1 — (n*sumxy ~ sumx*sumy)/(n*sumx2 aO — ym — aUxm DO i= 1. Un modelo matemático teórico para la velocidad del paracaidista fue dado como el siguiente [véase ecuación (1.1. El modelo predice la velocidad del paracaidista como una función del tiempo. aO. r2) sumx = 0: sumxy = 0: st ~ 0 sumy = 0: sumx2 = 0: sr = 0 DO ¡ = 1.474 REGRESIÓN POR MÍNIMOS CUADRADOS 5U3 Regres(x. n.6 Algoritmo para regresión lineal. 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 .blogspot.s r j / s t 2 03 — sumx*sumx) END Regres FIGURA 17.

I os modelos de prueba y selección son comunes y extremadiimenle imporliinlcN para la realización de actividades en todos los campos de lu ingeniciiu.00 41. Una desviación significativa de esos valores se puede usar como un indicador de la inadecuidad del modelo.479 49. La figura 17. TABLA 17.437 42. 1 ) ] c) 1 1.10) como se ilustra en la figura 17.641 38. Ambos modelos ajustan los datos con un coeficiente de concia ción mayor que 0.351 37.570 23.156 44.1 10 42.712 13 14 15 Suponga que a usted le gustaría probar y comparar lo adecuado de esos dos modelos matemáticos.blogspot.953 16.065 35. Solución.60 39.769 32.1) como se ilustra en la figura 17.509 32. contra la columna a). y los resultados se enlistan en la columna a) de la tabla 17.7a] 1 «Wwo = . Las velocidades calculadas para cada modelo se enlistan en las columnas b) y c).678 41.90 45.00 35.1 REGRESIÓN LINEAL Velocidades medidas y calculadas para la caída del paracaidista.00 45. ( E l 7 . s 1 2 3 4 5 ó 7 8 9 10 11 12 o) 10.240 18. Se puede usar regresión lineal para calcular la pendiente y el intercepto de la gráfica.76 son gráficas de la línea y datos para las regresiones de las columnas b) y c).5 9 + 1.2 v medida.3.872 46.00 16. 3 . v calculada con el m o d e l o . lil iniitcrinl pro http://libreria-universitaria.7a y 17.2. Tal programa de colección de datos experimentales se implemento. Esta línea tendrá una pendiente de I .816 40.0 .10)] b) 8.7/>] "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. La adecuidad de los modelos se puede probar al graficar la velocidad del modelo calculado contra la velocidad medida.00 49.56 30. v calculada con el m o d e l o .00 27.617 41.855 34.50 42.490 48.303 49. (1.00 46.50 46. 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.405 22.00 m / s [ec.50 31.30 23.00 50.607 27.301 47.829 39.5.988 m / s [ec.687 38.729 27.095 43.com . Para el primer modelo [ecuación (1.99.032u 8 medlda y para el segundo modelo [ecuación (E17. m/s Tiempo. respectivamente.766 36.17. un intercepto de 0 y una r = 1 si el modelo concuerda perfectamente con los datos.

aunque cada gráfica está bien descrita poruña línea recta. 3 . b) Resultados usando regresión lineal para comparar predicciones calculadas con el modelo empírico [véase ecuación ( E l 7 . fue obvio cuál modelo fue superior.3.7 a) Resultados que usan regresión lineal para comparar las predicciones calculadas con el modelo teórico [véase ecuación (1. le proporcionará una guía muy práctica para problemas de este tipo.476 REGRESIÓN POR MÍNIMOS CUADRADOS ! 5 30 X 55 30 X 55 FIGURA 17.10) parece ser mejor modelo quela(E17. la ecuación (1.1) ya que la pendiente y el intercepto son más cercanos o casi igual a 1 y 0.1). Sin embargo. Así.3.10)] contra valores medidos.3.blogspot. Hay un defecto eon el análisis en el ejemplo 17.3.10) conforma para nuestra hipótesis criterios de prueba mucho mejores que los descritos por la ecuación (E17. yn que el modelo empírico [véase ecuación (El 7.1)] fue claramente inferior al de la ecuación (1. 1 ] contra valores medidos. . el modelo descrito por la ecuación (1. junto con su software. la pendiente y el intercepto para el modelo empírico fueron mucho más http://libreria-universitaria. El ejemplo no fue ambiguo. Así.com cercano! que el resultado deseado de 1 y 0. porcionado en este capítulo como antecedente.10).

2. b) Indicación de que es preferible una parábola.85 y que el intercepto lliorn de 2. Por ejemplo. De manera clara.5 Linearización de relaciones no lineales La regresión lineal proporciona una técnica poderosa que ajusta a la "mejor" línea los datos. técnicas tales como regresión por polinomios. suponga que la pendiente fuera de 0. Para otros. 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. la figura 17. se puede usar transformaciones para expresar los datos en una forma que sea compatible con la regresión lineal.8 o) Datos no adecuados para la regresión lineal por mínimos cuadrados. son apropiadas. x b) http://libreria-universitaria. sería preferible basar tal conclusión sobre un criterio cuantitativo.com .3. 17. más que recaer en un juicio subjetivo. Obviamente esto haría de la conclusión de que la pendiente y el intercepto fueran I y 0. Este no es siempre el caso. un debate abierto.1. En algunos casos. Regresaremos a este punto al final del presente capítulo. las cuales se describen en la sección 17.17.2.8 muestra algunos datos que son obviamente curvilíneos. FIGURA 17. Sin embargo.blogspot. 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. está predicha sobre el hecho de que la relación entre las variables dependientes e independientes es lineal.1 REGRESIÓN LINEAL 477 Sin embargo.

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

9c) que iguala o "satura". En sus contornos transformados. una gráfica de ln y contra x dará una línea recta con una pendiente de ¿>. la ecuación (pura b ^0o 1) es no lineal. Por ejemplo. Este modelo tiene amplia uplicnbiliclud 011 todos los campos de la ingeniería. estos modelos se ajustan mediante regresión lineal para evaluar los coeficientes constantes. Como se ilustra en la figura 17. también representa una relación no lineal entre y y x (véase figura 17. una alternativa simple es usar manipulaciones matemáticas para transformar las ecuaciones en una forma lineal.13) con los datos en la tabla 17. Podrían ser de nuevo convertidos en su estado original y usados para propósitos predictivos.1 REGRESIÓN LINEAL 2 2 47? donde a y b son coeficientes constantes.5.14) es linearizada al tomar su base logaritmo 10 para dar l log y = b log x + log a 2 2 (17.13). el cual es de manera particular muy adecuado para caracterizar la razón de crecimiento poblacional bajo condiciones limitadas. Ajustar la ecuación (17.17.17) 3 «3 De esta forma. en tanto x aumenta.1 proporciona un ejemplo de ingeniería de la misma clase de cálculo. una gráfica de 1/y contra l/x será lineal. La ecuación (17.16) De este modo.= y 3 1 X 1 + — a 3 (17.9/). ln y = ln a + b\X x (17. Después.1)] 2 y = a 'l7^3 <-> 17 14 donde a y b son coeficientes constantes. 3 EJEMPLO 17. (Observe que analizaremos la regresión no lineal en la sección 17.9e). La ecuación (17.14) es linearizada al invertirla para dar 2 2 1 b . la sección 20. Este modelo.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.com . una gráfica de log y contra log x dará una línea recta con una pendiente de b y un intercepto de log a (figura 17.9c/).9/).15) Así.3. Las técnicas de regresión no lineal están disponibles para ajustar esas ecuaciones a datos experimentales de manera directa. http://libreria-universitaria. El ejemplo 17. se puede emplear la regresión lineal simple para ajustar las ecuaciones a datos.4 ilustra este procedimiento para la ecuación (17. la ecuación (17.4 Linearización de una ecuación de potencias Enunciado del problema.blogspot. y un intercepto de ln a (véase la figura 17. Un tercer ejemplo de un modelo no lineal es la ecuación de razón de crecimiento saturado [recuerde la ecuación (El7.) Sin embargo. Además.3 mediante transformaciones logarítmicas de los datos. con una pendiente de b-¡/a y un intercepto de l / a (véase la figura 17.

3 Datos que serán ajustados con la ecuación de potencias. La figura 17.753 0. ¡.5 1.477 0.480 REGRESIÓN POR MÍNIMOS CUADRADOS Solución.75 log x .com .300 TABLA 17.blogspot.4 5.534 0.10¿> muestra la gráfica de los datos transformados.699 -0.7 8.7 3. http://libreria-universitaria.0. x y 0.226 0.301 0. La figura 17.602 0. 1 0 | a) Gráfica de datos no transformados con la ecuación de potencias que ajusta los datos. Una regresión lineal de éstos mediante log dan el resultado l o g v = 1. IOÍÜ es una gráfica de los datos originales en su estado no trans- formado.301 0. b] Gráfica de datos transformados que se usan para determinar los coeficientes de la ecuación de potencias.922 l FIGURA 1 7 .4 log x log y 1 2 3 4 5 0 0.

debemos enfatizar la naturaleza introductoria del material anterior sobre regresión lineal. log a .2 REGRESIÓN DE POLINOMIOS 411 i \ Así. una curva podría ser más adecuada para el ajuste de los datos.a\x¡ r a xf) 2 (17. indica un buen ajuste. y por tanto. Como se analizó en la sección anterior.1. 2. como se gráfica en la figura 17.300. igual —0. Los valores y son variables aleatorias independientes y todas tienen la misma varianza. 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.10a. 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 (17.8.v l7S Esta curva. En consecuencia. Por ejemplo. El procedimiento de mínimos cuadrados se puede fácilmente extender al ajuste de datos con un polinomio de orden superior. 17.blogspot. no es aleatorio y es conocido sin error. está pobremente representado por una línea recta. Nos hemos concentrado en la derivación simple y uso práctico de ecuaciones para ajustar datos. Los valores de y para una x dada deben ser normalmente distribuidos.5. La pendiente es b = 1. Cada x tiene un valor fijo.5.17. aunque exhiben un patrón marcado como el que se vio en la figura 17. Por ejemplo. u¡ — 10 = 0.4 al final del capítulo). Algunos datos de ingeniería. algunas suposiciones estadísticas que son inherentes en los procedimientos por mínimos cuadrados lineales son 1. pero que van más allá del alcance de este libro.18) http://libreria-universitaria.75. el intercepto.1 se desarrolló un procedimiento para obtener la ecuación de una línea recta por medio del criterio de mínimos cuadrados. un método para cumplir con este objetivo es usar transformaciones.com .3)] S = ]T] (yi ~ «o . 17. al tomar el antilogaritmo. Para esos casos. Por ejemplo. la ecuación de potencias es 2 _ 0 3 2 y • 0. 3. 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 17.2 R E G R E S I Ó N DE P O L I N O M I O S En la sección 17. Debería estar consciente del hecho de que hay aspectos teóricos de regresión que son de importancia práctica.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. Otras alternativas son ajustar polinomios con los datos mediante regresión de polinomios. Tales suposiciones son relevantes para la derivación adecuada y uso de regresión.

com Enunciado del problema. el error estándar se formula como (17.20) Esta cantidad es dividida entre n — (m + 1).blogspot. Los coeficientes de las incógnitas se pueden evaluar de manera directa a partir de los datos observados. a y a . . Para este caso. . a . así.19) donde todas las sumatorias son de i = 1 hasta n. .482 REGRESIÓN POR MÍNIMOS CUADRADOS Siguiendo el procedimiento de la sección anterior.. 5 Regresión d e polinomios http://libreria-universitaria. 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. tomamos la derivada de la ecuación (17.. Las técnicas para resolver tales ecuaciones fueron analizadas en la parte tres. vemos que el problema de determinar un polinomio por mínimos cuadrados de segundo orden es equivalente a resolver un sistema de tres ecuaciones lineales simultáneas. Así.10).18) con respecto de cada uno de los coeficientes desconocidos del polinomio. ya que (m + 1) coeficientes obtenidos de los datos (a .4. un coeficiente de determinación puede ser calculado para una regresión de polinomios con la ecuación (17. El caso en dos dimensiones puede extenderse con facilidad a un polinomio de mésimo orden como Q i 2 y = a + a\x + a x 0 2 2 H hax m m + e El análisis anterior se puede fácilmente extender a este caso más general. a ) se usaron para calcular S. . Para este caso. Además del error estándar. 0 m EJEMPLO 1 7 . . 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. Observe que las tres ecuaciones anteriores son lineales y tienen tres incógnitas: a .

80491 0.47 140.03 3.6 27.9 61.00286 1. (y -y) .7 13. 225 Por tanto.14332 1. 2.1 7.12 239.6 585.74657 FIGURA 17.6 = 2488. X = 2.433 X >= X >= í>2 > ? 15 4 979 152.1 152.8 http://libreria-universitaria.6 2488. 2 x ¡ y.08158 0.39 0. m = 2 n = 6 A partir de los datos dados.1 7. las ecuaciones lineales simultáneas son " 6 15 55 15 55 225 55 " 225 979 «0 0\ «2 • = • 152.blogspot.6 (y/-OO-OIX -o x?) f 2 0 1 2 3 4 5 2 544.44 314.6 55 = 585.22 1 272.com .09439 3.2 40.61951 0.1 1 2513.11 Ajuste de un polinomio de segundo orden.2 REGRE5IOIN DE P O L I N O M I O S TABLA 17. Solución.4 Cálculos para un análisis de error del ajuste cuadrático por mínimos cuadrados.5 y = 25.

com . n.47857. a . a . d i .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. . Este resultado soporta la conclusión de que la ecuación cuadrática representa un excelente ajuste..3. Si n S m + 1. las técnicas de la parte tres se pueden aplicar para resolver estas ecuaciones simultáneas para los coeficientes. m. a. la ecuación cuadrática por mínimos cuadrados para este caso es 0 2 y = 2.47857 + 2. P a s o 5 : Resuelva la matriz aumentada para los coeficientes a . Observe que la principal tarea es la generación de los coeficientes de las ecuaciones normal [véase ecuación (17.99925. . en consecuencia. Por tanto. Esto se debe a los coeficientes y sumatorias de los datos elevados a potencias.484 REGRESIÓN POR MÍNIMOS CUADRADOS Resolviendo estas ecuaciones con una técnica tal como la eliminación de Gauss se tiene a = 2.) Entonces. Esto es en particular cierto para versiones de orden superior. P a s o 4 : Calcule los elementos de la ecuación normal en la forma de una matriz aumentada. P a s o 3 : Si n < m + 1. . 3 9 . P a s o 1 : Introduzca el orden del polinomio sujeto a ajuste. Entre otras cosas.13. imprima un mensaje de error que indique que la regresión no es posible y termine el proceso.99851 2513.74657 .20)] = 1. P a s o d i Imprima los coeficientes.2. Estos resultados indican que el 99.12 6-3 El coeficiente de determinación es Sy/. los coeficientes calculados podrían ser altamente susceptibles al error de redondeo y.851% de la incertidumbre original la resolvió el modelo. 2 17. FIGURA 17. (El pseudocódigo para el cumplimiento de esto se halla presente en la figura 17. los resultados pueden ser inexactos. Para esos casos.86071.12.11. continúe. 0 2 m http://libreria-universitaria. = 2. Un problema potencial asociado con la implementación de regresión de polinomios en la computadora es que las ecuaciones normales algunas veces están mal condicionadas. 3.12 Algoritmo para la implementación de polinomios y regresión lineal múltiple.35929* + 1. por medio de un método de eliminación.74657 r = = 0.blogspot. 2 5 1 3 . 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.35929 y a = 1. P a s o 2 : Integre el número de datos.19)].86071* 2 El error estándar del estimado con base en la regresión de polinomios es [véase ecuación (17. como es también evidente de la figura 17.39 y el coeficiente de correlación es r — 0.

Aunque las estrategias para disminuir el error de redondeo analizado en la parte tres. 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 17.6 Regresión de polinomios por medio de la computadora Enunciado del problema. 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. Después usted podría decidir graficar los datos http://libreria-universitaria. Sin embargo. 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. para información adicional con respecto al problema y posibles alternativas.13 Pseudocódigo para ensamblar los elementos de las ecuaciones normal para regresión de polinomios. Por fortuna.2 REGRESIÓN DE POLINOMIOS DO i = 1.5 3 7 y Solución. tal como el pivoteo.com .blogspot. pueden ayudar a remediar en forma parcial este problema. EJEMPLO 17. En situaciones donde se requieren versiones de orden superior. 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. El lector debería consultar textos sobre regresión.n eum — eum + y • x£~ END DO ( a 1 END DO i.17.5 7.14. arder + 2 = 5 U M FIGURA 17. la mayoría de los problemas prácticos están limitados a polinomios de orden inferior para los cuales el error de redondeo es insignificante. una alternativa más simple es usar una computadora cotí más aira precisión. o r d í r + 1 PO j = 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. n eum — eum + ¿£ END DO a¡j = eum ap — eum END DO eum = 0 D0£ = 1. como el de Draper y Smith (1981). i 4 1 9 eum — 0 DOi = 1. se dispone de otras alternativas para ciertos tipos de datos.

Entre otras cosas.12 Algoritmo para la implementación de polinomios y regresión lineal múltiple.com PASO 6L Imprjma los coeficientes. los coeficientes calculados podrían ser altamente susceptibles al error de redondeo y.851% de la incertidumbre original la resolvió el modelo. . las técnicas de la parte tres se pueden aplicar para resolver estas ecuaciones simultáneas para los coeficientes. ai. a = 2.35929 y a — 1. Esto se debe a los coeficientes y sumatorias de los datos elevados a potencias. 2 3. 0 7 http://libreria-universitaria. Si n 5: m + 1. Para esos casos.blogspot.11.3.74657 r = = 0.47857 + 2. . este problema se relaciona con la estructura de las ecuaciones normal y por el hecho de que para los polinomios de orden superior las ecuaciones normales pueden tener coeficientes muy grandes y muy pequeños. Por tanto. Esto es en particular cierto para versiones de orden superior. P a s o 4 : Calcule los elementos de la ecuación normal en la forma de una matriz aumenlada.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.) Entonces.. a.99851 2513. (El pseudocódigo para el cumplimiento de esto se halla presente en la figura 17.86071. P a s o 5 : Resuelva la matriz aumentada para los coeficientes o . como es también evidente de la figura 17.484 REGRESIÓN POR MÍNIMOS CUADRADOS Resolviendo estas ecuaciones con una técnica tal como la eliminación de Gauss se tiene a = 2. 2513. Este resultado soporta la conclusión de que la ecuación cuadrática representa un excelente ajuste. Un problema potencial asociado con la implementación de regresión de polinomios en la computadora es que las ecuaciones normales algunas veces están mal condicionadas. a .74657 17.12 6-3 El coeficiente de determinación es .47857.39 .20)] = 1. FIGURA 17. Estos resultados indican que el 99. en consecuencia. . P a s o 1 : Introduzca el orden del polinomio sujeto a ajuste. P a s o 2 : Integre el número de datos.„.13. imprima un mensaje de error que indique que la regresión no es posible y termine el proceso.86071* 2 El error estándar del estimado con base en la regresión de polinomios es [véase ecuación (17. los resultados pueden ser inexactos. n. la ecuación cuadrática por mínimos cuadrados para este caso es 0 x 2 y = 2.2.12. . m.99925. continúe.39 y el coeficiente de correlación es r = 0.19)]. P a s o 3 : Si n < m + 1.35929x + 1. Observe que la principal tarea es la generación de los coeficientes de las ecuaciones normal [véase ecuación (17. por medio do un método de eliminación.

EJEMPLO 17.com .13 Pseudocódigo para ensamblar los elementos de las ecuaciones normal para regresión de polinomios. 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. Después usted podría decidir granear los datos http://libreria-universitaria. la mayoría de los problemas prácticos están limitados a polinprriios de orden inferior para los cuales el error de redondeo es insignificante.blogspot. Sin embargo. como el de Draper y Smith (1981). pueden ayudar a remediar en forma parcial este problema.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. tal como el pivoteo.n eum — eum + y • x ¿ ' END DO ( a END DO FIGURA 17. esas técnicas (tal como polinomios ortogonales) están más allá del alcance de este libro.6 Regresión de polinomios por medio de la computadora Enunciado del problema.2 eum = 0 DOt =\n eum = eum + >¿€ END DO a. El lector debería consultar textos sobre regresión. i. se dispone de otras alternativas para ciertos tipos de datos. order + 1 DOj = 1.2 REGRESIÓN DE POLINOMIOS 483 DO i = 1. • = eum ap = eum END DO eum = 0 D0€ = 1.14. para información adicional con respecto al problema y posibles alternativas. arder + 2= ™ 5U Aunque las estrategias para disminuir el error de redondeo analizado en la parte tres. Por fortuna. i k=i + j .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.5 Solución. Se puede usar este software para el ajuste de polinomios con los siguientes datos: 2 4 5 6 6 7 9 1 0. 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. una alternativa más simple es usar una computadora cor/ más alta precisión.

7 8 9 V . 8 1 5 3 7 v CafcYÍOT InputX ftewft Standatd Enot Coef of Detei Con Coef Oth order coef Vafe» ' 1 154277 .3332087 .573234 JBÉBJ 'CS3 Q 5 E 3 *'CHC3. 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 . Los resultados para varios órdenes de regresión en el ajuste se tabula en la siguiente página: FIGURA 17. 3 4 5 6 . primero intentaremos un polinomio de quinto orden. Para nuestro ejemplo.3 Y « 2. La inspección de los datos muestra dos picos y sugiere que un polinomio de al menos cuarto orden sería el adecuado..blogspot.. Standard Erior Coef of Deter Coir Coef Oth oider coef . ¿J.14 Pantalla del TOOLKIT de métodos numéricos para una regresión polinomial de quinto orden.:. Wm... 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..«8SftÉ!£ * >.:.3660273 -6.. fiettift .1. Esto se hace mediante un procedimiento similar al descrito en el ejemplo 2. 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 .304472 .i m« i XMjml FIGURA 17.9777941 .15 Gráfica de una regresión polinomial de octavo orden.5 7. ~ P^iwaete* :| OÍdet of Paíy í Plot Xmtn Delta X Plot Ymin Delta Y Valué h 0 1 0 1 'i 3 ' 21 .486 RKMMIÓN POR MÍNIMOS CUADRADOS solos antas de realizar decisiones con respecto al orden del polinomio. 1 000334 . 10 2 4 5 6 6 7 9 1 .9888347 -1 057965 |£ http://libreria-universitaria.14.>.5 75 x í 3 1 4 í i 2 Ü 1 6 8 9 10 7 5 6 2 3 7 8 .5 + liillli 6 2 3 7 8 8 1 5 3 I X..

De nuevo. Para este caso. Y = 2. ta "línea" de regresión pasa a ser un "plano" (véase la figura 17. 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. en X = 3. Como en los casos anteriores. es altamente inapropiado extrapolar los valores Y más allá del rango de los datos para X.71 2 2. La figura 17. demos un vistazo a la tabla de resultados en la parte derecha inferior. La interpolación se puede ejecutar al introducir un valor en la tabla para X en el Cale Y para una X introducida. Los primeros tres resultados son resúmenes estadísticos de la regresión: error estándar. 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. 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.blogspot. Por último. Observe cómo esos valores cambian para diferentes órdenes de regresión. Para este caso en dos dimensiones.14 y 17. los puntos extremo empiezan a ser un problema en una manera similar a la de la interpolación de orden superior (analizaremos este fenómeno con más detalle en el próximo capítulo). (17.17. Observe también en las figuras 17.16).15 muestra que el polinomio de octavo orden produce valores de Y negativos para valores de X entre 8 y 9. esos valores cambian con diferentes órdenes.3 REGRESIÓN LINEAL MÚLTIPLE Orden Error estándar 2.21) y diferenciando con respecto a cada uno de los coeficientes desconocidos.34 487 1.00 / 1.com . y podría ser una función lineal de x y x . http://libreria-universitaria.304472 como calculada con el polinomio de quinto orden (véase la figura 17. La barra de despliegue sobre la tabla de resultados se usa para observar los coeficientes reales de la regresión de polinomios.15 muestra las gráficas para el caso de un octavo orden. los "mejores" valores de los coeficientes son determinados al realizar la suma de los cuadrados de los residuos.38 A 6 1. Por ejemplo. coeficiente de determinación y coeficiente de correlación.17 1.12 Observe que el error estándar cae de manera dramática del orden 3 al 4 y alcanza un mínimo para el polinomio de orden 5.14). La figura 17.15 que mientras las curvas de regresión siguen la tendencia de los datos. Por ejemplo.69 3 2.

í/ .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.blogspot. http://libreria-universitaria.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.Sx y.Exi.com . 4x.i a ~ a x 0 «2*2/) 3 (3? Los coeficientes dan la suma mínima de los cuadrados de los residuos y se obtienen al igual las derivadas parciales a cero y expresando el resultado en forma de matriz como n Ex Ex . 2 2/ Ex. 2 dS r = -2 ^ x 2 / (y./ Ex 2 í T.y.-x 2l Ex 2 a 2 Ey.16 Ilustración gráfica de regresión lineal múltiple donde yes una función lineal de x. y x .. 7 Regresión lineal múltiple Enunciado del problema. .' 2í (17.22) ¡EJEMPLO 1 7 .488 REGRESIÓN POR MÍNIMOS CUADRADOS FIGURA 17.

X ~\¡n-(m + l) y el coeficiente de determinación se calcula como en la ecuación (17.5 0 10 18 0 18 54 100 1 54 El caso anterior en dos dimensiones se puede fácilmente extender a m dimensiones.5.5 76.blogspot.com .17.x 2 *iy x y 2 0 4 6. TABLA 17.10).5 0 12 189 243. Para usar regresión lineal múltiple.5 0 1 2 3 6 2 14 2 X 2 A 0 i 4 9 36 4 54 x. como en y = an + a\X\ + a x 2 2 -| Ya x m m + e donde el error estándar se formula como S y . Aunque hay ciertos casos donde una variable está linealmente relacionada con otras dos o más variables.17 se enlista un algoritmo para preparar las ecuaciones normal.25 0 2 5 3 24 14 48 0 20 22. El resultado es 6 16.7.5 100 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.25 48 14 48 54 a 0 a\ a 2 • = • 54 243. 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. *i y X 5 10 9 0 3 27 0 2 2. En la figura 17.5 Cálculos requeridos para desarrollar las ecuaciones normal para el ejemplo 17.3 REGRESIÓN LINEAL MÚLTIPLE Solución.25 1 16 49 76.22) se calculan en la tabla 17. Las sumatorias requeridas para desarrollar la ecuación (17. la regresión múltiple tiene utilidad adicional en la derivación de ecuaciones de potencias de la forma general y=a x x ---x " 1 2 0 1 2 m Tales ecuaciones son extremadamente útiles cuando se ajustan datos experimentales.5 14 16.5 1 4 7 16.

n eum = eum + y • x¡_ END DO u s e 1( A XJ-K END DO ¡. . es similar en esencia a la que se usó en la sección 17. De hecho. Observe que además de guardar las variables independientes en X ] . etcétera. para trabajar este algoritmo. Se puede ver con facilidad cómo la regresión lineal simple y múltiple encajan dentro de este modelo.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.23) donde z . La sección 20.5 y en el ejemplo 17. • •. . z. 17.n eum = eum + x¡-^( • END DO a = eum a. z. jC|. Z = x . 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. = x .. = x. 2 2 Z M — x" .. order + 1 DOj = 1.4 proporciona un ejemplo de tal aplicación para dos variables independientes. x ¡. 1 . Además. polinomial y lineal múltiple.blogspot.. z„. 17. los 1 se deben guardar en XQ • . z .4 para ajustar a una ecuación por potencias cuandoy fue una función de una sola variable x. .17 Pseudocódigo para ensamblar los elementos de las ecuaciones normal para regresión múltiple. 2 Esta transformación..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. z son las m + 1 funciones diferentes.1. z = x .CRDER+2 = 5 U M FIGURA 17. Antes de cambiar a regresión no lineal. hay varios puntos que nos gustaría analizar para enriquecer nuestra comprensión del material precedente. es decir z — 1.com simples como en z = x 0 ü — I.. . la regresión de polinomios se incluye también si Iris . 0 m () 2 2 m son monomios http://libreria-universitaria. .— eum END DO eum — 0 DOl = \. i eum — 0 DOÍ= 1.REGRESIÓN POR MÍNIMOS CUADRADOS DOI = 1.

usted debería reconocer que la mayoría de las veces [Z] no es una matriz cuadrada. las z pueden ser sinusoidales.blogspot. las mismas funciones pueden ser altamente no lineales. las a). la ecuación (17.23).\x-Y. Regresaremos a tales modelos al final de este capítulo. La salida de este proceso son las ecuaciones normal que se pueden expresar brevemente en forma de matriz http://libreria-universitaria.23) se puede expresar en notación matricial como {Y} = [Z]{A] + {E} (17. Por otro lado.24) donde [2] es una matriz de los valores calculados de las funciones z en los valores medidos de las variables independientes. como en y = a 0 + a. z m 1 m2 Z02 Zl2 z [Z] = Zrj« l« z donde m es número de variables en el modelo y n es el número de datos. Por ejemplo. 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. Como en el caso de regresión de polinomios. 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. eos (coi) + a (coi) 2 sen Tal formato es la base del análisis de Fourier descrito en el capítulo 19. la suma de los cuadrados de los residuos para este modelo se pueden definir como Sr = Y. Como n>m + 1. Mientras tanto. ¡ 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.Observe que la terminología "lineal" se refiere sólo a la dependencia del modelo sobre sus parámetros (es decir.com como .

el valor de m en la ecuación (17. está expresamente diseñado para resolver matrices simétricas como las ecuaciones normal. Por ejemplo. Obviamente hay traslapes en esta clasificación.2 Técnicas de solución (17. es rápido y requiere menos espacio de almacenamiento para resolver tales sistemas. cúbico o de orden superior es el "mejor" modelo para describir nuestros datos. De hecho.25). esta clasificación tiene su mérito en cada categoría y ofrece beneficios con respecto a la solución de las ecuaciones normales. debería quedar claro que Gauss-Seidel no puede usarse aquí debido a que las ecuaciones normal no son diagonalmente dominantes. una descomposición L U. 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. podemos desarrollar en forma sucesiva modelos de orden superior de un modo en extremo eficiente. Descomposición LU. Segundo. podríamos saber a priori si un polinomio lineal cuadrático. El algoritmo de descomposición de Cholesky tiene varias ventajas con respecto a la solución del problema general de regresión lineal. De esta manera dejamos a un lado los métodos de eliminación. si se ha seguido un enfoque modular. de hecho. polinomial y múltiple. Un caso sujeto a tratamiento sería la regresión de polinomios. Primero. y todos los procedimientos se pueden formular de tal forma que pueden generar la matriz inversa.25) es. Primero. 17. De hecho. esto es casi trivial. se puede también emplear la formulación de una descomposición no L t / d e eliminación de Gauss.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. 1978). de hecho. 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.3). http://libreria-universitaria.4.23)] no es conocido de antemano (véase Ralston y Rabinowitz.blogspot. De este modo. También acondiciona la etapa para la siguiente sección donde asimilaremos algo de conocimiento en las estrategias preferidas para resolver la ecuación (17. 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 este caso. incluyendo eliminación de Gauss. el método de Cholesky es. 2) método de Cholesky y 3) procedimiento de inversión de matrices.com . equivalente a las ecuaciones normal desarrolladas antes para regresión lineal simple.25) En los análisis anteriores en este capítulo hemos encubierto el tema de las técnicas numéricas específicas para resolver las ecuaciones normales. Para los actuales propósitos. Sin embargo. Método d e Cholesky. podemos dividir esas técnicas en tres categorías: 1) métodos de descomposición LU. La notación matricial tendrá también relevancia cuando veamos regresión no lineal en la última sección de este capítulo. 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. Ahora que hemos establecido la unión entre los diversos modelos. podemos explorar esta cuestión con mayor detalle. cualquiera de los procedimientos de descomposición LU descritos en el capítulo 9 son perfectamente aceptables.

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

3 23 \Y) = 16.3 548. EJEMPLO 1 7 . 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. a 1.01701 0.H-2-V(« a ( ) ) (17.t /2.031592 http://libreria-universitaria.688414 -0.032x i S i i j i donde y = predicciones del modelo y x = mediciones. los límites inferior y superior de la pendiente se pueden formular como L — a\ .3 usamos regresión para desarrollar la i siguiente relación entre mediciones y predicciones del modelo: j y = .21 _ f 552.607 ¡ ] j 1 50 49.405 22.29) donde s(a¡) — error estándar del coeficiente a.0 . Recalcule la regresión pero ahora use la aproximación matricial para estimar los errores estándar de los parámetros.494 REGRESIÓN POR MÍNIMOS CUADRADOS Mediante un enfoque similar al visto en la sección l'T'5. Concluimos que había una buena concordancia entre los dos debido a que el intercepto fue aproximadamente igual a 0 y la pendiente.blogspot.43 La inversión de la matriz puede ser usada para obtener la pendiente e intercepto como [A}= 0.741 22421. Los datos se pueden escribir en un formato matricial para regresión lineal simple como: 8. Después emplee esos errores para desarrollar los intervalos de confianza y úselos para hacer declaraciones probabilísticas con respecto a la bondad del ajuste.¡-2 a í(«o) U = fln + í /2.30) El siguiente ejemplo ilustra cómo esos intervalos se pueden usar para hacer inferencias cuantitativas relacionadas con la regresión lineal. De manera similar.85872 1.3 22191.2. 8 5 9 + 1.43 -0.953 "1 10 " 1 1 [Z] = 16.s(ci\) a n 2 (17. Solución.01701 [íZflZ]] -0.3. 8 Intervalos de confianza para regresión lineal \ Enunciado del problema.741 [ 22421..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.com .= K vai(ap. . En el ejemplo 17.„-is(a\) a U = a\+t i2.000465 {[Z] {Y) r 552.

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

24)]. a . a . ao.32) para obtener a 0 0 a a e j Aa 0 + a/ta). J | A / \ ¡ .).-+.23)... j + 1 = predicción.. Aa = « j+i ~~ oj> y = ij+i ~ ij..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. y e.31) Esta ecuación no puede ser manejada de acuerdo con el formato general de la ecuación (17. 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. para el caso no lineal. 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. esos modelos se definen como aquellos que tienen dependencia no lineal de sus parámetros.blogspot. La ecuación (17.33) o en forma matricial [compárela con la ecuación (17... Por conveniencia. a ) = ecuación que es una función de la variable independiente x¡ y una función no lineal de los parámetros a . f(x¡)j + df(x¡\ da 0 donde j = son los valores iniciales. 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. El método de Gauss-Newton es un algoritmo para minimizar la suma de los cuadrados de los residuos entre datos y ecuaciones no lineales. \i>\ = http://libreria-universitaria. este modelo se puede expresar de forma abreviada al omitir los parámetros. = error aleatorio./"^. hemos linearizado el modelo original con respecto a los parámetros. Entonces..34) . a . a) m + e¡ donde y¡ = valor medido de la variable dependiente.^ esta forma. para un caso de dos parámetros /(*. (/:¡ (17. la solución debe proceder en una forma iterativa. Sin embargo. Por ejemplo. Para ilustrar cómo se hace esto. Como se hizo con los mínimos cuadrados lineales. a .33) se puede sustituir en la (17.com [ / ... En el contexto actual.496 17. (17..5 REGRESIÓN POR MÍNIMOS CUADRADOS REGRESIÓN N O LINEAL Hay muchos casos en ingeniería donde modelos no lineales deben ser ajustados con datos.. 0 x m 0 t m (17. Por ejemplo. (17. a u . primero se puede expresar de manera general la relación entre la ecuación no lineal y los datos como y¡ f {x¡..

como en [[Z ] [Z }]{AA} = {[Z ] {D}} T T 0 Q (17.36) k.25)]: Aa\ {AA} = Aa„ Arto J J en resolver la ecuación (17.] = 0 = derivada parcial de la función con respecto al kdonde n = número de datos y df¡/da ésimo parámetro evaluado en el /-ésimo punto.blogspot.donde [Z¡\ es la matriz de las derivadas parciales de la función evaluada en el valor inicial y.35) para / Así. el procedimiento consiste {A/4}.35) y a j+i = OQJ + Aa \S„h = a Este procedimiento se repite hasta que la solución converge (es decir. dfi/dao dfi/dcn df /dai 3/ /3ao 2 2 [Z. la cual se puede emplear para calcular valores mejorados para los parámetros.34) resulta en las siguientes ecuaciones normal [recuerde la ecuación (17. hasta) 100% (17. 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. http://libreria-universitaria.com .j+\ está por debajo de un criterio de paro aceptable. Si se aplica la teoría de mínimos cuadrados lineales a la ecuación (17. El vector {£>} contiene las diferencias entre las mediciones y los valores de la función.

X Ajuste la función f(x.9.6 7 8 0 2 .0 y a = 1.2) se pueden usar para evaluar la matriz 0 2 . 8 4 2 1 [ [ Z ] [ Z o ] p=7 .0 para los parámetros.25 0. 3 1 9 3 0 9 .25 0. 1 5 3 3 0 .28 0. {D} = — .2 1 2 0 5 .74 2.75 0.25 0. 0 3 3 5 0 .5 4 3 0 3 .3 7 1 Esta matriz multiplicada por su traspuesta resulta en 2 '. 0 8 6 2 0 .) = a ( 1 0 0 ) con los dalos: y 0.blogspot.79 Use los valores iniciales de a = 1.4 -08 2 6 2 0 7 . 0 3 6 5 oí 0 http://libreria-universitaria.9 4 7 0 3 . 9 REGRESIÓN POR MÍNIMOS CUADRADOS Método de Gauss-Newton I Enunciado del problema.5 8 8 0 0 .9.5 8 1 0 3 .9. «.2 7 6 0 7 .2 6 2 0 8 .4 0 4 0 0 r 0 la cual mi de de nuevo nueve se puede invertir para dar 3 6 .a .3 9 7 7 .9 4 6 0 r 0 1 . T El vector {D} consiste en las diferencias entre las mediciones y las predicciones del modelo. 0 0 .2) Las ecuaciones (E17.1) y (E17. Observe que para estos valores la suma inicial de los cuadrados de los residuos es 0.8 07 1 3 5 0 7 .9 08 9 4 6 .4 2 4 0 .com .498 EJEMPLO 1 7 . 8 4 2 1 1 9 1 . 1 0 4 6 Ésta es multiplicada por [Z ] para obtener ¡Z ] {D} () T 0 .4 8 9 0 4 .9.68 1. Las derivadas parciales de la función con respecto a los parámetros son da o =1 = a je Q (E17. 0 x Solución.0 4 1 0 2 . 1 3 5 [Z] = 0 8 .1) (E17.0248.7 -05 2 7 6 0 6 .75 0.57 1.4 8 9 " [ Z ] [ Z ] 0 9 .8 02 2 1 2' 0 5 .

El método de Gauss-Newton tiene una variedad de otros posibles defectos: 1. es decir. r http://libreria-universitaria.. .5 REGRESIÓN NO LINEAL El vector {AA} es entonces calculado al resolver la ecuación (17. 3. Puede oscilar ampliamente. . Puede no converger.5019. El cálculo podría repetirse hasta que esos valores estén abajo del criterio de paro preescrito.31) esto se podría calcular como (17. a .. muchos programas de computadora usan diferentes ecuaciones para aproximar las derivadas parciales. 1961) para remediar los defectos. a . 1958.com . .6751. k a) m 5a k donde 8 = perturbación fraccional pequeña. El resultado final es a = 0. Un método es dfi da k ^ f(x¡. respectivamente.. Ilustraremos el modo para hacer esto cuando describamos las aplicaciones del software al final del capítulo 19. Por ejemplo. aunque hay varios procedimientos expresamente diseñados para regresión.. y se calcula la suma de los cuadrados de los residuos.0 1. En consecuencia. Para hacer esto.79186 y a. los parámetros se podrían ajustar de manera sistemática para minimizar S mediante técnicas de búsqueda descritas previamente en el capítulo 14.0 +I -0.blogspot.5019 1 0 x x Así. La ecuación (17. 2. Puede converger con lentitud. Hartley.36) se puede usar para calcular £Q y e igual a 37 y 3 3 % . Se han desarrollado modificaciones del método (Booth y Peterson. a ) .5019 m la cual puede ser agregada al parámetro inicial supuesto para dar I I «o 1. para la ecuación (17. . las estimaciones mejoradas de los parámetros son a = 0.35) para AA = -0.. Además.7286 y a = 1. k m 0 .a + 0 k Sa ..7286 1.. Los nuevos parámetros resultan en una suma de los cuadrados de los residuos igual a 0.38) Entonces... uno más general es usar rutinas de optimización no lineal como las descritas en la parte cuatro.17.f{x¡\a .. cambia en forma continua de dirección. = 1.2714 0.5019 i 0. 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.0242.000662. Estos coeficientes dan una suma de los cuadrados de los residuos de 0. se hace una suposición de los parámetros..2714 0.

96 1.10 Ajuste los siguientes datos a una ecuación de potencias X / 2.4 con intervalos de 0. b) la desviación estándar.90 1.7 a una parábola.35 1. b) a una ecuación de potencias.9 6 3. Determine si esto es una estimación válida para los datos en este problema.63 1.66 1. los valores inferior y superior) que abarquen el 68% de las lecturas.6 2 000 2.5 7 3. Analice sus resultados.8 12.75 0.2.3 3 5 6 7 5 10 8 12 7 13 6 16 9 18 12 20 11 Grafique y contra x junto con la ecuación de potencias.6 7.8 Ajuste los datos del problema 17.42 1.5 3. ¿Es superior alguna de las curvas? Si es así.5 2. Si alguien hizo una medición adicional de x = 5.blogspot. í3 8.9 Adecúe los datos del problema 17. justifique.30 1. pero ahora haga la regresión de x contra y (es decir.85 2. que la medición fue válida o fallida? Justifique su conclusión. calcule el error estándar de la estimación y el coeficiente de correlación.REGRESIÓN POR MÍNIMOS CUADRADOS PROBLEMAS 17.55 1.6 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. calcule el error estándar del estimado y el coeficiente de correlación.82 1.11 Adecué los siguientes datos a un modelo exponencial X y 4 0.12 Ajuste los datos del problema 17.5 5.2 Construya un histograma para los datos del problema 17. 17.5 Use regresión por mínimos cuadrados para ajustar una línea recta a X y Grafique los datos y la ecuación en papel estándar así como en gráfico logarítmico.0 2 700 2.47 1. Grafique los datos y la ecuación. con base en un asegura- use regresión por mínimos cuadrados para ajustar a) a una línea recta. pero ahora use regresión polinomial para ajustar los datos a una parábola.7 a una ecuación de potencias.6 6 1.74 1.6 a 2.1 Dados los datos 0.4 17. 17. Después repita el problema.4 750 0.2 1 400 1.95 1.27 miento visual y en el error estándar.05 1.3 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. 17. Grafique los datos y la ecuación y encuentre el error estándar. Compare los resultados con aquellos de a).14 1.92 1. Grafique los datos y la línea recta. 17.com . b) Recalcule a). Valide el ajuste.3 20 2.4 Use la regresión por mínimos cuadrados para ajustar a una línea recta a X l Grafique los datos y la ecuación. 17. calcule el rango (esto es. b) la desviación estándar. c) la varianza.7 y determine a) la media. 17.1 10 2.5 5 3. c) la varianza. Use un rango de 0 a 55 con incrementos de 5.32 1.29 1. 17. d) el coeficiente de variación y é) el intervalo de confianza al 90% para la media.11 a una parábola. Grafique los datos junto con todas las curvas.5 1.65 2.35 1.7 8 l . c) a una ecuación de razón de crecimiento saturado y d) a una parábola.2 4 1. 17. 17.3 3 750 Junto con la pendiente y el intercepto. Grafique los datos y la línea de regresión. http://libreria-universitaria.7 Ajuste un modelo de razón de crecimiento saturado con X 0.78 2. ¿podría usted esperar. Grafique los datos y la ecuación y encuentre el error estándar. Use un rango de 0. g) Suponga que la distribución es normal y que su estimación de la desviación estándar es válida.71 1.06 1.6 15 2. Grafique los datos y la línea de regresión. Encuentre el error estándar.8 1 000 1. calcule el error estándar del estimado y el coeficiente de correlación.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. d) el coeficiente de variación y e) el intervalo de confianza al 95% para la media.5 1.8 2 1.3 2. cambie las variables). y = 5./) Construya un histograma. 17.47 1. 17.5 2.1. Interprete sus resultados. 17.

13 a una ecuación de razón de crecimiento saturado.PROBLEMAS 501 17.18 Recalcule el ajuste por regresión de los problemas a) 17.5 40.0 2 650 2.14 Use regresión lineal múltiple para ajustar x. Entre otras cosas: a) Agregue comentarios para documentar el código y b) determine el error estándar y el coeficiente de determinación. 17.c) 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.075 600 0.8 25. el error estándar del estimado y el coeficiente de correlación.com . 0 0 y 17.2 1 400 1.5 800 1 200 1.7 2 050 2.blogspot.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. el error estándar del estimado y el coeficiente de correlación.3 3 750 Calcule los coeficientes.12.7 20. 17.9 ye) 17.17 Use regresión no lineal para ajustar los datos del problema 17.4 y b) 17. 17.6.3 1 1 2 2 3 15 18 12. 17.20 Use el software de Métodos Numéricos TOOLKIT para resolver los problemas a) 17.4.16 Use regresión no lineal para ajustar los siguientes datos a una parábola 3 4 4 y 0.6 35.0 29.13 mediante el procedimiento de la matriz. http://libreria-universitaria. Estime los errores estándar y desarrolle intervalos de confianza al 90% para la pendiente y el intercepto.8 45. 17. b) 17.5. d) 17.19 Desarrolle.

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

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

0 — 6—1 (2 .rrvrcKruLACTurN pendiente de la línea que conecta los puntos.791759.3. Observe cómo el intervalo más pequeño proporciona una mejor estimación. junto con la función real. Usaremos la ecuación (18. pero use un intervalo más pequeño de ln 1 a ln 4 (1. f(x) = ln j f .blogspot.1 ) = 0. FIGURA 18. el término \f(x ) — f(x )]/(x — x ) es una aproximación por diferencia dividida finita de la primera derivada [recuerde la ecuación (4. x 0 x 0 EJEMPLO 18. realice el cálculo por interpolación entre ln 1 = 0 y ln 6 = 1.1) = 0. Ambas interpolaciones se muestran en la figura 18.17)].3%. x = 1 a x 4 se obtiene t = / . Esto se debe al hecho de que. En general. Solución . en tanto el intervalo disminuya. mejor será la aproximación. cuanto más pequeño sea el intervalo de datos. Esta característica se demuestra en el siguiente ejemplo.386294). repita el procedimiento.2) y una interpolación lineal para ln(2) de x = 1 a X] = 6 para dar 0 /.4620981 t Así. Estime el logaritmo natural de 2 mediante interpolación lineal.° (2 .3583519 0 x que representa un error de e = 48. Estimaciones lineales l i l i l í http://libreria-universitaria. una función continua se aproximará mejor por una línea recta.3 Dos interpolaciones lineales para estimar ln 2. Primero. Observe que el valor real de ln 2 es 0. con el intervalo más corto se reduce el error relativo porcentual a e — 33.1 Interpolación lineal Enunciado del problema.3%. Con el intervalo más pequeño de.6931472.com . ( 2 ) = 0 L + 3 8 4 6 ^ . Después.(2) = 0 + 1 791759 .

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

4) se obtiene La ecuación (18.com . la ecuación (18.3).blogspot. Esta observación será objeto de más exploración cuando relacionemos los polinomios de interpolación de Newton con la serie de Taylor en la sección 18.4.1 a un polinomio de segundo orden: i j xo = 1 =4 Xl f(xo) . debemos examinar la forma del coeficiente b .386294 /(JC ) 2 x = 6 2 = 1.3) comienza a manifestar una estructura que es muy similar a la serie de expansión de Taylor.24). 2 1 0 0 5 x http://libreria-universitaria. Para comparación se incluye también la interpolación lineal de x = 1 a 4.791759 Use el polinomio para evaluar ln 2.3) para interpolar entre tres puntos. 2 Interpolación cuadrática Enunciado del problema.1. Ajuste los tres puntos usados en el ejemplo 18.4 Uso de interpolación cuadrática para estimar ln 2. 2 EJEMPLO 1 8 .506 INTERPOLACIÓN Antes de ilustrar cómo usar la ecuación (18. Es muy similar a la aproximación por diferencias divididas finitas de la segunda derivada que se introdujo antes en la ecuación (4. Solución. Pero primero.5) da | ¡ í FIGURA 18.0 /(xj) = 1. b = 0 0 Aplicando la ecuación (18. Así. desarrollaremos un ejemplo que muestra cómo se usa la ecuación (18.

se expresa por lo general como http://libreria-universitaria.1 y figura 18..791759 .5658444 2 la cual representa un error relativo de e = 18.Il.1) .A' ] 0 (18.. la cual representa la diferencia de las dos primeras diferencias divididas.4%..7) Como se hizo antes con las interpolaciones lineales y cuadráticas. .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 DIFERENCIA DIVIDIDA DE N E W T O N PARA LA INTERPOLACIÓN 507 y con la ecuación (18.18. Por ejemplo.4) mejora la interpolación comparada con el resultado que se obtiene mediante líneas rectas en el ejemplo 18.11) donde las evaluaciones de la función puestas entre paréntesis son diferencias divididas finitas. z x„) (18.f(x )]. [x^fix^]. Usamos estos datos y las siguientes ecuaciones para evaluar los coeficientes: 0 n 0 0 n n b = f(x ) Q 0 (18. t 18. b¡..8) (18. .9) b\=f[x x ] u 0 bi = f[x .462098l (x .Xj] = X¡ Xj (18. El polinomio de «-ésimo orden es f„(x) = b + bi(x .blogspot. los puntos de los datos evaluaban los coeficientes b .10) b n = f[x„. / ( x ) ] ..12) La segunda diferencia dividida finita.x ) + • • • + b„(x . la primera diferencia dividida finita se representa por lo general como rr T / ( • * / ' ) ~ f( j) X / 1 0 n \ f[xj..4620981 ^ = -0.. Así.386294 b = 2 6 4 0.x„-i.3...0518731 (x .0518731 6—1 Sustituyendo estos valores en la ecuación (18. [x . b .0.)•••(*0 0 0 x„-i) (18.3) se obtiene la fórmula cuadrática f (x) 2 = 0 + 0.6) se obtiene 1.xi.4) que puede evaluarse en x — 2 para / (2) = 0.])(x ..com .x )(x -*.1.1. Para un polinomio de «-ésimo orden se requiere n + 1 puntos: [ x .

También.V|) | /0. x ]" f 3 2 *3 f[x h 3 FIGURA 18. .\ .. X.) . como se ilustra en el siguiente ejemplo.609438].)f(x |2 :f[x .15) sean igualmente espaciados o que los valores de la abscisa deban estar en orden ascendente.Xo)(x .x _ .15) que es conocido como polinomio de interpolación por diferencias divididas de Newton..x¡Á J 1 = .7) para obtener el polinomio de interpolación /«(*) = ñ o) x + -+ + (x- (x .loK. En el ejemplo 18..Xj] - f[.8) hasta la (18.14) son recursivas (es decir..„ o 2 :f[x.Xj.x^x^ 0 x u x] 0 (18.x = 4 yx — 6 se utilizaron para estimar ln 2 con una parábola.x... x„] Tareero |X|.blogspot.11).... es T ) http://libreria-universitaria.13) fí ni x x En forma similar. 0 x 2 3 3 Solución. f[Xi. EJEMPLO 18.14) (Wl\A\ X„ — XQ Estas diferencias pueden usarse para evaluar los coeficientes en las ecuaciones (18. = - n —\ - >•••i - x - \ \ — /[x„_i.12) a (18. agregando un cuarto punto (x = 5. XQ] (.X ] K f \x¡ . . r . - X „ _ 2 . x.] 2 x : [x .. f(x ) = 1. la n-ésima diferencia dividida finita es j. El polinomio de tercer orden utilizando la ecuación (18.3 Interpolando polinomios mediante la diferencia dividida de Newton Enunciado del problema.»| )(\ .18.v • -. (x . v ) = b{) + l>l(X .x ] n 1 n n l 0 * y i * i » *o] + ( ~ 0 x x )(x . calcule el ln 2 con una interpolación del polinomio de Newton de tercer orden.5 Ilustración gráfica de la naturaleza recursiva de las diferencias divididas finitas.x _ Y[x .(.V . f[x„. X.5). observe cómo las ecuaciones (18.\ 2 . véase la figura 18.x. las cuales entonces se sustituirán en la ecuación (18.- x¡-x k (18.«o) (.X„-u. x ]0 x 2 3 \ f(x. .508 INTERPOLACIÓN . . las diferencias de órdenes mayores se calculan al tomar diferencias de orden menor.X Xo] r U . 0 i */ x Primara f(x )0 Segundo |...1. los datos e n x = \.v>) . Ahora..5 para implementar el método.2.X ) + l> (.7) con n — 3. .com / l ( .. Debe observarse que no es necesario que los datos utilizados en la ecuación (18. Esta propiedad será aprovechada cuando desarrollemos un programa eficiente en la computadora dentro de la sección 18.

com .(-0.4620981 0.12)] 1.386294 f[x . la ecuación (18.blogspot.Xi 2 La tercera diferencia dividida es [véase la ecuación (18.14) con n = 3] .7) es 2 3 0 0 http://libreria-universitaria.386294-0 f[X]. x .609438 .7). Las primeras diferencias divididas para el problema son [véase la ecuación (18.X ] 0 = 4-0 6-4 = 0.1 0 2 3 2 x 0 = 0.0 .1.007865529 Los resultados para/[*.02041100 f[XT.X ] 0 = 6.2027326 5-4 = -0.1. Junto con b =f(x ) = 0. x ].. 0 2 0 4 1 1 0 0 .2027326 0..Xi] 2 = f[X3. X^XQ] y f[x .05187311 = -0.1 5 .X .0.6 Uso de la interpolación cúbica para estimar ln 2.791759 . b y ¿> de la ecuación (18.Xi.f[x .1823216 1.1 0.13)] 0.386294 5-6 Las segundas diferencias divididas son [véase la ecuación (18.4620981 f[X2.1 UirCKCrNUA U l V I V I U r t u c P I S Y T I W I ^ FIGURA 18.X ] 2 = 1..05187311) 5 .2027326-0.1823216-0. x . x ] representan los coeficientes 6.

15) es similar a la serie de expansión de Taylor en el sentido de que se agrega términos en forma secuencial para capturar el comportamiento de alto orden de la función en turno.4 Estimación del error para el polinomio de Newton ¡ ! Enunciado del problema. así.x )(x 0 .007865529 (x .4) que puede usarse para e v a l u a r / ^ ) = 0.2. si se dispone de un dato adicional f(x ). Sin embargo. la ecuación (18. El polinomio cúbico completo se muestra en la figura 18.x + 1 ) 0 ) ( x .6287686. También. una formulación alternativa ei tá disponible y no requiere conocimiento previo de la función. una relación análoga para el error es +1 R„ r" (£)(x . .x„^i 0 . no puede resolverse para el err >r. Por fortuna. .com . Más bien. 3 http://libreria-universitaria. x ](x 0 .18) para estimar el error para la interpolación del polinomio de segundo orden del ejemplo 18.1) .6) donde ¿j está en alguna parte en el intervalo x¡ a x .6) I )(.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 (18.6. x .. x )] es la (n + 1 )-ésima diferencia dividida finita. . Para una interpolación de n-ésimo orden. usa una diferí ncia dividida finita para aproximar la derivada (n + l)-ésima.blogspot. como fue el caso con la serie de Taylor.310 INTERPOLACIÓN fr(x) = 0 + 0. el cual representa un error relativo de e¡ = 9.18) EJEMPLO 18. Use la ecuación (18. .. Use los datos adicional e s / ( x ) = / ( 5 ) = 1. Por lo común éste no es el caso.17) pue<e usarse para estimar el error.v . la función en turno debe ser conocida y < iferenciable. D :bido a que la ecuación (18.17) contiene la incógnita/ (x).4 )(x . Estos términos son diferencias divididas finitas y.3%.l ) ( x .0.16) (n + 1)! donde £ está en alguna parte en el intervalo que contiene la incógnita y los datos.x . como ocurrió con la serie de Taylor. si la verdadera función subyacente es un polinomio de w-ésimo orden.x ) • • • (x t -x„) (18.4620981 (JI . Recuerde de la ecuación (4.x„. . Por consiguiente. Para esta fórmula que habrá de usarse.x„) (18.609438 para obtener sus resultados. como en n+1 R„ = f[x„ +u x„. X ](X Q - X )(X 0 - X\) • • • (X - X„) (18. 18.6) que el error de truncamiento para la serie de Taylor podría expresarse por lo general como f (n+l)(t\ (n+ 1)1 (4.1.05187311 (x + 0.17) donde f[x.. ) • • • (x . R„ = n nA fíx. puede obtenerse una formulación para el error de truncamiento..x . el polinomio sujeto a interpolación de n-ésimo con base en n + 1 puntos dará resultados exactos. representan aproximaciones de las derivadas de orden mayor.

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

De esta manera. s Velocidad m e d i d a v.11 para estudiar un análisis de tendencia para un problema que se relaciona con nuestio conocido caso del paracaidista en caída. la versión de Lagrange es un poco más fácil de programar. Por tanto.5).blogspot.yi DO j = 0.n IF i # j THEN product = product*(x ENDIF EWDO sum = sum + product EWDO Lagmg = sum END Laqrftq .Xj )/(x .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. a menudo se prefiere el método de Newton.n product . Estamos conscientes que el comportamiento de la interpolación de polinomios puede ser inesperado. y. la forma de Lagrange se usa a menudo cuando el orden del polinomio se conoce a priorí.11 Pseudocódigo para ¡mplementar la interpolación de Lagrange. EJEMPLO 1 8 . Suponga que desarrollamos cierta instrumentación para medula velocidad del paracaidista.com polinomios de 4. 2 y 1 órdenes para comparar los resultados. Los datos de medición obtenidos para un caso de prueba en particular son Tiempo. x) sum = 0 DO i = 0. 7 Interpolación de Lagrange usando la computadora Enunciado del problema. la estimación emplea una diferencia finita (véase el ejemplo 18. para cálculos exploratorios. construiremos http://libreria-universitaria. Podemos usar el algoritmo de la figura 18.518 INTERPOLACIÓN FUNCTION Lagrng(x. í . Cuando se ejecuta sólo una interpolación. las formulaciones de Lagrange y Newton requieren un notable esfuerzo computacional. donde n + 1 es el número de datos. 3. Debido a que no requiere de cálculos y almacenaje de diferencias divididas. Este algoritmo se acondiciona para calcular una sola predicción de n-ésimo orden.Xj) . Sin embargo. n. FIGURA 18.

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

(1986) proporcionan un análisis y códigos de cómputo para procedimientos más eficaces. los valores de f(x) y x en la mayoría de los contextos de interpolación son las variables dependientes e independientes. Por ejemplo. Press y cois. Como hay el mismo número de ecuaciones que incógnitas.3. la ecuación (18.f(x )].3 = 3. suponga que se le pide determinar el valor de x que corresponda a f(x) — 0.blogspot. se debe tener precaución con el orden. Para este caso./(xj)] y [x .f(x )].5 3 0. Un ejemplo simple es una tabla de valores tabulados para la función f(x) = l/x.25 5 0. pero que se le ha dado un valor para f(x) y debe determinar el valor correspondiente de x.1429 Ahora suponga que usted debe usar los mismos datos. la ecuación (18.com . en particular para n grandes. Por ejemplo. Cualquiera que sea la técnica empleada. suponga que usted desea calcular los coeficientes de la parábola f(x) = a + a\x + a x 0 2 0 2 (18. para los datos anteriores.26) se podría resolver con un método de eliminación de la parte tres. X 1 1 2 0. Cuando se usan para una interpolación subsecuente a menudo se obtiene resultados erróneos.4 INTERPOLACIÓN INVERSA Como su nomenclatura lo implica. Si lo que desea es determinar una ecuación con la forma de la (18.3333. los valores de las x están típicamente espaciados en forma uniforme. como la función está disponible y se puede manejar en forma fácil.25) 0 Se requiere tres puntos: [x .3333 4 0. 18.1667 7 0. las x son los puntos conocidos y las a las incógnitas. emplee la interpolación de Newton o Lagrange. la respuesta correcta se determina directamente como A. Ya sean resueltos con un método de eliminación o con un algoritmo eficiente.26) + a x\ 2 De esta manera.2 6 0. = 1/0. limítese a polinomios de orden inferior y verifique sus resultados cuidadosamente. Debe observarse que el procedimiento anterior no es el método disponible más eficiente para determinar los coeficientes de una interpolación de polinomios. En resumen. En consecuencia.26) están notoriamente mal condicionados.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. en forma respectiva.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. http://libreria-universitaria. se puede usar ecuaciones algebraicas lineales simultáneas para calcular las a. los coeficientes resultantes pueden ser altamente inexactos.24). Los sistemas como el de la ecuación (18.25) para dar f(x ) 0 [X].520 INTERPOLACIÓN f(x) =a 0 + ax + ax x 2 2 + •••+ a x n n (18. Así. si usted se interesa en determinar un punto intermedio.

x ) {x\ .) (x 2 0 Xl mfiX2) ( 1 8 . el error disminuye mucho más rápido que para la situación original. Como se podría intuir en forma obvia.X J donde II designa el "producto de"..x ) ( x — r/(x ) + . el error es proporcional al producto: (x — x ) (x — x¡). x = 2.(*)ft*i> (18.5. esto es. . Se puede expresar de manera concisa como / » ( * )=2 i=0 donde £. los puntos deberían estar centrados alrededor y tan cerca como sea posible de las incógnitas.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.1).x 0 (18. En el segundo término. 2 3 ) -x )(x 2 -Xi)" La ecuación (18.2D iW= fi(x) n^/ y=o X Í .xO(xo . La figura 18. . la magnitud más pequeña de este producto. los puntos base más cercanos son a x.20) se puede derivar de manera directa a partir del polinomio de Newton (véase cuadro 18. x = 3.(x .blogspot. el error se redujo a menos de e. (x-xo)(x.5. y asi sucesivamente. = 2 % .5. Por lógica.puntos en una secuencia diferente.17)]. 0 { 3 El ejemplo anterior ilustra la importancia de la selección de los puntos base. Por ejemplo.com . Como los puntos iniciales para este caso se hallan cercanos y espaciados en cualquier lado de ln 2. 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.(x — x ). Si suponemos que la diferencia dividida finita no varía mucho a lo largo del rango de datos. 0 n 18.xi 0 + í—^-f(xx) x.— ( x .20) (18.X ) 2 - r/(*i) x) 2 . Se podría emplear otras combinaciones para obtener diferentes velocidades de convergencia.x )(xi 2 0 0 2 0 . la versión lineal (n = 1) es = ?—^f(xo) x .9 muestra los resultados para el caso de invertir el orden de los datos originales. x = 1. Sin embargo.22) 0 y la versión de segundo orden es f (x) 2 = ' (i-xi)(x-x ) . Esta observación es también soportada por un análisis directo de la ecuación para estimar el error [vea ecuación (18.

791760 Solución..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. De esta manera.20) es el único polinomio de n-ésimo orden que pasa de manera exacta a través de todos los n + 1 puntos. y 0 en todos los otros puntos de la muestra (véase la figura 18.791760 = 0.2: xo = 1 x.22)] se puede usar para obtener la estimación en x = 2. al agrupar términos similares y simplificar se tiene la forma del polinomio de Lagrange. Al sustituir la ecuación (B18. la sumatoria de todos los productos designados para la ecuación (18.386294 (4-l)(4-6) ( 2 . Por ejemplo.2)]. En consecuencia.5658444 (6-l)(6-4) Como se esperaba. Cuadro 18. Para obtener la forma de Lagrange.xo] = /(xi) xi .=4 x =6 2 f(xo) = 0 / ( x 0 = 1. Haremos esto únicamente para el caso del polinomio de primer orden [véase ecuación (18.10). ambos resultados concuerdan con los que se obtuvieron antes al usar la interpolación para el polinomio de Newton. 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.— xf t x i ) 0 0 + ——/(x ) x 0 Xi 0 .386294 f(x ) 2 = 1.516 INTERPOLACIÓN 1 en x = x. El polinomio de primer orden [véase ecuación (18. el polinomio de segundo orden se desarrolla como [véase ecuación (18. 6 Interpolación de polinomios de Lagrange Enunciado del problema. cada producto L¡(x)f(x¡) toma el valor de f(x¡) en el punto de muestra x¡./(x ) /[x.2) en (18. i / .com .l)(2-4) + -1. EJEMPLO 1 8 .blogspot. la cual es referida comoforma simétrica. reformulamos las diferencias divididas.1) Xl se puede reformular como (B18.1. ( 2 ) = Y~^°+ y -386294 = 0.23)] / (2) = 2 (2-4)(2-6) (l-4)(l-6) -0+ (2-l)(2-6) -1.x o 0 fl i Por último.2) se obtiene /i(x) = /(x ) +x\—. la primera diferencia dividida.2) x - X l 0 X\ Xo XQ http://libreria-universitaria.4620981 1 1 De manera similar. — x— f (x) = x o -/(x ) + V(xi) X (B18.1.1.

5 COMENTARIOS ADICIONALES 521 Tal problema se conoce como interpolación inversa. 3. Por ejemplo. 18.295842 Así. la fórmula cuadrática se puede usar para calcular _ 0. en muchos casos.704158 2 X ~ 2(0. Es decir.2). Como.78333 _ 5. Así.041667 A: 2 Para este caso simple. (3. 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.* + 0.18. f {x).5). 0.0. Por desgracia.2 0.08333 . los valores serán "agrandados". esas técnicas tenían gran utilidad para interpolación a partir de http://libreria-universitaria. como las x están espaciadas de manera uniforme. para f(x) = 1/x el resultado es 0. usted se preguntaría por qué hemos puesto el caso especial de datos igualmente espaciados (véase cuadro 18. Esto puede ocurrir aun para polinomios de orden inferior.375 ± v/C-0. ¡el problema de interpolación se reduce a un problema de raíces! Por ejemplo.5 COMENTARIOS ADICIONALES Antes de proceder con la siguiente sección. para el problema antes descrito.333.25).375A.3333 0.1429 X 0.3 = 1. 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. este polinomio no estará mal condicionado.1667 0.blogspot. son compatibles con datos espaciados en forma arbitraria.375.041667)0. En la mayoría de los casos. un simple procedimiento podría ser ajustar los tres puntos a un polinomio cuadrático: (2.5 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. el de Newton y Lagrange.041667) ~ 3. De hecho. ambos polinomios.25 0.4(0. Para un caso más complicado. la segunda raíz.08333 . con f(x) contra x]. sólo grafique x contra f(x)\ y use un procedimiento como la interpolación de Lagrange para determinar el resultado. 0. 0. a los datos originales [es decir. Antes de la llegada de las computadoras digitales.375) . Si se desea una exactitud adicional.041667* 2 La respuesta al problema de interpolación inversa para determinar lax correspondiente a f(x) = 0. es una buena aproximación del valor real de 3. 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).0.com . se debe mencionar dos temas adicionales: interpolación con datos igualmente espaciados y extrapolación.296. usted debe intentar cambiar los valores f(x) y x [es decir.+ 0.3 sería equivalente a la determinación raices de 0. tendrán la apariencia de una escala logarítmica con algunos puntos adyacentes muy agrupados y otros muy dispersos. Una estrategia alterna es ajustar un polinomio de n-ésimo orden.3333) y (4.

2).2.2. Por ejemplo.X|. . x „ ] = A"/(x ) 0 n\h" (B18.1) fíx ) i) 2! "a(a 0 .2. ) + /(x ) 2 { 2 0 H .2. ( X ) =/(XQ) .24) x 0 (B 18.X|.2 INTERPOLACIÓN CON D A T O S I G U A L M E N T E E S P A C I A D O S Si los datos están igualmente espaciados y en orden ascendente. 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. entre los datos. .blogspot. la ecuación (B 18.3) para dar A fn(x) = /(x ) + A/(x )a + 0 0 2 0 (B 18.x ) ( x .1) / ( x ) .«) [n + 1)! Esta notación concisa tendrá utilidad en nuestra derivación y en el análisis de error de las fórmulas de integración en el capítulo 21. (X 0 h X ) 0 + + A 2 / ( A 0 ) 2\h 2 (x . V + W . Ahora recuerde que la segunda diferencia hacia adelante es igual al numerador donde de la ecuación (4.xo . A /(x ) 2 0 2\h 2 o. Al. . a: 2 = A O ' + 2h x„ = xo + nh Esta definición se puede usar para desarrollar las siguientes expresiones simplificadas páralos términos en la ecuación (B18.4) A /(xo) = /(A'2)-2/(x ) + /(x ) 2 l 0 Por tanto. + A/(X ) . \ .1) se puede representar como /[X .522 INTERPOLACIÓN Cuadro 18.15)] para el caso de datos igualmente espaciados como r / x s.com .2) Mediante la ecuación (Bl 8.16). Además de la fórmula hacia adelante. A|. Con esta base.2. A"/(x ) -i ¡—a (a . . Para información adicional con respecto a interpolación para datos igualmente espaciados se puede consultar a Carnahan. Luther y Wilkes (1969). X ] = 2 X2 la cual se puede expresar como / [ X .X ] = 0 2 Rn = .n + 1) + R„ 0 ya que x — x = x — x = (x — x )/2 = h.D(« .3) http://libreria-universitaria. A ] 0 2 2 2 -X 0 las cuales se sustituyen en la ecuación (Bl 8.2. Se puede simplificar más al definir una nueva cantidad. . entonces la variable independiente tiene los valores de X x\ = x + h 0 donde lo que resta es lo mismo que en la ecuación (18.2) • • • (a . las diferencias divididas finitas se pueden expresar en forma concisa. o tamaño de paso.3): x — x — AO = AQ — donde h es el intervalo.2 / 2h ( x .1) • • (a . .h) 0 nlh" 0 ---+^¡^(x-x )(x-x -h) Q 0 •••\x-x -(n-1)h) + R„ (B18. / .2. Esta ecuación es conocida como fórmula de Newton o fórmula hacia adelante de Newton-Gregory. están disponibles las fórmulas hacia atrás y central de Newton-Gregory.2. podemos expresar el polinomio de interpolación de Newton [véase ecuación (18. en general /[Xo .

19) podría ser menor que el verdadero.19) representa una predicción futura menos una presente. la predicción del (n + l)-ésimo orden debería ser mucho más cercana al valor real que la predicción del n-ésimo orden.0629242 2 2 la cual es del mismo orden de magnitud que el error real. Del ejemplo anterior y de la ecuación (18.19) En otras palabras.0. 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. 2 X\. junto con el valor adicional en x .18).6931472 . están mal condicionados). Sin embargo. la ecuación (18.2 la interpolación del polinomio de segundo orden proporcionó una estimación de f (2) = 0.l)(x . Esto representaría una calidad muy poco atractiva si el error estimado fuera a emplearse como un criterio de paro.5658444 = 0.6) donde el valor para la diferencia dividida finita de tercer orden es como la que se calculó antes en el ejemplo 18. Esta relación puede evaluarse e n * = 2 para R = 0. i j j \ " uircRCNClA DIVIDIDA DE N E W T O N "PARA LA INTERPOLACIÓN Solución. es más valioso para la clase de análisis de datos exploratorios para lo cual el polinomio de Newton es el más adecuado.blogspot. Esto puede verse con claridad al reordenar la ecuación (18.5658444. como en 2 3 M I ! Ri = /fe. Esto significa que para una serie en convergencia rápida. que representa un error de 0. Si se hubiera conocido el valor real. 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.007865529(2 .19) es más sensible para dicha divergencia. la ecuación (18. http://libreria-universitaria.19) conforma nuestra definición estándar de error al representar la diferencia entre la verdadera y una aproximación. Si se prevén tales errores. Para tal situación.6) = 0. la ecuación (18.com . el error estimado de la ecuación (18. la interpolación de polinomios de alto orden son muy sensibles a errores en los datos (es decir. pudo usarse para estimar el error. Como tal. En consecuencia. la ecuación (18. Recuerde que en el ejemplo 18.3. Rn = fn + l(x) ~ fn(x) (18.18). Sin embargo.4)(2 . el incremento que se agrega al caso del n-ésimo orden para crear el caso de (n + l)-ésimo orden [es decir. Cuando se emplean para interpolación.007865529(JC . como será expuesto en la siguiente sección.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.XQ\(X - x )(x 0 - x\)(x - x) 2 i o ! í R = 0.1273028.I i o.4)(x . Es decir. la ecuación (18.18)] se interpreta como una estimación del n-ésimo orden de error. x . a menudo se obtienen predicciones que divergen en forma significativa del valor verdadero.1)(2 .

FIGURA 18.j fdd = (fdd i ENDDO END DO xterm = 1 yint = fdd DO order = 1.5 A l g o r i t m o de cómputo p a r o la interpolación del p o l i n o m i o de N e w t o n Tres propiedades hacen que la interpolación del polinomio de Newton sea muy atractiva para las aplicaciones en la computadora: 1. xi. El algoritmo en la figura 18. Tal capacidad es en especial valiosa cuando el orden del polinomio no es conocido a priori.x yintZ = yint . Como en la ecuación (18. Al agregar nuevos términos en forma secuencial. 3. 5U3R0UTINE Newtlnt (x. cuando la adición de términos de orden superior ya no mejora de manera significativa la estimación.blogspot. n xterm = xterm * (x¡ .7 contiene un esquema semejante.n DO i = 0. Las diferencias divididas finitas que constituyen los coeficientes del polinomio [ecuaciones (18. Las ecuaciones para estimar el error que se analizan en el punto 3 son útiles para visualizar un criterio objetivo para identificar este punto de términos disminuidos. 2.n' ¡n u>=y¡ END DO DO j = 1.18)] puede ser muy simple de incorporar en un algoritmo de cómputo debido a la manera secuencial en la cual se construye la predicción. ea) LOCAL fdd„ DOi = 0. y. Es decir. Por medio de la información determinada antes. podemos determinar cuándo se alcanza un punto de disminución de regreso (es decir. Esto facilita la evaluación de algunas de las versiones de diferente orden en el mismo programa. como en la ecuación (18.5.1. o en ciertas situaciones de hecho la aleja). n. ymt.8) hasta (18.7 Un algoritmo para el polinomio de interpolación de Newton escrito en pseudocódigo. los coeficientes se pueden calcular de manera eficiente.7). se usa diferencias del orden inferior para calcular las de alto orden. + fdd fdd ¡¿ M¡t 0 0¡0 older 1 fdd^x^-xj oreter _.11)] se pueden calcular de manera eficaz.512 INTERPOLACIÓN 18.com END order END Newtlnt .14) y la figura 18. se puede desarrollar de manera secuencial versiones de orden mayor con la adición de un solo término a la siguiente ecuación de orden inferior.) 0iOrder * xterm http://libreria-universitaria. El error estimado [véase la ecuación (18.n.

utilice el algoritmo de cómputo que se muestra en la figura 18.5 . EJEMPLO 18. X( 4 ) .0986123 0.4054641 0. X( 2 ) . X( 1 ).blogspot.com . 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 . Observe que el algoritmo consiste en dos partes: el primero determina los coeficientes o partir de la ecuación (18.693898 0. j Enunciadodel problema. Después de incorporar el error [véase la ecuación (18.462098 0.697514 0.5 2.18)]. 1.062924 0. X( 6 ) .000000 0.5 1 1. 0 . X( 5 ) . NUMBER OF P01NTS? 8 X( 0 ) . 7 . X( 3 ) .103746 0.7917595 1. 1.000459 ? 4 .7917595 5 .8. p a r ae v a l u a rn l 2.7). El error estimado.8 ? 2.7 y la siguiente información para evaluar/(x) = Inxenx = 2: x i f (x) = ln x 0 4 ó 5 3 1.6094379 1.6094379 3 . La utilidad de este algoritmo se demuestra en el ejemplo siguiente.7 para obtener una solución se muestran en la figura 18.1 DIFERENCIA DIVIDIDA DE N E W T O N PARA LA INTERPOLACIÓN 913 Todas las características anteriores pueden aprovecharse y ser incorporadas en un algoritmo general para implementar el polinomio de Newton (véase la figura 18.462098 0. 1 .2527630 2 ERROR 0.5 Estimación del error para determinar el orden adecuado de interpolación ¡ .5 .021792 -0.003616 -0. Los resultados al emplear el algoritmo de la figura 18.c o nb a s ee ne la g lo r m t i od el af i g u r a1 8 .046953 0. y( y( y( y( y( y( y( y( 0 1 ) ) ? ? ? ? ? ? 1. X( 7 ) . el segundo establece las predicciones y su error asociado.628769 0.9162907 1. 1.0 6 .91629073 INTERPOLATION AT X ORDER 0 1 2 3 4 5 6 7 F(X) 0.18.7).565844 0.0. 3 8 6 2 9 4 4 2 ) 3 ) 4 ) 5 ) 6 ) 7 ) - FIGURA 18.5 .1. 4 0 5 4 6 4 1 1 3.3862944 1.693439 http://libreria-universitaria.5 3.2527630 Solución.0986123 1.675722 0.

se ilustran en la figura 18. hasta la estimación del tercer orden. Observe que el error estimado y el real son similares y que su concordancia mejora en tanto se aumente el orden. Sin embargo. pero considerando los i j ! FIGURA 18. el error se reduce a casi un orden de magnitud.514 INTERPOLACIÓN I ¡ \ ! \ \ \ ¡ i j j base en el hecho de que ln 2 = 0. la razón de mejora es lenta debido a que los puntos que se agregaron (en x = 4. sino que también se halla en el lado opuesto de la mayoría de los otros puntos. Este ejercicio también ilustra la importancia de colocar el orden de los puntos.com . 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 2.5. Por ejemplo.6931472). Error i http://libreria-universitaria.9. La estimación de cuarto orden muestra algo de mejora ya que el nuevo punto en x — 3 está cercano a la incógnita. No sólo está este punto cercano a la incógnita.blogspot. la disminución más dramática en el error está asociada con la inclusión del término de quinto orden mediante los datos en x = 1. 6 y 5) están distantes y a un lado del punto de análisis en x = 2. 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. En consecuencia.9 Porcentaje de errores relativos para la predicción de ln 2 como una función del orden de la interpolación polinomial.

Como tal..2 tiene también significado en la parte siete. Obviamente. Como se ilustra en la figura 18. x (véase la figura 18. x . mencionamos que la interpolación más exacta es usualmente obtenida cuando las incógnitas están cerca del centro de los puntos base.. son necesarias para obtener fórmulas de integración numérica que emplean de manera típica datos igualmente espaciados (véase el capítulo 21). la curva real podría con facilidad divergir de la predicción. A pesar de esto. se debe tener extremo cuidado al realizar ejercicios donde surja un caso que se deba extrapolar. una estructura computacional conocida como tabla de diferencias divididas fue desarrollada para facilitar la implementación de esas técnicas. ya que el proceso extiende la curva más allá de la región conocida. tablas con argumentos igualmente espaciados. la naturaleza de extremos abiertos de la extrapolación representa un paso en la incógnita. esto no se cumple cuando las incógnitas se encuentran fuera del rango y. Como las fórmulas de integración numérica tienen relevancia en la solución de ecuaciones diferenciales ordinarias. Extrapolación es el proceso de estimar un valor de f(x) que se tiene fuera del rango de los puntos base conocidos. por su relevancia las hemos incluido en este tema en las últimas partes de este libro. En una sección anterior.13). como subrutinas de librerías. . el material del cuadro 18.) Sin embargo. JC.com . en consecuencia.FIGURA 18. (La figura 18.13 Ilustración de la divergencia posible de una predicción extrapolada. 0 n http://libreria-universitaria. En particular. De hecho. el error en extrapolación puede ser muy grande.blogspot. la necesidad para las versiones igualmente espaciadas ha disminuido. La extrapolación se basa en el ajuste de una parábola a través de los primeros tres puntos conocidos.5 es un ejemplo de esa tabla. Por tanto. . como las fórmulas son subconjuntos de esquemas de Newton y Lagrange compatibles con computadora y debido a las muchas funciones tabulares disponibles.13. .

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

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

27): 2.60 Las pendientes para los otros intervalos se pueden calcular y las segmentarias resultantes de primer orden se grafican en la figura 18.0 9.x„_i) x „_i < x < x„ donde m¡ es la pendiente de la línea recta que conecta los puntos: /(*/ + !) f(x¡) x¡+i — x¡ (18.6.3. El valor e n x = 5 es 1.0 4. Se puede usar los datos para determinar las pendientes entre puntos. para el intervalo x = 4.16a.0 2. f(x) = f(xo) +m (x 0 - x ) 0 xo < x '< xi Xi £ x < Xi / ( x ) = / ( x i ) +nn(x .1 Datos para ser ajustados con funciones segmentarias.com 2.1 con segmentarias de primer orden.5 . f(x) 3.1 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.5 1.5 a x = 7 la pendiente se puede calcular mediante la ecuación (18.5 = 0. Ajuste los datos de la tabla 18. TABLA 18. Solución. 0 n EJEMPLO 1 8 .526 INTERPOLACIÓN 18.5 7.j ) + m„-\(x .blogspot.5 . 8 Segmentarias de primer orden Enunciado del problema.27) Estas ecuaciones se pueden usar para evaluar la función en cualquier punto entre x y x para localizar primero el intervalo dentro del cual está el punto.1 7-4.xi) f(x) = / ( x „ . Después se usa la ecuación adecuada para determinar el valor de la función dentro del intervalo. El método es obviamente idéntico al de la interpolación lineal. Evalúe la función e n x = 5. Por ejemplo.0 http://libreria-universitaria. Las segmentarias de primer orden para un grupo de datos ordenados pueden definirse como un conjunto de funciones lineales.5 0.

com f .16 Ajuste segmentario de un conjunto de cuatro puntos. la pendiente cambia de forma abrupta. 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. 18.Una inspección visual a la figura 18. la primera derivada de la función es discontinua en esos puntos.blogspot. En esencia. en los puntos donde dos segmentarias se encuentran (llamado nodo). se gráfica también con una interpolación polinomial cúbica. se debe usar una segmentaria de al menos m + 1 orden.16a indica que la principal desventaja de las segmentarias de primer orden es que no son suaves. A menudo se usan con más frecuencia en la práctica los polinomios de tercer orden o segmentarias cúbicas para asegurar derivadas FIGURA 18.2 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.6. como se analiza en la siguiente sección. b) segmentaria cuadrática y c] segmentaria cúbica. 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. a) Segmentaria lineal.

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

32) + b x„ +c„- f(x ) n para un total de 2n — 2 + 2 = 2n condiciones. Como la segunda derivada de la ecuación 18.5 3 3 Evaluando a las funciones primera y última en los valores inicial y final se agregan 2 ecuaciones mes [véase ecuación (18. Aunque hay un número de elecciones diferentes que se pueden tomar.1). Por tanto.31)]: http://libreria-universitaria.28 es 2a¡. 5 & 1 + c i = 1. Esto agrega dos ecuaciones adicionales: a\xl + bix a„x 2 n n 0 + c\ = f(x ) 0 (18.6* INTERPOLACIÓN SEGMENTARIA 1 9 9 2. A menos que tengamos alguna información adicional con respecto a las funciones o sus derivadas.5Í7 + c = 1.25 (32 + 4. seleccionamos la siguiente: Suponga que en el primer punto la segunda derivada es cero. para i = 2 a n.5 2 2 49a + 3 7fo + c = 2. Como se tiene 3n incógnitas. debemos tomar una selección arbitraria para calcular de manera exitosa las constantes.0 20.0 2 2 j J 49a + 2 7 /7 + c = 2. se tienen 4 datos con n — 3 intervalos. la condición se puede representar de manera general como 2a¡-\x. Esto proporciona otras n — 1 condiciones para un total de 2n + n — 1 = 3« — 1. Para este problema. esta condición se puede expresar matemáticamente como «i = 0 (18.30) dan 2(3) — 2 = 4 i condiciones: 1 I 2 0 .28 es f\x) = 2ax + b Por tanto.33) 4.18. 3(3) = \ 9 incógnitas por ser determinadas.com .29) y (18.blogspot. 3. 9 Segmentarias cuadráticas j ! \ Enunciado del problema. Use los resultados para calcular el valor enx = 5. 2 5 a i + 4 . | Solución.31) (18. Las primeras derivadas en los nodos interiores deben ser iguales. EJEMPLO 1 8 . Ajustar por medio de segmentarias cuadráticas los mismos datos que se usaron en el ejemplo 18. Las primera y última funciones deben pasar a través de los puntos extremo. se tiene una condición corta. Las ecuaciones (18. La primera derivada de la ecuación 18.-\ + b¡-[ = 2a¡Xi-\ + b¡ (18.8 (véase tabla 18.34) La interpretación visual de esta condición es que los dos primeros puntos se conectarán con una línea recta.

b 2 2 14a + ¿>2 = 14a + 3 ¿>3 Por último. la ecuación (18.5 f (x) 2 3. son i«<*molación seamentaria. la predicción para x = 5 es.6 £. en consecuencia. 3 3 las cuales pueden sustituirse en las ecuaciones cuadráticas originales para desarrollar la siguiente relación para cada intervalo: /. por tanto. 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.46 2 / (.33)]: 9Ú[ 2 + b\ = 9a 4.3 2 3 7.5 3 3 3 La continuidad de las derivadas crea un adicional de 3 — 1 = 2 [véase ecuación (18. 6 x + 24.0 Cuando se u s a ^ .com . Estas condiciones se pueden expresar en forma matricial como x 4.5 2.5 < x < 7. http://libreria-universitaria.66 2 2 El ajuste total por segmentarias se ilustra en la figura 18. / ( 5 ) = 0.5 0 0 0 3 0 1 0 1 0 0 0 1 0 0 0 0 0 20.0 < x < 9. Como esta ecuación especifica a¡ de manera exacta.blogspot.v) = .530 INTERPOLACIÓN 9a! +3b> + c i = 2.64 A ..(. el problema se reduce a la resolución de ocho ecuaciones simultáneas.= .76 JT + 18.91.46 2 a =-1.32)] 81a + 9 ¿ > + c = 0.5 y [véase ecuación (18.34) especifica que a — 0.0<x<4.6.6 3 ¿3=24.0 = 0.v) = —jr + 5.5 0.25 4.76(5) + 18.1 . Las segmentarias cúbicas de la siguiente sección no exhiben estas desventajas y.166.64 2 b\ = — 1 b =-6.5 2.5 4.6x .76 2 c\ = 5.5 7 49 0 0 0 0 0 0 -9 -1 14 1 0 0 1 0 1 0 49 0 0 0 0 81 0 0 0 -14 0 0 0 7 0 9 0 -1 0" 0 0 1 0 1 0 0 C\ a b C 2 2 2 a C 3 '3 1 1 2.6.46 = 0. con los resultados: «i=0 a = 0.9 1 .5 0 0 Esas ecuaciones se pueden resolver mediante las técnicas de la parte tres.5 c = 18.64(5) .

18. N3 fi(x) = 7 1 Ax¡ . fi ( i) X . 2 . presentamos una técnica alterna que requiere la solución de sólo n — 1 ecuaciones. 4. La primera y última funciones deben pasar a través de los puntos extremo (2 condiciones). Aunque la obtención de este método (véase cuadro 18.x) (18. Las segundas derivadas en los nodos interiores deben ser iguales (« — 1 condiciones). como en f¡ (JC) = a/. Éstas son: 1.3 Segmentaria» cúbicas El objetivo en las segmentarias cúbicas es obtener un polinomio de tercer orden partí cada intervalo entre los nodos. Si el valor de la segunda derivada en los nodos extremo no es cero (es decir. Se le da este nombre debido a que el dibujo segmentario se comporta en esta forma (véase figura 18. 4« incógnitas constantes para evaluar.35) Así. . n).36) + /(*/) Xi — 6 ( A .3) es algo menos directo que para las segmentarias cuadráticas. Mientras sea ciertamente posible desarrollar segmentarias cúbicas en esta forma.f{x¡)] ( 1 8 . . se requieren 4 H condiciones para evaluar las incógnitas. Esas incógnitas se pueden evaluar mediante la siguiente ecuación: (x¡ * ¡ _ I ) / V Í . 1. La interpretación visual de la condición 5 es que la función se vuelve una línea recta en los nodos extremo.com . Las primeras derivadas en los nodos interiores deben ser iguales (« — 1 condiciones). . La especificación de tal condición extremo nos lleva a lo que se denomina como segmentaria "natural". Los cinco tipos de condiciones anteriores proporcionan un total de 4n ecuaciones requeridas para resolver los An coeficientes. Los valores de la función deben ser iguales en los nodos interiores (2« — 2 condiciones). ) Esta ecuación contiene sólo dos incógnitas (las segundas derivadas al final de cada intervalo).xY + — f(*i-Ó /"(*/-! )(*/ - -(x X¡-Ó' - Xi-xY x¡ — Xi-\ f"(Xi)(Xj 6 -Xj. para n + 1 datos (i — 0. x 3 .•)]+ X¡ \f(x¡-ú Xj-\ . . _ .Q (x¡ . +1 . 3 2 (18. Las segundas derivadas en los nodos extremo son cero (2 condiciones).)f"(x ) ¡+l 6 -/(*. por consiguiente.15). esta información se puede usar de manera alterna para suministrar las dos condiciones finales. La derivación del cuadro 18. 5. 3. existe alguna curvatura). ) / U ) + (JCi+i _ — 6 x. existen n intervalos y.v + b¡x + c¡x + d-.X .Í ) + 2(x. . la ganancia en eficiencia bien vale el esfuerzo. 2..x .6. 3 7 ) X¡ + \ — X¡ http://libreria-universitaria.blogspot.3 resulta en la siguiente ecuación cúbica para cada intervalo: r / \ f¡"( i~l) X . Como con las segmentarias cuadráticas.

n — 1 ecuaciones simultáneas resultan con n + 1 segundas derivadas desconocidas. Además. EJEMPl¿? 1 8 . resulta n — 1 ecuaciones simultáneas con n — 1 incógnitas._]r 6(x¡ — Xi(x¡ .blogspot.1).) y/"(*. http://libreria-universitaria.1) jot de la segunda derivada en cualquier punLa ecuación (B18.3.9 (véase tabla 18. .)—.3.2) es un polinomial de tercer orden que se puede usar para interpolar dentro del intervalo.l ) + IftXi-l) . _ se igualan de acuerdo con la ecuación (B18.2) puede diferenciarse con el fin de dar una úonde f¡"(x) es el V i v a l o .3.1). Utilice los resultados para estimar el valor en x = 5. 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. para obtener una desconocidas de integración. resulta la sicon la segunda d e f í ^ j) integrar dos veces guiente relación: Después.4) (B 18.3.8 y 18.3). 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 .~Xi i l x — x¡+ fi(M). Así. la ¡ > diferenciar dos una linea recta. esta ecuación es una línea expresión para la primera derivada. 1985) se 1. De esta forma. como para /-ésimo intervalo y los dos resultados recta que conecta 1 * ^ .) La aplicación de esas ecuaciones se ilustra en el siguiente ejemplo. la ecuación (B 18.x¡-i)f"(x¡) Hión contendrá dos ió condicioconstantes se pued* ¡ ^ + (Xi + \ -Xi)f"(x¡ + \) nos de igualdad / i¡ evaluaciones.A V .2) j esta relación es una expresión mucho más Ahora.3.. la e¿ ^ .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 .g 22)]. Y . + 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*» . . 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. ) a seg r e s e n f¡\x) = f!Xx¡^>X .3. si podemos determinar la segunda derivada adecuada en cada nodo. digamos. observe que el sistema de ecuaciones será tridiagonal.xY + :(-v-.3. ya que ésta es una segmentaria cúbica natural. unda voces para verifica p t r con una interpolación polinomial derivada se puede í Qrden [véase e c u a d ó n (. resulta la 6 ser igual &f(xt) en % [f(xl+l) . .com . es claro qu^ ^ ^ ^ ^ cúbica para el ¡-ésimo intervacompheada para ufl g .x¡.v. sino que las forjamos en una forma que es en extremo fácil de resolver (recuerde la sección 11. . Esas (x¡ . las segundas derivadas en los nodos extremo son cero y el problema se reduce a n — 1 ecuaciones con n — 1 incógnitas. Las segundas derivadas se evalúan al llamar las condiciones de que las primeras derivadas en los nodos deben ser continuas: (B18.f(Xi)] Xi X¡ — \ (B18. no sólo redujimos el número de ecuaciones. las segundas derivadas al inicio y al final del intervalo —fXx¡_.A ._i) (/' — l)-ésimo.3) (B18. Así. Ajuste por segmentarias cúbicas los mismos datos que se usaron en los ejemplos 18. 1 0 Segmentarias cúbicas Enunciado del problema. Si esto se hace tanto para el lo x dentro de i-ésV rivada en el primer nodo/"(*. (Recuerde que las segundas derivadas en los nodos extremo son cero.I ) / " ( . observe que lo que. 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 .4) se escribe para todos los nodos interiores.3.532 INTERPOLACIÓN Cuadro 1 8 .X¡-1 Xi .x) f'XxMxi-Xi-i)' (X . Sin embargo.I ) + 2 ( J : / I . .1 primer paso er>^ biisii en la observa derivada dentro de cada intervalo es por una cúbica. Si esta ecuación es descrita para todos los nodos interiores. nter contiene solo dos "coeficientes" desconocidos.1.

666667(4.4.x) +(). 5 ) y /•.37) para generar un conjunto de ecuaciones simultáneas que serán utilizadas para determinar las segundas deriviiduN en los nodos.5 Mx) = (x .5-3 o / i ( x ) = 0.6 En una forma similar.3 ) 3 6 (x .5) + 2.25(x . 2.x ) 3 + 1.5/"(7) = 9. lil primer paso es emplear la ecuación (18.0.246894 (x .5-3 6 Debido a la condición de la segmentaria natural.3 ) + (4.5)/"(7) 1 j | | | i j 6 :(2.299621(7 .186566 (x .5 .761027(9 .5 4.3)/"(4. y la ecuación se reduce a 8/"(4.blogspot.(*) = .3) 3 J í | j | | ¡ I | _4.53308 Estos valores se sustituyen entonces en la ecuación (18.5 . 1 0 2 2 0 5 ( x .0 . la ecuación (18.67909 f " { l ) =-1. para obtener 1.x ) 3 + 1.5 . 1 2 7 7 5 7 ( 9 .Solución.5 1 2. Por ejemplo.111939(7 -xf 2 .37) para dar (4.5/"(4.x ) 6(4.5) .3) Esta ecuación es la segmentaria cúbica para el primer intervalo.5) = 1.5 = 7 f(X2) = Estos valores pueden sustituirse en la ecuación (18.3) + 1. junto con los valores de las x y las/(x).5) + 9/"(7) = .0 .3)/"(3) + 2(7 . 6 Estas dos ecuaciones pueden resolverse simultáneamente para dar /"(4.4.9 . para el primer nodo interior se usan los siguientes datos: = 3 X\ X2 f(x ) 0 = 2.5) + (7 .5 .D + — -(2.5-1) 7-4.36).5-3) 4./"(3) = 0.67909(4.67909 .4 .5 = 4.7) http://libreria-universitaria.5.638783 (x . Sustituciones similares se pueden hacer para desarrollar las ecuaciones para el segundo y tercer intervalo: / ( x ) = 0.x ) + 0.37) se aplica al segundo punto interior para obtener 2.5 -3 ' 1 1.com .

a usted le gustaría determinar ahora los coeficientes y después realizar muchas interpolaciones. 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.4.1. 1 0 2 2 0 5 ( 5 .534 INTERPOLACIÓN Se puede emplear las tres ecuaciones para calcular los valores dentro de cada intervalo. es ideal para la implementación en computadora. Por ejemplo. La figura 18..1 Ajuste con un polinomio de interpolación de Newton de terpredicción.5 Dados los datos http://libreria-universitaria.4 Dados los datos Interpolación lineal.1. I K. Un beneficio extra de la derivación implica. yu.5) .5 4 3 5 a) Interpole entre log 4 = 0.7781513. Observe que la rutina en la figura 18.37). el valor enx = 5. son útiles en muchas aplicaciones de la interpolación segmentaria. el método se reduce a la resolución de n — 1 ecuaciones simultáneas.299621(7 . 2 PROBLEMAS 18. Ésta es sólo una forma con la cual se puede implementar la interpolación segmentaria.6.5) 3 3 2 + 1.6532125 y log 5.5 = 0. Como se describió en la sección 11. problema 18.5 = 0. para un valor dado de la variable dependiente.16.0. xu. Por ejemplo.1. Además. el cual está dentro del segundo intervalo. Aunque la segmentaria cúbica consiste en una serie de curvas de tercer orden. con algunas manipulaciones inteligentes. la rutina da tanto la primera derivada (dy) como la segunda (dy ) en xu.8 a 18. los algoritmos están disponibles para resolver tales sistemas en una manera en extremo eficiente.102886 Se calculan otros valores y los resultados se grafican en la figura 18. X 1 2 2. la resultante difiere de la obtenida al usar el polinomio de tercer orden. calcule el porcentaje de error relativo con base en el error real. Calcule el error relativo porcentual real. Aunque no es necesario calcular esas cantidades.16c.com .111939(7 . Recuerde que. mientras que el polinomio cúbico no tiene tal restricción.7403627.16c.18 regresa sólo un valor interpolado. Observe la mejora progresiva del ajuste conforme nos movemos de lineales a cuadráticas y a segmentarias cúbicas.18) para estimar el error para cada I N. f|x) 1 5 7 8 2 1 Para cada una de las interpolaciones.638783(5 . b) Utilice la ecuación (18.4 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. descrito en la sección anterior.blogspot.1 Estime el logaritmo de 5 de base 10 (log 5) mediante 18. como lo especifica la ecuación (18.4. También hemos sobrepuesto un polinomio de interpolación cúbica sobre la figura 18. oor orden para estimar log 5 usando los datos del problema 18.5) = 1.18 muestra una estructura computacional que incorpora esas características.60206 y log 6 = 0. a) Calcule/(3. que el sistema de ecuaciones es tridiagonal.5 ) . se calcula como / ( 5 ) = 0. 18.0 .2 Ajuste con'un polinomio de interpolación de Newton de Newton de orden 1 a 3.4) mediante polinomios de interpolación de IH.10 se resumen en la figura 18. Esto se debe al hecho de que la segmentaria natural no requiere de segundas derivadas en los nodos extremo. Los resultados délos ejemplos 18. b) Interpole entre log4.

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

ya que la incógnita estará ubicada en el intervalo medio de los cuatro puntos necesarios para generar la cúbica.10. 18 . Primero. Pruébelo con los mismos datos del ejemplo 18. 18.3.3 para los siguientes datos tabulados.2 6 0.9 Emplee interpolación inversa para determinar el valor de x que corresponda a f(x) = 0.19 Una aplicación útil de la interpolación de Lagrange es llamada tabla de consulta.25 5 0. Esos valores se pasan entonces a una función junto con el valor de x que usted quiera evaluar. Con base en el pseudocódigo de la figura 18.14 para resolver los problemas 18.18 Desarrolle.1 hasta 18.4 y 18.5 usando el polinomio de Lagrange de orden 1 a 3. . grafique el error estimado contra el orden. Escoja sus puntos base para obtener una buena exactitud.3 mediante polinomios de Lagrange.8 3 0. 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 18.93 para los siguientes datos tabulados. ¿Qué le indican los resultados con respecto al orden que se usó de los polinomios para generar los datos en la tabla? 18. 18.1 hasta 18.4.7. 18.961538 f(x) Observe que los valores en la tabla fueron generados con la función/(x) = x l(\ + x ). depure y pruebe un subprograma en lenguajes de alto nivel o en un lenguaje macro de su elección para implementar interpolación de Lagrange. la tabla de x y los valores de f(x) se guardan primero en un par de arreglos unidimensionales. X /|x) Calcule f(A) usando polinomios de interpolación de Newton de orden 1 a 4.5. . Sea cuidadoso con los intervalos primero y último donde éste no es el caso. 18 .4) y f(2. Para valores intermedios es una excelente selección.com . Después se aplica una técnica como la interpolación de Lagrange para determinar el valor adecuado def(x). 1.20 Desarrolle. 18.9 4 0.16 Use el programa que desarrolló en el problema 18.75 2 4 3 5.25).18.94117 6 5 0. Para desarrollar un algoritmo como tal. Para ambos problemas.20 para ajustar segmentarias cúbicas a través de los datos en los problemas 18.11.13 Determine los coeficientes de la ecuación cúbica que pasa a través de los primeros cuatro puntos del problema 18.536 INTERPOLACIÓN 1 4.14 para resolver los problemas 18.5.7 Repita el problema 18.blogspot.21 Use el software que desarrolló en el problema 18. Para tales casos.11 Desarrolle segmentarias cúbicas para los datos en el problema 18. En el problema 18. .4.2). 18.5 2 0.25.25 5 19. y a) prediga f(4) y7(2.10 Desarrolle segmentarias cuadráticas para los primeros 5 datos en el problema 18.1667 7 0. prediga/(2.15 Pruebe el programa que desarrolló en el problema 18. a) Determine en forma analítica el valor correcto. 18. ésta involucra "consultar" un valor intermedio de la tabla. la función debería mostrar un error de mensaje.5. Como su nombre lo implica. utilice todos los datos para desarrollar polinomios de primer orden al quinto.5) y b) verifique que7^(3) y / ( 3 ) = 5. 18. 2 .1429 f(x) 18 .5. b) Use interpolación cuadrática y la fórmula cuadrática para determinar numéricamente el valor. 10. También tenga su código para detectar cuándo requiere el usuario un valor fuera del rango de las x.75 6 36 implementar interpolación de polinomios de Newton con base en la figura 18. 18. 18.17 Use el programa que desarrolló en el problema 18.14 para los mismos cálculos del ejemplo 18. 18.4 y prediga/(3. Para ambos casos. La función entonces ejecuta dos tareas. X 0 0 1 0. Pruebe su programa para f(x) = ln x mediante datos desde x = 0. c) Use interpolación cúbica y bisección para determinar el valor de manera numérica. 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. 2 1 0. va por la tabla hasta que encuentra el intervalo dentro del cual está la incógnita.5 3 0.3333 4 0.6 Repita los problemas 18.4 y 18.12 Determine los coeficientes de la parábola que pasa a través de los tres últimos puntos del problema 18.8 Emplee interpolación inversa usando interpolación de polinomios cúbica y bisección para determinar el valor de x que corresponda a f(x) = 0. 18. Desarrolle tal función usando un polinomio de Lagrange cúbico para realizar la interpolación. X 1 . Pruebe el programa con los mismos datos del ejemplo 18. 18.7. .5.14 Desarrolle.

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

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

la cual para este caso es 1 ciclo/(l . los resultados serán idénticos. No existe una convención muy clara para escoger alguna función. = 1. La amplitud Cj especifica la 0 FIGURA 19. En el presente análisis se usará el término sinusoide para representar cualquier forma de onda que se pueda describir como un seno o coseno.1). que es el valor más pequeño para el cunl ON válida la ecuación (19. OQ = 2K/T= 2JI/|1 .2) Así. La sumatoria de las tres curvas en b) da la curva simple en a). Ejemplos comunes incluyen formas en onda tales como cuadradas y dientes de sierra (véase figura 19.5 s). cuatro parámetros sirven para caracterizar el sinusoide (véase figura 19. Otros parámetros usados para describir la curva son la frecuencia f = «13/(271). AQ = 1. 2TC 2 - 6. y en cualquier caso. b| Una expresión alterna para la misma curva es y[f¡ = AQ + A-¡ eos («r/) + 8] sen (ca^f). donde A.blogspot. = 0. 8 6 6 .5 y 8] = .5 s). ajusta la altura promedio por arriba de la abscisa.0472 (= 0. C.1 http://libreria-universitaria. Para este caso. Las más fundamentales son las funciones sinusoidales.com .5 s.25 s).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.19. y 0 = jt /3 radianes = 1 . y el periodo T= 1. Para este capítulo se usará el coseno.2).3).3 o) Una gráfica de la función sinusoidal y(f) = AQ + Cj eos [COQÍ + 6). eos (cobí) . sen (ffibO 0 A.0 . El valor medio A . el cual se puede expresar de manera general como f(t) = A 0 + Ci eos (&>oí + 0) (19.7. Los tres componentes de esta función son ¡lustrados en b).

http://libreria-universitaria. Observe que la frecuencia angular (en radianes/tiempo) está relacionada con la frecuencia / (en ciclos/tiempo) por frecuencia angular co 9) (Cüfjt). Finalmente. Puede ser medido como la distancia en radianes de t = 0 al punto en el cual la función coseno comienza un nuevo ciclo. o corrimiento de fase 9.3) (19. también se puede representar como adelanto por 2n .840 APROXIMACIÓN DE FOURIER FIGURA 19. parametriza la extensión a la cual el sinusoide es corrido horizontalmente. como se muestra en la figura 19. + altura de la oscilación.4) y la frecuencia en turno está relacionada con el periodo T (en unidades de tiempo) por Aunque la ecuación (19. un valor positivo es referido como un ángulo de fase adelantado. 0 cü = 2xf (19. ya que la curva eos ( o y — 9) comienza un nuevo ciclo en 9 radianes después de eos Así.blogspot. Observe que la curva en atraso en o) puede describirse de manera alterna como eos [COQÍ 3 TI /2|.4 Ilustraciones gráficas de o) un ángulo de fase en retraso y b) un ángulo de fase adelantado. si una curva se atrasa por un ángulo de a. En forma opuesta. Como se ilustra en la figura 19.4a.46.com es difícil trabajar desde el punto de vista de la curva que habrá de ajustarse.2) es una caracterización matemática adecuada de un sinusoide. eos (fifoí — se dice que tiene un retraso eos (ot%r). ya . En otras palabras. el ángulo de fase. un valor negativo es referido como un ángulo de fase de atraso. La 0 caracteriza con qué f los ciclos.a.

sen (9) x (19. si A < 0.6) donde A = Cj eos (9) x B = . se debería resaltar que se podría haber empleado un seno más que un coseno como nuestro modelo fundamental de la ecuación (19.36) f(t) = A + A eos (ct^í) + B sen ( a y ) 0 x x (19. la ecuación (19.blogspot. Esta deficiencia se puede resolver al involucrar la identidad trigonométrica Cj eos (cu f + 9) = Cj [eos (CÜ¡.sen (ciy) sen (9)] 0 Sustituyendo la ecuación (19.com . 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.C .7) se obtiene 9 =arctan^--^ (19. sen (ü) ? + 5) 0 0 podría haberse usado. agregue 7ra 9.2) y mediante la agrupación de términos se obtiene (véase la figura 19.2).7) se tiene x = JÁ\ + B representa una formulación alterna de la ecuación (19.5) en la (19. Así.6) puede ser pensada como un modelo lineal de mínimos cuadrados http://libreria-universitaria.Í) eos (9) . pero que se encuentra en el formato de un modelo lineal general [recuerde la ecuación (17. Sin embargo. se puede simplemente aplicar como la base para un ajuste por mínimos cuadrados.9) Así.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. 1 . antes de proceder con la próxima sección. usaremos la versión coseno en todo nuestro análisis.6) que todavía requiere cuatro parámetros. 9=8— n/2. 1 A j u s t e p o r m í n i m o s cuadrados de u n s i n u s o i d e La ecuación (19.j 0 0 (19. Como se analizará en la^próxima sección. Por ejemplo.23)].2) (19.10) En otras palabras.5) que el adelanto de la fase está incluido en el argumento de la función coseno.8) donde.7) Dividiendo las dos partes de la ecuación (19. Si se eleva al cuadrado y se suma la ecuación (19. 2 C [ = A + C. La única consideración importante es que uno u otros formatos deberían usarse en forma consistente. 1 9 .

3): X sen (tt^í) X sen (ofof) 2 N N 0 = 0 X EOS (CÚqÍ) N 0 X E O S _ J _ ~ 2 N 2 (FTFOF) (19. Así.542 APROXIMACIÓN DE FOURIER y=A 0 + A eos (co t) 4..11) la cual es justamente otro ejemplo del modelo general [recuerde la ecuación (17. cuyos elementos son los dos recíprocos del original.z m + e (17. z = sen ( G ) Í ) y todas las otras z = 0.B sen (co t) + e x 0 x Q (19.)]} de matriz como [recuerde la ecuación (17.Z| + az 2 2 H ra„.23) donde z = 1.blogspot. nuestra meta es determinar los valores del coeficiente que minimicen 0 l 0 2 0 N Las ecuaciones normales para cumplir esta minimización se pueden expresar en forma S = 2 {yi -[Aq + Aí eos (co í. los siguientes valores promedio pueden determinarse (véase el problema 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.) + B sen (c<y. Sin embargo.13) X eos (úfyí) sen (co^f) N • 0 Así. 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. z = eos (co f). los coeficientes se pueden determinar como N/2 http://libreria-universitaria. en lugar de hacer esto. Para esta situación. 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. Así.com \A ) Q [l/NO I 0 2/N O 0 l I í ] {A^** SJ/COÍCFIV) ly ] \ .23)] y —az Q 0 + a.

11) por ajuste de mínimos cuadrados.786 1.000 = — ^ — = 1.805 2.00 2 http://libreria-universitaria.30 0.000 0 De esta manera.7 + eos (4.636 -1.114 2.369 2.732 0.0 . 8 6 6 ) = 1.938 0.1 [ Ajuste por mínimos cuadrados d e un sinusoide Enunciado del problema.829 2.189í + 1. Use esta información para evaluar los coeficientes de la ecuación (19. Los datos requeridos para evaluar los coeficientes con (ü = 4.500 / y [véase ecuación (19.14) a (19.547 -1.60 0.9)] Cj = s/(0.536 -4.3 se describe por y — 1.35 t 2.16)] A 17.061 -2.223 -0.000 -1. el ajuste por mínimos cuadrados es y= 1.0472).com para dar .330) = -0.200 1.20 1. 5 0 2 = 0.866\ — — — .460 -0.05 1.2) al calcular [véase ecuación (19.1 AJUSTE DE CURVAS C O N FUNCIONES SINUSOIDALES 543 4> = -^7N ¿.35.0472 0.722 0. La curva en la figura 19.866 sen (c%t) 0 El modelo se puede expresar también en el formato de la ecuación (19.687 0.189 son j 1 Solución.595 1.291 0.614 y y eos (io f) 0 y sen (io f) 0 2.330 Estos resultados se pueden usar para determinar [véase ecuaciones (19. Genere 10 valores discretos para esta curva en intervalos de Ai = 0.90 1.5) + 2 ( .blogspot.= 1.200 1.980 0.866 x 1= 17.500 eos (co t) .7 2 A.000 0.75 0.19.319 -0.500 2 B = —(-4.45 0. = ^ 2 .15 0. =—Xycos(flW) N B = — ly sen (co t) N x 0 (19.15 para el rango de t = 0 a 1.462 0. 0 0.200 -1.16) EJEMPLO 19.678 2.200 1.8)] 9 = arctan / V -0.031 0.15) (19.14) (19.502 0.253 -2.0.7 + 0.

sea igual al número de datos.com dlicontlnuoi. En general.17) donde COQ = 2rt/res llamada la frecuencia fundamental y sus múltiplos constantes 2(0$. usarlos para el caso donde el número de incógnitas. Ins cunlos ospeci llcim que la función periódica licnc un número finito d e máximos y mínimos y quo liuy un número finito d o «nilón http://libreria-universitaria.17) expresaf(t) como una combinación lineal de las funciones base: 1. Éste es el procedimiento usado en la serie de Fourier continua.7 + eos (coot + 1./n 0 Bj = — ly sen (Jco t) Aunque estas relaciones se pueden usar para ajustar datos en el sentido de regresión (esto es.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.. una explicación alternativa es emplearlos para interpolación o colocación (es decir.blogspot. cos(a\.. 0 x x 0 2 2 o de manera más concisa. la ecuación (19.618) 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. 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) + . De esta forma. f(t)= a + 0 2 [a eos (katf) + b sen (ko^t)] k k (19. 19. N > 2m + 1). como se describirá a continuación. lodií lai funeionei perlódloii derlvidw fliioamtntc utUtiotn ntii oondlolonei. .10)] y = 1.544 APROXIMACIÓN DE FOURIER y = 1. N.2.. Fourier demostró que una función periódica arbitraria. Para una función con un periodo T..f). los coeficientes pueden ser evaluados por A = ly N 0 A¡ = N 2 ly eos (Jo) t) 0 j = 1. (2&V)' sen (2fi) r). se puede representar por medio de una serie infinita de sinusoides de frecuencias relacionadas de manera armónica.. para datos igualmente espaciados.. sen (u^í). 3cüb. 2m + 1. c o s 0 La existencia d e las series d e Fourier eslá releridn en Ins condiciono» d e Dirichlol.0472) o alternativamente como un seno usando la [ecuación (19. .7 + sen (ü) r + 2... etcétera. son llamados armónicos.

.4). .3) C. cada lado de la ecuación (19. por tanto. integrarla y reordenarla para obtener la ecuación (19.1. / / (/) di «„ T http://libreria-universitaria.1. se puede establecer las siguientes relaciones: < 3 F J = j e s s i m p l e m e n t e e l v a l o r p r o m e / sen (kco t) dt = £ 0 eos (km t) dt = 0 0 (B19.2) ^ \ ecuación (19. la ecuación (B19.18) y b = — í f(t) sen (kco t) dt T Jo k 0 (19.19.17) se pueden calcular por medio de 2_ <f f(t) eos (kco t) dt T Jo T 0 (19.2) y (B19.I.1.19) para k = 1.1 D e t e r m i n a c i ó n de los coeficientes de la serie d e F o u r i e r continua la cual se puede resolver para .1.blogspot. los coeficientes de la ecuación (19.. Para evaluar uno de los coeficientes coseno. . la ecuación (19.1). Este último caso se puede evaluar con la ecuación (B19.17) 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) M U ^ d i o de la función en ol rr / eos (ko) t) sen (gco t) dt = 0 0 0 periodo.1.5) y. . y a = 0 — f f(t)dt T T Jo (19. f f(t) eos (mft) í) dt = / a eos (mco t) dt Jo Jo T T X J 0 0 0 J eos ( * a y ) eos ( g o y ) A = 0 (B19.4) + / 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. En forma similar. JO f ^ d t ('orno se hizo para los datos discretos de la sección 19.17) 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.)]> 19 18 ( orno cuela término en la sumatoria es de la forma de la ecuaI'II'M (BI9. las ecuaciones son / 2 r a* = — / /(?) eos (keüot) dt T 0 para k = 1 . 1.17) se puede multiplicar por sen (rna^t).1. (B19. 2 . 2.1.6) ecuaciones (B19.1.com . .20) Cuadro 19.j . con excepción del caso donde k = m. por ejemplo (B19.19). .6) se puede resolver para a .5) l'ni'ii •AI evaluar sus coeficientes.2 SERIE DE FOURIER CONTINUA 0 4 1 Como se describe en el cuadro 19. . 1 . 3 .1.1). 1.1.1. o de manera más general [véase ecuación t 0 e l a s m ( . se observa que cada término del lado derecho es cero.

2 APROXIMACIÓN DE FOURIER Aproximación de la serie de Fourier continua ! | 1 ! | Enunciado del problema.. 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. Los coeficientes restantes se pueden evaluar como [véase | ecuación (19.. 7. 5. 1 -R i -772 0 I R/2 i R fc -1 http://libreria-universitaria.blogspot. se puede determinar que todas las b = 0...6.18)] 0 I a k Las integrales se evalúan para dar De manera similar. 9..546 EJEMPLO 19. 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. para A: = 3 .5) F-1 / ( 0 = L 1 L -1 -T/2<t<-T/4 -T/4<t< T/4 T/4 < t < T/2 \ Solución.. Como la altura promedio de la onda es cero. Uno forma de onda cuadrada o rectangular con una altura de 2 y un periodo T = 271/(0^. 11. Por tanto. se puede obtener en forma directa un valor de a — 0.5 ÍJÍ IJÍ Los resultados de los primeros tres términos se muestran en la figura 19. Use la serie de Fourier continua para aproximar la función de onda cuadrada o rectangular (véase la figura 19.com .

blogspot.•41 1 9 . 1974) que las b en la serie de Fourier siempre son igual a cero par» funciones pares.com I . Para este caso las a serán igual a cero. Se puede demostra i (Van Valkenburg. Debe mencionarse que a la onda cuadrada en la figura 19.5. 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. 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. Otro ejemplo de una función par es eos (í). ya quef(t) = /(—r).6 La aproximación de la serie de Fourier de la onda cuadrada a partir de la figura 19. La serie de trazos muestra la sumatoria hasta e incluyendo los términos a) primero. b) segundo y c¡ tercero. Se muestran también los términos individuales que se fueron agregando en cada etapa. La función sen (í) es una función impar. http://libreria-universitaria.

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

está retrasado (recuerde nuestro análisis de atrasos y adelantos en la sección 19.e-puede. se hace présenle su poder y http://libreria-universitaria.19.2. Sin embargo. Se puede observar ahora que las figuras 19.3) 2 = se aopueden + ^ (sustituir >°> 4 .2.2. .IV) = co + J2^e "" + Y(B19.8 se ilustra algunas otras posibilidades.2.) = £ ¿V**' 1 (B19 .6) y (B19.7. un pico antes de cero se dice que está adelantado y el ángulo de fase es positivo. \en lugar de sumar la segunda serie de .4) ~c.1) /(O = J^cte'^ + ]T c-^"'*"*' A partir de a i a .20). Se acepta que para una sola sinusoide estas líneas no son muy interesantes.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. -a /(. -ika>n¡ (B19.3 FRECUENCIA Y DOMINIOS D I TIEMPO Cuadro 19. J a de a Euler.2. ika ika l j k a p é n d i c e Por tanto. «A = a-t yh= -b-t reexpresarsecomo k=\ La ecuación .2 F o r m a compleja de las series de F o u r i e r I .2.17) a (19. Para evaluar lascólas ecuaciones (19. cuando se aplican a una situación más complicada. haga la suma de — 1 a — °°. las ecuaciones (B19.2. digamos.2.7c y 19.2) y (B 19.2..1).com . 2 6) e c donde la sumatoria incluye un término para k = 0. expresar en torma exponencial como senx = e *= 1 Para simplificar aún más. /(?) = ^c^''^ ' + 0 " 6 2' " (B19.2./'.7a* proporcionan una forma alterna de presentar o resumir las características pertinentes del sinusoide de la figura 19.blogspot.19) son sustituidasenla ecuación (B19. 1 a » .5) para obtener 1 \ = — / / y a que 1 li = .1) para dar las cuales en la ecuación ¡t=j V 2 2 / (B 19.2) ]T c-¡te''* 4=0 k=-\ ^ (B19. . Mediante las ecuaciones (B 19.2. En la figura 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 •.5) 1 donde.. tj i el i seno y coseno se pueden J A la identidad o . una serie de Fourier. Observe que el .aj-it-t <'-•* = <-'k — a -ib k k a k + l b k ^ = ffZ ~' °' me ka = dt (B19 2 ?) -- ^ 2 (B19. debido a las propiedades de pandad del coseno y del seno. Se hace referencia a ellas como línea espectral. 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. el ángulo de fase tiene un signo negativo.2.18) y (19.7a. el pico está en cero y el ángulo de fase se traza como +7t/2. En forma opuesta. Así. de la figura 19.7) son las versiones complejas de las ecuaciones (19. y por convención. ° por tanto.3) y simplificando se obtiene .4) ika ak ak cosx= a .

(4/rc) eos (6%f). no nos indica nada acerca de las sinusoides comprendidas.blogspot. Tal espectro proporciona información que no podría ser aparente desde el dominio del tiempo. En contraste. 1 valor verdadero.9a y 19. Esta alternativa no proporciona una visualización adecuada de la estructura de esas armónicas. las figuras 19. la línea espectral representa "huellas dactilares" que nos pueden ayudar a caracterizar y entender la forma complicada de una ondú. Por ejemplo.com particular valiosas para casos no idealizados donde algunas veoes nos permiten discernir 0 0 .2. la figura 19.7 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. Se reproduce la proyección del tiempo en b¡.6 representa dos perspectivas alternas tiempo-dominio.6 y 19. La proyección fase-frecuencia se muestra en a ).550 APROXIMACIÓN DE FOURIER FIGURA 19.96 proporcionan una visualización gráfica de esta estructura. — (4 /3n) eos (3íu r). etcétera. La alternativa es mostrar esas sinusoides [es decir. (4/57t) eos (5G) r)]. Como tal. Lillas son en http://libreria-universitaria. La figura 19. la onda cuadrada original.9 muestra la línea de fase espectral y amplitud para una función de onda cuadrada como la del ejemplo 19.9. mientras que la proyección de la amplitud-frecuencia se reproduce en c). La primera.

| — i 7 C tr ~ FIGURA 19. 3 FRECUENCIA Y DOMINIOS DE TIEMPO «r n ->.9 a) Amplitud y b) línea de fase espectral para la onda cuadrada de la figura 19.5. 3f 0 5/ 0 7/ 0 J t / 2 http://libreria-universitaria. FIGURA 19. 4/it 2/JI 3<.1 9 .8 Varias fases de un sinusoide mostrando la fase asociada a la línea espectral.blogspot.com 6) . 54 a) J _ 7f 0 n/2 í.

. Si se permite que ocurra esto.blogspot. receptores de onda corta. existen muchas formas de onda que no se autorrepiten de manera regular. 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. etcétera). definida por la ecuación (19.°< dt (19. Tal evidencia sugiere que una señal no recurrente tal como la producida por el relámpago exhibe un espectro de frecuencia continuo. En la siguiente sección se describirá la transformada de Fourier que nos permitirá extender tal análisis para ondas de forma no periódica.26).25). se puede demostrar (por ejemplo. 2 . La transición de una función de periódica a no periódica se puede efectuar al permitir que el periodo 1 J-T/2tienda al infinito. F(ico ) es también llamada la transformada de Fourier de f(t). 1974. En el mismo sentido. . 1 . La integral de Fourier es la principal herramienta disponible para este propósito.com definió con la ecuación (19 . un relámpago ocurre sólo una vez (o al menos pasará mucho tiempo para que ocurra de nuevo). Por ejemplo.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. pero causará interferencia con los receptores en operación en un amplio rango de frecuencias (por ejemplo en televisores.26) La función F(ico^. Entonces. Van Valkenburg. una alternativa para la serie de Fourier sería valiosa al analizar dichas formas de onda no periódicas. como se http://libreria-universitaria. Ya que fenómenos como éstos son de gran interés para los ingenieros.°' iüJ dt (19. . 19.25) y (19. Además las ecuaciones (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. radios. Hayt y Kemmerly.26) son conocidas por lo general como transformada de Fourier. la función misma nunca se repite y de esta forma se vuelve no periódica. En otras palabras.25) y los coeficientes se vuelven una función continua de la variable frecuencia co./(/). es llamada la integral de Fourier de f(i). como en oo / -co f(t)e. es referida como la inversa de la transformada de Fourier 0 .552 APROXIMACIÓN DE FOURIER la estructura en otra forma como señales oscuras. como T se vuelve infinito. sólo con ser llamada la integral de Fourier.24) donde % = 2rc/Ty k = 0 .

los dos procedimientos discrepan en cómo se mueven en el dominio del tiempo y de la frecuencia.4 INTEGRAL Y TRANSFORMADA D E F O U R I E R ' FIGURA 19. 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). De esta manera. En contraste.10a. 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. 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. sólo que en este caso está verticalmentc corrida. Esta función es igual a la que se investigó antes en el ejemplo 19. 0 El cambio de un espectro continuo en uno discreto se puede ilustrar gráficamente. En la figura 19. Así. http://libreria-universitaria. Además de esta principal diferencia. de F(ico ).19. la transformada de Fourier convierte una función continua en el dominio del tiempo en una función continua en el dominio de la frecuencia. de periódica en el dominio del tiempo a magnitudes en el dominio de la frecuencia con frecuencias discretas. La serie de Fourier convierte una función continua.com .blogspot. La distinción entre serie y transformada de Fourier debería ser ahora muy clara.2.10 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. el par nos permite transformar de una a otra entre los dominios del tiempo y la frecuencia para una señal no periódica.

los datos con frecuencia se colectan o convierten en un formato discreto.blogspot. los datos están invariablemente en una forma discreta. una duplicación del periodo de pulso del tren tiene dos efectos sobre el espectro. f designa un valor de la función continua f(t) tomada en t . Segunda. . se hará el paso final en nuestro desarrollo. se puede dividir un intervalo de 0 a t en N subintervalos igualmente espaciados con anchos de Ar = TIN. estos efectos continúan en forma de cada vez más líneas espectrales comprimidas hasta que el espacio entre las líneas tienda a cero. Un valor no se incluye en n = N. . En tanto se permita al periodo aproximarse al infinito. 19.26). El subíndice n se emplea para designar los tiempos discretos para los cuales se toma las muestras. http://libreria-universitaria. En forma adicional. Observe que los datos se especifican en n = 0.. las amplitudes de las componentes se reducen. . ahora se mostrará cómo calcular la transformada de Fourier para tales mediciones discretas.11 Los puntos de muestreo de la serie discreta de Fourier.10c. las funciones a menudo son representadas por conjuntos de valores discretos finitos. N — 1. dos líneas de frecuencia adicional se agregan sobre un lado de las componentes originales. (Véase Ramírez.11.106. En lugar de esto. Así.com .5 T R A N S F O R M A D A DISCRETA DE F O U R I E R (TDF) En ingeniería.554 APROXIMACIÓN DE FOURIER En la figura 19. Como se ilustra en la figura 19. Así.) n n N FIGURA 19. 1985. las series convergen sobre la integral de Fourier continua. como se ilustra en la figura 19. para el racional de exclusión f . 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. Ahora que se ha introducido una forma para analizar una señal periódica. Primero. En el límite. 2. 1.

27) y (19.28) es sólo un factor de escala que se puede incluir. Observe que el factor l/7Ven la ecuación (19. es una tarea muy laboriosa. DO n = O.if sen (ko^t)] N n =O 0 n (19.28) como 1 k N F = — 2 L T „ eos (küJ n) .f s¡r¡(angle)/N END DO END DO 0 k n k k n http://libreria-universitaria. 0 0 e ±m = eos a ± i sen a para expresar las ecuaciones (19.11.27) para que el primer coeficiente F (el cual es análogo del coeficiente continuo a ) sea igual a la media aritmética de las muestras. Como tales.N-1 l'.26) y (19.27) y (19. El listado de resultados de tal programa se muestra en la figura 19. ya sea en la ecuación (19.27) o en la (19. respectivamente.] 9.13 para el análisis de una función coseno.com .28) representan las análogas discretas de las ecuaciones (19.30) El pseudocódigo para implementar la ecuación (19. FIGURA 19.blogspot. Así. = rea\ + f cos(angle)/N ¡maginary = ¡mag¡nary . lo incluiremos en la ecuación (19. podemos usar la identidad de Euler para desarrollar un algoritmo que se pueda implementar en lenguajes que no contengan datos de variables complejas.28) donde co = 2n/N Las ecuaciones (19.29) se enlista en la figura 19.'iuudocódigo para el t úlculo de la TDF. pero no en ambas. Como lo expresa la ecuación (19.5 TRANSFORMADA DISCRETA DE FOURIER (TDF) MI Para el sistema en la figura 19. se puede escribir una transformada discreta de Fourier como AT-I F k = 2 Para k = 0 a N . el TDF requiere N operaciones complejas.27) y la transformada inversa de Fourier como / „ = — 2 *=O I V R ' ° V N 0 para « = 0 a T V. Aunque tales cálculos se pueden realizar a mano.29) y N-l f„ = 2 I=0 [Fk c o s ( o) k(0 n + k iF s e n <M)")1 (19.1 (19. Este algoritmo se puede desarrollar en un programa de cómputo para calcular la TDF. También. N -1 angle = ko) n realf. 2 Algoritmo d e cómputo p a r a la TDF. desarrollaremos un algoritmo de cómputo para implementar la TDF.28).1 (19.25).12.27). se pueden emplear para calcular tanto la transformada directa de Fourier como la inversa para datos discretos. Para nuestro algoritmo de cómputo.12 DOk = 0.

o TRF. En consecuencia. La transformada rápida de Fourier.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 .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. 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 . Su velocidad surge por el hecho de utilizar los resultados de los cálculos previos para reducir el número de http://libreria-universitaria.com operaciones. la determinación directa de la TDF puede ser en extremo consumidora de tiempo.000 0 .000 -0 707 -1 000 -0 . para los datos de las muestras de un tamaño moderado.707 0 . 19.707 REAL 0 0000 0 0000 0 0000 0 0000 0 5000 0 0000 0 0000 0 0000 -0 0000 0 0000 -0 0000 0 0000 -0 0000 0 0000 0 0000 0 0000 -0 0000 0 0000 -0 0000 -0 0000 -0 0000 0 0000 0 0000 -0 0000 -0 0000 -0 0000 -0 0000 -0 0000 0 5000 0 0000 0 0000 0 .13 f(t) 1 . En particular.5)f] en 32 puntos con Al = 0. es laborioso su trabajo de cómputo debido a que se requiere N operaciones. explota la periodicidad y simetría de funciones trigonométricas 2 .blogspot.12 para la TDF de los datos generados por una función coseno f(f) = eos [2 K (1 2.01 s. es un algoritmo que ha sido desarrollado para calcular la TDF en una forma extremadamente económica.

En esta sección se describirá un procedimiento alterno llamado algoritmo Sande-Tukey. En 1965. W. W. El primer algoritmo TRF fue desarrollado por Gauss en los inicios del siglo XIX (Heideman y cois. Este esquema. La idea básica detrás de cada uno de estos algoritmos es que una TDF de longitud N se descompone. es alrededor de 100 veces más rápida. no atraían mucho el interés antes del desarrollo de la moderna computadora digital. La distinción entre las dos clases se analizará después de haber elaborado el método.19.6 TRANSFORMADA RÁPIDA DE POURIER i 2 000 Muestras FIGURA 19. es llamado algoritmo de Cooley-Tukey. existen otros procedimientos que son adaptaciones de este método. 2 http://libreria-universitaria. Otras contribuciones principales fueron hechas por Runge. Para N = 1 000. Sin embargo.14). para calcular la transformada en aproximadamente 7Y log N operaciones (véase figura 19. Este método es un elemento de otra clase de algoritmos llamado técnicas de decimación en la frecuencia. Danielson. En la actualidad. 1984). la TRF es alrededor de 10 veces más rápida que la TDF estándar. Lanczos y otros en los comienzos del siglo XX. Cooley y J. para N = 50 muestras. como a menudo las transformadas discretas toman días o semanas para ser calculadas a mano. Hay una variedad de formas diferentes de implementar este principio.blogspot. J. publicaron un artículo clave. Así. el algoritmo de CooleyTukey es un elemento de las llamadas técnicas de decimación en el tiempo.com . Por ejemplo.. similar a aquel de Gauss y de otros investigadores anteriores.14 Gráfica del número de operaciones contra tamaño de la muestra de TDF estándar y la TRF. Tukey. o "particiona" sucesivamente en TDF más pequeñas. en el cual delineaban un algoritmo para el cálculo de la TRF.

(A72)-! Fk = £fa-WN*.32) en términos del primer y último N/2 puntos: (A//2J-1 N-l F = k ] T fi¡e /.34) Ahora. se puede crear para que el rango de la segunda sumatoria sea consistente con la primera. Ahora. De esta forma. Una nueva variable. recuerde que TDF se puede representar de manera general como Ai.558 APROXIMACIÓN DE FOURIER 19.0 'I o ... m = n — N/2. . .32) donde 2n/N = O) .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. II .=() -¡WN)kn n=N/2 (N/2)-\ + f e-iQ*/w> n donde k = 0 . se supondrá que N es una potencia entera de 2. . f \ „-i2x(2k)n/N _ i f 4f . Para los valores pares.» n=0 + m=0 = E (AÍ/2J-1 «=0 (fn+e'^fn+w)'-' * """ 2 1 Kk (19. observe que el factor e~' = (—1)*. Por tanto.„1 . N — 1.1 A l g o r i t m o Sande-Tukey En el caso actual. 2 . el próximo paso en el método es separar la ecuación (19. Esta restricción se introduce para simplificar el resultado del algoritmo.~i2nkn/{N/2) http://libreria-universitaria. 1 . .6. C (W/2)-l \ ^ ( f (¿V/2)-l A. £ f^^-iWNMm+N.com y para loi valores impares. para puntos pares es igual a 1 y para los nones es igual a — 1. .34) de acuerdo con valores pares e impares de k.31) donde M es un entero. N=2 M (19. La ecuación (19.1 F = 2 f e-* " k n 2m k para * = 0 a N .1 (19.blogspot.

un cálculo de N puntos se ha reemplazado por dos cálculos de (N/2) puntos. (JV/2)-l F2k= E n=0 \fn + fn+N/2)W " 2k y para los valores impares. 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 procedimiento produce un factor de 2 en ahorro (es decir N contra 2(7Y/2) = N /2. 2.. 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.1.33). (N/2) . Ahora es claro que este procedimiento de "divide y vencerás" se puede repetir en la segunda etapa.36). Los pesos W° son algunas veces llamados factores de vuelta.35) y (19.' ^ e - 2 " ^ ^ p a r a k = O. (N/2) .. La estrategia es continuada a su inevitable conclusión cuando N/2 puntos dobles de las TDF se hayan calculado (véase figura 19.35) De esta manera.1 (19.(N/2) . 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. 2 2 2 2 2 http://libreria-universitaria.1 ^24+1 - k J En otras palabras.2)W W n 2kn Ahora. 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.. Así. El número total de cálculos para toda la población es del orden de T V log N.36) (19. Estas ecuaciones se pueden expresar en términos de la ecuación (19.U N ^ e . 1. Para los valores pares. El esquema se ilustra en la figura 19. .. 1.16). resulta en forma directa que J 2k =G ) k H parafc = 0.com ..2.blogspot. _ (/V/2) I V" t f n=0 (N/2)-¡ r \ „ i'lnak \ \)n/N = £ n=0 ( f n ./. (N/2)-\ F 2 k + l = E «=0 {fn- fn+N. se puede hacer un conocimiento clave.15 para /V = 8.'.. Ya que cada uno de los últimos requiere aproximadamente (N/2) multiplicaciones y sumas complejas..

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

Este procedimiento es llamado una ordenación en tiempo. Esos coeficientes de Fourier pueden ser ordenados por un procedimiento llamado de fragmento inverso. Para este caso. El pseudocódigo para implementar una de esas moléculas se muestra en la figura 19. y los resultados finales están en el orden correcto.19. en esencia. Como fue el caso para el algoritmo de la TDF de la figura 19.16 como un algoritmo. 19. la muestra se divide inicialmente en puntos impares y pares numerados. También observe que el ciclo exterior pasa a través de las M etapas [recuerde la ecuación (19.com . e ± m = eos a ± i sen a para permitir implementar al algoritmo en lenguajes que no acomoden en forma explícita variables complejas.19).31)] del diagrama de flujo.176. se usará la identidad de Euler.6.2 A l g o r i t m o de Cooley-Tukey La figura 19.16.16. La primera parte consiste.imaginario (1) Imaginario (0) .18.real (0)-real (1) real (0) = temporal temporal = imaginario (0) + imaginario (1) imaginario (1) = imaginarlo (0) .6 TRANSFORMADA RÁPIDA DE FOURIER Algoritmo de cómputo. La segunda parte del algoritmo implementa este procedimiento.blogspot. Es la inversa del algoritmo de Sande-Tukey descrito en la sección anterior. se puede obtener el orden correcto al invertir esos fragmentos (véase figura 19. 2 FIGURA 19. b) Pseudocódigo para implementar a).20 muestra una red de flujo para implementar el algoritmo de CooleyTukey.16). en tres ciclos anidados para implementar el cuerpo computacional de la figura 19. ambos exhiben las AHog N operaciones que son la fortaleza del procedimiento de la TRF.12. ilustrada en la figura 19.temporal b) http://libreria-universitaria. la TDF habrá sido calculada pero en desorden (véase el lado derecho de la figura 19. El pseudocódigo para la TRF se enlista en la figura 19. Si los subíndices del 0 al 7 se expresan en forma binaria.17 o| Una red mariposa que representa el cálculo fundamental de la figura 19. Observe que los datos reales valuados se guardan originalmente en el arreglo x. Es una proposición relativamente directa expresar la figura 19. Aunque las dos clases de métodos difieren en organización. # ftP) temporal = real (0) + real (1) real(1) .17a.16 indica que su diagrama computacional molecular fundamental es la conocida en forma extensa como red mariposa. Después de que esta primera parte se ejecuta. Una inspección cercana a la figura 19.

N2-1 c = coe(angle) e = sin(atigle) DO i =j. FIGURA 19.18 5 k = N/2 DO IF(k>j + 1)EXIT j=j-k k = k/2 END DO J=J END DO D0i = 0.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 .562 APROXIMACIÓN DE FOURIER m = LOÚ(N) / L0G(2) N2 = N D0k = 1.x(kk) x(i) = x(¡) + x(kk) J=0 DO ¡ = 0. N-2 IF (i < j) THEN xt = Xj Xj X¡= x. = xt yt=yj yj=y.m N1 = N2 N2 = N2/2 angle = 0 arg = 2n IN1 DO} = 0.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 . 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..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.com . í. E N D IF y.blogspot.NN1 kk = i+ N2 xt = x(¡) .=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.

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

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

se usa la guía de gráficas de Excel Wizard (Asistente) para crear una gráfica XY con los datos.21. Lo más importante en este contexto es desplegar tanto la ecuación como el valor del coeficiente de determinación (r ) sobre la gráfica. de potencia y de promedio de movimiento.19. Usted habrá notado que varios ajustes disponibles en Trendline fueron analizados anteriormente en el capítulo 17 (por ejemplo. 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.com .5 2. Esos modelos incluyen ajustes lineales.8 AJUSTE DE CURVAS CON LIBRERÍAS V P A Q U E T E S 565 El comando Trendline (menú insert).5 2. Después.06 3.5 2 3 2. polinomial.73 5 2. y3 2 r 0 0 2 4 http://libreria-universitaria.23 4. La primera elección en el tabulador Type es para especificar el tipo de línea.3. polinomiales.42 5. 3 Usando el comando Trendline de Excel Enunciado del problema. 2 2 FIGURA 19.5 2.5 2 1. El siguiente ejemplo ilustra cómo se llama al comando Trendline.53 1 0.blogspot. El ajuste resultante junto con r se despliega en la figura 19. Para el caso actual. se selecciona Logarithmic.21 Ajuste de un modelo logarítmico con los datos del ejemplo 19. se debe crear una gráfica que relaciona una serie de variables dependientes e independientes. Para el caso actual. Para ejecutar el comando Trendline.28 4 2.5 1. se abre un cuadro de diálogo con dos tabuladores: el Options (Opciones) y el Type (Tipo).5 2. logarítmicos. exponencial y potencia).5 0.79 y Solución. El tabulador Options proporciona formas para configurar el ajuste. lineal. EJEMPLO 1 9 . 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.69 1. Este comando permite un número de diferentes modelos de tendencia que se pueden agregar a la gráfica. exponenciales. 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).

U =aS R a. m 0. z .blogspot.ayp a p U = a+a S+p R log log log http://libreria-universitaria.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. y esto significa que no permite dibujar inferencias estadísticas con respecto al modelo a ajustar. tales modelos son de la forma general y = az 0 0 + a\Z\ + a z 2 2 H \-a z m m +e (17..0005 0.com respectivos logaritmos. El logaritmo de este modelo de potencias se usa primero para convertirlo al formato lineal de la ecuación (17. Además.5 y 0. Solución.. U. radio hidráulico y velocidad del agua que fluye en un canal: S.5 0. Los siguientes datos se colectaron para la pendiente. está limitado a r . El siguiente ejemplo ilustra cómo tales modelos se pueden ajustar con Excel.001 0.25 m/s 0. Existe razones teóricas (véase de nuevo la sección 8.001 0. Sin embargo.2 0.4 0. como en la siguiente tabla: Se puede desarrollar una hoja de cálculo en Excel con los datos originales junto con sus .667.. respectivamente. Este paquete de Excel.2 0. 0 x m EJEMPLO 19.4.0002 0.4 Usando el paquete de herramientas para el análisis de datos de Excel Enunciado del problema.5 0. en la sección 17.2) para creer que estos datos se pueden ajustar a un modelo de potencias de la forma donde son los coeficientes obtenidos de manera empírica. 2 El paquete de herramientas para el análisis de datos. El paquete de herramientas para el análisis de datos que se describirá a continuación proporciona una excelente alternativa para los casos donde las inferencias son necesarias. su inclusión en la opción Polinomial significa que también se puede usar para interpolación polinomial.5 0.2 0..5 0. Ajuste estos datos con Excel y evalúe si su regresión estimada contradice los valores esperados de los coeficientes del modelo.5 1 m/m Se tiene razones teóricas (recuerde la sección 8.23). R. Como se describió antes.0005 0. contiene una amplia capacidad para el ajuste de curvas mediante lineal general por mínimos cuadrados.75 0.2) para creer que o"y p deberían tener valores aproximados de 0. z son m + 1 funciones diferentes. tam- bién incluido.0002 0. debido a su contenido estadístico.23) donde z .

4 Usando el paquete de herramientas para el análisis de datos de Excel .23) donde z .667.4 0. respectivamente.001 0.oyp =aS"R p Se puede desarrollar una hoja de cálculo en Excel con los dalos originales junio con sus respectivos logaritmos. tales modelos son de la forma general y — ao^o + a\Z\ + a z 2 0 x m 2 H \-a z. como en la siguiente tabla: http://libreria-universitaria. Los siguientes datos se colectaron para la pendiente. su inclusión en la opción Polinomial significa que también se puede usar para interpolación polinomial.2 0.0002 0. debido a su contenido estadístico. 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. El siguiente ejemplo ilustra cómo tales modelos se pueden ajustar con Excel.„+e m ' (17..2 0. tam- bién incluido.5 0. 2 El paquete de herramientas para el análisis de datos..5 1 m/m m Se tiene razones teóricas (recuerde la sección 8.0005 0. Enunciado del problema. Este paquete de Excel.. U = log a + tr log S + p log R a.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.001 0. z son m + 1 funciones diferentes.0005 0.. Sin emI bargo. R. Existe razones teóricas (véase de nuevo la sección 8.25 0. está limitado a r . U 0. Solución.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.2) para creer que o"y p deberían tener valores aproximados de 0. El logaritmo de este modelo de potencias se usa primero para convertirlo al formato lineal de la ecuación (17.5 y 0. y esto significa que no per• ' mite dibujar inferencias estadísticas con respecto al modelo a ajustar. radio hidráulico y velocidad del agua que fluye en un canal: S.23).blogspot.75 0. contiene una amplia capacidad para el ajuste de curvas mediante lineal general por mínimos cuadrados.5 0.5 0. Además. en la sección 17. U.5 0.4.com . z . Como se describió antes. Ajuste estos datos con Excel y evalúe si su regresión estimada contradice los valores esperados de los coeficientes del modelo. EJEMPLO 19.2 0.

5 U 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¡. Valor Inf. llene en F2:F7 para el rango y y D2:E7 para el rango x y seleccione OK. el paquete de herramientas para el análisis de datos debe algunas veces cargarse en Excel.blogspot.022189 Sfadf 20.0005 0.0002 0.362521 1 0.2 0. Seleccione Regression y aparecerá un cuadro de diálogo que esperará se le proporcione información sobre la regresión.0002937 95% 0.219867 0.001 0.1106 F Siqniticanáa 0.30103' .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 0.0001889 1.109933 0.0002712 0.2 0.12494 -3 \-0. la selección Data Analysis se incluirá en el menú Tools.39794 -3.30103 -3 ^.69897 -0.75 0.015559 6 •LI RH 10 !l il dt ss 2 3 5 0.075932 0.996708 0.2808009 1. Después de estar seguros que se ha seleccionado la instrucción por default New Worksheet Ply.r.25 0.994513 0.83456W 95% http://libreria-universitaria.000726 0.001 0.com . Después se puede copiar esta fórmula a la derecha y hacia abajo para generar los otros logaritmos. -3. 6 9 & V 1 -0.4 0.69897 -0. Para hacer esto.0005 0. una forma eficiente para generar los logaritmos es tecleando la fórmula para calcular el primer log(S).0501 19.5 0.0002 0.220593 MS 0.5037521 Ó.30103 -3. al al 0. en la versión de Excel disponible en el tiempo de la edición en inglés de este libro. Después de seleccionar Data Analysis en el menú Tools.5 0.30103 -0.3 .60206 .2 0. Si el add-in ha sido satisfactorio.7641028 IflIdU'Bplo X Variable 1 0.000242 454. simplemente use el ratón o la secuencia de teclas /Tools Add-Ins Después seleccione Analysis Toolpack y OK.5 0. un menú de Data Analysis aparecerá en pantalla conteniendo un gran número de rutinas orientadas estadísticamente.5 1 lofl(S| ¿ 3 4 5 6 7 loq(U| lofl(Rh) -0.433137 Coehs.5203 0.30103 -0.3010§ -0. de R cuadrada Error estándar Observaciones ANOVA Regresión Residual Total Estadística de regresión 0.998353 0. Error estdr.69897 -0.30103 = log(A2) 0 P Como se muestra. PSup. Debido a su estado como una "incluida".

8. 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. U = 333S R 0A33 0133 Observe que se han generado intervalos de confianza al 9 5 % para los coeficientes. pspline. La función lspline genera una curva segmentada que es una línea recta al final de los puntos. 19.2 Mathcad http://libreria-universitaria. Además. Mathcad contiene un número de funciones para ejecutar regresiones.835. Así.1 para ver cómo se puede hacer esto. como trazo de histogramas y cálculo de resúmenes estadísticos de población tales como la media. usted puede ejecutar interpolación segmentaria cúbica en dos dimensiones al pasar una superficie a través de una malla de puntos.APROXIMACIÓN DE FOURIER De esta manera. La función cspline genera una curva segmentada que es cúbica en los puntos extremo. el ajuste resultante es log U = 1.433 log S + 0.com Mathcad puede ejecutar una amplia variedad de tareas estadísticas. Además. ajuste de curvas y corrección de datos.blogspot. o lspline. el ajuste no contradice los exponentes teóricos. y el coeficiente real del radio hidráulico esté entre 0. varianza. La función i n t e r p usa el resultado del ajuste de curvas y regresa un valor y interpolado. . dado un x valor. la función genfit está disponible para casos donde los coeficientes del modelo aparecen en forma arbitraria. 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.733 log R o al tomar el antilog. hay un 9 5 % de probabilidad de que la pendiente real del exponente esté entre 0. Mathcad también proporciona la función l i n f i t que se usa para modelar datos con una combinación de funciones arbitrarias. Estas funciones segmentarias le permiten intentar diferentes maneras que tienen que ver con interpolación en los puntos extremos de los datos. Finalmente. Finalmente. Las funciones regress y loess pueden también ejecutar regresión polinomial multivariable.522 + 0. Las funciones slope e intercept regresan la pendiente e intercepto del ajuste lineal por regresión de mínimos cuadrados. La función pspline genera una curva segmentada que es una parábola en los puntos extremos. En este caso.504. desviaciones estándar y coeficientes de correlación. Dichas tareas incluyen trabajos relativamente simples.363 y 0.631 y 0. se debe observar que se puede usar la herramienta Solver de Excel para ejecutar una regresión no lineal al minimizar de manera directa la suma de los cuadrados de los residuos entre la predicción modelo no lineal y los datos. La función regress se usa para una regresión polinomial de n-ésimo orden de un conjunto completo de datos. las ecuaciones no lineales más difíciles se deben resolver por iteración. La función loess ejecuta una regresión polinomial localizada de «-ésimo orden sobre un espacio de datos que usted puede especificar. Dedicaremos un ejemplo en la sección 20. De esta forma. mediana.

12600 2 -0.pm") Compute spline coefficients: S :=* cspüne(Mxy. El primer paso es pasar los datos a Mathcad.P R N para leer los datos de esos archivos.76400 -0.17500 0.23900 -0.19.29000 -0.17500 0.22 Segmentaria 2D con Mathcad.30800 -0.Mz) fit(x. File Edlt Vlew Insert Format SJath Symbolics yjlndow S«IP 2D SPLTNE Enter theroatrixspecifying a surface: Mz :=READPRN("matsplin.39000 0. Los datos a ajustar son z 0 1 2 3 4 5 0 0.16400 y Observe que los números a lo largo de la parte superior y en el lado izquierdo son las coordenadas x y y de los valores z que se encuentran en el interior de la matriz.13900 -0.82600 0.00302 -O.PRN y MATXY.5.10600 0.97900 -0.blogspot.9) = 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.jx|j Sample interpolated valúes: fltí2.09200 -0. Esta FIGURA 19.98600 -0. El archivo MATSPLIN.46700 0. Ésta es una matriz que contiene valores de la segunda derivada y otros resultados numéricos en varias localizaciones de la rejilla.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.00678 0.30300 5 0.30200 4 -0.33400 0.51400 -0.y) := inteipjs.Mxy. el símbolo definición y la función ESPLIN se usan para definir la matriz S.22).14100 0.16700 -0.78200 -0. Después. Los primeros dos activan las líneas en la figura 19. Para hacer esto se pueden crear dos archivos de datos llamados MATSPLIN.046 http://libreria-universitaria.36800 0.93500 0.com . El símbolo definición se usa para asignar los datos de los archivos de datos a las variables Mz y Mxy.22500 0.Mz. LAS dimensiones de la rejilla están definidas por los datos en el archivo de texto MATXY.3.PRN.55300 -0.32700 0. Los elementos de este archivo son pares de valores x y y que caracterizan los elementos de la diagonal de la región.76100 x 3 -0.81400 0.64900 -0.65900 0.PRN.prn") Mxy :=READPRN("matxy.73600 0.70700 1 0.22 mediante el comando R E A D .

La primera línea usa el símbolo definición para crear i como un rango variable.5 y y = 3. Como otro ejemplo para demostrar algunas capacidades para el ajuste de curvas mediante Mathcad. Simplemente teclee x¡ en el lugar reservado sobre el eje y y 0 y 80 para el rango en el eje x. tipo.22.blogspot. usamos la función fft para el análisis de Fourier como el mostrado en la figura 19. 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. El resultado es un vector. Esta función regresa la transformada de Fourier de x. Una vez que se ha creado la gráfica. usted puede usar del menú la secuencia Format/Graph/X-Y Plot para variar el tipo de gráfica. son usadas por la función interp para regresar los valores de z como la variable de ajuste (x. c. Después x¡ es formulado mediante la función Mathcad r n d para impartir una componente aleatoria a la señal sinusoidal. Mathcad file Edil ylew ¡nsert Formal Malh gymbollcs Wlndow tjelp FAST FOURIER TRANSFORM Define a real signal in time: Signal http://libreria-universitaria. Usted puede también construir una gráfica de la superficie interpolada como la mostrada en la figura 19. junto con Mz y Mxy. y). ancho de línea del trazo de la función y agregar títulos. 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.23. Después c es definida como fft(x). usted puede interpolar en cualquier ubicación mediante el ajuste (x.370 APROXIMACIÓN DE FOURIER matriz. y) con base en la interpolación segmentaria cúbica con los valores de entrada de x y y. Mathcad realiza todo el resto para producir la gráfica mostrada en la figura 19. Se construye una gráfica de la magnitud de c¡ como antes. Esto coloca una línea roja cruzada en esa ubicación. como el mostrado con x = 2. 2 3 TRF con Mathcad. cambiar el color. leyendas y otras características. FIGURA 1 9 .23. de coeficientes complejos que representan los valores en el dominio de la frecuencia.com . Considerando estas operaciones. Mathcad designa esta secuencia de operaciones.9. La gráfica de la señal se puede colocar sobre la hoja de cálculo al hacer clic en la ubicación deseada.

Emplee un tamaño de paso de 1 de tal forma que la caracterización resultante de la onda seno sea dispersa (véase la figura 19. b) polinomial de quinto orden y c) una segmentaria cúbica. regresión. segmentarias y TRF.24). a) Los valores de las variables independientes y dependientes se pueden introducir en los vectores por >> >> x=0:10. TABLA 19. Solución. ajústela con a) interpolación lineal. Explore cómo se puede emplear MATLAB para ajustar curvas con los datos. y=sin(x).24 Once puntos muestreados de una sinusoidal. Para hacer esto.2. Descripción Función polyfit interp 1 interp 2 spline fft EJEMPLO 1 9 .8.com . El siguiente ejemplo ilustra cómo usar algunas de ellas. use la función seno para generar valores igualmente espaciados f(x) de 0 a 10. http://libreria-universitaria.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. MATLAB tiene una variedad de funciones preconstruidus que abarcan las capacidades totales descritas en esta parte del libro.2 Algunas funciones de MATLAB para implementar interpolación.3 MATLAB Como se resume en la tabla 19. FIGURA 19.1 9 . 5 Ajuste polinomial a datos Interpolación 1-D (tabla 1-D) Interpolación 2-D (tabla 2-D| Interpolación segmentaria cúbica de datos Transformada de Fourier discreta Uso de MATLAB para el ajuste de curvas ¡ | ¡ ! Enunciado del problema.blogspot.

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. x i .6854 2.5) donde el vector p cumple con los coeficientes polinomiales.0008 -0.25:10. Estos se pueden a su vez usar para generar un nuevo conjunto de valores yi. >> >> yi = potyvaL(p. plotCx.0290 0. como se muestra en la gráfica siguiente: >> >> y i = i n t e r p 1 ( x . o ' . >> xi=0:.com . 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. y i ) 0 2 4 6 8 10 b) Ahora.y.y.blogspot.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. x i ) .3542 -1. y i ) http://libreria-universitaria. x i .0915 p=poLyfit(x. >> P= 0. y) como los valores interpolados linealmente se pueden graficar juntos. 1 p l o t ( x .xi).'o 1 . los cuales pueden de nuevo ser graneados junto con las muestras originales dispersas.

y. y . pero deja lucia la mayoría de los puntos.3 a un ejemplo de cómo se puede hacer esto.Asi.8. x y x' '.com . nos concentraremos en la rutina RCURV Esta rutina ajusta los datos a un polinomial por mínimos cuadrados. c) Finalmente. NDEG. N D E G . 2 http://libreria-universitaria..S S P O L Y . x. Y D A T A . (Input) XDATA = Vector de longitud NOBS que contiene los valores x. RCURV se implementa con la siguiente declaración C ALL: C A L L R C U R V ( N O B S . por tanto. Una muestra se presenta en la tabla 19. 19. (Salida) SSPOLY (1) contiene la suma de los cuadrados debidos a la media. (Entrada) YDATA = Vector de longitud NOBS que contiene los valores y. se mostrará algunas. los cuales se pueden nuevamente graficar junto con la muestra original dispersa. SSPOLY = Vector de longitud NDEG + 1 que contiene las sumas secuenciales de los cuadrados. r . (Entrada) B = Vector de longitud NDEG + 1 que contiene los coeficientes. S T donde NOBS = Número de observaciones. ' o .. En el actual análisis. (Entrada) NDEG = Grado del polinomial. el polinomial eiiplura la tendencia general de los dalos. Se dedica la sección 20.4 IMSL IMSL tiene numerosas rutinas para el ajuste de curvas que abarca todas las capacidades a cubrir en este libro.xi. B .2. X D A T A ...blogspot. x i ) .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 . Para i = 1.3. y . SSPOLY(i + 1) contiene la suma de los cuadrados debido a las x' ajustadas a la media. > >p L o t ( x .yi) 1 0 2 4 6 8 10 Debería observarse que MATLAB también tiene excelentes capacidades para realizar el análisis de Fourier. 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.

blogspot.574 APROXIMACIÓN DE FOURIER TABLA 19. 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 .3 Categoría Rutinas IMSL para ajuste de curvas. • TRF en dos y tres dimensiones complejas • Convoluciones y correlaciones Transformada de Laplace http://libreria-universitaria.

• T. D O j = l. 1 5 . ycalcd) http://libreria-universitaria. 0 .4))\ i .295 1.45 0. 0 . 0 .sspo1y. 0 .stat) * . 0 5 / y / 0 . 7 2 0 .378 0. I I .j PARAMETER (ndeg -3. 7 0 . 1 5 6 / RCURV(nobs.nobs ycalc=0.ndeg. 8 4 . " TERM: ". * * . F 5 .F8. 0 .blogspot.583 0. 1 . 3 0 .05 0. " % " ) ' . n o b s . 0 . s s p o l y ( n d e g + l ) . 1 2 . 0 5 . x ( n o b s ) .05 0. (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.720 0. 8 3 2 .i. 8 5 1 . Use RCURV para determinar la polinomial cúbica que proporciona un ajuste por mínimos cuadrados de los siguientes datos X 0.I8. 2 9 5 .com . ' F i t t e d polynomlal i s ' DO i . 0 .FS^)'.84 0. 0 .8 ) R E A L : : b ( n d e g + l ) .ndeg+l ycalc(i)-ycalc(1)+b(j)*x(i)**(j-l) END DO PRINT END END DO '(1X. 0 .nobs. s t a t ( 1 0 ) .x. x ( 1 ) .12 0. X Y YCALC' " R A PRINT PRINT PRINT PRINT 2 : " . ycalc(nobs) DATA DATA CALL x / 0 . 0 . 0 .957 0.156 y Solución.y. y ( n o b s ) . 2 . Un ejemplo de un programa principal en Fortran 90 y de la función RCURV para resolver este problema se puede escribir como Fitpoly use msimsl PROGRAM I M P L I C I T NONE INTEGER::ndeg. s t a t ( 5 ) D O i = l.ó Uso de IMSL para regresión polinomial m I Enunciado del problema.70 0. n d e g + 1 PRINT ' ( 1 X . " X " . 4 5 . 0 .15 0. 9 5 7 . ' N O .832 0.3(5X.851 0. 0 .30 0. y) conteniendo NaN (no un número) como un valor x o y. 3 7 8 . b(1) END DO * ' ( I X .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. y ( 1 ) . PRINT A 1-1.l . 5 8 3 .B. EJEMPLO 19.4.

576 | APROXIMACIÓN DE FOURIER i \ ] ' ? Un ejemplo de correr es F i t t e d polynomial i s X 0 TERM: A .8320 .5786 . 19. amplitud y tiempo del pH máximo.5 12 15 20 22 24 7 PH 7 7.7200 . Use su ajuste para determinar la media. Tiempo.0312 .8400 1. Grafique los primeros tres términos junto con la sumatoria. . Use la regresión por mínimos cuadrados para ajustar con la ecuación (19. ajuste a un sinusoide estos datos.1 6.9401 .7053 .3780 .9 7.1500 .0500 Y . mo Radiación.2950 .9909 -1.1 El pH en un reactor varía en forma sinusoidal durante el transcurso de un día.blogspot.4 7. hr 0 7.3000 .2 8.com .2908 .0513 X .8711 .8423 .9 8.4 7. Use la ecuación resultante para predecir la radiación que habrá durante la mitad de agosto. Carolina del Sur.4 Una onda diente de sierra.1200 .4 Use una serie de Fourier continua para aproximar la onda de dentado de sierra mostrada en la figura P19. ha sido tabulada como Tiempo.1558 X 1 TERM: A X 2 TERM: A X 3 TERM: A R 2: A 9 9 NO. _ ¡¿mdx fix) = Use esta relación para verificar los resultados de la ecuación (19.81% 1 2 3 4 5 6 7 8 PROBLEMAS 19.3880 .4.2 La radiación solar en Georgetown.3 Los valores promedio de una función se pueden determinar por FIGURA P l 9.1560 YCALC .5830 .4500 .2785 -.9 19.8510 .13).7000 .0500 .9570 . http://libreria-universitaria. W / m 2 J 122 F M 188 A 230 M 267 J 270 J 252 A — S 196 O 160 N 138 D 120 — Suponiendo que cada mes es de 30 días.8 8.3 2 4 5 7 8. 19.11) los siguientes datos.

8. Y 2 0 2 0 1 2 7 Ó 5 .12. Grafique los primeros cuatro (orminos junto con la sumatoria. Grafique los primeros tres términos liinto con la sumatoria.8 Un rectificador de media onda se puede caracterizar por 19. repita la regresión. 3 1 7 . con los siguientes datos que contienen la concentración de oxigeno disuelto en agua fresca contra temperatura a nivel del mar. 5 1 0 1 2 .16 Use el paquete de herramientas para el análisis de datos de Excel para ajustar una línea recta con los siguientes datos.5. Tome tiempo a cada corrida y grafique la ejecución contra N para verificar la ligura 19.5 I JTIO onda triangular. 64 y 128 puntos de muestreo. 3 0 5 6 . 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 . Tome una TRF de esos valores y grafique los resultados. Grafique y contra x junto con la ecuación exponencial y r . Pruébelo duplicando la figura 19. 3 -1 1 f FIGURA P 19. 7 6 . 9 2 5 . 5 6 7 . 19. 9 3 . I <>. 8 2 .4. pero ahora use MATLAB para realizar el análisis.9 Construya la amplitud y línea de fase espectral del problema 19. 4 1 8 7 . 5 3 .15 Use el paquete de herramientas para el análisis de datos de Excel para desarrollar una regresión polinomial de cuarto orden.0 a 47. 5 1 5 1 7 .21 Repita el problema 19.13.8.1 1 9 . Pruébelo mediante la duplicación de la figura 19.13. 8 -eos 6 í .12 Desarrolle un subprograma de uso amigable para la TRF con base en el algoritmo de la figura 19. 4 1 2 . agregue una componente aleatoria a la señal. 19. I <>. 4 2 .5. Use 32.11 mediante el software que usted desarrolló en el problema 19.• 357T donde Q es la amplitud de la onda.S Use la serie de Fourier continua para aproximar la forma de la onda en la figura P19. 1 1 Use el programa del problema 19. Si pasa por cero. 6 http://libreria-universitaria. 19.6 Construya la amplitud y línea de fase espectral del problema 19. use MATLAB para ajustar los datos del problema 19. pero ahora use la rutina RCURV de IMSL.17 mediante a) interpolación lineal. Determine el 90% de intervalo de confianza para el intercepto. 8 7 0 8 .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 . b) un polinomial de quinto orden y c) una segmentaria. 3 \ CIÓN EXPONENCIAL 1 2 . Muestre la onda de t . 1 2 . I ').2. 6 2 . 1 0 Desarrolle un subprograma de uso amigable para la TDF con base en el algoritmo de la figura 19.18. 7 2 6 .14. 19. I'). 1 1 1 K 2 sen / 2 3n „ eos 2t 2 15TT eos 4í 19. 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 . Determine el valor de y en x = 3. 2 0 1 6 2 4 3 2 4 0 O.8. 5 7 5 . 4 1 3 I <).blogspot.3.19 En una forma similar a la sección 19.20 Repita el problema 19. 19.com . 19. M G / L 1 4 . 19.12.7 Construya la amplitud y línea de fase espectral del problema 19. 6 3 . I « ) .13 Repita el problema 19. 19.18.15.18 Use Mathcad para generar 64 puntos a partir de la función /(í) = eos (3t) + sen (1 Oí) desde t = 0 a 2rc.10 para calcular una TDF pura la onda triangular del problema 19. 7 1 8 . 6 2 1 1 1 .8. Como se vio en la sección 19. 8 4 3 9 . 5 3 .

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

1.20.3) de manera similar a la ecuación (17.4) k kf k f k "rnáxJ J a máx "máx Por este reordenamiento. 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.blogspot. Por tanto.com .17) para obtener mÍK máx J.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.*±/ _!LJ_ _L.3) donde k = la razón de crecimiento obtenible máxima para grandes valores de comidu (j) y K = la constante de saturación media. Las constantes K y k son valores empíricos basados en mediciones experimentales de k para varios valores d e / Como un ejemplo. Esto se lleva a cabo al invertir la ecuación (20. con pendiente K/k e intercepto l/k^. http://libreria-universitaria. Estos valores F I Gse U Rgrafican A 2 0 . l/k es una función lineal de \lf.k = k J2. suponga que la población p representa la levadura empleada en la producción comercial de cerveza. 1 en la figura 20. 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. En la figura 20.3) y muestra que cuando f = K. 1 se tiene la gráfica de la ecuación (20. se ha transformado la ecuación (20. K es la cantidad de comida disponible que respalda a una razón de crecimiento poblacional igual a la mitad de la razón máxima. y / e s la concentración de la fuente carbono que será fermentada. = = + (2 o. esto es.3) en una forma lineal. El valor de K se conoce como constante de saturación media. Se requiere calcular & y Ka partir de estos datos empíricos.2.

01333 0.01000 0.18 mg/L.00666 día L/mg 3.07 día" 1 \/f.65 0.80 0.703 2. entonces dpldt se aproxima a cero y la población se estabiliza.18+ r ' Observe que el ajuste da una suma de cuadrados de los residuos (como los calculados para los datos no transformados) de 0. La línea es un ajuste por mínimos cuadrados que se usa para evaluar los coeficientes del modelo fe = 1.23 d í a s " y K = 22.29 0. máx 1 1/í L/mg http://libreria-universitaria. S i / s e aproxima a cero en tanto p sea grande.010 0.1 Datos usados para evaluar las constantes de un modelo de razón de crecimiento saturado para caracterizar la cinética microbial. mg/L 7 9 15 25 40 75 100 150 k.99 1.1). 0.580 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS TABLA 20. FIGURA 20.448 2.001305.com .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 0.11111 0.37 0.97 0.14286 0.031 1. 0.935 Debido a esta transformación.2 Versión linearizada del modelo de la razón de crecimiento saturado.04000 0.538 1.3. dando 1 milí dp — = 1. y después se sustituyen en el modelo de la ecuación (20.blogspot. f. se puede usar los procedimientos por mínimos cuadrados lineales descritos en el capítulo 17 para determinar k = 1.3) se comparan con los datos transformados en la figura 20.1 8 mg/L para una levadura que se usa para producir cerveza.250 1.23 días" y K = 22.23 f p (705) V dt 22.06666 0. Estos resultados combinados con la ecuación (20.02500 0. La ecuación (20.083 1.

FIGURA 20. La figura 20.20.000006 0.071897 J* 0.29 0.3 Ajuste del modelo de razón de crecimiento saturado para una levadura empleada en la producción comercial de cerveza.C 5 ) 2 A kmáx K f 7 9 15 25 40 75 100 150 1 1.000209 0.000294 0.295508 Res 2 A 0.99 1.65 0.5.4 Regresión no lineal para ajustar el modelo de la razón de crecimiento saturado de una levadura empleada en la producción comercial de cerveza. Un procedimiento alternativo.000067 0.97 0.00130J] http://libreria-universitaria. La linearización de la ecuación (20.48 0.blogspot. mg/L FIGURA 20. una columna de valores predichos es desarrollada.80 0. Éstos se usan para generar una columna de residuos al cuadrado que se suman. es la regresión no lineal descrita en la sección 17. Como puede verse.D12) 0.com . y el resultado se coloca en la celda D I 4 .496828 0..2301 22.1 MORESIÓN LINEAL Y MODELOS DE POBLACIÓN III máx f. basada en el modelo y los parámetros iniciales.791842 0. A 1 2 3 4 5 6 7 8 9 10 11 B D $B$1*A5/($B$2 + A5) = (B5 .355536 0.37 0.000410 0.1386 k 0.000004 >SUM(D5.007134 1.07 SSR k-predicción ^ 0.949751 1.000030 0. que es capaz de relacionarse en esta forma original.4 muestra cómo se puede usar la herramienta Solver de Excel para estimar los parámetros supuestos con regresión no lineal.3) es una forma para evaluar las constantes y K.652384 0.000283 0.

4. con una S = 0. Use segmentarias cúbicas para determinar la profundidad de la thermocline para el lago Piarte (véase la tabla 20. La ubicación de la thermocline se puede definir como el punto de inflexión de la curva temperatura-profundidad. La estratificación térmica tiene gran importancia para los ingenieros ambientales que estudian la contaminación de tales sistemas. la regresión no lineal da un ajuste ligeramente mejor. el punto en el cual (PT/dx = 0.5 Temperatura contra profundidad durante el verano para el Lago Platte en Michigan. También use las segmentarias para determinar el valor del gradiente en la thermocline. El resultado.23 y K = 22. la thermocline disminuye en gran medida el mezclado entre las dos capas.14.582 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS Después se utiliza el Solver de Excel para minimizar la celda D14 al ajustar las celdas B1:B2. da un estimado de k ^ = 1. Como resultado. Es también el punto en el cual el valor absoluto de la primera derivada o gradiente es un máximo. como se esperaba. cerca de la superficie. De esta forma. Los lagos en la zona templada pueden dividirse en estratos térmicos durante el verano. m x r 20. la descomposición de materia orgánica puede acarrear reducción de oxígeno en el fondo aislado de las aguas. 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.2). Como se ilustra en la figura 20.001302. y en el fondo es más fría y densa. como el mostrado en la figura 20. En otras aplicaciones. aunque.com . En particular. 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.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.blogspot.5. 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. el agua es tibia y liviana. 2 FIGURA 20. los resultados son casi idénticos. es decir.

3 ANÁLISIS DE FOURIER 983 TABLA 20. 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.0000 .2665 21.6.0436 .2402 -.7 18.7 11. T(C) 22.1599 -.0596 -.4735 .7 se tiene registros de este número desde 1770. El análisis de Fourier se usa en muchas áreas de la ingeniería.2 0 m Solución.9 13. 7. 9.8374 22. 19.1 13.2646 14.0354 . 5.7144 19. 3.3004 . Los resultados se despliegan en la tabla 20. 25.0148 .8 22.0332 .9981 dldad (m) 0.35 m y el gradiente en este punto es — 1.0000 http://libreria-universitaria.6518 -. 16.1167 . 14. 3 Resultados del programa segmentario basado en el pseudocódigo de la figura 1 8.8000 22.0085 -.7909 22. se emplea de manera extensa en aplicaciones de la ingeniería eléctrica tales como en el procesamiento de señales.5825 dT/dz 0115 0050 0146 0305 .7944 22. 28.3939 -. TABLA 2 0 . La profundidad es 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 -.1199 -.1 27. 12.3 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.2950 .2086 .1166 .3923 profundidad (m) 15.0069 .1303 -.0618 . 22.2508 . Con base en los primeros datos históricos. 1. 10.8203 22. Wolf determinó que la longitud del ciclo es de 11.0045 .0125 .9 20.1884 -. Sin embargo.1 22. 26.1 8.3 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. Los resultados se grafican en la figura 20. En 1848. - d2T/dz2 . 22. 23.8 4.1502 -. al sumar 10 veces el número de grupos más el conteo total de puntos individuales.2 Temperatura contra profundidad durante el verano para el Lago Piarte en Michigan. Calculó una cantidad que ahora se conoce como el número de puntos solares de Wolf.8.0251 .6531 20.0248 .0055 .3 T.61°C/m. 8.0966 . 13.0318 . 27.3 11.3973 -.0212 .6 9. el valor absoluto de la derivada es la más grande) y la segunda derivada es cero. 24.7646 -1 1242 -1 4524 -1 6034 1 5759 1 3702 .com . 20.0000 d2T/dz2 .4118 17.1001 -.20.8691 16.0245 . Observe cómo la thermocline está claramente localizada a la profundidad donde el gradiente es el más grande (es decir.0261 -.8 2.0635 -. 2.1 años.2569 -. 20.6229 22.0229 . 6.9 11. 4.7766 13.3254 -.1638 -.2346 -. 17.7907 22. 21. En la figura 20.0130 . Los datos se analizan con un programa que fue desarrollado con base en el pseudocódigo de la figura 18.0021 . 22. 18.°C z. 11.blogspot.

Solución.number-sunspot(:..HTML... 6 Gráficas de a) temperatura.2). 1700 1800 1900 2000 http://libreria-universitaria. FIGURA 2 0 .NGDC.//WWW..com En el TIEMPO en que se IMPRIMÓ la EDICIÓN en INGLII DE EITE LIBRO EL HTLM ERA HNP'.584 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS T. Determine con toda precisión el periodo al desarrollar una gráfica de potencia contra periodo.1). d a t year-sunspot(:.1 .0 0.3.2 .. 1 » » load s u n s p o t . .GOV/ /ITP/SOLAR/SSN/NN. .0 . 7 Gráfica del número de puntos solares de Wolf contra año. °C 0 4 8 FIGURA 2 0 .NOU. La thermocllne se localiza en el punto de inflexión de la curva temperatura-profundidad... b) gradiente y c) segunda derivada contra profundidad (m) generadas con el programa segmentarlo cúbico.5 II 10 20_ ..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 . 12 16 20 24 28 a) 0 dT/dz d*T/dz* 0. Los datos para los años y el número de puntos solares se bajaron de la web y se guardaron en un archivo de tabulador delimitado: sunspotdat. 0 -1.0 .blogspot. El archivo se puede cargar en MATLAB y a la información del año y número se le asignaron vectores con el mismo nombre.. 5 0.

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

blogspot.05 Flujo. una regresión lineal múltiple de datos transformados a logarítmicos proporciona un medio para evaluar tales ecuaciones.334 0.com 9 7 8 2 3 0.001 0.001 0. Solución.7475.0 .7) Q = TABLA 2 0 . ya que log Q es una función lineal de log S y log D.() http://libreria-universitaria. pies 1 2 3 1 2 3 1 Pendiente.01 0. a = 10 0 1 7 4 7 5 0 = 55. Usando el logaritmo (base 10) de los datos en la tabla 20. un estudio en ingeniería mecánica indica que el flujo de un fluido a través de una tubería esta relacionado con el diámetro de la tubería y la pendiente (véase la tabla 20.079 log a 0 11.903 -18.207 ai ai Este sistema se puede resolver usando la eliminación de Gauss para log a = 1.01 0.334 -18.9D S 262 0M Datos experimentales para diámetro.3 24. la ecuación es adecuada para una regresión lineal múltiple.2 4. 4 Experimento 1 2 3 4 5 ó 55.945 -22.9.903 44.7 28. se puede generar las siguientes ecuaciones expresadas en forma matricial [recuerde la ecuación (17.5 pies y una pendiente de 0. 0 La ecuación de potencias a evaluarse es at Q = aD S ai (20. y a . pies /s 3 1.0 1 1. Como se analizó en la sección 17.4).954 -4.586 APLICACIONES E N INGENIERÍA: AJUSTE DE CURVAS caracterizada por ecuaciones de potencia multivariable. la ecuación (20.6) 3 0 donde Q = flujo (pies /s).9 84.903 -4.903 2.22)]: 9 2.3. Use regresión lineal múltiple para analizar estos datos. D i á m e t r o . Después use el modelo resultante para predecir el flujo en una tubería con un diámetro de 2.05 200.7475 0 a\ = 2. D = diámetro tubería (pies). S = pendiente (pies/pies). \ Y 2 — coeficientes. pies/pies 0. Por ejemplo.54 2 Si log a = 1.05 0. Tomando el logaritmo a esta ecuación resulta a a log Q = log a + ai log D + a log S 0 2 En esta forma.4 8.1 <W.01 0.4.025 pies/pies.691 3. pendiente y flujo en tubos circulares de concreto.6) es ahora (20.001 0.62 a = 0.

se obtiene la siguiente ecuación: L k.3.85 Esta relación es conocida como ecuación de PROBLEMAS Hazen-Williams. muí ecuación por potencias.4 Cloro = 1 0 0 0 0 m g / L 11. se supone.3 10.6 10.4 6.resultados superiores. Por ejemplo. 3 Dependencia de la concentración de oxígeno disuelto sobre la temperatura y concentración de cloro.9(2. 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. Ingeniería química/petrolera función de la temperatura para el caso en que la concentración U\. pero ahora use es igual a 20 000 mg/L.3 9.5 Use regresión lineal múltiple para obtener una ecuación 1 1 1 l.2 8.2 7.4 y 20. Ignore el primer punto cuando ajus.7) se puede usar para otros propósitos además del cálculo de flujo.5 9.5 pies y S = 0. 20. Si esta relación se sustituye en la ecuación (20.1 8.5) (0.20.7 6. ¿ 0 4 . y longitud de tubería L por S = hJL.1 http://libreria-universitaria.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. 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. como en Q = 55. 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 . un polinomial de tercer orden para la tempetic oxígeno disuelto para T = 18°C con cloro = 10 000 mg/L.3. 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. °C 5 10 16 20 25 30 Cloro = O m g / L 12. 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 .7) y la fórmula resultante se resuelve para h .8 11.3 use la interpolación ratura y una relación lineal para el cloro.6 Al comparar los modelos de los problemas 20.5.0 9.1. predictiva para la concentración de oxígeno disuelto como una 2 0 2 . con el fin de obtener polinomial para obtener-una ecuación predictiva de segundo or.2 7.PROBLEMAS 587 La ecuación (20. la pendiente se relaciona con la pérdida de carga h.2 7.4 6.7) se puede usar para predecir el flujo para el caso de D — 2.8 Cloro = 2 0 0 0 0 m g / L 10. - .85£)4. Use interpolación para estimar el nivel Esto es.blogspot. I Realice el mismo cálculo de la sección 20. 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.i ecuación.1 pie /s 3 Debe observarse que la ecuación (20.com .025) S ' Z62 0 54 = 84.Q 1721 L 1. Usted realiza experimentos y determina los siguientes valo.0 8. En el caso de los datos de la tabla P20.025 pies/pies.

0 55 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. Temperatura T. 20. 3 °C T. 20. en kips por pie cuadrado (kpc) de nueve muestras tomadas a distintas profundidades en un estrato de arcilla son Profundidad.0 13 2.N / m 7 500 Emplee la ley de los gases ideales pV = nRT para determinar R con base en estos datos. -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.7 6.11 El esfuerzo cortante.1703 20.3 1.01 cal/(s • cm • °C) calcule el flujo a través de esta ¡nterface. a la tensión 10 4 15 20 20 18 25 50 40 50 48 tabla P20.3 3. se puede idealizar al tanque como dos zonas separadas por un fuerte gradiente de temperatura o thermocline.12 Se realizó un estudio de ingeniería del transporte para determinar el diseño adecuado para carriles de bicicletas.5 T N .0 1.2 5.588 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS Tiempo Resis. 20.10.5 11 3.blogspot. el punto para el cual d T/dz = 0.8 0.1 DE Ingeniería civil/ambiental Thermocline 8. kpc 1.3 10.1462 760 0. °F v 700 0.1 0.4 0. a una presión de 2 950 lb/pulg absolutas: 2 T. 2 2 FIGURA P20.10 Un reactor está térmicamente estratificado con los valores de la siguiente tabla: Profundidad.3.9 El volumen específico de un vapor sobrecalentado es enlistado en tablas de vapor para diferentes temperaturas. táÍÉM .10 Use una segmentaria cúbica para el ajuste de estos datos con el fin de determinar la profundidad de la thermocline. El volumen es de 10 m . A esta profundidad.6 4. es decir.1058 720 0.9 1. Por ejemplo. m Temperatura. °C 20 40 60 .9 http://libreria-universitaria. pies A.6 0. Los datos de 11 calles son: Distancia x.1 1.5 9. Observe que para la ley Tse debe expresar en Kelvin. 20.1603 780 0. Si k = 0. Los datos se colectaron para anchos de carriles de bicicletas y distancias promedio entre bicicletas y carros en circulación.5 22 2. del carri y.1 5.1280 740 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. 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.5 7 5 5. m Esfuerzo. pies 3 5 8 10 5 7 8 6 6 6 10 10 8 9 4 5 7 8 Determine vpara T = 750 °F.5 68 1. La profundidad de este gradiente se puede definir como el punto de inflexión de la curva temperatura-profundidad.7 Se sabe que la resistencia a la tensión de un plástico aumenta como una función del tiempo cuando se calienta.0 10 7.8 Se reunieron los siguientes datos para determinar la relación entre presión y temperatura de un volumen fijo de 1 kg de nitrógeno. el flujo de calor de la superficie al fondo de la capa se puede calcular con la ley de Fourier.dT C ¿ 7 20. °C 0 70 0.9 0.5 Como se ilustra en la figura P20.

0 1. Ajusto u una linca recta los datos mediante regresión lineal.7 101.13 En la ingeniería de abastecimiento de aguas.0 0. Use los datos anteriores para determinar una relación c. determine el ancho de carril mínimo correspondiente. Por el contrario.9 114.0 104.8 175. Para algunos ríos es difícil obtener registros históricos de muchos años atrás de tales datos de flujo. J O Hurón I < i.4 94. Para un río que se va a encauzar a un dique.n) : FIGURA P 2 0 .8 2.4 3.0 a) Grafique los datos. con frecuencia es útil determinar una relación entre flujo y precipitación.5 17. se tienen los siguientes datos Precipitación. 2(1.6 4.«) />) u n i f i q u e Ion dutos.0 5. c) Use la mejor línea de ajuste para predecir el flujo de agua anual si la precipitación es de 120 cm. jo Erie: C luenca oeste Cuenca central ("uenca este lurjo Ontario 4. c) Si lu distanciu promedio mínima segura entro las bicicloüu y los carros circulando se considera de 7 pies.4 116. indica qué tan turbia y o|)iicu parece el agua. el tamaño del reservorio depende de la estimación exacta del flujo de agua en el río del cual se toma. 20. se ha reformulado como o = z qf (m.0 161. Como tal. Esta relación se puede entonces usar para estimar flujos por años pero sólo cuando se hicieron dichas mediciones de precipitación.7 269. Agrcguo estu linca a la gráfica.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.0 19.2 11.u clorofila a es un parámetro que indica cuánta vida de plantas CH\Í\ suspendida en el agua. cm Flujo.1 130. datos meteorológicos sobre precipitación de muchos años atrás están a menudo disponibles.0 99.1 152. b) Ajuste a una línea recta los datos mediante regresión lineal.5 39. = + 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.blogspot.1 206.14 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. m / s 3 88.6 172.9 239.5 Ya que es inconveniente resolver esta ecuación de forma manual.0 132. 20. 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 .9 139. 1 5 I . Por tanto.8 5. Sobreponga la línea de su gráfica.5 21.com .8 121. como una función de p.5 8.

05733 0. 20.8 y b — 16.08561 0. 20.0000 0.2 0.19.2 Con base en una regresión lineal de estos datos. Grafique y evalúe los resultados. 20.14 m.4 0.5 0. use los datos para estimar la deflexión de un mástil de 9.13003 0.0045 5 172 0. hr 0.1.0013 3 586 0.6 0.1 6 1. Observe que q es igual a la carga por área. determine la corriente para un voltaje de 6 V Grafique la línea y los datos y evalúe el ajuste.5 8 1.70 1. Interprete sus resultados.1 1 135 0.com i. Si la fuerza del viento es de 25 069 N.88 2.6 manera exponencial en las aguas de un lago de acuerdo con el siguiente modelo. 20.19 Usted mide la caída de voltaje Va través de una resistencia para un número de diferentes valores de corriente i. . Los resultados son / t i 0 0 0.12626 0.16515 0. Determine si es una buena suposición quo el intercepto sea cero. N/cm 2 0. una porción de la cual se da aquí: 0.08323 0.22. n) se conoce como el valor influencia y m y n son relaciones adimensionales.3.8 7 1.2 9 1.13241 0.blogspot.2 4 2. con m = alz.14749 0.16199 0.1250 6.25 0.2500 7.75 -0. 5 2.03007 0.17389 1. B y Q dadas las siguientes mediciones: i. El valor influencia es entonces enlistado en una tabla.590 z APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS donde f {m.08709 0.7 5 13 7 19.0 Determine i en t = 0.2. cm/cm Esfuerzo.5 1.8 m n = 1. pero ahora use regresión polinomial para obtener una ecuación cúbica para ajustar los datos.10941 0. pero ahora analice los datos generados con f(t) = 5 eos (7í) — 2 sen (40 + 6..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. Este valor se puede sustituir en la ley de Hooke para determinar la deflexión del mástil: AL = deformación X L.03058 0.02926 0. n = blz y a y b como se definen en la figura P20.6 1.10631 0.3750 4.20 Realice nuevamente el cálculo del problema 20.5 7 1 5. Los resultados de las pruebas Deformación unitaria. b) Resuelva el inciso d) pero ahora use la función espline de Mathcad que se describió en la sección 19.22 Los siguientes datos se tomaron de un experimento que mide la corriente en un alambre para diferentes voltajes suministrados: 2 3 7.15703 0.0060 5517 c 0.7 0.0 6.45 0. Si es así.36.8 3 3.5 V Use interpolación polinomial para estimar la caída de voltaje para i — 1.17 El mástil de un velero tiene un área de sección transversal de 10.1 0.8599 0.1 a) Si a = 4.3 10 27. Exprese su respuesta en toneladas por metro cuadrado. p(t) = Ae~ ' L5 +Be~ ' 03 +Ce' ' 0XK Calcule la población inicial de cada organismo (A.002 4965 0.05994 0. c Ingeniería eléctrica 20.2402 0.15027 0.25 -0.17739 n= debajo de la esquina de un estribo rectangular que está sujeto a una carga total de 200 1 (toneladas métricas). 20. use una interpolación polinomial de tercer orden para calcular o a una profundidad de 10 m z 2 Pin 20.8 4 10. Se efectuaron pruebas para definir la relación entre esfuerzo y deformación unitaria.14309 0. A 5.21 La corriente en un alambre se mide con gran precisión como función del tiempo: http://libreria-universitaria.5 .18 Realice los mismos cálculos que en la sección 20.05894 0.16843 n= 0. comience la regresión y fuerce ol intercepto a cero.8.2 2 3.65 cm y se construye de una aleación experimental de aluminio. donde L = longitud del mástil.16 Tres organismos portadores de enfermedades decaen de 1.3 0.7880 0.4 0.2 0.5000 0.0085 6 896 0.

blogspot. Compare sus resultados con los mismos valores calculados con la fórmula obtenida en la sección 20. para poder anticipar la demanda de energía.50 41 1. donde R es la que la interpolación podría ser la apropiada.01 pies/ pies.10. 20. 20. Los resultados. use interpolación lineal y cuadrática para calcular Q para D = 1. como cientes de la ecuación de quinto orden (véase la sección 18. sugieren que fluye a través del resistor como en V = iR.24. °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. Suponga que usted realiza varios experi. Emplee los siguientes datos para estimar L: L V -193 di/dt. resistencias reales podrían no siempre polinomial de quinto orden para ajustar los datos y calcule V cumplir la ley de Ohm.4 0.25 Repita el problema 20.0 0. sugieren una relación curvilínea que ajusten los datos de la tabla P20. Los datos resultantes son Temperatura.23 pies y S = 0.24 Datos experimentales para la caída de voltaje a través de un resistor sujeto a varios niveles de corriente -0.28 La población (p) de una pequeña comunidad en los suburbios de unu ciudad crece con rapidez en un periodo de 20 unos: 0 20.25 13. se debe ajustar una curva a los datos.4.1666.PROBLEMAS 0 *1 TABLA P20.26 Se realiza un experimento para determinar el porcentaje de alargamiento de un material conductor eléctrico como una función de la temperatura.4) se enlistan en la tabla P20. pero ahora determine los coefite correspondiente para cada resistencia. 20. Emplee un modelo exponencial y regresión lineal para hacer esta predicción.1104 2. si lo hay. Por ejemplo.s/A) e i es la corriente (en amperes).0968 f p 0 100 5 212 10 448 15 949 20 2 009 Como ingeniero que trabaja en una compañía de servicio usted debe pronosticar la población que habrá dentro de 5 años.24 La ley de Ohm establece que la caída de voltaje Va.29 Con base en la tabla 20. 20. la suavidad de esta relación. 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.3400 2.2239 2. L es la inductancia (en henrys. Sin embargo.27 Las funciones Bessel surgen con frecuencia en análisis avanzados de ingeniería. Observe que el valor real es 0.4.20. 1 H = IV. 20. Para cuantificar esta relación.5625 0. el método preferido para el ajuste de la curva podría ser el de regresión para el análisis de tales obtenida por regresión a partir de estos datos? datos experimentales.0025 2.com . Esas funciones son usualmente no sujetas a una evaluación directa y. como en el estudio de los campos eléctricos p o r ejemplo. por tanto.24. 1. Use una interpolación resistencia. Ingeniería mecánica/aeroespacial listime J (2.50 -41 donde V es la caída de voltaje (en volts).\).8 0.para i = 0.00 193 20.00 -. a menudo se compilan en tablas matemáticas estándar.6 0. pero ahora desarrolle una ecuación para predecir el diámetro como una función do lu pendiente http://libreria-universitaria. mentos muy precisos para medir la caída de voltaje y la corrien. través de un resistor ideal es linealmente proporcional a la corriente i asi como la precisión de los métodos experimentales. d) = mediante una interpolación polinomial y b) usando segmentarias cúbicas.23 Se sabe que la caída de voltaje a través de un inductor cumple la ley de Faraday -1. Sin embargo.2 0. ¿Cuál es el significado.4.24. del intercepto de la ecuación Debido al error de medición.30 Reproduzca la sección 20.25 -13.5625 0.

3 2 Valores experimentales para alargamiento x y fuerza F para el resorte en un sistema de suspensión de un automóvil.2396 16 1. Esta clase de comportamiento es típica de lo que se denomina un "resorte endurecido". ajuste a una relación no lineal la porción no lineal.com 10" N 80 .0105 24 0.3874 12 1. 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. Tales datos están contenidos en la tabla P20.44 Desplazamiento. Se puede establecer un valor para este parámetro de manera experimental al colocar pesos conocidos sobre el resorte y midiendo la compresión resultante.32. está relacionada con la temperatura en la siguiente forma: T. m TABLA P 2 0 .35 40 0.27 30 0.10 10 0.32 pero ahora ajuste a una curva de potencias todos los datos en la tabla P20. 20. http://libreria-universitaria. b) Use regresión polinomial para ajustar una parábola a los datos para realizar la misma predicción.34 La distancia requerida para detener un automóvil es una función de su velocidad.592 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS y flujo. v. 4 Velocidad. Además. mi/h Distancia de frenado. m Fuerza. significa que el alargamiento del resorte y la fuerza aplicada están linealmente relacionados. Emplee regresión lineal para determinar un valor de k para la porción lineal de este sistema. Comente sus resultados.5°C. 1 0 " cm /s 2 2 0 1.32 y graficados en la figura P20. Desplazamiento.32.7923 4 1.43 70 0.1168 20 1.39 60 0.32 Gráfica de fuerza (en 1 0 newtons) contra desplazamiento (en metros) para el resorte de un sistema de suspensión de un automóvil. la relación entre la fuerza y el desplazamiento ya no se cumple.33 Repita el problema 20.17 20 0.4 y analice sus resultados. Observe que para un peso por arriba de 40 X 10 N.5676 8 1.32 La ley de Hooke. Los siguientes datos experimentales fueron colectados para cuantificar esta relación: 4 FIGURA P20.9186 Grafique estos datos a) Use interpolación para predecir va T = 7. la cual se cumple cuando un resorte no se deforma demasiado.42 60 0. La proporcionalidad es parametrizada por la constante del resorte k.31 La viscosidad cinemática del agua.blogspot.°C v. 20. 20. Compare sus resultados con la fórmula de la sección 20. 20. 0.

m g. x. 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 .5682 u) Grafique los datos />) Ajuste a una línea recta los datos usando regresión lineal. y.6879 60000 9. Calcule g para y = 55 000 m. 20.7487 40 000 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.com . m/s 2 0 9.blogspot. h 9. Sobreponga esta línea en su gráfica.8100 20 000 9. y los datos l'ONultantes son il (iplic.35 So reulizu un experimento para definir la relación entre el P N t ú c r z o aplicado y el tiempo para fracturar un acero inoxidable.PROBLEMAS Í0.6278 80 000 llwnpo de fractura. Se aplican ocho diferentes valores de esfuerzo. http://libreria-universitaria.

se usan transformaciones para linearizar la relación.blogspot.4 proporciona un resumen de los elementos de juicio involucrados en el ajuste de curvas. En estos ejemplos. 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. 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. Tales métodos son denominados regresión por mínimos cuadrados. Las técnicas se dividieron en dos grandes categorías.com Exacta Ajuste por secciones Moderado Primera y segunda derivada laual en nodoi . La regresión lineal múltiple se utiliza cuando una variable dependiente es una función lineal de dos o más variables independientes. Para situaciones donde una variable dependiente y una independiente exhiben una relación curvilínea. según sea la incertidumbre de los datos. En algunos casos.4 Comparación de las características de métodos alternos para el ajuste de curvas. De manera alterna. Para mediciones precisas se usa interpolación para desarrollar una curva que pasa justo a través de cada uno de los puntos.4 E L E M E N T O S DE JUICIO La tabla PT5 . la regresión polinomial puede emplearse para ajustar una curva directamente con los datos. 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 . Se puede aplicar también transformaciones logarítmicas a este tipo de regresión para algunos casos en los que la dependencia múltiple es curvilínea.E P Í L O G O : PARTE C I N C O PT5. TABLA PT5. hay varias opciones disponibles. puede aplicarse la regresión lineal a las variables transformadas con el fin de determinar la mejor línea recta. 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 dispone de una técnica llamada polinomiales ortogonales para realizar regresión de polinomios (véase la sección PT5. ya que se programa en forma fácil en un formato que sirve para comparar resultados de diferentes órdenes. Además.com . Para casos donde sea un problema se cuenta con procedimientos alternos. Sin embargo. Para esas situaciones. Esta técnica ajusta un polinomio de bajo orden para cada intervalo entre los datos. El polinomio de Newton es apropiado para tales situaciones. la versión de Lagrange es algo más simple de programar y no requiere el cálculo y almacenamiento de diferencias divididas finitas. http://libreria-universitaria. Por ejemplo. Tales datos tienden a inducir oscilaciones desordenadas cuando se interpolan polinomios de orden superior. La segmentaria cúbica es la versión más común. Esta tabla se puede consultar para tener un rápido acceso a relaciones y fórmulas.PT5. Así. PT5. La interpolación polinomial por diferencias divididas de Newton es ideal para aquellos casos donde el orden adecuado del polinomio se desconoce. La interpolación de polinomios de Lagrange es una formulación alternativa que es conveniente cuando el orden se conoce de antemano. usted puede comparar y escoger de los resultados al usar varios polinomios de diferente orden. el ajuste de la curva se emplea para analizar la frecuencia característica de la señal. 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.5 RELACIONES IMPORTANTES Y FÓRMULAS La tabla PT5. En lugar de esto. para ajustes de orden inferior). Esta área trata del uso de funciones trigonométricas para aproximar formas de onda. Otro procedimiento para ajustar curvas es la interpolación segmentaria. Este polinomio se presenta en dos formatos alternos. El último método que se estudia en esta parte del libro es la aproximación de Fourier. esto no es así. Las segmentarias son de gran utilidad cuando se ajustan datos que por lo general son suaves. Las ecuaciones que no son lineales con respecto a sus coeficientes son llamadas no lineales.5 resume información importante que se presentó en la parte cinco. Son clasificadas así porque son lineales con respecto a sus coeficientes. el mayor énfasis de este procedimiento es no ajustar los datos a una curva. un error estimado se puede simplemente incorporar en la técnica. El ajuste se hace de manera suave al igualar las derivadas de los polinomios adyacentes con el mismo valor en sus puntos de conexión. en muchas aplicaciones de ingeniería (esto es. Estos modelos son típicamente implementados mediante sistemas algebraicos lineales que algunas veces están mal condicionados. En particular. pero que exhiben áreas locales de cambio abrupto. La interpolación polinomial está diseñada para ajustar al único polinomio de nésimo orden que pasa justo a través de n + 1 puntos precisos.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.blogspot. Las segmentarias cúbicas son menos propensas a esas oscilaciones debido a que están limitadas a variaciones de tercer orden. 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. Se dispone de técnicas de regresión especiales para ajustar tales ecuaciones.6). En contraste con las otras técnicas.

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

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

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

como ocurre al moverse de la figura PTó. El corazón del cálculo está relacionado con los conceptos matemáticos de diferenciación e integración.DIFERENCIACIÓN E INTEGRACIÓN PT6. + Ax) . Como los ingenieros deben tratar en forma continua con sistemas y procesos que cambian.blogspot. ] percibir la diferencia en o entre". que sirve como vehículo fundamental para la diferenciación.1 La definición gráfica de una derivada: debido a que Axse aproxima a cero en ir de a) a c).-) Ax (PT6. . la definición matemática de la derivada empieza con una aproximación por diferencias: A> Ax = f{x.1 MOTIVACIÓN NUMÉRICA El cálculo es la matemática del cambio.lo a la PTó. http://libreria-universitaria. Como se ilustra en la figura PT6.1.1) donde y y f(x) son representaciones alternativas de la variable dependiente y x es la variable independiente.com . representa la razón de cambio de una variable dependiente con respecto a una independiente. Si se permite que Ax se aproxime a cero. el cálculo es una herramienta esencial en nuestra profesión. distinguir. la diferencia es ahora una derivada FIGURA PT6. diferenciar significa "marcar por diferencias.lc. En el contexto de las matemáticas./(*. De acuerdo con la definición del diccionario. [ . . la derivada. la aproximación por diferencias se convierte en una derivada.

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

la "selección o discriminación" de la diferenciación y el "llevar junto" de la integración se vinculan en forma estrecha con procesos que. de hecho.blogspot. están inversamente relacionados (véase la figura PT6. para una Ja = I — = /(*) http://libreria-universitaria.3a). como en (véase figura PT6.Pro. si se tiene una función dada y (í) que especifica la posición de un obj eto como función del tiempo. v(t) = d —y(t) at De manera inversa.l MOTIVACIÓN é o s Como se dijo antes. la diferenciación proporciona un medio para determinar su velocidad. Por ejemplo. y(t) = Jo f v(t) dt De esta manera. 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) = 0.36).com .3). si se tiene la velocidad como función del tiempo. la integración se usará para determinar su posición (véase figura PT6.

Después.PT6.3 15 18 dy/dx 76. Una función continua complicada que es difícil o imposible de diferenciar o integrar de manera directa. y 0 200 350 470 650 720 Ay/Ax 66. y) se tabulan y. 0 3 6 9 12 15 18 x http://libreria-universitaria. Además. b) Las 0 estimaciones de la derivada se 3 representan en forma de gráfica de barras. Una función tabulada donde los valores de x y f(x) están dados en un número de puntos discretos. la derivada o integral de una simple función se puede evaluar en forma analítica mediante cálculo. Se superpone 6 una curva suave sobre esta 9 gráfica para aproximar el área bajo la gráfica de barras.50 dy/dx. Esto 15 se lleva a cabo al dibujar la 18 curva de tal forma que áreas ¡guales positivas y negativas estén equilibradas. donde se tratarán ecuaciones diferenciales.00 21. Métodos s i n computadora p a r a diferenciación e integración \/Í. esto proporcionará la oportunidad de resaltar sus similitudes y diferencias desde una perspectiva numérica. Luego se dibuja una curva suave que intenta aproximar el área bajo FIGURA PT6 .25 25. Una función simple continua tal como una polinomio. 2.50 45.blogspot. Para el segundo caso. esos valores se grafican como una curva de pasos contra x (véase figura PT6 . En este método los datos (x. se debe emplear métodos aproximados. una exponencial o una función trigonométrica. optamos por dedicar esta parte del libro a ambos procesos. Entre otras cosas. c) Se pue(lo entonces leer los valores de de la curva suave.1 La función que será diferenciada o integrada estará usualmente en una de las siguientes tres formas: 1.50 57. nuestro análisis tendrá relevancia en las siguientes partes del libro. como es frecuente el caso en datos experimentales o de campo.com C) . o) Se usan las diferencias divididas centradas para estimar la derivada para cada X intervalo entre los datos.4 Diferenciación por áreas iguales.7 50 40 30 23.4). 3.00 36. En estos ejemplos. En el primer caso. para cada intervalo.604 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN Debido a esta relación cercana.1. Un método sin computadora para determinar las derivadas a partir de datos es conocido como diferenciación gráfica por áreas iguales. así como en el tercer caso de datos discretos. se emplea una diferencia dividida simple Ay/Ax para estimar la pendiente. las soluciones analíticas son a menudo imprácticas y algunas veces imposibles de obtener.

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

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

Para una función tabulada. cinética de reacción química y flujo electromagnético. Varios ejemplos se relacionan direclnmonle http://libreria-universitaria. o gradiente. transferencia de masa. c) Uso de un método numérico (el método do barras) para estimar la Integral con base en los puntos discretos. el paso a) es innecesario. Leyes similares proporcionan modelos de trabajo en muchas áreas de la ingeniería. la derivada proporciona una medida de la intensidad del cambio de la temperatura. entre ellos el modelado de dinámica de fluidos.25 0.414 M FIGURA PT6. La habilidad para estimar de manera exacta las derivadas es una faceta importante de nuestra capacidad para trabajar de manera efectiva en estas áreas. Así como las estimaciones exactas de las derivadas son importantes en ingeniería.599 1.5 ser •'O 2 X 0. los datos están ya en forma tabular b).945 1.7 Aplicación de un método de integración numérico: a| Una función continua complicada. Para el caso de una dimensión. por tanto.PT6. también el cálculo do integrales es valioso.25 1. ésta se puede expresar matemáticamente como Flujo de calor = —k' dT dx Así.com . b) Tabla de valores discretos de f[x) generados a partir de la función.993 2.blogspot. que promueve la transferencia de calor.75 2.1 MOTIVACIÓN 607 / * 2 + c o s ( 1 +> / V1 + 0.75 1. Fourier para la conducción de calor cuantifica la observación de que el calor fluye de regiones de alta a baja temperatura.

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

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

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

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

612 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN TABLA PT6. tan x = sec 2 x d — dx esc x = -esc x cot x dx d . 400 x + 168.2x + 12.7) Un ejemplo de una integral definida es /•0.1 Algunas derivadas de uso común. 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 . Estas "reglas" son sólo ejemplos de antidiferenciación.8 / = / Jo (0. cualquier función tal que F'(x) = f(x).8) Para este caso. encontrar F(x) de tal forma que F'(x) = f(x).2. muchas funciones de importancia práctica ion demasiado . Muchas de las reglas se resumen en manuales y tablas de integrales.9).180x + — x 3 4 5 0.9) 200 . La integración anterior depende del conocimiento de la regla expresada con la ecuación (PT6.7) como / = 1. En consecuencia.200x + 675x . . Este valor es igual al área bajo el polinomio original [véase ecuación (PT6.8) se obtiene . 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. 1 — In x = — dx x dx e* = é d . Otras funciones siguen diferentes reglas.blogspot. / = 0.com tabla PT6. es decir.8)] entre x = 0 y 0. . Enlistamos algunas de las más comunes en la http://libreria-universitaria. Sin embargo. es decir. Si se aplica esta regla a cada término en la ecuación (PT6.6405333.10) la cual se evalúa de acuerdo con la ecuación (PT6.900x + 400x ) dx 2 3 4 5 (PT6.2 + 25* .75x . La nomenclatura del lado derecho es para F(x)\ b a = F(b)-F(a) (PT6. la integración analítica depende del conocimiento anterior a la respuesta.5x 2 í b x n+\ x" dx n + 1 (PT6.8 (PT6. Tal conocimiento se adquiere con entrenamiento y experiencia. 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).8.

Lo siguiente pretende ser una revisión del material analizado en la parte seis. a * 1 bino / — = Inixl+ C x*0 1 í sen [ax + b) dx = a .eos [ax + 6) + C J í eos [ax + b) dx = . Tres de las fórmulas de Newlon-C 'otcH con un U N O más extendido se analizan con detalle: lu regla trapezoidal.jv du \u"du = ——+C x a f n*-l 1 f a dx = — — + C a > 0.1 Alcance y antecedentes http://libreria-universitaria. j PT6.com La figura PT6.PT6.sen ( a x + b) + C a jI n i x la x=xI n i x l -x+ C complicadas para ser contenidas en tales tablas.3 ORIENTACIÓN Antes de proceder con los métodos numéricos para integración. podría ser de utilidad alguna orientación adicional. formulamos algunos objetivos que ayudarán a enfocar su esfuerzo cuando estudie el material. J u dv = uv. es porque proporcionan un medio para evaluar relaciones como la ecuación (PT6.3 ORIENTACIÓN 613 TABLA PT6. Esas relaciones se basan en el reemplazo de una función complicada o datos tabulados con un simple polinomio que es fácil de integrar. En esta tabla las letras a y b son constantes y deberían no confundirse con los limites de integración analizados en el texto.3. Además. Una razón por la que las técnicas en esta parte del libro son tan valiosas..8) sin conocimiento de las reglas. la .2 Algunas integrales simples que se usan en la parte seis. El capítulo 21 se dedica al más común de los procedimientos para integración numérica (las fórmulas de NewtonCotes).10 proporciona una revisión de la parte seis. PT6.blogspot.

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

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

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

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

como se analizó en la sección 18. . reconocemos que el "método de barras" en la figura P T 6 . Sin embargo. son similares a las de extrapolación.2 La aproximación de una integral como el área bajo tres segmentos de línea f(x)n FIGURA 21.3¿>). En este sentido.618 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES te. 6 emplea una serie de polinomios de orden cero (es decir.3 La diferencia entre fórmulas de integración a) cerrada y b) abierta.5. constantes) para aproximar la integral.3a). Las formas abiertas de Newton-Cotes no se usan por lo general para integración definida. Se dispone de formas cerradas y abiertas de fórmulas de Newton-Cotes. Las formas abiertas tienen límites de integración que se extienden más allá del rango de los datos (véase figura 21. Las formas cerradas son aquellas donde los datos al inicio y final de los límites de integración son conocidos (véase figura 21. se utilizan para evaluar integrales impropias y la solución de ecuaciones diferenciales ordi- FIGURA 21.

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

la regla trapezoidal es equivalente a aproximar el área del trapezoide bajo la línea recta que conecta f(á) y f(b) en la figura 21. En nuestro caso. b) Para la regla trapezoidal. Por tanto. el concepto es el mismo pero ahora el trapezoide está sobre su lado. pero el trapezoide está sobre su lado (véase figura 21.5a).4) FIGURA 21. FIGURA 21.4 Ilustración gráfica de la regla trapezoidal.620 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES Geométricamente. la integral se representa como / = ancho x altura promedio (21.5 a) La fórmula para calcular el área de un trapezoide: altura por el promedio de las bases. .4.5¿). Recuerde de geometría que la fórmula para calcular el área de un trapezoide es la altura por el promedio de las bases (véase figura 21. el concepto es el mismo.

para la regla trapezoidal.2 + 2 5 x .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. sólo difieren con respecto a la formulación de la altura promedio.W O x + AOOx de x = 0 a 0.1.5).o I as (b — a) x altura promedio (21.^ / " ( © ( 6 . Todas las fórmulas cerradas de Newton-Cotes pueden expresarse en el formato general de la ecuación (21. obviamente podemos incurrir en un error que puede ser sustancial (véase figura 21. la regla trapezoidal será exacta.« ) ( 3 (21. con curvatura).2) £ = .8. 21.6) indica que si la función sujeta a integración es lineal.6). la altura promedio es el promedio de los valores de la función en los puntos extremo. La ecuación (21. para funciones con derivadas de segundo orden y superior (es decir.5) donde. o \f(a) + f(b)]/2. FIGURA 21. De hecho. De otra manera. puede ocurrir algún error.200x + Ó75* . .6) donde ¿¡ está en algún lugar en el intervalo de a a b. Una estimación para el error de truncamiento local de una sola aplicación de la regla trapezoidal es (véase cuadro 21.1 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.

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.1) y e v a i u a r C omo f(a) + Afia) rm 2 Para simplificar el análisis.8. fix) Use la ecuación (21.3) para dar 0.2 + 0.2. los límites de integración a y b corresponden a 0 y 1. Recuerde que para la versión de primer orden con término de error.2) Si se asume que para una h pequeña.232 = 0. esta ecuación se puede integrar: I = h «/( ) + y A / ( ) + fl f l a 2 (o? - Ja ~4~ fia) + Afia)a + —^-aia .1) se expresaría como / =h ) + Afia)a + ^-^aia . considere que como a = (x — a)lh. el término/"^) es aproxi madamente constante. 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.622 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES Cuadro 2 1 . respectivamente. La razón para C N I C gratule error os evidente de lu gráfica e n la figura 21 . dx = hda Debido a que h — b — a (para un segmento de la regla trapezoidal).5%.2 /(0.2 que el valor exacto de la integral se puedo determinar en forma analítica y es 1.2 + 25x . el primer término es la regla trapezoidal y el segundo es un. = 89.6.l)h 2 dx (B21.\)h 2 / =h Como Af(a) = /(6) — fia).1 Aplicación simple de la regla trapezoidal Enunciado del problema.467733 que corresponde a un error relativo porcentual de e. Por tanto.900.2.3) para integrar numéricamente 2 3 = 0. = 1. el resultado podría escribirse como I = h f^+W-J-fxW 2 12 Regla trapezoidal Error de truncamiento Así.640533 . 1 7 2 8 = 1.v + 400x 4 5 desde a — 0 a b = 0.640533.i aproximación para el error. la ecuación (B21.0 .2Q0x if 675x . Los valores de la función /(O) = 0. da E J E M P L O 21. Solución.1728 la cual representa un error de £. .8) = 0.232 pueden sustituirse en la ecuación (21. Recuerde de PT6. la integral podría ser (véase cuadro 18.

. indicamos que el error es aproximado mediante la notación E .' 2 ' + /. lti «esobre el intervalo podría calcularse al diferenciar dos veces = .7).10 800x + 8 000x ) dx 2 3 I I \ | ) j que podría sustituirse en la ecuación (21. Las ecuaciones resultantes son llamadas fórmulas de integración. En consecuencia. de múltiple aplicación o compuestas. x„)...1.8) 3 = 2. a p r o x m i a c ó i n ( u n c ó in podríamos no conocer previumcnle el vulor reul.8 muestra el formato general y nomenclatura que usaremos para caracterizar integrales de múltiple aplicación..4 0 0 + 4 050JC .10 800x + 8 OOOx 2 3 El valor promedio de la segunda derivada se puede calcular mediante la ecuación (PT6.4): 0.. Hay n + 1 puntos base igualmente espaciados (x . de hecho. existe una discrepancia.56 la cual es del mismo orden de magnitud y signo que el error real. Las áreas de segmentos individuales se pueden entonces agregar para dar la integral para todo el intervalo. a t 21. de/"(<jj).6) para obtener =-^(-60)(0. para un intervalo de este tamaño el promedio de la segunda derivada no es necesariamente una aproximación exacta Así.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! .4 0 0 + 4 050* . 2 . /.. /'\!' 2 1 . Para obtener dicha estimación.7) Si a y b son designados como x y x . Sin embargo. La figura 21. la integral total se representará como 0 n / = í ' f(x)dx+ í /\\)<ix - / f(x)dx Al sustituir ln regla trapezoidal puní etulu integral se obtiene /lUl) 1 /U|) -MI J \(i / „../ < * «» ' V„ J 1 ( 2 1 .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. respectivamente. x . . más exacto que usar E . Por lunlo. x . del error estimado.8 ( . ya que. 8 ) . hay « segmentos de igual anchura: 0 x 2 h = (21..

a) Dos segmentos.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.

»i unm»»—Enmy—*•—•» i' (21.o.10) Ancho AltUItffom«llo Como In sumtiloriii de I ON coeficientes d c / ( . hi ahina promedio lepicneula un promedio ponderado de los valores de la función.).5).. De «cuenlo con ln'ccuitelrtn (21. .9) en el formato general do lu ecuación (21. \ ) en el numerador dividido entre 2n os ¡giinl a I . los puntos interiores dnn dos veces el poso do los (I ON puntos ex (remo/'(.*„) y /(#. usando la ecuación (21.y) o. mediante agrupación de términos.7) para expresar la ecuación (21.10). h ' = 2 M . 7=(6-c) v ' /w+/&) i—W—^ i u".l / ( * o ) + 2 £ / ( * ¡ ) + /(*») (2i.

Emplee la ecuación (21.8.3)] ¿/"fe) f „ ^ U n n (21.626 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 . Observe que la ecuación (21. EJEMPLO 2 1 . Solución. determinada antes en el ejemplo 21. n — 2(h = 0. junto con de tres a dio/.232 —• — = 1. si el número de segmentos se duplica.640533. Este resultado se puede simplificar al estimar la media o valor promedio de la segunda derivada para todo el intervalo como [véase ecuación (PT6.13) Así. integral de f(x) Use dos segmentos de la regla trapezoidal para estimar la = 0. Recuerde que el valor correcto para la integral es 1. 2 Regla trapezoidal de múltiple aplicación l Enunciado del problema.¿ ^ & > i=\ donde f"(^¡) es la segunda derivada en un punto %¡ localizado en el segmento i. el error de truncamiento disminuirá a un cuarto.456 /(0.64 12(2) ' ¡ I donde — 60 es el promedio de la segunda derivada.200x 2 + 615x 3 .13) para estimar el error. segmentos do uplicuoión de U regla trapezoidal. Los resultados del ejemplo anterior.1.456) + 0.8) = 0. = 34.1.2 + 25x .a) 3 ^ „ (21-11) ' = Í 2 ¿ 3 .900 JC + 4 0 0 x 4 5 desde a = 0 hasta b = 0.13) es un error aproximado debido a la naturaleza aproximada de la ecuación (21.11) se puede reescribir como E = { b •' a ' f f" 12n (21.0688 = 0.12).640533 .-) — f"y la ecuación (21.57173 E a = — ^ r ( -2 6 0 ) = 0.2 + 2(2.4): /(O) = 0.0688 4 s. = 1.12) Por tanto 2/"(§.4) = 2.8 /(0. Observe cómo el error diiminu- .232 0.9% E.1. u rapjifjjMafldfcti&li 21.2 / = 0.

1 4.5399 1. listo OH debido a que el error está invcrsumcnlc relacionado con el cuadrado de n | véiisc ecuación (21.16 0.2 0.1333 0.5 6. 21.2 3+ 25x- 200X + 2 de x = 0 a 0. así como ecuaciones.3 3. En el siguiente capítulo ilustraremos cómo se puede manejar esas funciones.4848 1. analizaremos los algoritmos de cómputo para implementar la regla trapezoidal.0889 0. a) Un solo segmento FUNCTION Trap (h. El valor exacto es 675X 1 1.1 Resultados de la regla trapezoidal de aplicación múltiple para estimar la integral de f[x) = 0. La segunda (véase figura 21 .5703 1. Sin embargo.9a) es para la versión de un solo segmento. n 2 3 4 5 6 7 8 9 10 0. n.5 9.9 se enlistan dos algoritmos simples para la regla trapezoidal.13)].6 FIGURA 21.3695 1.5887 1. TABLA 21.2667 0.6091 1. Un programa general debería tener la capacidad de evaluar funciones conocidas. Observe que ambos están diseñados para datos que se hallan en forma tabular. fí) Trap = h*(f0 + fí)/2 END Trap b) Segmentos múltiples FUNCTION Trapm (h.9b) es para la versión de múltiples segmentos con una anchura de segmento constante.9 16. ul duplicar el número de segmentos diNtninuye en un cuarto el error. f) eum = f D0¡=1. El primero (véase figura 21.1 0.900X + ÁOOx 4 5 1 .0688 1.6008 1.1 143 0. observe tninbicn que in razón de dlnmlnuoi6n M uradunl. Sin embargo. antes de investigur esas fórmulas.4 1.n-1 eum = sum + 2 *f¡ END DO sum = eum + f„ 0 Trupm m h • eum / 2 END Trtpm .ye en lauto gl númotHi d« Negmenlos uumentu.2 2.3 A l g o r i t m o s de cómputo p a r a la regla t r a p e z o i d a l En la figura 21.9 Algoritmos para la regla trapezoidal a) de solo segmento y b) de segmentos múltiples. 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.08 h e (%) t 34. Por lanío.8.640533.9 1.6150 .4 0. fO.1.

10. Dicho software puede evaluar las integrales. = f (i _ . Use el software de métodos numéricos TOOLKIT para resolver un problema relacionado con nuestro amigo el paracaidista en caída.1) Jo (t)dt donde d es la distancia en metros.-(12.5)] 2 i > ( 0= gm c (1 _ -(clm).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. puede hacer clic en la tabla de función de entrada e introducir la función. Sustituyendo en la ecuación (E21.3.1).43515 m.' ') c Jo (c m) e d dt Use el software de métodos numéricos TOOLKIT.5 (1 H v —i . y su propio software. También proporciona una buena referencia para asegurar y probar su propio software. Observe que al desarrollar la integración en forma analítica y sustituir los valores de parámetros conocidos se obtiene un valor exacto de d — 289. Luego.} (E21.1. . Suponga que desea saber qué tan lejos ha caído el paracaidista después de cierto tiempo t. EJEMPLO 2 1 . 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. m — masa del paracaidista igual a 68. para determinar esta integral con la regla trapezoidal de aplicación múltiple mediante diferentes números de segmentos. Esta pantalla contiene la información de entrada y salida necesaria para integrar una función analítica o datos tabulares. 3 Evaluación de integrales con la computadora j I | | Enunciado del problema. g — constante gravitacional de 9. Esta distancia está dada por [véase ecuación (PT6. bien de datos tabulados o de funciones definidas por el usuario. El siguiente ejemplo demuestra su utilidad para evaluar integrales. Solución.1 kg y c = coeficiente de arrastre de 12. Primero.3.10.1.628 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. la velocidad del paracaidista está dada como la siguiente expresión en función del tiempo: e donde v = velocidad (m/s).8 m/s . Como usted recordará del ejemplo 1.1) 12. como en la figura 21. como se describió en el ejemplo 1. v(t) = 9. 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.8(68.5 kg/s.5/68.

7491 stimada.4 x 10" 1. cerca de siete cifras significativas de precisión).. Sin embargo.0593 9.4337 289.4336 289.l Asi. Podemos tratar con otros números de segmento de unu manera conveniente. como se muestra en la figura 21.2 x 10" 1.(%) d e288. Así.4282 289._• I •''<" .4 x 10 5.•-) : .5 x 10 2.Rnnilr* Integial < Seg Width Ww* 2887491 1 m*:": ' Help I :>«-.9b y emplear números de simple precisión (por ejemplo.2 0.002 0.02 0.7491.4317 0.j . repetir este problema con un programa basado en el pseudocódigo de la figura 21 . Con n — 500. hemos obtenido la integral con tres cifras significativas de exactitud. Los resultados son tgmentos T a m a ñ o del s e g m e n t o *. Podemos.237 0. La integral es equivalente al área bajo la curva v(t) contra t. Después de hacer clic en los botones Cale y Plot. . se despliega una integral calculada de 288.2 x 10 :l .4360 289.01 0. hasta cerca de 500 segmentos. la regla trapezoidal de aplicación múltiple obtieiw «célente exactitud.1 0. por tanto. Una gráfica de la función que expone los segmentos se muestra en la figura 21.!£«!!=.001 289. observe cómo el error cambia do signo y empieza a .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.4076 289.10.05 0.4369 289.0 0.5 0. En este punto.2636 289.10.9 x 10" 5.J3ü». 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). m 10 20 50 100 200 500 1 000 2 000 5 000 10 000 1.0 x 10" -5.2 x 10" -3. el resultado es exacto hasta seis cifras significativas.1 FIGURA 21.4348 289.005 0.

• • Ahora veremos una forma en la cual se puede mejorar la eficiencia. Del ejemplo 21. Por ejemplo. los cuatro puntos se pueden conectar con un polinomio de tercer orden (véase la figura 21.2.1 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. De esta manera. Esto se debe a la inclusión del error de redondeo por el gran número de cálculos para todos esos segmentos.4351 que se obtiene en forma analítica. los tres puntos se pueden conectar con una parábola (véase figura 21. Las fórmulas que resultan al tomar las integrales bajo esos polinomios son conocidas como reglas de Simpson. Por último. o b) donde la misma función es consumidora de tiempo en su evaluación.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.11a). otra forma de obtener una estimación más exacta de una integral es con el uso de polinomios de orden superior para conectar los puntos. podría ser muy importante cuando: a) se evaluarán numerosas integrales. mediante polinomios de orden superior para aproximar la integral.116). 21.3 puede tomarse en cuenta tres conclusiones principales: • Para aplicaciones individuales con buen comportamiento de las funciones. Si se requiere de alta exactitud. 21. El caso de 10 000 segmentos de hecho parece divergir del valor real. Aunque este esfuerzo puede ser insignificante para una sola aplicación. la regla trapezoidal de múltiples segmentos es casi fina para obtener el tipo de exactitud requerida en muchas aplicaciones de la ingeniería. el nivel de precisión está limitado y nunca podría alcanzar el valor exacto de 289. 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. Esta limitación se analizará con más detalle en el capítulo 22. Para tales casos. podrían requerirse procedimientos más eficientes (como aquellos planteados en lo que falta de este capítulo y en el próximo). Si hay dos puntos igualmente espaciados entre f(a) y f(b). la regla trapezoidal de múltiples segmentos demanda un gran esfuerzo computacional. Es decir.630 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES aumentar en valor absoluto adelante del caso de 500 segmentos. si hay un punto extra a la mitad del camino entre f(a) yf(b).\ A » * . los errores de redondeo representan una limitación en nuestra habilidad para determinar integrales.1): nb rb I = / 1 f{x)dx £ / Mx)d.

14).x ) -f{xi) 0 2 2 0 2 2 (x -x )(x 2 .iste en tomar el área I H i|( > una ecuación cúbica ( | i i ( ! conecta cuatro puntos. h = (b — á)l2. Esta ecuación es conocida como regla de Simpson 1/3. el punto medio está ponderado por dos tercios y los dos puntos extremos por un sexto. de acuerdo con la ecuación (21. La regla de Simpson 1/3 se expresa también con el uso del formato de la ecuación (21.15).'. 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. Es la segunda fórmula de integración cerrada de Newton-Cotes. | i ) Ilustración gráfica de la i t i i |lii de Simpson 3 / 8 : 11 ui.(x )A 'W4 FIGURA 21.L xi)(x (x-x )(x-x ) ftxo) + .f. que está dado por (b + a)/2. resulta la siguiente fórmula: / = |[/(Jfo) + 4/(A.x) (x¡ . yf { ) representada por un polinomio de Lagrange de segundo orden [véase ecuación (18.5): Iss( p-a) Ancho 0 2 /(*o)+ * / ( * .23)]. para este caso.X\)' dx Después de la integración y manejo algebraico.X\) [x -x )(x -f(x ) . b) Si a y b se designan como x y x .x )(xi .) + f(x )] 2 (21. Una obtención alternativa se muestra en el cuadro 21. 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 . b — x y x = punto a la mitad del camino entre a y b.3) x . Observe que.3 donde el polinomio de Newton-Gregory se integra para obtener la misma fórmula. La especificación "1/3" surge del hecho de que h está dividida entre 3 en la ecuación (21. ) + M ) Altura promedio ( 2 U 5 ) donde a — x .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.14) donde.

A /(*o) 2 Como se hizo en el cuadro 21.) + y A / ( x ) + l — . (21. En lugar de ser proporcional a la tercera derivada. la regla de Simpson 1/3 es más exacta que la regla trapezoidal. Ya que se suprime la tercera diferencia dividida.3 ) / ¡ da 4 -a(ot a(a — 1) / = JLr/ . Observe también que los límites de integración van de x a x . en comparación con la ecuación (21.v ) + 2A/U. ( o ) + 4/^) + ñ x 2 ) ] _ .3.) • 0 0 A /(x ) 2 0 1 (B21.3.2 para la regla trapezoidal. Esto es porque. el primer término es la regla de Simpson y el segundo es el error de truncamiento.3. Por tanto. cuando se hagan las sustituciones simplificadoras (recuerde el 0 2 i 2 0 2/(.1) cuadro 21. 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)/! 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. la regla de Simpson 1/3 se puede obtener al integrar hacia adelante el polinomio de interpolación de Newton-Gregory (véase cuadro 18.2): I en J.laecuación(B21. Así.2) (a .) -/(* )yA /-(x ) = / ( x ) . Debido a que A/"(x ) = /(x. En O O A I I G M A O I L . Sin embargo.1)(<* . = -¿¿ / (§) 5 M) o. el error es proporcional a la cuarta derivada. La razón para esto se verá un poco después.2).D ( « .16) 2 880 donde ^ está en algún lugar en el intervalo desde aab.632 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES Cuadro 2 1 .6) indica que es más exacta de lo esperado. el término del coeficiente de tercer orden va a cero durante la integración de la interpoUoión polinomial. como se muestra en el cuadro 21.L / 4 ) ( ^ REGK DE SIMPSON 173 ERROR DE TRUNCAMIENTO que se puede integrar para obtener Así.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 « ( " . E.2f{x ) +/(* ). la regla de Simpion 1/3 tiene una preci- .2) (a . 3 Obtención y estimación del error de la regla de Simpson 1 / 3 / = h «/(*<. como h = (b — a)ll. obtenemos el resultado significativo de que la fórmula tiene una precisión de tercer orden.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) « ( « .

6% la cual es aproximadamente 5 veces más precisa que una aplicación simple de la regla trapezoidal (véase ejemplo 21.12): h = b —a n (21.900x + 400x desde a = 0 a b Solución.367467 que representa un error exacto de E.1.640533.8 0. Como ocurrió en el caso del ejemplo 21.sión de tereef ofdstt aun uiiaiidu He bnsc en sólo tres puntos. el error es aproximado (E ) y es debido a que el promedio de la cuarta derivada no es una estimación exacta de/* (£).456) + 0.16)] E = a (0. /(O) = 0. Recuerde que la integral exacta es 1.2 /(0.2730667 e.2730667 2 880 5 donde —2 400 es el promedio de la cuarta derivada para el intervalo. la regla de Simpson se puede mejorar al dividir el intervalo de integración en un número de segmentos de igual anchura (véase figura 21. El error estimado es [véase ecuación (21. 0. f(x) Use la ecuación (21.232 Por tanto.2 + 4(2. a 4) 21.8.4) = 2.2. como en este caso tiene que ver con polinomios de quinto orden. el resultado concuerda. = 1.640533 .2 + 25* . como se obtuvo por medio de la ecuación (PT6.367467 = 0. la ecuación (21.( . 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.4). ¡lin otras palabras.1).8) = 0.232 6 = 1.1.2 400) = 0.200x + 675x .15) se puede usar para calcular / =0.456 /(0.17) La integral total se puede representar como .15) para integrar 2 3 4 5 = 0. Sin embargo.2 La regla de S i m p s o n 1/3 de aplicación múltiple Así como con la regla trapezoidal. = 16.8) — ' .

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

017067 El error estimado [véase ecuación (21.017067 180(4) ' a 4 s.Veriión d« la rugía cim ülmpiun I /J do aplicación múltiplo Enunciado dol problema. se considera superior a la regla trapezoidal para la mayoría de las aplicaciones.V|) + 3/(a) + / ( * .675A.9 0 0 A + 4 0 0 * desde a = 0 hasta b = 0.623467 = 0.4) = 2.2): /(0.464) + 2(2..2 400) = 0. Además.04% El ejemplo anterior ilustra que la versión de la regla de Simpson 1/3 de aplicación múltiple da resultados precisos..456 /(0./'(*. la fórmula de segmentos nones y puntos pares conocida como regla de Simpson 3/8 se usa en conjunto con la regla 1/3 para permitir la evaluación de ambos números de segmentos pares y nones.oZj4o/ E. está limitada a casos en los que los valores son igualmente espaciados.640533 . Solución.232 A partir de la ecuación (21. gral de U n o lu ecuación (21. = 1.2 + 4(1.3 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. = 1. está limitada a situaciones donde hay un número par de segmentos y un número non de puntos. = )] H nb rb |.288 + 3.2 /(0. Sin embargo.2) = 1.2()().288 /(0. 21.232 12 = 1. Por esta razón. / = (J.O 0.18) con n — 4 para estimur la inte2 1 4 5 /'(.6) = 3.2 + 25.r ( . En consecuencia.8) = 0. como se mencionó antes.640533.v) = 0.19)] es E = — ^ .1.8. n = 4 (h = 0.456) + 0.v -1. como se analizará en la siguiente sección.18).v . Recuerde que la integral exacta es 1.2.) + 2 .464 /(0) = 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/(.

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. la regla 3/8 es algo más exacta que la de 1/3. Esta es la tercera fórmula de integración cerrada de Newton-Cotes. mientras los puntos extremos pesan un octavo.20) Altura promedio Así.5): Issjb-a) Ancho + 3 / ( X l ) + 3 / f e ) + m m (21. La regla de Simpson 3/8 tiene un error de ' 80 J o. Esta ecuación se llama regla de Simpson 3/8 debido a que h se multiplica por 3/8. /|x) A . ya que h — (b — a)/3.21) Como el denominador de la ecuación (21. los dos puntos interiores tienen pesos de tres octavos. E Jtz^tji^ 6 480 (21.636 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES donde h — (b — «)/3. FIGURA 21.21) es mayor que el de la ecuación (21.16). La regla 3/8 se puede expresar también en la forma de la ecuación (21.

8) " = -Tlérí6 4 8) 0 2400 5 = 0-1213630 | | b) Los datos necesarios para la aplicación de cinco segmentos (h — 0. 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. = 1. Solución.8) = 0.«()) 0. = 7./Í0. ya que alcanza exactitud de tercer orden con I T C N puntos más que los cuatro puntos requeridos pora la versión de 3/8.32) = 1.4% 2 + 3 4 3 2 7 2 4 3 4 = /(0.640533 . Como ilustración.3.8.232 La Integral para los dos prlmeroi segmentos se obtiene usando la regla de Slmpion 1/3! .1./{().La regla do Nlmpaun 1/1 en o moñudo ol método de preferencia. lu rogln de 3/8 tiene utilidad cuando el número de segmentos es impar. Una opción podría ser usar una versión de aplicación múltiple de la regla trapezoidal como se hizo en los ejemplos 21. a) Use la regla de Simpson 3/8 para integrar \ ! I | f(x) = 0. debido al gran error de truncamiento asociado con este método.16) = 1. | a) Una sola aplicación de la regla de Simpson 3/8 requiere de cuatro puntos igualmente espaciados: /(O) = 0.200x + 675x .20) / . en el ejemplo 21. 6 Regla de Simpson 3 / 8 Enunciado del problema.519170 = 0. sin embargo.181929 /(0. .232 ' ? E (0.2 + 25x .Sin embargo.432724 /(0.64) .2 y 21.186015 .13).743393 . De esta forma.487177 Usando la ecuación (21.232 ' 8 E.296919 .2 /(0.900x + 400x 2 3 4 5 desde a = 0 hasta b — 0./t0./(0. EJEMPLO 2 1 .8 ? 1 7 7 ) + 0. podríamos obtener un estimado con una precisión de tercer orden a través de todo el intervalo.1213630 e.3.5333) = 3. Esto puede no ser recomendable.16) es /(0) = 0.48) = 3.5 usamos la regla de Simpson para integrar la función para cuatro segmentos. b) Úsela en conjunto con la regla de Simpson 1/3 a fin de integrar la misma función para cinco segmentos.2667) = 1.0 S °' ^+ .2 . Suponga que usted desea una estimación para cinco segmentos.

3803237 6 Para los últimos tres segmentos. Un programa general debería tener la capacidad de evaluar funciones conocidas así como ecuaciones.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. 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. como en el caso de las reglas de Simpson 1/3 y 3/8. = 1.743393 + 3(3. cuando la función es conocida y se requiere de alta precisión. Observe que el programa de la figura 21. 2 % 9 1 9 ) + 1.1. Para el caso de pares. 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.186015 + 3. Algunas de las fórmulas se resumen en la tabla 21.14¿¡f está acondicionado para usar números de segmentos pares o nones. 0.264754 8 La integral total se calcula al sumar los dos resultados: / = 0. .0 . en la práctica de la ingeniería. Observe que todas se hallan diseñadas para datos que están en forma tabulada. La precisión se puede mejorar al usar la versión de aplicación múltiple.264753 = 1.743393 — = 0. Observe que. junto con su estimación del error de truncamiento. las fórmulas de cinco y seis puntos tienen el mismo orden de error.5 F ó r m u l a s cerradas de Newton-Cotes de o r d e n s u p e r i o r Como se observó antes.2. Además.14 se bosqueja el pseudocódigo para diferentes formas de reglas de Simpson.232 = 1. se debe resaltar que. se aplica la regla de Simpson 3/8 a los tres últimos segmentos y la regla 1/3 a los segmentos previos.2.2. 21.2 + 4 ( 1 .FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES / y.32 0. 2 8 % 21. OfitMB ajternativas viables y atractivas. Las reglas de Simpson bastan para la mayoría de las aplicaciones.640533 . Sin embargo. descritos en el capitulo 22. En los nones. En el siguiente capítulo ilustraremos cómo se puede manejar esas ecuaciones.3803237 + 1. = . la regla de Simpson 1/3 se aplica a cada par de segmentos y los resultados se suman para calcular la integral total.645077 E.48 1. los métodos como la integración de Rombcrg o la cuadratura de O K U I I .181929) + 0. las fórmulas de orden superior (que son mayores de cuatro puntos) son usadas muy rara vez.645077 = -0. la regla 1/3 y la regla de Boole) usualmente son los métodos de preferencia. la regla 3/8 se puede usar para obtener / = 0.00454383 e.

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

305241 1.12975 = 1.22) donde h¡ = ancho del segmento /. ilustraremos en el siguiente ejemplo cómo se puede aplicar la ecuación (21. la ecuación (21.22) a los datos de la tabla 21. = 2 . 4 0 0 . 1 2 0.3 fue generada mediante el | mismo polinomio empleado en el ejemplo 21.594801 1 TABLA 21. En la práctica.22) para evaluar una integral.8) podría simplificarse al agrupar términos para obtener la ecuación (21.0 0 . Aunque esta simplificación no puede aplicarse a la ecuación (21.80 2 .32 0.22 0. 2 0 0 0 0 0 1. 3 6 3 0 0 0 0 .70 0. H u / ( * „ . .22) es que las h en la primera son constantes.900X + 4 0porcentual 0 X .44 0. es posible desarrollar de manera fácil un programa en computadora para acomodar los segmentos de tamaño desigual.12 + 2. 2 + 25x . Use la ecuación (21. + 0. Antes de describir ese algoritmo.363 1 = 0.305241 + 1. U / ( * 0 ) + . Para esos casos.L ) + / ( * „ ) l=hi ~ + " 2 2 ' " 2 (21. X """""""'"ÍLX)'"*" X 0. los datos derivados experimentalmente son a menudo de este tipo.64 0.640533. La información en la tabla 21. En consecuencia. un método es aplicar la regla trapezoidal a cada segmento y sumar los resultados: .36 0 .8) y (21.743393 2 .3 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES INTEGRACIÓN CON SEGMENTOS DESIGUALES Hasta este punto. Observe que éste fue el mismo procedimiento que se usó en la regla trapezoidal de aplicación múltiple.22) para determinar i la integral para estos datos. EJEMPLO 21.309729 + 0. 0 7 4 9 0 3 2 .10 1. La única diferencia entre las ecuaciones (21. i ? í \ | Solución. 5 0 7 2 9 7 3 . Si se aplica la ecuación (21.309729 1. 2 3 2 0 0 0 . .7 Regla trapezoidal con segmentos desiguales | Enunciado del problema.130749 + • • • + 0.640 21. 8 4 2 9 8 5 3 .22).2 + 0.10 n 7=0.309729 0.232 + .9). 1 8 1 9 2 9 2 . con valores 2 3 4 5 de x desigualmente espaciados.54 0.090584 + 0. 4 5 6 0 0 0 0.3 se obtiene 1.8% 675X .3 Datos para f(x) = 0 . Recuerde que la respuesta correcta es 1 . Por ejemplo. . existen muchas situaciones donde esta suposición no se cumple y debemos tratar con segmentos de tamaño desigual. todas las fórmulas para integración numérica se han basado en datos igualmente espaciados.1. u / ( S I ) + /fe) .2 0 Ü X + la cual representa un error relativo absoluto de £.

7 se ilustran en la figura 21.32 son de igual longitud.FIGURA 21. Esto usualmente nos lleva a resultados más precisos.2—: — = 0.309729 + 0.12 a 0. pero ahora use las reglas de Simpson para aquellos segmentos donde son apropiados. como lo ilustra el siguiente ejemplo.309729 / = 0. Solución. De manera similar. por tanto. Los datos del ejemplo 21. El primer segmento se evalúa con la regla trapezoidal: „ 1.15 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. Vuelva a calcular la integral con los datos de la tabla 21.743393 + 4(1.12 •— = 0. Observe que alguno* segmentos adyacentes son de igual anchura y.2 / = 0. la regla 1/3 se puede aplicar a .3. Inclusión de las reglas de Simpson en la evaluación de datos no uniformes Enunciado del problema. pueden evaluarse con la regla de 3/ft para dar / = 0.09058376 Debido a que los dos siguientes segmentos que van de x = 0.2758029 Los siguientes tres segmentos también son iguales y. su integral se puede calcular con la regla de Simpson 1/3: . 1.305241) + 1. en consecuencia.2726863. pudieron haberse evaluado mediante las reglas de Simpson.15.

. DO J = 1. fj_ fj_ f^) k = k-1 EL5E k = k+1 END IF EL5E IFk = 1 THEN eum = eum + Trap (7% FJ_. el cual es superior al resultado que se obtuvo mediante la regla trapezoidal del ejemplo 21. n) LOCAL I.16a.44 hasta 0.64 para obtener I = 0. x.603641. El algoritmo se lista en la figura 21. Programar la ecuación (21.OOOOOI THEN IFk = 3 THEN eum = eum + 5imp13 (h. se pueden evaluar con la regla trapezoidal para dar valores de 0.1663479 y 0. Finalmente. 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. o) FUNCTION Trapun (x.n eum = eum + (x¡ .2%.7. f) h=x -x k=1 eum = O. a) Regla trapezoidal y b) Combinación de reglas de Simpson y trapezoidal.16 Pseudocódigo para integrar datos desigualmente espaciados.. respectivamente. El área de esos segmentos individuales se suma para dar una integral total de 1.. los cuales son de longitud desigual.642 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES los dos segmentos desde x = 0. FP EL5E IFk = 2 THEN eum = eum + 6\mp13 (h. los dos últimos segmentos.eum .n 1 0 IF A35 (h . y.x )*(y END DO Trapun = eum END Trapun H b) H + y¡)/2 FUNCTION Uneven (n. FIGURA 21. Esto representa un error e = 2.22) es una proposición bastante simple. eum eum = O DO i=1. Univon . fj_ f-) EL5E eum = eum + Simp33 (h.6684701. t Programa de cómputo para datos espaciados de manera desigual.1297500. .hf) < .

tienen utilidad para analizar integrales impropios. Si dos segmentos consecutivos son de igual longitud.(b . ya que requieren menos puntos para alcanzar la misma precisión que con las fórmulas de segmentos nones y puntos pares. El tamaño de paso está dado por h . se aplica la regla de Simpson 1/3.5) para que los factores ponderados sean evidentes. pares sucesivos de las fórmulas tienen el mismo orden de error. Si tres son iguales.5) de manera quo el peso de los datos para estimar la altura promedio sea aparente.| 2 2f|x. Adetnáa.8.4 resume las fórmulas de integración abierta de Newton-Cotes. tienen In relevancia de nuestro análisis de métodos multipnsos para la solución de eotiflolonen diferenciales ordinarias en el capitulo 26. 4 Fórmulas de integración abierta da Newton Cotos. 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. Sin embargo. el procedimiento es resaltado ai se implementan las reglas de Simpson cuando sea posible. Así. se implementn la regla trapezoidal. se reduce a las reglas de Simpson.)-í|x | ? + (l/3]/> f"(íl 3 |b-o) fa [3/4}h fU) 3 _ 2f(x. 1 . . 20 Sin embargo. Como se ilustra en la figura 21.UN fórmulas abiertas no se usan a menudo para integración definida. como se demostró en el ejemplo 21.a)/n. Cuando los segmentos adyacentes son de longitud desigual.21. Como con las versiones cerradas.1 6b. Por esta razón desarrollamoa un segundo algoritmo que incorpora esta capacidad. Las fórmulas se presentan en «I formato de la ecuación (21. Como tal. se una la regla 3/8. Las fórmulas se expresan en la forma de la ecuación (21.4 I E R T A TABLA 2 1 .| 3 24 llf| )-14f|x ) X l 2 + |95/144)f) fl >|§) 5 4 26f|x3)-14f|x ) 4 (41/140)//f (£) |6. no sólo permite la evaluación de segmentos de datos desiguales. como NO analiza en el capítulo 22. 21. Las fórmulas de segmentos pares y puntos nones son por lo común los métodos de preferencia. La tabla 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. el algoritmo verifica la longitud de los segmentos adyacentes. representa un algoritmo básico para todo propósito en la determinación de la integral de datos tabulados. sino que al usar la información igualmente espaciada.

d) regla de Boole. P i n l u •valuaciones numéricas use a) una sola aplicación f Jo 21. Evalúe esta integral con la regla trapezoidal de segmento múltiple. 21. b) la regla de Simpson 1/3. con n = 5.x . Jo 0A x {l. 21. paro ai^¡aj||Jij»jegla» de Simpson.1 Use medios analíticos para evaluar a) j* b) J (1 - e.)dx x 5 4 de la regla trapezoidal.3 0.2 Emplee una sola aplicación de la regla trapezoidal para evaluar las integrales del problema 21. c) regla de Simpson 3/8.11 Integre la siguiente función on forma analítica y nuniériM. 21.13 Integre la siguiente función./) fórmula de integración abierta con 3 segmentos/2 puntos y g) fórmula de integración abierta con 4 segmentos/3 puntos.8 Integre la siguiente función mediante la regla trapezoidal. con n = 4 y 5: j (4x. 21.14.1 con una sola aplicación de la regla de Simpson 1/3. 3 y 4: (x + l/x)" dx Calcule los errores relativos porcentuales con respecto al valor real de 4.14 Evalúe la integral de los siguientes datos tabulados con la regla trapezoidal: X 0 1 0. use la versión de aplicación múltiple con n = 4. 21. (8 + 3 sen x) dx Calcule los errores relativos porcentuales de los resultados numéricos.9 Integre la siguiente función en forma analítica y con las reglas de Simpson.17 Realice la misma evaluación que on el problema 21. Para las evaluaciones numéricas use d) una sola aplicación de la regla trapezoidal.5 Evalúe las integrales del problema 21. 21. Para los dos casos.15 Realice la misma evaluación que en el problema 21. b) regla de Simpson 1/3. e) regla de Boole.16. c) regla de Simpson 3/8.12 Integre la siguiente función en forma analítica y numérica. Analice sus resultados.3 Evalúe las integrales del problema 21. con n = 4 y 6.2-x)(\-e 20 (. e) método de punto medio.4 Evalúe las integrales del problema 21. Use una n lo suficientemente grande para que tenga usted 4 cifras significativas de exactitud. pero ahora use las reglas de Simpson.1 con una regla trapezoidal de aplicación múltiple.644 PROBLEMAS FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES 21. 21.1 con una aplicación múltiple de la regla de Simpson 1/3. f|x) 7 4 3 5 2 Calcule los errores relativos porcentuales para los resultados numéricos. j) el método de punto medio. d) aplicación múltiple de las reglas de Simpson (« = 5). con n = 2.8333 para evaluar la exactitud de las aproximaciones trapezoidales.602297.2 0. (1 .1.16 Evalúe la integral de los siguientes datos tabulados mediante la regla trapezoidal: -3 -1 dx flx) 1 1 3 21. 21.4 y 6.1 0. Use las reglas trapezoidal y lá de Simpson 1/3 para integrar numéricamente la función. y h) fórmula de integración abierta con 4 segmentos/3 puntos. 21. 2.10 Integre la siguiente función de manera analítica y numérica. 21. 21.4 0.1. 21. conn = 1.7 Evalúe las integrales del problema 21.+ 5) dx 3 Calcule los errores relativos porcentuales de los resultados numéricos.A¿ + x ) dx (8 + 4senx)<¿x c) J Jo 15 2t dx 21. g) la fórmula de integración abierta con 3 segmentos/2 puntos. 21.5 Analice los resultados.v -l) ) dx Observe que el valor real es 0. . pero ahora use una aplicación múltiple de la regla de Simpson.1 con una sola aplicación de la regla de Simpson 3/8.6Evalúe las integrales del problema 21.

Calcule el error relativo porcentual. • 3y +xy ) dx dy Use la opción gráfica para que le ayude a visualizar el concepto il) timilllieumente. c) sólo con aplicaciones de la regla de diferentes tamaños de paso para cada problema. 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. imkulc el error relativo porcentual (£.13.14c.1 0. 2 2 Desarrolle un programa en computadora de uso amigablo II. a) agregue comentarios de docullil < • mentación al código. b) usando la ecuación (PT6. Pruebe HltlilD espaciados: su programa con los mismos datos de cálculo del 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. y c) mediante la ecuación (PT6. 2 1 . d) el problema 21.).5 0.10 y e) el problema 21. \ J-4J0 J-l 2yz) dx dy dz d) analíticamente y b) usando sólo aplicaciones de la regla de Simpson 1/3.71* .8. 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.2 con a) medios 2 1 . 2 0 I i valúe la siguiente integral doble: de métodos numéricos (o su propio programa a partir del problema 21.12.4966 0. b) el problema 2 1.).8.0.4. 2 4 Desarrolle un programa de cómputo de uso amigable para H I I H I I I K O S . Entre otras cosas.6065 0. Intento liupivimliil (/i = 2). Para b) calcule el error relativo porcentual (e.5.2 la versión de aplicación múltiple de la regla de Simpson con base I 0. I N Determino el valor medio de la (unción /( o • •ULTRA SlmpHon 1/3. 1 2 2 b a .166. 2 1 . b) con una aplicación múltiple de la regla que I = ¡ f(x) dx es el área entre la curva f(x) y el eje.3867 0. Pruébelo con los mismos datos de cálculo del ejemplo 21.I I .4) y la evaluaR O N ttiinlilica de la integral.95 1. 2 1 .2. Para b) y e ) calcule el error relativo porcentual (('. Para b) y c). 21. 2 1 Evalúe la integral triple 4 4d + 45.7 o 0.IV función para la regla trapezoidal de aplicación múltiple con base en la figura 21.4) y I I H M versión de la regla de Simpson con cinco segmentos para •lllinm In integral.3.3 0. 2 3 Desarrolle un programa de cómputo de uso amigable para 0. t'viilíic la integral desde a = 0 hasta b = 1.2. c) el problema 21. 2 1 .9048 0.22) para repetir a) el problema 21.7408 0. emplee las reglas de Simpson 21.Ü72^' 2 3 2 y 10 a) graficando la función y estimando en forma VlHlIH1 el valor medio.V .3012 en la figura 21. 2 5 Use el programa Intégrate Function del disco T O O L K I T 1 1 .8JC + 1.9.

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

Es muy similar a las técnicas analizadas en el capítulo 21 . Sin embargo. intervalo de integración (a. Para una función analítica. Observe además que se requiere un número muy grande de evaluaciones de la función (y. a. 2 3 4 5 22. aunque se lengu que hacer manipulaciones matemáticas.2 I N T E G R A C I Ó N DE R O M B E R G La integración de Romberg es una técnica diseñada para alcanzar eficiencia en las integrales numéricas de funciones. donde la liini n'in está disponible.19)] indican que el aumento en el número de segmentos n resultará en una estimación más exacta de la integral.f(x) D0l = l. 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. note también que para grandes valores de n.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./(X). esfuerzo computacional) para alcanzar niveles altos de exactitud. Esta observación es soportada por la figura 22. en el sentido de que etttá basada en aplicaciones sucesivas de la regla trapezoidal. las ecuaciones para el error [ecuaciones (21. b) y el número de segmentos pasados.1 se calculan mediante llamados de la función sujeta a análisis.1 Mi|IHilmos para M|ilii liciones múltiples de las I M I | | I I S a) trapezoidal y b) de 'iinipson 1 / 3 . Observe cómo el error disminuye en tanto n aumenta. Sin embargo.2 + 25x — 200X + 675JC — 900 JC + 400x . por tanto. la cual es una gráfica del error verdadero contra n para la integral def(x) = 0. se alcanzan mejores resultados con menos esfuerzo.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. Esta información se emplea entonces para generar valores igualmente espaciados de x dentro de la función. el error empieza a aumentar cuando los errores de redondeo comienzan a dominar. 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. a.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. b) h = (t>-a)/n x =a eum .n-2. Para la variable dependiente. los valores de la función en la figura 22. basados en esos pseudocódigos. Como una consecuencia de estos defectos.22. . Desarrollamos programas con simple precisión. b) h = (b-a)/n x =~a eum = f(x) D0l = 1.2.

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. - 10 -6 I I . I{h) — aproximación de una aplicación de n segmentos de la regla trapezoidal con un tamaño de paso h = (b — a)ln.) + E(h) donde / = valor exacto de la integral. Si hacemos dos estimaciones por separado mediante tamaños de paso de h\ Y 2 Y tienen valores exactos del error.1 2 . I .. n (22.648 INTEGRACIÓN DE ECUACIONES 100 10 O " 1 0 a • C B 1 0 0 . e o a .8 mediante la regla trapezoidal de aplicación múltiple y la regla de aplicación múltiple de Simpson 1/3. 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. El error estimado y asociado con una aplicación múltiple de la regla trapezoidal puede representarse de manera general como / = /(/. y E(h) — error de truncamiento.3 usamos un refinamiento iterativo para mejorar la solución de un conjunto de ecuaciones lineales simultáneas.3. y se les conoce por lo general como extrapolación de Richardson. 5 3 10 -3 a> i 4 < D . los errores de redondeo limitan la precisión. 2 c 2 0 0 X + 6 7 5 X 900/ +4 0 Ü X .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 = 0.2. I .1) . .l 64 I I.1 16 32 I .1 0 FIGURA 22. Esos métodos usan dos estimaciones de una integral para calcular una tercera más exacta. Observe que ambos resultados indican que para un gran número de segmentos. 10 -5 Límite de precisión Regla de Simpson 1/3 Límite de precisión L U 22.

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

= 16. Esos dos cálculos mejorados pueden. respectivamente.2 h Integral 0.623467 que representa un error deE = 1.( 1 . dos resultados 0(h ) pueden combinarse para calcular una integral que es 0(h ) por medio de (22. las estimaciones para dos y cuatro segmentos se pueden com| binar para obtener | ¡ '4 1 í ! / = . i aplicaciones simples y múltiples de la regla trapezoidal dan los siguientes resultados: 2 3 4 s Segmentos 1 2 4 0. Para el caso especial donde las estimaciones del trapezoide original están basadas sobre sucesivas mitades de tamaño de paso. la ecuación usada para la exactitud de 0(h ) es 2 4 4 6 6 / ^ —/. j el cual es superior a las estimaciones sobre las cuales se basa.273067 (£.^(0.1 y tabla 21.4 0. t t La ecuación (22.5 34.623467 = 0.1. En el capítulo anterior (ejemplo 21.1.( 1 . en el ejemplo 22. j De la misma manera. De manera similar.017067 (e = 1.367467 | El error de la integral mejorada es E. 0 6 8 8 ) = 1. 4 8 4 8 ) .1.8. a su vez.0688 1. Por ejemplo.— /.. Como ilustración.1728) = 1. 15 "' 15 m 6 s v (22.5) para calcular la estimación mejorada de la integral.4) proporciona una forma de combinar dos aplicaciones de la regla trapezoidal con un error 0(h ) para calcular una tercera estimación con un error de 0(h ).6%). = 1.0688) . calculamos dos integrales mejoradas de 0(h ) sobre la base de tres estimaciones de la regla trapezoidal. Este procedimiento es un subconjunto de un método más general para combinar integrales y obtener estimaciones mejoradas.0%).200x + 675x . | / = -(1.900x + 400x desde a = 0 hasta b = 0.1) usamos ¡ una variedad de métodos de integración numérica para evaluar la integral de f(x) = 0.1728 1.„ . combinarse para obtener aun un mejor valor con 0(h ).650 EJEMPLO 2 2 .640533 .367467 = 0.6) ' donde I e I¡ son las estimaciones mayor y menor.8 0.640533 .5 | ¡ Use esta información junto con la ecuación (22.4848 e„% 89.9 9.2 | + 25x . Las estimaciones de uno y dos segmentos se pueden combinar para dar | Solución.7) . 1 INTEGRACIÓN DE ECUACIONES Correcciones de error de la regla trapezoidal | Enunciado del problema.

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 (22.367467 y 1. De esta manera.8) donde I . respectivamente. Utilice la ecuación (22.^ ( 1 .1 la cual es equivalente a la ecuación (22. El subíndice j se usa para distinguir entre las estimaciones más (f + 1) y menos (/') exactas.8) es atribuida a Romberg. donde j — 1 es para una aplicución de un solo segmento (el tamaño de paso es b — a). k = 3 a 0(h ).1 fueron 1. La primera celumna contiene las evaluaciones de la regla trapezoidal que están designadas por fp. Estas formulaciones se pueden expresar en una forma general que se ajusta muy bien para la implementación en computadora: | l y+l. 2 2 . 3 6 7 4 6 7 ) = 1. éstos representan los factores ponderados que. 2 . lin el ejemplo 22.i . j = 2 es para una aplicación con dos segmentos [el tamaño de paso es (b — a)/2].5).623467.8) se convierte en k 4 6 •i lk2 I 1. Las otras columnas di la matriz son generadas de manera sistemática mediante la ecuación (22. para k = 2 yj = 1. y asi sucesivamente. El subíndice k significa el nivel de la integración.640533 que es una respuesta correcta con las siete cifras significativas que se han utilizado en este ejemplo. al aumentar la exactitud. 2 Corrección de error de orden luperior para estimaciones de la integral J Enunciado del problema.j = 3 es para una aplicación de cuatro tegmentos [el tamaño de paso es (b — a)/4]. k = 2 corresponde a 0(h ). la ecuación (22. 4 6 ] ! 1 Solución.6) para | combinar esas estimaciones y calcular una integral con 0(h ).2 4/ ./ 1. dan un peso relativamente mayor sobre la estimación de la integral superior. Cada matriz corresponde a una sola iteración. Por ejemplo.6) para 4 obtener i | I / = ( 1 .3 es una ilustración gráfica de la secuencia de la estimación de la integral generada con este procedimiento. Las dos estimaciones de la integral de 0(h ) obtenidas en el ejemplo 22 .8) para obtener OBda ve/. . mejores estimaciones do la integral.7)] aumentan hasta 1.5).1 usamos la extrapolación de Richardson ¡ para calcular dos estimaciones de la integral de 0(h ). La figura 22.2 EJEMPLO 2 2 . La forma general representada por la ecuación (22.22. Estos valores pueden sustituirse en la ecuación (22. ! = las integrales más y menos exactas.jfc-l 7 J+l k (22. (22.6) y (22. 6 2 3 4 6 7 ) . . y así en forma sucesiva. donde k = 1 corresponde a la regla trapezoidal original. y su aplicación sistemática para evaluar integrales se denomina integración de Romberg. e Ij = la &I integral mejorada.

es) EXIT END DO 1¡tter+Í l f t liter+ Rhorntot? m / )(((frt( .0688000.5)] 21 2 0(h ). la primera iteración (véase figura 22.10) n = 1 • /. 1 .484800 • 0.4 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 . para asegurar la exactitud de los resultados.640533 c) .) * 100 IF (Iter £ maxit OR ea <. . b.640533: 1.367467 . Como en los otros métodos aproximados en este libro. debemos verificar para establecer si este resultado es conveniente para nuestras necesidades. Un método que puede emplearse para el propósito actual es [véase ecuación (3.k + END DO ea = A35((l .1728001.3a) involucra calcular estimaciones con la regla trapezoidal para uno y dos segmentos ( / [ .172800 1. a. el cual tiene un error de Ahora.640533 Por ejemplo. FUNCTION Rhomberq (a.367467.8) se A usa entonces para calcular el elemento J. (22.i 100% FIGURA 22.í J / l .640533- .652 INTEGRACIÓN DE ECUACIONES a) 0.484800 • 1. iter + 1 j = 2 + iter .623467 • . es) LOCAL 1(10. b) D0k = 2.068800 • 1. = 1. maxit.3 Ilustración gráfica de la secuencia de las estimaciones de la integración que se generó con la integración de Romberg.623467 - . e I ).600800 • .639467 • ._. se requiere una terminación. La ecuación (22.068800 1.172800 1.367467 . o criterio de paro. b) iter = O DO Iter = iter + 1 n = 2*"" W u = TrapEq(n. = TrapEq(n. a.367467 0(h*) 0(n«) b) FIGURA 22.9) - Iu .

7 ! = 1. cuatro y ocho segmentos. La integración de Romberg es más eficiente que la regla trapezoidal y las reglas de Simpson analizadas en el capítulo 21. La ecuación (22. este algoritmo implementa el método en forma eficiente. En este caso.623467.6% cuando se compara con el resultado previo / . ¡con sólo 13 evaluaciones de la función! La figura 22.1. La tercera iteración (véase figura 22. es decir. con /. comparamos la nueva estimación con el valor anterior. esta evaluación indica un 87. Al usar ciclos. Esto se debe al conocimiento de la función que permite las evaluaciones requeridas para la implementación inicial de la regla trapezoidal. dos. De esta mnncru. la localización de los puntos base que se usó en esas ecuaciones fue predeterminado o fijo.640533.3) es que la estimación de la integral se basó sobre valores de la función uniformemente espaciados. La integración de Romberg está diseñada para casos donde se conoce la función que será integrada. Para la figura 22. En contraste.4% de cambio sobre el curso de la primera iteración. (/j ) . la regla de Simpson 1/3 requeriría una aplicación con 256 segmentos para dar un estimado de 1. La fórmula que se usa para calcular el área es l=(b-a) f(a) + f(b) 2 (22. y entonces la ecuación (22.36) es obtener Ja estimación 0(h ). = 1. Por ejemplo. la integración de Romberg da un resultado exacto (hasta con siete cifras significativas) basado en la combinación de las reglas trapezoidales con uno. En consecuencia. a su vez.8) se aplica para calcular en forma sucesiva integrales más exactas a lo largo de la diagonal inferior. una estimación trapezoidal se agrega a la primera columna. corno se hizo antes en otros procesos llerottvoN. 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. El objetivo de la segunda iteración (véase figura 22. Después de sólo tres iteraciones. como se describe en la figura 22. se determina una estimación adicional con la regla trapezoidal. so 1. el cálculo termina. exiaten O A A O A como el de la figura 22.22.640533. Debido a que la regla trapezoidal debo pasar a través de los puntos extremo. Una característica de éstas (con excepción del caso especial de la sección 21.9) se puede aplicar para determinar que este resultado representa un cambio del 22. . el resultado ( 1 . Los datos tabulados están rara vez en la forma requerida para dividirlos a la mitad sucesivamente.5a. para la determinación de una integral como la expuesta en la figura 22. para obtener /.5a donde la fórmula resulta en un error grande.4848. 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. Podría no ser posible realizar aproximaciones más finas debido al error de redondeo.4 representa el pseudocódigo para la integración de Romberg. Por ejemplo.10) donde a y b = límites de integración y h — a = ancho del intervalo de integración. Cuando el cambio entre I ON valores anteriores y nuevos como el que representa E está por debajo de un criterio de error preespecificado £ .640533) es exacto. . Esto se combina entonces con I mediante la ecuación (22.3 Cl donde e„ «• una eatimaelón del error relativo porcentual.3a. Para hacer esto. El resultado se combina. debido a que evaluamos un polinomio de quinto orden.3c) continúa el proceso en la misma forma.8) para generar I = 1.

Al ubicar esos puntos en forma inteligente.654 INTEGRACIÓN DE ECUACIONES FIGURA 22. Al posicionar esos puntos en forma inteligente. mostraremos cómo las fórmulas de integración numérica tales como la regla trapezoidal pueden derivarse mediante el método de coeficientes indeterminados. Para ilustrar el procedimiento.ll) . podríamos llegar a una evaluación mejorada de la integral. los errores positivo y negativo se equilibran. El método de coeficientes indeterminados ofrece un tercer procedimiento que también tiene utilidad para derivar otras técnicas de integración como la cuadratura de Gauss. Las fórmulas particulares de cuadratura de Gauss descritas en esta sección se denominan fórmulas de Gauss-Legendre. De ahí que. 22. Cuadratura de Gauss es el nombre para una clase de técnicas para implementar tal estrategia.10) como f22. Este método entonces se empleará para desarrollar las fórmulas de Gauss-Legendre.mejorada de la integral. como en la figura 22. podríamos definir una línea recta que equilibraría los errores negativo y positivo. a) Ahora. 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. 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.3.5 o) Ilustración gráfica de la regla trapezoidal como el área bajo la línea recta que une puntos extremo fijos. Antes de exponer el procedimiento.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. lo cual proporciona una estimación .

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

para integración por medio de cuadratura de Gauss. ahora tenemos un total de cuatro incógnitas que deben ser evaluadas y. 0 FIGURA 2 2 . Sin embargo. los argumentos de la función x y x. pero son desconocidos (véase figura 22. en consecuencia.2 D e s a r r o l l o de la fórmula de Gauss-Legendre de d o s p u n t o s Como fue el caso para el desarrollo anterior de la regla trapezoidal.3. 5 ^ / -1 XQ X.c o — b —a + c .12) donde las c = coeficientes desconocidos. — = 0 Estas dos ecuaciones con dos incógnitas se pueden resolver para b —a la cual.656 INTEGRACIÓN DE ECUACIONES y b —a . 7 Ilustración gráfica de las variables desconocidas XQ y x.11). 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. al sustituirse en la ecuación (22. De esta manera.7). en contraste con la regla trapezoidal que usa los puntos extremo fijos ay b. 22. requerimos cuatro condiciones para determinarlas con exactitud. 1 X . da I = b -^ <^f(b) m+ que es equivalente a la regla trapezoidal. no están fijos en los puntos extremo.

. determinamos las cuatro incógnitas y en la condición derivamos una fórmula de integración lineal de dos puntos que es exacta para cúbicas. como en d (ID +a\x l¡ (22.12) para obtener la fórmula de Gauss-Legendro de dos puntos (22. Donpiióa.5773503. V3 x que puede ser sustituida en la ecuación (22.16) co/Oo) + C l / ( * l ) : dx = 0 3 Las ecuaciones (22.19) .14) - £ : : dx = 2 3 (22. estos valores podrán sustituirse en lu ecuación (22.12) ujuslu la integral do una constante y de una llmclón lineal con exactitud. Las cuatro ecuaciones que habrán de resolverse son: 2 3 cof(xo) +c f(x ) l ] (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.5773503.13) a (22.(.Asi oomo p a n t i n f l a trapezoidal. Esto se hizo para simplificar la matemática y para hacer la formulación tan general como sea posible. sólo oxtenderémoi este razonamiento al suponer que también ajusta la integral de una función parabólica (y = x ) y de una cúbica (y = x ). V3 x = ~ = 0. Para hacer esto.16) son desde — 1 a 1. Esto se realiza al suponer que una nueva variable x se relaciona con la variable original x en una forma lineal. Observe que los límites de integración en las ecuaciones (22.I) (22.13) a la (22.18) para dar a . paru tener las otras dos condiciones. corresponde a x = — 1.15) (22.un | </.13) C\f(Xi) Cof(Xo) + cof(xo) + c\f(xi) dx =0 (22.16) pueden ser resueltas simultáneamente para c = 0 0 Ci = 1 x = — \ = = -0...18) tl Si el limite inferior. x = a. Es posible usar un simple cambio de variable para trasladar otros límites de integración en esta forma..17) Así. podomos obtener dos de esas condicioneii al suponer que la ecuación (22.

17) para evaluar la integral de 2 f(x) = 0.y . 8 e n l a ecuación (22.4 + 0. x = b.23) Esta ecuación puede diferenciarse para dar dx = . Use la ecuación (22.23) y (22.640533.900x + 4 0 0 * 4 5 entre los límites x — 0 a 0. para dar u b = a +a ([) () l (22.24) d Las ecuaciones (22.8.24) podrán sustituirse para x y dx. Recuerde que éste fue el mismo problema que resolvimos en el capítulo 21 con una variedad de formulaciones de Newton-Cotes. Para ello.4 dx d . Esas sustituciones efectivamente transforman el intervalo de integración sin cambiar el valor de la integral. EJEMPLO 22.22) las cuales se pueden sustituir en la ecuación (22. Antes de integrar la función.0 .3 Fórmula de Gauss-Legendre de dos puntos Enunciado del problema .24)] I dx .20) Las ecuaciones (22. sustituimos a = 0 y ¿ = 0 .19) y (22. Solución. respectivamente. el límite superior.23) para obtener x = 0.18) para obtener x = (b + a) + (b 2 a)x d (22. debemos realizar un cambio de variable para que los límites sean de — 1 a + 1 .4Ad La derivada de esta relación es [véase ecuación (22.200x + 675x 3 . El valor exacto de la integral es 1 .2 + 25x .dx (22.20) podrán resolverse simultáneamente para b + a y b — a (22. en la ecuación que se habrá de integrar. corresponde a x = 1.21) (22. El siguiente ejemplo ilustra cómo se realiza esto en la práctica.658 INTÍORACIÓN DE ECUACIONES ü e manera similar.

2 + 25(0.538469310 x = 0.1 %. es / = 0.5555556 = 0.1713245 = -0. la integral.4679139 c. 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) = 1.0000000 = 1.339981044 3 = 0. .4 + 0. Por tanto.822578 la cual representa un error relativo porcentual de — 11.4 + 4 (>15.2369269 0.4679139 - -0.861136312 = -0.774596669 x x x 2 o 0.932469514 = -0.6).4x f + d +400r )í/.2 I 2. Sin embargo.516741 v e n . Este resultado es comparable en magnitud a la aplicación de cuatro segmentos de la regla trapezoidal (tabla 21.0 X 0 l x 2 x 3 = 4 0.Ambas ecuaciones pueden ser sustituidas en la ecuación original para dar .H / Jo =j (0.) .0.4x¿) + 400(0.861136312 X 0 l x 2 X = = C2 = 3 = = C C Cl c 4 0.4 + 5 d 0.3478548 0 = -0.\ 0Ax ) d í/ m 675(0.577350269 C = 0.4x.0 0.4 dx Por tanto. el lado derecho está en la forma adecuada para evaluación mediante cuadratura de Gauss..238619186 0.A' .0000000 o = -0.900(0. de acuerdo con la ecuación (22.4x ) ]0.'i C .516741 + 1.5688889 0.6521452 3 = 0.238619186 3 0. TABLA 22. Es posible predecir este último resultado debido a que las reglas de Simpson son también de tercer orden de exactitud.906179846 Co c l = 0.8888889 c = 0.1 / V 3 para ser igual a 1.4 + 0.1) o a una simple aplicación de las reglas de Simpson 1/3 y 3/8 (véase ejemplos 21. como se buscó una selección inteligente de los puntos base.0. la cuadratura de Gauss alcanza esta exactitud con base en sólo dos evaluaciones de la función.5555556 0 2 c o -0.305837 = 1.•11.9324695 M í X 0 x l 2 x *A x - .305837.4 y 21.661209386 0.577350269 = 0.2369269 0.17).3478548 Cl c c = 0.1713245 A .6521452 2 = 0.774596669 i = 0.906179846 = -0.4 + 0.661209386 x = -0. La función transformada se puede evaluar en — 1/V3 para ser igual a 0.3607616 c 2 = 0.1 Factores de peso c y argumentos de la función x usados en las fórmulas de Gauss-Legendre.538469310 X = 0.360761 ó 0.1 J -900A' 4 .4786287 0.4786287 0.\v 2()(h' I [0.200(0.339981044 x = 0.

Repita este cálculo usando la cuadratura de Gauss.8. su eficiencia puede ser una ventaja decisiva. EJEMPLO 22. se puede desarrollar versiones de punto superior en la forma general / = c /(jr ) + c i / ( * i ) + 0 0 • • • + C„_.5 Aplicación de la cuadratura de Gauss al problema del paracaidista en caída Enunciado del problema.660 INTEGRACIÓN DE ECUACIONES 22. cuando se conoce la función. c = 12. Solución. Después de modificar la función.3. Esto es en particular cierto cuando se debe realizar muchas evaluaciones de la integral. Con la fórmula de tres puntos de la tabla 22.1 calcule la integral para la misma función que en el ejemplo 22.5 y m = 68.640533 que es exacta.8732444 + 0.3 F ó r m u l a s de p u n t o s u p e r i o r Más allá de la fórmula de dos puntos descrita en la sección anterior.5555556/(0.2813013 + 0.7745967) + 0. se obtienen los siguientes resultados: Estimación con dos puntos = 290. De acuerdo con la tabla 22. la fórmula de tres puntos es / = 0.0145 Estimación con tres puntos = 289.4351. no es apropiada para casos donde la función se desconoce.3 se usó la regla trapezoidal de aplicación donde g = 9. Debido a que la cuadratura de Gauss requiere evaluaciones de la función en puntos espaciados uniformemente dentro del intervalo de integración.7745967) la cual es igual a / = 0.5555556/(-0.8888889/(0) + 0./(JC„_I) (22. no es adecuada para problemas de ingeniería que tratan con datos tabulados. múltiple para evaluar En el ejemplo 21.25) donde n = número de puntos.3. Así.15 X 10" %. Recuerde que la mejor estimación obtenida mediante la regla trapezoidal con 500 segmentos fue 289. El valor exacto de la integral se determinó por cálculo y fue de 289. EJEMPLO 2 2 .1.4859876 = 1. 4 Solución.1. Los valores de las c y las x incluyendo la fórmula con seis puntos se resumen en la tabla 22.4348 con un |e. 4 Fórmula de Gauss-Legendre de tres puntos Enunciado del problema.1.4393 . Sin embargo.| s 1.

3. Por tanto. pura muchas funciones confrontadas en la práctica de la ingeniería. se puede usar sólo cuando a es positiva y b es °°. habrá ocasiones en que se deba evaluar integrales impropias.¡arrollar Estimación con CUBtm punto» 289.« a u n valor positivo o desde un valor negativo a °°.2 queda expuesta la superioridad de la cuadratura de Gauss sobre las fórmulas de Newton-Cotes. El problema 22. que (22.CMT)'" w J <22 ' » 27 dos: para ab > 0. Para casos donde los límites son desde . o cuando a es —o» y b es negativa. 1969) E. f[.4351 Así. 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' *=.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.\)dx-j f{x)dx\ \ JXx)dx % i -nu J A . Aunque esos tipos son de uso común en ingeniería. En esta sección nos concentraremos en un tipo de integral impropia (es decir. (2 +2) i puntos para caería que íciencia zar mu- 22.4352 Bstimiiclón con cinco puntoH 289.. = 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. tratamos en forma exclusiva con integrales que tienen límites finitos c integrandos acotados. 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. En esas situaciones. las estimaciones c o n c i n c o y seis puntos dan resultados séptima cifra significativa.26) con la tabla 21.25) con seis son exactos hasta la 22. la integral se implementa en dos pasos. Sin embargo.4351 Estimación con seis p u n t o s 289. contando con que las derivadas de orden superior no aumenten sustancialmente con un incremento en ra. sería preferible la api i cación múltiple de la regla de Simpson o de integración de Romberg.8 al final de este capítulo ilustra un caso donde las fórmulas de Gauss-Legendre tienen un desempeño pobre.4 INTEGRALES IMPROPIAS Hasta aquí. Al comparar la ecuación (22. la cuadratura de Gauss proporciona un medio eficiente para la evaluación de las integrales. Por ejemplo.

Después la integral ha sido dividida en dos partes: la primera podrá evaluarse con la ecuación (22.8 Colocación de datos en relación con los límites de integración para la regla extendida de punto medio.29) la cual es conocida como la regla extendida de punto medio./2) n 3 + f(x„. * / i2 % 2 * 6 « 1 — \ * n e / 8 /I—I * n 3 2 / * n i « L _ 1 0 1 . Por ejemplo.8).9): FIGURA 22 .662 INTEORACIÓN DE ECUACIONES donde —A se elige como un valor negativo lo suficientemente grande para que la función comience a aproximarse a cero en forma asintótica al menos tan rápido como 1/x .4.27) y la segunda con una fórmula cerrada de Newton-Cotes tal como la regla de Simpson 1/3.)] m (22. Un problema con el uso de la ecuación (22. una fórmula conveniente es (Press y cois. Por ejemplo. Evaluación de una integral impropia . Las versiones de aplicación múltiple de las fórmulas abiertas podrán confeccionarse mediante fórmulas cerradas para los segmentos interiores y fórmulas abiertas para los extremos.27) para evaluar una integral es que la función trasformada será singular en uno de los límites. es posible desarrollar fórmulas semiabiertas para casos donde uno u otro extremo del intervalo es cerrado. Enunciado del problema. la regla trapezoidal de segmentos múltiples y la regla del punto medio se pueden combinar para dar 2 r f(x) dx = h + £/(*<) [=2 n-2 Además. Para permitir la máxima flexibilidad. se requiere de una versión de aplicación múltiple de una de las fórmulas de la tabla 21. 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. 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 22.6 + f(x ) + ••• + f(x . una fórmula que es abierta en el límite inferior y cerrada en el superior está dada por f(x) dx = h « i (=2 3/2 Aunque se puede usar estas relaciones. La distribución normal acumulativa es una fórmula importante en estadística (véase figura 22.. 1986) / " /(*) dx = h[f(xi ) /2 JXo E J E M P L O 22.

b) la abscisa transformada en términos de la desviación normal estandarizada. la ecuación (1'. El área achurada en a) y el punto on c) representan la probabilidad de que un evento aleatorio sea menor que la media más una desviación estándar.FIGURA 2 2 .%).6.1) podrá usarse pura determinar que la proba- . 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 22.22. 9 o) La distribución normal.1) representa lu probabilidad de que un evento sea menor que x.6.6. si x 1. y c) la distribución normal acumulativa. N(x) = y (E22. P A R E J E M P L O . Le ecuación (E22.I) donde x = (y — y)ls se llama desviación estándar normalizada.

(1986) exploran con detalle ambas opciones. 8 8 2 5 ) + 2 ( 0 .1) se puede expresar en términos de la ecuación (22.27) para dar -2 .0556 Es factible usar la regla de Simpson 1/3 con h = 0. «> El cálculo anteriorpuede ser mejorado de diferentes maneras. dt = 1 .[ 0 . 3 2 4 7 + 0 . el resultado final se calculará como 7V(1) = --L:(0.6.28) en conjunto con la regla de Simpson 1/3 y la regla extendida de punto medio para determinar numéricamente N(l). = 0. Use la ecuación (22.3 / l 6 ) + / U . Como la ecuación (E22.0523 Por tanto. 6 0 6 5 3(6) _ [1 = ( 2)] 2. En otras palabras.8413.5 / 1 6 ) + / ( * . .6. aproximadamente 84 serán menores que la media más una desviación estándar. puede usarse más puntos. Ejemplos comunes incluyen casos donde la integral es singular en los límites o en un punto dentro de lo integral. mediante una integración de Romberg.8409 la cual representa un error e.T . 1 3 5 3 + 4 ( 0 . Primero.0556 + 2 . Además de los límites infinitos.l / 2 R \e~^ dt ~ Después la regla extendida de punto medio con h = 1/8 se empleará para estimar 0 i ^ 1/2 ' .1) no puede evaluarse en una forma funcional simple.28) -Lf 1 llTt .5 para estimar la segunda integral como e-*-' 2 dx 0 . (1986) proporcionan un buen análisis lobre lo» medioi par» meat^aMiMtltuecionei. Segundo. 0 ! /" J-co e-rl dx= 2 f J .046%. como N{x) La ecuación (E22. hay otras formas en las cuales una integral puede ser impropia.[ / ( J C _ 7 / 1 6 ) + / ( . 8 8 2 5 + 0 . Solución.l / 1 6 ) ] = . Press y cois. por ejemplo.0612 + 0 + 0] = 0. 0 5 2 3 ) V2TT = 0.664 | INTEGRACIÓN DE ECUACIONES bilidad de ocurrencia de un evento es menor que una desviación estándar por arriba de la media es N(l) = 0.' dx\ x2 2 / La primera integral podrá evaluarse mediante la ecuación (22. se resuelve numéricamente y se enlista en tablas de estadísticas. si ocurren 100 eventos. se podría usar fórmulas de orden superior. 3 8 3 3 + 0. Press y cois.¿) e. 6 0 6 5 + 1) + 0 . i'"'e-* ' dx+ 2 2 V27T \J-oo J-2 f 2.

p a r a • « 4. resultados d e los e e jm p o l s 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 21.5 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. (b . 22. 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 .3 m . p a r a la c u a d r a t u r ad e Gauss.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.i o (i + / x i + y^) Urso e n la f o r m ad e la figura 22.1 Uso la integración d eR o m b e r gp a r ae v a u la r ^ ' (A• + \/x) dx 2 b) e y sen y dy 2 i •dy m i ue x a c t t iu dd e e = 0. lirulcs: A: 2 IZ. 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. +X c o nu n a1 e x a c t t iu d del o r d e nd e h . 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 (22.6.1.H limplee las fórmulas d eG a u s s L e g e n d r ed e s d ed o sc h a s t a la e s u e s v i a c u a c ó i n (22.I Use la integración d eR o m b e r gp a r 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.9). 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. e jm p o l s 22. tres y p r o b e lm a 22.4.10Desarrolle 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 22.12 111>( ) 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. 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. illiinlo las fórmulas d eG a u s s L e g e n d r ec o n seis puntos. tres y 22.3. p a r ac a d ac a s oc o nb a s ee n la sol u ci n 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 .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 u é b e o l c o n la intec o m p a r e e y £. II.2 y c) 22. 22.3 y 22. b) 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 0.4 y c o n la función e n el p r o b e lm a 22. P r u é b e o l c o n los resultados d e I ON 12. Use el valor v e r d a d e r od e 4.5%. NIIN IHI CU.10. 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 22.01%).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. h = (b — a)/3.5 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. (b — á)l27. 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. e t c é t e ra.e s t o es.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 22.6. 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 .4. Verifique q u e e. b) 22.ver los p p a r ae resol r o b e lm a s á) 22. C a c lu e l e . PrueII. Sus resultados d e b e r á n presen.4. 22. s e am e n o rq u e cl criterio d ep a r o e.2. D e s p u é sa p q il u ed em a n e r a ll. C a c lu e l e.a)/9.14 Utilice el p r o g r a m aq u e desarrollo e n el p r o b e lm a 22.P R O B L E M A ! ••-«^•PH »* PROBLEMAS 443 12.2- A)(l ) dx % n O H lir o t s 2 s dx _ x(x + 2) .3 y 22. Inicie las i n t e g r a c i o n e s con caidista e nc a d ía .3.26).11 p a r a puntos.5 y c) 22.29) c o n el intervalo dividido e n t r e 3 en NC I H p u n t o sp a r a resolver c a d ae t a p a .10. c ó ind eR o m b e r gc o nb a s ee n la figura 22. P r u é b e o l c o n lo» Z 2 .0602297 p a r ac a c lu a l re .1.3.1. 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. puntos.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.') 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. Sus resultados d e b e r á n22 pre.

sus errores fueron proporcionales al cuadrado de su tamaño de paso.4) en la ecuación (23. Este nivel de exactitud se debe al número de términos de la serie de Taylor que fueron retenidos durante la deducción de esas fórmulas. Recuerde que se emplearon las expansiones por serie de Taylor para deducir las aproximaciones de las derivadas por diferencias divididas finitas.1) f(x i) i+ = f(Xi) + f'(x. En el capítulo 4 desarrollamos las aproximaciones de diferencias hacia adelante. Ahora ilustraremos cómo desarrollar fórmulas de mayor exactitud para retener más términos. se puede generar fórmulas por diferencias divididas de alta exactitud al incluir términos adicionales en la expansión de la serie de Taylor. esas estimaciones tienen errores que fueron 0(h ). Por ejemplo. ahora retenemos el término de la segunda derivada al sustituir la siguiente aproximación de ésta [recuerde la ecuación (4. es decir.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./ ( * < ) JlhrO 2f(x¡ ) + f(xi) • h h + 0(h u ) 2 f ¡ R ~ .)h + t-^-h 1 la cual puede resolverse para (23.2) 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. la expansión de la serie de Taylor hacia adelante podría escribirse como [véase ecuación (4. Recuerde que.2) para dar /U/+1 ) . hacia atrás y centradas de las derivadas primera y mayores. 2 23.3) + 0(h) En contraste con este procedimiento.CAPÍTULO 2 3 Diferenciación numérica En el capítulo 4 ya se introdujo la noción de diferenciación numérica.24)] (23.21)] (23.

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

) . f(x) = -O.2f(x¡+]| + 2f(x.^ . ] + 12f(x._i) Xj 0 ^ j 2 f»i .15JC ._ | l 2 0 ^ ) 2 2fi p„ 3 (Xi) = .1 a 23.| .2f(x.0.) __ .S^sando diferencias djvldidaí finitas y un tamaño de paso de h = 0. ) + 1 3f(x.f|x. Se puede desarrollar versiones mejoradas similares para las fórmulas hacia atrás y centradas.f|x.39í(x.8f(x.39f(x | + 56f(x. El siguiente ejemplo ilustra la utilidad de esas fórmulas para la estimación de las derivadas. 4 Tercera derivada p"( ) x¡ = f(x ¡+2) .„ f|._ | +3 +2 .3 junto con los resultados del capítulo 4.3 Fórmulas por diferencias divididas finitas centradas: se presentan dos versiones para cada derivada..25x + 1.-) + f|x.4f(xi_i| 4._ ) í+ 2 0 ( / í 2j fi 4 f .| + 16f(x _]) . o. en consecuencia.1 _ .1 Diferenciación de fórmulas de alta exactitud Enunciado del problema.0.1 3f|x. es más exacta.) + f(x._i| + 12f(x.-]| + f|x..| .30f|x.| +1 f 2 ] 2 h 2 n | ._)) . Mx.) + 3 +2 +1 2 3 0 ( / i 4 ) Cuarta derivada p"<( .2 2 enjjx • O.lx 4 Recuerde que en el ejemplo 4. . ) .5 JT ..) x = ^IXÍ+2) . La última versión incorpora más términos de la serie de expansión de Taylor y.f j x .4 estimamos la derivada de 3 -0.-_ ) + 2 0 ( f ) 4 ) 12/) Segunda derivada p'( j = ^k+i) . | .+1 2 3 ^ FIGURA 23.-.f(x.l + f(x. . fXx¡) = -^)+y-3Ax» 2h + 0(h2) Observe que la inclusión del término de la segunda derivada mejoró la exactitud en 0{h ). Las fórmulas se resumen en las figuras 23.-|- + 2 ) + 16f|x. ) + 8f|x.8f[x.668 DlFIMNCIACIÓN NUMÉRICA l'rlmoui dorlvada fc'rror p( .) x = + 8f(x. así como para las aproximaciones de derivadas superiores.f ( x .-. i) . 2 EJEMPLO 23.4 f ( x i ) + 6f(x. ) . al agrupar términos..25.

4 ( 1 . x¡-2 JC.1 a la 23. Repita este cálculo. Solución. 0 3 5 1 5 6 ) + 1.2 + 4(0.-_I Los datos necesarios para este ejemplo son = 0 /(x. i .6363281) .103516 x. los errores para las diferencias hacia adelante y hacia atrás son considerablemente más exactas que los resultados del ejemplo 3. la diferencia centrada da un resultado perfecto. = 0% 23.25) (23. pero ahora emplee fórmulas de alta exactitud a partir de las figuras 23.2 2 La diferencia hacia adelante de exactitud 0(h ) se calcula como (véase figura 23._ ) = 2 1.25) 4 -0.2) f (0.13.4 donde los errores fueron calculados con base en el valor verdadero de —0.82% La diferencia hacia atrás de exactitud 0(h ) se calcula como (véase figura 23.934 -2.6363281 f(x ) i+2 = 1 = 0.25) 2 £.925 ) = 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.7 JE Centrada 0.5 A -.3(0.2 Hacia cUlanta O(h) Estimación -26.-_I) = 1. 2 + 8 ( 0 .+1 = 0.5) -0. Un tercer procedimiento.714 21.5) = J .77% La diferencia centrada de exactitud 0(h ) se calcula como (véase figura 23.3. = 5.878125 3.2 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.5) = 3(0.035156) + 1. basado en la extrapolación do Riehardson.1) /'(0.9125 12(0. 6 3 6 3 2 8 1 ) .925) = -0.23.9125. usu dos estimaciones de la derivada para calcular una tercera aproximación más exacta.2 — —— — = -0. = 0.75 x i+2 f(x¡) = 0. Sin embargo.859375 2(0.8 1.5 Hacia a t r á s O(h) -0.5) Como se esperaba.925) .2 = 0. de manera sorprendente.0 . E.25 /(JC.3) /'(0.2 2(0.

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 .5 empleando tamaños de paso de h — 0.( . Después use la ecuación (23.. x 2 Solución.6363281 .9 .1.6) (h\/h Y .4)] / ^l(h )+ 2 1 [/fe)-/(/»!)] (23.2-1.1. como en x 2 x 2 2 x I = P(h )-~I(h ) 2 l (23. la ecuación (23. 4 % n La estimación mejorada puede determinarse al aplicar la ecuación (23. 6 % 0. El ejemplo anterior dio un resultado perfecto pues la función sujeta a análisis fue un polinomio de cuarto orden. Las estimaciones de la primera derivada podrán calcularse con diferencias centradas como 0.= -1.. D = \D(h )-\DQi ) 2 x (23.9125.7) se escribirá para las derivadas como .2 .0 D(0.25.8) 5 2 4 / | i Para aproximaciones por diferencias centradas con 0{h ).934375 c e. la aplicación de esta fórmula dará una nueva estimación de la derivada de 0(/¡ ).5) = y D(0.8) para obtener 4 1 D = -(-0.1.1 2 donde I(h ) e I(h ) son estimaciones de la integral usando dos tamaños de paso h y h .8) para calcular una estimación mejorada con la extrapolación de Riehardson.934375) .103516 „„„ — = -0.9125 que para el caso actual es un resultado perfecto.670 DIFERENCIACIÓN NUMÉRICA Recuerde de la sección 22. = . = .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. esta fórmula es usualmente escrita para el caso en el que h = h l2.1 ) = -0.2 . Recuerde que el valor verdadero es —0.25) = e.5 y h = 0.7) De manera similar. estime la primera derivada en x — 0. EJEMPLO 2 3 . Usando la misma función que en el ejemplo 23. Debido a su conveniencia cuando se expresa como un algoritmo de cómputo. 2 Extrapolación de Riehardson Enunciado del problema .

la información derivada de manera empírica (es decir. Una manera para manejar datos desigualmente espaciados es mediante el ajuste de una interpolación polinomial de Lagrange de segundo orden [recuerde la ecuación (18 . datos a partir de experimentos o estudios de campo) es con frecuencia agrupada en intervalos iguales.22). la ecuación (23. En consecuencia. Como en la figura 23. En contraste. Así. 23. el C M O actual aJuNta la derivada del polinomio de cuarto orden en forma precisa. los datos debían estar uniformemente espaciados.. pero no perfecta.x i + i (Xj -x¡-i)(x¡ ) + /(*/ + !) (X 2x i + — Xj-\ i — x¡ + i (23.22)].23.9) -x¡) i -Xi-i)(x donde x es el valor en el cual se quiere estimar la derivada.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. se reduce a la ecuación (4. EJEMPLO 2 3 . esto no podría ocurrir y nuestra estimación de lu derivada podría ser mejorada.9) evaluada en x — x. tiene importantes ventajas. </(. Tercero. los mismos puntos no tienen que estar igualmente espaciados.4. para puntos igualmente espaciados. El polinomio de segundo orden se puede diferenciar analíticamente para dar f'(x) =/(*. Aunque esta ecuación es ciertamente más complicada que las aproximaciones de la primera derivada de las figuras 23. se puede usar para estimar lu derivada en cualquier punto dentro de un rango preescrito por los tres puntos.3.1. la estimación de la derivada es de la misma exactitud que la diferencia centrada [véase ecuación (4.1 a la 23.23)] para cada conjunto de tres puntos adyacentes.. (Xi-i Xi)(x¡-\ -Xj+i . Segundo.0) = -kpC (IT Ti . un gradiente de temperatura se puede medir abajo en el suelo. por supuesto. Para la técnica de extrapolación de Riehardson.X i + 2x i) f(x¡) — Xj-i — x¡+] . los datos teman que encontrarse espaciados uniformemente y generados en forma sucesiva para intervalos a la mitad. Primero. El flujo de calor en la interface suelo-aire puedo ser calculada con la ley de Fourier. 3 Diferenciación de datos desigualmente espaciados Enunciado del problema. De hecho. Tal control de espaciamiento de datos está a menudo disponible sólo en casos donde podemos usar una función para generar una tabla de valores. Para la mayoría do las otras funciones. como fue el caso para la aplicación de la extrapolación de Riehardson. el procedimiento puede aplicarse de manera iterativa mediante un algoritmo Romberg hasta que el resultado se halle en un criterio de error aceptable.3 4W Ira vés de lo» ditlo» para después evaluar las derivadas por dit'orencius divididus centradas. Para las aproximaciones por diferencias divididas finitas de la sección 23.-!) 2x .x. Tal información no puede ser analizada con las técnicas estudiadas hasta ahora. Recuerde que este polinomio no requiere que los puntos estén igualmente espaciados.

. ai. 5 a muestra datos uniformes sin errores que ul ser diferenciados en forma numérica dan un rosultado uniforme (véase figura 23.672 DIFERENCIACIÓN NUMÉRICA Aire Suelo 1 2 .Se usa los mismos . +1 4 4 .( 5 0 ) ( 1 .0 )( 3 7 . 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 .7 5 +12 °C/cm este valor puede ser usado para calcular el flujo de calor (advierta que 1 W = 1 J/s). = 0 )=3 . 2 5 ) ( 0 -3 7 .4 7 .1 2 .9) se puede usar para calcular la derivada como /'(.3 .36). 3 3 3 3 ^ ) =7 0 5 . donde q = flujo de calor (W/m ). •r ( ° C ) -. La ecuación (23.5 ) +1 1 0 4 4 .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.l .1 2 .5 1 0 1 2 f1 3 5 . La figura 23. p = densidad del suelo ( = 1 800 kg/m ) y C — calor específico del suelo (ss 840 J/(kg • °C).75 FIGURA 23. 2 5-3 7 . 7 5 ( 0. 7 2 Solución. 5 x 10"^ (l 00§) ( 40^) ( 1 3 3 . Un defecto de la diferenciación numérica es que tiende a amplificar los errores en los datos.5 ( 3 7 . la figura 23.3 3 3 3 3=1 3 .c m t 2 3 Temperatura contra profundidad en el suelo. -1 3 .1 .5 ) 2 ( 0 ) -0 . Observe que un valor positivo del flujo significa que el calor se transfiere del aire al suelo.6 W/m 8 8 2 23. 5 2 0 ) 0 3 . fin contraste.5 ) ( 1 2 .5 .5 X 10~ m /s).) = 1 3 .* . k — coeficiente de difusividad térmica en el suelo ( = 3. otro problema que se vincula con la diferenciación empírica de datos es lo que usualmente incluye error de medición. 3.3 3 3 3 3 W > .

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

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. 23. y entonces la integral se calcula sobre un rango que va de x = 0 a x = 0. usamos un polinomio simple. Observe que la localización del punto y el orden de la derivada son introducidos mediante el símbolo de definición.674 23. Observe que el rango lo han definido las variables a y b como entrada usando el símbolo de definición. Este operador crea una tabla de aproximaciones con base en cálculos por diferencias divididas mediante varios pasos y tamaños de paso.6 .5 INTEGRACIÓN/DIFERENCIACIÓN CON LIBRERÍAS Y PAQUETES NUMÉRICA En la actualidad hay librerías y paquetes de software que contienen grandes capacidades para integración y diferenciación numérica. La figura 23.1 Mathcad Mathcad tiene operadores que realizan integración y diferenciación numérica.+ 2 5 x 2 0 0 x + . para lo cual utiliza la regla trapezoidal y el algoritmo de Romberg. FIGURA 23.5.6 Pantalla de Mathcad para determinar la integral de un polinomio por medio de integración de Romberg. F e l i E d t iV e w i J n s e r tF o m ra tM n a iS y m b c o l s lW n d o w i H p e l N U M E R C I A L L YC A L C Ú L A T EN IT E G R A L S E n e t raf u n c o i tn : f ( x )= : 0 2 .8. 2 3 4 J N u m c i r a li n t e g r a l : . En este caso. el cual empleamos en todo el capítulo 21.6 muestra un ejemplo de Mathcad donde f(x) se crea con el símbolo definido (: = 0 . El operador de la derivada usa un método similar para calcular las derivadas entre un orden de 0 y 5. El operador de integración usa una secuencia de evaluaciones de la integral. La figura 23.7 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 = .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 . Se realizan iteraciones hasta que los resultados sucesivos varían menos que TOL. En esta sección le daremos una muestra de las más útiles. Éstos emplean y son similares a los símbolos matemáticos tradicionales que usted ha usado desde sus estudios en el nivel medio superior o en el primer semestre de licenciatura.

3-900*x. diferenciar la función Explore cómo MATLAB puede emplearse para integrur y + 675x . primero desarrollamos un archivo M que contendrá la función.2 + 25x .2+25*x-200*x. A A A A Éste puede guardarse en el directorio de MATLAB como fx. Después de entrar a MATLAB. 4 Usando MATLAB para integración y diferenciación Enunciado del problema.6405 Asi.5 INIIJPJJGPCIACLÁN N U M É R I C A CON L I B R E R Í A S 4M 23. M A T L A B proporciona una estimación exacta de la integral.8) donde la segunda y tercera entradas son los límites de integración. podemos llamar a quad tecleando >> Q=quad('fx'.200x 2 3 5 desde a — 0 hasta b — 0. Recuerde de los capítulos 21 y 22 que el valor verdadero de la integral podrá determinarse en forma analítica para ser 1. EJEMPLO 2 3 . usaremos la función quad del MATLAB para integrar la función.640533.23. Por medio de un editor de textos podemos crear el siguiente archivo: function y=f x ( x ) y=0. El siguiente ejemplo ilustra cómo se puede usar algunas de ellas. 5. Solución.. donde probarnos la función en intervalos desiguales . El resultado es a= 1.5. Ahora investiguemos cómo M A T L A B maneja integrales de datos tabulados.900x + 400x 4 f(x) = 0.m.8. Para usar quad. 4+400*x. 2+675*x.0.2 MATLAB MATLAB tiene una variedad de funciones prediseñadas que permiten integrar y diferenciar funciones y datos.7. Para ello. Primero. repetiremos el ejemplo 21.

0400 0.4560 2. Para calcular las aproximaciones por diferencias divididas de la derivada.2537 -13.64 . Por último.5073 3.1000 0.36 .SI. Para ello usamos la función diff.6488 -21.2877 9.1000 through 0.44 .3815 10 8.22 .0449 through 4. aplica la regla trapezoidal a cada intervalo y suma los resultados para obtener la integral total. y ) = i n t e g r a l 1.3630 Podemos integrar esos valores al llamar a la función trapz.32 .1200 CoLumns 0. podemos diferenciar los datos espaciados desigualmente en x y y. como implica su nombre. >> ans d i f f ( x ) = 1 8 through 7 CoLumns 0. >> x=C0 .6746 6.2477 CoLumns -0.7434 0. Podemos generar la misma información en MATLAB al definir primero los valores de la variable independiente. la cual sólo determina las diferencias entre los elementos adyacentes de un vector.7 . Tal procedimiento podría refinarse mediante capuciamientos más finos. . / d i ff(x) con la cual se obtiene d = CoLumns 1 8 through 7 9.0400 0. por ejemplo. realizamos sólo una división del vector de las diferencias y entre las diferencias x al teclear >> d=di f f ( y ) . Después.5948 trapz.54 .0749 2.1000 0. generamos un vector y que contiene los valores correspondientes de la variable dependiente al llamar a fx.3097 through 1.6431 -3.1000 El resultado representa las diferencias entre cada par de elementos de x.4 .2000 Columns 8 1.676 DIFERENCIACIÓN NUMÉRICA (recuerde la tabla 21.12 .0400 0. >> integraL = t r a p z ( x .8430 3.2320 2. >> y = Co L u m n s 1 through 7 y = f x ( x ) 0.3052 11 1.0600 0.3100 Estas representan estimaciones burdas de las derivadas para cada intervalo.3).5274 9.1000 10 0.1819 2.

A = Límite inferior de integración.3 IMSL IMSL tiene varias rutinas para integración y diferenciación (véase tabla 23 . Sí la función tiene una . (Entrada) HRRA13S — Exactitud absoluta deseada. (Entrada) IliULE Selección de la regla de cuadratura. E R R R E L .5. 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». (Entrada) ERRREL — Exactitud relativa descada.TABLA 23.1 Categoría Cuadratura univariable Rutlnai IMSL poro Rutinas Inorar y diferenciar. segunda y tercera derivado 23. IRULE 2 se recomienda para la mayoría de las funciono». R E S U L T . La forma es F(X). En cl presente análisis. 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. Dicha rutina integra una función por medio de un esquema adaptable en forma global basado en las reglas GaussKronrod. B . A . I R U L E . nos concentraremos en la rutina QDAG. QDAG se implementa con la siguiente declaración CALL: C A L L QDAG ( F .1). (Entrada). E R R A B S . Observe que F se debe declarar como EXTERNAL en el programa de llamado. (Entrada) D = Límite superior de integración. donde X es la variable independiente. E R R E S T ) donde F = Función que introduce el usuario para que sea integrada.

678 DIFERENCIACIÓN NUMÉRICA singularidad pico.1 Calcule aproximaciones por diferencias hacia atrás de aproximaciones evaluación por diferencia en x — 20 con h = 2. 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 ). pero ahora para y = log x con 23. pura cada aproximación. 4 ) ' .1.6405 Error estímate = 5.000E-05 PROBLEMAS x 2 hacia adelante y 23.f f = 0 .f EXTERNAL f CALL Q D A G (f. 2 + 25.errabs.*X**4 + 400.*X**3.8.a.errest) PRINT •(•' Computed = .res. 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. 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. (Salida) ERREST = Estimación del valor absoluto del error.8. res PRINT ' ( • ' Error estímate =' ' . h — Jtí\2.0.900x + 400* desde a = 0 a b = 0. *X-200. use IRULE = 1.001 REAL::errest.errrel.-900.. Un ejemplo del programa principal en Fortran 90 y de ia función QDAG que \ se usa para resolver este problema se describirá como P R O G R A M Intégrate USE mimsl IMPLICIT N O N E INTEGER : :i ru le = 1 REAL::a=0. central de 0(h ) y 0(h ) para la primera derivada dc>> = sen x en 23.errabs=0. U m p M l a m b a í fórmulas 0{h ) y ü(h ) v para sus estimacion .res. 1PE10 . si la función es oscilatoria.*X**5 E N D FUNCTION Output: C o m p u t e d = 1. F 8 . errest .640533.2 Repita el problema 23. 1 j I j I | j í | j | í | I ¡ \ j \ ¡ I | Solución. RESULT = Estimación de la integral desde A a B de F.irule.errrel=0. IRULE = 6.b=0.1.2 + 25x . y porcentual e. (Salida) EJEMPLO 2 3 .200x + 675x .3 Use aproximaciones por diferencias centradas para estimar A 0.*X**2 + 675. 5 Usando IMSL para integrar una función I i j | I Enunciado del problema.

1 \. 11. pero ahora para la primera derivaverdaderas.053991 -1.25 Use Mathcad para diferenciar la ecuación en / » Í 1 .6522 0.5 y =(x x/3) x x h I» y h= = y= sen (0.12a) desde t = 0 a 10.A límplec la ecuación (23.1 dición inicial d = 0 en t = 0. 11 Desarrolle un subprograma de uso amigable para obtener la estimación de la primera derivada para datos espaciados desigualmente..)> = e* + x e n * = 1.12a) en / = 10 para confirmare). e n * = 0. ( ( ( 1 2 / 6 8 y= 3x —0.2 3 .12951 3 0.41 Isc la extrapolación de Riehardson puní y x x = TtIA y 2 3 f(x) 5e~ x. Evalúe el resultado en / = 10 en = 1.5 0.1) _ .2 a 2 y desde .os siguientes datos se reunieron para la distancia recorri10. h = a) 0.10 Desarrolle un subprograma de uso amigable con el fin de api ¡car un algoritmo de Romberg para estimar la derivada de una Función dada. desde .5 íx)lx x h V) c) ( (P23.5. 1. 1 2 Recuerde que para el problema del paracaidista en caldu.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 .5 0.12a) t» (P23. 0.8) 68.03192 paNo de //.12A) AL valor verdadero y con una estimación obtenida usando aproxi12. b) Emplee MATLAB para estimar los puntos de inflexión de esos datos. 2 3 . Pruébelo con los siguientes datos 1 a l y a) Use Mathcad para integrar esta función desde x = desde —2 a 2.5 0. la ecuación ( ) t')) so reduce a la ecuación (4. 1 3 La distribución normal se define como 2 ) 1. DA ti» In x on x = 4 usando h = 2 y /i = 1.1. Como la función es simétrica.4.1. 1 6 Use IMSL para integrar la distribución normal (véase cl problema 23.241971 1.807 0. 1 5 Los siguientes datos se generaron a partir de la distribución normal: X -2 0.1684 0.13) d e s d e * = . y la distancia recorrida se puede obtener por I ' .2 eos b) Integre en forma analítica la ecuación (P23. = 0.241971 -0. 1.x = yx = () 4 (l^f _Jo x + 4x-l5 enxh == 0. limite su análisis para la x positiva.7 Pruebe que para datos igualmente espaciados. 2 3 . b) Emplee Mathcad para determinar el punto de inflexión do esta función.053991 a) Use MATLAB para integrar estos datos desde x = — 1 a 1 y desde —2 a 2. > I .22) en x = x¡.1 para confirmar a).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. (P23.r = 1 2.2 3 7 O N I I I I I H I ' lu primera Ivailn de = sen en mediante el uso tic luniaftos 1.I a 1 . 2 3 .1. .3 a 3. 0. 0 2 3 4 5 2 3 .126) con la con= tan en = 3. 1 .7468 0. donde = Compare sus resultados con las deriv 1 .9) la velocidad está dada por V A D A ilo — 7x — lOx — 8 en JC = 0 con base en los VALORES .352065 1 0. Emplee diferencias centradas do x fi(/i ) para las estimaciones iniciales.5 ' maciones por diferencias centradas con base en h = 1. . ñ Repita ol problema 23. da contra el tiempo para un cohete: d) Evalúe la ecuación (P23. H ( alcule las aproximaciones por diferencias centradas de pri(P23.352065 0 0. 4 para determinar la primera deri.5.398942 0.1. 1 4 Use la función quad de MATLAB para integrar la ecuu- ción (P23. = 7t/3 y h = TI /6. Compare este resultado con l 2 9. .5 2 f(x) 0.129518 -1 0. 0.

usa integración numérica para determinar la fuerza total del viento que actúa sobre el mástil de un bote de carreras. En el caso de los métodos de integración.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. La determinación de la cantidad de calor requerido para elevar la temperatura de un material es un problema con el que tratamos frecuentemente. la función que habrá de evaluarse se halla inherentemente en forma tabular.2 y 24. La característica necesaria . Aunque esta aplicación tiene una conexión directa con la ingeniería mecánica. 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. Entre otras cosas.2. que trata con cálculos de calor en la ingeniería química. En esta aplicación. involucra ecuaciones.1.3 también involucran funciones que están disponibles en forma de ecuación. a problemas prácticos de la ingeniería. 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 24.1 INTEGRACIÓN PARA DETERMINAR LA CANTIDAD TOTAL DE CALOR (INGENIERÍA QUÍMICA/PETROLERA) Antecedentes. se relaciona con todas las otras áreas de la ingeniería.4 se concentra en el análisis de información tabular para determinar el trabajo necesario para mover un bloque. Se mencionarán dos de las situaciones de ocurrencia más frecuente. la cual se toma de la ingeniería civil. Este ejemplo se usa para demostrar la utilidad de la integración de Romberg y la cuadratura de Gauss. La sección 24. una función analítica se integra en forma numérica con el fin de determinar el calor requerido para aumentar la temperatura de un material. En el segundo caso. usamos este ejemplo para ilustrar la integración de datos espaciados desigualmente. observaciones o alguna otra información empírica. Los datos para cualquiera de los casos son compatibles directamente con diferentes esquemas analizados en esta parte del libro. Esta aplicación proporciona un simple pero útil ejemplo de tales cálculos. La sección 24.3 determina la raíz media cuadrática de la corriente para un circuito eléctrico. 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. 24. Las secciones 24. expuestos en la parte seis. Este tipo de función a menudo representa una serie de mediciones. La sección 24.

c(7). m = masa (g) y AT = cambio en temperatura (°C). Si c es constante sobro el rango de temperaturas sujetas a examen.14046 0.15024 0.64 x 10~ r 7 2 (24. c(T): La ecuación (PT6.4) donde AT = T — r .1 0 0 a 200°C. la capacidad calorífica de un material no se podría aumentar con la temperatura de acuerdo con una relación como c(T) = 0 .17376 200 . Es útil e instructivo comparar este resultado con los métodos numéricos expuestos en el capítulo 21. cal/(g •4°C) 0. es necesario generar una tabla de valores de c para varios valores de T: T.3) la cual se puede sustituir en la ecuación (24.2) En este ejemplo se le pide calcular el calor necesario para elevar 1 000 gramos de este material desde .2) se sustituye en la ecuación (24. Sin embargo.')() c.1) donde c tiene unidades de cal/(g • °C). el calor requerido AH (en calorías) se puede calcular por AH=mcAT (24. AH puede determinarse de manera analítica. Por ejemplo.4) y el resultado se integra para dar un valor exacto de AH = 42 732 cal. es una cuadrática simple. la cantidad de calor necesario para aumentar a 20 gramos de agua desde 5 a 10°C es igual a AH = 20(1)(10.' 24J ^1|^^^^•pp^íC^r^MIW^^ LA'CWTIDID'TOTAL D EC A L O R para llevar l cabo este cálculo es la capacidad calorífica c. varía en función de la temperatura.16134 0. lisie parámetro representa la cantidad de calor requerida para aumentar una unidad de temperatura a una masu unitaria. para el caso actual. Para realizarlo.5) = 100 cal donde la capacidad calorífica del agua es aproximadamente 1 cal/(g • °C).12486 0. Por ejemplo. Ahora como. La ecuación (24.°C -100 -50 0 50 100 1.13200 0. para grandes cambios de temperatura.4) proporciona una forma para calcular el valor promedio c(T) dT c(T) = J -\ ¡2 —i -r~ I (24. la capacidad calorífica no es constante y. Tal cálculo es propicio cuando AT es pequeño. 1 3 2 + 1.56 x 10" r 4 + 2.1) para dar AH — m f 2 c(T) dT t (24. Solución. de hecho.1190 0.

Es fácil realizarla con una calculadora o. el cual concuerda exactamente con la solución analítica. Los resultados que se obtuvieron con la regla trapezoidal se listan en la tabla 24.1a se muestra una sección transversal de un bote de carreras.2. se requiere que la fuerza distribuida / se convierta en una fuerza equivalente total F y se calcule su localización d por arriba de la cubierta (véase la figura 24. además. un pequeño paso (< 10°C) se requiere para una exactitud de cinco cifras. 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 0.4) para obtener un valor de AH = 42 732 cal.7 0. es por lo común lo suficientemente exacto para tamaños de paso relativamente grandes y es exacto para polinomios de tercer orden o menores. Solución.3 732. 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. Calcule la fuerza de tensión T e n el cable izquierdo que soporta el mástil.3 0.1 Resultados con el uso de la regla trapezoidal con diferentes tamaños de paso.01 <0.1.018 <0. Las fuerzas del viento (/). En la figura 24. ejercidas por pie de mástil de los botes varían como una función de la distancia por arriba de la cubierta del bote (z). mejor aún.01 .01 <0.2). Sin embargo. AH 96 43 42 42 42 42 42 42 42 048 029 864 765 740 733. Tal resultado puede sustituirse en la ecuación (24. se supone que el cable derecho que soporta el mástil está por completo flojo y que el mástil une la cubierta de modo que transmite fuerzas horizontales y verticales pero no momentos. Este ejemplo es una buena ilustración del porqué la regla de Simpson es muy popular.[%) 125 0.05 2:/io dz (24 5) - TABLA 24.682 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN Estos puntos se usan en conjunto con la regla de Simpson 1/3 con seis segmentos para calcular una estimación de la integral de 42 732.1).00003 T a m a ñ o de p a s o . Suponga que el mástil permanece vertical. 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. Se observa que la regla trapezoidal es también capaz de estimar el calor total en forma exacta. como se muestra en la figura 24. Además. Esta exacta concordancia podría ocurrir sin importar cuántos segmentos se usaron.01 /:)2. 24. con una computadora. °C e.3 732.01 <0. Para proceder con este problema.07 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.16.

j ) L M 0 3 6 12 ÍW. Los resultados para diferentes tamaños de paso se encuentran en la tabla 24.2) se puede calcular con la evaluación de la integral /•30 zf(i) d = / /(z) di (24. Se observa que ambos métodos dan un valor de F = 1 480.5Ó 63. la tabla 24.'IVII. Por tanto.43 30 55.14 . Esto se lleva a cabo al calcular/(z) para diferentes valores de z y después usar la ecuación (21. En este caso. 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.10) o (21.40 73.9 • 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.3.7) T •H T A B L A 2 4 . La línea de acción efectiva de F (véase figura 24.2 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.6 (24.6 Ib en tanto el tamaño de paso se vuelve pequeño.05 pies para la regla trapezoidal y de 0.2 I )|(i(jrama de cuerpo libre fuerzas ejercidas j l mástil de un velero.13 70.•2:/30 dz 1 480. FIGURA 24. lb/ple 0 61.18). 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 . es conveniente emplear procedimientos numéricos para este problema.20 15 18 21 24 27 O .5 pies para la de Simpson proporcionan buenos resultados. Esta integral no lineal es difícil de evaluar en forma analítica. Por ejemplo.1 u) Succión transversal de un LINIO DI?L i z=0 de carreras.24.6) Jo dz /•30 d= 13.18 47. /.'I 33 4? 2/ HV 23. para tamaños de 0.

7 1 480.05 pies.3 1 450.10) se puede resolver directamente ya que se desconocen F y d.9) (24.7 1 122.8) (24.3 1 480.5 da d = 19 326.9 1 480.6 .8 1 477. La dirección.1 1 479.6 Regla de Simpson 1/3 0. Este problema ilustra bita dos usos de la I U Ü 9 G R A C I Ó A I U U F I Á H C I que pueden encontrarse durante cl disc- .9/1 480. 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 (24.0995) = 836.995 6 = 6 4 7 3 Ib y de la ecuación (24. a partir de la ecuación (24. La ecuación (24. ^ ^ 3 = i 1 480.9 1 476.5 Dicha integral podrá evaluarse mediante métodos similares a los anteriores.5 1 480. se puede usar un diagrama de cuerpo libre para escribir ecuaciones de equilibrio de fuerzas y momentos. tales como los cables y cl sistema de soporte de la cubierta para cl mástil.(6 473)(0.54 Ib Esas fuerzas ahora permiten proceder con otros aspectos del diseño estructural del bote. 3 Valores de F calculados con base en las diferentes versiones de las reglas trapezoidal y de Simpson 1 / 3 .5 1 480.6 = 13.1 0. Este diagrama de cuerpo libre se muestra en la figura 24. Técnica Regla trapezoidal T a m a ñ o de p a s o .25 0.8).684 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN T A B L A 2 4 . H = F — T sen 9 = 1 480.3 1 372. Por ejemplo.10) V = 0=V-Tcos6 0 X M = 0 = 2V-Fd donde T = tensión en el cable y H y V = reacciones desconocidas sobre el mástil transmitidas por la cubierta. Con F y d conocidos a partir de los métodos numéricos.2. la regla de Simpson 1/3 con un tamaño de paso de 0. pies 15 10 6 3 1 Segmentos 2 3 5 10 30 60 120 300 600 2 6 10 30 60 F.9).05)_ 3 = 6 4 4 ( ) 6 1 b Por tanto.5 0. T = ^ .6 1 462.6)(13.lb 1 001.= eos 9 6 4 4 °0.6 1 219.05 15 5 3 1 0. así como la magnitud de H y V son desconocidas.

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." s e n (2n-ír) Para 772.3 /f Para 0 < f < 772. < f < 7".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. Calcule la RMS o raíz media cuadrática de la forma de onda en la figura 24. /(f) = 0 ' r I lin 1 1 órnente eléctrica vi II i<indo de manera imilúcJica.ño de estructura» en Ingeniería. suponga que la corriente es descrita por un sinusoide simple: i(f)= sen (2n/T). El valor promedio de una corriente eléctrica oscilatoria en un periodo puede ser cero. la regla de Simpson 1/3. Por ejemplo. son fáciles de aplicar y son herramientas para la solución de problemas prácticos. 2 J- FIGURA 24. . tal corriente es capaz de realizar trabajo y generar calor. donde Tes el periodo. integración de Romberg y cuadratura de Gauss para T = 1 s. 24. lu trapezoidal y lu de Simpson 1/3. Se observa que timbas reglas. /(r) = 1 0 e . los ingenieros eléctricos a menudo caracterizan esa corriente por /RMS = > (t)dt (24.3 mediante la regla trapezoidal. 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.11) donde i(f) = corriente instantánea. Por tanto.

06 x 1 0 " 0 Técnica Regla trapezoidal 3 4 5 6 Regla de Simpson 1/3 3 Solución.0725 4.41261 20.16503 15. se basa sobre un valor verdadero de 1 5 . 4 1 2 6 1 .41257 15. El valor exacto para la integral es 1 5 . 4 1 2 6 1 .41261 15.41225 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 .41 1 9 6 15. /•1/2 / = / ( I O Í T ' Jo Í = s e n 2 7 r ) í j dt ( 2 4 . La determinación de la raíz media cuadrática de la corriente involucra la evaluación de la integral (T = 1 ) .62 0. La misma estimación se determina también con la integración de Romberg (véase la figura 24.59 x 1 0 " 1. 1 2 ) Primero. 0 °^ 15.48082 15.0 15.21769 15.41261 " 15.41261 15.41196 15. 2 3 ) y ( 2 2 .41262 . la cuadratura de Gauss también se usa para realizar la misma estimación.2 -0. Observe que la regla de Simpson es más exacta que la trapezoidal.41 161 <>(%) 100 1. se realiza un cambio de variable al aplicar las ecuaciones para obtener 1 1 1 4 + ( 2 2 .41547 15.4 Valores para la Integral calculada mediante el uso de diferentes esquemas numéricos. En la tabla 2 4 .0186 1.443 -0.41111 15.41257 15. 2 4 ) 4 d Í R F t = 4« dt Hartarlo integración de Romberg para estimar la'-RMS de la corriente. El error relativo porcentual E .41547 15.41277 15. Este resultado se obtuvo mediante una regla trapezoidal con 1 2 8 segmentos o una regla de Simpson con 3 2 segmentos.41261 15.686 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN TABLA 24.62 x 10~ 1.41261 ^ 15.41262 15.16327 15.41277 15.41261 15.40143 15.21769 15.41261 20.21 x 10" 2. Además.41261 15.16327 15.4).41502 15.30 x 1 0 " 0 -31.48082 15.40143 15. Segmentos 1 2 4 8 16 32 64 128 2 4 8 16 32 Integral 0.

Por ejemplo.99782.5. Aunque ese simple cálculo es útil para introducir el concepto.6% Los resultados al usar las fórmulas para puntos mayores se resumen en la tabla 24.24. esta función se evalúa en t = — 1/V3 y 1/V3.6575502 15.01 x 10" -1.925890 A.237449) + 0.4126109 22. 3 PARAICAKUCWrSBTIWBAAJ R«»ulladoa al usar las fórmulas de la cuadratura de Gauss para varios puntos para aproximar la integral.13) Para la fórmula de Gauss-Legendre de dos puntos. La fórmula general es Trabajo = fuerza x distancia Cuando se introdujo este concepto en sus estudios de física en el nivel medio superior.1 -1. Este resultado podría entonces emplearse como guía en otros aspectos del diseño y operación del circuito. | = 1. suponga que la fuer/a varía durante el curso del cálculo.82 x 10" Puntos 2 3 4 5 ó 2 4 5 Esas relaciones pueden ser sustituidas en la ecuación (24. el trabajo se calculaba como 150 Ib • pie.5555556(2.41261 se puede sustituir en la ecuación (24. 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.42 x 10" -2.41 TABLA 2 4 .65755 | e .9978243 15.1%. se le presentó algunas aplicaciones simples mediante el uso de fuerzas que permanecían constantes en todo el desplazamiento.4126391 15. el cual representa un error de e = 22. La estimación de la integral de 15.16327) +0. La fórmula para tres puntos es (véase tabla 22. Muchos problemas de ingeniería involucran el cálculo de trabajo.684096 y 4. Estos valores pueden sustituirse en la ecuación (22.12) para obtener 1 0 e -[l/4 (l/4) + ( í í ] s e n 2 n ( ( — dt 4 (24. la ecuación para el trabajo se puedo exprcaar como .12) para calcular una I de 3.4058023 15. En tales casos.59 4. la solución de problemas realísticos son por lo común más complejos. Estimación 11. Por ejemplo.313728.17) para dar un estimado de la integral de 11. respectivamente. y los resultados son 7.8888889(15.1) d / = 0. si una fuerza de 10 libras era usada para empujar un bloque una distancia de 15 pies.684915) = 15.5555556(1.

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

50 1. Esto es en particular evidente en la figura 24.0 » . 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. Un error relativo porcentual e¡ fue calculado con referencia al valor verdadero de la integral de 129.7. usted cuenta sólo con mediciones discretas a intervalos de x — 5 pies (véase tabla 24.75 0.6. también se puede obtener resultados menos exactos con las reglas de Simpson.0 9.é x . Suponga que usted debe realizar el cálculo para la situación mostrada en la figura 24.0 14. f | j t ) .8087 1.0 10.7025 2. Los resultados son interesantes.90 1. ya que la mayor exactitud ocurre para simple regla trapezoidal con dos segmentos.0 13. x. debido a las restricciones experimentales. 7 .r a d 0.0 5.48 1.6 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 . Aunque la figura muestra los valores continuos de F(x) y 9(x). donde graficamos la curva continua para el O i r U R A 24.Miive cómo el uso de los puntos para i uidderizar esta función que vuilo continuamente deja n n io l l i n i u dos picos en x = 2 .5 12.40 0.I b 0.30 1. Solución.5120 8. Puede obtenerse estimaciones más refinadas con m á s segmentos. 5y I7 ' .0881 0.0000 1.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. pies . i tli.TABLA 24.5 con intervaloi de 1 pie. imagine también que.3537 F ( x ) 0 funcional sea complicada.') pies. Los resultados del análisis se resumen en la tabla 24. los métodos numéricos proporcionan la única alternativa para determinar la integral. 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.50 F[x) eos 0. Para esta situación.5.52 cuya estimación se hizo con base en los valores tomados de la figura 24.6).5297 9.

5)] = 4. 2 8 . El error relativo porcentual e. co x.7 Ilustración gráfica del porqué la regla trapezoidal con dos segmentos da una buena estimación de la integral para este caso en particular.3 9 5 9 . Por suerte. el uso de dos trapezoides ocurre para llevar a un balance equilibrado entre los errores negativo y positivo. ( FIGURA 24. si los datos estuvieran disponibles enF(2.5 3 5 7 .5 9 5 . tener los mejores resultados.52 Ib • pie) fue estimado con base en los valores en intervalos de 1 pie.3 1 3 9 9 .9 (e = 2. La conclusión resultante de la figura 24.02%).5)] = 11.3.4 3 5 .7. en consecuencia.8 ilustra la segmentación desigual para este caso. como se calculó con referencia a un valor verdadero de la integral (1 29.7).690 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN TABLA 24.7 8 .5) eos [0(12. El hecho de que la regla trapezoidal con dos segmentos dé el resultado más exacto se debe a la selección del posicionamiento de los puntos para este problema en particular (véase figura 24. 0 4 producto de F(x) y eos [#(*)]. la inclusión de los datos adicionales podría incorporar los picos que antes no se tomaron en cuenta y.5) eos [0(2. podríamos determinar una estimación de la integral con el uso del algoritmo para datos espaciados desigualmente descrito en la sección 21.7 Estimaciones del trabajo calculado usando la regla trapezoidal y las reglas de Simpson.2 1 1 7 1 .9 1 7 5 8 . La figura 24.1 8 0 . Observe cómo el uso de siete puntos para caracterizar la función que varía en forma continua no toca los dos picos en x = 2. Así.3500yF(12. Si se incluyen los dos puntos adicionales se obtiene una estimación de la integral mejorada de 126.5 pies.6 es que debe hacerse un número adecuado de mediciones para calcular con exactitud las integrales.5 y 12.3600. Para el caso actual.8 1 1 9 0 .9 1 2 4 9 .1 1 3 3 1 . La omisión de estos dos puntos limita efectivamente la exactitud de la integración numérica estimada en la tabla 24. p l « i . Segmentos Trabajo Técnica Trapezoidal Regla de Simpson 1 / 3 Regla de Simpson 3 / 8 1 2 3 6 2 6 5 3 .

1. la integral representa la sumatoria del producto (lid Unjo por la concentración para dar la masa total entrando o (tullendo desde t a t .*)()() gramos del material desde —150 a 50°C. y t = tiempo inicial y final. pero ahora Míenle la cantidad de calor requerido para elevar la temperatura ili< I .6. m i n M \ Ji\ Qcdt di uiilc /.4) 0 5 10 15 20 25 30 35 40 45 50 . Use la regla lio Simpson para sus cálculos. 4 Valores de concentración medida en la tubería de salida de un reactor. 59 C O C O C O C O CL E Q. m g / m 10 22 35 47 55 58 52 40 37 32 34 3 t.inlos que resulta de la lin lii'.iún de dos puntos inlii dmales en x = 2. Interprete sus resultados.1. Observe que Q = 4 mVmin. SO 55 £ Q. o CU 55 CU D PROBLEMAS lli||«IILURIA química/petrolera 14.a integración proporciona un medio para calcular cuánta N N I N I I entra o sale de un reactor en un periodo específico. 14. E W A> Q (fl s (O O. e. 1<M I .1 Kcalice el mismo cálculo que en la sección 24. mg/m 3 0 10 2 20 4 30 6 40 8 60 12 72 16 70 TABLA P 2 4 . pero ahora use la fórmula de GaussI I'tjeiulre con dos y tres puntos. Se muestran las lúi mulos de integración iiiiiiii'nii. con valores de incremento de Tde 1<r<'. Así.5 y \V '> orí los datos de la luíilu 24. 2 4 .1. Esta fórmula tiene sentido Intuitivo si usted recuerda la analogía entre integración y mmmloria. min c.l Kepita el problema 24. M. Q puede «el obtenida de la integral: 2 { 2 M Q I cdl (P24. l Kepila el problema 24.4. 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. 5 La concentración química a la salida de un reactor do mezcla completa se mide como t.01%. Si la razón de flujo es constante.a aplicadas a cada i I I I I | I I I I I I I de segmentos. pero ahora use integración de Uniubcrg con e = 0.

24. ¿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.11 Calcule F mediante la regla trapezoidal y las reglas de Simpson 1/3 y 3/8.73 45 0. 1 0 barriles 6 0 0. Los puntos representan ubicaciones donde se ancló un bote y tomó lecturas a diferentes profundidades. Use dos aplicaciones de la regla trapezoidal (h = 4 y 2 m) y la regla de Simpson 1/3 para estimar el área de sección transversal a partir de esos datos.1 1 0. la medición en la superficie sería del 0%d. la velocidad varía con la profundidad en el canal.4 3 0. Usted sabe que. Para un lago con 3 x 10 m de sedimentos. debido a la fricción en el fondo.2. Emplee dicha estimación junto con la ecuación (P24.12.9 Use la mejor técnica de diferenciación numérica disponible para estimar la derivada en* = 0. ¿cuánta contaminación podría ser transportada hacia el lago en un año? 24. 24.6 ha primera ley de difusión de Fick establece que Flujo másico = D de dx 2 (P24.7 Los siguientes datos fueron colectados cuando se cargaba un gran buque petrolero: 2 6 2 24.9 Realice el mismo cálculo que en la sección 24. Por ejemplo. A menos que se disponga de dispositivos electrónicos sonoros para obtener perfiles continuos del fondo del canal.8 Usted se interesa en la medición de la velocidad de un fluido en un canal abierto angosto rectangular que transporta resi2 24.5 15 0. D = coeficiente de difusión (cm /s).30 Calcule la razón de flujo Q (es decir. Divida el mástil en intervalos de cinco pies. 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. mientras que en el fondo sería del 100%*/.12 Las áreas de sección transversal (A) son requeridas para diferentes tareas en la ingeniería de abastecimiento de aguas: entre otras.03 90 1. estime la masa de químicos que existe en el reactor desde t = 0 hasta 20 min.692 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN Para una salida de flujo de Q = 12 nr/min. d VIdi) para cada tiempo del orden de h . 24. c = concentración. . s F= Jo f / 30 250z e. 24. y x = distancia (cm). 1 0 " g/cm 6 3 0 0.6) para calcular el flujo másico de contaminantes fuera de los sedimentos y dentro de las aguas recubiertas (D = 2x10"* cm /s).10 Realice el mismo cálculo que en la sección 24.6) donde flujo másico = cantidad de masa que pasa a través de una unidad de área por unidad de tiempo (g/cm /s).2. Ingeniería civil/ambiental x. Si su técnico tiene tiempo para realizar sólo dos mediciones de velocidad. cm c.88 60 1. pero ahora use la cuadratura de Gauss para evaluar la integral. pronósticos de inundación y diseño de reservorios.65 30 0. Un ejemplo de una corriente común con su sección transversal se muestra en la figura P24. el ingeniero debe confiar en mediciones discretas de la profundidad para calcular A.dz 6+ z 7 / l nz/l0 f.14 120 1. pero ahora use la integración de Romberg con un orden de h para evaluar la integral. min V.

se le pide calcular p| Arca del campo mostrado en la figura P24.13 Un campo limitado por dos caminos y una cresta. 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. F[l\.13.15 La fuerza del viento distribuida en un lado de un rascacielos es registrada como Altura /. pies 3 000 FIGURA P24. m *» Fuerza. para estimar el número total de autos que pasa a diario por la intersección (sea cuidadoso con las unidades). Utilice estos datos. M i l Un estudio de ingeniería de transporte requiere el cálculo del número total de autos que pasan por una intersección en un periodo de 24 horas. M 1 1 Durante un reconocimiento de campo. que se resumen en la tabla P24.w PRO! i 0 i i i i i i i i i i i i i i i i i • 1 000 2 000 Distancia. 24. . Use las reglas do Simpson para determinar el área. Una persona visita la intersección varia» veces durante un día y cuenta el número de autos que pasan por el lugar en un minuto.14.

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

5 0.3 0. dT dx donde.20.2 15 /.4.9 0. Como ingeniero arquitecto. 24.4.27 5.. La ley de Fourier es usada rutinariamente por ingenieros arquitectos para determinar el flujo de calor II travos de paredes. R = 10/ + 2¿ 2/3 x. pero ahoIÍI pina la corriente especificada por .íl'.3 0.2. calcule k. 0 0 9 j r + (2 x 10 2 V Kmplec la ecuación del problema 24.15 0. 8 y 16 KBgmentoN de la regla trape /oidul puní calcular la integral.25 Realice el mismo cálculo que en la sección 24.20 M. Ingeniería mecánica/aeroespacial 24. Se puede calcular din la ley de Fourier.57 8. 0 0.56 3.54 13 1.f) sen (V7) y la resistencia es una función de la corriente.62 .04 6.1 0.5x0.2I Repita el problema 24. m 0 20 0.80 3.29 7. pero uhora use la regla de Simpson de segmentos múltiples para calcular: F(x) = \.7 1. 1 H = 1 V-s/A). = corriente (A). Use la cuadratura de Gauss con cinco puntos para ("¡lunar la integral.1 17 0. pero ahora use la siguiente ecuación para el cálculo: 0(x) = 0 ."C SI el Unjo en x = 0 es de 60 W/m .2 0./ tiene unidades de J/m /s o W / m y ¿ e s un coeficiente de conductividad térmica que parametriza las propiedades de conducción de calor del material y tiene las unidades de W/(°C • m). .10 1 2 3 5.' 24. Ingrali-ría eléctrica M 20 Kcalice el mismo cálculo que en la sección 24.1%.55 24.3.125* . . pero ahora use la regla de Simpson 1/3. L t /' 0. I '> lil flujo de calor q es la cantidad de calor que fluye a través di. Determino la caída de voltaje como una función del tiempo a partir de lo» siguientes datos para una inductancia de 4 H.25 para /''(.ir).'(0 = 4e~ /'(/) = 0 Calcule el voltaje promedio desde t — 0 a 60 mediante la rcglu de Simpson 1/3 de segmentos múltiples. Use 4. usted debe estimar el calor total absorbido por un panel colector de 150 000 «tit durante un periodo de 14 horas.un área del material por unidad de tiempo.8 0.26 Realice el mismo cálculo que en la sección 24.24 Suponga que la corriente a través de un resistor es descrita por la función ¡(0 = (60 . T temperatura (°C).00 0.22 Kepita el problema 24. . y x = distancia (m) a lo largo de la trayectoria de flujo de calor.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. 0. M.04 .03 7. El panel tiene una eficiencia do absorción e del 4 5 % .6.tf + (60 . 24. 0. L = inductancia (en henrys. El calor total absorbido lo proporUlnnu J ab Jo / qA dt dundo A = área y q = flujo de calor. pero ahora use la integración de Koniberg con <•:. y t = tiempo (s).0 . 8 + 0.00 8.T 2 ' sen 2M para 0 < t < Til para 772 < t<T donde ' / ' = 1 s.20. Las siguientes temperaturas son medidas en nuil pared de piedra: 2 2 di donde V = caída de voltaje (V).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. 24.32 6.

La velocidad ilo un objeto en la dirección de una fuerza está dada por s FIGURA P24.2H Vuelva a realizar el problema 24. pero ahora use la cuadratura de (luuss.T) a donde T = temperatura del cuerpo (°C). 24.4 al . T = temperatura del medio ambiente (°C) y k = constante de proporcionalidad (por minuto).26.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.31 La razón de enfriamiento de un cuerpo (véase figura 1*24. ) El trabajo realizado por un objeto es igual a la fuerza por lu distancia recorrida en la dirección de la fuerza. pero ahora use lu regla de Simpson 1/3. 24.32¿>.8 15 28.2'> Repita el problema 24. pero ahora use la integración de Romberg con e = 0. .1 = -k(T Tiempo. Grafique dTIdt contra T — T y emplee regresión lineal para evaluar k.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. a Utilice diferenciación numérica para determinar dTIdt para cada valor de tiempo.5%.32a) se deformará. Así. como en a donde v = m/s.9 10 33.2 25 25. la temperatura de la bola cambiará.26. como se muestra en la curva esfuerzo-deformación unitaria en la figura P24. min 0 90 5 49.32 Una barra sujeta a una carga axial (véase figura P24.696 A P L I C A C I O N E S EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN 24. Emplee la regla trapezoidal de aplicación múltiplo para determinar el trabajo si una fuerza constante de 200 N scuplica para todo?. 24.26. 2 4 M . 24.4 20 26.31) se puede expresar como .31 I) r= 4/ i) = 24 + (6 . esta ecuación (llamada ley de enfriamiento de Newton) especifica que la razón de enfriamiento es proporcional a la diferencia en temperaturas del cuerpo y del medio ambiente. El área bajo la curva va desde un esfuerzo cero hasta el punto de ruptura y se le llama módulo a 1 °C FIGURA P24.27 Repita el problema 24.

03 209 1. calcule Q usando la regla trapezoidal de aplicación múltiple. 0 A = rcP'ydA = licrdr.25 0.15 0. Use integración numérica B M H enleular los módulos de rigidez para la curva esfuerzo-deFIGURA P24. ble y g = aceleración hacia abajo debido a la gravedad (se supo14 \b limplee la regla trapezoidal de aplicación múltiple para ne constante = 9.20 0.74 250 2. 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. Analice sus resultados.11 0. 1 Oí .24 272 3. Portante.O(l-¿) fínica.34 Mediante los siguientes datos.2 0 ) 2 20 < / < 30 . (Para entender el significado de esta relación en forma 1/6 « = 2.063 0. La posición de un avión caza sobre un portaaviones fue Itimuda durante el aterrizaje: I.5/ 0</<10 alto volará el cohete en 30 segundos. u = velocidad a la cual se donde x es la distancia desde el extremo del portaaviones.30 M. m 0 0 0. la cuadratura de Gauss con seis puntos y los métodos de Romberg del orden de /¡ para determinar qué tan . 2 cm)..10 0.35 0.05 0.01 0. m = masa inicial del me lu velocidad y la aceleración usando dicohete en el tiempo / = 0. 2 x= F.33). 1 1 S I se conoce la velocidad de distribución de unfluidotransportándose a través de una tubería (véase figura P24. recuerde la conexión cercana entre sumatoria e integración. Proporciona una M E D I D A de la energía pin uuidiid de volumen requerido para caunir la ruptura del mahirlal. 24.82 274 — gt \m -qtj donde v = velocidad hacia arriba.tÍ¥ riRltln del inutoriul.36 262 3.326. Estiexpulsa el combustible relativo al cohete. Q = IvdA.5 ? 1 » 45/ + 2(/ . se puede calcular la razón de flujo Q (es decir.04o 0.45 m. -: 1 0 0 0 .51 186 1.37 La velocidad hacia arriba de un cohete se puede calcular con la siguiente fórmula: 1 ( v = u ln m 0 154 0. ka 3 • A ) (2irr) dr donde r es el radio total (en este caso. S m 0 ° \ ti) (dx/dt) b) 10<í <20 (dv/df) 0 2 0 2 8 1. m = 150 000 kg y evaluar lu distancia vertical recorrida por un cohete si la velociq = 2 600 kg/s.33 fttf tune ION unitaria que se tiene en la figura P24.8 m/s ). % 24. use la regla trapezoidal y la de Simpson 1/3 con dad vertical está dada por seis segmentos. q = razón de consumo de combustiferenciación numérica. Como tal.) I'aru un tubo circular. 1 0 N x. es representativo de la habilidad del material |lMh resistir una carga por impacto.13 0.028 0. calcule el trabajo realizado al estirar un resorte que tiene una constante de resorte de 3 X 10 N/m. Si la distribución de velocidad está dada por lu tubería. 1 4 .082 0. en 0. Si u = 2 000 m/s.

Si se emplea una ecuación cuadrática. son de utilidad para la solución de ecuaciones diferenciales ordinarias y para la evaluación de integrales impropias. 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.E P I L O G O : PARTE SEIS PT6. las cuales tienen límites de integración que se extienden más allá del rango de los datos. la cual se basa en el cálculo del área bajo una línea recta reuniendo valores adyacentes de la función. 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. Sin embargo. continuas y discretas. 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. Además de aplicar la regla trapezoidal con segmentos más finos. si se usa una ecuación cúbica. por lo común son preferidas esas fórmulas y se dispone de versiones de aplicación múltiple. 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. La mayoría de esos métodos se basa en la simple interpretación física de una integral como el área bajo una curva. el resultado es la regla de Simpson 1/3.4 Comparación de las características de métodos alternativos para la integración numérica. Las fórmulas abiertas. y ambas versiones están disponibles: las cerradas y las abiertas.4 proporciona un resumen de los elementos de juicio involucrados en la integración numérica o cuadratura. Para situaciones con un número de TABLA PT6. Se aplican a ambas funciones. Como son mucho más exactas que la regla trapezoidal. será la regla de Simpson 3/8. La versión más simple es la regla trapezoidal.il inaproplacla puní dalos Inbulaira Inupioplciflti |KII(] Método Regla trapezoidal Regla de Simpson 1 /3 Reglas de Simpson 1 / 3 y 3/8 Newton-Cotes de orden superior Integración de Romberg Cuadratura de Gauss u n a aplicación 2 3 3 o4 >5 3 Comentarios •¿2 dalos lubulutoj . son usadas muy rara vez para la evaluación de integrales definidas. Las fórmulas de Newton-Cotes son los principales métodos analizados en el capítulo 21. otra forma de obtener una estimación más exacta de la integral es con polinomios de orden superior para conectar los puntos. Estas técnicas están diseñadas para evaluar la integral de dos casos diferentes: 1) una función matemática y 2) datos discretos en forma tabular.

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

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

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

Por ejemplo. las ecuaciones (PT7.704 ICUACIONES DIFERENCIALES ORDINARIAS lo anterior se puede diferenciar para obtener dy_ dt = d]x_ dt 2 (PT7.3) y (PT7.1 M é t o d o s p a r a r e s o l v e r EDO s i n el u s o de computadora Sin una computadora. las EDO se resuelven con frecuencia con técnicas de integración analítica.10) (suponga que v — 0 en t = 0): „(. ' HBiifll4*' numéricos por lo común requieren de vW .7) El lado derecho de esta ecuación se conoce como integral indefinida debido a que los límites de integración no están especificados. Debido a que otras ecuaciones diferenciales de n-ésimo orden pueden ser reducidas en forma similar.5) cy + kx m - ( P T 7 . 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.10) c La mecánica para derivar tales soluciones analíticas se analizará en la sección PT7.2.T.) = 1 ^(1-e-e-/™)') (1.7) se obtiene si la integral indefinida puede evaluarse en forma exacta como una ecuación. Como lo es para la mayoría de las situaciones analizadas en otras partes de esto libro. Por ejemplo.4) Las ecuaciones (PT7.4) pueden entonces ser sustituidas en la ecuación (PT7. recuerde que para el problema del paracaidista en caída.3) y (PT7. esta parte de nuestro libro se concentra sobre la solución de ecuaciones de primer orden.7) con la ecuación PT6.7) se resolvió analíticamente con la ecuación (1. Mientras tanto. para esos cusoa.1) se podría multiplicar por dt e integrarse para obtener v = J (g.6) son un par de ecuaciones de primer orden equivalentes a la ecuación de segundo orden original.6]. lo relevante es que las soluciones exactas para muchas EDO de importancia práctica no están disponibles.2) para dar m^+cy dt o dy ^ = - + kx^O (PT7. Esto contrasta con las integrales definidas que se analizaron en la parte seis [compare la ecuación (PT7. Una solución analítica para la ecuación (PT7. la ecuación (PT7. la ecuación (PT7.-v)dt C (PT7.) 6 Así. I ON métodos numéricos ofrecen la única alterna^ (iva viable. PT7.

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

5JC + Ax 1(1*' i (PT7. 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. resultan ecuaciones diferenciales. entre ellas para propósitos de diseño.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. 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.1 Ejemplos de las leyes fundamentales que se escriben en términos de la razón de cambio de variables (f = tiempo y x = posición).1 se enlistan varios ejemplos.2). masa o velocidad. PT7. las leyes se usan a menudo en términos de los cambios espacial y temporal. Sin embargo. tales relaciones matemáticas son la base para la solución de un gran número de problemas de ingeniería. Esas leyes definen mecanismos de cambio. 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. muchas de las ecuaciones diferenciales de importancia práctica no se pueden resolver mediante métodos analíticos de cálculo. los métodos que se analizan en los siguientes capítulos son extremadamente importantes en todos los campos de la ingeniería. Cuando se combinan con las leyes de conservación de la energía. De hecho. En la tabla PT7. Recuerde que la segunda ley de Newton se usó para desarrollar una EDO que describe la razón del cambio de velocidad de un paracaidista en caída. inductancia (í) y corriente (/) ¡( dades físicas y estados de los sistemas. coeficiente de difusión (D) y concentración (c) Caída de voltaje (AV ). conductividad térmica [k] y temperatura [T] Flujo másico [J]. F ám q= dx dx J= dt -D — Variables y parámetros Velocidad (v). obtenemos una ecuación para predecir la velocidad de caída como una función del tiempo (véase figura PT7.706 ECUACIONES DIFERENCIALES ORDINARIAS TABLA PT7. Más que en describir directamente el estado de los sistemas físicos. como se describió en la sección anterior. Para ilustrar este concepto. masa o momentum. Esta ecuación se podría utilizar en diferentes formas. Así. empecemos con una función dada y m -0.12) 4 s . Al integrar esta relación. fuerza {() y masa (m) Flujo de calor \q).

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

De hecho. í x 8 .3 4 Gráficas de a] y contra x y b) dy/dx contra x para la función y = .14). la ecuación (PT7. Por tanto. 5 ( 0 ) + 4(0)-' . la ecuación diferencial comúnmente se encuentra acompañada por condiciones auxiliares. y = 1. Por ejemplo.1 Ox + 3 2 para cada término de la ecuación se obtiene la solución y = .lütOD'+JUCO) + C 4 (PT7. 5 x + 1. un tipo de condición auxiliar llamada valor inicial es requerida para determinar la constante y obtener una solución única.13) se podría acompañar por la condición inicial que en x = 0.0 . Estos valores podrían sustituirse en la ecuación (PT7. la figura PT7. Esta C es llamada constante de integración.14): 1 . + 4 x . Por ejemplo. para especificar la solución por completo.I0x 4 3 2 + 8. En el curso de diferenciación y después de la integración. 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. 5 * + 4x .4 muestra seis funciones posibles que satisfacen la ecuación (PT7. El hecho de que aparezca esa constante arbitraria indica que la solución no es única..14) la cual es idéntica a la función original con una notable excepción. Para las EDO de primer orden. perdemos el valor constante de 1 en la ecuación original y ganamos el valor C.O .708 ICUACIONES DIFERENCIALES ORDINARIAS FIGURA PT7.0 .15) .5* + C (PT7.

I5) .FT7. hemos "sujetado" la ecuación (PT7. y al hacerlo desarrollamos una solución única para la EDO y completamos un círculo con la función original [véase ecuación (PT7.2 0 x +8. Por ejemplo. se requiere de n condiciones para obtener una solución única. Los capítulos 25 y 26 se concentrarán sobre problemas de valor inicial.3 ORIENTACIÓN Antes de proceder con los método» numéricos para la solución de ecuaciones diferenciaIos ordinarias. Los problemas de valor límite se abordarán en el capítulo 27 junto con los de valores propios. Cuando tratamos con una ecuación diferencial de n-ésimo orden. en el problema del paracaidista en caída. 3 2 para determinar C = 1.5x + 1 (PT7. podría ser de utilidad alguna orientación. El siguiente material tiene como FT7.14) al forzarla a pasar a través de ln condición inicial.3 «HJIUCIÓN fif FIGURA PT7.0 . PT7. Si el paracaidista hubiese estado en movimiento vertical en el tiempo cero. la condición inicial fue un reflejo del hecho físico de que en el tiempo cero la velocidad vertical fue cero.14) para dar y = . 5 x + Ax .I0x 4 3 2 + 8. Por tanto. entonces al problema se le conoce como problema de valor inicial.12)].x . 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. Cada una conforma un valor diferente de la constante de integración C. Las condiciones iniciales usualmente tienen interpretaciones muy tangibles para las ecuaciones diferenciales derivadas de las condiciones de problemas físicos. la solución debería haberse modificado al tomar en cuenta esta velocidad inicial. en* o t — 0).4 Seis posibles soluciones para la integral de -2X + 1 2.16) De esta forma. Esto contrasta con los problemas de valor límite donde la especificación de condiciones ocurre con diferentes valores de la variable independiente. Si se especifican todas las condiciones en el mismo valor de la variable independiente (por ejemplo.5.

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

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

3. percatarse que la eficiencia del corrector es dependiente de la exactitud del predictor. y una capacidad para asegurar la confiabilidad de las respuestas. Entender las representaciones visuales de los métodos de Euler. 10. En particular. Entender la deducción del método RK de segundo orden y cómo se relaciona con la expansión en serie de Taylor. Reconocer la diferencia fundamental entre las fórmulas de integración de Newton-Cotes y la de Adams. Reconocer de qué modo la combinación de los componentes lentos y rápidos hacen una ecuación o un sistema de ecuaciones rígidos. darse cuenta de que hay un número infinito de versiones posibles para los métodos RK de segundo orden y superiores. Después de completar la parte siete. Las metas de estudio en general deberían incluir el manejo de las técnicas. de Heun y del punto medio. 14. Reconocer el tipo de problema en contexto donde es importante el ajuste del tamaño de paso. en particular. 1 1. darse cuenta que todos los métodos multipaso son predictor-corrector. En particular. Se le proporcionó ya el software y algoritmos para implementar las técnicas analizadas en la parte siete. Saber cómo usar los paquetes de sollwdn» y/o librerías para integrar las EDO y evaluar los V O I O I U Í . 7. 15. 16.2. Entender la distinción entre esquemas de solución implícitos y explícitos para EDO. . pero no a la inversa. 1. Entender cómo se integra el control del tamaño de paso adaptativo en un método RK de cuarto orden. debería dominar los objetivos de estudio específicos que se enlistan en la tabla PT7 . Conocer la forma general de los métodos de Runge-Kutta. 1 3. 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. 17. 9. reconocer cómo el último 1) aminora la rigidez del problema y 2) complica la mecánica de solución. Todo tiene utilidad como herramientas de aprendizaje. poder reducir una EDO de n-ésimo orden a un sistema de n EDO de primer orden. 12. 2. 3. Emplea el método de Runge-Kutta de cuarto orden para la solución de TABLA PT7. 5. propios. Objetivos d e cómputo. Saber cómo aplicar cualquiera de los métodos RK a sistemas de ecuaciones. Entender la base de los métodos predictor-corrector.2 M e t a s y objetivos Objetivos d e estudio. usted debe aumentar de manera notoria su capacidad para enfrentar y resolver ecuaciones diferenciales ordinarias y problemas de valores propios. Entender la diferencia entre problemas de valor inicial y de valores en la frontera. reconocer sus fortalezas y limitaciones. Saber lo racional detrás de los métodos de polinomios y los de potencia para determinar valores propios. 4. y poder seleccionar el "mejor" método (o métodos) para cualquier problema en particular. entender cómo dichos errores tienen que ver con ia exactitud de las técnicas. 8. 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 la diferencia entre los métodos de multipaso y de un paso.712 ICUACIONIS DIFERENCIALES ORDINARIAS PT7. Entender la conexión entre fórmulas de integración y métodos predictor-corrector. Entender cómo la deflación de Hoteller permite que el método de potencias se utilice para calculai los valores propios intermedios. Además de estos objetivos generales. El software para su computadora personal TOOLKIT de métodos numéricos es de uso amigable. 6.2 Objetivos de estudio específicos para la parte siete. 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. 18.

En particular. Además. 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. . 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. 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. debería convertirse en un entusiasta usuario de esas herramientas para implementar métodos numéricos en la solución de problemas de ingeniería. Por ejemplo.hasta cinco Hl)() simultáneas. Por último. Esta información le permitirá aumentar su librería de software.

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

la pendiente al inicio del intervalo es tomada como una aproximación de la pendiente promedio sobre todo el intervalo.1 M É T O D O DE E U L E R La primera derivada proporciona una estimación directa de la pendiente en x¡ (véase figura 25. Este procedimiento. 25. el procedimiento más simple es usar la ecuación diferencial para estimar la pendiente derivada enx¡ al inicio del intervalo.2) 4> f(x¡. Después continuamos con otros métodos de un paso que cumplen estimaciones de pendiente en forma alterna. llamado método de Euler./i» 25/í M É T O D OD EE U L E R y Error x FIGURA 25.y¡)h (25. y¡) es evaluada enx¡ y y¡. Como en el problema del paracaidista en caida.2). y cuyas resultantes serán predicciones más exactas. 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 25.2): = la ecuación diferencial y donde/ (x¡.1): y¡+\ =y¡ +f(x¡. . i) Esta fórmula es conocida como el método de Euler (o de Euler-Cauchy o de punto medio). Tal estimación podrá sustituirse en la ecuación (25. se analiza en la primera parte de este capítulo. Todas estas técnicas se conocen por lo general como métodos de Runge-Kutta. En otras palabras. que sólo va a diferir en la manera en la cual se estima la pendiente. Todos los métodos de un paso se pueden expresar en esta forma general.2 Método de Euler.

12500 /.0 -125.71875 4.0 .5.5 3.3 -63.0 . Recuerde que la solución exacta la da la ecuación (PT7.5. \ ecuación (PT7.0 Xverdadero •3.0Ü000 Global Local í ooooo) -63.5) + 8.5) .5 3 2 * ' I ¡J Por tanto. 1 MÉTODOS DE RUNGE-KUTTA Método de Euler | Enunciado del problema. El error local se refiere al error incurrido sobre un solo paso.5 donde y (0) = 1 y la pendiente estimada e n * = 0 es /(O.0 3.12500 4.10(0.0 133.0 2. 13): Use el método de Euler para integrar numéricamente la í — = -2x dx 3 + 12x .1 -28.20* + 8.0 1.25 La solución real en * = 0 .5) = y(0) + /(O.1 Comparación de los valores verdadero y aproximado de la integral de y' = -2X + 1 2X .5) + 1 = 3.87500 7. 3 2 E r r o r r e l a t i v o porcentual X 0. 5 ( 0 .3 4.5 4.5 2 desde* = Ohastax = 4con un tamaño depaso 0 . i Se puede usar la ecuación (25.20x + 8.5 es y = .2) para implementar el método de Euler: ^ \ . \ y (0.5* + 1 4 3 2 Solución. La condición inicial en* = Oesy = 1.9 -51.3 -53.00000 YEuler '^25000) 6.41 20.0 . 1) = .50000 4.75000 5.5 17.0 0.0 -1.21875 2.00000 2.16): y = .5 1.2.10x + 8.2 ( 0 ) + 12(0) . VU : y(0. El error global es la discrepancia total debida a los pasos anteriores así como a los actuales.0 + 8.00000 4.1 -95. 5 * + 4 x .5(0.5.0 -74.0 -1 1.21875 4 3 2 TABLA 25.20(0) + 8.7 46. Los valores aproximados se calcularon mediante el método de Euler con un tamaño de paso de 0.5 = 8.?'.5 2. Se calcula con una expansión de la serie de Taylor como en el ejemplo 25.00000 2. 5 ) + 4(0.5) = 5.716 EJEMPLO 25.71875 3. 1)0.5(0.8 131. con la condición inicial de que y = 1 en x = 0.B75-> 3.5) = 1.

5 = 5. 8 % . e.1 y la figura 25.1%. el error es E. por tanto. 5 .20x + 8 .2 . 5 desde x = 0 hasta x = 4 con un tamaño de paso de 0. Para el segundo paso.20(0. 5.21875 . Como se analiza en la siguiente sección. = verdadero . este error se puede reducir al usar un tamaño de paso más pequeño.5) + 8.5.5) .9 5 . Observe que aunque el cálculo captura la tendencia general de la solución verdadera.0 es 3.2 X + 1 2 X . 0 3 1 2 5 o. el error relativo porcentual es .0 y. De esta forma. dy dx » /(O .5 3 2 = 5.3 3 2 Comparación de la solución verdadera con una solución numérica mediante el método de Euler para la integral de y' = . expresada como error relativo porcentual.aproximado = 3. Así. el error es considerable.5) + 12(0. El cálculo se repite y los resultados se compilan en la tabla 25.1 MÍTOOO D EE U L E R 7TT O O 2 4 x FIGURA 25.25.5] 0. La condición inicial en x = 0 es y = 1.3. El ejemplo anterior usa un polinomio simple para la ecuación diferencial con el fin de facilitar el siguiente análisis de error.25 + [~2(0.25)0.(0.875 La solución real en x = 1. y ( l ) = }.5) + / ( 0 . — —63.25 = .5.

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.+ . causados por la naturaleza de las técnicas empleadas para aproximar los valores de y.+ \ h n n\ + R„ (25.3) en las ecuaciones (25.1. Para ello. como en [recuerde la ecuación (4. x y y. Si la solución (es decir.6) 2! IÚ . I ( • " ./U„ v. . Errores de redondeo.3) donde y ' = dy/dx. Es posible desarrollar una forma alternativa al sustituir la ecuación (25.5. La suma de los dos és el total. nuestros ejemplos involucrarán en forma gradual un número de EDO que dependen de ambas variables: independientes y dependientes. donde ¿j está en algún lugar en el intervalo de x¡ a x . . observe que la ecuación diferencial sujeta a integración será de la forma general: y ' = /(JF. y¡). que son el resultado del número límite de cifras significativas que puede retener una computadora. un caso más general (y más común) involucra varios EDO que dependen de ambos.4) donde h = x¡ j — x¡yR *. puede representarse por una expansión de la serie de Taylor con respecto a los valores de inicio (x¡.718 MÉTODOS DE RUNGE-KUTTA Obviamente. y) Conforme avancemos en esta parte del texto. o error de truncamiento global./. o discretización. = v.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. -r = dx ftx. la función que describe el comportamiento de y) tiene derivadas continuas.5) para obtener ¡+1 y .» Í) t (Hh""> (25.. Errores de truncamiento. 2. La primera es un error de truncamiento local que resulta de una aplicación del método en cuestión sobre un paso sencillo./-.. respectivamente. + 1 = y. La segunda es un error de truncamiento propagado que resulta de las aproximaciones producidas durante los pasos previos. / Ü V ' V 1 1. definido como (25.A':: 1 ( V . Los errores de truncamiento se componen de dos partes.)/. = = término remanente. yxyy son las variables independiente y dependiente. 25. >0 (25.7)] y. + yjh + ^h n 2 z! + --.4) y (25.

La ecuación (25. 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. Para el presente caso.12v + 24 (E25. + 2Ax . Por ejemplo.) = -6x yf"(x¡. Además.1) donde f'(x¡. Para h lo suficientemente pequeña. EJEMPLO 2 5 . y¡)h. o dejamos fuera. ésta es /"(.6). Al restar la ecuación (25.2.25 . 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 (25.7) se puede escribir como E.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.2) y (25.) / 7 4 (E25.-) ft3 + / ( 3 ) (*My. una parte de la solución verdadera.2. y.2) y¡) es lu segunda derivada de la EDO * . Debido a que tratamos con un polinomio.7) donde E = error de truncamiento local verdadero. puede verse que el método de Euler corresponde a la serie de Taylor hasta e incluyendo el término f(x¡. Use la ecuación (25. y¡) — primera derivada de la ecuación diferencial (que es.7) para estimar el error del paso inicial del ejemplo 25.2.2) de la (25.) . Solución. y.7) disminuyen con frecuencia en tanto aumenta el orden (recuerde el ejemplo 4..1.v.2). Al comparar las ecuaciones (25. yi)_ 3! 2 4! h2+ /"(*. la segunda derivada de la solución).8) E = a a O(lr) (25.2 y el análisis que lo acompaña). Úsela también para determinar el error debido a cada uno de los términos de orden superior de la serie de expansión de Taylor.6) se tiene + 0(h ) n+l (25.3) f"iM.20 (E25. podemos usar la serie de Taylor para obtener estimaciones exactas en el método de Euler.y.-. De esta forma truncamos. 2 Estimación de la serie de Taylor por el método del error de Euler \ Enunciando del problema. f'ixi. los errores en los términos de la ecuación (25.9) donde E = error de truncamiento local aproximado. y el resultado a menudo es representado como t 2! (25.

1. ya que para este caso en particular son igual a cero. y los términos de orden superior podrían tener valores diferentes a cero.— ^ — (0.1. No proporciona una medida del error propagado y.2 = — . t2 t3 t¥ Como se ilustra en el ejemplo 25. 0 3 1 2 5 24 4 4 Estos tres resultados pueden ser agregados para obtener el error de truncamiento total: E. En la tabla 25. Como se esperaba.03125 el cual es exactamente el error en que se incurría en el paso inicial del ejemplo 25.4) definen por completo el error de truncamiento para una sola aplicación del método de Euler. el error de truncamiento local absoluto promedio (25%) es menor que el error global promedio (90%). El error local se calculó para cada tamaño de tiempo con la ecuación (25. = E.5 .5) = . 0 ) + 24(0.0 = . 5 + 0.. en lugar del valor aproximado (la tercera columna).1 incluimos los errores de truncamiento global y local para el ejemplo 25.8).2 . existen limitaciones asociadas con su uso para este propósito: 1.5 J y para el término de cuarto orden: E. por tanto. Por ejemplo.20 E. . la serie de Taylor proporciona un medio para cuantificar el error en el método de Euler. = 3 .03125 = -2. La única razón que tendríamos puní hacer estos cálculos do error a&tetoi. Observe como E > E > E el cual soporta la aproximación representada por In ecuación (25. y¡) es la tercera derivada de la EDO 3) / >(x -. Sin embargo.2.5) Para el término de tercer orden: £.-.5) = 0.2.1 2 (3 ( (IÍ25.5) = . . como se hizo en el método ele Euler. + £ . funciones trascendentales como sinusoides o exponenciales) esto podría no necesariamente ser cierto. La serie de Taylor proporciona sólo un estimado del error de truncamiento local. Se debería observar que para otras funciones (por ejemplo.0 . 0 ) + 24 o (0. en que conocemos el valor verdadero a priorl.y. Sin embargo. del error de truncamiento global. 3 + E 2 f tA = .1) a la (E25..MÉTODOS DE RUNGE-KUTTA y/* (x. derivadas de cuarto y superiores) de la ecuación (E25.2. pero mediante el uso del valor verdadero de y¡ (la segunda columna de la tabla) para calcular y¡ .0) . el error creado durante un solo paso del método.2 .2.1)..2. para el presente caso.1 2 ( 0 . = — 12 (0. el error de truncamiento del término de segundo orden se puede calcular como . 5 2 7 2 (E25. las ecuaciones (E25.2 .2).6 ( 0 .0. en decir.4) Podemos omitir términos adicionales (esto es.

1 de 90% y 24. En la sección .4%. Se puede también demostrar que el error de truncamiento global es 0(h). un método de M -ésimo orden dará resultados perfectos si la solución en turno es un polinomio de n-ésimo orden. 3 Efecto del tamaño de paso reducido sobre el método de Euler Enunciadodel problema.46]. pero ahora use un tama- \ i í j i j | Solución. Como el error local es proporcional a esta función.25. Como se mencionó antes. 2.. Es decir. ño de paso de 0. El cálculo se repite. Así. Esto se debe principalmente a que la primera derivada de la ecuación diferencial es una parábola que cambia de signo [recuerde la ecuación (E25. el efecto neto de la oscilación en el signo es para mantener el error global de un crecimiento continuo en tanto so ejecuta ol cálculo. debido a que para una línea recta. 1969). El método proporcionará predicciones libres de error si la función en turno (es decir. +1 EJEMPLO 2 5 . En consecuencia. en problemas reales con frecuencia tratamos con funciones que son más complicadas que los polinomios simples.2. las derivadas necesarias para evaluar la expansión de la serie de Taylor podrían no siempre ser fáciles de obtener.2) y vea la figura 25.1.9). como se esperaba. vemos que el error local es proporcional al cuadrado del tamaño de paso y a la primera derivada de la ecuación diferencial. la segunda derivada podría ser cero. Éito no podrí«aer ol caso en un problema real. el error global aumenta sobre este intervalo. De acuerdo con la ecuación (25. Esta última conclusión tiene sentido intuitivo. el error de truncamiento local será 0(h" ) y el error global 0(h"). todos los errores locales son negativo» y. como lo nnalizaromoa dtapuói. el error local disminuye a un cuarto y el error global a la mitad. Se puede reducir el error al disminuir el tamaño de paso. es decir. ya que el método de Euler usa segmento» de línea recta para aproximar la solución.2. es proporcional al tamaño de paso (Carnahan y cois. y los resultados se compilan en la figura 25. que se describen en las siguientes páginas. En consecuencia. la solución de la ecuación diferencial) es lineal. Debería también observarse que este patrón general se cumple para métodos do orden superior de un paso. la serie de Taylor proporciona todavía un conocimiento valioso en el comportamiento del método de Euler. 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.8%. en consecuencia. Además. Estas observaciones nos llevan a las siguientes conclusiones útiles: 1. Aunque estas limitaciones impiden el análisis de error exacto para la mayoría de los problemas prácticos. De ahí que se haga referencia al método de Euler como uno de primer orden. desde x = 0 hasta x — 1. 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. Repita el cálculo del ejemplo 25.4a.25. Así. Esto es equiparable a los errores global y local del ejemplo 25. Observe también cómo el error local cambia de signo para valores intermedios a lo largo del rango.

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 . se invierte el proceso y de nuevo aumenta el error global. 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. la solución numérica puede divergir cada vez más de la solución verdadera en tanto se ejecuta el cálculo. el efecto neto será con frecuencia reducir el error global. 5 .:" : iv i "i.2.722 M É T O D O S DE RUNGE-KUTTA «J'i< " ¡ 1 . . SE BASA E N LA E C U A C I Ó N (E25. 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. Sin embargo. donde los errores locales son del mismo signo. ' . Si el error local cambia en forma continua el signo sobre el intervalo de cálculo.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 . Esta gráfica muestra cl errar relativo porcentual en x • 5 tono UM función del tamaño de paso para el problo- .5.! • \ ¡ j J \ FIGURA 25. los errores locales positivos comienzan a reducir el error global. Cerca del extremo. TAMAÑOS D E PASO D E 0 . 2 5 . Tales resultados se conocen como inestables.5).

Como este tamaño de paso corresponde a 5 000 pasos para ejecutar desde x = 0 hasta x — 5. (25.1 %. la gráfica sugiere una técnica do primer orden como el método de Euler que demanda gran esfuerzo computacional para obtener otros niveles de error aceptables.10) .5 . La gráfica muestra el error global relativo porcentual absoluto en x = 5 como una función del tamaño de paso.. a pesar de su ineficiencia. 50 . la simplicidad del método de Euler lo hace una opción extremadamente atractiva para muchos problemas de ingeniería.20x + 8. son en extremo simples de programar. En la próxima sección se desarrolla un algoritmo de cómputo para el método de Euler. 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. debería observarse que.001 Tamaño de paso FIGURA 2 5 . 25. Sin embargo. .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 al 25. presentamos técnicas de orden superior que dan mucha mayor exactitud con el mismo esfuerzo computacional. la técnica es en particular útil para análisis rápidos.01 0. 3 2 ma que estamos examinando en los ejemplos 25.1 0. Observe que aun cuando h so reduzca a 0. Como se especificó en el inicio de este capítulo.5. Más adelante en este capítulo. Pieos .001. Ya que es muy fácil de programar. 500 5 000 1 0. 5 Efecto del tamaño de paso sobre el error de truncamiento global del método de Euler paia la integral de y' = -2x + 1 2X .3. el error todavía excede 0.1.

suponga que el tamaño de paso se habrá de volver muy pequeño para obtener mayor exactitud. Aunque este programa "hará el trabajo" de duplicar los resultados de la tabla 25. ¡Para dx = 0. si dx fuera cambiada a 0.6.01 y se usara la representación estándar IEEE de punto flotante (cerca de siete cifras significativas).5. y 'loop to impiement Euler's method 'and dieplay reeulte DO i =1.nc dydx = -2X + 12X . Por ejemplo.20x + 3. Además. existen varios factores relacionados con la forma en que establecemos las iteraciones. no está muy bien diseñado.1. el número de variables de salida podría ser muy grande. Primero. Además. Un pseudocódigo simple para realizar lo anterior podría ser como el que está escrito en la figura 25. podría ser crítico si deseamos modificar y mejorar el algoritmo. podría ser 3.1. a usted le gustaría usar el método de Euler para integrar / = -2x + \2x .1. el algoritmo está imposibilitado sobre la suposición de que el intervalo de cálculo es uniformemente divisible entre el tamaño de paso. no es muy modular.6 Pseudocódigo paro una versión "muda" del método de Euler. 3 2 . En tales casos. y que desplegara todos los resultados. Aunque esto no es muy importante para un programa así de pequeño.999997 en lugar de 4.4. debido a que cada valor calculado se despliega.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. 'set ¡ntegratíon range x¡ = O xf = 4 'initialize variables y =i X = XÍ 'eet step eize and determine 'number of calculation steps dx. = 0. y el más importante. Esto es.5 y = y + dydx • dx x = x + dx PRINT x.5 nc (xf-xi)/dx 'output initial condition PRINT x.5. Por ejemplo. y END OQ .999892! 2 2 FIGURA 25.20x + 8. 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. el resultado al final del cálculo podría ser 3.001. Por último. A usted le gustaría integrarla hasta x = 4 usando un tamaño de paso de 0.

Estos valores se guardan en arreglos de tal modo que se tenga salida en diferentes formas una vez que termine el cálculo (por ejemplo. aunque el programa de la figura 25.. Por le punto >dría ser • I • • • I H H • fl I H H • • fl S fl H En la figura 25. m m FIGURA 25. Esto 20x + hasta x os. Así. La rutina Euler llama A la rutina Derívate que calcula el valor de la derivada. 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. el módulo de Euler es la única parte en que el método es específico. h. facilitara en gran medida la modificación del programa en las últimas secciones. grandes y pequeños. Por ejemplo. ^. xout. y.7 Pseudocódigo para una versión modular "mejorada" del método de Euler.7 está diseñado específicamente para implementar el método de Euler. dydx) dydx = . gráficas. impresión.x < h) THEN h = xend . 1 . y. Un o en la IA 25. Así. 1(1 nluorilnio no da la salida A todos los valores calculados. END SUB ENP DO KF.1.7 NO despliega un algoritmo mucho más modular que evilu esas dificultades. el usuario especifica un intervalo de salida. que indica el intervalo en el cual los resultados calculados se guardan en arreglos. y. h.. xp y yp . xend) m = m+ 1 xp = x m d] Rutina para determinar la derivada 5U3 Derive (x. ynew) CALL Derivs(x. Mientras que tal modularización podría parecer que sobrepasa al caso actual. todo lo que se requiere para aplicar este algoritmo con otros métodos de un paso es modificar esta rutina.x CALL Euler (x. h. los intervalos no tienen que ser uniformemente divisibles entre los tamaños de paso. escritura en un archivo). y.1. 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.unque deseamos las pequeilado se joritmo temente x + dx 4 . En lugar do esto. 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. en condiciones lógicas. El programa principal toma grandes tamaños de paso y llama A una rutina denominada Integrator que hace los tamaños de cálculo más pequeños. Observe que los ciclos controlan ambas salidas de paso. y. h. xend) DO IF (xend . y.5ULTS DISFLAY END IF (x £ xf) EXIT yp =y m . La rutina Integrator llama después A la rutina Euler que toma un solo tamaño de paso con el método de Euler.

b y i» son constantes empíricas. | FIGURA 25.1 y v = 0 en t = 0. Este modelo lo proporciona dv dt = g v + a m m4x (E25. m = 68. el método de Euler proporciona una alternativa conveniente para obtener una solución numérica aproximada.1). Podemos usar este software para resolver otro problema asociado dv con la caída c del paracaidista. Lineal No lineal . Además.2). este aumento en la flexibilidad se gana a expensas de evaluar tres coeficientes en lugar de uno.myc son las mismas que en la ecuación (E25.4.8 j j Resultados gráficos para la solución de la EDO no lineal [véase ecuación (E25. las cuales para este caso son igual a 8. En este caso. Usted recordará de la parte uno que nuestro mo— = g v (E25. Esas soluciones fueron para el caso en el g = 9.7.1) como numérica con el método de Euler (ejemplo 1.1.4. Se puede desarrollar un programa de cómputo a partir del pseudocódigo de la figura 25.4. y a.5.2 y 46.2) donde g.726 MÉTODOS DE RUNGÉ-KUTTA EJEMPLO 2 5 .8. respectivamente.2)].4. 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.1)] para propósitos comparativos. Sin embargo.3. 4 Rto iv l tindo a l E D O con computadora Enunciado del problema. c = 12. 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. 2.1) delo matemático para la velocidad se basó en la segunda ley de Newton en la forma dt m Esta ecuación diferencial se resolvió tanto de manera analítica (ejemplo 1. 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 (E25.4.

Los resultados de las dos simulaciones indican en qué medida el aumento de la complejidad de la formulación en la fuerza de arrastre afecta la velocidad del paracaidista.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. se han desarrollado métodos alternativos de un paso. Esos esquemas son comparables en desempeño con los procedimientos de la serio de Taylor de orden superior. y) es df(x.2). con un tamaño de paso de integración de 0. * > = £ - . lineal y no lineal. requieren diferenciación por la regla de la cadena. En consecuencia. su inclusión no es tan trivial cuando la EDO es más complicada.23.11) 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. como se describe en las siguientes secciones.y¡)h + J y 7 ^ h 2 (25. .Vi) Las derivadas de orden superior se hacen mucho más complicadas. Tales beneficios deberían permitirle dedicar más tiempo para considerar alternativas creativas y aspectos holísticos del problema en lugar de los tediosos cálculos a mano.y)dy . las EDO que son una función tanto de la variable dependiente como de la independiente. Podría probarse en forma similar modelos alternativos. pero requieren sólo del cálculo de las primeras derivadas. La gráfica de esta figura muestra también un traslape de la solución del modelo lineal para propósitos de comparación.6) se obtiene f'(xi.1 7 . En este caso. 25. La combinación de una solución generada con la computadora hace de esto una tarea fácil y eficiente. + f(xi.* 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. la primera derivada de f(x. la velocidad terminal disminuye debido a la resistencia causada por los términos de orden superior en la ecuación (E25.] MftftPCM EULER Solución. + df(x.yi) y¡+i = y.1 s. Por ejemplo. Los resultados para ambos modelos. En particular.y) / < * . se despliegan en la figura 2 5 H .1. con la inclusión del término de segundo orden en la ecuación (25.4. Por ejemplo.

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). o) Predictor y b) corrector.728 MÉTODOS DE RUNGE-KUTTA 25. 25. Sin embargo. . se ilustra en forma gráfica en la figura 25. Se dispone de dos simples modificaciones para evitar este defecto. conocido como el método de Heun. Este procedimiento. de hecho ambas modificaciones pertenecen a una clase mayor de técnicas de solución llamadas métodos de Runge-Kutta.9.3. Como se demostrará en la sección 25.9 Ilustración gráfica del método de Heun.2. como éstos poseen una interpretación gráfica muy directa. los presentaremos primero para su derivación formal como métodos Runge-Kutta. Las dos derivadas se promedian después con el fin de obtener una estimación mejorada de la pendiente para todo el intervalo.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. FIGURA 25.

Mejora una estimación de y cálculo de una estimación de la pendiente al final del intervalo: + 1 i+l y' ¡+1 =f(x . calculada en la ecuación (25. + 2 + 1 ). Heun l a y .) se usa para extrapolar linealmente a y ¡ . + f( y. como se demostrará en el siguiente ejemplo.14) Así. la pendiente al inicio de un intervalo y¡ = f(x¡.9a): Corrector (figura 25.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 . El proceso se ilustra en la figura 25. / ( * .5)] í+1 + .13) no es la respuesta final. ) + /(x.12) y?+i=yi (25.yi)h (25. y = y'¡ + y¡ i + = / f e .16) t i e n e y en ambos lados del signo igual. Sin embargo. ción intermedia. ¡ . y .16) l+l = y.P E B U E W de Euler.y.13) es llamada ecuaciónpredictor.15) (25. una estimación anterior podrá usarse de manera repetida para proporcionar una estimación mejorada d e y .) + ) h Observe que como la ecuación (25.zarRecuerdo que en el método PBL M É T O D O . un criterio de terminación para la convergencia del corrector está dado por [recuerde la ecuación (3. El método de Heun es el único método predictor-corrector de un solo paso que se describe en este libro. + . y . Todos los métodos multipaso que se analizarán más tarde en el capítulo 26 son de este tipo. h la cual es conocida como ecuación corrector. Como con los métodos iterativos similares analizados en secciones anteriores de este libro. se puede expresar en forma concisa como Predictor (figura 25. Esto es.14)] pueden combinarse con el fin de obtener una pendiente promedio para el intervalo: -. Es por esto que la distinguimos con un superíndice (25. Como se desarrolló antes." f( X y. se puede aplicar en una forma iterativa.)h ^ <+»'^+> x i+} X¡> (25.12) y (25.+). y ° y ¿ + i = y.13) en el método de sino una predicO.y? ) i+í +l (25.96): y° y = y. ) + /(*. . y. las dos pendientes [véase ecuaciones (25. El método de Heun es un procedimiento predictor-corrector. . + l mmm¡ + f(xi. 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.10. La ecuación que permite el Para el método estándar de Euler deberemos parar aquí.

5y desde x — 0 hasta x = 4 con un tamaño de paso de 1.0.5. 5 A (E25. como se calculó de la ecuación diferencial con la ecuación (PT6.2.3 v Esta fórmula se usará para generar los valores de la solución verdadera en la tabla 25. 0M Solución. la pendiente en (x .FIGURA 2 5 . la cual es igual a 4. podemos usar cálculo para determinar la siguiente solución analítica ) + 2e . Use el método de Heun para integrar y' = 4e — Q. .0.4). y ) se calcula como 0 0 y = 4e° .1946. La condición inicial en x — 0 es y = 2. Antes de resolver el problema de manera numérica. i y¿+i donde y{ ¡ y y{ mente. Primero.17) +x resultan de la iiteración anterior y actual del corrector. 1 0 Representación gráfica de la iteración del corrector del método de Heun para obtener un estimado mejorado.I) y 1. + j-i yi i+ 100% (25. 5 Método de Heun Enunciado del problema. respectiva- EJEMPLO 2 5 .0 .5(2) = 3 0 Este resultado difiere mucho de la pendiente promedio actual para el intervalo de 0 a 1.

para mejorar el estimado para y usamos el valor y\ para predecir la pendiente al final del intervalo: i + v y \ = f( . ¡unto con el error relativo porcentual absoluto.701082)1 — ^ 1 = 6. el método de Heun sin iteración del corrector reduce el valor absoluto del error por un factor de 2. H Xvtrdadaro 0 1 2 3 4 2. al sustituir el nuevo resultado en el lado derecho de la ecuación (25. Ahora dicho estimado podrá usarse para refinar o corregir la predicción de y.701082(1) = 6.6771718 75. 1 8 % .5(6. Loi valores aproximados se calcularon mediante el método de Heun con un tamaño de paso de 1.0000000 6.8439219 33. 0Bx Iteraciones del m é t o d o d e H e u n 1 15 (%) 0.00 2 .0. Se muestran dos casos que correspondan a números diferentes de iteraciones del corrector.0000000 6.16)] para dar la predicción en x = 1: yi = 2 + 4. Ahora.3197819 37.68 3 .402164 y 2 que es más cercana a la pendiente promedio verdadera de 4.16): [3 + 4<? y.2 en x » 0. El valor verdadero en la tabla 25.09 3.46 10.3 Comparación de los valores verdadero y aproximado d« la Integral de y' m 4e .3377674 2.0: y°i = 2 + 3(1) = 5 Observe que éste es el resultado que se podría obtener con el método estándar de Euler.3608655 15.8 .3022367 34. Así. con la condición inicial de que y .18 9.94 10. = 2 + ± a8<1) -0.3%.7350962 La solución numérica se obtiene al usar el predictor [véase ecuación (25.7010819 16.T A B L A 35.62 y .5(5) = 6.4 al compararlo con el método de Euler.2 muestra que corresponde a un error relativo porcentual del 25.3389626 y .un H u n i £ f i (%) 0 .7432761 77.00 8.0.1946314 14.275811 .18 2.y°) Xl = 4e o m ) .402164 la cual puede combinarse con la pendiente inicial para obtener una pendiente promedio sobre el intervalo desde x — 0 hasta 1: 3 + 6.1946.17 3.701082 la cual representa un error relativo porcentual de . Este resultado puede ser sustituido en el corrector [véase ecuación (25.0000000 6.15)] para obtener un estimado de y en 1.1992489 83.5y.

donde la EDO es únicamente función de la variable independiente. 6. las iteraciones deberán converger eventualmente sobre un solo valor.+ iI /"• /+l dy = J f(x)dx / y .03%.382129 que representa un |£. En el ejemplo anterior. Para casos tales como los polinomios.3)].5(6. recuerde del capítulo 21 que In regla trapezoidal [véase ecuación (21.31 %. Tales incrementos pueden ocurrir en especial para grandes tamaños de paso. el cual representa un error relativo del 2.20) y. a su vez.3)] se puede definir como .26)] no es requerido y el corrector se aplica sólo una vez para cada iteración.19) mdx (25.2 muestra los resultados de los cálculos restantes mediante el uso del método con 1 y 15 iteraciones por paso.21) Ahora. la derivada es una función de la variable dependiente y y de la variable independiente x. se tiene después de 15 iteraciones.y .| de 3. Observe cómo los errores algunas veces crecen en tanto se ejecutan las iteraciones. La conexión entre los dos métodos se puede demostrar formalmente al iniciar con la ecuación diferencial ordinaria d tí \ Tal ecuación podrá resolverse para y por integración: r la cual da y dx V . Sin embargo. el paso predictor [véase ecuación (25. + i . y nos previenen de dar la conclusión general de que con una iteración adicional se mejorará el resultado. Este resultado. = 2 + i a 8 ( 1 ) -0. = jT' + (25. Para esos casos.16) para corregir aún más: [3 + 4 e y.360865. la técnica se expresa en forma concisa como y¡+\ = y¡ + ^ h (25.732 MÉTODOS DE RUNGE-KUTTA el cual representa un error relativo porcentual del 1. para tamaños de paso lo suficientemente pequeños.275811)1 ~ ^ 1 = 6.68%. Para nuestro caso. La tabla 25. puede sustituirse en la ecuación (25.18) Observe la similitud entre el lado derecho de la ecuación (25.18) y la regla trapezoidal [véase ecuación (21.-+i =y¡ mdx (25.

/ ( .+i/2 = /fe+i/2.-+i = + x f(x ) i+{ 3'/ H " la cual es equivalente a la ecuación (25.27)] no puede aplicarse de manera iterativa para mejorar la solución.-+i /2 = >•/ + /(A"Í.12 ilustra otra modificación simple del método de Euler.22) en la (25. la cual se denomina método de punto medio. esto procedimiento podrá también conectarse con las fórmulas de integración de Newton-Cotes.6)] E. Como la ecuación (25.. La figura 25./(\\d\ / ( A .26) el cual se toma para representar una aproximación válida de la pendiente promedio para todo el intervalo. al disminuir el tamaño de paso aumenta el error a una velocidad mayor que para el método de Euler. este valor predicho se usa para calcular una pendiente en el punto medio: y. Así.21) se tiene f(x. que muestra el resultado con el uso del método de Heun para resolver el polinomio del ejemplo 25. — x. Recuerde de la tabla 21. y.) y . el corrector [véase ecuación (25.25) Después. esta técnica usa el método de Euler para predecir un valor de y en el punto medio del intervalo (véase la figura 25.1.rmMTTODO D EB U L Í H M (25.4 que la fórmula más simple do integración abierta de Nowton-Cotos. demuestra este comportamiento. ) | . Como en la sección anterior. Además.2 Método del p u n t o medio (o del polígono mejorado) La figura 25.23) . Conocido como método del punto medio (o del polígono mejorado o el modificado de Euler). + i / 2 ) (25.Al sustituir la ecuación (25. — h ' 12 (25.27) Observe que c o m o y no está en los dos lados.18).11.24) donde § está entre x¡ y x .22) (25.12a): y. ae puede representar como i + 1 . V / | | ) donde h = x.23) es una expresión directa de la regla trapezoidal. y¡)- (25. el método es de segundo orden porque la segunda derivada de la EDO es cero cuando la solución verdadera es cuadrática. i+l 2 2 25.^. los errores local y global son 0(h ) y 0(h ). el error de truncamiento local está dado por [recuerde la ecuación (21. respectivamente.126): + { (25. Dicha pendiente es usada después para extrapolar linealmente desde x¡ hasta x¡ (véase figura 25. Por tanto.2.

Pendiente = f ( x ft1/2 .27).25) y b) ecuación (25.1/2. 1 2 /) + .12 Ilustración gráfica del método de punto medio. a) ecuación (25. y. + 1/2 ) yf Pendiente = f(x.734 MÉTODOS DE RUNGE-KUTTA FIGURA 25.

Sin embargo.13Z>. respectivamente.27).4 Resumen Al componer el método de Euler desarrollamos dos nuevas técnicas de segundo orden. 2 3 2 25.3.3 A l g o r i t m o s de cómputo p a r a los métodos de H e u n y de punto medio Ambos métodos. se requiere de algunas modificaciones (aunque estén localizadas dentro de un simple módulo).7. Aun cuando esas versiones requieren más esfuerzo computacional para determinar In pendiente. el método de punto medio obtiene su nombre de la fórmula de integración en turno sobre la cual se basa. Como en I UN figuras 25. se puede escribir rutinas simples que tomen el lugar de la rutina de Euler en la figura 25.2. es el punto medio del intervalo (a. la reducción que se tiene en el error nos permite concluir en una sección subsecuente (véase sección 25. se pueden programar fácilmente con la estructura general mostrada en la figura 25.13c. Este algoritmo se puede combinar con la figura 25. los errores local y global del método de punto medio son 0(h ) y 0(A ).21) da la ecuación (25.26) tiene un error de truncamiento local de 0(h ) en comparación con la aproximación hacia adelante del método de Euler.7. Aunque existen ciertos casos donde técnicas fácilmente programables. En consecuencia. Con el uso de la nomenclatura para el caso actual.2. Recuerde de nuestra diferenciación numérica en la sección 4. como la de la ecuación (25. En este contexto.\ i) donde x. Desarrollamos el pseudocódigo para este propósito en la figura 25. podrá expresarse como La sustitución de esta fórmula en la ecuación (25. 25. una aproximación centrada.1. 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. como el método de Euler.mSm \ )</> = (b ÍV)/(. cuando se va a implementar la versión iterativa del método de Heun.7 con el fin de desarrollar el software para el método iterativo de Heun.4) que usualmente la exactitud mejorada vale el esfuerzo. . b). el cual tiene un error de 0(h). 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. De esta manera.3 que las diferencias divididas finitas centradas son mejores aproximaciones de las derivadas que cualquiera de las versiones hacia adelante o hacia atrás. pueden aplicarse con ventaja. el de Heun con un solo corrector y el de punto medio.13a y 25. así como el método de Heun puede ser conocido como la regla trapezoidal.

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

y¡) k = f(x. y. . a . Por ejemplo. k¡ aparece en la ecuación para k . + pih. la cual aparece en la ecuación para k .31) I . Observe que el método Runge-Kutta (RK) de primer orden con n — 1 es. Además. Como cada k es una evaluación funcional. Las tres C C U U C Í O I I O N son «l f iit - (25. / b i . los valores para a.28) es y¡+i = y¡ + (a\k\ + a k )h 2 2 (25. Esto es. los métodos RK de segundo orden usan la función incremento con dos términos (n = 2). I p\h. desarrollamos lies ecuaciones para evaluar las cuatro consuntos doMuonocidus. Esos métodos de segundo orden serán exactos si la solución de la ecuación diferencial es cuadrática./'(.29o) (25.28) a los términos en la serie de expansión de Taylor (véase cuadro 25. en la siguiente sección. esta recurrencia hace que los métodos RK sean eficientes para cálculos en computadora.1. Así. y/ +qi\k\h+ (25..v ) ( (25.29/)) q k h) 22 2 A'2 = .29<¿) Observe que las £ son relaciones de recurrencia. los errores do truncamiento global son 0(h ) y 0(h ). Una vez que se elige n. el número de términos n con frecuencia representa el orden de la aproximación. -\k„-\h) n (25. el método de Euler. Es posible concebir varios tipos de métodos Runge-Kutta al emplear diferentes números de términos en la función incremento como la especificada por n. al menos para las versiones de orden inferior.30/)) Como se describe en el cuadro 25. respectivamente. como I QS términos con h y mayores son eliminados durante la derivación. etcétera.K u t t a d e segundo o r d e n La versión de segundo orden de la ecuación (25.3. Para realizar esto.1).30) donde ki = f(x¡. 2 3 3 2 3 A 25.29c) = f(xr+ Pn-ih.30) con la expansión de la serie do Taylor.1 M é t o d o s R u n g e . y¡ I tfí\k\h) k-i = /(-V/ + /?2¿.v. el error do truncamiento local es 0(h}) y el global es 0(h ).y¡ + q„-\. p y q al igualar la ecuación (25. Para esos casos. de hecho. En secciones subsecuentes desarrollaremos métodos RK de tercer y cuarto orden (n = 3 y 4). +q k\h) 2 u 2 (25.30a) (25. se evalúan las a.clónelo Un ti «on corialanles y In* k son *i ~ .\k\h + q_ kh n h2 2 H h q„-\.P\ y <?n son evaluados al igualur el término de segundo orden do la ecuación (25.

1.4) o. si comparamos términos comunes en las ecuación»» (B25. primero usamos una serie de Taylor para expandir la ecuación (B25.y.4) se i (x¡. .yi+qukih) (B25.5) .1.32) (25.n consecuencia.1.3).. y) + r— 9 # 9 # +x r o iH . y.1. y.3) Este resultado podrá sustituirse junto con la ecuación (B25.6) sean equivalentes. y¡)]h 2 + a.) 9 x 9 y_ 2 — /i + 0(fc ) 3 («25.-) + a p\h 2 2 +dx y¡)^. + (a k +a k )h l 1 2 2 donde y/) y c > (''' = f(x¡.2) en la (B25. y + .1. lo cual provoca que las ecuaciones (B25.28) es D e d u c c ó in d eo ls m é o td o sR u n g e K u a t d es e g u n d oo r d e n (B25.1) para dar y i+l Al usar la ecuación (B25.5) — -r tiene dx dy dx y. a . y¡) + a f(x¡.j 2 7 / ¡ Ahora.1.+ r ><//') +a qnh f(Xi. p¡ y q . =v + / U .1. 9/Uy) . v ) = x(x. y¡+\ = y¡ + [«i/fe. La serie de Taylor para una función de dos variables se define como [recuerde la ecuación (4. Como hay una incógnitu más quo el número de ecuaciones.) =la— +(B25.1.+ . se debe cumplir lo siguiente: (B25.11)] l 2 i it ¡+1 e s t a = y¡ + aihf(x b y¡) + a hf(x¡.7).7) Si sustituimos ecuación en la ecuación (B25.26)] 2 u b b ?.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¡. al agrupar términos. y¡ + quhh) y¡\ \ = y.1.1. y ^ + ( .3): (B25.1. al suponer u n valor para una de las constantes.p y q . recordamos que la serie de Taylor de segundo orden para>> en términos de y.1.1. . p\— 2 b( b e t3 /b 3 .6) y (B25. y¡) debe determinarse por diferenciación usando la regla de la cadena (véase sección 25.1. determinamos que para hacer equivalen tes a las dos ecuaciones.1.Para ello. 2 2 yi+i .3) w tiene f(x¡ + p\h. Sin embargo.738 M É T O D O S D i RUNGE-KUTTA (25. existe una familia de métodos do sc|tumla orden min quo una sola versión. = j aiqu ai + a = 1 2 1 <>iP2 = ^ 1 K(x + r.y¡ + /fe y¡)h + donde / ' f e . 1 Lu versión a segundo orden de la ecuación (25.1) Si se aplica este método para expandir la ecuación (B25.1) y (B25.1.y)dy dy (B25.a . —H Las anteriores tres ecuaciones simultáneas contienen las cuitlfU constantes desconocidas. y¡) + p\h — (B25. 2 y ¡) df(x. podemos determinar las nlrui F. Para ello.1) debemos determinar los valores para las constantes a .1.33) Cuadro 2 5 . y /(*/• y) escrita como [véase ecuación (25.1. no existe un conjunto único do cnnulimtes que satisfagan las ecuaciones.1.9/" +a2 ?n/te. /'fe.2) +á k\h— u 9 / dx dy + (Hlf) ki = ñx¡+pih.

34) y (25. y/) (25.37a) *2 = f(x¡ + -h. este método Runge-Kutta de segundo orden es de hecho la técnica de Heun sin iteración. El método d e punto medio ( a = 1 ) . p = q — 1/2. Si suponemos que a es 1/2. En consecuencia. A continuación presentamos tres de las versiones más comúnmente usadas y preferidas: Método d e Heun con un solo corrector ( o = 1 / 2 ) .30) es ahora 2 2 x n y. al ser sustituidos en la ecuación (25. y la ecuación (25. debemos suponer el valor de una de estas incógnitas para determinar las otras tres.35) Debido a que podemos elegir un número infinito de valores para a . Sin embargo. dan 2 2 { n y i=y í+ i + (^k l + \ h ^ (25. Entonces se puede resolver de manera simultánea las ecuaciones (25.37) *i = / ( * i .v Como tenoinos tres ecuaciones con cuatro incógnitas.36a) (25. donde + 1 =y.0 k = f(x¡ + h. y. se obtienen diferentes resultados cuando (como es típicamente el caso) la solución es más complicada.34) 1 Pl=qn = 2V 2 2 (25. las ecuaciones (25. .366) Observe que k es la pendiente al inicio del intervalo y k es la del final.35) podrán resolverse para a¡ = 1/2 y p = q = 1.a 2 (25.376) É l t t M el método del punto medio. = 0.33) para obtener ai = 1 .y¡ + l X -k^ (25. lineal o una constante. Suponga que especificamos un valor para a . 3 M IW W P B RUNGE-KUTTA 2 i:! <Jüi i . Cada versión podría dar exactamente los mismos resultados si la solución de la EDO fuera cuadrática. + kh 2 (25.36) donde *i = /(*¿. entonces a. Si suponemos que a es 1.2 3 .30). Estos parámetros. y¡ + k h) 2 x x 2 (25.31) a (25. hay un número interminable de métodos RK de segundo orden.

376)] para calcular k = ..5 = 4.386) Comparación de varios e s q u e m a s RK d e segundo orden Enunciado del problema.2 ( 0 ) + 12(0) . 2 5 ) + 12(0.8. La condición inicial en .21875 3 2 2 Observe que tal estimación de la pendiente es mucho más cercana al valor promedio para el intervalo (4. y. tal resultado carece de relevanri» sobre el segundo paso [el uso de la ecuación (25.5) que podría habar sido usada por el procedimiento de Euler.20(0.14 y tublu 25. y los r e t u l t a d p i M m u m e n en la figura 25.5 = 8.4375) que la pendiente al inicio del intervalo (8.37)| y el método de Ralston [véase ecuación (25.y¡) (25.13): f(.3. El primer paso en el método de punto medio es el uso de la ecuación (25.+ \hh^ (25.38)] para integrar numéricamente la ecuación (PT7.3 la) para calcular ki = .25) 4. Compare los resultados con los valores obtenidos con otro algoritmo RK de segundo orden: el método de Heun sin corrector de iteración (tabla 25.v 0 es y = 1. ti 1/3 y 2 t Pi=V\i= 3 / 4 : donde k\=f{x¡. y) = .3). Use el método de punto medio [véase ecuación (25.38«) ki = f(x¡ + \h.3. Solución.5 3 2 Sin embargo. = 3. La pendiente en el punto medio puede entonces sustituirse en la ecuación (25.5 desde x = 0 hasta x = 4 usando un tamaño de paso de 0. Para esla versión.2 J T -f 12x 2 - 20JC + 8.5. 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.20(0) + 8.25) . 109375 K .5) .37) para predecir v (0.5) = 1 + 4.21875(0.MÉTODOS DE RUNGE-KUTTA v _ Mfttodo Rulitori ( a 2 / 3 ) . como la EDO es una función sólo de x. .4% £1 calculo le repite.2 ( 0 .x.

3 0 1.20x + 8. 3 2 Heun X Punto medio (%) RK Ralston de s e g u n d o o r d e n (%) Xverdadero 1.81250 4 .5 y [véase ecuación (25.031250 0 1. con la condición inicial de que y .0 2.0 17.37500 4.00000 4 .9 1.0 1 .101563 2.375) .5 3.0 1.50000 3.00000 3.37500 2.375) + 8.277344 3.5.6 0 1.00000 2.2 ( 0 .7 2.43750 3.7 10 .0 2.8 3.18750 4.4 4.00000 2.81250 1.93750 3 .5 4. 3 7 5 ) + 12(0.6 12.386)] x k = . Los valores aproximados se calcularon por medio de tres versiones de los métodos RK de segundo orden con un tamaño de paso de 0.109375 2.2 9.71875 4 .14 Comparación de la solución verdadera con soluciones numéricas usando tres métodos RK de segundo orden y el método de Euler.347656 2.4 ó.5 = 2.5 21.00000 3.00000 3.140625 2.l y | .8 7.3 10.5.21875 2.0 0. k para el primer intervalo es también igual a 8.800781 3.0 5.5 1.609375 3 0 3.1 25.5 2.0 3.l y l£.1 en x = 0.8 12.68750 2.855469 4.21875 3.2 X + 12X . Por medio del método de Ralston.l £ (%) 0.20(0.4 5.FIGURA 25.484375 3.75 2.00000 0 6.5 8.58203125 3 2 2 T A B L A 2 5 .984375 1.71875 3 00000 y l£.6 4 .00000 3. 3 Comparación de los valores verdadero y aproximado de la integral da y' = .117188 4 .

Por tanto.5) = 1 + 4. La siguiente. por tunlo. 8 0 le conoce como método RK clásico de cuarto . = 1 (8.K u t t a de tercer o r d e n Para n = 3. hay un número infinito de versiones. Como hicimos notar con lo* procedimientos de segundo orden. 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.39c) k = f(x¡ + h.3. 4 3 25. la ecuación (25.39a) + -h. Ello se debe a que lu regla de Simpson 1/3 proporciona estimaciones exactas de la integral para cúbicas (recuerde el cuadro 21.kih + 2k h) 3 2 Observe que si la derivada es sólo una función de x.5546875 la cual se usará para predecir y (0. <sn la forma de uso más común y.1 .y ) x l i (25.5546875(0. En cualquier caso. = . 8 2 % Los cálculos se repiten y los resultados se resumen en la figura 25.2 M é t o d o s de R u n g e . Ralston (1962) y Ralston y Rabinowitz (1978) desarrollaron una versión alternativa que proporciona un límite mínimo sobre el error de truncamiento. este método de tercer orden se reduce a la regla de Simpson 1/3. y¡ .MÉTODOS DE RUNGE-KUTTA La pendiente promedio se calcula por </.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 M é t o d o s R u n g e . respectivamente.5) + ^(2.3). 25.3.58203125) = 4. los métodos RK de tercer orden tienen errores local y global de 0(h ) y 0(h ). se puede hacer un desarrollo similar al del método de segundo orden. y dan resultados exactos cuando la solución es unn cúbica.27734375 s.3.5) = 3. Al tratarse de polinomios. y¡ + l l k = f(x¡ 2 -k h^ x (25. 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 .39) será también exacta cuando ln ecuación diferencial es cúbica y la solución es de cuarto orden. se debe especificar con antelación los valores para las dos incógnitas con el fin de establecer los parámetros restantes.14 y tabla 25.3%) (25.

La ecuación (25. yi + ^ i * ) (25 . el método RK clásico de cuarto orden es similar a la regla de Simpson 1/3.406) ¿3 = + \h.25 J FFLFPGI D E RUNGE-KUTTA y t + 1 2 3 >HI R ><. + 2 ¿ + 2k + k )h (25 . Como se muestra en la figura 25. (25.40) donde *i = / ( * .40a) *2 = /(•*/ + ¿ A . Además.40a) Observe que para las EDO que sólo son función de x. + — (*.15.i 4 *-/:iortM . el método RK. FIGURA 25.de cuarto orden tiene similitud con el procedimiento de Heun en cuanto a que las estimacionei múltiples de la pendiente son desarrolladas para alcanzar una pendiente promedio mejorada para el intervalo.>/.40c) h = f (XÍ + h. . .y¡ + kih) (25. entre la que se cuenta el método RK de cuarto orden.40) entonces representa un promedio ponderado de éstas para llegar a la pendiente mejorada.15 Ilustración gráfica de las pendientes estimadas.. y¡ + ^hhj ' (25. cada una de las & representa una pendiente.

5(2) = 3 Este valor se usa para calcular un valor de y y una pendiente en el punto medio.25) =2 + 3(0.5(2.510611 Esta pendiente a su vez se utiliza para calcular otro valor de y y otra pendiente en el punto medio.5(2.5 mediante un tamaño de paso de h = 0.0.105603 Por último. la pendiente al inicio del intervalo se calcula como ¿i = / ( 0 . Así.723392) = 4.5 con v(0) = 2 desde x = 0 hasta 0.5.25.877653) = 4 e 3 o m 2 5 ) i 1 | | . y(0. 2. y b) f(x. esta pendiente se usará para calcular un valor de y y una pendiente al final del intervalo.21875.5. .21875 y £ = 1.744 EJEMPLO 2 5 .0.5y usando h = 0.25] J 0.5 + 2 ( 4 . (25.40) para obtener x 2 3 4 y(0.21875 .40úT) para calcular k = 8.0.y) = -2x 3 2 Use el método RK clásico de cuarto orden [véase ecuación + l2x -20x + 8.40)] para integrar a) f(x.40a) hasta la (25. las cuatro estimaciones de la pendiente se combinan para obtener unu pendiente promedio.75) = 3.25) = 2 .877653) = 3.16)].5) = 1 + j^[8.510611(0.723392 h = /(0. 2. . como la solución verdadera es de cuarto orden [véase ecuación (PT7. las cuales se sustituyen en la ecuación (25. k = 4. ] Solución.y) =4e * 0S -0. Esta última es entonces usada para realizar la predicción coneluyente al final del intervalo. k — 4.75) = 4 e ° 2 8 ( a 2 5 ) .0.21875)+ 1.446785 l | Después.25. 2) = 4 e ° ' 8(0) • =3.5 \ í la cual es exacta.5. 2 1 8 7 5 ) + 2(4.5 y una condición inicial de y = 1 en x = 0. y(0.75 k = /(0. i | y(0.071785(0. 3. b) Para este caso. .723392) = 4 e a 8 ( 0 - 5 ) .25.5(3. 7 M T t O D O S i ¡ í DE RUNGE-KUTTA Método RK clásico de cuarto orden Enunciado del problema. a) Se usa desde la ecuación (25. el método de cuarto orden da un resultado exacto.25) = 2 + 3.5) = 2 + 3. 8 7 7 6 5 3 k = JX0.25) = 2.5) = 3.

pero en general.751669 la cual se compara de manera favorable con la solución verdadera de 3.105603] = 3.510611) + 2(3.25. + -L (7^ + 32 *3 + 12Á: + 32k + 7k )h 4 5 6 y ¡ + l = y (25. y¡ + ^ h + ^k h ) X 2 (25.41) donde *i = / ( * / .41a) 4 k = / ( x¡ + -h. 25.503399(0.4 Métodos de Runge-Kutta de orden s u p e r i o r Donde se requiere resultados más exactos.-k\h + -k h + -jk h .5y .h 3 + 2 2 y U f c ) 4 (25. y¡ . la ganancia en exactitud para métodos mayores de cuarto orden está afectada por el esfuerzo computacional y complejidad adicional. y¡ + ^k.h + 2(3.3.41c) h = f(xi + -h.503399 6 L y(0.-k h + hh ) l X 2 (25 Aid) * s = f(x¡ + ífi.y) =4e 0Hx Use los métodos RK desde el primero hasta el quinto orden -0.416) h = f(x¡ + -h.41e) 12 4 x¡ + h. para resolver f(x. }7) (25.3 M É T O D O S DE RUNGE-KUTTA 741 $ = . Están disponibles las fórmulas RK de orden superior como el método de Butcher.—k h + -k h\ (25. 3 5 ( 12 8 \ Comparación de los métodos de Runge-Kutta Enunciado del problema. y¡ + \kih) 2 (25.751521.41/) Observe la similitud entre el método de Butcher y la regla de Boole en la tabla 21.446785) + 4. es recomendable el método de Butcher (1964) y el método RK de quinto orden: .5) = 3.2. y¡ .5) = 2 + 3.

39)]. Se realiza el cálculo mediante los métodos de Euler.16. el RK clásico de cuarto orden y el RK de Butcher de quinto orden. es el número de aplicaciones de la FIGURA 25.8. el RK de tercer orden [véase ecuación (25. Los resultados se presentan en la figura 25. sin embargo. métodos RK desde el primero hasta el quinto orden. como en Esfuerzo = n b-a (E25.1) donde «y = número de evaluaciones de la función involucradas en particular en el cálculo RK. Esta última cantidad es equivalente al número requerida de evaluaciones de la función para obtener el resultado. . Solución. 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 (25.33896. Comparación del error relativo porcentual contra el esfuerzo computacional para los • . Para órdenes < 4.746 MÉTODOS DE RUNGE-KUTTA oon^(0) <• 2 desde x = 0 hasta x = 4 con varios tamaños de paso. Compare la exactitud de los diferentes métodos con el resultado en x — 4 con base en la respuesta exacta y(4) = 75.16 .41a) a la (25. el no iterativo de Heun. «yes igual al orden del método.41/)]. donde graf icamos el valor absoluto del error relativo porcentual contra el esfuerzo computacional.

ym. como las evaluaciones de la función son con frecuencia pasos consumidores de tiempo. b. Asi. Sin embargo. y. SUB KK4 (x. Las subrutinas que calculan las pendientes para todas las otras versiones se pueden programar fácilmente en forma similar. (Observe que las curvas primero caen con rapidez y después tienden a nivelarse.3. k3) ye = y + k3 • h CALL Derívs(x + h. La figura 25. La inspección de la figura 25.16 podrían llevarnos a la conclusión de que las técnicas RK de orden superior son siempre los métodos de preferencia.16 nos lleva a diferentes conclusiones: primero. k1) ym .17 presenta el pseudocódigo para determinar la pendiente del método RK clásico de cuarto orden [véase ecuación (25. 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.17 Pseudocódigo para determinar un solo paso del método RK de cuarto orden. ym.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 . FIGURA 25. segundo.K U T T A .K u t t a Como con todos los métodos expuestos en este capítulo. las técnicas RK se ajustan muy bien al algoritmo general delineado en la figura 25.9 y la figura 25. los métodos de orden superior alcanzan mayor exactitud para el mismo esfuerzo computacional. y. ye. ynew) CALL Perívs(x.y + kl • h/Z CALL Derívs(x + h/Z.Í I H W O S D E R U N O B . k4) &\opc = (k1 + Z(kZ + k3) + k4)/6 ynew = y + elope • h x • x +h END au» . 25.H « « J j j | I í ) s técnieu HK puní obtener resultado). la ecuación (E25.) El ejemplo 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.40)]. la ganancia en exactitud con el esfuerzo adicional tiende a disminuir después de un punto.8.2G. kZ) ym = y + kZ • h/Z CALL Derívs(x + h/Z.7.1) proporciona una modida burda del tiempo de ejecución requerido para alcanzar la respuesta.

I Observe que v.0.5 = 3 y (0. EJEMPLO 2 5 .5(4)]0..3(6) . . .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. . Al PROOCFCRÁI manera similar se tiene .3y dx 2 .2): — = 4-0.(0) = 4 se usa en lu segunda ecuación más que la V](0. .5 = 6.O.y . y = 4 y y — 6. { 2 — = -0. . y . suponiendo que x — 0. Esto se ilustra mejor con el siguiente ejemplo para el método de Euler simple. y„) 2 dy„ d x = / „ ( * .. y i .5. 25.1 (4)J0. Integre para x = 2 con un tamaño de paso de 0. Tales sistemas pueden representarse por lo general como dyi dx dyi dx fi(x.5yi dx Solución.5) = 6 + [4 . 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. (25. v yi (0. 9 Resolución de sistemas de EDO mediante el método de Euler Enunciado del problema.lví ' Se implementa el método de Euler para cada variable como en la ecuación (.y\. Resuelva el siguiente conjunto de ecuaciones diferenciales usando el método de Euler. . .0. y. . 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..4..y„) fi(x. y .5) — 3 calculiidu con U primera ecuación.5) = 4 + [-0. . 2 . . Aplicaciones en la ingeniería pueden involucrar miles de ecuaciones simultáneas.MÉTODOS DE RUNGE-KUTTA 25.1 Método de Euler Todos los métodos analizados en este capítulo para simples ecuaciones pueden extenderse al sistema que se mostró antes. En este caso.9 2 .

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. 4 .1(4) = 1.75 /o • =R /(0.0 25. La figura 25. 6.9 7. a su vez. .9. debemos resolver para todas las pendientes al inicio del intervalo: * = / ( 0 . '.265625 6 6. del ejemplo 25.715 . para calcular un conjunto de pendientes en el punto medio (las k ).5. 6) = 4 . M Use el método RK de cuarto orden para resolver las EDO Primero.0 1.5 = 4 + ( . 1 0 Resolución de sistemas de E D O mediante el método RK de cuario orden Enunciado del problema. desarrollamos primero las pendientes para todas las variables en el valor inicial. Es decir.2 ) — -3.25 1.4. 2 = / ( 0 . Dichos valores de punto medio se utilizan.25.5 1. y + k. 3. { 2 3 4 EJEMPLO 2 5 .5 0.2 ¿.2 h 0. Por último.45 h x 2 los cuales se usarán para calcular el primer conjunto de pendientes de punto medio.3.45) .2 Métodos de R u n g e .6875 1.0.0. Solución. las k se combinan en un conjunto de funciones incremento [como en la ecuación (25.i = ^(0.6. debemos calcular los primeros valores de y y y en el punto medio: x 2 y.5.715 8. Sin embargo. 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 ).5 2.44525 9. 6 ) = -0.5 = 6 + ( 1 .3(6) . 4. 8 ) — = 6.15 es útil para visualizar la forma adecuada de hacer esto para el método de cuarto orden.45) 1. Esas pendientes (un conjunto de las k ) se usarán entonces para hacer predicciones de la variable dependiente en el punto medio del intervalo.•• 1. El siguiente ejemplo ilustra el procedimiento.8 donde k¡j es el /-ésimo valor de k para lay-ésima variable dependiente. 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 ). debe tenerse cuidado al determinar las pendientes. *2 .25.5(4) = .40)] y son llevadas de nuevo al inicio para hacer la predicción final.094087 0 0.X Yi 4 3 2. Después.

1 . k 4A = / ( 0 .631794J0.78125) .554688J0. I | i I .857563) = -1. 3.471577 25.42875) = .7) puede fácilmente extenderse a sistemas de ecuaciones.426171 1.42875 y + k.5 = 3. +k \h X = 4 + (-1.40)]: 4 i¡ ! vi(0.715125 Éstos se utilizarán para determinar las predicciones al final del intervalo y.0 1.109375 = 6 + (1.1 . I i j y. 6.5625 0.5) = 4 + .1.554688 k .5 = 6. 8 + 2(1. 6.5 2.3 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 25.715 + 1. Las modificacioncN incluyen: .889523 1.4.5 = 4 + ( .857670 7. 7 5 . 7 8 1 2 5 I • | ¡ I h.[ .5.715125) + 1. +k 2A h h 0.632106 8.109375. 3.5 = 6 + ( 1 . se obtiene X 0 0.[ 1 . ¿3.1. 5 .5) = 6. 3.2 = /(0.326886 8.78125X0.42875) = 1.~ 2 2 2 el cual será utilizado para calcular el segundo conjunto de pendientes de punto medio.857563 yi + k h X2 los cuales serán usados para calcular las pendientes al final del intervalo. 7 5 ) — = 3. 6.2 + 2 ( .5 1.750 MÉTODOS DE RUNGE-KUTTA Éstos se usan para determinar el segundo conjunto de predicciones de punto medio.631794 Los valores de k se pueden entonces usar para calcular [véase ecuación (25.i = /(0. 3.115234 6 >' (0.5625. 7 1 5 ) — = 6.25.5625.857670 6 2 Al proceder en forma similar para los pasos restantes.25.115234 2.1 = /(0. 6. .109375.5) = 6 + .1 .715125)(0.0 y i Yi 6 6.857563) = 1.946865 4 3.5) = 3.

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

dy) dy.initíal valué ¡ndependent variable xf = final valué ¡ndependent variable dx = calculation step slze xout = output Interval x = xi m = 0 SUB Inteqrator (x. ym. k4) DO i=1. n Pm= yp.x < h) THEN h = xend . k3) DO i = 1.18 Pseudocódigo para sistemas del método RK de cuarto orden. n.n ye = y. y. k1) DO ¡ = 1. n ym =y + k2 *h/2 END DO CALL Derive (x + h/2. + elope. = . ym. y. k2) DO 1=1. X 5UB RK4 (x. n. h.n ym¡ = y¡ + k1¡ * h/2 END DO CALL Derive (x + h/2. xend) m = m+ 1 DO 1 = 1.number of equatione y¡ = ¡nitial valúes of n dependent variables xi . ye. 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..y. . + 2*(k2 +k3 )+k4 )/6 y¡ = y. = (k1. n. y.. h) CALL Derive (x.. n.>=y . h. dy = .. y.n elope-. y. + k3¡ * h END DO CALL Derive (x + 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.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 .x CALL RK4 (x. xend) DO IF (xend . n yp m=y¡ END DO IF (x > xf) EXIT LOOF DI5FLAY KE5ULT5 END i D) RUTINA PARA DETERMINAR DERIVADAS SUB Derive (x. END SUB 2 FIGURA 25.

ya que la suposición de que sen (6) = 0 e s pobre cuando theta es grande. para una región localizada desde x = 1. sin embargo.. presentamos métodos para resolver las EDO que emplean un tamaño de paso constante.785398. 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. sen (9) = 6. 7 3 8 3 7 1 d Y d 5 X / = Y 5 0 Variable Valué "•*<*». Para un número significativo de problemas. Para la mayor parte del rango. d Y c 2 K / 1 6 1 . Esto se esperaba.23. muchos más cálculos) podría ser una pérdida de tiempo en las regiones de cambio gradual.K U T T A Hasta ahora. la solución pasa por un cambio abrupto. . Si se hubiera empleado un algoritmo con tamaño de paso constante.20. Esto cumple las expectativas debido a que cuando el desplazamiento inicial es pequeño.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 .25. 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. b) Cuando el desplazamiento inicial es n/4 — 0. un tamaño de paso más pequeño que el necesario (y por tanto. 1 3 G 3 F ! 0 2 d Y « d / X .• * i C e t a t b) He» y no lineal son casi idénticos. 5 / 0 1 5 7 : d Y 3 ¿ d X = Y 3 6 3 2 .•:•. la solución cambia de manera gradual.196). En consecuencia.1 A D A P T A T I V 0 3 DSHJNOL-WOTA > ¡> • Function «oles i i I PIOURA 2 5 . = J 1 . esto puede representar una seria limitación. Por ejemplo. Tal comportamiento sugiere la posibilidad de emplear un gran tamaño de paso para obtener resultados adecuados. J S 4 9 F 0 2 .75 hasta x = 2. las soluciones son mucho más distintas y la diferencia es magnificada en tanto el tiempo sea cada vez mayor (véase la figura 25. a) i d X • i V d / t X * 2 Y 1 5 3 0 . suponga que intentamos integrar una EDO con una solución del tipo expuesto en la figura 25. 3 . _ _ Y 4 _ _ ^ 3 . 25. el tamaño de paso más pequeño necesario para la región del cambio abrupto podría haberse aplicado a todo el cálculo.

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

5.[ 3 + 2(4.11105]2 = 15. 1 2 Método RK adaptativo de cuarto orden | Enunciado del problema . Use el método RK adaptativo de cuarto orden para integrar y'= 4 — fj. La diferencia en los dos resultados representa un estimado del error de truncamiento local.71283]1 6 Por tanto.43) puede usarse también para corregir la predicción y . 0Sx e Solución.15.1 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.yi 2 (25.20104 + -[5.72954 + 7.86249 •-. la corrección es 2 y <.86249 14.91297) + 5. Si y.[ 3 + 2(6. y y designa la predicción mediante dos mitades de paso. el error A puede representarse como 2 A = y . En el segundo. La predicción simple con un tamaño de paso h se calcula como y (2) = 2 + .20104 y (2) = 6.5y desde x — 0 hasta 2 usando h = 2 y la condición inicialy(0) = 2. poro con dilbrenlON tiimuños de paso.10584 6 Las dos predicciones de mitad de paso son 1 y ( l ) = 2 + .945681]! = 6.10584 15 *- 0. EJEMPLO 2 5 . Para la versión RK de cuarto orden.70108) + 14. el error de truncamiento local se cstimu diferencia c o m o la dil'orcncia entre dos predicciones usando métodos RK de diferente orden..5. del mismo orden.84392.y + ~ 2 2 (25. Recuerde que < la solución verdadera es y (2) = 14.43) Además de proporcionar un criterio para el control del tamaño de paso. Ésta es la misma ecuación diferencial que antes se resolvió en el ejemplo 25. el error aproximado es K.44) Dicha estimación es una exacta de quinto orden.99756) + 12.80164 + 2(8.01622 .40216 + 4. una vez como paso total e independientemente como dos mitades de paso. designa la predicción de un solo paso. la ecuación (25.21730 + 3. 14.2 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. 25.

01622 = 14. 18 5 7 5 .84627 la cual tiene una E = -0. 5 l m W + 575 .j/I 110 592 5 Í 2 * * ' 13 824 2 253 \ ' + .756 | | MÉTODOS DE RUNGE-KUTTA ol cual se compara de manera favorable con el error verdadero de /-.2 Método R u n g e .84392 . para una predicción de cuarto y quinto orden se tiene un total de 10 evaluaciones de la función por cada paso.—k h + —k h 3 ( X 6 = \ J i 2 3 A + 7 8*' y ¡ + 1631 .—k h + -k h ( 11 5 70 35. k. un procedimiento alternativo en la obtención de una estimación del error involucra calcular dos predicciones RK de diferente orden. 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. + t- v v y. + ^ 125. . y i) 1 / 2825 . usamos la siguiente estimación de cuarto orden * .46 donde ki = f(x¡. y¡ + —k h . 512 . ..0. + ^h.86249 = -0. 3 ( 1 + -k]h x y. -{ 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. 175 H A-.K u t t a Fehlberg Además de dividir el paso como una estrategia para ajustar el tamaño de paso. Un defecto de tal procedimiento es que aumenta en gran medida el esfuerzo computacional. y ki = ftxj + -h. \ + 5^*4 + (25. el procedimiento genera la estimación del error con base en sólo seis evaluaciones de la función. Para el caso actual. ¡Así. Los resultados pueden ser restados después para obtener un estimado del error de truncamiento local.y¡ h = f[x.45) junto con la fórmula de quinto orden: . 13 5 2 5 . = * + + / 37 250.5. y¡ . t 25. + ^k h 3 x + 9 2 ~k h 2 x¡ + -h. .—kih + -k h .k<h 4 096 / .01857 El error estimado puede usarse también para concebir la predicción y (2) = 14. = 14. ¿ 5 = f[x¡ + h.14.86249 .00235. 44 275 ..+\ >. Por ejemplo.

X El cálculo de las k se puede resumir en la siguiente tabla: Y) 3 3.832587 27 648 48 384 55 296 + 1 \ 12.832587 12.42765 12.13237 y k k k k k 2 4 5 6 0 0.83192 \378 621 594 1 771 y i junto con una fórmula de quinto orden: y.83677 . Por tanto.83192 = 0. En general.14. Iti HIJO NO puede resolver con la ecuación (25.13237 )2 = 14.23.46) y el error estimado como lu diferencia de I I I N estimaciones de quinto y cuarto orden.2 4. Solución. éstas pueden usarse para calcular la predicción de cuarto orden / 37 250 125 512 = 2+ 1 — 3 + — 4 .38677 14 336 4 277 I El error estimado se obtiene al restar esos dos resultados para dar E = 14.3 ADAPTATIVOS DB ^NOi'KUHtt»^ Asi.09831 10.5. 8 3 2 5 8 7 + 10. se puede usar para ajustar el tamaño de paso. (1992) han sugerido el siguiente criterio para cumplir con lo anterior: h iictual (25. la estrategia es incrementar el tamaño de paso si el error es demasiado pequeño y disminuirlo si es muy grande.2 2 1. m EJEMPLO 2 5 .359883 + 1^6.908511 4.4 0.228398 15.75 2 3. 1 3 Método de Runge-Kutta Fehlberg Enunciado del problema. = 2 + ( ^ 3 + 1^4.004842 a 25. Press y cois. 3 5 9 8 8 3 + — 6 . Debería observarse que los coeficientes particulares usados antes los desarrollaron Cash y Karp (1990).47) .359883 6.6 1.17686 Entonces.09831 + -10.20883 7. algunas veces se le llama el método RK Cash-Karp. Use la versión Cash-Karp del procedimiento de RungeKutta Fehlberg para realizar el mismo cálculo del ejemplo 25.12 desde* = 0 a 2 usando h = 2.13237 12 = 14.3 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.

El método RK adaptativo es muy apropiado para la siguienlc ecuación diferencial ordinaria dx + 0.21 y 25. Por ejemplo. Una manera para realizarlo sería relacionar A . La figura 25. 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. Para tal caso. Un truco sugerido por Press y cois. pero está limitada por valores máximos absolutos.25 disminuye el tamaño de paso ( A > A^). Si usted trata ahora con un caso donde desee errores relativos constantes a un límite máximo preestablecido. Este algoritmo es acondicionado des P U E S de una implementación más detallada por Press y cois. existe ya u n a y igual a ese límite. Por ejemplo. Su elección d e y determinará entonces cómo se ha escalado el error. y (0) = 0. y a = exponente constante que es igual a 0. s i y = y. Aunque esto funciona bien sólo cuando ocurren valores positivos.5e (H25.14.46).5. 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. 1 4 Aplicación en computadora de un esquema adaptativo RK de cuarto orden Enunciado del problema. 25.4 A l g o r i t m o de cómputo dy Las figuras 25.21 implementa un solo paso de la rutina Cash-Karp (que son las ecuaciones 25. = exactitud actual calculada. puede causar problemas para soluciones que pasan por cero.6y = iOg-<*-2)7P(O. (1992) para sistemas deEDO.075)'] (E25. (1992) para obtener los errores relativos constantes. A . la solución general es y = 0.5.22 muestran el pseudocódigo para implementar la versión de Cash-Karp del algoritmo Runge-Kutta Fehlberg. A = exactitud deseada. cuando A < A ) y 0. EJEMPLO 2 5 .758 MÉTODOS DE RUNGE-KUTTA donde h ¡ y h = tamaño de paso actual y nuevo.22 bosqueja un programa principal general junto con una subrutina que de hecho adapta el tamaño de paso.2 cuando aumenta el tamaño de paso (por ejemplo. con un nivel relativo de error. La figura 25.45 y 25. usted podría estar simulando una función oscilatoria que repetidamente pasa por cero.14.2) .I) Observe que para la condición inicial. excepto aquellos que cruzan muy cerca de cero. la exactitud será manejada en términos del error relativo fraccional. El parámetro clave en la ecuación (25. podría necesitar estos valores máximos para figurar en la exactitud deseada.47) es obviamente A ya que es su vehículo para especificar la exactitud deseada.

ytemp. ytemp.25*abs(h)) xnew=x+h IF xnew = x THEN pauee END DO IF emax > econ THEN hnxt=eafety*emax~ *h ELSE hnxt=4. *h END IF x=x+h y=ytemp END Adapt 25 2 .b4U0. dy.dcUcl-2&25.dy. c6=512J1771./14336.y..epe.c3=250..b3U3. b54=35.2.hnxt) PRINTx.h.x.b65=253.13&24. b43=1.ytemp..dy) yecal=ABS(y)+ABS(h*dy)+tiny IF (x+h>xf) THEN h=xf-x CALL Adapt (x.2.b62=175.5.3M=O..375 bZI=0.\\./4&3&4..xf..b64=44275.9.h.k5) ytemp=y+h*(b61*dy+b62*k2+b63*k3+b64*k4+b65*k5) CALL Derive(x+a6*h..dy.21 l'Miudocódigo para un solo I« I.b32=9J40. xi. tiny = l x 10~ epe=0.25) / FIGURA 25.b6U163U55296. 2 2 iSniídocódigo para resolver muí simple EDO: 1 1) piograma principal y /I] rutina adaptativo I li' poso.2 3 ..epe.hnxt) PARAMETER(eafety=0./55296„ dc5=-277..htry.ytemp.a5=Ua6=0.l3525..b42=-0./27.6.x. » 4 J I 0 D 0 S ADAPTATIVOS OE H Ü I W W W U T T A OUVROUTINE RKkc (y../2764&.yi x=xí 5 y=y¡ h=h¡ ietep=0 DO IF (ietep > maxetep AND x < xf) EXIT ietep=ietep+1 CALL Deríve(x..ytemp.yout.k4) ytemp=y+h*(b51*dy+b52*k2+b53*k3+b54*k4) CALL Derive(x+a5*h.yecal.3. ytemp=y+b21*h*dy CALL Derive (x+a2*h.y.b52=2. b63=575/.dy.dc4=c4.yerr) emax=abe(yerr/yecal/eps) IF emax<1EXIT htemp=safety*h *emax~° h=max(abe(htemp).2.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 ./37&.ñ10592.b53=-70./4096.00005 prínt *.y h=hnxt ENDDO END SUB Adapt (x.. cU37.9./62Uc4=125.39e-4) h=htry DO CALL RKkc(y.yi maxetep=100 hi~.M > para el método RK i ní.k2) ytemp=y+h*(b31*dy+b32*k2) CALL Derive(x+a3*h./594. 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.b5l=-1V54.econ=1..dc6=c€>-0./512.5.li-Karp.k3) ytemp=y+h*(b41*dy+b42»k2+b43*k3) CALL Derive (x+a4*h. yetr) rARAMETER(a2=0.../27./40.y.ytemp.0. dc3=c3-18575.yecal.a3=0.

236. Use un esquema estándar RK de cuarto orden para resolver la ecuación (E25.23a).0. Después emplee el esquema adaptativo descrito en esta sección para realizar el mismo cálculo. La principal discrepancia entre los dos resultados ocurre en la región que va de 1. Solución.8 a 2. La magnitud de la discrepancia es de alrededor de 0.1)]: b) La solución.21 y 25. Primero se usa el esquema clásico de cuarto orden para calcular la curva en la figura 25. Después.23 o) Una función forzada en forma de campana que induce un cambio abrupto en la solución de una EDO [véase ecuación (E25. Se elige un tamaño de .22 en un programa de cómputo y se usa puiu renolvor el mismo problema. Después.1) desde x = 0 hasta 4.1) = 40 aplicaciones de la técnica.1 a 0. la solución particular tiene una transición abrupta en la vecindad de x = 2 debido a la naturaleza de la función forzada (véase la figura 25. se desarrolla el algoritmo mostrado en las figuras 25. En contraste.14.MÉTODOS DE RUNGE-KUTTA FIGURA 25.05 para un total de 80 aplicaciones. la cual es una curva uniforme que gradualmente se aproxima a cero en tanto x aumenta.14. el cálculo se repite con un tama ño de paso de 0.1 a fin de que NO hagan 4/(0.2%. Para hacer este cálculo se usa un tamaño de paso de 0. Los puntos indican las predicciones para una rutina adaptativo paso-tamaño.

1 .2 I I s ce lm é o t d od eE u e lr c o nh = 0 5 .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 . a l2 5 . Además.cu dz dt12 en un i t. =p 0 .00005. 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 .5y p a r a m in v le re lp r o b e l m a2 5 . 5 . p a r ar e s o l v e re lp r o b l e dy_ n in ¡S. 1 . 1 . Para esos casos.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 . La utilidad de un esquema de integración adaptativo obviamente depende de la naturaleza de las funciones que habrán de modelarse. d V !< >K e p a t i l o sp r o b e l m a sd e l2 5 1 . Después. Observe cómo se loman grandes pasos en las regiones de cambio gradual. 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. Asi. 5 . 5 1 .1.23/).5 a r a e s o l v r l p r n h l c i n a2 5 . y0 2 .G r a f q iu el as o l u c i ó n .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 .I t e r ee lc o r r e c t o rc o n e = 1%. la rutina adaptativa "sentirá" su camino para la solución mientras mantiene los resultados dentro de la tolerancia deseada.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. andará lento por regiones de cambio abrupto y acelerará el paso cuando las variaciones sean más graduales.( . 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. Es en particular ventajoso para aquellas soluciones con grandes tramos uniformes y con regiones cortas de cambio abrupto. I .R e s u e v la d e s d ex = 0 i l t m t ei ( '0 )=1 . en la vecindad de x 2 disminuyen los pasos para tomar en cuenta la naturaleza abrupta de la función forzada.s c o n y 0 )=2 y z ( 0 )=4 .r G r a f q ie u ee s u sr e s u l t a d o s .3 y unti f ~ 0. d i a n t e // — 0.i ( '0) = 2 y y ( ' 0 )=0 . 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 . 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 . 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 .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 . tiene utilidad en aquellas situaciones donde no se conoce de antemano el tamaño correcto de paso. Los resultados NO superponen on la figura 25.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 .

13 Si e = 0. determine si se requiere un ajuste en el tamaño de paso para el ejemplo 25. 25. 25.17 Desarrolle un programa de uso amigable para el método de Heun con un corrector iterativo.12. Entre otras cosas. 25.19 Desarrolle un programa de cómputo de uso amigable para sistemas de ecuaciones mediante el uso del método RK de cuarto orden.14 usando el método adaptativo RK de cuarto orden con h = 0. Use este programa con los mismos cálculos por realizar del ejemplo 25. Pruebe el programa con los mismos cálculos por realizar del ejemplo 25.762 MÉTODOS DE RUNGE-KUTTA 25.12 desde x = 0 hasta 1 con h = 1.7 y del problema 25. 25.2. Verifique si el ajuste paso-tamaño es el correcto.5. . 25. Pruebe el programa usando los resultados de la tabla 25.10. inserte comentarios para la documentación del programa con el fin de identificar lo que en cada sección se intenta realizar.4.15 Escriba un programa en computadora con base en la figura 25.12 Calcule el primer paso del ejemplo 25.14 Use el procedimiento RK-Fehlberg para realizar el mismo cálculo que en el ejemplo 25.16 Pruebe el programa que usted desarrolló en el problema 25.18 Desarrolle un programa de cómputo de uso amigable para el método clásico RK de cuarto orden.15 con los mismos cálculos por realizar de los ejemplos 25.5.1 y 25.001.7. 25. 25.

2) Como se muestra en la figura 26.2 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. puede usarse cálculo paru determinar la solución como u dt s (26.002e"' (26. después de lo cual la solución es dominada por la variación lenta de componentes.3) y y„r "' .1 00 % = -ay Si y(0) = y .1. Un sistema rígido es aquel que involucra un cambio rápido en sus componentes junto con un cambio lento de algunos.1) dt Si y(0) = 0. la solución se halla dominada al principio por el término rápido exponencial ( e ° ' ) .0. En muchos casos. También dan la estimación del error de truncamiento que se usa para implementar el control adaptativo tamaño-paso. describimos las EDO rígidas. Estos algoritmos retienen información de pasos anteriores para capturar con más efectividad la trayectoria de la solución. la variación rápida de componentes son transitorios efímeros que terminan rápidamente. Se puede ganar cierto conocimiento en el tamaño de paso necesario para la estabilidad de tal solución al examinar la parte homogénea de la ecuación (26.1 OOOy + 3 000 . . Después analizamos loi métodos de rnultipaso. Después de un periodo muy corto t < 0. Tanto las EDO individuales como los sistemas pueden ser rígidas. Un ejemplo de una EDO rígida simple es = . 26. que pueden estar tanto en forma individual como en sistemas y ambas tienen componentes rápidos y lentos para su solución.1). Primero.CAPÍTULO 2 6 Métodos rígidos y de rnultipaso El presente capítulo cubre dos áreas de estudio. Introducimos la idea de una técnica de solución implícita como una de uso común para remediar este problema.2. la solución analítica se puede desarrollar como y = 3 .9986-' 0 0 0 í . esta parte transistoria termina y la solución será gobernada por el exponencial lento (e~'). pueden dictar el paso del tiempo para toda la solución.005. Aunque los fenómenos transitorios existen sólo para una parte del intervalo de integración.

| y. Para la parte transitoria rápida de la ecuación (26. Sin ahondar mucho.+i = y. usted podría suponer que las rutinas adaptativas de tamaño de paso descritas al final del capítulo podrían ofrecer una solución para este dilema. 11 — ah \ debe ser menor que 1.ah) (26. aunque ocurra la parte transitoria para sólo uiin pequeña fracción del intervalo de integración. Así.4) La estabilidad de esta fórmula sin duda depende del tamaño de paso A. Así. la solución e n y asintóticamente se aproxima a cero. ya que los requerimiento»! de estabilidad todavía requerirán p u o i muy pequeños a través de toda la solución. Es factible usar el método de Euler para resolver el mismo problema en forma numérica: 0 y¡+\ = y> + ~^ h Al sustituir la ecuación (26. 0 0 5 unidades de tiempo. un tamaño de paso aún más pequeño pudiera ser requerido para obtener una solución exacta. una solución acotada). Sin embargo. debería observarse que mientras el criterio mantenga estabilidad (CN decir.764 M É T O D O S RÍGIDOS Y DE MULTIPASO 3 y 2 1! i 0 2 4 x 0 ' FIGURA 26. éste no es el caso. Así. Aunque la solución parece comenzar en 1.002. 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. existe en realidad una forma transitoria rápida de y = 0 a 1 que ocurre en menos de 0 .1 Gráfica de una solución rígida de una sola EDO.2). Es decir.-1 . Además.3) se tiene y. .o y i+l -ay¡h = y¡{\ . Qui/fl pensaría que ellas podrían usar pasos pequeños durante las partes transistorias rápidas y grandes pasos para las otras.» ° ° como i —• °°. Esta forma transitoria es perceptible sólo cuando la respuesta es vista sobre una escala más fina en el origen. éste controla el máximo tamaño de patín permitido. si h > 21a.

En contraste. ÉL = dt Use ambos métodos: el explícito y el implícito para resolver -1 OOOy + 3 000 . \y¡\ —. tendería al infinito en tanto progresa la solución. podemos reordenar esta ecuación de tal forma que y¡ | esté aislada en el lado izquierdo. + ( . b) Use el método de Euler implícito con un tamaño de paso de 0. + i = V Í ay h i+y la cual se puede resolver para y¡ y¡+\ = (26.2 000Í?-' Í + 1 )¿ Ahora como la EDO es lineal.2 000e~ dondey(O) = 0. + ) = y. + 3 OOO/i .» °°.2 000/K? '"' I + I 000/1 . Sol U C I O N . y.5) 1 +ah Para este caso. Aunque exhibe algún error de truncamiento.1 000y¡ + 3 000 .1 0 0 0 y l + 1 + 3 000 .005 se despliega en la figura 26.3) se obtiene y. Tules representaciones se denominan cógnita aparece en ambos lados de la ecuación. + 1 a) = . Si se sustituye la ecuación (26.V/+1 iinplia'tus.05 para resolver a y entre 0 y 0.006.0015 para resolver a y entre / = 0 y 0.0 como i . 1 Euler explícito e implícito Enunciado del problema.T U Kn lugar de tmnr procedimientos explícitos. De ahí que el procedimiento es llamado incondicionalmente estable. cuando se aumenta el tamaño de paso a un valor justo debajo de la estabilidad límite (h = 0. el resultado captura la forma general de la solución analítica.2a junto con la solución analítica. a) Use el método de Euler explícito con tamaños de paso de 0. . Para este problema. de A esto se le llama método de Euler hacia atrás o implícito. el método de Euler explícito es y. Usando h > 0. EJEMPLO 2 6 . es decir.002 daría como resultado una solución por completo inestable. los métodos implícitos ofrecen un remedio alternativo. sin importar el tamaño de paso.0005 y 0. Se puede desarrollar una forma implícita del método de liuler al evaluar la derivada en el tiempo futuro. El método de Euler implícito es y. + ( .0015) la solución manifiesta oscilaciones.4.2 OOOe~'0A y b) El resultado para h = 0.

766 MÉTODOS RÍGIDOS Y DE MULTIPASO n = 0. son los exponentes grandes los que responden rápida mente y son el corazón de la rígidas del sistema. la solución numérica ajusta muy bien sobre el resultado analítico.99c- 3 0 2 - 0 1 0 1 (26.301y 2 (26. Observe que aun cuando usamos un tamaño de paso mucho mayor que aquel que ha inducido inestabilidad en el método de Euler explícito. Los sistemas de EDO pueden también ser rígidos. El resultado para h = 0.67c- 302 - 0101 ' ' y = 17.05 se despliega en la figura 26.29 yy (0) 2 = 83.0015 FIGURA 26. Un ejemplo es d J± = _ 5 y . Como con la ecuación simple.7/») Advierta que los exponentes son negativos y difieren por cerca de 2 órdenes de magni tud. + 3 v dt 2 (26.6a) ^ dt = lOOyi .82.7«) y. 9 6 e .2 Solución de una EDO "rígida" con los métodos de Euler o) explícito y b) implícito. . la solución exacta es (26.2b junto con la solución analítica.2 3 9899 ' + 65.3 9899 ' .0.6/0 Para las condiciones iniciales y ^0) = 52.83e. = 5 2 .

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

el predictor y el corrector tienen errores de truncamiento local de 0(h ) y <9(/.-.1 2 Así.').10) yf = yi + f(x )h hyi y la regla trapezoidal como un corrector [véase ecuación (25. respectivamente. Esto se puede cumplir al usar el método de Euler y la pendiente eny . " i ) f+ + A = yi + (26. y .12) no es de autoinicio. v i . IB»F#DI . Además. una forma para mejorar el método de Heun es mediante el desarrollo de un predictor que tenga un error local de 0(h ).16)]: /(._. Como se demostrará después. Esto sugiere que el predictor es el enlace débil en el método. la derivada estimada en la ecuación (26.y /)2 /i (26. Tal valor podría no estar disponible en un problema común de valor inicial.-. y. y una información extra del punto anterior Y¡__ como en 3 ( ] y. 2h.12) alcanza 0(h ) a expensas de emplear un tamaño de paso más grande.h ).3 Ilustración gráfica de la diferencia fundamental entre los métodos para resolver EDO o) de un paso y b) de multipasos.1. pues tiene el error más grande. Como se ilustra en la figura 26. observe que la ecuación (26.2.11) y (26. +/(.12) son llamadas método de Heun de. las ecuaciones (26.') Observe que la ecuación (26.768 FIGURA 26. A causa de ello.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.progcdcr a una deducción formal del método dt s .12) s c < localiza ahora en el punto medio más que al inicio del intervalo sobre el cual se hace In predicción. no autoinicio.15)]: (26.4. Esta debilidad es significativa debido a que la eficiencia del paso corrector iterativo depende de la exactitud de la predicción inicial. Sin embargo. X /+1 X a) 26. En consecuencia. esta ubicación centrada mejora el error del predictor a 0(.v..Y .-) + / ( . ya que involucra un valor previo de la variable dependiente y¡_.

resumiremos el método y lo expresaremos usando una nomenclatura ligeramente modificada: Predictor: Corrector: y%. Observe que y " y y"L\ son ios resulta dos finales de las iteraciones del corrector en los pasos de tiempo anteriores...2. b) La regla trapezoidal que se emplea como un corredor Heun de no autoinicio. m) (20.14) donde los superíndices se agregaron para denotar que el corrector se aplica iterativamente dey — l a ni para obtener soluciones refinadas.26. y¡L.í (paray = 1. = y*_ .\ A l..2 Muimso ».Hx . Pendiente . iteraciones son terminadas en cualquier paso de tiempo con base en el criterio de paro 1 L i n \>„\ - '/ 1 i\ i i 11)0% (26. a) El método de punto medio que se usa como un predictor.15) ..4 Una ilustración gráfica del método de Heun de no auloinicio..13) i (26.. M FIGURA 26. + f(x„ y"¡)h 1 + ^ ^ Mi&#.

= —2. = 9.8(0) _ 0.13.8(i) _o.43% que es superior a la predicción de 12.549331 la cual representa un error relativo porcentual de —5.5).76693 (e. u v EJEMPLO 2 6 . 2 Método de Heun de no autoinicio | \ I ¡ | Enunciado del problema.68%). El predictor [véase ecuación (26.14)] es entonces usado para calcular el valor: 4e o.360865)] 2 = 13.8x Solución.73% (valor verdadero = 6. y? = -0. como aquí tratamos conunmétodo demultipaso.8%). = 18%)) que fue calculada con el método de Heun original. Como cu el ejemplo 25.313749-6.5(5. Para el segundo paso.5(6. Ahora.0.92%.5 mediante el método de Heun.Sy d e x = 0 a x = 4 usando un tamaño de paso de 1. Puede determinarse un estimado de error aproximado usando la ecuación (26.3929953 + [ 4 e ° ' 8(0) .0.3929953 1 en x = — 1.313749 que representa un e de —1. y = m. Use el método de Heun de no autoinicio para realizar los mismos cálculos igual que en el ejemplo 25.313749 s 100% = 3.5(2) + 4 e 0 8 ( 1 ) .15): t 6.14) se puede aplicar de manera iterativa hasta que e esté por debajo de un valor preespecificado de e . El uso de las ecuaciones (26. o iteraciones subsecuente* .0. Es decir. el predictor es y» = 2+ [4<?°' 8(l) . Este error es algo más pequeño que el valor de —8.5(2)] 2 = 5. Como fue el caso con el método de Heun (recuerde el ejemplo 25.607005). •1 = 6.770 M É T O D O S RÍGIDOS Y DE MULTIPASO Cuando e es menor que una tolerancia de error e preestablecida.15) para resolver una EDO se demuestra en el siguiente ejemplo. Sin embargo.194631).7% a La ecuación (26.549331 6. integrar y' — 4e° — O. requerimos la información adicional de que y = —0. como el valor del predictor inicial es más exacto.607005 El corrector [véase ecuación (26.13)] se usa para extrapolar linealmente ele x — — 1 a i = 1. . el método de multipaso converge a una razón algo más rápida. En este punto. se terminan las iteraciones. El primer corrtetorda.360865 (e.08260 ( E .5.18% incurrido en el Heun de auto inicio. Sin embargo. la ecuación (26.14) se puede aplicar de manera iterativa para mejorar la solución: y\ = 2 + 3 + 4 e o.13) a la (26.0. las iteraciones convergen sobre un valor de 6. = 6.44346 F.549331) 1 = 6. la condición inicial enx = 0 es y — 2.5(6.

16) La ecuación (26.-) + f{x .y)dx + (26. de la integración numérica y de las EDO. Ya emplea- mos conceptos gráficos para deducir el Heun de no autoinicio.16) representa una solución a la EDO si la integral puede ser evaluada. y ) dx x El lado izquierdo se puede integrar y evaluar mediante el teorema fundamental [recuerde la ecuación (25. y. f(x¡.17) en la ecuación (26.. y¡+\ = y¡ + 2 i+] y.21)]: y¡+i=y.2. El ejercicio también es útil porque proporciona un procedimiento simple para desarrollar métodos de multipaso de orden superior y estima sus errores. /'. la regla trapezoidal [véase ecuación (21. la razón de convergencia del corrector ha sido mejorada debido a la mejor predicción inicial.26. proporciona un medio para calcular un nuevo valor de la variable dependiente y . con base en un valor previo de y¡ y la ecuación diferencial. Esta deducción es en particular interesante porque vincula las ideas del ajuste de curvas. Como con el P O N O anterior.18) donde el Muperfndice c designa que eslo ON el error del corrector.2 MÉTODOSMULTiBMO iU convergen sobre el mismo resultado como uc obtuvo con el método de Heun de autoinicio: 15.1%).16) se tiene .y) l+ x dx = h (26. Al sustituir la ecuación (26. La deducción se basa en resolver la EDO general d — = f(x. como en i+ f(x./ ' Y U ) (26. Es decir. Ahora mostraremos cómo las mismas ecuaciones se pueden deducir matemáticamente..17) donde h = x — x¡ es el tamaño de paso. IWUm^ m Deducción y análisis del error de las fórmulas del psedictor-corrector.3)] se puede usar para evaluar la integral. Como ésta se basa en la regla trapezoidal. Por ejemplo. (t:.-+i) la cual es la ecuación corrector para el método de Heun.30224 —3.. . Las fórmulas de integración numérica como las que se desarrollaron en el capítulo 21 proporcionan una manera de hacer esta evaluación.•• ¡ l'\ (^) 0) 2 = .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. + J Í ' ' f(x.. el error de truncamiento puede tomarse directamente de la tabla 21.

yj) el cual es el predictor para el Heun de no autoinicio.. Sustituyendo la ecuación (26. ya que establece un criterio para el ajuste del tamaño de paso.2..'. más que usar una fórmula cerrada de la tabla 21.y)dx (26.20) en la ecua ción (26. Estimación DE ERRORES. V l ' "^ .hy 3 3 0) (<? ) (26.4: E = P Vy'(?) = 3 P \lyfiHp) (26. Como con el corrector.4) se puede usar para evaluar la integral.20) la cual es llamada método de punto medio.1)] í + I Valor verdadero — y° ¡+l + .y.U) .!) Mediante un procedimiento similar.. Además de actualizar la exactitud del predictor. y) dx que se puede integrar y rearreglar para obtener y \=y¡-\+¡ i+ f{x. el predictor y el corrector para el método de Heun de no autoinicio tiene errores de truncamiento del mismo orden. como se elabu rara en la siguiente sección.18)] se puede combinar con el resultado del corrector v¡.-_i + 2hf(Xj. como en f{x. este hecho tiene beneficios adicionales relacionados con el análisis del error. para dar Valor verdadero i * ™ . el error de truncamiento local puede estimarse durante el curso de un cálculo.. . el error de truncamiento local se puede tomar directamente de la tabla 21. ) 1 (20. los limites de integración van de / — 1 a / +• l: Jy¡-\I J *¡-\ /'Vi II /•»'/ + ! / dy = f{x.y)dx = 2hf(x . la primera fórmula de integra ción abierta de Newton-Cotes (véase tabla 21.21) donde el subíndice p designa que éste es el error del predictor.' 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.. Para oslo caso. El error de truncamiento local para el predictor se estima con la ecuación (26. Si el predictor y el corrector de un método multipaso son del mismo orden.19) se obtiene y i + i = y.) i (26. Así.772 MÉTODOS RÍGIDOS Y DE MULTIPASO Un procedimiento similar puede ser usado para deducir al predictor. Esto es una tremenda ventaja.19) Ahora.

í) para dar < > v. 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 ™ ) ] . E. I'or .6 3 6 0 8 6 5 ¡ 5 ^ = . los lados izquierdo deberían ser equivalentes. v. con la = (26. E.6. respectivamente.26) para estimar el error de trunca miento por paso del ejemplo 26. por tanto.607005 y el corrector da 6. está ahora entre x¡_.843992 — 15.194631 .24) entre 5 y se 5 >.26) proporciona una base racional para el ajuMe del Inmuno de paso durante el curso de un cálculo. Ahora.4583148. i+ +1 Estimación del error de truncamiento por paso Enunciado del problema.La ecuación (¿h.M = -0.26) Así. podemos suponer que los lados derecho son iguales y. como en 0 _ .2.".24) ( + 1 . = _ 15-30224-13.194631 y 14. ^//V'IS) donde ¿. 1 5 0 7 7 22 la cual se compara bien con el error exacto.360865 = -0. Si no hay una variación apreciable sobre el intervalo en cuestión.44346 y la trayectoria da 15.0 . y x rearregla el resultado se tiene (20.. Observe que los valores verdaderos e n x = 1 y 2 son 6.m i '+y -±h v '(^) 19" 5 E. = .26) para dar í + 1 £ c = . el predictor da 13. Estos valores se pueden sustituir en la ecuación (26. Solución.^ (26.360865.'".i.302. el predictor de 5.25) son idénticos. En x = 1.18) y (26.2.30224. + 1 } 3 (y Observe que los lados derecho de las ecuaciones (26..i) puede s e r restada de lii ecuación (2<>.1662341 Enx = 2.84392.. = 14. la cual se usa para calcular ¡ + 1 £ t .44346 = que también se compara favorablemente con el error exacto. = 6.25) excepción del argumento de la tercera derivada. Lo fácil con que puede eslimuiíto el error mediante la ecuación (26. Use la ecuación (26. si se divide la ecuación (26. que son de rutina subproductos del cálculo.

la ecuación (26.29) que se puede usar para modificar el resultado del predictor y .y i i+ La ecuación (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. Vuelva a calcular el ejemplo 26.3 usando los modificadorcn como se especifican en la figura 26. Por tanto. ) . si la predicción es modificada adecuadamente.774 MÉTODOS RÍGIDOS Y DE MULTIPASO ejemplo. Esto es ventajoso debido a que. Así. debería percatarse que además de proporcionar un criterio para el ajuste tamaño-paso. se pueda sustituir en la ecuación (26. al usar el resultado del paso previo en /. Antes de analizar los algoritmos de cómputo. suponiendo quey (^) = y ( ^ . En consecuencia. el predictor inicial resultante es 5. la ecuación (26. 0 + 1 0 + 1 +í ( y r y . el número de iteraciones del corrector es altamente dependiente de la exactitud de la predicción inicial. Ya que el modificador del predictor [véusc ocuución (26.) El lado izquierdo es el valor modificado de y"¡ . ° ) (26.21) para dar E = P l(y?-y?) (26. el cual se designa para ajustar el resultado predictor de tal forma que esté más cerca del valor convergente final del corrector. la ecua- .30)] requiere valores de una iteración previa. puede agregarse directamente a y para refinar el estimado aún más: ¡ + 1 i+x y y i+i m — y° (26. Solución.30) EJEMPLO 2 6 .5) se puede resolver para + x h^M^-^yf-y?) <3) (3) (26. debemos observar otras dos formas en las cuales el método de Heun de no autoinicio puede hacerse más exacto y eficiente.se lee como "es remplazado por". no es posible emplearlo para mejorar este resultado inicial.28) la cual.5.607005. el tamaño de paso podría ser disminuido.26) indica que el error es mayor que un nivel aceptable.3. podríamos reducir el número de iteraciones requerido para convergir sobre el último valor del corrector. (El símbolo « . Como en el ejemplo 26. Tal modificador puede deducirse en forma simple al suponer que la tercera derivada es relativamente constante de un paso a otro. Modificadores. 4 i j Efecto d e modificadores sobre los resultados predictor-corrector Enunciado del problema. Primero.< y . Una segunda mejora que relaciona más la eficiencia del programa es un modificador predictor. como se observó al inicio de esta sección. Sin embargo.27) <. si la ecuación (26.27) es llamada modificador corrector.

360865 (e = —2. donde el subíndice u designa que la variable es no modificable) Corrector: y*^. = 8 .6%.360865) en el predictor. guarde el resultado como )/£.3. ^ = 6. el error se reduce un orden de magnitud. y?) + f\x u y ^ i ) . Esta mejora ocurre debido a que utilizamos aquí un estimado superior de y (6. que fue de e¡ = 18.360865 6.27) se puede usar para modificar el valor corregido de 6.2 *toD06MUmnASO Pradlcton y° . los errorea propagado y global se reducen por In inclusión del modificador corrector.210093)] 2 = 13. el modificador no se incluye en este algoritmo.13)] se usa para calcular y° = 2 + [ 4 e a 8 ( 0 ) . si e < criterio de error. = y% .26. En otras palabras.684%). como esto puede afectar la estabilidad del corrector.210093 n n n el cual representa un e.42% el cual es casi la mitad del error del predictor para la segunda iteración del ejemplo 26. ción (26.) FIGURA 2 6 .360865 .59423 e.210093 en lugar de 6.25%. = y? f[x. = —0. . La estimación del error del corrector está incluida debido a su utilidad para el ajuste tamaño de paso. asigne /'=/'+ 1 y regrese al predictor.) 0 a u } E r r o r del corrector e s t i m a d o : (Si el cálculo continúa. + 778 + f|x„ ^ 2 h + u (Guarde el resultado como y° i = M o d i f i c a d o r predictor: . Observe que es posible usar la estimación del error del corrector para modificar el corrector. Para la siguiente iteración. Sin embargo.607005 „ „. el predictor [véase ecuación (26.0.5(6. t como en y? = 6. 5 La secuencia de fórmulas usadas para implementar el método de Heun de no autoinicio. asigne / = / + 1 y repita el corrector. Así.-1 (Si le l > criterio de error.5.. h n para / = 1 a iteraciones máximas m) 2 Verificación de e r r o r : 100% VÍ .

En general. Por último.27): y'¡' = 15. Además. la modificación puede reducir el número de iteraciones requerido para la convergencia. En particular. la inclusión de los modificadores incrementa tanto la eficiencia como la exactitud de los métodos multipaso.0 .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.21178 (e. el método de Heun de no autoinicio sin modificadores es de tercer orden más que de segundo orden.2. como en y' = 13. debe ser lo suficientemente pequeño para dar un error de truncamiento lo más pequeño posible. el error se redujo un orden de magnitud.5. 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. el corrector por último convergerá sobre la respuesta correcta. La única complicación es que se requiere de un método de un paso para generar el punto extra necesario para comenzar el cálculo.21178 15. .MÉTODOS RÍGIDOS Y D E M U L T I P A S O Ahora debido a que tenemos información de la iteración anterior.19732 1 4 = 4. Así. — —2. = . Sin importar si se usan los predictores modificados o no modificados. de nuevo.88827 e. este resultado se puede modificar usando la ecuación (26. como se analizará después. No obstante. Como en el ejemplo anterior.5.59423 = 14. debería observarse que hay sitúa ciones donde el corrector modificador afectará la estabilidad del proceso de iteración del corrector.30% lo cual. el cual representa una mejora sobre el ejemplo 26. como se emplea un tamaño de paso constante. Además.48%).13. reduce el error a la mitad. se debe elegir un valor <le h antes del cálculo.607005) = 14. Al mismo tiempo. el corrector modificador efectivamente incrementa el orden de la técnica. Como se hizo con los otros métodos para las EDO. el modificador no se incluye en el algoritmo de Heun de no autoinicio bosquejado en la figura 26..3 debido a la reducción del error global. Sin embargo. 3 0 % De nuevo.360865 . Como consecuencia. 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.21178 . la ecuación ( ¿6. La implementación del corrector da un resultado de 15. Es relativamente simple desarrollar una versión tamano de paso constante del método de Heun de no autoinicio. Esta modificación no tiene efecto en la salida final del subsecuente paso corrector. como la razón o eficiencia de convergencia depende de la exactitud de la predicción inicial. 26. el tamaño de paso debería ser tan grande como sea posible para minimizar el costo de ejecución y el error de redondeo. como es el caso para la versión no modificada.(0) se puede emplear para modificar el predictor.59423 + -(6. el corrector modifica dor puede todavía tener utilidad para el control de tamaño de paso. 1963). Sin embargo.

26.1b) Fórmula» de Newton-Cotes. revisaremos his fórmulas de integración más comunes sobre las cuales están basadas. Como se ilustra en la figura 26. hay una clase llamada fórmulas de Adams que también revisaremos y que a menudo resultan elegidas . 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. la primera de éstas son las fórmulas de Newton-Cotes. Sin embargo. ejemplo. Esta integral HC usa entonces para proyectar a través de este último segmento. Como se mencionó antes. las fórmulas de Newton-Cotes estiman la integral sobre un intervalo que abarca varios puntos.7a.778 MÉTODOS RÍGIDOS Y DE MULTIPASO FIGURA 2 6 . Como se ilustra en la figura 26. las fórmulas de Newton-Cotes de orden superior desarrolladas en el capítulo 21 se podrían usar para este propósito.7. Esta integral se usa entonces para proyectar desde el inicio del intervalo hasta el final. c) duplicando. Antes de hacer una descripción de esos métodos de orden superior. las fórmulas de Adams (figura usan un conjunto de puntos de un intervalo para estimar únicamente la integral para el último segmento en el intervalo. 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 . 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. a) Disminuyendo a la mitad. En contrae te.

polinomios de n-ésimo grado con n + 1 valores conocidos de y y después con el uso de esta ecuación para calcular la integral. J'.2 H^08MULTIB». Como se analizó antes en el capítulo 21.26. las fórmulas de integración de Newton-Cotes se basan en tal procedimiento y son de dos tipos: formas abiertas y cerradas.7 Ilustración de la diferencia fundamental entre las fórmulas de integración de Newton-Cotes y Adams.(x)il.31) . b) Las fórmulas de Adams usan una serie de puntos para obtener la estimación de la integral para un solo segmento. I ) . La estimación se usa después para proyectar a través de todo el rango.. Fórmulas abiertas. Para n puntos igualmente espaciados. como se hizo antes para ln ecuación (26. las fórmulas abiertas se pueden expresar en la forma de una solución de una EDO.y)dx FIGURA 26.=y¡+ í \f(x. La ecuación general para este propósito es o V)| I - Y. El estimado después es usado para proyectar a través del segmento. a) Las fórmulas de Newton-Cotes usan una serie de puntos para obtener un estimado de la integral sobre un número de segmentos.\ (26.SO f l f 'u.

32) donde f¡ es una abreviatura para f(x¡. Fórmulas abiertas (deAdams-Bashforth). i paui + y/¡ 3 + ••• que también puede escribirse como /. El otro tipo de fórmulas de integración que es posible usar resolver las EDO son las fórmulas de Adams. + f¡h + y / í 2 Fórmulas cíe Ádams. la ecuación diferencial evaluada en . Las fórmulas de Adams se pueden dedil cir en diferentes formas.32) como el método de punto medio.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. Se hace referencia a la ecuación (26. i /'(y. ' i •••] (7o. Por ejemplo. La ecuación (26.+ fi-i) y para n = 3 y = _ + y ( 2 / . Una técnica es escribir una expansión de la serie de Tayloi alrededor de x¡. y¡+i = y.-ii . si n = 1.86. para n = 1. h. La forma cerrada se puede expresar de manera general como y.4).8a. Para n = 2. . que se utilizó antes como predictor en el método de Heun de no autoinicio. + -j{fi + f¡+\).34) donde la integral es aproximada por una fórmula de integración cerrada de Newton Cotes de «-ésimo orden (véase la tabla 21. y. y¡+\ = y.v. y.-n+\+ I f„(x)dx (26. i ^ / . „ ! + 2/}_ ) 3 2 Ah ¡ + x y í (26. y¡). +] h + i = yi-i + + 4f¡ + f¡ ) (26..+\=y. I. y y¡.33) La ecuación (26.io) .MÉT0D0S_Rl_GIDOS y i+l dondef„(x) es una interpolación polinoinial de n-ésinio orden. = yi-i+2hfi (26. la cual es equivalente a la regla trapezoidal.33) se ilustra gráficamente en la figura 26. Por ejemplo. Fórmulas cerradas.2).v./ . es decir. Muchos algoritmos de cómputo de uso generalizado para la solución de EDO por multipaso se basan en estos métodos. Para n — 2.35) que es equivalente a la regla de Simpson 1/3. 3h y¡+i = y¡~2 + y (/i.

3 3 ) ]y Recuerde de la sección 4.Ilustración gráfica de las fórmulas de integración de Newton-Cotes abierta y cerrada. + h 1 „ o. ( 2 6 .j t W'T • W) .36).1. .(•].. (26. h { /. La fórmula abierta de tercer orden [véase ecuación b) la regla de Simpson [véase ecuación F G IU R A2 6 . 8 o ) 1 / 3 ( 2 6 . . + h - V../.3 que se puede usar una diferencia hacia atrás para aproximur la derivada: f! = + 4+ + Olh ) 2 f h 2 la cual se puede sustituir en la ecuación (26.37) v.i v .Vi + + + 0(h ) 2 + -/. i /. i l = . agrupnndo términos. 3 5 ) ] .~ y .

782 TABLA 26. Las fórmulas de Adams abiertas son referidas también como fórmulas de Adams-Bashforth. 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. la ecuación (26.36).f+\ Al resolver p a r a y ¡ + 1 h + — se tiene - h ~ ~jr" "' + • • •) (26.1.38) Los coeficientes fi se ilustran en la tabla 26. Fórmulas cerradas (deAdams-Moulton). Observe que la versión de primer orden es el método de Euler.1 MÉTODOS RÍGIDOS Y DE MULTIPASO Coeficiente y t r r o r da truncamiento para predictores de Adams-Bashforth.39) yt+i = y¡ +h(f i i+ + jf¡' +l Se puede usar una h diferencia 2 para aproximar la primera derivada: . La versión de cuarto orden se ilustra en la figura 26.9a. En consecuencia.3 i + y¡ = y<+\ . Una serie de Taylor hacia atrás alrededor de x¡ se puede escribir como +l fi fu i 1 u2 i •'i' + l •'' + 1 1. 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. Es posible desarrollar fórmulas de Adams-Bashforth de orden superior al sustituir aproximaciones de diferencia superior en la ecuación (26.37) algunas veces es llamada segunda fórmula de AdamsBashforth.

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 .

se obtiene . La figura 27. 27. Tomando en consideración el diagrama de cuerpo libre de la figura 27. las dos masas tienen igual amplitud todo el tiempo. Además de su periodo.lisio ejemplo proporciona información valiosa con respecto ul comportamiento del sistema de la l'iguru 27.7 muestra un sistema físico que puede servir como un contexto para examinar este tipo de problema. 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. Sustituyendo este valor en la ecuación (27. Yl ( 2 7 2 " dx ~ 2 - 1 0 ) donde Syldx especifica la curvatura. En el segundo modo. pero de signo opuesto a la amplitud de la primera. vibran hacia atrás y hacia adelante al unísono. Otra configuración llevará a la superposición de los modos (recuerde el capítulo 19). y después lo hacen juntas de manera indefinida. cambiamos al tipo de problema que es el tema de este capítulo: problemas con valores a la frontera para ecuaciones diferenciales ordinarias. está claro que el momento de flexión en x es M = —Py.6b.2. sabemos que si el sistemu está vibrando en el primor modo la amplitud de la segunda masa será igual. las masas vibran por separado. M = momento de flexión.5. Así.3 Un problema de valor en la frontera Ahora que le hemos dado una introducción a los valores propios. Como se observa en la figura 27.6a. como se ve en la figura 27. 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 „.10).76.

16)...136) = 0 la solución general para la ecuación (27. En un sentido práctico. . concluimos que B = 0. 2. la cual muestra la solución para los primeros cuatro valores propios. .. La ecuación (27.PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS l Py 2 = ü (27.11) es y = A sen (px) + B eos (px) (27. 3 . Para que esta igualdad se cumpla. 3.16) los cuales son los valores propios o característicos para la columna. se obtiene P = para n = 1. 2.13a)].17) L 1 fislas se pueden tomar como cargas de pandeo. .14) donde A y B son constantes arbitrarias que serán evaluadas por medio de las condiciones frontera. La figura 27. De acuerdo con la primera condición [véase ecuación (27. De acuerdo con la segunda condición [véase ecuación (27. . pues representan los niveles a los cuales i« mueve la columna en cada NNNFLPMLÓN de pandeo sucesiva. Combinando las ecuaciones (27. existe un número infinito de valores que cumplen con las condiciones a la frontera.8. pL = nn para n = 1. 3 . sujeta a las condiciones frontera y (0) y(L) = o (27. (27.7. Ya que ^4 = 0 representa una solución trivial. puesto que B — 0.12) y (27. . puede proporcionar el significado físico de los resultados. Cada valor propio corresponde a una manera en la que se pandea la columna. (27. (27. . A sen (pL) = 0. 2.13a) (27. 0 — A sen (pL) + B eos (pL) Pero.12) (27. 0 = A sen (0) + B eos (0) Por tanto. concluimos que sen (pL) = 0.15) Así.136)].11) donde P Para el sistema de la figura 27. .15) se puede resolver para P = MI L n K EI 2 2 para n = 1.

. 9 0 9 2 7 2 . •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. t a) n = 1 b)n = 2 c)n = 3 d) n = 4 FIGURA 27. una carga crítica se puede definir como 7T EJ 2 la cual es conocida de manera formal como fórmula de Euler. 5 Análisis d e valores propios d e una columna c a r g a d a axialmente Enunciado del problema.16) y (27. 9 5 4 Solución. las fallas ocurren cuando primero se pandea la columna.V.~~~W. l. en general. ya que.17) se pueden usar para calcular . Una columna de madera cargada axialmente tiene las siguientes características: E — 10 X 10 Pa. EJEMPLO 2 7 .8 Los primeros cuatro valores propios de la barra esbelta de la figura 2 7 .us ecuaciones (27.25 X 1 0 ~ m y L = 3 m. Así. usualmente el primer valor es el de interés. / = 1. Determínense los primeros ocho valores propios y las correspondientes cargas por pandeo. 7 .

por tanto. 137. 2 2 + yi i+ = 0 (27.1416 4.2832 7.078 548.3) para la segunda derivada. k N 137.0944 3. Por ejemplo. se realiza en el siguiente E J E M P L O .311 1233. los métodos numéricos del tipo que a continuación se describirá son la única alternativa práctica.1888 5. lo que da yi i+ -2y¡ +y¡-i + 2 JT2 P * = 0 la cual puede expresarse como y¡-i .3776 ! La carga crítica por pandeo es.2360 6. si la columna se divide en cinco segmentos (esto es.946 4934.PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS n 1 2 3 4 5 6 7 8 p.11) se puede resolver numéricamente sustituyendo una aproximación por diferencias divididas finitas centradas (véase tabla 23. 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?. cuyas raíces son los valores propios.3304 8. J4 = 0 (27. 27.982 2 1. En tales casos. a menudo es difícil o imposible obtenerlas. m " P.0472 2.19) La expansión del determinante del sistema da un polinomio.h p )y.(2 .814 8772. Normalmente esto es cierto cuando se trata con sistemas complicados o con aquellos que tienen propiedades heterogéneas.078 kN. Aunque son útiles las soluciones analíticas de la clase antes obtenida.802 6716.4 El método del polinomio La ecuación (27.701 2193. cuatro nodos interiores). Este procedimiento.2.18) Al escribir esta ecuación para una serie de nodos a lo largo del eje de la columna. . llamado método del polinomio.245 3426. se obtiene un sistema de ecuaciones homogéneo.

27. 8 8 5 6 |e. 5 6 2 5 / ? ) . c) Para tres puntos interiores (h = 3/4). Por tanto. para este caso sencillo.5625 p .2(2 .p ) 2 2 y\ yi . la ecuación (27.5625 p -1 0 ¡ ¡ 2 -1 2 . la ecuación (27.18) se escribe como (2-p ) 2 -1 -1 (2-p ) 2 La expansión del determinante da (2 .25p 2 =0 y resolviendo para p = ±0. y se obtiene un segundo valor propio que es casi 17% menor.5625/? = V 2 .5% menor.5625/? 2 y\ y-i y3 = 0 (E27. Empléese el método del polinomio para determinar los valores propios para la columna cargada axialmente del ejemplo 27.73205.|=2.5% |e.1 2 0 -1 2 -0. el valor propio es analizado igualando el determinante con cero 2-2. se obtiene (h = 3 / 2 ) -(2-2. usando a) uno.5.0. el primer valor propio es ahora casi 4.18) queda ~ 2 . />) dos.1 = 0 el cual se puede resolver para p = ± 1 y ± 1.|=10% / > • 1 2. se pueden determinar los primeros tres valores propios como 2 2 p = ±1. el cual es casi 10% menor que el valor exacto de 1.5625/? ) = 0 2 3 2 ! i Esta ecuación se cumple si 2 — 0.18) para uno de los nodos interiores.2WmjlMÁS DB VALORES PROPIOS i El método del polinomio 1 • ''W O W |0Í Enunciado del problema.0 . a) Al escribir la ecuación (27. De esta manera.4637 =22% .5625/? = 0 y 2 — 0. c) tres y d) cuatro nodos interiores Solución.0472 obtenido en el ejemplo 27.0.4.9428.0205 /J = ± 1 .6. I ! ! I b) Para dos nodos interiores (h — 3/3).1) El determinante se puede igualar con cero y expandirlo para dar ( 2 .25p )yi = 0 2 Así.0.

Los números entre paréntesis representan el valor absoluto del error relativo porcentual verdadero.1416 4.| = 2 4 % £ Los resultados de aplicar el método del polinomio a una columna cargada axialmente.0944 3.6967 (14%) 3.5% |£.1888 h= h 3/2 0. En tanto se refine más la segmentación.6967 p = ±3.036p ) 2 4 2 2 + 1=0 la cual se puede resolver para los primeros cuatro valores propios p = ±1.0301 p = ±1.2 |e.5%) 1.3(2 .1702 TABLA 27. y los valores previamente determinados se vuelven de manera progresiva más exactos.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. se tiene (2 . Así.5%) 1.0301 (1. el procedimiento es muy conveniente para los casos en que se requieren pocos valores propios. se determinan valores propios adicionales.19) con 2 — 0.4) .2. ilustra algunos aspectos fundamentales del método del polinomio. Como en el ejemplo 27. que resume los resultados de este ejemplo.0472 2. 3 6 p ) .9593 (65%) 2.| = 1. Igualando el determinante con cero y expandiéndolo." .4637 (22%) h = 3/5 1.0 .7321 (21%) h = 3/4 1. el método del polinomio se compone de dos pasos principales: 1) expansión del determinante para obtener un polinomio y 2) cálculo de las raíces del polinomio.6%) 1.806 PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS <l) Ptiru cuutro puntos interiores (h = 3/5).1702 (24%) La tabla 27.36/J2 sobre la diagonal.6. El método Fadeev-Leverrier es un procedimiento eficiente para generar los coeficientes p¡ del polinomio (-1)"(A.9593 p = ±2.9428 (10%) = 3/3 1.| = 14% | . El método de Fadeev-Leverrier.p) = 0 x 0 (27.0000 (4.6% = 6.| |e.8856 (10%) 2.0205 (2. Ahora veremos un método de cómputo para generar el polinomio.20) el cual resulta de la expansión del determinante del sistema [[A\-X\l\\{X}^0 ( 27 . el resultado es la ecuación (27.

Emplee el método l'adeev-Leverrier para determinar los coeficientes para la matriz en la parle«') del ejemplo 27.I7.24) [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. .25) que puede usarse para calcular p„= itr[fi]„_3 3 (27. El método puede continuarse generando la matriz [ 5 ] _ = [A][[B] _. la cual es (recuerde PT3.2.2) la suma de los coeficientes de la diagonal. [A] (27.28) Entonces. . Por ejemplo. 7 El método Fadeev-Leverrier Enunciado rlol problema.23) la cual se puede usar para calcular Pn-2 = ^ [ ]«-2 f i t r (27.26) y se continúa hasta que p se determina a partir de 0 [B] = [A][[Bh 0 Pl [I]] (27.%mmUHM> 1 DE VALORBS'PROPIQg . .p „ _ .22) donde tr [#]„_.6. es la traza de la matriz [fi] _¡. El método tiene la ventaja adicional de que la matriz inversa [A]" puede ser generada eficientemente en el proceso.tr [fi] n 0 (27. El método consiste en generar una secuencia de matrices [B] que pueda emplearse para determinar los valores p¡. . la matriz inversa se puede calcular simplemente como [A]" = 1 Po L —[[Bh-pdl]] (27. [ / ] ] n 2 n (27. [B]„.21) p„-\ = tr [fi]„_i n (27.27) y po = .29) EJEMPLO 2 7 .

111 que se puede evaluar para obtener -22.778 -1.160 6.963 .778 -7. la ecuación (27.31.7.321 12.778 3.556 -1.18.778 0 -1.22.556 -1.321 3.160 6. La matriz se puede expresar en la forma general de la ecuación (27.556 -1.321 3.321 3.A + 10.1) entre h .321 -22.27) para dar 3. 6 0 5 (E27. Para el caso presente [h = (3/4) = 0.556 — X -1. se puede sustituir en la ecuación (27.123) = .321 9.778 3.123 6. a su vez.5625].21).778 3.160 6.3 1 .160 6.778 0 -1.111 -1.963 6.808 PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS Solución.111 -1.556 -1.556 + 3.778 0 -1.2) Este resultado. p = 3.778 0 -1.778 0 -1.556 -7. el determinante se puede expandir por menores para dar 2 .481 [B] -0 que al ser evaluado da "22. De acuerdo con la ecuación (27.778 0 -1. de acuerdo con la ecuación (27.475 0 0 o 0 22.607X + 22.4) al dividir cada renglón de la ecuación (E27.481 6.778 3.321 -18.7. ésta da 2 2 [A]-X[/] = 3.667 2 (E27.778 3.6.1) Este valor puede sustituirse en la ecuación (27.556 9.778 0 -1.24) puede emplearse para calcular Pi 1 -(-22.778 0 -1.556 -1.778 3.123 [Bh = Por tanto.778 0 -1.556 -X 0 -1.23) para dar [Bh = 3.556 -1.556 -X donde X = p .123 .6671 .556 = 10. 3.642 6.778 -7.556 + 3.321 3.22).556 [Bh Por tanto.778 3. Antes de proceder.487 3 2 Se puede poner en práctica la misma evaluación con el método Fadeev-Leverrier.475 0 0 % 0*495 .778 3.

141' 0.475 ' .7. 1 2 3 . la ecuación (27.27.281 0.(-31.-1 DO ¡ = 1.7. p) D\Mb w Una subrutina para el inótodo Fadeev-Leverrier.160 6.475 (E27.2 2 . n) I (n .422 0. n.281 0.3) Sustituyendo las ecuaciones (E27.475) = 22.(-31. n) sum = Ol DO i = 1.475 + 22.281 0.963 .605) 6.605) que.9 5U3 Fadeev (a.3) en la ecuación (27.321 -18.281 0. 1 22.141 0. es idéntico al resultado obtenido al expandir el determinante usando menores.475 = 0 2 el cual.1) hasta (E27.n ( K = b U~PlM ENDDO [3] = [A] .321 3. ri) OO ti = ti-2.28) puede empleante para cnlcular />„ = (22.475 + 22.2 2 . 0.605) 6.n eum = eum + a END DO Trace = eum END Trace u .321 3.29).20). se obtiene el polinomio resultante -X 3 + 10. [5] = [A] P„_ = Trace(b. además de las pequeñas diferencias debidas al error de redondeo.1' M M S M S PE V A L O R E S PHOHOS" 1 soy Por tanto.(-31. + 22.605A.[3] p¡¡ = Trace(b.160 0.321 .31. La matriz inversa también puede ser calculada con la ecuación (27. FIGURA 27. 1 2 3 .562 0.7. resulta [7].667X .422 6. (Jbserve que también se incluye una función para calcular la traza. al ser multiplicada por [A].¡i) END DO END Fadeev FUNCTION Trace(a.

Los procedimientos presentados en el capítulo 7 están diseñados para este propósito.667A . Determinación de los valores propios como las raíces del polinomio carnctoiíslii o Después de aplicar la técnica Fadeev-Leverrier. Programa de computadora p a r a el método de! polinomio.041.020. Con ligeras modificaciones.885.071 Como X = p . Esto se dejará como ejercicio para el lector.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.464 que son iguales a los resultados del ejemplo 27.7. el vector propio correspondiente se obtiene como un subproducto del método.6c (con pequeñas diferencias debidas ni error por redondeo).475 = 0 2 se puede evaluar con el método de Bairstow (o con paquetes como MATLAB o Mal hcad) para obtener X = 1. + 22.605A. se deben evaluar las raíces del polinomio resultante. -X 3 El polinomio + 10. Determine las raíces del polinomio característico que se generó en el ejemplo 27.6. Como beneficio adicional. 27.5).31.PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS I!l método l'adecv-Lovorrier puedo ser programado de manera concisa.9 NO muestra lu lista del pseudocódigo para esto propósito. El método de Bairstow se usa en el siguiente ejemplo. Observe que so requiere una subrutina para calcular la traza. Kn la finura 27.555. puede calcularse la raíz cuadrada de esos valores para dar 2 p = 1. 1. Determinación del valor propio más grande.6. y compárense los valores propios resultantes con los que se calcularon en la parte c) del ejemplo 27. Para poner en práctica el método di potencias.2.3. EJEMPLO 2 7 .2. también puedo servir para determinar el valor más pequeño y los valores intermedios. 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 27.9) con el método de Bairstow ( V O I I K P figura 7. el sistema que se unalüUMA dfbe expresarse en lu forma . 8 Raíces del polinomio característico Enunciado del problema. Solución.

2f.778 Luego.778 -1.778 0 1. 3 .556.778 0 -1. el lado derecho es normalizado por 1.556 -1.778 para hacer que el elemento más grande sea igual a 1. el valor propio estimado para la segunda iteración es 3.778 0 -1.556 -1.1 .778 • = 1.556(1) .556 1 1 1 1.556(1) .2 \A\[\\ M -V m (27. 7 7 8 ( 1 ) + 3 .778 3.556 -3.556 -1.778 3.778 0 -1.778 3. Primeramente.778(1) + 3 .778 1 0 1 Así.778 ' • = 1.556X2 3 . 1.778*2 3.778 0 1.556 Por tanto.778xi + - . -1.1556 1.30) es la base para una técnica de solución iterativa que finalmente da el valor propio más grande y su vector propio asociado.556x3 = 2 1.6.778 0 -1.778 1556 100% = 50% .30) Como se ¡lustra en el siguiente ejemplo.1.778(1) = 0 .1.778 r • = • 1 0 1 La siguiente iteración consiste en multiplicar [A] por [1 0 l ] p a r a dar 3. que puede emplearse para determinar el error estimado .556(1) = 1.778*3 = Ax 3 .556 1 0 1 3. el sistema se escribe en la forma de la ecuación (27.1. suponiendo que las x del lado derecho de la ecuación son iguales a 1.556 JCI - = A JC.556 1 -1 1 = • = 3. Solución.556 3.778 3.778X2 + kx 3 Después.778(1) = 1.778.30).556 -1. la primera estimación del valor característico es 1. Esta iteración puede expresarse de manera concisa en forma de matriz como 3. la ecuación (27. Empléese el método de potencias para determinar el valor propio más grande para la parte c) del ejemplo 27. Método de potencias p a r a el valor propio más g r a n d e Enunciado del problema.

donde el valor propio más pequeño pudo ser usado para iden tificar una carga de pandeo crítica. en lugar de hacerlo con el más grande.556 -1.556 -0.714 1 -0.556 -1. Esto puede realizarse aplicando el método de poten cias a la matriz inversa de [A]. En ingeniería existen problemas cu los que nos interesa determinar el valor característico más pequeño.6.778 0 -1.112 donde | e j = 150% (que es alto debido al cambio de signo).6.223 -4.714 -4. Tercera iteración: 3.070 ( = 2.556 -1.714 donde |ej = 214% (de nuevo.334 -7. EJEMPLO 2 7 .778 0 -1. (en otras palabras.556 -1.317 6.778 3.223 ' -0.778 0 -1.445 = 6.75 1 -0.778 3.095 -4.75 • := ' = -7. el factor normalizado es convergente sobre el valor de 6.75 ' 1 -0.708 • — • = 6.778 3.714 1 -0.778 3.75 • = • -4.7. 2 Tenga en cuenta que en algunas ocasiones el método de potencias convergirá ¡il segundo valor propio más grande.778 0 -1.778 0 -1. muy alto debido al cambio de signo).4637 ) obtenido en la parte c) del ejemplo 27.556 1 -1 1 5. Smitli y Wolford (1985) ilustran un caso así.778 0 -1.112 5.317 ' -0. Cuarta iteración: ~ 3.778 3. el método de potencias convergirá sobre el valor más grande de 1 A. James.708 1 -0. el valor más pequeño de X). . Para este caso.445 6.812 PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS lil proceso puede entonces repetirse.095 • Así. 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 27.556 -1.334 -0.556 -0.556 -1. Tal como el caso ele la barra de la figura 27. Determinación deí valor propio más p e q u e ñ o .778 3. Otros casos especiales se analizan en Fadeev y Fadeeva (1963). Quinta iteración: 3.

715 1 0.281 0.884 1.7 Q U EL UM A T R Z I IVORNII O S 0.141 0.281 0. Así.281 0.562 0. está diseñada para matrices simétricas.751 • = • = 1. 1.0472.281 0.422 0.715 0.141" 0.984 0. Determinación de valores P R O P O I S intermedios.751 0.704 0.964 donde |ej = 4%.422 0.27.422 0.141 0.715 = 0.422 0.964 0.422 '1 1 1 ' 0.281 0.684 0.141 0.281 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) .751 1 0.141 0.562 0.422 Usando el mismo formato del ejemplo 27.884 0.281 0.684 0.141" 0.281 0.715 1 0.281 0. La técnica bosquejaba aquí. obtenido en el ejemplo 27.709 = 0. el método de potencias puede aplicarse a esta matriz.281 0. Tercera iteración: "0.704 0.709 1 0.9.281 0. el resultado converge al valor de 0.281 0.281 0. después de sólo tres iteraciones.955.984 • donde |ej = 14.141 0. CN I O es. Después de encontrar el más grande de los valores propios.5. Primera iteración: "0.281 0.R E C U E R D ED E LE J E M P L O 27.6%.422 0.422 0.31) 1 donde las componentes del vector propio \X) liun sido normalizadas de forma tal quo •» 1 . Esto se debe a que aprovecha la ortogonalidad de los vectores propios de tales matrices.2 PROBLEMAS DE VALOR|8j|^PWBÉLWWW^4 111 S O L U C Ó IN . es posible determinar los siguientes más altos remplazando la matriz original por una que incluya sólo los valores propios restantes.124 0.562 0.751 1 0.141" 0.281 0.281 0. los cuales pueden ser expresados como para / # j para i = / (27. el método de Hotelling. El proceso de eliminar el valor propio más grande conocido es llamado deflación.124 • Segunda iteración: 0. que es el recíproco del más pequeño de los valores propios.562 0.

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

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

W. Los resultados de aplicar estas funciones a las EDO se muestran en la figura 27. Está muy bien disonado .2 Mathcad Mathcad tiene diferentes funciones que determinan valores propios y vectores propios y que resuelven ecuaciones diferenciales.. Como los valores propios (aa) son de diferente magnitud.) Primero. es un algoritmo Runge Kutta de cuarto orden de taniíi ño de paso fijo. 3. 1 9 0 9 0 9 . 9 . El resultado ce es una matriz que contiene tanto vectores propios como sus columnas. Mathcad suministra Ukiidnpl. 110 siempre es eficiente. resolvamos un sistema de ecuaciones diferenciales rígidas de forma tal que podamos comparar el desempeño de algunas de las funciones de Mathcad. Este es proporcionado por la función rkfixed. Por tanto. La función eigenvecs(M) devuelve una matriz que contiene vectores propios normalizados. 1 9 J c e= : e g i e n v e c s m (m ) < _[ 0 9 .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 .6 )| ^ = .4 8 ] b b= ! _ -0 3 .33/.N) y genvecs(M. el sistema es rígido. El sistema está dado por [recuerde la ecuación (26.P R O K B M A S DE VALORES EN M. La técnica más elemental empleada por Mathcad para resolver sistemas de ecuacio nes diferenciales de primer orden. 4 7 7 2O O .n il i FIGURA 27.ld LA FRONTERA Y DE VALORES PROPIOS E a l E d t ly o i wI n s e r tF o .5 y i + 3}> (27.3. CC 27.10 ~[ o 3 . correspondientes a los vectores propios de la matriz cna drada M.) 2 -jjr = lOOvj . usemos Mathcad para analizar el comportamiento de este sistema exami nando los valores propios. Observo que bb halla el vector propio específico asociado con el valor propio más pequeño.-. Las funciones genvals(M.3 0 1 ^ 2 (27. respectivamente. el cual es una versión de tamaño dw puso variable de rkllxed. 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 .9 ) r -0 9 . Como ejemplo.10.llhc.33. N) producen valores propios y vectores propios normalizados. Aunque es un buen integrador de uso general.

11 PANTALLA DE MATHCAD PARA RESOLVER UN SISTEMA DE E D O . Observe que y y v de la ecuación (27.a gráfica de la solución Stlf'fb se genera usando la primera y la segunda columnas de la mnlriz S. ion diseñado para funciones que cambian rápidamente en algunas regiones y de manera lenta en otras. que se basan en un método BulirschStoer modificado para sistemas rígidos. Por tanto. (Y ) para ambos métodos de integración se comparan en la figura 27. y el jacobiano ocupa los cuatro elementos restantes. para cumplir con los requerimientos de Mathcad.DJ) SECOND SOLUTION: T : = RKFIXED(IC.10. En la figura 27. los lados derechos de las EDO para introducir a rkfixed y Stiffb. Primero.33). La primera columna de J es la derivada con respecto a t de los lados derechos de la ecuación (27. I. Los métodos anteriores devuelven valores de solución sobre un número de intervalos uniformemente espaciados acotados por el rango de integración.11 se muestra la solución de las ecuaciones diferenciales al usar Mathcad.T0. la función rkfixed puede ser muy ineficiente o inestable. Las soluciones para rkfixed con 1 000 pasos entre tO y 11.3 0 O . Mathcad proporciona dos métodos especiales que están diseñados específicamente para manejar sistemas rígidos.T0.[ M O .Y): = FIRST SOLUTION: S := STIFFB(IC. Y). Las siguientes entradas son el rango para l y las condiciones iniciales para Y. y a menudo es eficiente y extremadamente exacto para funciones uniformes. W Y ) ! •17 VECTOR OF INITIAL FUNCTION VALÚES 1 . Esta función emplea el método Bulirsch-Stoer. Y 5 3 -301 1 J 1C: = "41 J(T. Las ecuaciones diferenciales rígidas son el extremo opuesto del espectro. Y 1 . entonces usted puede observar que la función Bulstoer de Mathcad tiene un buen desempeño.27.TL.FINAL INDEPENDENT VARIABLE TO := 0 TI := 1 FIGURA 27. Bajo estas condiciones. Además.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.33a y b) son cambiados a Y y Y. mientras que la gráfica para la solución rkfixed se crea usando lu primera y la segunda columnas de la nuitií/T ] 2 0 0 .TL. si usted sabe que su solución es una función uniforme. Las soluciones para^.11.D) |0 100 INITIAL AND. definimos la matriz J para Stiffb.11. el símbolo definición se usa para definir el vector D(t. De manera similar. y en el método Rosenbrock. Estas funciones son Stiffb y Stiffr. Observe que hemos simplificado la presentación de la gráfica en la figura 27. y Stiffb con sólo 10 pasos se almacenan en las matrices T y S. Esto es.1000.

Antes de obtener una solución con MATLAB. 8 * y ( 1 ) + 0 . 6 . Como se verá en el siguiente capítulo (sección 28. W ~d7 dt = . 3 * y ( 1 ) * y ( 2 ) J . Después. 2 * y ( 1 ) .m. el paquete estándar MATLAB tiene excelentes capacidades pura determinar valores propios y vectores propios.3jry donde x = 2 y y = 1 en t = 0. usted debe usar un procesa dor de texto para crear un archivo M que contenga el lado derecho de las EDO. La solución de la figura 27.3. . pues.11 usa I 000 pasos.3 MATLAB Como podría esperarse. y sigue los detalles de la solución por todo el rango de t. e introduzca las siguientes instrucciones paitt especificar el rango de integración y las condiciones iniciales: >> >> tspan = [ 0 .0 . 2 0 ] ' . Esto es muy ineficiente. 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 . comience con MATLAB.y]-odi23('priúffty'. tiene también funciones prediseñadas para resolver EDO. Explórese cómo se puede usar MATLAB para resolver siguiente conjunto de EDO no lineales de t = 0 a 20: dx .2).y0).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. Guardamos este archivo M con el nombre: predprey. 6 * y ( 1 ) * y ( 2 ) .5. Solución. Estas son ODE23. y ) yp = E1 . . Sin embargo. 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.i:'.2x .0 .0 . y0=C2. se debe emplear rkl'lxed con un lamaño de paso más pequeño para cumplir con los requerimientos de los valores propios más grandes.0 . Para mantener la estabilidad. 8 y + 0. (alen ecuaciones son conocidas como ecuaciones depredador-presa. 27. La solución de la función rkfixed con los mis mos 10 pasos es inestable. 1 1 Uso de MATLAB para valores propios y E D O Enunciado del problema. El siguiente ejemplo ilustra la ma ñera en que se pueden usar para resolver un sistema de EDO. y ODE45. una voz que pasa el lian sitorio inicial. la cual usa fórmulas de segundo y de tercer órdenes para alcanzar una exactitud media. que usa fórmulas de cuarto y de quinto órdenes para alcanzar una exactitud alta. Entonces el solver se puede llamar por >> Lt. EJEMPLO 2 7 . la solución cambia gradualmente.tspan.2). y conlinúa la solución de muñera eficiente al extremo del rango.

por ejemplo. ÜBBBRIAM BOQUETES 119 0 5 10 15 20 FIGURA 27.27 . Los resultados se pueden desplegar tecleando simplemente >> p L o t ( t .13. Esta instrucción resolverá entonces las ecuaciones diferenciales en predprey. . y ( : . una gráfica de las variables dependientes contra cada una de las otras mediante >> p l o t ( y ( : .m sobre el rango definido por tspan usando las condiciones iniciales encontradas en yO. y ) con lo cual se obtiene la figura 27.13 Gráfica de estado-espacio del modelo depredador-presa con MATLAB. FIGURA 27. Además.3 v ED*# F L O R E S PROPIOS CON. también es ilustrativo generar una gráfica de estado espacial.12 Solución del modelo depredador-presa con MATLAB. 1 ) .12. 2 ) ) con lo que se obtiene la figura 27.

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

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

. ' ( I 6 . y ( n ) . 3 F 1 2 .0 t o l = 0. t . " Y l " ido = 1 istep = 0 WRITE ( n o u t .i step + 1 tend = i s t e p CALL IVPRK ( i d o . paratn.. 0 . yprime(n) (n. t .0 y(2) . ' ( I 6 .0. 1) param(lO) = 1. 10) EXIT WRITE ( n o u t . 1 2 Uso de IMSL para resolver E D O Enunciado del problema. y.. 9X. i s t e p . 3 ) ' ) i s t e p . 3 ) ' ) i s t e p . EJEMPLO 2 7 . . f e n ." es donde la i-ésima EDO está escrita.PROIUMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS l. .0 y ( l ) . = .11. t . 'Y2") ' PRINT *(4X. "Time". t o l . y D O 1step .0 11X. yprime) yprime(1) yprime(2) return = . nout REAL : : param(mxparm). presa del ejemplo 27. . param.EQ. tend. n. Deberla ser de la forma general. t o l . t . FCN debe ser declarada EXTERNAL en el programa de llamado. n=2) INTEGER : : i d o . 3 F 1 2 . 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. ' I S T E P 5X. n PARAMETER (mxparm=50. yprlmi') l M P U C l i N0NL . 10) ido = 3 END D O END PROGRAM SUDROUTINE fen ( n .2. 0 . t .n Nubrutina FCN debe ser escrita de manera que cumpla las ecuaciones diferenciales. tend. Solución. y I F ( i s t e p . end donde la línea "yprime(¿) = .1.0005 CALL SSET (mxparm. se puede escribir como Program PredPrey USE msirnsl INTEGER : : mxparm. y(n) EXTERNAL fen CALL UMACH ( 2 . subroutine i nteger real fen n t. y) I F ( i s t e p . L E . nout) t . t. y.

8 Repita el ejemplo 27. Cambie todas las k a 240. : l .000 4.7 A menudo.2 Use el método de disparo para resolver el problema 27.000 10. ) H II) ( ) b l e i ( i iu n as o l u c i ó np a r aI n sc o n d c io in e sl í o n t e n i :( / 'O ).6 se pueden simplificar al lincnrizur sus términos no lineales. Por ejemplo. lince una gráfica como la de la figura 27.1. 27. 27.2 x 10~ (7).4 Use el método de disparo para resolver dy 2 xl0. 27.6 Use el método de disparo para resolver 7 1 donde T es una temperatura base alrededor de la cual se I inearizu el término. d\ •'• 1 0 •I .2 x 1 0 ( T + 273) = 1.000 8. 27.() I p. 27.6*y(l)*y(2) yprime(2) .4.(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. 27. pero ahora para tros masas.4 con el procedimiento por diferencias finitas usando Ax = 2. Emplee T = 150 y Ax = ().000 6.-0.3*y(l)*y(2) END SUBROUTINE 1 N L I G L R i¡ t i Una corrida de ejemplo es: istep 0 1 2 3 4 5 6 7 8 9 10 time .000 3. 27. Sustituya esta relación en la ecuación (P27.6) como 1.5 Resuelva el problema 27. + 273)'" +4.000 2.3 Use el procedimiento por diferencias finitas con Ax = 1 pura resolver el problema 27.H _ 7 4 7 ()btcnga una solución analítica para una barra de 10 metros con '/'(O) = 200 y 7X10) = 100.17/ = 0 27.8*y(2) + 0. y p r 1 m e ( n ) yprlrne(l) .10 Use menores para expandir el determinante d e b 1 2 . se puede usar una expansión en serie de Taylor de primer orden para linearizar el tórmi no a la cuarta potencia de la ecuación (P27.1.2*y(l) .6) y dcNpués resuelva la ecuación lineal resultante con el procedimiento por diferencias finitas.0.9 Repita el ejemplo 27.000 5.000 1. las ecuaciones diferenciales como las que se resolvieron en el problema 27.6 para identificar el principio de los modos de vibración.ini obtener su solución.6. pero ahora para cinco puntos interiores (h = 3/6).2 0 0 y7 ( 0 5 . 27. y ( n ) .1 Un balance de calor en estado estable para una barra se puede representar como dT 2 dx 2 0.000 7.000 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. x1 0 (7' + 2 7 3 ) 'I5 ( 1 5 0 7j 0 ( P 2 7 6 .) 1 0 0 .000 9.1.REAL .

Pruebe el programa con los datos del ejemplo 27. a) Use MATLAB para resolver estas ecuaciones de t = 0 a 0. b) — = + cry dt ' dx dt—ax dy dt dz — = rx — y — xz — = — donde a = 10. 27. dx dt 2 2 7 r + 1 x 10 — + 1.27 Use IMSL para integrar . 27.6 usando el procedimiento por diferencias finitas.10.24 Use Mathcad para determinar los valores propios y los vectores propios para la matriz del problema 27.13 Desarrolle un programa de computadora de uso amigable puru implementar el método de disparo.22 Use el Solucionador de Excel para resolver directamente (es decir. Emplee condiciones iniciales d e x = v = z = 5 e integre de t = 0 a 20. b) Use MATLAB para determinar los valores propios y los vectores propios para el sistema. para una EDO lineal de segundo orden.17 Desarrolle una subrutina para implementar el procedimiento Fadcev-Leverrier.2 y 27. Además.0 .20 Desarrolle un programa de uso amigable para resolver el valor propio más alto con el método de potencias.5.19 Desarrolle un programa de uso amigable para implementar el método del polinomio.10.12 Use el método de potencias para determinar el valor propio más bajo y el correspondiente vector propio para el problema 27.1. l v donde y = 1 y y = 0.3 y 27.10. 27.4 para analizar las vibraciones de un amortiguador de un automóvil: 2 1.4 x 10 x = u 0 9 Transforme esta ecuación en un par de EDO.6c.17 para resolver el problema 27.036y.2.11 Use el método de potencias para determinar el valor propio más alto y el correspondiente vector propio para el problema 27. Pruebe el programa con los datos del ejemplo 27. dx dy a) — = ax dt dt — bxy — = —cy donde a = 1.1.1. para resolver una EDO lineal de segundo orden. Pruébelo con los datos del ejemplo 27.1 para obtener su solución. 27. 27. Pruébelo con los datos del ejemplo 27. para el caso en que x = 0.8 y d = 0.15 para resolver los problemas 27. Pruébelo con los datos del ejemplo 27. Pruébelo con los datos del ejemplo 27.3 y dxldt = 0 en t = 0.10.21 Desarrolle un programa de uso amigable para resolver el valor propio más pequeño con el método de potencias.15 Desarrolle un programa de computadora de uso amigable pura implementar el procedimiento por diferencias finitas. 27. 27. .7.2. Emplee condiciones iniciales de x = 2 y v = 1.4. c = 0.26 La siguiente ecuación diferencial se usó en la sección 8.5>!^ 2 dt — = 0. b = 2.14 Use el programa que desarrolló en el problema 27.7. 27. calcule ln mulri/ inversa y verifique que es correcta.3vi .y> . Como en el problema 27.4.05 en t = 0.824 limplec el método de l'iiilcev I «vnnier ptint realizar el mismo calculo.23 Use Mathcad con los dutos del ejemplo 26. Desarrolle una gráfica de estado-espacio de sus resultados.10. 27. b = 0.16 Use el programa que desarrolló en el problema 27.666667 y r = 28.25 Use MATLAB para integrar el siguiente par de EDO: ^ dt x = 0. 27. 27. sin linearización) el problema 27. 27. 27.18 Use la subrutina desarrollada en el problema 27.2 x 1 0 — 6 /d xdt -. empleo Ax = 0.6. 27. e integre de t = 0 a 30.3. 27.13 para resolver los problemas 27.9. 27. 27.

que se toman de las ingenierías civil y eléctrica. 1 se deduce de un problema de la ingeniería química. Los problemas de este capítulo ilustran algunos elementos de juicio asociados con varios métodos desarrollados en la parte siete. se demanda alta exactitud y. Además de los cálculos en estado estable. hemos desarrollado expresiones matemáticas para el término acumulación de la ecuación (12.2 y 28.3.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. usualmente se requieren métodos numéricos. En la sección 28. la aplicación de ingeniería eléctrica trata también con la determinación de valores propios. Muchas de estas aplicaciones dan por resultado ecuaciones diferenciales no lineales que no se pueden resolver con técnicas analíticas. La sección 28. Ahí se demuestra cómo puede simularse el comportamiento transitorio de los reactores químicos. Para hacer esto. Así.4 se emplean diferentes procedimientos para investigar el comportamiento de un péndulo oscilante. Además. respectivamente. también podríamos estar interesados en la respuesta transitoria de un reactor completamente mezclado.1).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. Las ecuaciones se originan de aplicaciones prácticas de la ingeniería.2 analizamos el estado estable de una serie de reactores.1) . i' 28. Este problema también utiliza dos ecuaciones simultáneas. se usa un esquema RK de cuarto orden. La acumulación representa el cambio en masa en el reactor por cambio en el tiempo. en consecuencia. En ambos casos. También se ilustra cómo se puede usar la optimización para estimar los parámetros para las EDO. te puede formular simplemente como Acumulación = V de dt (28. Las secciones 28. las técnicas para la solución numérica de ecuaciones diferenciales ordinarias tienen capacidades fundamentales que caracterizan la buena práctica de la ingeniería. Por tanto. Para un materna de volumen constante. tratan con la solución de sistemas de ecuaciones. En la sección 12. 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.

En la figura 28. Además de verificar los íesiiltiulos de una solución analílica. Así. con un flujo de entrada y un flujo de salida. una formulación matemática para la acumulación es el volumen por la derivada de c con respecto a t.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.2) se puede usar para determinar soluciones transitorias o variables en el tiempo para el reactor.2) dt Acumulación = entradas — salidas La ecuación (28.e-° ) + 10e-° 05í La figura 28.1: Qc (28.2 se incluyen dos soluciones con diferentes tamaños de paso Como el tamaño de paso es disminuido. se puede emplear el cálculo para resolver analíticamente la ecuación (28. Luego lo usaremos para simular la dinámica de un solo reactor y de un sistema de reactores.^ + c. Las ecuaciones (28.2 muestra está solución analítica exacta. Qc FIGURA 28.1 Reactor completamente mezclado. Por ejemplo. Solución.1.APLICACIONES EN INGENIERÍA: ECUACIONES DIFERENCIALES ORDINARIAS Qc. En el último caso.2) para 0 c = c (l eB . Q = 5 mVmin.2). Así. el método numérico se puede usar para verificar el resulta do analítico. la ecuación es 05t c = 50(1 .e . donde V — volumen y c = concentración. En esta aplicación incorporaremos el término acumulación en la estructura del balance de masa general que desarrollamos en la sección 12. la solución numérica converge sobre la solución analítica. ilustraremos cómo se puede usar la optimización para estimar los parámetros de los modelos de balance de masa. si c = c en t = 0. como el que se muestra en la figura 28. las soluciones numéii cas han agregado valores en ftfUllltl litueciones donde las soluciones analíticas son . El método de Euler proporciona un procedimiento alterno para resolver la ecuación (28.1) y (12. para este caso. V — 100 m y c = 10 mg/rn . mostrarem