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.

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.

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

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

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

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

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

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

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

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

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

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

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

http://libreria-universitaria.blogspot.com

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.

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

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

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

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

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

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

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

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

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

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

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

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

blogspot.http://libreria-universitaria.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.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

http://libreria-universitaria.blogspot.com

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.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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 .

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

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

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

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

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

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.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CAPÍTULO 12 Aplicaciones en la ingeniería: ecuaciones algebraicas lineales El propósito de este capítulo es usar los procedimientos numéricos analizados en los capítulos 9.1).10 y 11 para resolver sistemas de ecuaciones algebraicas lineales.3 es un ejemplo del uso de las leyes de Kirchhoff para calcular las corrientes y voltajes en un circuito con resistores. Si las entradas son iguales a las salidas. o en estado uniforme.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. la ecuación (12. En la sección 12. Sobre un periodo finito. la acumulación es cero y la masa permanece constante. Estas técnicas numéricas sistemáticas tienen significado práctico. Para el tiempo en que se realiza el cálculo. la masa disminuye. La sección 12. Uno de los más importantes principios de organización en la ingeniería química es la conservación de la masa (recuerde la tabla 1.1 se muestra cómo un balance de masa se puede emplear para modelar un sistema de reactores. en algunas aplicaciones de la ingeniería. ya que los ingenieros se enfrentan con mucha frecuencia a problemas que involucran sistemas de ecuaciones que son demasiado grandes para resolverse a mano. Por último.2) . 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 12.1 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. En la sección 12. si las entradas son mayores que las salidas. la masa de la sustancia dentro del volumen aumenta.1). Los algoritmos numéricos en estas aplicaciones son de particular conveniencia para implementarse en computadoras personales. Si las salidas son mayores que las entradas. En términos cuantitativos.blogspot.1) se puede expresar como http://libreria-universitaria. esto se puede expresar como Acumulación = entradas — salidas (12. la sección 12.1) El balance de masa representa un ejercicio contable para la sustancia particular que habrá de modelarse. Para esta condición estable.4 es una ilustración de cómo se puede emplear las ecuaciones lineales para determinar la configuración del estado uniforme de un sistema masa-resorte.com ünlriidiiN « SIILIDIM (12.

Esto es porque ya se tiene suficiente información para calcularla con base en la conservación de la masa. Como el reactor se halla en estado uniforme. De esta forma. Q = 2 m /min y c — 25 mg/m . se aplica la ecuación (12.6 mg/m .nnaaeuanala al . la concentración 011 ln http://libreria-universitaria. Así.com tupiarla 3 Haría aer iiiénlitm 1 1 la (««nnentruci An en. para la tubería 1 en la figura 12. tntin el reactor.5c 3 Q\c\ + Q2C2 = Q3C3 3 3 la cual se resuelve para c = 18.2) y las entradas se encuentran en balance con las salidas. 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. 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. podríamos cuantificar la razón con la cual el flujo másico entra al reactor a través de dos tuberías de entrada. 50 mg de sustancias químicas fluyen cada minuto hacia el reactor a través de esta tubería. Observe que la concentración a la salida del reactor a través de la tubería 3 no se especifica en la figura 12. saliendo de éste a través de una tubería de salida.2). Sin embargo. 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. 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. para la tubería 2 la razón de masa que entra se calcula como Q c = (1. en todo el tanque. Por ejemplo. De forma similar.330 APLICACIONES EN LA INGENIERÍA: ECUACIONES. una que no aumenta o disminuye debido a las transformaciones químicas) en un reactor (véase figura 12. Empleo de la conservación de la masa para determinar concentraciones en estado estable de un sistema de reactores acoplados. por tanto.5 m /min)(10 mg/m ) = 15 mg/min. Rn r. Asimismo. si se realiza un balance de masa para una sustancia conservativa (es decir.2). la concón Ilación será uniforme. el cálculo obtiene algo adicional.2. hemos determinado la concentración en la tercera tubería.blogspot. Como el reactor está bien mezclado (como lo representa el agitador en la figura 12. Por ejemplo.ALGEBRAICAS LINEALES Entrada Salida FIGURA 12.2.1 Una representación esquemática del balance de masa. u homogénea.

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.lulilo. sino también prácticas. En la figura 12.blogspot. Ii >. =2 5m g m / y 3 3 Q -1 5 .=1 FIGURA 12. m m /n i c=? 3 3 3 iu b i c o .com . 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. Debido a que hay cinco reactores interconectados o acoplados. tuilijjiamos por metro Oi5 = 3 0 «=2 Q ¿ . y las I I mconlraciones están en «2m m /n l c .1 ANÁLISIS EN ESTADO ESTABLE DE U N SISTEMA DE REACTORES 991 FIGURA 12. m m /n i c=1 0m g m / 3 2 3 2 0 =3 5 .2 I lu UKIC I DI en oslado i '. se necesitan cinco ecuaciones de balance de masa para caracterizar el sistema. quienes deben diseñar reactores que tengan mezclas de una concentración específica..'.2. con dos tuberías do unliada y una de salida. llujos volumétricos están i ni metros cúbicos por minuto.12. Para el reactor 1. la razón de flujo de masa que entra es Sí 10) 4- Q\\c\ http://libreria-universitaria. =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 . Tal información es de gran utilidad para los ingenieros químicos y petroleros. 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. completamente MUi/i Jado.

2c = 0 3 4 5 2 5 -3ci .06003 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.16981 0. 3 y 5.01887 0.04545 0.08962 0.01887 0. sustituyendo valores para el flujo.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. los flujos de entrada y salida deben ser iguales: 5(10) + Q3lC3 = Gl2Cl + Gl5Cl o.00 11.3 c i + 3c = 0 2 -c 2 + 9 c = 160 3 -c 2 . lin la l'i gura 12.06 17.09091 0 0 0 0 0. De esta forma. 2.11321 0. http://libreria-universitaria.07461 0.com .16981 0.03774 0. 12. En contraste. de la figura 12.00629 0.51J Además.51 r 11.16981 0.3).08748 0.2 A N Á L I S I S DE U N A E S T R U C T U R A ESTÁTICAMENTE DETERMINADA (INGENIERÍA CIVIL/AMBIENTAL) Antecedentes.blogspot.01887 0 0 0 0. la cual indica que el flujo de salida del reactor 4 no alimenta ningún otro reactor. Esto es consistente con la configuración del sistema (véase figura 12.c + 4c = 0 Se puede usar un método numérico para resolver estas cinco ecuaciones para las cinco incógnitas que son las concentraciones: { C } = L11.51 19. los ceros en la columna 4 indican que una carga en el reactor 4 no tendrá impacto sobre los reactores 1.33962* 0. se puede calcular la matriz inversa como 0.3 6ci — c = 50 3 Ecuaciones similares se definen para los otros reactores: .01887 0.8c + l l c . Un problema importante en la ingeniería estructural es determinar IIIN fuerzas y reacciones asociadas con una estructura estáticamente determinada.4 se muestra un ejemplo de tal estructura. la. Tal información es de gran utilidad para los ingenieros que diseñan y manejan sistemas como ése.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 .

com ZF y = 0 sen 30° - F\ sen 60° + F (12. La suma de las fuerzas en ambas direcciones. eos 30° + F eos 60° + F .f . 2 2 3 Solución. ya sea la tensión o la compresión de los elementos de la estructura.h «Mr'illi nmnnte determinada. El apoyo en el nodo 2 puede transmitir ambas fuerzas. deben ser cero en cada nodo.4) x . ya que el sistema está en reposo. Los diagramas de cuerpo libre se muestran para cada nodo en la figura 12. 3 h (12. mientras que el rodillo en el nodo 3 transmite sólo fuerzas verticales.'ili'uctura ~2.blogspot. horizontal y vertical a la superficie. EF„ = 0 = . V y V ) son fuerzas que caracterizan cómo interactúa la estructura con la superficie de soporte.v 30° 3 F 3.3) http://libreria-universitaria. 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. 5 I iii ii |M iiiius de fuerza de i utíipii libio para los nodos fin I un I (1.2 ANÁLISIS DE U N A ESTRUCTURA ESTÁTICAMENTE DETERMINADA 333 PIOURA 1 2 . para el nodo 1.12.5. El tipo de estructura se puede describir como un sistema de dos ecuaciones algebraicas lineales. Por tanto. Las fuerzas (F) representan. Las reacciones externas (H .

433 0.5 0 0 H =0 2 F = 433 2 F V 3 -866 750 V = 250 2 3 y la matriz inversa es 0.866 -0.5) (12.6) IF K = 0 = F . Una solución negativa.866 0 0 0. la fuerza de 1 000 Ib hacia abajo en el nodo 1 corresponde a F¡ = — 1 000 libras.7) (12. Este problema se puede escribir como el siguiente sistema de seis ecuaciones con seis incógnitas: iv v h 2 3 se requiere de pivoteo parcial Advierta que.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).5 -0.9). corresponde a compresión.com .9) F\ = .5 -0.5 0 0 -0.5 -1 -0. para evitar la división entre cero de los elementos de la diagonal. el sistema se puede resolver mediante cualquiera de las técnicas de eliminación que se analizaron en los capítulos 9 y 10.75 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. Observe que las direcciones de las fuerzas internas y las reacciones son desconocidas. como este problema es un caso ideal de estudio. para demostrar la utilidad de la matriz inversa se puede usar la descomposición LUpara calcular 0. las fuerzas en todos los elementos supuestamente están en tensión y actúan jalando los nodos adyacentes.866 0. Así.5 -0.866 0 -0. Sin embargo.433 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. sen 30° + F „ + V para el nodo 3. por tanto.334 APLICACIONES E N LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES para el nodo 2.blogspot.25 -0. JF = H 0 = F +F eos 30° + F 2 { 2> 2h + r H 2 2 (12.25 -0.433 0.5 0. todas las otras F¡ y F¡ son cero. También observe que en este problema. Las soluciones son negativas si las direcciones se asumen de manera incorrecta. La aplicación apropiada de las leyes de Newton requiere sólo de suposiciones consistentes con respecto a la dirección. en este problema. Para este caso. como se formuló en la ecuación (12.866 0. ZF =0= H -F 3 2 -F 3 eos 60° + F 3 3h (12. Con el uso de una estrategia para el pivote.

no se necesita implementar el método una y otra vez para estudiar el efecto de diferentes fuerzas externas sobre la estructura. resulta que Fj = . 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.J 3 t (12.6 I >I>N rusos de prueba mostrando o) vientos desde la izquierda y b) vientos desde la derecha.* F.8 6 6 H = -2000 2 F = 250 2 F = -500 3 V = -433 2 V = 433 3 lh 3 h Para un viento de la derecha (véase figura 12.66). observe que los vectores del lado derecho representan las fuerzas externas horizontal y vertical que se aplican sobre cada nodo.blogspot.„ 3 F .6a). 2 h F.Ahora. 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. F = — 1 000. Más que esto.„ F.6. FIGURA 12. 2 v 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. el vector del lado derecho es {F} T = L-1000 0 1000 0 0 0J el cual se puede usar para calcular Fi = . como en {F} r = (/i. podríamos querer estudiar el efecto de fuerzas horizontales que se inducen por un viento que sopla de izquierda a derecha.10) Debido a que las fuerzas externas no tienen efecto sobre la descomposición L U.8 6 6 H = 2000 2 = — 1 000. F todas las demás fuerzas externas son cero..com . Ambos casos se muestran en la figura 12. http://libreria-universitaria. Por ejemplo. con esto.

Por ejemplo. 3 3 3 2h 12. el elemento a \ indica que la tercera incógnita (F ) cambiará a 0. El procedimiento anterior resulta particularmente útil cuando se aplica a grandes estructuras complejas. 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 el voltaje (o malla) especifica que la suma algebraica de las diferencias de potencial (es decir. Además.1).blogspot.Ei7? = 0 (12. como una consecuencia. En la práctica de la ingeniería. Observe que el segundo término se deriva de la ley de Ohm (véase figura 12. no es afectado por los cambios en F .7a). Por ejemplo a\\ = 0 significa que F . se puede usar para determinar los componentes que son innecesarios (véase el problema 12.16).866 debido a un cambio unitario del segundo estímulo externo (F. De esta forma. Para un circuito de resistores. Esta habilidad de aislar interacciones tiene un número de aplicaciones en la ingeniería.76). La regla para la corriente (o nodo) establece que la suma algebraica de todas las corrientes que entran a un nodo debe ser cero (véase figura 12. y i? es la resistencia de cualquier resistor en la malla.7 Representaciones esquemáticas de o) regla de las corrientes de Kirchhoff y b) ley de Ohm. ya que son varios los ciclos o mallas que forman un circuito. la mayoría tiende a fallar. si la carga vertical en el primer nodo fuera aumentada en 1. El hecho de que los elementos sean 0 indica que ciertas incógnitas no son afectadas por algunos estímulos externos. F se podría aumentar en 0. Estos problemas se resuelven usando las leyes para corrientes y voltajes de Kirchhoff. http://libreria-universitaria. „). La ley de Kirchhoff para el voltaje es una expresión de la conservación de la energía. esto se expresa como E § . Por ejemplo. La aplicación de estas reglas resulta en un sistema de ecuaciones algebraicas lineales.11) FIGURA 12. éstas incluyen la identificación de aquellos componentes que son muy sensibles a estímulos externos y.866.336 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. La regla de la corriente es una aplicación del principio de la conservación de la carga (recuerde la tabla 1.3 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. Las ecuaciones lineales proveen un enfoque poderoso para ganar cierta comprensión del comportamiento de estas estructuras. '3 donde todas las corrientes que entran al nodo se consideran de signo positivo. Cada elemento representa el cambio de una de las variables desconocidas a un cambio unitario de uno de los estímulos externos.12) donde ¿j es la fem (fuerza electromotriz) de las fuentes de voltaje. Solución. o E/ = 0 (12. puede ser necesario resolver estructuras con cientos y aun miles de elementos estructurales. la cual establece que la caída de voltaje a través de un resistor ideal es igual al producto de la corriente y la resistencia.com . cambios en el voltaje) en cualquier ciclo debe ser igual a cero.

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.blogspot. entonces la dirección supuesta fue incorrecta. Las corrientes asociadas con este circuito son desconocidas tanto en magnitud como en dirección. Si la solución resultante a partir de las leyes de Kirchhoff es negativa. Dadas estas suposiciones. http://libreria-universitaria. en la figura 12.8 1 ln circuito de resistores que liuhiá de ser resuelto usando ecuaciones akjubraicas lineales simultáneas.9 (Corrientes supuestas.8 y se pasan las constantes al lado derecho. ~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. Esto no presenta gran dificultad.8.com . 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. ya que simplemente se supone una dirección para cada corriente.f ? »1 0 1 1 FIGURA 12. 1 5 / 5 4 5 Í 4 36 5 = 0 2 0 /-I O 5 /2 + 5 1 /2 = 2 0 0 1 0 ¿ 3 2 1 0 / 5 2 Portante. Por ejemplo.

O V=200 <| ( / = 1. En la figura 12. 5 3 85 =-1. 12.5385 /= 6.1538 = -1. Observe que el desplazamiento resultante en cada resorte de la figura 12.08 ^ O IZ= 0 .11 se muestra un sistema de ese tipo.13) Para simplificar el análisis se supondrá que todos los resortes son idénticos y que se comportan de acuerdo con la ley de Hooke.10 la solución obtenida para h s con ionios y voltajes iiftundo un método de (LILLTLILKK'IÚLL. con una adecuada interpretación de signos en el resultado.M A - ÍZ = 169.23 M A A - . las corrientes y voltajes en el circuito se muestran en la figura 12.com V . éstas son jaladas hacia abajo debido a la fuerza de la gravedad.14) FIGURA 12. la solución es ¿12 = 6.85 . Después de liberar las masas.1 4 6 .1 .1 la. Para cada masa.6154 i 5 4 z ¡ 32 = . Si se procede de esta forma. Los sistemas idealizados resorte-masa desempeñan un papel importante en la mecánica y otros problemas de la ingeniería.10.1538 http://libreria-universitaria. En la figura 12.123.5385 =-6. la segunda ley se puede expresar como m—r dx 2 dt 2 = r D (12.5385 4 3 Así. Deberían ser evidentes las ventajas de usar algoritmos numéricos y computadoras para problemas de este tipo. Como se introdujo en el capítulo 1. se mide a lo largo de las coordenadas con referencia a su posición inicial dada en la figura 12.blogspot. V= 153. La fuerza hacia arriba es únicamente una expresión directa de la ley de Hooke: Fn = kx\ (12.12a se muestra un diagrama de cuerpo libre para la primera masa. 1 5 V.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.1 Ib.4 SISTEMAS MASA-RESORTE (INGENIERÍA MECÁNICA/AEROESPACIAL) Antecedentes.1538 / 65 ¿52 = -4. este sistema se maneja de manera fácil mediante un método de eliminación. la segunda ley de Newton se puede emplear en conjunto con un equilibrio de fuerzas para desarrollar un modelo matemático del sistema.

3 http://libreria-universitaria. Fi. Advierta que las posiciones de las masas están referenciadas a las coordenadas locales con orígenes en su posición antes de soltarse.~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.. x. 1 Las componentes hacia abajo consisten en dos fuerzas sobre el resorte junto con la acción de la gravedad sobre la masa. es decir.v . a) Ei sistema antes de liberarse. k{x -x ) 2 : L m a) «1 M*2-*l) K*Z-Xl) I z y L _L z M*3~*2) m^g k{x -x ) mg z k[x -x ) z mg 3 b) c) FIGURA 12.11 Un sistema compuesto de tres masas suspendidas verticalmente por una serie de resortes.com . ."11 1 m 2 1 1 b) x 2 O *3 a) FIGURA 12. apropiado para el desplazamiento de la primera masa.blogspot. b) El sistema después de liberarse.12 Diagramas de cuerpo libre para las tres masas de la figura 1 2 . antes de la extensión o compresión de los resortes.

En consecuencia. . y las k — lü kg /s .5 kg. s o n l ° vectores columna de las incógnitas X y de los pesos mg. es decir. . se debe desarrollar diagramas de cuerpo libre para la segunda y tercera masas (véase figuras Yl.18). es llamada matriz de rigidez. Esto se realiza mediante la igualación a cero de las derivadas en las ecuaciones (12. advierta que la solución no se puede obtener. para dar 3kxi —2kx\ — + — 2kx kx 2 = — + kx3 kxi = — ni\g mg 2 3kx 2 2 mjg o. en estado estable.x ) 3 2 ( 1 2 1 8 ) Las ecuaciones (12. [K]{X} = [W} donde [K].k(x.com .13) para dar d x\ m —^-=2k(x -xi)-{-m g-kx dt 2 ] ¿ 2 l l (12. 2 2 i B . éstas se pueden usar para calcular los desplazamientos de las masas como una función del tiempo (es decir. se ha obtenido una ecuación diferencial de segundo orden para describir el desplazamiento de la primera masa con respecto al tiempo.Ylb y c) que se pueden emplear para obtener 2 m2 dx 2 2 dt 2 = k(x 3 .16).10) De esta forma.blogspot. use lu descomposición http://libreria-universitaria.14) y (12.2k(x 2 2 2 . u n t a i v uenerar la inven» de [K]. « i „ „ . ya que el modelo incluye una segunda variable dependiente.x) x (-) 12 1? y W3 ^7? = m g .17) y (12.340 APLICACIONES EN LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES Las ecuaciones (12. Por ahora. y es 3k -2k -2k 3k -k s [K] -k k Y {^0 y {^} respectiva.18) forman un sistema de tres ecuaciones diferenciales con tres incógnitas.16). Con las condiciones iniciales apropiadas. m — 2. podemos obtener los desplazamientos que ocurren cuando el sistema eventualmente llega al reposo. (12. Analizaremos en la parte siete los métodos numéricos para obtener esas soluciones. (12. i „ j . m — 3 kg. en forma matricial.15) se pueden sustituir en la ecuación (12. sus oscilaciones).17) y (12.x ) + m g . En este punto se puede emplear métodos numéricos para obtener una solución. x . Si nt\ = 2 kg. Sin embargo. en forma Solución.

|| a 20 y c a 6. = 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. 11. 1 Debido a que el sistema mostrado en la figura 12.' • 'TWWBSBITWB Sustituyendo los parámetros del m o d e l o se obtiene \K\ 3 30 -20 -20 30 -10 -10 10 {W} = 19.GO3.6 En la figura P12. pero tome Q y Q¡ igual a cero. pero mnihic c.6 29.045 y x = 12.1%. ¿cuál es el porcentaje de cambio en la concentración de lim roiielorcs 2 y 3? 12. La inversa de la matriz de rigidez se calcula como 0. Como se indica. la razón de transferencia de químicos a través de cada tubería es igual al flujo volumétrico (Q.5 Resuelva el mismo sistema como lo especifica el problema 12.1 m hacia abajo.1 0.1.15 0.4. 3 = 40 Q . 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.495.6 se muestra tres reactores unidos por tuberías. Use la conservación del flujo para recalcular los valores para los otros flujos. ¿Qué le indica la respuesta con respecto al sistema físico? 12. PROBLEMAS INUIMILERIA QUÍMICA/PETROLERA 12. los valores de 0. Los otros elementos se pueden interpretar en una forma similar. ¿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 0.1 se disminuye en un 2.25 [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 .com . si los flujos se han cambiado n: 12. x = 10.15 0.1 Ib.1 0.1 en la columna 1 nos indica que una carga unitaria hacia abajo en la primera masa desplazará todas las masas 0.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 .15 0. Estos desplazamientos se usaron para construir la figura 12. 3 jiul INLIOILÍJS.35. L A R A Z Ó N D E A IFWMLBINNR.1 0.blogspot.2. C.3 se halla en M L I I D O estable.1 Realice los mismos cálculos que en la sección 12.6 LLON incK LOIOS C O N E C T A D O S 400 mg/s 0. con unil2 4 R I O U R A P12.4 Vuelva a calcular las concentraciones para los cinco reactol M (|iie se muestran en la figura 12.2 Si Iti entrada al reactor 1 en la sección 12.5 x 2 La descomposición LU se puede emplear con el fin de resolver para x = 7.fi«YFIJS? 12 .2 = 80 0 = 60 Q . Así.1 0.4 24.

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

= 400 kg/h. Y = 0.blogspot. 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.PROBLEMAS 1 2 1 . 1 2 4 °0 1 200 i http://libreria-universitaria. requiere •I 800. Si las longitudes de los miembros de la estructura han sido dadas.4.11. las reacciones externas V y V fueron calculadas. si se usa un reactor de 5 puede resolver para únicamente la relación entre las longitudes.('nimios metros cúbicos se debe transportar desde cada cantera ptiiu cumplir con las necesidades del ingeniero? 1 1 . La composición de estas canteras es 3 I n g e n i e r í ac i v i l / a m b i e n t a l FIGURA P 12. y la llici/ii en el nodo 1 es de 750 libras.3 Calcule las fuerzas y reacciones para la estructura de la figura 1 2 . como no se conoce V y V . peroahoin cambie el ángulo en el nodo 2 a 40° y en el nodo 3 a 50°. de la figura 12. para un proyecto de construcción. donde una fuerza por FIGURA P 1 2 .8c) debe modificarse para Resuelva para esta relación.15.12.(l + Y¡ + = 0 longitudes de(P12. 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 < . tomar en cuenta las fracciones peso de entrada cuando se aplica 1 2 1 .5 Emplee los mismos métodos que se usaron en el análisis II las etapas primera y última. 1 2 1 .4. Observe que la ecuación (P12.4 En el ejemplo para la figura 12. de grano fino y grueso.2. existen tres longitudes desconocidas y sólo dos ecuaciones. Kl Realice el mismo cálculo que en la sección 12.1 Realice el mismo cálculo que en la sección 12. > Un ingeniero civil involucrado en la construcción. X = 0 y K = 5. Observe que como i+Í Sí /•'. 1 2 1 .2. F = 800 kg/h. se puede trabajar hacia atrás y resolver para las . pero ahora para la estructura mostrada en la figura P12.2. Sin embargo. l l debajo de 1 000 libras se aplica en el nodo 1.15 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. 1 2 1 . FIGURA P 1 2 .com . etapas. pero ahora para la estructura mostrada en la figura P12. 5 810 y 5 690 m de arena. 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.2 Efectúe el mismo cálculo que en la sección 12. résped ivuinente.1.

12. Las cargas debido al humo y la parrilla agregan masa de monóxido de carbono al sistema pero con entrada de aire Insignificante. Se puede escribir balances de masa en estado estable para cada cuarto. b) Determine qué porcentaje de monóxido de carbono en la sección de niños es a causa de i) los fumadores. Por ejemplo.21 Resuelva el circuito resistor de la figura 12. Suponga que se diseña un sistema de ventilación para un restaurante como se muestra en la figura P12.8. usando la eliminación de Gauss. pero ahora para el circuito expuesto en la figura P 12.16 Resuelva para las fuerzas y reacciones de la estructura de lu figura P12. Tres clases de materiales (metal.19.16 12. Las flechas en un sentido representan los flujos de aire volumétricos. pero ahora cambie la resistencia entre los nodos 3 y 4 a 25 Í2 y cambie V a60V 12. áreas de trabajo. Ingeniería eléctrica 12. de monóxido de carbono en cada cuarto.3. en estado estable. ¿Parece razonable la fuerza en elemento vertical a la mitad del elemento? ¿Por qué? 12.H 1 (Sección de fumar) ~ 25 m /hr 3 c = 2 mg/m a 3 Carga por fumadores (T 000 mg/h'r) http://libreria-universitaria. oficinas.20 Realice el mismo cálculo que en la sección 12.18 Realice el mismo cálculo que en la sección 12. etcétera. 12. 12. Determine la matriz inversa para el sistema. a +E (C -C¡) Í3 (mezcla) 3 c + (entrada) — (salida) + FIGURA P12. ii) la parrilla y iii) el aire que entra por ventilación. El cuarto 1 y el 3 tienen fuentes de monóxido de carbono. 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.1 7 Como su nombre implica. mientras que las flechas en ambos sentidos representan la mezcla difusa.3. El área de servicio del restaurante consiste en dos cuartos cuadrados y uno alargado.19 Lleve a cabo el mismo cálculo que en la sección 12.3. Las cantidades necesarias para producir cada componente son H { 56 3500 FIGURA P 12. a) Resuelva para la concentración. pero ahora para el circuito que se presenta en la figura P12. Use el método de eliminación de Gauss con pivoteo.344 APLICACIONES EN LA INGENIERÍA: ECUACIONES ALGEBRAICAS LINEALES o sustituyendo los parámetros 225c.22 Resuelva el circuito de la figura Pl 2.16.22 para las corrientes en cada alambre.blogspot.23 Un ingeniero eléctrico supervisa la producción de tres tipos de componentes eléctricos. para la sección de fumadores (cuarto I).com .17. la polución de aire entrante tiene que ver con la contaminación encerrada en espacios tales como casas. el balance se escribe como 0 = W'fu. 12. si V = 180 V y R = 50 ohms. = 200 m /hr 3 .nador + (carga) QC a fl - Q C. de los fumadores y una parrilla.20. plástico y hule) se requieren para la producción. .17 Vista aérea de los cuartos en un restaurante.25c = 1400 3 X60° 6 0 ° X /\ 4 5 ° Se puede escribir balances en forma similar para los otros cuartos.

12. I n g e n i e r í am e c á n l e n / a e r o e s p i c l a l k (x (x -x . { PIOURA P 1 2 .26 Efectúe el mismo cálculo que en la sección 12. 0. pero ahora agregue un tercer resorte entre las masas 1 y 2 y duplique k.33 0. ¿cuántos componentes se puede producir por día? F = k4{X4 . definiendo las interrelacioncs entre los resortes. Si de k a ¿ son de 150.42 ñ=25Q 0 volts M e t a l .24 Efectúe el mismo cálculo que en la sección 12.4. pero uhoru triplique el valor de las constantes del resorte. 2 0 MOURA P 1 2 .12. 12.0434 y 0.R-20U 2 v W ñ=51i 1 " ' 5 fl-10U 1 O V. 75 y 225 kg/s .blogspot. 1 9 — ^ oe= v 0. 2 2 20 Q 1 5£ 2 5 Í 2 V.27 Los sistemas idealizados masa-resorte tienen numerosas aplicaciones en toda la ingeniería. respectivamente.x¡) = kyxi k ) = k (x -JCI) k (x'4 . respectivamente.1 1 0 V = 40 2 http://libreria-universitaria. y están disponibles cada illa.x ) 2 3 2 3 2 2 2 A Si IIIS cantidades totales son 2.4. plástico y hule.5 kg a 15. 12. En el equilibrio.com .x ) 3 2 3 3 3 4 2 donde las k son las constantes del resorte.25 0. pero ahora cambie las masas de 2. P l á s t i c o . calcule las x. 3 y 2 kg.x ) — k (x . H u e l. .4. 3 y 2. C o m p o . 50. se pueden desarrollar las ecuaciones de equilibrio de fuerzas.164 kgpara el metal.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. La figura P12.25 Realice el mismo cálculo que en la sección 12. = 150 volts ñ = 5 í 2 PIOURA P 1 2 .27 muestra un arreglo de cuatro resortes en serie cuando se comprimen con una fuerza de 2 000 kg.

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

30 (los ángulos son de 45°).11. R = 108. se obtiene el siguiente ninjiinlo de ecuaciones simultáneas (los diagramas de cuerpo libre se muestran en la figura P12.29.28£>): IIKW I 7' 519./ T I A * .blogspot. 12.IH Tres bloques cslnn conectados por unit cnerda sin peso y ih'sciinsiiii sobre un plimo inclinado (véase figura IM2.28.'.55 - Encuentre la aceleración a y las tensiones 7'y l< en las dos cuerdas. 3 0 FIGURA P 12.216.27 FIGURA P 1 2 . pero ahora para el sistema expuesto en la figura P12.com .29 Realice un cálculo similar al que se pidió en el problema 12. Si !<u usa un procodiniicnlo similar al usado en el análisis del paracaidista en caída libre del ejemplo 9.•i.28.30 Realice el mismo cálculo que en el problema 12.72 MW .. pero ahora para el sistema que se muestra en la figura P 12.11. 12.28 <7).29 http://libreria-universitaria.

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

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

Alternativamente. Para tales situaciones no hay solución exacta. y Luenberger. Dantzig.blogspot.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. . y el número de incógnitas.! . '31 '32 . a a. 1974.350 EPÍLOGO: PARTE TRES área. 1973).a xí ' -oi^'l/ai. Wilkinson y Reinsch. En tales casos puede ser que no tenga solución o que tenga más de una. Una vez que se encuentran en un formato mínimo bandado.° 3 1 * 1 -a 3 2 x 2 )/a J 3 3 1 100%<e y. m. 1971).0 3 3 Sustitución hacia adelante Método de Gauss-Seidel x'. = (c.G^xf ) / a 1 22 Continúa iterativamente hasta -1 X3 = ( C 3 . 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 . Problemas potenciales Método Procedimiento y soluciones Eliminación de Gauss a. I c{ a i a 2 c-23 I 2 °31 °32 °33 ' 3. Además de los conjuntos de ecuaciones n X «.. como el procedimiento de guardar en la columna activa de Bathe y Wilson (1976). 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 . paró todas las x. s http://libreria-universitaria. no son iguales.com . x . A los sistemas donde m < n se les conoce como bajodeterminados.a . = ( q 7 -o X2 t 2 2 2 1 y! = ( c . Sin embargo. n. Un procedimiento común es resolver la ecuación en un sentido de "mínimos cuadrados" (Lawson y Hanson. .3 Resumen de información importante presentada en la parte tres. 1963. En el capítulo 15 se describe con mayor detalle este procedimiento. . 2 -oi x )/a. TABLA PT3. 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. se puede usar métodos de programación lineal donde las ecuaciones son resueltas en un sentido "óptimo" al minimizar algunas funciones objetivo (Rabinowitz. hay otro tipo de sistema donde el número de ecuaciones. 1968. existe una variedad de estrategias de solución eficientes que pueden emplearse.a x ) / a c 2 2 23 3 22 3 3 x. Los sistemas donde m > n son llamados sobredeterminados.

com . el punto es un mínimo.1 Una función de una sola variable ilustra la diferencia entre raices y el óptimo. si f"(x) > 0. indica si el óptimo es un mínimo o un máximo: si f"(x) < 0. Lo óptimo es el punto donde la curva es plana.OPTIMIZACIÓN PT4. a veces se debe usar aproximaciones por diferencia finita para estimar la derivada. se puede diferenciar la función y localizar la raíz (es decir. Esto es. La localización de raíces involucra la búsqueda de raíces de una función o funciones. En contraste. En términos matemáticos. Máximo 0 x http://libreria-universitaria.1 MOTIVACIÓN La localización de raíces (parte dos) y la optimización están relacionadas. Más allá de ver la optimización como un problema de raíces.1.1 M é t o d o s s i n computadora e h i s t o r i a Como se mencionó antes. esto corresponde al valor de x donde la derivada f'(x) es igual a cero./"^). la segunda derivada. los métodos de cálculo diferencial aún están en uso para determinar soluciones óptimas. La diferencia fundamental entre los dos tipos de problemas se expone en la figura PT4. De hecho. el punto es un máximo. Si comprendemos ahora la relación entre raíces y óptimo podríamos sugerir una posible estrategia para determinar el último. Por tanto. algunos métodos de optimización buscan encontrar un óptimo al resolver la raíz del problema: f'{x) — 0.1.blogspot. en el sentido de que ambas involucran valores iniciales y búsqueda de un punto sobre una función. Además. Todos los estudiantes de ciencia e ingeniería recuerdan el trabajo con problemas de máximos y mínimos cuando determinan las primeras deriva- FIGURA PT4. Debería observarse que tales búsquedas con frecuencia son complicadas porque f'(x) no está disponible analíticamente. la optimización involucra la búsqueda del mínimo o el máximo. el cero) de la nueva función. Esta tiende a hacer de la optimización una tarea más fácil de seguir en particular para casos multidimensionales. PT4. debería observarse que la tarea de localizar el óptimo está reforzada por alguna estructura matemática extra que no es parte del hallazgo de una simple raíz.

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

y en el cual nos interesaremos en predecir la velocidad de impacto en el suelo.PT4.com . c ! A = 2nr 2 (PT4.2.1 Optimización del costo de un paracaídas ] ! ] i í i Enunciado del problema.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 Un paracaídas abierto. hemos usado la caída de un paracaidista para ilustrar las áreas básicas de un problema de métodos numéricos. de tal forma que la caída no sea detectada y que los abastecimientos caigan tan cerca como sea posible del campo de refugiados. El paracaídas que se usa para la caída se ilustra en la figura PT4. es una función lineal de su área de sección transversal descrita por la siguiente fórmula ! c = kA c c (PT4.1) 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. Los paracaídas abren en forma inmediata casi al salir del aeroplano. En este ejemplo examinaremos un caso donde el paracaídas se abre. Usted es un ingeniero que trabaja para una compañía aérea que lleva abastecimientos a los refugiados en una zona de guerra.blogspot.2) Usted sabe que la fuerza de arrastre en el paracaídas. A través de este libro. 2 F I G U R A PT4. http://libreria-universitaria. El área transversal del paracaídas es el de una semiesfera. la velocidad vertical de impacto debe ser menor que un valor crítico de v = 20 m/s. Para reducir el daño. Usted puede haber notado que ninguno de estos ejemplos se concentró en lo que pasa después de que se abre el paracaídas. EJEMPLO PT4.1 MOTIVACIÓN 3 5 5 pío ha sido desarrollado para ayudarlo a obtener una visión de la forma on la que tule» problemas se podrían formular. Los abastecimientos se dejarán caer a baja altitud (500 m).

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

8) -{c/m)t donde z = altura inicial (m). Aunque la ecuación (1. Sin embargo. Esta función. http://libreria-universitaria. En lugar de esto.— t c 0 gm- (1 -(c/m)t (PT4.3. Así.10) con el fin de resolver para la velocidad de impacto. se reconoce que se ha formulado la ecuación (PT4. no se necesita z como una función de t para resolver este problema. 0 provee una forma c de predecir z conociendo t. Por tanto.10) Una vez que se calcula el tiempo de impacto.PT4.blogspot. m = masa (kg) y t = tiempo (s). se puede sustituir en la ecuación (1.9) 0 = z .1 MOTIVACIÓN 2 donde v = velocidad (m/s). La distancia de caída se puede calcular de la velocidad en la ecuación (1. se necesita conocer en cuánto tiempo cae la masa.10) provee una relación entre v y r. Esto es. g = aceleración de la gravedad (m/s ). como muestra la gráfica de la figura PT4.10) por integración Jo c Esta integral se puede evaluar para obtener gm t (PT4.com . 0 0 z 1 (PT4. se debe resolver para el tiempo al cual z se acerca a cero.9) como un problema de determinación de raíces. es necesaria una relación entre la distancia de calda z y el tiempo de caída t. se debe calcular el tiempo requerido por el paquete para recorrer en caída la distancia z .

En nuestro ejemplo.358 OPTIMIZACIÓN La especificación final del problema podría ser Minimizar C = n(c + c. que usted enfrentará en la práctica de la ingeniería. Estos son • • • El problema involucrará una función objetivo que contiene su meta. Así.1 I) sujeta a v < v n > 1 donde A = 2nr 2 c (PT4.14) (PT4. reconozca que se tiene uno de los elementos fundamentales de los otros problemas de optimización. mientras se minimizan las funciones de evaluación. en nuestro caso.15) (PT4. Aunque la función objetivo y restricciones pueden.16) (PT4. El problema incluirá restricciones que reflejan las limitaciones bajo las cuales se trabaja. Tendrá también un número de variables de diseño. pueden ser en extremo valiosas las técnicas que pueden encontrar lu solución http://libreria-universitaria.18)]. .12) (PT4. de hecho son la "punta del iceberg". pueden estar basadas en modelos y dependencias complejas.19) l = 4lr c = kA c Mi m = — n t = raíz c Resolveremos este problema en el ejemplo 15. en forma superficial.€ + 0 cA) 2 2 (PT4. Es decir.18) (PT4. Esto significa que las relaciones funcionales que usted estará usando podrían de hecho representar cálculos grandes y complicados. estas variables son r (real) y n (entero).com óptima. pueden involucrar otros métodos numéricos [ecuación (PT4. Por ahora. Plantearíamos un punto más antes de proceder. parecer simples ecuaciones [por ejemplo.12)]. la ecuación (PT4. Estas pueden ser números reales o enteros.13) (PT4.4 al final del capítulo 15.17) (PT4.blogspot. Por ejemplo.

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

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

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

blogspot.5 Esquema de la organización del material en la parte cuatro: Optimización.3Ó2 OPTIMIZACIÓN 15.2 Restricciones no lineales FIGURA PT4.com . http://libreria-universitaria.

ó. comprender los elementos de juicio de los enfoques y reconocer cómo cada uno mejora sobre el paso ascendente/descendente.com . ambas en forma analítica y numérica. 10. Poder resolver un problema de programación lineal bidimensional con ambos métodos: el gráfico y el simplex. con particular atención en los valores iniciales y en la convergencia. En particular. Ser capaz de reconocer y acondicionar un problema de programación lineal para representar aplicaciones de los problemas en ingeniería. usando el método de paso ascendente/ descendente. 2. de Marquardt y de cuasi-Newton. 9. direcciones conjugadas y el método de Powell. Comprender las ideas detrás de los patrones de búsqueda. Poder definir y evaluar el gradiente y Hessian de una función multivariable. 1 2.2 1. interpolación cuadrática y el método de Newton. Comprender los elementos principales del problema de optimización en general: función ob|elivo. 8. También. Poder definir la relación dorada y comprender cómo realiza una eficiente optimización unidimensional. Calcular a mano el óptimo de una función con dos variables. 14. 11. Localizar el óptimo de una función con una sola variable con la búsqueda de la sección dorada.3 ORIENTACIÓN Objetivos de estudio específicos para la parte cuatro. de Newton. variables de decisión y restricciones.PT4. 7. Comprender por qué y dónde ocurre la optimización al resolver problemas de ingeniería. 3. 1 3. Ser capaz de distinguir entre la optimización lineal y no lineal. Ser capaz de escribir un programa y resolverlo para el óptimo y la función multivariable usando búsqueda aleatoria. Comprender las ideas básicas detrás de los métodos del gradiente conjugado. 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. y entre problemas restringidos y no restringidos. 4. 5. lis TABLA PT4. Comprender los cuatro posibles resultados de un problema de programación lineal.blogspot. http://libreria-universitaria.

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

se toma un cuarto punto. En seguida se mostrará una versión de este planteamiento (el método de Newton).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. Así. Como con el método de la bisección. de búsqueda de una sola variable de propósito general. definen los límites inferior y superior de ese intervalo. Ahora se puede desarrollar un procedimiento similar para localizar el óptimo de una función unidimensional. el intervalo debería contener un solo máximo. reemplazará a una de las fronteras anteriores. se necesita una nueva estrategia para encontrar un máximo dentro del intervalo. Un efecto útil de este procedimiento fue que el nuevo valor x . Cuando se analice el algoritmo de cómputo. Esto se hizo al reemplazar cualquiera de las fronteras x¡ o x . Es similar en esencia al enfoque de la bisección para localizar raíces (capítulo 5). Este es seguido por un procedimiento de intervalo algo más sofisticado (la interpolación cuadrática). Sin embargo. Entonces. Como en la localización de raíces. en contraste con bisección. se describirán las pequeñas modificaciones necesarias para simular un mínimo. nos concentraremos sobre el problema de encontrar un máximo. 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 meta fue la de encontrar la variable x que diera cero en la función f(x). donde x¡ y x . es un ejemplo de un método de intervalo que depende de los valores iniciales y que contiene un solo óptimo. Como se describirá en la próxima sección. y por tanto un cero). que tuvieran un valor de la función con el mismo signo que f(x ).13. se ha escogido un punto adicional dentro del intervalo. Es decir. se necesitarían tres valores función para detectar si ocurre un máximo. la búsqueda de sección dorada. 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. La presencia de una raíz entre estas fronteras se verifica al determinar que f(x¡) Y /(*«) tienen signos diferentes. la optimización en una dimensión se puede dividir en métodos que usan intervalos y métodos abiertos. Recuerde que la bisección depende del intervalo definido. especificado por un valor inicial inferior (x. Podemos adoptar la misma nomenclatura que para la bisección. ya sea un máximo o un mínimo de f(x). xi + x u El paso final en una iteración por bisección involucró determinar el intervalo más pequeño. Esto reduce el problema de optimización para encontrar la raíz d e / \ x ) mediante las técnicas de esa clase descritas en la parte dos. y por esto es llamado unimodal.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.blogspot. Por simplicidad. que ajusta a una sola raíz. La optimización de una sola variable tiene como meta encontrar el valor de x que generará un extremo. lu pruebn u r r u http://libreria-universitaria.) y un valor inicial superior (xj. La búsqueda de la sección dorada es una técnica simple. se puede comenzar por definir un intervalo que contenga una sola respuesta. Después. 13. La raíz se estima entonces como el punto medio de este intervalo.com . En vez de usar solamente dos valores función (los cuales son suficientes para detectar un cambio de signo.

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

blogspot.2/3 = 0. E n el contexto del p í n t e n l e análisis. ¡Como mi|iunenios.13.4. el cual se conoce desde la antigüedad. 3 4 . cada número después de los dos primeros representa la mima de l o s dos precedentes. una interesante propiedad de la secuencia de I'IIMIIIIICCÍ FIGURA 13. el método comienza con dos valores iniciales. 3 .5. x¡ y x . u Después.1 BÚSQUEDA DE LA SECCIÓN DORADA 367 Cuadro 13. . L o s antiguos griegos llamaron al siguiente número ln "razón dorada": > A I'. I'NUIN Místicamente agradables. razón fue empleada para un gran número de propósitos. 2 . la razón de números consecutivos se aproxima a la l»*on dorada! Este valor. I . Entre otras cosas. Grecia.comrrir: . 1/2 = 0. 0/1 = 0. . a ciertos números se les otorga cualidades. 3/5 — ( l o . Dos resultados pueden ocu- http://libreria-universitaria. muchos de los templiiN siguieron esta forma.1 L a razón dorada y los números de Fibonacci lili muchas culturas. I 'or ejemplo. es llamado la razón dorada (vea el cuadro 13. los cuales •on 0. que contienen un extremo local de f(x). es el elemento clave del método de la sección dorada que hemos desarrollado conceptualmente.667.3 El Partenón de Atenas. Como se mencionó antes y se ilustra en la figura 13. Sus dimensiones frontales pueden casi ajusfar en forma exacta dentro de un rectángulo dorado. Esta secuencia detonó en muchas rtii'iiN diversas de la ciencia y la ingeniería.NIII I : 0. en Occidente se suele decir "el 7 de la suerte" y "viernes 13". y asi sucesivamente. dos puntos interiores x { yx 2 se escogen de acuerdo con la razón dorada. I . os decir. Ahora derivemos un algoritmo para implementar este procedimiento en la computadora.625. Así. .61803.a razón dorada se relaciona con importantes series maternal icns conocidas como los números de Fibonacci. 1 . 1 3 .3. 1/H = 0. 8 . 5 .x¡) = x„ - d La función HO evalúa en esto» dos puntos interiores. Ya que permite encontrar en forma eficiente el óptimo. 8/13 = 0.615. 2 1 . 1/1 = 1. d =—-—(x x\ = xi + d x 2 u .1). proporciones fueron consideradas por los griegos como Incluyendo el desarrollo del rectángulo como en la figura 13. fue construido en el siglo v antes de Cristo. relaciona la razón de números consecutivos en la se- Himieia.

/(x ) > f(x ). el anterior X j pasa a ser el nuevo x . Si. 2 2 v t http://libreria-universitaria. f 2 2 2 2 2 x l5 u t u . 1 . éste es el beneficio real del uso de la razón dorada.blogspot. entonces el dominio de x a la derecha de x de x. listo NC realiza con la misma proporcionalidad que antes.- x u W /4 Xf 2 Xg X] X Antiguo x Antiguo x¡ b) FIGURA 13.4. En este caso x pasa a ser el nuevo x para la siguiente iteración. a x podría ser eliminado.v originales se han escogido mediante la razón dorada. ahora sólo se necesita determinar el nuevo x .368 OPTIMIZACIÓN UNIDIMENSIONAL N O RESTRINGIDA f(x) Eliminar Extremo (máximo) f'f .l i 1 iw • • . v „ -. entonces el dominio de x a I» izquierda de x J de x¡ a x .v/) xi -I . se puede eliminar.4 o) El paso inicial del algoritmo de búsqueda de la sección dorada involucra escoger dos puntos interiores de acuerdo con la razón dorada.com 5 -1 .!• \ x¿< d a) > v ' i •i . b) El segundo paso involucra definir un nuevo intervalo que incluya el óptimo. t.4. Ahora. para el caso expuesto en la figura 13. y . no se tiene que recalcular todos los valores de la función para la siguiente iteración. v i= V ( . x pasa a ser el nuevo x¡ para la siguiente vuelta. 2. Si ha ocurrido q u e / ( x ) > f{x ). como es el caso en la figura 13 . puesto que es el mismo valor de la función en el anterior x Para completar el algoritmo. Para este caso. Por ejemplo. Debido a que los x. Esto significa que ya se tiene el valor para el nuevo/(x ). ya que no contiene el máximo.

pero éste es un problema más difícil.8%). Además. la frontera inferior permanece x = 0.944 La evaluación de la función en x es/(0. con los resultados tabulados en seguida: 2 ( 2 { u http://libreria-universitaria.765. Como las iteraciones se repiten. el primer valor x pasa a ser el nuevo x¡.472 xx = 0 + 2.1. el intervalo se acorta a cerca de 0.528) = 1.0) = 1. no se tiene que recalcular/(x.528) = 1. pasa a ser la frontera superior. Esto significa que después de 10 vueltas. V5- Primero. Todo lo que falta es calcular la nueva razón dorada y x . Como este valor es menor que el valor de la función en x .2.472. = 1. esto es. i ül proceso se puede repetir.994) =1.) ya que se determinó en la .63 Debido a que f(x ) >/(*i). ) = /(2.1 BÚSQUEDA DG LA SECCIÓN DORADA 36* Un procedimiento similar podría usarse para el caso alterno donde el óptimo está en la izquierda del subintervalo. esto es. Además.618 o 0. u Solución.528 2 La función se puede evaluar en los puntos interiores f(x ) 2 =/(1.528. Después de 20 vueltas.008 o 0.blogspot. Esta reducción no es tan buena como la que se alcanza con bisección. el máximo está en el intervalo prescrito por x .1 Búsqueda de la sección dorada Enunciado del problema .472 = 1.472 x = 4 . se usa la razón dorada para crear los dos puntos anteriores 1 ( 4 .528) = ^ . 2 2 x t u 2 2 d = 2 1 (2.472 = 2. iteración previa como/(l.528 = 0.0) = 2. De hecho.13.2 sen (1. x = 2. en cada vuelta el intervalo se reduce por un factor de la razón dorada (aproximadamente el 61.8% de su longitud inicial. x f(x) — 2 sen* — 10 1 Use la búsqueda de la sección para encontrar el máximo de dentro del intervalo x¡ = 0 y x — 4.472) = 0.528 x = 4 .531. se acerca al 0.765 / ( * . y x. x y x . Así.0066%. 10 EJEMPLO 13. el máximo en el intervalo está definido por x¡. x y x . el intervalo que contiene el extremo se reduce rápidamente. para el nuevo intervalo. x.472 .com .

8885 .7647 1. http://libreria-universitaria.4721 2.x¡) = (1-/?)(*«-*/) o 0. la máxima distancia de la estimada podría ser Axft = x¡.52790.R(x u .4427 1.7757 e n x = 1. .9443 1. cualquier caso se puede usar para definir el error.x¡ .7647 1.com .3050 1.6300 0. Después de ocho iteraciones.1.4427 con un valor función de 1. Si x. Recuerde que por bisección (véase sección 5.4276.1). es el valor de la función en el punto óptimo.5310 1.7742 x 2 í(x ) 2 d 2.7595 1.7732 Observe que el máximo actual está resaltado para cada iteración.3050 1. un límite superior para la búsqueda de la sección dorada se puede derivar como sigue.5279 1.x„ + R(x u u .8885 1.8885 1.382 (x — x¡).9443 1. este caso podría representar el error máximo. el máximo ocurre en x = 1.6300 1.5310 1. estará en el intervalo superior (x . Tal resultado puede entonces ser normalizado al valor óptimo para esa iteración.4427 1.5279 -3.6656 1. el resultado es convergente sobre el valor verdadero de 1.0000 2.). .1378 0.52/9 0. x para dar u o p t Sa = 0 .7647 2.7595 1. estará en el intervalo inferior (x¡.3050 1.x¡) .2229 0. Una vez que se completa una iteración. Observando en el intervalo superior.6300 1.1136 0.2.v = xi . la máxima distancia de la estimada podría ser 2 2 2 v u A./ 0 Xu ~ XI 100% Esta estimación proporciona una base para terminar las iteraciones.x „ ) +2R(x -xi) !)(*„-*.236 (x — x¡) Si el valor verdadero estuviera en el extremo derecho.0851 '1.5432 1.7755 1.4721' 1. x x ).x¡) = (x.5279 1.360/ 0.x\ = x„ . Debido a que los puntos interiores son simétricos.7647 1.5836 0.5279 1. se puede calcular un límite superior exacto en cada iteración.5279 1.4752 1.5279 1.7742 1.7595 1.x 0 2 = x\ + R{x = {IR u u .9443 0.370 OPTIMIZACIÓN UNIDIMENSIONAL N O RESTRINGIDA / 1 2 3 4 5 6 7 8 0 0 0.4/71 1.6656 1.7647 4.3901 '(*/) 0 0 1.9443 0.3050 1. x.7755 1. Así.7136 1. el óptimo estará en uno de los dos intervalos. Por tanto.4721 1.7755 1. si el valor verdadero estuviera en el extremo izquierdo.7595 1.) o 0.7136 1.7755.4427 1. x .7647 1. Usando un razonamiento similar.3901 1.5432 1.5279 0.blogspot. Si x es el valor de la función óptima.7647 1.7647 1.5310 1.5432 1.

x2 fx=f2 END IF IFxopt*0.maxit.1 BÚSQUEDA DE LA SECCIÓN DORADA PIOURA 13.5 FUNCTION Gold (xíow. b) Minlmlzaolón http://libreria-universitaria. xu = xhigh ¡ter = 1 d = R*(xuxt) xí = xt + d.com .13. 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 .xt)/xopt) END IF IF ea < es OK ¡ter > maxit EXlT END DO Gold — xopt END Gold «) Maximización IFfí < f2 THEN * 100.-R)*A8S((xu .blogspot.xhigh.es. THEN ea = (1.fx) xt — xlow.

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

x ) + 2f(x¡) (x .l ) 2 2 2 2 2 2 = } 5 Q 5 5 ~ 2(0) (1 .x ) + 2f(x ) 0 2 2 0 Q x 2 3 (x .5829 . 0 x 2 Solución.5829) ( 4 .7) se obtiene.1) ~ la cual tiene un valor de la función d e / ( 1 .769 1.v = 4 f{x ) = . Después. . y resolver para una estimación de la óptima x.x ) 2 2 2 2 / ( x ) (xi .4 ) + 1. 2 2 _ X i 0 ( l .blogspot.0 ) + 2(-3. ¡ j | | ! | | I * i j | \ I con valores iniciales de x = 0.2 INTERPOLACIÓN CUADRÁTICA Así como existe sólo una línea recta para conectar dos puntos.x{) 0 donde x . para la próxima iteración. x = 1 y x — 4.13.5055 x = 4 2 / ( * .7691 /U ) =-3. se puede ajustar una parábola a los puntos. Después se puede diferenciar e igualar el resultado a cero.2 Interpolación cuadrática ] i Enunciado del problema. De esta forma. el valor de inicio inferior (x ) se descarta.5829 0 x. y x es el valor de x que corresponde al máximo valor del ajuste cuadrático a los valores iniciales. Ya que el valor de la función para el nuevo punto es mayor que para el punto intermedio (x.5829 (4 .1136) (O .xj) + f{x\) (x¡ . Por tanto.O ) + (-3.com . Se puede demostrar que después de un manejo algebraico el resultado es /(¿o) ( x .1136 2 la cual so sustituye en la ecuación (13. 1 1 3 6 y sustituyendo en la ecuación (13.) y el nuevo valor de x está a la derecha del punto intermedio.3 . x = 0 0 x /(x ) = 0 0 x = 1 / ( x i ) = 1. hay únicamente una cuadrática o parábola para conectar tres puntos. El valor de la función en los tres valores se puede evaluar.4 ) +2(1. de f(x) = 2 sen x x — 2 Use la interpolación cuadrática para aproximar el máximo j i i j | . x y x son los valores que fijan el extremo. se puede emplear una estrategia similar a la de la búsqueda de la sección dorada para determinar cuál punto se descartará.5055) = 1 . 0 jc = 1 0 / ( x ) = 1. si se tiene tres puntos que juntos contienen un óptimo.x ) + f(x ) 2 2 2 3 7 3 (x . ) = 1.7) para obtener http://libreria-universitaria.1136) (0 . = 1.

Este método.4903 -3. vea el método de Brent's en y cois.775/ 1.5829)(1. es un método abierto que encuentra la raíz de x como una función tal que f(x) = 0. la interpcln ción cuadrática puede quedarse con sólo un extremo de intervalo convergiendo.7714 1. con los resultados tabulados abajo: / 1 -«o 0.4903 1. H 3 6 ) ( l I.4275 1.5055 1.77'. cuidadosas estrategias de s e lección para los puntos que habrán de retenerse en cada iteración e intentos de minimi/. observe que en nuestro pío.7691 1.) Se puede usar un planteamiento similar abierto para encontrar un óptimo de / ( \ ) ul definir una nueva función.7757 x 2 flx ) 2 * 3 4* ) 3 2 3 4 5 1 .4256 1.5829 (1.1136) ( I ' l) + 2 ( .0000 1.blogspot.4903 1.7691 1.5829 1.3 M É T O D O DE N E W T O N Recuerde que el método de Newton-Raphson del capítulo 6.7714 1.4903 1.4266 1. como el mismo valor óptimo x* satisface ambos / ' ( x * ) = g(x*) = 0 se puede usar lo siguiente x.0000 fue un punto final para la mayoría de la iteraciones.7714 1.'./ Así.7757 1.4266 1.4276.5055) 2(1.V') . el resultado es rápidamente convergente sobre i-l valor verdadero de 1. (1992).4903 + 1.1136 1. Así.0000 1. El proceso se puede repetir.¡ + 1 X: - ( M H . e j e i n P r e s s 13. g(x) — f\x).5055 . Deberíamos mencionar que así como en el método de la falsa posición.) http://libreria-universitaria.7691)(4 • la cual tiene un valor de la función de/(1.7/.0000 1.m la acumulación del error de redondeo.7/M 1.5829 *i 1.0000 1. 1. dentro de las cinco iteraciones. Como prueba de lo anterior.5055' -4') = 1. se puede formu lar en algoritmos que contienen pruebas de convergencia.505.0000 1.374 OPTIMIZACIÓN UNIDIMENSIONAL N O RESTRINGIDA _ 1.7714.1136 -3.0000 1. El método se resume como x¡+\ = X¡ f(x¡) fU.com .4256 0.5829 1. Así.5829 1. En particular.4903) = 1.7691 ( 4 ¿ (-3. así como otros que usan polinomiales de tercer orden.0000 1.3 .1./ 1. ln convergencia puede ser lenta.0000 4.5055 1.5055 1.4 ) + 2(1.7757 e n x = 1.7757 4.7691 1.4256 1.

57859.995 . 5 .com . La segunda iteración da x.2 sen 2.8) para obtener _ 2 eos x¡ — x / 5 —2 senx.5.17954 -2.5 0.00020 0.— 1/5 Al sustituir el valor inicial se obtiene x 5 2 eos 2 . 3 Método de Newton I Enunciado del problema.0.46901 1.5.57194 1.1/5 = 1..5 0.46901 = a 9 9 5 Q 8 la cual tiene un valor de la función de 1. también comparte la desventaja de poder ser divergente.77573 -2.995 . con los resultados abajo tabulados: f(x) 2. Además.18965 -2.77385.88985 -0.87761 -2.5 . Por último.42764 1.427.#-TW!B1WB«rüB NEWTON " 17B como una técnica pura encontrar el mínimo o máximo de f(x). EJEMPLO 1 3 . El proceso se repite.2 . f(x) = 2 senx Use el método de Newton para encontrar el máximo de 10 0 con un valor inicial de x = 2. 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 (13.99508 1. 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.39694 -1.1/5 la cual tiene un valor de la función de 1.00000 -1.77385 1.995/5 .77573 1.2 sen 0.T*. El método de Newton es abierto y similar al de Newton-Raphson porque no requiere de valores iniciales que contengan el óptimo.09058 -0.57859 1. 5 / 5 . ) Solución.17952 http://libreria-universitaria. = 0.10229 0. es una buena idea verificar que la segunda derivada tenga usualmente el signo correcto para confirmar que la técnica converge sobre el resultado deseado.blogspot.995 2 eos 0.

0 s 2 3 a) Búsqueda de la sección dorada (x¡ = —2. las técnicas descritas aquí son un importante elemento de algunos procedimientos para optimizar funciones multivariables.2 x + 12* 4 http://libreria-universitaria. 13.7 Emplee los siguientes métodos para determinar el máximo de 0 f(x) = 2.75. PROBLEMAS 13. usando la búsqueda de la sección dorada.6 Analice las ventajas y desventajas de la búsqueda de la sección dorada. interpolación cuadrática y el método de Newton para localizar un óptimo valor en una dimensión.tiene un mínimo para algún valor de x en el rango — 2 < x < 1.1 Dada la fórmula f(x) = x .3. diferenciación). <.x = 2 y a) Búsqueda de la sección dorada (x¡ = — 2. 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.0. Esto concluye nuestro tratamiento de los métodos para encontrar el óptimo de funciones de una sola variable. un método de Newton. en versión como la secante. Emplee un valor inicial de x = 2 y realice tres iteraciones. Por ejemplo. dentro de las cuatro iteraciones. x„ = 1. usualmente se emplea sólo cuando se está cerca del óptimo. 13. Emplee los valo.7) se obtienen los mismos resultados con base en los valores iniciales x = 0.Y . Aunque el método de Newton trabaja bien en algunos casos. e = 1 %).5 Repita el problema 13. Por otra parte. se puede desarrollar al usar aproximaciones por diferencia finita para las evaluaciones de la derivada. 13. se dispone de otros procedimientos que no involucran la evaluación de la derivada.376 Asi.blogspot. 13.com a) Grafique la función. Algunos ejemplos de ingeniería se presentan en el capítulo 16.2 Dada la función 0 l 2 13. £ — i'oulioc 3 iteraciones. Emplee valores iniciales de x = 0.5.25.3 Encuentre el valor de x que maximiza f(x) en el problema Use métodos analíticos y gráficos para mostrar que la función 13. 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. Para estos casos.3.V 4 /(. x = 4. 13.9 Emplee los siguientes métodos para encontrar el máximo res iniciales de x¡ = 0 y x = 2 y realice 3 iteraciones.x = 2 y x = 6.8 Considere la siguiente función: u s 0 2 4 u 0 2 8 ..5x 6 . c) Método de Newton (x = 2.5x + 3x + x ción de raíces para determinar el máximo de f(x) y el valor correspondiente de x.1 J5x 2 + \Ax 3 . 1%). x.x.25. 13. /.8x + 12 2 a) Determine en forma analítica el máximo y el valor correspondiente de x para esta función (use por ejemplo.v) = -l. no es práctico en otros donde las derivadas no se pueden evaluar en forma conveniente. que se analizarán en el próximo capítulo. el resultado converge en forma rápida sobre el vulor verdadero. pero ahora use interpolación de la función del problema 13. iteraciones = 5). 13. pero ahora use el método de Newton. = 1 .) Use métodos analíticos para probar que la función es cóncava para todos los valores de x. Así. e = 1%). b) Verifique que con la ecuación (13.2. x = 2.8: cuadrática.4 Repita el problema 13. b) Interpolación cuadrática (x = 1.) Diferencie la función y después use un método de localizaf(x) = 6x + 1. = 2.

• M .15 Desarrolle un subprograma usando un programa o lenguaje macro para implementar el algoritmo de interpolación cuadrática. • ^ ftxi + 8x¡) .blogspot.01). -= 0. . Si no es así.v. Si no • Encuentre ambos. Minimice el número evaluaciones de función. x = 2 5. M I ' I )es!irrolle un subprograma usando un programa o lengua. Regrese ambos al óptimo de x y f(x). pero deberá regresar mostrando un mensaje de error.13.1. Comente sobre la convergencia de sus resultados (x 0 - ().Sx¡) 2¿x. 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. pero ahora usando aproximación por diferencias finitas para estimar las derivadas. x = 1. La subrutina I M H H I 'I tener las siguientes características: • Itere hasta que el error relativo esté por debajo de un criterio de paro o exceda un número máximo de iteraciones. pero ahora haga un reconocimiento para determinar si el problema involucra minimización o maximización. I l. la subrutina deberá implementar el algoritmo. el óptimo x y f(x). 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. Diseñe el subprograma de tal forma que esté deberá tener las siguientes características: diseñado para localizar un máximo. 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.2. Diseñe el subprograma de tal forma que esté expresamente diseñado para localizar un máximo.com . Ii) Método de Newton. )_ = f{x¡ + Sx¡) .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.v.»•„ = — 1 e itere para £. iteraciones — 5). y después con base en este reconocimiento implemente en forma adecuadu la búsqueda de la sección dorada. 0 s -I u Pruebe su programa con el mismo problema dado en el ejemplo 13.v„ ~ 2. http://libreria-universitaria. I /( t ) I \ .3.13.5. 2 3 A I I. Minimice el número evaluaciones de función. Verifique si los valores iniciales ajustan a un máximo.0).v Non Mee 10 iteraciones con interpolación cuadrática para ubicar i'l IIIIIIIIIU). .f(x¡ . i) Método do Newton (x — — 1. • Veri fique si los valores iniciales ajustan a un máximo. 13. La subrutina dorada. Use bisección con valores iniciales de x¡ = —2 y x 1 3 1 .2 / ( x . = 1%. pero debe regresar un mensaje de error. la subrutina no debe implementar el algoritmo. 13. Itere hasta que el error relativo esté por debajo de un criterio de paro o exceda un número máximo de iteraciones. = — 1. Encuentre ambos. 13. e = 1 %). el óptimo x y/(x)..PROBLEMAS />) Interpolación cuadrática (.14 Desarrolle un subprograma como el descrito en el problema 13.11 K oii los siguientes métodos: u) Método de Newton (x = — 1. Use un valor Pruebe su programa con el mismo problema como en el ejemplo liitrhil de . e = 1%).16 Desarrolle un subprograma mediante un programa o! len|n iniiiio para implementar el algoritmo de la búsqueda de la guaje macro para implementar el método de Newton. i\s así. Pruebe su programa con el mismo problema del ejemplo 13.l. ) + f(x¡ .2 Determine el mínimo de la función del problema 13.

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. Para propósitos del presente análisis.blogspot. FIGURA 14. Los procedimientos que no requieren dicha evaluación se llaman métodos no gradientes o directos. la imagen es ahora como la de montañas y valles (véase figura 14.1). Se adoptar A este planteamiento debido a que las formas características esenciales de las búsqueda* multidimensionales son a menudo más comunicativas visualmente.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). Recuerde del capítulo 13 que nuestra imagen visual de una búsqueda unidimensional fue como una montaña rusa.com . no son posibles imágenes adecuadas. Se empezará el análisis con el procedí miento de fuerza bruta. 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 dividirán dependiendo de si se requiere la evaluación de la derivada.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. 14. Aquellos que requieren las dei i vadas son llamados métodos gradientes o métodos de descenso (o ascenso). Las técnicas para la optimización multidimensional sin restricciones se pueden olí» sificar de varias formas.CAPITULO 14 Optimización multidimensional sin restricciones I Este capítulo describe las técnicas para encontrar el mínimo o máximo de una función do varias variables. Para el caso en dos dimensiones.

l)r = 1 + 2r FIGURA 1 4 . y la fórmula es x = -2+(2( . Observe que un solo máximo de 1. Los generadores de números aleatorios en forma típica generan valores entre 0 y 1.5.x . x¡= — 2 y x = 2. Si un número suficiente de muestras se lleva a cabo. De forma similar para y.1.2 ) ) r = . y) = y .1) que muestra el máximo en x = . El dominio se describe en la figura 14.1. Solución. + (x u - x¡)r u Para la presente aplicación.com . Si se designa a tal número como r.2 + 4r Esta se puede probar al sustituir 0 y 1 para obtener —2 y 2.2. máximo de 2 Use un generador de números aleatorio para localizar el f(x.1) en el dominio acotado porx = —2 a 2.1 Búsqueda aleatoria Un simple ejemplo del procedimiento de fuerza bruta es llamado el método de la búsqueda aleatoria. Máximo http://libreria-universitaria.y 2 (E14. Como su nombre lo indica.1 Método de la búsqueda aleatoria Enunciado del problema. este método evalúa en forma repelida In función mediante la selección aleatoria de valores de la variable independiente. la siguiente fórmula puede ser usada para generar valores de x aleatorios en un rango de x¡ a x : u x = x. 2 Ecuación (El 4 . el óptimo será eventualmente localizado. EJEMPLO 14.1 y y = 1 .2xy .1. respectivamente.2x .blogspot.5.14. una fórmula para el presente ejemplo se puede desarrollar como y = yi + (y u y¡)r = 1 + (3 . y y = 1 a 3.5 ocurre e n x = — 1 y y = 1.

+ 4. Program Jump IMPLICIT N0NE INTEGER : : i .1 .maxf. El máximo valor de entre estas pruebas aleatorias se guarda en la variable maxf. 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) . y).*x**2 . maxy.maxy.blogspot.x .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. Este simple procedimiento de fuerza bruta trabaja aun en discontinuidades y luncio nes no diferenciables.y.2.y . Además.iter + 1 CALL Random(rnd) x .. y los valores correspondientes de x y y en maxx y maxy. 30 iter .1). * rnd f n . y) I F (fn.rnd f ( x . Éstos se sustituyen en la ecuación (E14. siempre encuentra el óptimo global más que el local.*x*y .y**2 maxf = -999.2.GT. i t e r . 10 D O J .1 .938087E-01 -1. Se toma un total de 300 muestras y los resultados se despliegan cada 30 iteraciones.f ( x .003075 -1. * rnd y . maxx.e9 00 i . respectivamente.1.com j . i t e r REAL : : x.x maxy = y END I F END D O PRINT * .1 .fn. j .f.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.maxx. + 2.maxf) THEN maxf = fn maxx . 1 http://libreria-universitaria.2 .

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

3-5 o 2-4. etcétera. entonces la línea formada por I y 2 podría dirigirse hacia el máximo. Luego. En efecto.382 OPTIMIZACIÓN MULTIDIMENSIÓNAL SIN RESTRICCIONES Realicemos una búsqueda univariable por medio de una gráfica. Este se basa en la observación (véase l. Puesto que una función general no lineal a menudo puede estar razonablemente aproximada a una función cuadrática. se puede demostrar que sif(x. 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. las búsquedas secuenciales a lo largo de las direcciones conjugadas convergerán exactamente en un número finito de pasos. Aunque se está moviendo en forma gradual hacia el máximo. Esas trayectorias presentan una oportunidad para llegar directamente a lo largo de la cresta hacia el máximo. sin importar el punto de partida. y) es una función cuadrática. Se comienza en el punto 1. Se dispone de algoritmos formales que capitalizan la idea de las direcciones patrón para encontrar los valores óptimos en forma eficiente. Tales líneas son llamadas direcciones conjugadas. pero con diferentes puntos de partida. 5. El más conocido de dichos algoritmos es el llamado método de Powell.3. Se implementará en forma gráfica una versión simplificada del método de Powell para encontrar el máximo de FIGURA 14.4) de que si los puntos 1 y 2 se obtienen por búsquedas en una dimensión en l¡i misma dirección. 6. http://libreria-universitaria. Continúeeste proceso generando los puntos 4. Sin embargo. el punto 4-6 va en la dirección general del máximo. también observe que las líneas unen puntos alternos tales como 1-3. Tales trayectorias son llamadas direcciones patrón. y se mueve a lo largo del eje x con la y constante hacia el máximo en el punto 2.com . 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. como se muestra en la figura 14. muévase a lo largo del eje y con la x constante hacia el punto 3. la búsqueda comienza a ser menos eficiente al moverse a lo largo de una angosta cresta hacia el máximo.i figura 14.blogspot.4 Direcciones conjugadas.

Desde cero. Luego. Luego la búsqueda va del punto 3 en la dirección h hasta que se localice el máximo en el punto 4. f(x. Después se busca del punto 1 a lo largo de la dirección h para encontrar el punto 2. y h . los métodos gradiente usan en forma explícita información de la derivada para generar algoritmos eficientes que localicen el óptimo.5 Método de Powell. como se muestra en la figura 14. primero se revisarán algunos conceptos y operaciones matemáticas clave. El método de Powell se puede refinar para hacerlo más eficiente.5. desde dos puntos diferentes. buscando desde el punto 5 a lo largo de h . Esta ecuación resulta en contornos circulares en el plano x. se mueve a lo largo de h hasta un máximo que es localizado en el punto 1. Se inicia la búsqueda en el punto 0 con las direcciones iniciales A. para una nueva búsqueda en la dirección h-¡ a través de los puntos 0 y 2. se han localizado por búsqueda en la dirección ¿ . nos llevará directamente al máximo. 2 x 2 x 2 2 3 4 3 4 14.2 MÉTODOS GRADIENTE Como su nombre lo indica. Del punto 4 se llega al punto 5.y. obsérvese que ambos puntos. Antes de describir los procedimientos específicos. Observe que h y h no son necesariamente direcciones conjugadas. Sin embargo. pero de nuevo buscando a lo largo de hy Ahora.byc son constantes positivas. 5 y 3. Powell ha demostrado que A (formado por los puntos 3 y 5) y h son direcciones conjugadas. es un método eficiente que converge en forma cuadrática sin requerir evaluación de la derivada.FIGURA 14. Se busca a lo largo de esta dirección hasta que se localice el máximo en el punto 3.com .y)=c-(x-a) ~(y~b) 2 2 donde a. pero los algoritmos formales van más allá del alcance de este texto.blogspot. http://libreria-universitaria. Así.

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

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

g'(0) = 4 eos (1.386 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. Al moverse hacia adelante. 1 0 7 radianes ( = 63. la cual es más pequeña. 1 _ i 1 1 1 0 1 2 3 1 4 • x http://libreria-universitaria.5235) + 8 sen (0. la cual es la magnitud de V/. durante el primer paso.107/2 = 0. .7 La flecha sigue la dirección de pasos ascendente calculado con el gradiente. y la dirección del ascenso se modificará de acuerdo con esto. Esto inmediatamente nos indica que la dirección que debe tomarse es 6 = tan' (^j 1 = 1 .1) da el mismo resultado. Observe que la ecuación (14. tanto la dirección como la magnitud del paso de la trayectoria cambiarán.944 unidades de aumento de elevación de pendiente por unidad de distancia recorrida a lo largo de la trayectoria empinada. g'(0) = 4 eos (0.107) + 8 sen (1.5235.608.4°) j respecto al eje x.944 2 2 ' Así.5235) = 7. puede ser calculada como V 4 + 8 = 8.com . como en la I figura 14.blogspot. Estos cambios se pueden cuantificar en cada paso mediante el gradiente. La pendiente en esta dirección. digamos 9 = 1.7. inicialmente se ha ganado 8.944 Note que para cualquier otra dirección.107) = 8. ! i FIGURA 14.

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

y) .3.1) f(x. y) tiene un mínimo local.y) (I4. Se debe mencionar que. sino también a la segunda parcial con respecto a JC y y. Aproximaciones por diferencias finitas.3) Pueden ocurrir tres casos: • • Si | H | > 0 y Si | H | > 0 y a^fdx > (Pfdx < 2 2 2 0. Suponiendo que las derivadas parciales sean continuas en y cerca del punto que hah>rá de evaluarse. En la m_. se puede calcular la siguiente cantidad: silla \H\ = A / 2 8x 2 dy 2 K dxdy (14.y+Sy)-f(x. entonces f(x.7) y) . las variables independientes se pueder^ modificar ligera mente para generar las derivadas parciales requeridas. el gradiente y el determinante de Hessian.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) tiene un punto de silla. esto involucra no s«ólo a las PARCIULCN con respecto ax y y. el Hessian tiene otros usos en optimización ( p o r ejemplo.2f(x. si se adopta el proco dimiento de diferencias centrales. entonces f(x.y-Sy) 2Sy f(x + Sx. 2 2 . p e r n o t e búsquedas qiip incluyen curvatura de segundo orden para obtener resultados superio» res. puede verse que ocurre un máximo en el mismo punto.. H = (14. y) dx http://libreria-universitaria. se pueden evaluar numéricamente.n) (14. no ocurren ni un máximo ni un mínimo en el p u n t o . entonces 0.f(x .3 p a j a el método de la secante modificado. y) f(x. Sin embargo.388 OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES vadas parciales son positivas. En particular. si la función se observa a L O largo de lu Unen y = x.ayoría de los castiN se emplea el procedimiento que se introdujo en la sección 6. Por ejemplo.y)-f(x-Sx. tiene un máximo local. claramente.blogspot. éstas se pueden calcular como 9/ dx d¿ dy df 2 = 2 = = f( x + 2Sx Sx. 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.Sx. para lu forma multidimensional del método de Newton). j p a r a los casos don de son difíciles o inconvenientes de calcular en forma analítica. Esto es. a m b o s . • Si | H | < 0. Esta fo R M U es llamada do y. Ya sea que ocurra un máximo o un mínimo.com ' Observe que d J!(dx dy) = d fl(dy dx). Sx 2 (14.

Dennis y Schnabel (1996) proporcionan más detalles sobre el procedimiento. Las derivadas de forma cerrada serán exactas.2.8) a/ _ 3x3_y / ( x + 5x. se podría no tener la opción de introducir un gradiente y un Hessian derivado en forma analítica. Tal podría ser el caso de los optimizadores usados en ciertas hojas de cálculo y paquetes de software matemático (por ejemplo. y ./ ( . usted podría adoptar la siguiente estrategia. Se prefiere un planteamiento que involucra moverse en un camino fijo a lo largo del gradiente inicial hasta que f(x.com . Por ejemplo. pase a ser el nivel a lo largo de su dirección de viaje. y) . tan pronto como se mueva.blogspot. Observe que los métodos empleados en paquetes de software comerciales también usan diferencias hacia adelante. Esto puede algunas veces ser una tarea ardua. para problemas de tamaño pequeño o moderado esto no es una gran desventaja. la librería IMSL basa la perturbación en el épsilon de la máquina. Mediante la repetición de este proceso podría llegar eventualmente al pico de la colina. Este punto de paro pasa a ser el punto inicial donde V/es reevaluada y se sigue una nueva dirección. v . su camino podría divergir en la dirección de pasos ascendente. Sin importar cómo se implemente la aproximación. Excel). Además. Sin embargo. y) detenga los incrementos.Sx.Sx. ellos son usualmente más complicados que las aproximaciones enlistadas en las ecuaciones (14. y + Sy) . En tales casos. la reevaluación continua del gradiente puede ser demandante en términos computacionales. pero lo más importante es que reduce las evaluaciones de la función. y + Sy) + f(x . Pero claramente surge otro problema casi de inmediato.2 / ( . reevaluar el gradiente y caminar otra distancia corta. Aunque tal estrategia parece ser superficialmente buena. y 4SxSy Sy) (14. usted practicará con frecuencia la opción de calcular estas cantidades internamente mediante procedimientos numéricos. Podría caminar una distancia corta a lo largo de la dirección gradiente. En muchos casos. el comportamiento será el adecuado y se evita la dificultad de numerosas diferenciaciones parciales./(* + Sx.f(x . En particular. 14. Este procedimiento es conocido como método de pasos aseen- http://libreria-universitaria. v .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. El proceso se repite hasta que se alcance la cima. Este último punto tiene un impacto crítico en el tiempo de ejecución. pero el comportamiento del algoritmo puede ser lo bastante benéfico como para que el esfuerzo valga la pena. es decir. Por otro lado.9) donde S es un valor fraccional algo pequeño. el punto importante es que se pueda tener la opción de evaluar el gradiente y/o el Hessian en forma analítica.9). no es muy práctica.Sy) .rmvt í)y 2 2 m c i w w w v w i m r _ / ( ^ y + ¿y) . y • ~ &y 2 M (14. A menos que usted realmente tenga suerte y empiece sobre una cresta que apunta directamente a la cima.5) a la (14. Al darse cuenta de este hecho. Luego podría detenerse.

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

donde h es la distancia a lo largo del eje h. 1).12) (14.14. Las coordenadas de cualquier punto a lo largo del eje h están dadas por 0 0 x = 1 + 3h y = 2 + Ah (14.13) El siguiente ejemplo ilustra la forma en que se pueden usar estas transformaciones para convertir una función de dos dimensiones de x y y en una función h de una dimensión.10.6 Por tanto.l ) = 6 2x -Ay = 2(—1) — 4(1) = . como se muestra en la figura 14. Solución. Por ejemplo.com . = 2y + 2 . supóngase que x — 1 y y = 2 y V / = 3i + 4j. 3 Desarrollando una función 1 -D a lo largo de la dirección gradiente i Enunciado del problema.10 La relación entre una dirección arbitraria hy las coordenadas x y y. nes: f(x.blogspot. EJEMPLO 1 4 .2 ( . 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. 9/ dx 9/ dy Las derivadas parciales se pueden evaluar en ( — 1.6j http://libreria-universitaria. el vector gradiente es V/' = 6i .2 MÉTODOS GRADIENTE 391 V f = 3 i + 4j FIGURA 14.2x = 2(1) +"2 .

se desarrolla una función de una sola dimensión g(h) que mapea f(x.6/0 dy d 0 \ = 2 ( . ¿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. se podría generar primero una solución analítica. g(h) = . el método es llamado óptimo de pasos ascendente. dx y + -fh) = / ( . se podría buscar a lo largo de la dirección gradiente. Para hacer esto. y) a lo largo del eje h./) en lu dirección gradiente.l + 6h. El cual es el valor del paso que maximiza g (y por tanto.blogspot. . a lo largo de un eje h que corre a lo largo de la dirección de este vector. Este método es llamado de pasos ascendente cuando se usa un paso arbitrario de tamaño h.392 ¡ | i s OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES Para encontrar el máximo. Esto es.com Este par de ecuaciones se pueden resolver para el óptimo.l + 6/0 .y) = 2xy+ 2x - Maximice la siguiente función: x -2y 2 2 usando los valores iniciales. x = — lyy= 1. 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. Identificaremos la localización de este máximo como h*. Lo cual se puede hacer mediante diferentes técnicas de busque da de una dimensión como las analizadas en el capítulo 13.( .1 + 6hf . Así. « Al combinar términos.4y = 0 http://libreria-universitaria. x — 2 y y = I. las derivadas parciales se evalúan como ' I — = 2y+ dx — = 2-2x^=0 . Tal problema es equivalente a encontrar el máximo de una función de una sola variable h. Debido a que esta función es muy simple. Si se encuentra que un valor de un solo paso h* nos lleva directamente al máximo a lo largo de la dirección gradiente.7 2 Ahora que se ha desarrollado una función a lo largo del camino de pasos ascenden te. 1 .6/0 + 2 ( . Las segunda* derivadas parciales también se pueden determinar y evaluar en el óptimo . EJEMPLO 14.2(1 - 6h) 2 ¡ donde las derivadas parciales se evalúan en x = — lyy= 1. se puede explorar cómo resolver la segunda pregunta. esto es.l + 6A)(1 . f(x. Solución.1 8 0 / z + 72A .4 Óptimo de pasos ascendente Enunciado del problema. dy 2x . La función se puede expresar a lo largo de este eje como f(xo + ?fh.

El método del paso ascendente para alcanzar el óptimo.¡)\r .i.para las coordenadas (x.4 ) . x = .2 Z =4 2 2 Por lo tanto.0 .11 .6(0. Recuerde que al final del ejemplo 14.2 Esto significa que si se viaja a lo largo del eje h. g (h) alcanza un valor mínimo cuando h = h* — 0. http://libreria-universitaria. 2 ) = 0. el valor de la función/(2. h = h*) resolviendo el problema.v- m 2 = 2 -4 9y 2 3 / 9x9y a/ 9y9x y el determinante de Hessian se calcula [véase ecuación (14. Ahora se implementará el método de pasos ascendente.11) y resolver . se puede localizar directamente el máximo (es decir.3 ya se había implementado los pasos iniciales del problema al generar g(h) = — 180/r + 726 . ya que ésta es una simple parábola.7 2 Ahora.2 y = 1 . g'(h*) = 0 . 2 \ FIGURA 14.2. Este resultado se puede sustituir en las ecuaciones (14.2 ( . \H\ = . debido a que | H | > 0 y 9 /73 JC < 0. 1) es un máximo. y) correspondientes a este punto.1 + 6 ( 0 .com .3 6 0 F + 72 = 0 h* = 0.10) y (14.blogspot.2) = .3)].

2/! I \ Al sustituir estos valores en la función se obtiene /(0.2/z) = g{h) = .2Í + 1. tiende a moverse muy lentamente a lo largo de crestas largas y angostan.0 . El segundo paso es simplemente implementado al repetir el procedimiento. — 0 .2 2 | i El paso h* nos lleva al máximo a lo largo de la dirección buscada y puede ENTONCEN calcularse directamente como g'(h*) = .2) pnrn obtener — = 2 ( .2(1) = 1. este nuevo eje h se puede ahora expresar como [ * x = 0 .2 ( 0 .2 + 1.11 cuando se mueve del punto 0 al 1. y) correspondientes a este nuevo punto.88/z + 0.0 .2/z y = .2.2(1) = 1 Como se describe en la figura 14.com es dedicada a esos métodos.1 . Además. 2 ) + 2 . y al hacer esto se mueve más cerca del máximo. x = 0 .10) y (14.4 . v J y y = 1. aunque es confiable. el vector gradiente es | V / = 1.11). particularmente en la vecindad de un óptimo. 8 8 / 1 * + 2.blogspot. j J | Puede demostrarse que el método de pasos descendente es linealmente convergente.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.V Í \ — = 2 ( 0 . nos movemos a las nuevas coordenadas.11) y resolver para las coordenadas (x. 4 4 / ¡ + 2. Las coordenadas a lo largo DE . 2 + 1.2 ít.394 | '• OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES Este paso se describe en la figura 14. 2 ) . 2 ) = 1. la técnica toma muchos pasos pequeños de cruce en la dirección de la nilit hacia la cima. Así. 2 + 1.88 = 0 \ h* = 1 Este resultado se puede sustituir en las ecuaciones (14.2/i. . El PROCEDÍ miento se puede repetir con el resultado final que converge a la solución analítica. . lil resto de lu sección http://libreria-universitaria.2 Por tanto.0 . 2 ) = 1. listo es porque el nuevo gradiente en cada punto máximo será perpendicular a la dirección original. Primero. etiquetailn como punto 2 en la gráfica. 2 + 1. 2 + 1. 2 + 1. y = . las derivadas parciales se pueden evaluar en el nuevo punto de inicio (0. hay otros procedimientos que convergen mucho más rápido. .0 .0 . Por tanto.2 .4 ( .11.

http://libreria-universitaria. se puede también mejorar la convergencia lineal de pasos ascendentes por medio de gradientes conjugados.(x-x )=0 / Si H es no singular.1. el método no es muy útil en la práctica para funciones con grandes números de variables. observe que este método requiere ambos.blogspot. En efecto. Por otro lado. Sin embargo. para 7 = 1. 2 . cómo en el método de Powell las direcciones conjugadas mejoran mucho la eficiencia de la búsqueda univariable. Dado que muchas funciones con buen comportamiento pueden aproximarse razonablemente bien por una cuadrática en la vecindad de un óptimo.com . el método de Powell produce nuevas direcciones de búsqueda conjugadas. 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.3) se puede extender a los casos de multivariable.12).-) + I ( x . Este método de nuevo se comporta mejor que el método de pasos ascendentes (véase la figura 14. /(x) = / ( ) + V / ( x . El método de Newton para una sola variable (recuerde la sección 13.14. se ha visto Método del gradiente conjugado (Fletcher-Reeves). un método de optimización que usa gradientes conjugados para definir la dirección de búsqueda.2. el método de Newton puede no converger si el punto inicial no está cerca del óptimo.X. los procedimientos de convergencia cuadrática son a menudo muy eficientes cerca de un óptimo. l = O Así. De manera similar. Esto también asegura que el método optimizará una función cuadrática exactamente en un número finito de pasos sin importar el punto de inicio.) donde H es la matriz Hessian. La prueba y el algoritmo van más allá del alcance del texto. Se ha visto cómo empezando con dos direcciones de búsqueda arbitrarias. la cual se puede demostrar que converge en forma cuadrática cerca del óptimo. n V/ = V/(x ) + / //.2. ) ( x . Escriba una serie de Taylor de segundo orden para f(x) cerca de x = x. en cada iteración. si la evaluación de las derivadas es práctica. En el mínimo. el cálculo de las segundas derivadas y la inversión de la matriz.-.3 Procedimientos de g r a d i e n t e a v a n z a d o En la sección 14. Método de Newton. Así. Este método es cuadráticamente convergente y no requiere la información del gradiente. 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. Además. pero se describen en Rao (1996). se puede demostrar que es cuadráticamenté convergente.XifHiix r X / .x.

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

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

com .9 La búsqueda por malla es otro procedimiento de fuer/a bruta para optimización. Use un rango de —2 a 2 para ambos xyy14. v) = 3. 7 Efectúe una iteración del método de pasos descendente del gradiente óptimo para localizar el mínimo de /(. Diseñe el subprograma de tal forma que esté expresanien te diseñado para localizar un máximo.v. 1 4 .1. 1 4 .x .5.2x + 1 ly + 2 y . Las dimensiones de x y y se dividen en pequeños incrementos para crear una malla. http://libreria-universitaria. 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.x 2 4 - 2xy - y 2 mediante los valores iniciales x = 0. Cuanto más densa sea la malla./lv. es más probable localizar el óptimo.y) del problema 14. La función se eva lúa entonces en cada nodo de la malla.blogspot.39B OPTIMIZACIÓN MULTIDIMENSIONAL SIN RESTRICCIONES Diseñe el subprograma do tal forma que esté expresamente di señado para localizar un máximo.V + 2y + . Desarrolle un subprograma por medio de un programa o lenguaje macro para implementar el método de búsqueda por malla. y) = -Ix + \ .2xy 2 2 con valores iniciales x = 0 y y = 0.6. 6 Realice nuil iteración del método de pasos ascendente para locali/ur el máximo de . Emplee el método de bisección para encontrar el tamaño de paso óptimo en la dirección de la búsqueda del gradiente.9. 1 4 . Pruebe el programa con f(x. y = 0. La versión en dos dimensiones se des cribe en la figura P14.

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

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

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

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

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

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

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

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

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

blogspot. En el proceso. Ahora.0S = 0 2 3 4 (15. Se puede ver gráficamente que hay dos posibilidades. los puntos extremos deben tener 2 valores cero. desarrollaremos un procedimiento matemático para seleccionar las variables de entrada y salida. la función objetivo se expresa como Z . se debe escoger la variable de salida de entre las variables básicas actuales S2. La variable con el valor negativo más grande se escoge de manera convencional porque nos lleva usualmente al incremento más grande en Z. ya que queda fuera del espacio de solución factible. Por ejemplo. Se comienza en el punto A. o x ) por arriba de cero para que Z aumente. por la gráfica también queda claro que F no es posible. Por tanto. Esto se lleva a cabo al aumentar una variable actual no básica (en este punto.0S .V.OS. Después. Esta variable se llama variable de entrada. Debido a la convención de cómo se escribe la función objetivo [véase ecuación (15. . S o S ). el eje x. Con base en su coeficiente. — 150. x podría ser la variable de entrada puesto que su coeficiente. como se muestra en la figura 15. S o S ) deben también igualarse a cero. una de las variables básicas actuales (S S . x. Así. para el ejemplo actual. para la primera variable de holgura restrictiva S . —175.5)]. Como 8 es el entero positivo más pequeño. para continuar con este breve ejemplo. seleccionamos x¡ puesto que se observa en la gráfica que nos llevará más rápido al máximo.0 S . es más negativo que el coeficiente d e x . ¿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. Sin embargo. Recuerde que.). una de las variables básicas actuales se hace no básica (cero). mientras que al movernos al punto F tendremos . Esta variable se llama variable de salida. En este punto se puede consultar la solución gráfica por visualización. se debería escoger x para introducirlo. Para nuestro caso. Para resumir este paso importante: una de las variables no básicas actuales debe hacerse básica (no cero). S s 5 2 3 4 1 0 0 0 0 -150 7 10 1 0 -175 11 8 0 1 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 77 80 9 ó 1 1 íi 9 Observe que para propósitos de la representación. Sin embargo.150*i . el resultado es 2 1( 2 3 4 2 ( 2 3 4 2 x Intercepción = 77 7 =11 Las intersecciones restantes se pueden calcular y enlistar como la úllima columna de la http://libreria-universitaria. Se puede calcular este valor como la razón del lado derecho de la restricción (la columna "Solución" de la representación) al coeficiente correspondiente de x¡. esto significa que la segunda linea . 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). igual a cero.5) El siguiente paso implica moverse a una nueva solución factible básica que nos lleva a una mejora de la función objetivo.3.408 OPTIMIZACIÓN RESTRINGIDA Básica Z x * 1 2 Si s 2 s 3 s 4 Solución Intercepción Z 5.com tabla. Moviéndonos al punto B se tendrá S igual a cero.175 *2 . se decide mover de A a B.

Por tanto. 5*. se ha movido al punto B (x = S = 0). La tabla se puede usar para realizar los mismos cálculos al emplear el método de Gauss-Jordan. 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. = 8.7) Para este ejemplo. = 21. x.1 0 0 0 0 0 1 0 1 0 0 0 0 0 1 3 ñ . s http://libreria-universitaria.1 PROGRAMACIÓN L I N E A L m restringida se alcanzará primero en tanto x aumente. Al dividir el renglón ende 10 Y reemplazar S por x. + 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. se tiene 3 4 2 2 Básica Z s. S debería ser la variable de entrada.blogspot. y la nueva solución básica es ahora x 2 2 2 7 x i + Si = 7 7 lOx.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. S = 1. X J ) . el renglón pivote es S (la variable de entrada) Y el elemento pivote es 10 (el coeficiente de la variable de salida. En este punto.8 0 1 0 0 0.13. S = 6.

3.1296 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.com .889.8 1 0 0 0 1. la eliminación Gauss-Jordan se puede implemcnluí para resolver las ecuaciones simultáneas.1296 0. 0 0 0 0 0 1 :i .889.889 y x v Si OITÁN } 4. los cuales dan una función objetivo máxima de Z = I 413. por tanto. los coeficientes x.1 0 S 3 S 4 Solución 1 200 21 8 1 ó Intercepción S 4 -55 5.'< ii I| 1 :nn Operaciones similares se pueden ejecutar en los renglones restantes para obtener la mirva tabla Básica Z S. como la variable de entrada.1852 -0.1852 7. como . se selecciona a S.4 0.1481 0. Esta tabla se puede usar entonces para representar el próximo.OPTIMIZACIÓN RESTRINGIDA Después. y se escoge. 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 '.blogspot. la nueva tabla resume toda la información para el punto B. Esto incluye el hecho iln que el movimiento ha aumentado la función objetivo a Z = 1 200. 2 2 Básica Z X Z 1 0 0 0 0 * 1 x 2 S .2037 -0. y en este caso. La solución final se tabula como x¡ — 3.V.1852 0. |(M« el renglón de la función objetivo. 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 10.7 0. Así. Z 1 0 0 0 0 x i 0 0 1 0 0 x 2 Si 0 1 0 0 0 15 -0. en los otros renglones se pueden eliminar. tiene un valor negativo en la función objetivo. Además.8704 -0.8 -0. el pum > final. sabemos que la solución está limitudu por ln primer» y http://libreria-universitaria. por tanto. El resultado es la tabla final. el método simplex mueve los puntos dr B a C e n la figura 15.1 -0. Sólo una más de las variables. la primera restricción tiene el valor positivo más pequeño y.1481 -0. todavía en la base. como la variable de salida. Por último. De acuerdo con los valores de la intei cepción (ahora calculados como la columna de solución sobre los coeficientes de la columna x ). x . Por ejemplo.HH7 10 6 -1 y> Así.2037 0.

El Solver de Excel tiene la excelente característica que en forma automática cambia al método del gradiente conjugado dependiendo de la disponibilidad de almacenamiento. Así. Si Find falla en la localización de una solución que satisface las ecuaciones y restricciones. véase Lasdon y cois. El procedimiento del gradiente conjugado está también disponible en Excel como una alternativa para problemas grandes. El uso de esta función para aplicaciones no restringidas se describió en In parte dos.1 Momead Mathcad contiene una función en modo numérico llamada Find. Un procedimiento típico indirecto usa las muy conocidas funciones de penalización. http://libreria-universitaria. es uno de los más populares métodos directos (para detalles. Mathcad contiene también una función similar llamada Minerr .3. Esta función da resultados de solución que minimizan los errores en las restricciones aun cuando no puedan encontrarse soluciones exactas. Primero "reduce" el problema a uno de optimización no restringida. requiere el almacenamiento de una aproximación de la matriz Hessian. el método no lineal usado en el Solver de Excel. En esta sección. 15. Esta función resuelve ecuaciones y acomoda varias restricciones mediante el método Lenenberg-Marquardt tomando de los algoritmos do dominio público M1NPACK. se resuelve el problema no restringido usando procedimientos similares a los descritos en el capítulo 14. 1978. Sin embargo.15.3 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. Se escoge primero una dirección do búsqueda. o GRG (por sus siglas en inglés). de hecho. regresa con un mensaje de error "no se encontró solución". Una vez que se ha establecido la dirección de búsqueda. Este es. Aunque talos métodos pueden ser útiles en algunos problemas. se lleva a cabo la búsqueda en una dimensión a lo largo de esa dirección mediante un procedimiento de tamaño de paso variable. Estas involucran colocar expresiones adicionales para hacer la función objetivo menos óptima en tanto la solución se aproxima n la restricción.. Dichos procedimientos se pueden dividir en forma general en directos e indirectos (Rao. desarrollados y publicados por el Laboratorio Nacional Argonne. Esto lo hace al resolver un conjunto de ecuaciones no lineales para las variables básicas en términos do variables no básicas. se dará una introducción a algunos de los más útiles.blogspot. como se describió en el capítulo 14. pueden ser difíciles cuando el problema involucra muchas restricciones. 15. la solución será no aceptada por violar las restricciones. 1992). 1996). La selección por default es un procedimiento cuasi-Newton (BFGS) que. Lasdon y Smith. Después. que se puede usar parn resolver hasta 50 ecuaciones algebraicas no lineales simultáneas con restricciones de desigualdad. El método de búsqueda del gradiente reducido generalizado.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. Este procedimiento se ejecuta muy bien en la mayoría de los casos.com .

la función lineal y un pailón cruzado que representa la restricción x > 2). este análisis se FIGURA 15. y) y los valores son mostrados con un signo igual. teclea do como [Ctrl] = y > para separar los lados izquierdo y derecho de una ecuación. Cuatro variables se trazan sobre el eje y como se muestra (las mitades inferior y superior de la ecuación para el círculo. Observe que para esta aplicación Mathcad requiere el uso de un signo de igual simbólico.com . Una vez que se ha creado la gráfica.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. como su disponibilidad es amplia. Una gráfica que muestra las ecuaciones y restricciones.4 2 1 3 6 y « l0 4 .blogspot. 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. Sin embargo.3. La instrucción (¡Ivon entonces le indica a Mathcad que se debe introducir un sistema de ecuaciones. Los rangos para estos casos son x para las mitades del círculo superior e inferior. La gráfica y los valores numéricos para xval y yval ilustran excelentemente la solución.2 Programación lineal en Excel Existe una variedad de paquetes de software especialmente diseñados para implemcntai programación lineal. 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 . Mathcad realiza el resto para producir la gráfica. Esto coloca una retícula roja en esa localización. 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. Ahora se calcula el vector que consiste de xval y yval usando Find(x. 15. cambiar color. así como la intersección del círculo y la línea en la región x>2. tipo y grueso de la línea de la función. y agregar títulos. se puede usar del menú la secuencia Format/Graph/X-Y Plot para variar el tipo de grá l'i ca. así como la solución. 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.4. etiquetas y otras características. ¿j para la línea y r¡ para la restricción.

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

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

1). EJEMPLO 15.6).2. Estos serán explorados en las aplicaciones de la ingeniería que se describen en la sección 16. Recuerde que en el ejemplo PT4. 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. Además de obtener la solución.19) se obtiene Minimizar C = «(200 + 56( + 0.13. el Solver también proporciona algunos reportes resumen útiles.3 OPTIMIZACIÓN C O N PAQUETES DE SOFTWARE 411 Después de seleccionar esta opción. el Solver obtiene la solución correcta (véase figura 15.4 Uso del Solver de Excel para la optimización restringida no lineal Enunciado del problema.8 200 56 0. 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. las siguientes cantidades se definen como http://libreria-universitaria.L4 ) 2 0 c sujeto a v < 20 n > 1 donde n es un entero y todas las otras variables son reales. se abrirá un recuadro de diálogo con un reporte sobre el éxito de In operación.11) a (PT4. Además. Para el caso actual. 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. regrese el menú Solver.1 se desarrolló una optimización restringida no lineal para minimizar el costo de la caída de un paracaídas en un campo de refugiados. Una vez más.1 20 3 500 Unidades c co i v 9 c m/s 2 $ $/m $/m m/s kg/(sm ) m 2 2 =2 k z Sustituyendo estos valores en las ecuaciones (PT4. Cuando seleccione H botón OK.blogspot. 15.com .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.3.

7)].) Mientras tanto. Un método \ podría ser desarrollar un macro para implementar un método de localización de raíces.blogspot.480856 500 + 9. | tal como el de la bisección o de la secante. Se puede teclear la ecuación (15.8m ¿ '¡+1 — (1 -(c/m)f.7).8).7) ' % -(c/ m ) f j | Use Excel para resolver este problema para las variables diseño r y n que minimicen el costo C.8m Una vez que se introducen estas fórmulas. la fórmula siempre converge./(r)].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). A 20 21 B r itl 0 0.8) [es decir.8m c e (15. un procedimiento más fácil es posible mediante el desarrollo de la í siguiente solución por iteración por punto fijo en la ecuación (15. í Solución. Ahora. vaya a las selecciones Tools/Options del menú y seleccione calculatlon http://libreria-universitaria.OPTIMIZACIÓN RESTRINGIDA A = 2nr 2 í = V2r c = 3. (Advierta que se ilustrará cómo realizar esto ] en el próximo capítulo.4 m - ¥í n 9.- 9. Ahora. 5009. ¿cómo se puede resolver esta ecuación en una hoja de cálculo? Como se muestra abajo. Antes de implementar este problema en Excel. Se puede demostrar que para el rango de parámetros usados en este problema.8w (15. t se puede ajustar hasta que se satisfaga la ecuación (15.8m2 ( 1 _ e^clm)i) 9. se puede fijar dos celdas de manera que tengan un valor para t y para el lado derecho de la ecuación (15. se debe primero enfrentar el j problema de establecer la raíz en la formulación anterior [ecuación (15. se desplegará en forma inmediata el mensaje de error: "no se puede resolver referencias circulares".com . en la sección 16.3. Después coloqúese en la celda B20 y apunte su valor a la celda B21. ya que B20 dependo do IÍ21 y viceversa.8) Así.6) -(I-e -(c/m)t t = raíz 500 V= 9 1 (15.

Finalmente. sólo presione la tecla F9 para que se realicen más iteraciones (el default es 100 iteraciones. note que la celda que habrá de minimizarse es E l 5 . verifique que apurezca "iterución" y presione "OK". Si se quiere tener más precisión.com . Observe también que algunas celdas son redundantes. las celdas convergerán sobre la raíz. Por ejemplo.blogspot. Del recuadro de diálogo calculation. Esta repetición en la celda El 1 muestra que la estructura de las restricciones es evidente en la hoja. Las celdas no sombreadas son las que contienen los datos numéricos y las leyendas. 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. Las celdas a cambiar son E4:E5. que se pueden cambiar si se desea). Las celdas sombreadas involucran cantidades que se calculan con base en las otras celdas.283185 1.8 200 56 0.(cálculo).25595 Así.7 se muestra cómo establecer una hoja de cálculo en Excel para calcular los valores pertinentes.6) con base en los valores de M (B4) y n (E5). la masa en B17 se calculó con la ecuación (15. ' 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. en las cuales se tiene el radio y el número de paracaídas.7 Acondicionamiento de una hoja de cálculo en Excel para el problema de optimización no lineal referente al paracaídas.1 20 3 500 V a r i a b l e s de d i s e ñ o : r Mt a A 1 c m n Restricciones: variables V costl cost2 cost3 ve kc zO 1 1 tipo límite n Función o b j e t i v o : < = i > = • 1 V a l o r e s calculados: 6. Por ejemplo. En la figura 15. t FIGURA 15. que contiene el costo total. la celda El 1 se direcciona a la celda E5.414214 2000 Costo 9 283.1438 R a i z : localización: t fifi http://libreria-universitaria.

8 200 56 0.04076 .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: 54.8 Hoja de cálculo en Excel con la solución del problema de optimización no lineal referente ni caídas.418 OPTIMIZACIÓN RESTRINGIDA Una vez que se ha creado la hoja de cálculo.Q4v76 27.162952 15 1 163. 19 fin 1 R a i z : localización: 27. Esto abrirá un recuadro de diálogo como el siguiente Celda de referencia: E. Las celdas pertinentes en el recuadro de diálogo Solver se podrían llenar como Ubique la celda dentro.V I ' E 5 = entero Se debe agregar las restricciones una por una al seleccionar el botón "Add". Igual a O máx Al cambiar celdas E 1 5 • mín O igual a 0 U E' E i 5 E"?> . En esta etapa se desplegará un recuadro de diálogo.3333 17 18 a r n Restricciones: variables V 6 tipo limite n Función o b j e t i v o : <= 6 > = 20 1 Costo 4377.44432 14 A 4. 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.blogspot. requiriendo la información pertinente.C Restricción FIGURA 15.3 1 0 K .333 16 c m 333.com . se elige la selección Solver del menú Tools.262 http://libreria-universitaria.

(Entrada) FX = Valor de la función en X.. donde G = valor de la función calculada en el punto X.2.1 5.com . Para el caso presente. (Salida) F y G se deben declarar como EXTERNAL en el programa de llamado XGUESS = Un valor inicial del punto mínimo de F.3 OPTIMIZACIÓN C O N PAQUETES DE SOFTVM» 41* Como se muestra. (Entrada) B = Punto extremo superior del intervalo en el cual se localiza el máximo. > = . G X ) donde F = FUNCIÓN suministrada por el usuario para calcular el valor de la función a ser minimizada. MAX F N . Esta rutina localiza el punto mínimo de una función suave para una sola variable mediante evaluaciones de la función y primeras derivadas. (Entrada) GTOL = Tolerancia derivativa usada para decidir si el punto actual es un mínimo. Después de agregar cada restricción se puede seleccionar el botón "Add". F X . (Salida) G = FUNCIÓN suministrada por el usuario para calcular la derivada de la función. G .blogspot.8. 15. ] el Solver también proporciona algunos reportes resumen útiles. La forma es F(X). El presente análisis se concentrará en la rutina UVMÍD. puede ser agregada como se hizo en el ejemplo. jj De esta forma. G T O L .1). Además de obtener la solución. | Observe que la flecha hacia abajo le permite escoger entre varios tipos de restricciones ( < = . E R R E L .26 ocurrirá si se reparte I en seis paquetes con un radio del paracaídas de 2.4 IMSL IMSL tiene varias subrutinas en Fortran para optimización (véase tabla 15. (Salida) http://libreria-universitaria. = y entero). donde X = punto en el cual se evalúa la función. Cuando se hayan introducido las tres restricciones. y F = valor de la función calculado en el punto X. (Entrada) ERREL = Exactitud relativa requerida del valor final de X. se determina que el costo mínimo de 4 377.3. la restricción en la que la velocidad real del impacto (celda E10) debe ser menor o igual a la velocidad requerida (G10). B . (Entrada) MAXFN = Número máximo de ecuaciones permitido de la función. A .944 m. X . Así. Estos serán explorados ¡ en las aplicaciones de la ingeniería que se describirán en la sección 16. se selecciona el botón OK para \ regresar al recuadro de diálogo Solver. Cuando seleccione el botón OK se abrirá un | recuadro de diálogo con un reporte sobre el éxito de la operación. \ el Solver obtiene la solución correcta como la que se muestra en la figura 15. (Entrada) A = Punto extremo inferior del intervalo en el cual se localiza el máximo. (Salida) GX = Valor de la derivada en X. X no debería ser cambiada por F. se puede forzar el número de paracaídas (E5) para que sea un entero. X G U E S S . UVMID es implementado por el siguiente enunciado CALL: C A L L U V M I D ( F . (Entrada).

1 Categoría Minimización no restringida Función univariable OPTIMIZACIÓN RESTRINGIDA Rutinas IMSL para optimización.blogspot.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 .

gx) PRINT * .) END FUNCTION FUNCTION g(x) IMPLICIT N O N E REAL::x. g t o l .blogspot.x. * x / 1 0 . A y B.maxfn.l . La plnnlii puede almacenar sólo 550 kg del producto total por semana. y IN compañía tiene acceso a 10 000 kg de materia prima por seiminii.739729E-04 PROBLEMAS I 1 1 Inii compañía produce dos tipos de productos. respectivamente.com . 5 U J O de IMSL p a r a localizar un 1 0 I 0 óptimo j Enunciado del problema. respectivamente. f x . g x END P R O G R A M FUNCTION f(x) IMPLICIT NONE REAL::X.*C0S(x) .PROBLEMAS " ." • ^ Ttn EJEMPLO 1 5 .g.gtol.b. Sólo un producto so puede fabricar a la voz. ) END FUNCTION Observe que como la rutina está acondicionada para minimización. Un ejemplo de la corrida es \ i 1.15 horas. a) Establezca el problema de programación linoal pare maxl mizar la utilidad.6 . . e r r e l .f. x .2 . REAL::x.gx EXTERNAL f.3). Pin último. con tiempos de producción de 0.427334 -1.xguess.x**2/10.05 y 0.6 .1 AL 15.50 REAL: :xguess-0.g CALL UVMIDCf. E . http://libreria-universitaria.a.775726 -4. Esos productos se producen en una semana de trabajo de 40 horas y al I nuil de la semana son embarcados.f f—(2. Los productos requieren 20 y í kg de materia prima por kg de producto. b .*SIN(X) . la compañía obtiene utilidades de $45 y $30 por e«<ln unidad. Use la rutina UVMID para determinar el máximo de lii función unidimensional resuelta en el capítulo 13 (recuerde los ejemplos del 15. respectivamente. ! ¡ f(x) = 2 sen x J 10 ! Solución. .fx.2 .fx.l .g g—(2. Un ejemplo del programa principal en Fortran 90 y de la función usadn UVMIF para resolver este problema se puede escribir como PROGRAM Oned ! I USE mimsl IMPLICIT N O N E INTEGER::max fn .g. E .errrel. a — 2 . se introduce el negativo de la función.

d) Resuelva el problema con un paquete de software. b) Resuelva el problema de programación lineal con el método simplex.7 Considere el siguiente problema de optimización no IIIICBI restringido: Minimizar/(x. Excel. Mathcad o IMSL) para resolver el siguiente problema de opiitin zación no lineal restringido. Mathcad o IMSL).2 Suponga que para el ejemplo 15. .blogspot. y) l.2 . l 'v ecl.. el almacenamiento o el tiempo de producción.5) + (y . IÍXITI.3 Considere el problema de programación lineal 3 sujeto a x + y < 0. 15. a) Establezca el problema de programación lineal para maximizar la utilidad. Maximizar f(x. 15. c) Solucione el problema con un paquete de software.422 OPTIMIZACIÓN RESTRINGIDA sujeto a /.Í Use un paquete o librería de software (por ejemplo.}>) = I9x+ sujeto a \ly Minimizar f(x. Mathcad o IMSL).5 Use un paquete o librería de software (por ejemplo. y) = —x + y 3 sujeto a x + y > 0. . b) Mediante el método simplex. y .9y . b) Por medio del método simplex.y) = 12* + lOy http://libreria-universitaria. Utilice un paquete o librería de software (por ejemplo. c) Solucione el problema do programación lineal con el método simplex. 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 .) Resuelva el problema do programación lineal en forma gráfica.5}' < 15 x+y < 7 2x + y < 9 x>0 y > 0 Obtenga la solución a) Gráficamente.1. Mathcad o IMSL) pura obtener una ONlinmuion mát exacta. . 15.1700 x +y < 7 4.5JC + 3 . y) = (x . Mathcad o IMSL) para resolver el siguiente problema de opluul zación no lineal restringido.9 x >0 y > 0 15 . c) Con un paquete de software o librería apropiado (por ejeui pío. suponga que una nueva fuente de materia prima para la gasolina se ha descubierto. 15. 5 ) 2 2 sujeto a x + 2y = 4 a) b) Use un procedimiento gráfico para estimar la solución.v + 2y < 500 x >0 }>0 Obtenga la solución a) Gráficamente. c) Mediante un paquete de software o librería apropiado (por ejemplo. Minimizar/(x:.. e) Evalúe con cuál de las siguientes opciones se obtendrá la máxima utilidad: aumentar la materia prima.95 x + 2y < 2 x > 0 2 2 x + 2.\x+\.2. 5 } ' < 1600 .4 Considere el problema de programación lineal: Maximizar/X*. de tal forma que el total disponible se duplica a 154 m /por semana. el almacenamiento o el tiempo de producción. Excel. d) Evalúe con cuál de las siguientes opciones se obtendrá la máxima utilidad: aumentar la materia prima.com y > 0 15. líxiW. .y 3 Además.

7 .y 2 4 2 15.v.v.10 Dada la siguiente función.x ./'(.ll UNO un pnquelc o librorln de solUvarc puní determinar el de .com .2xy .»>> + \. use un paquete o librería de software puru determinar al mínimo a) Gráficamente. y sustituya el resultado del inciso b) en la última para verificar que se lia detectado un mínimo. c) Sustituya el resultado de b) en la función para determinar el mínimo f(x.Ift.° Uliliee un paquete o librería de software para determinar el máximo de /(. http://libreria-universitaria.25x 2 2y 1 lít./'(.blogspot.y) = 3.2. b) Numéricamente. y).•.r) ~ ..)•) 2.V'' -1 1 ly I 2/ 2\y IUI'IHIIIIO .5y - \. d) Determine el Hessian y su determinante..5x + 2y + x . r I I.

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

1.com . además del costo.1 DISEÑO DE U N T A N Q U E C O N EL M E N O R C O S T O FIGURA 16. ya que ellas tienen efecto sobre la masa del tanque y las longitudes a soldar.16. el cual está basado en el peso. Debido a que el tanque transportará desechos tóxicos.8 3 8 000 2 1 4. Los datos necesarios para el problema so resumen en la tabla 16. se requiere de un espesor especificado por ciertos reglamentos. 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. Como puede verso. Sin embargo.1 Parámetro Parámetros para determinar las dimensiones óptimas de un tanque cilindrico para transporte de desechos tóxicos. El costo está relacionado con las variables de diseño (longitud y diámetro).blogspot. y 2) gastos de soldadura que se basan en la longitud necesaria para soldar.5 20 rrr' cm kg/rrv m m 1 $Afj $/m http://libreria-universitaria. TABLA 16. El costo del tanque involucra dos componentes: 1) gastos del material. desechos tóxicos que se van a trasladar en un camión. Además. Símbolo Valor Unida das Volumen requerido Espesor Densidad Longitud de la caja Ancho de la caja i ^ m ó x p Costo d e l material Costo por soldadura 0. Solución.1 Parámetros para determinar las dimensiones óptimas de un tanque cilindrico. usted debe asegurar que mantenga la cantidad requerida de líquido y que no exceda las dimensiones de la caja del camión. el problema es restringido yu que el tanque debe 1) ajustar a la caja del camión y 2) contener el volumen requerido de material. el tanque consiste en un cilindro con dos placas soldadas en cada extremo. Su objetivo general será minimizar el costo del tanque. Un esquema del tanque y de la caja se muestra en la figura 16.1.

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

blogspot.: 2 1 donde m = 8000 \ Ln D + 0.03 El problema ahora se puede resolver en diferentes formas.8 V a l o r e s calculados: W3 IF1 m Iw Vcoraza Función objetivo: It .! . ) rho Lmáx 9 Dmáx n 10 11 cw 0.5m + 2Q€ Sujeto a TTD L 2 W 4 L D < < = o. La hoja de cálculo para realizar esto se muestra en la figura 16.1 D I S E Ñ O DE U N T A N Q U E C O N EL M E N O R COSTO 49? Las restricciones restantes tienen que ver con que el tanque ajusto a las dimensiones de la caja del camión.16. se puede resumir como Maximizar C = 4.570796 < = = _ 1 2 0.8 0.03 0.433 http://libreria-universitaria.2. Con la sustitución de los valores de la tabla 16. L<L D<D r M Á X El problema está ahora especificado. Sin embargo.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 .03 - - + 2JT[ ® + 0.com Ylaeai 11$ 1 . FIGURA 16.5 20 D L 1 2 Restricciones D L * Vol 1 2 1. W F »( \ )V i » > * C •14..03 8000 2 1 4.1. ln : 4K(D + 0.2 Hoja de cálculo de Excel lista para evaluar el costo de un tanque sujeto a restricciones de volumen requerido y tamaño. el planteamiento más simple para un problema de esta magnitud es usar una herramienta como el Solver de Excel.

FIGURA 1 6 . si la capacidad del tanque se aumentara.428 APLICACIONES E N LA INGENIERÍA: OPTIMIZACIÓN Para el caso mostrado.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. se introducen los límites D y L.799998 1 2 o. Las celdas pertinentes del recuadro de diálogo Solver se pueden llenar como Ubique la celda destino: Igual a O máx 0 mír E16 O igual a 0 Por cambio de celdas E5:E6 Sujeto a las restricciones: E10<G10 E l l <G11 E l 2 = G12 Al seleccionar el botón OK. el volumen cu mayor que el requerido (1. Una vez creada la hoja de cálculo.03 8000 2 1 4.a 6 0. YA QUE EL VOLUMEN MÁS PEQUEÑO TIENE LAS DIMENSIONES DE D = 0 .57 > 0. el Solver obtiene la solución correcta.236 12.5 20 D E F O 1 2 3 4 5 Variables de diseño: D L Restricciones D L Vol < = 0. 9 8 M Y L = 1 . Así.982949 1. Observe que el diámetro óptimo es casi el valor de la restricción de 1 m. En este punto aparecerá un recuadro de diálogo que le solicitará la información pertinente.72909 1 C http://libreria-universitaria. la cual se muestra en la figura 16. Para este caso.05 M. la selección Solver se escoge del menú T O O I N (Herramientas).3. un recuadro de diálogo se abrirá mostrado un reporte sobre el éxito de la operación. podría encararse esta restricción y el problema se reduciría a una búsqueda unidimensional para la longitud.blogspot.8).8 0. 3 RESULTADOS DE MINLMIZACIÓN. EL PRECIO SE REDUCE DE 9 1 54 A 5 7 2 3 . 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. Para el caso presente.com Vcora¿u •••• .982949 < = 0.

Suponiendo que los cabezales de agua (por ejemplo. Cuando las descargas de desechos entran en la corriente. la causa principal de la contaminación en un río.blogspot. Las descargas de aguas de desecho de las grandes ciudades son.5) donde Q = flujo (L/d). la cantidad descargada al río es el exceso no removido por el tratamiento.)P¡ i (16.2 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.com . Así. W¡ + Qi u u Qc u u (16. las concentraciones en los cuatro nodos se pueden calcular como FIGURA 16. y Q¡ = flujo corriente abajo del punto de descarga (L/d). Para el presente caso. W. Los segmentos del río entre las ciudades están indicados con números dentro de un círculo.4 ilustra el tipo de sistema que un ingeniero ambiental podría enfrentar. La carga contaminante está sujeta al tratamiento de desechos que resulten de una remoción fraccional x.2 MÍNIMO COSTO ! N TRATAMIENTO DE AGUAS DE DESECHO 429 16. La figura 16.16. Si se supone un mezclado completo en el punto de descarga. la concentración resultante en el punto de descarga se puede calcular con un simple balance de masa. Cada uno genera contaminación a una razón de carga P que tiene unidades de miligramos por día (mg/d). los procesos de descomposición químicos y biológicos pueden remover algo de la contaminación cuando fluye corriente abajo. Después que se establece la concentración en el punto de mezclado. se mezclan con la contaminación de las fuentes corriente arriba. las ciudades 1 y 2 en el río mostrado antes) están libres de contaminantes. http://libreria-universitaria. con frecuencia. c = concentración (mg/L) en el río inmediatamente corriente arriba de la descarga.4) donde W — descarga de desechos desde la ciudad /-ésima.4 Cuatro plantas de tratamiento de aguas de desecho que descargan contaminantes a un sistema de ríos. = (1 -x. Varias ciudades están localizadas sobre un río y sus afluentes. se supone que esta remoción se puede representar por una simple reducción fraccional R.

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

LINI las fórmulas usadas para calcular C. los datos junto con los PIOURA 1 6 .16.2 MlNIMO COSTO EN TRATAMIENTO DE AGUAS DE DESECHO Solución.5.blogspot.48 20 0 TOTAL 0 / / $D$4/$B$10 . ESTÁNDAR COSTO DE DECA EN EL RÍO TRATAMIENTO 20 100 0 / 40.6).00E + 0 7 0. Todos los factores antes mencionados se pueden combinar en el siguionto problema de programación lineal: Minimizar Z = d P x l l l m + d^P^ + dPx 3 3 3 + dPx 4 4 4 (16. el tratamiento no debe ser negativo o mayor que el 100% de remoción [véase ecuación (16. 5 I LI de cálculo de Excel lista para evaluar el costo de tratamiento de aguas sobre un sistema de ríos regulado.com . la función objetivo es minimizar el costo de tratamiento [véase ecuación (16. Además. está sombreada la celda IIV I|II(¡ muestra la fórmula para el costo total que es el que hay que minimizar [véase ecuación (16. Como en la figura 16.8) sujeto a las siguientes restricciones (1 (1 " X )P 2 2 223 < c s2 ~ Q4 + R Q 3C (1 ~x )P 3 2i 2 (16.* ) P 3 3 „ 4 4 < Cs3 0 < Xi.9). Para esta aplicación se usa la hoja de cálculo Excel. El problema se puede resolver por medio de una variedad de paquetes.10E + 08 0. Además.X3.00E-06 jl||ni|iiiliiiii 3 4. A B I C | D | E Costo m í n m o del t r a t a m i e n t o de a g u a s de desecho N O TRATADA TRATAMIENTO DESCARQA COSTO UNIT.9) + < Cs4 R\3<2\3C\ R34Q34C3 + Q45 2 (1 .00E-O6 s u .OOE + 0 7 0.00E + 09 2E + 0 9 0 2.$B$4*$C$4*$I$4 http://libreria-universitaria.00E + 09 4E + 09 0 4.10)].5E + 0 9 4.00E-06 FLUJO EN REMOCIÓN SEQMENTO EL RÍO EN EL RÍO 1-3 1.50E + 08 J i 4-5 " 1 F G H CONCENT.50E + 09 0 2.SUM($H$4t/$H$7) .8)] sujeto a la restricción de los estándares de calidad del agua que se deben satisfacer para todas las partes del sistema (16.X4 2 < 1 (16. 4 2. y el costo del tratamiento para la Ciudad 1.00 20 0 / 47.X . La columna I 11 MLLENE el cálculo de la concentración de acuerdo con la ecuación (16.10) De esta forma. CIUDAD P X W D 1 1 .00E-06 '""•ip'lÍ 2 2.6 2.27 20 0 / 22.8)].5 « f f 2-3 5.OOE + 09 0 1E + 0 9 2. Las celdas F4 y H 4 están sombreadas para UN II.35 Í B i " 3-4 1.

No tratada Tratamiento Descarga Estándar Ciudad P X W d en el río deCA ! 1 .blogspot. 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.6 H Costo de tratamiento •16QQ. ya que el recuadro de diálogo despliega sólo seis restricciones a la vez.35 3-4 1. se abre un recuadro de diálogo con un reporte sobre el éxito de la operación. Sensibilidad y Límites.5 2-3 5.00E-06 20 2 2.28 4. se elige la selección Solver del menú Tools.$°§tG§ . requiriéndole la información pertinente. Concent. OBSERVE quo AUN CON EL HECHO DE QUE NO SE REQUIERE TRATAMIENTO PARA LA CIUDAD 4 .00E-06 20. LA CONCENTRACIÓN EN SU PUNTO DE MEZCLADO ACTUALMENTE EXCEDE EL ESTÁNDAR.5E + 09 15.00 4. un recuadro de diálogo se desplegará. Una vez que se crea la hoja de cálculo. observe que se ha generado 3 reportes: Respuesta.50E + 09 0 2. FIGURA 16. el Solver obtiene la solución correcta.75E + 09 20. Antes de aceptar la solución (al seleccionar el botón OK en el recuadro reporte del Solver).6.00E + 07 0. Seleccione el reporte Sensibilidad y después presione el botón OK para aceptar la solución. la cual se muestra en la figura 16.5 1E + 09 2.7. como el de la figura 16. A :B -.00E-06 Flujo en Remoción Seqmento Total el río en el río 1-3 1.00E + 09 0.00E + 07 0.10E + Q8 0. D i 6 t Costo m í n i m o del t r a t a m i e n t o de a g u a s de desecho Costo unit.00E-06 4 2. En este punto. Cuando se selecciona el botón OK. 2000 9000 0 1 2 3 4 6 10 HfH •Pl 20 20 20 20 4-5 http://libreria-universitaria.OOE + 09 0.5625 1. Para el presente caso.OOE + 09 0.6 RESULTADOS DE MINIMIZACIÓN.00 0 4.8 2E + 0 8 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.com 2. El Solver generará automáticamente un reporte de sensibilidad. LOS ESTÁNDARES DE CALIDAD DEL AGUA SE CUMPLEN A UN COSTO DE 12 600/DIARIOS.

00 _ 20. Restric. De hecho. la concentración en la ciudad 4 será en realidad menor que el estándar (16.8 0. Como un ejercicio final. 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 . El precio anticipado es un valor que expresa la sensibilidad de la función objetivo (en nuestro caso.90909091 Ahora examinemos la solución (véase figura 16.8375 0. Ciudad X 10 c c 1 2 3 4 0. 3 Comparación de los dos escenarios involucrando el impacto de diferentes regulaciones sobre los costos de tratamiento. revela que el precio anticipado más grande.72 20 17.5625 0 _0 0 10000 4000 16000 10000 !. 30 1200 16000 10000 Valor final Precios anticip.28 mg/L). representa el costo adicional en que se incurrirá al hacer los estándares más restrictivos.E+.640 20 20 10 10 http://libreria-universitaria. Como se muestra en la tabla T A B L A 1 6 . aunque no se requiere tratamiento para lo ciudad 4.8 0. — $440/Ac .$19.6). .5625 0 Costo .7 es el precio anticipado.5 0..5 0. el costo) con una unidad que cambia una de las restricciones (estándares calidad-agua). se puede disminuir los estándares 3-4 y 4-5 para ahora tener 10 mg/L. ocurre para uno de los cambios de estándar (es decir.30'____ 0 ! I + . Para el caso actual. corriente abajo de la ciudad 3) que se están contemplando. se disminuye el valor en las celdas G6 y G7 a G10).$12.7 k'nporte de sensibilidad en uno hoja de cálculo lista |Kiia evaluar el costo de liiitumiento de aguas sobre un sistemo de ríns renulndo.28 -30. = 2 0 Ciudad X Escenario 2 : C o r r i e n t e a b a j o c.00 6 .00 -440. la columna clave de la figura 16.00 15.blogspot. $F $5 __conc $F$6 $F$7 conc_ conc 20.m M i c r o s o f t Excel 5 . Para nuestro ejemplo.87878788 15. Por tanto. í3 Esto se confirma cuando se vuelve a ejecutar el Solver con los nuevos estándares (es decir. se puede examinar el reporte de Sensibilidad. " ° 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 0.600 20 20 20 15.00 20 20 20 _ 1E+30 _ 20 4.264 Costo . E s c e n a r i o 1 : T o d a s l a s c. 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 .28 1 2 3 4 0. Antes de hacer esto. LD Aumento permisible Disminución permisible FIGURA 16. Observe que el estándar ajustara en todos los puntos de mezclado.com .5 0. Esto indica que nuestra modificación será costosa.

FIGURA 16.434 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN 16. Además. + «1 A R 2 M — F I '3 FIGURA 1 6 . R = 12 Q. 1 1 ) a Sustituyendo los valores de los parámetros dados se obtiene la gráfica mostrada en ln figura 16.9.3 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. El circuito simple con resistencias mostrado en la figura 16. A partir de las leyes de Kirchhoff se puede obtener una expresión para la potencia del circuito.8 Un circuito resistor con un resistor ajustable.blogspot. a) Encuentre el valor de la resistencia ajustable R que maximiza la transferencia de potencia a través de las terminales 1 y 2.8 contieno tres resistores fijos y uno ajustable. al reducir el estándar de concentraciones para las llegadas inferiores significará que la ciudad 4 debe comenzar a tratar sus desechos. 9 Una gráfica de transferencia de potencia a través de las terminales 1-2 de la figura 1 6 . + Ri + Ri) + RiRa + R3R2 ( 1 6 .3. o potenciómetro. Los resistores ajustables son llamados potenciómetros Los valores para los parámetros son V = 80 V.com . Observe que la máxima transferencia de potencia ocurre en una resistencia de aproximadamente 16 Q. y R = 10 Ll. y que la ciudad 3 debe actualizar su tratamiento. 16. b) Realice un análisis de sensibilidad paiu determinar cómo varía la máxima potencia y el valor correspondiente del potenciómetro sobre un rango de 45 a 105 V l 2 3 a Solución.8 como una función de la resistencia del P(R ) a 40 20 Potencia potonciómetro R . Observe también que no se afecta el tratamiento en las duda des corriente arriba. como P(R ) a = Ri(RVRiR. el resultado es que el costo del tratamiento aumentó de $ 12 600/diarios u $ I 9 640/ diarios. R = 8 Q. 0 0 http://libreria-universitaria.

Solver obtiene la misma solución correcta mostrada en la figura 16. Tal podría ser el caso para la segunda parte de esta aplicación. http://libreria-universitaria. Después. Una forma preferible sería involucrar el desarrollo de una función macro que llegue al óptimo. Tal función es enlistada en la figura 16. observe que una función se debe definir también para calcular la potencia de Acuerdo con In ecuación (16. En este punto se desplegará un recuadro de diálogo requiriendo de usted la información pertinente.44 Q. la ecuación (16.3 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.blogspot. Observe la similitud tan cercana con el pseudocódigo de la búsqueda de la sección dorada que se presentó en la figura 13. d) En la figura (16.com . 7 8 9 30. pero esto será ineficiente.11).11) se puede introducir en la celda B9. el resultado es una potencia de 30. Entonces el valor de R (celda B8) puede ser variada en forma de prueba y error hasta que se tenga un residuo mínimo. Para este ejemplo. se desarrollará un programa macro en Visual BASIC para realizar un análisis de sensibilidad.44445 t D 3 4 5 6 FIGURA 16. Un planteamiento superior involucra usar la opción Solver del menú Tools de la hoja de cálculo. Para el caso actual. aunque el procedimiento anterior es excelente para una sola evaluación.11).1 ¿. 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. no es conveniente para los casos donde se deben emplear múltiples optimizaciones. se emplea la prueba y error y la opción Solver. se despliega un recuadro de diálogo con un reporte sobre el éxito de la operación.5.11. donde estamos interesados en determinar en qué modo la potencia máxima varía para diferentes valores de voltaje. Primero.10) se muestra una hoja de cálculo Excel para implementar la ecuación (16. Como se indica. b) Ahora. Además.03003 =(B3*B6*B8/(B4'(B8+B5+B6)+B6*B8+B6*B5)) 2/B8 A Resolveremos este problema en tres formas con la hoja de cálculo Excel.03 W con un valor en el potenciómetro de R = 16.10 l>ciluminación en Excel de ln polc-ncia máxima a través i lo un potenciómetro niiKJiíinle prueba y error.10. Está claro que el Solver podría llamar muchas veces los diferentes valores de los parámetros.

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

\ \ \ Cálculo de la potencia] =(A9*$B$5*B9/($B$3*{B9+$B$4+$B$5)+$B$5*B9+$B$3*$B$4))*2/B9 FIGURA 16.$B$7.12. 5 0 1 6 8 9 6 0 16. 7 3 1 4 2 Llama a la macrofunclón hecha en V i s u a l B A S I C Oro ($B$6.1 1.89189 75 16. mientras la referencia con Ves relativa. Advierta que. 4 4 4 4 4 9 . el resultado es como el mostrado en la figura 16. 4 4 4 4 4 5 1 . 16. se tiene una a FIGURA 16.12 I li > | u de cálculo de Excel para implementar un análisis de sensibilidad de la potencia máxima con variaciones de voltaje.11) en la celda C9. se incluye también parámetros en la función argumento.com .44444 16.$B$3. Una estrategia similar se usa para introducir la ecuación (16.39358 90 16.44444 26.blogspot.13 se observa que la potencia aumenta con el voltaje. I ski iijlina accesa el programa macro para la búsqueda de la sección dorada de la figura 16. *JF>' 1 M á x i m a t r a n s f • r a n c i a de potencia Rl 8 R2 12 R3 10 Rmín 0. las referencias a los valores iniciales superior e inferior y las resistencias son absolutos (esto es. La potencia máxima se puede trazar para visualizar el impacto de las variaciones de voltaje. La hoja de cálculo indica que para un mismo valor. mientras que la referencia relativa corresponde al voltaje en el mismo renglón.44444 38.$B$5. Los resultados para los valores correspondientes en el potenciómetro (R ) son más interesantes.00676 105 1 6 . Además.13 Resultados del análisis de sensibilidad para el efecto de las variaciones de voltaje sobre la máxima potencia.A9) ' I f ' ' 1 1 1 1 1 1 1 / llliilíliiim w \ TI'. las referencias absolutas queden fijas. En la figura 16.$B$4. Esto se hizo de tal forma que cuando la fórmula se copie. http://libreria-universitaria.LIE.1 Rmáx 100 V Ra ^ PiRal 45 1 6 .44 £2. incluyendo el signo $). Cuando se copian las fórmulas hacia abajo.

Este problema se puede plantear al desarrollar la siguiente ecuación para ln energía potencial del sistema de frenado. En particular.0001 m . 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.4 D I S E Ñ O DE U N A BICICLETA DE M O N T A Ñ A (INGENIERÍA MECÁNICA/AEROESPACIAl) Antecedentes.438 APLICACIONES EN LA INGENIERÍA: O P T I M I Z A C I Ó N potencia máxima. 1 4 a) Una bicicleta de montaña junto con b) un diagrama de cuerpo libre para una patio <lnl marco. Tal resultado podría ser difícil de intuir basado en una inspección casual en la ecuación (16.56 m. Determine los desplazamientos para uun fuerza de 10 000 N y un rango de los 8 desde 0°(horizontal) hasta 90° (vertical). otras especial i dades de la ingeniería deben tratar también con el impacto de fuerzas sobre los dispositivos que ellos diseñan. 16.5 m. http://libreria-universitaria.1 .11). 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.14&. V{x.14a).44 m. 11 2 Solución. w — ancho = 0. los ingenieros civiles son más comúnmente asociados con el diseño estructural.blogspot. Se puede resolver los desplazamientos e n * y y al determinar ION valores que den una energía potencial mínima. y h = altura = 0.^ i . Sin embargo.com .\ — )y 2 2 . como se ilustra en la figura 16. 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. l = longitud = 0. Por su trabajo en la industria de la construcción. 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.y) = 1— J x + . A área de sección transversal = 0.Fx eos 6-Fy sen 0 (16. Suponga que las fuerzas que usted debe analizar se pueden simplificar.'| FIGURA 1 6 .

000786 y y = 0.16.4 D I S E Ñ O D E U N A BICICLETA D E MONTAÑA Resolviendo para un ángulo en particular es tarea simple. En cualquiera de los casos.12) los valores de los parámetros dados y obtener V(x.8660v El mínimo de esta función se puede determinar de diferentes formas. Esto se manifiesta también en la figura 16.blogspot. las deflexiones podrían ser más uniformes. Una tercera forma de plantear el problema podría ser mediante el uso de un lenguaje de programación como Fortran 90. o FIGURA 1 6 .156.15. para este caso.15a).3. Si w fuera mayor. de tal forma que se puedan implementar optimizaciones múltiples en forma simultánea.0000 o o 30 60 90 0 I I I I I I I I I http://libreria-universitaria. Sin embargo. se pueden sustituir en la ecuación (16.5000JC . 0 0 1 0 r- m 0. Queda claro que.y) = 5 512 026x 2 + 28 471 2 1 0 / . Por supuesto que se puede implementar el Solver de Excel en forma repetida para diferentes valores de 6 con el fin de verificar cómo se modifica la solución con el cambio de ángulo.62 con deflexiones de x = 0. los resultados se muestran en la figura 16. Para 6 ~ 30°. a) 0 . la energía potencial mínima es — 3.com . En forma alterna. observe que la deflexión x es mucho más pronunciada que en la dirección y. un algoritmo de búsqueda multidimensional debería implementarse. Como se esperaba (véase figura 16. Ambos resultados se deben a la geometría del marco de la bicicleta. 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°). Por ejemplo.0000878 m. donde la energía potencial es mayor a bajos ángulos. mediante el Solver de Excel. 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. se puede escribir un macro en la misma forma que se hizo en la sección 16.0005 - 0. junto con un software de librerías para métodos numéricos tal como el IMSL.

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. Realice el diseño de tal forma que sean mínimos el área del fondo y sus lados.2 Diseñe el contenedor cónico óptimo (véase figura P16. El contenedor va a almacenar 0.2 Un contenedor cónico con tapa.5 Una planta química produce tres productos principales on una semana.'). Encuentre el valor de c para el cual el cree i miento es un máximo. Interprete el resultado. El contenedor va a almacenar 0. Cada uno de estos productos requiere una cieiln cantidad de materia prima química de diferentes tiempos do producción. FIGURA P 16.4.440 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN PROBLEMAS 16.3 Diseñe el tanque cilindrico óptimo con tapas semiesféricas (véase figura P16.3).8c + c + 0.1 Un contenedor cilindrico sin tapa. 16. 16.1 hr/kg $30kg lOkg/kg 0.05 hr/kg $30/kg 4 kg/kg 0.2 hi/kg $35/kcj" 3 000 k<] . 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. 16.1) de tal forma que abra por un extremo y tenga paredes de espesor insignificante.2) de tal forma que tenga una tapa y paredes de espesor insignificante.com .1 Diseñe el contenedor cilindrico óptimo (véase figura P16.3 Un contenedor cilindrico con tapas semiesféricas.'> II/MHIKIIUI http://libreria-universitaria. A=n(h 2 + r) 2 V = — a) Diseñe el tanque de tal forma que el área sea minimizada. Abierto h Como se ilustra en la figura Pl 6. y se obtiene diferentes ganancias. b) Repita el inciso a).2 m . El contenedor va a almacenar 0.2 m y tiene paredes de espesor insignificante. pero ahora agregue la restricción L > 2/i.blogspot.4 La razón de crecimiento específico de una fermentación que produce un antibiótico es una función de la concentración de comida c. 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 m . 2c ~ ~ 4 + 0. Realice el diseño de modo que tanto su tapa como sus lados sean minimizados.2c 8 2 3 FIGURA P l 6. 16.

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

0. 0. / = 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. La columna debe soportar la carga bajo esfuerzo de compresión y no pandearse. en algún tiempo de travesía. perímetro mojado es la longitud de los lados del canal y l'ondo que están por debajo del agua.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. Desarrolle y resuelva este prolacosto.blogspot. 0 1 6 y . S = pcndienlo ilol ° (. Determine el tiempo de travesía crilii-u y la concentración dados los siguientes valores: donde c.d (I 1 50 m g / L S = 1 mp/l. los diámetros disponibles para los tubos están entre 1 6 1 . 2 donde p = densidad del material del tubo = 0. 3 W ndlllp [d]. A R = — P c donde perímetro mojado (m). Por lo tanto. y t .-*«' _ _ (i canal (sin dimensiones.2) blema al determinar los valores que minimizan el Observe que H = 275 cm.05x .. dimensiones usado para parametrizar la fricción del c a n a l ) .. para un c a n a l i w tangular.442 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN donde o = concentración de oxígeno disimilo |nig/L. 0 5 d~' s 2 d= 0= 0.9 + 0. o . { 2 = 10 cm. como el pe/.1 d" 1 k h 2 a = O.9.9) y R = radio hidráulico (m).. ya que representa la uhiciuií'in para flora y fauna que dependen del oxígeno.21y . por sus iniciales en inglés) [d 1. = 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. Por ejemplo./. <> con centración saturada de oxigeno [mg/L].com .9). k = razón de reatiaeión |il 1 y S = demanda de oxígeno sedimentado [mg/L/dj.0 La distribución bidimensional de la concentración de mn taminantes en un canal se puede describir con c(x.1 0 < x < 10 y 0 <y < 20. t . l 2 C 16.0025 kg/cm .007x>' l = \dt[d> + ?) áedyt d = dmodelo t = det — Q=n -A R ' S ' Streeter-Phelps 3 i 2 2 2 k d L Determine la localización exacta de la concentración pico dinln la función y con el conocimiento de que el pico cae dentro do lun fronteras . P = 2 000 kg. FIGURA P 1 6 . L d b c x | n i u / l |.1 El flujo Q [m /s] en un canal abierto se puede predecir con d y d y el espesor entre í. ecuación de Manning (recuerde la sección 8.0. Finalmente. 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). i|iits sería la más esforzada. 9 • ok + k k Oxígeno dísuelto "a la deriva" por debajo del punto de descarga de desechos en un río. la ecuación (l>Id.13. P= H c| http://libreria-universitaria. 1 x _1 1 a Esfuerzo real (o) < esfuerzo máximo de compresión = 03. metros de caída por metro de longitud).") pin duce un oxigeno "disuelto" que alcanza un nivel mínimo cillli n. el cual se relaciona para m á s purA < s d metros fundamentales por s a 2 A. k iii/ón de asentamiento de (BOD) [ d ] .1 cm y 1 cm. debajo del punto de desairan Este punto es llamado "crítico". Como su nombre lo i n d i c n . Como se indica en la figura P16.l 1 6 1 . = área de sección transversal del canal (m ). 2 3 1 2 1 cm.t + 0. -= 4 y c = 2 son factores de costo y W — peso del tubo. (P16. y) = 7. esto se define como P = B +2H donde = profundidad (m). Se puede usar el cálculo para demostrar que JiEI H dt 2 o= L k s 10 m g / L k = 0 . E = 900 000 kg/cm .0 .

Encuentre a y b que maximice L. . entonces se requiere que 6 2 7a N/b 2 bc_ 25 V Encuentre las corrientes que maximizan la potencia transferida a las baterías. . 16.com .blogspot. N = número de vueltas ya.V = 0.003 y Q = I nvVs. b) Repita el inciso anterior.min FIGURA P16.PROBLEMAS u) Dados los parámetros // .14 El circuito mostrado en la figura P16. 1 4 Un circuito eléctrico. Is > 0 16.12 Las dimensiones de un solenoide. x 2 Ingeniería eléctrica 1 6 . h. Suponga que cada corriente puede variar entre los límites superior e inferior. 2 donde c es un factor de costo por excavación = 100 $/m y c es un factor de costo por alineación $50/m.max FIGURA P 1 6 . i — i.h. determine los valores de H y II que minimizan el perímetro mojado. Para realizar esto minimice la siguiente función de costos. http://libreria-universitaria.13 Un circuito eléctrico se diseña para usar una fuente de 40 volts para cargar baterías conectadas en paralelo de 15 V.15. 443 40 V C = A + cP Cl 2 FIGURA P l 6.. h. 1 2 Un modelo para un solenoide se puede expresar como L = S + 6(a/b) + W(c/b) donde L = inductancia.byc describen la geometría como la mostrada en la figura P16.12. Encuentre las resistencias de modo que la potencia total disipada por el circuito sea un mínimo. pero esta vez incluya el costo de excavación. Se quiere maximizar L para una longitud dada del alambre ( con un área de sección transversal ^ . Advierta que un cálculo como éste podría minimizar el costo si los costos de alineación fueran mucho mayores que los de excavación.0. 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.0. S i € = 2 m y ^ = 1 0 ~ m . 6 V y ¡ < 4 h < 3 U 2 2 S N 1 \Q' N 6 I\.13 Un circuito eléctrico en paralelo para cargar tres baterías. c) Analice las implicaciones de sus resultados.14 consiste de cinco resistores y sus respectivas corrientes.

com .18 Cuatro resortes helicoidales se pueden usar para soportar un vagón de tren que transporta bicicletas de montaña a Denver.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. 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 = 0.5p 2 2 2 La demanda total de potencia es 30. El costo de generación de potencia en las plantas 1 y 2 están dadas por Fi = 2p + 2 x La figura P16. Formule este caso como un problema de optimización restringida. 16. W = peso y V = velocidad. el esfuerzo constante para 9 000 psi. Las pérdidas de potencia debido a la transmisión. 16.3 Í + 4 ) 2 < 0.Í ) ( 4 Í . a = razón de la densidad del aire entre la altitud de vuelo y el nivel del mar. 1 7 Gráfico de arrastre contra velocidad para un alerón. Use un método numérico para determinar la desviación a la cual ocurre el máximo par. etcétera. L.15 Un sistema consiste en dos plantas de potencia que deben entregar cargas sobre una red de transmisión. determine el arrastre mínimo y la velocidad a la cual esto ocurre.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.5 y W = 15 000. D. donde la desviación se define como s = n-riR n donde D = arrastre. IMSL. Ingeniería mecánica/aeroespacial 16.2p.blogspot.5. T 4 3 D 20 000 http://libreria-universitaria. Mathcad.15 FIGURA P16. b) Además. FIGURA P 1 6 . y se requiere que el esfuerzo cortante sea mayor de 120. La combinación de estos dos factores llevan a un arrastre mínimo. 1 p L =0.15 pulgadas.17. Mientras que el arrastre por fricción aumenta con la velocidad. el diámetro de la espiral (D) y el número de vueltas (Af) que minimice el peso del resorte y limite la deflexión a 0. 16. Determine la generación de potencia requerida para cumplir con las demandas.16 muestra esta función. los dos factores que contribuyen al arrastre son afectados en forma diferente cuando la velocidad aumenta. es decir. Este problema se puede formular como el siguiente problema de optimización: M i n i m i z a r ^ . Como se observa en la figura P16. el arrastre por empuje disminuye.444 APLICACIONES EN LA INGENIERÍA: OPTIMIZACIÓN y que la caída de voltaje a través de cada resistor sea constante.16 Par transmitido a un inductor como una función de deslizamiento.2pi + 0 . están dadas por Li =0. mientras se minimizan las costos usando una rutina de optimización como las que se encuentran en Excel. N) = sujeto a Deflexión = 8FD /V 3 donde n = revoluciones por segundo de la velocidad de rotación del estándar y n — velocidad del rotor. a) Si o = 0. +0. Se desea encontrar el diámetro de alambre (d). V¡ = RJi = constante. 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 .

http://libreria-universitaria. 0. obtenemos Minimizar F(d. El aditivo se compone de tres ingredientes: X. N) = QJd DN 2 K/'7> d 2 Frecuencia natural = -—.4 1 +x 2 + x Encuentre la x que maximiza/(se). 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.4 0. D. Además. > 1 135> 1 DN d. Ijljin D N_ > 120 sujeto a d 110—r— > 1 4 3 d D 3 FIGURA P 1 6 .20 Una compañía aeroespacial está desarrollando un nuevo aditivo de combustible para aerolíneas comerciales. la cantidad total de aditivo debe ser de al menos 6 mL/ L de combustible.15. D. Para un comportamiento máximo..< 9000 nd' •JGg d. determine el costo mínimo de la mezcla por cada litro de combustible.N > 0 2 Resuelva para d. la cantidad del ingrediente . Y y Z es 0. y el Z debe ser mayor que la mitad del Y..05. respectivamente. D.. N > 0 Si los valores dados para la carga y los parámetros del material se sustituyen. 16. Por razones de seguridad.==— _.025 y 0. 16.19).DyN.blogspot.443 Esfuerzo cortante = K<—». el total de los altamente flamables ingredientes Xy Y no debe exceder de 3 mL/L.19Los rodamientos de rodillo están sujetos a fallas por fatiga causadas por grandes cargas por contacto F (véase figura P16.Ydebe ser siempre igual o mayor que el Y.com . Yy Z. Si el costo por mililitro de los ingredientes X.

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

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

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

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

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

395 6.1 6.452 AJUSTE DE CURVAS TABLA PT5. La medida más común de espaciamiento para una muestra alrededor de la media es la desviación estándar (s ).715 6.y? (PT5.com d a nu n multado lin sentido al Observe que el denominador en ambas ecuaciones (PT5.775 6. Esta nomenclatura se deriva del hecho de que la suma de las cantidades sobre las cuales S se basa (es decir.665 6.495 6.2) y (PT5.555 6.. el valor restante es fijo.715 6. las ecuaciones (PT5. al cual se le llama la varianza: (PT5.. o S. si las mediciones individuales están muy espaciadas alrededor de la media.615 6. o y = A - (PT5.505 6.3) t Así. si y es conocida y se especifican los valores de n — 1.575 6. y s se dice que se hallan basadas en n — 1 grados de libertad.515 6. es la suma total de los cuadrados de los residuos entre los datos y la media. Si están agrupadas cerca de ella. Así.2) donde S.595 6.1) donde la sumatoria (y todas las sumatorias que siguen en esta introducción) va de i = 1 a n.4) es n — 1. en consecuencia. La localización estadística más común es la media aritmética. la desviación estándar será pequeña.685 representar 1) la posición del centro de la distribución de los datos y 2) el grado de aproximación de los datos fijos. Por tanto..blogspot. h -g¿ (PT. Sy) será grande.. y — y .4) y t { 2 n infinito. La media aritmética (y) de una muestra se define como la suma de los datos individuales (y¡) dividida entre el número de puntos («).. En consecuencia.2) y (PT5.635 6.625 6.485 6. La cantidad n — 1 está referida como los grados de libertad.655 6. y — y .435 6.755 6. sólo n — 1 de los valores se dice que están libremente determinados. Para el caso donde n = 1.555 6.4) http://libreria-universitaria. El espaciamiento también se puede representar por el cuadrado de la desviación estándar. S (y.655 6..565 Mediciones del coeficiente de expansión térmico para acero estructural 6. y — y ) es cero. S. .605 6. = S {y.625 6. Otra justificación para dividir entre n — 1 es el hecho de que no existe como In dispersión de un solo punto.

1)] 6. _ £j¿ . ( EJEMPLO PT5.3.5)]: c.6 http://libreria-universitaria.1.1 „ „„ =0.com . Los datos son sumados (tabla PT5. Con frecuencia se multiplica por 100 para que se pueda expresar en la forma de porcentaje: c. Tal estadística es la razón de la desviación estándar a la media. es la razón del error de medición ( Í ) a un estimado del valor real (y).009435 y el coeficiente de variación [ecuación (PT5.2.47% 6. Como tal. Una estadística final que tiene utilidad en cuantificar la dispersión de datos es el coeficiente de variación (av.217000. = ^ 100% y (PT5.I-IJJ. los cuales se pueden usar para calcular la desviación estándar [ecuación (PT5. Es decir.). = 0.6 24 Como se observa en la tabla PT5.blogspot.4). varianza.4)]: = 0.Ü ArNrctCDCNTC5 M A T E M Á T I C O S 4 1 » Se debería observar que hay una fórmula alterna más conveniente para calcular ln desviación estándar. Calcule la media.v.097133 la varianza [ecuación (PT5. Solución. al error relativo porcentual (e ) analizado en la sección 3.5) Observe que el coeficiente de variación es similar. proporciona una medición normalizada de la dispersión.1 Estadística simple para una muestra Enunciado del problema.2) y los resultados se usan para calcular [ecuación (PT5.217000 24.v. desviación estándar y coeficiente de variación para los datos de la tabla PT5.097133 — 1 0 0 % = 1. la suma de los cuadrados de los residuos es 0.2)]: y = - 1 5 8 4 0. en esencia.(X^) /« 2 2 Esta versión no requiere el cálculo previo de y y se obtiene un resultado idéntico al de la ecuación (PT5.

68 6.2. Las unidades de medición se grafican en la abscisa y la frecuencia de ocurrencia de cada intervalo en la ordenada.001225' 0.555 6.blogspot.2.395 6.72 6.004225.685 6.013225 ' 0.009025 0. la forma con la cual se distribuyen los datos alrededor de la media). el histograma para este caso en purticulur se aproxihttp://libreria-universitaria.40 6. en forma de campana que se sobrepone como en la figura PT5. 0.655 6.48 6.030625 1 Frecuencia inferior Límite ~ .003025 0. Un histograma proporciona una representación visual simple de la distribución.024025 ' 0.36 6.575 6. .001225 ' 0.72 6.485 6.655 6.52 6.76 6. Intervalo superior Limite 1 1 6.64 6. se construye el histograma al ordenar las mediciones en intervalos.000625 • 0. Si se tiene un conjunto de datos muy grande.-yf 0.625 6.505 6.007225 .2 La distribución n o r m a l Otra característica que soporta el presente análisis es la distribución de datos (es decir.515 6.AJUSTE DE CURVAS TABLA PT5.000625 .80 0.715 6. Las frecuencias y límites son desarrolladas para construir el histograma que se muestra en la figura PT5 .007225 0.775 158. 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 6.64.555 6. cinco de las mediciones se encuentran entre 6.40 6.64 3 6. 0.003025 0.217000 PT5.2 Cálculos estadísticos de las lecturas del coeficiente de expansión térmico.6.595 6. Como se observa en la tabla PT5. el histograma a menudo se puede aproximar a una curva suave.01 1025 0. La curva simétrica.027225 0.56 6.002025 0.665 6.2.435 6.000025 0.76 6. Como se ve en la figura PT5.495 6.013225 > 0.605 6.635 6.615 6.2. 0.60 6.013225 1 0.56 3 6.4 (y.715 6.000225 0.60 5 6.042025 0.68 3 1 1 6.000025 " 0.625 6.565 6. es una característica de forma (la distribución normal).2. Así.52 6.44 4 2 6. Dadas suficientes mediciones adicionales.755 6.002025 " 0.60 y 6.com mará eventualmente a la distribución normal. el histograma indica que la mayoría de los datos se agrupan cerca del valor de la media de 6.000625 0.

Z ANTECEDENTES MATEMÁTICOS 481 FIGURA PT5.blogspot. Por ejemplo. con base en la muestra. En tanto el número de puntos aumente. Si alguien nos dijera que tomó un valor de lectura de 7. http://libreria-universitaria.2 Se usa un histograma para ¡lustrar la distribución de datos. para los datos de la tabla PT5. Si una cantidad está normalmente distribuida.405734 y 6.6 y s = 0.com .1 (y — 6. el rango definido por y — s a y + s abarcará en forma aproximada el 68% de las mediciones totales. entonces se podría sospechar que las mediciones fueron erróneas. En consecuencia. una de las principales metas de la estadística es estimar las propiedades de una población basada en una muestra limitada tomada de esa población. Los conceptos de la media.794266.1 y PT5. se puede afirmar que aproximadamente el 9 5 % de las lecturas deberían estar entre 6. el rango definido por y — 2s a y + 2s abarcará alrededor del 9 5 % .2. Es evidente que es imposible medir el coeficiente de expansión térmica para cada pieza de acero estructural que no se haya producido. En forma similar.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. Un ejemplo muy simple es su uso para cuantificar la confianza que se puede adscribir a una medición en particular.35. y y y y v PT5. En la siguiente sección se trabaja sobre tales evaluaciones. llamada distribución normal. el histograma se podría aproximar a una curva suave en forma de campana. suma de cuadrados de los residuos y distribución normal tienen una alta relevancia en la práctica de la ingeniería. intentar caracterizar las propiedades de lodu población.2. se puede realizar un número de mediciones en forma aleatoria y.097133).PT5 . como se muestra en las tablas PT5.

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

com . conocemos solamente la varianza http://libreria-universitaria. Esto significa que un intervalo alrededor de la media con ancho + 1. donde L = y . Ellos también pueden ser calculados mediante funciones en paquetes de software y librerías como Excel e IMSL. 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.05 (en otras palabras.blogspot. Como un ejemplo. está basado en un conocimiento de la varianza real o.36). La escala en la abscisa en a) se escribe en las unidades naturales de la variable aleatoria /. para a = 0. aunque lo anterior proporciona un estimado de L y U.2 ANTECEDENTES MATEMÁTICOS F I G U R A PT5. La cantidad z^ es una variable aleatoria normal estándar.PT5.96 veces la desviación estándar abarcará en forma aproximada el 9 5 % de la distribución.3 Un intervalo de confianza de dos lados. 1995). z es igual a casi 1.96.-^z a/2 U = y + -^z o / 2 (PT5. Ésta es la distancia medida a lo largo del eje normalizado arriba y debajo de la media que cubre la probabilidad 1 — a (véase la figura PT5. Los valores de z^ están tabulados en libros de estadística (por ejemplo. — — < —Z /2 a O . Para nuestro caso. > Z /2 a con una probabilidad de a. Milton y Arnold. definiendo un intervalo que cubre el 95%). Esos resultados se pueden reordenar para obtener a/2 L < ix < U con una probabilidad de 1 — a.7) Ahora.

para n grandes.„-\ al U = y + ~ta/2. el teorema establece el resultado notable de que la distribución de las medias siempre será normalmente distribuida. el teorema establece el importante resultado que se ha dado en la ecuación (PT5. Gossett encontró que la variable aleatoria definida por la ecuación (PT5. Además. 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. ya que si n es pequeña. en forma simple. L = y ~zt 2.458 AJUSTE DE CURVAS Cuadro PT5. y la varianza de las medias.6). Esto es. y . Suponga que se toman n muestras y se calcula una media estimaday¡. Si la varianza es grande. la distribución es ancha. Por último. como n -> °°.8) maneja la tan conocida distribución estudiante — t o.y . la varianza de las medias deberá aproximarse a cero.9) http://libreria-universitaria. mejor serán las estimaciones para que se aproximen a los valores reales. y . y-¡. la distribución es angosta. la media de las medias debería converger sobre la media real de la población \i. se puede calcular una media estimada (y) y la varianza (s ). Para este caso. Así.• •. Después se toman otras n muestras y se calcula otra. la varianza real cuantifica la incertidumbre intrínseca de la variable aleatoria. por ejemplo.1 Un poco de estadística Existe un importante teorema conocido como el Teorema de Limite Central que responde en forma directa a esta pregunta. . por tanto. la distribución t. Entonces. que dada una muestra lo suficientemente grande. tiene una media real (n) y varianza (a ). y t = ^ ~ jí_ Sy/Vn (PT5. Como usted tal vez aún no ha tomado ninguno se mencionará algunas ideas con las cuales esta sección se haría más coherente. las estimaciones individuales de la media deberían ser pobres. Como se muestra en esta sección. esta fracción no será normalmente distribuida. 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.blogspot. si la varianza es pequeña. En el juego de la estadística. En tanto n aumente. y es aproximadamente normal con la media \iy la varianza C ln.. Se puede repetir este proceso hasta que se haya generado una muestra de medias: y . ¡sin importar la distribución en uso de las variables aleatorias! Esto también da el resultado esperado. en particular cuando n sea pequeña. 2 estimada s . grandes. De esta muestra. 2 n 2 2 La mayoría de los ingenieros han tomado varios cursos para ser competentes en estadística. Cuantas más mediciones se tomen. En forma opuesta. en este análisis se supondrá que tiene una distribución particular: la distribución normal. Además.6) basada en s . t i (PT5. se toma un número limitado de mediciones de esta cantidad llamada muestra..8) Aun cuando la muestra se tomó de una distribución normal. para n grandes. se acortará su dispersión. el teorema dice que en tanto se tenga tamaños de muestra más grandes. Se puede entonces desarrollar un histograma de estas medias y determinar una "distribución de las medias". la variable aleatoria (y — /i)/(o7 \/~ñ) es de manera aproximada la normal estándar. La varianza de esta distribución normal tiene un valor infinito que especifica la "dispersión" de la distribución normal. el "juego" de estadística inferencial supone que la variable aleatoria que usted muestrea. •. como a ln. y . Se puede enunciar como Sea y\. el resultado es la base para construir con seguridad intervalos para la media. y. Una alternativa más directa podrá ser una versión de la ecuación (PT5. Esto tiene sentido.y^>fiys ->o .com .. S. así como una "desviación estándar de las medias". Ademéis. Como se ha mencionado. W. la estimación de la media mejorará y. donde m es grande. Y una muestra aleatoria de tamaño na partir de una distribución con una media \1 y varianza O .

y a) La media y la desviación estándar para los primeros 8 puntos es = 6. Conforme n se haga más grande. por tanto. donde -\ ^ variable aleatoria estándar de la distribución t para una probabilidad de a/2.59 0. Por tanto.com .086.(52. = 6. _ = 2. se obtienen intervalos de confianza más amplios y. Cuando n es pequeña.364623 la cual se puede usar para calcular el intervalo /. La distribución t puede pensarse como una modificación de la distribución normal que toma en cuenta el hecho de que se tiene una estimación imperfecta de la desviación estándar. más conservativos. Observe cómo la distribución fes normalmente más plana.59 347. Determine la media y el intervalo de confianza correspon• diente al 9 5 % para los datos de la tabla PT5.1 = 0. para pequeños números de mediciones. los valores están tabulados en libros de estadística.089921 La estadística / correcta se puede calcular como ^0. la distribución t converge sobre la normal.4).8-1 = ¿0.7 = 2.4814 . Como fue el caso para z ^ .blogspot. Por ejemplo.PT5.72) /8 2 52.05 y n = 20.1.5148 http://libreria-universitaria.089921 -2. Ejecute 3 estimaciones basándose en a) las primeras 8 mediciones b) las primeras 16 y c) las 24 mediciones. y también pueden calcularse mediante paquetes de software y librerías. e s a n n x EJEMPLO PT5.2 Intervalo de confianza sobre la media \ Enunciado del problema. .4 Comparación de la distribución normal con la distribución f para n = 3 y n = ó.05/2.364623 = 6. si a = 0.72 .025. tiende a ser más plana que la normal (véase la figura PT5.2 ANTECEDENTES MATEMÁTICOS 459 Normal f(n-6) F I G U R A PT5 . Solución.

6652 78 o 6.068655 a/2. Milton y Arnold.5148 < ii < 6.460 AJUSTE DE CURVAS y -M 6.5590 6.131451 2.6304 6. concluimos que existe un 9 5 % de probabilidad de que la media real esté dentro del rango de 6.6410 * • U_ Estos resultados. 0 089921 U = 6.50 6. nuestra estimación del valor real se hace mhn refinado.5283 6.089921 0. cuantas más mediciones se tomen.6652. 5 . http://libreria-universitaria.5148 6. los cuales también se resumen en la figura P T 5 .blogspot. 1995) para obtener inlbrniii ción adicional sobre este tema.364623 2. Usted puede consultar cualquier libro básico de estadística (por ejemplo. Esos conceptos tendrán también rele vancia en nuestro análisis de modelos de regresión.60 Coeficiente de expansión térmica [x 1 0 . 3 6 4 6 2 3 = 6.6 n = 16 n = 24 6.6000 9_ * y t 0.5900 6.70 FIGURA PT5. Lo anterior es sólo un simple ejemplo de cómo se puede usar la estadística puní tomar decisiones con respecto a datos inciertos.097133 2. se pueden calcular en una forma similar y los resultados se tabulan junto con el inciso á) como « 8 16 24 6.6652 6.6652 Así. indican la respuesta esperada de que el intervalo de confianza se hace más estrecho a medida que n aumenta.65 pulg/(pulg • °F)] 6.59 + — — — 2 .n-\ 6. Así. con base en las primeras ocho mediciones.5794 6.095845 0. Los otros dos casos para b) con 16 puntos y c) con 24 puntos.5148 a 6.5 Estimación de la media e intervalos de confianza al 9 5 % para diferentes números de tamaño muestra.com .55 6.

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

8 Regresión no lineal 18.2 Polinomial ^de Lagrange_.2 Ingeniería civil 20.8 Librerías y paquetes 19.4 jMfnimos cuadrados) .5 Transformada discreta de Fourier _ FIGURA PT5.5 Comentarios adicionales St-i : 19.1 Polinomial de Newton 20. Nucslro énfasis on http://libreria-universitaria.2 Serie de Fourier continua ~íai~ Frec. El capítulo 19 tiene que ver con el procedimiento de la transformada de l'ourier puní el ajuste de curvas.4 Transformada de Fourier 18 Segmentarias 18.com esta sección seré sobre la transformada rápida de Fourier. Al final de este capitulo se .6.Jineal generaL 17.it¡\ CAPITULO 17 Regresión por mínimos cuadrados 17.blogspot.1 Regresión lineal 17.462 AJUSTE DE CURVAS PARTE 5 Ajuste de curvas 17.3 Regresión múltiple • f.6 Organización esquemática del material de la parte cinco: Ajuste de curvas.2 Regresión polinomial 17. y dominio del tiempo 19.1 Sinusoidales 19.3 Ingeniería •eléctrica iiír 20.4 Interpolación inversa j 19. CAPITULO 20 Aplicaciones en la ingeniería CAPITULO 18 Interpolación "Ta3~ Coeficientes ^polinomiales 18. Transformada jápida de Fourier/ 19.7 Espectro de potencia : CAPITULO 19 Aproximación de Fourier 19. donde funciones periódicas se ajustan a dalos.1 Ingeniería química 18.

Reconocer cómo se usan las series de Fourier para ajustar datos con funciones periódicas. 1. TABLA P T 5 . 5. civil. Además. En general. Entender que hay uno y sólo un polinomial de grado n o menor que pasa exactamente a través de n + 1 puntos. habrá aprendido a asegurar la confiabilidad de sus resultados y será capaz de seleccionar el método (o métodos) para cualquier problema particular. PT5. 12. 15. Excel.com . Saber cómo linearizar datos por transformación. Darse cuenta que los datos de los puntos no tienen que estar igualmente espaciados en cualquier orden particular. múltiples y no lineales. y que confundirlos puede provocar serios problemas. Entender situaciones donde son apropiadas las regresiones polinomiales. Reconocer que las ecuaciones de Newton y Lagrange son simplemente formulaciones diferentes de la misma interpolación polinomial. 7. los conceptos específicos dados en la tabla PT5. Reconocer las capacidades y riesgos asociados con la extrapolación. Por último. eléctrica y mecánica. Además. Entender la diferencia entre frecuencia y dominios del tiempo.2 M e t a s y objetivos Objetivos de estudio. 8. 14. Ser capaz de reconocer modelos lineales generales. 6. 2. 1 1. entender la formulación de una matriz general para mínimos cuadrados lineales y saber cómo calcular los intervalos de confianza de los parámetros. MATLAB e IMSL. Saber por qué las fórmulas de interpolación con igual espaciamiento tienen utilidad. 3. Los ejemplos se toman de las cuatro áreas principales de la ingeniería: química.3 deberán ser asimilados y manejados. algunas de las aplicaciones ilustran cómo se pueden aplicar los paquetes de software para resolver problemas de ingeniería. para esas metas generales. http://libreria-universitaria. Comprender la diferencia fundamental entre regresión e interpolación. usted habrá depurado en gran forma su capacidad para ajustar curvas con los datos. 10. se incluye un epílogo al final de la parte cinco. 16. 4. Entender por qué las funciones segmentadas tienen utilidad para datos con áreas locales de cambio abrupto. 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. así como un análisis de los elementos de juicio entre las técnicas y sugerencias para estudios en el futuro. y entender sus respectivas ventajas y desventajas. Entender la analogía entre el polinomial de Newton y la expansión de la serie de Taylor y cómo se relaciona el error de truncamiento. 9. 3 Objetivos específicos de estudio para la parte cinco. Después de completar la parte cinco. 13.3.4tt incluye también una revisión de algunos paquetes de software y librerías que se pueden usar para el ajuste de curvas. ya sea para los polinomiales de Newton o de lagrange. usted manejará las técnicas. Éste contiene un resumen de las fórmulas y conceptos importantes relacionados con el ajuste de curvas.blogspot. entre ellos se encuentran Mathcad. 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. Saber cómo derivar la interpolación polinomial de Newton en primer orden. 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.

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

si una interpolación de sexto orden se ajusta a estos datos (figura 17. Una manera para determinar la línea en la figura 17. (x„ .1¿»). Es decir. La expresión matemática para esta última es l l 2 2 V = c/<) + + (' (17.1 REGRESIÓN LINEAL El ejemplo más simple de una aproximación por mínimos cuadrados es mediante el ajuste de un conjunto de pares de observaciones: (x . la interpolación polinomial es inapropiada y puede dar resultados insatisfactorios cuando se usa para predecir valores intermedios. a causa de la variabilidad en los datos.1c es inspeccionar en forma visual los datos graneados y después trazar una "mejor" línea a través de los puntos. la curva oscila en forma amplia en el intervalo entre los puntos. a menos que los puntos definan una línea recta perfecta (en tal caso la interpolación podría ser apropiada).y ).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.y„) a una línea recta.blogspot. 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. 17. Una inspección visual de dichos datos sugiere una posible relación entre y y x. Aunque tales procedimientos por "vistazo" apelan al sentido común y son válidos para cálculos superficiales.5 parecen estar muy adelante del rango sugerido por los datos. Sin embargo. 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. que se analizará en este capítulo.com . Para hacer a un lado la subjetividad se debe concebir algunos criterisj^n el fin de establecer una base para el ajuste. pasará justo a través de todos los puntos. Es decir.1a se muestran siete datos derivados experimentalmente que exhiben variabilidad significativa.y ). En particular. • • •. La figura 17. Ahora. la tendencia general indica que los valores más altos de y son asociados con los valores más altos de x. Por ejemplo. (x . resultan deficientes por ser arbitrarios. en la figura 17. los valores interpolados en x = 1.1) http://libreria-universitaria. diferentes analistas podrían dibujar distintas líneas.5 y JC = 6. Una forma de hacerlo es derivar una curva que minimice la discrepancia entre los puntos y la curva.

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

2a. Obvia- FIGURA 17.2 Ejemplos de algunos criterios para "el mejor ajuste" inadecuados para regresión: a) minimiza la suma de los residuos.com . 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. Sin embargo.1 REGRESIÓN LINEAL 4*9 17.1 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. la cual muestra el ajuste de una línea recta de dos puntos.17. como lo ilustra la figura 17. 2 ) donde n — número total de puntos.1. éste es un criterio inadecuado.blogspot. como en J2 '< e = í = l (-' " °° " >) 1 y aix =1 ( 1 7 .

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

0051 6.5) (17.4) y resolver para a = y .0 (y. y pueden ser resueltas en forma simultánea nlx* - (Zx.7143 2 (yz-op-*»!*.com .6) + Q T X ? ) a i =£> y ¡ .1 Cálculos para un análisis de error del ajuste lineal. se puede usar en conjunto con la ecuación (17.3473 0.17. si hacemos que £ a = na .6) y (17.): 0 0 na + (X! ) ' ~X ^ ' x ai 1 0 a 0 0 O ' ) 7 4 (17.ax 0 x (17. _*f 1 j í I 1 2 3 4 5 6 7 S y > 0.5)-28(24) „„„„„„„ ai = — -V.6122 54.3265 0.7) 7(119.1 REGRESIÓN LINEAL 4 1 9 Ahora.8392857 7(140) .9911 2 http://libreria-universitaria.0 3.)* Este resultado.428571 Mediante las ecuaciones (17.0 ¿5..) 0. respectivamente. n = i ^JC.5 2.-y) 8. Estas son llamadas ecuaciones normales. podemos expresar las ecuaciones como un conjunto de dos ecuaciones lineales con dos incógnitas ( a y a.blogspot.5896 0. 24.-=: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 . entonces.7) donde y y x son las medias de y y x.(28) 2 a = 3 .5 2. Ajuste a una línea recta los valores de x y y en las dos primeras columnas de la tabla 17.8392857 (4) = 0.29Qg 22.1.0.= 0. Solución.8622 2.1 Regresión lineal i Enunciado del problema.5765 0.5 6.3265 0.0 4.5625 0.428571 . EJEMPLO 17.07142857 0 TABLA 17.7972 01993 2 .1687 0.0408 0.

1. Un número adicional de propiedades de este ajuste se puede elucidar al examinar más de cerca la forma en que se calcularon los residuos. junto con los datos. Además. 1981).8). una de las mejores) estimación de a y a (Draper y Smith.8) í=i Observe la similitud entre las ecuaciones (PT5. Recuerde que la suma de los cuadrados se define como [véase ecuación (17. y 2) la distribución de esos puntos cerca de la línea es normal. En la ecuación (17.3 El residuo en la regresión lineal representa la distancia vertical entre un dato y la línea recta. la línea es única y en términos de nuestro criterio elegido es una línea "mejor" a través de los puntos. 17. el ajuste por mínimos cuadrados es J y = 0.*.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. el cuadrado de los residuos representa el cuadrado de la distancia vertical entre los datos y otra medida de tendencia central: la línea recta (véase figura 17.3).1 resulta en una gran suma de cuadrados de los residuos. Se puede demostrar que si estos criterios se cumplen.07142857 + 0.470 REGRESIÓN POR MÍNIMOS CUADRADOS Por tanto. Medición a + a. En el primer caso.3)] (17.8392857* S La línea. 0 http://libreria-universitaria.3) y (17. el cuadrado del residuo representa el cuadrado de la discrepancia entre los datos y una sola estimación de la medida de tendencia central (la media).1c.blogspot. Así. son mostrados en la figura 17. Esto es conocido en estadística como el principio de probabilidad máxima. 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. la regresión por mínimos cuadrados proporcionará la mejor (es decir.com x . si estos criterios se 0 { FIGURA 17.8).

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

diferencia entre estas dos cantidades. Para r = r = 0. Como la magnitud de esta cantidad es dependiente de la escala. S = S. S — 0yr = r = 1. S — S . significa que la línea explica el 100% de la variabilidad de los datos. la diferencia es normalizada a S para obtener t r t r = 2 S t ~ S.blogspot. y el ajuste no representa ninguna mejora.472 REGRESIÓN POR MÍNIMOS CUADRADOS FIGURA 17.5 Ejemplos de regresión lineal con errores residuales a) pequeños y b) grandes.com . Para un ajuste perfecto. S r (17.10) donde r es conocido como el coeficiente de determinación y r es el coeficiente de conflación (— Vr ). cuantifica la mejora o reducción de error debido a que describe los datos en términos de una línea recta en vez de como un valor promedio. Una formulación alternativa para r que es mas conveniente para implementarse en una computadora es 2 5 2 r 2 r http://libreria-universitaria.

0. el error estándar del estimado y el coeficiente de correlación para los datos en el ejemplo 17. debemos tomar en cuenta algunas consideraciones.com .7143 r = V0 . 17.6). Calcule la desviación estándar total.9457 y / x „„. Además. ya que s < Sy. Como se mencionó antes. Draper y Smith (1981) proporcionan guías y material adicional con respecto al aseguramiento de los resultados para regresión lineal. Además. como mínimo. 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.7143 .2. 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.868 22.1.17. paquetes de software populares como Excel y Mathcad pueden implementar regresión y tienen capacidades de graficación. La mejora adicional se puede cuantificar por [véase ecuación (17.868 = 0 .932 Los resultados indican que el 86.1 EJEMPLO 1 7 .2)] 7 . Por ejemplo.9)] s /2. 2 REGRESIÓN LINEAL Estimación de errores para el ajuste lineal por mínimos cuadrados Enunciado del problema.= T J n ͱ1}ZÍ= 22 7143 1.blogspot.1. La inclusión de la capacidad resaltará mucho la utilidad del programu en los contextos de solución de problemas. La desviación estándar es [véase ecuación (PT5.1. Aunque los coeficientes de correlación proporcionan una manera fácil para medir la bondad del ajuste.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 17.7735 Así.8% de la incertidumbre original ha sido explicada por el modelo lineal. el modelo de regresión lineal tiene mérito. se deberá tener cuidado de no darle más significado que el que ya tiene. Si su lenguaje de computadora tiene capacidades de graficación. es posible obtener un valor relativamente alto de r cuando la relación en turno entre y y x no es lineal. recomendamos que expanda su programa para incluir una gráfica de y contra x mostrando ambos: los datos y la línea de regresión.1 y el error estándar del estimado es [véase ecuación (17. Así como r es "cercana" a 1 no significa que el ajuste es necesariamente "bueno". Las sumatorias se realizan y se presentan en la tabla 17. Solución.10)] y/x r" = 2 22. http://libreria-universitaria.9911 = ^ .9911 — =0. Como se describe en la siguiente sección. el software de métodos numéricos TOOLKIT incluye esas capacidades.

EHDDO xm = sumx/n ym = sumy/n a1 — (n*sumxy ~ sumx*sumy)/(n*sumx2 aO — ym — aUxm DO i= 1.1. g = constante gravitacional (9.ymf sr=sr+ (y¡ — a1*x¡ — aO) END DO syx = (sr/(n 2)) r2 = (st .blogspot. Un modelo empírico alternativo para la velocidad del paracaidista está dado por 2 i . Un modelo matemático teórico para la velocidad del paracaidista fue dado como el siguiente [véase ecuación (1.474 REGRESIÓN POR MÍNIMOS CUADRADOS 5U3 Regres(x. syx.5 kg/s. m = masa del para caidista igual a 68.6 Algoritmo para regresión lineal. En el ejemplo 2. El paquete de software de Métodos Numéricos TOOLKIT adjunto a este texto. n sumx = sumx + x¡ sumy = sumy + y¡ sumxy = sumxy + x¡y¡ sumx2 = sumx2 + x^x. n.10)]: v{t) S " (\ {-clm)t^ = — (1 ./ http://libreria-universitaria.8 m/s ).1 se desarrolló una gráfica de la variación de la velocidad.com l \ . El modelo predice la velocidad del paracaidista como una función del tiempo. y._ e0 1 C donde v = velocidad (m/s).3 Regresión lineal usando la computadora s : ! i ! Enunciado del problema. r2) sumx = 0: sumxy = 0: st ~ 0 sumy = 0: sumx2 = 0: sr = 0 DO ¡ = 1. como se describe en el ejemplo 1. » . Podemos usar este software para resolver un problema de prueba hipotético asociado con la caída del paracaidista que se analizó en el capítulo 1. EJEMPLO 17. contiene un programa de cómputo para implementar regresión lineal. aO.s r j / s t 2 03 — sumx*sumx) END Regres FIGURA 17.n st = st + (y¡ . al.1 kg y c = coeficiente de arrastre de 12.

351 37.56 30.988 m / s [ec. m/s Tiempo. TABLA 17.com . respectivamente. Una desviación significativa de esos valores se puede usar como un indicador de la inadecuidad del modelo.490 48. s 1 2 3 4 5 ó 7 8 9 10 11 12 o) 10. Ambos modelos ajustan los datos con un coeficiente de concia ción mayor que 0.0 .00 50.5.607 27.678 41.641 38.829 39.032u 8 medlda y para el segundo modelo [ecuación (E17.00 27. contra la columna a).50 42.10)] b) 8.156 44.00 m / s [ec. Esta línea tendrá una pendiente de I .00 35.405 22.00 41.7a y 17. Las velocidades calculadas para cada modelo se enlistan en las columnas b) y c).00 49.5 9 + 1.095 43. ( E l 7 . y los resultados se enlistan en la columna a) de la tabla 17.10) como se ilustra en la figura 17.50 31. Se puede usar regresión lineal para calcular la pendiente y el intercepto de la gráfica.240 18. 1 ) ] c) 1 1.509 32.769 32.303 49.872 46. lil iniitcrinl pro http://libreria-universitaria.479 49. (1.1 REGRESIÓN LINEAL Velocidades medidas y calculadas para la caída del paracaidista.30 23.17.437 42.90 45.76 son gráficas de la línea y datos para las regresiones de las columnas b) y c).687 38.301 47.1 10 42.570 23.50 46. La figura 17.953 16.065 35. La adecuidad de los modelos se puede probar al graficar la velocidad del modelo calculado contra la velocidad medida. Solución. un intercepto de 0 y una r = 1 si el modelo concuerda perfectamente con los datos. Para el primer modelo [ecuación (1.2 v medida.00 16.1) como se ilustra en la figura 17. 3 .766 36.99. v calculada con el m o d e l o . Tal programa de colección de datos experimentales se implemento.7a] 1 «Wwo = .3.7/>] "modelo = 5 - 7 7 6 + °- 7 5 2 u medida Esas gráficas indican que la regresión lineal entre los datos y cada uno de los modelos ON altamente significativa.00 46.60 39.712 13 14 15 Suponga que a usted le gustaría probar y comparar lo adecuado de esos dos modelos matemáticos.617 41.729 27. I os modelos de prueba y selección son comunes y extremadiimenle imporliinlcN para la realización de actividades en todos los campos de lu ingeniciiu.2. v calculada con el m o d e l o .855 34. 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.blogspot.00 45.816 40.

3 . b) Resultados usando regresión lineal para comparar predicciones calculadas con el modelo empírico [véase ecuación ( E l 7 . Sin embargo. fue obvio cuál modelo fue superior.7 a) Resultados que usan regresión lineal para comparar las predicciones calculadas con el modelo teórico [véase ecuación (1. la pendiente y el intercepto para el modelo empírico fueron mucho más http://libreria-universitaria. porcionado en este capítulo como antecedente. Así. junto con su software.com cercano! que el resultado deseado de 1 y 0.3. la ecuación (1. Hay un defecto eon el análisis en el ejemplo 17.3. yn que el modelo empírico [véase ecuación (El 7.10).10)] contra valores medidos. El ejemplo no fue ambiguo.blogspot. .10) parece ser mejor modelo quela(E17. Así. aunque cada gráfica está bien descrita poruña línea recta.1) ya que la pendiente y el intercepto son más cercanos o casi igual a 1 y 0.10) conforma para nuestra hipótesis criterios de prueba mucho mejores que los descritos por la ecuación (E17.476 REGRESIÓN POR MÍNIMOS CUADRADOS ! 5 30 X 55 30 X 55 FIGURA 17.3. le proporcionará una guía muy práctica para problemas de este tipo. el modelo descrito por la ecuación (1.3.1)] fue claramente inferior al de la ecuación (1. 1 ] contra valores medidos.1).

está predicha sobre el hecho de que la relación entre las variables dependientes e independientes es lineal. Regresaremos a este punto al final del presente capítulo. En algunos casos. De manera clara. suponga que la pendiente fuera de 0. Por ejemplo.17. b) Indicación de que es preferible una parábola. un debate abierto. sería preferible basar tal conclusión sobre un criterio cuantitativo.85 y que el intercepto lliorn de 2. la figura 17. 17. Esto se puede hacer al calcular los intervalos de confianza para los parámetros del modelo en la misma forma que desarrollamos los intervalos de confianza para la media en la sección PT5. y el primer paso en cualquier análisis de regresión debería ser graficar e inspeccionar en forma visual para asegurarnos si se puede usar un modelo lineal. Obviamente esto haría de la conclusión de que la pendiente y el intercepto fueran I y 0. técnicas tales como regresión por polinomios.5 Linearización de relaciones no lineales La regresión lineal proporciona una técnica poderosa que ajusta a la "mejor" línea los datos. Para otros. se puede usar transformaciones para expresar los datos en una forma que sea compatible con la regresión lineal.com . son apropiadas. FIGURA 17.8 muestra algunos datos que son obviamente curvilíneos.2.blogspot.2.1. x b) http://libreria-universitaria. más que recaer en un juicio subjetivo.8 o) Datos no adecuados para la regresión lineal por mínimos cuadrados. Sin embargo. Este no es siempre el caso. las cuales se describen en la sección 17.1 REGRESIÓN LINEAL 477 Sin embargo.3.

0) entre y y x.blogspot.com . y f c) 1/y A Pendiente • /y*j http://libreria-universitaria.478 REGRESIÓN POR MÍNIMOS CUADRADOS Un ejemplo es el modelo exponencial y= a i e h l X ( 1 7 1 . Otro ejemplo de modelo no lineal es la simple ecuación de potencias x x y = ax 2 hl (17. b) la ecuación por potencias y c) la ecuación de razón de crecimiento saturado. Los incisos < e] y f] son versiones linearizadas de estas ecuaciones producto de transformaciones simples. Como se ilustra en la figura 17.13) FIGURA 17.9 o) La ecuación exponencial. 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. el crecimiento poblacional o el decaimiento radiactivo pueden exhibir tal comportamiento.9a. Por ejemplo. la ecuación representa una relación no lineal (para /).2 ) { donde a y b son constantes.

5. ln y = ln a + b\X x (17.15) Así. con una pendiente de b-¡/a y un intercepto de l / a (véase la figura 17.4 Linearización de una ecuación de potencias Enunciado del problema. Un tercer ejemplo de un modelo no lineal es la ecuación de razón de crecimiento saturado [recuerde la ecuación (El7.9/). la ecuación (17.16) De este modo. y un intercepto de ln a (véase la figura 17. Por ejemplo.1 REGRESIÓN LINEAL 2 2 47? donde a y b son coeficientes constantes.9c/). también representa una relación no lineal entre y y x (véase figura 17.1)] 2 y = a 'l7^3 <-> 17 14 donde a y b son coeficientes constantes. se puede emplear la regresión lineal simple para ajustar las ecuaciones a datos.14) es linearizada al invertirla para dar 2 2 1 b .13) con los datos en la tabla 17. La ecuación (17. Este modelo. la ecuación (pura b ^0o 1) es no lineal.17) 3 «3 De esta forma.9c) que iguala o "satura". estos modelos se ajustan mediante regresión lineal para evaluar los coeficientes constantes.17. Las técnicas de regresión no lineal están disponibles para ajustar esas ecuaciones a datos experimentales de manera directa.14) es linearizada al tomar su base logaritmo 10 para dar l log y = b log x + log a 2 2 (17.blogspot. http://libreria-universitaria.com .1 proporciona un ejemplo de ingeniería de la misma clase de cálculo. en tanto x aumenta. Este modelo tiene amplia uplicnbiliclud 011 todos los campos de la ingeniería. En sus contornos transformados. (Observe que analizaremos la regresión no lineal en la sección 17.3 mediante transformaciones logarítmicas de los datos. una alternativa simple es usar manipulaciones matemáticas para transformar las ecuaciones en una forma lineal. 3 EJEMPLO 17.13). El ejemplo 17. Después. la sección 20. La ecuación (17. el cual es de manera particular muy adecuado para caracterizar la razón de crecimiento poblacional bajo condiciones limitadas. Además.3. 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. Ajustar la ecuación (17.9/). una gráfica de ln y contra x dará una línea recta con una pendiente de ¿>. Como se ilustra en la figura 17.= y 3 1 X 1 + — a 3 (17.12) se puede linearizar al tomar su logaritmo natural para dar 3 ln y = ln a\ + b\X ln e Pero como ln e = 1.) Sin embargo.4 ilustra este procedimiento para la ecuación (17. una gráfica de 1/y contra l/x será lineal.9e). Podrían ser de nuevo convertidos en su estado original y usados para propósitos predictivos.

699 -0.301 0. Una regresión lineal de éstos mediante log dan el resultado l o g v = 1. La figura 17.4 log x log y 1 2 3 4 5 0 0. La figura 17. 1 0 | a) Gráfica de datos no transformados con la ecuación de potencias que ajusta los datos.602 0.922 l FIGURA 1 7 .7 8.534 0.480 REGRESIÓN POR MÍNIMOS CUADRADOS Solución.10¿> muestra la gráfica de los datos transformados.7 3. b] Gráfica de datos transformados que se usan para determinar los coeficientes de la ecuación de potencias.301 0.com . IOÍÜ es una gráfica de los datos originales en su estado no trans- formado.0. http://libreria-universitaria.blogspot.75 log x .4 5.226 0.300 TABLA 17.477 0.753 0.3 Datos que serán ajustados con la ecuación de potencias.5 1. ¡. x y 0.

el intercepto. Los valores de y para una x dada deben ser normalmente distribuidos. Otras alternativas son ajustar polinomios con los datos mediante regresión de polinomios.5. Por ejemplo.5.blogspot. algunas suposiciones estadísticas que son inherentes en los procedimientos por mínimos cuadrados lineales son 1.17. no es aleatorio y es conocido sin error. La pendiente es b = 1. indica un buen ajuste.1 se desarrolló un procedimiento para obtener la ecuación de una línea recta por medio del criterio de mínimos cuadrados. u¡ — 10 = 0. 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. pero que van más allá del alcance de este libro.8. y por tanto. la ecuación de potencias es 2 _ 0 3 2 y • 0. debemos enfatizar la naturaleza introductoria del material anterior sobre regresión lineal.10a. 17. aunque exhiben un patrón marcado como el que se vio en la figura 17. 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. 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. como se gráfica en la figura 17. Para esos casos. Tales suposiciones son relevantes para la derivación adecuada y uso de regresión. una curva podría ser más adecuada para el ajuste de los datos. está pobremente representado por una línea recta. En consecuencia. Como se analizó en la sección anterior. 2.4 al final del capítulo).300. Los valores y son variables aleatorias independientes y todas tienen la misma varianza. 3.3)] S = ]T] (yi ~ «o . Por ejemplo. log a .com . Debería estar consciente del hecho de que hay aspectos teóricos de regresión que son de importancia práctica. Por ejemplo. Cada x tiene un valor fijo. Algunos datos de ingeniería. Nos hemos concentrado en la derivación simple y uso práctico de ecuaciones para ajustar datos. igual —0.a\x¡ r a xf) 2 (17. El procedimiento de mínimos cuadrados se puede fácilmente extender al ajuste de datos con un polinomio de orden superior. al tomar el antilogaritmo.2 REGRESIÓN DE POLINOMIOS 411 i \ Así.18) http://libreria-universitaria.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.2 R E G R E S I Ó N DE P O L I N O M I O S En la sección 17.75. 17.v l7S Esta curva.1. un método para cumplir con este objetivo es usar transformaciones.

Ajustar a un polinomio de segundo orden los datos en I UN dos primeras columnas de la tabla 17 . Los coeficientes de las incógnitas se pueden evaluar de manera directa a partir de los datos observados. Para este caso. Para este caso..4. Además del error estándar.18) con respecto de cada uno de los coeficientes desconocidos del polinomio.20) Esta cantidad es dividida entre n — (m + 1). a . . un coeficiente de determinación puede ser calculado para una regresión de polinomios con la ecuación (17. hemos perdido m + 1 grados de libertad. como en Estas ecuaciones se pueden igualar a cero y reordenar para desarrollar el siguiente conjunto de ecuaciones normal: (17.19) donde todas las sumatorias son de i = 1 hasta n.blogspot. . 0 m EJEMPLO 1 7 . Las técnicas para resolver tales ecuaciones fueron analizadas en la parte tres. así. . . el error estándar se formula como (17.482 REGRESIÓN POR MÍNIMOS CUADRADOS Siguiendo el procedimiento de la sección anterior. tomamos la derivada de la ecuación (17. a y a . Así.com Enunciado del problema. . 5 Regresión d e polinomios http://libreria-universitaria.. Observe que las tres ecuaciones anteriores son lineales y tienen tres incógnitas: a . ya que (m + 1) coeficientes obtenidos de los datos (a .10). 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. 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. a ) se usaron para calcular S. . 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.

225 Por tanto. Solución.1 152.6 585.44 314.80491 0.1 7. las ecuaciones lineales simultáneas son " 6 15 55 15 55 225 55 " 225 979 «0 0\ «2 • = • 152.2 40.39 0.47 140.blogspot. X = 2.03 3.8 http://libreria-universitaria.4 Cálculos para un análisis de error del ajuste cuadrático por mínimos cuadrados. (y -y) .5 y = 25.74657 FIGURA 17.14332 1.com .11 Ajuste de un polinomio de segundo orden.2 REGRE5IOIN DE P O L I N O M I O S TABLA 17.22 1 272. 2.6 = 2488.433 X >= X >= í>2 > ? 15 4 979 152.6 (y/-OO-OIX -o x?) f 2 0 1 2 3 4 5 2 544.08158 0.61951 0.1 7.6 55 = 585. 2 x ¡ y.9 61.6 2488. m = 2 n = 6 A partir de los datos dados.12 239.00286 1.7 13.6 27.1 1 2513.09439 3.

Un problema potencial asociado con la implementación de regresión de polinomios en la computadora es que las ecuaciones normales algunas veces están mal condicionadas.13. por medio de un método de eliminación.99925. FIGURA 17.851% de la incertidumbre original la resolvió el modelo.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. m.2. . P a s o 4 : Calcule los elementos de la ecuación normal en la forma de una matriz aumentada.. .12 6-3 El coeficiente de determinación es Sy/.20)] = 1.19)]. a .74657 . P a s o d i Imprima los coeficientes. n. d i .11. 3 9 .35929 y a = 1.86071.12. continúe.12 Algoritmo para la implementación de polinomios y regresión lineal múltiple. Este resultado soporta la conclusión de que la ecuación cuadrática representa un excelente ajuste. a.74657 r = = 0.47857.86071* 2 El error estándar del estimado con base en la regresión de polinomios es [véase ecuación (17.3. en consecuencia. P a s o 3 : Si n < m + 1. (El pseudocódigo para el cumplimiento de esto se halla presente en la figura 17. Observe que la principal tarea es la generación de los coeficientes de las ecuaciones normal [véase ecuación (17. Estos resultados indican que el 99. = 2. P a s o 1 : Introduzca el orden del polinomio sujeto a ajuste. 2 5 1 3 . Por tanto. Entre otras cosas. .blogspot. imprima un mensaje de error que indique que la regresión no es posible y termine el proceso.484 REGRESIÓN POR MÍNIMOS CUADRADOS Resolviendo estas ecuaciones con una técnica tal como la eliminación de Gauss se tiene a = 2. Para esos casos.47857 + 2. Esto es en particular cierto para versiones de orden superior. las técnicas de la parte tres se pueden aplicar para resolver estas ecuaciones simultáneas para los coeficientes. 0 2 m http://libreria-universitaria. los resultados pueden ser inexactos. la ecuación cuadrática por mínimos cuadrados para este caso es 0 2 y = 2.35929* + 1. P a s o 2 : Integre el número de datos.com . P a s o 5 : Resuelva la matriz aumentada para los coeficientes a . los coeficientes calculados podrían ser altamente susceptibles al error de redondeo y. 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. a .) Entonces. Si n S m + 1. 3. 2 17.39 y el coeficiente de correlación es r — 0.99851 2513. como es también evidente de la figura 17. Esto se debe a los coeficientes y sumatorias de los datos elevados a potencias.

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. 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. la mayoría de los problemas prácticos están limitados a polinomios de orden inferior para los cuales el error de redondeo es insignificante.13 Pseudocódigo para ensamblar los elementos de las ecuaciones normal para regresión de polinomios.17. arder + 2 = 5 U M FIGURA 17. En el software de Métodos Numéricos TOOLKIT adjunto a este libro se tiene un programa de computadora de uso amigable para implementar la regresión de polinomios. Presione el ajuste de datos con el botón Curve sobre el menú principal del TOOLKIT para obtener una pantalla en blanco similar a la de la figura 17. o r d í r + 1 PO j = 1. n eum — eum + ¿£ END DO a¡j = eum ap — eum END DO eum = 0 D0£ = 1. como el de Draper y Smith (1981).com . pueden ayudar a remediar en forma parcial este problema. Por fortuna. En situaciones donde se requieren versiones de orden superior. una alternativa más simple es usar una computadora cotí más aira precisión. i 4 1 9 eum — 0 DOi = 1. EJEMPLO 17. Aunque las estrategias para disminuir el error de redondeo analizado en la parte tres. 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. Después usted podría decidir graficar los datos http://libreria-universitaria.14. tal como el pivoteo.n eum — eum + y • x£~ END DO ( a 1 END DO i. Sin embargo. se dispone de otras alternativas para ciertos tipos de datos. esas técnicas (tal como polinomios ortogonales) están más allá del alcance de este libro.blogspot.2 REGRESIÓN DE POLINOMIOS DO i = 1.6 Regresión de polinomios por medio de la computadora Enunciado del problema. para información adicional con respecto al problema y posibles alternativas.5 3 7 y Solución.5 7. El lector debería consultar textos sobre regresión.

Un problema potencial asociado con la implementación de regresión de polinomios en la computadora es que las ecuaciones normales algunas veces están mal condicionadas.3.1 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. P a s o 5 : Resuelva la matriz aumentada para los coeficientes o . a . FIGURA 17.74657 r = = 0. como es también evidente de la figura 17. 2513. Esto es en particular cierto para versiones de orden superior. . Por tanto. P a s o 1 : Introduzca el orden del polinomio sujeto a ajuste. continúe. a = 2. las técnicas de la parte tres se pueden aplicar para resolver estas ecuaciones simultáneas para los coeficientes.74657 17.12 6-3 El coeficiente de determinación es . por medio do un método de eliminación. . (El pseudocódigo para el cumplimiento de esto se halla presente en la figura 17.86071.86071* 2 El error estándar del estimado con base en la regresión de polinomios es [véase ecuación (17.35929x + 1. P a s o 4 : Calcule los elementos de la ecuación normal en la forma de una matriz aumenlada.35929 y a — 1.99851 2513. m. P a s o 3 : Si n < m + 1.851% de la incertidumbre original la resolvió el modelo. Esto se debe a los coeficientes y sumatorias de los datos elevados a potencias.20)] = 1.47857. . Estos resultados indican que el 99. a.39 y el coeficiente de correlación es r = 0.484 REGRESIÓN POR MÍNIMOS CUADRADOS Resolviendo estas ecuaciones con una técnica tal como la eliminación de Gauss se tiene a = 2.blogspot. ai. los coeficientes calculados podrían ser altamente susceptibles al error de redondeo y.13. Entre otras cosas. los resultados pueden ser inexactos. este problema se relaciona con la estructura de las ecuaciones normal y por el hecho de que para los polinomios de orden superior las ecuaciones normales pueden tener coeficientes muy grandes y muy pequeños. en consecuencia. Observe que la principal tarea es la generación de los coeficientes de las ecuaciones normal [véase ecuación (17.11..„. .12 Algoritmo para la implementación de polinomios y regresión lineal múltiple.47857 + 2. imprima un mensaje de error que indique que la regresión no es posible y termine el proceso.99925.12. n. 0 7 http://libreria-universitaria.2. P a s o 2 : Integre el número de datos. Este resultado soporta la conclusión de que la ecuación cuadrática representa un excelente ajuste.19)]. Para esos casos. 2 3. la ecuación cuadrática por mínimos cuadrados para este caso es 0 x 2 y = 2. Si n 5: m + 1.) Entonces.com PASO 6L Imprjma los coeficientes.39 .

esas técnicas (tal como polinomios ortogonales) están más allá del alcance de este libro.2 eum = 0 DOt =\n eum = eum + >¿€ END DO a. Sin embargo. para información adicional con respecto al problema y posibles alternativas. una alternativa más simple es usar una computadora cor/ más alta precisión.5 Solución.6 Regresión de polinomios por medio de la computadora Enunciado del problema. i. En situaciones donde se requieren versiones de orden superior. Por fortuna.13 Pseudocódigo para ensamblar los elementos de las ecuaciones normal para regresión de polinomios.2 REGRESIÓN DE POLINOMIOS 483 DO i = 1.n eum — eum + y • x ¿ ' END DO ( a END DO FIGURA 17. El lector debería consultar textos sobre regresión. • = eum ap = eum END DO eum = 0 D0€ = 1.17. Se puede usar este software para el ajuste de polinomios con los siguientes datos: 2 4 5 6 6 7 9 1 0. EJEMPLO 17. 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. order + 1 DOj = 1. i k=i + j . 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. se dispone de otras alternativas para ciertos tipos de datos. 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. tal como el pivoteo. Presione el ajuste de datos con el botón Curve sobre el menú principal del TOOLKIT para obtener una pantalla en blanco similar a la de la figura 17.14. arder + 2= ™ 5U Aunque las estrategias para disminuir el error de redondeo analizado en la parte tres. la mayoría de los problemas prácticos están limitados a polinprriios de orden inferior para los cuales el error de redondeo es insignificante. Después usted podría decidir granear los datos http://libreria-universitaria.com . pueden ayudar a remediar en forma parcial este problema.blogspot.5 7. como el de Draper y Smith (1981).

i m« i XMjml FIGURA 17.com .. La forma para determinar el mejor orden se puede explorar al examinar cómo el error estándar varía como una función del orden de regresión.14 Pantalla del TOOLKIT de métodos numéricos para una regresión polinomial de quinto orden. 7 8 9 V . Los resultados para varios órdenes de regresión en el ajuste se tabula en la siguiente página: FIGURA 17. Standard Erior Coef of Deter Coir Coef Oth oider coef .. ¿J.blogspot. . 1 000334 . primero intentaremos un polinomio de quinto orden.5 7. fiettift ..1.>.:. 10 2 4 5 6 6 7 9 1 .486 RKMMIÓN POR MÍNIMOS CUADRADOS solos antas de realizar decisiones con respecto al orden del polinomio.5 + liillli 6 2 3 7 8 8 1 5 3 I X.573234 JBÉBJ 'CS3 Q 5 E 3 *'CHC3. 8 1 5 3 7 v CafcYÍOT InputX ftewft Standatd Enot Coef of Detei Con Coef Oth order coef Vafe» ' 1 154277 .14. Esto se hace mediante un procedimiento similar al descrito en el ejemplo 2.:.«8SftÉ!£ * >. ~ P^iwaete* :| OÍdet of Paíy í Plot Xmtn Delta X Plot Ymin Delta Y Valué h 0 1 0 1 'i 3 ' 21 .. Ordet of Poly Plot Xmro Delta X Plot Ymin Delta Y Vafc» 8 0 1 0 1 1 i lwputXv*¥Vafoe* 1 2 4 5 6 6 7 9 1 .9777941 .9888347 -1 057965 |£ http://libreria-universitaria.3660273 -6.. Para nuestro ejemplo.3332087 .. .3 Y « 2.15 Gráfica de una regresión polinomial de octavo orden.. 3 4 5 6 . 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. Wm.304472 . La inspección de los datos muestra dos picos y sugiere que un polinomio de al menos cuarto orden sería el adecuado.5 75 x í 3 1 4 í i 2 Ü 1 6 8 9 10 7 5 6 2 3 7 8 .

14).21) y diferenciando con respecto a cada uno de los coeficientes desconocidos. La figura 17.16). ta "línea" de regresión pasa a ser un "plano" (véase la figura 17. (17.17.304472 como calculada con el polinomio de quinto orden (véase la figura 17.15 que mientras las curvas de regresión siguen la tendencia de los datos. Los primeros tres resultados son resúmenes estadísticos de la regresión: error estándar.com . 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. Observe también en las figuras 17.69 3 2.17 1.3 REGRESIÓN LINEAL MÚLTIPLE Orden Error estándar 2. De nuevo. coeficiente de determinación y coeficiente de correlación. La interpolación se puede ejecutar al introducir un valor en la tabla para X en el Cale Y para una X introducida.38 A 6 1.34 487 1. Por ejemplo.14 y 17. es altamente inapropiado extrapolar los valores Y más allá del rango de los datos para X. en X = 3. La barra de despliegue sobre la tabla de resultados se usa para observar los coeficientes reales de la regresión de polinomios. Observe cómo esos valores cambian para diferentes órdenes de regresión.00 / 1.15 muestra que el polinomio de octavo orden produce valores de Y negativos para valores de X entre 8 y 9. Para este caso. demos un vistazo a la tabla de resultados en la parte derecha inferior.12 Observe que el error estándar cae de manera dramática del orden 3 al 4 y alcanza un mínimo para el polinomio de orden 5. Por ejemplo. La figura 17. 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. Y = 2.71 2 2. Como en los casos anteriores.blogspot. esos valores cambian con diferentes órdenes. Esto sugiere que no se ha ganado mucho al gastar en esfuerzo de cómputo para ejecutar la regresión más alta que la de quinto orden. los "mejores" valores de los coeficientes son determinados al realizar la suma de los cuadrados de los residuos. http://libreria-universitaria. Para este caso en dos dimensiones. y podría ser una función lineal de x y x . 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). Por último.15 muestra las gráficas para el caso de un octavo orden.

Exi.í/ .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.com .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.y..Sx y.i a ~ a x 0 «2*2/) 3 (3? Los coeficientes dan la suma mínima de los cuadrados de los residuos y se obtienen al igual las derivadas parciales a cero y expresando el resultado en forma de matriz como n Ex Ex . 2 2/ Ex./ Ex 2 í T. y x .blogspot. .22) ¡EJEMPLO 1 7 .-x 2l Ex 2 a 2 Ey.' 2í (17. http://libreria-universitaria.488 REGRESIÓN POR MÍNIMOS CUADRADOS FIGURA 17.16 Ilustración gráfica de regresión lineal múltiple donde yes una función lineal de x. 7 Regresión lineal múltiple Enunciado del problema. 2 dS r = -2 ^ x 2 / (y. 4x.

25 48 14 48 54 a 0 a\ a 2 • = • 54 243.5 14 16. 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. como en y = an + a\X\ + a x 2 2 -| Ya x m m + e donde el error estándar se formula como S y . En la figura 17. X ~\¡n-(m + l) y el coeficiente de determinación se calcula como en la ecuación (17.10).blogspot.17 se enlista un algoritmo para preparar las ecuaciones normal. Aunque hay ciertos casos donde una variable está linealmente relacionada con otras dos o más variables.17.com .22) se calculan en la tabla 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 Cálculos requeridos para desarrollar las ecuaciones normal para el ejemplo 17.25 0 2 5 3 24 14 48 0 20 22.5.x 2 *iy x y 2 0 4 6. Para usar regresión lineal múltiple. Las sumatorias requeridas para desarrollar la ecuación (17.3 REGRESIÓN LINEAL MÚLTIPLE Solución. El resultado es 6 16. *i y X 5 10 9 0 3 27 0 2 2.7.5 0 10 18 0 18 54 100 1 54 El caso anterior en dos dimensiones se puede fácilmente extender a m dimensiones.25 1 16 49 76.5 76.5 100 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.5 0 12 189 243.5 0 1 2 3 6 2 14 2 X 2 A 0 i 4 9 36 4 54 x. TABLA 17.5 1 4 7 16.

Antes de cambiar a regresión no lineal. 17. . 0 m () 2 2 m son monomios http://libreria-universitaria. es similar en esencia a la que se usó en la sección 17.17 Pseudocódigo para ensamblar los elementos de las ecuaciones normal para regresión múltiple. Z = x .. polinomial y lineal múltiple.5 y en el ejemplo 17. es decir z — 1. x ¡. z„. • •. z son las m + 1 funciones diferentes. 2 2 Z M — x" .— eum END DO eum — 0 DOl = \.1..4 para ajustar a una ecuación por potencias cuandoy fue una función de una sola variable x. z = x . z .n eum = eum + y • x¡_ END DO u s e 1( A XJ-K END DO ¡. order + 1 DOj = 1.. . 2 Esta transformación. para trabajar este algoritmo.. 1 .com simples como en z = x 0 ü — I. Se puede ver con facilidad cómo la regresión lineal simple y múltiple encajan dentro de este modelo. 17. z. Además.4. = x .1 Formulación general de u n a m a t r i z p a r a m í n i m o s cuadrados lineales En páginas anteriores hemos introducido tres tipos de regresión: lineal simple.REGRESIÓN POR MÍNIMOS CUADRADOS DOI = 1.n eum = eum + x¡-^( • END DO a = eum a. .4 proporciona un ejemplo de tal aplicación para dos variables independientes. .. La sección 20. = x. jC|. De hecho. Observe que además de guardar las variables independientes en X ] . z. i eum — 0 DOÍ= 1.CRDER+2 = 5 U M FIGURA 17. hay varios puntos que nos gustaría analizar para enriquecer nuestra comprensión del material precedente. etcétera. la regresión de polinomios se incluye también si Iris . 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. .23) donde z .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.blogspot. los 1 se deben guardar en XQ • .

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

podemos dividir esas técnicas en tres categorías: 1) métodos de descomposición LU. El algoritmo de descomposición de Cholesky tiene varias ventajas con respecto a la solución del problema general de regresión lineal.3). y todos los procedimientos se pueden formular de tal forma que pueden generar la matriz inversa. cualquiera de los procedimientos de descomposición LU descritos en el capítulo 9 son perfectamente aceptables. se puede también emplear la formulación de una descomposición no L t / d e eliminación de Gauss. el método de Cholesky es. cúbico o de orden superior es el "mejor" modelo para describir nuestros datos. Un caso sujeto a tratamiento sería la regresión de polinomios. Descomposición LU. debería quedar claro que Gauss-Seidel no puede usarse aquí debido a que las ecuaciones normal no son diagonalmente dominantes. podemos desarrollar en forma sucesiva modelos de orden superior de un modo en extremo eficiente. podemos explorar esta cuestión con mayor detalle.492 REGRESIÓN POR MÍNIMOS CUADRADOS [lZ] [Z]]{A} = {[Z] {Y}} r T Se puede demostrar que la ecuación (17. La notación matricial tendrá también relevancia cuando veamos regresión no lineal en la última sección de este capítulo. De hecho. esto es casi trivial. Por ejemplo. una descomposición L U. Primero. Primero. esta clasificación tiene su mérito en cada categoría y ofrece beneficios con respecto a la solución de las ecuaciones normales. 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. Método d e Cholesky. el valor de m en 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 11.23)] no es conocido de antemano (véase Ralston y Rabinowitz. Si usted está interesado sólo en aplicar un ajuste por mínimos cuadrados para el caso donde se conoce de antemano el modelo adecuado. es rápido y requiere menos espacio de almacenamiento para resolver tales sistemas. Sin embargo. 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. Ésta es una tarea de programación relativamente directa para incorporar cualquiera de estos procedimientos en un algoritmo de mínimos cuadrados lineales. Segundo. Ahora que hemos establecido la unión entre los diversos modelos. 1978). Para este caso. si se ha seguido un enfoque modular.25) es. equivalente a las ecuaciones normal desarrolladas antes para regresión lineal simple. polinomial y múltiple. es idealmente adecuado para casos donde el orden del modelo [es decir.2 Técnicas de solución (17. Para los actuales propósitos. de hecho.com . También acondiciona la etapa para la siguiente sección donde asimilaremos algo de conocimiento en las estrategias preferidas para resolver la ecuación (17. De esta manera dejamos a un lado los métodos de eliminación. De hecho.4. De este modo. está expresamente diseñado para resolver matrices simétricas como las ecuaciones normal.25). de hecho. incluyendo eliminación de Gauss. Obviamente hay traslapes en esta clasificación. podríamos saber a priori si un polinomio lineal cuadrático. 17.25) En los análisis anteriores en este capítulo hemos encubierto el tema de las técnicas numéricas específicas para resolver las ecuaciones normales. http://libreria-universitaria. 2) método de Cholesky y 3) procedimiento de inversión de matrices.blogspot.

(x. 'Lacovarianza es una estadística que mide la dependencia de una variable con otra. presión. recuerde que la matriz inversa se puede emplear para resolver la ecuación (17. Suponga que la variable dependiente de interés es una función de un número de variables independientes: por ejemplo. Se puede demostrar (Draper y Smith.y) 0 podría indicar queje y y indica son totalmente indcpcndien http://libreria-universitaria.com . éste es un enfoque ineficiente para resolver un conjunto de ecuaciones simultáneas. una a la vez. ilustraremos cómo se pueden usar para desarrollar intervalos de confianza para el intercepto y la pendiente. las varianzas y las covarianzas de las a.blogspot. A s i . entonces T _ 1 1 r 1 l var (a . si estuviéramos justamente interesados en resolver los coefientes de regresión. Para nuestros actuales propósitos.26) proporciona estimaciones de su estadística.493 La situación análoga para regresión lineal múltiple ocurre cuando se agregan variubles independientes.26). etcétera. al modelo. Sin embargo.2. así. es preferible utilizar la aproximación de descomposición LU sin inversión. 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. hay un número de razones por las cuales podríamos estar interesados en obtener la inversa y examinar sus coeficientes.y) la dependencia Por ejemplo. Aquéllas incluyen la media aritmética. De la ecuación (PT3.4.a )=zr} s* i j ( 1 7 2 g ) Estas estadísticas poseen un número de aplicaciones importantes. cov (x. 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. Si los elementos de la diagonal de [[Z] [Z]]~ son designados como z j . 1981) que la diagonal y los términos fuera de la diagonal de la matriz [[Z] [ Z ] ] dan.6). Así. No obstante desde una perspectiva estadística. 1 7. como aprendimos en la parte tres. pueden ser usados para implementar la ecuación (17. temperatura. la formulación de la matriz de la ecuación (17.3 Aspectos estadísticos de la teoría de m í n i m o s cuadrados En la sección PT5.1. Procedimiento d e la matriz inversa. como en i fA F O R M A GENERAL LINEAL POR MÍNIMOS CUADRADOS {A} = [[Z] [Z]Y {[Z] {Y}} T L T (17. Además de obtener una solución para los coeficientes de regresión. la desviación estándar y la varianza. contenido de humedad. respectivamente. Podríamos primero realizar una regresión lineal con la temperatura y calcular un error residual.25).) i i = zj¡ 5 l ij /x 2 y/x (17-27) y cov (a -i.26) Cada uno de los métodos de eliminación se puede usar para determinar la inversa y. Esas razones se analizarán después.

los límites inferior y superior de la pendiente se pueden formular como L — a\ .30) El siguiente ejemplo ilustra cómo esos intervalos se pueden usar para hacer inferencias cuantitativas relacionadas con la regresión lineal.3 usamos regresión para desarrollar la i siguiente relación entre mediciones y predicciones del modelo: j y = .t /2.29) donde s(a¡) — error estándar del coeficiente a.3 22191. En el ejemplo 17.blogspot. Concluimos que había una buena concordancia entre los dos debido a que el intercepto fue aproximadamente igual a 0 y la pendiente.01701 0. Solución.741 [ 22421.688414 -0.H-2-V(« a ( ) ) (17.= K vai(ap.405 22. se puede demostrar que los límites inferior y superior del intercepto se pueden formular como (véase Milton y Arnold 1995 para más detalles) <•><) — t /2.494 REGRESIÓN POR MÍNIMOS CUADRADOS Mediante un enfoque similar al visto en la sección l'T'5. De manera similar. ..43 La inversión de la matriz puede ser usada para obtener la pendiente e intercepto como [A}= 0.3 548.21 _ f 552.85872 1. Los datos se pueden escribir en un formato matricial para regresión lineal simple como: 8.01701 [íZflZ]] -0.43 -0.0 .3 23 \Y) = 16.988 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.„-is(a\) a U = a\+t i2.2.031592 http://libreria-universitaria.¡-2 a í(«o) U = fln + í /2. 8 Intervalos de confianza para regresión lineal \ Enunciado del problema. 8 5 9 + 1.607 ¡ ] j 1 50 49.032x i S i i j i donde y = predicciones del modelo y x = mediciones. Recalcule la regresión pero ahora use la aproximación matricial para estimar los errores estándar de los parámetros.000465 {[Z] {Y) r 552.3. Después emplee esos errores para desarrollar los intervalos de confianza y úselos para hacer declaraciones probabilísticas con respecto a la bondad del ajuste. EJEMPLO 1 7 .741 22421. a 1.953 "1 10 " 1 1 [Z] = 16.s(ci\) a n 2 (17.com .

9 )y( 1 7 3 .9 1 3 5 5 1 0 . Las ecuaciones ( 1 7 2 . I i.5 . 4 0 6 3 4 . Exploraremos algunas de esas capacidades cuando se describan esos paquetes al final del capítulo 1 9 . http://libreria-universitaria.1 0 .4 7 6 2 7=[ 2 . 0 9 . 1 0 .0 ) se pueden entonces usar para calcular los intervalos de confianza como a =0 . Hay muchas más que están lejos del alcance de este libro.9 1 3 5 5 . La estadística. Usted debería consultar algunos de los excelentes libros sobre el tema (por ejemplo.1 8 6 2 5 ) =1 0 .1 3 ) i la cual da un valor de 2 1 .3 1 5 9 2 .4 0 2 3 7=[ 0 9 . r u K wmmwww» Q /x =0 8 . TINV.I i i 17. Usamos una función de Excel.7 1 8 2 8 ] 0 Observe que los valores deseados ( 0 para el intercepto y pendiente. para obtener el valor adecuado. 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.6 3 4 0 3 . 1 Lo anterior es una introducción limitada al enriquecedor tema de la inferencia estadística y su relación con la regresión. debería observar qué paquetes de software y librerías pueden generar ajustes de regresión por mínimos cuadrados junto con información relevante para la estadística inferencial. el intercepto y la pendiente se determinan como a = — 0.0 6 . 8 5 8 7 2± 1 5 .4 FORMA GENERAL LINEAL /vuNimt» De esta manera. una declaración similar se puede hacer con respecto del intercepto. í^n-i necesaria para un 9 5 % de intervalo de confianza con n — 2 = 1 5 —2 = 1 3 grados de libertad puede ser determinada de una tabla estadística o mediante software. Nuestra principal intención ha sido mostrar el poder del enfoque matricial al ajuste general lineal por mínimos cuadrados.3 1 5 9 2±0 0 . Como cero está dentro del intervalo del intercepto. 8 5 8 7 2±2 1 .blogspot.3 1 5 9 2± 2 1 .6 0 3 6 8 .6 0 3 6 8 ( 0 7 . como en =T I N V ( 0 0 . = 1 0 . Draper y Smith 1 9 8 1 ) para información adicional.85872 y < 7 | » respectivamente.com .8 8 9 1 2 ] a. tenemos también bases fuertes para creer que el resultado soporta la concordancia entre las mediciones y el modelo. 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 6 3 7 2 ) =0 . Además.7 1 8 2 8 .6 0 3 6 8 ( 0 0 .

a ) = ecuación que es una función de la variable independiente x¡ y una función no lineal de los parámetros a .. la teoría de mínimos cuadrados se puede usar para obtener nuevas estimaciones de los parámetros que se mueven en la dirección de minimizar el residuo...32) para obtener a 0 0 a a e j Aa 0 + a/ta).24)].^ esta forma.33) se puede sustituir en la (17. j + 1 = predicción. (17.. \i>\ = http://libreria-universitaria. a .33) o en forma matricial [compárela con la ecuación (17. a ..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.34) . Aa = « j+i ~~ oj> y = ij+i ~ ij.23). Por conveniencia. La ecuación (17. a .-+. a u . Como se hizo con los mínimos cuadrados lineales./"^.. ao. (17. para el caso no lineal.com [ / . Sin embargo. la solución debe proceder en una forma iterativa.. este modelo se puede expresar de forma abreviada al omitir los parámetros.. Entonces. = error aleatorio. En el contexto actual. hemos linearizado el modelo original con respecto a los parámetros.496 17.31) Esta ecuación no puede ser manejada de acuerdo con el formato general de la ecuación (17.5 REGRESIÓN POR MÍNIMOS CUADRADOS REGRESIÓN N O LINEAL Hay muchos casos en ingeniería donde modelos no lineales deben ser ajustados con datos.). para un caso de dos parámetros /(*. f(x¡)j + df(x¡\ da 0 donde j = son los valores iniciales.. (/:¡ (17... J | A / \ ¡ . 0 x m 0 t m (17. primero se puede expresar de manera general la relación entre la ecuación no lineal y los datos como y¡ f {x¡. esos modelos se definen como aquellos que tienen dependencia no lineal de sus parámetros.. y e. Por ejemplo. 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. Por ejemplo. a . Para ilustrar cómo se hace esto. 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.blogspot. El método de Gauss-Newton es un algoritmo para minimizar la suma de los cuadrados de los residuos entre datos y ecuaciones no lineales. a) m + e¡ donde y¡ = valor medido de la variable dependiente.

34) resulta en las siguientes ecuaciones normal [recuerde la ecuación (17.j+\ está por debajo de un criterio de paro aceptable. como en [[Z ] [Z }]{AA} = {[Z ] {D}} T T 0 Q (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. la cual se puede emplear para calcular valores mejorados para los parámetros.donde [Z¡\ es la matriz de las derivadas parciales de la función evaluada en el valor inicial y.com . Si se aplica la teoría de mínimos cuadrados lineales a la ecuación (17. dfi/dao dfi/dcn df /dai 3/ /3ao 2 2 [Z.36) k. El vector {£>} contiene las diferencias entre las mediciones y los valores de la función.25)]: Aa\ {AA} = Aa„ Arto J J en resolver la ecuación (17.blogspot.35) y a j+i = OQJ + Aa \S„h = a Este procedimiento se repite hasta que la solución converge (es decir.35) para / Así.] = 0 = derivada parcial de la función con respecto al kdonde n = número de datos y df¡/da ésimo parámetro evaluado en el /-ésimo punto. el procedimiento consiste {A/4}. http://libreria-universitaria.

8 4 2 1 [ [ Z ] [ Z o ] p=7 . 8 4 2 1 1 9 1 .0 para los parámetros.3 9 7 7 .2 6 2 0 8 .57 1.9 4 6 0 r 0 1 . 1 0 4 6 Ésta es multiplicada por [Z ] para obtener ¡Z ] {D} () T 0 . 1 3 5 [Z] = 0 8 . 1 5 3 3 0 .0 4 1 0 2 .498 EJEMPLO 1 7 .1) y (E17.4 0 4 0 0 r 0 la cual mi de de nuevo nueve se puede invertir para dar 3 6 .9.9. Observe que para estos valores la suma inicial de los cuadrados de los residuos es 0.8 02 2 1 2' 0 5 . Las derivadas parciales de la función con respecto a los parámetros son da o =1 = a je Q (E17. 9 REGRESIÓN POR MÍNIMOS CUADRADOS Método de Gauss-Newton I Enunciado del problema.8 07 1 3 5 0 7 .74 2.5 4 3 0 3 .6 7 8 0 2 .0 y a = 1. 0 3 3 5 0 .1) (E17.4 8 9 " [ Z ] [ Z ] 0 9 .28 0.4 -08 2 6 2 0 7 .9. {D} = — . 0 3 6 5 oí 0 http://libreria-universitaria.75 0.9.9 08 9 4 6 .2 7 6 0 7 .75 0.4 8 9 0 4 . X Ajuste la función f(x.25 0. «. T El vector {D} consiste en las diferencias entre las mediciones y las predicciones del modelo.5 8 8 0 0 .5 8 1 0 3 .25 0. 3 1 9 3 0 9 .0248.2) Las ecuaciones (E17.3 7 1 Esta matriz multiplicada por su traspuesta resulta en 2 '.2 1 2 0 5 .79 Use los valores iniciales de a = 1.68 1.7 -05 2 7 6 0 6 .9 4 7 0 3 .blogspot.2) se pueden usar para evaluar la matriz 0 2 . 0 x Solución. 0 8 6 2 0 . 0 0 .a .) = a ( 1 0 0 ) con los dalos: y 0.25 0.com .4 2 4 0 .

aunque hay varios procedimientos expresamente diseñados para regresión. 1958.38) Entonces..2714 0. Ilustraremos el modo para hacer esto cuando describamos las aplicaciones del software al final del capítulo 19. a ) . Para hacer esto. las estimaciones mejoradas de los parámetros son a = 0. cambia en forma continua de dirección.5019 1 0 x x Así. se hace una suposición de los parámetros. y se calcula la suma de los cuadrados de los residuos. Los nuevos parámetros resultan en una suma de los cuadrados de los residuos igual a 0. Puede oscilar ampliamente.0 1.. = 1.f{x¡\a .. a .5 REGRESIÓN NO LINEAL El vector {AA} es entonces calculado al resolver la ecuación (17.. 2. Además. respectivamente.. La ecuación (17. Hartley.com .. Estos coeficientes dan una suma de los cuadrados de los residuos de 0. Un método es dfi da k ^ f(x¡. En consecuencia. 3. uno más general es usar rutinas de optimización no lineal como las descritas en la parte cuatro. .000662. muchos programas de computadora usan diferentes ecuaciones para aproximar las derivadas parciales.36) se puede usar para calcular £Q y e igual a 37 y 3 3 % . . .35) para AA = -0. El cálculo podría repetirse hasta que esos valores estén abajo del criterio de paro preescrito.7286 1.0242. 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..blogspot.79186 y a.a + 0 k Sa . k m 0 .5019. 1961) para remediar los defectos.17.5019 i 0...6751. los parámetros se podrían ajustar de manera sistemática para minimizar S mediante técnicas de búsqueda descritas previamente en el capítulo 14.5019 m la cual puede ser agregada al parámetro inicial supuesto para dar I I «o 1.. para la ecuación (17..2714 0.31) esto se podría calcular como (17. El resultado final es a = 0. r http://libreria-universitaria. k a) m 5a k donde 8 = perturbación fraccional pequeña. Puede converger con lentitud.0 +I -0. a . es decir. El método de Gauss-Newton tiene una variedad de otros posibles defectos: 1. Se han desarrollado modificaciones del método (Booth y Peterson. Por ejemplo. . Puede no converger.7286 y a = 1.

05 1. Grafique los datos junto con todas las curvas. 17.65 2. d) el coeficiente de variación y e) el intervalo de confianza al 95% para la media.47 1. que la medición fue válida o fallida? Justifique su conclusión.8 12.7 y determine a) la media. http://libreria-universitaria.47 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. 17.11 a una parábola.9 6 3. b) a una ecuación de potencias. calcule el rango (esto es.8 1 000 1.REGRESIÓN POR MÍNIMOS CUADRADOS PROBLEMAS 17. 17.8 Ajuste los datos del problema 17./) Construya un histograma.32 1. 17. Use un rango de 0. Compare los resultados con aquellos de a). y = 5. Después repita el problema.9 Adecúe los datos del problema 17. b) la desviación estándar.35 1.3 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.82 1.8 2 1. 17.75 0.5 5 3. ¿Es superior alguna de las curvas? Si es así.6 15 2.7 8 l . Valide el ajuste.7 a una ecuación de potencias.5 1.7 Ajuste un modelo de razón de crecimiento saturado con X 0. calcule el error estándar del estimado y el coeficiente de correlación. Use un rango de 0 a 55 con incrementos de 5.3 2.55 1.27 miento visual y en el error estándar. c) a una ecuación de razón de crecimiento saturado y d) a una parábola.5 7 3. pero ahora haga la regresión de x contra y (es decir. Determine si esto es una estimación válida para los datos en este problema. 17. 17.7 a una parábola.4 17.30 1. 17. c) la varianza.78 2.11 Adecué los siguientes datos a un modelo exponencial X y 4 0. Grafique los datos y la ecuación.2 1 400 1.90 1.1 Dados los datos 0. í3 8.6 2 000 2.6 a 2. calcule el error estándar del estimado y el coeficiente de correlación. los valores inferior y superior) que abarquen el 68% de las lecturas.5 2. 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. Grafique los datos y la ecuación y encuentre el error estándar. c) la varianza. 17.71 1.74 1.5 3. Grafique los datos y la línea de regresión.3 3 750 Junto con la pendiente y el intercepto. calcule el error estándar de la estimación y el coeficiente de correlación.blogspot. g) Suponga que la distribución es normal y que su estimación de la desviación estándar es válida.12 Ajuste los datos del problema 17. Interprete sus resultados. Grafique los datos y la ecuación y encuentre el error estándar.85 2.95 1. b) la desviación estándar. ¿podría usted esperar.35 1. Si alguien hizo una medición adicional de x = 5.06 1.1.6 6 1.4 750 0.2 Construya un histograma para los datos del problema 17.5 2.92 1.96 1. Encuentre el error estándar. cambie las variables). Grafique los datos y la línea recta.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.63 1. d) el coeficiente de variación y é) el intervalo de confianza al 90% para la media. 17. Grafique los datos y la línea de regresión.14 1.1 10 2.66 1.2.2 4 1.5 5.42 1.13 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.4 Use la regresión por mínimos cuadrados para ajustar a una línea recta a X l Grafique los datos y la ecuación.5 1.10 Ajuste los siguientes datos a una ecuación de potencias X / 2. 17. b) Recalcule a).4 con intervalos de 0.6 7.5 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.com . Analice sus resultados.29 1. justifique.0 2 700 2.3 20 2. 17.

Estime los errores estándar y desarrolle intervalos de confianza al 90% para la pendiente y el intercepto.c) 17.PROBLEMAS 501 17. 0 0 y 17.8 25.3 1 1 2 2 3 15 18 12.0 29.075 600 0.20 Use el software de Métodos Numéricos TOOLKIT para resolver los problemas a) 17.18 Recalcule el ajuste por regresión de los problemas a) 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.0 2 650 2.12.6. Entre otras cosas: a) Agregue comentarios para documentar el código y b) determine el error estándar y el coeficiente de determinación.8 45.13 a una ecuación de razón de crecimiento saturado.5 800 1 200 1. 17.17 Use regresión no lineal para ajustar los datos del problema 17. 17. 17.com .14 Use regresión lineal múltiple para ajustar x. 17.19 Desarrolle.6 35. 17.2 1 400 1.4. http://libreria-universitaria.9 ye) 17.16 Use regresión no lineal para ajustar los siguientes datos a una parábola 3 4 4 y 0.7 2 050 2.13 mediante el procedimiento de la matriz.5 40.blogspot. el error estándar del estimado y el coeficiente de correlación.15 Use regresión lineal múltiple para ajustar 0 x 2 0 2 19 1 2 12 2 4 11 0 4 24 1 6 22 2 ó 15 2 2 5 1 1 19 0 15 y Calcule los coeficientes.5.7 20. d) 17. el error estándar del estimado y el coeficiente de correlación.4 y b) 17. b) 17.3 3 750 Calcule los coeficientes.

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 18.1Z>). a) b) c) http://libreria-universitaria.1) Para n + 1 puntos.com . De manera similar. un polinomio de primer orden) que conecta dos puntos (vea la figura 18. 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.CAPÍTULO 18 Interpolación Usted a menudo habrá tenido la oportunidad de estimar valores intermedios entre datos precisos. b) de segundo orden (cuadrática o parabólica) enlazando tres puntos y c) de tercer orden (cúbica) conectando cuatro puntos. Por ejemplo. El método más común que se usa para este propósito es la interpolación del polinomio. hay uno y sólo ún polinomio de orden n que pasa a través de todos los puntos.blogspot. Aunque hay uno y sólo un polinomio de n-ésimo orden que ajusta n + 1 puntos. 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. Interpolación polinomial consiste en determinar el único polinomio de n-ésimo orden que ajuste n + 1 puntos.1a). Este polinomio entonces proporciona una fórmula para calcular valores intermedios. hay sólo una línea recta (es decir.

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

com . Ambas interpolaciones se muestran en la figura 18. en tanto el intervalo disminuya. x 0 x 0 EJEMPLO 18. con el intervalo más corto se reduce el error relativo porcentual a e — 33. f(x) = ln j f .3 Dos interpolaciones lineales para estimar ln 2.4620981 t Así.791759.386294).6931472. x = 1 a x 4 se obtiene t = / .17)].3583519 0 x que representa un error de e = 48.(2) = 0 + 1 791759 . una función continua se aproximará mejor por una línea recta. Estimaciones lineales l i l i l í http://libreria-universitaria.2) y una interpolación lineal para ln(2) de x = 1 a X] = 6 para dar 0 /.0 — 6—1 (2 . repita el procedimiento. Con el intervalo más pequeño de. Solución . ( 2 ) = 0 L + 3 8 4 6 ^ . FIGURA 18.3%. Después.° (2 . Esto se debe al hecho de que.rrvrcKruLACTurN pendiente de la línea que conecta los puntos. el término \f(x ) — f(x )]/(x — x ) es una aproximación por diferencia dividida finita de la primera derivada [recuerde la ecuación (4. Observe que el valor real de ln 2 es 0. Usaremos la ecuación (18. cuanto más pequeño sea el intervalo de datos. Estime el logaritmo natural de 2 mediante interpolación lineal.blogspot.3%. Observe cómo el intervalo más pequeño proporciona una mejor estimación. pero use un intervalo más pequeño de ln 1 a ln 4 (1.1 ) = 0. realice el cálculo por interpolación entre ln 1 = 0 y ln 6 = 1. En general.1) = 0.3. junto con la función real. mejor será la aproximación. Primero. Esta característica se demuestra en el siguiente ejemplo.1 Interpolación lineal Enunciado del problema.

x ){x 0 2 0 .3) conx — XQ puede ser usada para calcular 0 b = /(*o) 0 (18.b xx 2 0 - b xx\ 2 o./ ( * o ) f>2 = . Para Z> .5) se pueden sustituir en la (18.b]X + b x 0 0 2 2 + b x x\ 2 Q . esto puede realizarse con un polinomio de segundo orden (también conocido como polinomio cuadrático o parábola).2).1 DIFERENCIA DIVIDIDA DE N E W T O N PARA LA INTERPOLACIÓN 505 18.6) x 2 - Xo x 0 x 0 2 0 http://libreria-universitaria. la cual puede evaluarse e n x = x para = f^)-f(xo) X\ - XQ Por último. .1) y (18.4) puede sustituirse en la (18. b (x — x )(x — X j ) . una estrategia para mejorar la estimación es introducir alguna curvatura en la línea que conecta los puntos. la ecuación (18.4) y (18.1)]. los primeros dos términos de la ecuación (18. la cual puede evaluarse en x = x y resolver (después de algunas manipulaciones algebraicas) para 2 /(* )-/(*i) 2 / ( * i ) . las ecuaciones (18. Un procedimiento simple puede usarse para determinar los valores de los coeficientes.blogspot.3) Observe que aunque la ecuación (18. las dos ecuaciones son equivalentes. .com Note que. Así.b xo + t 2 h X{)X\ 2 a\ = b\ — b xu — b x\ 2 a = b 2 2 Así. las ecuaciones (18. El último término. Una forma en particular conveniente para este propósito es fi(x) = bo +bi(xx ) + b (x . xo -x\ = xi .18. como se especificó antes en la ecuación (18.1.3).x{) (18.x 0 (18. como fue el caso con la interpolación lineal.3) son equivalentes a la interpolación lineal d e x a x . Si ties^uiüo^dejas datos están disponibles.4) x La ecuación (18. agrupando términos. Por consiguiente.3) para dar f (x) 2 = b + b\x .3) parecería diferir del polinomio general [véase ecuación (18. b todavía representa la pendiente de la línea que une los puntos x y x .2 Interpolación cuadrática El error en el ejemplo 18. Esto puede demostrarse al multiplicar los términos de la ecuación (18. introduce la curvatura de segundo orden en la fórmula.1 resulta de nuestra aproximación a una curva con una línea recta.3) son formulaciones alternativas equivalentes del único polinomio de segundo orden que une los tres puntos.3). f (x) 2 = ao + a\x + ax 2 2 donde ao = bo .

791759 Use el polinomio para evaluar ln 2.4) se obtiene La ecuación (18. Solución.com . Pero primero.4. desarrollaremos un ejemplo que muestra cómo se usa la ecuación (18. b = 0 0 Aplicando la ecuación (18. Así. 2 Interpolación cuadrática Enunciado del problema. la ecuación (18.3).4 Uso de interpolación cuadrática para estimar ln 2.386294 /(JC ) 2 x = 6 2 = 1. Ajuste los tres puntos usados en el ejemplo 18.1.1 a un polinomio de segundo orden: i j xo = 1 =4 Xl f(xo) . 2 EJEMPLO 1 8 .5) da | ¡ í FIGURA 18. 2 1 0 0 5 x http://libreria-universitaria. Para comparación se incluye también la interpolación lineal de x = 1 a 4. debemos examinar la forma del coeficiente b .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. Esta observación será objeto de más exploración cuando relacionemos los polinomios de interpolación de Newton con la serie de Taylor en la sección 18.24).blogspot.3) para interpolar entre tres puntos.0 /(xj) = 1.3) comienza a manifestar una estructura que es muy similar a la serie de expansión de Taylor.

8) (18..blogspot.6) se obtiene 1...com . z x„) (18.3. b ..386294 b = 2 6 4 0..5658444 2 la cual representa un error relativo de e = 18. los puntos de los datos evaluaban los coeficientes b .1. [x . la cual representa la diferencia de las dos primeras diferencias divididas.f(x )]. El polinomio de «-ésimo orden es f„(x) = b + bi(x .. la curvatura introducida por la fórmula cuadrática (véase la figura 18.x ) + • • • + b„(x . b¡.3) se obtiene la fórmula cuadrática f (x) 2 = 0 + 0. Por ejemplo.4620981 ^ = -0. la primera diferencia dividida finita se representa por lo general como rr T / ( • * / ' ) ~ f( j) X / 1 0 n \ f[xj.4) mejora la interpolación comparada con el resultado que se obtiene mediante líneas rectas en el ejemplo 18.18.Il.x„-i. t 18..Xj] = X¡ Xj (18...462098l (x .791759 .1 y figura 18. Así.10) b n = f[x„.1 DIFERENCIA DIVIDIDA DE N E W T O N PARA LA INTERPOLACIÓN 507 y con la ecuación (18.0518731 (x .])(x .1. se expresa por lo general como http://libreria-universitaria. .12) La segunda diferencia dividida finita.xi. / ( x ) ] .1) .x )(x -*.3 F o r m a general de la interpolación de p o l i n o m i o s de N e w t o n El análisis anterior puede ser generalizado para ajustar un polinomio de «-ésimo orden a n + 1 datos. [x^fix^].7) Como se hizo antes con las interpolaciones lineales y cuadráticas. Usamos estos datos y las siguientes ecuaciones para evaluar los coeficientes: 0 n 0 0 n n b = f(x ) Q 0 (18.0.A' ] 0 (18. .0518731 6—1 Sustituyendo estos valores en la ecuación (18. Para un polinomio de «-ésimo orden se requiere n + 1 puntos: [ x .)•••(*0 0 0 x„-i) (18.11) donde las evaluaciones de la función puestas entre paréntesis son diferencias divididas finitas..4) que puede evaluarse en x — 2 para / (2) = 0.9) b\=f[x x ] u 0 bi = f[x .4%.

Esta propiedad será aprovechada cuando desarrollemos un programa eficiente en la computadora dentro de la sección 18.x = 4 yx — 6 se utilizaron para estimar ln 2 con una parábola.x _ Y[x . v ) = b{) + l>l(X .loK. 0 x 2 3 3 Solución.x¡Á J 1 = . . - X „ _ 2 .5 Ilustración gráfica de la naturaleza recursiva de las diferencias divididas finitas.X ] K f \x¡ .. f[Xi. . (x . . . = - n —\ - >•••i - x - \ \ — /[x„_i. observe cómo las ecuaciones (18.... 0 i */ x Primara f(x )0 Segundo |. calcule el ln 2 con una interpolación del polinomio de Newton de tercer orden.7) con n — 3. X.508 INTERPOLACIÓN .) . las diferencias de órdenes mayores se calculan al tomar diferencias de orden menor.14) (Wl\A\ X„ — XQ Estas diferencias pueden usarse para evaluar los coeficientes en las ecuaciones (18. X. EJEMPLO 18.. Ahora. x„] Tareero |X|.„ o 2 :f[x.609438]..X„-u. r .x.2. x.15) que es conocido como polinomio de interpolación por diferencias divididas de Newton. véase la figura 18. la n-ésima diferencia dividida finita es j. f(x ) = 1.V|) | /0.\ .5 para implementar el método.Xj] - f[..V .12) a (18.Xo)(x ..x.8) hasta la (18.15) sean igualmente espaciados o que los valores de la abscisa deban estar en orden ascendente.13) fí ni x x En forma similar.11).14) son recursivas (es decir.. f[x„.\ 2 . agregando un cuarto punto (x = 5.Xj. También. las cuales entonces se sustituirán en la ecuación (18..(.x^x^ 0 x u x] 0 (18. es T ) http://libreria-universitaria. los datos e n x = \.5). x ]0 x 2 3 \ f(x. XQ] (.com / l ( .v>) . El polinomio de tercer orden utilizando la ecuación (18.blogspot.3 Interpolando polinomios mediante la diferencia dividida de Newton Enunciado del problema.. ..] 2 x : [x .18.1.)f(x |2 :f[x . x ]" f 3 2 *3 f[x h 3 FIGURA 18.v • -. Debe observarse que no es necesario que los datos utilizados en la ecuación (18.«o) (.»| )(\ .7) para obtener el polinomio de interpolación /«(*) = ñ o) x + -+ + (x- (x .- x¡-x k (18..X ) + l> (.x ] n 1 n n l 0 * y i * i » *o] + ( ~ 0 x x )(x . En el ejemplo 18. como se ilustra en el siguiente ejemplo.x _ .X Xo] r U ..

2027326-0.X ] 0 = 4-0 6-4 = 0.7) es 2 3 0 0 http://libreria-universitaria.Xi] 2 = f[X3.4620981 0.. x ..386294-0 f[X].f[x .05187311) 5 .02041100 f[XT.386294 5-6 Las segundas diferencias divididas son [véase la ecuación (18.1. x ]. x ] representan los coeficientes 6.blogspot.Xi.7).14) con n = 3] .12)] 1. x .13)] 0.1823216-0. X^XQ] y f[x .1 UirCKCrNUA U l V I V I U r t u c P I S Y T I W I ^ FIGURA 18. Las primeras diferencias divididas para el problema son [véase la ecuación (18.com .007865529 Los resultados para/[*.386294 f[x ..X ] 2 = 1.2027326 5-4 = -0.0 .05187311 = -0.Xi 2 La tercera diferencia dividida es [véase la ecuación (18.(-0. Junto con b =f(x ) = 0.1823216 1.1.6 Uso de la interpolación cúbica para estimar ln 2.609438 .0.X . b y ¿> de la ecuación (18.1 5 .1 0. la ecuación (18.4620981 f[X2.2027326 0.X ] 0 = 6.1 0 2 3 2 x 0 = 0. 0 2 0 4 1 1 0 0 .791759 .

También.17) donde f[x.17) contiene la incógnita/ (x). puede obtenerse una formulación para el error de truncamiento..15) es similar a la serie de expansión de Taylor en el sentido de que se agrega términos en forma secuencial para capturar el comportamiento de alto orden de la función en turno.x„) (18.6..2. x . usa una diferí ncia dividida finita para aproximar la derivada (n + l)-ésima.l ) ( x .05187311 (x + 0.310 INTERPOLACIÓN fr(x) = 0 + 0. Más bien. como en n+1 R„ = f[x„ +u x„.18) EJEMPLO 18. Use la ecuación (18. Estos términos son diferencias divididas finitas y.3%..0. así.18) para estimar el error para la interpolación del polinomio de segundo orden del ejemplo 18. 3 http://libreria-universitaria.4 Estimación del error para el polinomio de Newton ¡ ! Enunciado del problema. el cual representa un error relativo de e¡ = 9.6) que el error de truncamiento para la serie de Taylor podría expresarse por lo general como f (n+l)(t\ (n+ 1)1 (4. Recuerde de la ecuación (4. . como fue el caso con la serie de Taylor. .1. Para esta fórmula que habrá de usarse.blogspot.6) donde ¿j está en alguna parte en el intervalo x¡ a x . ) • • • (x .16) (n + 1)! donde £ está en alguna parte en el intervalo que contiene la incógnita y los datos.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. 18.6) I )(.x )(x 0 .v .4620981 (JI . Por consiguiente.4 )(x . D :bido a que la ecuación (18.609438 para obtener sus resultados. representan aproximaciones de las derivadas de orden mayor.007865529 (x .x . x )] es la (n + 1 )-ésima diferencia dividida finita. . x ](x 0 . X ](X Q - X )(X 0 - X\) • • • (X - X„) (18. Para una interpolación de n-ésimo orden. la ecuación (18. R„ = n nA fíx.1) . Use los datos adicional e s / ( x ) = / ( 5 ) = 1.com .x . no puede resolverse para el err >r.x ) • • • (x t -x„) (18.. una formulación alternativa ei tá disponible y no requiere conocimiento previo de la función.x + 1 ) 0 ) ( x . Por lo común éste no es el caso.4) que puede usarse para e v a l u a r / ^ ) = 0. la función en turno debe ser conocida y < iferenciable.x„. . .17) pue<e usarse para estimar el error. Sin embargo. como ocurrió con la serie de Taylor.6287686. si se dispone de un dato adicional f(x ). Por fortuna. el polinomio sujeto a interpolación de n-ésimo con base en n + 1 puntos dará resultados exactos.x„^i 0 . si la verdadera función subyacente es un polinomio de w-ésimo orden. El polinomio cúbico completo se muestra en la figura 18. una relación análoga para el error es +1 R„ r" (£)(x .

18) se integra de manera usual en el cálculo del polinomio de Newton debido a que http://libreria-universitaria.com . Esta figura muestra un caso de segundo orden..20) y (18. esto se hace muy ocasionalmente.11 muestra el pseudocódigo que se puede emplear para este propósito. el método de Newton tiene ventajas en el conocimiento que proporciona respecto al comportamiento de las fórmulas de diferente orden.• •».x ] Y\(x 0 -x¡) n+l De este modo.. En resumen. Las ecuaciones (18.23) pasa a través de uno de los puntos y es cero en los otros dos. Cada uno de los tres términos en la ecuación (18.17)] n R = f[x. Además. La sumatoria de los tres términos. la versión de Lagrange tiene un error estimado de [véase ecuación (18. 2 Observe que. por tanto.x„-i.x„. el error estimado expuesto por la ecuación (18. La figura 18.* n u i n r w i v i v n ve rwHmwmius'nimiwnOff ¥17 FIGURA 18. para casos donde el orden del polinomio es desconocido. se puede obtener un error estimado..21) se programan de manera muy simple para implementarse en una computadora. n .blogspot. como no se emplean las diferencias divididas finitas como parte del algoritmo de Lagrange. es un polinomio único de segundo orden f |x) que pasa exactamente a través de los puntos. Sin embargo. si se tiene un punto adicional en x — x . como en el caso del método de Newton.10 Una ilustración visual del racional detrás del polinomio de Lagrange.

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

El mismo problema se aplica a la regresión con polinomios de orden superior. habrá un punto para el cual el error de redondeo interferirá con la habilidad para interpolar mediante el procedimiento simple que se abordó en este punto. segundo y primer orden. en tanto el orden aumente.blogspot.18. La aritmética de doble precisión ayuda algunas veces a disminuir el problema.12b hasta la 18.3 COEFICIENTES DE U N POLINOMIO DE INTERPOLACIÓN | ] ¡ FIGURA 18. 18. menor será el valor estimado de la velocidad en t = 10 s. no proporcionan un polinomio conveniente de la forma convencional http://libreria-universitaria. Debe recordarse. tienden a ser altamente sensibles a los errores de redondeo. Se observa que mientras más bajo sea el orden. Desde la figura 18.12 Gráficas que exponen a) cuarto orden. tercer. segundo y primer orden. El algoritmo de Lagrange se usa para construir polinomios de interpolación de cuarto. Esto sugiere que las versiones de primer o segundo orden son las más adecuadas para este análisis de tendencia en particular. Sin embargo. Solución.12d se muestran las gráficas de los resultados de los cálculos para las interpolaciones de los polinomios de tercer. El ejemplo anterior ilustró que los polinomios de alto orden tienden a ser mal condicionados. Las gráficas de la interpolación de polinomios indican que los polinomios de alto orden tienden a sobrepasar la tendencia de los datos. b) tercer orden.com .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. 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. la regresión de hecho podría ser la más adecuada.12a. esto es. El polinomio de cuarto orden y los datos de entrada se pueden graficar como se muestra en la figura 18. que debido a que tratamos con datos inciertos. c) segundo orden y d) interpolaciones de primer orden.

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./(xj)] y [x . se puede usar ecuaciones algebraicas lineales simultáneas para calcular las a. Ya sean resueltos con un método de eliminación o con un algoritmo eficiente. Un ejemplo simple es una tabla de valores tabulados para la función f(x) = l/x. En resumen. Así. Como hay el mismo número de ecuaciones que incógnitas. X 1 1 2 0.24).1667 7 0. En consecuencia.1429 Ahora suponga que usted debe usar los mismos datos. como la función está disponible y se puede manejar en forma fácil.com . suponga que se le pide determinar el valor de x que corresponda a f(x) — 0.3333 4 0. las x son los puntos conocidos y las a las incógnitas.25 5 0. Los sistemas como el de la ecuación (18.3333. se debe tener precaución con el orden.3. los coeficientes resultantes pueden ser altamente inexactos.5 3 0.25) 0 Se requiere tres puntos: [x . pero que se le ha dado un valor para f(x) y debe determinar el valor correspondiente de x. la ecuación (18.2 6 0. 18. los valores de las x están típicamente espaciados en forma uniforme. Press y cois. Cualquiera que sea la técnica empleada.f(x )]. si usted se interesa en determinar un punto intermedio.26) + a x\ 2 De esta manera. 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. suponga que usted desea calcular los coeficientes de la parábola f(x) = a + a\x + a x 0 2 0 2 (18.4 INTERPOLACIÓN INVERSA Como su nomenclatura lo implica. http://libreria-universitaria.26) se podría resolver con un método de eliminación de la parte tres. la respuesta correcta se determina directamente como A.blogspot. en particular para n grandes.520 INTERPOLACIÓN f(x) =a 0 + ax + ax x 2 2 + •••+ a x n n (18.f(x )]. (1986) proporcionan un análisis y códigos de cómputo para procedimientos más eficaces. para los datos anteriores.25) para dar f(x ) 0 [X]. Por ejemplo. Por ejemplo. = 1/0. los valores de f(x) y x en la mayoría de los contextos de interpolación son las variables dependientes e independientes. 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 (18.26) están notoriamente mal condicionados. Si lo que desea es determinar una ecuación con la forma de la (18. emplee la interpolación de Newton o Lagrange. la ecuación (18. Cuando se usan para una interpolación subsecuente a menudo se obtiene resultados erróneos. Para este caso.3 = 3.

el error disminuye mucho más rápido que para la situación original.x ) {x\ .20) (18.puntos en una secuencia diferente. Esta observación es también soportada por un análisis directo de la ecuación para estimar el error [vea ecuación (18.X J donde II designa el "producto de".) (x 2 0 Xl mfiX2) ( 1 8 . Sin embargo.X ) 2 - r/(*i) x) 2 . 0 { 3 El ejemplo anterior ilustra la importancia de la selección de los puntos base. esto es. Como se podría intuir en forma obvia.xO(xo .5.(*)ft*i> (18. los puntos deberían estar centrados alrededor y tan cerca como sea posible de las incógnitas. el racional resaltado de la formulación de Lagrange se puede captar de manera directa al darse cuenta que cada término L¡(x) será http://libreria-universitaria. (x-xo)(x. Se puede expresar de manera concisa como / » ( * )=2 i=0 donde £. .xi 0 + í—^-f(xx) x.9 muestra los resultados para el caso de invertir el orden de los datos originales. los puntos base más cercanos son a x.. el error es proporcional al producto: (x — x ) (x — x¡). Se podría emplear otras combinaciones para obtener diferentes velocidades de convergencia.22) 0 y la versión de segundo orden es f (x) 2 = ' (i-xi)(x-x ) . la versión lineal (n = 1) es = ?—^f(xo) x . x = 3. . la magnitud más pequeña de este producto. Por ejemplo.blogspot.5. Si suponemos que la diferencia dividida finita no varía mucho a lo largo del rango de datos.(x — x ).(x . x = 1.x ) ( x — r/(x ) + . La figura 18. Como los puntos iniciales para este caso se hallan cercanos y espaciados en cualquier lado de ln 2. Por lógica. 2 3 ) -x )(x 2 -Xi)" La ecuación (18. el error se redujo a menos de e. = 2 % .— ( x . y asi sucesivamente. 0 n 18.x 0 (18.com . x = 2. En el segundo término.x )(xi 2 0 0 2 0 .17)].5.2 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).2D iW= fi(x) n^/ y=o X Í .20) se puede derivar de manera directa a partir del polinomio de Newton (véase cuadro 18.

/(x ) /[x. al agrupar términos similares y simplificar se tiene la forma del polinomio de Lagrange.1.blogspot. cada producto L¡(x)f(x¡) toma el valor de f(x¡) en el punto de muestra x¡. — x— f (x) = x o -/(x ) + V(xi) X (B18. la cual es referida comoforma simétrica.516 INTERPOLACIÓN 1 en x = x. Haremos esto únicamente para el caso del polinomio de primer orden [véase ecuación (18..386294 (4-l)(4-6) ( 2 . En consecuencia. la primera diferencia dividida. Cuadro 18. ambos resultados concuerdan con los que se obtuvieron antes al usar la interpolación para el polinomio de Newton.10). Por ejemplo.=4 x =6 2 f(xo) = 0 / ( x 0 = 1. Para obtener la forma de Lagrange. i / . Al sustituir la ecuación (B18.791760 Solución.2) se obtiene /i(x) = /(x ) +x\—. ( 2 ) = Y~^°+ y -386294 = 0.1. 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 .1) Xl se puede reformular como (B18.4620981 1 1 De manera similar.com .2) x - X l 0 X\ Xo XQ http://libreria-universitaria.2) en (18.386294 f(x ) 2 = 1.22)] se puede usar para obtener la estimación en x = 2.5658444 (6-l)(6-4) Como se esperaba. De esta manera. 6 Interpolación de polinomios de Lagrange Enunciado del problema. reformulamos las diferencias divididas.1.20) es el único polinomio de n-ésimo orden que pasa de manera exacta a través de todos los n + 1 puntos.2)].2: xo = 1 x.xo] = /(xi) xi .l)(2-4) + -1. EJEMPLO 1 8 .1 Obtención de la forma de Lagrange a partir directamente de la interpolación del polinomio de Newton El polinomio de interpolación de Lagrange se puede obtener de manera directa a partir de la formulación del polinomio de Newton.x o 0 fl i Por último. la sumatoria de todos los productos designados para la ecuación (18. El polinomio de primer orden [véase ecuación (18.791760 = 0.23)] / (2) = 2 (2-4)(2-6) (l-4)(l-6) -0+ (2-l)(2-6) -1. y 0 en todos los otros puntos de la muestra (véase la figura 18. el polinomio de segundo orden se desarrolla como [véase ecuación (18.

es una buena aproximación del valor real de 3.1667 0. 0. en muchos casos. 3.295842 Así. (3. usted se preguntaría por qué hemos puesto el caso especial de datos igualmente espaciados (véase cuadro 18.1429 X 0.0.375A. con f(x) contra x].08333 . esas técnicas tenían gran utilidad para interpolación a partir de http://libreria-universitaria.78333 _ 5.08333 .3 = 1.0.704158 2 X ~ 2(0. Antes de la llegada de las computadoras digitales. Para un caso más complicado.375.2 0.5 COMENTARIOS ADICIONALES Antes de proceder con la siguiente sección. como las x están espaciadas de manera uniforme. se debe mencionar dos temas adicionales: interpolación con datos igualmente espaciados y extrapolación. la segunda raíz. Como. el de Newton y Lagrange. a los datos originales [es decir.041667* 2 La respuesta al problema de interpolación inversa para determinar lax correspondiente a f(x) = 0. cuando usted invierte las variables no hay garantía de que los valores junto con la nueva abscisa [los/(x)] sean espaciados uniformemente. El resultado sería n f (x) 2 = 1.333. Si se desea una exactitud adicional.041667) ~ 3. la fórmula cuadrática se puede usar para calcular _ 0. Por desgracia.+ 0.18.3 sería equivalente a la determinación raices de 0. ambos polinomios.blogspot. usted debe intentar cambiar los valores f(x) y x [es decir.041667)0. 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).375) .25 0.3333) y (4.5 COMENTARIOS ADICIONALES 521 Tal problema se conoce como interpolación inversa.375 ± v/C-0. Por ejemplo.25). un simple procedimiento podría ser ajustar los tres puntos a un polinomio cuadrático: (2.com . Esto puede ocurrir aun para polinomios de orden inferior. 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. los valores serán "agrandados". Así. este polinomio no estará mal condicionado. Es decir.* + 0. En la mayoría de los casos. 0. 0. para f(x) = 1/x el resultado es 0. tendrán la apariencia de una escala logarítmica con algunos puntos adyacentes muy agrupados y otros muy dispersos.041667 A: 2 Para este caso simple. Una estrategia alterna es ajustar un polinomio de n-ésimo orden.296. sólo grafique x contra f(x)\ y use un procedimiento como la interpolación de Lagrange para determinar el resultado. ¡el problema de interpolación se reduce a un problema de raíces! Por ejemplo. De hecho.4(0. f {x).5). son compatibles con datos espaciados en forma arbitraria. 18.5 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.3333 0.2). para el problema antes descrito.

Con esta base. están disponibles las fórmulas hacia atrás y central de Newton-Gregory.X ] = 0 2 Rn = . . 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. ( X ) =/(XQ) .x ) ( x .2.2) Mediante la ecuación (Bl 8. Al. Además de la fórmula hacia adelante.1) • • (a . x „ ] = A"/(x ) 0 n\h" (B18. A|. A"/(x ) -i ¡—a (a .2). . \ . Luther y Wilkes (1969).1) / ( x ) . las diferencias divididas finitas se pueden expresar en forma concisa. entre los datos.1) fíx ) i) 2! "a(a 0 .15)] para el caso de datos igualmente espaciados como r / x s.X|.2. X ] = 2 X2 la cual se puede expresar como / [ X .2. ) + /(x ) 2 { 2 0 H .3) para dar A fn(x) = /(x ) + A/(x )a + 0 0 2 0 (B 18. (X 0 h X ) 0 + + A 2 / ( A 0 ) 2\h 2 (x . .xo .com .n + 1) + R„ 0 ya que x — x = x — x = (x — x )/2 = h. . Para información adicional con respecto a interpolación para datos igualmente espaciados se puede consultar a Carnahan.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. Por ejemplo. Esta ecuación es conocida como fórmula de Newton o fórmula hacia adelante de Newton-Gregory. la ecuación (B 18. Se puede simplificar más al definir una nueva cantidad.2. V + W . 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. en general /[Xo .«) [n + 1)! Esta notación concisa tendrá utilidad en nuestra derivación y en el análisis de error de las fórmulas de integración en el capítulo 21.2.2 / 2h ( x . + A/(X ) .blogspot. Ahora recuerde que la segunda diferencia hacia adelante es igual al numerador donde de la ecuación (4. A ] 0 2 2 2 -X 0 las cuales se sustituyen en la ecuación (Bl 8.522 INTERPOLACIÓN Cuadro 18. A /(x ) 2 0 2\h 2 o.3) http://libreria-universitaria. / .2) • • • (a . .3): x — x — AO = AQ — donde h es el intervalo.h) 0 nlh" 0 ---+^¡^(x-x )(x-x -h) Q 0 •••\x-x -(n-1)h) + R„ (B18. .2.4) A /(xo) = /(A'2)-2/(x ) + /(x ) 2 l 0 Por tanto.24) x 0 (B 18.16). podemos expresar el polinomio de interpolación de Newton [véase ecuación (18. entonces la variable independiente tiene los valores de X x\ = x + h 0 donde lo que resta es lo mismo que en la ecuación (18.1) se puede representar como /[X .D(« . o tamaño de paso.2.2.

la ecuación (18.19) conforma nuestra definición estándar de error al representar la diferencia entre la verdadera y una aproximación. pudo usarse para estimar el error. x . el error estimado de la ecuación (18. 2 X\.007865529(2 . i j j \ " uircRCNClA DIVIDIDA DE N E W T O N "PARA LA INTERPOLACIÓN Solución. la ecuación (18.4)(x .19) es más sensible para dicha divergencia. la ecuación (18.007865529(JC . la interpolación de polinomios de alto orden son muy sensibles a errores en los datos (es decir. Cuando se emplean para interpolación.6) donde el valor para la diferencia dividida finita de tercer orden es como la que se calculó antes en el ejemplo 18.blogspot.com . como será expuesto en la siguiente sección. junto con el valor adicional en x . Recuerde que en el ejemplo 18.1273028. la predicción del (n + l)-ésimo orden debería ser mucho más cercana al valor real que la predicción del n-ésimo orden. a menudo se obtienen predicciones que divergen en forma significativa del valor verdadero. la ecuación (18. Sin embargo.1)(2 . http://libreria-universitaria. En consecuencia.4)(2 .0629242 2 2 la cual es del mismo orden de magnitud que el error real. la ecuación (18.0.I i o.6931472 . Sin embargo. es más valioso para la clase de análisis de datos exploratorios para lo cual el polinomio de Newton es el más adecuado. el incremento que se agrega al caso del n-ésimo orden para crear el caso de (n + l)-ésimo orden [es decir. como es común que suceda. Rn = fn + l(x) ~ fn(x) (18.19) podría ser menor que el verdadero. Esto puede verse con claridad al reordenar la ecuación (18. Si se prevén tales errores. que representa un error de 0.2 la interpolación del polinomio de segundo orden proporcionó una estimación de f (2) = 0.19) En otras palabras. 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. están mal condicionados).l)(x . Para tal situación. como en 2 3 M I ! Ri = /fe. Es decir.19) representa una predicción futura menos una presente.5658444 = 0. Esto representaría una calidad muy poco atractiva si el error estimado fuera a emplearse como un criterio de paro. observe que mientras todos los otros errores estimados para procedimientos iterativos introducidos hasta ahora se determinaron como una predicción actual menos una previa.XQ\(X - x )(x 0 - x\)(x - x) 2 i o ! í R = 0.19) 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. Si se hubiera conocido el valor real.5658444. Esta relación puede evaluarse e n * = 2 para R = 0.18).3. Del ejemplo anterior y de la ecuación (18. Esto significa que para una serie en convergencia rápida.18)] se interpreta como una estimación del n-ésimo orden de error. Como tal.6) = 0.18).

Al agregar nuevos términos en forma secuencial. y. n xterm = xterm * (x¡ .14) y la figura 18.1.11)] se pueden calcular de manera eficaz.8) hasta (18. Tal capacidad es en especial valiosa cuando el orden del polinomio no es conocido a priori. n. Como en la ecuación (18.j fdd = (fdd i ENDDO END DO xterm = 1 yint = fdd DO order = 1.n DO i = 0.blogspot. Es decir. 3. Por medio de la información determinada antes. ea) LOCAL fdd„ DOi = 0. ymt.18)] puede ser muy simple de incorporar en un algoritmo de cómputo debido a la manera secuencial en la cual se construye la predicción. como en la ecuación (18. Esto facilita la evaluación de algunas de las versiones de diferente orden en el mismo programa. FIGURA 18. xi. se usa diferencias del orden inferior para calcular las de alto orden. 5U3R0UTINE Newtlnt (x.com END order END Newtlnt . podemos determinar cuándo se alcanza un punto de disminución de regreso (es decir.5 A l g o r i t m o de cómputo p a r o la interpolación del p o l i n o m i o de N e w t o n Tres propiedades hacen que la interpolación del polinomio de Newton sea muy atractiva para las aplicaciones en la computadora: 1.n' ¡n u>=y¡ END DO DO j = 1. 2.7 Un algoritmo para el polinomio de interpolación de Newton escrito en pseudocódigo. El error estimado [véase la ecuación (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.x yintZ = yint .) 0iOrder * xterm http://libreria-universitaria. El algoritmo en la figura 18. o en ciertas situaciones de hecho la aleja).7 contiene un esquema semejante. Las diferencias divididas finitas que constituyen los coeficientes del polinomio [ecuaciones (18.5. 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.n. los coeficientes se pueden calcular de manera eficiente.512 INTERPOLACIÓN 18. cuando la adición de términos de orden superior ya no mejora de manera significativa la estimación.7). + fdd fdd ¡¿ M¡t 0 0¡0 older 1 fdd^x^-xj oreter _.

062924 0. j Enunciadodel problema. X( 3 ) .com .675722 0. 1.5 . 1. X( 5 ) .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 18.9162907 1.5 3.4054641 0.697514 0. X( 1 ).blogspot. Después de incorporar el error [véase la ecuación (18.021792 -0. el segundo establece las predicciones y su error asociado.000000 0.6094379 1.18. La utilidad de este algoritmo se demuestra en el ejemplo siguiente. 1 . 1.7 y la siguiente información para evaluar/(x) = Inxenx = 2: x i f (x) = ln x 0 4 ó 5 3 1.6094379 3 .462098 0.565844 0.7).0 6 . 0 .693898 0. p a r ae v a l u a rn l 2. X( 4 ) .7).693439 http://libreria-universitaria.7917595 5 . 4 0 5 4 6 4 1 1 3.5 2.7917595 1.0986123 0.046953 0.91629073 INTERPOLATION AT X ORDER 0 1 2 3 4 5 6 7 F(X) 0. junto con el error real (con | L o sr e s u l t a d o sd eu np r o g r a m a .5 .5 .000459 ? 4 .1. X( 6 ) .3862944 1. 7 .2527630 Solución.8 ? 2.462098 0. 3 8 6 2 9 4 4 2 ) 3 ) 4 ) 5 ) 6 ) 7 ) - FIGURA 18.2527630 2 ERROR 0.103746 0. NUMBER OF P01NTS? 8 X( 0 ) .5 Estimación del error para determinar el orden adecuado de interpolación ¡ . Observe que el algoritmo consiste en dos partes: el primero determina los coeficientes o partir de la ecuación (18.628769 0. utilice el algoritmo de cómputo que se muestra en 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 .8.0.5 1 1. EJEMPLO 18.003616 -0.7 para obtener una solución se muestran en la figura 18.18)]. X( 2 ) . El error estimado. Los resultados al emplear el algoritmo de la figura 18. X( 7 ) . y( y( y( y( y( y( y( y( 0 1 ) ) ? ? ? ? ? ? 1.0986123 1.

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

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

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

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

0 4. f(x) = f(xo) +m (x 0 - x ) 0 xo < x '< xi Xi £ x < Xi / ( x ) = / ( x i ) +nn(x .5 7.5 .0 http://libreria-universitaria. Por ejemplo.6.5 1.xi) f(x) = / ( x „ .5 = 0. Solución.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.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. Evalúe la función e n x = 5.5 . Después se usa la ecuación adecuada para determinar el valor de la función dentro del intervalo.j ) + m„-\(x .1 con segmentarias de primer orden.0 2.3.com 2.1 7-4.27): 2.blogspot.526 INTERPOLACIÓN 18. El método es obviamente idéntico al de la interpolación lineal. TABLA 18. Se puede usar los datos para determinar las pendientes entre puntos. Ajuste los datos de la tabla 18. 0 n EJEMPLO 1 8 . Las segmentarias de primer orden para un grupo de datos ordenados pueden definirse como un conjunto de funciones lineales.1 Datos para ser ajustados con funciones segmentarias.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. f(x) 3. El valor e n x = 5 es 1.1 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 0.16a. 8 Segmentarias de primer orden Enunciado del problema. para el intervalo x = 4.5 a x = 7 la pendiente se puede calcular mediante la ecuación (18.

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. la primera derivada de la función es discontinua en esos puntos. como se analiza en la siguiente sección.2 S e g m e n t a r i a s cuadráticas Para asegurar que las derivadas m-ésimas son continuas en los nodos. Esta deficiencia se resuelve al usar segmentarias polinomiales de orden superior que aseguren suavidad en los nodos al igualar derivadas en esos puntos. A menudo se usan con más frecuencia en la práctica los polinomios de tercer orden o segmentarias cúbicas para asegurar derivadas FIGURA 18.6. En términos formales.16 Ajuste segmentario de un conjunto de cuatro puntos.com f . a) Segmentaria lineal. se debe usar una segmentaria de al menos m + 1 orden. En esencia. la pendiente cambia de forma abrupta. 18. en los puntos donde dos segmentarias se encuentran (llamado nodo).16a indica que la principal desventaja de las segmentarias de primer orden es que no son suaves.blogspot.Una inspección visual a la figura 18. se gráfica también con una interpolación polinomial cúbica. b) segmentaria cuadrática y c] segmentaria cúbica.

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

se tienen 4 datos con n — 3 intervalos. 2 5 a i + 4 .0 20. 5 & 1 + c i = 1. Las primera y última funciones deben pasar a través de los puntos extremo.6* INTERPOLACIÓN SEGMENTARIA 1 9 9 2.-\ + b¡-[ = 2a¡Xi-\ + b¡ (18. Las primeras derivadas en los nodos interiores deben ser iguales. Las ecuaciones (18. 3. Para este problema. seleccionamos la siguiente: Suponga que en el primer punto la segunda derivada es cero. Use los resultados para calcular el valor enx = 5.5 2 2 49a + 3 7fo + c = 2.32) + b x„ +c„- f(x ) n para un total de 2n — 2 + 2 = 2n condiciones.34) La interpretación visual de esta condición es que los dos primeros puntos se conectarán con una línea recta. Ajustar por medio de segmentarias cuadráticas los mismos datos que se usaron en el ejemplo 18. Esto agrega dos ecuaciones adicionales: a\xl + bix a„x 2 n n 0 + c\ = f(x ) 0 (18. Como la segunda derivada de la ecuación 18.33) 4.1).30) dan 2(3) — 2 = 4 i condiciones: 1 I 2 0 . 3(3) = \ 9 incógnitas por ser determinadas.31) (18. EJEMPLO 1 8 .31)]: http://libreria-universitaria. 9 Segmentarias cuadráticas j ! \ Enunciado del problema. Como se tiene 3n incógnitas. | Solución.29) y (18. Esto proporciona otras n — 1 condiciones para un total de 2n + n — 1 = 3« — 1.5Í7 + c = 1. Por tanto. Aunque hay un número de elecciones diferentes que se pueden tomar.8 (véase tabla 18. la condición se puede representar de manera general como 2a¡-\x. A menos que tengamos alguna información adicional con respecto a las funciones o sus derivadas.18. se tiene una condición corta. para i = 2 a n.5 3 3 Evaluando a las funciones primera y última en los valores inicial y final se agregan 2 ecuaciones mes [véase ecuación (18.28 es f\x) = 2ax + b Por tanto.0 2 2 j J 49a + 2 7 /7 + c = 2.28 es 2a¡.blogspot.25 (32 + 4. esta condición se puede expresar matemáticamente como «i = 0 (18.com . debemos tomar una selección arbitraria para calcular de manera exitosa las constantes. La primera derivada de la ecuación 18.

0 Cuando se u s a ^ .0 = 0.64(5) .5 y [véase ecuación (18.. la predicción para x = 5 es. Como esta ecuación especifica a¡ de manera exacta.6x . en consecuencia.b 2 2 14a + ¿>2 = 14a + 3 ¿>3 Por último. Observe que hay dos desventajas que se alejan del ajuste: 1) la línea recta que conecta los primeros dos puntos y 2) la segmentaria para el último intervalo parece oscilar demasiado.76(5) + 18. 3 3 las cuales pueden sustituirse en las ecuaciones cuadráticas originales para desarrollar la siguiente relación para cada intervalo: /.76 2 c\ = 5. con los resultados: «i=0 a = 0.5 0.5 2.64 2 b\ = — 1 b =-6.46 2 / (.0<x<4.5 0 0 0 3 0 1 0 1 0 0 0 1 0 0 0 0 0 20. Las segmentarias cúbicas de la siguiente sección no exhiben estas desventajas y.76 JT + 18.33)]: 9Ú[ 2 + b\ = 9a 4.5 0 0 Esas ecuaciones se pueden resolver mediante las técnicas de la parte tres.166.= .5 < x < 7.v) = —jr + 5.5 2.34) especifica que a — 0.64 A . la ecuación (18.0 < x < 9.6.46 = 0. por tanto.v) = .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 3 ¿3=24.(.66 2 2 El ajuste total por segmentarias se ilustra en la figura 18.530 INTERPOLACIÓN 9a! +3b> + c i = 2.9 1 .25 4.5 f (x) 2 3. son i«<*molación seamentaria.5 4.91.5 3 3 3 La continuidad de las derivadas crea un adicional de 3 — 1 = 2 [véase ecuación (18. / ( 5 ) = 0.46 2 a =-1. 6 x + 24.5 c = 18.blogspot.3 2 3 7. http://libreria-universitaria. el problema se reduce a la resolución de ocho ecuaciones simultáneas.com .6. Estas condiciones se pueden expresar en forma matricial como x 4.1 .32)] 81a + 9 ¿ > + c = 0.6 £.

x . como en f¡ (JC) = a/.15).. +1 .3 Segmentaria» cúbicas El objetivo en las segmentarias cúbicas es obtener un polinomio de tercer orden partí cada intervalo entre los nodos. existen n intervalos y. Los valores de la función deben ser iguales en los nodos interiores (2« — 2 condiciones). se requieren 4 H condiciones para evaluar las incógnitas. Aunque la obtención de este método (véase cuadro 18.X . 2 . 4« incógnitas constantes para evaluar. presentamos una técnica alterna que requiere la solución de sólo n — 1 ecuaciones. fi ( i) X .35) Así.Q (x¡ . La primera y última funciones deben pasar a través de los puntos extremo (2 condiciones). .3) es algo menos directo que para las segmentarias cuadráticas. . . por consiguiente.)f"(x ) ¡+l 6 -/(*. Las segundas derivadas en los nodos interiores deben ser iguales (« — 1 condiciones). 3 7 ) X¡ + \ — X¡ http://libreria-universitaria. ) / U ) + (JCi+i _ — 6 x. Si el valor de la segunda derivada en los nodos extremo no es cero (es decir. 2.Í ) + 2(x.6.com .blogspot. . ) Esta ecuación contiene sólo dos incógnitas (las segundas derivadas al final de cada intervalo). Se le da este nombre debido a que el dibujo segmentario se comporta en esta forma (véase figura 18.f{x¡)] ( 1 8 .•)]+ X¡ \f(x¡-ú Xj-\ . 3. 3 2 (18. N3 fi(x) = 7 1 Ax¡ . La derivación del cuadro 18. esta información se puede usar de manera alterna para suministrar las dos condiciones finales. la ganancia en eficiencia bien vale el esfuerzo. Las segundas derivadas en los nodos extremo son cero (2 condiciones). Como con las segmentarias cuadráticas. existe alguna curvatura). La especificación de tal condición extremo nos lleva a lo que se denomina como segmentaria "natural".36) + /(*/) Xi — 6 ( A . x 3 . Las primeras derivadas en los nodos interiores deben ser iguales (« — 1 condiciones). Mientras sea ciertamente posible desarrollar segmentarias cúbicas en esta forma. n). Esas incógnitas se pueden evaluar mediante la siguiente ecuación: (x¡ * ¡ _ I ) / V Í . para n + 1 datos (i — 0. Los cinco tipos de condiciones anteriores proporcionan un total de 4n ecuaciones requeridas para resolver los An coeficientes.xY + — f(*i-Ó /"(*/-! )(*/ - -(x X¡-Ó' - Xi-xY x¡ — Xi-\ f"(Xi)(Xj 6 -Xj. La interpretación visual de la condición 5 es que la función se vuelve una línea recta en los nodos extremo. 4.x) (18.3 resulta en la siguiente ecuación cúbica para cada intervalo: r / \ f¡"( i~l) X . 5. . _ . 1.v + b¡x + c¡x + d-. Éstas son: 1.18.

1).4) se escribe para todos los nodos interiores. n — 1 ecuaciones simultáneas resultan con n + 1 segundas derivadas desconocidas.3. Esas (x¡ . unda voces para verifica p t r con una interpolación polinomial derivada se puede í Qrden [véase e c u a d ó n (. Y .x¡.)—. 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 . si podemos determinar la segunda derivada adecuada en cada nodo.2) j esta relación es una expresión mucho más Ahora. Así. Las segundas derivadas se evalúan al llamar las condiciones de que las primeras derivadas en los nodos deben ser continuas: (B18. nter contiene solo dos "coeficientes" desconocidos.x¡-i)f"(x¡) Hión contendrá dos ió condicioconstantes se pued* ¡ ^ + (Xi + \ -Xi)f"(x¡ + \) nos de igualdad / i¡ evaluaciones.I ) + 2 ( J : / I . observe que lo que.2) es un polinomial de tercer orden que se puede usar para interpolar dentro del intervalo.3). resulta n — 1 ecuaciones simultáneas con n — 1 incógnitas. .f(Xi)] Xi X¡ — \ (B18. . la e¿ ^ .xY + :(-v-.1) jot de la segunda derivada en cualquier punLa ecuación (B18.com . 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 . De esta forma.1 primer paso er>^ biisii en la observa derivada dentro de cada intervalo es por una cúbica. Además. _ se igualan de acuerdo con la ecuación (B18.v. Utilice los resultados para estimar el valor en x = 5. .3) (B18. la u a c i o n ( 1 8 3 5 ) s i n e m b a r 0 0 Si la ecuación (B18.8 y 18.blogspot.3. L*» . Sin embargo.X¡-1 Xi .. ._]r 6(x¡ — Xi(x¡ . esta ecuación es una línea expresión para la primera derivada. . resulta la sicon la segunda d e f í ^ j) integrar dos veces guiente relación: Después. resulta la 6 ser igual &f(xt) en % [f(xl+l) .~Xi i l x — x¡+ fi(M).3. Si esta ecuación es descrita para todos los nodos interiores. EJEMPl¿? 1 8 . la ecuación (B 18. 3 D E R I V A C I Ó N D E S E G M E N T A R I A S C Ú B I C A S ]a derivación (Cheney y Kincaid. Si esto se hace tanto para el lo x dentro de i-ésV rivada en el primer nodo/"(*.A ._i) (/' — l)-ésimo.2) puede diferenciarse con el fin de dar una úonde f¡"(x) es el V i v a l o .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 .l ) + IftXi-l) . digamos.532 INTERPOLACIÓN Cuadro 1 8 .A V . ya que ésta es una segmentaria cúbica natural.1).) La aplicación de esas ecuaciones se ilustra en el siguiente ejemplo. Ajuste por segmentarias cúbicas los mismos datos que se usaron en los ejemplos 18.I ) / " ( . las segundas derivadas al inicio y al final del intervalo —fXx¡_.3. Así. + 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¡ . las segundas derivadas en los nodos extremo son cero y el problema se reduce a n — 1 ecuaciones con n — 1 incógnitas. 1 0 Segmentarias cúbicas Enunciado del problema. la ¡ > diferenciar dos una linea recta.1.3. observe que el sistema de ecuaciones será tridiagonal.3. sino que las forjamos en una forma que es en extremo fácil de resolver (recuerde la sección 11.3.g 22)].4) (B 18.9 (véase tabla 18. es claro qu^ ^ ^ ^ ^ cúbica para el ¡-ésimo intervacompheada para ufl g .) y/"(*. ) a seg r e s e n f¡\x) = f!Xx¡^>X .3. para obtener una desconocidas de integración. http://libreria-universitaria. no sólo redujimos el número de ecuaciones.x) f'XxMxi-Xi-i)' (X . (Recuerde que las segundas derivadas en los nodos extremo son cero. como para /-ésimo intervalo y los dos resultados recta que conecta 1 * ^ . 1985) se 1.

Solución.5)/"(7) 1 j | | | i j 6 :(2.25(x .37) para generar un conjunto de ecuaciones simultáneas que serán utilizadas para determinar las segundas deriviiduN en los nodos.D + — -(2.9 .5) + 2. para el primer nodo interior se usan los siguientes datos: = 3 X\ X2 f(x ) 0 = 2.(*) = .4. para obtener 1.3) 3 J í | j | | ¡ I | _4.blogspot. 1 0 2 2 0 5 ( x .5-3 6 Debido a la condición de la segmentaria natural. 5 ) y /•.3)/"(3) + 2(7 .5) = 1.638783 (x .5.3) + 1.x ) + 0.5 . 1 2 7 7 5 7 ( 9 . Por ejemplo. y la ecuación se reduce a 8/"(4.5 = 4.36).x) +(). Sustituciones similares se pueden hacer para desarrollar las ecuaciones para el segundo y tercer intervalo: / ( x ) = 0.5-3 o / i ( x ) = 0.3) Esta ecuación es la segmentaria cúbica para el primer intervalo. lil primer paso es emplear la ecuación (18.53308 Estos valores se sustituyen entonces en la ecuación (18.x ) 3 + 1.5 .0 .0.246894 (x . 6 Estas dos ecuaciones pueden resolverse simultáneamente para dar /"(4.6 En una forma similar.3 ) 3 6 (x .37) para dar (4.67909 .0 .37) se aplica al segundo punto interior para obtener 2.3)/"(4.7) http://libreria-universitaria.67909(4.com .111939(7 -xf 2 ./"(3) = 0.x ) 6(4.5 -3 ' 1 1.5) + 9/"(7) = .x ) 3 + 1.5 4.186566 (x . 2.5/"(4.761027(9 .5) + (7 .5) .4 .666667(4.5 Mx) = (x .4.5 1 2. la ecuación (18.5/"(7) = 9.5-1) 7-4.67909 f " { l ) =-1. junto con los valores de las x y las/(x).5 .5-3) 4.5 = 7 f(X2) = Estos valores pueden sustituirse en la ecuación (18.5 .3 ) + (4.299621(7 .

Recuerde que. 18. I K.4 Dados los datos Interpolación lineal. calcule el porcentaje de error relativo con base en el error real.16. 1 0 2 2 0 5 ( 5 .4.0.638783(5 .1. para un valor dado de la variable dependiente.5) = 1. mientras que el polinomio cúbico no tiene tal restricción.5 4 3 5 a) Interpole entre log 4 = 0. b) Interpole entre log4.5) 3 3 2 + 1. descrito en la sección anterior. Aunque la segmentaria cúbica consiste en una serie de curvas de tercer orden.5 ) . la rutina da tanto la primera derivada (dy) como la segunda (dy ) en xu.6532125 y log 5.1 Estime el logaritmo de 5 de base 10 (log 5) mediante 18.10 se resumen en la figura 18. Calcule el error relativo porcentual real. a usted le gustaría determinar ahora los coeficientes y después realizar muchas interpolaciones.. b) Utilice la ecuación (18. a) Calcule/(3.7781513.1.8 a 18. También hemos sobrepuesto un polinomio de interpolación cúbica sobre la figura 18. el valor enx = 5. problema 18.37).1 Ajuste con un polinomio de interpolación de Newton de terpredicción.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. con algunas manipulaciones inteligentes. el cual está dentro del segundo intervalo. son útiles en muchas aplicaciones de la interpolación segmentaria. Ésta es sólo una forma con la cual se puede implementar la interpolación segmentaria. se calcula como / ( 5 ) = 0. Como se describió en la sección 11. 2 PROBLEMAS 18. 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.0 .534 INTERPOLACIÓN Se puede emplear las tres ecuaciones para calcular los valores dentro de cada intervalo. que el sistema de ecuaciones es tridiagonal. Además.111939(7 .5) . Los resultados délos ejemplos 18.blogspot. Observe que la rutina en la figura 18. Esto se debe al hecho de que la segmentaria natural no requiere de segundas derivadas en los nodos extremo. el método se reduce a la resolución de n — 1 ecuaciones simultáneas.18 muestra una estructura computacional que incorpora esas características.7403627.6. Un beneficio extra de la derivación implica.18) para estimar el error para cada I N. f|x) 1 5 7 8 2 1 Para cada una de las interpolaciones.102886 Se calculan otros valores y los resultados se grafican en la figura 18. La figura 18.4.60206 y log 6 = 0. es ideal para la implementación en computadora. X 1 2 2.5 = 0.5 = 0. Observe la mejora progresiva del ajuste conforme nos movemos de lineales a cuadráticas y a segmentarias cúbicas.com .5 Dados los datos http://libreria-universitaria. oor orden para estimar log 5 usando los datos del problema 18.16c. Aunque no es necesario calcular esas cantidades.1. la resultante difiere de la obtenida al usar el polinomio de tercer orden. Por ejemplo. Por ejemplo.2 Ajuste con'un polinomio de interpolación de Newton de Newton de orden 1 a 3.299621(7 . como lo especifica la ecuación (18.16c. xu. los algoritmos están disponibles para resolver tales sistemas en una manera en extremo eficiente. yu.18 regresa sólo un valor interpolado.4) mediante polinomios de interpolación de IH.

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

5. 18. . va por la tabla hasta que encuentra el intervalo dentro del cual está la incógnita.18.7. grafique el error estimado contra el orden. Sea cuidadoso con los intervalos primero y último donde éste no es el caso. a) Determine en forma analítica el valor correcto.9 4 0. Para desarrollar un algoritmo como tal.7. Para valores intermedios es una excelente selección.10.536 INTERPOLACIÓN 1 4.75 2 4 3 5. 18.3 mediante polinomios de Lagrange.4.4 y 18. Pruebe su programa para f(x) = ln x mediante datos desde x = 0. Para ambos problemas.6 Repita los problemas 18. En el problema 18. 18 . 1. Pruébelo con los mismos datos del ejemplo 18. b) Use interpolación cuadrática y la fórmula cuadrática para determinar numéricamente el valor.5 usando el polinomio de Lagrange de orden 1 a 3. y a) prediga f(4) y7(2.18 Desarrolle.14 Desarrolle. ésta involucra "consultar" un valor intermedio de la tabla.5. la tabla de x y los valores de f(x) se guardan primero en un par de arreglos unidimensionales. Pruebe el programa con los mismos datos del ejemplo 18. 10. Primero. 2 1 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. La función entonces ejecuta dos tareas. 18.21 Use el software que desarrolló en el problema 18.10 Desarrolle segmentarias cuadráticas para los primeros 5 datos en el problema 18.2). 18.20 Desarrolle.4 y prediga/(3.3 para los siguientes datos tabulados.com .4. 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.5 3 0. 18. Con base en el pseudocódigo de la figura 18. Esos valores se pasan entonces a una función junto con el valor de x que usted quiera evaluar. utilice todos los datos para desarrollar polinomios de primer orden al quinto. la función debería mostrar un error de mensaje.blogspot.14 para los mismos cálculos del ejemplo 18. X 0 0 1 0. X /|x) Calcule f(A) usando polinomios de interpolación de Newton de orden 1 a 4.11.13 Determine los coeficientes de la ecuación cúbica que pasa a través de los primeros cuatro puntos del problema 18. 18. 18.3. 2 .12 Determine los coeficientes de la parábola que pasa a través de los tres últimos puntos del problema 18. Para ambos casos.14 para resolver los problemas 18.4) y f(2.17 Use el programa que desarrolló en el problema 18.8 3 0. depure y pruebe un subprograma en lenguajes de alto nivel o en un lenguaje macro de su elección para implementar interpolación de Lagrange. 18 .25 5 19.8 Emplee interpolación inversa usando interpolación de polinomios cúbica y bisección para determinar el valor de x que corresponda a f(x) = 0.16 Use el programa que desarrolló en el problema 18.7 Repita el problema 18.5. .75 6 36 implementar interpolación de polinomios de Newton con base en la figura 18. 18.961538 f(x) Observe que los valores en la tabla fueron generados con la función/(x) = x l(\ + x ).20 para ajustar segmentarias cúbicas a través de los datos en los problemas 18. Para tales casos. Escoja sus puntos base para obtener una buena exactitud. Después se aplica una técnica como la interpolación de Lagrange para determinar el valor adecuado def(x).5. . 18. X 1 .94117 6 5 0. Como su nombre lo implica.5) y b) verifique que7^(3) y / ( 3 ) = 5.4 y 18.25).5.25 5 0. También tenga su código para detectar cuándo requiere el usuario un valor fuera del rango de las x.15 Pruebe el programa que desarrolló en el problema 18. 18. ¿Qué le indican los resultados con respecto al orden que se usó de los polinomios para generar los datos en la tabla? 18. 18. ya que la incógnita estará ubicada en el intervalo medio de los cuatro puntos necesarios para generar la cúbica.25.1429 f(x) 18 .9 Emplee interpolación inversa para determinar el valor de x que corresponda a f(x) = 0.11 Desarrolle segmentarias cúbicas para los datos en el problema 18.5 2 0.93 para los siguientes datos tabulados.1667 7 0. 18.1 hasta 18.19 Una aplicación útil de la interpolación de Lagrange es llamada tabla de consulta. . prediga/(2.14 para resolver los problemas 18.2 6 0.3333 4 0. c) Use interpolación cúbica y bisección para determinar el valor de manera numérica.1 hasta 18. Desarrolle tal función usando un polinomio de Lagrange cúbico para realizar la interpolación.

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

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

La amplitud Cj especifica la 0 FIGURA 19. Otros parámetros usados para describir la curva son la frecuencia f = «13/(271).com . OQ = 2K/T= 2JI/|1 . y el periodo T= 1. cuatro parámetros sirven para caracterizar el sinusoide (véase figura 19. AQ = 1.5 s.1). Para este capítulo se usará el coseno. Ejemplos comunes incluyen formas en onda tales como cuadradas y dientes de sierra (véase figura 19. La sumatoria de las tres curvas en b) da la curva simple en a).0472 (= 0. Los tres componentes de esta función son ¡lustrados en b). que es el valor más pequeño para el cunl ON válida la ecuación (19.0 . la cual para este caso es 1 ciclo/(l . sen (ffibO 0 A. = 1. = 0. No existe una convención muy clara para escoger alguna función. y 0 = jt /3 radianes = 1 .blogspot. eos (cobí) .5 s). El valor medio A . C. b| Una expresión alterna para la misma curva es y[f¡ = AQ + A-¡ eos («r/) + 8] sen (ca^f).2). los resultados serán idénticos.25 s).5 y 8] = .19.5 s). ajusta la altura promedio por arriba de la abscisa.2) Así.3). 8 6 6 .1 http://libreria-universitaria.3 o) Una gráfica de la función sinusoidal y(f) = AQ + Cj eos [COQÍ + 6). Las más fundamentales son las funciones sinusoidales.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. 2TC 2 - 6. Para este caso. donde A. En el presente análisis se usará el término sinusoide para representar cualquier forma de onda que se pueda describir como un seno o coseno. y en cualquier caso. el cual se puede expresar de manera general como f(t) = A 0 + Ci eos (&>oí + 0) (19.7.

4) y la frecuencia en turno está relacionada con el periodo T (en unidades de tiempo) por Aunque la ecuación (19. eos (fifoí — se dice que tiene un retraso eos (ot%r).840 APROXIMACIÓN DE FOURIER FIGURA 19. como se muestra en la figura 19. Observe que la frecuencia angular (en radianes/tiempo) está relacionada con la frecuencia / (en ciclos/tiempo) por frecuencia angular co 9) (Cüfjt). un valor negativo es referido como un ángulo de fase de atraso. En otras palabras. Como se ilustra en la figura 19. o corrimiento de fase 9.2) es una caracterización matemática adecuada de un sinusoide.4 Ilustraciones gráficas de o) un ángulo de fase en retraso y b) un ángulo de fase adelantado. Observe que la curva en atraso en o) puede describirse de manera alterna como eos [COQÍ 3 TI /2|. si una curva se atrasa por un ángulo de a.com es difícil trabajar desde el punto de vista de la curva que habrá de ajustarse. también se puede representar como adelanto por 2n . La 0 caracteriza con qué f los ciclos. ya que la curva eos ( o y — 9) comienza un nuevo ciclo en 9 radianes después de eos Así. ya .4a. Puede ser medido como la distancia en radianes de t = 0 al punto en el cual la función coseno comienza un nuevo ciclo.blogspot. el ángulo de fase. En forma opuesta. 0 cü = 2xf (19. + altura de la oscilación.46. Finalmente.3) (19. un valor positivo es referido como un ángulo de fase adelantado. parametriza la extensión a la cual el sinusoide es corrido horizontalmente. http://libreria-universitaria.a.

6) donde A = Cj eos (9) x B = . Por ejemplo. 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. Así.j 0 0 (19.5) que el adelanto de la fase está incluido en el argumento de la función coseno.C . 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.7) se obtiene 9 =arctan^--^ (19. 2 C [ = A + C. se puede simplemente aplicar como la base para un ajuste por mínimos cuadrados.i T i I A J U B I B PB U tK V A BC O NU rN C O IN M f1 N U 8 0 D IA J 8 (19.36) f(t) = A + A eos (ct^í) + B sen ( a y ) 0 x x (19. Si se eleva al cuadrado y se suma la ecuación (19.8) donde.7) Dividiendo las dos partes de la ecuación (19.Í) eos (9) . sen (9) x (19.6) que todavía requiere cuatro parámetros.23)].2). la ecuación (19. La única consideración importante es que uno u otros formatos deberían usarse en forma consistente. antes de proceder con la próxima sección.5) en la (19.2) (19.9) Así. se debería resaltar que se podría haber empleado un seno más que un coseno como nuestro modelo fundamental de la ecuación (19. Como se analizará en la^próxima sección. pero que se encuentra en el formato de un modelo lineal general [recuerde la ecuación (17. si A < 0. Sin embargo. usaremos la versión coseno en todo nuestro análisis.6) puede ser pensada como un modelo lineal de mínimos cuadrados http://libreria-universitaria. 9=8— n/2. agregue 7ra 9. 1 .7) se tiene x = JÁ\ + B representa una formulación alterna de la ecuación (19.blogspot.2) y mediante la agrupación de términos se obtiene (véase la figura 19.sen (ciy) sen (9)] 0 Sustituyendo la ecuación (19. Esta deficiencia se puede resolver al involucrar la identidad trigonométrica Cj eos (cu f + 9) = Cj [eos (CÜ¡.com .10) En otras palabras. 1 9 . sen (ü) ? + 5) 0 0 podría haberse usado.

Así.12) X Y X Y eos (a^t) sen (c^r) Estas ecuaciones se pueden emplear para resolver los coeficientes desconocidos. los coeficientes se pueden determinar como N/2 http://libreria-universitaria. z = eos (co f).)]} de matriz como [recuerde la ecuación (17. 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.13) X eos (úfyí) sen (co^f) N • 0 Así.B sen (co t) + e x 0 x Q (19.25)] 2 r 0 x N eos (co t) X sen ( G ^ Í ) X 0 X eos (co f) eos (a> t) X eos (o) f) sen (cu r) 0 2 X 0 X 0 0 X sen (ci^r) eos ( É O Í ) sen (<w r) X sen (co t) 0 0 A x 2 0 A ) (19. en lugar de hacer esto. los siguientes valores promedio pueden determinarse (véase el problema 19. se examina el caso especial donde hay N observaciones espaciadas de manera uniforme en intervalos de Ai y con una longitud registrada total de T = (N — 1) Ai. Así.. para los puntos igualmente espaciados. z = sen ( G ) Í ) y todas las otras z = 0.3): 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) (19.11) la cual es justamente otro ejemplo del modelo general [recuerde la ecuación (17. Para esta situación.z m + e (17.542 APROXIMACIÓN DE FOURIER y=A 0 + A eos (co t) 4. cuyos elementos son los dos recíprocos del original.23) donde z = 1.) + B sen (c<y.Z| + az 2 2 H ra„. Sin embargo.com \A ) Q [l/NO I 0 2/N O 0 l I í ] {A^** SJ/COÍCFIV) ly ] \ .blogspot.23)] y —az Q 0 + a. 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.

Los datos requeridos para evaluar los coeficientes con (ü = 4.5) + 2 ( .000 0.00 2 http://libreria-universitaria.000 -1.462 0.45 0.732 0.0472). Genere 10 valores discretos para esta curva en intervalos de Ai = 0.319 -0.061 -2.829 2.253 -2.35 t 2. Use esta información para evaluar los coeficientes de la ecuación (19.15) (19. =—Xycos(flW) N B = — ly sen (co t) N x 0 (19.1 AJUSTE DE CURVAS C O N FUNCIONES SINUSOIDALES 543 4> = -^7N ¿.200 1.75 0.7 + 0.805 2.031 0.200 1.2) al calcular [véase ecuación (19.369 2.330) = -0.11) por ajuste de mínimos cuadrados.14) a (19.20 1.460 -0.9)] Cj = s/(0.0. el ajuste por mínimos cuadrados es y= 1.19.7 + eos (4.500 / y [véase ecuación (19.15 0.16) EJEMPLO 19.= 1.189í + 1.614 y y eos (io f) 0 y sen (io f) 0 2.0 .636 -1. La curva en la figura 19.291 0.7 2 A.722 0.60 0.330 Estos resultados se pueden usar para determinar [véase ecuaciones (19.200 -1.8)] 9 = arctan / V -0.200 1.com para dar .536 -4.678 2.223 -0.35. 5 0 2 = 0.05 1.866 sen (c%t) 0 El modelo se puede expresar también en el formato de la ecuación (19.114 2.16)] A 17. 0 0.866\ — — — .595 1.866 x 1= 17.000 = — ^ — = 1.547 -1.15 para el rango de t = 0 a 1.14) (19.000 0 De esta manera.30 0.1 [ Ajuste por mínimos cuadrados d e un sinusoide Enunciado del problema.687 0. 8 6 6 ) = 1.3 se describe por y — 1. = ^ 2 .980 0.938 0.0472 0.500 eos (co t) .502 0.189 son j 1 Solución.500 2 B = —(-4.blogspot.786 1.90 1.

blogspot.10)] y = 1. 19. 0 x x 0 2 2 o de manera más concisa.. como se describirá a continuación.17) expresaf(t) como una combinación lineal de las funciones base: 1. una explicación alternativa es emplearlos para interpolación o colocación (es decir. N > 2m + 1). los coeficientes pueden ser evaluados por A = ly N 0 A¡ = N 2 ly eos (Jo) t) 0 j = 1. Fourier demostró que una función periódica arbitraria. (2&V)' sen (2fi) r). 3cüb. 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) + . Éste es el procedimiento usado en la serie de Fourier continua. De esta forma. usarlos para el caso donde el número de incógnitas.com dlicontlnuoi.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. Para una función con un periodo T.. En general. etcétera.17) donde COQ = 2rt/res llamada la frecuencia fundamental y sus múltiplos constantes 2(0$... .2. . N. la ecuación (19.. son llamados armónicos./n 0 Bj = — ly sen (Jco t) Aunque estas relaciones se pueden usar para ajustar datos en el sentido de regresión (esto es. sea igual al número de datos. 2m + 1. c o s 0 La existencia d e las series d e Fourier eslá releridn en Ins condiciono» d e Dirichlol.f).0472) o alternativamente como un seno usando la [ecuación (19. para datos igualmente espaciados. sen (u^í).. lodií lai funeionei perlódloii derlvidw fliioamtntc utUtiotn ntii oondlolonei.7 + eos (coot + 1.7 + sen (ü) r + 2. se puede representar por medio de una serie infinita de sinusoides de frecuencias relacionadas de manera armónica. cos(a\.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. 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. f(t)= a + 0 2 [a eos (katf) + b sen (ko^t)] k k (19...544 APROXIMACIÓN DE FOURIER y = 1.

1. Este último caso se puede evaluar con la ecuación (B19..6) se puede resolver para a . .1. con excepción del caso donde k = m.6) ecuaciones (B19. las ecuaciones son / 2 r a* = — / /(?) eos (keüot) dt T 0 para k = 1 .5) y.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 .1.1.5) l'ni'ii •AI evaluar sus coeficientes.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. 2.1.4). .1. 2 . los coeficientes de la ecuación (19.2) ^ \ ecuación (19. se observa que cada término del lado derecho es cero. . Para evaluar uno de los coeficientes coseno.1.3) C.17) se pueden calcular por medio de 2_ <f f(t) eos (kco t) dt T Jo T 0 (19. por ejemplo (B19. 1.20) Cuadro 19. cada lado de la ecuación (19.4) + / X Ú * ° C S ^ C ° S ( W Í Ü B 0 * r r 2 0 f T 0 T T 2 ü * = 1 / sen (kü) t) dt = / eos (kco t) dt = (B19. 1.1).19) para k = 1. .com . .1) M U ^ d i o de la función en ol rr / eos (ko) t) sen (gco t) dt = 0 0 0 periodo. .2) y (B19.1. 1 .I.2 SERIE DE FOURIER CONTINUA 0 4 1 Como se describe en el cuadro 19.)]> 19 18 ( orno cuela término en la sumatoria es de la forma de la ecuaI'II'M (BI9. por tanto. / / (/) di «„ T http://libreria-universitaria.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. y a = 0 — f f(t)dt T T Jo (19.17) se puede multiplicar por sen (rna^t). 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 (B19.18) y b = — í f(t) sen (kco t) dt T Jo k 0 (19.19). 3 . se puede establecer las siguientes relaciones: < 3 F J = j e s s i m p l e m e n t e e l v a l o r p r o m e / sen (kco t) dt = £ 0 eos (km t) dt = 0 0 (B19. .1.1. la ecuación (B19.blogspot. la ecuación (19. (B19. En forma similar. o de manera más general [véase ecuación t 0 e l a s m ( . integrarla y reordenarla para obtener la ecuación (19.1.j . JO f ^ d t ('orno se hizo para los datos discretos de la sección 19.

5 ÍJÍ IJÍ Los resultados de los primeros tres términos se muestran en la figura 19.. se puede obtener en forma directa un valor de a — 0..546 EJEMPLO 19. 5. Por tanto. la aproximación de la serie de Fourier es 4 4 C' r-T/4 rT/4 fT/2 i J-T/2 = — — / EOS (k(OQt) dt + I EOS (kü) T J-T/2 J-T/A JT/4 1 2 2 = — / ( O EOS ( f c í D n í ) dt 2 [" 4/(kK) -4/()br) 0 L para A: = 1.5) F-1 / ( 0 = L 1 L -1 -T/2<t<-T/4 -T/4<t< T/4 T/4 < t < T/2 \ Solución... se puede determinar que todas las b = 0. Uno forma de onda cuadrada o rectangular con una altura de 2 y un periodo T = 271/(0^.2 APROXIMACIÓN DE FOURIER Aproximación de la serie de Fourier continua ! | 1 ! | Enunciado del problema. Como la altura promedio de la onda es cero. Use la serie de Fourier continua para aproximar la función de onda cuadrada o rectangular (véase la figura 19. 9. 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. 1 -R i -772 0 I R/2 i R fc -1 http://libreria-universitaria.blogspot. 7.. para A: = 3 .18)] 0 I a k Las integrales se evalúan para dar De manera similar. Los coeficientes restantes se pueden evaluar como [véase | ecuación (19.6. 11.com ..

Para este caso las a serán igual a cero. ya quef(t) = /(—r). http://libreria-universitaria. Observe también que lasfunciones impares son aquellas para las C U U I C H f(t) = —f(—t).blogspot. Debe mencionarse que a la onda cuadrada en la figura 19. 1974) que las b en la serie de Fourier siempre son igual a cero par» funciones pares.•41 1 9 . Se puede demostra i (Van Valkenburg. La función sen (í) es una función impar. Se muestran también los términos individuales que se fueron agregando en cada etapa.5 se le llama función par.com I .6 La aproximación de la serie de Fourier de la onda cuadrada a partir de la figura 19.5. La serie de trazos muestra la sumatoria hasta e incluyendo los términos a) primero. b) segundo y c¡ tercero. 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. Otro ejemplo de una función par es eos (í).

2 y el apéndice A) oo f(t) = ce k ikml (19.com En esta gráfica. En consecuencia. como el mostrado en la figura 19.7a. esta proyección es una medida de la amplitud positiva máxima del sinusoide Cj. El ángulo de fase se determina como la distancia (en radianes) de cero al punió en el cuul ocurre el pico positivo.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 (19.1b). Ambos tipos de expresión se ilustran en la figura 19. llamado ángulo de fase.17). Sin embargo.7c. se dice que . los ejes de la amplitud y el tiempo forman un plano tiempo. donde se ha dibujado una gráfica en tres dimensiones de una función sinusoidal. el comportamiento en el dominio de la frecuencia es meramente su proyección dentro del plano frecuencia. cuando se habla acerca del comportamiento del sinusoide en el dominio del tiempo.APROXIMACIÓN DE FOURIER Además del formato trigonométrico de la ecuación (19. justo como la amplitud contra tiempo se puede graficar. f(t) = Cj eos (/ + | ) http://libreria-universitaria.7í/. nuestro análisis de la aproximación de Fourier se ha limitado al dominio del tiempo. 19. la magnitud de la amplitud de la curva. queremos decir la proyección de la curva dentro del plano tiempo (véase la figura 19. La vuelta completa de pico a pico es innecesaria a causa de la simetría. la serie de Fourier se puede expresar en términos de funciones exponenciales como (véase el cuadro 19. Así. En consecuencia. Como se observa en la figura 19. 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. y los ejes amplitud y frecuencia forman un plano frecuencia./(r). de igual manera también se puede hacer contra la frecuencia.22) Esta formulación alterna tendrá utilidad a través del resto del capítulo. Si el pico ocurre después de cero. De manera similar. se debe incluir un diagrama de fase. Esto se debe a que la mayoría de nosotros nos sentimos cómodos al conceptualizar el comportamiento de una función en esta dimensión.3 FRECUENCIA Y D O M I N I O S DE T I E M P O Hasta este punto. Por lo tanto.7c define ahora la amplitud y frecuencia del sinusoide. Aunque no sea tan conocido. Ésta es una información suficiente para reproducir la forma y tamaño de la curva en el dominio del tiempo. Junto con la ubicación \IT a lo largo del eje frecuencia. es la variable dependiente. Así. el dominio de la frecuencia proporciona una perspectiva alterna para caracterizar el comportamiento de funciones oscilatorias. es requerido para ubicar la curva relativa a t = 0. y las variables independientes son el tiempo t y la frecuencia/ = WQIITÍ. la figura 19.blogspot.

IV) = co + J2^e "" + Y(B19.20)..19) son sustituidasenla ecuación (B19. Podemos definir un número de constantes c — 0 f m ^-772 1 /(O eos (to í) dt — i— I T 0 J-m f f(t) sen (¿oy) cíf m a o •.1).2.6) y (B19.2.7.19. «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 .1) /(O = J^cte'^ + ]T c-^"'*"*' A partir de a i a .aj-it-t <'-•* = <-'k — a -ib k k a k + l b k ^ = ffZ ~' °' me ka = dt (B19 2 ?) -- ^ 2 (B19. ika ika l j k a p é n d i c e Por tanto. de la figura 19. el ángulo de fase tiene un signo negativo. 1 a » . ° por tanto. 2 6) e c donde la sumatoria incluye un término para k = 0. Mediante las ecuaciones (B 19.7a* proporcionan una forma alterna de presentar o resumir las características pertinentes del sinusoide de la figura 19. /(?) = ^c^''^ ' + 0 " 6 2' " (B19.7) son las versiones complejas de las ecuaciones (19. .3 FRECUENCIA Y DOMINIOS D I TIEMPO Cuadro 19.4) ~c. se hace présenle su poder y http://libreria-universitaria.2) y (B 19.2.2. haga la suma de — 1 a — °°. Observe que el . Sin embargo.. debido a las propiedades de pandad del coseno y del seno.3) y simplificando se obtiene . Se hace referencia a ellas como línea espectral.2. las ecuaciones (B19.18) y (19. En la figura 19. el pico está en cero y el ángulo de fase se traza como +7t/2.5) 1 donde. 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.com .2.) = £ ¿V**' 1 (B19 .2.4) ika ak ak cosx= a .2. expresar en torma exponencial como senx = e *= 1 Para simplificar aún más.2. tj i el i seno y coseno se pueden J A la identidad o .8 se ilustra algunas otras posibilidades.17) a (19. Se puede observar ahora que las figuras 19.7c y 19.2. -a /(. En forma opuesta.5) para obtener 1 \ = — / / y a que 1 li = .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. Así. está retrasado (recuerde nuestro análisis de atrasos y adelantos en la sección 19.2.2. un pico antes de cero se dice que está adelantado y el ángulo de fase es positivo. J a de a Euler. \en lugar de sumar la segunda serie de . y por convención.blogspot. Para evaluar lascólas ecuaciones (19. Se acepta que para una sola sinusoide estas líneas no son muy interesantes.3) 2 = se aopueden + ^ (sustituir >°> 4 . una serie de Fourier. cuando se aplican a una situación más complicada.e-puede.7a./'.1) para dar las cuales en la ecuación ¡t=j V 2 2 / (B 19. digamos. . -ika>n¡ (B19.2) ]T c-¡te''* 4=0 k=-\ ^ (B19.

550 APROXIMACIÓN DE FOURIER FIGURA 19. Lillas son en http://libreria-universitaria.9a y 19. Esta alternativa no proporciona una visualización adecuada de la estructura de esas armónicas.9 muestra la línea de fase espectral y amplitud para una función de onda cuadrada como la del ejemplo 19. 1 valor verdadero. mientras que la proyección de la amplitud-frecuencia se reproduce en c). (4/rc) eos (6%f). La primera.9. Como tal. La proyección fase-frecuencia se muestra en a ). En contraste.6 representa dos perspectivas alternas tiempo-dominio. etcétera. la onda cuadrada original. (4/57t) eos (5G) r)]. la línea espectral representa "huellas dactilares" que nos pueden ayudar a caracterizar y entender la forma complicada de una ondú.7 o) Una ilustración de cómo se puede dibujar un sinusoide en los dominios del tiempo y la frecuencia.96 proporcionan una visualización gráfica de esta estructura. Esto se puede ver al contrastar las figuras 19. Por ejemplo. La figura 19. la figura 19.com particular valiosas para casos no idealizados donde algunas veoes nos permiten discernir 0 0 .blogspot. Se reproduce la proyección del tiempo en b¡. Tal espectro proporciona información que no podría ser aparente desde el dominio del tiempo. no nos indica nada acerca de las sinusoides comprendidas.6 y 19.2. — (4 /3n) eos (3íu r). La alternativa es mostrar esas sinusoides [es decir. las figuras 19.

8 Varias fases de un sinusoide mostrando la fase asociada a la línea espectral.| — i 7 C tr ~ FIGURA 19. 3 FRECUENCIA Y DOMINIOS DE TIEMPO «r n ->. FIGURA 19.9 a) Amplitud y b) línea de fase espectral para la onda cuadrada de la figura 19.5. 4/it 2/JI 3<. 54 a) J _ 7f 0 n/2 í.1 9 .com 6) .blogspot. 3f 0 5/ 0 7/ 0 J t / 2 http://libreria-universitaria.

como en oo / -co f(t)e.blogspot. 1974.25).°' iüJ dt (19. sólo con ser llamada la integral de Fourier. Además las ecuaciones (19. 1986) que la serie de Fourier se reduce a kü> /(0 = — ¿X 1 J-oo / f°° F(ia>o)e' < d(ü ao 0 (19. En otras palabras. Por ejemplo.com definió con la ecuación (19 . La transición de una función de periódica a no periódica se puede efectuar al permitir que el periodo 1 J-T/2tienda al infinito.24) donde % = 2rc/Ty k = 0 . . la función misma nunca se repite y de esta forma se vuelve no periódica. En la siguiente sección se describirá la transformada de Fourier que nos permitirá extender tal análisis para ondas de forma no periódica. En el mismo sentido.°< dt (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. pero causará interferencia con los receptores en operación en un amplio rango de frecuencias (por ejemplo en televisores. . 19. definida por la ecuación (19.26) son conocidas por lo general como transformada de Fourier. como se http://libreria-universitaria. Hayt y Kemmerly.26). es llamada la integral de Fourier de f(i).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. etcétera). Si se permite que ocurra esto. radios. un relámpago ocurre sólo una vez (o al menos pasará mucho tiempo para que ocurra de nuevo)./(/). receptores de onda corta. se puede demostrar (por ejemplo.25) y los coeficientes se vuelven una función continua de la variable frecuencia co. una alternativa para la serie de Fourier sería valiosa al analizar dichas formas de onda no periódicas.552 APROXIMACIÓN DE FOURIER la estructura en otra forma como señales oscuras. es referida como la inversa de la transformada de Fourier 0 . Van Valkenburg. F(ico ) es también llamada la transformada de Fourier de f(t). existen muchas formas de onda que no se autorrepiten de manera regular. La integral de Fourier es la principal herramienta disponible para este propósito. .25) y (19. Tal evidencia sugiere que una señal no recurrente tal como la producida por el relámpago exhibe un espectro de frecuencia continuo. como T se vuelve infinito. Ya que fenómenos como éstos son de gran interés para los ingenieros. Entonces.23) f T/2 Ck = ~ / f(t)e.26) La función F(ico^. 1 . 2 .

Además de esta principal diferencia.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.19. En la figura 19. la transformada de Fourier convierte una función continua en el dominio del tiempo en una función continua en el dominio de la frecuencia. La distinción entre serie y transformada de Fourier debería ser ahora muy clara. http://libreria-universitaria. de F(ico ).10a. el par nos permite transformar de una a otra entre los dominios del tiempo y la frecuencia para una señal no periódica. 0 El cambio de un espectro continuo en uno discreto se puede ilustrar gráficamente.blogspot. 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.2. De esta manera. Así.com . de periódica en el dominio del tiempo a magnitudes en el dominio de la frecuencia con frecuencias discretas. La principal diferencia es que cada una se aplica a un tipo diferente de funciones (las series a formas de onda periódicas y la transformada a las no periódicas). los dos procedimientos discrepan en cómo se mueven en el dominio del tiempo y de la frecuencia. La serie de Fourier convierte una función continua. el espectro de frecuencia discreto generado por la serie de Fourier es análoga a un espectro de frecuencia continua generado por la transformada de Fourier.4 INTEGRAL Y TRANSFORMADA D E F O U R I E R ' FIGURA 19. sólo que en este caso está verticalmentc corrida. Esta función es igual a la que se investigó antes en el ejemplo 19. En contraste.

. Como se ilustra en la figura 19. las funciones a menudo son representadas por conjuntos de valores discretos finitos. las series convergen sobre la integral de Fourier continua. 1985. Un valor no se incluye en n = N. se hará el paso final en nuestro desarrollo.) n n N FIGURA 19. 2. estos efectos continúan en forma de cada vez más líneas espectrales comprimidas hasta que el espacio entre las líneas tienda a cero. .10c.26). El subíndice n se emplea para designar los tiempos discretos para los cuales se toma las muestras. dos líneas de frecuencia adicional se agregan sobre un lado de las componentes originales. . Observe que los datos se especifican en n = 0. como se ilustra en la figura 19.blogspot. para el racional de exclusión f . se puede dividir un intervalo de 0 a t en N subintervalos igualmente espaciados con anchos de Ar = TIN.554 APROXIMACIÓN DE FOURIER En la figura 19. los datos están invariablemente en una forma discreta. . ahora se mostrará cómo calcular la transformada de Fourier para tales mediciones discretas. las amplitudes de las componentes se reducen.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.com . f designa un valor de la función continua f(t) tomada en t . 1. Así. http://libreria-universitaria. Así. una duplicación del periodo de pulso del tren tiene dos efectos sobre el espectro.11. En forma adicional. 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. En el límite. 19. Segunda. Primero. Ahora que se ha introducido una forma para analizar una señal periódica. los datos con frecuencia se colectan o convierten en un formato discreto. (Véase Ramírez. En tanto se permita al periodo aproximarse al infinito. N — 1. En lugar de esto.106.11 Los puntos de muestreo de la serie discreta de Fourier.

0 0 e ±m = eos a ± i sen a para expresar las ecuaciones (19. El listado de resultados de tal programa se muestra en la figura 19. ya sea en la ecuación (19.27).29) y N-l f„ = 2 I=0 [Fk c o s ( o) k(0 n + k iF s e n <M)")1 (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. 2 Algoritmo d e cómputo p a r a la TDF. se pueden emplear para calcular tanto la transformada directa de Fourier como la inversa para datos discretos.12 DOk = 0. También. se puede escribir una transformada discreta de Fourier como AT-I F k = 2 Para k = 0 a N . Como lo expresa la ecuación (19. DO n = O. N -1 angle = ko) n realf. FIGURA 19. el TDF requiere N operaciones complejas. Así. Para nuestro algoritmo de cómputo.N-1 l'.27) y la transformada inversa de Fourier como / „ = — 2 *=O I V R ' ° V N 0 para « = 0 a T V.'iuudocódigo para el t úlculo de la TDF.26) y (19.27) para que el primer coeficiente F (el cual es análogo del coeficiente continuo a ) sea igual a la media aritmética de las muestras.27) y (19.28) como 1 k N F = — 2 L T „ eos (küJ n) . es una tarea muy laboriosa.28). Como tales.5 TRANSFORMADA DISCRETA DE FOURIER (TDF) MI Para el sistema en la figura 19. lo incluiremos en la ecuación (19.29) se enlista en la figura 19.28) representan las análogas discretas de las ecuaciones (19.27) o en la (19.] 9.blogspot. = rea\ + f cos(angle)/N ¡maginary = ¡mag¡nary .1 (19. desarrollaremos un algoritmo de cómputo para implementar la TDF.28) es sólo un factor de escala que se puede incluir.11.13 para el análisis de una función coseno. Este algoritmo se puede desarrollar en un programa de cómputo para calcular la TDF.f s¡r¡(angle)/N END DO END DO 0 k n k k n http://libreria-universitaria. pero no en ambas.30) El pseudocódigo para implementar la ecuación (19. respectivamente.if sen (ko^t)] N n =O 0 n (19.12.27) y (19.25). Aunque tales cálculos se pueden realizar a mano. Observe que el factor l/7Ven la ecuación (19.com .1 (19.

12 para la TDF de los datos generados por una función coseno f(f) = eos [2 K (1 2. En particular.blogspot.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. En consecuencia. 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 . 000 0 . la determinación directa de la TDF puede ser en extremo consumidora de tiempo.707 0 . 19.000 0 .0000 IMAGINARY 0 0000 0 0000 -0 0000 -0 0000 0 0000 -0 0000 0 0000 0 0000 0 0000 0 0000 -0 0000 0 0000 0 0000 -0 0000 0 0000 -0 0000 0 0000 0 0000 0 0000 -0 0000 0 0000 0 0000 0 0000 -0 0000 0 0000 0 0000 0 0000 -0 0000 -0 0000 -0 0000 0 0000 0 0000 Resultados de salida de un programa basado en el algoritmo de la figura 19. es un algoritmo que ha sido desarrollado para calcular la TDF en una forma extremadamente económica.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 19.000 -0 707 -1 000 -0 .13 f(t) 1 .com operaciones. Su velocidad surge por el hecho de utilizar los resultados de los cálculos previos para reducir el número de http://libreria-universitaria.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 . es laborioso su trabajo de cómputo debido a que se requiere N operaciones. o TRF. explota la periodicidad y simetría de funciones trigonométricas 2 . La transformada rápida de Fourier.01 s.5)f] en 32 puntos con Al = 0. para los datos de las muestras de un tamaño moderado.

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

1 F = 2 f e-* " k n 2m k para * = 0 a N .=() -¡WN)kn n=N/2 (N/2)-\ + f e-iQ*/w> n donde k = 0 . .~i2nkn/{N/2) http://libreria-universitaria. Esta restricción se introduce para simplificar el resultado del algoritmo. £ f^^-iWNMm+N.» n=0 + m=0 = E (AÍ/2J-1 «=0 (fn+e'^fn+w)'-' * """ 2 1 Kk (19.34) de acuerdo con valores pares e impares de k. observe que el factor e~' = (—1)*. .. La ecuación (19. (A72)-! Fk = £fa-WN*.31) donde M es un entero.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. el próximo paso en el método es separar la ecuación (19. Una nueva variable.32) donde 2n/N = O) .com y para loi valores impares..6. se supondrá que N es una potencia entera de 2. 2 . .1 (19. 1 . se puede crear para que el rango de la segunda sumatoria sea consistente con la primera. . Ahora.„1 . Por tanto. f \ „-i2x(2k)n/N _ i f 4f . para puntos pares es igual a 1 y para los nones es igual a — 1.0 'I o . II . C (W/2)-l \ ^ ( f (¿V/2)-l A. . De esta forma.1 A l g o r i t m o Sande-Tukey En el caso actual.32) en términos del primer y último N/2 puntos: (A//2J-1 N-l F = k ] T fi¡e /. N=2 M (19.558 APROXIMACIÓN DE FOURIER 19.blogspot. Para los valores pares. N — 1. recuerde que TDF se puede representar de manera general como Ai.34) Ahora. m = n — N/2.

2. La estrategia es continuada a su inevitable conclusión cuando N/2 puntos dobles de las TDF se hayan calculado (véase figura 19.1. _ (/V/2) I V" t f n=0 (N/2)-¡ r \ „ i'lnak \ \)n/N = £ n=0 ( f n .(N/2) ..blogspot.. (N/2) .. Ahora es claro que este procedimiento de "divide y vencerás" se puede repetir en la segunda etapa.36) (19. Así.U N ^ e . se puede hacer un conocimiento clave..2.1 (19. 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.' ^ e - 2 " ^ ^ p a r a k = O. El número total de cálculos para toda la población es del orden de T V log N.. (N/2)-\ F 2 k + l = E «=0 {fn- fn+N.15 para /V = 8.com . un cálculo de N puntos se ha reemplazado por dos cálculos de (N/2) puntos.1. 2 2 2 2 2 http://libreria-universitaria.14) ilustra por qué la TRF es tan importante. Los pesos W° son algunas veces llamados factores de vuelta. Ya que cada uno de los últimos requiere aproximadamente (N/2) multiplicaciones y sumas complejas. El contraste entre este nivel de esfuerzo y el de la TDF estándar (véase figura 19. Para los valores pares. 1. el procedimiento produce un factor de 2 en ahorro (es decir N contra 2(7Y/2) = N /2. Esas expresiones pares e impares se pueden interpretar como si fueran igual a las transformadas secuenciales de longitud (N/2) gn = fn + fn+N/2 y K = (fn -fn+NnW Para« = 0.2)W W n 2kn Ahora. (N/2) .'.35) y (19. . resulta en forma directa que J 2k =G ) k H parafc = 0. 1.35) De esta manera. (JV/2)-l F2k= E n=0 \fn + fn+N/2)W " 2k y para los valores impares. 2. El esquema se ilustra en la figura 19. La TDF se calcula primero al formar la secuencia g" y h" y después calculando las N/2 TDF para obtener las transformadas numeradas como pares e impares.36)../.33). Estas ecuaciones se pueden expresar en términos de la ecuación (19..16).1 ^24+1 - k J En otras palabras.

A^ w° 'i m) /\r X m// y/ Ur f(7)Y \m¡ mf .A.560 APROXIMACIÓN DE FOURIER FIGURA 19.16 Diagrama de flujo de la descomposición completa por decimación en la frecuencia de una TDF con ocho puntos.blogspot. f(0) '(1) \ f(2) \\ /1 \y /+ '(3) + •A / A + ^ \ / + •A + A i + + A A F(0) F(4) A TA A .com 1 . F(3) F(7) http://libreria-universitaria. X X+ >A A A A A . FIGURA 19. + .15 Diagrama de flujo de la primera etapa en una descomposición por decimación en la frecuencia de una TDF con Npuntos para las TDF con (N /2) puntos para N = 8. F(2) F(6) X A\r X >A *r + . F(5) + \ rA TA A.

b) Pseudocódigo para implementar a).17 o| Una red mariposa que representa el cálculo fundamental de la figura 19.31)] del diagrama de flujo.18. 19. # ftP) temporal = real (0) + real (1) real(1) . se puede obtener el orden correcto al invertir esos fragmentos (véase figura 19. También observe que el ciclo exterior pasa a través de las M etapas [recuerde la ecuación (19.real (0)-real (1) real (0) = temporal temporal = imaginario (0) + imaginario (1) imaginario (1) = imaginarlo (0) . Después de que esta primera parte se ejecuta.imaginario (1) Imaginario (0) .12.16.16 indica que su diagrama computacional molecular fundamental es la conocida en forma extensa como red mariposa. la muestra se divide inicialmente en puntos impares y pares numerados. Esos coeficientes de Fourier pueden ser ordenados por un procedimiento llamado de fragmento inverso. Una inspección cercana a la figura 19. e ± m = eos a ± i sen a para permitir implementar al algoritmo en lenguajes que no acomoden en forma explícita variables complejas.17a. Como fue el caso para el algoritmo de la TDF de la figura 19. El pseudocódigo para la TRF se enlista en la figura 19. Es la inversa del algoritmo de Sande-Tukey descrito en la sección anterior.temporal b) http://libreria-universitaria.com . Este procedimiento es llamado una ordenación en tiempo.6. Observe que los datos reales valuados se guardan originalmente en el arreglo x. Es una proposición relativamente directa expresar la figura 19.16 como un algoritmo. la TDF habrá sido calculada pero en desorden (véase el lado derecho de la figura 19. Aunque las dos clases de métodos difieren en organización.blogspot. 2 FIGURA 19. ilustrada en la figura 19. Si los subíndices del 0 al 7 se expresan en forma binaria. La segunda parte del algoritmo implementa este procedimiento. La primera parte consiste. en tres ciclos anidados para implementar el cuerpo computacional de la figura 19. El pseudocódigo para implementar una de esas moléculas se muestra en la figura 19.16. ambos exhiben las AHog N operaciones que son la fortaleza del procedimiento de la TRF. se usará la identidad de Euler.19. Para este caso.6 TRANSFORMADA RÁPIDA DE FOURIER Algoritmo de cómputo.2 A l g o r i t m o de Cooley-Tukey La figura 19.20 muestra una red de flujo para implementar el algoritmo de CooleyTukey.19).176. y los resultados finales están en el orden correcto.16). en esencia.

í.18 5 k = N/2 DO IF(k>j + 1)EXIT j=j-k k = k/2 END DO J=J END DO D0i = 0. N-2 IF (i < j) THEN xt = Xj Xj X¡= x. E N D IF y.com .N2-1 c = coe(angle) e = sin(atigle) DO i =j.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.O b s e r v eq u e el pseudocódigo está c o m p u e s t op o r dos partes: a) la m i s m aT R Fyb )u n ar u t i n a de f r a g m e n t o si n v e r s ap a r an od e s o r d e n a r los coeficientes resultantes de F o u r i e r .blogspot. 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.x(kk) x(i) = x(¡) + x(kk) J=0 DO ¡ = 0.=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. = xt yt=yj yj=y.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 . FIGURA 19.562 APROXIMACIÓN DE FOURIER m = LOÚ(N) / L0G(2) N2 = N D0k = 1..m N1 = N2 N2 = N2/2 angle = 0 arg = 2n IN1 DO} = 0.NN1 kk = i+ N2 xt = x(¡) .

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

1 Excel En el presente contexto. Chirlian (1969).1). las potencias asociadas con las componentes de frecuencia individual.8 AJUSTE DE CURVAS CON LIBRERÍAS Y PAQUETES Las librerías y paquetes de software tienen grandes capacidades para el ajuste de curvas. Buenas introducciones a ambos asuntos se pueden encontrar en Ramírez (1985). Lo anterior ha sido una breve introducción a la aproximación de Fourier y a la TRF. 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.1 Funciones prefabricadas de Excel que relacionan los ajustes por regresión de los datos. para la interpolación polinomial. Ahora. Información adicional. Referencias sobre la TRF son incluidas en Davis y Rabinowitz (1975). la potencia la ¿-ésima armónica real de /(Oes ±ka> . Dedicaremos la sección 20. recuerde que en esta representación. 19.com . Además de algunas funciones predeterminadas (véase la tabla 19.3 a una aplicación de la ingeniería que involucra la TRF y el espectro de potencia generado por medio de paquetes de software. la potencia en f(t) se puede determinar al sumar los cuadrados de los coeficientes de Fourier. con menos extensión. y Brigham (1974). Por tanto. la aplicación más útil de Excel es para el análisis de regresión y.564 APROXIMACIÓN DE FOURIER De esta forma. Cooley. Lewis y Welch (1977). 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. 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.blogspot.8. Oppenheim y Schafer (1975).40) k El espectro de potencia es la gráfica de p como una función de la frecuencia ¿fi%. Información adicional sobre la primera se puede encontrar en Van Valkenburg (1974). 19. p =2\F \ k k 2 (19. y Hayt y Kemmerly (1986). En esta sección daremos una muestra de las más usuales. Gabel y Roberts (1987). enf^t). TABLA 19.

5 2.3. exponenciales. Después.79 y Solución.73 5 2. El siguiente ejemplo ilustra cómo se llama al comando Trendline. logarítmicos.5 0. se selecciona Logarithmic. La primera elección en el tabulador Type es para especificar el tipo de línea. Este comando permite un número de diferentes modelos de tendencia que se pueden agregar a la gráfica.5 2. exponencial y potencia). se usa la guía de gráficas de Excel Wizard (Asistente) para crear una gráfica XY con los datos.42 5. de potencia y de promedio de movimiento.5 2 3 2.06 3. El ajuste resultante junto con r se despliega en la figura 19.28 4 2.53 1 0.21 Ajuste de un modelo logarítmico con los datos del ejemplo 19.69 1. 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).5 2 1. Una capacidad adicional es la del modelo logarítmico y =a 0 + ai logx Ajuste los siguientes datos con este modelo usando el comando de Excel Trendline: X 0. lineal. Para el caso actual. Para el caso actual. Esos modelos incluyen ajustes lineales.21.5 1. Para ejecutar el comando Trendline. Usted habrá notado que varios ajustes disponibles en Trendline fueron analizados anteriormente en el capítulo 17 (por ejemplo. 3 Usando el comando Trendline de Excel Enunciado del problema. Lo más importante en este contexto es desplegar tanto la ecuación como el valor del coeficiente de determinación (r ) sobre la gráfica.5 2. se abre un cuadro de diálogo con dos tabuladores: el Options (Opciones) y el Type (Tipo).19. polinomiales.8 AJUSTE DE CURVAS CON LIBRERÍAS V P A Q U E T E S 565 El comando Trendline (menú insert).23 4.com . EJEMPLO 1 9 .5 2. se debe crear una gráfica que relaciona una serie de variables dependientes e independientes. El tabulador Options proporciona formas para configurar el ajuste. 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.blogspot. polinomial. 2 2 FIGURA 19. y3 2 r 0 0 2 4 http://libreria-universitaria.

4. tam- bién incluido.ayp a p U = a+a S+p R log log log http://libreria-universitaria.0005 0. respectivamente. su inclusión en la opción Polinomial significa que también se puede usar para interpolación polinomial. U =aS R a.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.2 0. radio hidráulico y velocidad del agua que fluye en un canal: S.5 0..5 y 0. Ajuste estos datos con Excel y evalúe si su regresión estimada contradice los valores esperados de los coeficientes del modelo. 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. U. z son m + 1 funciones diferentes.5 0. El siguiente ejemplo ilustra cómo tales modelos se pueden ajustar con Excel. Además. tales modelos son de la forma general y = az 0 0 + a\Z\ + a z 2 2 H \-a z m m +e (17.667.2) para creer que estos datos se pueden ajustar a un modelo de potencias de la forma donde son los coeficientes obtenidos de manera empírica.75 0.blogspot.25 m/s 0.0005 0.. en la sección 17. debido a su contenido estadístico.2) para creer que o"y p deberían tener valores aproximados de 0.. Sin embargo.2 0..001 0. m 0. R.5 0. contiene una amplia capacidad para el ajuste de curvas mediante lineal general por mínimos cuadrados. Los siguientes datos se colectaron para la pendiente. está limitado a r .4 Usando el paquete de herramientas para el análisis de datos de Excel Enunciado del problema. Este paquete de Excel.com respectivos logaritmos. 2 El paquete de herramientas para el análisis de datos.5 1 m/m Se tiene razones teóricas (recuerde la sección 8. Como se describió antes. z . como en la siguiente tabla: Se puede desarrollar una hoja de cálculo en Excel con los datos originales junto con sus .2 0.4 0.0002 0. y esto significa que no permite dibujar inferencias estadísticas con respecto al modelo a ajustar.0002 0.23) donde z .23). Existe razones teóricas (véase de nuevo la sección 8. 0 x m EJEMPLO 19.001 0. El logaritmo de este modelo de potencias se usa primero para convertirlo al formato lineal de la ecuación (17. Solución.5 0.

4 0.2 0.0005 0.001 0. tam- bién incluido.com .0005 0. en la sección 17. tales modelos son de la forma general y — ao^o + a\Z\ + a z 2 0 x m 2 H \-a z. Enunciado del problema. radio hidráulico y velocidad del agua que fluye en un canal: S.4 Usando el paquete de herramientas para el análisis de datos de Excel .5 0. El logaritmo de este modelo de potencias se usa primero para convertirlo al formato lineal de la ecuación (17. Este paquete de Excel.5 y 0. U. Ajuste estos datos con Excel y evalúe si su regresión estimada contradice los valores esperados de los coeficientes del modelo. y esto significa que no per• ' mite dibujar inferencias estadísticas con respecto al modelo a ajustar. R.75 0.25 0..2) para creer que o"y p deberían tener valores aproximados de 0. Existe razones teóricas (véase de nuevo la sección 8. Los siguientes datos se colectaron para la pendiente. Además. Solución. está limitado a r . su inclusión en la opción Polinomial significa que también se puede usar para interpolación polinomial. z .2 0. Como se describió antes.4.5 0. respectivamente.667. 2 El paquete de herramientas para el análisis de datos.2 0. Sin emI bargo. El siguiente ejemplo ilustra cómo tales modelos se pueden ajustar con Excel.001 0. U 0. U = log a + tr log S + p log R a. como en la siguiente tabla: http://libreria-universitaria. z son m + 1 funciones diferentes.0002 0.5 1 m/m m Se tiene razones teóricas (recuerde la sección 8.2) 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.„+e m ' (17.oyp =aS"R p Se puede desarrollar una hoja de cálculo en Excel con los dalos originales junio con sus respectivos logaritmos. EJEMPLO 19.566 APROXIMACIÓN DE FOURIER El comando Trendline proporciona una manera fácil para ajustar un número de modelos para datos que se usan de manera común. debido a su contenido estadístico.23) donde z .5 0. contiene una amplia capacidad para el ajuste de curvas mediante lineal general por mínimos cuadrados. 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...0002 0.5 0.blogspot.23)..

de R cuadrada Error estándar Observaciones ANOVA Regresión Residual Total Estadística de regresión 0.001 0.com .69897 -0.5 1 lofl(S| ¿ 3 4 5 6 7 loq(U| lofl(Rh) -0.83456W 95% http://libreria-universitaria.2 0.075932 0.1106 F Siqniticanáa 0.220593 MS 0.12494 -3 \-0. Seleccione Regression y aparecerá un cuadro de diálogo que esperará se le proporcione información sobre la regresión.69897 -0. PSup.60206 .30103 -0.022189 Sfadf 20.0001889 1.0005 0.015559 6 •LI RH 10 !l il dt ss 2 3 5 0.5 0.994513 0.blogspot.5 0.30103 -0.0002937 95% 0.998353 0. en la versión de Excel disponible en el tiempo de la edición en inglés de este libro. llene en F2:F7 para el rango y y D2:E7 para el rango x y seleccione OK.001 0. -3.2 0.5037521 Ó.000726 0. Después de estar seguros que se ha seleccionado la instrucción por default New Worksheet Ply.5203 0.219867 0. Si el add-in ha sido satisfactorio.5 0. Valor Inf. al al 0.r.30103 -3 ^.69897 -0.3010§ -0. Debido a su estado como una "incluida".362521 1 0. Después se puede copiar esta fórmula a la derecha y hacia abajo para generar los otros logaritmos.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. 6 9 & V 1 -0.25 0.0002 0. simplemente use el ratón o la secuencia de teclas /Tools Add-Ins Después seleccione Analysis Toolpack y OK.7641028 IflIdU'Bplo X Variable 1 0.75 0. una forma eficiente para generar los logaritmos es tecleando la fórmula para calcular el primer log(S).39794 -3. Después de seleccionar Data Analysis en el menú Tools.996708 0.000242 454. 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¡.433137 Coehs. Para hacer esto.0501 19.30103 -3.0002712 0. la selección Data Analysis se incluirá en el menú Tools.109933 0.2808009 1.3 .30103 = log(A2) 0 P Como se muestra.4 0. Error estdr.2 0.0005 0. el paquete de herramientas para el análisis de datos debe algunas veces cargarse en Excel. un menú de Data Analysis aparecerá en pantalla conteniendo un gran número de rutinas orientadas estadísticamente.5 U 0.30103' .0002 0.

como trazo de histogramas y cálculo de resúmenes estadísticos de población tales como la media. Dichas tareas incluyen trabajos relativamente simples.504.363 y 0. la función genfit está disponible para casos donde los coeficientes del modelo aparecen en forma arbitraria. Mathcad también proporciona la función l i n f i t que se usa para modelar datos con una combinación de funciones arbitrarias. Las funciones regress y loess pueden también ejecutar regresión polinomial multivariable. Mathcad contiene un número de funciones para ejecutar regresiones. hay un 9 5 % de probabilidad de que la pendiente real del exponente esté entre 0. Estas funciones segmentarias le permiten intentar diferentes maneras que tienen que ver con interpolación en los puntos extremos de los datos. Además.com Mathcad puede ejecutar una amplia variedad de tareas estadísticas. La función lspline genera una curva segmentada que es una línea recta al final de los puntos.blogspot. mediana. dado un x valor. usted puede ejecutar interpolación segmentaria cúbica en dos dimensiones al pasar una superficie a través de una malla de puntos. 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. o lspline.835. 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. En este caso. U = 333S R 0A33 0133 Observe que se han generado intervalos de confianza al 9 5 % para los coeficientes.433 log S + 0. y el coeficiente real del radio hidráulico esté entre 0. Dedicaremos un ejemplo en la sección 20. 19. Finalmente. Las funciones slope e intercept regresan la pendiente e intercepto del ajuste lineal por regresión de mínimos cuadrados.522 + 0. De esta forma.APROXIMACIÓN DE FOURIER De esta manera. La función cspline genera una curva segmentada que es cúbica en los puntos extremo. 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. La función regress se usa para una regresión polinomial de n-ésimo orden de un conjunto completo de datos. Además. Así. La función i n t e r p usa el resultado del ajuste de curvas y regresa un valor y interpolado. ajuste de curvas y corrección de datos. La función pspline genera una curva segmentada que es una parábola en los puntos extremos. Finalmente.733 log R o al tomar el antilog. desviaciones estándar y coeficientes de correlación. pspline. La función loess ejecuta una regresión polinomial localizada de «-ésimo orden sobre un espacio de datos que usted puede especificar. el ajuste no contradice los exponentes teóricos. .2 Mathcad http://libreria-universitaria. el ajuste resultante es log U = 1. las ecuaciones no lineales más difíciles se deben resolver por iteración.8.1 para ver cómo se puede hacer esto. varianza.631 y 0.

78200 -0.97900 -0.Mz) fit(x.16700 -0.9) = 0.76400 -0.22).30800 -0.PRN.33400 0.pm") Compute spline coefficients: S :=* cspüne(Mxy. El símbolo definición se usa para asignar los datos de los archivos de datos a las variables Mz y Mxy.32700 0.93500 0.22 mediante el comando R E A D . Esta FIGURA 19.09200 -0.70700 1 0.jx|j Sample interpolated valúes: fltí2. El archivo MATSPLIN.00678 0.76100 x 3 -0. Los primeros dos activan las líneas en la figura 19.14100 0.51400 -0.y) := inteipjs. Para hacer esto se pueden crear dos archivos de datos llamados MATSPLIN.3.5.prn") Mxy :=READPRN("matxy.00302 -O.13900 -0.65900 0.19.12600 2 -0.PRN y MATXY.com .39000 0.46700 0. Después.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. el símbolo definición y la función ESPLIN se usan para definir la matriz S.22 Segmentaria 2D con Mathcad.30200 4 -0. LAS dimensiones de la rejilla están definidas por los datos en el archivo de texto MATXY.98600 -0.046 http://libreria-universitaria.82600 0.17500 0.22500 0.blogspot.Mz.81400 0. Los datos a ajustar son z 0 1 2 3 4 5 0 0.23900 -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.P R N para leer los datos de esos archivos.73600 0.29000 -0.17500 0. Los elementos de este archivo son pares de valores x y y que caracterizan los elementos de la diagonal de la región. El primer paso es pasar los datos a Mathcad.10600 0.36800 0.PRN es un archivo simple de texto que contiene los valores de la función (z) a ser interpolada en varios puntos x y y sobre una rejilla rectangular.PRN. File Edlt Vlew Insert Format SJath Symbolics yjlndow S«IP 2D SPLTNE Enter theroatrixspecifying a surface: Mz :=READPRN("matsplin.30300 5 0.64900 -0.55300 -0.Mxy. Ésta es una matriz que contiene valores de la segunda derivada y otros resultados numéricos en varias localizaciones de la rejilla.

Considerando estas operaciones. FIGURA 1 9 . Como otro ejemplo para demostrar algunas capacidades para el ajuste de curvas mediante Mathcad. leyendas y otras características. tipo. junto con Mz y Mxy. c. Se construye una gráfica de la magnitud de c¡ como antes. Una vez que se ha creado la gráfica.22. La gráfica de la señal se puede colocar sobre la hoja de cálculo al hacer clic en la ubicación deseada. de coeficientes complejos que representan los valores en el dominio de la frecuencia. 2 3 TRF con Mathcad. Esta función regresa la transformada de Fourier de x. 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.23.9.5 y y = 3. Usted puede también construir una gráfica de la superficie interpolada como la mostrada en la figura 19. Después c es definida como fft(x). cambiar el color. Después x¡ es formulado mediante la función Mathcad r n d para impartir una componente aleatoria a la señal sinusoidal.com . Esto coloca una línea roja cruzada en esa ubicación. como el mostrado con x = 2. El resultado es un vector. y) con base en la interpolación segmentaria cúbica con los valores de entrada de x y y. ancho de línea del trazo de la función y agregar títulos. La primera línea usa el símbolo definición para crear i como un rango variable. y).23. 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. usted puede usar del menú la secuencia Format/Graph/X-Y Plot para variar el tipo de gráfica. Mathcad file Edil ylew ¡nsert Formal Malh gymbollcs Wlndow tjelp FAST FOURIER TRANSFORM Define a real signal in time: Signal http://libreria-universitaria. Simplemente teclee x¡ en el lugar reservado sobre el eje y y 0 y 80 para el rango en el eje x. usted puede interpolar en cualquier ubicación mediante el ajuste (x.370 APROXIMACIÓN DE FOURIER matriz. Mathcad realiza todo el resto para producir la gráfica mostrada en la figura 19.blogspot. Mathcad designa esta secuencia de operaciones. son usadas por la función interp para regresar los valores de z como la variable de ajuste (x.

segmentarias y TRF.2 Algunas funciones de MATLAB para implementar interpolación.24). use la función seno para generar valores igualmente espaciados f(x) de 0 a 10.1 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. TABLA 19.blogspot. ajústela con a) interpolación lineal. El siguiente ejemplo ilustra cómo usar algunas de ellas.com . Descripción Función polyfit interp 1 interp 2 spline fft EJEMPLO 1 9 .8. b) polinomial de quinto orden y c) una segmentaria cúbica. Explore cómo se puede emplear MATLAB para ajustar curvas con los datos. Después. http://libreria-universitaria.3 MATLAB Como se resume en la tabla 19.2. Solución. Para hacer esto. a) Los valores de las variables independientes y dependientes se pueden introducir en los vectores por >> >> x=0:10. regresión. y=sin(x). MATLAB tiene una variedad de funciones preconstruidus que abarcan las capacidades totales descritas en esta parte del libro.8 A J U S T E DE C U R V A S CON L I B R E R Í A S Y R O Q U E T E S 19. FIGURA 19. Emplee un tamaño de paso de 1 de tal forma que la caracterización resultante de la onda seno sea dispersa (véase la figura 19.24 Once puntos muestreados de una sinusoidal.

0915 p=poLyfit(x. >> xi=0:.y.3542 -1.6854 2.572 APROXIMACIÓN DE FOURIER Un nuevo vector más finamente espaciado con valores de la variable independiente se puede generar y guardar en el vector xi.5860 -0. x i ) .0290 0.25:10. Estos se pueden a su vez usar para generar un nuevo conjunto de valores yi. >> >> yi = potyvaL(p. >> P= 0. 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. los cuales pueden de nuevo ser graneados junto con las muestras originales dispersas.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.5) donde el vector p cumple con los coeficientes polinomiales.'o 1 . y) como los valores interpolados linealmente se pueden graficar juntos. plotCx. y i ) 0 2 4 6 8 10 b) Ahora. x i . como se muestra en la gráfica siguiente: >> >> y i = i n t e r p 1 ( x . x i . o ' . y . y i ) http://libreria-universitaria.xi). Tanto los valores originales (x. y . 1 p l o t ( x .blogspot.0008 -0.y.

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

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

" X " . PRINT A 1-1. 3 7 8 . 1 2 .720 0. 0 5 / y / 0 . ycalcd) http://libreria-universitaria. s s p o l y ( n d e g + l ) . 8 5 1 .B. n d e g + 1 PRINT ' ( 1 X .05 0.x. (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.FS^)'. * * .• T. s t a t ( 5 ) D O i = l. 8 4 . 9 5 7 . " TERM: ".378 0.ndeg. 0 .nobs. ' F i t t e d polynomlal i s ' DO i .4))\ i . Use RCURV para determinar la polinomial cúbica que proporciona un ajuste por mínimos cuadrados de los siguientes datos X 0.stat) * .15 0.84 0. ' N O . 0 .45 0. 1 . X Y YCALC' " R A PRINT PRINT PRINT PRINT 2 : " .583 0. 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.12 0.957 0.ó Uso de IMSL para regresión polinomial m I Enunciado del problema. 8 3 2 . 0 . 2 .05 0. 7 0 .I8.851 0. y ( 1 ) . n o b s . 2 9 5 . 0 . EJEMPLO 19. y ( n o b s ) .blogspot. 0 .y. s t a t ( 1 0 ) .832 0. " % " ) ' .j PARAMETER (ndeg -3. x ( n o b s ) .i. I I .F8. 0 . 0 .3(5X. 0 .l . x ( 1 ) . y) conteniendo NaN (no un número) como un valor x o y. 1 5 6 / RCURV(nobs. 0 5 .156 y Solución.com . ycalc(nobs) DATA DATA CALL x / 0 .8 ) R E A L : : b ( n d e g + l ) . D O j = l.4.sspo1y. 0 . 0 . 1 5 . 5 8 3 . 3 0 . 0 .30 0. b(1) END DO * ' ( I X .nobs ycalc=0. 4 5 . 0 . 7 2 0 .295 1.ndeg+l ycalc(i)-ycalc(1)+b(j)*x(i)**(j-l) END DO PRINT END END DO '(1X. F 5 . 0 .70 0.Q AJUSTE DE CURVAS C O N LIBRERÍAS Y P A Q U E T E S STAT = Vector de longitud 10 que contiene la estadística descrita en la tabla 19.

http://libreria-universitaria.4 7. Use la regresión por mínimos cuadrados para ajustar con la ecuación (19.1560 YCALC .4 Use una serie de Fourier continua para aproximar la onda de dentado de sierra mostrada en la figura P19.1500 . amplitud y tiempo del pH máximo.8711 .8510 . .7000 .7053 .3780 . 19.3880 .2 La radiación solar en Georgetown.2785 -.7200 . 19. Use su ajuste para determinar la media.2 8. hr 0 7.1200 .8320 .1 6.1 El pH en un reactor varía en forma sinusoidal durante el transcurso de un día.0500 .2950 . mo Radiación. Tiempo. Carolina del Sur.3000 . _ ¡¿mdx fix) = Use esta relación para verificar los resultados de la ecuación (19.9570 .9 8.0312 .3 Los valores promedio de una función se pueden determinar por FIGURA P l 9.5786 .9 19.5 12 15 20 22 24 7 PH 7 7.4 Una onda diente de sierra.9 7.4 7.8400 1.2908 .3 2 4 5 7 8.9909 -1.4. Use la ecuación resultante para predecir la radiación que habrá durante la mitad de agosto.81% 1 2 3 4 5 6 7 8 PROBLEMAS 19. ha sido tabulada como Tiempo.blogspot.com .9401 .5830 .0500 Y .0513 X . 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.4500 .1558 X 1 TERM: A X 2 TERM: A X 3 TERM: A R 2: A 9 9 NO.576 | APROXIMACIÓN DE FOURIER i \ ] ' ? Un ejemplo de correr es F i t t e d polynomial i s X 0 TERM: A . Grafique los primeros tres términos junto con la sumatoria. ajuste a un sinusoide estos datos.8 8.13).11) los siguientes datos.8423 .

19. 64 y 128 puntos de muestreo. 5 7 5 .12.S Use la serie de Fourier continua para aproximar la forma de la onda en la figura P19.5.18. 3 0 5 6 . 19. 7 2 6 .8. Tome tiempo a cada corrida y grafique la ejecución contra N para verificar la ligura 19. 2 0 1 6 2 4 3 2 4 0 O. 8 4 3 9 . b) un polinomial de quinto orden y c) una segmentaria.20 Repita el problema 19. Pruébelo duplicando la figura 19. 3 -1 1 f FIGURA P 19.17 Use Mathcad para ajustar una segmentaria cúbica (con una línea recta en los puntos extremos) los siguientes datos: X 0 2 4 7 1 0 1 2 Y 5 .14. use MATLAB para ajustar los datos del problema 19. I « ) .5 I JTIO onda triangular. 1 0 Desarrolle un subprograma de uso amigable para la TDF con base en el algoritmo de la figura 19. 8 7 0 8 . M G / L 1 4 .13. 8 2 . Si pasa por cero. 6 2 . 5 1 0 1 2 .8 Un rectificador de media onda se puede caracterizar por 19. 19. 19. repita la regresión.13. 9 3 .6 Construya la amplitud y línea de fase espectral del problema 19.9 Construya la amplitud y línea de fase espectral del problema 19. agregue una componente aleatoria a la señal.18. 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 . pero ahora use la rutina RCURV de IMSL. 19. Muestre la onda de t .13 Repita el problema 19. 19. I <>.com . 19.8.5.0 a 47. Pruébelo mediante la duplicación de la figura 19. 5 6 7 . 1 2 .10 para calcular una TDF pura la onda triangular del problema 19. 1 1 Use el programa del problema 19.21 Repita el problema 19. 4 1 8 7 . con los siguientes datos que contienen la concentración de oxigeno disuelto en agua fresca contra temperatura a nivel del mar. 5 3 .15. 4 1 2 . 1 4 U S E EL C O M A N D O T R E N D L I N E D E E X C E L A PARA «JUSTAR UNU ECUU- Sff 2 0 2 . 5 1 5 1 7 .16 Use el paquete de herramientas para el análisis de datos de Excel para ajustar una línea recta con los siguientes datos.11 mediante el software que usted desarrolló en el problema 19. pero ahora use MATLAB para realizar el análisis. 8 -eos 6 í . Tome una TRF de esos valores y grafique los resultados. 6 2 1 1 1 . I <>. 9 2 5 . 19.15 Use el paquete de herramientas para el análisis de datos de Excel para desarrollar una regresión polinomial de cuarto orden. Y 2 0 2 0 1 2 7 Ó 5 . Grafique los primeros cuatro (orminos junto con la sumatoria. 5 3 .2. Use 32.17 mediante a) interpolación lineal. Determine el 90% de intervalo de confianza para el intercepto. 3 1 7 . 4 2 . Grafique y contra x junto con la ecuación exponencial y r .blogspot.1 1 9 . I').4.7 Construya la amplitud y línea de fase espectral del problema 19. Determine el valor de y en x = 3.• 357T donde Q es la amplitud de la onda.12. 6 3 .3.18 Use Mathcad para generar 64 puntos a partir de la función /(í) = eos (3t) + sen (1 Oí) desde t = 0 a 2rc. 6 http://libreria-universitaria. 7 1 8 . Grafique los primeros tres términos liinto con la sumatoria. I '). Como se vio en la sección 19.19 En una forma similar a la sección 19.8. 1 1 1 K 2 sen / 2 3n „ eos 2t 2 15TT eos 4í 19. 3 \ CIÓN EXPONENCIAL 1 2 .12 Desarrolle un subprograma de uso amigable para la TRF con base en el algoritmo de la figura 19. 7 6 . 4 1 3 I <).8.

2) se observa que p(t) se aproxima al infinito en tanto t sea grande. En la ecuación (20.2) d o n d e p = población cuando t = 0.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.1) P donde k — factor de proporcionalidad conocido como el crecimiento específico y tiene las unidades de tiempo" .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. Una forma de expresar esto . 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. Si k es una constante.com como carencia de comida y producción de deiechoi tóxicos. Solución. la cual es tomada de la ingeniería química. se debe reconocer que la razón de crecimiento específico k no puede ser una constante en tanto la población se vuelva grande. el organismo a modelar oslará limitado por luctorcs tales http://libreria-universitaria. La primera aplicación. el modelo debe ser modificado para hacerlo más realista. o en forma de ecuación. Primero. 20. entonces la solución de la ecuación (20.blogspot. %=k (20. Por tanto. En muchos de los modelos. y debido a q u e p se aproxima al infinito. Este es el caso.1) se puede obtener de la teoría de las ecuaciones diferenciales: 1 p(t) = p e 0 0 kl (20. La tercera aplicación ilustra cómo se puede emplear una transformada rápida de Fourier (TRF) en la ingeniería eléctrica para analizar una señal determinando sus principales armónicas. La segunda aplicación emplea segmentarias para estudiar un problema que tiene relevancia en el área ambiental de la ingeniería civil: transporte de calor y masa en un lago estratificado. es fundamental la hipótesis de que la razón de cambio de la población (dp/df) es proporcional a la población real (p) en cualquier tiempo (t). muestra cómo se puede linealizar y ajustar los datos en un modelo no lineal mediante regresión lineal. Este comportamiento es claramente imposible para sistemas reales. Modelos de crecimiento poblacional son importantes en muchos campos de la ingeniería.

3) y muestra que cuando f = K. El valor de K se conoce como constante de saturación media.2. 1 se tiene la gráfica de la ecuación (20. Se requiere calcular & y Ka partir de estos datos empíricos. con pendiente K/k e intercepto l/k^.*±/ _!LJ_ _L. Estos valores F I Gse U Rgrafican A 2 0 . K es la cantidad de comida disponible que respalda a una razón de crecimiento poblacional igual a la mitad de la razón máxima. Las mediciones de k contra/para la levadura se muestran en la tabla 20. suponga que la población p representa la levadura empleada en la producción comercial de cerveza. = = + (2 o.k = k J2.blogspot. esto es.3) en una forma lineal. ya que conforma la concentración donde la razón de crecimiento específico es la mitad de su valor máximo.3) de manera similar a la ecuación (17.com . 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.17) para obtener mÍK máx J. se ha transformado la ecuación (20.20. l/k es una función lineal de \lf. En la figura 20. Esto se lleva a cabo al invertir la ecuación (20.3) donde k = la razón de crecimiento obtenible máxima para grandes valores de comidu (j) y K = la constante de saturación media. y / e s la concentración de la fuente carbono que será fermentada. Por tanto. http://libreria-universitaria. Las constantes K y k son valores empíricos basados en mediciones experimentales de k para varios valores d e / Como un ejemplo.1. 1 en la figura 20.1 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 (20.4) k kf k f k "rnáxJ J a máx "máx Por este reordenamiento.

dando 1 milí dp — = 1.2 Versión linearizada del modelo de la razón de crecimiento saturado.14286 0.031 1.1 8 mg/L para una levadura que se usa para producir cerveza.935 Debido a esta transformación.250 1. S i / s e aproxima a cero en tanto p sea grande.com . f.3.580 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS TABLA 20.11111 0. mg/L 7 9 15 25 40 75 100 150 k.23 días" y K = 22.010 0. 0.04000 0.1 Datos usados para evaluar las constantes de un modelo de razón de crecimiento saturado para caracterizar la cinética microbial.18 mg/L.448 2.18+ r ' Observe que el ajuste da una suma de cuadrados de los residuos (como los calculados para los datos no transformados) de 0.083 1.37 0.00666 día L/mg 3.07 día" 1 \/f.06666 0. Estos resultados combinados con la ecuación (20.65 0.703 2.97 0. FIGURA 20.23 d í a s " y K = 22.blogspot.29 0. se puede usar los procedimientos por mínimos cuadrados lineales descritos en el capítulo 17 para determinar k = 1.23 f p (705) V dt 22.01333 0.02500 0. La ecuación (20.99 1.01000 0. y después se sustituyen en el modelo de la ecuación (20. La línea es un ajuste por mínimos cuadrados que se usa para evaluar los coeficientes del modelo fe = 1. 0. máx 1 1/í L/mg http://libreria-universitaria.80 0.538 1.5) se puede resolver usando la teoría de las ecuaciones diferenciales o los métodos numéricos analizados en el capítulo 25 cuando f(t) se conoce.001305.1).48 0. entonces dpldt se aproxima a cero y la población se estabiliza.3) se comparan con los datos transformados en la figura 20.

FIGURA 20. Éstos se usan para generar una columna de residuos al cuadrado que se suman.C 5 ) 2 A kmáx K f 7 9 15 25 40 75 100 150 1 1. La figura 20. Como puede verse.007134 1.00130J] http://libreria-universitaria.3) es una forma para evaluar las constantes y K.37 0. basada en el modelo y los parámetros iniciales. que es capaz de relacionarse en esta forma original.652384 0. mg/L FIGURA 20.20.com .2301 22.48 0.071897 J* 0.blogspot.5.97 0. una columna de valores predichos es desarrollada.000294 0..99 1.1386 k 0.000004 >SUM(D5.1 MORESIÓN LINEAL Y MODELOS DE POBLACIÓN III máx f.355536 0.949751 1.000283 0. A 1 2 3 4 5 6 7 8 9 10 11 B D $B$1*A5/($B$2 + A5) = (B5 .000209 0.3 Ajuste del modelo de razón de crecimiento saturado para una levadura empleada en la producción comercial de cerveza.07 SSR k-predicción ^ 0.29 0. y el resultado se coloca en la celda D I 4 .000067 0.000410 0.65 0.000030 0. La linearización de la ecuación (20.4 Regresión no lineal para ajustar el modelo de la razón de crecimiento saturado de una levadura empleada en la producción comercial de cerveza.4 muestra cómo se puede usar la herramienta Solver de Excel para estimar los parámetros supuestos con regresión no lineal.791842 0.80 0.000006 0.D12) 0.496828 0.295508 Res 2 A 0. es la regresión no lineal descrita en la sección 17. Un procedimiento alternativo.

En particular.5. La estratificación térmica tiene gran importancia para los ingenieros ambientales que estudian la contaminación de tales sistemas. con una S = 0. la regresión no lineal da un ajuste ligeramente mejor. y en el fondo es más fría y densa.14. los resultados son casi idénticos. De esta forma. 2 FIGURA 20.23 y K = 22. el agua es tibia y liviana. la thermocline disminuye en gran medida el mezclado entre las dos capas. El resultado.582 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS Después se utiliza el Solver de Excel para minimizar la celda D14 al ajustar las celdas B1:B2. Como resultado.001302. 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. como se esperaba. Los lagos en la zona templada pueden dividirse en estratos térmicos durante el verano. La ubicación de la thermocline se puede definir como el punto de inflexión de la curva temperatura-profundidad. También use las segmentarias para determinar el valor del gradiente en la thermocline.2). Use segmentarias cúbicas para determinar la profundidad de la thermocline para el lago Piarte (véase la tabla 20.4. la descomposición de materia orgánica puede acarrear reducción de oxígeno en el fondo aislado de las aguas. En otras aplicaciones. cerca de la superficie. es decir. da un estimado de k ^ = 1. Como se ilustra en la figura 20. 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.5 Temperatura contra profundidad durante el verano para el Lago Platte en Michigan. 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. aunque. el punto en el cual (PT/dx = 0. como el mostrado en la figura 20.com . m x r 20.2 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. Es también el punto en el cual el valor absoluto de la primera derivada o gradiente es un máximo.

25.0148 . 23.2 0 m Solución.1884 -.61°C/m.1638 -. 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 -.7144 19.3254 -. 27. Sin embargo.9 13.1001 -.0000 d2T/dz2 .1 22. Con base en los primeros datos históricos. Wolf determinó que la longitud del ciclo es de 11. 21. 7.3004 . Los resultados se grafican en la figura 20.0045 .7944 22.8203 22.0596 -.2 Temperatura contra profundidad durante el verano para el Lago Piarte en Michigan.0000 .9 11.4735 .3 T.6229 22.1166 . 11.0229 .0212 . 24. - d2T/dz2 .2346 -. TABLA 2 0 . 22.7909 22. Los datos se analizan con un programa que fue desarrollado con base en el pseudocódigo de la figura 18.4118 17. 17.3 ANÁLISIS DE FOURIER 983 TABLA 20. 1.3 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. La profundidad es 11.3939 -.8691 16.0332 . Los resultados se despliegan en la tabla 20.2950 .2569 -. 4.0318 .0130 .7766 13.0055 .0248 .7646 -1 1242 -1 4524 -1 6034 1 5759 1 3702 . 10. T(C) 22. Observe cómo la thermocline está claramente localizada a la profundidad donde el gradiente es el más grande (es decir.2508 .2402 -.3973 -. En la figura 20.3923 profundidad (m) 15.1 13.1303 -.1199 -.7 18. 5.9 20.3 y se enlistan las predicciones de la segmentaria junto con la primera y segunda derivada en intervalos de 1 m hacia abajo a través de la columna de agua.2646 14.8000 22.8 2. 3.1 27.7 se tiene registros de este número desde 1770.0251 . 22.0021 .0069 .6 9. 22.1167 .6518 -. 26. 3 Resultados del programa segmentario basado en el pseudocódigo de la figura 1 8.0085 -. 2. 20. 13. 18.6531 20.3 11. 12.com . se emplea de manera extensa en aplicaciones de la ingeniería eléctrica tales como en el procesamiento de señales.0000 http://libreria-universitaria.1 8. al sumar 10 veces el número de grupos más el conteo total de puntos individuales.20.9981 dldad (m) 0.blogspot.8 4.1 años.0354 .0436 . 20.1502 -.8.0618 . Calculó una cantidad que ahora se conoce como el número de puntos solares de Wolf.35 m y el gradiente en este punto es — 1.5825 dT/dz 0115 0050 0146 0305 .0125 . 19.0966 . 14. 6.8 22.2665 21.0635 -.1599 -. 28. 9.0245 . 16.2086 .7 11.6.8374 22.0261 -.°C z. El análisis de Fourier se usa en muchas áreas de la ingeniería. 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. el valor absoluto de la derivada es la más grande) y la segunda derivada es cero. 8.7907 22. En 1848.

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

20. power=abs(y(l:n/2)). Las variables de diseño en la ingeniería son a menudo dependientes de varias variables independientes.'I números de puntos i i i h i e s de Wolf. n=length(y). >> period(index) ansI O . 9259 20.8. >> p e r i o d = l .power): El resultado. El valor exacto se puede calcular con >> index=-f ind(power==max(power)). Con frecuencia esta dependencia funcional es mejor FIGURA 20. Sin embargo.poctro de potencia para li I. » » » >> » y(l)-[ ] . / f r e q >> plot(period. como el mostrado en la figura 20.8 I . O C TÍ <D 10 a. 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 (INGENIERÍA MECÁNICA/AEROESPACIAL) Antecedentes. h^i 1 1 U ^ L 1 1 Periodo (años) 20 30 http://libreria-universitaria.blogspot.com . freq=(l:n/2)/(n/2)*nyquist: A En este punto. ya que el periodo es más significativo en el contexto actual.'. indica un pico a los casi 11 años. se puede determinar el periodo y una gráfica potencia-periodo. nyquist=l/2. se determina la longitud de la TRF («) y luego se calcula la potencia y frecuencia. el espectro de potencia es una gráfica de potencia contra frecuencia.4 ANÁLISIS DE DATOS EXPERIMENTALES Después.

com 9 7 8 2 3 0. ya que log Q es una función lineal de log S y log D.9D S 262 0M Datos experimentales para diámetro.334 0.62 a = 0. S = pendiente (pies/pies).01 0.903 44.4 8.6) 3 0 donde Q = flujo (pies /s).4).7475 0 a\ = 2.9. D = diámetro tubería (pies). 0 La ecuación de potencias a evaluarse es at Q = aD S ai (20.01 0.001 0.207 ai ai Este sistema se puede resolver usando la eliminación de Gauss para log a = 1. 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 20.945 -22. se puede generar las siguientes ecuaciones expresadas en forma matricial [recuerde la ecuación (17.05 Flujo.0 1 1.blogspot.2 4.001 0. y a . pies 1 2 3 1 2 3 1 Pendiente.05 0.7) Q = TABLA 2 0 . Como se analizó en la sección 17. una regresión lineal múltiple de datos transformados a logarítmicos proporciona un medio para evaluar tales ecuaciones.001 0.() http://libreria-universitaria. Tomando el logaritmo a esta ecuación resulta a a log Q = log a + ai log D + a log S 0 2 En esta forma. Use regresión lineal múltiple para analizar estos datos.334 -18. la ecuación (20. la ecuación es adecuada para una regresión lineal múltiple.1 <W.3.5 pies y una pendiente de 0. Por ejemplo.05 200.025 pies/pies.3 24. a = 10 0 1 7 4 7 5 0 = 55. pies/pies 0.691 3.903 -4. D i á m e t r o .079 log a 0 11. \ Y 2 — coeficientes.01 0.22)]: 9 2.903 2. pendiente y flujo en tubos circulares de concreto. Después use el modelo resultante para predecir el flujo en una tubería con un diámetro de 2.4.586 APLICACIONES E N INGENIERÍA: AJUSTE DE CURVAS caracterizada por ecuaciones de potencia multivariable. Solución.6) es ahora (20.54 2 Si log a = 1.954 -4. pies /s 3 1. 4 Experimento 1 2 3 4 5 ó 55.7 28.0 . Usando el logaritmo (base 10) de los datos en la tabla 20.903 -18.7475.9 84.

°C 5 10 16 20 25 30 Cloro = O m g / L 12.025 pies/pies. con el fin de obtener polinomial para obtener-una ecuación predictiva de segundo or.2 7.85 Esta relación es conocida como ecuación de PROBLEMAS Hazen-Williams.3.5) (0.5 Use regresión lineal múltiple para obtener una ecuación 1 1 1 l. muí ecuación por potencias.8 11. Ignore el primer punto cuando ajus. Ingeniería química/petrolera función de la temperatura para el caso en que la concentración U\.1.2 7.8 Cloro = 2 0 0 0 0 m g / L 10. y longitud de tubería L por S = hJL. ¿ 0 4 .2 7.4 Cloro = 1 0 0 0 0 m g / L 11. pero ahora use es igual a 20 000 mg/L. como en Q = 55.3 9.1 pie /s 3 Debe observarse que la ecuación (20.resultados superiores.com . I Realice el mismo cálculo de la sección 20.85£)4.blogspot. 20.4 6.4 6.7) y la fórmula resultante se resuelve para h . Usted realiza experimentos y determina los siguientes valo. un polinomial de tercer orden para la tempetic oxígeno disuelto para T = 18°C con cloro = 10 000 mg/L. Si esta relación se sustituye en la ecuación (20. O x í g e n o d i s u e l t o ( m g / L ) p a r a la concentración establecida de cloro y t e m p e r a t u r a T e m p e r a t u r a .Q 1721 L 1. 3 Dependencia de la concentración de oxígeno disuelto sobre la temperatura y concentración de cloro.2 8. 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.función de la temperatura y del cloro con base en los datos de la res ile capacidad calorífica c para varias temperaturas Tde un gas: tabla P20. Use interpolación para estimar el nivel Esto es.i ecuación.1 http://libreria-universitaria. la pendiente se relaciona con la pérdida de carga h.5 9.0 8.7) se puede usar para otros propósitos además del cálculo de flujo.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. - .5 pies y S = 0.3 10.PROBLEMAS 587 La ecuación (20. Por ejemplo.0 9.6 Al comparar los modelos de los problemas 20.7) se puede usar para predecir el flujo para el caso de D — 2. 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. se supone. se obtiene la siguiente ecuación: L k.5.3.6 10.025) S ' Z62 0 54 = 84.9(2.3 use la interpolación ratura y una relación lineal para el cloro.7 6.4 y 20. 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. En el caso de los datos de la tabla P20.1 8. 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 . predictiva para la concentración de oxígeno disuelto como una 2 0 2 .

kpc 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 4.10. pies A.5 11 3.11 El esfuerzo cortante. m Temperatura.3 1.1 1. 2 2 FIGURA P20. a una presión de 2 950 lb/pulg absolutas: 2 T.12 Se realizó un estudio de ingeniería del transporte para determinar el diseño adecuado para carriles de bicicletas. a la tensión 10 4 15 20 20 18 25 50 40 50 48 tabla P20.1280 740 0.6 4. 20. del carri y.4 0.5 Como se ilustra en la figura P20. 20.9 1. 20. El volumen es de 10 m . Por ejemplo.7 6.5 7 5 5.3 3. Temperatura T. 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.5 68 1. -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.1 DE Ingeniería civil/ambiental Thermocline 8. °C 0 70 0.6 0. Observe que para la ley Tse debe expresar en Kelvin.5 9.1603 780 0. A esta profundidad.blogspot.01 cal/(s • cm • °C) calcule el flujo a través de esta ¡nterface.3 10.3.10 Un reactor está térmicamente estratificado con los valores de la siguiente tabla: Profundidad. 3 °C T.1 5. Los datos de 11 calles son: Distancia x. el punto para el cual d T/dz = 0. se puede idealizar al tanque como dos zonas separadas por un fuerte gradiente de temperatura o thermocline.1058 720 0. Los datos se colectaron para anchos de carriles de bicicletas y distancias promedio entre bicicletas y carros en circulación. m Esfuerzo.5 22 2. el flujo de calor de la superficie al fondo de la capa se puede calcular con la ley de Fourier.5 T N .9 El volumen específico de un vapor sobrecalentado es enlistado en tablas de vapor para diferentes temperaturas.0 55 1. La profundidad de este gradiente se puede definir como el punto de inflexión de la curva temperatura-profundidad.1 0. es decir.588 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS Tiempo Resis. °C 20 40 60 . táÍÉM . Si k = 0.0 1.10 Use una segmentaria cúbica para el ajuste de estos datos con el fin de determinar la profundidad de la thermocline. en kips por pie cuadrado (kpc) de nueve muestras tomadas a distintas profundidades en un estrato de arcilla son Profundidad. °F v 700 0.dT C ¿ 7 20.2 5. 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.1703 20.0 10 7.N / m 7 500 Emplee la ley de los gases ideales pV = nRT para determinar R con base en estos datos.1462 760 0. pies 3 5 8 10 5 7 8 6 6 6 10 10 8 9 4 5 7 8 Determine vpara T = 750 °F.9 http://libreria-universitaria.8 Se reunieron los siguientes datos para determinar la relación entre presión y temperatura de un volumen fijo de 1 kg de nitrógeno. 20.9 0.0 13 2.8 0.7 Se sabe que la resistencia a la tensión de un plástico aumenta como una función del tiempo cuando se calienta.

Por el contrario. J O Hurón I < i. 1 5 I . se ha reformulado como o = z qf (m. Para un río que se va a encauzar a un dique. 20. indica qué tan turbia y o|)iicu parece el agua.5 8. = + 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. Ajusto u una linca recta los datos mediante regresión lineal. Por tanto. cm Flujo. datos meteorológicos sobre precipitación de muchos años atrás están a menudo disponibles.8 2.0 99.0 104.com .0 132.4 94. Use los datos anteriores para determinar una relación c. como una función de p.blogspot. 20.1 152.5 39.6 172. determine el ancho de carril mínimo correspondiente.«) />) u n i f i q u e Ion dutos.0 161.0 1. Sobreponga la línea de su gráfica. Para algunos ríos es difícil obtener registros históricos de muchos años atrás de tales datos de flujo.9 239.8 175.7 101.4 3.0 19.7 269.0 5. se tienen los siguientes datos Precipitación.6 4.1 206.9 139. c) Use la mejor línea de ajuste para predecir el flujo de agua anual si la precipitación es de 120 cm.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. Esta relación se puede entonces usar para estimar flujos por años pero sólo cuando se hicieron dichas mediciones de precipitación. m / s 3 88.n) : FIGURA P 2 0 .1 130.0 a) Grafique los datos.5 17. Como tal.4 116.0 0. Agrcguo estu linca a la gráfica.u clorofila a es un parámetro que indica cuánta vida de plantas CH\Í\ suspendida en el agua. con frecuencia es útil determinar una relación entre flujo y precipitación.8 5.15 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. 2(1.13 En la ingeniería de abastecimiento de aguas.9 114.5 Ya que es inconveniente resolver esta ecuación de forma manual. el tamaño del reservorio depende de la estimación exacta del flujo de agua en el río del cual se toma. 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 .5 21.2 11. b) Ajuste a una línea recta los datos mediante regresión lineal. jo Erie: C luenca oeste Cuenca central ("uenca este lurjo Ontario 4.8 121. c) Si lu distanciu promedio mínima segura entro las bicicloüu y los carros circulando se considera de 7 pies.

Grafique y evalúe los resultados. b) Resuelva el inciso d) pero ahora use la función espline de Mathcad que se describió en la sección 19.0013 3 586 0.12626 0.05894 0. 20. 20. Este valor se puede sustituir en la ley de Hooke para determinar la deflexión del mástil: AL = deformación X L.16199 0.16843 n= 0.002 4965 0.05733 0. El valor influencia es entonces enlistado en una tabla.4 0.14749 0.17739 n= debajo de la esquina de un estribo rectangular que está sujeto a una carga total de 200 1 (toneladas métricas).2 Con base en una regresión lineal de estos datos. c Ingeniería eléctrica 20.75 -0.17389 1. Si la fuerza del viento es de 25 069 N..70 1.21 La corriente en un alambre se mide con gran precisión como función del tiempo: http://libreria-universitaria. A 5. pero ahora use regresión polinomial para obtener una ecuación cúbica para ajustar los datos.25 -0.7 0.08561 0. Los resultados de las pruebas Deformación unitaria.10631 0.2500 7. B y Q dadas las siguientes mediciones: i.0 Determine i en t = 0.14309 0. 20.0085 6 896 0.16 Tres organismos portadores de enfermedades decaen de 1. Observe que q es igual a la carga por área.22.5 1.3 0.36.1 1 135 0.2 0. use los datos para estimar la deflexión de un mástil de 9.2. con m = alz. Exprese su respuesta en toneladas por metro cuadrado.02926 0. Si es así.0060 5517 c 0. Se efectuaron pruebas para definir la relación entre esfuerzo y deformación unitaria.5 7 1 5.3 10 27. pero ahora analice los datos generados con f(t) = 5 eos (7í) — 2 sen (40 + 6.65 cm y se construye de una aleación experimental de aluminio. determine la corriente para un voltaje de 6 V Grafique la línea y los datos y evalúe el ajuste.08323 0.4 0.8.7880 0.13241 0.45 0.0005 1241 El esfuerzo causado por el viento se puede calcular como F/A : donde F = fuerza en el mástil y A = área de sección transversal del mástil.22 Los siguientes datos se tomaron de un experimento que mide la corriente en un alambre para diferentes voltajes suministrados: 2 3 7.8 y b — 16.2402 0.1 0.590 z APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS donde f {m. use una interpolación polinomial de tercer orden para calcular o a una profundidad de 10 m z 2 Pin 20. donde L = longitud del mástil. N/cm 2 0.5 8 1.6 1.18 Realice los mismos cálculos que en la sección 20.03007 0.5000 0. 20.13003 0.14 m.0045 5 172 0.15703 0.19.17 El mástil de un velero tiene un área de sección transversal de 10. 5 2.2 4 2.6 0. Determine si es una buena suposición quo el intercepto sea cero.8 3 3. Interprete sus resultados.1 6 1.10941 0.25 0.20 Realice nuevamente el cálculo del problema 20. n) se conoce como el valor influencia y m y n son relaciones adimensionales.8 7 1.1. n = blz y a y b como se definen en la figura P20.15027 0.5 0.16515 0.5 V Use interpolación polinomial para estimar la caída de voltaje para i — 1.5 .2 2 3. una porción de la cual se da aquí: 0.2 0. Los resultados son / t i 0 0 0. p(t) = Ae~ ' L5 +Be~ ' 03 +Ce' ' 0XK Calcule la población inicial de cada organismo (A. .1 a) Si a = 4.8599 0.com i.05994 0.8 m n = 1.19 Usted mide la caída de voltaje Va través de una resistencia para un número de diferentes valores de corriente i.3.08709 0.blogspot. hr 0.0000 0.3750 4.88 2.0 6. cm/cm Esfuerzo.8 4 10. 20.2 9 1.6 manera exponencial en las aguas de un lago de acuerdo con el siguiente modelo.7 5 13 7 19.03058 0. comience la regresión y fuerce ol intercepto a cero.1250 6.

°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.23 pies y S = 0. se debe ajustar una curva a los datos. Sin embargo.2 0. pero ahora desarrolle una ecuación para predecir el diámetro como una función do lu pendiente http://libreria-universitaria.00 -. sugieren que fluye a través del resistor como en V = iR. pero ahora determine los coefite correspondiente para cada resistencia.25 Repita el problema 20. si lo hay.2239 2.00 193 20.24 La ley de Ohm establece que la caída de voltaje Va. para poder anticipar la demanda de energía. donde R es la que la interpolación podría ser la apropiada.s/A) e i es la corriente (en amperes).4. 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. Suponga que usted realiza varios experi.0025 2.20.25 13. 20. mentos muy precisos para medir la caída de voltaje y la corrien. L es la inductancia (en henrys.24.01 pies/ pies. como en el estudio de los campos eléctricos p o r ejemplo.5625 0. Sin embargo.4) se enlistan en la tabla P20.50 41 1.\). Para cuantificar esta relación. por tanto. Emplee los siguientes datos para estimar L: L V -193 di/dt. 20.1104 2.4. Use una interpolación resistencia. Emplee un modelo exponencial y regresión lineal para hacer esta predicción. 1 H = IV. través de un resistor ideal es linealmente proporcional a la corriente i asi como la precisión de los métodos experimentales. Observe que el valor real es 0.25 -13.0968 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.para i = 0. Esas funciones son usualmente no sujetas a una evaluación directa y. d) = mediante una interpolación polinomial y b) usando segmentarias cúbicas. 20.0 0.10. como cientes de la ecuación de quinto orden (véase la sección 18. 20.5625 0. Por ejemplo. ¿Cuál es el significado. Los datos resultantes son Temperatura.50 -41 donde V es la caída de voltaje (en volts).3400 2.PROBLEMAS 0 *1 TABLA P20.27 Las funciones Bessel surgen con frecuencia en análisis avanzados de ingeniería. sugieren una relación curvilínea que ajusten los datos de la tabla P20.1666.com .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. 1. del intercepto de la ecuación Debido al error de medición. la suavidad de esta relación.29 Con base en la tabla 20.24 Datos experimentales para la caída de voltaje a través de un resistor sujeto a varios niveles de corriente -0. Compare sus resultados con los mismos valores calculados con la fórmula obtenida en la sección 20. 20. 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.8 0. a menudo se compilan en tablas matemáticas estándar. use interpolación lineal y cuadrática para calcular Q para D = 1.30 Reproduzca la sección 20. Ingeniería mecánica/aeroespacial listime J (2.blogspot.4 0. resistencias reales podrían no siempre polinomial de quinto orden para ajustar los datos y calcule V cumplir la ley de Ohm.4.26 Se realiza un experimento para determinar el porcentaje de alargamiento de un material conductor eléctrico como una función de la temperatura.24.6 0.24. Los resultados.23 Se sabe que la caída de voltaje a través de un inductor cumple la ley de Faraday -1.

39 60 0. b) Use regresión polinomial para ajustar una parábola a los datos para realizar la misma predicción. 4 Velocidad.27 30 0. mi/h Distancia de frenado.32 pero ahora ajuste a una curva de potencias todos los datos en la tabla P20.5676 8 1.3874 12 1.5°C.34 La distancia requerida para detener un automóvil es una función de su velocidad. 1 0 " cm /s 2 2 0 1.32 y graficados en la figura P20. la relación entre la fuerza y el desplazamiento ya no se cumple. m Fuerza. 20.0105 24 0. 3 2 Valores experimentales para alargamiento x y fuerza F para el resorte en un sistema de suspensión de un automóvil. http://libreria-universitaria.31 La viscosidad cinemática del agua.2396 16 1. Comente sus resultados. m TABLA P 2 0 . Desplazamiento. 20.32 Gráfica de fuerza (en 1 0 newtons) contra desplazamiento (en metros) para el resorte de un sistema de suspensión de un automóvil.42 60 0. Observe que para un peso por arriba de 40 X 10 N.com 10" N 80 .32. la cual se cumple cuando un resorte no se deforma demasiado.7923 4 1. 20. 20. ajuste a una relación no lineal la porción no lineal.35 40 0.44 Desplazamiento. está relacionada con la temperatura en la siguiente forma: T. v.blogspot.4 y analice sus resultados. Compare sus resultados con la fórmula de la sección 20.32.17 20 0.43 70 0. Esta clase de comportamiento es típica de lo que se denomina un "resorte endurecido".°C v. Además.10 10 0.33 Repita el problema 20. 0.592 APLICACIONES EN INGENIERÍA: AJUSTE DE CURVAS y flujo. Emplee regresión lineal para determinar un valor de k para la porción lineal de este sistema. Tales datos están contenidos en la tabla P20.1168 20 1. Los siguientes datos experimentales fueron colectados para cuantificar esta relación: 4 FIGURA P20. La proporcionalidad es parametrizada por la constante del resorte k.9186 Grafique estos datos a) Use interpolación para predecir va T = 7.32 La ley de Hooke. Se puede establecer un valor para este parámetro de manera experimental al colocar pesos conocidos sobre el resorte y midiendo la compresión resultante. pies 15 16 20 20 25 34 30 40 40 60 50 90 60 120 Estime la distancia de frenado para un carro que circula a 45 mi/h. significa que el alargamiento del resorte y la fuerza aplicada están linealmente relacionados.

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

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

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

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

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

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

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

2 ) y la figura P T 6 . Como se observa en la ilustración visual de la figura PTó. o sumatoria de f(x)dx sobre el rango x = a a b. Como lo sugiere la definición del diccionario. el símbolo / es ahora una letra S estilizada que intenta representar la conexión cercana entre integración y sumatoria. " .2 Representación gráfica de la integral de í(x] entre los límites x = o a b. 'W4 http://libreria-universitaria.lc. como partes.. el proceso inverso de la diferenciación es la integración. De hecho. la integral se expresa por la ecuación (PT6. .com . De acuerdo con la definición del diccionario. En cálculo. la derivada es la pendiente de la tangente a la curva enx.2 representa una manifestación gráfica del concepto. 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 . la integración indefinida trata con la determinación de una función de la cual se da su derivada. 1 1 Debería observarse que el proceso representado por la ecuación ( P T 6 .2) es el valor total. Matemáticamente. La integral es equivalente al área bajo la curva.2) es llamada integrando. Como se analizará en la parte siete. unir. F I G U R A PT6.- + Ax) Ax f(x¡) A. integrar significa "llevar junto. la integración se representa por (PT6.602 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN dy_ dx = H M /(*. 2 es llamado integración definida.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¡. en un todo. el "significado" de la ecuación (PT6.2) que corresponde al área bajo la curva de f(x) entre x — a y b.blogspot. La figura PT6. Para funciones que están por arriba del eje x. evaluada entre los límites x = a a x = b.2) que se tiene para la integral de la funciónf(x) con respecto a la variable independiente x. . La función f(x) en la ecuación (PT6.

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

Una función simple continua tal como una polinomio. así como en el tercer caso de datos discretos. y) se tabulan y. En el primer caso. Una función continua complicada que es difícil o imposible de diferenciar o integrar de manera directa. o) Se usan las diferencias divididas centradas para estimar la derivada para cada X intervalo entre los datos.com C) . 3. Después. Se superpone 6 una curva suave sobre esta 9 gráfica para aproximar el área bajo la gráfica de barras. esos valores se grafican como una curva de pasos contra x (véase figura PT6 .25 25.blogspot.4). Entre otras cosas. para cada intervalo.00 21.00 36. donde se tratarán ecuaciones diferenciales.604 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN Debido a esta relación cercana. Un método sin computadora para determinar las derivadas a partir de datos es conocido como diferenciación gráfica por áreas iguales. optamos por dedicar esta parte del libro a ambos procesos.4 Diferenciación por áreas iguales. las soluciones analíticas son a menudo imprácticas y algunas veces imposibles de obtener. como es frecuente el caso en datos experimentales o de campo.1. Esto 15 se lleva a cabo al dibujar la 18 curva de tal forma que áreas ¡guales positivas y negativas estén equilibradas. y 0 200 350 470 650 720 Ay/Ax 66.50 45. Para el segundo caso. la derivada o integral de una simple función se puede evaluar en forma analítica mediante cálculo.7 50 40 30 23.PT6. se debe emplear métodos aproximados. 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. una exponencial o una función trigonométrica. 2. En estos ejemplos. nuestro análisis tendrá relevancia en las siguientes partes del libro. se emplea una diferencia dividida simple Ay/Ax para estimar la pendiente. c) Se pue(lo entonces leer los valores de de la curva suave. En este método los datos (x.1 La función que será diferenciada o integrada estará usualmente en una de las siguientes tres formas: 1.3 15 18 dy/dx 76.50 dy/dx. Una función tabulada donde los valores de x y f(x) están dados en un número de puntos discretos. Luego se dibuja una curva suave que intenta aproximar el área bajo FIGURA PT6 .50 57. b) Las 0 estimaciones de la derivada se 3 representan en forma de gráfica de barras. 0 3 6 9 12 15 18 x http://libreria-universitaria. Además.

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

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

que promueve la transferencia de calor.414 M FIGURA PT6.75 1.com . el paso a) es innecesario.993 2. c) Uso de un método numérico (el método do barras) para estimar la Integral con base en los puntos discretos. Así como las estimaciones exactas de las derivadas son importantes en ingeniería. Para el caso de una dimensión. también el cálculo do integrales es valioso. por tanto. Fourier para la conducción de calor cuantifica la observación de que el calor fluye de regiones de alta a baja temperatura.1 MOTIVACIÓN 607 / * 2 + c o s ( 1 +> / V1 + 0.599 1.blogspot.75 2.7 Aplicación de un método de integración numérico: a| Una función continua complicada. la derivada proporciona una medida de la intensidad del cambio de la temperatura.PT6. o gradiente.5 ser •'O 2 X 0. Varios ejemplos se relacionan direclnmonle http://libreria-universitaria.25 1. b) Tabla de valores discretos de f[x) generados a partir de la función. entre ellos el modelado de dinámica de fluidos. transferencia de masa. los datos están ya en forma tabular b). La habilidad para estimar de manera exacta las derivadas es una faceta importante de nuestra capacidad para trabajar de manera efectiva en estas áreas. ésta se puede expresar matemáticamente como Flujo de calor = —k' dT dx Así. Leyes similares proporcionan modelos de trabajo en muchas áreas de la ingeniería.945 1. cinética de reacción química y flujo electromagnético. Para una función tabulada.25 0.

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

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

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

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

Enlistamos algunas de las más comunes en la http://libreria-universitaria. 1 — In x = — dx x dx e* = é d .8) Para este caso.8) se obtiene .7) Un ejemplo de una integral definida es /•0. encontrar F(x) de tal forma que F'(x) = f(x).9) 200 . 400 x + 168. muchas funciones de importancia práctica ion demasiado .com tabla PT6. cualquier función tal que F'(x) = f(x).612 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN TABLA PT6. 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). Otras funciones siguen diferentes reglas. Estas "reglas" son sólo ejemplos de antidiferenciación. 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 .7) como / = 1. tan x = sec 2 x d — dx esc x = -esc x cot x dx d .75x .5x 2 í b x n+\ x" dx n + 1 (PT6. . . En consecuencia. Sin embargo.2. La integración anterior depende del conocimiento de la regla expresada con la ecuación (PT6.200x + 675x .6405333.blogspot.10) la cual se evalúa de acuerdo con la ecuación (PT6.180x + — x 3 4 5 0.9).8.8)] entre x = 0 y 0.8 (PT6. la función es un polinomio simple que se puede integrar de manera analítica al evaluar cada término de acuerdo con la regla donde n no puede ser igual a — 1.2x + 12. Este valor es igual al área bajo el polinomio original [véase ecuación (PT6.8 / = / Jo (0. La nomenclatura del lado derecho es para F(x)\ b a = F(b)-F(a) (PT6. Muchas de las reglas se resumen en manuales y tablas de integrales. Tal conocimiento se adquiere con entrenamiento y experiencia.1 Algunas derivadas de uso común. es decir.900x + 400x ) dx 2 3 4 5 (PT6. es decir. la integración analítica depende del conocimiento anterior a la respuesta. / = 0. Si se aplica esta regla a cada término en la ecuación (PT6.2 + 25* .

En esta tabla las letras a y b son constantes y deberían no confundirse con los limites de integración analizados en el texto.8) sin conocimiento de las reglas.2 Algunas integrales simples que se usan en la parte seis.eos [ax + 6) + C J í eos [ax + b) dx = .3.blogspot. podría ser de utilidad alguna orientación adicional. Además. formulamos algunos objetivos que ayudarán a enfocar su esfuerzo cuando estudie el material.. j PT6. El capítulo 21 se dedica al más común de los procedimientos para integración numérica (las fórmulas de NewtonCotes).3 ORIENTACIÓN 613 TABLA PT6.1 Alcance y antecedentes http://libreria-universitaria.jv du \u"du = ——+C x a f n*-l 1 f a dx = — — + C a > 0.3 ORIENTACIÓN Antes de proceder con los métodos numéricos para integración. Esas relaciones se basan en el reemplazo de una función complicada o datos tabulados con un simple polinomio que es fácil de integrar.10 proporciona una revisión de la parte seis. J u dv = uv. PT6. Tres de las fórmulas de Newlon-C 'otcH con un U N O más extendido se analizan con detalle: lu regla trapezoidal.PT6. es porque proporcionan un medio para evaluar relaciones como la ecuación (PT6. la .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. Una razón por la que las técnicas en esta parte del libro son tan valiosas. a * 1 bino / — = Inixl+ C x*0 1 í sen [ax + b) dx = a . Lo siguiente pretende ser una revisión del material analizado en la parte seis.com La figura PT6.

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

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

Reconocer que la regla de Simpson 1 / 3 es exacta de cuarto orden. 1 2. 9. desde un punto de vista profesional. Saber cómo evaluar la integral y derivada de datos desigualmente espaciados. 8. d) regla de Simpson 3 / 8 . Entender la base teórica de extrapolación Richardson y cómo se aplica en el algoritmo de integración Romberg para diferenciación numérica. los cuales son más eficientes y exactos que la regla trapezoidal. 6. reconocer que las reglas trapezoidal y de Simpson 1/3 y 3 / 8 representan las áreas de los polinomios de primer.com . darse cuenta de que todas las fórmulas de Newton-Cotes de segmentos pares y puntos nones tienen exactitud resaltada similar. usted podría encontrarlo útil. 2. Además. 4. 10. 3 Objetivos de estudio específicos para la parte seis. Entender la diferencia fundamental entre las fórmulas de Newton-Cotes y cuadratura de Gauss. 1 1. c) regla de Simpson 1/3. Saber cómo diferenciar datos desigualmente espaciados. En particular. También podría desarrollar su propio software para las reglas de Simpson. Entender la aplicación de fórmulas por diferenciación numérica de alta exactitud. b) la regla trapezoidal de aplicación múltiple. y se puede también usar para verificar los resultados de cualquiera de los programas de computadora que usted haya desarrollado. regla de Simpson de aplicación múltiple. una de las metas más importantes debería ser manejar varios paquetes de software de uso general que están ampliamente disponibles. 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. 3. segundo y tercer orden. http://libreria-universitaria. Por último. Esta información le permitirá aumentar su librería de software al incluir técnicas más allá de la regla trapezoidal. integración de Romberg y cuadratura de Gauss. 5.616 DIFERENCIACIÓN NUMÉRICA E INTEGRACIÓN TABLA P T 6 . 1. aun cuando está basada en sólo tres puntos. Reconocer la diferencia entre las fórmulas de integración abierta y cerrada. se proporcionan los algoritmos para la mayoría de los otros métodos de la parte cinco. Saber cómo se emplean la fórmulas de integración abierta para evaluar integrales impropias. respectivamente. usted debería habituarse a usar estas herramientas para implementar métodos numéricos en la solución de problemas de ingeniería. Ser capaz de escoger la "mejor" de estas fórmulas para cualquier problema de contexto particular. al tener el software para implementar integración y diferenciación numérica para datos espaciados de manera no uniforme. 7. Reconocer los diferentes efectos del error de datos en el proceso de integración y diferenciación numérica.blogspot. Entender la derivación de las fórmulas de Newton-Cotes. y e). Conocer las fórmulas y ecuaciones de error para a) la regla trapezoidal. Por ejemplo.

en la figura 21. se emplea una parábola para el mismo propósito.1a.2.1 |ci aproximación de una InMjiol como el área bajo o) una sola línea recta y /i) una sola parábola.1) +a\X H ha„_iA'" _ i + a„x" donde n es el orden del polinomio. 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. Por ejemplo. La integral se puede también aproximar mediante una serie de polinomios aplicada por pedazos a la función o datos sobre segmentos de longitud constante. . se usa un polinomio de primer orden (una línea recta) como una aproximación. Pueden utilizarse polinomios de orden superior para los mismos propósitos.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. se usan tres segmentos de línea recta para aproximar la integral. Por ejemplo. en la figura 21. Con este anteceden- FIGURA 21. En la figura 21.

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

.1 para detalles) es 1 = { b ) m ± m _ (21.a) Recuerde del capítulo 18b que una línea recta se representa como [véase ecuación (18.1) es de primer orden: pb rb I = fi(x) = f(a) + — . x + b-a bf(a)-af(b) b-a / = ( 6 _ A ) M ± M 2 que OH la fórmula para la regla trapezoidal.( x .3) la cual se denomina regla trapezoidal.21. 21. ia ecuación (21.1 LA REGLA TRAPEZOIDAL La regla trapezoidal es la primera de las fórmulas de integración cerrada de NewtonCotes.2) se puede expresar T'LLLLLLL Este resultado se evalúa para dar f(b) . ni') . .a ) bf(a) af(b) I = — + (b-a) b—a 2 b—a 2 2 i /u . . A|RUPTNÜ() /'(/') /(«) h a .f(a) (b . IM tiiiil puedo Inlegrarso entre x = a y x = b pura obtener IV» m . Cuadro 21.af(b) Si se multiplica y agrupa términos se tiene . 2 2 .f{a) x 2 bf(a) 2 -«/(/» '* " h • "u~ b-a .1 IA ntirins. Sin embargo. f\tt)-" f / = íñb) .a (21./(«) -(x — a) dx b-a El resultado de la integración (véase el cuadro 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. „ . Esto capítulo tnfktliM las formas cerradas.ña) /lid. Corresponde al caso donde el polinomio en la ecuación (21. + m /(*) .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. se introduce de manera breve el material sobre fórmulas abiertas de Newton-Cotes al final del capítulo. como b — a = (b — a)(b + a). .f{a)] b -^- + bf(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. .2)] .

620 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES Geométricamente. 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 21.4. la integral se representa como / = ancho x altura promedio (21. pero el trapezoide está sobre su lado (véase figura 21.5 a) La fórmula para calcular el área de un trapezoide: altura por el promedio de las bases. Por tanto. el concepto es el mismo. En nuestro caso. b) Para la regla trapezoidal.4) FIGURA 21.5¿). . el concepto es el mismo pero ahora el trapezoide está sobre su lado. FIGURA 21.4 Ilustración gráfica de la regla trapezoidal.5a). 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.

obviamente podemos incurrir en un error que puede ser sustancial (véase figura 21.6 2 3 4 5 Ilustración gráfica del uso de una sola aplicación de la regla trapezoidal para aproximar la integral de f[x) = 0.6).2 + 2 5 x . para funciones con derivadas de segundo orden y superior (es decir. . La ecuación (21.5). sólo difieren con respecto a la formulación de la altura promedio.^ / " ( © ( 6 . FIGURA 21. con curvatura). 21. puede ocurrir algún error.6) donde ¿¡ está en algún lugar en el intervalo de a a b.5) donde. la regla trapezoidal será exacta.o I as (b — a) x altura promedio (21.W O x + AOOx de x = 0 a 0.« ) ( 3 (21. De hecho.8. De otra manera. para la regla trapezoidal. la altura promedio es el promedio de los valores de la función en los puntos extremo.6) indica que si la función sujeta a integración es lineal. o \f(a) + f(b)]/2.200x + Ó75* .1. Todas las fórmulas cerradas de Newton-Cotes pueden expresarse en el formato general de la ecuación (21.2) £ = . 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.

232 pueden sustituirse en la ecuación (21. el término/"^) es aproxi madamente constante. Solución.2Q0x if 675x .i aproximación para el error. . los límites de integración a y b corresponden a 0 y 1. 1 7 2 8 = 1.0 . fix) Use la ecuación (21. Por tanto. el resultado podría escribirse como I = h f^+W-J-fxW 2 12 Regla trapezoidal Error de truncamiento Así.622 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES Cuadro 2 1 .640533.1 Aplicación simple de la regla trapezoidal Enunciado del problema.\)h 2 / =h Como Af(a) = /(6) — fia). esta ecuación se puede integrar: I = h «/( ) + y A / ( ) + fl f l a 2 (o? - Ja ~4~ fia) + Afia)a + —^-aia . da E J E M P L O 21.640533 . La razón para C N I C gratule error os evidente de lu gráfica e n la figura 21 .2 que el valor exacto de la integral se puedo determinar en forma analítica y es 1. = 89.2 + 0.8) = 0.1) se expresaría como / =h ) + Afia)a + ^-^aia .l)h 2 dx (B21. Recuerde que para la versión de primer orden con término de error. 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. considere que como a = (x — a)lh.1) y e v a i u a r C omo f(a) + Afia) rm 2 Para simplificar el análisis.232 = 0. la integral podría ser (véase cuadro 18. la ecuación (B21.8. el primer término es la regla trapezoidal y el segundo es un.5%.3) para integrar numéricamente 2 3 = 0. dx = hda Debido a que h — b — a (para un segmento de la regla trapezoidal).2.2 /(0.2 + 25x .6.2) Si se asume que para una h pequeña.1728 la cual representa un error de £. Recuerde de PT6.2.v + 400x 4 5 desde a — 0 a b = 0. 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. respectivamente.3) para dar 0.900.467733 que corresponde a un error relativo porcentual de e. Los valores de la función /(O) = 0.

4 0 0 + 4 050JC .6) para obtener =-^(-60)(0.10 800x + 8 000x ) dx 2 3 I I \ | ) j que podría sustituirse en la ecuación (21.1. a t 21. Para obtener dicha estimación.. Las áreas de segmentos individuales se pueden entonces agregar para dar la integral para todo el intervalo. x„). a p r o x m i a c ó i n ( u n c ó in podríamos no conocer previumcnle el vulor reul. Hay n + 1 puntos base igualmente espaciados (x . x .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! . 2 .. Las ecuaciones resultantes son llamadas fórmulas de integración..10 800x + 8 OOOx 2 3 El valor promedio de la segunda derivada se puede calcular mediante la ecuación (PT6.4): 0. Sin embargo.8 ( .8) 3 = 2.7) Si a y b son designados como x y x . /. 8 ) . 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 .56 la cual es del mismo orden de magnitud y signo que el error real. para un intervalo de este tamaño el promedio de la segunda derivada no es necesariamente una aproximación exacta Así..8 muestra el formato general y nomenclatura que usaremos para caracterizar integrales de múltiple aplicación. . lti «esobre el intervalo podría calcularse al diferenciar dos veces = . de/"(<jj). respectivamente. de hecho. /'\!' 2 1 ..4 0 0 + 4 050* . En consecuencia. .. x .7). existe una discrepancia.. Por lunlo. hay « segmentos de igual anchura: 0 x 2 h = (21.2 Aplicación múltiple de la regla t r a p e z o i d a l Una forma de mejorar la exactitud de la regla trapezoidal es dividir el intervalo de integración desde a a b en un número de segmentos y aplicar el método a cada uno de ellos (véase figura 21. La figura 21. más exacto que usar E . ya que.' 2 ' + /. del error estimado. indicamos que el error es aproximado mediante la notación E . de múltiple aplicación o compuestas.

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

9) en el formato general do lu ecuación (21. h ' = 2 M .*„) y /(#. De «cuenlo con ln'ccuitelrtn (21.7) para expresar la ecuación (21.l / ( * o ) + 2 £ / ( * ¡ ) + /(*») (2i. \ ) en el numerador dividido entre 2n os ¡giinl a I . 7=(6-c) v ' /w+/&) i—W—^ i u". los puntos interiores dnn dos veces el poso do los (I ON puntos ex (remo/'(. .o.10) Ancho AltUItffom«llo Como In sumtiloriii de I ON coeficientes d c / ( . mediante agrupación de términos.).10).»i unm»»—Enmy—*•—•» i' (21..5). usando la ecuación (21. hi ahina promedio lepicneula un promedio ponderado de los valores de la función.y) o.

2 Regla trapezoidal de múltiple aplicación l Enunciado del problema.12) Por tanto 2/"(§.1.¿ ^ & > i=\ donde f"(^¡) es la segunda derivada en un punto %¡ localizado en el segmento i. = 1. el error de truncamiento disminuirá a un cuarto.12).0688 = 0. si el número de segmentos se duplica.2 / = 0.11) se puede reescribir como E = { b •' a ' f f" 12n (21.64 12(2) ' ¡ I donde — 60 es el promedio de la segunda derivada. Este resultado se puede simplificar al estimar la media o valor promedio de la segunda derivada para todo el intervalo como [véase ecuación (PT6. Emplee la ecuación (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 .8) = 0.2 + 25x . EJEMPLO 2 1 .9% E.13) Así. Observe cómo el error diiminu- .13) es un error aproximado debido a la naturaleza aproximada de la ecuación (21. determinada antes en el ejemplo 21. Solución.13) para estimar el error. Observe que la ecuación (21.1.8.a) 3 ^ „ (21-11) ' = Í 2 ¿ 3 .-) — f"y la ecuación (21.8 /(0. Los resultados del ejemplo anterior.456 /(0.640533.4) = 2.4): /(O) = 0. junto con de tres a dio/.2 + 2(2.232 —• — = 1.456) + 0.1.900 JC + 4 0 0 x 4 5 desde a = 0 hasta b = 0. u rapjifjjMafldfcti&li 21. n — 2(h = 0. Recuerde que el valor correcto para la integral es 1.3)] ¿/"fe) f „ ^ U n n (21.0688 4 s.640533 . segmentos do uplicuoión de U regla trapezoidal. integral de f(x) Use dos segmentos de la regla trapezoidal para estimar la = 0.232 0. = 34.57173 E a = — ^ r ( -2 6 0 ) = 0.200x 2 + 615x 3 .

6091 1.6150 .2667 0. El valor exacto es 675X 1 1.9 1.1 143 0.1 Resultados de la regla trapezoidal de aplicación múltiple para estimar la integral de f[x) = 0.1 0.08 h e (%) t 34. así como ecuaciones.n-1 eum = sum + 2 *f¡ END DO sum = eum + f„ 0 Trupm m h • eum / 2 END Trtpm .0688 1. Sin embargo.900X + ÁOOx 4 5 1 . a) Un solo segmento FUNCTION Trap (h.16 0.8.3 3.ye en lauto gl númotHi d« Negmenlos uumentu.2 0.9 Algoritmos para la regla trapezoidal a) de solo segmento y b) de segmentos múltiples.1 4.6008 1.4 1.9 se enlistan dos algoritmos simples para la regla trapezoidal. fO. Sin embargo.5703 1.5399 1. antes de investigur esas fórmulas.4848 1. fí) Trap = h*(f0 + fí)/2 END Trap b) Segmentos múltiples FUNCTION Trapm (h.1333 0. observe tninbicn que in razón de dlnmlnuoi6n M uradunl. Por lanío. analizaremos los algoritmos de cómputo para implementar la regla trapezoidal.4 0. La segunda (véase figura 21 .3695 1.2 2.5 9.640533.9b) es para la versión de múltiples segmentos con una anchura de segmento constante. El primero (véase figura 21.9a) es para la versión de un solo segmento.5887 1.5 6.13)]. Observe que ambos están diseñados para datos que se hallan en forma tabular.0889 0. 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.6 FIGURA 21. f) eum = f D0¡=1. TABLA 21.3 A l g o r i t m o s de cómputo p a r a la regla t r a p e z o i d a l En la figura 21.2 3+ 25x- 200X + 2 de x = 0 a 0. 21. Un programa general debería tener la capacidad de evaluar funciones conocidas. n 2 3 4 5 6 7 8 9 10 0.1.9 16. n. ul duplicar el número de segmentos diNtninuye en un cuarto el error. En el siguiente capítulo ilustraremos cómo se puede manejar esas funciones. listo OH debido a que el error está invcrsumcnlc relacionado con el cuadrado de n | véiisc ecuación (21.

como en la figura 21. Suponga que desea saber qué tan lejos ha caído el paracaidista después de cierto tiempo t. También proporciona una buena referencia para asegurar y probar su propio software. 3 Evaluación de integrales con la computadora j I | | Enunciado del problema.1 kg y c = coeficiente de arrastre de 12.3. y su propio software. .1. g — constante gravitacional de 9.5)] 2 i > ( 0= gm c (1 _ -(clm).43515 m. m — masa del paracaidista igual a 68. bien de datos tabulados o de funciones definidas por el usuario. como se describió en el ejemplo 1. Dicho software puede evaluar las integrales. El siguiente ejemplo demuestra su utilidad para evaluar integrales. puede hacer clic en la tabla de función de entrada e introducir la función.-(12. Primero. Esta distancia está dada por [véase ecuación (PT6.} (E21. Observe que al desarrollar la integración en forma analítica y sustituir los valores de parámetros conocidos se obtiene un valor exacto de d — 289.3.5 kg/s.5/68.5 (1 H v —i .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. Luego.1). Sustituyendo en la ecuación (E21.10.8 m/s .8(68. Solución. la velocidad del paracaidista está dada como la siguiente expresión en función del tiempo: e donde v = velocidad (m/s).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 21.1)1) Después haga clic en el bloque de entrada de parámetros e introduzca los valores para los límites de integración inferior y superior de 0 a 10.' ') c Jo (c m) e d dt Use el software de métodos numéricos TOOLKIT. introduzca el valor 10 para el número de segmentos junto con las dimensiones de la gráfica. EJEMPLO 2 1 .1) 12. Como usted recordará del ejemplo 1. Esta pantalla contiene la información de entrada y salida necesaria para integrar una función analítica o datos tabulares.1) Jo (t)dt donde d es la distancia en metros. v(t) = 9. = f (i _ . para determinar esta integral con la regla trapezoidal de aplicación múltiple mediante diferentes números de segmentos.10. El modelo predice la velocidad del paracaidista como una función del tiempo. Use el software de métodos numéricos TOOLKIT para resolver un problema relacionado con nuestro amigo el paracaidista en caída.

J3ü». . Una gráfica de la función que expone los segmentos se muestra en la figura 21. Después de hacer clic en los botones Cale y Plot.02 0..9 x 10" 5._• I •''<" .005 0.!£«!!=.0 x 10" -5.10.0593 9.01 0. la regla trapezoidal de aplicación múltiple obtieiw «célente exactitud.0 0.4360 289.9b y emplear números de simple precisión (por ejemplo.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.4336 289.2 x 10" -3.•-) : .5 x 10 2.002 0. es importante reconocer que el TOOLKIT de métodos numéricos usa doble precisión para obtener su estimación de la integral.4 x 10 5. por tanto. Podemos.l Asi.4369 289.Rnnilr* Integial < Seg Width Ww* 2887491 1 m*:": ' Help I :>«-. hemos obtenido la integral con tres cifras significativas de exactitud. m 10 20 50 100 200 500 1 000 2 000 5 000 10 000 1.2 x 10" 1.2636 289. La integral es equivalente al área bajo la curva v(t) contra t. el resultado es exacto hasta seis cifras significativas. Sin embargo. Una inspección visual confirma que la integral es e i ancho del intervalo (10 s) por la altura promedio (cerca de 29 m/s).j .4337 289.5 0. hasta cerca de 500 segmentos.05 0.2 0. cerca de siete cifras significativas de precisión).7491 stimada.7491.(%) d e288. Los resultados son tgmentos T a m a ñ o del s e g m e n t o *.001 289.4 x 10" 1. Podemos tratar con otros números de segmento de unu manera conveniente.1 FIGURA 21.4076 289. Así.4348 289. como se muestra en la figura 21.2 x 10 :l . En este punto. se despliega una integral calculada de 288. Con n — 500.4282 289.237 0.4317 0. repetir este problema con un programa basado en el pseudocódigo de la figura 21 .1 0. observe cómo el error cambia do signo y empieza a .10.

el nivel de precisión está limitado y nunca podría alcanzar el valor exacto de 289.2 R E G L A S DE S I M P S O N Además de aplicar la regla trapezoidal con segmentación más fina. • • Ahora veremos una forma en la cual se puede mejorar la eficiencia. Para tales casos. Las fórmulas que resultan al tomar las integrales bajo esos polinomios son conocidas como reglas de Simpson.116). Si hay dos puntos igualmente espaciados entre f(a) y f(b). podrían requerirse procedimientos más eficientes (como aquellos planteados en lo que falta de este capítulo y en el próximo). Si se requiere de alta exactitud. 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.11a). Por último. 21.3 puede tomarse en cuenta tres conclusiones principales: • Para aplicaciones individuales con buen comportamiento de las funciones. Del ejemplo 21. 21. podría ser muy importante cuando: a) se evaluarán numerosas integrales. la regla trapezoidal de múltiples segmentos demanda un gran esfuerzo computacional. El caso de 10 000 segmentos de hecho parece divergir del valor real. Es decir.2. Aunque este esfuerzo puede ser insignificante para una sola aplicación. si hay un punto extra a la mitad del camino entre f(a) yf(b).\ A » * . la regla trapezoidal de múltiples segmentos es casi fina para obtener el tipo de exactitud requerida en muchas aplicaciones de la ingeniería.4351 que se obtiene en forma analítica. Por ejemplo. los tres puntos se pueden conectar con una parábola (véase figura 21. De esta manera. los cuatro puntos se pueden conectar con un polinomio de tercer orden (véase la figura 21.1): nb rb I = / 1 f{x)dx £ / Mx)d. Esta limitación se analizará con más detalle en el capítulo 22. mediante polinomios de orden superior para aproximar la integral. Esto se debe a la inclusión del error de redondeo por el gran número de cálculos para todos esos segmentos. otra forma de obtener una estimación más exacta de una integral es con el uso de polinomios de orden superior para conectar los puntos. o b) donde la misma función es consumidora de tiempo en su evaluación.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 (21.630 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES aumentar en valor absoluto adelante del caso de 500 segmentos. los errores de redondeo representan una limitación en nuestra habilidad para determinar integrales.

3) x .X\)' dx Después de la integración y manejo algebraico. b — x y x = punto a la mitad del camino entre a y b.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.23)].L xi)(x (x-x )(x-x ) ftxo) + .x) (x¡ .(x )A 'W4 FIGURA 21.x )(xi . b) Si a y b se designan como x y x . Esta ecuación es conocida como regla de Simpson 1/3. que está dado por (b + a)/2.iste en tomar el área I H i|( > una ecuación cúbica ( | i i ( ! conecta cuatro puntos.x ) -f{xi) 0 2 2 0 2 2 (x -x )(x 2 . 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.5): Iss( p-a) Ancho 0 2 /(*o)+ * / ( * .15). ) + M ) Altura promedio ( 2 U 5 ) donde a — x . para este caso.14) donde. yf { ) representada por un polinomio de Lagrange de segundo orden [véase ecuación (18. Se puede mostrar que una aplicación de un solo segmento de la regla de Simpson 1/5 tiwie un error de truncamiento de (véase cuadro 21. La regla de Simpson 1/3 se expresa también con el uso del formato de la ecuación (21.3 donde el polinomio de Newton-Gregory se integra para obtener la misma fórmula. de acuerdo con la ecuación (21. Una obtención alternativa se muestra en el cuadro 21.14).) + f(x )] 2 (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 .X\) [x -x )(x -f(x ) . resulta la siguiente fórmula: / = |[/(Jfo) + 4/(A.f. h = (b — á)l2.'. el punto medio está ponderado por dos tercios y los dos puntos extremos por un sexto. Observe que. La especificación "1/3" surge del hecho de que h está dividida entre 3 en la ecuación (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.L / 4 ) ( ^ REGK DE SIMPSON 173 ERROR DE TRUNCAMIENTO que se puede integrar para obtener Así. ( o ) + 4/^) + ñ x 2 ) ] _ .16) 2 880 donde ^ está en algún lugar en el intervalo desde aab. la regla de Simpson 1/3 se puede obtener al integrar hacia adelante el polinomio de interpolación de Newton-Gregory (véase cuadro 18.v ) + 2A/U.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.2f{x ) +/(* ). Por tanto. Así. cuando se hagan las sustituciones simplificadoras (recuerde el 0 2 i 2 0 2/(.1) cuadro 21. el error es proporcional a la cuarta derivada.A /(*o) 2 Como se hizo en el cuadro 21.3. Esto es porque.) -/(* )yA /-(x ) = / ( x ) .2): I en J. E.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) « ( « . en comparación con la ecuación (21. Observe también que los límites de integración van de x a x .D ( « .xa a(a a(a — f(x ) 0 + &f(x )a 0 + A /Uo) 2 + + A /(*o) 3 — 1) + V120 y evaluando en los limites se obtiene aa a (1 24 _ 0 A /(x ) 3 0 ~6~ a + ~6 4 Ucr* 16 + ~T2 l)(a — 2) 4 J 2 4 « ( " . como h = (b — a)ll.2) (a .2 para la regla trapezoidal.3 ) / ¡ da 4 -a(ot a(a — 1) / = JLr/ . la regla de Simpson 1/3 es más exacta que la regla trapezoidal.laecuación(B21.632 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES Cuadro 2 1 . En lugar de ser proporcional a la tercera derivada.3. En O O A I I G M A O I L .2). Ya que se suprime la tercera diferencia dividida.3. (21.) • 0 0 A /(x ) 2 0 1 (B21. = -¿¿ / (§) 5 M) o. la regla de Simpion 1/3 tiene una preci- . como se muestra en el cuadro 21. el término del coeficiente de tercer orden va a cero durante la integración de la interpoUoión polinomial.) + y A / ( x ) + l — . La razón para esto se verá un poco después. el primer término es la regla de Simpson y el segundo es el error de truncamiento. Sin embargo.1)(<* .6) indica que es más exacta de lo esperado. obtenemos el resultado significativo de que la fórmula tiene una precisión de tercer orden. Debido a que A/"(x ) = /(x.2) (a . 3 Obtención y estimación del error de la regla de Simpson 1 / 3 / = h «/(*<.

367467 = 0. Recuerde que la integral exacta es 1.1). 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.8. = 1. Como ocurrió en el caso del ejemplo 21. f(x) Use la ecuación (21.2 + 4(2.640533.15) para integrar 2 3 4 5 = 0. el error es aproximado (E ) y es debido a que el promedio de la cuarta derivada no es una estimación exacta de/* (£).( . ¡lin otras palabras.232 6 = 1.12): h = b —a n (21.456 /(0.640533 .367467 que representa un error exacto de E.2 La regla de S i m p s o n 1/3 de aplicación múltiple Así como con la regla trapezoidal.2 400) = 0. El error estimado es [véase ecuación (21. el resultado concuerda.456) + 0.4) = 2.15) se puede usar para calcular / =0.2.200x + 675x .4).16)] E = a (0. Sin embargo.1.2 + 25* . = 16. 0.17) La integral total se puede representar como .900x + 400x desde a = 0 a b Solución.8 0. /(O) = 0.2 /(0.6% la cual es aproximadamente 5 veces más precisa que una aplicación simple de la regla trapezoidal (véase ejemplo 21.sión de tereef ofdstt aun uiiaiidu He bnsc en sólo tres puntos. como en este caso tiene que ver con polinomios de quinto orden. a 4) 21.2730667 2 880 5 donde —2 400 es el promedio de la cuarta derivada para el intervalo.8) = 0. la regla de Simpson se puede mejorar al dividir el intervalo de integración en un número de segmentos de igual anchura (véase figura 21.232 Por tanto. como se obtuvo por medio de la ecuación (PT6.1. la ecuación (21.2730667 e.8) — ' .

Los puntos pares son comunes en las aplicaciones adyacentes y. por tanto.a) 180« 4 J 7(4) (21.12. FIGURA 21. los coeficientes " 4 " y " 2 " en la ecuación (21. sumando los errores individuales de los segmentos y sacando el promedio de la derivada para dar F "~ ( 4 ) - (¿> . siguen en forma natural la regla de Simpson 1/3.)+f(x„) (21. /(*o) + 4 S f{x¡) + 2 " ¿ J .a) Ancho f(x. Observe que el método se puede emplear sólo si el número de segmentos es par.15).18) 3n Altura promedio Observe que. como se ilustra en la figura 21. Sin embargo. el peso de 4 en la ecuación (21. combinando términos y usando la ecuación (21. por tanto.634 FÓRMULAS DE INTEGRACIÓN DE NEWTON -COTES^ Al sustituir la regla de Simpson 1/3 para la integral individual so obtiene /(A.Y ) + 0 L / = 2/7 /(. Además. Un error estimado para la aplicación de la regla de Simpson se obtiene en la misma forma que para la regla trapezoidal. ) + /(. se cuentan dos veces.19) donde/ es el promedio de la cuarta derivada para el intervalo. Los puntos nones representan el término medio para cada aplicación y.)+4/'(. ~ {b .17). . se debe utilizar u n número par de segmentos para implementar el método.12 Representación gráfica de la regla de Simpson 1 / 3 de aplicación múltiple.v ) 4 + 2h /U „ )+4/(x„_ ) + /U„) ¡ 2 1 o.V2) 2h í\x ) 2 + 4 / ( x .18) podrían parecer peculiares a primera vista.

623467 = 0.Veriión d« la rugía cim ülmpiun I /J do aplicación múltiplo Enunciado dol problema. / = (J.288 + 3.017067 El error estimado [véase ecuación (21. está limitada a casos en los que los valores son igualmente espaciados. 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/(.2.456 /(0. Sin embargo. 21. n = 4 (h = 0.640533 .1.) + 2 .8) = 0.V|) + 3/(a) + / ( * . Recuerde que la integral exacta es 1.2 + 4(1. Solución.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 1/3.19)] es E = — ^ .4) = 2.2): /(0. se considera superior a la regla trapezoidal para la mayoría de las aplicaciones.640533.v -1.288 /(0.232 12 = 1.456) + 0. está limitada a situaciones donde hay un número par de segmentos y un número non de puntos.2 /(0.O 0.v) = 0.9 0 0 A + 4 0 0 * desde a = 0 hasta b = 0. Por esta razón. gral de U n o lu ecuación (21.2 400) = 0..232 A partir de la ecuación (21.04% El ejemplo anterior ilustra que la versión de la regla de Simpson 1/3 de aplicación múltiple da resultados precisos. = 1. la fórmula de segmentos nones y puntos pares conocida como regla de Simpson 3/8 se usa en conjunto con la regla 1/3 para permitir la evaluación de ambos números de segmentos pares y nones. Además.18)./'(*. como se mencionó antes.r ( .464 /(0) = 0.464) + 2(2.2 + 25.6) = 3. En consecuencia.675A.2()(). como se analizará en la siguiente sección..8. = 1.oZj4o/ E.017067 180(4) ' a 4 s. = )] H nb rb |.v .18) con n — 4 para estimur la inte2 1 4 5 /'(.2) = 1.

Esta ecuación se llama regla de Simpson 3/8 debido a que h se multiplica por 3/8. /|x) A .13 Ilustración de cómo se puede usar en conjunto las reglas de Simpson de 1/3 y 3 / 8 para manejar aplicaciones múltiples con números nones de intervalos. los dos puntos interiores tienen pesos de tres octavos. mientras los puntos extremos pesan un octavo. E Jtz^tji^ 6 480 (21. La regla de Simpson 3/8 tiene un error de ' 80 J o.21) Como el denominador de la ecuación (21.16). la regla 3/8 es algo más exacta que la de 1/3.21) es mayor que el de la ecuación (21.636 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES donde h — (b — «)/3. Esta es la tercera fórmula de integración cerrada de Newton-Cotes. La regla 3/8 se puede expresar también en la forma de la ecuación (21. FIGURA 21. ya que h — (b — a)/3.5): Issjb-a) Ancho + 3 / ( X l ) + 3 / f e ) + m m (21.20) Altura promedio Así.

16) es /(0) = 0.8. | a) Una sola aplicación de la regla de Simpson 3/8 requiere de cuatro puntos igualmente espaciados: /(O) = 0.432724 /(0. = 1.519170 = 0.20) / . sin embargo.2 + 25x . lu rogln de 3/8 tiene utilidad cuando el número de segmentos es impar.Sin embargo.La regla do Nlmpaun 1/1 en o moñudo ol método de preferencia. 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. EJEMPLO 2 1 . Como ilustración./{()./Í0. Solución.0 S °' ^+ .640533 . Esto puede no ser recomendable.3. b) Úsela en conjunto con la regla de Simpson 1/3 a fin de integrar la misma función para cinco segmentos. en el ejemplo 21.16) = 1.8 ? 1 7 7 ) + 0. a) Use la regla de Simpson 3/8 para integrar \ ! I | f(x) = 0.232 ' 8 E.8) " = -Tlérí6 4 8) 0 2400 5 = 0-1213630 | | b) Los datos necesarios para la aplicación de cinco segmentos (h — 0. podríamos obtener un estimado con una precisión de tercer orden a través de todo el intervalo.«()) 0. Una opción podría ser usar una versión de aplicación múltiple de la regla trapezoidal como se hizo en los ejemplos 21.32) = 1. Suponga que usted desea una estimación para cinco segmentos.48) = 3./(0.2 .8) = 0.3. = 7.200x + 675x ./t0. .13).232 La Integral para los dos prlmeroi segmentos se obtiene usando la regla de Slmpion 1/3! .4% 2 + 3 4 3 2 7 2 4 3 4 = /(0.64) .232 ' ? E (0. ya que alcanza exactitud de tercer orden con I T C N puntos más que los cuatro puntos requeridos pora la versión de 3/8. debido al gran error de truncamiento asociado con este método.743393 . De esta forma.487177 Usando la ecuación (21.1213630 e.5 usamos la regla de Simpson para integrar la función para cuatro segmentos.296919 .1.186015 . 6 Regla de Simpson 3 / 8 Enunciado del problema.5333) = 3.181929 /(0.2 y 21.900x + 400x 2 3 4 5 desde a = 0 hasta b — 0.2 /(0.2667) = 1.

2. las fórmulas de cinco y seis puntos tienen el mismo orden de error. 2 8 % 21.3803237 6 Para los últimos tres segmentos. la regla 1/3 y la regla de Boole) usualmente son los métodos de preferencia. 21.2. = 1.264754 8 La integral total se calcula al sumar los dos resultados: / = 0. .743393 — = 0. la regla trapezoidal y ambas reglas de Simpson son miembros de una familia de ecuaciones de integración conocidas como fórmulas de integración cerrada de Newton-Cotes. En el siguiente capítulo ilustraremos cómo se puede manejar esas ecuaciones. 2 % 9 1 9 ) + 1. Las reglas de Simpson bastan para la mayoría de las aplicaciones.186015 + 3.1.FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES / y.0 .4 A l g o r i t m o s de cómputo p a r a las reglas de S i m p s o n En la figura 21.645077 E.3803237 + 1. OfitMB ajternativas viables y atractivas.32 0. se debe resaltar que. como en el caso de las reglas de Simpson 1/3 y 3/8. Un programa general debería tener la capacidad de evaluar funciones conocidas así como ecuaciones.181929) + 0. junto con su estimación del error de truncamiento. los métodos como la integración de Rombcrg o la cuadratura de O K U I I . = .2 + 4 ( 1 .14 se bosqueja el pseudocódigo para diferentes formas de reglas de Simpson. cuando la función es conocida y se requiere de alta precisión.264753 = 1. en la práctica de la ingeniería. Para el caso de pares.645077 = -0. La precisión se puede mejorar al usar la versión de aplicación múltiple. Además. 0. la regla 3/8 se puede usar para obtener / = 0.5 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. Algunas de las fórmulas se resumen en la tabla 21. Observe que. descritos en el capitulo 22.48 1. se aplica la regla de Simpson 3/8 a los tres últimos segmentos y la regla 1/3 a los segmentos previos.640533 .743393 + 3(3. Sin embargo. la regla de Simpson 1/3 se aplica a cada par de segmentos y los resultados se suman para calcular la integral total.00454383 e.14¿¡f está acondicionado para usar números de segmentos pares o nones. las fórmulas de orden superior (que son mayores de cuatro puntos) son usadas muy rara vez. Observe que todas se hallan diseñadas para datos que están en forma tabulada. 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.2. Observe que el programa de la figura 21.232 = 1. En los nones.

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

305241 + 1.8) podría simplificarse al agrupar términos para obtener la ecuación (21. Aunque esta simplificación no puede aplicarse a la ecuación (21.900X + 4 0porcentual 0 X .12 + 2. + 0. Por ejemplo.22 0. 4 0 0 . 4 5 6 0 0 0 0. Recuerde que la respuesta correcta es 1 . Si se aplica la ecuación (21.3 Datos para f(x) = 0 . .7 Regla trapezoidal con segmentos desiguales | Enunciado del problema.3 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES INTEGRACIÓN CON SEGMENTOS DESIGUALES Hasta este punto.36 0 .8) y (21. 3 6 3 0 0 0 0 . . Antes de describir ese algoritmo.32 0.L ) + / ( * „ ) l=hi ~ + " 2 2 ' " 2 (21.10 1. H u / ( * „ .2 0 Ü X + la cual representa un error relativo absoluto de £.12975 = 1. existen muchas situaciones donde esta suposición no se cumple y debemos tratar con segmentos de tamaño desigual.309729 0.309729 1. 2 3 2 0 0 0 . es posible desarrollar de manera fácil un programa en computadora para acomodar los segmentos de tamaño desigual. . En consecuencia. u / ( S I ) + /fe) .0 0 . 2 0 0 0 0 0 1. Observe que éste fue el mismo procedimiento que se usó en la regla trapezoidal de aplicación múltiple.44 0. 1 8 1 9 2 9 2 . un método es aplicar la regla trapezoidal a cada segmento y sumar los resultados: .232 + .22) para evaluar una integral.640533. La única diferencia entre las ecuaciones (21.22).8% 675X .80 2 . i ? í \ | Solución. con valores 2 3 4 5 de x desigualmente espaciados.090584 + 0. ilustraremos en el siguiente ejemplo cómo se puede aplicar la ecuación (21. En la práctica.309729 + 0. la ecuación (21. La información en la tabla 21.3 fue generada mediante el | mismo polinomio empleado en el ejemplo 21. Use la ecuación (21. EJEMPLO 21.22) para determinar i la integral para estos datos. 1 2 0. 0 7 4 9 0 3 2 . 2 + 25x .305241 1. 5 0 7 2 9 7 3 .130749 + • • • + 0. los datos derivados experimentalmente son a menudo de este tipo.1.22) es que las h en la primera son constantes. Para esos casos.743393 2 .22) donde h¡ = ancho del segmento /.64 0.3 se obtiene 1.640 21.363 1 = 0.2 + 0. U / ( * 0 ) + . X """""""'"ÍLX)'"*" X 0.10 n 7=0. = 2 .22) a los datos de la tabla 21.70 0. 8 4 2 9 8 5 3 .54 0.594801 1 TABLA 21.9). todas las fórmulas para integración numérica se han basado en datos igualmente espaciados.

12 a 0. Solución. en consecuencia.309729 + 0. pudieron haberse evaluado mediante las reglas de Simpson. Vuelva a calcular la integral con los datos de la tabla 21.12 •— = 0.32 son de igual longitud.2758029 Los siguientes tres segmentos también son iguales y.15 Uso de la regla trapezoidal para determinar la integral de datos desigualmente espaciado».305241) + 1.FIGURA 21. la regla 1/3 se puede aplicar a . Los datos del ejemplo 21. pueden evaluarse con la regla de 3/ft para dar / = 0.309729 / = 0.15.2—: — = 0. De manera similar. Esto usualmente nos lleva a resultados más precisos. por tanto. Observe que alguno* segmentos adyacentes son de igual anchura y. pero ahora use las reglas de Simpson para aquellos segmentos donde son apropiados. El primer segmento se evalúa con la regla trapezoidal: „ 1.2726863. 1.2 / = 0. Inclusión de las reglas de Simpson en la evaluación de datos no uniformes Enunciado del problema.743393 + 4(1. su integral se puede calcular con la regla de Simpson 1/3: . como lo ilustra el siguiente ejemplo.7 se ilustran en la figura 21.3.09058376 Debido a que los dos siguientes segmentos que van de x = 0. Observe cómo los segmentos achurados podrían evaluarse con la regla de'Simpson para obtener mayor precisión.

2%. El área de esos segmentos individuales se suma para dar una integral total de 1.OOOOOI THEN IFk = 3 THEN eum = eum + 5imp13 (h. los cuales son de longitud desigual.603641.6684701.1663479 y 0. FIGURA 21. los dos últimos segmentos. a) Regla trapezoidal y b) Combinación de reglas de Simpson y trapezoidal. eum eum = O DO i=1.n 1 0 IF A35 (h . fj_ f-) EL5E eum = eum + Simp33 (h. respectivamente. Univon . El algoritmo se lista en la figura 21. FP EL5E IFk = 2 THEN eum = eum + 6\mp13 (h..22) es una proposición bastante simple. se pueden evaluar con la regla trapezoidal para dar valores de 0. x.n eum = eum + (x¡ .x )*(y END DO Trapun = eum END Trapun H b) H + y¡)/2 FUNCTION Uneven (n.642 FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES los dos segmentos desde x = 0. Esto representa un error e = 2. y.. . o) FUNCTION Trapun (x.eum .16a. el cual es superior al resultado que se obtuvo mediante la regla trapezoidal del ejemplo 21.64 para obtener I = 0.. fj_ ENDIF k=1 END IF END IF h = hf END DO 3 2 2 2 hf = x -Xj j+1 fj) UFE: LMm*»n.44 hasta 0.7. DO J = 1. Programar la ecuación (21. t Programa de cómputo para datos espaciados de manera desigual.hf) < .16 Pseudocódigo para integrar datos desigualmente espaciados. n) LOCAL I. fj_ fj_ f^) k = k-1 EL5E k = k+1 END IF EL5E IFk = 1 THEN eum = eum + Trap (7% FJ_. Finalmente. f) h=x -x k=1 eum = O.1297500.

20 Sin embargo.8. se implementn la regla trapezoidal. Cuando los segmentos adyacentes son de longitud desigual. 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.21. 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. Como con las versiones cerradas. Por esta razón desarrollamoa un segundo algoritmo que incorpora esta capacidad. Si tres son iguales. como NO analiza en el capítulo 22.UN fórmulas abiertas no se usan a menudo para integración definida. Sin embargo. 4 Fórmulas de integración abierta da Newton Cotos. no sólo permite la evaluación de segmentos de datos desiguales.5) de manera quo el peso de los datos para estimar la altura promedio sea aparente. Si dos segmentos consecutivos son de igual longitud.| 3 24 llf| )-14f|x ) X l 2 + |95/144)f) fl >|§) 5 4 26f|x3)-14f|x ) 4 (41/140)//f (£) |6. el procedimiento es resaltado ai se implementan las reglas de Simpson cuando sea posible. se aplica la regla de Simpson 1/3. se una la regla 3/8.| 2 2f|x. .4 I E R T A TABLA 2 1 . ya que requieren menos puntos para alcanzar la misma precisión que con las fórmulas de segmentos nones y puntos pares. tienen utilidad para analizar integrales impropios.5) para que los factores ponderados sean evidentes. 21. Las fórmulas se presentan en «I formato de la ecuación (21. como se demostró en el ejemplo 21. Las fórmulas de segmentos pares y puntos nones son por lo común los métodos de preferencia. Como se ilustra en la figura 21.1 6b. El tamaño de paso está dado por h . 1 .(b . Las fórmulas se expresan en la forma de la ecuación (21. sino que al usar la información igualmente espaciada. Así. Adetnáa.a)/n. pares sucesivos de las fórmulas tienen el mismo orden de error. representa un algoritmo básico para todo propósito en la determinación de la integral de datos tabulados. tienen In relevancia de nuestro análisis de métodos multipnsos para la solución de eotiflolonen diferenciales ordinarias en el capitulo 26. el algoritmo verifica la longitud de los segmentos adyacentes. se reduce a las reglas de Simpson. Como tal.4 resume las fórmulas de integración abierta de Newton-Cotes.)-í|x | ? + (l/3]/> f"(íl 3 |b-o) fa [3/4}h fU) 3 _ 2f(x.

1 con una regla trapezoidal de aplicación múltiple.1 con una aplicación múltiple 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 4.7 Evalúe las integrales del problema 21. c) regla de Simpson 3/8.4 0. j) el método de punto medio. 21. Jo 0A x {l. c) regla de Simpson 3/8.A¿ + x ) dx (8 + 4senx)<¿x c) J Jo 15 2t dx 21.x . 21. 21.5 Analice los resultados.4 Evalúe las integrales del problema 21. Analice sus resultados.2 Emplee una sola aplicación de la regla trapezoidal para evaluar las integrales del problema 21.14 Evalúe la integral de los siguientes datos tabulados con la regla trapezoidal: X 0 1 0. 21. Use una n lo suficientemente grande para que tenga usted 4 cifras significativas de exactitud. Para los dos casos. .2-x)(\-e 20 (.8333 para evaluar la exactitud de las aproximaciones trapezoidales. 21.16. Para las evaluaciones numéricas use d) una sola aplicación de la regla trapezoidal.3 0./) fórmula de integración abierta con 3 segmentos/2 puntos y g) fórmula de integración abierta con 4 segmentos/3 puntos. 21.9 Integre la siguiente función en forma analítica y con las reglas de Simpson.6Evalúe las integrales del problema 21. P i n l u •valuaciones numéricas use a) una sola aplicación f Jo 21. (1 . conn = 1. y h) fórmula de integración abierta con 4 segmentos/3 puntos. pero ahora use las reglas de Simpson.5 Evalúe las integrales del problema 21. use la versión de aplicación múltiple con n = 4. 21. 2. b) la regla de Simpson 1/3.14.3 Evalúe las integrales del problema 21. 21. 21. e) regla de Boole.4 y 6.13 Integre la siguiente función.1.)dx x 5 4 de la regla trapezoidal. 21. e) método de punto medio.644 PROBLEMAS FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES 21. Evalúe esta integral con la regla trapezoidal de segmento múltiple.12 Integre la siguiente función en forma analítica y numérica.1 Use medios analíticos para evaluar a) j* b) J (1 - e.1 con una sola aplicación de la regla de Simpson 3/8.1 con una sola aplicación de la regla de Simpson 1/3. 21.15 Realice la misma evaluación que en el problema 21.16 Evalúe la integral de los siguientes datos tabulados mediante la regla trapezoidal: -3 -1 dx flx) 1 1 3 21. d) regla de Boole.17 Realice la misma evaluación que on el problema 21. g) la fórmula de integración abierta con 3 segmentos/2 puntos.2 0. con n = 2. paro ai^¡aj||Jij»jegla» de Simpson.+ 5) dx 3 Calcule los errores relativos porcentuales de los resultados numéricos.1 0.602297. f|x) 7 4 3 5 2 Calcule los errores relativos porcentuales para los resultados numéricos. pero ahora use una aplicación múltiple de la regla de Simpson. con n = 5. con n = 4 y 6. 21. b) regla de Simpson 1/3. Use las reglas trapezoidal y lá de Simpson 1/3 para integrar numéricamente la función.1. 21.8 Integre la siguiente función mediante la regla trapezoidal.v -l) ) dx Observe que el valor real es 0.10 Integre la siguiente función de manera analítica y numérica. d) aplicación múltiple de las reglas de Simpson (« = 5).11 Integre la siguiente función on forma analítica y nuniériM. (8 + 3 sen x) dx Calcule los errores relativos porcentuales de los resultados numéricos. con n = 4 y 5: j (4x.

71* .12.10 y e) el problema 21. 2 1 .7 o 0.13.3012 en la figura 21.I I . c) sólo con aplicaciones de la regla de diferentes tamaños de paso para cada problema. • 3y +xy ) dx dy Use la opción gráfica para que le ayude a visualizar el concepto il) timilllieumente. 2 5 Use el programa Intégrate Function del disco T O O L K I T 1 1 . 2 4 Desarrolle un programa de cómputo de uso amigable para H I I H I I I K O S .2.2.9.IV función para la regla trapezoidal de aplicación múltiple con base en la figura 21. 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.4) y I I H M versión de la regla de Simpson con cinco segmentos para •lllinm In integral. 2 1 . imkulc el error relativo porcentual (£. b) usando la ecuación (PT6.8JC + 1.V . y c) mediante la ecuación (PT6. 2 0 I i valúe la siguiente integral doble: de métodos numéricos (o su propio programa a partir del problema 21.9048 0.Ü72^' 2 3 2 y 10 a) graficando la función y estimando en forma VlHlIH1 el valor medio.22) para repetir a) el problema 21. Entre otras cosas.3. emplee las reglas de Simpson 21. Para b) y e ) calcule el error relativo porcentual (('. b) el problema 2 1. Calcule el error relativo porcentual. \ J-4J0 J-l 2yz) dx dy dz d) analíticamente y b) usando sólo aplicaciones de la regla de Simpson 1/3.0. c) el problema 21. 2 3 Desarrolle un programa de cómputo de uso amigable para 0.8.). 2 1 . I N Determino el valor medio de la (unción /( o • •ULTRA SlmpHon 1/3. Intento liupivimliil (/i = 2). Para b) calcule el error relativo porcentual (e. 21.).3867 0. a) agregue comentarios de docullil < • mentación al código.95 1.7408 0.4.166. t'viilíic la integral desde a = 0 hasta b = 1. Para b) y c).2 con a) medios 2 1 . Pruebe HltlilD espaciados: su programa con los mismos datos de cálculo del problema 21 .14c. 2 2 Desarrolle un programa en computadora de uso amigablo II.6065 0. 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. 2 1 Evalúe la integral triple 4 4d + 45.2 la versión de aplicación múltiple de la regla de Simpson con base I 0. 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.4966 0.4) y la evaluaR O N ttiinlilica de la integral. d) el problema 21. 1 2 2 b a .3 0.5.8. Pruébelo con los mismos datos de cálculo del ejemplo 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.).1 0.5 0.

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

13) y (21. . aunque se lengu que hacer manipulaciones matemáticas. Esta información se emplea entonces para generar valores igualmente espaciados de x dentro de la función. a. b) h = (t>-a)/n x =a eum . 2 3 4 5 22. los valores de la función en la figura 22. intervalo de integración (a.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. Esta observación es soportada por la figura 22. b) h = (b-a)/n x =~a eum = f(x) D0l = 1. 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. Es muy similar a las técnicas analizadas en el capítulo 21 .1 Mi|IHilmos para M|ilii liciones múltiples de las I M I | | I I S a) trapezoidal y b) de 'iinipson 1 / 3 . b) y el número de segmentos pasados. note también que para grandes valores de n.2.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.n-2. a. Sin embargo.f(x) D0l = l.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. Desarrollamos programas con simple precisión.1 se calculan mediante llamados de la función sujeta a análisis. se alcanzan mejores resultados con menos esfuerzo. Observe cómo el error disminuye en tanto n aumenta. Para la variable dependiente. en el sentido de que etttá basada en aplicaciones sucesivas de la regla trapezoidal. Observe además que se requiere un número muy grande de evaluaciones de la función (y.2 + 25x — 200X + 675JC — 900 JC + 400x . las ecuaciones para el error [ecuaciones (21. donde la liini n'in está disponible. basados en esos pseudocódigos.19)] indican que el aumento en el número de segmentos n resultará en una estimación más exacta de la integral. Sin embargo. por tanto. esfuerzo computacional) para alcanzar niveles altos de exactitud. Como una consecuencia de estos defectos. el error empieza a aumentar cuando los errores de redondeo comienzan a dominar. Para una función analítica. la cual es una gráfica del error verdadero contra n para la integral def(x) = 0.22. 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.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./(X).

n (22. I ..3 usamos un refinamiento iterativo para mejorar la solución de un conjunto de ecuaciones lineales simultáneas.l 64 I I. Observe que ambos resultados indican que para un gran número de segmentos.1) .648 INTEGRACIÓN DE ECUACIONES 100 10 O " 1 0 a • C B 1 0 0 . 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. y se les conoce por lo general como extrapolación de Richardson. 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. Esos métodos usan dos estimaciones de una integral para calcular una tercera más exacta.8 mediante la regla trapezoidal de aplicación múltiple y la regla de aplicación múltiple de Simpson 1/3. y E(h) — error de truncamiento. I{h) — aproximación de una aplicación de n segmentos de la regla trapezoidal con un tamaño de paso h = (b — a)ln.2. 10 -5 Límite de precisión Regla de Simpson 1/3 Límite de precisión L U 22. e o a . I .3.1 2 . Si hacemos dos estimaciones por separado mediante tamaños de paso de h\ Y 2 Y tienen valores exactos del error. .1 16 32 I . 5 3 10 -3 a> i 4 < D . El error estimado y asociado con una aplicación múltiple de la regla trapezoidal puede representarse de manera general como / = /(/.) + E(h) donde / = valor exacto de la integral.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 c 2 0 0 X + 6 7 5 X 900/ +4 0 Ü X . - 10 -6 I I .1 0 FIGURA 22. los errores de redondeo limitan la precisión.

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

640533 .0688 1.4 0.367467 = 0.900x + 400x desde a = 0 hasta b = 0. 15 "' 15 m 6 s v (22.1.623467 que representa un error deE = 1. las estimaciones para dos y cuatro segmentos se pueden com| binar para obtener | ¡ '4 1 í ! / = . 0 6 8 8 ) = 1. Este procedimiento es un subconjunto de un método más general para combinar integrales y obtener estimaciones mejoradas.1728 1.1) usamos ¡ una variedad de métodos de integración numérica para evaluar la integral de f(x) = 0.6%). t t La ecuación (22. la ecuación usada para la exactitud de 0(h ) es 2 4 4 6 6 / ^ —/.^(0.8. en el ejemplo 22.5) para calcular la estimación mejorada de la integral.1728) = 1. 4 8 4 8 ) . dos resultados 0(h ) pueden combinarse para calcular una integral que es 0(h ) por medio de (22. i aplicaciones simples y múltiples de la regla trapezoidal dan los siguientes resultados: 2 3 4 s Segmentos 1 2 4 0.„ . | / = -(1.( 1 .017067 (e = 1.2 h Integral 0.2 | + 25x .623467 = 0.0%). respectivamente.650 EJEMPLO 2 2 ..( 1 . = 16. Las estimaciones de uno y dos segmentos se pueden combinar para dar | Solución. Para el caso especial donde las estimaciones del trapezoide original están basadas sobre sucesivas mitades de tamaño de paso. Como ilustración. calculamos dos integrales mejoradas de 0(h ) sobre la base de tres estimaciones de la regla trapezoidal. Por ejemplo. a su vez.1.5 34. 1 INTEGRACIÓN DE ECUACIONES Correcciones de error de la regla trapezoidal | Enunciado del problema. j De la misma manera. combinarse para obtener aun un mejor valor con 0(h ).8 0.0688) . De manera similar. En el capítulo anterior (ejemplo 21.1. = 1.6) ' donde I e I¡ son las estimaciones mayor y menor. Esos dos cálculos mejorados pueden.4848 e„% 89.367467 | El error de la integral mejorada es E. j el cual es superior a las estimaciones sobre las cuales se basa.200x + 675x .7) .640533 .273067 (£.9 9.4) 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 ).— /.1 y tabla 21.5 | ¡ Use esta información junto con la ecuación (22.

22.6) y (22.6) para | combinar esas estimaciones y calcular una integral con 0(h ). Las dos estimaciones de la integral de 0(h ) obtenidas en el ejemplo 22 . El subíndice k significa el nivel de la integración. 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. lin el ejemplo 22. y asi sucesivamente. 2 Corrección de error de orden luperior para estimaciones de la integral J Enunciado del problema. De esta manera. 4 6 ] ! 1 Solución. y así en forma sucesiva. Por ejemplo.jfc-l 7 J+l k (22. (22. Utilice la ecuación (22. . la ecuación (22.i . ! = las integrales más y menos exactas. La forma general representada por la ecuación (22.1 la cual es equivalente a la ecuación (22. Las otras columnas di la matriz son generadas de manera sistemática mediante la ecuación (22. e Ij = la &I integral mejorada.8) donde I .5).8) es atribuida a Romberg.2 4/ .5). respectivamente.623467. al aumentar la exactitud. k = 3 a 0(h ). Cada matriz corresponde a una sola iteración. y su aplicación sistemática para evaluar integrales se denomina integración de Romberg. Estas formulaciones se pueden expresar en una forma general que se ajusta muy bien para la implementación en computadora: | l y+l.8) para obtener OBda ve/.367467 y 1.3 es una ilustración gráfica de la secuencia de la estimación de la integral generada con este procedimiento. La figura 22. 3 6 7 4 6 7 ) = 1./ 1.1 usamos la extrapolación de Richardson ¡ para calcular dos estimaciones de la integral de 0(h ). k = 2 corresponde a 0(h ). El subíndice j se usa para distinguir entre las estimaciones más (f + 1) y menos (/') exactas. éstos representan los factores ponderados que. 2 .8) se convierte en k 4 6 •i lk2 I 1. 6 2 3 4 6 7 ) . dan un peso relativamente mayor sobre la estimación de la integral superior. . La primera celumna contiene las evaluaciones de la regla trapezoidal que están designadas por fp. Estos valores pueden sustituirse en la ecuación (22. donde j — 1 es para una aplicución de un solo segmento (el tamaño de paso es b — a).7)] aumentan hasta 1.6) para 4 obtener i | I / = ( 1 . para k = 2 yj = 1.j = 3 es para una aplicación de cuatro tegmentos [el tamaño de paso es (b — a)/4].^ ( 1 .2 EJEMPLO 2 2 . 2 2 .640533 que es una respuesta correcta con las siete cifras significativas que se han utilizado en este ejemplo. j = 2 es para una aplicación con dos segmentos [el tamaño de paso es (b — a)/2].1 fueron 1. mejores estimaciones do la integral. donde k = 1 corresponde a la regla trapezoidal original.

367467 0(h*) 0(n«) b) FIGURA 22. para asegurar la exactitud de los resultados. a.068800 • 1.0688000.k + END DO ea = A35((l . . maxit. es) EXIT END DO 1¡tter+Í l f t liter+ Rhorntot? m / )(((frt( .í J / l .172800 1.640533: 1.172800 1.i 100% FIGURA 22. e I )._. La ecuación (22.367467.623467 - .3 Ilustración gráfica de la secuencia de las estimaciones de la integración que se generó con la integración de Romberg.5)] 21 2 0(h ).623467 • . Un método que puede emplearse para el propósito actual es [véase ecuación (3.367467 . se requiere una terminación.9) - Iu . b) iter = O DO Iter = iter + 1 n = 2*"" W u = TrapEq(n.10) n = 1 • /.640533 c) . FUNCTION Rhomberq (a. el cual tiene un error de Ahora. a. 1 . Como en los otros métodos aproximados en este libro. iter + 1 j = 2 + iter . o criterio de paro. debemos verificar para establecer si este resultado es conveniente para nuestras necesidades. = TrapEq(n.600800 • .484800 • 0.068800 1.367467 .640533 Por ejemplo. (22.3a) involucra calcular estimaciones con la regla trapezoidal para uno y dos segmentos ( / [ . b. = 1.484800 • 1.1728001. b) D0k = 2.4 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 .640533- .652 INTEGRACIÓN DE ECUACIONES a) 0. es) LOCAL 1(10.) * 100 IF (Iter £ maxit OR ea <.8) se A usa entonces para calcular el elemento J. la primera iteración (véase figura 22.639467 • .

5a. como se describe en la figura 22. = 1. . Después de sólo tres iteraciones.623467.3) es que la estimación de la integral se basó sobre valores de la función uniformemente espaciados.5a donde la fórmula resulta en un error grande. La integración de Romberg es más eficiente que la regla trapezoidal y las reglas de Simpson analizadas en el capítulo 21. El objetivo de la segunda iteración (véase figura 22. En contraste.8) se aplica para calcular en forma sucesiva integrales más exactas a lo largo de la diagonal inferior. 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. Debido a que la regla trapezoidal debo pasar a través de los puntos extremo. cuatro y ocho segmentos.4 representa el pseudocódigo para la integración de Romberg. 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.22.3c) continúa el proceso en la misma forma. La ecuación (22. una estimación trapezoidal se agrega a la primera columna. esta evaluación indica un 87.6% cuando se compara con el resultado previo / . so 1.1.4% de cambio sobre el curso de la primera iteración. es decir.640533. Esto se combina entonces con I mediante la ecuación (22. De esta mnncru. La tercera iteración (véase figura 22. Una característica de éstas (con excepción del caso especial de la sección 21. el resultado ( 1 . corno se hizo antes en otros procesos llerottvoN.640533) es exacto.4848. Podría no ser posible realizar aproximaciones más finas debido al error de redondeo.640533. para obtener /. y entonces la ecuación (22. Esto se debe al conocimiento de la función que permite las evaluaciones requeridas para la implementación inicial de la regla trapezoidal. Por ejemplo. La integración de Romberg está diseñada para casos donde se conoce la función que será integrada.3a.9) se puede aplicar para determinar que este resultado representa un cambio del 22. comparamos la nueva estimación con el valor anterior. La fórmula que se usa para calcular el área es l=(b-a) f(a) + f(b) 2 (22. ¡con sólo 13 evaluaciones de la función! La figura 22. exiaten O A A O A como el de la figura 22. el cálculo termina. . 7 ! = 1. Al usar ciclos.3 Cl donde e„ «• una eatimaelón del error relativo porcentual. El resultado se combina.36) es obtener Ja estimación 0(h ). debido a que evaluamos un polinomio de quinto orden.10) donde a y b = límites de integración y h — a = ancho del intervalo de integración. Por ejemplo. este algoritmo implementa el método en forma eficiente. se determina una estimación adicional con la regla trapezoidal. la integración de Romberg da un resultado exacto (hasta con siete cifras significativas) basado en la combinación de las reglas trapezoidales con uno. para la determinación de una integral como la expuesta en la figura 22. Para la figura 22. Los datos tabulados están rara vez en la forma requerida para dividirlos a la mitad sucesivamente. la localización de los puntos base que se usó en esas ecuaciones fue predeterminado o fijo. En este caso. (/j ) .8) para generar I = 1. con /. Para hacer esto. dos. a su vez. la regla de Simpson 1/3 requeriría una aplicación con 256 segmentos para dar un estimado de 1. Cuando el cambio entre I ON valores anteriores y nuevos como el que representa E está por debajo de un criterio de error preespecificado £ . En consecuencia.

HC expresa la ecuación (22. podríamos llegar a una evaluación mejorada de la integral. Cuadratura de Gauss es el nombre para una clase de técnicas para implementar tal estrategia. lo cual proporciona una estimación . Antes de exponer el procedimiento. como en la figura 22.3. podríamos definir una línea recta que equilibraría los errores negativo y positivo.5 o) Ilustración gráfica de la regla trapezoidal como el área bajo la línea recta que une puntos extremo fijos. mostraremos cómo las fórmulas de integración numérica tales como la regla trapezoidal pueden derivarse mediante el método de coeficientes indeterminados.ll) .mejorada de la integral. El método de coeficientes indeterminados ofrece un tercer procedimiento que también tiene utilidad para derivar otras técnicas de integración como la cuadratura de Gauss.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. Para ilustrar el procedimiento. los errores positivo y negativo se equilibran. Las fórmulas particulares de cuadratura de Gauss descritas en esta sección se denominan fórmulas de Gauss-Legendre. De ahí que. a) Ahora. Al posicionar esos puntos en forma inteligente. 5b. Al ubicar esos puntos en forma inteligente.654 INTEGRACIÓN DE ECUACIONES FIGURA 22. b] Una estimación de la integral mejorada obtenida al tomar el área bajo la línea recta que pasa por dos puntos intermedios.10) como f22. 22. Este método entonces se empleará para desarrollar las fórmulas de Gauss-Legendre. 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.

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

c o — b —a + c . para integración por medio de cuadratura de Gauss.11). 7 Ilustración gráfica de las variables desconocidas XQ y x. 22. los argumentos de la función x y x. 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. no están fijos en los puntos extremo. al sustituirse en la ecuación (22.2 D e s a r r o l l o de la fórmula de Gauss-Legendre de d o s p u n t o s Como fue el caso para el desarrollo anterior de la regla trapezoidal. da I = b -^ <^f(b) m+ que es equivalente a la regla trapezoidal. — = 0 Estas dos ecuaciones con dos incógnitas se pueden resolver para b —a la cual. Sin embargo. en contraste con la regla trapezoidal que usa los puntos extremo fijos ay b. requerimos cuatro condiciones para determinarlas con exactitud.3. 0 FIGURA 2 2 . pero son desconocidos (véase figura 22. 5 ^ / -1 XQ X. ahora tenemos un total de cuatro incógnitas que deben ser evaluadas y. De esta manera.7).656 INTEGRACIÓN DE ECUACIONES y b —a . 1 X . en consecuencia.12) donde las c = coeficientes desconocidos.

.16) pueden ser resueltas simultáneamente para c = 0 0 Ci = 1 x = — \ = = -0.5773503. Observe que los límites de integración en las ecuaciones (22.13) a (22. estos valores podrán sustituirse en lu ecuación (22. Para hacer esto.12) ujuslu la integral do una constante y de una llmclón lineal con exactitud. V3 x que puede ser sustituida en la ecuación (22.un | </.I) (22.14) - £ : : dx = 2 3 (22.17) Así.13) a la (22.19) . determinamos las cuatro incógnitas y en la condición derivamos una fórmula de integración lineal de dos puntos que es exacta para cúbicas..Asi oomo p a n t i n f l a trapezoidal.15) (22.12) para obtener la fórmula de Gauss-Legendro de dos puntos (22.(.13) C\f(Xi) Cof(Xo) + cof(xo) + c\f(xi) dx =0 (22. x = a. V3 x = ~ = 0.18) para dar a .5773503. podomos obtener dos de esas condicioneii al suponer que la ecuación (22. corresponde a x = — 1. 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. Es posible usar un simple cambio de variable para trasladar otros límites de integración en esta forma. como en d (ID +a\x l¡ (22. Esto se realiza al suponer que una nueva variable x se relaciona con la variable original x en una forma lineal.. sólo oxtenderémoi este razonamiento al suponer que también ajusta la integral de una función parabólica (y = x ) y de una cúbica (y = x ).18) tl Si el limite inferior. Donpiióa.. Las cuatro ecuaciones que habrán de resolverse son: 2 3 cof(xo) +c f(x ) l ] (22.16) son desde — 1 a 1.16) co/Oo) + C l / ( * l ) : dx = 0 3 Las ecuaciones (22. paru tener las otras dos condiciones. Esto se hizo para simplificar la matemática y para hacer la formulación tan general como sea posible.

23) Esta ecuación puede diferenciarse para dar dx = .640533.3 Fórmula de Gauss-Legendre de dos puntos Enunciado del problema .2 + 25x .y .24) podrán sustituirse para x y dx. para dar u b = a +a ([) () l (22. respectivamente.4 + 0.4 dx d . Antes de integrar la función. El siguiente ejemplo ilustra cómo se realiza esto en la práctica.23) para obtener x = 0.8. Esas sustituciones efectivamente transforman el intervalo de integración sin cambiar el valor de la integral. Solución.24) d Las ecuaciones (22. x = b.200x + 675x 3 . Para ello.18) para obtener x = (b + a) + (b 2 a)x d (22.20) Las ecuaciones (22. debemos realizar un cambio de variable para que los límites sean de — 1 a + 1 . corresponde a x = 1. Recuerde que éste fue el mismo problema que resolvimos en el capítulo 21 con una variedad de formulaciones de Newton-Cotes. El valor exacto de la integral es 1 .24)] I dx .4Ad La derivada de esta relación es [véase ecuación (22. 8 e n l a ecuación (22. sustituimos a = 0 y ¿ = 0 . EJEMPLO 22. el límite superior. Use la ecuación (22.19) y (22.17) para evaluar la integral de 2 f(x) = 0.22) las cuales se pueden sustituir en la ecuación (22.23) y (22.20) podrán resolverse simultáneamente para b + a y b — a (22.0 .21) (22.658 INTÍORACIÓN DE ECUACIONES ü e manera similar.dx (22. en la ecuación que se habrá de integrar.900x + 4 0 0 * 4 5 entre los límites x — 0 a 0.

0000000 = 1.1 Factores de peso c y argumentos de la función x usados en las fórmulas de Gauss-Legendre.\ 0Ax ) d í/ m 675(0.3478548 0 = -0. como se buscó una selección inteligente de los puntos base.'i C .4x ) ]0.1 / V 3 para ser igual a 1.6521452 3 = 0.0.200(0.1) o a una simple aplicación de las reglas de Simpson 1/3 y 3/8 (véase ejemplos 21.774596669 i = 0.516741 + 1. Factores de peso C Puntos 0 Argumentos de l a f u n c i ó n x E r r o r de truncamiento C) = 1.900(0.538469310 X = 0.2369269 0.6521452 2 = 0.906179846 Co c l = 0.1 %.305837 = 1.4 + 0.339981044 x = 0.1713245 A . la integral.3607616 c 2 = 0.339981044 3 = 0.Ambas ecuaciones pueden ser sustituidas en la ecuación original para dar .538469310 x = 0. de acuerdo con la ecuación (22. La función transformada se puede evaluar en — 1/V3 para ser igual a 0.4 dx Por tanto.) .5555556 0 2 c o -0.861136312 X 0 l x 2 X = = C2 = 3 = = C C Cl c 4 0.906179846 = -0.17).9324695 M í X 0 x l 2 x *A x - .2 I 2.238619186 0.661209386 0.4 + 4 (>15.577350269 C = 0.4x. Este resultado es comparable en magnitud a la aplicación de cuatro segmentos de la regla trapezoidal (tabla 21. Por tanto.H / Jo =j (0.360761 ó 0.0000000 o = -0.4x f + d +400r )í/. TABLA 22.4 + 5 d 0.4 + 0.4679139 c.305837.861136312 = -0.5555556 = 0. Es posible predecir este último resultado debido a que las reglas de Simpson son también de tercer orden de exactitud.6).577350269 = 0.4 + 0.2369269 0.8888889 c = 0.661209386 x = -0.4786287 0.1713245 = -0.238619186 3 0. .\v 2()(h' I [0.3478548 Cl c c = 0.4679139 - -0.•11.4 y 21.2 + 25(0.4786287 0.932469514 = -0.774596669 x x x 2 o 0. Sin embargo.0 X 0 l x 2 x 3 = 4 0. es / = 0.5688889 0..516741 v e n .4x¿) + 400(0. la cuadratura de Gauss alcanza esta exactitud con base en sólo dos evaluaciones de la función.0.1 J -900A' 4 . el lado derecho está en la forma adecuada para evaluación mediante cuadratura de Gauss.822578 la cual representa un error relativo porcentual de — 11.A' .0 0.

De acuerdo con la tabla 22. EJEMPLO 2 2 .4859876 = 1.5555556/(-0.4393 . no es apropiada para casos donde la función se desconoce. c = 12. El valor exacto de la integral se determinó por cálculo y fue de 289.3.0145 Estimación con tres puntos = 289.7745967) la cual es igual a / = 0. Después de modificar la función. 4 Solución.8732444 + 0. cuando se conoce la función.660 INTEGRACIÓN DE ECUACIONES 22. Debido a que la cuadratura de Gauss requiere evaluaciones de la función en puntos espaciados uniformemente dentro del intervalo de integración.8888889/(0) + 0. múltiple para evaluar En el ejemplo 21.3 se usó la regla trapezoidal de aplicación donde g = 9. Así. Recuerde que la mejor estimación obtenida mediante la regla trapezoidal con 500 segmentos fue 289. Con la fórmula de tres puntos de la tabla 22. Los valores de las c y las x incluyendo la fórmula con seis puntos se resumen en la tabla 22.1.4348 con un |e.5555556/(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. se puede desarrollar versiones de punto superior en la forma general / = c /(jr ) + c i / ( * i ) + 0 0 • • • + C„_.640533 que es exacta.4351.| s 1. Esto es en particular cierto cuando se debe realizar muchas evaluaciones de la integral.1 calcule la integral para la misma función que en el ejemplo 22.5 y m = 68.15 X 10" %.7745967) + 0.25) donde n = número de puntos. Solución. Repita este cálculo usando la cuadratura de Gauss. 4 Fórmula de Gauss-Legendre de tres puntos Enunciado del problema. se obtienen los siguientes resultados: Estimación con dos puntos = 290.8.1.2813013 + 0. no es adecuada para problemas de ingeniería que tratan con datos tabulados.3.1./(JC„_I) (22. EJEMPLO 22.5 Aplicación de la cuadratura de Gauss al problema del paracaidista en caída Enunciado del problema. su eficiencia puede ser una ventaja decisiva. Sin embargo. la fórmula de tres puntos es / = 0.

4352 Bstimiiclón con cinco puntoH 289. f[.3. pura muchas funciones confrontadas en la práctica de la ingeniería. 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. 1969) E.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. = 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.25) con seis son exactos hasta la 22.CMT)'" w J <22 ' » 27 dos: para ab > 0. la cuadratura de Gauss proporciona un medio eficiente para la evaluación de las integrales. En esas situaciones. o cuando a es —o» y b es negativa. Al comparar la ecuación (22. (2 +2) i puntos para caería que íciencia zar mu- 22.4 INTEGRALES IMPROPIAS Hasta aquí. contando con que las derivadas de orden superior no aumenten sustancialmente con un incremento en ra.26) con la tabla 21. la integral se implementa en dos pasos. Aunque esos tipos son de uso común en ingeniería.« a u n valor positivo o desde un valor negativo a °°. sería preferible la api i cación múltiple de la regla de Simpson o de integración de Romberg.¡arrollar Estimación con CUBtm punto» 289. habrá ocasiones en que se deba evaluar integrales impropias.. que (22. El problema 22. Sin embargo. Para casos donde los límites son desde .2 queda expuesta la superioridad de la cuadratura de Gauss sobre las fórmulas de Newton-Cotes.8 al final de este capítulo ilustra un caso donde las fórmulas de Gauss-Legendre tienen un desempeño pobre.4351 Así.\)dx-j f{x)dx\ \ JXx)dx % i -nu J A . Por tanto. Por ejemplo. En esta sección nos concentraremos en un tipo de integral impropia (es decir. La siguiente identidad sirve para este propósito y trabaja para cualquier función que disminuye hacia cero al menos tan rápido como l/x en tanto x se aproxima al infinito: 2 da licación linó por : la regla pita este Í' *=. las estimaciones c o n c i n c o y seis puntos dan resultados séptima cifra significativa.4351 Estimación con seis p u n t o s 289. se puede usar sólo cuando a es positiva y b es °°.

Después la integral ha sido dividida en dos partes: la primera podrá evaluarse con la ecuación (22. Evaluación de una integral impropia .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.4.)] m (22. es posible desarrollar fórmulas semiabiertas para casos donde uno u otro extremo del intervalo es cerrado. Para permitir la máxima flexibilidad.27) para evaluar una integral es que la función trasformada será singular en uno de los límites. Por ejemplo. Las versiones de aplicación múltiple de las fórmulas abiertas podrán confeccionarse mediante fórmulas cerradas para los segmentos interiores y fórmulas abiertas para los extremos. una fórmula conveniente es (Press y cois. Enunciado del problema.6 + f(x ) + ••• + f(x .8). * / i2 % 2 * 6 « 1 — \ * n e / 8 /I—I * n 3 2 / * n i « L _ 1 0 1 . Observe que esta fórmula se basa en los límites de integración que son k/2 después y antes del primer y último dato (véase figura 22. una fórmula 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 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. 1986) / " /(*) dx = h[f(xi ) /2 JXo E J E M P L O 22. se requiere de una versión de aplicación múltiple de una de las fórmulas de la tabla 21. La distribución normal acumulativa es una fórmula importante en estadística (véase figura 22.27) y la segunda con una fórmula cerrada de Newton-Cotes tal como la regla de Simpson 1/3..662 INTEORACIÓN DE ECUACIONES donde —A se elige como un valor negativo lo suficientemente grande para que la función comience a aproximarse a cero en forma asintótica al menos tan rápido como 1/x . Por ejemplo. Un problema con el uso de la ecuación (22.9): FIGURA 22 . 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./2) n 3 + f(x„.

22.I) donde x = (y — y)ls se llama desviación estándar normalizada. si x 1. Le ecuación (E22. P A R E J E M P L O .1) representa lu probabilidad de que un evento sea menor que x. la ecuación (1'.6. El área achurada en a) y el punto on c) representan la probabilidad de que un evento aleatorio sea menor que la media más una desviación estándar.FIGURA 2 2 . b) la abscisa transformada en términos de la desviación normal estandarizada.6. 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 22.1) podrá usarse pura determinar que la proba- .6. 9 o) La distribución normal. N(x) = y (E22.%). y c) la distribución normal acumulativa.

i'"'e-* ' dx+ 2 2 V27T \J-oo J-2 f 2.1) se puede expresar en términos de la ecuación (22.l / 1 6 ) ] = . por ejemplo. 6 0 6 5 3(6) _ [1 = ( 2)] 2.[ 0 . . si ocurren 100 eventos.3 / l 6 ) + / U . 0 5 2 3 ) V2TT = 0.¿) e. Segundo. Press y cois.27) para dar -2 . «> El cálculo anteriorpuede ser mejorado de diferentes maneras.28) -Lf 1 llTt . (1986) proporcionan un buen análisis lobre lo» medioi par» meat^aMiMtltuecionei.[ / ( J C _ 7 / 1 6 ) + / ( . 1 3 5 3 + 4 ( 0 .0612 + 0 + 0] = 0.T . En otras palabras.l / 2 R \e~^ dt ~ Después la regla extendida de punto medio con h = 1/8 se empleará para estimar 0 i ^ 1/2 ' . Primero. Solución. 8 8 2 5 + 0 . 6 0 6 5 + 1) + 0 . 3 8 3 3 + 0. hay otras formas en las cuales una integral puede ser impropia. dt = 1 . Press y cois. puede usarse más puntos.0556 Es factible usar la regla de Simpson 1/3 con h = 0.0523 Por tanto. 8 8 2 5 ) + 2 ( 0 . (1986) exploran con detalle ambas opciones.6. se podría usar fórmulas de orden superior. se resuelve numéricamente y se enlista en tablas de estadísticas. 3 2 4 7 + 0 .5 / 1 6 ) + / ( * . Además de los límites infinitos.8409 la cual representa un error e.6. Como la ecuación (E22.664 | INTEGRACIÓN DE ECUACIONES bilidad de ocurrencia de un evento es menor que una desviación estándar por arriba de la media es N(l) = 0.046%. el resultado final se calculará como 7V(1) = --L:(0. = 0.5 para estimar la segunda integral como e-*-' 2 dx 0 . mediante una integración de Romberg.' dx\ x2 2 / La primera integral podrá evaluarse mediante la ecuación (22. 0 ! /" J-co e-rl dx= 2 f J .1) no puede evaluarse en una forma funcional simple.0556 + 2 .28) en conjunto con la regla de Simpson 1/3 y la regla extendida de punto medio para determinar numéricamente N(l). aproximadamente 84 serán menores que la media más una desviación estándar. Use la ecuación (22.8413. Ejemplos comunes incluyen casos donde la integral es singular en los límites o en un punto dentro de lo integral. como N{x) La ecuación (E22.

P r u é b e o l c o n los resultados d e I ON 12.e s t o es. Use el valor v e r d a d e r od e 4. puntos.p a r a • « 4.ver los p p a r ae resol r o b e lm a s á) 22.14 Utilice el p r o g r a m aq u e desarrollo e n el p r o b e lm a 22.4 y c o n la función e n el p r o b e lm a 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. Verifique q u e e.1. 22. h = (b — a)/3.26). c ó ind eR o m b e r gc o nb a s ee n la figura 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 .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. P r u é b e o l c o n lo» Z 2 .5%.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. 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 .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. +X c o nu n a1 e x a c t t iu d del o r d e nd e h .9).2- A)(l ) dx % n O H lir o t s 2 s dx _ x(x + 2) .1 SDesarrolle u np r o g r a m aq u em i p e lm e n t e la regla e x t e n d d ia ZZ. p a r a la c u a d r a t u r ad e Gauss. b) 22. Ejecute i t eraci o nes h a s t a q u e l a a p r o x m i a c ó i n d e l error e s t m i a d os e enInterprete sus resultados al c o m p a r a r o lsc o n la e c u a c ó i n (22. lirulcs: A: 2 IZ.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 22.11 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. 22. C a c lu e l e.4.5 y c) 22. O b s e r v eq u ee s t o significa q u eu n tercio d e la función estimad ah a b r á sido d e t e r m n ia d ae n la iteración previa. Sus resultados d e b e r á n presen.4. NIIN IHI CU. b) 22. P r u é b e o l c o n la intec o m p a r e e y £. (b — á)l27.5 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. 4 0 b t e n g au n aa p r o x m i a c ó i nd e la integral del p r o b e lm a 22.P R O B L E M A ! ••-«^•PH »* PROBLEMAS 443 12. p a r ac a d ac a s oc o nb a s ee n la sol u ci n 22. s e am e n o rq u e cl criterio d ep a r o e.3 m .10.0602297 p a r ac a c lu a l re . PrueII.2. Sus resultados d e b e r á n22 pre. 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 .11 p a r a puntos.4.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. illiinlo las fórmulas d eG a u s s L e g e n d r ec o n seis puntos.3.3 y 22. tres y p r o b e lm a 22. p a r ac a d ac a s oc o nb a s ee n la sol uci ó n los p resol v er r o b e lm a s a) 22.3 y 22.1. tres y 22.6. p u n t om e d o i a partir d e la t a b a l 21.i o (i + / x i + y^) Urso e n la f o r m ad e la figura 22.') 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. 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.a)/9. II. resultados d e los e e jm p o l s 22.01%).2 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 .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.6.1. 22.H limplee las fórmulas d eG a u s s L e g e n d r ed e s d ed o sc h a s t a la e s u e s v i a c u a c ó i n (22. e jm p o l s 22.3 y 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.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. (b . 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°'(1.10.13Use el p r o g r a m aq u e desarrolló e n el p r o b e lm a 22..3. C a c lu e l e . D e s p u é sa p q il u ed em a n e r a ll. Inicie las i n t e g r a c i o n e s con caidista e nc a d ía .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. e t c é t e ra.3.

Este nivel de exactitud se debe al número de términos de la serie de Taylor que fueron retenidos durante la deducción de esas fórmulas. se puede generar fórmulas por diferencias divididas de alta exactitud al incluir términos adicionales en la expansión de la serie de Taylor. ahora retenemos el término de la segunda derivada al sustituir la siguiente aproximación de ésta [recuerde la ecuación (4.1 DIFERENCIACIÓN DE F Ó R M U L A S C O N ALTA EXACTITUD Como se mencionó antes. Ahora ilustraremos cómo desarrollar fórmulas de mayor exactitud para retener más términos./ ( * < ) JlhrO 2f(x¡ ) + f(xi) • h h + 0(h u ) 2 f ¡ R ~ .21)] (23. Recuerde que. sus errores fueron proporcionales al cuadrado de su tamaño de paso. es decir. En el capítulo 4 desarrollamos las aproximaciones de diferencias hacia adelante. Por ejemplo. la expansión de la serie de Taylor hacia adelante podría escribirse como [véase ecuación (4.24)] (23.4) en la ecuación (23.3) + 0(h) En contraste con este procedimiento. esas estimaciones tienen errores que fueron 0(h ).2) para dar /U/+1 ) . Recuerde que se emplearon las expansiones por serie de Taylor para deducir las aproximaciones de las derivadas por diferencias divididas finitas.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.)h + t-^-h 1 la cual puede resolverse para (23. hacia atrás y centradas de las derivadas primera y mayores.1) f(x i) i+ = f(Xi) + f'(x.CAPÍTULO 2 3 Diferenciación numérica En el capítulo 4 ya se introdujo la noción de diferenciación numérica. en el mejor de los casos. 2 23.

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

La última versión incorpora más términos de la serie de expansión de Taylor y.39í(x.25. i) .0.) + 3 +2 +1 2 3 0 ( / i 4 ) Cuarta derivada p"<( . 2 EJEMPLO 23._i| + 12f(x.2 2 enjjx • O. fXx¡) = -^)+y-3Ax» 2h + 0(h2) Observe que la inclusión del término de la segunda derivada mejoró la exactitud en 0{h ). ._)) .1 _ .) x = + 8f(x.8f(x. es más exacta. Se puede desarrollar versiones mejoradas similares para las fórmulas hacia atrás y centradas..1 a 23. así como para las aproximaciones de derivadas superiores.f|x.| + 16f(x _]) . Mx.) x = ^IXÍ+2) ..) + f(x.-) + f|x.. ] + 12f(x.4 estimamos la derivada de 3 -0.. al agrupar términos.„ f|. ) .S^sando diferencias djvldidaí finitas y un tamaño de paso de h = 0.| . f(x) = -O.39f(x | + 56f(x.15JC .2f(x.8f[x. .1 3f|x._ ) í+ 2 0 ( / í 2j fi 4 f .668 DlFIMNCIACIÓN NUMÉRICA l'rlmoui dorlvada fc'rror p( . | . ) + 8f|x.| ._ | l 2 0 ^ ) 2 2fi p„ 3 (Xi) = .-.25x + 1.1 Diferenciación de fórmulas de alta exactitud Enunciado del problema.5 JT .l + f(x.2f(x¡+]| + 2f(x.) .| +1 f 2 ] 2 h 2 n | .f(x.) __ .3 Fórmulas por diferencias divididas finitas centradas: se presentan dos versiones para cada derivada. en consecuencia.4f(xi_i| 4._i) Xj 0 ^ j 2 f»i .-.0.-|- + 2 ) + 16f|x.-_ ) + 2 0 ( f ) 4 ) 12/) Segunda derivada p'( j = ^k+i) .3 junto con los resultados del capítulo 4. o.+1 2 3 ^ FIGURA 23.f|x._ | +3 +2 .30f|x.f j x . Las fórmulas se resumen en las figuras 23. 4 Tercera derivada p"( ) x¡ = f(x ¡+2) .lx 4 Recuerde que en el ejemplo 4.4 f ( x i ) + 6f(x.-]| + f|x.^ . El siguiente ejemplo ilustra la utilidad de esas fórmulas para la estimación de las derivadas. ) + 1 3f(x.f ( x . ) .

5) = 3(0.3) /'(0. = 5.035156) + 1.925 ) = 0. = 0. de manera sorprendente. la diferencia centrada da un resultado perfecto. Un tercer procedimiento. 2 + 8 ( 0 . los errores para las diferencias hacia adelante y hacia atrás son considerablemente más exactas que los resultados del ejemplo 3. x¡-2 JC._ ) = 2 1.6363281 f(x ) i+2 = 1 = 0.5) -0. i .2 2 La diferencia hacia adelante de exactitud 0(h ) se calcula como (véase figura 23. Sin embargo.8 1.925) = -0.5) Como se esperaba.25) (23.2 E X T R A P O L A C I Ó N DE R I C H A R D S O N Hasta aquí hemos visto que hay dos formas para mejorar la estimación de las derivadas cuando se empican diferencias divididas finitas: 1) disminuir el tamaño de paso o 2) con una fórmula de orden superior que emplee más puntos.13. 6 3 6 3 2 8 1 ) . basado en la extrapolación do Riehardson.2 2(0.1) /'(0.878125 3.3. usu dos estimaciones de la derivada para calcular una tercera aproximación más exacta. Repita este cálculo.2 — —— — = -0.0 .25) 2 £.5 A -.103516 x.25) 4 -0. 0 3 5 1 5 6 ) + 1. E. = 0% 23.714 21.934 -2.4 donde los errores fueron calculados con base en el valor verdadero de —0.2 Hacia cUlanta O(h) Estimación -26.9125 12(0.7 JE Centrada 0.-_I) = 1.+1 = 0.-_I Los datos necesarios para este ejemplo son = 0 /(x.5 Hacia a t r á s O(h) -0.925) .1 a la 23.5) = J .25 /(JC.6363281) .859375 2(0. pero ahora emplee fórmulas de alta exactitud a partir de las figuras 23.75 x i+2 f(x¡) = 0.3(0.2) f (0.4 ( 1 .2 + 4(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.2 = 0.77% La diferencia centrada de exactitud 0(h ) se calcula como (véase figura 23.23. Solución.82% La diferencia hacia atrás de exactitud 0(h ) se calcula como (véase figura 23.9125.

D = \D(h )-\DQi ) 2 x (23. 2 Extrapolación de Riehardson Enunciado del problema .1 ) = -0.= -1.6363281 .1 que la extrapolación de Riehardson proporciona un medio para obtener una estimación mejorada de la integral / por medio de la Fórmula [véase ecuación (22.7) se escribirá para las derivadas como . = .934375) ..1.5 y h = 0.0 D(0.2-1.1 2 donde I(h ) e I(h ) son estimaciones de la integral usando dos tamaños de paso h y h . como en x 2 x 2 2 x I = P(h )-~I(h ) 2 l (23.2 .934375 c e. la ecuación (23.1.25) = e.4)] / ^l(h )+ 2 1 [/fe)-/(/»!)] (23.1.9125 que para el caso actual es un resultado perfecto. 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 . 6 % 0.8) para calcular una estimación mejorada con la extrapolación de Riehardson..8) para obtener 4 1 D = -(-0. EJEMPLO 2 3 .670 DIFERENCIACIÓN NUMÉRICA Recuerde de la sección 22. = . Las estimaciones de la primera derivada podrán calcularse con diferencias centradas como 0.9 .5 empleando tamaños de paso de h — 0.103516 „„„ — = -0.5) = y D(0.6) (h\/h Y . esta fórmula es usualmente escrita para el caso en el que h = h l2.2 . estime la primera derivada en x — 0.( . 4 % n La estimación mejorada puede determinarse al aplicar la ecuación (23. Debido a su conveniencia cuando se expresa como un algoritmo de cómputo. El ejemplo anterior dio un resultado perfecto pues la función sujeta a análisis fue un polinomio de cuarto orden.7) De manera similar.25. Recuerde que el valor verdadero es —0.8) 5 2 4 / | i Para aproximaciones por diferencias centradas con 0{h ). x 2 Solución. Después use la ecuación (23. Usando la misma función que en el ejemplo 23. la aplicación de esta fórmula dará una nueva estimación de la derivada de 0(/¡ ).9125.

por supuesto. los datos teman que encontrarse espaciados uniformemente y generados en forma sucesiva para intervalos a la mitad. En contraste.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.x. 3 Diferenciación de datos desigualmente espaciados Enunciado del problema. De hecho.0) = -kpC (IT Ti . pero no perfecta.23. para puntos igualmente espaciados.9) evaluada en x — x.22). El polinomio de segundo orden se puede diferenciar analíticamente para dar f'(x) =/(*. Recuerde que este polinomio no requiere que los puntos estén igualmente espaciados. se puede usar para estimar lu derivada en cualquier punto dentro de un rango preescrito por los tres puntos. la información derivada de manera empírica (es decir. la estimación de la derivada es de la misma exactitud que la diferencia centrada [véase ecuación (4.1. el procedimiento puede aplicarse de manera iterativa mediante un algoritmo Romberg hasta que el resultado se halle en un criterio de error aceptable.4. (Xi-i Xi)(x¡-\ -Xj+i . el C M O actual aJuNta la derivada del polinomio de cuarto orden en forma precisa. los mismos puntos no tienen que estar igualmente espaciados. Aunque esta ecuación es ciertamente más complicada que las aproximaciones de la primera derivada de las figuras 23. </(.-!) 2x .X i + 2x i) f(x¡) — Xj-i — x¡+] .. Tercero. El flujo de calor en la interface suelo-aire puedo ser calculada con la ley de Fourier. Segundo.1 a la 23.23)] para cada conjunto de tres puntos adyacentes. EJEMPLO 2 3 . Tal información no puede ser analizada con las técnicas estudiadas hasta ahora. tiene importantes ventajas.3. Para las aproximaciones por diferencias divididas finitas de la sección 23. Así.x i + i (Xj -x¡-i)(x¡ ) + /(*/ + !) (X 2x i + — Xj-\ i — x¡ + i (23. Como en la figura 23. los datos debían estar uniformemente espaciados. un gradiente de temperatura se puede medir abajo en el suelo. la ecuación (23. como fue el caso para la aplicación de la extrapolación de Riehardson. Una manera para manejar datos desigualmente espaciados es mediante el ajuste de una interpolación polinomial de Lagrange de segundo orden [recuerde la ecuación (18 .. Para la técnica de extrapolación de Riehardson. En consecuencia. datos a partir de experimentos o estudios de campo) es con frecuencia agrupada en intervalos iguales.3 4W Ira vés de lo» ditlo» para después evaluar las derivadas por dit'orencius divididus centradas. Para la mayoría do las otras funciones. Primero. se reduce a la ecuación (4.22)]. Tal control de espaciamiento de datos está a menudo disponible sólo en casos donde podemos usar una función para generar una tabla de valores.9) -x¡) i -Xi-i)(x donde x es el valor en el cual se quiere estimar la derivada. 23. esto no podría ocurrir y nuestra estimación de lu derivada podría ser mejorada.

7 5 ( 0. 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. 3. .5 . 2 5 ) ( 0 -3 7 .1 2 .0 )( 3 7 . +1 4 4 . otro problema que se vincula con la diferenciación empírica de datos es lo que usualmente incluye error de medición. fin contraste.5 . Un defecto de la diferenciación numérica es que tiende a amplificar los errores en los datos. La ecuación (23.1 2 . •r ( ° C ) -.75 FIGURA 23.1 . la figura 23.* .) = 1 3 .36).4 7 . 7 2 Solución.5 1 0 1 2 f1 3 5 .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.5 ) +1 1 0 4 4 .3 3 3 3 3 W > .5 X 10~ m /s).Se usa los mismos . -1 3 . ai. = 0 )=3 .5 ( 3 7 . 3 3 3 3 ^ ) =7 0 5 . 5 a muestra datos uniformes sin errores que ul ser diferenciados en forma numérica dan un rosultado uniforme (véase figura 23.9) se puede usar para calcular la derivada como /'(. 5 x 10"^ (l 00§) ( 40^) ( 1 3 3 . 5 2 0 ) 0 3 . La figura 23.672 DIFERENCIACIÓN NUMÉRICA Aire Suelo 1 2 .c m t 2 3 Temperatura contra profundidad en el suelo. donde q = flujo de calor (W/m ).l .3 3 3 3 3=1 3 . k — coeficiente de difusividad térmica en el suelo ( = 3.5 ) 2 ( 0 ) -0 .6 W/m 8 8 2 23.7 5 +12 °C/cm este valor puede ser usado para calcular el flujo de calor (advierta que 1 W = 1 J/s). p = densidad del suelo ( = 1 800 kg/m ) y C — calor específico del suelo (ss 840 J/(kg • °C). Observe que un valor positivo del flujo significa que el calor se transfiere del aire al suelo.5 ) ( 1 2 .( 5 0 ) ( 1 .3 . 2 5-3 7 .

l área bajo d}] tiende o suavizar los un los datos. la operación de integración I M V I ' I M I | I M ivióndose de d) a c) al li ii M U MI <.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.iilianio manifestando un IIUINI'riln IIII en la variabilidad. una regresión polinomial de orden inferior podría ser una buena primera selección. amplifica los errores.5c. como se suman los punios para una integral. debido n que lu diferenciación es UNA RUilrieeión. esta rclu ción deberá formar la base para el ajuste por mínimos cuadrados. Obviamente. un proceso similar podría emplearse para integración.tn II I O N de cómo se I M I ilili> nn los pequeños M I L >i• • •. Como se ilustró en la figura 23. ya que el proceso de diferenciación amplifica los errorcN.5. Sin embargo. Como se esperaba. Esta pequeña modifi cación es apenas aparente en la figura 23. el principal procedimiento para determinar derivadas para dalos imprecisos es usar regresión por mínimos cuadrados para ajustar una función suave diferenciable con los datos. i /) li I dilerenciación irv. es decir. mitraste.5d es significativo. pero con algunos puntos altos y algunos ligeramente bajos. En contraste. c) datos un I> liíir cados ligeramente. En esencia. 1 1 I ILI ' I I U A R datos.23.4. En contraste. los errores aleatorios positivo y negativo tienden a sumarse. la regresión se puede usar para diferenciar dalos inciertos.4 BATOS CON BM0RE3 '4FIGURA 23. el efecto resultante en la figura 23. En ausencia de cualquier otra información. Sin embargo. I M I los datos por Mitiillu do la diferenciación iiiiiin''ik_u: a) datos sin error.5 llir. si lu relación funcional entre las variables dependiente e independiente es conocida. /'| |I I i lifeienciación IIIIIIN''iii M a resultante. la diferenciación tiende a ser inestable. esto se hace en raras ocn siones. 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. los errores alentónos poMlllvo y negativo tienden a cancelarse. . 23. debido a la diferencia en estabilidad entre diferenciación e integración.

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 = . 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.8. Este operador crea una tabla de aproximaciones con base en cálculos por diferencias divididas mediante varios pasos y tamaños de paso. Se usan las técnicas de extrapolación con el fin de estimar los valores para un tamaño de paso cero de una manera que se parece al método de Riehardson. Observe que la localización del punto y el orden de la derivada son introducidos mediante el símbolo de definición.6 muestra un ejemplo de Mathcad donde f(x) se crea con el símbolo definido (: = 0 . usamos un polinomio simple. y entonces la integral se calcula sobre un rango que va de x = 0 a x = 0. El operador de la derivada usa un método similar para calcular las derivadas entre un orden de 0 y 5.6 .6 Pantalla de Mathcad para determinar la integral de un polinomio por medio de integración de Romberg. La figura 23. La figura 23. Se realizan iteraciones hasta que los resultados sucesivos varían menos que TOL. El operador de integración usa una secuencia de evaluaciones de la integral. para lo cual utiliza la regla trapezoidal y el algoritmo de Romberg.674 23. el cual empleamos en todo el capítulo 21. En esta sección le daremos una muestra de las más útiles.1 Mathcad Mathcad tiene operadores que realizan integración y diferenciación numérica.5. 23.+ 2 5 x 2 0 0 x + . En este caso. FIGURA 23.6 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 . 2 3 4 J N u m c i r a li n t e g r a l : .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. Observe que el rango lo han definido las variables a y b como entrada usando el símbolo de definición. 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 .

0. Después de entrar a MATLAB.6405 Asi.m.900x + 400x 4 f(x) = 0. 2+675*x. Recuerde de los capítulos 21 y 22 que el valor verdadero de la integral podrá determinarse en forma analítica para ser 1. A A A A Éste puede guardarse en el directorio de MATLAB como fx. 4 Usando MATLAB para integración y diferenciación Enunciado del problema. El resultado es a= 1. M A T L A B proporciona una estimación exacta de la integral.5 INIIJPJJGPCIACLÁN N U M É R I C A CON L I B R E R Í A S 4M 23.2 MATLAB MATLAB tiene una variedad de funciones prediseñadas que permiten integrar y diferenciar funciones y datos. Ahora investiguemos cómo M A T L A B maneja integrales de datos tabulados. usaremos la función quad del MATLAB para integrar la función. primero desarrollamos un archivo M que contendrá la función.2+25*x-200*x.5. El siguiente ejemplo ilustra cómo se puede usar algunas de ellas. podemos llamar a quad tecleando >> Q=quad('fx'. Primero.7.8) donde la segunda y tercera entradas son los límites de integración.200x 2 3 5 desde a — 0 hasta b — 0. diferenciar la función Explore cómo MATLAB puede emplearse para integrur y + 675x . 5.8. donde probarnos la función en intervalos desiguales . Para usar quad.640533.2 + 25x .23. Solución. Por medio de un editor de textos podemos crear el siguiente archivo: function y=f x ( x ) y=0. repetiremos el ejemplo 21. 3-900*x. EJEMPLO 2 3 .. Para ello. 4+400*x.

1000 El resultado representa las diferencias entre cada par de elementos de x.1000 through 0.8430 3.1000 10 0.3100 Estas representan estimaciones burdas de las derivadas para cada intervalo.3097 through 1.7434 0.1819 2.6746 6.0600 0.7 .3052 11 1.2877 9.4 .12 . >> ans d i f f ( x ) = 1 8 through 7 CoLumns 0.0400 0.0400 0. Para ello usamos la función diff.6488 -21.2000 Columns 8 1.1000 0. Podemos generar la misma información en MATLAB al definir primero los valores de la variable independiente.2320 2.5073 3.0400 0. Tal procedimiento podría refinarse mediante capuciamientos más finos.4560 2. Después. >> y = Co L u m n s 1 through 7 y = f x ( x ) 0.1000 0.676 DIFERENCIACIÓN NUMÉRICA (recuerde la tabla 21.2477 CoLumns -0.6431 -3. realizamos sólo una división del vector de las diferencias y entre las diferencias x al teclear >> d=di f f ( y ) .3815 10 8. y ) = i n t e g r a l 1. aplica la regla trapezoidal a cada intervalo y suma los resultados para obtener la integral total.5274 9.SI.32 . por ejemplo. podemos diferenciar los datos espaciados desigualmente en x y y.3630 Podemos integrar esos valores al llamar a la función trapz. Para calcular las aproximaciones por diferencias divididas de la derivada.22 . la cual sólo determina las diferencias entre los elementos adyacentes de un vector. >> integraL = t r a p z ( x . generamos un vector y que contiene los valores correspondientes de la variable dependiente al llamar a fx.3). Por último.2537 -13.64 .54 .0749 2. >> x=C0 .44 . . como implica su nombre. / d i ff(x) con la cual se obtiene d = CoLumns 1 8 through 7 9.5948 trapz.1200 CoLumns 0.0449 through 4.36 .

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

900x + 400* desde a = 0 a b = 0. y porcentual e.3 Use aproximaciones por diferencias centradas para estimar A 0. h — Jtí\2.*X**2 + 675. 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.f EXTERNAL f CALL Q D A G (f. F 8 .200x + 675x .b=0.1.-900.res.1 Calcule aproximaciones por diferencias hacia atrás de aproximaciones evaluación por diferencia en x — 20 con h = 2.678 DIFERENCIACIÓN NUMÉRICA singularidad pico..res.irule. errest . 2 + 25. Use QDAG para determinar la integral de 2 3 4 5 f(x) = 0.errest) PRINT •(•' Computed = .000E-05 PROBLEMAS x 2 hacia adelante y 23. (Salida) ERREST = Estimación del valor absoluto del error.8. RESULT = Estimación de la integral desde A a B de F.*X**4 + 400. 5 Usando IMSL para integrar una función I i j | I Enunciado del problema.a.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. U m p M l a m b a í fórmulas 0{h ) y ü(h ) v para sus estimacion .640533. use IRULE = 1. 1 j I j I | j í | j | í | I ¡ \ j \ ¡ I | Solución. *X-200. res PRINT ' ( • ' Error estímate =' ' . 1PE10 . si la función es oscilatoria.2 + 25x . 3 ) ' .errrel.f f = 0 .errrel=0.errabs. pura cada aproximación. central de 0(h ) y 0(h ) para la primera derivada dc>> = sen x en 23.001 REAL::errest.8.2 Repita el problema 23. (Salida) EJEMPLO 2 3 .errabs=0.1. IRULE = 6.*X**5 E N D FUNCTION Output: C o m p u t e d = 1.6405 Error estímate = 5. pero ahora para y = log x con 23. 4 ) ' . 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 ).*X**3.

2 3 7 O N I I I I I H I ' lu primera Ivailn de = sen en mediante el uso tic luniaftos 1. Como la función es simétrica. . h = a) 0. 1.2 eos b) Integre en forma analítica la ecuación (P23.5 ' maciones por diferencias centradas con base en h = 1. ñ Repita ol problema 23.9) la velocidad está dada por V A D A ilo — 7x — lOx — 8 en JC = 0 con base en los VALORES .22) en x = x¡.5 0.1.3 a 3.398942 0.12A) mer orden de 0(h ) para cada una de las siguientes funciones en d(t)= {l e m)dt t¿--> 3 In ubicación especificada y para el tamaño de paso especifico: Use Mathcad para integrar la ecuación desde O a l O .7468 0. da contra el tiempo para un cohete: d) Evalúe la ecuación (P23.12A) AL valor verdadero y con una estimación obtenida usando aproxi12.1 dición inicial d = 0 en t = 0.7 Pruebe que para datos igualmente espaciados.12a) en / = 10 para confirmare)..807 0.12b) 0 2 8 18 3 2 5 0 /(*) = 1 ~x /2 ¿ I Isc diferenciación numérica para estimar la velocidad del cohelo y la aceleración para cada tiempo. b) Emplee Mathcad para determinar el punto de inflexión do esta función. 1 6 Use IMSL para integrar la distribución normal (véase cl problema 23.5 2 f(x) 0.1.2 3 . pero ahora para la primera derivaverdaderas.os siguientes datos se reunieron para la distancia recorri10.A límplec la ecuación (23.12a) t» (P23.13) d e s d e * = .12951 3 0. . H ( alcule las aproximaciones por diferencias centradas de pri(P23. 1 4 Use la función quad de MATLAB para integrar la ecuu- ción (P23. 2 3 .352065 1 0. Pruébelo con los siguientes datos 1 a l y a) Use Mathcad para integrar esta función desde x = desde —2 a 2. la ecuación ( ) t')) so reduce a la ecuación (4.6522 0.053991 a) Use MATLAB para integrar estos datos desde x = — 1 a 1 y desde —2 a 2.x = yx = () 4 (l^f _Jo x + 4x-l5 enxh == 0. 11 Desarrolle un subprograma de uso amigable para obtener la estimación de la primera derivada para datos espaciados desigualmente.10 Desarrolle un subprograma de uso amigable con el fin de api ¡car un algoritmo de Romberg para estimar la derivada de una Función dada. 0. 0 2 3 4 5 2 3 . 1 . Compare este resultado con l 2 9.241971 -0. = 7t/3 y h = TI /6.5.1.1. limite su análisis para la x positiva.)> = e* + x e n * = 1. e n * = 0.12a) desde t = 0 a 10.2 a 2 y desde .5.25 Use Mathcad para diferenciar la ecuación en / » Í 1 . 1 3 La distribución normal se define como 2 ) 1.241971 1.053991 -1. Evalúe el resultado en / = 10 en = 1. 0.1) _ .I a 1 . Emplee diferencias centradas do x fi(/i ) para las estimaciones iniciales. ( ( ( 1 2 / 6 8 y= 3x —0. y la distancia recorrida se puede obtener por I ' . 4 para determinar la primera deri. desde . 1 \.126) con la con= tan en = 3.5 0. (P23. 1. 2 3 . 1 2 Recuerde que para el problema del paracaidista en caldu. DA ti» In x on x = 4 usando h = 2 y /i = 1. donde = Compare sus resultados con las deriv 1 .1 para confirmar a). = 0. > I .41 Isc la extrapolación de Riehardson puní y x x = TtIA y 2 3 f(x) 5e~ x. 11. 0.4. .1684 0.5 0.129518 -1 0.5 y =(x x/3) x x h I» y h= = y= sen (0. 1 5 Los siguientes datos se generaron a partir de la distribución normal: X -2 0.r = 1 2.8) 68.5 íx)lx x h V) c) ( (P23. 2 3 .352065 0 0. b) Emplee MATLAB para estimar los puntos de inflexión de esos datos.03192 paNo de //.

3 también involucran funciones que están disponibles en forma de ecuación. a problemas prácticos de la ingeniería. que trata con cálculos de calor en la ingeniería química. En el caso de los métodos de integración. la función que habrá de evaluarse se halla inherentemente en forma tabular. Este ejemplo se usa para demostrar la utilidad de la integración de Romberg y la cuadratura de Gauss. La sección 24. La sección 24.3 determina la raíz media cuadrática de la corriente para un circuito eléctrico. En esta aplicación. involucra ecuaciones. Las secciones 24. Entre otras cosas. 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. se relaciona con todas las otras áreas de la ingeniería. observaciones o alguna otra información empírica. Se emplean cálculos de calor en forma rutinaria en la ingeniería química y petrolera así como en muchos otros campos de la ingeniería. Los datos para cualquiera de los casos son compatibles directamente con diferentes esquemas analizados en esta parte del libro.1 INTEGRACIÓN PARA DETERMINAR LA CANTIDAD TOTAL DE CALOR (INGENIERÍA QUÍMICA/PETROLERA) Antecedentes.1. Aunque esta aplicación tiene una conexión directa con la ingeniería mecánica. La sección 24. En el segundo caso. 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. La determinación de la cantidad de calor requerido para elevar la temperatura de un material es un problema con el que tratamos frecuentemente. Este tipo de función a menudo representa una serie de mediciones. La sección 24.CAPITULO 2 4 A p l i c a c i o n e s e n la i n g e n i e r í a : integración numérica y diferenciación El propósito del presente capítulo es aplicar los métodos de integración y diferenciación numérica. expuestos en la parte seis. usamos este ejemplo para ilustrar la integración de datos espaciados desigualmente.2 y 24. usa integración numérica para determinar la fuerza total del viento que actúa sobre el mástil de un bote de carreras. La característica necesaria .2. la cual se toma de la ingeniería civil. Se mencionarán dos de las situaciones de ocurrencia más frecuente. Esta aplicación proporciona un simple pero útil ejemplo de tales cálculos.4 se concentra en el análisis de información tabular para determinar el trabajo necesario para mover un bloque. una función analítica se integra en forma numérica con el fin de determinar el calor requerido para aumentar la temperatura de un material.

Si c es constante sobro el rango de temperaturas sujetas a examen. m = masa (g) y AT = cambio en temperatura (°C). La ecuación (24. Para realizarlo.4) y el resultado se integra para dar un valor exacto de AH = 42 732 cal.15024 0.')() c.12486 0. 1 3 2 + 1.2) En este ejemplo se le pide calcular el calor necesario para elevar 1 000 gramos de este material desde . Sin embargo.14046 0.2) se sustituye en la ecuación (24.17376 200 .' 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. la capacidad calorífica de un material no se podría aumentar con la temperatura de acuerdo con una relación como c(T) = 0 . Solución. 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. varía en función de la temperatura. Por ejemplo. la capacidad calorífica no es constante y. para grandes cambios de temperatura. Tal cálculo es propicio cuando AT es pequeño. lisie parámetro representa la cantidad de calor requerida para aumentar una unidad de temperatura a una masu unitaria. Es útil e instructivo comparar este resultado con los métodos numéricos expuestos en el capítulo 21. c(7).1) donde c tiene unidades de cal/(g • °C). c(T): La ecuación (PT6.1 0 0 a 200°C. el calor requerido AH (en calorías) se puede calcular por AH=mcAT (24.4) donde AT = T — r .°C -100 -50 0 50 100 1.1190 0. Ahora como. AH puede determinarse de manera analítica. Por ejemplo.1) para dar AH — m f 2 c(T) dT t (24.5) = 100 cal donde la capacidad calorífica del agua es aproximadamente 1 cal/(g • °C).16134 0. es una cuadrática simple. cal/(g •4°C) 0.13200 0.64 x 10~ r 7 2 (24.56 x 10" r 4 + 2. la cantidad de calor necesario para aumentar a 20 gramos de agua desde 5 a 10°C es igual a AH = 20(1)(10. para el caso actual. de hecho.4) proporciona una forma para calcular el valor promedio c(T) dT c(T) = J -\ ¡2 —i -r~ I (24.

01 /:)2. 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 21.1. Las fuerzas del viento (/). el cual concuerda exactamente con la solución analítica.16. con una computadora.01 . ejercidas por pie de mástil de los botes varían como una función de la distancia por arriba de la cubierta del bote (z). Suponga que el mástil permanece vertical.2. 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 0.3 732. AH 96 43 42 42 42 42 42 42 42 048 029 864 765 740 733.[%) 125 0. Este ejemplo es una buena ilustración del porqué la regla de Simpson es muy popular. 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 24.3 732.01 <0. 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. además. Sin embargo.01 <0. 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. En la figura 24. 24.3 0. Calcule la fuerza de tensión T e n el cable izquierdo que soporta el mástil. Los resultados que se obtuvieron con la regla trapezoidal se listan en la tabla 24.7 0.2).1a se muestra una sección transversal de un bote de carreras.01 <0. Es fácil realizarla con una calculadora o. un pequeño paso (< 10°C) se requiere para una exactitud de cinco cifras. mejor aún. es por lo común lo suficientemente exacto para tamaños de paso relativamente grandes y es exacto para polinomios de tercer orden o menores. como se muestra en la figura 24. Tal resultado puede sustituirse en la ecuación (24.07 0.05 2:/io dz (24 5) - TABLA 24. Además.00003 T a m a ñ o de p a s o .1).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.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. Para proceder con este problema. Esta exacta concordancia podría ocurrir sin importar cuántos segmentos se usaron. Solución. Se observa que la regla trapezoidal es también capaz de estimar el calor total en forma exacta. °C e.4) para obtener un valor de AH = 42 732 cal.1 Resultados con el uso de la regla trapezoidal con diferentes tamaños de paso.018 <0.

FIGURA 24.3. Por ejemplo. Esto se lleva a cabo al calcular/(z) para diferentes valores de z y después usar la ecuación (21.'IVII.5 pies para la de Simpson proporcionan buenos resultados.6 (24.13 70.14 .05 pies para la regla trapezoidal y de 0.1 u) Succión transversal de un LINIO DI?L i z=0 de carreras.43 30 55.18 47. tales como las reglas de Simpson y la trapezoidal. /. La línea de acción efectiva de F (véase figura 24.6) Jo dz /•30 d= 13. j ) L M 0 3 6 12 ÍW. la tabla 24. 2 Valores de f(z) para un tamaño de paso de 3 pies que proporciona los datos para las reglas trapezoidal y de Simpson 1 / 3 .9 • WBLMA^TIL-WüWWBlWéiaWlUS \ >t?V é N ¡t#p##*W|»lft CÉBIM que soportan el mástil Mástil Viento FIGURA 24. para tamaños de 0. Los resultados para diferentes tamaños de paso se encuentran en la tabla 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.5Ó 63.6 Ib en tanto el tamaño de paso se vuelve pequeño. En este caso. Esta integral no lineal es difícil de evaluar en forma analítica.2) se puede calcular con la evaluación de la integral /•30 zf(i) d = / /(z) di (24.•2:/30 dz 1 480.05 pies / d = Jo 200z[z/(5 + z)]e. b) Fuerzas viento /•ejercidas por 3 pies I no de mástil como una liindón de la distancia z por NI liba de la cubierta del bolo.'I 33 4? 2/ HV 23.10) o (21.2 I )|(i(jrama de cuerpo libre fuerzas ejercidas j l mástil de un velero. Se observa que ambos métodos dan un valor de F = 1 480.40 73.18).20 15 18 21 24 27 O . Por tanto.24.7) T •H T A B L A 2 4 . lb/ple 0 61. es conveniente emplear procedimientos numéricos para este problema.

25 0.3 1 480.6 . 3 Valores de F calculados con base en las diferentes versiones de las reglas trapezoidal y de Simpson 1 / 3 . se puede usar un diagrama de cuerpo libre para escribir ecuaciones de equilibrio de fuerzas y momentos.3 1 450.05 15 5 3 1 0. a partir de la ecuación (24. H = F — T sen 9 = 1 480.9/1 480. La dirección.lb 1 001.5 0.9 1 476.9 1 480. la regla de Simpson 1/3 con un tamaño de paso de 0.(6 473)(0.7 1 480. Por ejemplo. Técnica Regla trapezoidal T a m a ñ o de p a s o .7 1 122. La ecuación (24.6 1 462.6 = 13.1 0.8).6 1 219.9).9) (24. T = ^ .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.0995) = 836. Este diagrama de cuerpo libre se muestra en la figura 24.684 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN T A B L A 2 4 .54 Ib Esas fuerzas ahora permiten proceder con otros aspectos del diseño estructural del bote.5 da d = 19 326.3 1 372.05)_ 3 = 6 4 4 ( ) 6 1 b Por tanto. tales como los cables y cl sistema de soporte de la cubierta para cl mástil. 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- .5 Dicha integral podrá evaluarse mediante métodos similares a los anteriores. ^ ^ 3 = i 1 480.8) (24. Con F y d conocidos a partir de los métodos numéricos. pies 15 10 6 3 1 Segmentos 2 3 5 10 30 60 120 300 600 2 6 10 30 60 F.8 1 477. así como la magnitud de H y V son desconocidas.5 1 480.2.6)(13.6 Regla de Simpson 1/3 0.5 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 (24.1 1 479.= eos 9 6 4 4 °0.10) se puede resolver directamente ya que se desconocen F y d.05 pies.995 6 = 6 4 7 3 Ib y de la ecuación (24.

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

443 -0.4 Valores para la Integral calculada mediante el uso de diferentes esquemas numéricos. 4 se enlista las estimaciones de la integral para las diferentes aplicaciones de la regla trapezoidal y de la regla de Simpson 1 / 3 .41261 15.41257 15. /•1/2 / = / ( I O Í T ' Jo Í = s e n 2 7 r ) í j dt ( 2 4 .48082 15.41196 15.41 161 <>(%) 100 1. Este resultado se obtuvo mediante una regla trapezoidal con 1 2 8 segmentos o una regla de Simpson con 3 2 segmentos. El error relativo porcentual E .62 0.40143 15. 2 3 ) y ( 2 2 .06 x 1 0 " 0 Técnica Regla trapezoidal 3 4 5 6 Regla de Simpson 1/3 3 Solución.16327 15.21769 15.41261 20.0725 4.41262 15.16503 15. La misma estimación se determina también con la integración de Romberg (véase la figura 24. Observe que la regla de Simpson es más exacta que la trapezoidal.41225 15. La determinación de la raíz media cuadrática de la corriente involucra la evaluación de la integral (T = 1 ) .0186 1.41261 15.41261 20. El valor exacto para la integral es 1 5 . Segmentos 1 2 4 8 16 32 64 128 2 4 8 16 32 Integral 0.62 x 10~ 1.41261 ^ 15.4).41261 15.686 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN TABLA 24.21769 15. se basa sobre un valor verdadero de 1 5 .2 -0. 1 2 ) Primero.59 x 1 0 " 1. 2 4 ) 4 d Í R F t = 4« dt Hartarlo integración de Romberg para estimar la'-RMS de la corriente. la cuadratura de Gauss también se usa para realizar la misma estimación.41262 .48082 15. 4 1 2 6 1 .41261 15. 4 1 2 6 1 .30 x 1 0 " 0 -31.41502 15.41277 15.41257 15.40143 15. En la tabla 2 4 .41 1 9 6 15.41261 " 15.41547 15. 0 °^ 15.41547 15.16327 15. Además.41277 15.21 x 10" 2. se realiza un cambio de variable al aplicar las ecuaciones para obtener 1 1 1 4 + ( 2 2 .0 15.41111 15.41261 15.

La fórmula general es Trabajo = fuerza x distancia Cuando se introdujo este concepto en sus estudios de física en el nivel medio superior.6575502 15.313728. respectivamente. 3 PARAICAKUCWrSBTIWBAAJ R«»ulladoa al usar las fórmulas de la cuadratura de Gauss para varios puntos para aproximar la integral.12) para calcular una I de 3. la ecuación para el trabajo se puedo exprcaar como .4126391 15.24.4058023 15.12) para obtener 1 0 e -[l/4 (l/4) + ( í í ] s e n 2 n ( ( — dt 4 (24.4126109 22.1) d / = 0.99782.684096 y 4. y los resultados son 7. Estos valores pueden sustituirse en la ecuación (22.5555556(2. Este resultado podría entonces emplearse como guía en otros aspectos del diseño y operación del circuito. la solución de problemas realísticos son por lo común más complejos. se le presentó algunas aplicaciones simples mediante el uso de fuerzas que permanecían constantes en todo el desplazamiento.8888889(15.13) Para la fórmula de Gauss-Legendre de dos puntos. La fórmula para tres puntos es (véase tabla 22.1 -1.5. Estimación 11. el cual representa un error de e = 22. suponga que la fuer/a varía durante el curso del cálculo. el trabajo se calculaba como 150 Ib • pie. esta función se evalúa en t = — 1/V3 y 1/V3. 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.684915) = 15.5555556(1. Por ejemplo.01 x 10" -1. Muchos problemas de ingeniería involucran el cálculo de trabajo.65755 | e .237449) + 0.41 TABLA 2 4 . Aunque ese simple cálculo es útil para introducir el concepto.59 4.1%. En tales casos.17) para dar un estimado de la integral de 11.16327) +0.41261 se puede sustituir en la ecuación (24.925890 A. si una fuerza de 10 libras era usada para empujar un bloque una distancia de 15 pies. | = 1.9978243 15.6% Los resultados al usar las fórmulas para puntos mayores se resumen en la tabla 24. Por ejemplo. La estimación de la integral de 15.82 x 10" Puntos 2 3 4 5 ó 2 4 5 Esas relaciones pueden ser sustituidas en la ecuación (24.42 x 10" -2.

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

los métodos numéricos proporcionan la única alternativa para determinar la integral. Un error relativo porcentual e¡ fue calculado con referencia al valor verdadero de la integral de 129. Suponga que usted debe realizar el cálculo para la situación mostrada en la figura 24.40 0.7.0881 0.8087 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.0 9. Puede obtenerse estimaciones más refinadas con m á s segmentos. Para esta situación.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 con intervaloi de 1 pie.r a d 0. i tli.50 1.90 1.6. debido a las restricciones experimentales. donde graficamos la curva continua para el O i r U R A 24.TABLA 24.3537 F ( x ) 0 funcional sea complicada.50 F[x) eos 0. f | j t ) .30 1.5297 9. x. Solución. ya que la mayor exactitud ocurre para simple regla trapezoidal con dos segmentos. pies .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 .6). imagine también que.') pies.5.I b 0. Los resultados del análisis se resumen en la tabla 24.0 14.52 cuya estimación se hizo con base en los valores tomados de la figura 24. usted cuenta sólo con mediciones discretas a intervalos de x — 5 pies (véase tabla 24. Los resultados son interesantes. 7 .0 13.7025 2.0 10. 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. 5y I7 ' . Aunque la figura muestra los valores continuos de F(x) y 9(x). también se puede obtener resultados menos exactos con las reglas de Simpson.0 5.5 12.75 0.48 1.5120 8.0 » . Use versiones de aplicación simple y múltiple de la regla trapezoidal y de las reglas de Simpson 1/3 y 3/8 para calcular el trabajo con esos datos. Esto es en particular evidente en la figura 24.0000 1.é x .

Segmentos Trabajo Técnica Trapezoidal Regla de Simpson 1 / 3 Regla de Simpson 3 / 8 1 2 3 6 2 6 5 3 . El error relativo porcentual e. podríamos determinar una estimación de la integral con el uso del algoritmo para datos espaciados desigualmente descrito en la sección 21.2 1 1 7 1 . 0 4 producto de F(x) y eos [#(*)]. p l « i .7 8 . Así.4 3 5 .5 y 12.7 Ilustración gráfica del porqué la regla trapezoidal con dos segmentos da una buena estimación de la integral para este caso en particular. La omisión de estos dos puntos limita efectivamente la exactitud de la integración numérica estimada en la tabla 24.8 ilustra la segmentación desigual para este caso.8 1 1 9 0 . en consecuencia.5 3 5 7 . La figura 24. La conclusión resultante de la figura 24.7 Estimaciones del trabajo calculado usando la regla trapezoidal y las reglas de Simpson. 2 8 .5 pies. si los datos estuvieran disponibles enF(2. Si se incluyen los dos puntos adicionales se obtiene una estimación de la integral mejorada de 126.1 1 3 3 1 .5 9 5 .52 Ib • pie) fue estimado con base en los valores en intervalos de 1 pie.5) eos [0(2. Para el caso actual.5) eos [0(12.3600. Observe cómo el uso de siete puntos para caracterizar la función que varía en forma continua no toca los dos picos en x = 2.9 1 7 5 8 . como se calculó con referencia a un valor verdadero de la integral (1 29.690 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN TABLA 24. la inclusión de los datos adicionales podría incorporar los picos que antes no se tomaron en cuenta y. tener los mejores resultados.02%). el uso de dos trapezoides ocurre para llevar a un balance equilibrado entre los errores negativo y positivo.5)] = 4. 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 24.3. co x.9 (e = 2.7.7). Por suerte.3500yF(12.3 9 5 9 .1 8 0 .6 es que debe hacerse un número adecuado de mediciones para calcular con exactitud las integrales. ( FIGURA 24.3 1 3 9 9 .9 1 2 4 9 .5)] = 11.

1 Kcalice el mismo cálculo que en la sección 24.4.1. 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. 59 C O C O C O C O CL E Q.5 y \V '> orí los datos de la luíilu 24.*)()() gramos del material desde —150 a 50°C. 1<M I . E W A> Q (fl s (O O. la integral representa la sumatoria del producto (lid Unjo por la concentración para dar la masa total entrando o (tullendo desde t a t . Q puede «el obtenida de la integral: 2 { 2 M Q I cdl (P24.iún de dos puntos inlii dmales en x = 2.a aplicadas a cada i I I I I | I I I I I I I de segmentos.4) 0 5 10 15 20 25 30 35 40 45 50 . 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 P24.01%. pero ahora use integración de Uniubcrg con e = 0. M.a integración proporciona un medio para calcular cuánta N N I N I I entra o sale de un reactor en un periodo específico. e. Esta fórmula tiene sentido Intuitivo si usted recuerda la analogía entre integración y mmmloria. Observe que Q = 4 mVmin. 5 La concentración química a la salida de un reactor do mezcla completa se mide como t.l Kepita el problema 24. 2 4 . con valores de incremento de Tde 1<r<'. m g / m 10 22 35 47 55 58 52 40 37 32 34 3 t. Se muestran las lúi mulos de integración iiiiiiii'nii.1. 4 Valores de concentración medida en la tubería de salida de un reactor.1. SO 55 £ Q.inlos que resulta de la lin lii'. l Kepila el problema 24. pero ahora Míenle la cantidad de calor requerido para elevar la temperatura ili< I . Use la regla lio Simpson para sus cálculos. 14. Interprete sus resultados. o CU 55 CU D PROBLEMAS lli||«IILURIA química/petrolera 14. y t = tiempo inicial y final. min c.6. Si la razón de flujo es constante. m i n M \ Ji\ Qcdt di uiilc /. Así.

Usted sabe que.03 90 1.7 Los siguientes datos fueron colectados cuando se cargaba un gran buque petrolero: 2 6 2 24. la velocidad varía con la profundidad en el canal. 1 0 " g/cm 6 3 0 0. s F= Jo f / 30 250z e. ¿cuánta contaminación podría ser transportada hacia el lago en un año? 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. 1 0 barriles 6 0 0. y x = distancia (cm).5 15 0. d VIdi) para cada tiempo del orden de h . c = concentración. .6) donde flujo másico = cantidad de masa que pasa a través de una unidad de área por unidad de tiempo (g/cm /s). Ingeniería civil/ambiental x.4 3 0.692 APLICACIONES EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN Para una salida de flujo de Q = 12 nr/min. Por ejemplo. estime la masa de químicos que existe en el reactor desde t = 0 hasta 20 min. min V. Divida el mástil en intervalos de cinco pies. pero ahora use la cuadratura de Gauss para evaluar la integral. Para un lago con 3 x 10 m de sedimentos.14 120 1. la medición en la superficie sería del 0%d. Los puntos representan ubicaciones donde se ancló un bote y tomó lecturas a diferentes profundidades. pero ahora use la integración de Romberg con un orden de h para evaluar la integral. el ingeniero debe confiar en mediciones discretas de la profundidad para calcular A. Use dos aplicaciones de la regla trapezoidal (h = 4 y 2 m) y la regla de Simpson 1/3 para estimar el área de sección transversal a partir de esos datos.6 ha primera ley de difusión de Fick establece que Flujo másico = D de dx 2 (P24. Si su técnico tiene tiempo para realizar sólo dos mediciones de velocidad. debido a la fricción en el fondo.65 30 0.9 Realice el mismo cálculo que en la sección 24. A menos que se disponga de dispositivos electrónicos sonoros para obtener perfiles continuos del fondo del canal. Emplee dicha estimación junto con la ecuación (P24. mientras que en el fondo sería del 100%*/.dz 6+ z 7 / l nz/l0 f.1 1 0.6) para calcular el flujo másico de contaminantes fuera de los sedimentos y dentro de las aguas recubiertas (D = 2x10"* cm /s).2. Un ejemplo de una corriente común con su sección transversal se muestra en la figura P24.88 60 1.12. 24.12 Las áreas de sección transversal (A) son requeridas para diferentes tareas en la ingeniería de abastecimiento de aguas: entre otras. D = coeficiente de difusión (cm /s).2.30 Calcule la razón de flujo Q (es decir. 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. 24.10 Realice el mismo cálculo que en la sección 24.73 45 0. pronósticos de inundación y diseño de reservorios. 24.9 Use la mejor técnica de diferenciación numérica disponible para estimar la derivada en* = 0. cm c.8 Usted se interesa en la medición de la velocidad de un fluido en un canal abierto angosto rectangular que transporta resi2 24.11 Calcule F mediante la regla trapezoidal y las reglas de Simpson 1/3 y 3/8. 24.

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

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

27 5.0 . 8 y 16 KBgmentoN de la regla trape /oidul puní calcular la integral. L = inductancia (en henrys. pero ahora use la integración de Koniberg con <•:.2I Repita el problema 24.04 6.2.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./ 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). 0. Se puede calcular din la ley de Fourier.24 Suponga que la corriente a través de un resistor es descrita por la función ¡(0 = (60 .15 0.04 . M.2 15 /. 0 0 9 j r + (2 x 10 2 V Kmplec la ecuación del problema 24.26 Realice el mismo cálculo que en la sección 24.22 Kepita el problema 24.íl'.5x0. Use la cuadratura de Gauss con cinco puntos para ("¡lunar la integral.00 8.25 para /''(.54 13 1."C SI el Unjo en x = 0 es de 60 W/m . La ley de Fourier es usada rutinariamente por ingenieros arquitectos para determinar el flujo de calor II travos de paredes.4. usted debe estimar el calor total absorbido por un panel colector de 150 000 «tit durante un periodo de 14 horas. El calor total absorbido lo proporUlnnu J ab Jo / qA dt dundo A = área y q = flujo de calor.8 0. 0 0.03 7.62 . pero ahoIÍI pina la corriente especificada por . = corriente (A). pero uhora use la regla de Simpson de segmentos múltiples para calcular: F(x) = \. pero ahora use la siguiente ecuación para el cálculo: 0(x) = 0 .2 0.' 24.'(0 = 4e~ /'(/) = 0 Calcule el voltaje promedio desde t — 0 a 60 mediante la rcglu de Simpson 1/3 de segmentos múltiples.T 2 ' sen 2M para 0 < t < Til para 772 < t<T donde ' / ' = 1 s.56 3. Determino la caída de voltaje como una función del tiempo a partir de lo» siguientes datos para una inductancia de 4 H.3 0. .un área del material por unidad de tiempo. Use 4. Las siguientes temperaturas son medidas en nuil pared de piedra: 2 2 di donde V = caída de voltaje (V).20 M.9 0. calcule k. y t = tiempo (s).80 3. R = 10/ + 2¿ 2/3 x.1 La ley de l'iiraday caracteriza la calda de voltaje a través de un inductor como Emplee los valores de 6 de la tabla 24. T temperatura (°C). L t /' 0.4.10 1 2 3 5..5 0.1 0. Ingeniería mecánica/aeroespacial 24. 24. 1 H = 1 V-s/A). Como ingeniero arquitecto. 8 + 0. I '> lil flujo de calor q es la cantidad de calor que fluye a través di.3.1 17 0. Ingrali-ría eléctrica M 20 Kcalice el mismo cálculo que en la sección 24.ir).125* . dT dx donde. 24.32 6.00 0. El panel tiene una eficiencia do absorción e del 4 5 % . 0.7 1.25 Realice el mismo cálculo que en la sección 24. m 0 20 0.f) sen (V7) y la resistencia es una función de la corriente. pero ahora use la regla de Simpson 1/3.tf + (60 .29 7. 24.3 0.1%. . .57 8.6.20. y x = distancia (m) a lo largo de la trayectoria de flujo de calor.20.55 24.

como en a donde v = m/s.T) a donde T = temperatura del cuerpo (°C).4 20 26. a Utilice diferenciación numérica para determinar dTIdt para cada valor de tiempo.5%. 24. esta ecuación (llamada ley de enfriamiento de Newton) especifica que la razón de enfriamiento es proporcional a la diferencia en temperaturas del cuerpo y del medio ambiente. min 0 90 5 49. 24. Así.26. ) El trabajo realizado por un objeto es igual a la fuerza por lu distancia recorrida en la dirección de la fuerza. la temperatura de la bola cambiará.32¿>.2 25 25. T = temperatura del medio ambiente (°C) y k = constante de proporcionalidad (por minuto).27 Repita el problema 24.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. pero ahora use la cuadratura de (luuss.31 I) r= 4/ i) = 24 + (6 .31) se puede expresar como .26. La velocidad ilo un objeto en la dirección de una fuerza está dada por s FIGURA P24. 24. pero ahora use la integración de Romberg con e = 0. .26.32 Una barra sujeta a una carga axial (véase figura P24.9 10 33.2'> Repita el problema 24. como se muestra en la curva esfuerzo-deformación unitaria en la figura P24. pero ahora use lu regla de Simpson 1/3. Emplee la regla trapezoidal de aplicación múltiplo para determinar el trabajo si una fuerza constante de 200 N scuplica para todo?.4 al .32a) se deformará. 2 4 M . 24. Grafique dTIdt contra T — T y emplee regresión lineal para evaluar k.2H Vuelva a realizar el problema 24. El área bajo la curva va desde un esfuerzo cero hasta el punto de ruptura y se le llama módulo a 1 °C FIGURA P24.8 15 28.31 La razón de enfriamiento de un cuerpo (véase figura 1*24.1 = -k(T Tiempo.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.696 A P L I C A C I O N E S EN LA INGENIERÍA: INTEGRACIÓN NUMÉRICA Y DIFERENCIACIÓN 24.

063 0.15 0.51 186 1. en 0.03 209 1.11 0. Proporciona una M E D I D A de la energía pin uuidiid de volumen requerido para caunir la ruptura del mahirlal. Si u = 2 000 m/s. (Para entender el significado de esta relación en forma 1/6 « = 2. Portante.13 0. Como tal.35 0. 2 x= F.tÍ¥ riRltln del inutoriul. use la regla trapezoidal y la de Simpson 1/3 con dad vertical está dada por seis segmentos. 2 cm). Estiexpulsa el combustible relativo al cohete.326.24 272 3.30 M. m 0 0 0.. Q = IvdA.2 0 ) 2 20 < / < 30 .04o 0. ka 3 • A ) (2irr) dr donde r es el radio total (en este caso.8 m/s ).01 0. -: 1 0 0 0 .25 0. Use integración numérica B M H enleular los módulos de rigidez para la curva esfuerzo-deFIGURA P24. el volumen de agua que donde r es la distancia radial medida hacia afuera del centro de pn>IN a través de la tubería por unidad de tiempo) con dundo nes la velocidad y A es el área de la sección transversal de la tubería. 24.37 La velocidad hacia arriba de un cohete se puede calcular con la siguiente fórmula: 1 ( v = u ln m 0 154 0.O(l-¿) fínica. 1 0 N x.5/ 0</<10 alto volará el cohete en 30 segundos. es representativo de la habilidad del material |lMh resistir una carga por impacto.082 0.33 fttf tune ION unitaria que se tiene en la figura P24. m = masa inicial del me lu velocidad y la aceleración usando dicohete en el tiempo / = 0.) I'aru un tubo circular.33).028 0.20 0.10 0. La posición de un avión caza sobre un portaaviones fue Itimuda durante el aterrizaje: I.36 262 3. m = 150 000 kg y evaluar lu distancia vertical recorrida por un cohete si la velociq = 2 600 kg/s. 1 4 . ble y g = aceleración hacia abajo debido a la gravedad (se supo14 \b limplee la regla trapezoidal de aplicación múltiple para ne constante = 9. q = razón de consumo de combustiferenciación numérica. 1 1 S I se conoce la velocidad de distribución de unfluidotransportándose a través de una tubería (véase figura P24. 0 A = rcP'ydA = licrdr. % 24.34 Mediante los siguientes datos. u = velocidad a la cual se donde x es la distancia desde el extremo del portaaviones. la cuadratura de Gauss con seis puntos y los métodos de Romberg del orden de /¡ para determinar qué tan . 1 Oí . calcule el trabajo realizado al estirar un resorte que tiene una constante de resorte de 3 X 10 N/m.5 ? 1 » 45/ + 2(/ . calcule Q usando la regla trapezoidal de aplicación múltiple. recuerde la conexión cercana entre sumatoria e integración. S m 0 ° \ ti) (dx/dt) b) 10<í <20 (dv/df) 0 2 0 2 8 1. se puede calcular la razón de flujo Q (es decir.74 250 2. Analice sus resultados.82 274 — gt \m -qtj donde v = velocidad hacia arriba.45 m.05 0. Si la distribución de velocidad está dada por lu tubería.

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

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

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

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

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

1).9) para dar — + ^ = 0 (PT7. Aunque la linearización es una herramienta muy valiosa para resolver problemas en ingeniería. suponga que nos interesamos en estudiar el comportamiento del péndulo para grandes desplazamientos desde el equilibrio. En contraste.9) en una forma lineal que es fáci 1 de resolver de manera analítica. electricidad y termodinámica están basadas con frecuencia en observaciones empíricas que explicon variaciones en las propio- .computadcrtm. para pequeños valores de 6). suponemos que nos interesamos sólo en casos donde 0 es pequeña. Una forma para obtener una solución analítica es darse cuenta que para pequeños desplazamientos del péndulo a partir de su condición de equilibrio (es decir. En la actualidad.2 E D O y práctica de la ingeniería Las leyes fundamentales de la física.8) donde y-"' es la H-ésima derivada de y con respecto a x y las a yf son funciones específicas de x. en la era antes de la computadora. En tales casos. por tanto. Un ejemplo simple es la aplicación de las EDO para predecir el movimiento de un péndulo oscilante (véase la figura 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. 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) (PT7.10) Así.11) Tenemos. PT7. De manera similar a como se hizo en la derivación del problema del paracaidista en caída. Esta ecuación se conoce como lineal debido a que no hay productos o funciones no lineales de la variable dependiente y sus derivadas. los métodos numéricos ofrecen una opción viable para obtener soluciones. Por ejemplo. que transformar la ecuación (PT7. una táctica para resolver ecuaciones no lineales era linearizarlas. la ecuación (PT7. Esta ecuación es no lineal debido al término sen 6.1.9) donde 0es el ángulo de desplazamiento del péndulo. existen casos donde no se puede utilizar. unten del auge de éstas los ingenieros se hallaban limitados en el alcance de sus investigaciones. Un método muy importante que los ingenieros y matemáticos aplicados desarrollaron para superar este dilema fue la linearización. la disponibilidad tan amplia de las computadoras coloca esta opción al alcance de todos los ingenieros. Así.sen 0 = 0 l (PT7. g es la constante gravitacional y / es la longitud del péndulo.4 para la derivación completa): ~ dt + 2 .10) se puede sustituir en la ecuación (PT7. send=6 (PT. mecánica. la mayoría de las ecuaciones no lineales no pueden ser resueltas en forma exacta.

como se describió en la sección anterior. masa o velocidad. tales relaciones matemáticas son la base para la solución de un gran número de problemas de ingeniería. Sin embargo. Más que en describir directamente el estado de los sistemas físicos. los métodos que se analizan en los siguientes capítulos son extremadamente importantes en todos los campos de la ingeniería. resultan ecuaciones diferenciales. 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. Esta ecuación se podría utilizar en diferentes formas.1 se enlistan varios ejemplos. obtenemos una ecuación para predecir la velocidad de caída como una función del tiempo (véase figura PT7.706 ECUACIONES DIFERENCIALES ORDINARIAS TABLA PT7.2). PT7. conductividad térmica [k] y temperatura [T] Flujo másico [J]. 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. Cuando se combinan con las leyes de conservación de la energía. las leyes se usan a menudo en términos de los cambios espacial y temporal.12) 4 s . entre ellas para propósitos de diseño. Al integrar esta relación. En la tabla PT7.2 ANTECEDENTES MATEMÁTICOS Una solución de una ecuación diferencial ordinaria es una función específica de la variable independiente y de parámetros que satisfacen la ecuación diferencial original. Para ilustrar este concepto. 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. fuerza {() y masa (m) Flujo de calor \q). masa o momentum. empecemos con una función dada y m -0.5JC + Ax 1(1*' i (PT7. inductancia (í) y corriente (/) ¡( dades físicas y estados de los sistemas. Esas leyes definen mecanismos de cambio. muchas de las ecuaciones diferenciales de importancia práctica no se pueden resolver mediante métodos analíticos de cálculo. De hecho.1 Ejemplos de las leyes fundamentales que se escriben en términos de la razón de cambio de variables (f = tiempo y x = posición). 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. F ám q= dx dx J= dt -D — Variables y parámetros Velocidad (v). coeficiente de difusión (D) y concentración (c) Caída de voltaje (AV ). Así.

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

+ 4 x .5* + C (PT7.14) la cual es idéntica a la función original con una notable excepción. un tipo de condición auxiliar llamada valor inicial es requerida para determinar la constante y obtener una solución única.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.I0x 4 3 2 + 8.1 Ox + 3 2 para cada término de la ecuación se obtiene la solución y = . De hecho.3 4 Gráficas de a] y contra x y b) dy/dx contra x para la función y = . 5 ( 0 ) + 4(0)-' . la ecuación (PT7.0 . para especificar la solución por completo.13) se podría acompañar por la condición inicial que en x = 0.14): 1 . y = 1. 5 * + 4x .lütOD'+JUCO) + C 4 (PT7. perdemos el valor constante de 1 en la ecuación original y ganamos el valor C. Esta C es llamada constante de integración. la ecuación diferencial comúnmente se encuentra acompañada por condiciones auxiliares. 5 x + 1.14).15) . í x 8 . la figura PT7.708 ICUACIONES DIFERENCIALES ORDINARIAS FIGURA PT7. En el curso de diferenciación y después de la integración.0 . Por tanto. lo es pero de un número infinito de funciones posibles (correspondiente a un número infinito de posibles valores de Q que satisfacen la ecuación diferencial. Por ejemplo. Estos valores podrían sustituirse en la ecuación (PT7.O .. Por ejemplo. Para las EDO de primer orden.

se requiere de n condiciones para obtener una solución única.3 «HJIUCIÓN fif FIGURA PT7.16) De esta forma. El siguiente material tiene como FT7.5.12)].14) al forzarla a pasar a través de ln condición inicial.FT7. PT7.x .5x + 1 (PT7.I5) . Los capítulos 25 y 26 se concentrarán sobre problemas de valor inicial. en el problema del paracaidista en caída. hemos "sujetado" la ecuación (PT7.3 ORIENTACIÓN Antes de proceder con los método» numéricos para la solución de ecuaciones diferenciaIos ordinarias. 3 2 para determinar C = 1. Cuando tratamos con una ecuación diferencial de n-ésimo orden. Esto contrasta con los problemas de valor límite donde la especificación de condiciones ocurre con diferentes valores de la variable independiente. 5 x + Ax .0 .2 0 x +8. entonces al problema se le conoce como problema de valor inicial. en* o t — 0). y al hacerlo desarrollamos una solución única para la EDO y completamos un círculo con la función original [véase ecuación (PT7. Los problemas de valor límite se abordarán en el capítulo 27 junto con los de valores propios. Cada una conforma un valor diferente de la constante de integración C.14) para dar y = .I0x 4 3 2 + 8. Por ejemplo. la solución debería haberse modificado al tomar en cuenta esta velocidad inicial. podría ser de utilidad alguna orientación. Por tanto. la condición inicial fue un reflejo del hecho físico de que en el tiempo cero la velocidad vertical fue cero. Si el paracaidista hubiese estado en movimiento vertical en el tiempo cero. la solución única que satisface a la ecuación diferencial y a la condición inicial especificada se obtiene al sustituir C = 1 en la ecuación (PT7.4 Seis posibles soluciones para la integral de -2X + 1 2. Las condiciones iniciales usualmente tienen interpretaciones muy tangibles para las ecuaciones diferenciales derivadas de las condiciones de problemas físicos. Si se especifican todas las condiciones en el mismo valor de la variable independiente (por ejemplo.

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

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

10. Entender cómo se integra el control del tamaño de paso adaptativo en un método RK de cuarto orden. 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. Todo tiene utilidad como herramientas de aprendizaje. poder reducir una EDO de n-ésimo orden a un sistema de n EDO de primer orden. usted debe aumentar de manera notoria su capacidad para enfrentar y resolver ecuaciones diferenciales ordinarias y problemas de valores propios. Las metas de estudio en general deberían incluir el manejo de las técnicas. Saber la diferencia entre los métodos de multipaso y de un paso. 16. Entender la base de los métodos predictor-corrector. Entender las representaciones visuales de los métodos de Euler. 4. en particular. Saber lo racional detrás de los métodos de polinomios y los de potencia para determinar valores propios. En particular. darse cuenta que todos los métodos multipaso son predictor-corrector. 14. Entender la distinción entre esquemas de solución implícitos y explícitos para EDO.3.2 Objetivos de estudio específicos para la parte siete. Después de completar la parte siete. 3. 18. Conocer la forma general de los métodos de Runge-Kutta. entender cómo dichos errores tienen que ver con ia exactitud de las técnicas. darse cuenta de que hay un número infinito de versiones posibles para los métodos RK de segundo orden y superiores. percatarse que la eficiencia del corrector es dependiente de la exactitud del predictor. Entender la deducción del método RK de segundo orden y cómo se relaciona con la expansión en serie de Taylor. 8. y una capacidad para asegurar la confiabilidad de las respuestas. reconocer sus fortalezas y limitaciones. 5.2.712 ICUACIONIS DIFERENCIALES ORDINARIAS PT7. 1 3. 1 1. propios. 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. de Heun y del punto medio. 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. 17. Entender la conexión entre fórmulas de integración y métodos predictor-corrector. Saber cómo usar los paquetes de sollwdn» y/o librerías para integrar las EDO y evaluar los V O I O I U Í . 1. . 9. Saber cómo aplicar cualquiera de los métodos RK a sistemas de ecuaciones. 7. 15. Entender cómo la deflación de Hoteller permite que el método de potencias se utilice para calculai los valores propios intermedios. 2. Se le proporcionó ya el software y algoritmos para implementar las técnicas analizadas en la parte siete. Objetivos d e cómputo. 12. Entender la diferencia entre problemas de valor inicial y de valores en la frontera.2 M e t a s y objetivos Objetivos d e estudio. Reconocer la diferencia fundamental entre las fórmulas de integración de Newton-Cotes y la de Adams. Emplea el método de Runge-Kutta de cuarto orden para la solución de TABLA PT7. En particular. Además de estos objetivos generales. y poder seleccionar el "mejor" método (o métodos) para cualquier problema en particular. Reconocer de qué modo la combinación de los componentes lentos y rápidos hacen una ecuación o un sistema de ecuaciones rígidos. debería dominar los objetivos de estudio específicos que se enlistan en la tabla PT7 . reconocer cómo el último 1) aminora la rigidez del problema y 2) complica la mecánica de solución. 6. El software para su computadora personal TOOLKIT de métodos numéricos es de uso amigable. pero no a la inversa. Reconocer el tipo de problema en contexto donde es importante el ajuste del tamaño de paso.

En particular. Por último. una de sus más importantes metas debería ser el dominio de los paquetes de software de propósito general que están disponibles ampliamente.hasta cinco Hl)() simultáneas. debería convertirse en un entusiasta usuario de esas herramientas para implementar métodos numéricos en la solución de problemas de ingeniería. El software es muy fácil de aplicar para resolver muchos problemas prácticos y puede usarse con el fin de verificar los resultados de cualquier programa en computadora que usted haya desarrollado. Por ejemplo. se proporciona los algoritmos para muchos otros métodos en la parte siete. Esta información le permitirá aumentar su librería de software. . 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. Además.

1). la pendiente estimada < ¡ > se usa para extrapolar desde un valor anterior y.1) De acuerdo con esta ecuación. .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. i+i y =yi +<ph ( + (25. Esta fórmula se puede aplicar paso a paso para calcular el valor en el futuro y.a un nuevo v a l o r ^ . por tanto. FIGURA 25. o en términos matemáticos. trazar la trayectoria de la solución. en una distanciad (véase figura 25.1 Ilustración gráfica del método de un paso. Recuerde que el método fue de la forma general Nuevo valor = valor anterior + pendiente x tamaño de paso.

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

0 -125.5.20(0) + 8.0 Xverdadero •3.10(0.5) = 5.0 . Los valores aproximados se calcularon mediante el método de Euler con un tamaño de paso de 0.0 2.5 es y = .0Ü000 Global Local í ooooo) -63.5(0.0 3. 5 * + 4 x .5 3.5 4.12500 /.16): y = .716 EJEMPLO 25.5 3 2 * ' I ¡J Por tanto. i Se puede usar la ecuación (25.71875 3.75000 5.2 ( 0 ) + 12(0) .3 -63. 5 ) + 4(0.8 131. VU : y(0. 3 2 E r r o r r e l a t i v o porcentual X 0.21875 4 3 2 TABLA 25. 1) = .87500 7.5 17.20x + 8. Recuerde que la solución exacta la da la ecuación (PT7.25 La solución real en * = 0 . La condición inicial en* = Oesy = 1. 1 MÉTODOS DE RUNGE-KUTTA Método de Euler | Enunciado del problema.3 4. 13): Use el método de Euler para integrar numéricamente la í — = -2x dx 3 + 12x .1 Comparación de los valores verdadero y aproximado de la integral de y' = -2X + 1 2X .5) + 1 = 3.0 -74.41 20. \ y (0.12500 4.9 -51.0 -1.00000 2.5) = y(0) + /(O. El error global es la discrepancia total debida a los pasos anteriores así como a los actuales.10x + 8.5 = 8.5(0.5 2 desde* = Ohastax = 4con un tamaño depaso 0 .0 .?'.5 1. El error local se refiere al error incurrido sobre un solo paso.0 .0 0.1 -95. 1)0.0 1.0 + 8.20* + 8. \ ecuación (PT7.00000 YEuler '^25000) 6.1 -28.5* + 1 4 3 2 Solución.3 -53. Se calcula con una expansión de la serie de Taylor como en el ejemplo 25.00000 4. 5 ( 0 .00000 2.5 donde y (0) = 1 y la pendiente estimada e n * = 0 es /(O. con la condición inicial de que y = 1 en x = 0.5) .5 2.5.21875 2.B75-> 3.5) = 1.7 46.2) para implementar el método de Euler: ^ \ .0 -1 1.71875 4.0 133.5.50000 4.2.5) + 8.

20(0. y ( l ) = }. expresada como error relativo porcentual. 5 . El ejemplo anterior usa un polinomio simple para la ecuación diferencial con el fin de facilitar el siguiente análisis de error.875 La solución real en x = 1. = verdadero . De esta forma. el error es E. Observe que aunque el cálculo captura la tendencia general de la solución verdadera.3 3 2 Comparación de la solución verdadera con una solución numérica mediante el método de Euler para la integral de y' = .20x + 8 .1%. 8 % . El cálculo se repite y los resultados se compilan en la tabla 25.5. dy dx » /(O .1 MÍTOOO D EE U L E R 7TT O O 2 4 x FIGURA 25. este error se puede reducir al usar un tamaño de paso más pequeño.2 X + 1 2 X .5] 0. el error relativo porcentual es .21875 .5 = 5. — —63. por tanto.25 + [~2(0. e.5 3 2 = 5.25)0.0 y. La condición inicial en x = 0 es y = 1.25 = .5) + 12(0. 0 3 1 2 5 o. Para el segundo paso.1 y la figura 25.aproximado = 3.2 .0 es 3.5. 5 desde x = 0 hasta x = 4 con un tamaño de paso de 0.(0.5) + 8. 5.3.5) . Como se analiza en la siguiente sección.9 5 .25. el error es considerable.5) + / ( 0 . Así.

la función que describe el comportamiento de y) tiene derivadas continuas. y¡). como en [recuerde la ecuación (4. = v. La segunda es un error de truncamiento propagado que resulta de las aproximaciones producidas durante los pasos previos.A':: 1 ( V .4) y (25. respectivamente. Es posible desarrollar una forma alternativa al sustituir la ecuación (25.7)] y.+ . definido como (25. + yjh + ^h n 2 z! + --.5) para obtener ¡+1 y . o error de truncamiento global. nuestros ejemplos involucrarán en forma gradual un número de EDO que dependen de ambas variables: independientes y dependientes.)/. Los errores de truncamiento se componen de dos partes. puede representarse por una expansión de la serie de Taylor con respecto a los valores de inicio (x¡. donde ¿j está en algún lugar en el intervalo de x¡ a x .5. . >0 (25../U„ v. causados por la naturaleza de las técnicas empleadas para aproximar los valores de y. x y y. . La primera es un error de truncamiento local que resulta de una aplicación del método en cuestión sobre un paso sencillo. yxyy son las variables independiente y dependiente.718 MÉTODOS DE RUNGE-KUTTA Obviamente. / Ü V ' V 1 1.4) donde h = x¡ j — x¡yR *. que son el resultado del número límite de cifras significativas que puede retener una computadora.././-. Errores de redondeo.3) donde y ' = dy/dx. La suma de los dos és el total. o discretización. 2. observe que la ecuación diferencial sujeta a integración será de la forma general: y ' = /(JF. Si la solución (es decir. Errores de truncamiento.1.+ \ h n n\ + R„ (25.1 A n á l i s i s de e r r o r p a r a el método de Euler La solución numérica de los EDO involucra dos tipos de error (recuerde los capítulos 3 y 4): 1. y) Conforme avancemos en esta parte del texto. 25. -r = dx ftx. Para ello. un caso más general (y más común) involucra varios EDO que dependen de ambos. + 1 = y. = = término remanente.6) 2! IÚ . I ( • " .3) en las ecuaciones (25. Se puede obtener cierto conocimiento acerca de la magnitud y propiedades del error de truncamiento al derivar el método de Euler directamente de la expansión de la serie de Taylor.» Í) t (Hh""> (25.

7) donde E = error de truncamiento local verdadero. Al restar la ecuación (25.2).20 (E25.1.3) f"iM.) .v. Debido a que tratamos con un polinomio.6) se tiene + 0(h ) n+l (25.2) de la (25. Para el presente caso. Al comparar las ecuaciones (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. Úsela también para determinar el error debido a cada uno de los términos de orden superior de la serie de expansión de Taylor. la segunda derivada de la solución). y¡) — primera derivada de la ecuación diferencial (que es. podemos usar la serie de Taylor para obtener estimaciones exactas en el método de Euler.7) disminuyen con frecuencia en tanto aumenta el orden (recuerde el ejemplo 4.2. Por ejemplo.12v + 24 (E25. Además.2 y el análisis que lo acompaña). y¡)h.2. y el resultado a menudo es representado como t 2! (25. y. Solución. puede verse que el método de Euler corresponde a la serie de Taylor hasta e incluyendo el término f(x¡. y.1) donde f'(x¡.2) y (25. 2 Estimación de la serie de Taylor por el método del error de Euler \ Enunciando del problema. o dejamos fuera.8) E = a a O(lr) (25..7) se puede escribir como E.y. f'ixi.9) donde E = error de truncamiento local aproximado. La ecuación (25.2.2) y¡) es lu segunda derivada de la EDO * . Use la ecuación (25. + 2Ax .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. EJEMPLO 2 5 . 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 (25.6). ésta es /"(.-.25 . Para h lo suficientemente pequeña. yi)_ 3! 2 4! h2+ /"(*. los errores en los términos de la ecuación (25. una parte de la solución verdadera.-) ft3 + / ( 3 ) (*My.) = -6x yf"(x¡. De esta forma truncamos.) / 7 4 (E25.7) para estimar el error del paso inicial del ejemplo 25.

1.0. t2 t3 t¥ Como se ilustra en el ejemplo 25. el error creado durante un solo paso del método. . El error local se calculó para cada tamaño de tiempo con la ecuación (25.2.2.5 .5) = .5) = 0..1) a la (E25.2.2 = — . 5 2 7 2 (E25. y los términos de orden superior podrían tener valores diferentes a cero. como se hizo en el método ele Euler.2 .4) Podemos omitir términos adicionales (esto es.2. + £ . la serie de Taylor proporciona un medio para cuantificar el error en el método de Euler. el error de truncamiento local absoluto promedio (25%) es menor que el error global promedio (90%). Sin embargo. para el presente caso. existen limitaciones asociadas con su uso para este propósito: 1. funciones trascendentales como sinusoides o exponenciales) esto podría no necesariamente ser cierto. 0 ) + 24 o (0. en lugar del valor aproximado (la tercera columna). Como se esperaba. 3 + E 2 f tA = .1).20 E.1 2 (3 ( (IÍ25. = — 12 (0.5 J y para el término de cuarto orden: E. por tanto. .6 ( 0 . La única razón que tendríamos puní hacer estos cálculos do error a&tetoi. y¡) es la tercera derivada de la EDO 3) / >(x -. = E. Sin embargo.2. La serie de Taylor proporciona sólo un estimado del error de truncamiento local.MÉTODOS DE RUNGE-KUTTA y/* (x.8).2 .1 2 ( 0 . En la tabla 25. = 3 . 0 3 1 2 5 24 4 4 Estos tres resultados pueden ser agregados para obtener el error de truncamiento total: E.5) Para el término de tercer orden: £. ya que para este caso en particular son igual a cero.0 .-. en que conocemos el valor verdadero a priorl.03125 = -2.1. del error de truncamiento global. 5 + 0. Se debería observar que para otras funciones (por ejemplo.y. No proporciona una medida del error propagado y. en decir.0 = .0) ..2). las ecuaciones (E25. pero mediante el uso del valor verdadero de y¡ (la segunda columna de la tabla) para calcular y¡ . el error de truncamiento del término de segundo orden se puede calcular como . Observe como E > E > E el cual soporta la aproximación representada por In ecuación (25.2 .4) definen por completo el error de truncamiento para una sola aplicación del método de Euler.5) = .03125 el cual es exactamente el error en que se incurría en el paso inicial del ejemplo 25.. derivadas de cuarto y superiores) de la ecuación (E25. 0 ) + 24(0.— ^ — (0. Por ejemplo.1 incluimos los errores de truncamiento global y local para el ejemplo 25.

Es decir.9). la segunda derivada podría ser cero. el error de truncamiento local será 0(h" ) y el error global 0(h"). en consecuencia. Así.25.25. +1 EJEMPLO 2 5 .1. en problemas reales con frecuencia tratamos con funciones que son más complicadas que los polinomios simples.8%. Como se mencionó antes. como lo nnalizaromoa dtapuói. Repita el cálculo del ejemplo 25. es decir. 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. El cálculo se repite. Éito no podrí«aer ol caso en un problema real. Se puede reducir el error al disminuir el tamaño de paso. un método de M -ésimo orden dará resultados perfectos si la solución en turno es un polinomio de n-ésimo orden. Debería también observarse que este patrón general se cumple para métodos do orden superior de un paso. todos los errores locales son negativo» y. Estas observaciones nos llevan a las siguientes conclusiones útiles: 1. el error global aumenta sobre este intervalo. Esto es equiparable a los errores global y local del ejemplo 25. pero ahora use un tama- \ i í j i j | Solución. En consecuencia. y los resultados se compilan en la figura 25. ya que el método de Euler usa segmento» de línea recta para aproximar la solución.46]. 3 Efecto del tamaño de paso reducido sobre el método de Euler Enunciadodel problema. debido a que para una línea recta. 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 6.4a. vemos que el error local es proporcional al cuadrado del tamaño de paso y a la primera derivada de la ecuación diferencial. En consecuencia. Observe también cómo el error local cambia de signo para valores intermedios a lo largo del rango. el error local disminuye a un cuarto y el error global a la mitad. Esta última conclusión tiene sentido intuitivo.2. Así. como se esperaba. la serie de Taylor proporciona todavía un conocimiento valioso en el comportamiento del método de Euler.2) y vea la figura 25. 1969). Además. las derivadas necesarias para evaluar la expansión de la serie de Taylor podrían no siempre ser fáciles de obtener. la solución de la ecuación diferencial) es lineal. De ahí que se haga referencia al método de Euler como uno de primer orden. 2. 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 método proporcionará predicciones libres de error si la función en turno (es decir.4%.1 de 90% y 24.. De acuerdo con la ecuación (25. En la sección . Como el error local es proporcional a esta función. es proporcional al tamaño de paso (Carnahan y cois. 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. que se describen en las siguientes páginas. ño de paso de 0. desde x = 0 hasta x — 1. Se puede también demostrar que el error de truncamiento global es 0(h).2. Aunque estas limitaciones impiden el análisis de error exacto para la mayoría de los problemas prácticos.

la solución numérica puede divergir cada vez más de la solución verdadera en tanto se ejecuta el cálculo. O B S E R V E Q U E EL ERROR " E S T I M A D O " j \ ! i j intermedia del rango.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 . Si el error local cambia en forma continua el signo sobre el intervalo de cálculo. 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 .2. Cerca del extremo. Esta gráfica muestra cl errar relativo porcentual en x • 5 tono UM función del tamaño de paso para el problo- . 5 . TAMAÑOS D E PASO D E 0 . .5). se invierte el proceso y de nuevo aumenta el error global. 2 5 . ' .:" : iv i "i. Tales resultados se conocen como inestables. El efecto de reducciones adicionales en el tamaño de paso sobre el error de truncamiento global del método de Euler se ilustra en la figura 25. donde los errores locales son del mismo signo. el efecto neto será con frecuencia reducir el error global. SE BASA E N LA E C U A C I Ó N (E25.5.! • \ ¡ j J \ FIGURA 25.722 M É T O D O S DE RUNGE-KUTTA «J'i< " ¡ 1 . Sin embargo. los errores locales positivos comienzan a reducir el error global.

Más adelante en este capítulo. Como este tamaño de paso corresponde a 5 000 pasos para ejecutar desde x = 0 hasta x — 5. Observe que aun cuando h so reduzca a 0.1 al 25. la gráfica sugiere una técnica do primer orden como el método de Euler que demanda gran esfuerzo computacional para obtener otros niveles de error aceptables. . el error todavía excede 0. La gráfica muestra el error global relativo porcentual absoluto en x = 5 como una función del tamaño de paso. todos los métodos de un paso tienen la forma general Nuevo valor = viejo valor + pendiente x tamaño de peso La única forma en la que difieren los métodos es en el cálculo de la pendiente. Como se especificó en el inicio de este capítulo. Pieos . son en extremo simples de programar.5 . la simplicidad del método de Euler lo hace una opción extremadamente atractiva para muchos problemas de ingeniería.10) . presentamos técnicas de orden superior que dan mucha mayor exactitud con el mismo esfuerzo computacional. Ya que es muy fácil de programar.1 0. 500 5 000 1 0. 50 . 25. a pesar de su ineficiencia.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. 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. 3 2 ma que estamos examinando en los ejemplos 25.001 Tamaño de paso FIGURA 2 5 .01 0. Sin embargo. debería observarse que. En la próxima sección se desarrolla un algoritmo de cómputo para el método de Euler. la técnica es en particular útil para análisis rápidos. (25.001..20x + 8.1 %.5.1.

A usted le gustaría integrarla hasta x = 4 usando un tamaño de paso de 0. existen varios factores relacionados con la forma en que establecemos las iteraciones. Primero. suponga que el tamaño de paso se habrá de volver muy pequeño para obtener mayor exactitud. Por ejemplo.20x + 8. Además. Esto es. 3 2 .20x + 3. el resultado al final del cálculo podría ser 3. si dx fuera cambiada a 0.1. la acumulación de x en la línea x = x + dx puede estar sujeta a cuantización de errores de la clase analizada en la sección 3.5 nc (xf-xi)/dx 'output initial condition PRINT x.1.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. no es muy modular. a usted le gustaría usar el método de Euler para integrar / = -2x + \2x . y el más importante.1. Por ejemplo.5 y = y + dydx • dx x = x + dx PRINT x. Aunque este programa "hará el trabajo" de duplicar los resultados de la tabla 25. podría ser 3.6.6 Pseudocódigo paro una versión "muda" del método de Euler. y END OQ . = 0. Un pseudocódigo simple para realizar lo anterior podría ser como el que está escrito en la figura 25.01 y se usara la representación estándar IEEE de punto flotante (cerca de siete cifras significativas).999997 en lugar de 4. podría ser crítico si deseamos modificar y mejorar el algoritmo. ¡Para dx = 0. no está muy bien diseñado. el número de variables de salida podría ser muy grande.001.999892! 2 2 FIGURA 25. Por último. 'set ¡ntegratíon range x¡ = O xf = 4 'initialize variables y =i X = XÍ 'eet step eize and determine 'number of calculation steps dx. el algoritmo está imposibilitado sobre la suposición de que el intervalo de cálculo es uniformemente divisible entre el tamaño de paso. Aunque esto no es muy importante para un programa así de pequeño. y 'loop to impiement Euler's method 'and dieplay reeulte DO i =1.nc dydx = -2X + 12X .5. En tales casos. Además.4. debido a que cada valor calculado se despliega. y que desplegara todos los resultados.5.

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

las cuales para este caso son igual a 8.2). c = 12.1. y a. respectivamente.1)] para propósitos comparativos.2)].4. Observe que la gráfica también muestra la solución para el modelo lineal [véase ecuación (E25.4. m = 68.8 j j Resultados gráficos para la solución de la EDO no lineal [véase ecuación (E25.726 MÉTODOS DE RUNGÉ-KUTTA EJEMPLO 2 5 . Podemos usar este software para resolver otro problema asociado dv con la caída c del paracaidista.4.8.7.myc son las mismas que en la ecuación (E25. el modelo matemático resultante es más difícil de resolver en forma analítica.5. Lineal No lineal . Además.2 y 46. 2.4. 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. Se puede desarrollar un programa de cómputo a partir del pseudocódigo de la figura 25. Este modelo lo proporciona dv dt = g v + a m m4x (E25. este aumento en la flexibilidad se gana a expensas de evaluar tres coeficientes en lugar de uno. el método de Euler proporciona una alternativa conveniente para obtener una solución numérica aproximada. Usted recordará de la parte uno que nuestro mo— = g v (E25.1 y v = 0 en t = 0. Esas soluciones fueron para el caso en el g = 9.2) donde g.3. | FIGURA 25. 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). b y i» son constantes empíricas. Sin embargo.4. En este caso.1) delo matemático para la velocidad se basó en la segunda ley de Newton en la forma dt m Esta ecuación diferencial se resolvió tanto de manera analítica (ejemplo 1. 4 Rto iv l tindo a l E D O con computadora Enunciado del problema.1) como numérica con el método de Euler (ejemplo 1.

con la inclusión del término de segundo orden en la ecuación (25. lineal y no lineal. con un tamaño de paso de integración de 0.y) / < * .1 7 . como se describe en las siguientes secciones.* 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. Esos esquemas son comparables en desempeño con los procedimientos de la serio de Taylor de orden superior. + f(xi.Vi) Las derivadas de orden superior se hacen mucho más complicadas. y) es df(x. pero requieren sólo del cálculo de las primeras derivadas.4. Por ejemplo. requieren diferenciación por la regla de la cadena. Podría probarse en forma similar modelos alternativos. las EDO que son una función tanto de la variable dependiente como de la independiente.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. Tales beneficios deberían permitirle dedicar más tiempo para considerar alternativas creativas y aspectos holísticos del problema en lugar de los tediosos cálculos a mano. En particular.yi) y¡+i = y.y¡)h + J y 7 ^ h 2 (25. Por ejemplo. En consecuencia. se han desarrollado métodos alternativos de un paso. La gráfica de esta figura muestra también un traslape de la solución del modelo lineal para propósitos de comparación. La combinación de una solución generada con la computadora hace de esto una tarea fácil y eficiente.1 s.1. 25.] MftftPCM EULER Solución. 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.6) se obtiene f'(xi. se despliegan en la figura 2 5 H . . En este caso. la velocidad terminal disminuye debido a la resistencia causada por los términos de orden superior en la ecuación (E25. Los resultados para ambos modelos.2).23.3 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. + df(x. la primera derivada de f(x. su inclusión no es tan trivial cuando la EDO es más complicada. * > = £ - .y)dy .

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).2 M E J O R A S DEL M É T O D O DE EULER Una fuente fundamental de error en el método de Euler es que la derivada al inicio del intervalo supuestamente se aplica a través de todo el intervalo.9 Ilustración gráfica del método de Heun. conocido como el método de Heun. Como se demostrará en la sección 25. .9. FIGURA 25. de hecho ambas modificaciones pertenecen a una clase mayor de técnicas de solución llamadas métodos de Runge-Kutta.2. Este procedimiento. Sin embargo. o) Predictor y b) corrector. Las dos derivadas se promedian después con el fin de obtener una estimación mejorada de la pendiente para todo el intervalo. se ilustra en forma gráfica en la figura 25. como éstos poseen una interpretación gráfica muy directa. los presentaremos primero para su derivación formal como métodos Runge-Kutta. Se dispone de dos simples modificaciones para evitar este defecto.728 MÉTODOS DE RUNGE-KUTTA 25.3. 25.

y = y'¡ + y¡ i + = / f e .13) no es la respuesta final. se puede expresar en forma concisa como Predictor (figura 25.13) en el método de sino una predicO." f( X y. ) + /(*.13) es llamada ecuaciónpredictor. se puede aplicar en una forma iterativa. / ( * . ) + /(x.16) t i e n e y en ambos lados del signo igual. . Sin embargo.5)] í+1 + . 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.) + ) h Observe que como la ecuación (25. Heun l a y .yi)h (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 . ción intermedia. una estimación anterior podrá usarse de manera repetida para proporcionar una estimación mejorada d e y . Como se desarrolló antes.14)] pueden combinarse con el fin de obtener una pendiente promedio para el intervalo: -.) se usa para extrapolar linealmente a y ¡ .10. Mejora una estimación de y cálculo de una estimación de la pendiente al final del intervalo: + 1 i+l y' ¡+1 =f(x .zarRecuerdo que en el método PBL M É T O D O . las dos pendientes [véase ecuaciones (25. + f( y. ¡ . y. y .y? ) i+í +l (25.P E B U E W de Euler. Como con los métodos iterativos similares analizados en secciones anteriores de este libro. El proceso se ilustra en la figura 25.12) y (25. El método de Heun es el único método predictor-corrector de un solo paso que se describe en este libro. Es por esto que la distinguimos con un superíndice (25. + .15) (25. un criterio de terminación para la convergencia del corrector está dado por [recuerde la ecuación (3. Todos los métodos multipaso que se analizarán más tarde en el capítulo 26 son de este tipo. + l mmm¡ + f(xi.14) Así.y. Esto es. La ecuación que permite el Para el método estándar de Euler deberemos parar aquí.)h ^ <+»'^+> x i+} X¡> (25. h la cual es conocida como ecuación corrector. y .9a): Corrector (figura 25. como se demostrará en el siguiente ejemplo.96): y° y = y. . y ° y ¿ + i = y. calculada en la ecuación (25.16) l+l = y. la pendiente al inicio de un intervalo y¡ = f(x¡. + 2 + 1 ). El método de Heun es un procedimiento predictor-corrector.12) y?+i=yi (25.+).

+ j-i yi i+ 100% (25.FIGURA 2 5 .5(2) = 3 0 Este resultado difiere mucho de la pendiente promedio actual para el intervalo de 0 a 1.17) +x resultan de la iiteración anterior y actual del corrector. Primero. 1 0 Representación gráfica de la iteración del corrector del método de Heun para obtener un estimado mejorado.1946. 5 A (E25.5. 0M Solución.I) y 1.0.2. La condición inicial en x — 0 es y = 2. Use el método de Heun para integrar y' = 4e — Q. la pendiente en (x . . como se calculó de la ecuación diferencial con la ecuación (PT6. 5 Método de Heun Enunciado del problema. i y¿+i donde y{ ¡ y y{ mente. respectiva- EJEMPLO 2 5 . Antes de resolver el problema de manera numérica.3 v Esta fórmula se usará para generar los valores de la solución verdadera en la tabla 25. la cual es igual a 4.0. podemos usar cálculo para determinar la siguiente solución analítica ) + 2e . y ) se calcula como 0 0 y = 4e° .4).5y desde x — 0 hasta x = 4 con un tamaño de paso de 1.0 .

el método de Heun sin iteración del corrector reduce el valor absoluto del error por un factor de 2.15)] para obtener un estimado de y en 1.0000000 6. para mejorar el estimado para y usamos el valor y\ para predecir la pendiente al final del intervalo: i + v y \ = f( . al sustituir el nuevo resultado en el lado derecho de la ecuación (25. ¡unto con el error relativo porcentual absoluto. = 2 + ± a8<1) -0.0.402164 la cual puede combinarse con la pendiente inicial para obtener una pendiente promedio sobre el intervalo desde x — 0 hasta 1: 3 + 6. Así.68 3 . Ahora. 0Bx Iteraciones del m é t o d o d e H e u n 1 15 (%) 0.62 y .5(5) = 6.3389626 y .3608655 15.00 8.5y.3 Comparación de los valores verdadero y aproximado d« la Integral de y' m 4e .7350962 La solución numérica se obtiene al usar el predictor [véase ecuación (25.y°) Xl = 4e o m ) .T A B L A 35.7010819 16. con la condición inicial de que y .1992489 83.16)] para dar la predicción en x = 1: yi = 2 + 4. Se muestran dos casos que correspondan a números diferentes de iteraciones del corrector.5(6. El valor verdadero en la tabla 25.8439219 33.7432761 77.17 3.4 al compararlo con el método de Euler.2 muestra que corresponde a un error relativo porcentual del 25.275811 .un H u n i £ f i (%) 0 .09 3.1946314 14.701082(1) = 6. H Xvtrdadaro 0 1 2 3 4 2.2 en x » 0.0.701082)1 — ^ 1 = 6. Este resultado puede ser sustituido en el corrector [véase ecuación (25. Loi valores aproximados se calcularon mediante el método de Heun con un tamaño de paso de 1.3377674 2.0000000 6. Ahora dicho estimado podrá usarse para refinar o corregir la predicción de y.701082 la cual representa un error relativo porcentual de .402164 y 2 que es más cercana a la pendiente promedio verdadera de 4.16): [3 + 4<? y.46 10.3197819 37.1946.18 2. 1 8 % .18 9.6771718 75.3%.3022367 34.0: y°i = 2 + 3(1) = 5 Observe que éste es el resultado que se podría obtener con el método estándar de Euler.94 10.00 2 .8 .0000000 6.

16) para corregir aún más: [3 + 4 e y.732 MÉTODOS DE RUNGE-KUTTA el cual representa un error relativo porcentual del 1.5(6. el cual representa un error relativo del 2. Para esos casos.3)] se puede definir como . la derivada es una función de la variable dependiente y y de la variable independiente x. las iteraciones deberán converger eventualmente sobre un solo valor.31 %. puede sustituirse en la ecuación (25. para tamaños de paso lo suficientemente pequeños.18) y la regla trapezoidal [véase ecuación (21. 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 .19) mdx (25. En el ejemplo anterior. se tiene después de 15 iteraciones. + i . donde la EDO es únicamente función de la variable independiente. Para casos tales como los polinomios. Para nuestro caso.03%.26)] no es requerido y el corrector se aplica sólo una vez para cada iteración.68%. la técnica se expresa en forma concisa como y¡+\ = y¡ + ^ h (25. y nos previenen de dar la conclusión general de que con una iteración adicional se mejorará el resultado. Tales incrementos pueden ocurrir en especial para grandes tamaños de paso. Observe cómo los errores algunas veces crecen en tanto se ejecutan las iteraciones.21) Ahora. a su vez.382129 que representa un |£.y . el paso predictor [véase ecuación (25.20) y.-+i =y¡ mdx (25. La tabla 25.| de 3.3)].+ iI /"• /+l dy = J f(x)dx / y . recuerde del capítulo 21 que In regla trapezoidal [véase ecuación (21. Sin embargo. = 2 + i a 8 ( 1 ) -0.360865. 6.2 muestra los resultados de los cálculos restantes mediante el uso del método con 1 y 15 iteraciones por paso. = jT' + (25.275811)1 ~ ^ 1 = 6.18) Observe la similitud entre el lado derecho de la ecuación (25. Este resultado.

12 ilustra otra modificación simple del método de Euler. V / | | ) donde h = x. que muestra el resultado con el uso del método de Heun para resolver el polinomio del ejemplo 25.6)] E. ) | . el error de truncamiento local está dado por [recuerde la ecuación (21. i+l 2 2 25. y. Así. este valor predicho se usa para calcular una pendiente en el punto medio: y. el corrector [véase ecuación (25. Además. Conocido como método del punto medio (o del polígono mejorado o el modificado de Euler). ae puede representar como i + 1 .23) es una expresión directa de la regla trapezoidal. Como en la sección anterior.23) .2. y¡)- (25.-+i = + x f(x ) i+{ 3'/ H " la cual es equivalente a la ecuación (25.-+i /2 = >•/ + /(A"Í. — h ' 12 (25.25) Después. al disminuir el tamaño de paso aumenta el error a una velocidad mayor que para el método de Euler. + i / 2 ) (25.27) Observe que c o m o y no está en los dos lados. esta técnica usa el método de Euler para predecir un valor de y en el punto medio del intervalo (véase la figura 25. Dicha pendiente es usada después para extrapolar linealmente desde x¡ hasta x¡ (véase figura 25.22) (25. el método es de segundo orden porque la segunda derivada de la EDO es cero cuando la solución verdadera es cuadrática.21) se tiene f(x.) y .Al sustituir la ecuación (25. respectivamente.+i/2 = /fe+i/2../(\\d\ / ( A .rmMTTODO D EB U L Í H M (25.24) donde § está entre x¡ y x .26) el cual se toma para representar una aproximación válida de la pendiente promedio para todo el intervalo. Por tanto. — x.4 que la fórmula más simple do integración abierta de Nowton-Cotos. Recuerde de la tabla 21.12a): y.1. la cual se denomina método de punto medio.2 Método del p u n t o medio (o del polígono mejorado) La figura 25. demuestra este comportamiento.126): + { (25.^.27)] no puede aplicarse de manera iterativa para mejorar la solución.18)./ ( .11. Como la ecuación (25. esto procedimiento podrá también conectarse con las fórmulas de integración de Newton-Cotes.22) en la (25. los errores local y global son 0(h ) y 0(h ). La figura 25.

12 Ilustración gráfica del método de punto medio.1/2. 1 2 /) + . Pendiente = f ( x ft1/2 . a) ecuación (25. + 1/2 ) yf Pendiente = f(x.27). y.734 MÉTODOS DE RUNGE-KUTTA FIGURA 25.25) y b) ecuación (25.

Sin embargo. como la de la ecuación (25. Aun cuando esas versiones requieren más esfuerzo computacional para determinar In pendiente.3 que las diferencias divididas finitas centradas son mejores aproximaciones de las derivadas que cualquiera de las versiones hacia adelante o hacia atrás. 25. .13Z>.7 con el fin de desarrollar el software para el método iterativo de Heun. Este algoritmo se puede combinar con la figura 25.\ i) donde x. pueden aplicarse con ventaja. En este contexto.2. 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. Como en I UN figuras 25. cuando se va a implementar la versión iterativa del método de Heun. podrá expresarse como La sustitución de esta fórmula en la ecuación (25. Con el uso de la nomenclatura para el caso actual.7.13a y 25. una aproximación centrada. se pueden programar fácilmente con la estructura general mostrada en la figura 25.21) da la ecuación (25. De esta manera. la reducción que se tiene en el error nos permite concluir en una sección subsecuente (véase sección 25. 2 3 2 25.27). el método de punto medio obtiene su nombre de la fórmula de integración en turno sobre la cual se basa. es el punto medio del intervalo (a.mSm \ )</> = (b ÍV)/(. Desarrollamos el pseudocódigo para este propósito en la figura 25.13c. el de Heun con un solo corrector y el de punto medio.1. los errores local y global del método de punto medio son 0(h ) y 0(A ).7.4 Resumen Al componer el método de Euler desarrollamos dos nuevas técnicas de segundo orden.26) tiene un error de truncamiento local de 0(h ) en comparación con la aproximación hacia adelante del método de Euler. b).4) que usualmente la exactitud mejorada vale el esfuerzo. se requiere de algunas modificaciones (aunque estén localizadas dentro de un simple módulo). así como el método de Heun puede ser conocido como la regla trapezoidal. En consecuencia.3. respectivamente. Recuerde de nuestra diferenciación numérica en la sección 4. el cual tiene un error de 0(h). se puede escribir rutinas simples que tomen el lugar de la rutina de Euler en la figura 25.3 A l g o r i t m o s de cómputo p a r a los métodos de H e u n y de punto medio Ambos métodos. El 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. Aunque existen ciertos casos donde técnicas fácilmente programables.2. como el método de Euler.

ym. Y. h) es conocida como función incremento. h. h. y. YRI<SIV) CALL Derive dyldx) 5U3 Heun (x. 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 7.13 Pseudocódigo para implementar los métodos a) Heun simple. b) punto medio y c) Heun iterativo. peni todas se pueden denotar en la forma generalizada de la ecuación (25.A-| I n n . Y. la cual puede inteipieltwií como una pendiente representativa sobre el intervalo. y.(x. y. 2 5 . 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. ynew) ym = y + dydx • h/Z CALL Derivs (x + h/Z. Existen muchas variaciones.1): y¡+\ = y¡ +<Ptx¡. dydx) SU£? Midpoint (x. La función incremento . ynew) ye = y + dyldx • h CALL Derivs(x + h. /.736 MÉTODOS DE RUNGE-KUTTA a) Htun LIMPIA sin corrector c) Heun con corrector SU /3 Heunlter (x.y¡. dyZdx) 5hpe = (dyldx + dyZdx)/2 ynew = Y + Slope • h x =x +h END 5U3 es = 0. el método de Heun (sin iteraciones) y el de punto medio y. y.5.h)h (25JH) donde <j> (x¡. de hecho.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. ye. y¡. la misma técnica de Euler son versiones de una clase nú» amplia de procedimiento de un paso denominados métodos de Runge-Kutta. Ahora V P remos el desarrollo formal de esas técnicas.01 maxlt = 20 CALL Der\vs(x. dyZdx) slope = (dyldx + dyZdx)/2 ye = Y + slope • h iter = iter + 1 b) Método del punto medio CALL Der\vs(x. Como se hace notar al inicio de esta sección. h. ye.

-\k„-\h) n (25.30) con la expansión de la serie do Taylor. +q k\h) 2 u 2 (25.28) es y¡+i = y¡ + (a\k\ + a k )h 2 2 (25.1). al menos para las versiones de orden inferior. a .30) donde ki = f(x¡. . + pih. como I QS términos con h y mayores son eliminados durante la derivación.\k\h + q_ kh n h2 2 H h q„-\. y. Para realizar esto.29/)) q k h) 22 2 A'2 = .28) a los términos en la serie de expansión de Taylor (véase cuadro 25./'(. Observe que el método Runge-Kutta (RK) de primer orden con n — 1 es.1 M é t o d o s R u n g e . Es posible concebir varios tipos de métodos Runge-Kutta al emplear diferentes números de términos en la función incremento como la especificada por n. el número de términos n con frecuencia representa el orden de la aproximación. la cual aparece en la ecuación para k . y¡ I tfí\k\h) k-i = /(-V/ + /?2¿.y¡ + q„-\. Las tres C C U U C Í O I I O N son «l f iit - (25. de hecho. los valores para a. I p\h.. En secciones subsecuentes desarrollaremos métodos RK de tercer y cuarto orden (n = 3 y 4).P\ y <?n son evaluados al igualur el término de segundo orden do la ecuación (25. Como cada k es una evaluación funcional. los errores do truncamiento global son 0(h ) y 0(h ). Por ejemplo.v ) ( (25. etcétera.3. Así. / b i .29o) (25. p y q al igualar la ecuación (25.1. esta recurrencia hace que los métodos RK sean eficientes para cálculos en computadora. 2 3 3 2 3 A 25. se evalúan las a.clónelo Un ti «on corialanles y In* k son *i ~ . el error do truncamiento local es 0(h}) y el global es 0(h ). los métodos RK de segundo orden usan la función incremento con dos términos (n = 2).30/)) Como se describe en el cuadro 25. desarrollamos lies ecuaciones para evaluar las cuatro consuntos doMuonocidus. en la siguiente sección. Una vez que se elige n. Esto es.30a) (25. respectivamente. el método de Euler. k¡ aparece en la ecuación para k .29c) = f(xr+ Pn-ih.y¡) k = f(x. Para esos casos.v. Además.31) I . y/ +qi\k\h+ (25.K u t t a d e segundo o r d e n La versión de segundo orden de la ecuación (25. Esos métodos de segundo orden serán exactos si la solución de la ecuación diferencial es cuadrática.29<¿) Observe que las £ son relaciones de recurrencia.

.) =la— +(B25.6) y (B25.1.Para ello.3).3): (B25. al suponer u n valor para una de las constantes. y¡ + quhh) y¡\ \ = y.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¡. recordamos que la serie de Taylor de segundo orden para>> en términos de y. —H Las anteriores tres ecuaciones simultáneas contienen las cuitlfU constantes desconocidas. p\— 2 b( b e t3 /b 3 .j 2 7 / ¡ Ahora.5) — -r tiene dx dy dx y.3) w tiene f(x¡ + p\h. =v + / U .1. 1 Lu versión a segundo orden de la ecuación (25. + (a k +a k )h l 1 2 2 donde y/) y c > (''' = f(x¡. primero usamos una serie de Taylor para expandir la ecuación (B25.7) Si sustituimos ecuación en la ecuación (B25.1.n consecuencia.1. y /(*/• y) escrita como [véase ecuación (25. 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.+ r ><//') +a qnh f(Xi. Como hay una incógnitu más quo el número de ecuaciones. p¡ y q . se debe cumplir lo siguiente: (B25.. a .2) +á k\h— u 9 / dx dy + (Hlf) ki = ñx¡+pih. y ^ + ( .738 M É T O D O S D i RUNGE-KUTTA (25.2) en la (B25.-) + a p\h 2 2 +dx y¡)^.11)] l 2 i it ¡+1 e s t a = y¡ + aihf(x b y¡) + a hf(x¡.26)] 2 u b b ?. y + .1) Si se aplica este método para expandir la ecuación (B25.y)dy dy (B25.1. La serie de Taylor para una función de dos variables se define como [recuerde la ecuación (4.3) Este resultado podrá sustituirse junto con la ecuación (B25.33) Cuadro 2 5 .y¡ + /fe y¡)h + donde / ' f e .1. al agrupar términos.4) se i (x¡.1. si comparamos términos comunes en las ecuación»» (B25.1) para dar y i+l Al usar la ecuación (B25. y) + r— 9 # 9 # +x r o iH . 9/Uy) .32) (25. . podemos determinar las nlrui F. existe una familia de métodos do sc|tumla orden min quo una sola versión.1.5) . 2 y ¡) df(x.yi+qukih) (B25.y. = j aiqu ai + a = 1 2 1 <>iP2 = ^ 1 K(x + r. v ) = x(x.1.1) y (B25. determinamos que para hacer equivalen tes a las dos ecuaciones. /'fe.) 9 x 9 y_ 2 — /i + 0(fc ) 3 («25.1.p y q .1.a .1.4) o.9/" +a2 ?n/te. y¡)]h 2 + a.+ . y.1) debemos determinar los valores para las constantes a . y.1.1. y¡) debe determinarse por diferenciación usando la regla de la cadena (véase sección 25. Sin embargo.7).1.1. no existe un conjunto único do cnnulimtes que satisfagan las ecuaciones. Para ello. 2 2 yi+i .1. y¡) + a f(x¡.1.1. y¡+\ = y¡ + [«i/fe. y¡) + p\h — (B25.6) sean equivalentes.

Si suponemos que a es 1/2.31) a (25.35) Debido a que podemos elegir un número infinito de valores para a .33) para obtener ai = 1 . y la ecuación (25. y¡ + k h) 2 x x 2 (25. = 0. + kh 2 (25. Sin embargo. hay un número interminable de métodos RK de segundo orden. p = q — 1/2. El método d e punto medio ( a = 1 ) .2 3 .376) É l t t M el método del punto medio. debemos suponer el valor de una de estas incógnitas para determinar las otras tres. entonces a. al ser sustituidos en la ecuación (25. En consecuencia. Entonces se puede resolver de manera simultánea las ecuaciones (25. Estos parámetros. .37a) *2 = f(x¡ + -h.35) podrán resolverse para a¡ = 1/2 y p = q = 1. este método Runge-Kutta de segundo orden es de hecho la técnica de Heun sin iteración.34) 1 Pl=qn = 2V 2 2 (25. donde + 1 =y.37) *i = / ( * i . las ecuaciones (25. se obtienen diferentes resultados cuando (como es típicamente el caso) la solución es más complicada. Cada versión podría dar exactamente los mismos resultados si la solución de la EDO fuera cuadrática.y¡ + l X -k^ (25. Si suponemos que a es 1. lineal o una constante. 3 M IW W P B RUNGE-KUTTA 2 i:! <Jüi i . y/) (25.34) y (25.a 2 (25.30) es ahora 2 2 x n y. y.30). dan 2 2 { n y i=y í+ i + (^k l + \ h ^ (25.36) donde *i = /(*¿.366) Observe que k es la pendiente al inicio del intervalo y k es la del final.0 k = f(x¡ + h.v Como tenoinos tres ecuaciones con cuatro incógnitas.36a) (25. A continuación presentamos tres de las versiones más comúnmente usadas y preferidas: Método d e Heun con un solo corrector ( o = 1 / 2 ) . Suponga que especificamos un valor para a .

386) Comparación de varios e s q u e m a s RK d e segundo orden Enunciado del problema.37)| y el método de Ralston [véase ecuación (25.38«) ki = f(x¡ + \h.v 0 es y = 1.3.5) = 1 + 4.5 = 4.21875(0.5 3 2 Sin embargo. Use el método de punto medio [véase ecuación (25. Ralston (1962) y Ralston y Rubinowilz (1978) dolorminuron que al seleccionar a ~ 2/3 se obtiene un límite mínimo sobre el error de Irun camionto para los algoritmos de R K de segundo orden.+ \hh^ (25.20(0. 2 5 ) + 12(0. ti 1/3 y 2 t Pi=V\i= 3 / 4 : donde k\=f{x¡.21875 3 2 2 Observe que tal estimación de la pendiente es mucho más cercana al valor promedio para el intervalo (4. Para esla versión.3). La pendiente en el punto medio puede entonces sustituirse en la ecuación (25.13): f(.3 la) para calcular ki = . y los r e t u l t a d p i M m u m e n en la figura 25.38)] para integrar numéricamente la ecuación (PT7.2 ( 0 . Compare los resultados con los valores obtenidos con otro algoritmo RK de segundo orden: el método de Heun sin corrector de iteración (tabla 25.x. y) = .3. y.4% £1 calculo le repite.5.2 ( 0 ) + 12(0) .5) que podría habar sido usada por el procedimiento de Euler.4375) que la pendiente al inicio del intervalo (8.20(0) + 8.14 y tublu 25. tal resultado carece de relevanri» sobre el segundo paso [el uso de la ecuación (25.5 desde x = 0 hasta x = 4 usando un tamaño de paso de 0.8. Solución.37) para predecir v (0. La condición inicial en .376)] para calcular k = . como la EDO es una función sólo de x. El primer paso en el método de punto medio es el uso de la ecuación (25.5 = 8.25) 4.2 J T -f 12x 2 - 20JC + 8.25) .MÉTODOS DE RUNGE-KUTTA v _ Mfttodo Rulitori ( a 2 / 3 ) . = 3. ..y¡) (25. 109375 K .5) .

5 3.FIGURA 25.0 17.00000 2. k para el primer intervalo es también igual a 8.6 12.855469 4.20x + 8.5 y [véase ecuación (25.5 8.l y | .9 1.0 1 .58203125 3 2 2 T A B L A 2 5 .0 3.00000 3.50000 3.81250 1.81250 4 .609375 3 0 3.4 5.6 4 .00000 4 .7 2.00000 2.984375 1.3 0 1.5.2 9. 3 7 5 ) + 12(0.00000 3.00000 3.68750 2.93750 3 .37500 4. Los valores aproximados se calcularon por medio de tres versiones de los métodos RK de segundo orden con un tamaño de paso de 0.0 2.l y l£.375) . con la condición inicial de que y .00000 0 6.8 7.71875 3 00000 y l£.5 = 2.5.375) + 8.43750 3.109375 2.101563 2.031250 0 1.21875 3.14 Comparación de la solución verdadera con soluciones numéricas usando tres métodos RK de segundo orden y el método de Euler.3 10.21875 2.5 2.5 4.800781 3.37500 2.8 3.1 25.5 1.0 1.2 ( 0 .00000 3.347656 2.0 2.2 X + 12X .4 ó.277344 3.4 4.0 5. Por medio del método de Ralston.386)] x k = .6 0 1. 3 2 Heun X Punto medio (%) RK Ralston de s e g u n d o o r d e n (%) Xverdadero 1.71875 4 .484375 3.117188 4 .0 0.8 12.18750 4.5 21.7 10 .75 2. 3 Comparación de los valores verdadero y aproximado de la integral da y' = .20(0.1 en x = 0.l £ (%) 0.140625 2.

14 y tabla 25.3. y dan resultados exactos cuando la solución es unn cúbica. Ralston (1962) y Ralston y Rabinowitz (1978) desarrollaron una versión alternativa que proporciona un límite mínimo sobre el error de truncamiento.39c) k = f(x¡ + h.3%) (25.5) = 3. y¡ + l l k = f(x¡ 2 -k h^ x (25.1 . los métodos RK de tercer orden tienen errores local y global de 0(h ) y 0(h ).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. Al tratarse de polinomios.MÉTODOS DE RUNGE-KUTTA La pendiente promedio se calcula por </.27734375 s.kih + 2k h) 3 2 Observe que si la derivada es sólo una función de x.3 M é t o d o s R u n g e . y¡ . respectivamente. se debe especificar con antelación los valores para las dos incógnitas con el fin de establecer los parámetros restantes. = 1 (8.5) = 1 + 4.y ) x l i (25.K u t t a de tercer o r d e n Para n = 3. Una versión común que resulta es y t+ i=y¡ + -7 ( i + k 4 k 2 + *3>* ( 2 5 - 3 9 ) donde k =f(x . El resultado de dicho desarrollo es de seis ecuaciones con ocho incógnitas. la ecuación (25.3. Observe que todos los métodos RK de segundo orden son superiores al método de Euler. por tunlo. 4 3 25. La siguiente.58203125) = 4.5) + ^(2. se puede hacer un desarrollo similar al del método de segundo orden. Como hicimos notar con lo* procedimientos de segundo orden. este método de tercer orden se reduce a la regla de Simpson 1/3. 8 2 % Los cálculos se repiten y los resultados se resumen en la figura 25.K u t t a de cuarto o r d e n El más popular de los métodos RK es el de cuarto orden. 8 0 le conoce como método RK clásico de cuarto .3).5546875(0. = .3. Por tanto.5546875 la cual se usará para predecir y (0.39) será también exacta cuando ln ecuación diferencial es cúbica y la solución es de cuarto orden. <sn la forma de uso más común y. 25. hay un número infinito de versiones. En cualquier caso.2 M é t o d o s de R u n g e .

y¡ + ^hhj ' (25.i 4 *-/:iortM . entre la que se cuenta el método RK de cuarto orden.40a) *2 = /(•*/ + ¿ A . + 2 ¿ + 2k + k )h (25 .40) donde *i = / ( * .15. . Como se muestra en la figura 25. . el método RK clásico de cuarto orden es similar a la regla de Simpson 1/3.40a) Observe que para las EDO que sólo son función de x.25 J FFLFPGI D E RUNGE-KUTTA y t + 1 2 3 >HI R ><.406) ¿3 = + \h..40c) h = f (XÍ + h. cada una de las & representa una pendiente. FIGURA 25.40) entonces representa un promedio ponderado de éstas para llegar a la pendiente mejorada.15 Ilustración gráfica de las pendientes estimadas. + — (*.>/. Además. el método RK. yi + ^ i * ) (25 . (25. La ecuación (25.y¡ + kih) (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.

5(2) = 3 Este valor se usa para calcular un valor de y y una pendiente en el punto medio. k — 4. . 7 M T t O D O S i ¡ í DE RUNGE-KUTTA Método RK clásico de cuarto orden Enunciado del problema.25] J 0. 2) = 4 e ° ' 8(0) • =3.21875.25. 8 7 7 6 5 3 k = JX0. .y) = -2x 3 2 Use el método RK clásico de cuarto orden [véase ecuación + l2x -20x + 8.25) = 2. Así. a) Se usa desde la ecuación (25.75) = 3.21875)+ 1. (25.75 k = /(0.5.40) para obtener x 2 3 4 y(0.0. el método de cuarto orden da un resultado exacto.0.723392) = 4 e a 8 ( 0 - 5 ) . y b) f(x.25) =2 + 3(0.877653) = 3.5) = 3. . ] Solución.5(2.5. i | y(0.25.877653) = 4 e 3 o m 2 5 ) i 1 | | .5.25) = 2 .40úT) para calcular k = 8.5 con v(0) = 2 desde x = 0 hasta 0.510611(0.5 mediante un tamaño de paso de h = 0.071785(0.y) =4e * 0S -0.21875 y £ = 1.105603 Por último. Esta última es entonces usada para realizar la predicción coneluyente al final del intervalo. las cuales se sustituyen en la ecuación (25.5(2. y(0. 3. 2 1 8 7 5 ) + 2(4.0.5) = 1 + j^[8.744 EJEMPLO 2 5 .40a) hasta la (25.723392 h = /(0. k = 4.5 \ í la cual es exacta. b) Para este caso.446785 l | Después.16)].40)] para integrar a) f(x. esta pendiente se usará para calcular un valor de y y una pendiente al final del intervalo. las cuatro estimaciones de la pendiente se combinan para obtener unu pendiente promedio. como la solución verdadera es de cuarto orden [véase ecuación (PT7.5) = 2 + 3.0.510611 Esta pendiente a su vez se utiliza para calcular otro valor de y y otra pendiente en el punto medio.5y usando h = 0. 2. y(0.21875 . la pendiente al inicio del intervalo se calcula como ¿i = / ( 0 .5(3.25) = 2 + 3. 2.75) = 4 e ° 2 8 ( a 2 5 ) .5 + 2 ( 4 .5 y una condición inicial de y = 1 en x = 0.25.723392) = 4.

446785) + 4.41) donde *i = / ( * / . y¡ + ^ h + ^k h ) X 2 (25. y¡ + \kih) 2 (25. y¡ + ^k.41/) Observe la similitud entre el método de Butcher y la regla de Boole en la tabla 21. + -L (7^ + 32 *3 + 12Á: + 32k + 7k )h 4 5 6 y ¡ + l = y (25.h 3 + 2 2 y U f c ) 4 (25. pero en general. 25.5) = 2 + 3.41c) h = f(xi + -h.503399 6 L y(0.y) =4e 0Hx Use los métodos RK desde el primero hasta el quinto orden -0. y¡ .4 Métodos de Runge-Kutta de orden s u p e r i o r Donde se requiere resultados más exactos.105603] = 3. y¡ .-k\h + -k h + -jk h .—k h + -k h\ (25.510611) + 2(3.41a) 4 k = / ( x¡ + -h.3.751521. es recomendable el método de Butcher (1964) y el método RK de quinto orden: .-k h + hh ) l X 2 (25 Aid) * s = f(x¡ + ífi.751669 la cual se compara de manera favorable con la solución verdadera de 3. 3 5 ( 12 8 \ Comparación de los métodos de Runge-Kutta Enunciado del problema.h + 2(3.5y .5) = 3. Están disponibles las fórmulas RK de orden superior como el método de Butcher. para resolver f(x.503399(0. }7) (25.3 M É T O D O S DE RUNGE-KUTTA 741 $ = .25.2.41e) 12 4 x¡ + h. la ganancia en exactitud para métodos mayores de cuarto orden está afectada por el esfuerzo computacional y complejidad adicional.416) h = f(x¡ + -h.

8. como en Esfuerzo = n b-a (E25.1) donde «y = número de evaluaciones de la función involucradas en particular en el cálculo RK. Solución. Esta última cantidad es equivalente al número requerida de evaluaciones de la función para obtener el resultado. es el número de aplicaciones de la FIGURA 25. donde graf icamos el valor absoluto del error relativo porcentual contra el esfuerzo computacional.39)]. . Compare la exactitud de los diferentes métodos con el resultado en x — 4 con base en la respuesta exacta y(4) = 75. Los resultados se presentan en la figura 25.16. el RK clásico de cuarto orden y el RK de Butcher de quinto orden. métodos RK desde el primero hasta el quinto orden. el no iterativo de Heun. Comparación del error relativo porcentual contra el esfuerzo computacional para los • . el RK de tercer orden [véase ecuación (25. observe que la técnica de Butcher de quinto orden requiere seis evaluaciones de la función [véase ecuaciones (25.41/)].33896.16 .746 MÉTODOS DE RUNGE-KUTTA oon^(0) <• 2 desde x = 0 hasta x = 4 con varios tamaños de paso. Se realiza el cálculo mediante los métodos de Euler. sin embargo. «yes igual al orden del método.41a) a la (25. Para órdenes < 4. La cantidad (b — á)lh es la integración total del intervalo dividida entre el tamaño de paso (es decir.

K u t t a Como con todos los métodos expuestos en este capítulo.3.16 nos lleva a diferentes conclusiones: primero. los métodos de orden superior alcanzan mayor exactitud para el mismo esfuerzo computacional. y.17 Pseudocódigo para determinar un solo paso del método RK de cuarto orden.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 . SUB KK4 (x.y + kl • h/Z CALL Derívs(x + h/Z. k1) ym . 25.Í I H W O S D E R U N O B . k3) ye = y + k3 • h CALL Derívs(x + h. ynew) CALL Perívs(x.2G.) El ejemplo 25. ye.K U T T A .1) proporciona una modida burda del tiempo de ejecución requerido para alcanzar la respuesta. b. ym. k4) &\opc = (k1 + Z(kZ + k3) + k4)/6 ynew = y + elope • h x • x +h END au» . (Observe que las curvas primero caen con rapidez y después tienden a nivelarse.8. Sin embargo.16 podrían llevarnos a la conclusión de que las técnicas RK de orden superior son siempre los métodos de preferencia. kZ) ym = y + kZ • h/Z CALL Derívs(x + h/Z. como las evaluaciones de la función son con frecuencia pasos consumidores de tiempo. Las subrutinas que calculan las pendientes para todas las otras versiones se pueden programar fácilmente en forma similar.40)]. Asi. La figura 25. segundo.H « « J j j | I í ) s técnieu HK puní obtener resultado). ym.7. FIGURA 25.17 presenta el pseudocódigo para determinar la pendiente del método RK clásico de cuarto orden [véase ecuación (25. las técnicas RK se ajustan muy bien al algoritmo general delineado en la figura 25. y.9 y la figura 25. la ecuación (E25. 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. la ganancia en exactitud con el esfuerzo adicional tiende a disminuir después de un punto. La inspección de la figura 25. Tales elementos de juicio se explorarán con detalle en las aplicaciones de ingeniería en el capítulo 28 y en el epílogo de la parte siete.

. 2 . y = 4 y y — 6.y„) fi(x.5(4)]0.y . . (25.5 = 6. 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.5) = 6 + [4 . 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. . { 2 — = -0.MÉTODOS DE RUNGE-KUTTA 25.5) — 3 calculiidu con U primera ecuación.9 2 . Integre para x = 2 con un tamaño de paso de 0.5) = 4 + [-0. y . Tales sistemas pueden representarse por lo general como dyi dx dyi dx fi(x.0. v yi (0.5 = 3 y (0.y\. I Observe que v. Al PROOCFCRÁI manera similar se tiene . . y„) 2 dy„ d x = / „ ( * .. suponiendo que x — 0. 25. En este caso... ..lví ' Se implementa el método de Euler para cada variable como en la ecuación (. y. .O. y i .(0) = 4 se usa en lu segunda ecuación más que la V](0.3y dx 2 . 9 Resolución de sistemas de EDO mediante el método de Euler Enunciado del problema. Resuelva el siguiente conjunto de ecuaciones diferenciales usando el método de Euler. EJEMPLO 2 5 . . . .1 Método de Euler Todos los métodos analizados en este capítulo para simples ecuaciones pueden extenderse al sistema que se mostró antes.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.5yi dx Solución.2): — = 4-0. Aplicaciones en la ingeniería pueden involucrar miles de ecuaciones simultáneas.3(6) .5.1 (4)J0. Esto se ilustra mejor con el siguiente ejemplo para el método de Euler simple.0. y . .

del ejemplo 25. Es decir.715 8. Dichos valores de punto medio se utilizan.715 .3(6) .45) 1. .094087 0 0. 2 = / ( 0 . Por último.X Yi 4 3 2.i = ^(0. las k se combinan en un conjunto de funciones incremento [como en la ecuación (25. a su vez.25. desarrollamos primero las pendientes para todas las variables en el valor inicial. 4 . 3. Solución.5.6875 1. para calcular un conjunto de pendientes en el punto medio (las k ).3.0.6. Esas pendientes (un conjunto de las k ) se usarán entonces para hacer predicciones de la variable dependiente en el punto medio del intervalo.0. El siguiente ejemplo ilustra el procedimiento. debe tenerse cuidado al determinar las pendientes. Después. La figura 25. '. 4.9.2 ¿.1(4) = 1.5 = 4 + ( . debemos resolver para todas las pendientes al inicio del intervalo: * = / ( 0 . Éstas después se emplearán con el fin de hacer predicciones al final del intervalo y serán usadas para desarrollar pendientes al final del intervalo (las k ).5 = 6 + ( 1 . 1 0 Resolución de sistemas de E D O mediante el método RK de cuario orden Enunciado del problema. 6) = 4 .•• 1. 8 ) — = 6.5 2. 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 ). Sin embargo.5.5(4) = . *2 .0 25.25. { 2 3 4 EJEMPLO 2 5 .75 /o • =R /(0.2 ) — -3.44525 9. debemos calcular los primeros valores de y y y en el punto medio: x 2 y.45 h x 2 los cuales se usarán para calcular el primer conjunto de pendientes de punto medio.2 h 0.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.265625 6 6.4.5 1.45) .15 es útil para visualizar la forma adecuada de hacer esto para el método de cuarto orden. 6 ) = -0.2 Métodos de R u n g e . M Use el método RK de cuarto orden para resolver las EDO Primero.9 7.5 0.40)] y son llevadas de nuevo al inicio para hacer la predicción final. y + k.8 donde k¡j es el /-ésimo valor de k para lay-ésima variable dependiente. 6.25 1.0 1.

42875) = .109375 = 6 + (1.109375. 7 1 5 ) — = 6.40)]: 4 i¡ ! vi(0.78125) .115234 6 >' (0. +k \h X = 4 + (-1.5 1. 7 8 1 2 5 I • | ¡ I h. 7 5 ) — = 3.1 . 3.5 2. 6. se obtiene X 0 0.715125)(0.1. . 7 5 .326886 8.[ . 5 .25.i = /(0. 6.5 = 6.1 . 3.109375.42875) = 1.5625.1 = /(0.857563) = -1.2 + 2 ( . Las modificacioncN incluyen: . 6.857670 6 2 Al proceder en forma similar para los pasos restantes. 6.554688 k .5625.5 = 4 + ( .715125) + 1. ¿3.1 .715 + 1.0 1.78125X0. k 4A = / ( 0 .0 y i Yi 6 6.857563 yi + k h X2 los cuales serán usados para calcular las pendientes al final del intervalo.4.~ 2 2 2 el cual será utilizado para calcular el segundo conjunto de pendientes de punto medio. 3.857670 7.5625 0.5) = 3. 3.5) = 6.3 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 25.5 = 6 + ( 1 . I i j y.7) puede fácilmente extenderse a sistemas de ecuaciones. 8 + 2(1.631794 Los valores de k se pueden entonces usar para calcular [véase ecuación (25.5) = 6 + .750 MÉTODOS DE RUNGE-KUTTA Éstos se usan para determinar el segundo conjunto de predicciones de punto medio. I | i I .[ 1 .471577 25.25.631794J0.2 = /(0. +k 2A h h 0.554688J0.715125 Éstos se utilizarán para determinar las predicciones al final del intervalo y.42875 y + k.889523 1.5 = 3.115234 2.426171 1.946865 4 3.1.632106 8.5) = 4 + .857563) = 1.5.

3. Incluir ecuaciones adicionales con el fin de calcular valores de las derivadas para cada una de las EDO.11)] dyi dx x 2 dyi =l ó . 1 1 Resolución de sistemas de E D O con la computadora Enunciado del problema. 4 1 1 1 H fC U A C O IN e S • •' 1. dx dx V4 3 4 3 -16.2 3 . Output Interval (intervalo de salida) y los parámetros para la gráfica como se muestra en la figura 25. La mayoría de las diferencias se relacionan con el hecho de que 1) trata con n ecuaciones y 2) el detalle adicional del método RK de cuarto orden. Introduzca las ecuaciones y valores iniciales y después haga clic sobre el botón Cale.Y3 Y4 ) hagn clic en el botón Plot. 5. Por ejemplo. n.9)] dy-s dy¡. = y = 0.1 radianes. Finish X (termina X). y = y = 0) y b) un gran desplazamiento ( V ) = y = 7i/4 = 0. Dicha pantalla contiene espacios para la entrada y salida de información asociada con la solución de hasta 5 EDO simultáneas de primer orden. Introducir el numero de ecuaciones. Step Size (tamaño de paso). En el software TOOLKIT de métodos numéricos asociado con el texto. 4. 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. 3 2 4 2 4 Solución.7. Incluir ciclos con el propósito de calcular un nuevo valor para cada variable dependiente. Presione el botón Solve de las EDO en el menú principal del TOOLKIT para tener una pantalla similar a la figura 25. Después haga clic en las cuatro variables que quiera desplegar en l a parte superior de la gráfica (Y I . un modelo lineal para un péndulo oscilante está dado por [recuerde la ecuación (PT7. Observe cómo es similar en estructura y organización a la figura 25.Y2 .785398 radianes.19a.19a. L U N calculados pura I ON modelos lineal y y l e N u l t u t l o s . a) Introduzca los valores apropiados para Start X (inicio de X). Integrar I ON valores iniciales para cada una de las n variables dependientes.18 para el método RK de cuarto orden. l y i dx donde y y y — desplazamiento angular y velocidad.1 sen (y ) 3 donde y y y = desplazamiento angular y velocidad para el caso no lineal. EJEMPLO 2 5 . y = y = 0). Este software es conveniente para comparar diferentes modelos de un sistema físico. 2. Use el TOOLKIT de métodos numéricos para resolver estos sistemas en dos casos: a) un pequeño desplazamiento inicial ( y . Modificar el algoritmo de tal manera que calcule las pendientes para cada una de las variables dependientes. Un modelo no lineal del mismo sistema es [recuerde la ecuación (PT7.

+ 2*(k2 +k3 )+k4 )/6 y¡ = y.. n. dy = . y. X 5UB RK4 (x. k3) DO i = 1. n ym =y + k2 *h/2 END DO CALL Derive (x + h/2..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 . xend) m = m+ 1 DO 1 = 1.n ym¡ = y¡ + k1¡ * h/2 END DO CALL Derive (x + h/2.. 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.n elope-. ye. ym. ym. y. END SUB 2 FIGURA 25. * h END DO x =x +h END 5UB i i i : ¡ i i END DO DO xend = x + xout IF (xend > xf) THEN xend = xf h = dx CALL Inteqrator (x. y. + elope.initíal valué ¡ndependent variable xf = final valué ¡ndependent variable dx = calculation step slze xout = output Interval x = xi m = 0 SUB Inteqrator (x.y..>=y .x < h) THEN h = xend .x CALL RK4 (x. y. .18 Pseudocódigo para sistemas del método RK de cuarto orden. y. n. n Pm= yp. n.number of equatione y¡ = ¡nitial valúes of n dependent variables xi . k4) DO i=1. = . h) IF (x > xend) EXIT END DO END 5UB C) M É T O D O U N R K D E D E CUARTO O R D E N E D O P A R A SISTEMA X DO 1 = 1. h) CALL Derive (x. k2) DO 1=1. dy) dy. + k3¡ * h END DO CALL Derive (x + h. k1) DO ¡ = 1.n ye = y. n. h. h. = (k1.

muchos más cálculos) podría ser una pérdida de tiempo en las regiones de cambio gradual.785398. = J 1 . las soluciones son mucho más distintas y la diferencia es magnificada en tanto el tiempo sea cada vez mayor (véase la figura 25. esto puede representar una seria limitación. la solución cambia de manera gradual. . En consecuencia. 1 3 G 3 F ! 0 2 d Y « d / X . sin embargo. Tal comportamiento sugiere la posibilidad de emplear un gran tamaño de paso para obtener resultados adecuados. un tamaño de paso más pequeño que el necesario (y por tanto. Para la mayor parte del rango. Esto se esperaba.K U T T A Hasta ahora. 25. 7 3 8 3 7 1 d Y d 5 X / = Y 5 0 Variable Valué "•*<*».•:•. presentamos métodos para resolver las EDO que emplean un tamaño de paso constante. 3 . a) i d X • i V d / t X * 2 Y 1 5 3 0 . ya que la suposición de que sen (6) = 0 e s pobre cuando theta es grande. b) Cuando el desplazamiento inicial es n/4 — 0. 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. _ _ Y 4 _ _ ^ 3 . Esto cumple las expectativas debido a que cuando el desplazamiento inicial es pequeño. el tamaño de paso más pequeño necesario para la región del cambio abrupto podría haberse aplicado a todo el cálculo.• * i C e t a t b) He» y no lineal son casi idénticos.20. Por ejemplo.25.. sen (9) = 6. 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. la solución pasa por un cambio abrupto. d Y c 2 K / 1 6 1 .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 . suponga que intentamos integrar una EDO con una solución del tipo expuesto en la figura 25. J S 4 9 F 0 2 . para una región localizada desde x = 1.196). Para un número significativo de problemas. Si se hubiera empleado un algoritmo con tamaño de paso constante.75 hasta x = 2. 5 / 0 1 5 7 : d Y 3 ¿ d X = Y 3 6 3 2 .1 A D A P T A T I V 0 3 DSHJNOL-WOTA > ¡> • Function «oles i i I PIOURA 2 5 .23.

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

43) puede usarse también para corregir la predicción y . el error aproximado es K.yi 2 (25. designa la predicción de un solo paso.40216 + 4.15. la ecuación (25. la corrección es 2 y <.11105]2 = 15.[ 3 + 2(4. el error de truncamiento local se cstimu diferencia c o m o la dil'orcncia entre dos predicciones usando métodos RK de diferente orden. Use el método RK adaptativo de cuarto orden para integrar y'= 4 — fj. una vez como paso total e independientemente como dos mitades de paso.99756) + 12. y y designa la predicción mediante dos mitades de paso. La diferencia en los dos resultados representa un estimado del error de truncamiento local.10584 6 Las dos predicciones de mitad de paso son 1 y ( l ) = 2 + .21730 + 3. el error A puede representarse como 2 A = y .43) Además de proporcionar un criterio para el control del tamaño de paso. 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.71283]1 6 Por tanto.44) Dicha estimación es una exacta de quinto orden.84392.20104 + -[5. Si y.[ 3 + 2(6.91297) + 5.. del mismo orden. EJEMPLO 2 5 . 1 2 Método RK adaptativo de cuarto orden | Enunciado del problema .y + ~ 2 2 (25. La predicción simple con un tamaño de paso h se calcula como y (2) = 2 + .20104 y (2) = 6.5.5. Para la versión RK de cuarto orden. poro con dilbrenlON tiimuños de paso. Ésta es la misma ecuación diferencial que antes se resolvió en el ejemplo 25. 25. En el segundo.70108) + 14.945681]! = 6.1 Método a d a p t a t i v o R K o de m i t a d de p a s o El método de mitad de paso (o RK adaptativo) involucra tomar dos veces cada paso.86249 •-.80164 + 2(8.10584 15 *- 0.5y desde x — 0 hasta 2 usando h = 2 y la condición inicialy(0) = 2.72954 + 7.86249 14. Recuerde que < la solución verdadera es y (2) = 14. 0Sx e Solución.01622 .

y ki = ftxj + -h.5. + t- v v y. y¡ + —k h .46 donde ki = f(x¡. Por ejemplo. = 14.K u t t a Fehlberg Además de dividir el paso como una estrategia para ajustar el tamaño de paso. 175 H A-. 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. 5 l m W + 575 . el procedimiento genera la estimación del error con base en sólo seis evaluaciones de la función. 512 .. 3 ( 1 + -k]h x y. ¡Así.—k h + -k h ( 11 5 70 35. . k.84392 ..45) junto con la fórmula de quinto orden: .14.00235. usamos la siguiente estimación de cuarto orden * . .k<h 4 096 / .+\ >. ¿ 5 = f[x¡ + h.84627 la cual tiene una E = -0.756 | | MÉTODOS DE RUNGE-KUTTA ol cual se compara de manera favorable con el error verdadero de /-. Los resultados pueden ser restados después para obtener un estimado del error de truncamiento local. + ^ 125. para una predicción de cuarto y quinto orden se tiene un total de 10 evaluaciones de la función por cada paso. -{ k + k 4 3 4 277 — -k 1 4 3 3 6 5 1 + -k 4 2J 6 4 g i ^ 4 8 3 8 4 3 -r 5 5 2 % »j 6 \ \h (25. t 25. 18 5 7 5 .—k h + —k h 3 ( X 6 = \ J i 2 3 A + 7 8*' y ¡ + 1631 . \ + 5^*4 + (25.01622 = 14.y¡ h = f[x. y¡ . + ^k h 3 x + 9 2 ~k h 2 x¡ + -h. Un defecto de tal procedimiento es que aumenta en gran medida el esfuerzo computacional. Para el caso actual. 44 275 .86249 .—kih + -k h .86249 = -0. = * + + / 37 250.j/I 110 592 5 Í 2 * * ' 13 824 2 253 \ ' + .2 Método R u n g e . + ^h. y i) 1 / 2825 .0. .01857 El error estimado puede usarse también para concebir la predicción y (2) = 14. 13 5 2 5 .

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. Iti HIJO NO puede resolver con la ecuación (25. 8 3 2 5 8 7 + 10.23.09831 + -10.359883 6. Solución.5.2 4.13237 y k k k k k 2 4 5 6 0 0.42765 12.004842 a 25.908511 4. = 2 + ( ^ 3 + 1^4.12 desde* = 0 a 2 usando h = 2.38677 14 336 4 277 I El error estimado se obtiene al restar esos dos resultados para dar E = 14. la estrategia es incrementar el tamaño de paso si el error es demasiado pequeño y disminuirlo si es muy grande. algunas veces se le llama el método RK Cash-Karp. Press y cois. (1992) han sugerido el siguiente criterio para cumplir con lo anterior: h iictual (25.13237 12 = 14.3 ADAPTATIVOS DB ^NOi'KUHtt»^ Asi.75 2 3.228398 15.14. m EJEMPLO 2 5 .83677 . Debería observarse que los coeficientes particulares usados antes los desarrollaron Cash y Karp (1990). Use la versión Cash-Karp del procedimiento de RungeKutta Fehlberg para realizar el mismo cálculo del ejemplo 25. 3 5 9 8 8 3 + — 6 .359883 + 1^6.09831 10. X El cálculo de las k se puede resumir en la siguiente tabla: Y) 3 3.46) y el error estimado como lu diferencia de I I I N estimaciones de quinto y cuarto orden.17686 Entonces.83192 = 0.13237 )2 = 14.47) .832587 12. En general.20883 7.83192 \378 621 594 1 771 y i junto con una fórmula de quinto orden: y.6 1. se puede usar para ajustar el tamaño de paso. 1 3 Método de Runge-Kutta Fehlberg Enunciado del problema.4 0. éstas pueden usarse para calcular la predicción de cuarto orden / 37 250 125 512 = 2+ 1 — 3 + — 4 .832587 27 648 48 384 55 296 + 1 \ 12.2 2 1. Por tanto.

(1992) para obtener los errores relativos constantes. Si usted trata ahora con un caso donde desee errores relativos constantes a un límite máximo preestablecido. excepto aquellos que cruzan muy cerca de cero.5e (H25.2) . La figura 25. A . con un nivel relativo de error.25 disminuye el tamaño de paso ( A > A^). La figura 25. EJEMPLO 2 5 . Una manera más general de manejar esos casos es determinar A como mm nuev0 aclull n u e v o actual nuev0 actual n u e v o nU( n u e v o V(1 ^ N U E V O ^^ E S C A L A donde e = nivel de tolerancia global. El método RK adaptativo es muy apropiado para la siguienlc ecuación diferencial ordinaria dx + 0. Aunque esto funciona bien sólo cuando ocurren valores positivos. (1992) para sistemas deEDO. es e s c a l a e s c a l a e s c a l a ^ E S C A L A=W+* dx Ésta es la versión que usaremos en nuestro algoritmo. y a = exponente constante que es igual a 0.075)'] (E25. podría necesitar estos valores máximos para figurar en la exactitud deseada.5.46). puede causar problemas para soluciones que pasan por cero.4 A l g o r i t m o de cómputo dy Las figuras 25. la exactitud será manejada en términos del error relativo fraccional. la solución general es y = 0.758 MÉTODOS DE RUNGE-KUTTA donde h ¡ y h = tamaño de paso actual y nuevo. Este algoritmo es acondicionado des P U E S de una implementación más detallada por Press y cois.2 cuando aumenta el tamaño de paso (por ejemplo. s i y = y. pero está limitada por valores máximos absolutos. existe ya u n a y igual a ese límite.21 y 25.5. cuando A < A ) y 0. Un truco sugerido por Press y cois. 1 4 Aplicación en computadora de un esquema adaptativo RK de cuarto orden Enunciado del problema. El parámetro clave en la ecuación (25.I) Observe que para la condición inicial.21 implementa un solo paso de la rutina Cash-Karp (que son las ecuaciones 25. Por ejemplo.47) es obviamente A ya que es su vehículo para especificar la exactitud deseada. y (0) = 0.45 y 25. A = exactitud deseada.6y = iOg-<*-2)7P(O.14. 25. = exactitud actual calculada. usted podría estar simulando una función oscilatoria que repetidamente pasa por cero. Por ejemplo.22 muestran el pseudocódigo para implementar la versión de Cash-Karp del algoritmo Runge-Kutta Fehlberg.22 bosqueja un programa principal general junto con una subrutina que de hecho adapta el tamaño de paso.14. Una manera para realizarlo sería relacionar A . Su elección d e y determinará entonces cómo se ha escalado el error. Para tal caso.

25) / FIGURA 25. b43=1.3. » 4 J I 0 D 0 S ADAPTATIVOS OE H Ü I W W W U T T A OUVROUTINE RKkc (y.dy.2 3 .dc4=c4.dy) yecal=ABS(y)+ABS(h*dy)+tiny IF (x+h>xf) THEN h=xf-x CALL Adapt (x. 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.9./512. ytemp.dy../14336.ytemp.li-Karp.21 l'Miudocódigo para un solo I« I../4&3&4.htry.b53=-70.y..h./37&..ñ10592.25*abs(h)) xnew=x+h IF xnew = x THEN pauee END DO IF emax > econ THEN hnxt=eafety*emax~ *h ELSE hnxt=4.b42=-0.dcUcl-2&25./4096.l3525.3M=O.375 bZI=0.b65=253.13&24.a3=0..epe./40.c3=250.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 . *h END IF x=x+h y=ytemp END Adapt 25 2 ..ytemp.b5l=-1V54. xi.b4U0. dy.b3U3.y h=hnxt ENDDO END SUB Adapt (x. yetr) rARAMETER(a2=0. tiny = l x 10~ epe=0.\\.00005 prínt *.yi x=xí 5 y=y¡ h=h¡ ietep=0 DO IF (ietep > maxetep AND x < xf) EXIT ietep=ietep+1 CALL Deríve(x.yecal.y.dc6=c€>-0.2.h. dc3=c3-18575.xf.2.a5=Ua6=0./62Uc4=125. c6=512J1771.6..b64=44275.k4) ytemp=y+h*(b51*dy+b52*k2+b53*k3+b54*k4) CALL Derive(x+a5*h.k2) ytemp=y+h*(b31*dy+b32*k2) CALL Derive(x+a3*h.b32=9J40./55296„ dc5=-277.y./2764&. b54=35.k5) ytemp=y+h*(b61*dy+b62*k2+b63*k3+b64*k4+b65*k5) CALL Derive(x+a6*h..x./594.5.epe.b62=175.0.dy.yecal.yout.econ=1.2.b6U163U55296.. cU37. b63=575/.. ytemp=y+b21*h*dy CALL Derive (x+a2*h.M > para el método RK i ní.b52=2../27.39e-4) h=htry DO CALL RKkc(y.ytemp..hnxt) PRINTx...hnxt) PARAMETER(eafety=0.9.5.ytemp.x. 2 2 iSniídocódigo para resolver muí simple EDO: 1 1) piograma principal y /I] rutina adaptativo I li' poso.yerr) emax=abe(yerr/yecal/eps) IF emax<1EXIT htemp=safety*h *emax~° h=max(abe(htemp).k3) ytemp=y+h*(b41*dy+b42»k2+b43*k3) CALL Derive (x+a4*h.yi maxetep=100 hi~./27.ytemp...

Después.236. la cual es una curva uniforme que gradualmente se aproxima a cero en tanto x aumenta. La principal discrepancia entre los dos resultados ocurre en la región que va de 1. el cálculo se repite con un tama ño de paso de 0.0. La magnitud de la discrepancia es de alrededor de 0. Solución. En contraste. Después. Use un esquema estándar RK de cuarto orden para resolver la ecuación (E25.23a). 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. Para hacer este cálculo se usa un tamaño de paso de 0.8 a 2. Primero se usa el esquema clásico de cuarto orden para calcular la curva en la figura 25.22 en un programa de cómputo y se usa puiu renolvor el mismo problema.05 para un total de 80 aplicaciones.14.14. Después emplee el esquema adaptativo descrito en esta sección para realizar el mismo cálculo. Los puntos indican las predicciones para una rutina adaptativo paso-tamaño.1) desde x = 0 hasta 4.2%.21 y 25. se desarrolla el algoritmo mostrado en las figuras 25.1) = 40 aplicaciones de la técnica.23 o) Una función forzada en forma de campana que induce un cambio abrupto en la solución de una EDO [véase ecuación (E25.1 a 0.1)]: b) La solución.1 a fin de que NO hagan 4/(0.MÉTODOS DE RUNGE-KUTTA FIGURA 25. Se elige un tamaño de .

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

4.1 y 25. 25.12 desde x = 0 hasta 1 con h = 1.18 Desarrolle un programa de cómputo de uso amigable para el método clásico RK de cuarto orden. Pruebe el programa usando los resultados de la tabla 25.13 Si e = 0. Pruebe el programa con los mismos cálculos por realizar del ejemplo 25. . 25. 25.15 Escriba un programa en computadora con base en la figura 25. 25. 25.19 Desarrolle un programa de cómputo de uso amigable para sistemas de ecuaciones mediante el uso del método RK de cuarto orden. Entre otras cosas.5.12.10.7 y del problema 25.14 Use el procedimiento RK-Fehlberg para realizar el mismo cálculo que en el ejemplo 25.2. Use este programa con los mismos cálculos por realizar del ejemplo 25.5. 25.762 MÉTODOS DE RUNGE-KUTTA 25.15 con los mismos cálculos por realizar de los ejemplos 25. determine si se requiere un ajuste en el tamaño de paso para el ejemplo 25.17 Desarrolle un programa de uso amigable para el método de Heun con un corrector iterativo.001.7.16 Pruebe el programa que usted desarrolló en el problema 25. Verifique si el ajuste paso-tamaño es el correcto. 25. inserte comentarios para la documentación del programa con el fin de identificar lo que en cada sección se intenta realizar.14 usando el método adaptativo RK de cuarto orden con h = 0.12 Calcule el primer paso del ejemplo 25.

9986-' 0 0 0 í .0. Introducimos la idea de una técnica de solución implícita como una de uso común para remediar este problema. puede usarse cálculo paru determinar la solución como u dt s (26.1 RIGIDEZ El término rigidez es usado para denominar a un problema especial que puede surgir en la solución de ecuaciones diferenciales ordinarias. Primero. . 26. Se puede ganar cierto conocimiento en el tamaño de paso necesario para la estabilidad de tal solución al examinar la parte homogénea de la ecuación (26. Estos algoritmos retienen información de pasos anteriores para capturar con más efectividad la trayectoria de la solución. Un ejemplo de una EDO rígida simple es = .1).005.1. Después de un periodo muy corto t < 0.2. pueden dictar el paso del tiempo para toda la solución.CAPÍTULO 2 6 Métodos rígidos y de rnultipaso El presente capítulo cubre dos áreas de estudio. que pueden estar tanto en forma individual como en sistemas y ambas tienen componentes rápidos y lentos para su solución.3) y y„r "' . la solución analítica se puede desarrollar como y = 3 . Después analizamos loi métodos de rnultipaso.002e"' (26. después de lo cual la solución es dominada por la variación lenta de componentes. Tanto las EDO individuales como los sistemas pueden ser rígidas.1 OOOy + 3 000 . También dan la estimación del error de truncamiento que se usa para implementar el control adaptativo tamaño-paso. Un sistema rígido es aquel que involucra un cambio rápido en sus componentes junto con un cambio lento de algunos.2 000e"' (26.1) dt Si y(0) = 0. la variación rápida de componentes son transitorios efímeros que terminan rápidamente. En muchos casos.2) Como se muestra en la figura 26. esta parte transistoria termina y la solución será gobernada por el exponencial lento (e~').1 00 % = -ay Si y(0) = y . Aunque los fenómenos transitorios existen sólo para una parte del intervalo de integración. describimos las EDO rígidas. la solución se halla dominada al principio por el término rápido exponencial ( e ° ' ) .

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

2 000e~ dondey(O) = 0. el método de Euler explícito es y.4. + 3 OOO/i . EJEMPLO 2 6 .2 OOOe~'0A y b) El resultado para h = 0. Si se sustituye la ecuación (26.002 daría como resultado una solución por completo inestable.0015 para resolver a y entre / = 0 y 0.2 000Í?-' Í + 1 )¿ Ahora como la EDO es lineal. De ahí que el procedimiento es llamado incondicionalmente estable. los métodos implícitos ofrecen un remedio alternativo. cuando se aumenta el tamaño de paso a un valor justo debajo de la estabilidad límite (h = 0. podemos reordenar esta ecuación de tal forma que y¡ | esté aislada en el lado izquierdo. a) Use el método de Euler explícito con tamaños de paso de 0. El método de Euler implícito es y. Aunque exhibe algún error de truncamiento.005 se despliega en la figura 26.1 000y¡ + 3 000 .05 para resolver a y entre 0 y 0. + ( .3) se obtiene y. Tules representaciones se denominan cógnita aparece en ambos lados de la ecuación.0005 y 0.0 como i . + i = V Í ay h i+y la cual se puede resolver para y¡ y¡+\ = (26.T U Kn lugar de tmnr procedimientos explícitos. es decir. de A esto se le llama método de Euler hacia atrás o implícito.006. y. ÉL = dt Use ambos métodos: el explícito y el implícito para resolver -1 OOOy + 3 000 . + ( .2 000/K? '"' I + I 000/1 . 1 Euler explícito e implícito Enunciado del problema.2a junto con la solución analítica.» °°. b) Use el método de Euler implícito con un tamaño de paso de 0.V/+1 iinplia'tus. En contraste. Se puede desarrollar una forma implícita del método de liuler al evaluar la derivada en el tiempo futuro. tendería al infinito en tanto progresa la solución. .5) 1 +ah Para este caso. sin importar el tamaño de paso. el resultado captura la forma general de la solución analítica. + ) = y.0015) la solución manifiesta oscilaciones. Sol U C I O N . Para este problema. Usando h > 0.1 0 0 0 y l + 1 + 3 000 . \y¡\ —. + 1 a) = .

99c- 3 0 2 - 0 1 0 1 (26.7«) y.2 3 9899 ' + 65. Los sistemas de EDO pueden también ser rígidos.7/») Advierta que los exponentes son negativos y difieren por cerca de 2 órdenes de magni tud. Un ejemplo es d J± = _ 5 y . Observe que aun cuando usamos un tamaño de paso mucho mayor que aquel que ha inducido inestabilidad en el método de Euler explícito. la solución exacta es (26. + 3 v dt 2 (26.2b junto con la solución analítica.67c- 302 - 0101 ' ' y = 17.0.6/0 Para las condiciones iniciales y ^0) = 52. . 9 6 e . Como con la ecuación simple.82. = 5 2 . El resultado para h = 0.766 MÉTODOS RÍGIDOS Y DE MULTIPASO n = 0.29 yy (0) 2 = 83.0015 FIGURA 26.301y 2 (26. 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.05 se despliega en la figura 26.6a) ^ dt = lOOyi .3 9899 ' .83e.2 Solución de una EDO "rígida" con los métodos de Euler o) explícito y b) implícito.

Las fórmulas de Adams-Moulton descritas más tarde en este capítulo pueden también usarse para determinar métodos implícitos de orden superior. 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. Rosenbrock y otros proponen algoritmos Runge-Kutta implícitos donde los términos k aparecen implícitamente.. i + 1 ¡+l . 9 a ) ( 2 6 .+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)A 2 + Al agrupar términos se tiene (1 + 5h)y u¡+i . llamados métodos rnultipaso (véase figura 26. r fl^Mff<VMULTIPA5Q Un método implícito de Euler para sistemas puede ser formulado para el actual ejemplo como y u + i = y\. una vez empezado el cálculo. Los métodos rnultipaso explorados en este capítulo aprovechan esta información para resolver las EDO.3a). los límites de estabilidad de tales procedimientos se hallan muy limitados cuando se aplica a sistemas rígidos.¡ + ( .301y . se paga el precio en forma de complejidad agregada a la solución. Esos métodos tienen características buenas de estabilidad y son bastante adecuados para resolver sistemas de ecuaciones diferenciales ordinarias rígidas. presentaremos un método simple do segundo orden que sirve para demostrar las características generales de loi procedimientos rnultipaso.2 +1 -100/2y u+1 + ( 1 + 301/z)y . El método de Euler implícito es incondicionalmente estable y exacto para el primer orden. la solución ahora es más difícil.. !+1 . Como resultado. Procedimientos alternativos. Así.3hy .5 y u + i + 3y .i+¡ 2 = yi.Z O . se tiene información valiosa de los puntos anteriores y está a nuestra disposición.3*3). Es también posible desarrollar de manera similar un esquema de integración para la regla trapezoidal implícita exacta de segundo orden para sistemas rígidos. Se hacen intensos esfuerzos para desarrollar software que implemente en forma eficiente los métodos de Gear. podemos ver que el problema consiste en resolver un conjunto de ecuaciones simultáneas por cada paso de tiempo. éste es quizás el método más favorecido para resolver sistemas rígidos. se basan en el conocimiento de que. 2> ( 2 6 . Sin embargo. aunque « o gana estabilidad a través de procedimientos implícitos.¡ + (100>'I. =y . 9 6 ) Así. La curvatura de las líneas que conectan esos valores previos proporcionan información con respecto a la trayectoria de la solución.5). Para EDO no lineales./+i)fc 2 (26. ya que involucra resolver un sistema de ecuaciones simultáneas no lineales (recuerde la sección 6.8a) (26M) y2. Es usualmente deseable tener métodos de orden superior. Antes de describir las versiones de orden superior. Además.

+/(. y .12) no es de autoinicio. el predictor y el corrector tienen errores de truncamiento local de 0(h ) y <9(/.Y . y. Tal valor podría no estar disponible en un problema común de valor inicial.progcdcr a una deducción formal del método dt s . " i ) f+ + A = yi + (26. no autoinicio.-) + / ( . y una información extra del punto anterior Y¡__ como en 3 ( ] y. ya que involucra un valor previo de la variable dependiente y¡_. respectivamente.4.').12) s c < localiza ahora en el punto medio más que al inicio del intervalo sobre el cual se hace In predicción. En consecuencia.-.. A causa de ello.10) yf = yi + f(x )h hyi y la regla trapezoidal como un corrector [véase ecuación (25. 2h. Esto sugiere que el predictor es el enlace débil en el método.15)]: (26.h ). la derivada estimada en la ecuación (26.-. Esta debilidad es significativa debido a que la eficiencia del paso corrector iterativo depende de la exactitud de la predicción inicial.y /)2 /i (26.1. una forma para mejorar el método de Heun es mediante el desarrollo de un predictor que tenga un error local de 0(h ). las ecuaciones (26.11) y (26.16)]: /(. X /+1 X a) 26. Como se demostrará después.') Observe que la ecuación (26. Esto se puede cumplir al usar el método de Euler y la pendiente eny .3 Ilustración gráfica de la diferencia fundamental entre los métodos para resolver EDO o) de un paso y b) de multipasos.2. Además. v i . Sin embargo. observe que la ecuación (26.768 FIGURA 26. esta ubicación centrada mejora el error del predictor a 0(. Como se ilustra en la figura 26. IB»F#DI .v.12) alcanza 0(h ) a expensas de emplear un tamaño de paso más grande. pues tiene el error más grande.12) son llamadas método de Heun de._.1 2 Así.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.

. = y*_ ..13) i (26.. M FIGURA 26.2..4 Una ilustración gráfica del método de Heun de no auloinicio.15) ..\ A l. b) La regla trapezoidal que se emplea como un corredor Heun de no autoinicio.26. resumiremos el método y lo expresaremos usando una nomenclatura ligeramente modificada: Predictor: Corrector: y%.Hx . 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% (26.14) donde los superíndices se agregaron para denotar que el corrector se aplica iterativamente dey — l a ni para obtener soluciones refinadas. + f(x„ y"¡)h 1 + ^ ^ Mi&#.í (paray = 1. a) El método de punto medio que se usa como un predictor. Observe que y " y y"L\ son ios resulta dos finales de las iteraciones del corrector en los pasos de tiempo anteriores.2 Muimso ». Pendiente . y¡L. m) (20..

5.313749 que representa un e de —1.Sy d e x = 0 a x = 4 usando un tamaño de paso de 1.5). y? = -0.08260 ( E .607005 El corrector [véase ecuación (26. u v EJEMPLO 2 6 . se terminan las iteraciones. El primer corrtetorda. = —2.13) a la (26.0.313749-6.5(6. Es decir. .360865 (e. o iteraciones subsecuente* .8%). El predictor [véase ecuación (26.360865)] 2 = 13. El uso de las ecuaciones (26. Sin embargo.43% que es superior a la predicción de 12.8x Solución.0.44346 F. Puede determinarse un estimado de error aproximado usando la ecuación (26.770 M É T O D O S RÍGIDOS Y DE MULTIPASO Cuando e es menor que una tolerancia de error e preestablecida. 2 Método de Heun de no autoinicio | \ I ¡ | Enunciado del problema. como el valor del predictor inicial es más exacto. = 6. Para el segundo paso.5(2)] 2 = 5.8(i) _o.18% incurrido en el Heun de auto inicio.313749 s 100% = 3.3929953 + [ 4 e ° ' 8(0) . Como fue el caso con el método de Heun (recuerde el ejemplo 25.76693 (e. la condición inicial enx = 0 es y — 2.5(6. •1 = 6. Este error es algo más pequeño que el valor de —8.607005). Sin embargo. la ecuación (26.5(2) + 4 e 0 8 ( 1 ) . y = m.0. como aquí tratamos conunmétodo demultipaso.73% (valor verdadero = 6. el método de multipaso converge a una razón algo más rápida.5 mediante el método de Heun. = 18%)) que fue calculada con el método de Heun original. requerimos la información adicional de que y = —0. Use el método de Heun de no autoinicio para realizar los mismos cálculos igual que en el ejemplo 25.68%).549331) 1 = 6. Como cu el ejemplo 25.194631).8(0) _ 0.549331 la cual representa un error relativo porcentual de —5.92%. = 9.549331 6.14)] es entonces usado para calcular el valor: 4e o. el predictor es y» = 2+ [4<?°' 8(l) .0. integrar y' — 4e° — O.15): t 6.14) se puede aplicar de manera iterativa hasta que e esté por debajo de un valor preespecificado de e . las iteraciones convergen sobre un valor de 6.13.13)] se usa para extrapolar linealmente ele x — — 1 a i = 1.14) se puede aplicar de manera iterativa para mejorar la solución: y\ = 2 + 3 + 4 e o.7% a La ecuación (26. Ahora.15) para resolver una EDO se demuestra en el siguiente ejemplo. En este punto.3929953 1 en x = — 1.5(5.

30224 —3. (t:... .17) donde h = x — x¡ es el tamaño de paso.16) se tiene . Ya emplea- mos conceptos gráficos para deducir el Heun de no autoinicio.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. La deducción se basa en resolver la EDO general d — = f(x.-) + f{x .17) en la ecuación (26.16) representa una solución a la EDO si la integral puede ser evaluada. Las fórmulas de integración numérica como las que se desarrollaron en el capítulo 21 proporcionan una manera de hacer esta evaluación. y ) dx x El lado izquierdo se puede integrar y evaluar mediante el teorema fundamental [recuerde la ecuación (25. la razón de convergencia del corrector ha sido mejorada debido a la mejor predicción inicial.2 MÉTODOSMULTiBMO iU convergen sobre el mismo resultado como uc obtuvo con el método de Heun de autoinicio: 15. Por ejemplo. IWUm^ m Deducción y análisis del error de las fórmulas del psedictor-corrector.16) La ecuación (26. Ahora mostraremos cómo las mismas ecuaciones se pueden deducir matemáticamente.3)] se puede usar para evaluar la integral. Al sustituir la ecuación (26. y. como en i+ f(x. f(x¡. con base en un valor previo de y¡ y la ecuación diferencial. la regla trapezoidal [véase ecuación (21./ ' Y U ) (26. el error de truncamiento puede tomarse directamente de la tabla 21.21)]: y¡+i=y. y¡+\ = y¡ + 2 i+] y. El ejercicio también es útil porque proporciona un procedimiento simple para desarrollar métodos de multipaso de orden superior y estima sus errores. Como ésta se basa en la regla trapezoidal.-+i) la cual es la ecuación corrector para el método de Heun.18) donde el Muperfndice c designa que eslo ON el error del corrector. + J Í ' ' f(x. Como con el P O N O anterior.y)dx + (26. /'.y) l+ x dx = h (26.2.•• ¡ l'\ (^) 0) 2 = . Es decir.26.. proporciona un medio para calcular un nuevo valor de la variable dependiente y ..1%). de la integración numérica y de las EDO. Esta deducción es en particular interesante porque vincula las ideas del ajuste de curvas.

Además de actualizar la exactitud del predictor. la primera fórmula de integra ción abierta de Newton-Cotes (véase tabla 21.1)] í + I Valor verdadero — y° ¡+l + ..21) donde el subíndice p designa que éste es el error del predictor.19) se obtiene y i + i = y. el predictor y el corrector para el método de Heun de no autoinicio tiene errores de truncamiento del mismo orden. Esto es una tremenda ventaja. Como con el corrector..-_i + 2hf(Xj. ) 1 (20. ya que establece un criterio para el ajuste del tamaño de paso. más que usar una fórmula cerrada de la tabla 21.20) la cual es llamada método de punto medio. el error de truncamiento local se puede tomar directamente de la tabla 21. los limites de integración van de / — 1 a / +• l: Jy¡-\I J *¡-\ /'Vi II /•»'/ + ! / dy = f{x.y)dx (26.'. el error estimado para el corrector [véase EEIIIUMII (26. Así.hy 3 3 0) (<? ) (26. este hecho tiene beneficios adicionales relacionados con el análisis del error.772 MÉTODOS RÍGIDOS Y DE MULTIPASO Un procedimiento similar puede ser usado para deducir al predictor.U) .2.y.) i (26. Sustituyendo la ecuación (26.yj) el cual es el predictor para el Heun de no autoinicio.20) en la ecua ción (26. el error de truncamiento local puede estimarse durante el curso de un cálculo. Para oslo caso..y)dx = 2hf(x .' 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. y) dx que se puede integrar y rearreglar para obtener y \=y¡-\+¡ i+ f{x. como se elabu rara en la siguiente sección..19) Ahora.18)] se puede combinar con el resultado del corrector v¡. como en f{x. para dar Valor verdadero i * ™ .. V l ' "^ .4: E = P Vy'(?) = 3 P \lyfiHp) (26. Si el predictor y el corrector de un método multipaso son del mismo orden.4) se puede usar para evaluar la integral. . El error de truncamiento local para el predictor se estima con la ecuación (26. Estimación DE ERRORES.!) Mediante un procedimiento similar.

6.360865 = -0.44346 y la trayectoria da 15. i+ +1 Estimación del error de truncamiento por paso Enunciado del problema. E. = _ 15-30224-13. Lo fácil con que puede eslimuiíto el error mediante la ecuación (26.La ecuación (¿h. con la = (26.194631 y 14.44346 = que también se compara favorablemente con el error exacto.i) puede s e r restada de lii ecuación (2<>. Solución. Ahora. I'or . el predictor de 5.843992 — 15.607005 y el corrector da 6.194631 .m i '+y -±h v '(^) 19" 5 E.1662341 Enx = 2.. y x rearregla el resultado se tiene (20. 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 ™ ) ] .25) son idénticos.6 3 6 0 8 6 5 ¡ 5 ^ = .'".2.í) para dar < > v.24) entre 5 y se 5 >.26) Así. = . + 1 } 3 (y Observe que los lados derecho de las ecuaciones (26. está ahora entre x¡_.^ (26.M = -0.24) ( + 1 . si se divide la ecuación (26. los lados izquierdo deberían ser equivalentes.0 .. Si no hay una variación apreciable sobre el intervalo en cuestión. 1 5 0 7 7 22 la cual se compara bien con el error exacto. el predictor da 13.. ^//V'IS) donde ¿.18) y (26. Observe que los valores verdaderos e n x = 1 y 2 son 6. por tanto.84392.26) para dar í + 1 £ c = .360865.26) proporciona una base racional para el ajuMe del Inmuno de paso durante el curso de un cálculo.4583148.2. la cual se usa para calcular ¡ + 1 £ t . que son de rutina subproductos del cálculo. v.302. respectivamente. Estos valores se pueden sustituir en la ecuación (26. En x = 1. = 6.25) excepción del argumento de la tercera derivada. E. podemos suponer que los lados derecho son iguales y. como en 0 _ .".i.26) para estimar el error de trunca miento por paso del ejemplo 26. Use la ecuación (26.30224. = 14.

0 + 1 0 + 1 +í ( y r y . puede agregarse directamente a y para refinar el estimado aún más: ¡ + 1 i+x y y i+i m — y° (26. al usar el resultado del paso previo en /.y i i+ La ecuación (26.< y . la ecua- .5) se puede resolver para + x h^M^-^yf-y?) <3) (3) (26. Ya que el modificador del predictor [véusc ocuución (26. el tamaño de paso podría ser disminuido. se pueda sustituir en la ecuación (26.21) para dar E = P l(y?-y?) (26.28) la cual. el cual se designa para ajustar el resultado predictor de tal forma que esté más cerca del valor convergente final del corrector.27) <. Solución.607005.774 MÉTODOS RÍGIDOS Y DE MULTIPASO ejemplo. suponiendo quey (^) = y ( ^ . Como en el ejemplo 26. podríamos reducir el número de iteraciones requerido para convergir sobre el último valor del corrector. Así.29) que se puede usar para modificar el resultado del predictor y . Modificadores. ) .30) EJEMPLO 2 6 .) El lado izquierdo es el valor modificado de y"¡ .26) representa una estimación numérica de la discrepancia entre el valor final corregido en cada p a s o y y el valor verdadero. En consecuencia. 4 i j Efecto d e modificadores sobre los resultados predictor-corrector Enunciado del problema. Una segunda mejora que relaciona más la eficiencia del programa es un modificador predictor.se lee como "es remplazado por". la ecuación (26. no es posible emplearlo para mejorar este resultado inicial.26) indica que el error es mayor que un nivel aceptable. Tal modificador puede deducirse en forma simple al suponer que la tercera derivada es relativamente constante de un paso a otro. debería percatarse que además de proporcionar un criterio para el ajuste tamaño-paso. el predictor inicial resultante es 5. ° ) (26.5. (El símbolo « . el número de iteraciones del corrector es altamente dependiente de la exactitud de la predicción inicial. Antes de analizar los algoritmos de cómputo. Por tanto. debemos observar otras dos formas en las cuales el método de Heun de no autoinicio puede hacerse más exacto y eficiente. Vuelva a calcular el ejemplo 26. si la predicción es modificada adecuadamente.30)] requiere valores de una iteración previa. Esto es ventajoso debido a que. Sin embargo. Primero.3.3 usando los modificadorcn como se especifican en la figura 26.27) es llamada modificador corrector. la ecuación (26. como se observó al inicio de esta sección. si la ecuación (26.

el error se reduce un orden de magnitud. que fue de e¡ = 18. asigne /'=/'+ 1 y regrese al predictor.360865 6.5. y?) + f\x u y ^ i ) . Observe que es posible usar la estimación del error del corrector para modificar el corrector.210093 n n n el cual representa un e.5(6. Para la siguiente iteración. ción (26. el predictor [véase ecuación (26. La estimación del error del corrector está incluida debido a su utilidad para el ajuste tamaño de paso. el modificador no se incluye en este algoritmo. donde el subíndice u designa que la variable es no modificable) Corrector: y*^. = —0. los errorea propagado y global se reducen por In inclusión del modificador corrector.25%.27) se puede usar para modificar el valor corregido de 6.-1 (Si le l > criterio de error. asigne / = / + 1 y repita el corrector.210093)] 2 = 13.360865 . + 778 + f|x„ ^ 2 h + u (Guarde el resultado como y° i = M o d i f i c a d o r predictor: .0. h n para / = 1 a iteraciones máximas m) 2 Verificación de e r r o r : 100% VÍ . = 8 .360865 (e = —2.2 *toD06MUmnASO Pradlcton y° .) 0 a u } E r r o r del corrector e s t i m a d o : (Si el cálculo continúa.) FIGURA 2 6 .360865) en el predictor. .210093 en lugar de 6.59423 e.684%). En otras palabras. t como en y? = 6. Esta mejora ocurre debido a que utilizamos aquí un estimado superior de y (6. = y? f[x. como esto puede afectar la estabilidad del corrector. ^ = 6. = y% . Así. guarde el resultado como )/£.26.6%..42% el cual es casi la mitad del error del predictor para la segunda iteración del ejemplo 26. Sin embargo.13)] se usa para calcular y° = 2 + [ 4 e a 8 ( 0 ) .607005 „ „. si e < criterio de error.3. 5 La secuencia de fórmulas usadas para implementar el método de Heun de no autoinicio.

Además.19732 1 4 = 4. de nuevo.5. 1963). Como se hizo con los otros métodos para las EDO. la inclusión de los modificadores incrementa tanto la eficiencia como la exactitud de los métodos multipaso. como se emplea un tamaño de paso constante.360865 . reduce el error a la mitad.21178 (e.59423 + -(6.48%). En general. En particular. la modificación puede reducir el número de iteraciones requerido para la convergencia. La única complicación es que se requiere de un método de un paso para generar el punto extra necesario para comenzar el cálculo. Además. Sin importar si se usan los predictores modificados o no modificados.2. Como en el ejemplo anterior.607005) = 14.2 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.13. 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. como es el caso para la versión no modificada. No obstante.. Al mismo tiempo. 26. el error se redujo un orden de magnitud. = . como en y' = 13. el corrector modificador efectivamente incrementa el orden de la técnica. debe ser lo suficientemente pequeño para dar un error de truncamiento lo más pequeño posible. Esta modificación no tiene efecto en la salida final del subsecuente paso corrector.59423 = 14. La implementación del corrector da un resultado de 15.0 . como la razón o eficiencia de convergencia depende de la exactitud de la predicción inicial.21178 15. el tamaño de paso debería ser tan grande como sea posible para minimizar el costo de ejecución y el error de redondeo. Así. 3 0 % De nuevo. 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. Sin embargo. como se analizará después. Es relativamente simple desarrollar una versión tamano de paso constante del método de Heun de no autoinicio. debería observarse que hay sitúa ciones donde el corrector modificador afectará la estabilidad del proceso de iteración del corrector. la ecuación ( ¿6. el método de Heun de no autoinicio sin modificadores es de tercer orden más que de segundo orden.27): y'¡' = 15.3 debido a la reducción del error global. el corrector modifica dor puede todavía tener utilidad para el control de tamaño de paso.(0) se puede emplear para modificar el predictor.21178 . se debe elegir un valor <le h antes del cálculo.MÉTODOS RÍGIDOS Y D E M U L T I P A S O Ahora debido a que tenemos información de la iteración anterior. Sin embargo.30% lo cual. el corrector por último convergerá sobre la respuesta correcta. el modificador no se incluye en el algoritmo de Heun de no autoinicio bosquejado en la figura 26.88827 e.5. Por último. Como consecuencia. este resultado se puede modificar usando la ecuación (26. . — —2. el cual representa una mejora sobre el ejemplo 26.

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 . Sin embargo. revisaremos his fórmulas de integración más comunes sobre las cuales están basadas.778 MÉTODOS RÍGIDOS Y DE MULTIPASO FIGURA 2 6 . 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. Antes de hacer una descripción de esos métodos de orden superior. Como se ilustra en la figura 26. Esta integral se usa entonces para proyectar desde el inicio del intervalo hasta el final. ejemplo. Como se mencionó antes. c) duplicando. 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.7a. Esta integral HC usa entonces para proyectar a través de este último segmento. 26. las fórmulas de Newton-Cotes de orden superior desarrolladas en el capítulo 21 se podrían usar para este propósito. a) Disminuyendo a la mitad.7.1b) Fórmula» de Newton-Cotes. 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. hay una clase llamada fórmulas de Adams que también revisaremos y que a menudo resultan elegidas . En contrae te. las fórmulas de Newton-Cotes estiman la integral sobre un intervalo que abarca varios puntos. Como se ilustra en la figura 26. la primera de éstas son las fórmulas de Newton-Cotes.

El estimado después es usado para proyectar a través del segmento.=y¡+ í \f(x.26. polinomios de n-ésimo grado con n + 1 valores conocidos de y y después con el uso de esta ecuación para calcular la integral.SO f l f 'u.2 H^08MULTIB». Para n puntos igualmente espaciados. las fórmulas de integración de Newton-Cotes se basan en tal procedimiento y son de dos tipos: formas abiertas y cerradas. b) Las fórmulas de Adams usan una serie de puntos para obtener la estimación de la integral para un solo segmento. Fórmulas abiertas. La estimación se usa después para proyectar a través de todo el rango.7 Ilustración de la diferencia fundamental entre las fórmulas de integración de Newton-Cotes y Adams.y)dx FIGURA 26. a) Las fórmulas de Newton-Cotes usan una serie de puntos para obtener un estimado de la integral sobre un número de segmentos.\ (26.31) . Como se analizó antes en el capítulo 21. La ecuación general para este propósito es o V)| I - Y. las fórmulas abiertas se pueden expresar en la forma de una solución de una EDO. como se hizo antes para ln ecuación (26. J'.(x)il. I ) ..

Por ejemplo. El otro tipo de fórmulas de integración que es posible usar resolver las EDO son las fórmulas de Adams. y.8a./ . y. + -j{fi + f¡+\). Muchos algoritmos de cómputo de uso generalizado para la solución de EDO por multipaso se basan en estos métodos.a evaluación de la irilcY de DE integración MULTIPASOabierta de Newton-Cotes de /i-ésimo orden (véase gral emplea la fórmula la tabla 21. es decir. y y¡. La ecuación (26. La forma cerrada se puede expresar de manera general como y. h.io) . la cual es equivalente a la regla trapezoidal. que se utilizó antes como predictor en el método de Heun de no autoinicio.. y¡).33) La ecuación (26.-ii . 3h y¡+i = y¡~2 + y (/i. +] h + i = yi-i + + 4f¡ + f¡ ) (26. y¡+i = y.+ fi-i) y para n = 3 y = _ + y ( 2 / .32) donde f¡ es una abreviatura para f(x¡. ' i •••] (7o. .35) que es equivalente a la regla de Simpson 1/3. i ^ / . i paui + y/¡ 3 + ••• que también puede escribirse como /. Fórmulas cerradas.v. para n = 1. Para n — 2.35) se ilustra en la figiiia 26. „ ! + 2/}_ ) 3 2 Ah ¡ + x y í (26.v. i /'(y.2). la ecuación diferencial evaluada en . Fórmulas abiertas (deAdams-Bashforth). = yi-i+2hfi (26.34) donde la integral es aproximada por una fórmula de integración cerrada de Newton Cotes de «-ésimo orden (véase la tabla 21. I. Por ejemplo. y¡+\ = y. Se hace referencia a la ecuación (26.+\=y.32) como el método de punto medio.33) se ilustra gráficamente en la figura 26.4). + f¡h + y / í 2 Fórmulas cíe Ádams. Para n = 2.MÉT0D0S_Rl_GIDOS y i+l dondef„(x) es una interpolación polinoinial de n-ésinio orden.86. Las fórmulas de Adams se pueden dedil cir en diferentes formas. Una técnica es escribir una expansión de la serie de Tayloi alrededor de x¡.-n+\+ I f„(x)dx (26. si n = 1.

(•]./.37) v. i l = .Vi + + + 0(h ) 2 + -/. + h - V. . h { /. 3 3 ) ]y Recuerde de la sección 4. 3 5 ) ] .1. agrupnndo términos. i /.Ilustración gráfica de las fórmulas de integración de Newton-Cotes abierta y cerrada. ( 2 6 . (26.36)..j t W'T • W) .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. 8 o ) 1 / 3 ( 2 6 . . + h 1 „ o..i v . La fórmula abierta de tercer orden [véase ecuación b) la regla de Simpson [véase ecuación F G IU R A2 6 .~ y .

Las fórmulas de Adams abiertas son referidas también como fórmulas de Adams-Bashforth. Una serie de Taylor hacia atrás alrededor de x¡ se puede escribir como +l fi fu i 1 u2 i •'i' + l •'' + 1 1.1. Observe que la versión de primer orden es el método de Euler.9a.37) algunas veces es llamada segunda fórmula de AdamsBashforth. La fórmula de Adams abierta de w-ésimo orden puede ser representada por lo general como n-l yi i+ =y¡+h^2 <t=o k Mt-k + 0(h ) n+l (26. En consecuencia.1 MÉTODOS RÍGIDOS Y DE MULTIPASO Coeficiente y t r r o r da truncamiento para predictores de Adams-Bashforth. La versión de cuarto orden se ilustra en la figura 26.3 i + y¡ = y<+\ . Es posible desarrollar fórmulas de Adams-Bashforth de orden superior al sustituir aproximaciones de diferencia superior en la ecuación (26.38) Los coeficientes fi se ilustran en la tabla 26. E r r o r do truncamiento local Ordan 1 0o 01 02 03 04 05 1 2 3/2 -1/2 3 23/12 -16/12 5/12 4 55/24 -59/24 37/24 -9/24 720 251/720 5 1 901/720 -2 774/720 2 616/720 -1 274/720 1 440 -475/720 1 9 0 8 7 6 4 277/720 -7923/720 9 982/720 -7 298/720 2 877/720 60 480 Esta fórmula es conocida comofórmula de Adams abierta de segundo orden.f+\ Al resolver p a r a y ¡ + 1 h + — se tiene - h ~ ~jr" "' + • • •) (26.36). Fórmulas cerradas (deAdams-Moulton).39) yt+i = y¡ +h(f i i+ + jf¡' +l Se puede usar una h diferencia 2 para aproximar la primera derivada: . la ecuación (26.782 TABLA 26.

TABLA 26.2

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

Orden

p

0

/3,
1/2

0

2

0

3

0

4

0

5

1/2

5/12

8/12

-1/12

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

12

9/24

19/24

-5/24

251/720

646/720

-264/720

475/1440

1427/1440

-798/1440

482/1440

-173/1440

/ if l' |)
7 6

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

f i + 1

+

y

~ 12

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

y¡+hJ2 Pkfi l-k rc-l k=0
+ k

+

0(h )
n+l

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

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

784

MÉTODOS RÍGIDOS Y DE MULTIPASO

FIGURA

26.9

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

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

y? = yr-3 +
¿ 1 = ^ + ^ 1 + ^

Ah

(26.40)

"

+

^

,

)

(26.41)

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

* P =

! ( * • - y ? )

« r - - 2 5 W "

+

| - r f | l )

(26.43)

Cuadro 2 6 . 1

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

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

(B26.1.1)

E =
c

-

t] 8 + t] S
c p p

(B26.1.4)

c

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

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

= -

f r)t&p + rip8
S

(yf-yf)

c

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

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

+x

- — A" y
+

, + 1 )

(| )
c

(B26.1.2)

(y?-y?)

(B26.1.5)

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

o v+ ! y? " — - >/
m

r¡ + r}pS /Sp ,
c c

+1

( +1)

+l

Se

(?)

(B26.1.3)

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

EJEMPLO 26.5

Método de Milne

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

Solución.

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

= 2.8%

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

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

766

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

t

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

y?

+l

= + *(§/, g/,-, +
m
yf' ~ y? +

f f, -2
m 4

-

¿/,

m 3

)

(26.44)

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

yj

+ i

=

h(¿/¿i

1

+

f f,
4

m

-

¿ / T , + ¿/,-- )
2

(26.45)

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

p

=

^ ( y " ' - y " )

(26-46) ( -47)
26

E - - — (v"< - v ° ) 270^ '
+ 1 + 1

EJEMPLO 2 6 . 6

Método de Adams de cuarto orden

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

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

v

/ o 19 —5.898394 I 3 V24 24

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

*, « - 0 . 9 6 %

¥

2é.l4HIPDn8MULTIfift80

ÍES?

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

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

| Enunciado del problema. j para resolver

Emplee los métodos de Milne y Adams de cuarto orden

FIGURA 26.10

Ilustración gráfica de la inestabilidad del método de Milne.

0.005

-

. Método de Milne Solución verdadera

«te» -urtii

788

MÉTODOS RÍGIDOS Y DE MULTIPASO

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

|

i

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

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

-

W

-y?-2

+ Hyti
8

+ fr
2

-

fr-i)

que tiene un error de truncamiento local:

El método de Hamming también incluye modificadores de la forma

£

< = - I 5 I « " « - A , )

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

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

a) ^

dx

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

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

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

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

dt

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

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

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

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

ÍL dx

=

_Z

x

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

FIGURA

27.1

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

d!K

dy

2

dt

• W y,. y )
2
0

donde en f = 0, y, = y,

y y¡ =

y

20

Condiciones iniciales

donde en x = 0 , y = y

0

x=L,y

=y

L

Condición frontera

Condición frontera

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

(27.1)

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

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

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

FIGURA

27.2

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

792

PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS

T = 73.4523é>

au

- 53.4523<T

au

+ 20

(27.2)

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

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

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

7(0) = 4 0

T(10)=200

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

i

%= ' -

h (T Ta)

(E27.1.2)

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

7*(10) = 168.3797

I
|

z(0)=20

7/(10) = 285.8980

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

27. 1 '

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

FIGURA 27.3

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

2 (0) = 10 +
v

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

í |

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

preoim il ente

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

794

PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS

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

TÍO

=

/(zo)
0

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

200 = / ( z )
0

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

8(z )
0

= / ( z ) - 200
0

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

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

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

Ix

1

h"(T

a

-T)

4

= 0

lab

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

i
i

i

dT dx

_

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

í

1 ¡ | ! |

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

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

PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS

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

r,-

+ 1

-2r,+r,_

1

dx

2

Ax

2

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

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

- Ti
i+

= h'Ax T
2

a

(27.3)

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

EJEMPLO 2 7 . 3

Aproximación por diferencias finitas de problemas con valores a la frontera

j \

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

; •

o

-1 2.04 -1 0 2.04 0

0 -1 2.04 -1 -1 -1

0 0 -1 2.04 2.04

Ti T Tz T
2 A

40.8 0.8 0.8 200.8

las cuales se pueden resolver para {T}
T

= L 65.9698

93.7785

124.5382

159.4795 J

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

TABLA 27.1

w.

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

0 2 4 6

40 65.9518 93.7478 124.5036 159.4534 200

40 65.9520 93.7481 124.5039 159.4538 200

40 65.9698 93.7785 124.5382 159.4795 200

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

27.2

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

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

PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS

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

-1
2

1h

ax
Xn 2n

n

—0 = O

0 2 1 * 1 + ( « 2 2 - X)x -\

ax

n

a xi+
nl

a„ x
2

2

-I

f- (a„„ - k)x

n

—O

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

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

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

FIGURA

27.5

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

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

27.^Y'|JBf|l|BrPE

It

2

= —kx\ + k(x

2

X\)

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

m—

= -k{x

W ^ Ir
2

1711
2

m

2

dx dt '
2 2 2

k(x

t

- 2x ) = 0
2

(27.56)

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

(27.6)

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

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

(27.7) (27.8)

x"¡ = —A¡co sen (cot)
2

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

ix)

m\ m

)

Ai

A

2

=

m\ )

0

(27.9a)

2

\m

(27.9/))

2

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

800 EJEMPLO 2 7 , 4

PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS Valor*) propios y vectores propios para un sistema masa-resorte

I
I

Enunciado del problema. Evalúense los valores propios y los vectores propios de la ecuación (27.9) para el caso donde m — m = 40 kg y k = 200 N/m.
x 2

| Solución. } tiene \
;

Sustituyendo los valores de los parámetros en las ecuaciones (27.9) se ob2

(10-w )A, ~ 5 A
-5A, + (10-CÚ )A
2 2

2

=0
=0

;

El determinante de este sistema es [recuerde la ecuación (9.3)] (co ) - 20a> + 75 = 0
2 2 2

el cual puede resolverse con la fórmula cuadrática para oo = 15 y 5 s . Por tanto, las frecuencias para las vibraciones de las masas son co = 3.873 s y 2.236 s , respectivamente. Estos valores se pueden usar para determinar los periodos para las vibraciones con la ecuación (27.7). Para el primer modo, T = 1.62 s y para el segundo, T = 2.81 s. Como se estableció en la sección 27.2.1, no se puede obtener un conjunto único de valores para las incógnitas. Sin embargo, sus cocientes se pueden especificar al sustituir los valores propios en las ecuaciones. Por ejemplo, para el primer modo (co = 1 5 s~ ), 5 s %A =A
2 - 2 _ 1 _ 1 p 2 2
X 2

A

X

= —A . Para el segundo modo (oo
2

FIGURA 27.6 Los principales modos de vibración de dos masas iguales conectadas por tres resortes idénticos entre paredes fijas.

FIGURA
0 BUHO I

'í DLARJK. TIL L Ü BRIL

a) Primer modo

e) Segundo modo
4MÍ 141.1 u l l l t t .

las dos masas tienen igual amplitud todo el tiempo. Yl ( 2 7 2 " dx ~ 2 - 1 0 ) donde Syldx especifica la curvatura.6a. En el segundo modo.6b. vibran hacia atrás y hacia adelante al unísono.5. La figura 27. Sustituyendo este valor en la ecuación (27.3 Un problema de valor en la frontera Ahora que le hemos dado una introducción a los valores propios. Tomando en consideración el diagrama de cuerpo libre de la figura 27. las masas vibran por separado. Así. sabemos que si el sistemu está vibrando en el primor modo la amplitud de la segunda masa será igual. 27. cambiamos al tipo de problema que es el tema de este capítulo: problemas con valores a la frontera para ecuaciones diferenciales ordinarias.10). pero de signo opuesto a la amplitud de la primera. se obtiene .76.7 muestra un sistema físico que puede servir como un contexto para examinar este tipo de problema.lisio ejemplo proporciona información valiosa con respecto ul comportamiento del sistema de la l'iguru 27. como se ve en la figura 27. 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. E = módulo de elasticidad e / = momento de inercia de la sección transversal con respecto a su eje neutro. Como se observa en la figura 27.2. M = momento de flexión. Otra configuración llevará a la superposición de los modos (recuerde el capítulo 19). La curvatura de una columna esbelta sujeta a una carga axial P se puede modelar por dy 2 2 _ M „. Además de su periodo. y después lo hacen juntas de manera indefinida. está claro que el momento de flexión en x es M = —Py.

8.136)]. .16) los cuales son los valores propios o característicos para la columna..13a) (27. . (27.136) = 0 la solución general para la ecuación (27.17) L 1 fislas se pueden tomar como cargas de pandeo. sujeta a las condiciones frontera y (0) y(L) = o (27. puesto que B — 0. Cada valor propio corresponde a una manera en la que se pandea la columna. Combinando las ecuaciones (27. . 0 — A sen (pL) + B eos (pL) Pero. pues representan los niveles a los cuales i« mueve la columna en cada NNNFLPMLÓN de pandeo sucesiva. pL = nn para n = 1.12) (27.PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS l Py 2 = ü (27. concluimos que sen (pL) = 0.14) donde A y B son constantes arbitrarias que serán evaluadas por medio de las condiciones frontera. A sen (pL) = 0. existe un número infinito de valores que cumplen con las condiciones a la frontera. 2. . Para que esta igualdad se cumpla. puede proporcionar el significado físico de los resultados. La figura 27. . Ya que ^4 = 0 representa una solución trivial. .12) y (27. (27. se obtiene P = para n = 1. 3 . La ecuación (27.11) es y = A sen (px) + B eos (px) (27. 2..15) Así. 3. (27. En un sentido práctico.15) se puede resolver para P = MI L n K EI 2 2 para n = 1.13a)]. 2.7. 3 . De acuerdo con la segunda condición [véase ecuación (27.16). concluimos que B = 0. 0 = A sen (0) + B eos (0) Por tanto. De acuerdo con la primera condición [véase ecuación (27.. la cual muestra la solución para los primeros cuatro valores propios. .11) donde P Para el sistema de la figura 27.

. ya que. 7 . Una columna de madera cargada axialmente tiene las siguientes características: E — 10 X 10 Pa. l. 5 Análisis d e valores propios d e una columna c a r g a d a axialmente Enunciado del problema. / = 1.~~~W. 9 0 9 2 7 2 .25 X 1 0 ~ m y L = 3 m.8 Los primeros cuatro valores propios de la barra esbelta de la figura 2 7 .16) y (27.17) se pueden usar para calcular . en general. las fallas ocurren cuando primero se pandea la columna. t a) n = 1 b)n = 2 c)n = 3 d) n = 4 FIGURA 27. Determínense los primeros ocho valores propios y las correspondientes cargas por pandeo. usualmente el primer valor es el de interés.V.us ecuaciones (27. Así. EJEMPLO 2 7 . 9 5 4 Solución. una carga crítica se puede definir como 7T EJ 2 la cual es conocida de manera formal como fórmula de Euler. •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.

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?.18) Al escribir esta ecuación para una serie de nodos a lo largo del eje de la columna.19) La expansión del determinante del sistema da un polinomio. Por ejemplo. cuatro nodos interiores). Aunque son útiles las soluciones analíticas de la clase antes obtenida.802 6716. los métodos numéricos del tipo que a continuación se describirá son la única alternativa práctica.701 2193. m " P. a menudo es difícil o imposible obtenerlas. 27. por tanto.1416 4. lo que da yi i+ -2y¡ +y¡-i + 2 JT2 P * = 0 la cual puede expresarse como y¡-i .078 548. si la columna se divide en cinco segmentos (esto es.982 2 1.PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS n 1 2 3 4 5 6 7 8 p.2. 2 2 + yi i+ = 0 (27. se realiza en el siguiente E J E M P L O .1888 5.0472 2.3) para la segunda derivada.311 1233. Normalmente esto es cierto cuando se trata con sistemas complicados o con aquellos que tienen propiedades heterogéneas. Este procedimiento.11) se puede resolver numéricamente sustituyendo una aproximación por diferencias divididas finitas centradas (véase tabla 23. En tales casos.2360 6.3304 8.814 8772. k N 137.946 4934. llamado método del polinomio. 137.4 El método del polinomio La ecuación (27. se obtiene un sistema de ecuaciones homogéneo.245 3426.h p )y. J4 = 0 (27.2832 7. cuyas raíces son los valores propios.(2 .3776 ! La carga crítica por pandeo es. .078 kN.0944 3.

el valor propio es analizado igualando el determinante con cero 2-2. a) Al escribir la ecuación (27.18) se escribe como (2-p ) 2 -1 -1 (2-p ) 2 La expansión del determinante da (2 .5625/? = V 2 .2WmjlMÁS DB VALORES PROPIOS i El método del polinomio 1 • ''W O W |0Í Enunciado del problema. I ! ! I b) Para dos nodos interiores (h — 3/3).5% |e.1 = 0 el cual se puede resolver para p = ± 1 y ± 1. Empléese el método del polinomio para determinar los valores propios para la columna cargada axialmente del ejemplo 27.5% menor. la ecuación (27. Por tanto.0.73205.1) El determinante se puede igualar con cero y expandirlo para dar ( 2 .0 .|=2. se obtiene (h = 3 / 2 ) -(2-2.5.25p )yi = 0 2 Así.5625 p .p ) 2 2 y\ yi .18) para uno de los nodos interiores. el primer valor propio es ahora casi 4. c) tres y d) cuatro nodos interiores Solución.0205 /J = ± 1 .0. se pueden determinar los primeros tres valores propios como 2 2 p = ±1. c) Para tres puntos interiores (h = 3/4). 8 8 5 6 |e. el cual es casi 10% menor que el valor exacto de 1.4. usando a) uno.25p 2 =0 y resolviendo para p = ±0. y se obtiene un segundo valor propio que es casi 17% menor.2(2 . />) dos.5625/? 2 y\ y-i y3 = 0 (E27.18) queda ~ 2 .0472 obtenido en el ejemplo 27. la ecuación (27. De esta manera.|=10% / > • 1 2.27.0.5625 p -1 0 ¡ ¡ 2 -1 2 . para este caso sencillo.6.1 2 0 -1 2 -0.5625/? ) = 0 2 3 2 ! i Esta ecuación se cumple si 2 — 0.4637 =22% .9428. 5 6 2 5 / ? ) .5625/? = 0 y 2 — 0.

7321 (21%) h = 3/4 1.| = 1. Los números entre paréntesis representan el valor absoluto del error relativo porcentual verdadero.1702 (24%) La tabla 27.| |e. M é t o d o del p o l i n o m i o Valores propios 1 2 3 4 Verdadero 1.0944 3.3(2 . Igualando el determinante con cero y expandiéndolo.36/J2 sobre la diagonal. Como en el ejemplo 27.19) con 2 — 0.2.| = 2 4 % £ Los resultados de aplicar el método del polinomio a una columna cargada axialmente.0000 (4.9593 p = ±2. y los valores previamente determinados se vuelven de manera progresiva más exactos.9593 (65%) 2. En tanto se refine más la segmentación.0205 (2.806 PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS <l) Ptiru cuutro puntos interiores (h = 3/5).1702 TABLA 27. El método de Fadeev-Leverrier. se tiene (2 .6.4) ." .5%) 1.036p ) 2 4 2 2 + 1=0 la cual se puede resolver para los primeros cuatro valores propios p = ±1.6967 p = ±3. 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.1888 h= h 3/2 0.| = 14% | . Así.2 |e.0301 (1.1416 4.5% |£.6%) 1.9428 (10%) = 3/3 1.6967 (14%) 3.6% = 6.p) = 0 x 0 (27.p„-iX"~ l p \ " .0472 2. se determinan valores propios adicionales.0 .20) el cual resulta de la expansión del determinante del sistema [[A\-X\l\\{X}^0 ( 27 . Ahora veremos un método de cómputo para generar el polinomio. 3 6 p ) .4637 (22%) h = 3/5 1.0301 p = ±1. El método Fadeev-Leverrier es un procedimiento eficiente para generar los coeficientes p¡ del polinomio (-1)"(A. el procedimiento es muy conveniente para los casos en que se requieren pocos valores propios. que resume los resultados de este ejemplo. el resultado es la ecuación (27.5%) 1. ilustra algunos aspectos fundamentales del método del polinomio.8856 (10%) 2.

29) EJEMPLO 2 7 . [ / ] ] n 2 n (27.27) y po = .6. El método tiene la ventaja adicional de que la matriz inversa [A]" puede ser generada eficientemente en el proceso. 7 El método Fadeev-Leverrier Enunciado rlol problema.2) la suma de los coeficientes de la diagonal.2.22) donde tr [#]„_.tr [fi] n 0 (27.21) p„-\ = tr [fi]„_i n (27. El método puede continuarse generando la matriz [ 5 ] _ = [A][[B] _. [B]„. .I7.26) y se continúa hasta que p se determina a partir de 0 [B] = [A][[Bh 0 Pl [I]] (27. es la traza de la matriz [fi] _¡. . .%mmUHM> 1 DE VALORBS'PROPIQg .23) la cual se puede usar para calcular Pn-2 = ^ [ ]«-2 f i t r (27.p „ _ . la matriz inversa se puede calcular simplemente como [A]" = 1 Po L —[[Bh-pdl]] (27. [A] (27.28) Entonces. . El método consiste en generar una secuencia de matrices [B] que pueda emplearse para determinar los valores p¡.25) que puede usarse para calcular p„= itr[fi]„_3 3 (27. Emplee el método l'adeev-Leverrier para determinar los coeficientes para la matriz en la parle«') del ejemplo 27. la cual es (recuerde PT3.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.24) [B]„_3 = [A][[B]„- 2 - Pn-llH] (27. Por ejemplo.

607X + 22.556 -1.475 0 0 % 0*495 .778 3.321 3.556 -X 0 -1.778 3. Para el caso presente [h = (3/4) = 0.778 3. a su vez.7. se puede sustituir en la ecuación (27.963 6.27) para dar 3.21).778 -7.111 -1.556 -1.778 3.7.642 6.556 -7.321 9.778 0 -1.778 0 -1. La matriz se puede expresar en la forma general de la ecuación (27.778 3.487 3 2 Se puede poner en práctica la misma evaluación con el método Fadeev-Leverrier.111 que se puede evaluar para obtener -22.111 -1.123 6.321 3.778 0 -1.23) para dar [Bh = 3.778 3.778 -7.667 2 (E27.778 0 -1.556 = 10.160 6.778 0 -1.556 -1.1) Este valor puede sustituirse en la ecuación (27.321 12.556 + 3.2) Este resultado.160 6.778 3.321 3.481 6.778 3.556 -1.123 . ésta da 2 2 [A]-X[/] = 3.22).4) al dividir cada renglón de la ecuación (E27.321 -18.556 9. Antes de proceder.778 0 -1.6.556 [Bh Por tanto.321 3.963 .5625].556 -1. la ecuación (27.31.778 0 -1. 6 0 5 (E27.808 PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS Solución.160 6.18. el determinante se puede expandir por menores para dar 2 .778 0 -1. de acuerdo con la ecuación (27.556 — X -1.6671 .475 0 0 o 0 22.778 -1. De acuerdo con la ecuación (27.778 0 -1. p = 3. 3.481 [B] -0 que al ser evaluado da "22.3 1 .22.123) = .556 + 3.123 [Bh = Por tanto.556 -1.1) entre h .160 6.24) puede emplearse para calcular Pi 1 -(-22.A + 10.321 -22.556 -X donde X = p .

321 3.n eum = eum + a END DO Trace = eum END Trace u .7.281 0.281 0.321 3.(-31. la ecuación (27.605A. + 22. n) I (n . La matriz inversa también puede ser calculada con la ecuación (27. (Jbserve que también se incluye una función para calcular la traza.¡i) END DO END Fadeev FUNCTION Trace(a. p) D\Mb w Una subrutina para el inótodo Fadeev-Leverrier.475 ' .(-31.422 6.141' 0. además de las pequeñas diferencias debidas al error de redondeo.-1 DO ¡ = 1.605) 6.141 0.475) = 22.281 0. n.281 0.28) puede empleante para cnlcular />„ = (22.160 6.3) Sustituyendo las ecuaciones (E27.7. al ser multiplicada por [A].2 2 .20).321 . n) sum = Ol DO i = 1. 0. resulta [7].3) en la ecuación (27.29).605) 6.1' M M S M S PE V A L O R E S PHOHOS" 1 soy Por tanto.2 2 .7.667X .562 0.n ( K = b U~PlM ENDDO [3] = [A] .963 .475 = 0 2 el cual. 1 2 3 .9 5U3 Fadeev (a. FIGURA 27. 1 2 3 .475 (E27. es idéntico al resultado obtenido al expandir el determinante usando menores.160 0.422 0.321 -18. se obtiene el polinomio resultante -X 3 + 10.(-31.475 + 22.31. [5] = [A] P„_ = Trace(b. 1 22.475 + 22.27.1) hasta (E27.[3] p¡¡ = Trace(b. ri) OO ti = ti-2.605) que.

Esto se dejará como ejercicio para el lector. EJEMPLO 2 7 .885.071 Como X = p . Como beneficio adicional. Determinación del valor propio más grande. Solución.6.3. Determinación de los valores propios como las raíces del polinomio carnctoiíslii o Después de aplicar la técnica Fadeev-Leverrier. -X 3 El polinomio + 10.475 = 0 2 se puede evaluar con el método de Bairstow (o con paquetes como MATLAB o Mal hcad) para obtener X = 1. se deben evaluar las raíces del polinomio resultante.6.31.041.2.605A. 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 27.464 que son iguales a los resultados del ejemplo 27.PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS I!l método l'adecv-Lovorrier puedo ser programado de manera concisa. y compárense los valores propios resultantes con los que se calcularon en la parte c) del ejemplo 27. 8 Raíces del polinomio característico Enunciado del problema. 27.5 El método de potencias El método de potencias es un procedimiento iterativo que puede ser empleado para di terminar el valor propio más grande. Determine las raíces del polinomio característico que se generó en el ejemplo 27.9) con el método de Bairstow ( V O I I K P figura 7. Para poner en práctica el método di potencias.5). Programa de computadora p a r a el método de! polinomio. + 22.6c (con pequeñas diferencias debidas ni error por redondeo).9 NO muestra lu lista del pseudocódigo para esto propósito. Con ligeras modificaciones. puede calcularse la raíz cuadrada de esos valores para dar 2 p = 1.555. Los procedimientos presentados en el capítulo 7 están diseñados para este propósito. el sistema que se unalüUMA dfbe expresarse en lu forma . Observe que so requiere una subrutina para calcular la traza. también puedo servir para determinar el valor más pequeño y los valores intermedios.2.667A . El método de Bairstow se usa en el siguiente ejemplo.020.7. el vector propio correspondiente se obtiene como un subproducto del método. Kn la finura 27. 1.

778 0 -1. el valor propio estimado para la segunda iteración es 3.556X2 3 .778*2 3.778 1 0 1 Así.1. Solución.778(1) + 3 . 7 7 8 ( 1 ) + 3 . la primera estimación del valor característico es 1.556 JCI - = A JC.556.778 3.556 1 0 1 3.778 0 -1. la ecuación (27. Empléese el método de potencias para determinar el valor propio más grande para la parte c) del ejemplo 27.556 -3.778 3.778*3 = Ax 3 .556 -1.1556 1. 3 . el sistema se escribe en la forma de la ecuación (27.2 \A\[\\ M -V m (27. -1.6.30) es la base para una técnica de solución iterativa que finalmente da el valor propio más grande y su vector propio asociado.778 0 1.778.30).778 0 1.778X2 + kx 3 Después.778 3. Primeramente.778(1) = 0 .2f. el lado derecho es normalizado por 1.556(1) .556 3.556(1) = 1. 1.778 1556 100% = 50% .778 r • = • 1 0 1 La siguiente iteración consiste en multiplicar [A] por [1 0 l ] p a r a dar 3.778xi + - . que puede emplearse para determinar el error estimado .556 1 -1 1 = • = 3.556 -1.778 • = 1.556 -1.778 ' • = 1.556 Por tanto. Esta iteración puede expresarse de manera concisa en forma de matriz como 3.30) Como se ¡lustra en el siguiente ejemplo.1.556 1 1 1 1.1 .778 Luego.778 0 -1. suponiendo que las x del lado derecho de la ecuación son iguales a 1.556(1) . Método de potencias p a r a el valor propio más g r a n d e Enunciado del problema.1.556x3 = 2 1.778 0 -1.778 -1.778(1) = 1.556 -1.778 3.778 para hacer que el elemento más grande sea igual a 1.

(en otras palabras. Tal como el caso ele la barra de la figura 27. Quinta iteración: 3.223 ' -0.445 = 6.778 3.714 donde |ej = 214% (de nuevo.778 3. Otros casos especiales se analizan en Fadeev y Fadeeva (1963).317 6. Esto puede realizarse aplicando el método de poten cias a la matriz inversa de [A]. Para este caso.445 6.708 • — • = 6.556 -1.317 ' -0. Smitli y Wolford (1985) ilustran un caso así.556 -0.556 -1.556 -0. Determinación deí valor propio más p e q u e ñ o .6.556 -1.334 -7.095 • Así.556 -1. en lugar de hacerlo con el más grande.778 0 -1. el método de potencias convergirá sobre el valor más grande de 1 A.75 • = • -4.556 -1. James.812 PROBLEMAS DE VALORES E N LA FRONTERA Y DE VALORES PROPIOS lil proceso puede entonces repetirse. Cuarta iteración: ~ 3.4637 ) obtenido en la parte c) del ejemplo 27.714 1 -0. .778 0 -1. 2 Tenga en cuenta que en algunas ocasiones el método de potencias convergirá ¡il segundo valor propio más grande. muy alto debido al cambio de signo).7.112 5.75 ' 1 -0.778 3.778 3. el valor más pequeño de X).070 ( = 2.556 -1.223 -4. 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 -1 1 5. el factor normalizado es convergente sobre el valor de 6.778 3.778 3.714 1 -0. En ingeniería existen problemas cu los que nos interesa determinar el valor característico más pequeño.778 0 -1.095 -4.112 donde | e j = 150% (que es alto debido al cambio de signo).334 -0.75 • := ' = -7.778 0 -1. Tercera iteración: 3. donde el valor propio más pequeño pudo ser usado para iden tificar una carga de pandeo crítica.6.778 0 -1.714 -4.778 0 -1. EJEMPLO 2 7 .75 1 -0.708 1 -0.

751 0. Tercera iteración: "0.141 0.141 0.281 0. el método de potencias puede aplicarse a esta matriz.5.281 0.715 1 0.751 • = • = 1.709 1 0.141 0.281 0.884 0.141" 0.709 = 0.422 0.124 0.281 0.281 0.27.9.281 0.704 0.715 1 0.281 0.704 0.141 0.684 0.7 Q U EL UM A T R Z I IVORNII O S 0.281 0. después de sólo tres iteraciones.964 0.684 0. Primera iteración: "0.124 • Segunda iteración: 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) . está diseñada para matrices simétricas.281 0.715 = 0.422 '1 1 1 ' 0. el resultado converge al valor de 0.562 0. El proceso de eliminar el valor propio más grande conocido es llamado deflación. La técnica bosquejaba aquí.422 0.281 0. Esto se debe a que aprovecha la ortogonalidad de los vectores propios de tales matrices.715 0. Así.422 0.2 PROBLEMAS DE VALOR|8j|^PWBÉLWWW^4 111 S O L U C Ó IN . CN I O es.281 0.141" 0. es posible determinar los siguientes más altos remplazando la matriz original por una que incluya sólo los valores propios restantes. el método de Hotelling.141 0.422 0.281 0.984 • donde |ej = 14. que es el recíproco del más pequeño de los valores propios.955.6%.751 1 0.562 0.281 0.R E C U E R D ED E LE J E M P L O 27.0472. Después de encontrar el más grande de los valores propios.281 0. los cuales pueden ser expresados como para / # j para i = / (27.422 0.562 0.884 1.964 donde |ej = 4%.562 0.281 0.984 0. obtenido en el ejemplo 27.422 Usando el mismo formato del ejemplo 27.31) 1 donde las componentes del vector propio \X) liun sido normalizadas de forma tal quo •» 1 .141" 0.422 0. 1.281 0. Determinación de valores P R O P O I S intermedios.751 1 0.

Así. sólo determina algunos de los valores propios más altos. se usan métodos iterativos para determinar esos valores propios.30). ya que la eliminación de cada elemento no cero a menudo crea un nuevo valor no cero en el elemento cero anterior.. Desafortunadamente. La mayoría se basa en un proceso de dos pasos. Muchos de esos procedimientos están diseñados para'tipos especiales de matrices. = 0.32) por {X]. se requiere tal información en muchos problemas de ingeniería. etc. de alguna forma. X . Aunque. [A] {X} 2 1 =[A]dXh -A. . X . Si el método de potencias se aplica a esta matriz. Para mostrar esto. 2 x 2 2 2 3 n x 2 3 27. primeramente multiplicamos la ecuación (27. = L\4]. En otras palabras. L4] {X}.6 Otros métodos Una amplia variedad de métodos adicionales están disponibles para resolver problemas de valores propios. 2 donde el lado derecho es igual a cero. la [A] tiene valores propios de 0. En particular. Aunque en teoría este proceso puede continuarse para determinar los valores propios restantes. el proceso de iteración convergirá al segundo valor propio más grande. el método de potencias convergirá sobre la siguiente X más grande. Esto es. está limitado por el hecho de que los errores en los vectores propios son arrastrados en cada paso.{X}[{Xh Aplicando el principio de ortogonalidad. El primer paso implica transformar la matriz original en una forma m^s simple (por ejemplo. . de acuerdo con la ecuación (27. En consecuencia. . Después. 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. Así. esto es un defecto. Aunque se requiere un tiempo infinito para crear todos los elementos no cero que están fueni de la diagonal. El proceso anterior puede repetirse al generar una nueva matriz [A] .M X ] . transformamos esta ecuación en [A] {X}. X = 0 y {X} = {X} es una solución para [A] {X} = X{X}.32) donde [A] = matriz original y X — valor propio más grande.LY}. Por ejemplo. por tanto.[{X}i{X}[ x x (27. ha sido reemplazado por un 0 y.2.{X}i . finalmente la matriz tenderá hacia una forma diagonal. X . . una variedad de técnicas se utilizan en sistemas simétricos.PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS Ahora. el método requiere un número infinito de operaciones. A. tridiagonal) que retiene todos los valores propios originales. 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^. El valor propio más grande. se puede calcular una nueva matriz [A] como 2 [AJ2 = [A]\ — A. .

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

CC 27.) Primero.9 ) r -0 9 . Como ejemplo.llhc. 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 . Está muy bien disonado . 3. correspondientes a los vectores propios de la matriz cna drada M. el sistema es rígido. Aunque es un buen integrador de uso general.P R O K B M A S DE VALORES EN M. 4 7 7 2O O .-. respectivamente.ld LA FRONTERA Y DE VALORES PROPIOS E a l E d t ly o i wI n s e r tF o .6 )| ^ = . La función eigenvecs(M) devuelve una matriz que contiene vectores propios normalizados.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 .. Los resultados de aplicar estas funciones a las EDO se muestran en la figura 27.n il i FIGURA 27. usemos Mathcad para analizar el comportamiento de este sistema exami nando los valores propios.3. 110 siempre es eficiente. El resultado ce es una matriz que contiene tanto vectores propios como sus columnas.33/. el cual es una versión de tamaño dw puso variable de rkllxed.2 Mathcad Mathcad tiene diferentes funciones que determinan valores propios y vectores propios y que resuelven ecuaciones diferenciales. Por tanto.) 2 -jjr = lOOvj . Las funciones genvals(M. Este es proporcionado por la función rkfixed.10 ~[ o 3 . 1 9 J c e= : e g i e n v e c s m (m ) < _[ 0 9 . El sistema está dado por [recuerde la ecuación (26.5 y i + 3}> (27. Observo que bb halla el vector propio específico asociado con el valor propio más pequeño. Como los valores propios (aa) son de diferente magnitud. La técnica más elemental empleada por Mathcad para resolver sistemas de ecuacio nes diferenciales de primer orden. N) producen valores propios y vectores propios normalizados. W.N) y genvecs(M. 1 9 0 9 0 9 .3 0 1 ^ 2 (27.33. es un algoritmo Runge Kutta de cuarto orden de taniíi ño de paso fijo. Mathcad suministra Ukiidnpl. 9 .4 8 ] b b= ! _ -0 3 .10. resolvamos un sistema de ecuaciones diferenciales rígidas de forma tal que podamos comparar el desempeño de algunas de las funciones de Mathcad.

que se basan en un método BulirschStoer modificado para sistemas rígidos. Esta función emplea el método Bulirsch-Stoer. Observe que y y v de la ecuación (27.3 0 O . De manera similar.T0.T0.DJ) SECOND SOLUTION: T : = RKFIXED(IC. los lados derechos de las EDO para introducir a rkfixed y Stiffb. Y 5 3 -301 1 J 1C: = "41 J(T. Y 1 . Primero. Las soluciones para rkfixed con 1 000 pasos entre tO y 11. Las ecuaciones diferenciales rígidas son el extremo opuesto del espectro.11 se muestra la solución de las ecuaciones diferenciales al usar Mathcad.10.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.11.11. la función rkfixed puede ser muy ineficiente o inestable.33). y Stiffb con sólo 10 pasos se almacenan en las matrices T y S. Las siguientes entradas son el rango para l y las condiciones iniciales para Y. W Y ) ! •17 VECTOR OF INITIAL FUNCTION VALÚES 1 .D) |0 100 INITIAL AND.TL. mientras que la gráfica para la solución rkfixed se crea usando lu primera y la segunda columnas de la nuitií/T ] 2 0 0 . y en el método Rosenbrock.11 PANTALLA DE MATHCAD PARA RESOLVER UN SISTEMA DE E D O . Y). definimos la matriz J para Stiffb. Estas funciones son Stiffb y Stiffr. Además. entonces usted puede observar que la función Bulstoer de Mathcad tiene un buen desempeño. el símbolo definición se usa para definir el vector D(t.1000. Observe que hemos simplificado la presentación de la gráfica en la figura 27.TL.27. Bajo estas condiciones.[ M O .Y): = FIRST SOLUTION: S := STIFFB(IC.FINAL INDEPENDENT VARIABLE TO := 0 TI := 1 FIGURA 27. y a menudo es eficiente y extremadamente exacto para funciones uniformes. para cumplir con los requerimientos de Mathcad.33a y b) son cambiados a Y y Y. Los métodos anteriores devuelven valores de solución sobre un número de intervalos uniformemente espaciados acotados por el rango de integración. Por tanto. I.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. En la figura 27. Esto es. y el jacobiano ocupa los cuatro elementos restantes. La primera columna de J es la derivada con respecto a t de los lados derechos de la ecuación (27. Las soluciones para^. Mathcad proporciona dos métodos especiales que están diseñados específicamente para manejar sistemas rígidos. si usted sabe que su solución es una función uniforme. (Y ) para ambos métodos de integración se comparan en la figura 27.

Solución.2).y]-odi23('priúffty'. y ODE45.2x .11 usa I 000 pasos. tiene también funciones prediseñadas para resolver EDO. Esto es muy ineficiente. se debe emplear rkl'lxed con un lamaño de paso más pequeño para cumplir con los requerimientos de los valores propios más grandes. la cual usa fórmulas de segundo y de tercer órdenes para alcanzar una exactitud media. usted debe usar un procesa dor de texto para crear un archivo M que contenga el lado derecho de las EDO. e introduzca las siguientes instrucciones paitt especificar el rango de integración y las condiciones iniciales: >> >> tspan = [ 0 . EJEMPLO 2 7 . Los solver estándar de EDO incluyen dos limen> nes para implementar el método Runge-Kutta Fehlberg de tamaño de paso adaptalivo (recuerde la sección 25.3jry donde x = 2 y y = 1 en t = 0. La solución de la figura 27. 1 1 Uso de MATLAB para valores propios y E D O Enunciado del problema. Después. 8 y + 0. 6 .3.818 PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS Ln solución Stiffb es estable y pasa por cncimti ele los detalles de lu porción alta mciilc Ininsilorin de la solución con un gran (amaño de paso. . 6 * y ( 1 ) * y ( 2 ) . Como se verá en el siguiente capítulo (sección 28. el paquete estándar MATLAB tiene excelentes capacidades pura determinar valores propios y vectores propios. y conlinúa la solución de muñera eficiente al extremo del rango. Sin embargo. una voz que pasa el lian sitorio inicial. 3 * y ( 1 ) * y ( 2 ) J . Estas son ODE23. y ) yp = E1 .5. 2 0 ] ' . 8 * y ( 1 ) + 0 . y sigue los detalles de la solución por todo el rango de t. Guardamos este archivo M con el nombre: predprey. Para mantener la estabilidad.m. Entonces el solver se puede llamar por >> Lt.i:'. W ~d7 dt = .3 MATLAB Como podría esperarse. que usa fórmulas de cuarto y de quinto órdenes para alcanzar una exactitud alta. pues.0 . lisie archivo M entonces será abordado por el solver de EDO [donde* = y(l) y y — r(2)|: f u n c t i o n yp = p r e d p r e y ( t .2).0 . Explórese cómo se puede usar MATLAB para resolver siguiente conjunto de EDO no lineales de t = 0 a 20: dx . La solución de la función rkfixed con los mis mos 10 pasos es inestable. y0=C2. 2 * y ( 1 ) . El siguiente ejemplo ilustra la ma ñera en que se pueden usar para resolver un sistema de EDO. 27.y0).0 . . la solución cambia gradualmente. Antes de obtener una solución con MATLAB. (alen ecuaciones son conocidas como ecuaciones depredador-presa.tspan. comience con MATLAB.0 .

12. por ejemplo.13 Gráfica de estado-espacio del modelo depredador-presa con MATLAB. . una gráfica de las variables dependientes contra cada una de las otras mediante >> p l o t ( y ( : . Esta instrucción resolverá entonces las ecuaciones diferenciales en predprey.27 . 2 ) ) con lo que se obtiene la figura 27. ÜBBBRIAM BOQUETES 119 0 5 10 15 20 FIGURA 27. Los resultados se pueden desplegar tecleando simplemente >> p L o t ( t .m sobre el rango definido por tspan usando las condiciones iniciales encontradas en yO. y ( : . y ) con lo cual se obtiene la figura 27.13.3 v ED*# F L O R E S PROPIOS CON. 1 ) . también es ilustrativo generar una gráfica de estado espacial.12 Solución del modelo depredador-presa con MATLAB. FIGURA 27. Además.

negativos en la función exponencial). 0 1 0 1 0 . el de Boyce y DiPrima (1992). presentamos el sistema rígido definido por la ecuación (27.33). Kc cuerde que. lo cual es común cu un sistema rígido. 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. 1 0 0 3 0 1 D . -3 .1 0 0 301 — A. 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. lísli rutina integra un sistema de IÍDO usando el método Runge-Kutta. que está asociada con ely-ésimo valoi propio. 9 9 9 9 d = 3 . 3 1 9 1 0 . donde A.3. Y ) . para el presente caso.0101) podiln dictar el tamaño de paso si se usara una técnica de solución explícita. todos los valores propios son positivos (y. respectivamente. Como. Un buen libro sobre ecuaciones diferenciales como. d 3 = e i g ( a ) v = 0 .9899í . la solución para el caso presente podría tener la forma y i = t\\e y C2\e 2 — „ _ „-3.4 IMSL IMSL tiene diversas rutinas para resolver EDO y para determinar valores propios ( V Ó H S I tabla 27. IVPRK se pone en marcha con ln «¡guíente declaración CALL: C A L LV IP R K ( I 0 0 .T I N O / T 0 L .PROBLEMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS Parn valores propios.3). por tanto. En nuestro actual análisis. por ejein pío. . > > C v . y {e} = valor propio y vector propio. P A R A M . 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 . Tales liDO lineales se pueden esnibii como un problema de valores propios de la forma " 5 — A. 9 8 9 9 0 0 3 0 2 . 0 1 0 1 Así. vemos que los valores propios son muy diferentes en magnitud. --302. N¿*F##/ T . nos concentraremos en la rutina IVPRK.0101r 2 + c\ e + ene donde c¡j — parte de la condición inicial p a r a j . en nuestro análisis de sistemas rígidos en el capitulo 26. Por ejein pío. 27. la solución consiste en una serie de exponenciales en decaimiento. 9 4 7 7 0 . La que tiene el valor propio más grande (en este caso. le explicará cómo se puede realizar esto.

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

t .11. nout REAL : : param(mxparm). Solución. L E . tend. param. .2. 'Y2") ' PRINT *(4X. " Y l " ido = 1 istep = 0 WRITE ( n o u t . t o l .0 y(2) . ' I S T E P 5X.1. t o l .EQ. paratn. n=2) INTEGER : : i d o . t . 10) ido = 3 END D O END PROGRAM SUDROUTINE fen ( n .0005 CALL SSET (mxparm. t . t.n Nubrutina FCN debe ser escrita de manera que cumpla las ecuaciones diferenciales. . subroutine i nteger real fen n t. yprime(n) (n.." es donde la i-ésima EDO está escrita. se puede escribir como Program PredPrey USE msirnsl INTEGER : : mxparm. yprlmi') l M P U C l i N0NL . y ( n ) .0 11X. = . 3 ) ' ) i s t e p .0.0 y ( l ) . i s t e p . . Deberla ser de la forma general. y) I F ( i s t e p . nout) t . t .0 t o l = 0. ' ( I 6 . EJEMPLO 2 7 . 3 F 1 2 . yprime) yprime(1) yprime(2) return = . ' ( I 6 . 3 F 1 2 . "Time". . 1) param(lO) = 1. end donde la línea "yprime(¿) = . y D O 1step . y(n) EXTERNAL fen CALL UMACH ( 2 .PROIUMAS DE VALORES EN LA FRONTERA Y DE VALORES PROPIOS l. 1 2 Uso de IMSL para resolver E D O Enunciado del problema. 3 ) ' ) i s t e p . n PARAMETER (mxparm=50. t . 9X. n. tend. 0 . y. presa del ejemplo 27. Un ejemplo de un programa principal en Fortran 90 y la función IVPRK Úsese IVPRK para resolver las mismas EDO depredador- para resolver este problema. y.i step + 1 tend = i s t e p CALL IVPRK ( i d o . FCN debe ser declarada EXTERNAL en el programa de llamado. 0 . 10) EXIT WRITE ( n o u t .. f e n . y I F ( i s t e p .

lince una gráfica como la de la figura 27. 27.6) como 1.) 1 0 0 .6) y dcNpués resuelva la ecuación lineal resultante con el procedimiento por diferencias finitas.000 2. y p r 1 m e ( n ) yprlrne(l) .17/ = 0 27.0.000 1.9 Repita el ejemplo 27. pero ahora para tros masas.-0.6. 27.REAL .1.000 7. 27.1. pero ahora para cinco puntos interiores (h = 3/6).10 Use menores para expandir el determinante d e b 1 2 .3 Use el procedimiento por diferencias finitas con Ax = 1 pura resolver el problema 27.4 con el procedimiento por diferencias finitas usando Ax = 2.000 3.8 Repita el ejemplo 27. d\ •'• 1 0 •I .000 10. Sustituya esta relación en la ecuación (P27.2 x 10~ (7). + 273)'" +4.000 8.000 5.2*y(l) . 27. y ( n ) .1. 27.7 A menudo. Por ejemplo. ) 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 ).2 Use el método de disparo para resolver el problema 27.5 Resuelva el problema 27.H _ 7 4 7 ()btcnga una solución analítica para una barra de 10 metros con '/'(O) = 200 y 7X10) = 100.2 x 1 0 ( T + 273) = 1. 27.2 0 0 y7 ( 0 5 .6*y(l)*y(2) yprime(2) . 27.6 para identificar el principio de los modos de vibración.1 Un balance de calor en estado estable para una barra se puede representar como dT 2 dx 2 0.000 9. Cambie todas las k a 240.(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. : l . se puede usar una expansión en serie de Taylor de primer orden para linearizar el tórmi no a la cuarta potencia de la ecuación (P27.000 4. las ecuaciones diferenciales como las que se resolvieron en el problema 27.4 Use el método de disparo para resolver dy 2 xl0.8*y(2) + 0. Emplee T = 150 y Ax = ().4. 27.ini obtener su solución.000 6.() I p.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. x1 0 (7' + 2 7 3 ) 'I5 ( 1 5 0 7j 0 ( P 2 7 6 .000 yi 2 3 5 3 1 1 1 2 4 5 2 000 703 433 390 407 048 367 393 344 287 561 y2 1 1 1 3 3 1 1 000 031 905 533 073 951 241 959 1 161 2 421 3 624 PROBLEMAS 27.6 se pueden simplificar al lincnrizur sus términos no lineales.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 .

3 y dxldt = 0 en t = 0.4 para analizar las vibraciones de un amortiguador de un automóvil: 2 1. e integre de t = 0 a 30.15 Desarrolle un programa de computadora de uso amigable pura implementar el procedimiento por diferencias finitas.036y.27 Use IMSL para integrar . calcule ln mulri/ inversa y verifique que es correcta. 27. para el caso en que x = 0.2 x 1 0 — 6 /d xdt -. 27.666667 y r = 28. a) Use MATLAB para resolver estas ecuaciones de t = 0 a 0. dx dt 2 2 7 r + 1 x 10 — + 1. empleo Ax = 0.05 en t = 0.7.2. b) — = + cry dt ' dx dt—ax dy dt dz — = rx — y — xz — = — donde a = 10. c = 0. Pruebe el programa con los datos del ejemplo 27. Emplee condiciones iniciales de x = 2 y v = 1.19 Desarrolle un programa de uso amigable para implementar el método del polinomio.1. Pruebe el programa con los datos del ejemplo 27.4.15 para resolver los problemas 27. 27. Pruébelo con los datos del ejemplo 27.5>!^ 2 dt — = 0. para resolver una EDO lineal de segundo orden. 27.23 Use Mathcad con los dutos del ejemplo 26.1. Pruébelo con los datos del ejemplo 27.20 Desarrolle un programa de uso amigable para resolver el valor propio más alto con el método de potencias. 27.16 Use el programa que desarrolló en el problema 27.26 La siguiente ecuación diferencial se usó en la sección 8. 27.13 para resolver los problemas 27. Además.6 usando el procedimiento por diferencias finitas.10.6.10.10.7.4.3vi .824 limplec el método de l'iiilcev I «vnnier ptint realizar el mismo calculo. Desarrolle una gráfica de estado-espacio de sus resultados. Pruébelo con los datos del ejemplo 27.17 para resolver el problema 27.18 Use la subrutina desarrollada en el problema 27.3.4 x 10 x = u 0 9 Transforme esta ecuación en un par de EDO. l v donde y = 1 y y = 0. 27.5.0 . 27.17 Desarrolle una subrutina para implementar el procedimiento Fadcev-Leverrier. 27.3 y 27. 27.22 Use el Solucionador de Excel para resolver directamente (es decir.2 y 27. sin linearización) el problema 27.25 Use MATLAB para integrar el siguiente par de EDO: ^ dt x = 0.9. para una EDO lineal de segundo orden. 27. Pruébelo con los datos del ejemplo 27.2. b = 0. 27.8 y d = 0.14 Use el programa que desarrolló en el problema 27.12 Use el método de potencias para determinar el valor propio más bajo y el correspondiente vector propio para el problema 27. 27. 27.10. b) Use MATLAB para determinar los valores propios y los vectores propios para el sistema.13 Desarrolle un programa de computadora de uso amigable puru implementar el método de disparo.11 Use el método de potencias para determinar el valor propio más alto y el correspondiente vector propio para el problema 27.10. 27. Como en el problema 27.6c.21 Desarrolle un programa de uso amigable para resolver el valor propio más pequeño con el método de potencias. b = 2.24 Use Mathcad para determinar los valores propios y los vectores propios para la matriz del problema 27.y> .1. . dx dy a) — = ax dt dt — bxy — = —cy donde a = 1. Emplee condiciones iniciales d e x = v = z = 5 e integre de t = 0 a 20. 27.1 para obtener su solución. 27.

La acumulación representa el cambio en masa en el reactor por cambio en el tiempo.3. Muchas de estas aplicaciones dan por resultado ecuaciones diferenciales no lineales que no se pueden resolver con técnicas analíticas. te puede formular simplemente como Acumulación = V de dt (28. hemos desarrollado expresiones matemáticas para el término acumulación de la ecuación (12. i' 28. que se toman de las ingenierías civil y eléctrica. también podríamos estar interesados en la respuesta transitoria de un reactor completamente mezclado. Las secciones 28. También se ilustra cómo se puede usar la optimización para estimar los parámetros para las EDO. usualmente se requieren métodos numéricos. tratan con la solución de sistemas de ecuaciones. Así. 1 se deduce de un problema de la ingeniería química. En ambos casos. Las ecuaciones se originan de aplicaciones prácticas de la ingeniería. Este problema también utiliza dos ecuaciones simultáneas. la aplicación de ingeniería eléctrica trata también con la determinación de valores propios. En la sección 28. se usa un esquema RK de cuarto orden.1). en consecuencia. respectivamente.4 se emplean diferentes procedimientos para investigar el comportamiento de un péndulo oscilante. Para hacer esto. Los problemas de este capítulo ilustran algunos elementos de juicio asociados con varios métodos desarrollados en la parte siete.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. Por tanto.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.2 analizamos el estado estable de una serie de reactores. Ahí se demuestra cómo puede simularse el comportamiento transitorio de los reactores químicos. Además de los cálculos en estado estable. Además. Para un materna de volumen constante. se demanda alta exactitud y. 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 sección 12. La sección 28. las técnicas para la solución numérica de ecuaciones diferenciales ordinarias tienen capacidades fundamentales que caracterizan la buena práctica de la ingeniería.2 y 28.1) .

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

3.uación (28.2 w 40 n •uler.03c.2 20 10 0 10 20 JL 30 f.5 30 FIGURA 28. Observe que cada uno de los reactores muestru una respuesta transitoria diferente con lu introducción del químico. sustituyendo parámetros (observe que g c = 50 mg/min. Las soluciones numéricas son i iblenidas con el méto