MTODOS

NUMRICOS INGENIEROS

PARA

Con aplicaciones en
computadoras personales

MTODOS

NUMRICOS INGENIEROS

PARA

C o n aplicaciones en computadoras personales

Steven C. Chapra,
Raymond

Ph.D.

Professorof Civil Engineering Texas A&M University

P. Canale, Ph.D.

Professor of Ci.vil Engineering The University of Michigan

Traduccin: Carlos Zapata S. Ingeniero Electricista, UDLA Diplomado en Ciencias de la Computacin, Fundaci6n Arturo Rosenblueth Alfredo Corts Anaya LicenciadoenCienciasFsico-Matemiticas, MaestroenCiencias de la Computaci6n, IIMAS,UNAM UMSNH

Revisin tcnica: FernandoVeraBadillo IngenieroCivil,Universidad La Salle Jefe del Departamento de Matemlticas Aplicadas, Universidad La Salle

MXICO

NUEVA YORK

BOGOTA

BUENOS AIRES

McGRAW-HILL
CARACAS SAN JUAN

PANAMA

GUATEMALA LISBOA SANTIAGO S0 PAUL0

MADRID

AUCKLAND NUEVA DELHI ST. LOUIS

HAMBURG0 LONDRES MONTREAL PARS SAN FRANCISCO SINGAPUR SIDNEY TOKIO TORONTO

METODOS NUMRICOS PARA INGENIEROS Con aplicaciones en computadoras personales Prohibida la reproduccin total o parcial de esta obra, por cualquier medlo, sin autorizactn escrita del editor DERECHOS RESERVADOS (9 1987, respecto a la primera edicin en espaol por LIBROS McGRAW-HILL DE MCXICO. S. A. DE C. V. Atlacomulco 499-501, Fracc. Industrial San Andrs Atoto 53500 Naucalpan de Jurez, Edo. de Mxico Miembro de la Cmara Nacional de la lndustrla Editorial, Reg. Nm. 465

ISBN 968-451-847-1
Traducido de la primera edlclon en Ingls de Numerical Methods for Engineers with Personal Computer Applications Copyright @ MCMLXXXV, by McGraw-Hill, Inc., U.S. A ISBN 0-07-010664-9 L.M.437 1234567890 Punted Mexico Impreso en Mexico In

Esta obra se termin de imprimir en febrero de 1988 en Talleres Grficos Continental, S. R. deC. V. Calz. Tlalpan No. 4620 col. Nio Jess Delegacin Tlalpan 1408 Mxico, D.F. Se tiraron 2 600 ejemplares

CONTENIDO

PREFACIO

xi LOS METODOS NUMERICOS Y LAS COMPUTADORAS

PERSONALES

PARTE I

I. 1 1.2 1.3

Motivacin Fundamentos matemticos Orientacin

7
11 19

Captulo 1

Modelos matemticos

Problemas

Captulo

La programacin en las computadoras personales

21

2.1 2.2

Antecedentes histricos Desarrollo de programas Desarrollodeunprogramapara Estrategias de programacin Problemas el problemadelparacaidista

2.3 2.4

22 24 46 52 56

Captulo

3.1

Aproximaciones y errores

63

Cifras significativas Exactitud y precisin Definiciones de error

64
66

3.2
3.3

67

3.4 Errores de redondeo 3.5 Errores de truncamiento 3.6 Error numrico total 3.7 Errores por equivocacin, de planteamiento e incertidumbre en Problemas

72

77 95 96 98

los datos

Vi

CONTENIDO -

EPILOG0

PARTE I
1.5
1.6 1.4
Elementos de Juicio Relaciones frmulas y importantes Mtodos avanzados y algunas referencias adicionales

1o1 106 107

PARTE II

RACES DE ECUACIONES II. 1 Motivacin 11.2 Fundamentos matemticos

11.3
Orientacin

109 112 114

Captulo 4
4.1 4.2 4.3 4.4

Mtodos queusan intervalos

119
119 123 132 139 140

Mtodos grficos Mtodo de biseccin Mtodo de la regla falsa Bsquedas con incrementos determinando una aproximacin inicial Problemas

Capitulo 5
5.1 5.2 5.3 5.4

Mtodos abiertos
la secante

145
146

Iteracin de punto fijo Mtodo de Newton-Raphson Mtodo de Problemas Races mltiples

152
158 163 167

171
172 177 180 183 1 86 1 89

EPiLOGO PARTE II
11.4 11.5 11.6
Elementos e juicio Relaciones y frmulas importantes Mtodosavanzadosyalgunasreferenciasadicionales

197 199 199

PARTE 111 SISTEMAS DEECUACIONESALGEBRAICAS III.1 Motivacin 111.2 Fundamentos matemticos

111.3
Orientacin

LINEALES

203
206 21 5

Captulo 7 Eliminacin gaussiana 7.1 Solucin de pocas ecuaciones

7.2
Eliminacin gaussiana simple

219
219 227

7.3

Desventajas de Resumen Problemas

los mtodosdeeliminacin

7.4
7.5

Tcnicas de mejoramiento en las soluciones

236 244 252 254

259

Captulo 8

Gauss-Jordan, inversin de matrices y Gauss-Seidel

8.1 8.2 8.3

Mtodo de Gauss-Jordan Inversin de matrices Mtodo de Gauss-Seidel Problemas

259 262 268 276

279

Captulo 9
Caso Caso

Casos de la parte 111: Sistemas de ecuaciones algebraicas lineales

,

9.1 9.2 9.3 9.4

Distribucinderecursos(Ingenieraengeneral) Clculodedistribucindetemperaturas (Ingeniera qumica) Anlisisdeunaarmaduraestticamentedeterminada (Ingeniera civil)

280 283 287 291

Caso
Caso Caso

Corrientes

y voltajesencircuitosresistivos
y cuerpos rgidos

(Ingeniera elctrica)

9.5 , Dinmica de partculas

(Ingenieramecnica)

Problemas

293 295 301 304 304 307 310 315

319

EPILOG0

PARTE 111

1 1 1 . 4 1 1 1 . 5 1 1 1 . 6
PARTE IV

Elementos de Relaciones

juicio

y frmulas importantes Mtodos avanzados y algunasreferenciasadicionales

Motivacin Fundamentos matemticos Orientacin

AJUSTE DE CURVAS

IV.1 IV.2 lV.3

Captulo 1 O

Regresin con mnimos cuadrados

1 0 . 1 Regresin lineal 10.2 Regresin polinomial 10.3 Regresinlinealmltiple

Problemas

321 336 342 345

349

Capitulo 11

lnterpolacin

1 l. 1

Polinomios de interpolacin con diferencias divididas de Newton

350

11.2 PolinomiosdeinterpolacindeLagrange 11.3 Comentariosadicionales 11.4 lnterpolacinsegmentaria(spline)

Problemas

363 368 370 383

vi

CONTENIDO

Captulo 12
Caso en Caso qumica) Caso Caso Caso

Casos de

la parte IV: Ajuste de curvas

y modelosdemogrficos

387
387 39 1

12.1 12.2 12.3 12.4 12.5

Modelodeingenieradeventadeproductos (Ingenieria Regresin lineal (Ingeniera Ajuste decurvasen (Ingenieria Ajuste decurvas (Ingeniera Regresinlinealmltipleen el anlisisdedatos en laestimacindelacorriente

el diseodeunmstil

parabarco

R M S

395 399 402 404

ca)

mecnica) (Ingeniera experimentales Problemas

EPiLOGO

PARTE IV

IV.4 IV.5 IV.6

PARTE V

Elementos de

juicio

Relaciones y frmulas importantes Mtodos avanzados

y algunasreferenciasadicionales

409 41 1 41 1

INTEGRACION
V. 1 V.2 V.3
Motivacin Fundamentos matemticos Orientacin

41 5 422 424

Captulo
del

13

Frmulas de integracin de Newton-Cotes

13.1 Regla de 13.2 Regla desiguales intervalos13.3 con Integracin erta integracin de 13.4 Frmulas
Problemas

429 43 1 443 455 458 46 1

465 465 474 484 487 488
total

Captulo 14
de gaussiana

Integracin de Romberg y cuadratura gaussiana

14.1 14.2

Integracin Cuadratura Problemas

Captulo 15
Caso Caso Caso

Casos de parte la

V: Integracin

15.1 15.2

Anlisis de movimiento de efectivos (Ingeniera en general) El usodeintegralesparadeterminarlacantidad en calor de los materiales (Ingeniera qumica) Fuerzaefectivasobreelmstildeunvelerodecarreras (Ingeniera Determinacindelacorriente numrica Integracinnumricaen (Ingeniera

490 492 496 499 503

15.3

elctrica)

C a s o 15.4 (Ingeniera Caso

R M S

medianteintegracin

15.5

el clculodeltrabajo

nica) Problemas

CONTENIDO

iX

EPiLOGO PARTE V V.4 Elementos de iuicio V.5 Relaciones y frmulas importantes V.6 Mtodosavanzadosyalgunasreferenciasadicionales PARTE VI ECUACIONES DIFERENCIALES ORDINARIAS
VI. 1 V1.2 V1.3
Motivacin Fundamentos matemticos Orientacin

509 51 1 51 1

51 5 51 9 522

Captulo 16 Mtodos de un paso 16.1 M t o d od e Euler 16.2 Modificacionesymeiorasalmtodode 16.3 MtodosdeRunge-Kuttc 16.4 Sistemasdeecuaciones
Problemas

527
Euler

528 54 1 550 564 570

Captulo 17 Mtodos de pasos mltiples 17.1 U n e n f o q u e simple depasosmltiples:Mtodode

H e u n sin principio

573
574 588 594 600

17.2 17.3

Frmulasdeintegracin Mtodos de pasos Problemas mltiples de orden superior

Captulo 18 Casos de la parte VI: Ecuaciones diferenciales ordinarias C a s o 18.1 Modelosmatemticosparaproyectosdeventade

computadoras (Ingenieria en general) Caso Caso Caso Caso

603
604 608 61 3 61 5 61 8 622

18.2 18.3 18.4 18.5

Diseodeunreactorparaproduccinfarmacutica (Ingeniera qumica) Deflexindel mstil de unvelero(Ingeniera

civil)

Simulacindeunacorrientetransitoriaenuncircuitoelctrico (Ingeniera elctrica)

El

pndulooscilante(Ingenieramecnica)

Problemas

EPiLOGO PARTE VI V1.4 Elementos de juicio V1.5 Relacionesyfrmulasimportantes V1.6 Mtodosavanzadosyalgunasreferenciasadicionales BlBUOGRAFiA iNDlCE

625 627 627 63 1 635

PREFACIO

Para el ingeniero moderno el hecho de ir a la par con su profesin implica inevitablemente el uso de las computadoras.Hay pocas disciplinas, o dicho sea de otra forma, pocas actividades cotidianas que de alguna manera no tienen contacto con estas mquinas tan poderosasy rpidas. Ciertamente, las computadoras han sido por aos un aliado de la ingeniera al desempear millares de tareas, tanto analticas como prcticas, enel desarrollo de proyectos y la solucin de problemas en forma ms eficiente. En consecuencia, cuanto ms a fondo y ms tempranose familiarice el estudiante de ingeniera con su terminal o su computadora pel. sonal, mejor ser su formacin. Pero, desde cundo?, y qu tan a fondo debe ser este contacto? Los profesores de ingeniera reconocen desde hace mucho tiempo la importancia del entrenamiento en los primeros semestres enla tecnologa de las computadoras. Tradicionalmente este entrenamiento abarcaba computadoras grandes (mainframes) y un lenguaje de programacin de alto nivel como el FORTRAN. Desafortunadamente, es frecuente que a los estudianteslesresulte difcil aplicarsusnuevashabilidades a problemas de otras materias. Esto se debe a una variedad de factores, de entre los cuales no carece de importancia la preparacin necesaria para usar sistemas con mquinas grandes. Como resultado, muchos estudiantes de ingeniera no explotan bien la capacidad de solucin de problemas que tienen las computadoras hasta que estn adentrados ensu educacin. Creemos que la revolucin de la microelectrnica nos da la oportunidad de integrar la computacin de una manera ms efectiva en el saln de clases. Debido a su bajo costo y conveniencia, las computadoras personales pueden aumentar la capacidad del estudiante de ingeniera para resolver problemas durante sus aos escolares. Sin embargo, para explotar esta oportunidad al mximo es necesaria una innovacin de los cursos de introduccin a la computacin. Por ejemplo, a travs de los aos se ha desarrollado en las universidadesde Texas A&M y Michigan una reestructuracin en dos etapas. Hay un primer curso de computacin dedicado a orientar al estudiante al equipocomputacionaldisponible y al

Xii

PREFACIO

desarrollo de habilidades firmes dentro dela programacin. El segundo curso de computacin est planeado para reafirmar estas habilidadesy mostrarel empleo de lasolu&n de problemas en ingeniera. El presente libro eman del segundo curso. Se eligi el tema de los mtodos numricos como punto principal por sus muchas aplicaciones a la ingeniera. Ya sea que los ingenieros utilicensoftware comercial o propio, creemos que es esencial una base slida en los mtodos numricos para la aplicacin efectiva de las computadoras en la solucin de problemasdeingeniera. Desafortunadamente, los mtodosnumricos se presentan durante el ltimo ao de licenciatura o a nivel de posgraduados, aos despus del punto donde pudieron haber sido herramientas tiles, instructivas y creativas para el futuro ingeniero. Por consigu.iente,hemos elaborado este libro de tal forma que pueda ensearse en los extremos inferior o superior de la carrera de ingeniera a nivel de licenciatura. Un aspecto de este plan se hace notar en la organizacin y en el alcance del libro, que est dividido en seis partes. La parte I trata del material introductorio e incluye informacin sobre programacin y anlisis de aproximacin y error. Las cinco partes restantes estn dedicadas a las reas de mtodos numricos, que tienen importancia directa para el candidato a ingeniero: races de ecuaciones no lineales, ecuaciones algebraicaslineales,ajustedecurvas(regresineinterpolacin),integracin y ecuaciones diferenciales ordinarias. Excluimos temas como los valores caractersticosy las ecuaciones diferenciales parciales, que tiene mayor importancia para los estudiantes de posgrado. Junto con este materialhemos incorporado ciertas caractersticas adicionales en la elaboracin de este libro, para hacerlo ms accesible a lectores tanto de los primeros como de los ltimos niveles de licenciatura. Incluyen:
1. Recuadros. Nos hemos empeado en incluir derivaciones importantes y anlisis de error, con el fin de enriquecer la presentacin. Sin embargo, algunas veces tal material representa un escollo para el estudiante novato. En consecuencia, hemos apartado en recuadros el material matemtico ms complicado. Muchos estudiantes encontrarn que pueden aplicar los mtodos numricos sin tener que dominar completamente el material contenido en los recuadros. 2. Material introductorio y fundamentos matemticos. Cada parte del libro incluye una seccin de introduccin. Despus de una breve exposicin al problemamatemticogeneralque va aestudiarse, se suministra una motivacin describiendo cmo podra enfocarseel problema en ausencia de computadoras, y dnde se plantea este problema en la prctica de la ingeniera. En seguida se efecta una revisin de los conceptos matemticos necesarios para comprender el tema por estudiar. Por ejemplo, se revisa lgebra matricial antes del estudio de ecuaciones algebraicas lineales, y estadstica antes del estudio

PREFACIO

xiil

de regresin. Por ltimo, se presentan un esquema y los objetivos de estudio de cada parte, como orientacin para el lector.
3. Epilogos. As como la introduccih est planeada para dar una motivacin y una orientacin, incluimos un eplogo al final de cada partedellibroparaconsolidar ios conceptos recin adquiridos. Un detalleimportantedeesteeplogo es una seccindedicada a los elementos de juicio necesarios para la eleccin de los mtodos numricos apropiados para un problemaenparticular. Adems, se y se citanreferenciaspara resumenalgunasfrmulasimportantes mtodos avanzados.

4. Presentaciones secuenciales y grficas. Cada parte principal del libro consta de tres captulos: dos dedicados a la teora y uno al estudio de casos. Siempre que es posible, los captulos de teora se estructuranen forma secuencial, esto es, primero se presentan los planteamientos ms directos y elementales. Dado que muchos de los mtodos ms avanzados se construyen sobre los ms simples, la intencin de este desarrollo es proporcionar un sentido de evolucin de lastcnicas. Adicionalmente hemos desarrollado representaciones grficas para complementar las descripciones matemticas en la mayor parte de los planteamientos contenidos enellibro. Hemos encontrado que esta orientacin visual es particularmente efectiva para proporcionar una mayor comprensina los estudiantes de los primeros niveles de licenciatura.

5. Estudio de

casos. En cada parte del libro se incluyen casos para demostrar la utilidad prctica de los mtodos numricos. Se realiz un gran esfuerzo para dar ejemplos de los cursos iniciales de las carreras de ingeniera. Cuando esto no es posible, se han suministrado bases tericas y motivacin para los problemas.

6. Software. Se dispone de un paquete de software denominado NUMERICOMP que muestra algunos mtodos numricos que se cubren en el texto: biseccin, eliminacin gaussiana, interpolacin de Lagrange, regresin lineal, la regla trapezoidal y el mtodo de Euler. Estos programas proporcionanal estudiante los criterios de programacinnecesarios para cada una de las partes del libro. El software est diseado para utilizarse con facilidad. Los estudiantes tambin pueden emplearlo para verificar los resultados de sus propios esfuerzos de programacin. Aunque el paquete es opcional, pensamos que puede lograrse un progreso ms rpidocuando se emplean ellibro y el software conjuntamente; se puede conseguir a travs de McGraw-Hill para las computadoras personales IBM-PC y APPLE 11. Una versin profesional Softde NUMERICOMP puede adquirirse directamente de EnginComp ware, Inc., 15 Research Dr., Ann Arbor, MI 48103.

Finalmente, nos hemos esforzado conscientemente en hacer este libro tan sencillo al usuario como sea posible, por lo que nos empefiamos en mantener nuestras explicaciones con una orientacindirecta y prctica. Aunque nuestra intencin primaria es presentar a los estudiantes una slida introduccin a los mtodos numricos, un objetivo subordinado ha sido hacer d e esta introduccin una experiencia agradable. Creemos que los estudiantes que disfruten los mtodos numricos, las computadoras y las matemticas, sern al final mejores ingenieros.Si nuestro libro alienta el entusiasmo por estas materias, consideraremos nuestro esfuerzo como un xito.

AGRADECIMIENTOS
Queremos agradecer las revisiones hechas por los profesores Ted Cadman (University o f Maryland), Lee W. Johnson (Virginia Polytechnic and f Colorado), Satish RamadhState University), Richard Noble (University o yani (Purdue University), Howard Wicke (Ohio University) y Thomas C. Young (Clarkson University). Extendemos nuestra gratitud a la Texas A&M University y a la University of Michigan por proporcionarnos apoyo secretarial y grfico y el tiempo necesario para preparar estelibro. En particular, Donald McDonald y Roy Hann de Texas A&M apoyaron consy buenasideas d e tantemente este esfuerzo.Obtuvimossugerencias nuestros colegas Bill Batchelor, Harry Jones, Bill Ledbetter, James Martin y Ralph Wurbs. Jeanne Castro ide la organizacin grfica de los captulos. Tambin Vanessa Stipp, con la ayuda de Kathy Childers, Cindy Denton y Frances Kahlich, hicieron una excelente labor al mecanografiar el manuscrito. Este libro se experiment en clase durante cuatro semestres, principalmente con alumnos de segundo ao en Texas A&M y durante dos semestres con alumnos de todoslos niveles d e licenciatura en Michigan. Durante este tiempo, muchos de los alumnos nos ayudarona comprobar la exactitud matemtica y a enriquecer la comprensin de este libro. Lisa Olson ley el texto completo varias veces y prepar los programas en FORTRAN. Tad Slawecki proporcion una ayuda excelente en cuanto al software complementario. Adems, Marla lsenstein, Luis Garcia, Sijin Tom Lee y Rick Thurman hicieron contribuciones notables. Tambin debemos agradecer a Kiran Verma, Dave Damstra y a B. J. Clark de McGraw-Hill su supervisin y aliento. Ursula Smith efectu un trabajo impecable en la edicin de pruebas del libro. Finalmente, nos gustara agradecer a nuestras familias, amigos y colegas, quienes soportaron comprensivamente la gran cantidad de horas robadas, necesarias para completar esta obra.
Steven C. Chapra Raymond P. Canale

PARTE
LOS MTODOS NUMRICOS Y LAS COMPUTADORAS PERSONALES
I.1 M O T I V A C I ~ N

U N O

Los mtodos numricos son tcnicas mediante las cuales es posible formular problemas de tal forma que puedan resolverse usandooperaciones aritmticas. Aunque hay muchos tipos de mtodos numricos, todos comparten una caracterstica comn: Invariablemente los mtodos numricos Ilevan a cabo un buen nmero de tediosos clculos aritmticos. No es raro que con el desarrollo de computadoras digitales eficientes y rpidas, el papel de los mtodos numricos en la solucin de problemas de ingeniera haya aumentado considerablemente en losltimos aos.

I . 1 . l Mtodos anteriores a la aparicin

de la computadora M s all de slo proporcionar un aumento en la potencia de clculo, la disponibilidad general de las computadoras (especialmente de las computadoras personales)y su asociacin con los mtoha tenido una influencia muy dos numricos, significativa en el proceso de solucin de problemas de ingeniera. Antes del uso de la computadora haba tres mtodos diferentes que los ingenieros aplicaban a la solucin de problemas: 1. Primero, se encontraban las soluciones de algunos problemas usando mtodos exactos o analticos. C o n frecuencia estas soluciones resultaban tiles y proporcionaban una comprensin excelente del comportamiento de algunos sistemas. Sin embargo, las soluciones analiticas pueden encontrarse slo para una clase Iimitada de problemas. Estos problemas incluyen aquellosquepuedenaproximarse mediante modelos lineales y tambin aquellos que tienen una geometrasimple y pocas dimensiones. En consecuencia, las soluciones anabjticas tienen valor prctico limitado, porque la mayor parte de los problemas reales no son lineales, e implican formas y procesos complejos.

'), 7,

MTODOS NUMRICOS

PARA INGENIEROS

2.Para analizar el comportamiento de los sistemas se usaban soluo nomogramas. ciones grficas. stas tomaban la forma de grafos Aunque las tcnicas grficas a menudo pueden emplearse pararesolver problemas complejos, IQS resultados no son muy precisos. Es ms, las soluciones grficas (sin la ayuda de una computadora) son tediosas en extremo y difciles de implementar. Finalmente,las tcnicas grficas estn limitadas a aquellos problemas que puedan describirse usando tres dimensiones o menos.

3. Para implementar los

mtodos numricos se utilizaban calculadoras manuales y reglas de clculo. Aunque en teora estas aproximacionesdeberan ser perfectamenteadecuadas para resolver problemas complicados, en la prctica se presentan algunas dificultades. Los clculos manuales son lentos y tediosos. Adems no existen resultados consistentes debido a que surgen equivocaciones cuando se efectan las tareas manualmente.

Antes del uso de la computadora, se gastaba mucha energa en la tcnica misma de solucin, en vez de aplicarla sobre la definicin del problema y su interpretacin (Fig. 1.1~). Esta situacin desafortunada exista debido al tiempo y trabajo montono que se requeran para obtener resultados numricos con tcnicas que no utilizaban a la computadora. Hoy en da, las computadoras y los mtodos numricos proporcionan I usar lacompuunaalternativapara clculostan complicados. A tadora para obtener soluciones directamente, se pueden aproximar los clculos sin tener que recurrir a suposiciones de simplificacin o tcnicas deficientes. Aunque dichas suposiciones son an extremadamente valiosas tanto para resolver problemas comopara proporcionar una mayor comprensin, los mtodos numricos representan alternativas queamplanconsiderablementela capacidad para confrontar y resolver los problemas; como resultado, se dispone de ms tiempo para aprovechar las habilidades creativas personales. Por consiguiente, es posible dar ms importancia a la formulacin de un problema, a la interpretacin de la solucin y a su incorporacin al sistema total, o conciencia holstica (Fig. 1 . 1 b).

1.1.2 Los mtodosnumricosy

la prctica de la ingeniera

Desde finales de la dcada de 1940, la multiplicacin y disponibilidad de las computadoras digitales ha llevado a una verdaderaexplosin en cuanto al uso y desarrollo de los mtodos numricos. Al principio, este crecimiento estaba algo limitado por el costo de acceso a computadoras grandes (rnainfiames),por lo que muchos ingenieros continuaban usando simples planteamientos analticos en una buena parte

LOS METODOS NUMRICOS

Y LAS COMPUTADORAS PERSONALES

..___3

Formulac4dn Exposici6n a fondo de 1 . rdaci6n del problema con las leyes fundamentales

fundamentales

y frecuentemente complcador

Metodos muy elaborados para hacer manelable el problema

Mdtodo num6rico

lnterpretacidn
Anll~om a fonda lhmitado por una

permite pensar holisticamente y desarrollar la intulmdn: se puede estudtar la

FIGURA 1 . 1

Lastresfases en la solucin de problemas de ingenieraen a ) la era anterioralas computadoras y b) la era de las cornputadoras. Los tamaos de los recuadros indican el nivel de importancia que se dirige a cada fase en el saln de clases. Las cornputadoras facilitan la implementacin de tcnicas de solucion y as permiten un mayor cuidado sobre los aspectos creativos de la formulacin de problemas y la interpretacin de resultados.

de su trabaio. N o es necesario mencionar que la reciente evolucin de computadoras personales de baio costo, ha dado a mucha gente un fcil acceso a poderosas capacidades de cmputo. Adems existe un buen nmero de razones estudiar los mtodos numricos: por las cuales se deben

1.

Los mtodos numricos son herramientas extremadamente poderosas para la solucin de problemas. Son capaces de manejar sistemas de ecuaciones grandes, no linealidades y geometras complicadas que son comunes en la prctica de la ingenieray que, a menudo, son imposibles de resolver analticamente. Por l o tanto, amplan la habilidad de quien los estudia para resolver problemas.

2. En el transcurso de su carrera, es posible que el lector tenga la

ocasin de usar software disponible comercialmente que conten-

MTODOS NUMRICOS PARA INGENIEROS

g a mtodos numricos. El uso inteligente de estos programas depende del conocimiento de lateora bsica enla que se basan estos mtodos.

3.

H a y muchos problemas que no puedenplantearse al emplear programas hechos. Si se est versado en los mtodos numricos y sees un adepto de la programacin de computadoras, entonces se tiene la capacidad de disear programas propios para resolver los problemas, sin tener que comprar unsoftware costoso.

4. Los mtodos numricos son un vehculo eficiente para aprender a servirse de las computadoras personales. Es bien sabido que una
manera efectiva de aprender a programar las computadoras es al escribir los programas. Comolos mtodos numricos, en su mayor parte estn elaborados para implementarse en computadoras, resultan ideales para este propsito. An ms, estn especialmente adaptados parailustrar la potencia as como las limitaciones de las computadoras. Cuando el lector implemente con buen resultado los mtodos numricos en una computadora personal y los aplique para resolver problemas que de otro modo resultan intratables, entonces tendr una demostracin tangible de cmo pueden ayudarle las computadoras para su desarrollo profesional. AI mismo tiempo, aprender a reconocer y controlar los errores de aproximacin que son inesperables de los clculos numricos a gran escala.

5. Los mtodos numricos son un medio para reforzar su comprensin de las matemticas. Porque una funcin de los mtodos numricos es la de reducir las matemticas superiores a operaciones aritmticas bsicas, ya que profundizanen los temas que de otro

modo resultan oscuros. Esta alternativa aumenta su capacidad de comprensin y entendimiento en la materia.

1.2 FUNDAMENTOS MATEMTICOS

Cada parte de este libro requiere de algunosantecedentes matemticos. En consecuencia, el material introductorio de cada parte incluye una seccin, como la que el lector est leyendo en este momento, de fundamentos matemticos. Debido Q que la parte I en s est dedicada al material bsico sobre las matemticas y la computacin, la presenteseccin no abarca la revisin de algn tema matemtico especfico. En su lugar, se presentan los temas delcontenidomatemtico que se cubre en este libro. Estos se resumen en la figura 1.2, y son:

LOS MTODOS

NUMRICOS PERSONALES COMPUTADORAS Y LAS

FIGURA 1.2

Resumen de los mtodosnumricos

que se cubren en este

libro.

MTODOS

NUMRICOS

PARA INGENIEROS

1. Rakes deecuaciones (Fig. 1.24.

Estos problemas estn relacionados con el valor de una variable o de un parmetro que satisface una ecuacin. Son especialmente valiosos en proyectos de ingeniera donde confrecuencia resulta imposible despejar analticamente parmetros de ecuaciones de diseo.

2. Sistemas de ecuaciones algebraicas lineales (Fig. 1.2b).

En esencia, estos problemas son similares a los de races de ecuaciones en el sentido de que estn relacionados con valores que satisfacen ecuaciones. Sin embargo, a diferencia de satisfacer una sola ecuacin, se busca un conjunto devaloresque satisfaga simultneamente a un conjunto de ecuaciones algebraicas. Las ecuaciones lineales simultneas surgen en el contexto deuna variedad de problemasy en todas las disciplinas de la ingeniera. En particular, se originan a partir de modelos matemticos de sistemas grandes de elementos interconectados, como: estructuras, circuitos elctricos y redes de fluio de fluidos, aunque tambin pueden encontrarse en otras reasde los mtodosnumricos como el aiuste de curvas.

3. Ajuste de curvas (Fig. 1.24. Con frecuencia

se presentar la oportunidad de ajustar curvas a un conjunto de datos representados por puntos. Las tcnicas que se han desarrollado para este fin pueden dividirse en dos categoras generales: regresin e interpolacion. La regresin se emplea cuando hay un grado significativo de error asociado a los datos; frecuentemente los resultados experimentales son de esta clase. Para estas situaciones, la estrategia es encontrar una curva que represente la tendencia general de los datos sin necesidad de tocar los puntos individuales. En contraste, la interpolacin se maneja cuando el objetivo es determinar valores intermedios entre datos que estn relativamente libres de error. Tal esel caso de la informacin tabulada. Para estas situaciones, la estrategia es ajustar una curva directamente a travs de los puntos y usar esta curva para predecir valores intermedios.

4. Integracin (Fig.l.2d).Tal como se representa, una interpre-

tacin fsica d e la integracin numrica es la determinacin del rea bajo la curva. La integracin tiene muchas aplicaciones par a el ingeniero prctico, empezando por la determinacin de los centroides de objetos con formas extravagantes hasta el clculo de cantidadestotales basadas en conjuntos de medidas discretas. Adicionalmente las frmulas de integracin numrica juegan un papel importante en la solucin de las ecuaciones en diferencias.

5 . Ecuaciones diferenciales ordinarias. (Fig.

1.2e). Las ecuaciones diferenciales ordinarias tienen un enorme significado

NUMERICOS LOS METODOS PERSONALES COMPUTADORAS Y LAS

en la prctica de la ingeniera. Esto se debe a que muchas leyes fsicas estn expresadas en tefminos de la raznde cambio de una cantidad ms que en trminos de su magnitud. Entre los ejemplos se observan desde los modelos de prediccin demogrfica (razn de cambio de la poblacin) hasta la aceleracin de un cuerpo en descenso (razn de cambio de la velocidad).

1.3 ORIENTACI~N
Resultatilesta orientacin antes de proceder a la introduccin de numricos. Lo que sigue est pensado como unavista panormica del material contenido en la parte l. Se incluyen adems algunos objetivos como ayuda para concentrar el esfuerzo del lector al estudiar el material.

los mtodos

1.3.1

Alcance y contenido

La figura 1.3 es una representacin esquemtica del material contenido en la parte I. Se ha elaborado este diagrama para darleun panorama global de esta parte del libro. Se considera que un sentido de "imagen global" resulta importante para desarrollar una verdadera comprensin de los mtodos numricos. AI leer un texto, es posible que frecuentemente se pierda uno en los detalles tcnicos. Siempre que el lector perciba que est perdiendo la "imagen global" regrsese a la figura 1.3 para orientarse nuevamente.C a d a parte de este libro incluye una figura similar. Esta figura sirve tambin como una breve revisin previa del material que se cubre en la parte I. El captulo 1 est diseado para orienuna motivacin mostrndole tarle a los mtodos numricos y para darle cmo pueden usarse estas tcnicas en el proceso de elaborar modelos matemticos aplicados a la ingeniera. El captulo 2 es una introestn duccinyuna revisinde los aspectosdecomputacinque relacionados con los mtodos numricos y presenta las habilidades de programacin que se deben adquirir para explotar eficientemente la computadora. El captulo 3 se ocupa del importante tema del anlisis de error, que debe entenderse bien para el uso efectivo de los mtodos numricos.

1.3.2 Metas y objetivos

Estdiese los objetivos. A I terminm la parte I el lector deber estar preparado para aventurarse en los mtodos numricos. En general,

MTODOS

NUMRICOS PARA INGENIEROS

FIGURA 1.3

Representacin de la organizacin del material en la parte I: Los mtodos numricos y las computadoras personales.

habr adquirido una nocin fundamental de la importancia de las computadoras y el papel de las aproximaciones y los errores en la implementacin y desarrollo de los mtodos numricos. Adicionalmente a los objetivos esestas metas generales, deber dominar cada uno de pecficos de estudio que se enuncian en la tabla 1 . 1 .

L O S MhODOS NUMERICOS

Y LASPERSONALES COMPUTADORAS

TABLA 1.1

Obietivos de estudio especificos para la parte I

1.

2.
3.

4 .
5.

6. 7.

8.
9.

1o. 11.

Entender la diferencia entre error de truncamiento y de redondeo Entender el concepto de cifras significativas Conocer la diferencia entre exactitud y precisin Apreciar la utilidad del error relativo Conocer la diferencia entre el error relativo verdadero E" y el error relativo aproximado eo; darse cuenta de cmo este ltimo puede emplearse en conjunci6n con un error aceptable especificado con anterioridad E , para terminar un clculo Ser capaz de relacionar el error relativo con cifras significativas Ser capaz de aplicar las reglas de redondeo explicadas enel recuadro 3.1 Comprender cmo se usa la serie de Taylor para aproximar funciones Comprender la naturaleza de la aproximacin y los trminos residuales de la serie de Taylor Conocer la relacin que existe entre las diferencias finitas y las derivadas Familiarizarse con los elementos de juicio que se describen enel eplogo de la parte I

Objetivos en computacin. AI completar la parte I el lector se habr familiarizado con el software (NUMERICOMP)disponible para este libro. Deber saber qu programas contiene y algunas de sus capacidades de graficacin. Tambin deber tener las habilidades de prolos gramacin necesarias para desarrollar software propio con mtodos numricos de este libro. Deber ser capaz de desarrollar programas en trminos de los algoritmos o diagramas de fluio dados. Podr guardarsu software en dispositivos de almacenamiento, como discos flexibles o cinta magnbtica. Finalmente, el lector habr desarrollado la capacidad de documentar sus programas de tal forma que los usuarios puedan emplearlos eficientemente.

CAPTULO UNO
MODELOS MATEMTICOS

Por qu se deben dominar los mtodos numricos y la programacin de computadoras para resolver los problemas? Adem6s del hecho que de a diario se observa que las computadoras intervienen en las actividades m6s comunes de la vida diaria, dhabr6 alguna contribucin esencial que estas mAquinas, con sus capacidades decididamente sobrehumanas,puedan hacer a las tareas y retos de los ingenieros? Es totalmente factible, y con el material contenido en este captulo, se tratar6 de orientar al lector y motivarlo hacia una posibilidad cuando menos. Primero se aplica el concepto de modelos matemticos para ayudar a definir lo que se entiende por mtodos numricos y para ilustrar cmo pueden facilitar la solucin de problemas en ingeniera. Paraesto, se desarrolla aqu el modelo matemtico deun proceso fsico y se resuelve con un mtodo numrico sencillo. El mundo fsico, con toda su complejidad, puede parecer abrumador e impredecible, Tradicionalmente,la tarea del cientfico ha sido la de identificar los patrones reproducibles y las leyes que gobiernaneste caos. Por ejemplo, sobre la base de sus observaciones, Newton formul su segunda ley del movimiento, que afirma que la velocidad de cambio dela cantidad de movimiento de un cuerpo con respecto al tiempo es igual a la fuerza resultante que acta sobrel. Considerando las maneras excesivamente complejas en que las fuerzas y los objetos interactan en la tierra, estaleyhaprobadoserunageneralizacinvlida. Adems de que estas leyes proveen de discernimiento, los ingenieros pueden aplicarlas para formular soluciones a problemas prcticos. Porejemplo, los conocimientos cientficosse usan rutinariamente por los ingenieros en el diseo de,elementos tales como estructuras, mhquinas, circuitos elctricos y sustancias qumicas sintticas. Desde la perspectiva del diseo de ingeniera, estos conocimientos sonmuy tiles cuando se expresan en formade un modelo matem6tico. Un modelo matemtico puede definirse, de una manera general, como una formulacino ecuacin que expresa las caractersticas fundamentales de un sistema o proceso fisico en trminos matemti'cos. Los modelos

12

MTODOS

NUMRICOS

PARA.INGENIEROS

se clasifican desde simples relaciones algebraicas hasta grandes y complicados sistemas de ecuaciones diferenciales. Recordando nuevamente a Newton para este ejemplo, la expresin matemtica, o modelo, de su segunda ley es la bien conocida ecuacin

ma

[1.11

donde F es la fuerza neta que acta sobre el cuerpo (en dinas, o gramocentmetro por segundo cuadrado), m es la masa del objeto (en gramos), y a es su aceleracin (en centmetros por segundo cuadrado). La ecuacin (1.1) tiene varias caractersticas habituales de los modelos matemticos del mundo fsico.

1. Describe un sistema o proceso natural en trminos matemticos.

2. Representa una idealizacin y una simplificacin de la realidad. Es decir, ignora los detalles insignificantes del proceso natural y se concentra en sus manifestaciones elementales. Es por esto que la segunda ley no incluye los efectos de la relatividad, que tienen una importancia mnima cuando se aplican a objetos y fuerzas que interactan sobre o alrededor de la tierra a escalas visibles a los seres humanos.
3. Finalmente, conduce a resultadospredecibles y , en consecuencia, puede emplearse para propsitosde prediccin. Por ejemplo, si se conocen la fuerza aplicada sobre un objeto y su masa, entonces puedeusarse la ecuacin (l. 1)para predecir la aceleracin. Como tiene unaforma algebraica sencilla, puede despejarse directamente
a=-

m
De este modo, la aceleracin puede calcularse fcilmente. Sin embargo, los modelos matemticos de otros fenmenos fsicos pueden ser mucho ms complejos y no pueden resolverse exactamente o requieren de tcnicas matemticas ms complejas que la simple lgebra para susoluci6n. Para ilustrar un modelo de este tipo pero ms complicado, se puede usar la segunda ley de Newton para determinar la velocidad final de un cuerpo en cadalibre cerca de la superficie terrestre. El cuerpo en descenso ser un paracaidista como se muestra en la figura 1.1.Para este caso puede crearse un modelo al expresar la aceleracin como la razn de cambio de la velocidad con respecto al tiempo (dv/dtj y sustituir en la

MODELOS MATEMTICOS

13

FIGURA 1.1

Representacin de las fuerzas que actan sobreun paracaidista en descenso. FD es la fuerza hacia abaio debido a la atraccin de la gravedad. Fu. es la fuerza hacia arriba debido a la resistencia del aire.

ecuacin ( l .1) paradar

m-=F

dv dt

u31

donde u es la velocidad en centmetros porsegundo). As, la masa multiplicada por la razn de cambio de la velocidad es igual a la suma de fuerzas que actan sobre el cuerpo. Si lafuerzatotal es positiva, el objeto acelera. Si es negativa, el objeto sufre una desaceleracin. Si lafuerza neta es cero, la velocidad del objeto permanecer a un nivel constante. Para un cuerpo que cae dentro del permetro de la tierra (Fig. l.1) , la fuerza total est compuesta por dos fuerzas contrarias:la atraccin hacia abajo debida a la gravedad F D y la fuerza hacia arriba debida a la resistencia del aire Fu.

Si a la fuerza hacia abajo se le asigna un signo positivo, se puede usar la segunda leyparaformularlafuerzadebida a la gravedad como

donde g es la constante de gravitacin, o la aceleracin debida a la gravedad, que es aproximadamente igual a 980 cm/s2.

14

INGENIEROS MTODOS

NUMRICOS

PARA

La resistencia del aire puede formularse de diferentes maneras. Una aproximacin sencilla es suponer que es linealmente proporcional a la velocidad, como en

yor es la fuerza hacia arriba debida a la resistencia del aire. El parmetro c toma en cuenta las propiedades del objeto descendente, tales como la forma o la aspereza de su superficie, que afectanla resistencia del aire. Para este caso, c podra ser una funcin del tipo de traje o la orientacin usadaporelparacaidistadurantelacadalibre. La fuerza total es la diferencia entre las fuerzas hacia abajo y hacia arriba. Por tanto, las ecuaciones (1.3)a (1.6) pueden combinarse para dar
m- = mg - cv dt

arrastre (en gramos por segundo). As, a mayor velocidad de cada, ma-

donde c es una constante de proporcionalidad llamada el coeficiente de

dv

o , dividiendocadaladoentre

m,

dv C -9--v dt m

La ecuacin (1.8)es un modelo que relaciona la aceleracin de un cuerpo que cae a las fuerzas que actan sobre l. Es una ecuacin diferencia[ porque est escrita en trminos de la razn de cambio diferencial (dv/dt) de la variable que nos interesa predecir. Por esta razn a veces se denomina ecuacin e n diferencias. Sin embargo, en contraste con la solucin dada por la segunda ley de Newton en la ecuacin(1.2),la solucin exacta de la ecuacin (1.8)para la velocidad del paracaidista que cae, no puede y operaciones aritobtenerse usando simples manipulaciones algebraicas mticas. Envez de eso, debern aplicarse las tcnicas del clculo para obtener una solucin exacta. Por ejemplo, si el paracaidista inicialmente est en reposo ( u = O en t = O ) , se puede usarelclculopararesolver la ecuacin (1.8), as

Solucin analtica al problema del paracaidista que cae Enunciado del problema: un paracaidista con una masa de 68 100 g salta de un aeroplano. Aplquese la ecuacin (1.9) para calcular la veloci-

EJEMPLO 1.1

MTODOS MATEMATICOS

15

FIGURA 1.2

Solucinanaltica al problema del paracaidista que cae segn se calcula enel ejemplo l. l. La velocidad aumenta con el tiempo y se aproxima asintticamente o una velocidad final.

dad antes de abrir el paracadas. E l coeficiente de arrastre c es aproximadamente igual a 12 500 g / s . Solucin: al sustituir los valores de los parmetros en la ecuacin (1.9) se obtiene

I
t, S
O

v (t)

980(68,100) [I - e-t12.500/68.1001f 12,500 1 = 5339.0 (1 - e-0 18355t )

=

al dar varios valores de t se obtienen las velocidades para dicho tiempo: los resultados se presentan a continuacin
v, cm/s

1640.5

2 4 6

2776.9
3564.2
4 109.5

a
X

10

4487.3

12

4749.0
5339.0

16

MTODOS

NUMERICOS PARA INGENIEROS

De acuerdo al modelo, el paracaidista acelera rpidamente (Fig. 1 . 2 ) .Se llega a una velocidad de 4 487.3 cm/s (161.5km/h) despu6s de 10 s . Ntese tambin que despus deun tiempo suficientemente grande se alcanza una velocidad constante (llamada velocidad final) de 5 339.0 cm/s (192.2 km/h). Esta velocidad es constante porque despus de u n tiempo suficiente, la fuerza de gravedad estar en equilibrio con la resistencia del aire. Por lo tanto, la fuerza total es cero y cesa la aceleracin.
A la ecuacin (1.9) se le llama una solucin analtica o exacta porque satisface exactamente la ecuacin diferencial original. Desafortunadamente, hay muchos modelos matemticos que no puedenresolverse exactamente. En muchos de estos casos,la nica alternativa es la de desarrollar una solucin numrica que se aproxime a la solucin exacta. Como se mencion con anterioridad, los mtodos numricos son aquellos en los que se reformula el problema matemtico para que se pueda resolver mediante operaciones aritmticas. Esto puede ilustrarse para la segunda ley de Newton notndose que se puede aproximar la razn de cambio de la velocidad con respecto al tiempo mediante (Fig. 1.3)
[1.10]

FIGURA1.3

USO

de una diferenciafinita

paraaproximarlaprimeraderivadade

v con respecto a t .

METODOS MATEMATICOS

17

donde Au y At son diferencias en la velocidad y el tiempo calculadas sobre intervalos finitos, u(t,) es la velocidad en el tiempo inicial t,, y u ( t , + I ) es la velocidadalgntiempo ms tarde t,, Laecuacin ( l . 10) es una diferencia finita diuida enel tiempo ti. Puede sustituirseenla ecuacin (1.8)paradar

Esta ecuacin puede ordenarse otra

u(t1+1) = U@)

[1.12] Y as, la ecuacindiferencial (1.8)se transforma enuna ecuacin qGe puede resolverse algebraicamente para u(ti+J . Si se da un valorinicial para la velocidad en un tiempo ti, se puede calcular fcilmente u en t ! , Este nuevo valor de u en ti+l puede emplearse para extender el clculo de u en t i + 2 y as sucesivamente. Por lo tanto, en cualquier tiempor de la trayectoria,
Nuevo valor de u
-

[ : I
9

vez para dar

&+I

- -u(ti)

ti)

valor anterior valor estimulado incremento de u dependiente la

+

del tiempo

Solucin numrica al problema

EJEMPLO 1.2

del paracaidista que cae

Enunciado del problema: efectuarel mismo clculo que en el ejemplo l .1 pero usando la ecuacin (1.12)para calcular u ( t ) con un incremento de tiempo igual a 2 s. Solucin: alprincipio de los cSlculos (tl = O ) , la velocidaddel paracaidista uft,) es igual a cero. Con esta informacin y los valores de los pa12) se puede usar para estimar rmetros del ejemplo l.l , la ecuacin ( l . v (ti+1) en ti+l = 2 s.

Para el siguiente intervalo (de t sultado,

2 a 4 S ) , se repite el clculo con el

re-

~ ( 4= ) 1960 + 980
=

3200.5 cmis

___

68 l2500 100(1960+

20

MTODOS

NUMRICOS

PARA INGENIEROS

i)

j)

significat~voasociado con los puntos de los datos. Los sistemas grandes de ecuaciones. las no linealidades 51 las geometras complicadas son comunes en la prctica de la ingeniera y fciles de resolver analticamente Los modelosmatemticos no se pueden usar nunca con propsitos de prediccin.

1.2 Lanse las siguientes descripciones de problemas e identifquese qu rea de los

mtodos numricos (segn lo sealado enla Fig. 1.2)se relaciona con su solucin. Una persona pertenece a una cuadrilla de reconocimiento topogrfico y debe determinar el rea de un terreno limitado por dos caminos y una corriente que serpentea o s flujos en una gran red Un ingeniero es responsable de la determinacin de l de tuberas interconectadas entre s para distribuir gas natural a una serie de comunidades diseminadas en un rea de 20 km2 Para el problema del paracaidista que cae. se debe decidir el valor del coeficiente de arrastre para que un paracaidista de 90 kg de masa no exceda los 160 km/h en los primeros 10 S despus de haber saltado. Deber hacer esta evaluacin sobre la base. de la solucin analtica [Ec. (1.9)]. La informacin se emplear para disear un tra~e de salto. Un investigador efecta experimentos para encontrar la cada de voltaje a travs de una resistencia como una funcin de la corriente. Hace las mediciones de la cada de voltaje para diferentes valores de la corriente Aunque hay algn error asociado con sus datos, al 91-aficar los puntos. stos le sugieren una relacin curvilnea. Debe derwar una ecuacin que caracterice esta relacin. Un ingeniero mecnico tiene que desarrollar un sistemade amortiguamiento para un auto de carreras. Puede usar la segunda ley de Newton para tener una ecuacin para predecir la razn de cambio en la posicin de la rueda delantera en respuesta a fuerzas externas. Debe calcular el movimiento de la rueda. como una funcin del tiempo despus de golpear contra un tope de 15 cm a 240 km/h. Un administrador tiene que calcular el ingreso anual requerido en un periodo de 20 aos para un centro de entretenimientos que se va a construir para u n cliente. El prstamo puede hacerse a una tasa de inters del 17.6"; Aunque para hacer este estimado. la informacin est contenida en tablas de economa, slo aparecen listados los valores para tasas de inters del 15 y 20%

1.3

Proporcinese un ejemplo de un problema de ingeniera donde sea oportuno cada uno de los siguientes tipos de mtodos numricos. En IO posible. remitasr el ejemplo de las experiencias del lector en cursos y en conferencias u otras experiencias profesionales que haya acumulado hasta la fecha. a) Races de ecuaciones b) Ecuaciones algebraicas lineales c) Ajuste de curvas: regresin d ) Ajuste de curvas: interpotacin el Integracin fi Ecuaciones diferenciales ordinaria5

CAPITULO DOS

LA PROGRAMACION EN LAS COMPUTADORAS PERSONALES

Los mtodos numricos combinan dos en las herramientas ms importantes en el repertorio de la ingeniera: matemticas y computadoras. Los mtodos numricos se pueden definir (sin ser muy exacto) como las matemticas por computadora. Las buenas tcnicas de programacin aumentan la habilidad para aplicar los conocimientos de los mtodos numricos. En particular, las potencialidades y limitaciones de las tcnicas numricas se aprecian mejor cuando se usan estos mtodos para resolver los problemas de ingeniera utilizando como herramienta una computadora. Al usar este libro se obtiene la posiblidad de desarrollar los propios programas. Debido a la gran disponibilidad de computadoras personales y dispositivos de memoria magntica, los programas se pueden conservar y usar durante toda la carrera. Por lo tanto, uno de los principales objetivos de este texto es que el lector obtenga programas tiles y de alta calidad. Este texto contiene caractersticas especiales que maximizan esta posibilidad. Todas las tcnicas numricas van acompaadas de material para una implementacin efectiva en la computadora. Adems, se dispone de programas suplementarios para seis de los mtodos ms elementales discutidos en el libro. Estos programas, desarrollados para computadoras personales (IBM-PC y Apple 11), pueden servir como base para una biblioteca de programas propios. Este captulo presenta una informacin preliminar que tiene utilidad siempre y cuando se desee usar este texto como base para el desarrollo de programas. Est escrito bajo la suposicin de que ya se ha tenido una experiencia previa en la programacin de computadoras. Debido a que el libro no est enfocado hacia un curso de programacin, se estudian nicamente aquellos aspectos que definen el desarrollo de programas de anlisis numrico. Tambin se propone proporcionar criterios especficos para la evaluacin de los esfuerzos del lector.

22

METODOS NUMRICOS PARA INGENIEROS

2.1 ANTECEDENTES HISTRICOS

En el sentido ms amplio, una computadora se puede definir como un dispositivo que ayuda acalcular. Con base en esta definicin, una de las computadoras ms antiguas es el baco. Descubierto en el antiguo Egipto y en China, se compone de cuentas hiladas sobre alambrese n un marco rectangular (Fig. 2. la). Las cuentas se usan para guardar potencias 10 de (unidades, decenas, centenas, etc.) durante un clculo. Cuando se emplea con destreza, el baco puede competir en velocidad con una calculadora de bolsillo. Aunque los dispositivos manuales tales como el baco aceleran la velocidad en los clculos, las mquinas extienden an ms las capacidades humanas para estos clculos. Estimulados por la revolucin industrial, los cientficos del siglo XVII desarrollaron la primera de tales computadoras mecnicas. Blas Pascal invent, en 1642, una mquina para sumar (Fig. 2. l b ) . AI final de ese siglo, Gottfried Leibnitz desarroll una calculadora mecnica que poda multiplicar y dividir. Aunque en los siglos siguientes se desarrollaron otros instrumentos de clculo, no fuesino hasta la dcada de 1940 cuando surgieron las computadoras electrnicas. Se originaron, inicialmente para proyectosmilitares en la segunda guerra mundial, erandispositivos de investigacin para un solo propsito. Estas mquinas, con nombres comoENIAC Y EDSAC, usaron tubos al vaco como componentes electrnicos bsicos. Aunque eran caras, lentas y a menudo desconfiables, estas computadoras de la primera generacin auguraban un procesamiento de datos a gran escala. Aunque algunas mquinas de la primera generacin, en especial la UNIVAC,se vendieron a nivel comercial, no fue sino hasta la dcada de 1960 que las computadoras estuvieron disponibles para una gran cantidad de cientficos e ingenieros. Esto se debi al desarrollo de los transistores y de algunos dispositivos electrnicos de estadoslido que suplieron a los tubos al vaco creando computadoras que, entre otras cosas, eran ms confiables. Aunque el uso de estas computadoras se extendi, su acceso era algunas veces limitado ya que las mquinas seguan siendo muy caras para quela mayora de los profesionistas las obtuvieran individualmente. Por lo tanto, los ingenieros deban asociarse con grandes organizaciones tales como universidades, oficinas gubernamentales, corporaciones o firmas consultoras para tener acceso a las computadoras. Sin embargo, a la mitad de la dcada de 1960 y principios de la dcada de 1970 un adelanto en la tcnica alter dramticamente esta situacin. En particular, el reemplazo de los transistores por circuitos integrados ha producido un gran poder computacional en el medio profesional de los ingenieros. Un circuito integrado, o CI, consiste en una pastilla delgada de silicn donde se han colocado miles de transistores. El resultado prctico de esta innovacin ha sido en dos aspectos. Primero, en el ncleo de la mquina o la parte central de las computadoras, las velocida-

LA PROGRAMAC16NEN LAS COMPUTADORAS PERSONALES

23

FIGURA 2.1

Evolucin de los dispositivos de clculo: a) buco; b) calculadora de Pascal; c) supercomputadora y d) microcomputadora o computadora personal (los incisos b y c con permiso de IBM; el inciso d con permiso de Apple Computer, Inc.).

des y la capacidad de memoria son muy grandes. Segundo, y ms importante en el contextoactual, las computadoras personales que son convenientes, pequeas, rpidas y confiables se estn produciendo en masa y a precios razonables.Como se expresen un artculo de la revistaScientific American: Las microcornputadoras de hoy da a un costo tal vez de $300 dlares, tienen ms capacidad de cmputo que las primeras computadoras electrnicas gigantescas ENIAC. Son 20 veces ms rpidas,

24

MTODOS

NUMRICOS

PARA INGENIEROS

CUADRO 2.1 de

Comparacin de sistemas comunes de cmputo*

Longitud Cifras almacenaclculo,de Costo palabra significativas (dlares) bits Sistema

Calculadora prograrnable Microcomputadora Minicornputadora Cornputadoras grandes
* Condensodo de

ciclosls

miento (K)

1-2 O 7-1 O 7-1 O 7-1 4 7-1 6 16-32 32

25-350 100-5000 15,000-1 20,000 100,000-1 o,ooo,ooo+ 106-1 106-1 106-1

o7

o7 o*

16-256 128-51 2 8000-32,000

Auerboch Computer Technology Reports, Agosto 1983.

tienenunamemoriamayor,sonmilesdevecesms confiables, consulocomotora,ocupan menla energade un bulboenvezdeladeuna 1/30 O00 de volumen y cuestan 1/10 O00 parte. Se pueden obtener por unaordenpostal o encualquiertiendaespecializada (Noyce, 1977). Las computadoras personales se agrupan, por lo general en una de dos categoras que a veces no estn bien delimitadas: micro y minicomputadoras. Las rnicrocornputadoras son aquellas cuya funcin principal est contenida en una sola pastilla de circuito integrado. Comnmente cuestan unos miles de dlares.Las minicomputadoras son un trmino ms imprecisoque se refiere a computadorasquesonmspotentesque las micros pero caen an dentro de las posibilidades de compra de algunas personas y pequeas compaas. Ambos tipos de computadoras estn en contraste con computadoras grandes, o supercornputadoras, que se manejan en intervalos de millones de dlares y sus propietarios son, por lo general, organizaciones o compaas muy grandes. El cuadro 2 . 1 resume lainformacingeneralsobrevariostiposdecomputadoras. Larevolucinenelcampodelestadoslidohaabiertolaspuertas en el rea computacional a cada ingeniero. Sin ernhnrgo, no importa qu tipo de computadora se use, sta slo tiene utilidad si se le proporcionan instrucciones precisas. A estas instrucciones se les conoce como progratil para mas.Lassiguientesseccionescontieneninformacinqueser el desarrollo de programas de alta calidad para utilizar los mtodos numricos.

2.2

DESARROLLO DE

PROGRAMAS

El material de este captulo est organizado alrededor de cinco temas, esquematizados en la figura 2 . 2 , requeridos para la elaboracin y cuidado de programas de alta calidad. Este caljitulo contiene secciones que cubren cada uno de estos pasos. Este material incluye un caso de estudio donde cada uno de los pasos se aplica para desarrollar un programa y resolver el problema del paracaidista. Despus de asimilar este material,

EN LA PROGRAMACldN

PERSONALES LAS COMPUTADORAS

25

el estudiante debe estar mejor preparado para desarrollar programas de alta calidad para los mtodos del resto del libro.

2.2.1

Diseo de algoritmos

Se puede ahora empezar con el proceso de desarrollar programas para una computadora. U n programa es simplemente un conjunto de instrucciones para la computadora. Todos los programas que se necesitan correrenuna computadora particular, en conjunto se les llama software.

FIGURA 2.2

Cinco pasos necesarios para producir y dar soporte a programas de alta calidad . Las flechas hacia atrs indican que los primeros cuatro pasos se pueden ir meiorando conforme se gane experiencia.

26

INGENIEROS

PARA

MTODOS NUMERICOS

Un algoritmo es una secuencia l6gica de pasos necesarios para ejecutar una tarea especfica tal como la solucin de un problema. Los buenos algoritmos tienen ciertas caractersticas. Siempre deben terminar despuk de una cantidad finita de pasos y deben ser lo ms general posible para tratar cualquier caso particular. Los buenos algoritmos deben ser determinsticos; esto es, no debendejarnada al azar. Los resultadosfinales no pueden ser dependientes de quin est usando el algoritmo. En este sentido, un algoritmo es anlogo a una receta. Dos cocineros que preparan independientemente unabuenarecetadeben obtener dos platillos idnticos. La figura 2 . 3 muestra ~ un algoritmo para la solucin de un problema simple que suma dos nmeros. Dos programadores que partan de este algoritmopuedendesarrollardosprogramasconestilos diferentes. Sin

FIGURA 2.3

a) Algoritmo y b) diagrama de fluio para la solucindel problema de una sumasimple.

EN LA PROGRAMACldN

PERSONALES LAS COMPUTADORAS

27

embargo, dados los mismos datos, los programas deben arrojar los mismos resultados. Una forma alternativade representar un algoritmo es medianteun diagrama de flujo. Esta es una representacin visual o grfica del algoritmo que emplea una serie de bloques y flechas. Cada bloque en el diagrama representa una operacin particular o un paso en el algoritmo. Las flechas indican la secuencia en que se implementan las operaciones. La figura 2.4 ilustra ocho tipos de bloques y flechas que conforman la mayor parte de las operaciones que se requieren en laprogramacindeuna computadora personal. La figura 2.3b muestra un diagrama de flujo para el problema simple de sumar dos nmeros. Los diagramas de flujo tienen una utilidad particular para bosquejar algoritmos complicados. En estos casos, un bosquejo grfico puede ser til para visualizar el flujo lgico del algoritmo. En este texto, se han incluido diagramas de flujo para la mayor parte de los mtodos importantes. Se pueden usar estos diagramas como base para el desarrollo de sus propios programas.

2.2.2

Composicin de un programa

Despus de confeccionarun algoritmo, el paso siguiente es expresarlo como una secuencia de declaraciones de programacin llamado cdigo. Es importante resistir la tentacin de escribir el cdigo antes de que el problema en su totalidad est claramente definido y la tcnica de solucin y el algoritmo hayan sido cuidadosamente diseados. Lasdificultades que ms comnmente encuentran los programadores sin experiencia se deben por lo general a la preparacin prematura de un cdigo que no abarque un plan o unaestrategia total, para la solucindelproblema. Despus que se ha diseado un buen algoritmo, el cdigo se escribe en un lenguaje de alto nivel para una computadora. Se han desarrollado cientos de lenguajes de programacin de alto nivel desde que la era de las computadoras empez. Entre ellos, hay tres que tienen importancia paracomputadoras personales: BASIC, FORTRAN y PASCAL. FORTRAN, es la construccin de frmula translation (traduccin de frmulas), y se desarroll en la dcada de 1950. Debido a que fue expresamente diseado para clculos, ha sido el lenguaje ms usado en la ingeniera y la ciencia. BASIC, es la contraccin de beginners all-purpose symbolic instruction code (clave de instrucciones simblicas de propsito general para principiantes), fue desarrollado en la dcada de 1960. Requiere una cantidad pequea de memoria y es relativamente simple de implementar.En consecuencia es uno de los lenguajes ms usados en las computadoras personales; sin embargo, el BASIC no es tanflexible como el FORTRAN y a veces no es conveniente para programas grandes o complejos. El PASCAL, que debe su nombre al cientfico francs BlasPascal, es un lenguaje estructurado que se desarroll enla dcada de 1970. Los programas escritos en Pascal para una computadora determinada pueden

28

METODOS

NUMERICOS PARA INGENIEROS

FIGURA 2.4

Smbolos utilizados en diagramas de fluio.

LA PERSONALES PROGRAMACldN COMPUTADORAS EN LAS

29

ser corridos fcilmente en otra. Aunque el Pascal es ms difcil de aprender que el BASIC y el FORTRAN, su fuerza sugiere que su importancia crecer en el futuro. Esto es verdad para la programacin avanzada a gran escala. BASIC y FORTRAN son convenientes para programas simples y cortos que son suficientes parala implementacin de los mtodos numricosde este libro. Por lo tanto, se ha optado por limitar las presentaciones del texto, a programas en estos lenguajes. BASIC es unaalternativaobvia por su amplia disponibilidad. Se ha incluido el FORTRAN por su significado continuo en el trabajo de ingeniera. Aunque este libro hace nfasis enlas computadoras personales, puede usarse por aqullos que tienen acceso a mquinas ms grandes y en conjuncin con cualquier lenguaje de alto nivel. Con este espritu, los programas y diagramas de flujo son lo suficientemente simples como para que puedan servir de base en el desarrollo de programas para aqullos que son expertos en Pascal. Una descripcin completa delBASIC y el FORTRAN, obviamente va ms all del alcance de este libro. Adems, el nmero de dialectos disponibles en cada lenguaje complica an ms su descripcin. Por ejemplo, existen ms de 10 dialectos derivados del BASIC. Sin embargo, limitando la discusin a lo fundamental, se puede cubrir informacin suficiente de forma tal que se pueda entender e implementar efectivamenteel material relacionado con la computadora enel resto dellibro. En la figura 2.5 SF! presentan los cdigos en FORTRAN y BASIC para sumar dos nmeros, mostrando las diferencias estructurales principales entre los dos lenguajes, el etiquetado y el espaciamiento de cdigo. En BASIC, cada instruccin se escribe con un nmero. En contraste, en FORTRAN se etiquetan con un nmero slo aqullas instrucciones que requieren identificacin. Por ejemplo, lainstruccinque tiene la etiqueta nmero 1 en la versin FORTRAN de la figura 2.5 se llama una declara-

SIC
c

I
FIGURA 2.5
Programa de computadora en la suma simple.

FORTRAN y BASIC para el problema de

30

INGENIEROS

PARA

METODOS NUMERICOS

cin FORMAT. Especifica la forma en que seva a introducir o a imprimir una lnea particular. Por lo tanto, se debe etiquetar con un nmero para que la computadora pueda distinguirla de otras declaraciones FORMAT. Las declaraciones FORTRAN se deben numerar para otros casos pero la mayor parte, por lo general van sin numerar. Otra diferencia entre los dos lenguajes es el espaciamiento de cada lnea; en BASIC, por lo general el espaciamiento no tiene importancia. Por ejemplo, la lnea 10 se pudo haber escrito de las siguientes formas
10 A = 25 1OA=25
10
A
=

25

y la computadora debe interpretar todas las formas como equivalentes. En contraste, los trminos en FORTRAN se deben alinear en columnas especficas. Las reglas sobre la alineacin provienen del hecho de que el FORTRAN se introduca originalmente en una computadora usandolectora de tarjetas. Aunque las tarjetas se emplean menos frecuentemente hoy en da, las reglas de espaciamiento por lo general se han conservado. A las 80 columnas de la tarjeta perforada se les llama campos de la tarjeta. Los campos de la tarjeta se agrupan por partes para diferentes propsitos. Estos se ilustran en la forma de codificacin de la figura 2.6. Una forma de codificacin es un pedazo de papel donde se puedeescribir y verificar un programa para revisarlo de errores antes de introducirlo a la computadora. Ntese que tambin contiene80 columnas al igual que una tarjeta perforada. Tambin obsrvese que cada una de las partes de los campos se usa para propsitos particulares. Aparte de la estructura, los dos lenguajes tienen otras diferencias as como fuertessimilitudes. En el cuadro 2.2 se delinean stas. Este cuadro muestra comparaciones en paralelo de seis elementos principales de programacic que tienen importancia directa en el uso de los mtodos numricos. Estos son:
1. Constantes y variables. Se deben seguir ciertas reglas para expresar

nmeros y nombres simblicos en los dos lenguajes. Como se puede ver en el cuadro 2.2 sta es un rea en donde el BASIC y el FORTRAN son muy diferentes.

2. Entrada-salida. stas son instrucciones mediante las cuales se transmite informacin de y hacia la computadora. He aquotra rea donde los lenguajes muestran diferencias considerables. Aunque la mayor parte de los lenguajes modernos mejoran esta situacin, histricamente las capacidades de entrada-salidadel BASIC, han sido muy limitadas. En constraste, las declaraciones FORMAT del FORTRAN son herramientas muy potentes para etiquetar y espaciar la salida. Sin embargo, son de las declaraciones de programacin ms difciles para un novato y aun para u n experto.

32

METODOS NUMRICOS

PARA INGENIEROS

CUADRO 2.2

Referencia rpida: comparacin de FORTRAN y BASIC. FORTRAN y BASIC son lenguajes de computadora fciles de aprender y de practicar, en general son los primeros lenguajes de programacin que se les ensea a los estudiantes de ingeniera. Como sucede con muchos lenguajes de programacin, existen varios aspectos que hacen dificil entender su uso. La siguiente comparacin resulta del intento de bosquejar las diferencias generales y las similitudes entre FORTRAN y BASIC y a la vez servir de referencia rpida y como recordatorio. Se pueden consultar otras fuentes para los detalles referentes Q cada uno de los lenguajes. Este resumen se limita y se enfoca a la vez al material que tiene importancia directa con los metodos numricos y con los programas descritos en el texto. FORTRAN BASIC

(Representan los nmeros y caracteres usados a lo largo del programa)

CONSTANTES Y VARIABLES

Son valores positivos o negativos, (excluyendo las comas o los smbolos especiales) que se mantienen inalterados a lo largo del programa.

Constantes

numricas Constantes Enteros

sonconstantes que no contienenpuntosonnmerosenteros decimal:
o reales con punto

decimal:

1, -2, 100
Constantes reales:
contienen punto decimal:

1, -2.0, 0.001, 100

1.o, -2., 0.001

Exponenciales
sonconstantesescritasen notacin cientfica.

Por ejemplo, los nmeros:

-12 000, 0.000 006 8, 386 O00 O00

se expresan en notacin cientfica como:

-12 x

lo3, 6.8 x

3.86 x 10

y se pueden escribiren FORTRAN y BASIC como:

- 12E3, 6.8E-6, 3.86E8

Constantes alfanumricas y cadenas de caracteres

representan letras, nmeros y smbolos que se usanenestetexto para etiquetar. Las cadenas de caracteres tienenotras aplicaciones, incluyendo el U S O de expresiones de relacin. En FORTRAN se encierran como: JOHN DOE, INTRODUCE B

VALOR DE A =, 8/5/48

En BASIC se encierran como:

EN LA PROGRAMACldN

PERSONALES LAS COMPUTADORAS

33

CUADRO 2.2

Referencia rpida: comparacin de FORTRAN y BASIC. (cont.) FORTRAN

Variables numricas
representan cantidades que pueden cambiar de valor. S e usan para estas y no variables los nombres simblicos, que deben empezar con una letra pueden contener smbolos especiales.

Nombres de variables
consisten de uno a seis caracteres, desde la A a la Z y del O a 9:

Nombres de variables
constan de dos caracteres (ms en algunos dialectos) de la A a la Z y del O al 9:

Variables enteras

AA, X, N1
reales o enteros.

representan valores enteros y empiezan representan valores con las letras I a la N:

N,KOUNT, lNDl
Variables reales
representan valores reales y empiezan con las letras A a la H y O a la Z:

X, COUNT, VEL1
Variables de caracteres o cadenas
representan cadenas alfanumricas y de caracteres. Se usan nombres simblicos. .E l tratamiento de las cadenas de caracteres vara considerablemente entre diferentes versiones

Declaracin CHARACTER
son de la forma: terminan con

Cadenas variables

$. La longitud de
ble es limitada. A$, N1$

la varia-

CHARACTER * n vorl,vor2
donde n es la longitud especfica de la cadena de caracteres seguida por una lista de variables. Por ejemplo,

CHARACTER * 4 NOMBRE1, NOMBRE2

~~

Arreglos
son variables con subndice que almacenan un conjunto de valores en vectores de una dimensin y en matrices multidimensionales. El espacio de almacenamiento suficiente para un nmero dado de elementos se especifica mediante

Declaracin DlMENSldN

Declaracin DIM

DIMENSION A(n), ISUM(n,,n2)

S e permiten hastasietesubindices deben ser enteros positivos. que

DIM A(n), IS(nl,n2)

La declaracin DIM, en general se limita a arreglos bidimensionales; las n pueden

ser variables. Los arreglos no dimensionados generan un error. dimensionados Los no arreglos un valor de n = 10.

suponen

34

M ~ T O D ONUMRICOS S

PARA INGENIEROS

CUADRO 2.2.

Referencia rpida: comparacin de FORTRAN FORTRAN

La declaracin DIG-ENSION se debe colocar antes de cualquier declaracin ejecutable.

y BASIC. (cant.)

BAS IC
La declaracin DIM se debe colocar antes de la primera lnea donde la variable dimensionada se va a usar. En caso de no ir, supone el valor n = 10. El redimensionamiento genera a unmensaje de error.

Las variables definidas en la declaracin DIMENSION (esto es, A o ISUM)tienen la misma regla de las variables numricas "esto es, el arreglo A debe contener valores reales, mientras que el arreglo ISUM debe contener valores enteros.

qu medios se transmite informacin a y desde un programa),

ENTRADAlSALlDA

Declaraciones de formato
especifican la longitud y la posicin de cada uno de los datos, que se van a leer o a imprimir. Aunque en laentraday salida de datos existe formato libre, el FORTRAN estndar, en general impone un formato de lectura o impresin. Aunque existe Io declaracin de formato para lectura o impresin de datos, las versiones recientes de BASIC no lo empleon.

Entrada
especifica los medios por los cuales se transmitendatos al programa

Declaracin READ
permitenintroducirdatos durante su ejecucin: alprograma
. .

Declaracin INPUT
Permitenintroducir datos at programa durante su ejecucin:

READ f varl,vur2,.

, vur,

In INPUT varl,vur2,. . . , var,

donde In es el nmero de lneas donde est la declaracin INPUT y var,, var2, . . ., var, son los nombres de las variables cuyos valores se vanaleer. Por ejemplo:

donde f esun cdigo de formato que especifica el tipo, disposicin y, en algunos casos, el dispositivo usado para leer los valores de var], var2, . . ., varn. Por ejemplo:

READ (5,2) A,B

donde el 2 es la etiqueta donde est la declaracin FORMAT correspondiente y el 5 especifica que los datos se obtendrn de una lectora de tarjetas.

1 0 INPUT A,B
Cuando se ejecuta esta instruccin se deben introducir los valores de A y B en undispositivo,tal como el teclado.

son declaraciones no ejecutables que defi- consiste de una declaracin READ asociada a una declaracin DATA que contienen el valor inicial de una variable. ne los valores que se van a leer, como: Tienen la forma general.

Declaracin DATA

Declaraciones REDlDATA

LA PERSONALES PROGRAMACldN COMPUTADORAS EN LAS

35

CUADRQ 2.2

Referencia rpida: comparacin de FORTRAN y BASIC. (cont.). FORTRAN BASIC

DATA var,, , . .,var,,lvalor,,

. . .,valor,,/

10 READ A,B,C,Z
90 DATA 5,0.001,88,1 E-6

donde var es el nombre de la variable y valor es una constante. Por ejemplo:

DATA A,B,C,Z/5.,0.001,88.,1.E-6/
Salida
esel medio por el cual se transmiten datos del programa.

Declaracin WRITE
se usa comnmente para imprimir datos. Su forma general es:

Declaracin PRINT
se usa comnmente para imprimir datos. Su forma general es:

WRITE fvarl, . . . , vur,

Por ejemplo:

In PRINT varl, . . . , var,

Por ejemplo:

WRITE (6,2) A,B donde (6,2) es el cdigo de formato, el 2 es la etiqueta de la declaracin FORMAT

10 PRINT A,B
En el momento que esta declaracin se ejecuta, los valores de A y B se imprimen en un dispositivo tal como la pantalla o una impresora.

correspondiente y el 6 especifica que los datos se imprimirn en una impresora.

1 I
cA1cu10s
(Operaciones que usan expresiones matemticas)

Declaraciones de asignacin
se usan para asignar un valor a una variable:

XM=3.281
indica a la computrdora que asigne el valor

3.281

a la variable

XM;

A=XM+5
indica a la computadora que sume

5 a XM y le asigne el resultado (en este caso, 8.281) a la variable A;

A=A+40
indica a la computadora que sume 40 a A y le asigne el resultado (en este caso, 48.281) a la variable A . El valor anterior de A se destruye enel proceso. Ntese que, aunque A = A 40 no es una expresin matemtica vlida, tiene un significado especial dentro de la computadora. AI signo de igual en la declaracin de asignacin se le puede dar un significado de "se reemplaza por", como en:

A se remplaza por A+40

sonsmbolos usados para representar operaciones matemticas:

Operadores aritmticos
Suma Resta

+
. .

+
-

36

MTODOS

NUMRICOS

PARA INGENIEROS

CUADRO 2.2

Referencia rpida: comparacin de FORTRAN FORTRAN

y BASIC. (cont.).

BASIC
Multiplicacin Divisin Exponenciacin

**

i **, ? , A
(El signode exponenciacin depende del tipo de BASIC)

Si una expresinaritmticatuvieratodos los operadores, el orden en que se efectuaransera: primero, todas las exponenciaciones de izquierda a derecha en BASIC, Applesoft y Microsoft, y de derecha a izquierda en FORTRAN; a continuacidn todas las multiplicaciones y divisiones de izquierda a derecha, y finalmentetodaslassumasyrestas de izquierda a derecha. Cuando una expresin presenta parntesis, la forma de efectuarlos es del msinterno al ms externo.

x=

$0

3":

"

y4 45

X=(((A+B)-R**3)/33-Y**4/45)**.5

X=(((A+B)-RA3)/33-YA4/45)A.5
CONTROL

(Dirigen el flujo del programa mediante saltos, transferencias y reasignacianes)

especificaunsalto

incondicional aun nmero de lneaespecfico:

Dedaracin GO TO

GO TO 200
Operadores lgicos
a diferente de menor que menor o igual que mayor que mayor o igual que lgica

se usan para comparar los valores de dos expresiones:

.EQ. .NE. .IT.

.LE.

, Igual .

.GT. .GE. .AND. .OR.

<> < <= > >=

AND O R
a falso

Declaracin lgica If se utilizan para la toma de decisiones, de acuerdo al valor verdadero

que tenga una expresin lgica

IF(N.GT.l .OR.N.LT.3)N=2 IF(N.GE.l) GOTO 10

IF(N>l)OR(N<3)THEN N=2 IF N>=l THEN 10

En los ejemplos anteriores, si la expresin lgica se cumple, seejecuta la transferencia o la asignacin. En el primer ejemplo, si N es mayor que 1 a

EN LA PROGRAMACldN

PERSONALES LAS COMPUTADORAS

37

CUADRO 2.2

Referencia rpida: comparacin de FORTRAN FORTRAN

y BASIC. (cont.).

BASIC

menor que 3, entonces N se iguala a 2 y el control pasa a la siguiente lnea. En el segundo, si N es mayor o igual a 1, el programo se transfiere a la lnea 1 O. En cualquier caso, si la expresin es falsa, no se ejecuto la transferencia o reasignacin y el control se pasa a la siguiente lnea.

Ciclos
permiten repetir clculos con una cantidad mnima de declaraciones

Ciclos con IF lgico

repiten calculos que se controlan con base en la declaracin

IF:

1 0 X=Y(I)*Z(I-1) IF(X.LT.O)GO T O 50 1=1+1 GO TO 1 0 50 X=-X

Ciclos D O

10 X=Y(I)*Z(I-1) 20 IF X<O T H E N 50 30 I=!+l 40 GO T O 10 50 X=-X

Ciclos controlados por un indice FORlNEXT Ciclos

DO In I=j,n,k

F O R I=iTO
NEXT I

STEP k

In

CONTINUE

In

donde In es el nmero de lnea de la h a declaracin del ciclo, i es el valor inicial del contador, n es el valor final o terminal y k es el incremento dado a la variable I para que.vare desde j hasta n. Despus de terminar el ciclo,, I tiene el valor de n + k siempre y cuando I sea mltiplo de n.

SUBPROGRAMAS: FUNCIONES Y SUBRUTINAS

(ejecutan una proposicin o un conjunto de proposiciones que se repiten varias veces a lo largo de un programa)
~~ ~

Funciones intrnsecas
son funciones construidas internamente o funciones de biblioteca que realizan operaciones matemticas o trigonomtricas que se emplean comnmente. Seno Coseno TAN Tangente ALOG o LOG Logaritmo natural o de base e ALOG o LOGIO Logoritmo comn o de base 10 EXP Exponencial SQRT Raz cuadrada ABS absoluto Valor IN T El entero ms grande que Es menor o igu:?! a x

cos

SIN

cos
TAN LOG

SIN

EXP SQR ABS INT

38

INGENIEROS METODOS

NUMRICOS

PARA

CUADRO 2.2

Referencia rpida: comparacin de FORTRAN y BASIC.(cont.). FORTRAN

donde x es el argumento de la funcin. Ntese que la lista anterior no est completa. Dependiendo de la versin del compilador pueden existirms funciones intrnsecas.

Funciones definidas por el usuario

SOL.

son funciones definidas por el programador.

Declaracin de funciones son de la forma: narnbre(xl, . Declaracin DEF son de la forma general:

. . ,xn) =

in DEF FNa(x) = f
donde In es el nmero de lnea, a es cualquier letra del alfabeto, x es una variable numrica (sin subndice) y f es una expresin aritmtica que es funcin de x . La declaracin DEF va antes de ejecutar dicha funcin. Se puede pasar slo argumentos en una declaracin DEF. Las otras variables dentro de la funcin tienen el mismo valor que en el programa principal en el punto donde se llama a la funcin.

donde nombre es el nombre de la funcin (se puede dar cualquier nombre); x , , . . .,x,,son variables numricas que no tienensubndice y f es una expresin aritmtica que depende de x , , . . .,x,,. Las declaraciones de funciones van antes de laprimera proposicin de ejecutable. Se pueden pasar varios argumentos en unadeclaracin de una funcin. Las otras variables dentro de lafuncin tienen el mismo valor que en el programa principal en el punto donde se llama la funcin.

TRIG(X,Y)=SIN(X)-LOG(Y)
A=5 B=10 S=TRIG(A,B)
Subprogramas Function
se parecen a las declaraciones de funciones en la ejecucin pero, como su nombre lo indica, son programas, esto es, consisten de varias lneas. Los subprogramas tipo function son de lo forma general:

10 DEF FNT(X)=SIN(X)-LOG(B)
80 E= 10 70A=5 90 S=FNT(AJ

& ) '&

FUNCTION name(xl,. . . x2j

nombre =

RETURN

donde todos los valores que toma la funcin son aquellos que se definen a 1 llamar a dicha Funcin.

LA PROGRAMACldN EN PERSONALES LAS COMPUTADORAS

39

CUADRO 2.2

Referencia rpida: comparacin de FORTRAN FORTRAN

y BASIC. (cont.).

BASIC

A= 5 B=10 S=TRIG (A.B)

FUNCTION TRIG(X,Y) TRIG=SIN(X)-LOG(Y)

RETURN
Ntese quelas constantes y las variables que no se pasan como argumentosdeben definirse dentro de la funcin o pasarse por una declaracin COMMON.

Subrutinas
son subprogramas que consisten de un conjunto de proposiciones que realizan una tarea en particular. Contienen una declaracin RETURN que regresa al punto donde se llam a la subrutina. Las subrutinas se llaman con una declaracin CALL de la forma:
Las subrutinas se llaman con una declaracin GOSUB de la forma:

Call nombre (arg,,org,,.

. .,arg,)

In, GOSUB Inn

donde In, es el nmero de lnea de la declaracin GOSUB y In2 es el nmero de lnea donde empieza la subrutina. La primera lnea de la subrutina puedeir en cualquier lugar dentro del programa.

donde nombre es el nombre de la subrutina y org,,. . ., org, son los n argumentos (variables o constantes) que se pasan a la subrutina. La subrutina va despus del programa principal y empieza conuna declaracin SUBROUTINE, de la forma:

donde nombre debe ser el mismo al Ilamar dicha subrutina conla proposicin CALL. Una vez dentro de la subrutina, las proposiciones se ejecutan en secuencia hasta que se encuentra una declaracin RETURN, despus de lo cual regresa a la siguiente lnea de donde est la subrutina.
Se pasan a y desde la subrutino nicaTodos los valores se pasan a y desde la mente los valores que aparecen como subrutina. argumentos de la misma:

40

MTODOS

NUMRICOS PARA INGENIEROS

CUADRO 2.2. BAS

Referencia rpida: comparacin de FORTRAN FORTRAN IC

y BASIC. (cont.)
-

CALL SUM (X.Y,Z)

200 GOSUB 800

500 END 800 Z=X+Y 850 RETURN

END SUBROUTINE SUM (A,B,C) C=A+B RETURN

Nteseque lasconstantes y las variables que no se pasan como argumentos se deben definir dentro dela subrutina o pasarse con una declaracin

COMMON.

(le permite incluir informacin

DOCUMENTACI~N

para el usuario de los programas)

las declaraciones de documentacin son instrucciones no ejecutables. Consiste del carcter C o del smbolo * en Consiste de la declaracin mensaje: por un mensaje: la columna 1 seguido por un

Declaracin comentario de Declaracin

REM REM seguida

mensaje.

C aqu se puede teclear cualquier

mensaje.

1 O REM aqu se puede teclearcualquier

3. Clculos. Las operaciones matemticas son muy similares en ambos lenguajes. Aunquela nomenclatura es un poco diferente,las ecuaciones escritas en los dos lenguajes casi son idnticas.
4. Control. Estas declaraciones se usan para

dirigirla secuencia lgica de las instrucciones en el programa. Para los m6todos numricos, es suficiente con tres tipos: la declaracin GO TO, el IF lgico y los ciclos. Aunque hay pequeas diferencias en la nomenclatura de ambos lenguajes, las declaraciones son muy similares en operacin.
Subprogramas. Como lo indica el nombre, son miniprogramas dentro del programa principal. Se disean para ejecutar declaraciones que se repiten muchas veces a lo largo del programa. En vez de reescribir los miniprogramas muchas veces dentro del programa, se pueden escribir slo una vez e invocarse con una declaracin simple cuando sea necesario. Estos .subprogramas, que incluyen las subrutinas, funciones definidas por el usuario y funciones predefinidas, son otro caso

5.

078fq
LA PROGRAMACIN EN LASCOMPUTADORASPERSONALES

donde FORTRAN y BASIC difieren significativamente. Las diferencias estriban en la manera en que se pasa informacin entre el cuerpo principal del programa y los subprogramas. Como se muestra en el cuadro 2.2. los argumentos de los subprogramas FORTRAN actan como ventanaspara controlar el paso de informacih. Este es un ejemplo que muestra al FORTRAN como un lenguaje ms complicado y . en consecuencia. ms potente que el BASIC.
6. Documentacin. Estas declaraciones permiten incluir informacin enfocada al usuario dentro del programa.

En resumen, el FORTRAN es un poco ms flexible y ms poderoso aunque tambin es ms difcil de aprender que el BASIC. Sin embargo. ya que ste sedesarroll originalmente como una versin simplificada del FORTRAN. los dos lenguajes muestran varias similitudes. Aunque cada uno de ellos tiene sus reglas que deben respetarse e n cuanto a estilo. su vocabulario y gramtica son lo suficientemente similares como para permitir una traduccin fcil de la mayor parte de los programas de un lenguaje a otro. Por 1 0 tanto, en este libro todo el cdigo para computadora se presenta en formato doble como el de la figura 2.5. Aunque algunas veces signifique que se olvidarn caractersticas peculiares de uno u otro lenguaje, esto permitir alcanzar un conocimiento de los dos lenguajes FORTRAN y BASIC.

2 . 2 . 3 Rastreo y

prueba

Despus de escribir el cdigo del programa. se debe probar para buscar los errores, a los que se les llama bugs. AI proceso de localizar y corregir l o s errores se les conoce como rastreo. Pueden ocurrir varios tipos de errores cuando se programa en cualquier lenguaje. Los errores de sin taxis violan las reglas del lenguaje como la ortografa. la formacin de los nmeros. los nmeros delnea y otras reglas especficasa cada lenguaje. Estos errores a menudo resultan al teclear cosas raras. Por ejemplo. la declaracin en BASIC
30 A
=

5/(0.2 + 4 * SIN (2* Y1

generara un error de sintaxis inmediato porque los parntesis no se encuentran por parejas. Los errores ms difciles de detectar estn asociados con la lgica y con la construccin de los programas y pueden ocurrir sin interrupciones de sintaxis. Por lo tanto, se debe tener especial cuidado y asegurarse de que el programa hace lo que se le pide. Por ejemplo. supngase que. se deseansumar los enterosentre 1 y 10 y luego dividirlos entre 10 (es decir. calcular su promedio). Los cdigos en FORTRAN y BASIC deben ser

42

MTODOS

NUMRICOS

PARA INGENIEROS

FORTRAN

s=o

BASIC
=

S=S+I 40 CONTINUE A = S/I WRITE (6, 1 )A

DO40 I

1 , 10

20 F O RI = 1

1os=o

T O 10

3OS=S+I 40 NEXT I 5C A = S/l 60 PRINT A

obteniendo como resultado A = 5.mientras que el resultado esperado era A = 5.5. La sintaxis est perfecta. pero hay un error de lgica que la computadora jams podr detectar porque no hay forma de observarlo. Una manera de eliminar este tipo de error es la de imprimir durante el programa los valores de las variables que no se requieran en la forma final del programa. Por ejemplo. si se ha escrito
WRITE f V O ~ I. , . . , vorn
in PRINT vorl, . . . , V O ~ ,

con los resultados A = 5 e I = 11, probablemente se notar que el error estriba en que el valor de I se incrementa al salir del ciclo. Los erroresdeeste tipo a menudoson muy dificiles de detectar en programas muy grandeso muy complejos. Porlo tanto, es una buena prctica verificar manualmente si es posible, los resultados dados por ' el programa y probarlos en casos especiales. Esto puede hacerse con lpiz, papel y una calculadora. Los errores asociados con la lgica o con la finalidad de un programa. no con la gramtica, se les conoce como errores de semntica. Estos ocurren. por lo general durante la ejecucin del programa y se les conoce tambin como errorese n el momento de /acorrida (run time errors). Es absolutamente necesaria la tcnica de imprimir los valores de las variables intermedias para verificar la lgica de un programa y evitar errores de semntica en programas muy grandes. E l rastreo y la prueba de los programas se facilita empleando u n buen estilo de codificacin, Esto puede implicar que el disefio de los programas consista de varias partes pequeas. A este tipo de estilo de programacin se le conoce como programacin modular. Cada parte esespecifica e identifica fcilmente las tareas a ejecutar. Las subrutinas son medios apropiados para tal modularizacin. El programa principal (o el programa que las llama) puede, entonces ser simplemente un director que gua cada una de las partes en un esquema lgico. De esta manera. si los programas no funcionan perfectamente, se puede aislar y localizar el problema ms rpidamente. Por ejemplo. se pueden escribir subrutinas para c,ada una de las siguientes tareas:

1. datos. Leer

4. Ejecutar algoritmos numricos.

2. Mostrar datos.
3. Mostrarun carcter para
informacin.

5. Mostrar los resultados en una

tabla.

6. Mostrar los resultados enuna grfica.

LA PROGRAMACIN ENPERSONALES LAS COMPUTADORAS -

43

Cada una de estas subrutinas realiza una tarea limitada y aislada que se puede programar y rastrear separadamente. Esto simplifica mucho eltrabajo total. comparado con el rastreo de todo el programa simultneamente. Despus de probar los mdulos, todo el programa se debe sujetar a una prueba total del sistema. Para un programa de mtodos numricos, se debe realizar una serie de clculos y debe compararse con casos donde se conozcapreviamente lasolucin exacta. Algunas veces sedispone de la solucinanaltica lacual es aceptable para estos propsitos. Tal fue el caso delparacaidista (recurdense los ejemplos 1.1. y 1.2). En otros casos, el programador debe realizar clculos manuales con una calculadora de bolsillo para comprobar que el programa lleva a resultados confiables. En cualquier caso, el programa se sujetar a una gran variedad de pruebas para asegurarse de que funcionar confiablemente bajo todas las condiciones de operacin posibles. Unicamente hasta entonces el programa estar listo para ser usado en la solucin de problemas de ingeniera.

2.2.4

Documentacin

Despus de que el programa ha sido rastreado y probado, se debe documentar. La documentacin es la inclusin de comentarios que le permiten al usuario implementar el programa ms fcilmente. Recurdese que junto con otras personas que pueden usar sus programas, el programador mismo es un usuario. Aunque un programa parezca simpley claro cuando est recinhecho y se guarda en la mente, despus de pasar cierto tiempo el mismo cdigopuede parecer inaccesible. Por lo tanto, se debe incluir suficiente informacin para permitirle a los usuariosentender e implementar inmediatamente tales programas. Esta tarea exhibeaspectos internos y externos. La documentacininterna consiste de algn anlisis o explicacin que se inserta a lo largo del cdigo del programa para la descripcin de cmo trabaja cada una de las secciones del mismo. Es importante en casos donde se va a modificar el programa. Esta documentacinse debe incluir tan pronto como se termine una parte del programa, en lugar de hacerlo hasta el final, para evitar la prdida del concepto en el diseo original que se tuvo en el desarrollo del programa. La documentacin interna se mejora considerablemente con el uso de nombres mnemnicos apropiados para las variables. Estos nombres pueden ser ms difciles de codificar que los nombres pequeos, pero la ventaja de ser ms informativos, por lo general hace que valga la pena el esfuerzo adicional. Utilizar nombres mnemnicosconvenientes, incluyeen esencia eluso de nombres convencionales o est6ndares o abreviaciones comunes para variables. La documentacin externa explica las instrucciones como mensajes al usuario en e informacin impresa suplementaria diseada para auxiliar la implementacin de los programas. Los mensajes impresos se supone que ayudan a que los resultados estn bien presentados y accesibles al usuario. Esto implica el uso correcto de espacios, lneas en blanco o ca-

44

MTODOS

NUMRICOS

PARA INGENIEROS

racteres especiales que ilustren la secuencia lgica y la estructura de los resultados de un programa. Los resultados bien presentados simplifican la deteccin de errores y aumentan la comprensin de los mismos. La informacin suplementaria puede variar desde una hoja hasta un manual para el usuario. La figura 2.7 muestra un ejemplo de una forma

FIGURA 2 . 7

Formato simple de una pgina para la documentacin de un programa. Esta pgina se debe guardar en una carpeta con un listado del programa.

LA PROGRAMACI~ EN N LAS COMPUTADORASPERSONALES

45

de documentacin simple que se recomienda para preparar cada unode los programas a desarrollar. Estas formas se pueden mantener enun cuaderno denotas para tener una referencia rpida para la biblioteca d e programas. El manual del usuario para una computadora es un ejemplo de una documentacin accesible.Este manual indica cmo correr el sistema y los programas d e operacin en disco de la computadora.

2.2.5 Almacenamiento

y mantenimiento

Los pasos finales en el desarrollo de u n programa son el almacenamiento y mantenimiento del mismo. El mantenimiento involucra acondicionar el programa e incluso hacerle cambios que lo hagan accesible a problemas reales. Despus de varias corridas, estos cambios pueden hacer al programa ms fcil de usar y ms aplicable a mayor cantidad de problemas. El mantenimiento se facilita con una buena documentacin. El almacenamiento se refiere a la manera en que los programas se guardan para uso posterior. Antes del advenimiento de las computadoras personales, no haba formas simples de almacenar copias de trabajo de programas realizados. Los listados de cdigo, de hecho se guardaban, pero tenan que teclearse de nuevo para usos posteriores. Las cajas de tarjetas

FIGURA 2.8

Disco flexible.

46

INGENIEROS

PARA

MTODOS NUMERICOS

perforadas se podan guardar, pero para un programa de cualquier magnitud resultaban difciles de manejar y susceptibles a deteriorarse. Como se menciona al principio de este captulo, los dispositivos de almacenamiento magntico han mejorado sustancialmente la habilidad de retener programas. Un dispositivo comn de almacenamiento esel disco flexible. mostrado en la figura 2.8. Los discos flexibles son un medio barato para almacenar programas y datos. Aunque los discos flexibles tienen una granutilidad. tambin tienen algunas desventajas. Por una parte, su tiempo de acceso es m u y lento; por otra, se deben manejary se deben guardar con mucho cuidado. Dado que pueden borrarse muy fcilmente, siempre se debe tener una copia de cada uno de ellos. Adems, cuando se termina un programa de computadora, se debe imprimir inmediatamente y almacenarlo con la documentacin correspondiente. Estas impresiones pueden ser tiles en el caso no deseado, pero posible, de que el disco y su copia se destruyan.

2.3 DESARROLLO DE UN PROGRAMA PARA EL PROBLEMADELPARACAIDISTA

Ahora se usar el material de las secciones previas para escribir u n programa en BASIC y en FORTRAN para el problema del paracaidista. Estos programas son un ejemplo ideal porque contienen todos los elementos -entrada-salida, ciclos, decisiones, clculos y subprogramas- que conforman al programa en el resto del captulo. Recurdese que el problema del paracaidistaes equivalente ala solucin de la ecuacin (l.12):
r
-7

donde v es la velocidad en un tiempo posterior v(tJ es la velocidad en el tiempo actual ti, g es la aceleracin de la gravedad (igual a) 980 cms/s2, c es el coeficiente de rozamiento, m es la masa del paracaidista y At = ti+l - ti. El trmino entre corchetes es el valor actual del Si se promedio de cambio de velocidad respecto al tiempo [Ec. (1.8)]. conoce la velocidad inicial del paracaidista v (ti)la ecuacin (2.1) se puede resolver repetidamente para valores de v(ti+J, como se hizo en el ejemplo l.2. Con esta informacin como antecedente, ahora se puede desarrollar un algoritmo para el problema. En este punto, se podra desarrollar un algoritmo bien detallado. Sin embargo, con la prctica que se tiene, difcilmente se podra. En lugar de ello, se empezar con una versin general simple, agregndole detalles poco a poco en forma secuencia1 para expandir la definicin. Entonces, cuando se haya obtenido una versin

LA PROGRAMACldN EN LAS COMPUTADORAS PERSONALES

47

FIGURA 2.9

Diagrama de fluio de un programa simple para el problema del paracaidista.

48

MTODOS

NUMRICOS

PARA INGENIEROS

final. se puede proceder a escribir el programa. En programacin. este mtodo de iniciar en general e ir avanzando hacia lo especfico se le conoce como esquema de anlisis descendente. Entre otras cosas. es eficiente porque,engeneralesmuchoms fcil eliminar errores si los algoritmos y los programas se escriben en pasos simples y se van verificando conforme se avanza. Un algoritmo muy simple para realizar los clculos del ejemplo 1 . 2 puede escribirse con palabras de la siguiente manera: introducir l o s datos. calcular la velocidad, imprimir la respuesta y repetir hasta que se hayan calculado tantos valores como seanecesario. Este algoritmo se puede expresar d e manera ms formal con un diagrama de flujo. La figura 2 . 9 muestra un procedimiento detallado de la implementacin de los clculos.

El diagrama de

flujo consiste de tres conjuntos de declaraciones:

1 . Introducir variables y constantes

2. Inicializar todas las variables

3. Hacer unciclo iterativo que calcule e imprimalas respuestas

Con base al diagrama de flujo, se puedeescribir ahora un programa. Las versiones en FORTRAN y BASIC se muestran en la figura 2.10. Ntese que para la versicin en BASIC, se usan incrementos de 10 para etiquetar los nmeros de lnea. Esto se hace para prever la posibilidad de

T0=0 v0=0 H=Z t4=t 0 C=t2500

T=TO

M1681 O 0 'V =v o
URITE<6,I >T,V FORMAT(2( ' ' , F 1 0 . 3 > ) I=O ' V = V + C 98 O-C*V,'l'l >*H T=T+H WRITE(6,l )T,V I=I+t I F ! I . L T . H jC O T O2 0 0 STOP Et i C)

2 0O

FIGURA 2.1 O

Programas FORTRAN y BASIC para el problema del paracaidista. Estos programas duplican los clculosmanuales del ejemplo 1.2.

"

EN LA PROGRAMAC16N

PERSONALES LAS COMPUTADORAS

49

insertar nuevas lneas de cdigo en refinamiento subsecuentes del programa. Aunque el ejercicio mencionado anteriormente ciertamente es un programa vlido para el problema del paracaidista, por ningn medio explota todas las posibilidades de programacin ni en FORTRAN ni en BASIC. Para demostrar como se pueden emplear lneas adicionales, para desarrollar una versin mejor, ahora se refinar el programa. Muchas de las modificaciones e insercionessiguientes representan una tcnica de programacin ms eficiente y ms sencilla de ejecutar. Sin embargo, cierto material se enfoca hacia propsitos didctico5 para demostrar el uso de ciertasdeclaraciones. El siguiente anlisis muestra directamente la versin en BASIC. Ya que los programas de la figura 2.11 estn escritos en paralelo, es muy fcil extender el anlisis a la versin FORTRAN. El programa de la figura 2.11 tiene nuevas caractersticas. Lasprincipales son: 1. El programa calcula ahora la velocidadpara tres valores diferentes del coeficiente d e rozamiento y d e la masa. La habilidad de realizar clculos repetitivos es una de las ventajas de las computadoras. Dentro del diseo en ingeniera, a menudo til es realizar una serie de clculos varias veces con valores diferentes de los coeficientes para valorar la sensibilidad del modelo a estos cambios. Esto se hace en este caso, realizando los clculos del ejemplo 1.2 con el coeficiente de rozamiento variando 2 10%. De esta manera, los tres casos usados en el programa son parael caso del coeficientede rozamiento original (12 500 g / s ) , el coeficiente de rozamiento ms el 10 por ciento (13 750 g/s) y el coeficiente de rozamiento menos el 10 por ciento (1 1 250 g/s) . El clculo repetitivo se lleva a cabo agregando un ciclo iterativo (lneas 3080 a la 3390). Cada vez que el programa pasa a travs del ciclo, se usa un coeficiente de rozamiento diferente para calcular la velocidad. Ntese tambin que el coeficiente de rozamiento y la masa se usan como variables con subindices C(K) y M(K) . Por lo tanto, se les asigna una dimensin en la lnea 3040.
2. El programa tiene ahora un esquema iterativo ms preciso. Adems de agregar el ciclo mayor para los tres casos dec y de m (lneas 3080 a la 3390), se han usado dos ciclos para calcular el valor actual de u . Se hace as porque pudiese ser que no se deseeimprimir una respuesta despus de cada paso. Esto sera especialmente cierto si se usara un paso muy pequeo, por ejemplo 0.01 S , para obtener resultados ms exactos. Para calcular desde t = O hasta 20 S , se requeriran 2 0 / 0 . 0 1 2 O00 nmeros. Ya que se requiere un valor para cada 2 S que esquemetice razonablementela cada del paracaidista, se han usado dos ciclos anidados de forma tal que el programa imprima resultados en tiempos intermedios.Un ciclo anidado es aquelciclo que

50

MTODOS

NUMRICOS PARA I N G E N I E R O S

F
C

PRDCRRMR LEGIBLE RL USURRIO En FDRTRBN p a s a EL PROBLEMQ

DEL PARPCP,IDISTP.

c C
C C

sc c u w R n CIVIL EHCINEERIHC
TEXPS

................................................ ................................................ ................................................

PPlRP

................................................ C FUHCIOH DV/DT CRLCULUR

DVDT(C.V,N)-980-C.V/M
PRDCRRMR PRINCIPRL

CDLLECE STATION, TEXnS 77843

a w UNIVERSITY

................................................ ................................................
UD
C

SUBRUTINR p a w IMPRIMIR EL ENCP,BEZPDO

SUBROUTINE INPUT(TO,TI,VO,U,P> TIEMPO z H I c l a L ( S E G ) RERD < 5 . 2 > 1 0 C TIEMPO F I H A L( S E G ) RE, (S.Z)TI C VELDCIDRD I N I C l P L ( C M / S E C > REI RD(S.2)VO C MRCNITUD DEL IHCREIEUTO ( S E C ) RE! RD<5 , 2 >H C IMPRIME EL IHTERVPlLO ( S E C ) RERD( S , 2 )P 2 FORtlPIT<F 6 . 2 ) C VERIFICL LP, RPlCHITUD DEL IHCRENEHTO E IMPRIME EL IHTERVIILO I F <P.CE.W.IIND.P.NE.O> COTO 222U URIlE(6,3> 3 FDRNPIT('EL IWTERVLLD DESE SER MRVOR D IGURL P LO MPIGNITUD *DEL INCREMENTO Y NO PUEDE VPLER CERO') 22: 2 0 RETURN END
~~

................................................ ................................................
RETURN END C SUBRUTINR LEE PR RW DRTDS

SUBRDUTIHE LRBEL VRITE(6, I >

FORMIIT( '-':SDLUCION

Paun LP,

VELOCIDAD

DE

calw

GEL P m m a I D I s T f i

INTERVALO

C C

SUBRDUTIHE C I L C ( T O , T 1 , V O , H , P ) REM. M DIMEHSIOU C < 2 O ) , l M Z O ) DVOT(C.V,M)-SBO-C.Y~M NC-IHT(P/HI

HP-IHTl(Tl-TO>/P>

. ...................... ..............................................
SUBRUTIN0 PRRR RERLIZRR CfiLCULOS

CICLO PP,RR CRLCULRR V CDU DIFERENTES C Y M DO 3370 K-1.20 LEEELCOEFICIENTEDEFRICCIDU REIID<S,4)C(K) IF ( C < K ) . E P . O . ) COTO 3390 LEE LII men REIID ( S . 4 I J U K ) 4 FOR11RT<FIO.O) VERIFICPI QUE LR (1181 SE1 CERD IF (~lK>.CT.O.O)COTD 3220 VRITE(6,5> S FORMRT('-','LR NASR DEBE SER M(IV0R PUE C E R O ' , COTO 3390 C INICIPLIZI( TIEMPO Y VELDCIDRD 3200 r-To VRITE(6.6) ,,4Y,'T tSEC>'.1OX,'V 6 FDRIIPIT(, YRITE(6.7>T.V INPRIME E L CICLO DO 3160 1-1,NP CICLO DE CP,LCULD

v-vo

CWSEC

C C

3340 3360

1170 C O N T I k

3390 RETURN END

FIGURA 2.1 1

Versiones FORTRAN y BASIC legibles al usuario del programa de la cada del paracaidista.

EN LA PROGRAMACldN

PERSONALES LAS COMPUTADORAS

51

contiene otro dentro de s mismo. En este ejemplo, el ciclo interno (lneas 3320 a la 3350) realiza los clculos usandoel tamao de paso deseado (lnea 2100). Despus de NC iteraciones de este ciclo (donde NC se calcula internamenteen la lnea 3050), se imprime una respuesta. El procedimiento se repiteNP veces (donde NP se calcula internamente en la lnea 3060) mediante el ciclo externo (lneas 3300 a la 3370). Ntese tambin que en vez de especificar el nmero de pasos (N, especificado en la lnea 130 en las versiones simples de la figura 2.10), ahora slo se introducen los tiempos inicial y final (lneas 2040 y 2060) y se usan las lneas 3050 y 3060 para determinar internamente el nmero apropiado de pasos.
3. El programa muestra ahora un esquema de etiquetado mbs descriptivo.Se incluyen declaraciones de documentacin al principio del programa, los mensajes de salida, por ejemplo las lneas 1030 a la 1080 y las entradas ms descriptivas, por ejemplo las lneas 2040 a la 2130.

4. El programa est modularizado. Ntese que el programa consiste de una serie de subrutinas que realizan tareas bien definidas. El programa principal sirve como supervisor para dirigir cada una de las parte dentro de un esquema lgico. 5. Se incluyen los diagnsticos para indicaral usuario q u e Se ha cometido un error. Los diagnsticos son declaraciones en el programa que imprimenparaelusuario un mensaje descriptivo, siha ocurrido un error. Las lneas3160 a la 3210 representan un diagnstico que verifica si la masa es cero. Si as fuese, la ecuacin de la lnea 210 realizara una divisin por cero. Si la masa es menor o igual a cero, la lines 3170 transfiere el control a la lnea 3180, que imprime el mensaje:

LA MASA NO DEBE SER MENOR O IGUAL A CERO

De forma similar, la lnea 2150 examina que el intervalo de impresin sea mayor que el tamao del paso. Si no es as, se imprimen los mensajes de las lneas 2170 a la 2190 y el programa transfiere el control a lalnea 2100 y pide un nuevo tamao de paso. Las anteriores no son mas que cinco de varias modificaciones quese han hecho para incrementar las capacidades del programa.Se debe verificar lnea por lnea para entender a fondo cmo contribuye cada una de las declaraciones en el programa total. La figura 2.12 muestra una corrida. En esta figura se introduce un error intencionalmente en el intervalo de impresin para demostrar las capacidades de diagnsticos del programa. El anlisis de estas corridas junto conla figura 2.11 deben sugerir algunas alternativas para empezar a obtener resultados claros y con un esquema descriptivo.

52

MTODOS NUMERICOS PARA INGENIEROS

Depto Ingentera Cwl Texas A&MUnwerstty College Stahon. Texas 77843 DESCRlPClON Este programa calcula la velocidad vertical de cada de u n paracatdtsta en functn del tiempo REQUISITOS ESPECIALES: Se pueden usar hasta 20 coeficientes diferentes de rozamiento REQUISITOS ESPECIALES- y masas para calcular la uelocldad

REFERENCIA

Mtodos numrtcos para Ingenieros con dphcaciones en computadoras personales, 1986 (Mc-Graw-Hill. Mxico),Cap 2

SOLUCION PARA LA VELOCIDAD DEL PARACAIDISTA TIEMPO INICIAL lSEG1 10 TILMPOR FINAL (SEGI 123 VFLOCIOAD INICIAL ICMlSEGl

Dt CAlCA
VICMISECI MASS I G I - 6 8 1 0 0 TISECI
O 7

4 456

6
8
1 0

MAGNITUD DEL INCREMENTO 32 IMPRIME EL INTERVALOISEGI

= 3

12 14 16 18
20

EL (NTERVALO NO DEBE SER M A Y O R O IGUAL QUE LA MAGNITUD DEL INCREMENTO Y N O DEBE VALER CERO MAGNITUD DEL INCREMENTO - 8 IMPRIME EL INTERVALO\SEGI = 2 6 COEFICIENTE DE FRlCClON IG'SEGI (PARA TERMINAR EL CALCULO TECLEA U N CERO) 65 MASAIGI VICMiSLGl TlSEGl TISECI VlCMlSECl
O 0
=

1w n 4699 3985 55437 4482 42869 4796 89686 4995 92151 5121 88278 5201 60276 5252 05696 5283 98906

3%;

DRAG COEFFICIENT (GlSECl I T 0 TERMINATE COMPUTATION ENTER ZERO1 = 11250 M A S S I G I = 68100

VICMiSECI

TlSECl

O
2

O 1960
4151.22591 4739.6755 5397 5459 5574 21 576 51452 5692 72778 5824.76927

23

42291 5133.70342

3272

4 6
6

5771

10 12 14 16 18 20

2 3128 51689 4
6 8

1960

10 12 14 4776.20838 16 18 4807 48987 20 4826 13934

DRAG COEFFICIENTE IG.SECI IT0 TERMINATE COMPUTATION ENTERLEROi=12500

3825 16572 4240 49528 4488 10732 4635 72918 4723 73869

DRAG COEFFICIENT IGISECI (TO TERMINATE COMPUTATION ENTER ZERO1 = O

FIGURA 2.1 2

Documentacin del orograma legible al usuario del problema paracaidista, incluye corrtda del programa.

del

2.4 ESTRATEGIAS DE PROGRAMACIN

Este librobrindaalestudiosodiversos medios, de clculo con el fin de convertir la teora de los mtodos numricos en herramientas prcticas para la soluci6n de problemas de ingeniera,Estos medios incluyen 1) discos

EN LA PROGRAMACldN

PERSONALES LAS COMPUTADORAS

53

que guardan a los programas, 2) programas, 3) algoritmos y 4) diagramas de flujo. El propsito de esta seccin es el de descubrir la forma en que cada una de estos medios complementa a los otros a lo largo del libro. La estrategia global se ilustraenlafigura 2.13. Tal vez al comprar este libro el lector tambin adquiri un disco para computadora. A este disco se le conocer con el nombre de NUMERICOMP, correr sobre una computadora IBM-PC (o cualquier compatil disco contiene seis programas escritos en ble) o sobre una APPLE 11. E BASIC: biseccin, eliminacin Gaussiana, regresin lineal, interpolacin

Meta: Resolver los problemas de ingeniera usando una computadora y los mtodos numricos

FIGURA 2.13

Estrategia empleada en el texto para integrar las computadoras personales y los mtodosnumricos en la solucin deproblemasde ingeniera.

54

MTODOS

NUM~RICOS PARA INGENIEROS

de Lagrange, regla trapezoidal y el mtodo de Euler. Los programas representan una coleccin de mtodos numricos simples, pero muy ti!es para cada una de las partes de este libro. Con muy poca preparacin puede usarse NUMERICOMP para la solucin de problemas. Esto se debe principalmente a que los programas estn escritos en un lenguaje legible y claro, adems que proporciona toda la informacin necesaria para su operacin. Adems de tener utilidad inmediata, el disco ofrece un ejemplo concreto de programas bien escritos que se pueden usar como modelo para programas escritos por el usuario. Finalmente,los programas se pueden usar para verificar la exactitud de los resultados en los esfuerzos de programacindelusuario. Cada uno de los programas se ilustra completamente enel captulo que le corresponde dentro del libro. Las ilustraciones muestran tal como se veran en una pantalla, los datos que se requieren, los resultados de los clculos y una grfica de los resultados. Estas ilustraciones se generan usando NUMERICOMP en la solucin de un problema determinado. Se incluyen algunos ejercicios en cada uno de los captulos para reforzar la habilidad en el manejo de los discos del usuario en su propia computadora. Se danloscdigosdeambas versiones. FORTRAN y BASIC para los mismos mtodos. Estos programas contienen los algoritmos fundamentales con esquemas simples de entrada y salida de datos y con poca documentacin. Por lo que no son muy claros en su exposicin. Una de las tareas ser la de modificar estos programas de forma tal que sean un poco ms claros, usando los recursos y la tcnica individual de cada programador. Una vez que esto se haya llevado a cabo, se tendr unaherramienta que se aproximar a los programas suplementarios. Los seis programas del disco NUMERICOMP son para los mtodos bsicos de cada una de las partes del libro. No son, necesariamente los ms eficientes computacionalmente hablando sobrelos existentes. Por lo tanto se han incluido diagramas de flujo o algoritmos parala mayor parte de los otros mtodos numricos del libro. Se pueden usar estos diagramas y algoritmos con la destrezade programacin propia del usuario, para los mtodos expuestos. escribir programas de cualquier otro de

EJEMPLO 2.1
Grficas por computadora

Enunciado del problema: el propsito de este ejemplo es el de familiarizarse con los programas opcionales NUMERICOMP disponibles con el texto
FIGURA 2.14
a) Ttulo de

los programas NUMERICOMP que acompaan al texto. b) Men principal de NUMERICOMP. c) Men para BISECCION,d) La pantalla muestra cmo se introduce una funcin para BISECCION; la funcin en este caso es la ecuacin (1.9), que calcula la velocidad de cada del paracaidista. e) La pantalla muestra una grfica de la velocidad o calcula NUMERICOMP. contra el tiempo para el paracaidista, como l

LA PROGRAMAC16NEN LAS COMPUTADORAS PERSONALES

55

FIGURE 2.14

56

MoODOS NUMERICOS PARA INGENIEROS

y usar las capacidades grficas de NUMERICOMP para trazarfunciones. Si el libro se compr sin estos programas, entonces se deben buscar formas para realizar tareas similares sobre la computadora. Esto se puede llevar a cabo con la ayuda de los programas dados porel sistema o puede requerirse que se desarrollen los propios. La habilidad en el trazo de funciones es muy importante ya que la forma de resolver un prob!zma de mtodos numricos se facilita mucho cuando se usa en coordinacin con grficas por computadora.

Solucin: insrtese el discoNUMERICOMPen launidad de discos y crrase el programa de acuerdo a las instrucciones delManual del usuario. La pantalla debe producir un esquema similar al de la figura 1.14~1. Simplemente es la presentacin del programa. Teclese RETURN para continuar. La pantalla debe mostrar ahora un men de seleccin principal como se muestra en la figura 2.14b.El men contiene una lista de seis programas incluyendo una opcin que termina la sesin. Se usar cada uno de estos programas en el momento apropiado dentro del libro, cuando se haya visto previamente la teora de cada uno de los mtodos. Por ahora se usar 19 opcin de grdficas por computadora dentro del programa de BISECCION para grficar la velocidad del paracaidista en tuncin del ti9mpo. Para hacerlo, simplemente se introduce el programa de BISECCION mediante la opcin 1. La pantalla, automticamente debe mostrar un patrn similar al de la figura 2 . 1 4 ~ despus de algunos movimientos del disco. Slo se requieren usar las opciones 1 , 3 y 4 para graficar funciones. Seleccinese la opcin 1 para introducir la funcin usando l a ecuacin (1.9) con m = 68 100 g, c = 12 500 g/s y g = 980 cm/s (Fig. 2.14d). Regrsese al menprincipal y escjase laopcin 3 para graficar la funcin. Antesde trazar la grficase deben dar valores mnimo y mximo para x y paraf(x) que corresponden al tiempo y a la velocidad en este caso. Los valores para x y f ( x ) estn dados por definicin enlaprimer columna (en este caso son cero). Prubense varios valores para los ejes x y paraf(x) (incluyendo valores negativos) para familiarizarse con el diseo y operaci6n de la opcin de graficacin. En la figura 2.14e se muestraunagrficaquemuestrael esquema de lavelocidad como funcin del tiempo. La opcin de graficacin dada por este programa tendr muchos otros usos para visualizar mejor los resultados de la aplicacin de los mtodos numricos y la computacin enla solucin de problemas de ingeniera. Estos usos se exploran en las secciones subsecuentes del texto.

PROBLEMAS
2.1
Escrbanselasdeclaraciones BASIC y FORTRAN equivalentes a cada una de las siguientesexpresiones:

LA PROGRAMACldN EN LAS COMPUTADORAS PERSONALES

b) y=c)

xlsenl

x=

-b -

x-1

I) Si A y Z tienen el mismo signo, entonces reemplcese 2 por Q .

2a

57

2.2

Escrbanse las declaracionesBASIC y FORTRAN para realizar la siguienteoperacin

S

2 xi2

Para i = 3, 6, 9,. . ., 21.

2.3

Dado el siguiente programa

10 A = 10.1 20 B = 3.1416 30 Z = 1.1 40 PRINT X1

Cul ser el resultado que se imprima, si se insertan las siguientes expresiones entre las lneas 30 y 40?
a)

35 X1

=
=

A"Z/B A' (Z/B)

b) 35 X1

cj 35 X1 = A'B - B**B/Z d) 35 X1 = ((A'Z)

2'2

- B/Z)' *Z)/(B - Z)

e ) 32 J

INT(A* *Z/B - 2)
=

36 X1
2.4

J'A

Dado el programa del problema 2.3, escrbase el cdigo de la lnea 35 que evaluar las siguientes expresiones algebraicas:
x 1 =
XI

a '

-4 6
2

=a

- dz/5

7 + 6(a + 2)2'3 - -

2.5

La figura para este problema muestra la pgina de una bitcora de un automvil. Cada rengln representa una visita a la gasolinera en la que el tanque se llena de gasolina. La pgina tiene, adems columnas para la fecha, el kilometraje marcado por el odmetro, la cantidad de gasolina y su costo. Escrbase un programa, diseado de forma tal que acepte datos de entrada bajo este esquema y calcule los kilmetros recorridos por litro y el costo por ki16metro de acuerdo a cada intervalo entre llenado y llenado. Debe imprimir una tabla con tres columnas que conforman la fecha, los kilmetros por litro y el costo por litro.

58

NUMRICOS

MTODOS

PARA INGENIEROS

FIGURA DEL PROBLEMA 2.5

2.6

Se invierte una cantidad de dinero P en una cuenta cuyos intereses se reinvierten alfinaldel periodo. El monto futuro F , conuna tasa deinters i despus de n periodos se puede determinarfcilmentecon la frmula siguiente:

F = P (1

i)"

Escrbase un programa que calcule el monto futuro de una inversin. Los datos de entrada deben incluirla cantidad inicial P,la tasa de inters i (como fraccin decimal), y el nmero de a6os n para los cuales se va a calcular el monto futuro. La salida debe incluir tambin estos valores. Incluyendo, en forma de tabla el monto futuro para cada uno de los aos, hasta el n-simo ao. Correr el programa para P = $ 1 000.00, i = 0.1 y n = 20 aos. 2.7 Escrbase un programa para calcularlas races reales de la ecuacin cuadrtica
ax'

bx

c =

donde a , b y c son coeficientes reales. La frmula para calcular las races es la frmula cuadrtica

EN LA PROGRAMAC16N

PERSONALES LAS COMPUTADORAS

59

X=

-b f

2a

Ntese que sila cantidad dentro del signo de la raz cuadrada es negativa entonces las races son complejas. Tambin ocurre una divisin por cero si a = O. Disese el programa de forma tal que contemple estas contingencias imprimiendo un mensaje de error. Tambin, inclyase algo de documentacin a lo largodel programa y etiqutense las salidas para hacer el programa legible. Reptanse los clculos para valores diferentes de a , b y c, tantas veces como el usuario desee. Efectense pruebas para los casos:
a) a = l

b) a = O c) a = l

b = 4 b = -4 h = 2

c = 2 c = 2.3 c = 2.3 la serieinfinita:

2.8

La funcin exponencial e" se puedeevaluarmediante

Escribase un programa para implementar esta frmula que calcule los valores e x agregando un trmino cada vez a la serie. En otras palabras, calclese e imprmase la secuencia

ex = 1 ex=l+x

eX=l+x+-

X*

hasta la orden de trmino prefijado. Para cada caso, calclese el porcentaje de error relativo dado por
% error

solucin real

solucin aproximada

solucinreal

100%

Utilcese la funcin de biblioteca para calcular e x y determinar la "solucin real". El progrma debe imprimir la solucin aproximada y el error en cada paso. Se puede emplear u n a funcin definida por el usuario para calcular el error. y usar ciclos para simplificar los clculos tanto como sea posible. Para probarlo, utilicese el programa para calcular exp(0.5) desde el primer trmino de la serie hasta el trmino x2"/20!. Interprtense los resultados.
2.9

En economa se dispone de frmulasparacalcular los pagos anuales debidos a un prstamo. Supngase que se desea pedir un prstamo de P pesos para pagarlo en n pagos anuales con una tasa de inters . La frmula para calcular el pago anual, A, es.

A1 = P

i(1 + i)" (1 + i)" - 1

60

METODOS NUMERICOS PARA INGENIEROS

Escrbase un programa para calcular A,. Prubese con P = $10 O00 y una tasa de inters del 20 por ciento. (i = 0.20). Hgase el programa de tal forma que se puedan evaluar tantos valores de n como se desee. Calclense los resultados para n = 1 , 2, 3 , 4 y 5 .
2.10 Junto con los clculos de los pagos anuales por prstamos, como se hizo en el problema 2.9, las frmulas de economa se puedenemplear para determinar los pagos anuales correspondientes a otros tipos de flujo de efectivo. Por ejemplo, supngase que existe un gasto que crece de manera uniforme a un promedio G conforme avanza el tiempo. A estos pagos se les conoce como series de gradiente aritmticas. La frmula de economa que calcula un pago anual equivalente para este tipo de flujo de efectivo es

Ahora, supngase que se pide un prstamo de P = $10 O00 con un inters del 20% ( i = 0.20) y se compra un nuevo sistema de cmputo. E l costo de mantenimiento de la computadora crece de acuerdo a la serie de gradiente aritmtica con una tasa de G = $50/ao/ao. Junto con estos dos costos (esto es, flujos de efectivo negativos para los pagos del prstamo y del mantenimiento), tambin se obtendrn beneficios o flujos de efectivo positivos con el uso del sistema.El aprovechamiento en consulta y el uso de la computadora se pueden tasar con un valor anual de A, = $4 000. Por lo tanto, el valor neto A, como propietario de la mquina sobre una base anual, se puede calcular como beneficios menos costos, o
AN =

AB - A, - A2

Por lo tanto, si A , es positivo, la computadora est generando ganancias sobre una base anual. Si A , es negativo, se est perdiendo dinero. Desarrllese, rastrese, prubese y documntese un programa que calcule AN E l programa se debe disear de tal forma que el usuario pueda introducir como datos las variables P, i, G, A, y n. sese el programa para estimar A, con el nuevo sistema de cmputo para n = 1, 2 , 3 , 4 y 5. Esto es, evalense las ganancias si el sistema se posee de l a 5 aos. Grafquese A N contra n (si es posible se puedeusar la computadora para hacerla grfica). Determneseel plazo que se debe poseer el sistema para empezar a ganar dinero. (Nota: la informacin adicional para este problema se puede obtener del primer caso del captulo 6).
2.11 Implemntese el programa de la figura 2.11. Efectense las modificaciones neceel lenguaje usado enla computadora. sarias de tal forma que sea compatible con Una vez que el programa se encuentre en la computadora, prubese duplicando los clculos de la figura 2.12. Reptanse los clculos con pasos de tamao 1 y 0.5. Comprense los resultados con la solucin analtica obtenida anteriormente en el ejemplo 1.1.?.Mejoran o empeoran los resultados al hacer el tamao del pasoms pequeo?. Explquense los resultados. 2.12 El siguiente algoritmo est diseado para determinar la calificacin final de un curso, que consiste en exmenes parciales. tareas y examen final: Paso 1: Introducir el nmero del curso y el nombre. Paso 2: Introducir los factores de peso: para exmenes parciales REP) para tareas (PT) y para el examen final (PEF)

LA PROGRAMACl6N EN

LAS COMPUTADORAS PERSONALES

if)Zfji3fi51*1

Paso 3 : Introducir las calificaciones de los exmenes parciales y determinar la calificacin promedio (CEP). Paso 4: Introducir las calificaciones de las tareas y determinar la calificacin promedio (CT) . Paso 5: Si sta es la ltima calificacin, ir al paso 8; de otra manera, continuar. Paso 6: Determinar la calificacin promedio (CP) mediante CP Paso 7: Paso 8 : Paso 9: PEP
=

CEP PEP

+ PT
PT

* CT

Ir al paso 10. Introducir la calificacin del examen final (CEF). Determinar la calificacin promedio (CP) mediante CP PEP
=

CEP

PT

CT PT

(PEF)

(CEF)

PEP

(PEF)

Paso 10: Imprimir el nmero del curso, nombre y calificacin promedio Paso 11: Detener los clculos. a ) Escrbase un programa basado en este algoritmo b) Rastrese y prubese usando los datos: PEP = 35; PT = 25; PEF = 40; Exmenesparciales = 100, 98, 83, 76, 100; tareas = 96, 94, 83, 100, 77, y examen final = 88. c ) Preprese una pequea documentacin para el programa.

2.13 La figura para este problema muestra el reverso de una hoja de estado de cuenta de cheques. El banco ha elaborado esta hoja para ayudar en el balance d e una cuenta de cheques. Si se observa bien, se podr6 realizar un algoritmo. Desarrllese, rastrese y documntese un programa que obtenga el saldo actual dela cuenta de cheques basado en el esquema de la figura. Se pueden usar los nmeros de la figura para probar el programa. 2.14 Escrbase, rastrese y documntese un programa que determine las estadsticas del deporte preferido. Escjase cualquiera desde futbol hasta el lanzamiento de bolos. Si el lector practica deportes eninteriores elabrese uno para el propio equipo. Disese el programa de forma tal que sea legible y muestre informacin interesante a cualquiera (por ejemplo, al entrenador o jugador) que pueda usarse para evaluar el rendimiento de los jugadores. 2.15 sese la opcin de graficacin del programa BISECCIN (en el disco NUMERICOMP) para trazar varias funciones de cualquiertipo. Prubense funciones polinominales y trascendentes cuyo comportamiento sea difcil de visualizar antes de graficarlas. sense varias alternativas para ambos ejes x y y para facilitar la exploracin. Hganse copias permanentes de los trazos si se tiene una impresora. 2.16 Se debe lograr la capacldad de graticar funciones de una forma parecida a como lo hace el programa BISECCIN. Progrmese la computadora de una manera apropiada para lograrlo. Si la computadora no tiene un sistema operativo cuyos programas puedan ayudar, entonces se deben escribir, usando las capacidades ?. de la misma.

62

INGENIEROS

PARA

METODOS

NUMRICOS TALONARlO

EL REA DE ABAJO SE PROPORCIONA PARA AYUDAR CHEQUESPORCOBRAR NO CARGADOSALESTADODE CUENTA

EN EL SALDO DEL

4 58

5 68

MES

Abrl

46 I 463 4 64
466

4 60

13 33 150 O0

SALDO NUEVO COMO SE MUESTRA EN ESTEESTADODECUENTA SUMA DEPSITOS QUE NO ESTAN EN ESTE ESTADO DE CUENTA

6 4 3 . S4
250.00 22. IS

46 S

9 32 44 IS

I4

74

50 O 0

TorAL
RESTA TOTAL DE CHEQUES P O R COBRAR

SALDO DEL TALONARIO DESPUS DE RESTAR LA CARGADESERVICIODEL MES ACTUAL Y SUMAR LOS INTERESESDEVENGADOS ( s b l o LASCUENTAS AFAVORDELSALDO

600.52

FIGURADELPROBLEMA

2.13

El programa se debe guardar en un disco de memoria magntica. Documntese este programa despus de rastrearlo y examinarlo cuidadosamente. Djese listo para poder modificarlo de acuerdo a los requisitos del libro, conforme se avance
2.17 Aprndase la manera de hacer copias permanentes de 2.16 si se Tiene una impresora.

las grficas del problema

CAPTULO T R E S APROXIMACIONES Y ERRORES

Debido a que la mayor parte de los mtodos expuestos en este libro son muy claros en su descripcin y en sus aplicaciones, resulta tentador en este momento ir directamente al cuerpo principal del texto y averiguar el uso de estas tcnicas. Sin embargo, ya que los errores son parte intrnseca en el entendimiento y uso efectivo de los mtodos numricos, se ha escogido este captulo para desarrollar este tema. vez con el proLa importancia de los errores se menciona por primera blema del paracaidista, en el captulo 1. Recurdese que se determin la velocidad de cada del paracaidista analtica y numricamente. Aunque con la tcnica numrica se obtuvo una solucin cercana a la real (la analtica), hubo cierta discrepancia o error, debido a q1.le los mtodos n u mricos son slo una aproximacin. La mayor parte de las tcnicas desarrolladas en este libro tienen la caracterstica de poseer errores. Esto puede parecer contradictorio a primera vista ya que no coincide con la imagen que se tiene de u n buen mecanismo de ingeniera. Los estudiantes y pasantes de ingeniera luchan constantemente para limitar este tipo de errores en sus trabajos. Cuando hacen un examen o realizan tareas, son sancionados mas no premiados por sus errores. En la prctica profesional, los errores pueden resultar costosos y en algunas ocasiones catastrficos. Se puede perder hasta la vida si una estructura o un dispositivo llega a fallar. Aunque la perfeccin es una meta digna de alabarse, es difcil, si no imposible, alcanzarla. Por ejemplo, a pesar de que el modelo obtenido mediante la segunda ley de Newton es una aproximacin excelente. en la prctica jams predecir exactamente la cada del paracaidista. Algunos fenmenos, tales como la velocidad del viento y alguna pequena variacin en la resistencia del airecambiarn totalmente la prediccin, Si estas desviaciones se comportan bajo un patrn constante ya sea subiendo o bajando. bastar con formular un nuevo modelo. Sin embargo, si su distribucin es aleatoria pero se agrupa muy prxima alrededor de la prediccin, entonces las desviaciones pueden calificarse como insignificantes y el modelo nuevamente se considerar adecuado. Las aproximaciones numricas pueden in-

64

MTODOS

NUMRICOS

PARA INGENIEROS

troducirerroressimilaresenelanlisis.Nuevamentelapregunta es: qu errorpuedeconsiderarsetolerable? Este captulo cubre varios aspectos que identifican, cuantifican y minimizan estoserrores. En las primeras secciones se revisa la informacin referente a la cuantificacin de los errores. En seguida se estudian dos de los errores ms comunes: errores de redondeo y errores de truncamiento. Los errores de redondeose deben a que la computadora slo puede representar cantidades con un nmerofinito de dgitos. Los errores de truncamiento representan la diferencia entre una formulacin matemtica exacta de un problema y la aproximacin dada por un mtodo numrico. Finalmente, se discuten los errores sin relacionarlos con ningn mtodo numrico en especial. Incluyendo errores por equivocacin, errores en la formulacindemodelos y la incertidumbre enla obtencin de datos.

3.1 CIFRAS SIGN IFICATIVAS

En este libro se analizan casi exclusivamente aproximaciones que se relacionan con el manejo de nmeros. En consecuencia, antesde discutir los errores asociados con los mtodos numricos, es til repasar algunos conceptos bsicos referentes a la representacin aproximada de los nmeros mismos. Cuando se emplea un nmero en un clculo, debe haber seguridad que pueda usarse con confianza. Por ejemplo, la figura 3.1 muestra un velocmetro y el odmetro (contador de kilometraje) de un automvil. Con un simple vistazo al velocmetro puede verse que el automvil viajaa una velocidad comprendida entre 48 y 49 km/h. Ya que la flecha est ms

FIGURA 3.1

E l velocmetro y el odmetro de un automvil ilustran el concepto de cifras significativas.

APROXIMACIONES Y E R R O R E S

65

alldelamitaddelas marcas del indicador, se puede asegurar que el automvil viaja aproximadamentea 49 km/h. Este resultado casies veral indicador llevan a la misma dico ya que dos o ms lecturas individuales conclusin. Sin embargo, supngase que se desea obtener una cifra decimal ms en la estimacin de la velocidad. En este caso, alguien puede decir 48.7, mientras que otro podr decir 48.8 km/h. Por lo tanto, debido a los lmites del instrumento, nicamente se pueden usar dos dgitos con confianza. Las estimaciones del tercer dgito (o ms) slo se pueden calcul a r someramente. Seraridculo afiimar, con base al velocmetro, que el automvil est viajando a una velocidad de 48. 764 213 8 km/h. En contraste, el odmetro muestra hasta seis dgitos confiables. De la figura 3.1 se puede concluir que el automvil ha recorridoun poco menos de 87 324.5 km durante su uso. En este caso el sptimo dgito (y los siguientes) se desconocen. El concepto de cifras o digitos significatiuos se ha desarrollado para designar formalmente la confiabilidad de un valor numrico. El nmero decifrassignificativas es el nmerodedgitos,ms un dgitoestimado que se pueda usar con confianza. Por ejemplo, el velocmetro y el odmetro de lafigura 3.1 estiman hasta tres y siete cifras significativas respectivamente. Los ceros no siempre son cifras significativas ya que pueden usarsesloparaubicar el puntodecimal. Los nmeros

0.000018 45 0.000 184 5 0.001 845

tienen cuatro cifras significativas. Cuando se incluyen ceros en nmeros muy grandes, no se ve claro cuantos ceros son significativos, sies que los hay. Por ejemplo, enelvalor nominal, el nmero 4 5 300 puede si los cetener tres, cuatro o cincodgitossignificativos,dependiendo ros se conocen con exactitud. La incertidumbre se puede desechar usando la notacin cientfica en donde 4.53 X l o 4 , 4.530 X l o 4 y 4.530 O x l o 4 muestran que el nmero tiene tres, cuatro y cinco cifras significativas. El concepto de cifras significativas tiene dos implicaciones importantes enel estudio de los mtodos numricos.
1. Como se dijo en el problema del paracaidista, los mtodos numricos obtienen resultados aproximados. Por lo tanto, se deben desalos resultados rrollarcriteriosparaespecificarqutanprecisosson obtenidos. Una manera de hacerlo esen trminos de cifras significativas. Por ejemplo, se puede decidir que la aproximacin es aceptable siempre y cuando sea correcta hasta cuatro cifras significativas -esto es, debeexistirseguridadquelasprimerascuatrocifrasson correctas.

66

INGENIEROS MTODOS

NUMRICOS

PARA

2. Aunque ciertas cantidades tales como T , e , o fi representan nmeros especficos, n o se pueden expresar exactamente conun nmero finito de dgitos. Por ejemplo, el nmero T es igual a

3.141 592 653 589 793 238 462 643 .

hasta el infinito. Debido a que las computadoras personales slo retienen aproximadamente diez cifras significativas(comnmente varan entre 7 y 14, como se puede ver en el cuadro 2. l ) ,tales nmeros jams se podrn representar exactamente. A la omisin del resto de cifras significativas se le conoce como error de redondeo. Los errores de redondeoy el uso d e cifras significativaspara expresar la exactitud de un nmero se estudian con ms detalle en las siguientes secciones. Adems, el concepto de cifras significativas tiene mucha importancia en la definicin de exactitud y precisin en la siguiente seccin.

3.2 EXACTITUD Y PRECISIN

Los errores asociados con l o s clculos y medidas se pueden caracterizar observando SU precisin y exactitud. La precisin se refiere a 1)el nmero de cifras significativas que representan una cantidad o 2) la extensin en las lecturas repetidas de un instrumento que mide alguna propiedad fsica. La exactitud se refiere a la aproximacin de un nmero o de una medida al valor verdadero que se supone representa. Estos conceptos se pueden ilustrar grficamente usando una analoga con un buen tirador al blanco. Los agujeros en el centro del tiro al blanco de cada esquema de la figura 3.2 se pueden imaginar como las predicciones en una tcnica numrica, mientras que el centro del blanco de cada esquema representa la verdad. La inexactitud (conocida tambin como sesgo) se define como un alejamiento sistemtico de la verdad. Por lo tanto, aunque las balas en la figura 3 . 2 estn ~ ms juntas que las de los dos casos son igualmente inexactos ya que ambos se la figura 3.2~1, centran en la esquina superior izquierda del blanco. La precisin, por el otro lado se refiere a la magnitud del esparcimiento de las balas. Por lo tanto, aunque las figuras 3 . 2 b y 3.2d son igualmente exactas (esto es. igualmente centradas respectoal blanco), la ltima es ms precisa ya que las balas estn en un grupo ms compacto. Los mtodos numricos deben ser lo suficientemente exactos o sin sesgos paraque cumplan los requisitos de un problemaparticular de ingeniera. Tambin deben ser lo suficientemente precisos para el diseo en la ingeniera. En este libro se usa el trmino error para representar la inexactitud y la imprecisin de las predicciones. Con estos conceptos como antecedentes, ahora se pueden discutir los factores que contribuyen al error en los clculos numricos.

APROXIMACIONES Y E R R O R E S

67

FIGURA 3.2

Un ejemplo de un buen tirador ilustrael concepto de exactitud y precisin. o) Inexacto e impreciso; b) exacto e impreciso; c) inexacto y preciso; d) exacto y preciso.

3.3 DEFINICIONES DE ERROR

Los errores numricos se generan con el uso de aproximaciones para rerepresentar las operaciones y cantidades matemticas. Estos incluyen errores de truncamiento, que resultan de representar aproximadamente un procedimiento matemtico exacto, y los errores de redondeo, que resultan de representar aproximadamente nmeros exactos. Para los dos tipos de errores, la relacin entre el resultado exacto o verdadero y el aproximado est dada por
Valor verdadero
=

valor aproximado

error

[3.11

reordenando la ecuacin (3.l), se encuentra que el error numrico es igual a la diferencia entre el valor verdadero y el valor aproximado, esto es
E,
=

valor verdadero - valor aproximado

D.21

68

MgTODOS NUMeRICOS PARA INGENIEROS

EJEMPLO 3.1
Clculo de errores

Enunciado del problema: supngase que se tiene que medir la longitud de un puente y de un remache, obtenindose 9 999 y 9 cm, respectivamente. S i los valores verdaderos son10 O00 y 10 cm, calclese a) el error y b) el error relativo porcentual de cada caso. Solucin: a) Elerrorenlamedicindel puentees [Ec. (3.2)]

E , = 10 O00 - 9999 = 1 cm
y parael remache es de

E,= 1 0 - 9
1

lcm [Ec. (3.3)]

b) El errorrelativoporcentualparaelpuenteesde
E =

10 O00

100%

0.01 %

y parael remache es de

-100% = 10% 10 Por lo tanto, aunqueambasmedidastienen un error de 1 cm, elerror relativo porcentual del remache es mucho ms grande. Se puede concluir que se ha hecho un buen trabajo en la medida del puente, mientras que la estimacin para el remache deja mucho que desear.
,

donde E, se usapara denotar elvalor exacto delerror. Se incluyeel subndice v para dar a entender que se trata del verdadero error. Como ya se mencion brevemente, esto contrasta con los otros casos, donde se debe emplear una estimacin aproximada del error. Un defecto en esta definicin es que no toma en consideracin el orden de magnitud del valor que se est probando. Por ejemplo, un error de un centmetro es mucho ms significativo si se est midiendo un remache que un puente. Una manera de medir las magnitudes de las cantial valor dadesque se estnevaluandoesnormalizarelerrorrespecto verdadero. como en Errorrelativofracciona1 = error valorverdadero

APROXIMACIONES Y ERRORES

69

donde, como ya se dijo en la ecuacin (3.2) error = valor verdadero valor aproximado. El error relativo tambin se puede multiplicar por el 100% para expresarlo como
E,

=
E,

donde
u

error verdadero 100% valor verdadero denota el error relatioo porcentual.

Ntese que en las ecuaciones (3.2) y (3.3)E y E tienen un subndice que significa la normalizacin del error al valor verdadero. En el ejemplo 3.1, se utiliz el valor verdadero. Sin embargo, en las situaciones realeses a veces difcil contar con tal infornacin. Para los mtodos numricos, el valor verdadero nicamente se conocer cuando se habla de funciones que se puedan resolver analticamente. Porlo general este serel.casocuando se estudie el comportamiento terico de una tcnica en particular. Sin embargo, en aplicaciones reales, obviamente no se conoce la respuesta verdadera a priori. En estos casos, normalizar el error es una alternativa, usando la mejor estimacin posible del valor verdadero, esto es, a la aproximacin misma, como error aproximado a = 100% valor aproximado donde el subndice a significa que el error est normalizado a un valor aproximado. Ntese tambin que en aplicaciones reales, la ecuacin (3.2) no se puede usar para calcular el trmino del error para la ecuacin (3.4). Uno de los retos a que se enfrentan los mtodos numricos es el de determinar estimaciones del error en ausencia de conocimiento de los valores verdaderos. Por ejemplo, ciertos mtodos numricosusan un esquema iteratiuo para calcular resultados. En tales esquemas, se hace una aproximacin en base a la aproximacin anterior. Este proceso se repite varias veces, o de forma iterativa, para calcular sucesivamente ms y mejores aproximaciones. En tales casos, el error a menudo se calcula como la diferencia entre la aproximacin previa y la actual. Por lo tanto, el error relativo porcentual est dado por
a

aproximacin actual - aproximacin previa 100% [3.5] aproximacin actual -

En captulos posteriores se explicarn con detalle ste y otros esquemas para expresar errores. El signo de las ecuaciones (3.2)hasta la (3.5)puede ser positivo o negativo. Si la aproximacin es mayor que el valor verdadero (o la aproximacin previa es mayor que la aproximacin actual), el error es negativo; si la aproximacin es menor que el valor verdadero, el error es positivo. Tambin, en las ecuaciones (3.2)a la ( 3 . 5 ) ,el denominador puede ser

70

METODOS NUMRICOS

PARA INGENIEROS

menor de cero, lo que puedellevar a un error negativo. A menudo. cuando se realizan clculos, puede noimportar mucho el signo del error sino ms bien que su valor absoluto sea menor que una tolerancia prefijada E,. Por lo tanto, a menudo es til emplear el valor absoluto de las ecuaciones (3.2) a la (3.5). En tales casos, los clculos se repiten hasta que

Si se cumple la relacin anterior, entonces se considera que el resultado obtenido est dentro del nivel aceptable, fijado previamente, E,. Es tambin conveniente enfocar estos errores hacia el nmero de cifras significativas en la aproximacin. Se puede demostrar (Scarborough. 1966) que si el siguiente criterio se cumple, puede tenerse la seguridad que el resultado es correcto e n al menos n cifras significativas.

[3.7]

EJEMPLO 3.2
Estimacin del error para mtodos iterativos

Enunciado del problema: en matemticas, a menudo se pueden representar las funciones mediante una serie infinita. Por ejemplo, la funcin exponencial se puede calcular usando:
[E3.2.1]

Mientras ms trminos se le agreguen a la serie. la aproximacin se acercar ms y ms al valor de ex. A la ecuacin (E3.2.1) se le llama expansin e n series de Maclaurin. Empezando con el primer trmino, ex = 1, y agregando un trmino a la vez, estmese el valor de e"'. Despus que se agregue cada trmino, calclense los errores relativos porcentuales real y aproximado. usando las ecuaciones (3.3)y ( 3 . 5 ) ,respectivamente. Ntese que el valor real es e o = 1.648 721 271. Agrguense trminos hasta que el valor absoluto del error aproximado e, sea menor al criterio preestablecido. f , que contempla tres cifras significativas. Solucin: en primer lugar, la ecuacin (3.7)se puede emplear para determinar el criterio de error que asegura un resultado correcto en al menos tres cifrassignificativas:
es =

(0.5

102-3)% = 0.05%

Por lo tanto, se agregarn trminos a la serie hasta que E, sea menor que este nivel.

APROXIMACIONES Y ERRORES

71

La primera estimacin es iguala la ecuacin (E3.2.1) con un slo trmino. Por lo tanto la primer estimacin es igual a l . La segunda estimacin se obtiene agregando el segundo trmino, como sigue:

ex=l+x
y para x = 0.5
=1

+ 0.5 = 1.5
[Ec. (3.3)]
=

Querepresenta un errorrelativoporcentualde
"

1.648721271 - 1.5 1.648721271

9.029%

La ecuacin (3.5) determina una estimacin aproximada del error, dado por:
Eo =

1.5 - 1 100% = 33.3% 1.5

Ya que E , no es menor que el valor prefijado, E $ , los clculos continan agregando otro trmino, x2 / 2! y repitiendo los cdlculos de errores. El proceso se contina hasta que eo < E , . Todos los clculos se pueden resumirde la siguiente manera.
Trminos

Resultado

E"

9%

EL7

5%

1 2 3 4

5
6

1.625 1.645833333 1.648437500 1.64869791 7

39.3 9.02 1.44 O.1.27 175 0.01 72 0.001 42

33.3 7.69

O. 158 0.01 58

As, despus de que los seis trminos se incluyen, el error estimado baja de E , = 0.05%, y el clculotermina. Sin embargo, ntese que en vez de tres cifras significativas, el resultado se mejora al llegar a cinco cifras! Esto se debe a que, para este caso, las ecuaciones (3.5) y 3.7) son conservativas, esto es, aseguran que los resultados son por l o menos tan buenos como lo especifican. Aunque, como se analiza en el cptulo 5 , este no es siempre el caso para la ecuacin (3.5),y es cierto casi siempre. Con las definiciones anteriores como antecedente, se puede proceder ahora sobre los dos tipos de error ligados directamente conlos mtodos numricos. Estos son los errores de redondeo y los errores de truncamiento.

72

METODOS NUMERICOS PARA INGENIEROS

3.4 E R R O R E S DE REDONDEO
Como ya se ha mencionado, los errores de redondeo se deben a que las computadoras slo guardan un nmero finito de cifras significativas durante un clculo. Las computadoras realizan esta funcin de maneras diferentes. Por ejemplo, si slo se guardan siete cifras significativas, la computadora puede almacenar y usar K como K = 3.141 592, omitiendo los trminos restantes y generando un errorde redondeo,[de la ecuacin (3.2)]:

E,

0.000 O00 65.

La anterior es una de las varias formas que utiliza una computadora para redondear nmeros. Esta tcnica de retener slo los primeros siete trminos se le llam truncamientoen el ambiente de computacin. De preferencia se le llamar de corte para distinguirlo de los errores de truncamiento discutidos en la prxima seccin. Un corte ignora los trminos restantes de la representacin decimal completa. Por ejemplo, el octavo dgito significativo en este caso es 6 . Por lo tanto K se representa de manera ms exacta como 3.141 593que como 3.141 592 obtenido mediante un corte, ya que el valor est ms cercano del valor verdadero. Esto se puede visualizardelasiguiente manera, si K se aproxima por K = 3.141 593, elerror de redondeo sereduce a:

E,

0.000 O00 35.

Las computadoras se pueden desarrollar para redondear nmeros de acuerdo a reglasde redondeo, como laquese acaba de mencionar. Sin embargo, esto agrega costo computacional por lo que algunas computadoras usan el corte directo. Este enfoque se justifica bajo la suposicin de que el nmero de cifras significativas en la mayor parte de las computadoras es mucho mayor que el error de redondeo dado por un corte usualmente insignificante.Estasuposicinsesustentaenelsiguiente ejemplo. Los errores de redondeo asociados con el ejemplo 3.3 son imperceptibles en todos los casos cuando se comparan conel error de truncamiento en t = 12 S que es (vanse los ejemplos 1.1 y 1.2):
E, =

4749.0 - 4995.9 100 4749.0

-5.20%

EJEMPLO 3.3 Efectos del error de redondeo en los clculos del problema del paracaidista

Enunciado del problema: reptanse los clculos del ejemplo 1.2, usando tres, cuatrocinco y seiscifrassignificativas.

APROXIMACIONES Y E R R O R E S

73

CUADRO 3.1

Comparacibn del problema del paracaidista usando una cantidad diferente de cifras significativas, con un tamao de paso igual2 a s. Los clculos se realizan con el nmero de cifras significativas indicadas. VELOCIDAD, cmls (cifras significativas)

Tiempo,

4
O

5
0.0 1960.0 3200.4 3985.5 4482.3 4796.8 4995.8

O
2 4 6 8 10 12

O
1960 3200 3980 4470 4780 4980

1960 3200 3985 4482 4796 4995

0.0 1960.00 3200.46 3985.54 4482.41 4796.88 4995.91

Solucin: usando tres cifras significativas, u ( 2 ) se calcular como en el ejemplo 1.2:

u(2)

1960

Con tres cifras significativas, el valor de u(4) = 3 200.5 se representar como 3 200. Los clculos continan de la siguiente manera:

u ( 6 ) = 3 980 u ( 8 ) = 4 470

u(10)

4 780

u(12) = 4 980 El resto de los clculos resueltos estn en el cuadro 3.1. El valor numrico de t = 12 S y hasta 10 cifras significativas es de 4 995.921 508. Por lo tanto, usando tres, cuatro, cinco y seis cifras significativas se producen los errores relativos porcentuales de redondeo0.32, 0.018, 0.002 4 y 0.000 23, respectivamente.

Ya que la mayor parte de las computadoras tienen entre 7 y 14 cifras significativas, los errores de redondeo pareceran no ser muy importantes. Sin embargo, hay dos razones del porqu pueden resultar crticos en algunos mtodos numricos: 1. Ciertos mtodos requieren cantidades extremadamente grandes para obtener una respuesta. Adems, estos clculos a menudo dependen entre s. Esto es, los clculos posteriores son dependientes de los anteriores. En consecuencia, aunque un error de redondeo individual

74

INGENIEROS

PARA

MTODOS NUMERICOS

puede ser muy pequeo, el efecto de acumulacin enel transcurso de lagran cantidad de clculos puede ser significativo.

2. El efecto del redondeo puede ser exagerado cuando se llevan a cabo operaciones algebraicas que emplean nmerosmuy pequeos y muy grandes al mismo tiempo. Ya que este caso se presenta en muchos mtodos numricos, el error de redondeo puede resultar de mucha importancia.

EJEMPLO 3.4

La importancia de las cifras significativas de los clculos algebraicos

Enunciado del problema: determnesela diferencia de dos nmeros grandes: 32 981 108.123 4 y 32 981 107.998 9. En seguida, reptanse los clculos pero incrementando elminuendoen un 0.001%. Solucin: la diferencia de los nmeros es

32 981 108.123 4 -32 981 107.998 9 0.124 5

Ahora, incrementando el minuendo en un 0.001% se obtiene el nmero 32 981 437.934 5, y la diferencia es:

32 981 437.934 5 -32 981 107.998 9 329.935 6

que es considerablemente diferente de la primera. De aqu que una modificacin en el minuendo, aparentemente insignificante, provoca una gran diferencia en el resultado.

Los tipos de errores mencionados hasta ahora pueden tener dificultades para ciertos mtodos numricos. Estos se discuten en las siguientes secciones dellibro.

3.4.1 Reglas de redondeo

Las reglas para redondear nmeros en clculos manuales se analizan en el recuadro 3.1 y se ilustran en el ejemplo 3.5. Estas reglas no se aplican normalmente cuandose realizan clculos extensos por computadora. Sin embargo, ya que se usan clculos manuales a lo largo del texto, se han incluido estas reglas como punto de referencia para clculos posteriores.

APROXIMACIONES Y ERRORES

75

RECUADRO 3.1

Reglas de redondeo

tad0 es igual al nmero ms pequeo de cifras significativas que contiene la cantidad en la operacin.

Las siguientes reglas dan la pauta a seguir en el redondeo de nmeros cuando se realizan clculos a mano. 1. En el redondeo, se conservan las cifras significativas El ltimo dgito y el resto se descarta (fig. B3.1). que se conserva se aumenta en uno si el primer dgito descartado es mayor de 5. De otra manera se deja igual. Si elprimerdgito descartado es 5 o es 5 seguido de ceros, entonces el ltimo dgito retenido se incrementa en 1 , slo si es impar.

4. Para combinaciones de las operaciones aritmticas, existen dos casos generales. S e puede sumar o restar el resultado de las multiplicaciones o de las divisiones.

( )( )
Multiplicacin multiplicacin diviin divizn
o tambin se pueden multiplicar o dividir los resultados de las sumas y las restas:

2. En la suma y en la resta, el redondeo se lleva a cabo

de forma tal que el ltimo dgito retenido en la respuesta corresponda al ltimo dgito m6s significativo de los nmeros que estdn sumando o restando. N6tese que un dgito en la columna de las centsimas es m6s significativo que uno de la columna de las milsimas.

3 . Para la multiplicacin y para la divisin el redondeo es tal que la cantidad de cifras significativas del resul-

En ambos casos, se ejecutan las operaciones entre parntesis y el resultado antes de proceder con otra operacin, en vez de redondear nicamente el resultado final.

ultimo digito

Primer

digito

5.6170 431
Digitas retenidos o significativas Digitos descartadas

FIGURA B3-1.

Ilustracin de los dgitos retenidos y descartados de un nmero con cinco cifras significativas.

Ilustraciones de las reglas de redondeo

EJEMPLO 3.5

Los siguientes ejemplos tienen por objeto ilustrar las reglas de redondeo analizadasenel recuadro 3.1
1. Errores de redondeo

5.6723

5.67

3 cifras significativas

76

10.406 7.3500

88.21650 -.+ 1.25001

METODOS NUMERICOS

PARA INGENIEROS

10.41 7.4 88,216 1.3

4 cifras signlficativas 2 cifrassignificativas 5 cifrassignificativas 2 cifras significativas que se re-

2. Sumas y restas. (Nota: las ltimas cifras ms significativas

tienen, estn en negritas) :
a) Evalese 2.2 - l .768

2.2

1.768 = 0.432 +0.4

b) Evalese 4.68 x l o p 7 8.3 x - 228 x lop6. La evaluacin de este clculose facilita expresando los nmeros con un mismo exponente:

0.004 68 x

+ 8.3

- 2.28 x

De esta manera, se puede ver claramente que el 3 es el ltimo dgito significativo reteniendo, por lo que la respuesta se redondea de la siguiente manera: 6,02 64 8
x

6.0 x

3 . Multiplicacin y divisin: a) Evalese 0.0642 X 4.8

0.0642

4.8

0.308 16

0.31

b) Evalese 945 f 0.3185

945 0.318 5
=

2 967.0329 67 . . .

2 970

4 . Combinaciones: a) Evalese [15.2 (2.8 x [(8.456 x 0.1771 Primero, efectense lamultiplicacin y la divisin que estn dentro de los corchetes:

[4.256

10.~1 + [4.777 401 . . .

10.~1
encerradas:

Ahora, antesde sumar, se redondeanlascantidades

y despus smese y redondese el resultado:

APROXIMACIONES Y E R R O R E S

77

10-3-A9.1 X 10-3 6.740 X 10-5 - 8.7 X 10-7 b) Evalese 2.672 X lo3 + 5.8
X

9.08

Antes de realizar las sumas y las restas, se expresan los nmeros del nual mismo exmerador y del denominador de manera que estn elevados ponente.

674 X 10-7- 8.7 X 10-7 2.672 x lo3 + 0.005 8 x lo3

Ahora se hace la suma y la resta:

665.3 X 2.677 8 x lo3

y se redondea:

665 X 10-7 2.678 X lo3

finalmente, se divide y se redondea el resultado:

2.483

196 ...

lo-*

" +

2.48 x

3.5 E R R O R E S DE TRUNCAMIENTO
Los errores de truncamiento son aquellos que resultan al usar una aproximacin en lugar de un procedimiento matemtico exacto. Por ejemplo, en el capitulo 1 se aproxim la derivada de la velocidad de cada de un para: caidista mediante la ecuacin de diferencia dividida de la forma [c. (l.lo)]

Se introdujo un error de truncamiento en la solucin numrica ya que la ecuacin de diferencias slo aproxima el valor verdadero de la derivada (Fig. 1.3). Adems para obtener conocimiento de las caractersticas

78

INGENIEROS

PARA

MTODOS

NUMERICOS

de estos errores se regresa a la formulacin matemtica usada ampliamente en los mtodos numricos para expresar funciones en forma polinomial: La serie de Taylor.

3.5.1

Serie de Taylor

Enel ejemplo 3.2 se usauna serie infinita para evaluar una funcin en un valor especfico de la variable independiente x . De manera similar, la serie de Taylor da una formulacin para predecir el valor de la funcin en x,+l en trminos de lafuncin y de sus derivadas en una vecindad al punto x,. En vez de presentar en conjunto la serie de Taylor, se obtendr ms conocimiento de la misma construyndola trminoa trmino. Por ejemplo, elprimertrminodelaserie es:

Esta igualdad, conocida como aproximacindeorden cero, indica que el valor de f en el nuevo punto es el mismo que el valor en el punto anterior. Este resultado se logra intuitivamente ya que si xi y xi+ estn muy prximasunade la otra, entonces esigualmenteposibleque el nuevo valor sea probablemente similaral anterior. La ecuacin (3.9) da una estimacin perfecta si la funcin que se va a aproximar es una constante. Sin embargo, si la funcin cambia en todo el intervalo, entonces se requieren los trminos adicionales de la serie de Taylor para obtener una mejor aproximacin. Por ejemplo, la aproximacin aprimerorden se obtiene sumando otro trmino al anterior para obtener: [3.10]

El trmino adicional de primer orden consiste de la pendiente f' (xi) multiplicada por la distancia entre xiy x i + l .Por lo tanto, la expresin ahora representa una lnea recta y es capaz de predecir un incremento o un decremento de lafuncin entre xi y x ~ + ~ . Aunque la ecuacin (3.10)puede predecir un cambio, slo es exacta para una lnea recta o esdedireccinlineal. Por lo tanto, se le agrega a la serie un trmino de segundo orden para obtener algo sobre la curvatura de la funcin si es que la tiene:
[3.11] De manera similar, se pueden agregar trminos adicionales para desarrollarla expansin completa de la serie de Taylor:

APROXIMACIONES Y E R R O R E S

79

+m (xi+l3!

Xj)3

+ ... +f(,)(Xi) (Xii-1

n!

xi)" +

R"
[3.12]

Ntese que debido a quela ecuacin (3.12) es unaserie infinita, el signo igual reemplaza al de aproximacin usado en las ecuaciones (3.9)a la (3.11). Se incluye un trmino residual para considerartodos los trminos desde n + 1 hasta el infinito:

R, = f'"+"(h)

(n + l)!

(Xi+1 -

Xi),+]

[3.13]

donde el subndice n indica que el residuo es dela aproximacin a n-esimo orden y ( es un valor cualquiera de x que se encuentra en xi y xi+ La inclusin de dentro de la serie es de mucha importancia al grado que se dedica una seccin completa (seccin 3.5.2) para su estudio. Por ahora, essuficiente darsecuenta que existe este valor que da una estimacin exacta del error. Frecuentemente es convenientesimplificar la serie de Taylor definiendo un paso h = - xi y expresando la ecuacin (3.12) como:

en donde el trmino residual es ahora:

[3.15]

EJEMPLO 3.6
Aproximaciones de un polinomio mediante la serie de Taylor.

Enunciado del problema: sense trminos en la serie de Taylor de cero a cuarto orden para aproximar la funcin:

INGENIEROS 80

PARA

NUMERICOS

METODOS

desde el punto xi = O y con h = 1. Esto es, predecir el valor de la funcin en xi+ = 1. Solucin: ya que se tratadeunafuncin conocida, se pueden calcular valoresde f (x) O y 1. Los resultados (Fig. 3.3) indicanquelafuncin empiezaen f (O) = 1.2 y contina hacia abajo hasta f (1) = 0.2. Por lo tanto, elvalor que se trata de predecir es 0 . 2 La aproximaci6n en serie deTaylor de orden cero es [Ec. (3.9)1:

Como se puede verenlafigura 3.3, la aproximacin de orden cero es una constante. El errordetruncamiento en este caso es [recurdese la ecuacin (3. 2)]:

E = 0.2

1.2:-

1.0 se debedeterminar y evaluaren

en x = 1. Para n = 1 , laprimerderivada x = O, como:

FIGURA 3.3

La aproximacin de {(x) = -0.1 x4 - 0 . 1 5 ~ ~0.5~ - 0 . 2 5 ~ 1.2 en X = 7 mediante series de Taylor de orden cero, de primero y segundo orden.

APROXIMACIONES Y E R R O R E S

81

La aproximacin a primer orden

f ( x i + l )E

es[Ec. (3.10)]

1.2 - 0.25h

que se puede usar para calcularf (1)= 0.95. Por consiguiente, la aproximacin empieza a coincidir con la trayectoria de la funcin como la pen3.3).De esta manera el error de truncamiento diente de una lnea recta (Fig. se reduce a:

E,

0.2 - 0.95 = -0.75

x =

en x = 1. Para n = 2 , se evala la segundaderivadaen

O:

f(0)= -1.2(0.0)* - 0.9(0.0) - 1.0 = -1.0

y de acuerdo a la ecuacin
f(xi+l)

(3.11) :

1.2 - 0.25h - 0.5h2

y , sustituyendo h =

f(1)= 0.45
Al incluirse la segunda derivadase aade una curvatura descendente que proporcionauna estimacin mejor, como se muestra en la figura 3.3. El errordetruncamiento se reducea 0.2 - 0.45 = - 0.25. Los trminos adicionales mejoran an m6s la aproximacin. En efecto, incluyendo la tercera y la cuarta derivada, se obtiene la ecuacin original:
f(q+l)

1.2 - 0.25h

0.5h2 - 0.15h3 - 0.10h4

donde eltrminoresidual es:

R4 = O. Por consiguiente, la expansin en serie de Taylor hasta la cuarta

derivadaproduceunaaproximacin exacta en x
=

ya que laquintaderivada

de un polinomio de cuartoordenes

nula,

1.

En general, la expansin en serie de Taylor de n-simo ordenes exacta para un polinomio de n-simo orden. Para otras funciones continuas diferenciables, como las exponenciales o senoidales, no se obtiene una estima-

82

MhODOS NUMERICOS PARA INGENIEROS

cin exacta mediante un nmero finito de trminos. Cada uno de los trminos adicionales contribuye al mejoramiento de la aproximacin, aunque sea con poco. Esto se muestra en el ejemplo 3.7. Se obtendra un resultado exacto, nicamente si seagrega un nmeroinfinito de trminos. Aunque lo anterior se cumple, el valor prctico de la serie de Taylor estriba, enlamayorpartedelos casos, enel usode un nmerofinito de trminos que darn una aproximacin lo suficientemente cercana a la solucin verdadera para propsitos prcticos. La decisin sobre cuntos trminos se requieren para obtener una aproximacin razonable se basa en el trmino residual de la expansin. Recurdese que el trmino residual es de la forma general de la ecuacin (3.15). Esta frmula tiene dos grandes desventajas. Primero [ no se conoce exactamente sino que slo se sabe que est entre xi y xi+ Segundo, para la evaluacin de la ecuacin (3.15) se requiereevaluar la (n + 1)-sima derivada de f(x). Para hacerlo, se necesita conocer f(x) . Pero, si ya se conoce f(xj, entonces no hay razn para realizar la expansin en series de Taylor en primer lugar! A pesar de este dilema, la ecuacin (3.15) an resulta til parala evaluacin de errores de truncamiento. Esto se debea que tiene control sobre el trmino h de la ecuacin. En otraspalabras, se puededecidirqutan lejos de x se desea evaluar f(x) y se puede controlarla cantidad de trminos incluidos en la expansin. Por lo tanto, la ecuacin (3.15) se expresa, usualmente como:

R, = O(hntl)
donde la nomenclatura O(h I) significa que el error de truncamiento es de orden h,+ Esto es, el erroresproporcional al paso h a la (n + 1) -ensima potencia. Aunque esta aproximacin no implica nada relacionado con las derivadas que multiplica h ,+es extremadamente til al evaluar el error relativo de los mtodos numricos basados en las expansiones en serie de Taylor. Por ejemplo, si el error es O (hj,y se reduce a la mitad el paso, entonces el error se reducir a la mitad. Por otro lado. si el error es O(h2) y se reduce a lamitadel paso, entonces el error se reducir a unacuarta parte.
+

EJEMPLO 3.7
Uso de la serie de Taylor para aproximar una funcin que tiene un nmero infinito de derivadas.

Enunciado del problema: sense los trminos de la serie de Taylor con n = O hasta 6 para aproximar:

f (x) = cos x

APROXIMACIONES Y E R R O R E S

83

en x = a / 3 (60O) en base al valor de f (x) y de sus derivadas alrededor delpunto x = a / 4 (45). Nteseque esto significaque h = a / 3 a/4=a/12. Solucin: como en el ejemplo 3.6, el conocimiento de la funcin original implicaque se puede conocer elvalor exacto de f (a / 3 ) = 0.5. Laaproximacindeorden cero es [Ec. (3.9)]: f(d3) =
COS

(d4)

0.707 io6781

que representa un errorrelativoporcentual de:

E =

0 . 5 - 0.707 106 781 0.5

loo^ = 41,49g

Para la aproximacin de primer orden, se suma el trmino que contiene a laprimer derivada,donde f ( x ) = - sen x:

f(:)

COS

(3

-Sen(:)(g)

0.521986659

quetiene un errorrelativoporcentualde E, = - 4.40. En la aproximacin de segundo orden, se incluye el trmino quecontiene a la segundaderivada,donde f (x) = - cos x:

con un error relativo porcentual de E, = -0.449. Por lo tanto, al agregarmstrminos a laserie se obtiene una mejor aproximacin. Este proceso se puede continuar,los resultados se muestran en el cuadro 3.2. Ntese que las derivadas nunca se acercan a cero, como es el
CUADRO 3.2
~

Aproximaciones mediante la serie deTaylor de f (x) cos x en x I 3 alrededor del punto x 14. Los valores se muestran para varios brdenes de apro-

I
O 1 2 3 4 5 6

xirnacin (m).

Orden n

f(x)
cos x -sin x cos x sin x cos x -sin x -cos x

P(nI3)

-41.4 0.707106781 0.52 1986659 0.497754491 0.499869147 0.500007551 0.500000304 0.499999988 2.40

-4.4 0.449 2.62 x -1.51 X 10-3 -6.08 X 10-5 x

84

MTODOS

NUMRICOS

PARA INGENIEROS

casodelpolinomiodelejemplo 3.6. Sin embargo, cada trmino que se le agrega a la serie produce una mejor aproximacin. Ntese tambin que la mayor aproximacin se consigue con los primeros trminos. En este caso, en el momento que se le agreg el tercer trmino, el error se redujo al 2.62 x lo-*%, lo que significa que se haalcanzado el 99.9738% del valor exacto. Por consiguiente, si se le agregan ms trminos a la serie el error decrece, pero la mejora ser mnima.

En general, se puede suponer queel error de truncamiento disminuye agregando trminos a la serie de Taylor. Adems, si h es lo suficientementepequeo,entonces los trminos de primero y segundoorden influyen desproporcionadamente en el porcentaje del error. Esta propiedad se ilustra en el ejemplo siguiente.

3.5.2 El residuo de la expansin en la serie de Taylor

Antes de demostrar cmo se usa la serie de Taylor e n la estimacin de errores numricos, se debe explicar por qu seincluye el argumento [ en la ecuacin (3.15). En vez de presentar una derivacin matemtica general se desarrollar una exposicin ms simple basada en una interpretacin geomtrica. En seguida se puede extender este caso especfico a una formulacin ms general. Supngase que se trunc la expansin en serie de Taylor [c. (3.14)l despus del trmino de orden cero para obtener:
f(Xi+l)

= f(x0

En la figura 3.4 se muestra un bosquejo de esta prediccin de orden cero. E l residuo o error de esta prediccin, que se muestra tambin en la figura, consiste de la serie infinita de trminos que fueron truncados:

Ro

= f(xi)h

+ f(Xi) -h2 2!

+ f(X.) -h3 3!

+ ...

Es obvio que tratar el residuo de esta serie infinita con este formato es inconveniente. Se puede obtener una simplificacin truncando el residuo mismo, de la siguiente manera:

Ro

f ( x i )h

[3.16]

Aunque, como se mencion en la seccin previa, los trminos de las derivadas de ordeninferior cuentan mucho ms enel residuo que los trminos de las derivadas de orden superior, este resultado todava es inexacto, ya que se han despreciado los trminos de segundo orden y de rdenes

APROXIMACIONES Y ERRORES

85

FIGURA 3.4

Representacin grfica residuo.

de una prediccin de

la serie de Taylor con

superiores. Esta inexactitud se denota mediante el smbolo de aproximacin a la igualdad ( =) empleado en la ecuacin (3.16). Una simplificacin alterna que realiza la aproximacin a una equivalencia est basada en el esquema grfico. Ntese que en la figura 3.4 el error Lo pudo haberse determinado si se hubiera sabido la posicin del valor exacto. Obviamente este valor es desconocido ya que de otra manera no sehubiese requerido dela expansin en serie de Taylor. Sin embargo, el teorema delvalor medio del clculo ofrece una forma de rehacer el problema para evitar en forma parcial este dilema. El teorema del oalor medio dice que si una funcin f (x) y su primera derivada son continuas sobre un intervalo [x, xi+J, entonces existe al menos un punto sobre la funcin que tiene una pendiente, dada por f (E), que es paralela a la lnea que une f (xi) con f (xi+1). El parmetro 4 marca el valor x donde ocurre la pendiente (Fig. 3.5).Se puede hacer una ilustracin tangible de este teorema en el hecho de que si se viaja entre dos puntos con una velocidad promedio, habr al menos un momento durante el curso del viaje en el que se mueva a esa velocidad promedio. Al hacer uso de este teorema resulta fcil darse cuenta, como seilustr en la figura 3.5, que la pendiente f(4)es igual a cociente Ro entre h, o:

84

METODOS NUMRICOS

PARA INGENIEROS

FIGURA 3.5

Representacin grfica del teorema del valor medio.

que se puede reordenar para obtener:

Por lo tanto, se ha obtenido el trmino de orden cerode la ecuacin (3.15). Los trminos de rdenes superiores son una extensin lgica del razonamiento usado para derivar la ecuacin (3.17), basado e n la forma general del teorema extendido del valor medio (Thomas y Finney, 1979).Por lo tanto, la versin de primer orden es:
[3.18]

En este caso, el valor de 4 conforma el valor de x que corresponde a la derivada de segundo orden que hace exacta a la ecuacin (3.18).Los trminos de orden ms alto se pueden desarrollar de la ecuacin (3.15).
3.5.3 Uso de la serie de Taylor para estimar los errores de truncamiento
Aunque la serie de Taylor es extremadamente til en la estimacin de errores de truncamiento a lo largo de este libro, puede que an no est muy claro cmo la expansin puede aplicarse en estos momentos a los mtodos numricos. En realidad, esto ya se hizo en el ejemplo del para-

APROXIMACIONES Y E R R O R E S

a7

caidista. Recurdese que el objetivo de los ejemplos l.1 y l.2 fue el de predecir la velocidad en funcin del tiempo. Esto es, se deseaba determinar u (t). Como se especific en la ecuacin (3.12),u (t) se puede expandir en la serie d e Taylor como:

Ahora, truncando la serie despus del trmino con primera derivada, se obtiene:

La ecuacin (3.20) se puede resolver para: [3.21]

"

Aproximacin de Error primer orden de truncamiento La primera parte de la ecuacin (3.21) es exactamentela misma relacin que se us para aproximar la derivada del ejemplo 1 . 2 [Ec. (1.lo)].Sin embargo, con el esquema de la serie de Taylor se ha obtenido una estimacin del error de truncamiento asociado con esta aproximacin de la derivada. Usando las ecuaciones (3.13)y (3.21) se obtiene:
[3.22]
O

~R1 ti+1 -

- O(tii.1

ti)

ti

[3.23]

Por lo tanto, la estimacin de la derivada [Ec. (1.10)o !a primera parte de la Ec. (3.21)]tiene un error de truncamiento de orden t,+ - ti. En otras palabras, el error en la aproximacin usando derivadas debe ser proporcional al tamao del paso. Por lo tanto, si stese divide a la mitad, entonces se espera que el error de la derivada, se reduzca ala mitad.

3.5.4.

Diferenciacin

numrica

A la ecuacin (3.21) se le conoce con un nombre especial en el anlisis numrico, se le llarr,a diferencias diuididas finitas. Se puede representar

88

MTODOS

NUMRICOS PARA

INGENIEROS

generalmente como:
[3.24]
O

[3.25]

donde a Aj,se le conoce como la primera diferencia hacia adelante y a h se le llama tamao del paso, esto es, la longitud del intervalo sobre el cual se hace la aproximacin. S e le llama diferencia "hacia adelante" ya que usa los datos i e i -t 1 para estimar la derivada (Fig. 3.6~1). A I trmino completo Af,/h se le conoce como primera diferencia dividida finita. Esta diferencia dividida hacia adelante no es sino una de tantas que se pueden desarrollar mediante la serie de Taylor para la aproximacin de derivadas numricas. Por ejemplo,las aproximaciones a primeras derivadas, utilizando las diferencias hacia atrs o las diferencias centrales se pueden desarrollar de una manerasimilar a la de la ecuacin (3.24).Las primeras usan a (Fig. 3 . 6 b ) , mientras que las segundasusan informacin igualmente espaciada alrededor del punto donde est estimada la derivada (Fig. 3 . 6 ~ Las ) . aproximaciones ms exactas de la primer derivada se pueden desarrollar incluyendo en la serie de Taylor trminos de orden ms alto. Finalmente, todas las versiones anteriores se pueden desarrollar para derivadas de segundo orden, tercer orden y rdenes superiores. Las siguientes secciones analizan brevemente estos casos, ilustrando cmo se deriva cada uno de ellos.
Aproximaciones a la primera derivada con diferencias hacia atrs.

La serie de Taylor se puede expandir hacia atrs para calcular un valor anterior sobre el valor actual, dada por:
[3.26]

Truncando la ecuacin despus de la primer derivada y ordenando los trminos se obtiene:

[3.27]

donde el error es O (h) y V f, indica la primer diferencia dividida hacia atrs. Vase la figura 3.6b para una representacin grfica,.
Aproximaciones a la primer derivada con diferencias centrales. Una tercera forma de aproximar la primer derivada es restar la ecuacin (3.26)

APROXIMACIONES Y E R R O R E S

89

FIGURA 3.6

Grfica de aproximaciones con diferencias divididas tinitas de la primera derivada, a) hacia adelante, b) hacia atrs y c) centrales.

90

MTODOS

NUMERICOS PARA INGENIEROS

de la expansin en serie de Taylor hacia adelante:

[3.28]

para obtener

que se puede resolver para

or
[3.29]

La ecuacin (3.29)es una representacin de las diferencias centrales (o centradas) de la primera derivada. Ntese que el error de truncamiento es del orden de h 2 en contraste con las diferencias divididas hacia adelante y hacia atrs, las cuales fueron de orden h . Por lo tanto, el anlisis de la serie de Taylor ha llevado a la informacin prctica de que la diferencia central es la representacin ms exacta de la derivada (Fig. 3 . 6 ~ ) Por . ejemplo, si se parte el tamao del paso a la mitad usando diferencias hacia atrs o hacia adelante, el error se reducir aproximadamente a la mitad, mientras que para diferencias centrales, el error se reduce a la cuarta parte.
Aproximaciones a derivadas de orden ms alto usando diferencias finitas. Junto a la primer derivada, la expansin de la serie de Taylor se puede

usar para una estimacin numrica de las derivadas de orden superior. Para hacerlo, se escribe una expansin en serie de Taylor hacia adelante para f (xj+*) en trminos de f (xi) de la siguiente forma:
f(Xi+2)

=f

k i )

+ f'(XiI(2h) + 2

f"(xi)(2h)Z

...

[3.30]

La ecuacin (3.28) se puede multiplicar por 2 y restarse de la ecuacin (3.30)para obtener:

que se puede resolver para:

[3.31]

APROXIMACIONESY E R R O R E S

91

A esta relacin se le llama diferencias diuididas finitas hacia adelante de segundo orden. Se pueden usar procedimientos similares para obtener las versiones hacia atrs y centrales. Las aproximaciones a tercer orden delasdiferenciasdivididashacia adelante, hacia atrs y centrales tambin pueden obtenerse (Fig. 3.7 a la 3.9). En todos los casos, las diferencias centradas danuna mejor aproximacin.
Frmulas de exactitud para diferencias de orden superior.Todas las estimaciones anteriores truncaron las estimaciones dadas por la serie de Taylor despus de algunos trminos. Las frmulas de ms exactitud se pueden desarrollar incluyendo trminos adicionales. Por ejemplo, la expansin hacia adelante [Ec. (3.28)j se puederesolver para:

[3.32]

FIGURA 3.7

Frmulas de diferencias divididas finitas hacia atrs. Se presentan dos versiones para cada derivada. La segunda forma incluye ms trminos o tanto, esms exacta. de la serie de Taylor y, por l

92

MTODOS

NUMRICOS

PARA INGENIEROS

FIGURA 3.8

Frmulas de diferencias divididas finitas haciaadelante. Se presentan La segunda forma incluye ms dos versiones para cada derivada. trminos de la serie de Taylor, y por lo tanto, es ms exacta.

En contraste con la ecuacin (3.24),se puede retener el trmino de segundo orden sustituyendo la ecuacin (3.31)en la ecuacin (3.32) para obtener:

o agrupando trminos

Ntese que la inclusin del trmino con segunda derivada ha dado una exactitud O (h ). Se pueden desarrollar versiones mejoradas similares pa-

APROXIMACIONES Y ERRORES

93

FIGURA 3.9

Frmulas de diferencias divididas finitas centrales.Se presentan dos versiones para cada derivada. La segunda forma incluye ms trminos de lo serie de Taylor y, por lo tanto, es ms exacta.

ra diferencias hacia atrs y centrales as como para las aproximaciones de derivadas de orden superior. Las frmulas se resumen en las figuras 3.7 hasta la 3.9. El siguiente ejemplo ilustra la utilidad de las mismas en la estimacin de derivadas. En esta seccin slo se han cubierto algunas de las formas con que la serie de Taylor es til en el anlisi numrico. Sin embargo, este material tiene como propsito inicial ayudar en la estimacin y el control de errores de truncamiento. Muchos de los mtodos numricos de este libro se basan en la representacin de aproximaciones simples, de rdenes inferiores en vez de expresiones matemticas complicadas. Ya que la expansin en la serie de Taylor da una estructura mediante la cual se separan componentes de orden inferior y superior, se demostrar a lo largo del texto que ste es un vehculo para profundizar en los mtodos numricos.

94

MTODOS

NUMRICOS

PARAINGENIEROS

Aproximaciones de derivadas usando diferencias

EJEMPLO 3.8

divididas finitas

Enunciado del problema: sense aproximaciones de diferencias finitas hacia adelante y hacia atrs de O (h) y centradas, de O (h'), para estimular la primera derivada de: f(x)
=

-0.1~ -~ 0.15~ -~ 0 . 5 ~0 ~. 2 5 ~ + 1.2

en x = 0.5 usando un tamao de paso h = 0.5. Repetirlosclculos usando h = 0.25. Ntese que la derivada se puede calcular directamente como:
f'(x)= - 0 . 4 ~ -~ 0.45~ - ~ 1.0~ - 0.25
y se puede usar para calcular el valor exacto de f ' (0.5) = - 0.912 5. Solucin: para h = 0 . 5 , se puedeusar lafuncinparadeterminar:
x,-1 =
Xi+!

xi = 0.5
=

f(Xj-1) !(X)

1.2 0.925

f ( x j + J = 0.2 Estos datos se pueden usar para calcular la diferencia dividida haciaadelante [Ec.(3.24)]:

1.0

f'(0.5) =

0.2

0.925 = -1.45 O. 5

E, =

58.9%

la diferenciadivididahaciaatrs

: [ c(3.27)] .
E, =

f '(0.5) =

0.925 - 1.2 0.5

-0.55

39.7%

y la diferenciadivididacentral

[Ec. (3.29)]:

Para h
xi-1

0.25, los datos son: f(xi-1)

=

= 0.25 x, = 0.50 Xi+l - 0.75

1.10351563

f ( x , )= 0.925
f(xi+l) = 0.636 328 13

que se pueden usar paracalcular la diferencia divididahacia te: f'(0.5) = 0.636 328 13 0.25
-

adelan-

0.925

"

1.155 = E"

26.5%

APROXIMACIONES Y E R R O R E S

95

la diferenciadivididahacia atrs:

f'(0.5)=

0.925 - 1.103 515 63 0.25

-0.714

E"

21.7%

y la diferenciadividida,central

0.636 328 13 - 1.103 515 63 f'(0.5)~ 0.5

-0.934

E,

-2.4%

Para los dos tamaos de paso, las aproximaciones de diferencias centrales son ms exactas que las diferencias hacia atrs y hacia adelante. Tambin, comolo predijo el anlisis de la serie de Taylor, la divisin del intervalo endospartesigualesdividealamitadelerrordelasdiferenciashacia atrs y hacia adelante, y a la cuarta parte el error de las diferencias centrales.

3.6 ERROR NUMRICO

TOTAL

El error numrico total es la suma de los errores de redondeo y de truncamiento. Desde el problema del paracaidista (ejemplo 3.3) se descubri que lanicaformademinimizar los errores de redondeo es la de incrementar el nmero de cifras significativas de la computadora. Ms an, se not que los errores de redondeo crecen conforme aumenta el nmero de clculos. En contraste, el ejemplo 3.8 demostr que laestimacinporderivadas se puede mejorar disminuyendo el tamao del paso. Ya que un decremento en el tamao del paso lleva a un incremento en los clculos, los errores de truncamientodecrecenconformeelnmerodeclculosaumenta.Porlo tanto, se encara elsiguientedilema:laestrategiadedisminuir un componente del error total lleva al incremento del otro. En un clculo es concebible disminuir el tamao del paso para minimizar los errores de truncamiento slo para descubrir que al hacerlo, los errores de redondeo empiezan a dominar la solucin y el error total crece!. Por lo tanto, el remedio se convierte en problema (Fig. 3.10). Un reto que debe encararse es el de determinar un tamao apropiado de paso paraun clculo en particular. Sera bueno escoger una gran cantidad de tamaos de paso para disminuir la cantidad de clculos y los errores de redondeo, sin incurrir en la pena de un error mayor de truncamiento. Si el error total es el que se muestra en la figura 3.10, el problema es identificar el punto donde el provecho dislos beminuye, es decir donde los errores de redondeo empiezan a negar neficios obtenidos con unareduccinenel tamao del paso En casos reales, sin embargo, estos casos no son comunes ya que la mayor parte de las computadoras manejan suficientes cifras significativas de No obstante, algunas formatalque los erroresderedondeonoinfluyen. vecesocurren,haciendopensar enuna especiede"principiosdeincertidumbre numrica", que coloca un lmite absoluto sobre la exactitud que se puedeobtenerusandociertosmtodosnumricosconcomputadora.

96

MTODOS

NUMRICOS

PARA INGENIEROS

FIGURA 3.1 O

Representacin grfica de las ventajas y desventajas entre errores de redondeo y truncamiento que en ocasiones influyen en el curso de un metodo numrico. Aqu se muestrael punto ptimo, donde el error de redondeo comienza a negar los beneficios dados por la reduccin del tamao del paso.

Debido a estas restricciones, hay limitaciones en la estimacin de errores. Por lo tanto, la estimacin de errores en el anlisis numrico es, hasta cierto punto, un arte que depende en gran parte de las soluciones d e prueba-error, adems de la intuicin y experiencia del analista. Aunque en este captulo se ha tratadoun tipo de problema numrico "la solucin d e una ecuacin diferencial ordinaria- las conclusiones anlas otras tcnicas del teriores tienen una relevancia general en muchas de libro. Sin embargo, debe de hacerse hincapi en que aunqueel tema es, hasta cierto punto, un arte, hay una variedad de mtodos quelos analistas pueden usar para cuantificar y controlar los errores en un clculo. La elaboracin de estas tcnicas jugar un papel prominente en las pginas siguientes.

3.7 E R R O R E P S O R EQUIVOCACIN, DE PLANTEAMIENTO E INCERTIDUMBRE EN LOS DATOS

Aunque las siguientes fuentes de error no estn conectadas directamente con la mayor parte de ios mtodos numricos de este libro, en algunas ocasiones pueden tener gran importancia en el esfuerzo por hacer un modelo exitoso. Por lo tanto, se deben tener siempre en mente cuando se apliquen tcnicas numricas en el contexto de problemas del mundo real.

APROXIMACIONESY E R R O R E S

97

3.7.1 Errores por equivocacin

A todos les son familiares los errores por torpezao por equivocacin, En los primeros aos de la computacin, los resultados numricos errneos fueron atribuidos algunas veces al mal funcionamiento de la computadora misma. Hoy da, esta fuente de error es muy improbable y la mayor parte de las equivocaciones se pueden atribuir a errores humanos. Las equivocaciones ocurren a cualquiernivel del proceso de modelacin matemtica y pueden contribuir con todas las otras componentes del error. Se pueden evitar nicamente conel conocimiento de los principios fundamentales y con el cuidado sobre la aproximacin y diseo de la solucin a un problema. Las equivocaciones, por lo general se pasan por alto en la discusin de un mtodo numrico. Esto sin duda prueba el hecho de que los errores de torpeza son, hasta cierto punto, inevitables. Sinembargo, recurdese que hay ocasiones en que su aparicin se puede minimizar. En particular, los buenos hbitos de programacin que se bosquejaron en el captulo 2, son extremadamente tiles para disminuir las equivocaciones. Adems, hay formas muy simples de verificar cuando un mtodo numrico est trabajando correctamente. A lo largo del texto, se estudian algunas formas de verificar los resultados de un clculo numrico.

3.7.2 Errores de formulacin

Los errores de formulacin o de modelamiento degeneran en lo que se podra considerar como un modelo matemtico incompleto. Un ejemplo de un error de formulacin imperceptible es el hecho de que la segunda ley de Newton no explica los efectos relativsticos. Esto no desvirta la validez de la solucin del ejemplo 1.1ya que estos errores son rnnimos en las escalas de tiempo y espacio de la cada del paracaidista. Sin embargo, supngase que la resistencia del aire no es linealmente proporcional a la velocidad de cada, comoen la ecuacin (1.6), sino que es una funcin del cuadrado de la velocidad. Si este fuese el caso, las soluciones analticas y numricas obtenidas en el primer captulo seran falsas debido al error en la formulacin. En algunos casos de estudio del resto del libro se incluyen algunas consideraciones adicionales de los errores de formulacin. Se debe estar conciente de estos problemas, y darse cuenta que si se est usando un modelo deficiente, ningn mtodo numrico generar los resultados adecuados.

3.7.3 Incertidumbre en los datos

Algunas veces se introducen errores en un an3lisis debido ala incertidumbre de los datos fsicos sobre los que se basa el modelo. Por ejemplo, supngase que se desea probar el modelo del paracaidista haciendo saltos repetidos individualmente y luego midiendo la velocidad despus de un

98

MTODOS

NUMRICOS

PARA INGENIEROS

intervalo de tiempo especfico. Indudablemente se asociar con cada medicin una incertidumbre. ya que el paracaidista caer ms rpidamente en unos saltos que en otros. Estos errores pueden mostrar inexactitud e imprecisin. Si los instrumentos constantemente subestiman o sobreestiman las mediciones de la velocidad. se estar tratando conu n instrumento inexacto o desviado. Por el otro lado, si las medidas son casualmentealtas y bajas entonces se trata de una cuestin de precisin. Los errores de medicin se pueden cuantificar sumando los datos con una o ms estadisticas bien conocidas, que generan tanta informacin como o s datos. Estas sea posible, observando las caractersticas especficas de l estadsticas descriptivas a menudo son seleccionadas para presentar 1) la posicin del centro de distribucin de los datos y 2) el grado de esparcimiento d e los datos. Comotales dan una medida de la desviacin e imprecisin,respectivamente. En el captulo 10 seretoma el temade caracterizacin de incertidumbre en los datos. Aunque se debeestar conciente de los errores por equivocacin. errores de formulacin e incertidumbre e n los datos, los mtodos numricos usados para construir modelos pueden estudiarse, en la mayor parte de l o s casos independientemente de estos errores. Por lo tanto, en ia mayor parte de este libro se supondr que no hay errores de torpeza. que el modelo es adecuado y que se est trabajando sin errores en las mediciones de los datos. Bajo estas condiciones. se pueden estudiar l o s mtodos n u mricos sin complicaciones.

PROBLEMAS
3.1 Cuntas cifrassignificativashay
a) 0.84 X 10'

en cada uno de l o s siguientesnmeros'?

fl

0.046 00

b) 84.0
c) 70 d ) 70.0

g) 0.004 60

h) 8.00 x 10' i) 8.0 X lo3

j) 8

e) 7

000

3.2 Redondense l o s siguientes nmeros atrescifrassignificativas

a) 8.755

b) 0.368 124

10'

d ) 5.555 x 10" e) 0.999 500

c) 4 225.0002

3.3 Efectense las siguientes sumas y restas y escrbanse los resultados con todas las cifrassignificativas necesarias.
ai

b)

0.004 23 + (25.1 x 1 0 ~ " ) + (10.322 x 10 5 068 - 2.4

APROXIMACIONES Y ERRORES

99
C)

d ) (9.8 X e) (7.7 X

(4.68 X lo6) - (8.2 X 10') - (8.696 X i r 5 ) - (5.409 X + (7.0 X

3.4 Efectense las siguientes multiplicaciones y divisiones y escrbanse los resultados con todas las cifras significativas necesarias.
a)

(8.38 X lo5) X (6.9 X

b) (8.38 x lo4) x (6.90 x c) 87 619/(0.008 71 x 99 999) d ) (2.06 x 111)/888 (0.4 O00 x 0.020 00)

el

(0.010 O0 x 0.800)

3.5 Efectese cada una de las siguientes operaciones combinadas y escrbanse los resultados con todas las cifras significativas necesarias.
a) 6.80(4.0

b) (14 x 10
C)

x 10~6) - 22 (8.06 x + 555 - 80.8) x (2.000 1 - 0.004)

-

486

X 10-6

4.45

(7.777 X 103) +
4.81 x

10-5 9.6
-

dl

(6.9134 x lo3) + 32.26 58.6 (12 x 10~6) - (208 x 468.94 x

6.7845 x 1 0 ~ 6

(1801)

3.6 En el ejemplo 3.2 se us la serie infinita:

para aproximar ex. a) Demustrese que esta expansin en serie Maclaurin es un caso especial de la expansin en serie de Taylor [Ec. (3.1411 con x, = O y h = x. b ) sese la serie de Taylor para estimar f ( x ) = e-' en x , , ~ = 2 para tres casos diferentes: x, = 0.5, 1.0 y 1.5. Emplense los trminos de orden cero, primero, segundo, y tercero, adems calclese leul para cada caso.
3.7 La expansin en serie de Maclaurin para el cos x es:
x2 cosx="-+"-+x4

x6

x8

2!

4!

6!

8!

Iniciando con el primer trmino, COS x = 1. agrguense los trminos uno a uno para estimar 'COS (T / 3). Despus que se agregue cada uno de los trminos, calclense los errores porcentuales relativos. exactos y aproximados. Usese una calculadora de bolsillo para determinar el valor exacto. Agrgueme trminos hasta que

1 O0

INGENIEROS

PARA

NUMERICOS

METODOS

el valor absoluto del error aproximado falle bajo cierto criterio de error, considerando dos cifras significativas.
3.8 Reptanse los clculos del problema 3.7, pero ahora usando la serie de Maclaurin para el sen x:

senx = x--y estmese el sen

x3
3!
(H

xs
5!

x7
7!

/ 2)

3.9 sense los trminos en serie de Taylor de cero a tercer orden para estimar f (3)para

f ( x j

25x3

6x2 + 7x - 8 8
=

usando como punto base x ra cada aproximacin.

2. Calclese el error relativo porcentual correcto pa-

3.10 sense los trminos en la serie de Taylor de orden cero al cuarto para estimar f (4) para f (x) = In x usando como punto base x = 1. Clculese el error relativo porcentual correcto para cada aproximacin. 3.11 sense los trminos en serie de Taylor de orden cero al cuarto para estimar f (2) paraf (x) = e-x usando como punto base x = 1. Calclese el error relativo porcentral correcto e, para cada aproximacin. 3.12 sense aproximaciones de diferencias de O ( h ) hacia atrs y hacia adelante y una aproximacin central de O (h2) para estimar la primera derivada de la funcin mencionada en el problema 3.9. Evalese la derivada en x = 2.5 usando un tamao de paso de h = O. 25. Comprense los resultados con el valor correcto de la derivada en x = 2.5. Interprtense los resultados en base al trmino residual de la serie de Taylor. 3.13 sense aproximaciones con diferencias hacia atrs, centrales y hacia adelante de, O (h) para estimar la segunda derivada de la funcin vista en el problema 3.9. Hgase la evaluacin en x = 2.6 usando un tamao de paso de h = 0.2. Comprense las estimaciones con el valor correcto de la segunda derivada en x = 2.6. lnterprtense los resultados en base al trmino residual de la serie de Taylor.

EPLOGO: PARTE I

1.4 ELEMENTOS DE JUICIO

Los mtodos numricos son cientficos en el sentido de que representan tcnicas sistemticas para resolver problemas matemticos. Sin embargo, hay cierto grado de arte, juicios subjetivos y trminos medios, asociados con su uso efectivo en la prctica de ingeniera. Para cada uno de los problemas, la confrontacin es con varias tcnicas numricas alternativas y con muchos tipos de computadoras. Por lo tanto, la elegancia y la eficiencia de los diferentes enfoques de los problemas es muy individualista y se relaciona conla habilidad de escoger prudentemente entre todas las opciones. Desafortunadamente, como sucede con cualquier proceso intuitivo, los factores que influyen en esta eleccin son difciles de comunicar. Estas habilidades pueden ser comprendidas y afinadas ampliamente slo por los programadores expertos. Sin embargo, ya que estas habilidades juegan un papel muy importante en la implementacin efectiva de los mtodos, se ha incluido esta seccin como una introduccin a algunos de los elementos de juicio que se deben considerar cuando se seleccione un mtodo numrico y las herramientas para su implementacin. Aunque no se espera que en la primer ocasin se capten todos los beneficios, si se tiene la esperanza de que estos anlisis influyan en la orientacin cuando se presente el material subsecuente. Tambin se espera que si se enfrentan alternativas y algunos elementos de juicio en el resto del libro, se consultar nuevamente este material.
La figura 1.4 ilustra siete factores o elementos de juicio que se deben tener en cuenta cuandose selecciona un mtodo numrico para un problema en particular. Tipodeproblemamatemtico.Comoya se mencion en la figura 1.2, en este libro se discuten varios tipos de problemas matemticos:

l.

a. Races de ecuaciones

b. Sistemas de ecuaciones algebraicas lineales simultneas

102

MTODOS

NUMRICOS

PARA INGENIEROS

ajuste de curvas

d.

Integracin numrica

e. Ecuaciones diferenciales ordinarias

Probablemente el lector ya tenga algunos conocimientos bsicos sobre la aplicacin de los mtodos numricos al enfrentar alguno de los problemas de la figura1.4. Los mtodos numricos se necesitarn ya que los problemas no se pueden resolver eficientementeusando tcnicas analticas. Se debe estar consciente de que las actividades profesionales involucran, eventualmente, problemas en las reas anteriores (Fig. 1.4). Por lo tanto, el estudio de los mtodos numricos y la seleccin de un equipo de cmputo'deben, al menos considerar estos problemas bsicos. Los problemas ms avanzados pueden requerir de habilidades en el manejo de soluciones de sistemas de ecuaciones algebraicas no lineales simultneas, ajuste de curvas de varias variables, optimiza-

FIGURA 1.4

Siete consideraciones para escoger un solucin de problemas de ingeniera.

mtodo numrico

en la

EPiLOGO PARTE I

103

cin de parmetros, programacin lineal, problemas de valores propios y ecuaciones diferenciales parciales. Estas reas requieren de mayores esfuerzos computacionales y de mtodos avanzados que no se cubren en este texto. Se pueden consultar algunas referencias tales como: Carnahan, Luther y Wilkes (1969); Hamming(1 973); Rals(1 978) paraproblemasquevan ms all del ton y Rabinowitz este texto, contenido de este libro. Adems, alfinal de cada parte de se incluye un breve resumen y referencias para los mtodos avanzados para encaminarle en el estudio de consecucin de mtodos numricos adicionales.

2. Tipo, disponibilidad, precisin,costo y velocidad de una computadora. Se tiene la oportunidad de trabajar con cuatro herramientas diferentes de cmputo (recurdeseel cuadro 2.1). Que van desde una calculadora de bolsillo hasta una supercomputadora. De hecho, cualquiera de las herramientas que se pueden usar en la implementacin de un mtodo numrico {incluyendo papel y>lpiz, que noestn incluidos en el cuadro). En general no s e trata de ultimar capacidades, sino costos, conveniencia, velocidad, seguridad, repetibilidad y precisin. Aunque cada una de las herramientas enumeradas en el cuadro 2.1 seguirn teniendo utilidad, los grandes avances recientes en el funcionamiento de las computadoras personales ya han tenido repercusin en la profesin de ingeniero. Se espera que esta revolucin se siga extendiendo conforme los avances tecnolgicos continen, ya que las computadoras personales ofrecen un excelente trmino medio entre conveniencia, costo, precisin, velocidad y capacidad de almacenamiento. Ms an, se pueden aplicar tilmente a la mayor parte de los problemas prcticos de ingeniera. Las tcnicas de este libro, por l o tanto, se escogieron expresamente para que sean compatibles con esta clase de computadoras.
3. Costo en el desarrollo de programas contra el costo del software contra el costo del tiempo de ejecucin, Una vez que se hayan identificado los tipos de problemas matemticos a resolver yel sistema de cmputo haya sido seleccionado, ser apropiado considerar los costos del software y del tiempo de ejecucin. El desarrollo de programas puede representar un esfuerzo adicional en muchos proyectos de ingeniera y por lo tanto ser de un costo significativo. A este respecto, es particularmente importante que se est bien familiarizado con los aspectos tericos y prcticos de los mtodos numricos relevantes. Se puede disponer de una cantidad limitada de programas desarrollados profesionalmente a alto costo para la solucin de problemas de ingeniera. Sin embargo, estos programas se deben usar con mucho cuidado, ya que en general no se esta familiarizado con la lgica delos mismos. Alternativamente, se puede disponer de programas de utilera general a bajo costo (tales como los que vienen

104

MTODOS

NUMRICOS PARA INGENIEROS

con este texto) para implementar mtodos numricos que se pueden adaptar fcilmente a una variedad muy amplia de problemas. El costo del desarrollo de programas y el costo del software se puede recuperar en el momento de la ejecucin si los programas se han escrito y probado eficientemente.

4 . Caractersticas de los mtodos numricos. Cuando el costo de los componentes electrnicos de una computadora y de sus programas es alto, o si la disponibilidad de la computadora est limitada (p. ej., en sistemas de tiempo compartido), la manera de escoger cuidadosamente el mtodo numrico ayudara a adaptarse a tal situacin. Por el otro lado, si el problema an se encuentra en una etapa experimental y el acceso y costo de una computadora no tienen problemas, entonces puede ser apropiado seleccionar un mtodo numrico que siempre trabaje aunque quizs no sea, computacionalmente hablando, muy eficiente. Los mtodos numricos disponibles para resolver un tipo particular de problema, involucran todos los factores mencionados, adems de:
a. Cantidad de condiciones o de puntos iniciales. Algunos de los mtodos numricos para encontrar races de ecuaciones o en la solucin de ecuaciones diferenciales, requieren que el usuario eso puntosiniciales. Los mtodos pecifiquealgunascondiciones simples requieren, en general de un valor, mientras que los mtodos complicados pueden requerir ms de un valor. Se deben considerar los elementos de juicio; las ventajasde mtodos complicados que son computacionalmente eficientes pueden compensar los requerimientos de mltiples puntos iniciales. Se debe echar mano los juicios para cada problema en parde la experiencia y de ticular.

b.

Velocidad de convergenciu. Ciertos mtodos numricos convergen ms rpido que otros. Sin embargo, l a convergencia rpida puede requerir de ms puntos iniciales y de programacin ms compleja que la de un mtodo con convergencia ms lenta. Nuevamente se debe hacer uso de juicios para la seleccin de cierto mtodo. los ms rpidos no siempre son los mejores!

c . fstabilidad. Algunos mtodos numricos para encontrar races de ecuaciones o soluciones de sistemas de ecuaciones lineales, en algunos casos pueden divergir en vez de converger a la respuesta correcta. iPor quse debe tolerar esta posibilidad si se ha diseado o se ha planeado bien el problema? La respuesta es que estos mtodos pueden ser altamente eficientes cuando funcionan. Por lo tanto, surgen nuevamente los elementos de juicio. Se debe decidir si los requisitos del problema justifican el esfuerzo necesario para aplicar un mtodo que no siempre funciona.

EPLOGO PARTE I

105

d . Exactitud y precisin. Algunos mtodos numricos, simplemente son ms exactos y precisos que otros. Como ejemplos se tienen las diferentes ecuaciones disponibles para la integracin numrica. En general, se puede mejorarel funcionamiento de mtodos de poca exactitud disminuyendo el tamao del paso o aumentando el nmero de trminos sobre un intervalo dado. 2Qu ser mejor, usar un mtodo con poca exactitud y con tamaos de paso pequeos o usar un mtodo con alta exactitud y tamaos de paso grandes? Esta pregunta se debe analizar paso por paso considerando los factores adicionales tales como el costo y la facilidad de programacin. Adems se deben tomar en consideracin los errores de redondeo cuando se usan en forma repetida mtodos de baja exactitud y el nmero de clculos crece demasiado. Aqulas cifras sigla computadora pueden ser el factor nificativas que maneja decisivo. e . Alcance de las aplicaciones. Algunos mtodos numricos slo se pueden aplicar a cierta clase de problemaso a los problemas que satisfacen ciertas restricciones matemticas. Otros mtodos no tienen estas restricciones. Se debe evaluar si vale la pena el esfuerzo de desarrollar programas que empleen tcnicas apropiadas nicamente para un nmero limitado de problemas. El hecho de que tales tcnicas pueden usarse ampliamente, indica que tienen ventajas que a menudo son menos que las desventajas. Obviamente, deben evaluarse los elementos de juicio.

f . Requisitos especiales. Algunas tcnicas numricas intentan incrementar la exactitud y la velocidad de convergencia usando informacin especial o adicional. U n ejemplo sera el uso de valores estimados o valores tericos de los errores para el mejoramiento de la exactitud. Sin embargo, estas mejoras, en general no se Ilevan a cabo sin inconvenientes como el aumento en el costo de cmputo y el incremento en la complejidad del programa.

g . Esfuerzos requeridos de programacin. Los esfuerzos para mejorar la velocidad de convergencia, estabilidad y exactitud pueden
ser creativos e ingeniosos. Cuando se pueden hacer mejoras sin aumentar la complejidad en la programacin, entonces se puede considerar que estas meioras son elegantes y probablemente encuentren uso inmediato en la ingeniera. Sin embargo, si requieren de programasms complejos, otra vezse deben enfrentar los elementos de juicio que pueden o no favorecer al nuevo mtodo. Se ve claro queel anlisis anterior relacionado con la forma de escoger un mtodo numrico se reduce slo a costo y exactitud. Los costos son los que estn involucrados con el tiempo de cmputo y el

106

NUMRICOS

MTODOS

PARA INGENIEROS

desarrollo de programas. La exactitud apropiada es una cuestin de tica y de juicio profesional.

5. Comportamiento matemtico de las funciones, ecuaciones o datos. A I seleccionar un mtodo numrico en particular, el tipo de computadora y el tipo de programas, se debe tomar en cuenta la complejidad de las funciones y de las ecuaciones o datos. Las ecuaciones simples y los datos uniformes se pueden manejar apropiadamente con algoritmos numricos simples y con computadoras baratas. Sucede lo contrario con las ecuaciones complicadas y los datos que contienen discontinuidades.
6. Facilidad de aplicacin (iAccesible al usuario?). Algunos mtodos
numricos son fciles de aplicar y otros difciles. Esto se debe tomar en cuenta cuando se escoge un mtodo sobre otro. Esta misma idea se aplica a las decisiones referentes al costo en el desarrollo de programas, contra programas desarrollados profesionalmente. El convertir un programa difcil en uno que sea accesible al usuario puede ser de considerable esfuerzo. Las formas de hacerlo se mencionan en el captulo 2 y se elaboran a lo largo del libro. Adems los programas de NUMERICOMP que acompaan a este texto son un ejemplo de programacin accesible al usuario.

7. Mantenimiento. Los programas para resolver problemas de ingeniera requieren mantenimiento porque durante las aplicaciones ocurren dificultades, invariablemente. El mantenimiento puede requerir la documenun cambio en el cdigo del programao la expansin de tacin. Los programas simples y los algoritmos numricos son ms fciles de mantener. Los siguientes captulos involucran el desarollo de varios tipos de mtodos numricos para una variedad de problemas matemticos. Se dan en cada captulo varios mtodos alternativos. Se presentan estos mtodos (en vez de un mtodo escogido por los autores) ya que no existe uno que sea "el meior" de todos. N o hay mtodos "mejores" ya que existen tantos elementos de juicio que se deben tomar en consideracin cuandose aplica un mtodo a probleI final de cada parte del libro se presenta una tabla mas prcticos. A que resalta los elementos de juicio involucrados en cada mtodo. Esta tabla debe ayudara seleccionar un procedimiento numrico apropiado para cada problema en particular dentro de un contexto.

I.5

RELACIONES Y FRMULAS IMPORTANTES

El cuadro 1.2 resume la informacin ms importante que se analiz en la parteI . El cuadro se puede consultar para tener un acceso rpid o a las relaciones y frmulas ms importantes. El eplogo de cada parte del libro contiene estos resmenes.

EPiLOGO PARTE I

107

CUADRO 1.2 Resumen de la informacin importante presentada laen parte 1. Definiciones de error
Error verdadero
= valor verdadero - valor aproximado

Error relativo valor verdadera porcentual verdadero % = Error relativo, aprox. actual porcentual oproximado Criterios de poro
0

- valor aproximado valor verdadero - aprox. previa

aproximacin actuol

100%

100%

Terminar los clculos cuando:

0

<

6,

donde es es elerrorrelativoporcentual deseado,especificado del nmero deseado de directamente o calculado en trminos cifras significativas n
=

(0.5

lo2-")%

Serie de Taylor
Expansin en la serie de Taylor

f(x,+,) =

/(X,)

fYXJ + f'(x,)h + -h2

2!

+-f'"(x) 3!
donde Residuo
O

h3 +

.,.

I f c n ) ( X ! ) hn

R,

n!

R,

O(h"+')

Diferenciacin numrica
diferencia Primera dividida finlta hacia adelante

f'(XJ =

f(X,+l)

f(x,)

+ O(h)

(Otras diferencias divididas se resumen de la fig. 3.7 a la 3 . 9 . )

1.6

MTODOS AVANZADOS Y ALGUNAS REFERENCIAS ADICIONALES

El eplogo de cada parte del libro tambin incluye una seccin encaminada a facilitar y fomentar estudios adicionales de los mtodos nu-

108

MTODOS

NUMRICOS

PARA INGENIEROS

mricos. Esta seccin dar algunas referencias sobre el tema as como material relacionado con mtodos ms avanzados.* Para extender los antecedentes mencionados en la parte I, existen numerosos manuales sobre programacin de computadoras. Resultara difcil mencionar todos los libros y manuales excelentes correspondientes a lenguajes y computadoras especificas. Adems, probablemente ya se tenga material de contactos previos con la programacin. Sin embargo, si sta es la primer experiencia con computadoras, Bent y Sethares (1982) proporcionan una buena introduccin a BASIC. McCraken (1965))Merchant (1979) y Merchant, Sturgel (1977) son otros libros tiles sobre FORTRAN. El maestro o los compaeros de semestres avanzados del usuario deben poder darle un consejo acerca de buenos libros de referencia para las mquinas y los lenguajes disponiblesen la escuela. Tambin para el anlisis de error, cualquier libro de clculo introductori0 incluira material suplementario relacionado con temas tales COmo la serie de Taylor. Los textos de Swokowski (1979) y Thomas y Finney (1 979) proporcionan discusiones legibles de estos temas. Finalmente, aunque se espera que este libro sirva lo suficiente, siempre es bueno consultar otras fuentes cuando se intenta conocer a-fondo un nuevo tema. Ralston y Rabinowitz (1 978) y Carnahan, Luther y Wilkes (1 969) ofrecen textos comprensibles de la mayor parte de los mtodos numricos, incluyendo muchos mtodos avanzados que van ms all del alcance de este libro. Otros libros tiles sobre el tema son G e rald y Wheatley (1984))James, Smith y Wolford (1 977), Stark (1 970)) Rice ( 1 983, Hornbeck (1 975) y Cheney y Kincaid (1 980).

* Aqu nicamente se hace referencia a estos libros, una bibliografa completa al final del texto.

se encontrar

I
~

PA RTE RAKES DE ECUACIONES

DOS

11.1
Desde hace aos, se aprendi a uiar la frmula cuadrtica:

pura resolver

f(x) = ax2

+ bx + c

A los valores calculados con la ecuiacin les llama races de la ecuacin (11.2). stos representan los valores de x que hacen la ecuacin

,
~

[11.2] ( 1 1 . 1 ) se

(11.2) igual a cero. Por IS tanto, se puede definir la raiz de una ecuacin como el valor de x que hace f (x) = O. Por esta razn, algunas veces a las races se les conoce comoceros de la ecuacin.
13

Aunque la frmula cuadrtica es til para resol ver la ecuacin (ll.2), hay muchas funciones diferentes que no se pueden resolver de manera tan fcil. En estos casos, los mtodos numricos descritos en los captulos 4 y 5 proporcionan medios eficientes para obtener la respuesta.

I I . 1 . l Mtodos empleados antes de la era de la computadora pura determinar races.

las computadoras Antes del advenimiento de digitales, haba una serie de mtodos para encontrar las races de ecuaciones algebraicas o trascendentales. Para algunos casos, las races se podan obtener con mtodos directos, como se hace con la ecuacin ( 1 1 . 1 ) . Aunque haba ecuaciones como sta que se podan resolver directamente, haba muchas otras que no lo eran. Por ejemplo, hasta una funcin aparentemente simple tal, como f ( x ) = e - - x no se puede resolver analticamente. En estos casos, la nica alternativaes una tcnica de solucin aproximada.
..
I_

, A .

. ,

x/

.. ;

?. U n mtodo

da es la de graficar la funcin y determinar dn-

para obtener una solucin aproxima-

110

MTODOS

NUMRICOS

PARA INGENIEROS

de cruza al eje x. Este punto, que representa el valor de x para el cual f ( x ) = O, es la raz. Las tcnicas grficas se discuten al principio de los captulos 4 y 5. Aunque los mtodos grficos son tiles en la obtencin de estimaciones aproximativas de las races, estn limitadas por la carencia de precisin. U n a aproximacin alternativa es usar la tcnica de prueba y error. Esta "tcnica" consiste en escojer un valor de x y evaluar si f (x) es cero. Si no es as (como suceder en la mayor parte de los casos), se hace otra conjetura y se evala nuevamente f(x) para determinar si el nuevo valor da una mejor estimacin de la raz. El proceso se repite hasta que se obtenga un valor que genere una f (x) cercana a cero. Estos mtodos fortuitos, obviamente son ineficientes e inadecuados para las exigencias en la prctica de la ingeniera. Las tcnicas descritas en la parte Ill representan alternativas que no slo aproximan sino emplean estrategias sistemticas para encaminarse a la raz verdadera.Adems, se adaptanidealmentealaimplementacin en computadoras personales. Tal como se presenta en las pginas siguientes, la combinacin de estos mtodos sistemticos con la computadora hacen de la solucin de la mayorparte de los problemas sobre races de ecuaciones una tarea simple y eficiente.

11.1.2

Racesdeecuaciones

y su prctica en laingeniera

Aunque las races de ecuaciones caben dentro de otro contexto, frecuentemente aparecen en el rea de diseo en ingeniera. El cuadro 1 1 . 1 muestra un conjunto de principios fundamentales que se utilizan frecuentemente en trabajos de diseo. Las ecuaciones matemticas o los modelos derivados de estos principios se emplean en la prediccin de las variables dependientes en funcin de las variables independientes y de los parmetros. Ntese que en cada caso, las variables dependientes refleian el estado o funcionamiento del sistema, ya sea que los parmetros representen sus propiedades o su composicin. U n ejemplo de tales modelos se presenta en la ecuacin derivada de la segunda ley de Newton, usada en el captulo 1 para la velocidad del paracaidista:

[ 11.31
Donde la velocidadv es la variable dependiente,el tiempo t es la variable independiente y g la constante gravitacipnal, el coeficiente de rozamiento c y la masa m son parmetros. Si se conocen los parme-

RACES DE ECUACIONES

111

CUA,DRO 11.1

Principios fundamentales usados en los problemas de diseo en ingeniera Principio Variable Variable fundamental dependiente
Balance calor de Temperatura

independiente
Tiempo y Dosicin

Parmetros
Las propiedades trmicas del material y la geometra del sistema

Balance de material

Concentracin o cantidad de masa

tiempo y posicin

El comportamiento qumico del material, masa coeficientes de transferencia y la geometra del sistema
Resistencia del material, propiedades estructurales y la configuracin del sistema. Propiedades trmicas, masa del material y la geometra del sistema Masa del material, geometra del sistema y parmetros disipativos tales como la friccin o el rozamiento. Propiedades elctricas del sistema,tales como la resistencia, capacitancia e inductancia.

Balance de la fuerza

Magnitud y direccin de fuerzas para establecer el equilibrio

Tiempo y posicin

Balance de la energa

Cambios en los estados de la energa cintica y potencial del sistema

Tiempo y posicin

LeyesNewton de Aceleracin, del movimiento velocidad o posicin

Tiempo y posicin

Leyes de Kirchhoff

Corriente y en voltaje los circuitos elctricos

Tiempo

tros, la ecuacin (11.3) se puede usar para predecir la velocidad del paracaidista como una funcin del tiempo. Estos clculos se pueden llevar a cabo directamente ya que v se expresa explicitamente como una funcin del tiempo. Esto es, est aislada a un lado del signo igual.

112

INGENIEROS

PARA

MTODOS

NUMERICOS

Sin embargo, supngase que se tiene que determinar el coeficiente de rozamiento para un paracaidista de una masa dada, para alcanzar una velocidad prescrita enun periodo dado de tiempo. Aunque la ecuacin (11.3) proporciona una representacin matemtica de la interrelacin entre las variables del ,modelo y los parmetros, no se puede resolver explcitamente para el coeficiente de rozamiento. Prubese. N o hay forma de reordenar la ecuacin para despejar c de un lado del signo igual. En estos casos, se dice que c es implicita. Esto representa un dilema real, ya que muchos de los problemas de diseos en ingeniera, involucran la especificacin de las propiedades o la composicin de un sistema (representado por sus parmetros) para asegurar que funciona de la manera deseada (representada por sus variables). Por lo tanto, estos problemas a menudo requieren que se determinen sus parmetros de forma explcita. La solucin del dilema las proporcionan los mtodos numricos para races de ecuaciones.Pararesolver el problemausando mtodos numricos es conveniente cambiar la ecuacin (11.3).Esto se hace restando la variable dependiente v de ambos lados de la ecuacin, obteniendo:
V

[11.4]

Por lo tanto, el valor de c que cumple f (c) = O, es la raz de la ecuacin. Este valor tambin representa el coeficiente de rozamiento que soluciona el problema de diseo. La parte I 1 de este libro analiza una gran variedad de mtodos numricos y grficos para determinar races de relaciones tales como la ecuacin (11.4). Estas tcnicas se pueden aplicar a los problemas de diseo en ingeniera basados en los principios fundamentales delineados en el cuadro II. 1 as como tantos otros problemas que se afrontan frecuentemente en la prctica de la ingeniera.

11.2 FUNDAMENTOS MATEMTICOS

En la mayor parte de las reas mencionadas en este libro, en general existen algunos prerrequisitos de fundamentos matemticos necesarios para conocer a fondoel tema. Por ejemplo, los conceptos de estimacin de errores y la expansin en serie de Taylor, analizadas en el captulo 3, tienen importancia directaen el anlisis de races de ecuaciones. Adicionalmente, antes de este punto se mencionaron los tr-

RAlCES

ECUACIONES

113

minos de ecuaciones "algebraicas" y "trascendentales". Puede resultar til definir formalmente estos trminos y discutir como se relacionan con esta parte del libro. Por definicin, unafuncin dada pory = de expresar de la siguiente manera:

f (x) es algebraica si se pue[11.5]

fnyn

+ fn-1yn-1 +

...

+ f i y + fo

donde las f son polinomios en x. Los polinomios son un caso simple de funciones algebraicas que se representan generalmente como:

{(x) =

a 0

+ UlX +
-

* *

+ a,x"

C11.61

donde las a son constantes. Algunos ejemplos especficos son:

{(X) =

2.37~ +7.5~~

[11.7]
[11.8]

Y
f(x) = 5x2 - x3

+ 7x6

Una funcin trascendental es una que no es algebraica. Incluye funciones trigonomtricas, exponenciales, logaritmicas y otras menos familiares. Algunos ejemplos son:

f(x) = e-'

-x

[11.9]

f(x) = sen x f(x) = In x2 - 1

[11.10] p1.1 1J

Las races de las ecuaciones pueden ser reales o complejas. U n ejemplo simple de racescomplejas es el caso para el cual el trmino b2 - 4 ac de la ecuacin (II. 1 ) es negativo. Por ejemplo, dado el polinomio de segundo orden:

f(x) = 4x2 - 16x

17

La ecuacin (11.1) se puede usar para determinar que las races son:
X =

16

V(-16)2 - 4(4) (17) - 16 2 (4)

es:

*m
8

Por

lo tanto, una raz

x=2+;;

114

INGENIEROS

PARA

METODOS NUMERICOS

y la otra

es:

x = 2 - ,1 i
en donde

J "

Aunque hay algunos casos donde las races complejas de las funciones no polinomiales son de interes, sta situacin es menos comn que para polinomios. Por lo tanto, los mtodos estndar para encontrar races, en general caen en dos reas de problemas parecidas en principio, pero fundamentalmente diferentes:

l.

l a determinacin de races reales de ecuaciones algebraicasy trascendentales. Estas tcnicas se disearon para determinar el valor de una raz simple de acuerdo a un conocimiento previo de su posicin aproximada.
l a determinacin e todas las rakes reales y complejas de un polinomio. Estos mtodos se disearon especficamente para polinomios. Determinan sistemticamente todas las races del polinomio en lugar de simplemente una, dada una posicin aproximada.

2.

Los mtodos diseaEste libro est enfocado al rea del primer caso. dos expresamente para polinomios no se analizan ya que van ms all del alcance de este libro. Sin embargo, en el eplogo al final de la parte I I se recomiendan algunas referencias para estas tcnicas.

11.3
Antes de proceder con los mtodos numricos para determinar races de ecuaciones, sertil dar algunas orientaciones. El siguiente material es una introduccin a los temas de la parte ll. Adems, se han incluido algunos objetivos que orientarn al lector en sus esfuerzos al estudiar el material. 11.3.1 Campodeaccin yavance

La figura 1 1 . 1 es una representacin esquemtica de la organizacin de la parte It. Examine esta figura cuidadosamente, iniciando en la parte de arriba y avanzando en el sentido de las manecillas del reloj. Despus de esta introduccin, el captulo 4 desarrolla los mtodos que usan intervalos para encontrar races. Estos mtodos empiezan con suposiciones que encierran o que contienen a la raz y reducen sistemticamente el ancho del intervalo. Se cubren dos mtodos: el de bi-

RAiCES DE ECUACIONES

11s

seccin y el de la regla falsa. Los mtodos grficos proporcionan conocimiento visual de las tcnicas. Se desarrollan formulaciones especiales para ayudar a determinar cuanto esfuerzo computacionalse requiere para estimar la raz hasta un nivelde precisin previamente especificado.

En el captulo 5 se cubren los mtodos abiertos. Estos mtodos tambin involucran iteraciones sistemticas de prueba y error pero no

116

INGENIEROS

PARA

MTODOS NUMERICOS

requieren que la suposicin inicial encierre a la raz. Se descubrir que estos mtodos, en general son ms eficientes computacionalmente que los mtodos que usan intervalos, pero no siempre trabajan. Se analizan los mtodos de la iteracin de punto fijo, el mtodo de Newton-Raphson y el mtodo de la secante. Los mtodos grficos proporcionan conocimiento en los casos donde los mtodos abiertos no funcionan. Se desarrollan las frmulas que proporcionan una idea de qu tan rpido un mtodo abierto converge a la raz.

El captulo 6 extiende los conceptos anteriores a los conceptos actuales de la ingeniera. Los casos de estudio se emplean para ilustrar las ventajas y las desventajas de cada uno de los mtodos y para proporcionar conocimiento sobre las aplicaciones de las tcnicas en la prctica profesional. Los casos del captulo 6 tambin resaltan los elementos de juicio (estudiados en la parte I) asociados con cada uno de los mtodos.
Se incluye un eplogo al final de la parte I I . ste contiene una comparacin detallada delos mtodos discutidos en los captulos 4 y 5. Esta comparacin incluye una descripcin delos elementos de juicio relacionados con el uso correcto de cada tcnica.En esta seccin se proporciona tambin un resumen de las frmulas importantes, con referencias a algunos mtodos numricos que van ms all del alcance de este texto. Ciertas capacidades automticas de clculo se integran de diferentes maneras en la parte I I . En primer lugar, programas en NUMERICOMP legibles para el usuario del mtodo de biseccin disponible para la Apple I 1 y la I B M PC. Pero tambin se dan los cdigos en FORTRAN Y BASIC para el mtodo de biseccin directamente en el texto. Con esto se tiene la oportunidad de copiar y aumentar el cdigo para implementarlo en su propia computadora personal o supercomputadora. Se incluyen los algoritmos y diagramas de flujo para la mayor parte de los otros mtodos expuestos en el texto. Este material puede servir de base para el desarrollo de un paquete de programacin y aplicarlo a una serie de problemas de ingeniera.

11.3.2 Metas y objetivos

Objetivos de estudio. Despus de terminar la parte 11, se debe tener la suficiente informacin para aprovechar satisfactoriamente una amplia variedad de problemas de ingeniera que se relacionan con las races de ecuaciones. En trminos generales se dominarn las tcnicas, se habr aprendido a valorarsu confiabilidad y se tendr la capacidaddeescoger el mejor mtodo (o mtodos)paracualquier problema en particular. Adems de estas metas globales, se deben

RACES DE ECUACIONES

117

asimilar los conceptos especficos de el cuadro 11.2 para comprender mejor el material de la parte I t . Objetivos de computacin. El libro proporciona algunos programas simples, algoritmos y diagramas de fluio para implementar las tcnicas analizadas en la parte II. Como herramientas de aprendizajetodos ellos tienen gran utilidad. Los programas opcionales son legibles para el usuario. Incluye mtododelabiseccinparadeterminar las races realesde las ecuaciones algebraicas y trascendentales. Las grficasasociadascon NUMERICOMP le facilitarn al lector visualizar el comportamiento de la funcin en anlisis. Los programas se pueden usar para determinar convenientementelas races de las ecuaciones a cualquier grado deprecisin. Es fcilde aplicar NUMERICOMP pararesolver muchos problemas prcticos y se puede usar para verificarlos resultados de cualquier programa que el usuario desarrolle por s mismo. Tambin se proporcionan directamente en el texto los programas en FORTRAN y BASIC para los mtodos de biseccin y para la iteracin simple de punto fijo. Adems,se proporcionan algoritmos y diagramas de fluio generales para la mayor parte de los otros mtodos de la parte 1 1 . Esta informacin permitir aumentar la biblioteca de programas del usuario que sean ms eficientes que el mtodo de la biseccin. Por ejemplo, puede desearse tener sus propios programas para los mtodos de la reglafalsa, Newton-Raphson y de la secante, que en general sonms eficientes que el mtodo de biseccin.

CUADRO 11.2

Obietivos de estudio especficos de la parte II

1. Entender la interpretacin grfica de una raz

y por qu, en general, es superior al mtodo de bisecciones. 3. Entender las diferencias entre los mtodos que usan intervalos y los mtodos abiertos para la localizacin de las races. 4. Entender los conceptos de convergencia y de divergencia. Usar el mtodo de las dos curvas para proporcionar una manifestacin visual de los conceptos. 5. Conocer por qu los mtodos que usan intervalos siempre convergen, mientras que los mtodos abiertos algunas veces pueden divergir. 6. Entender que la convergencia en los mtodos abiertos esms probable si el valor inicial est cercano a la raz. 7. Entender el concepto de convergencia lineal y cuadrtica y sus implicaciones en la eficiencia de los mtodos de iteraciones de punto fijo y de NewtonRaphson. 8. Saber las diferencias fundamentales entre los mtodos de la regla falsa y la secante y cmo se relaciona su convergencia. 9 . Entender los problemas que contienen las races mltiples y las modificaciones que se les pueden hacer para resolverlos a medias.

2. Conocer la interpretacin grfica del mtodo de la regla falsa

C A P T U L OC U A T R O
MTODOS QUE USAN INTERVALOS

En este captulo sobre races de ecuaciones se analizan los mtodos que aprovechan el hecho de que una funcin, tpicamente, cambia de signo en la vecindad de una raz. A estas tcnicasse les llama mtodos que usan intervalos porque se necesita de dos valores iniciales para la raz. Como su nombre lo indica, estos valores deben encerrar o estar uno de cada lado de la raz. Los mtodos particulares descritos sobre este punto emplean diferentes estrategias para reducir sistemticamente el tamao del intervalo y as, converger a la respuesta correcta. Como prembulo de estas tcnicas, se discutirn los mtodos grficos para graficar funciones y sus races. Adems de la utilidad de los mtodos grficos para determinar valores iniciales, tambin son tiles para visualizar las propiedades de las funciones y el comportamiento delos mtodos numricos.

4.1 MTODOS

GRFICOS

Un mtodo simple para obtener una aproximacin a laraz de la ecuacin f (x) = O consiste en graficar la funcin y observar en donde cruza el eje x. Este punto, que representa el valor de x para el cual f (x) = O , proporcionaunaaproximacininicial de laraz.

EJEMPLO 4.1
Mtodos grficos

Enunciado del problema: emplense grficas para obtener unaraz aproximada de lafuncin f (x) = e-x - x. Solucin: se calculan los siguientesvalores:

120

METODOS NUMERICOS

PARA INGENIEROS

f(x)

0.0
0.2 0.4

1.000

0.6 0.8
1 .o

0.61 9 0.270 -0.051

-0.351

-0.632

Estos puntos se muestran en la grfica de la figura 4. l . La curva resultante cruza al eje x entre 0.5 y 0.6. Un vistazo a la grfica proporciona una aproximada estimacin de la raz de 0.57, que se acerca a la raz exacta de 0.567 143 28. . ., que se debe determinar con mtodos numricos. La validez de la estimacin visual se puede verificar sustituyendosu valor en la ecuacin originalpara obtener:

f(0.57) = e-057- 0.57

lacual se acerca a cero

-0.004 5

FIGURA 4.1

Metodo grfico para la solucin de ecuaciones algebraicas y trascenx contra x . La raz corresdentales. Representacin de f l x ) = e-x x donde f(x) = O, esto es, el punto donde lafuncin ponde al valor de cruza el eje x . Una inspeccin visual de la grfica muestra un valor aproximado de 0.57.

METODOS QUE

121

FIGURA 4.2
Ilustracin de las formas que puede tener una raz en un intervalo prescrito por los lmites inferior, x, y superior x,. Los incisos a) y b) indican que si Ax,) y f (x,) tienen el mismo signo, entonces no habr races dentro del intervaloo habr un I nmero par de ellas. Los incisos c) y d) indican que si f ( 4 Y Ax,) t'lenen signos opuestos en los extremos,entonces habr un nmero impar de races dentro del intervalo.

Las tcnicas grficas tienen un valor prctico limitado ya que no son precisas. Sin embargo, los mtodos grficos se pueden usar para obtener aproximaciones de la raz. Estas aproximaciones se pueden emplear como valores iniciales paralos mtodos numricos analizados eneste captulo y en el siguiente. Porejemplo, los programas de NUMERICOMP que acompaan este texto le permiten graficar funciones sobre un rango especfico. Esta grfica puede hacerse seleccionando un par de valores iniciales de un intervalo donde est contenida la raz antes de implementar el m&& num6rico.l a posibilidad de graficar aumenta considerablemente lautilidad de los programas. Las interpretaciones geQmtricas, adems de proporcionar aproximaciones iniciales de la raz, son herramientas importantes en el asimilamiento de las propiedades de las funciones previendo las fallas de los mtodos numricos. Por ejemplo, la figura 4.2 muestra algunas formas diferentes en las que la raz puede encontrarse en un intervalo definido por un lmite inferior x, y un lmite superior x,. La figura 4.2b bosqueja el caso donde los valores positivo y negativo de f (x)y f ( x , ) tienen signos opuestos respecto al eje x , encierran tres races dentro del intervalo. En general, si f (x,)y f ( x , ) tienen signos opuestos, existe un nmero impar de races dentro del intervalo definido por los mismos. Como se indica en la figura 4.2a y c , si f (x,)y f (x,) tienen el mismo signo, no hay races o hay un nmero par de ellas entre los valores dados. Aunque estas generalizaciones son usualmente verdaderas, existen casos en que no se cumplen. Por ejemplo, las raices mltiples, esto es, funciones tangencialesal eje x (Fig. 4 . 3 ~y) las funciones discontinuas (Fig. 4.3b) pueden no cumplir estos principios.Un ejemplo deuna funcin que tieneuna raz mltiple es la ecuacincbica f (x) = (x - 2)(x - 2) (x - 4). Ntese que x = 2 anula dos vecesal polinomio, de ah quea x se le conozca como raz mltiple. Al final del captulo 5, se presentan tcnicas que estn diseadas expresamente para localizar races mltiples. La existencia de casos del tipo mostrado en la figura 4.3 dificulta el desarrollo de algoritmos generales que garanticenla localizacin de todas las races en el intervalo. Sin embargo, cuando se usanlos mtodos expuestos enlassiguientesseccionesenconjuncinconesquemasgrficos,sonde gran utilidad en la solucin de problemas de muchas races, frecuentemente se presentan enel rea de ingeniera y matemticas aplicadas.

EJEMPLO 4.2 Uso de grficas por computadora para localizar races

.J

Enunciado del problema: las grficas por computadora pueden informar y acelerar los esfuerzos para localizar races de una funcin. Este ejemplo se desarroll usando los programas de NUMERICOMP disponibles con

INGENIEROS 122

PARA

NUMERICOS

METODOS

FIGURA 4.3
Ilustracin de algunas excepciones de los casos generales mostrados en la figura 4.2. a) Pueden ocurrir races mltiples es cuando la funcin tangencia1 al eje x. En este caso, aunque los extremos son de signos opuestos, hay unnmeropar de races en el intervalo. b) Las funciones discontinuas en donde losextremostienensignos opuestos tambin contienen un nmero par de races. S e requieren estrategias especiales para determinar lasraces enestoscasos.

FIGURA 4.4 Escalamiento progresivo def (x) = sen 1Ox

cos 3x mediante la computadora. Estas grficas interactivas le permiten al analista determinar que existen dos races entre x = 4.2 y x = 4.3.

el texto. Sin embargo, de esta manera es posible entender cmo la graficacin por computadora ayuda a localizar races. La funcin:
!(x) = sen lox

cos 3x

tiene varias races sobre el r.qngo de x = -5 hasta x = 5. Emplese la opcin de graficacin del programa para profundizar en el comportamiento de esta funcin. Solucin: Como se ilustr en el ejemplo 2.1, se puede usar NUMERICOMP para graficar funciones. En la figura 4.4a se muestra la grfica de f ( x ) desde x = -5 hasta x = 5. La grfica muestra la existencia de varias

MTODOS

QUE

123

races, incluyendo posiblemente una doble alrededor de x = 4 . 2 en donde f (x) parece ser tangente al eje x. Se obtiene una descripcin ms detallada del comportamiento de f (x) cambiando el rango de graficacin desde x = 3 hasta x = 5, como se muestra en la figura 4.4b. Finalmente, en la figura 4.4c, se acorta la escala vertical a f (x) = -0.15 y f (x) = 0.15 y la horizontal a x = 4.2 y x = 4.3. Esta grfica muestra claramente que no existe una raz en esta regin y que, en efecto, hay dos races diferentesalrededorde x = 4.229 y x = 4.264. Las grficasporcomputadoratienengranutilidadenelestudio de los mtodos numricos. Esta habilidad tambin puede aplicarse en otras materias as como en las actividades profesionales.

4.2 MTODO

DE BlSECClN

Cuando se aplicaron las tcnicas grficas, en el ejemplo 4.1, se observ (Fig. 4.1) que f (x) cambi de signo hacia ambos lados de la raz. En general, si j (x) es real y continua en el intervalo de x1 a x, y f(xl) y f(x,) tienensignos opuestos, esto es,

FIGURA 4.5

Algoritmo de l a biseccion.

" . . l " -

.. ..

_"

"...

124

NUMRICOS

MTODOS

PARA INGENIEROS

entonces hay, al menos una raz real entre x, y x , . LOSmtodos de bsqueda incremental se aprovechan de esta caracterstica para localizar un intervalo donde la funcin cambie de signo. Por lo tanto, la localizacin del cambio de signo (y por ende, de la raz), se logra ms exactamente dividiendo el intervalo en una cantidad definida de subintervalos. Se rastrea cada uno de estos subintervalos para encontrar el cambio d e signo. El proceso se repite y la aproximacin a la raz mejora cada vez ms a medida que los subintervalos se dividen en intervalos ms y ms pequeos. Seestudia ms sobre e tema de bsquedas incrementales en la seccin 4.4. El mtodo de biseccin, conocido tambin como de corte binario. de particin en dos intervalos iguales o mtodo de Bolzano, es un mtodo de bsqueda incremental donde el intervalo se divide siempre en dos. Si la funcin cambia de signo sobre un intervalo, se evala el valor de la funcin en el punto medio. La posicin d e la raz se determina situndola en el punto medio del subintervalo dentro del cual ocurreun cambio d e signo. El proceso se repite hasta obtener una mejor aproximacin. La figura 4.5 muestra un algoritmo para la biseccin y en la figura 4.6 se muestra un bosquejo grfico del mtodo.

EJEMPLO 4.3
Biseccin

, Enunciado del problema: sese el mtodo de la biseccin para determi; nar la Paz de' j(x) = e "x - x.
Solucin: Recurdese de acuerdo a la grfica de la funcin (Fig. 4.1) que la raz se encuentra entre O y 1.Por lo tanto, el intervalo inicial se puede escoger desde x/ = O hasta x, = 1. Por consiguiente, la estimacin ini'cia1 de la raz se sita en el punto medio de este intervalo:
i

X, =

-= 0.5
2
,

O+l

Esta estimacin representa un error de (el valor exacto es 0.567 143 29.

.)

E,

= 0.567 143

29 - 0.5

= 0.067 143

29

o, en trminos relativos:
=

143 29 1100% 0.567 143 29

11.8%

METODOS QUEUSANINTERVALOS

125

FIGURA 4.6

Grficadel mtodo de biseccin. Esta grfica incluye las primeras tres iteraciones del ejemplo 4.3.

donde el subndicev indica que el errores con respectoal verdadero. Ahora se calcula:

f(0)f(0.5) = (1)(0.10653)

0.106 53

que es mayor de cero, y por consiguiente no hay cambio de signo entre x/ y x,. Y por lo tanto, la raz se encuentra dentro del intervalo x = 0.5 y x = 1. Ellmiteinferior se redefine como x, = 0.5, y la aproximacin a larazenla segunda iteracin se calcula como:

0.5

+ 1.0 = 0.75
2

le,/ =

32.2%

126

MTODOS NUMERICOS PARA INGENIEROS

5

El proceso se puede repetir para obtener aproximaciones ms exactas.

Por ejemplo, la tercera iteracin es:

f(0.5)f(0.75)

-0.030 < O

Por lo tanto, laraz est entre 0.5 v 0.75:

x, =

0.75
0.5 + 0.75 = 0.625 2
/E,[ =

10.2%

Y la cuarta iteracin es:

f(0.5)f(0.625)= -0.010 < O

Por lo tanto, laraz est entre 0.5 y 0.625:
x, =

0.625

El mtodo se puede repetir para alcanzar mejores estimaciones. La figura 4.6 muestra una grfica de las primeras tres iteraciones.

En el ejemplo anterior, se puede observar que el error real no disminuye con cada iteracin. Sin embargo, el intervalo dentro del cual se localiza la raz se divide a la mitad en cada paso del proceso. Comose estudiar en la prxima seccin, la longitud del intervalo proporciona una aproximacin exacta del lmite superior del error en el mtodo debiseccin.

4.2.1

Criterios

de paro y estimacin de errores

El ejemplo 4.3 finaliza con la opcin de repetir el mtodo para obtener una aproximacin ms exacta de la raz. Ahora se debe desarrollar un criterio objetivo para decidir cuando debe terminar el mtodo. Una sugerencia inicial puede ser de que terminen los clculos cuando el error se encuentre por debajo de algn nivel prefijado. Se puede ver en el ejemplo 4.3, que el error relativo baj de un 11.8 a un 4.69% durante los clculos. Puede decidirse que el mtodo termine cuando se al0. 1%. Esta estrategia es cance un errormsbajo,porejemplodel inconveniente ya que la estimacin del erroren el ejemplo anterior se bas en el conocimiento del valor exacto de la raz de la funcin. Este no

METODOS

127

es el caso de una situacin real ya que no habra motivo para usar el mtodo siya se supiese laraz. Por lo tanto, se requiere estimarel error de manera tal que no incluya el conocimiento previo de la raz. De manera anloga a como se ve en la seccin 3.3, se puede calcular el error relativo aproximado , d la e siguientemanera [recurdese la ecuacin (3.5)]:

donde es la raz de la iteracin actual y xYterior es el valor de la raz de la iteracin anterior. Se usa el valor absoluto ya que, en general importa slo la magnitud de E , sin considerar su signo. Cuando I E, I es menor que un valor previamente fijado, que define el criterio de paro, el programa se detiene.

EJEMPLO 4.4
Estimacin del error para el mtodo de la biseccin

Enunciado del problema:sese la ecuacin (4.2) paraestimarelerror de las iteraciones del ejemplo 4.3. Solucin: las primeras dos estimaciones de la raz en el ejemplo 4.3 fueron 0.5 y 0.75. Sustituyendo estos valoresen la ecuacin (4.2) se obtiene:

lea'

0.75 - 0.5 100% = 33.3% 0.75

Recurdese queel error exacto para la raz estimada de O.75 es del 32.2%. De esta manera, E, es mayor que E , . Este comportamiento se muestra en lasotrasiteraciones
Iteraci6n
Xr

I 4

?fo

/%It

Oh

5.3

1 2 3 4 5

9 4.69

0.5 O. 75 0.625 0.81 0.5625 0.59375

11.8 32.2 10.2

33.3 20.0 11.1

128

INGENIEROS MTODOS

NUMRICOS PARA

FIGURA 4.7

Errores del mtodo de biseccin. Se grafican los errores verdadero y aproximado contra el nmero de iteraciones.

Estos resultados, junto con los de las iteraciones subsiguientes se resumenenlafigura 4.7. Lanaturalezadesigualdelerrorreal se debe a que para el mtodo de la biseccin laraz exacta se encuentra en cualquier lugar dentro del intervalo.Los errores verdadero y aproximado son casi igualescuando el intervalo est centrado sobre la raz. Cuando la raz se encuentra cerca de un extremo.del intervalo, entonces los errores son muy diferentes.
I

Aunque el error aproximado no proporciona una estimacin exacta del error verdadero, la figura 4.7 sugiere que E , capta la direccin des, . Adems, la grfica muestra una caracterstica muy inte,endente de E , siempre es mayor que E,. Por lo tanto, cuando E , es resante; que E menor que E , los clculos se pueden terminar con la confianza de saber l menos tan exacta como elnivel especfico prefijado. que laraz es a Aunque siempre es daino aventurar conclusiones generales de un slo ejemplo, se puede demostrar que E, siempre ser mayor que E, en

METODOS QUE USAN INTERVALOS

129

el mtodo de biseccin. Esto se debe a que cada vez que se encuentra una aproximacin a la raz usando bisecciones como x, = (xr + (x,)/2, se sabe que la raz exacta cae en algn lugar dentro de intervalo (x, x r ) / 2 = b / 2 . Por lo tanto, la raz debe situarse dentro de f A x/2 de la aproximacin (Fig. 4.8). Por ejemplo cuando se termin el ejemplo 4.3 se pudo decir definitivamente que:

X,

0.562 5

0.062 5

FIGURA 4.8

Tres formas diferentes en que un intervalo puede agrupar a la raz. En a) el valor verdadero cae en el centro del intervalo, mietras que en b) y c ) el valor se acerca a uno de los extremos. Ntese que la diferencia jams sobrepasa entre el valor verdaderoy el punto medio del intervalo la longitud media del intervalo, o A x / 2 .

FIGURA 4.9

Esauema grfico del porqu la estimacin del error en el mtodo de biseccin (Ax/2) es equivalente a la estimacin actual de la raz (xrnueuo) menos la estimacin anterior de la raz

130

MTODOS

NUMRICOS PARA INGENIEROS

Debido a que A x/2 = xnUevo - Xanierior (Fig. 4.9), la ecuacin (4.2) proporciona un lmitesuperior exacto sobre elerror real. Para que se rebase este lmite, la raz reai tendra que caer fuera del intervalo que la contiene, lo cual, pordefiniciiin jams ocurrirenelmktododebisecciijn. El ejemplo 4.7 muestra otras tcnicas de localizacin de races que no siempre se portan tan eficientes. Aunque el mtodo de biseccin, en general es ms lento que otrosmtodos, la elegancia del anlisis de error, ciertamente es un aspecto positivo que puede hacerlo atractivo para ciertas aplicaciones de la ingeniera.

4.2.2 Programacin del mtodo de biseccin

El algoritmo de la figura 4.5: ahora se presenta en un programa que se muestra en la figura 4.10. El programa usa una funcicin (lnea 100) que facilita la localizacin de laraz y las modificaciones a la funcin. Ade: ms, se incluye la lnea 200 para verificar la posibilidad de divisiones por cero durante la evaluacin del error. Tal caso se presenta cuando el intervalo est centrado respecto al origen. En este caso, la ecuacin (4.2) es infinita. S i esto ocurre, el programa salta sobre la evaluacin del error para esa iteraci6n. El programa de la figura 4.10 no es muy legible para el usuario; est diseado nicamente para calcular la respuesta, el usuario debe hacerlo ms fcil de usar y de entender. Dentro del paquete de NUMERICOMP asociado con este texto se proporciona un ejemplo de un programa legible al usuario para encontrar races de ecuaciones. El siguiente ejemplo

F< X )nEXPC -X )-X

REID<S,l)XL~XU~ES,lU FORMIT<3FlO.O,IS) AR-FC X L )*F< XU ) I F( L R . C E . O . 0 ) COTO 3 1 0 XR-( X L + X U )/2 DO 240 N I G ! , I M W-F<X L )*F( XR I fIi F .EP.O.0) COTO 300 I F < & A . L T . O , O )XU=XR I F (fifi.CT,O.O)XL-XR XN-< XL+XU )/2 I F < X N . E Q . O . O X O T O 230 Efi-ABS< < XN-XR ) L X N )*1 0 0 I F <EA 28 .L 0 T.ES)COTO 230 XR-XN 2 4 0 CONTINUE MRITE(6.2) NEXT 2 ~ o ~ n f i ~ ';NO ( ' S EE NCUNTR LO f+.RIIZ') URITE<C,3)XR,Efi 3 FORMA ' ,T 2< F' 10.3) COTO 3 1 0 2eo M R I T E ( 6 , 4 ! X N . E f i . N I 4 F O R,U 2R FT 1( 0'. 3 , 1 5 ) COTO 3 1 0 300 URITE(6,S)XR 5 FORMnT(' RA1Z ','LA EX(ICT0 ES = ' , F l 0 . 3 )

.Ut&
Y

FN F I

EXP I

-. X

>

1 1 , : ~ INPIJT ~ L , " X-I J M.I F ~ , 12rj IF FN F i X L ) FN FCXLII O THEN 310 1 2 0 NR = (XL + k l J ) I- c i k FOR N I Y TI. 111 F(kR) 1st) A A = F N F(XI.) * F N ld0 1F AA = O THEN 300 17G IF AA . , ( 6 1Hb.N XIJ = Y R 180 16 Ah .I c:) THEN XL = XU 1 9 0 k N = i k L + XU1 / 2

(Funcin a la cual calcular la raz) XU XL,

se le va a

= lmites inferiot'y superior ES = error porcentual aceptable IM = numero mximo de Iteraciones.

2 1 1 : l EA = 1< I
74*:, P'nj

AB5

( 1

hN

(Verifica si XL y XU encierran una raiz)

f

XRI

XNI

A.AOA H = LN
NI P R I N T "NO SF ENCON'TRU L A R A I ? " PRINT YR,A L / O GUTO 31o . . . ! : u , PRINT kN.EA.NI

lol:, ..

_.

2"o

c.010 310
PRINT "ILA R A I L E I A C I A FS =":X.R END

36,r ilir

XR = inicial estimacin de la raz (Evaluacin para determcnar que subintervalo contiene a la raizl XN = nueva aproximacin a la raz EA = error porcentual calculado (Prueba de error)

310

STOP
END

FIGURA 4.10

P r o g r a m ap a r a

el mtodo de biseccin.

METODOS QUE

131

muestra el uso de NUMERICOMP para encontrar races. Tambin proporciona una buena referencia para valorary examinar los programas del usuario.

EJEMPLO 4.5
Localizacin de races usando la computadora

Enunciado del problema: asociado con los programas de NUMERICOMP, de biseccin. se encuentra un programa legible al usuario sobre el mtodo Se puede usar este programa para resolver un problema de diseo asociado con el ejemplo del paracaidista analizado en el captulo 1. Como se recordar, la velocidad del paracaidista est dada, en funcin del tiempo, de lasiguiente manera:

[E4.5.1]
donde u es la velocidad del paracaidista en centmetros por segundo, g es la constante gravitacional cuyo valor es 980 cm / s2, m es la masa del paracaidista cuyo valores 68 100 g y c es el coeficiente de rozamiento. En el ejemplo l.1 se calcul la velocidad del paracaidista en funcin del tiempo para valores dados de m ,c y g. Sin embargo, supngase que se desea controlar el movimiento del paracaidista de tal forma que se alcance una velocidad prefijada en cada libre despus de un tiempo dado. En este caso, se debe seleccionar un valor apropiado de c que satisfaga los requisitos de diseocuando se mantengan constantesm,g, t y u. Una ojeada a la ecuacin a (E4.5.1) muestra que c no se puede calcular explcitamente en funcin de las variables conocidas. Supngase que se desea que la velocidaddelparacaidista alcance un valorde 4 O00 cm/s despus de7 s. De esta manera, se debe determinarun valor de c tal que:

[E4.5.2]
con t = 7
S

y u = 4 O00 cm/s.

Solucin: para implementar el mtodo de BISECCIN, se requiere obtener un intervaloinicialque contenga alvalor de c quesatisfaga la Es conveniente seleccionar este intervalo conjuntamente ecuacin (E4.5.2). con la opcin de graficacin de BISECCIN que viene con el disco (opcin 3). El programa pregunta los valores mnimo y mximo de x y de f (x) generando la grdfica mostrada en la figura 4.1 l a despus que se han introducido las dimensionesde la grfica. Puede verse que existe una raz entre 10 O00 y 15 O00 g / s . El programa BISECCIN pregunta por un lmite mximo de iteraciones permitido, un error de convergencia E , y un lmite inferior y superior

132

MTODOS

NUMERICOS

PARA INGENIEROS

FIGURA 4.1 1

a) Grfica de la ecuacin (E 4.5.2) b) Resultados para determinar el coeficiente de rozamiento usando BISECCION enel problema del paracaidista.

para la raz. La figura 4.1lb muestra estos valores, junto con la raz calculada d e 11 643.14 g / s. Ntese que con 16 iteraciones se obtiene un valor aproximado a la raz con un error menor de E,. Ms an, la computadora muestra una verificacin del error de: f(11643.14)
=

1.025391 X lo-'

para confirmar los resultados. Si la exactitud que se requiere n o se hubiera alcanzado con el nmero especificado de iteraciones, entonces el algoritmo habra terminado despus d e 30 iteraciones. Estos ;esultados estn basados en el algoritmo simple del mtodo de BISECCION con el uso'de rutinas de entrada y salida legibles al usuario. El algoritmo usado es similar al d e la figura 4.10. El usuario debe estar listo para escribir sus propios programas sobre el mtodo de biseccin. Si tiene los programas de NUMERICOMP, entonces los puede usar como modelo y para verificar que sus programas sean adecuados.

I
4.3 MTODO
DE LA REGLA FALSA

Aunque el mtodo debiseccin es una tcnica perfectamentevlida para determinar races, su enfoquees relativamente ineficiente. Una alternati-

METODOS QUE USAN INTERVALOS

133

va mejorada es la del mtodo de la regla falsa est basado en una idea para aproximarse en forma ms eficiente a laraz. Un defecto del mtodo de biseccin es que aldividir el intervalo xI a x, enmitades iguales, no se toma en consideracin lamagnitudde f (x()y de f (x,). Por ejemplo, si f (XI) est mucho ms cerca de cero que f (xu),es lgico que la raz se encuentra ms cerca de xI que de x, (Fig. 4.12). Este mtodo alternativo aprovecha la idea de unir los puntos con una lnea recta. La interseccin de esta lnea con el eje x proporciona una mejor estimacin de la raz.El reemplazamiento de la curva por una lnea recta da una posicin falsa de la raz, de aqu el.nombrede mtodo de la regla falsa o en latn, regula falsi. Tambin se le conoce como mtodo de interpolaci6n lineal. Con el uso detringulos semejantes (Fig. 4.12), la interseccin de la lnea recta y el eje x se puede calcular de la siguiente manera:

que se puede resolver Dara (vase el recuadro 4.1 para mayores detalles)

FIGURA 4.12

los tringulos semejantes (reas sombreadas).

Esquema grfico del mtodo de la regla falsa. La frmula se deriva de

l_..*_,~-..ll.

-. ^ _ , ~ .

134

PARA

METODOS NUMtRICOS

INGENIEROS

RECUADRO 4.1 Derivacindelmtodo

Multiplicando en cruz la

de lo regla falso
sumando y restando x, del lado derecho:

ecuacin (4.3) se obtiene:

Dividiendo entre

- f (x"):

xr = xuf(x1) - x,f(xu) f(X/) - f(xu)

mtodo de la regla falsa. Ntese : que esto permite cualcular la raz x, en funcin de los -1 mites inferior, Y superior x u . Se puede Ordenar de una manera alternativa, expandindola:
sta es una forma del

x, = xu -

f(xu>(x/ - xu) f (XI) - f(xJ

que es igual a la ecuacin (4.4).Se usa esta forma ya que es directamente con el mtodo de la secante analizado en el captulo 5.

Esta es la frmula de la regla falsa. El valor de xr, calculado con la ecuacin (3.4), reemplaza a uno de los dos valores, x, o a x, que produzca un valor de la funcin que tenga el mismo signo de f (x,). De esta manera, los valores xl y x, siempre encierran a la raz. El proceso se repite hasta que la aproximacin a la raz sea adecuada. El algoritmo es idntico al de la biseccin (Fig. 4.6) con la excepcin de que la ecuacin (4.4) se usa en los pasos 2 y 4. Adems, se usan los mismos criterios de paro [(Ec. (4.2)] para detener los cSlculos.

M ~ O D O QUE S USAN INTERVALOS

135

Solucin: como en el ejemplo 4.3, incieme los clculos con los valores iniciales x, = O y x, = 1. Primera iteracin:
x, =
X,

j(x,>= 1

= 1

f(x,) = -0.632 12

El error relativo real se puede estimar como:

1 4

0.567 143 29 - 0.6127 0.567 143 29

I 1

loo%

8.0%

Segunda iteracin:

Por lo tanto, laraz se encuentra dentro del primer subintervalo y x, se convierte enellmite superior de la siguiente iteracin, x, = 0.6127.
x/ = x, =
X,

fh)

0.612 7 f(x,) -0.070 8 -0.070 8(0 - 0.612 7) = 0.572 19 1 - (-0.070 8)

E, =

0.612 7 -

0.89%

El error aproximado se puede calcular como:

I 4=

0.572 19 - 0.612 7 0.572 19

7.088

Se pueden llevar a cabo iteraciones adicionales para mejorar la estimacindelaraz.

Puede emitirse una opinin ms completa sobre la eficiencia relativa de los mtodos de biseccin y de la regla falsa al observar la figura 4.13 que muestra grficas del error relativo porcentual de los ejemplos 4.3 y 4.6, Ntese cmo el error decrece mucho ms rpidamente para el m-

136

METODOS

NUMRICOS

PARA INGENIEROS

FIGURA 4.13

Comparacin de errores relativos de los mtodos de la regla falsa y de btsecciones para f ( x ) = e ' - x.

todo de la regla falsa que para el de bisecciones ya que el primero es un esquema ms eficiente para lalocalizacinde races. Recurdese que en el mtodo de biseccin el intervalo entre x/y x, decrece durante los clculos. Por lo tanto, el intervalo dado por A x/ 2 = x, - x,!,' 2 proporciona una medida del error en estas aproximaciones. Este no es el caso para el mtodo de lareglafalsaya que uno de los extremos puede permanecer fijo a lo largo de los clculos, mientras que el otro converge a la raz. Como en el caso, del ejemplo 4.4 donde , convergi a la el extremo inferior xise sostuvo en cero, mientras que x raz. En tales casos, el intervalo no se acorta, sino que se mantiene ms o menos constante. El ejemplo 4.6 sugiere que la ecuacin (4.2) representa un criterio de error muy conservador. De hecho, la ecuacin (4.2) constituye una aproximacin de la discrepancia dela iteracin preuia. Esto se debe a que para cada caso, tai como en el ejemplo 4.6, donde el mtodo converge rpidamente (por ejemplo, el error se reduce casi una orden de magni~

METODOS

137

tud por iteracin), la iteracin actual es una aproximacin mucho mejor al valor real de la raz que el resultado de la iteracin previa xYterior. Por lo tanto, el numerador de la ecuacin (4.2) representa la diferencia de la iteracin previa.En consecuencia, hay confianza que cuando se satisface la ecuacin (4.2), laraz se conoce con mayor exactitud superando la tolerancia preestablecida. Sin embargo, como se veenla siguiente seccin, existen casos donde la regla de la posicin falsa converge lentamente. En estos casos la ecuacin (4.2) no es confiable y se debe desarrollar un criteriodiferentede paro.

4.3.1

Desventajas del mtodo de la regla falsa

Aunque el mtodo de la regla falsa pareciera siempre ser el mejor de los que usan intervalos, hay casos donde funciona deficientemente. En efecto, como en el ejemplo siguiente, hay ciertos casos donde el mtodo de biseccin da mejores resultados.

EJEMPLO 4.7
Un caso donde el mtodo de biseccin es preferible al de4a'regla falsa

Enunciado del problema: sense los mtodos de biseccin y de la regla falsa para localizar laraz de:

entre x = O y x = 1.3. Solucin: usando biseccin, losresultados se resumen como:

1 2

0.65 0.975 0.975

0.975

3
4 5

1.3 1.3 1.3 1.1375 1.05625

0.65 0.975 33.3 1.1375 14.3 1.05625 1 .O1 5625 4.0

35 2.5 13.8 5.6 1.6

7.7

De esta manera, despus de cinco iteraciones. El error verdadero se reduce a menos del 2%. Con la regia falsa se obtiene un esquema muy diferente

138

METODOS NUMERICOS PARA INGENIEROS

~~~

1 2 3 4 5

1.3 0.09430 0.094300.18176 1.3 48.1 0.18176 1.3 0.26287 30.9 0.26287 1.3 0.3381 1 22.3 0.3381 1 1.3 0.40788 17.1

90.6 81.8 73.7 66.2 59.2

Despus de cinco iteraciones,el error verdadero se ha reducido ai 59%.Adems, nteseque 1 E , 1 < 1 eV 1 . De estaforma, el erroraproximado es engaoso. Se puede obtener mayor informacin examinando unagrfica de la funcin. En la figura 4.14 la curva viola una hiptesis sobre la cual

FIGURA 4.14 Grfica de la funcin f(x)

= x"

lenta del mtodo de la regla falsa.

- 1,

ilustracin de la convergencia

MhODOS QUE

139

se basa la regla falsa; esto es, si f (x1) se encuentra mucho miis cerca de cero que f (x,), entonces la raz se encuentra ms cerca a x1 que x, (recurdese la figura 4.12). De acuerdo a la grfica de esta funcin, la inversa es verdadera.

El ejemplo anterior ilustra que en general no es posible hacer generalizaciones relacionadas con los mtodos de obtencin de races. Aunque un mtodo como el de laregla falsa, en general es superiar al de biseccin, hay, invariablemente casos especiales que violanlas conclusiones generales. Por lo tanto, adems de usar la ecuacin (4.2), los resultados se pueden verificar sustituyendo la raz aproximada en la ecuacin original y determinar si el resultado se acerca a cero. Estas pruebas se deben incorporar en todos los programas que localizan races.

4.3.2

Programa para el mtodo de la regla falsa

Se puededesarrollardirectamente un programapara lareglafalsa a partir del cdigo del mtodo de biseccin de la figura 4.10. La nica modificacin es la de sustituir la ecuacin (4.4) en las lneas 130 y 190. Adems, la prueba contra cero sugerida en la ltima seccin, tambin se debe incorporar enel cdigo.

4.4 BSQUEDAS CON INCREMENTOS DETERMINANDOUNA APROXIMACININICIAL

Adems de verificar una respuesta individual, se debe determinar si se han localizado todas las races posibles. Como se mencion anteriormente, en general, unagrficadelafuncinayudaren esta tarea. Otra opcin es incorporar una bsqueda incremental al principio del progrma. Consiste enempezaren un extremode laregindeinters y realizar evaluaciones de la funcin con pequeos intervalos a lo largo de la regin. Cuando lafuncincambiade signo, se supone que unaraz cae dentro del incremento. Los valores de x de los extremos del intervalo pueden servir de valores iniciales para una de las tcnicas descritas en este capituloqueusanintervalos. Un problema aunado a los mtodos de bsquedas incrementales es el de escoger la longitud del incremento. Si la longitud es muy pequea, la bsqueda puede consumir demasiado tiempo. Por el otro lado, sila longitud es muy grande, existe la posibilidad de que las races muy cercanas entre s pasen desapercibidas (Fig.4.15). El problema se combina con

148

NUMRICOS

METODOS

PARA INGENIEROS

FIGURA 4.1 5

Casos donde las races se pueden brincar debido a que las longitudes de los intervalos en los mtodos de bsquedas incrementales son dela ltirna razes mltiple y se iba a brinmasiado grandes. Ntese que car independientemente de la longitud del incremento.

la posible existencia de races mltiples. Un remedio parcial para estos casos en calcular la primera derivada de la funcin f' (x) en los extremos del intervalo. Si la derivada cambia de signo, entonces puede existir un mximo o un mnimo en ese intervalo,lo que sugiere una bsqueda ms minuciosa para detectar la posibilidad de una raz. Aunque estas modificaciones, o el empleo de un incremento muy fino pueden solucionar enparte el problema,sedebeaclararque los mtodos sencillos tales como el de bsqueda incremental no son infalibles. Se debe tener conocimiento de otras informaciones que profundicen en la localizacin de racesa fin decomplementar las tcnicas automticas. Esta informacin se puede encontrar graficando la funcin y entendiendo el problema fsico de donde se origin la ecuacin.

PROBLEMAS Clculos a mano

4.1
Determnense las races reales f(x)
=

de:

- 0 . 8 7 4 ~+ ~ 1.75~ + 2.627

a) GrSrficamente b) Usando la frmulacuadrtica c ) Usando el mtodo de biseccin hasta tres iteraciones para determinar la raz m& alta. Emplense como valores iniciales xi = 2.9 y x, = 3.1.Calclese elerror estimado ea y el errorverdadero E,, despus de cada iteracin.

METODOS QUE USAN INTERVALOS

141

4.2

Determnense las races reales de

f(x) = - 2 . 1

6.21~ - 3 . 9 ~ '+ 0 . 6 6 7 ~ ~

a) Grficamente b) Usando biseccin para localizar la raz ms pequea. Emplense como valores iniciales x, = 0.4 y x, = 0.6 e itrese hasta que el error estimado F, se encuentre abajo de t , = 4%

4.3

Determhense las races reales de:

f(x) = -23.33

79.35~ "88.09 +~4~1 . 6 ~~ 8.68~ +~ 0.658~~

a Grficamente b) Usando biseccin para determinar la raz ms alta para es = 1 W . Emplese como valores iniciales x, = 4.5 y x , = 5. c) Realcense los mismos clculos de b) pero usando el mtodo de la regla falsa.

4.4

Determnense las races reales de:

f(x)
a)

9.36 - 2 1 . 9 6 3 ~ + 16.2965~'- 3 . 7 0 3 7 7 ~ ~

Grficamente b) Usando el mtodo de la regla falsa con un valor de es correspondiente a tres' cifras significativas para determinar laraz ms baja.

4.5

Localcese la primer raz diferente de cero de tan x = 1.1.x donde x est en radianes. sese una tcnica gr6fica y biseccin con valores iniciales O. l y O.G. Realcense los clculos hasta que E, sea menor del es = 10%. Verifquense tambin los errores sustituyendo la respuesta final en la ecuacin original. Determnese la raz real de In x = 0.5
a)

4.6

Grficamente b) Usando el mtodo de biseccin con tres iteraciones y valores iniciales x) = 1 y x, = 2. c) Usando el mtodo dela regla falsa con tres iteraciones y los mismos valores iniciales del inciso anterior. Determnese la raz real de:

4.7

f(x)

1 -0.6~
=
X

..

a) Analticamente b) Grficamente C) Usando el mtodo dela regla falsa con tres iteraciones y valores iniciales de 1.5 y de 2.0. Calclese el error aproximado E, y el error verdadero E, despus de cada iteracin.

142

MTODOS

NUMRICOS PARA INGENIEROS

4.8
4.9

E,

Encuntrese laraz cuadrada positiva de 10 usando el mtodo de la regla falsa con = 0 . 5 % . Emplense los valoresiniciales de x, = 3 y x, = 3.2. Encuntrese larazpositivams pequea dela funcin (x est dada en radianes) :

x'

sen

XI

usando el mtodo de la regla falsa. Para localizar la regin en que cae la raz, primero grafquese la funcin para valores de x entre O y 4. Realcense los clculos hasta que eo haga que se cumpla es = 1 B . Verifquese la respuesta final sustituyndola en la funcin original.

4.10 Encuntrese larazrealpositiva

de:

!(x) = x4 - 8 . 6 ~ ~ 35.51~'

464x

998.46

usando el mtodo de la regla falsa. sese una grfica para determinar los valores iniciales y realizar los clculos con e , = O. 1 % .

4.11 Determnese larazreal

f(x)
a)
= x3 -

de:

100

b) Con el mtodo de lareglafalsa

4.12 La velocidaddelparacaidista

Analticamente

con es

0.1 %

est dada por la frmula:

donde g = 980. Para un paracaidista de masa m = 75 O00 g calclese el coefic con u = 3600 cm/s en t = 6 s . sese el mtodo de ciente de rozamiento lareglafalsa paradeterminar c con es = O. 1 % .

Problemas para resolver con computadora

4.13 Vulvase a programar lafigura 4.10 de forma tal que sea ms legible al usuario.
a)

Entreotras cosas: Documntese indicando la funcinde cada seccir. b) Etiqutense las entradas y lassalidas c) Agrguese una prueba que verifique si los valores iniciales x, y x,, encierran a laraz. d ) Agrguese una prueba de verificacin para que laraz obtenida se sustituya en la ecuacin originalpara comprobar si el resultado final se ace:ca a cero.

4.14 Prubese el programa del problema 4 . 1 3 duplicando los clculos del ejemplo 4.3. 4.15 sese el programa del problema 4 . 1 3 para repetir desde el problema 4 . 1 al 4.6.

MTODOS

QUE

143

4.16 Reptanse los problemas 4 . 1 4 y 4.15 usando los programas de NUMERICOMP dis-

ponibles con el texto. sense las capacidades grficas de este programa para verificar los resultados. funciones polinomiales cualesquiera. Grafquense las funciones sobre un rango definido para obtener los lmitesinferior y superior de las races.

4.17 sense los programas de NUMERICOMP para encontrar las races reales de dos

4.18 Reptase el programa 4.17 usando dos funciones trascendentales 4.19 En este problema se usan solamente las capacidades grficas de los programas NUprogramas trazan la funcin sobre interMERICOMP disponibles con el texto. LOS

valos ms y ms pequeos para incrementar la cantidad de cifras significativasque se quieraestimar una raz. Empicese con f(x) = e-' sen (10 x). Grafquese la funcincon un rango a escala completa desde x = O hasta x = 2.5. Estmese laraz. Trcese nuevamente la funcinsobre el rango x = 0.5 a x = 1.0. Estmese la raz. Finalmente, grafquese la funcin sobre un rango de 0.6 a 0.7. Esto permite estimar laraz con dos cifras significativas. en la seccin 4 . 3 . 2 . Prubese el programa con el ejemplo 4.6.

4.20 Desarrllese un programa legible al usuario para el mtodo de la regla falsa basado 4.21 sese el programa del problema 4 . 2 0 para probar los clculos del ejemplo 4.7. Realcense corridas de 5, 10, 15 y ms iteraciones hasta que elerrorrelativo porcentual sea menor del O . 1%. Grafquense los errores relativos porcentualesapro-

ximados contra el nmero de iteraciones sobre papel semilogartmico. Interprtense los resultados.

C A P T U L OC I N C O
MTODOS ABIERTOS

En los mtodos del captulo anterior que usan intervalos, laraz se encuentra dentro del mismo, dado porun lmite inferior y otro superior. La aplicacin repetida de estos mtodos siempre genera aproximacionesms y ms cercanas ala raz. A tales mtodos se les conoce como conuergentes ya que se acercan progresivamente a laraz a medida que crece el nmero de iteraciones (Fig. 5.l a ) .

FIGURA 5.1

Esquema grfico de las diferencias fundamentales entre los mtodos que usan intervalos a) y los mtodos abiertosb) y c) en la localizacin de races. En a), que ilustra elmtodo debiseccin, la raz est registrada dentro del intervalo dodo por x, y x,. En contraste, con los mtodos abiertos, ilustrados en b) y c), se usa una frmula para proyectar xi a xi+, con un esquema iterativo. De esta manera, el mtodo puede divergir b) o converger c) rpidamente, dependiendo del punto inicial.

146

MTODOS

NUMRICOS

PARA INGENIEROS

En contraste con stos, los mtodos abiertos que se describen en este captulo, se basanenfrmulasquerequierende un solo valor x o de un par de ellos pero que no necesariamente encierran a la raz. Como tales, algunas veces diuergen o se alejan de la raz a medida que crece el nmero de iteraciones (Fig. 5.lb). Sin embargo, cuando los mtodos abiertos convergen (Fig. 5.IC),en general lo hacen mucho ms rpido que los mtodos que usan intervalos. Se empieza el anlisis de los mtodos abiertos con una versin simple que es til para ilustrar su forma general y tambin para demostrar el concepto de convergencia.

5.1

ITERACIN DE PUNTOFIJO
Como se mencion anteriormente, los mtodos abiertos emplean una frmula que predice una aproximacin a laraz.Talfrmula se puede desarrollarparalaiteracindepunto fijo, rearreglando laecuacin f(x)=O de talformaque x quede delladoizquierdo de la ecuacin:
x =

[5.11

Esta transformacin se puede llevar a cabo mediante operaciones algebraicas o simplemente agregando x a cada lado de la ecuacin original. Por ejemplo: x2-2x+3=o se puede reordenar para obtener:
x2 x=-

+3
!

mientrasquesen x = O puedetransformarseenlaformadelaecuacin (5.1)sumndole x a ambos lados para obtener: x = senx

La utilidad de la ecuacin (5.1) es que proporciona una frmula para predecir un valor de x en funcin de x. De esta manera, dada un aproximacin inicial a la raz, xi, la ecuacin (5.1) se puede usar para obtener una nueva aproximacin x i + l , expresada porlafrmulaiterativa:

Como con otras frmulas iterativas del libro, el error aproximado de esta ecuacin se puedecalcularusandoelestimador de error [Ec. (3.5)1:

MhODOS ABIERTOS

147

EJEMPLO 5.1
Iteracin de punto fijo

Enunciado del problema: sese iteracin raz de f(x) = e x x.

de punto fijo para localizar

la

Solucin: lafuncin se puede separar directamente y expresarse enla forma de ecuacin (5.2) como = e-. Empezando con un valor inicial de x,,=-O, se puede aplicar esta ecuacin iterativa y calcular:
I

Iteraci6n. i

O 1 2 3 4 5 6 7 8 9 10
I

1 .oooooo 100.0 171.8 0.367879 46.9 0.692201 38.3 0.500473 0.606244 17.4 0.545396 11.2 5.90 0.57961 2 3.48 0.5601 15 0.571 143 0.564879

1.93 1.1

1O 0 76.3 35.1 22.1 11.8 6.89 3.83 2.20 1.24 O. 705 0.399

De esta manera, cada iteracin acerca cada vez ms alvalorestimado con elvalorverdadero de laraz, o sea 0.567 143 29.

RECUADRO 5.1

Convergencia de la iteracin de punto fiio En el clculo, existe un principio llamado teorema del valor medio (seccin 3.5.2).Dice que si una funcin g ( x ) y su primera derivada son continuas sobre un intervalo a < x < b, entonces existe un valor de x = { dentro del intervalo para el que:

AI analizar la figura 5.3, se debe notar que la iteracin de punto fijo converge si en la regin de inters g ( x ) < 1. En otras palabras, la convergencia ocurre silamagnitud de la pendiente de g ( x ) es menor que la pendiente de la lnea f( x ) = x. Esta observacinse puede demostrar tericamente. Recurdese que la ecuacin aproximada es:
Xi+l

= g(xi)

[B5.1.2]
El lado derecho de esta ecuacin es la pendiente de la lnea que une a g ( a ) y g ( b ) , De esta manera, el teorema del valor medio dice que hay al menos un punto entre a y b que tiene una pendiente, denotada por S ( { ) , que es paralelaa la lnea que une g(a) con g ( b ) (Fig. 3.5). Ahora, si se hace a = xi y b = x, el lado derecho se puede expresar como: de la ecuacin (B5.1.2)

Supngase que la solucin verdadera es:

x, = S(&)
Restando estas dos ecuaciones se obtiene:
xr Xi+l

= g(xJ - g(xJ

[B5.1.1]

148

MTODOS

NUMRICOS

PARA INGENIEROS

Por consiguiente, si g ( ) < 1, entonces los errores decrecen. con cada iteracin. Si g ( ) > l , entonces los donde 4 se encuentra en alguna Parte dentro de x, Y x,. errores crecen. Ntese tambin que sila derivada es posiEste resultado se puede sustituir en la ecuacin (B5.1.2) tiva,los emores sern positivos, y por lo tanto, la solucio para obtener: iterativa ser montona (Figs. 5.3a y c). Si la derivada es [B5.1,31 negativa, entonces los errores oscilarn (Figs. 5.3b y d ) . X, - xi+1 = (X, - xi) S([) Un corolario de este anlisis demuetra que cuando Si elerrorverdaderoparalaj-simaiteracin se define como: el mtodo converge, el error es casi proporcional a y menor que el error del paso anterior. Por esta razn, la iteraEt,! = x, - xi cin de punto fijo se dice que es linealmente conuergente.
S k r ) - g(xJ =
(xr

- Xi) g ( 8

<

entonces la ecuacin (B5.1.3) se convierte en:

Et,i+l

= S(()

Et,

5.1.1

Convergencia

Ntese que el error relativo exacto en cada iteracin del ejemplo 5.1 es casi proporcional (por un factor de 0.5 a 0.6) al error de la iteracin anterior. Esta propiedad, conocida como convergencia lineal, es caracterstica de la iteracin de punto fijo. En el recuadro 5.1 se presenta una base terica para esta observacin.

FIGURA 5.2

Dos mtodos grficos alternativos paro determinar la raz de f(x) = e -x. a) Raz en el punto donde sta cruza aleje x ; b) raz en la interseccin de las funciones componentes.

METODOS

ABIERTOS

149

Adems de la velocidad de convergencia, se debe hacer hincapi en este momento sobre laposibilidad de convergencia. Los conceptos de convergencia y de divergencia se pueden ilustrar grficamente. Recurdese que enla seccin 4.1 se grafic una funcin para visualizar su estructuray su comportamiento (Ej. 4.1). Esta funcin se vuel5.2a. Un planteamientogrficodiferente es el ve a graficarenlafigura desepararlaecuacin f ( x ) = O endospartes, como en:
flk)

= f2 (x)

Entonces las dos ecuaciones:

Y1

=fl(4

r5.31

Y
Y2

= f2 (x)

P.41

se pueden graficar por separado (Fig. 5.2b). Los valores de x correspondientes a las intersecciones de estas funciones representan las races de f(x) = o.

EJEMPLO 5.2 El mtodo grfico de dos

curvas

Enunciado del problema: seprese la ecuacin e x tes y determnese suraz grficamente.

-x

= O en dos par-

Solucin: reformlese la ecuacin como yl = x y y 2 = e -. Calclense los siguientes valores:

X

Y1
0.0 0.2 0.4 0.6 0.8

Y2

0.0 0.2 0.4 0.6 0.8 1 .o

1 .o

1.O00 0.819 0.670 0.549 0.449 0.368

Estos puntos se grfican en la figura 5.2b. La interseccin de las dos curx = 0.57, que correspondeal punto donde vas indica una aproximacin de cruzaal eje x. la curvaoriginal en lafigura 5 . 2 ~

150

METODOS NUMERICOS

PARA INGENIEROS

El mtodo de las dos curvas se puede usar ahora para ilustrar laconvergencia y divergencia de la iteracin de punto fijo. Enprimerlugar,la ecuacin (5.1) se puede expresar como un par de ecuaciones: y , = x y y2= g (x). Estas dos ecuaciones se pueden graficar por separado. Tal fue el caso de las ecuaciones (5.3) y (5.4) las races de f ( x ) = O sonigualesalvalordela abscisa enla interseccin de las dos curvas. Enlafigura 5.3 se graficanlafuncin y , = x y cuatro esquemas diferentesde la funcin y2= g(x).

FIGURA 5.3

Esquema grfico de la convergencia a) y b) y la divergencia c) y d) de la iteracin de punto fino. A las grafips a) y c) seles conoce como patrones montonos, mientras que a b) y d) se les conoce.como patrones oscilatorios o en espiral. Ntese que la convergencia se obtiene cuando 1 g(x) 1 < 1.

_ _ I _ _

_LI_I_-^. .

MnODOS ABIERTOS

lb1

Enelprimer caso (Fig. 5 . 3 ~ 4el , valorinicial x, se usa para determinar el punto correspondiente a la curva yz, [xg, g(xo)]. El punto [x1, xl] se encuentra moviendo la curva y1 a la izquierda y horizontalmente. Estos movimientos son equivalentes a la primera iteracin del mtodo de punto fijo:

De esta manera, en la ecuacin y en la grfica se usa un valor inicial x. para obtener la aproximacin xI. La siguiente iteracin consiste en moverse al punto [xl,g (xl)]b despus a [x2, x2]. Esta iteracin es equivalente a la ecuacin:

x se acerca ms a laraz con cada iteracin. Lo mismo se cumple para

La solucin en la figura

5.3a es convergente ya que la aproximacin de

la figura 5.3b. Sin embargo, ste no es el caso para las figuras 5 . 3 y ~d , en donde las iteraciones divergen de la raz. Ntese que la convergencia ocurre nicamente cuando el valor de la pendiente de y2 = g ( x ) es menor alvalor de la pendiente de yI = x, esto es, cuando 19' ( x ) I c 1. En el recuadro 5.1 se presenta una derivacin terica de este resultado.

5.1.2

Programaparalaiteracin

de punto fijo

El algoritmo para la computadora de la iteracin de punto fijo es extremadamente simple. Consiste en un ciclo que calcula iterativamente nuevas aproximaciones junto con una declaracin lgica que determina cuando se hacumplidoelcriterio de paro.

FORTRAN
f

BASIC
1X I I I

,
= ES THEN 210

lFunc16n a la que se desea calcular la raizl

Ill I N P U rX R . E S . 1213 F O R NI = 1 TU In 130 XN = F N F C X R ) 140 I F XN = 0, THEN 170 150 E A = AB5 ( I X N XR) I XN) e .
160 I F E A \ 1.70 XR = XN 180 NEXT N I I90 P R I N T "NO 200 N NII

ES = errorporcentualaceptable

1W

I70 1 so
2
a10

IM = niu tm e m r d a e a e x r cm o lo on e s XN = aproximact6n a laraz EA = aproximaci6n porcentual del

error (prueba de

210
URITE~6.3?XN,EA,NI F O R M h, TZ CF' I 0 . 3 , I S f

220

PRINT XN.EA.NI END

SE

ENCONTRO L A R A I L "

STOP
END

FIGURA 5.4

Programa parala iteracin de punto fijo. Ntese general es similar al de los mtodos abiertos.

que este algoritmo

152

METODOS NUMERICOS PARA INGENIEROS

En la figura 5.4 se presentan los programas en FORTRAN Y BASIC para el algoritmo. Se pueden programar de manera similar otros mtodos abiertos, simplemente cambiando la frmula iterativa (declaracin 130).

5.2 MTODO

DE NEWTON-RAPHSON

Tal vez, dentro de las frmulas paralocalizar races, la frmula de NewtonRaphson (Fig. 5.5), sea la ms ampliamente usada. Si el valor inicial de el punto la raz-es x,, entonces se puede extender una tangente desde [x;, f (xi)].El punto donde esta tangente cruza al eje x representa una aproximacin mejorada a la raz. El mtodo de Newton-Raphson se puede derivar geomtricamente (una forma de hacerlo es mediante el uso de la serie de Taylor, descrita en el recuadro 5.2). Como en la figura 5.5, la primera derivada en x es equivalente a la pendiente.

que se puede reordenar para obtener:

a la que se conoce como frmula de Newton-Raphson.

FIGURA 5.5

Esquema grfico del mtodo de Newton-Raphson. Se extrapola una tangente a la funcin enel punto xi [esto es, f'(x;)] hasta el eje x para obtener una estimacin de la raz en x, + !.

_ l _ _ l

~~.~
~

METODOS ABIERTOS

153

EJEMPLO 5.3
Mtodo de Newton-Raphson

Enunciadodelproblema:seseelmtododeNewton-Raphsonpara - x empleando elvalorinicialde x. = O. calcular laraz de e

"x

Solucin: laprimeraderivada de lafuncin se puede evaluar como:

f'(x) = -e-x
-

que se puede sustituir, junto con la funcin original en la ecuacin (5.6) para dar:
p i

Xi+l

=x i -

-e-x'

xi -

h
J ,

Empezando con el valor inicial x . = O , se puede aplicar la ecuacin iterativa para calcular:

1O0

0.500000000 0.566311003 0.56714 3 165 0.567143290

11.8 0.147 0.0000220

<10

De esta manera, el planteamiento converge rpidamente a laraz real. Ntese que el error relativo en cada iteracin decrece mucho ms rpido que como lo hace la iteracin de punto fijo (comprese con el ejemplo 5.1).

5.2.1

Criterios de paro y estimacin de errores

Como con los otros mtodos de localizacin de races, la ecuacin (3.5) se puede usar como un criterio de paro. Adems, la derivacin del mtodocon la seriedeTaylor(recuadro 5.2) proporciona un conocimiento terico relacionado con la velocidad de convergencia expresado como: Ei+ = O (Ei*).De esta forma, el error debe ser casi proporcional al cuadrado del error anterior.En otras palabras, el nmero de cifras significativas se duplica aproximadamenteen cada iteracin. Este comportamiento se examina enel siguiente ejemplo.

154

METODOS

NUMERICOS

PARA INGENIEROS

RECUADRO 5.2

Derivacin y anlisis del error del mtodo de Newton-Raphson a partir de la serie de Taylor

Adems de la derivacin geomtrica [ecuaciones (5.5) y (5.6)], el mtodo de Newton-Raphson se puede derivar tambin con uso el de la serie Taylor. Esta derivacin alternativa es muy til en el sentido de que muestra la Denetracin en la velocidad de convergencia del mtodo. Recurdese delcaptulo 3 que la serie de Taylor se puede representar como:

0 = f (Xi) + f '(Xi)

(xr

- Xi)
[B5.2.3]

"(O (xr - X,)' +f 2

(85.2.3) para obtener:

L~ ecuacin (B5.2.2) se puede restar de la ecuacin

"(47 +f (x~+I - X)' [B5.2.1] 2

en donde t: se encuentraen parte de1intervalo entre xiy x i + ,. Truncando la serie de Taylor despus de la primera derivada, se obtiene unaversin aproximada:
Ahora, notando que el

[B5.2.4]
es igual a la diferencia entre

xi+l y elvalor real, x, como en:

Ev.i+l=xr"xi+l
y la ecuacin (B5.2.4) se puede expresar como:

f (Xi+l) -- f (Xi)

+ f '(Xi)(X+l

Xi)

En la interseccin con el eje x,f(xi+,) debe ser igual a cero, o:

0 = f (Xi)

+ f '(Xi)(Xi+l

Xi)

[B5.2.2]
L

[B5.2.5]
Si se supone que hay convergencia, entonces xi y t: se , , y la ecuacin (B5.2.5) se deberan aproximar a la raz x

que se puede resolver para:

que es idntica a la ecuacin (5.6). De esta forma, se ha derivado el mtodo de Newton-Raphson usando la serie de Taylor. Adems de la derivacin, la serie de Taylor se puede usar para estimar el error de la frmula. Esto se puede lograr alutilizar todos los trminos de la ecuacin B5.2.1 =x , , en con el resultado exacto. Por esta situacin xi+l donde x, es el valor exacto de la raz. Sustituyendo este ( x , ) = O en la ecuacin (B5.2.1)se valor, junto con f obtiene:

puede reordenar para obtener:

[B5.2.6]
De acuerdo a la ecuaci6n (B5.2.6) el errores casi proporcional al cuadrado del error anterior. Esto significa que el nmero de cifras decimales correctas se duplica aproximadamente en cada iteracin. A este comportamiento se le llama conoergencia cuadrfica. El ejemplo 5 . 4 ilustra esta propiedad.

EJEMPLO 5.4
Anlisis de error en el mtodo de Newton-Raphson

Enunciado del problema: como se dedujo en el recuadro 5.2, el mtodo d e Newton-Raphson es convergente cuadrticamente. Esto es, el error es aproximadamente proporcional al cuadrado del error anterior, dado por:
CE5.4.11

MTODOS ABIERTOS

1 SS

Examnese esta frmula y vase si es aplicable a los resultados del ejemplo 5.3. Solucin: la primera derivada
f (x) =

de !(x) = e

es:

e -1
x,= 0.567

que se puedeevaluaren f(0.567 143 29)

fff(x) = e-x
=

143 29 para dar:

29

-1.567 143

La segunda derivada es: que se puede evaluar, para obtener: f(0.567 143 29)
=

0.567 143 29

Estos resultadosse pueden sustituir en la ecuacin (E5.4.1) para obtener:

EV , l + l =O
, , i t 1-

0.567 143 29 Z(1.567 143 29)

Ev,i2

- 0.180 95 E,,i2
0.18095(0.56714329)2 0.180 95(0.06714329)2
=

Del ejemplo 5.3, el error inicial fue de Et,0= 0.567 143 29, que se puede sustituirenla ecuacin del error para obtener:
E,,l

0.058 2 0.000 815 8

que se acerca al error real de = 0.067 143 29. En la siguiente iteracin:

Ev,2
=

que tambin se compara favorablemente con el error real de 0.000 832 3. Enla tercera iteracin:
= 0.180 95(0.000 832
=

0.000 O00 125

que es exactamente el error obtenido en el ejemplo 5.3. La estimacin del error mejora de esta manera ya que est ms cercano a la raz, xi y 4 se aproximan mejor mediante x, [recurdese la suposicin manejada al derivar la ecuacin (B5.2.6) a partir de la ecuacin (B5.2.5), en el recuadro 5.21. Finalmente:
Eu,4=

0.180 95(0.000 O00 125)2 = 2.83

De esta manera este ejemplo ilustra que el error en el mtodo de NewtonRaphson es en este caso, de hecho, casi proporcional (por un factor de O. 180 95) al cuadrado del error en la iteracin anterior.

156

MTODOS N U M R I C O S PARA INGENIEROS

5.2.2

Desventajas del mtodo

de Newton-Raphson

Aunque el mtodo de Newton-Raphson en general es muy eficiente, hay situaciones en que se porta deficientemente. Un caso especial -races mltiples- se analiza al final del captulo. Sin embargo, aun cuando se trate de races simples, se encuentran dificultades, como en el siguiente ejemplo.

EJEMPLO 5.5
Ejemplo de una funcin que converge lentamente con el mtodo de Newton-Raphson

Enunciado del problema: determnese la raz positiva de f ( x ) = x10 - 1 usando e l mtodo de Newton-Raphson con un valor inicial de x = 0.5. Solucin: la frmula del mtodo de Newton-Raphson es en este caso:

que se puede usar para calcular:

0.5

2 3
4

51.65 46.485 41.8365 37.65285 33,887565

De esta forma, despus de la primera prediccin deficiente, el mtodo converge a laraz 1, pero con una velocidad muy lenta.

Adems de la convergencia lenta, debida a la naturaleza de la funcin, se puedenoriginar otras dificutades,como se ilustra en la figura 5.6. Por ejemplo, la figura 5.6a muestra el caso donde un punto de inflexin -esto es, f ' ( x ) = 0- ocurre en la vecindad de una raz. Ntese que las iteraciones que empiezan en x divergen progresivamente de la raz. En la figura 5.6b se ilustra la tendencia del mtodo de Newton-Raphson a oscilar alrededor de un punto mnimo o mximo local. Tales oscilaciones persisten, o, como en la figura 5.6b, se alcanza una pendiente cercana a cero, despus de lo cual la solucin se aleja del rea de inter&. En la figura 5.6c, se ilustra como un valor inicial cercano a una raz puede sal-

METODOS ABIERTOS

157

tar a una posicin varias races lejos. Esta tendencia de alejarse del rea de inters se debe a que se encuentran pendientes cercanas a cero. Obviamente, unapendiente cero Lf'(x) = O] es un realdesastrequecausa

158

METODOS NUM~RICOS PARA INGENIEROS

una divisin por cero en la frmula de Newton-Raphson [Ec. (5.6)] Grficamente (Fig. 5.6d), esto significa que la solucin se dispara horizontalmente y jam& toca al eje x. La nica solucin en estos casos es la de tenerun valor inicial cercano a la raz. Este conocimiento, de hecho, lo proporciona el conocimiento fsico del problema o mediante el uso de herramientas tales como las grficas que proporcionan mayor claridad en el comportamiento de la solucin. Esto sugiere tambiOn que se deben disear programas eficientes que reconozcan la convergencia lenta o la divergencia. La siguiente seccin est enfocada hacia estos temas.

5.2.3

Programa para

el mtodo de Newton-Raphson

Con slo sustituir la lnea 130 de la figura 5.4, se obtiene el mtodo de Newton-Raphson. Ntese, sin embargo, que el programa se debe tambin modificar para calcular la derivada. Esto se puede llevar a cabo simplemente incluyendo una funcin definida por el usuario. Adems, de acuerdo a las discusiones anteriores sobrelos problemas potenciales del mtodo de Newton-Raphson,el programa se debe modificar incorporndole algunos rasgos adicionales:

1.Si es posible, se debe incluir una rutina de graficacin dentro del programa.

2.A1 final de los clculos, la aproximacin a la raz siempre se debe sustituir en la funcin original para calcular en qu casos el resultado se acerca a cero. Esta prueba protege contraaqullos casos donde se observa convergencia lenta u oscilatoria, la cual puede llevar a valores pequeos de E,, mientras que la solucin puede estar an muy lejos de una raz.
3. El programa siempre debe incluir un lmite m6ximo sobre el nmero permitido de iteraciones para estar prevenidos contra las oscilaciones y la convergencia lenta, o las soluciones divergentespersistirn interminablemente.

5.3 MTODO

DE LA SECANTE

Un problema fuerte en la implementacin del mtodo deNewton-Raphson un inconvenienes el de la evaluacin de la derivada. Aunque esto no es existen algunas de te para los polinomios y para muchas otras funciones, stas cuyas derivadas pueden ser extremadam-ente difciles de evaluar. En estos casos, la derivada se puede aproximar mediante una diferencia divida, como (Fig. 5.7):

METODOS ABIERTOS

159

FIGURA 5.7

Esquemagrfico del mtodode la secante. Esta tcnica es similar a la del mtodo de Newton-Raphson (Fig. 5.5) en el sentido de que una aproximacin a la raz se calcula extrapolando una tangente de la funcin hasta el eje x . Sin embargo, el mtodo de la secante usa una diferencia en vez de la derivada para aproximar la pendiente.

Esta aproximacin se puede sustituir en la ecuacin (5.6) obteniendo la ecuaciniterativa:

La ecuacin (5.7)es la frmula para el mtodo de la secante. Ntese que el planteamiento requiere de dos puntos iniciales de x. Sin embargo, debido a que no se requiere que f(x) cambie de signo entre estos valores, a este mtodo no se le clasifica como aquellos que usanintervalos.

EJEMPLO 5.6 EL mtodo de

la secante

Enunciado del problema: sese el mtodo de la secante para calcular la raz de f ( x ) = e-x - x. Empicese con los valoresinicialesde x-1 = o y x0 = 1.0.

160

METODOS NUMERICOS PARA INGENIEROS

Solucin: recurdeseque laraz reales 0.567 143 29 . Primera iteracin:

x1=1-

"0.632 12(0 - 1) 1 "("0.63212)

0.612 70

/,I

8.08

Segunda iteracin:
x0 =

f(xo)

x1

0.612 70

-0.632 12 f(x1) = -0.070 81

(Ntese que las dos aproximaciones se encuentran del mismo lado que la raz.)
x2 =

0.612 7 0 0.58%

"0.070 81 (1-0.612 70) -0.632 12 - (-0.070 81)

\

0.563 84

(E,( =

Terceraiteracin:
x 1
=

x2 =

0.61270 0.563 84 0.563 84

f(x1) = -0.070 81
f(x2) =

x3 =

0.005 18 0.005 18 (0.612 70-0.563) 84 "0.070 81 - (0.005 18)

0.567 17

IE, /

0.0048%

5.3.1

Diferencias entre los mtodos de

la secante y de la regla falsa

Ntese la similitud entre los mtodos de la secante y de la regla falsa. Por ejemplo, las ecuaciones (5.7) y (4.4)son idnticas trmino a trmino. Ambas usan dos estimaciones iniciales, para calcular una aproximacin a la pendiente de la funcin que se usa para proyectar hacia eleje x una nueva aproximacin a la raz. Sin embargo, existe una diferencia crtica entre ambos mtodos y sta estriba en la forma en que uno de los valores iniciales se reemplaza porla nueva aproximacin.Recurdese que en el mtodo de la regla falsa, la Gltima aproximacin de la raz reemplaza a aquel valor cuya funcin tena el mismo signo de f ( x l ) .En consecuencia, las

METODOS

ABIERTOS

161

dos aproximaciones siempre encierran a laraz. Por lo tanto, en todos los casos prcticos, el mtodo siempre convergeya que la raz se encuentra dentro del intervalo. En contraste, el mdtodo de la secante reemplaza los valores en una secuencia estricta, con el nuevo valor xi+lse reemplaza a xi y xi reemplaza a xi-l. Como resultado de sto, los dos valores pueden caer de un mismo lado de la raz. En algunos casos, sto puede provocar divergencia.

Comparacin de la convergencia en los mtodos de la secante y la regla falsa.

EJEMPLO 5.7

Enunciado del problema: sense los mtodos de la secante y de la regla falsa para calcular la raz de f(x) = In x. Hganse los clculos con los valores iniciales x/= xi- l . 0.5 y x, = xi= 5.0. Solucin: enel mtodo de la regla falsa, usando la ecuacin (4.4)y los criterios de obtencin de la raz en el intervalo mediante el reemplazo de los valores correspondientes en cada aproximacin, se generan las siguientes iteraciones:
I

lteraciin

XI

XU

x,

1 2
3

9.5

es es

5.8 1.8546 1.2163

1.8546 1.2163 1 .@585

Como se puede ver (Figs. 5.8a y c), las aproximaciones convergen a la raz real = 1. En el mtodo de la secante usando la ecuacin (5.7) y el criterio secuencial para reemplazar las aproximaciones se obtiene:

1 2

0.5 5.8

5.@ 1.8546

1.8546 -4.18438

Como se muestraenlafigura divergente.

5.8d, el comportamiento del mtodo es

162

METODOS NUMERICOS

PARA INGENIEROS

FIGURA 5.8

Comparacin entre los mtodos de la regla falsa y de la secante. Las primeras iteracionesa) y b) de ambos mtodosson idnticas. Sin embargo, en las segundas c) y d), los puntos usados son diferentes. En consecuncia, el mtodo de lasecante puede divergir, como lo muestra dl.

Aunque el mtodo de la secante sea divergente en algunos casos, cuando converge lo hace ms rpido que el mtodo de la regla falsa. Por ejemplo, en la figura 5.9, que se basa en los ejemplos 4.3, 4.6, 5.3 y 5.6, se muestra la superioridad del mtodode la secante. La inferioridad del mtodo de la regla falsa ;e debe a que un extremo permanece fijo y de esta manera mantiene a laraz dentrodelintevalo.Esta propiedad, que es una ventaja porque previene la divergencia, es una desventaja en relacin a la velocidad de convergencia; esto hace que la aproximacin con diferencias divididas sea menos exacta que la derivada.

5.3.2 Programa para el mtodo de

la

secante

Como con los otros mtodos abiertos, se obtiene un programa del mtodo de la secante simplemente modificando la lnea 110, de tal forma que se puedan introducir dos valores inicialesy sustituyendo la ecuacin (5.7) enlalnea 130 de lafigura 5.4.

METODOS ABIERTOS

163

FIGURA 5.9

Comparacin de los errores relativos porcentuales t y para cada uno de los mtodos en la determinacin de las races de f(x) = e - x - x.

Adems, las opciones sugeridas en la seccin 5.2.3 para el mtodo de Newton-Raphson se pueden aplicar al programa de la secante para obtener tales ventajas.

5.4 RACES MLTI PLES

Una raiz mltiple corresponde a un punto donde una funcin es tangencia1al eje x. Por ejemplo, dos races repetidas resultan de:
f ( x ) = (x - 3)(x - l)(x - 1)

o, multiplicando trminos,

f ( x ) = x3

- 5x2

+ 7x - 3

L a ecuacin tiene una raz doble porque un valor de x anula dos trminos de la ecuacin (5.8).Grficamente, esto significa que la curva toca

164

MTODOS

NUMERICOS PARA INGENIEROS

tangencialmente al eje x enlaraz doble. Vase la figura 5 . 1 0 ~ en x = 1. Ntese que lafuncin toca al eje pero no locruzaenlaraz. Una raiz triple corresponde al caso en que un valor de x se anula en tres trminos de la ecuacin, como en:
f(x) = (x - 3)(x - l)(x - l)(x - 1)

o , multiplicando,
)(X)

= x 4 - 6x3

+ 1 2 ~' 1 0+ ~3

Ntese que el esquema grfico (Fig. 5.10bJ indica otra vez que la funcin es tangencia1al eje enlaraz pero que en este caso s cruzael eje. En general, la multiplicidad impar de races cruza el eje, mientras que la multiplicidad par no lo cruza. Por ejemplo, la raz cudruple en la figura 5 . 1 0 ~ nocruzael eje. Las races mltiples ofrecen ciertas dificultades a los mtodos numricos expuestos enla parte 11:

l. El hecho de que la funcin no cambia de signo en una raz de multi-

plicidad par impide el uso de los mtodos confiables que usan intervalos, discutidosenelcaptulo 4. De esta manera, de los mtodos incluidos en este texto, los abiertos tienen la limitacin de que puedendivergir.

FIGURA 5.10
Ejemplos de races mltiples tangentes al eje X. Ntesequelafuncin no cruza el eje en casos de mu!tiplicidad par a) y c), mientras que para multiplicidad impar s lo hace b).

2. Otro posible problema se relaciona con el hecho de que no slo f(x) se aproxima a cero. Estos problemas afectana los mtodos de NewtonRaphson y al de la secante, los que contienen derivadas (o aproximaciones a ella) en el denominador de sus respectivas frmulas. Esto provocara una divisin entre cero cuando la solucin se acerque a la raz. Unaformasimpledeevitar estos problemas, que se ha demostrado tericamente (Ralstony Rabinowitz, 1978), se basa en el hecho de que f(x). Por lo tanto, si se verifica f l x ) contra cero, dentro del programa, f'(x) llegue a cero. entonces los clculos se pueden terminar antes de que
3. Se puede demostrar que el mtodo de Newton-Raphson y el de Id secante convergenen forma lineal, en vez de manera cuadrtica,cuando hay races mltiples (Raltsony Rabinowitz, 1978). Sehan propuesto y Rabinoalgunas modificaciones para aliviar este problema. Ralston witz (1978) proponen que se haga un pequeo cambio en la formulacin para que retorne su convergencia cuadrtica, como:

xi+l= xi

m-

en donde m es la multiplicidad de laraz (esto es, m = 2 parauna raz doble, m = 3 para una raz triple, etc.). De hecho, puede resultar insatisfactorio porque presupone el conocimiento de la multiplicidad delas races.

f (x,1 f '(Xi)

METODOS ABIERTOS

165

Otra alternativa, tambin sugerida por Ralston y Rabinowitz (1978), es la de definir una nueva funcin u(x), que es el cociente de la funcin y su derivada, esto es:
[5.10]

Se puede demostrar que esta funcin tiene races en las mismas posiciosustines que la funcin original. Por lo tanto, la ecuacin (5.10) se puede tuir en la ecuacin (5.6)y de esta forma desarrollar una forma alternativa del mtodo de Newton-Raphson:
[5.11J

Se puede derivar la ecuacin (5.10),obteniendo:

[5.12]

Se pueden sustituir las ecuaciones (5.10)y (5.12) en la ecuacin (5.11)

[5.13]

Mtodo de Newton-Raphson modificado para el clculo de races mltiples.

EJEMPLO 5.8

Enunciado del problema: senselos dos mtodos, el estndar y el modificado de Newton-Raphson para evaluar la raz mltiple de la ecuacin (5.9), con un valor inicial de xo= O. Solucin: la primera derivada de la ecuacin (5.9) esf(x) = 3x2 - lox + 7, y por lo tanto, el mtodo de Newton-Raphson para este problema [Ec. (5.6)]es:
Xi+l

x, -

xi3 - 5Xi2 + 7xi - 3 3xi* - loxi + 7

que se puede resolver iterativamente para obtener:

166

MTODOS

NUMRICOS PARA INGENIEROS

Xi

1I

Ojo

1 O0

1 2 3 4 5 6

0.428571 57 429 0.68571 4286 31 0.832865400 17 3328983 0.91 0.955783293 4.4 0.977655101 2.2

8.7

Como ya se haba anticipado, el mtodo converge linealmente hasta el valor verdadero de 1 .O. Para el caso delmtodomodificado,lasegundaderivada es f ( x ) = 60 x - 10, y larelaciniterativa es[Ec. (5.13)]:
Xi+l

= xi -

+ 7xi - 3) (3Xi2 - loxi + 7) (3xi2 - lOxi + 7)2 - (xi3 - 5xi2 + 7x, - 3) (6xi - 10)
(Xi3

- 5xi2

que se puede resolver para obtener:

i
xi

lkl
1 O0 11 0.3 1 0.00024

1 2 3

l . 105263158 1.003081 664 1 .O00002382

De esta forma, el mtodo modificado converge cuadrticamente.Se puedenusarambosmtodosparabuscar larazsimpleen x = 3. Usando un valorinicial de xo= 4 se obtienen los siguientes resultados:
i
Estndar,
4
cy

Modificado l

t ~ l

1 2 3
4 5

(33%) 3.4 (13%) 3 . 1 (3.3%) 3.008 695 652 (0.29%) 3.000 074 641 (2.5 X 3.000000 O06 (2x

4 ( 3 3 % ) 2.636 363 2.820 224 211 2.961 728 2.998 478 2.999 997

(1 637 2%) (6.0%) 720 (1.3%) 719 %) (0.051 682X (7.7

De esta forma, ambos mtodos convergen rpidamente, siendo el mtodo estndar ms eficiente.

METODOS

ABIERTOS

167

El ejemplo anterior ilustra los factores de mayor importancia involucrados al escoger el mtodo de Newton modificado. Aunque es preferible y requiere ms esen races mltiples, algunas veces es menos eficiente fuerzo computacional que el mtodo estndar parael caso de races simples. Se debe notar que se puede desarrollar una versin modificada del mtodo de la secante para races mltiples sustituyendola ecuacin (5.10) en la ecuacin (5.7). La frmula resultante es (Ralston y Rabinowitz,1978):

PROBLEMAS
Clculos a mano
5.1

sese el mtodo de Newton-Raphson para determinar la raz mayor

de:

f(x) = - 0 . 8 7 5 ~ +~1 . 7 5 ~ + 2.625

Emplese un valor inicial de xi = 3 . l. Realcese los clculos hasta que E , , sea menordel E, = 0.01% . Tambin verifquense los errores enla respuesta final. 5.2 Determnense las races reales de:

f(x) = -2.1
a)

+ 6.21~ -3

. 9+ ~0 ~. 6 6 7 ~ ~

b) Usando el mtodo de Newton-Raphson hasta que

5.3

Grficamente

0.01%
de:

Emplese el mtodo de Newton-Raphson para determinar las races reales

!(X)

= -23.33

+ 79.35~ - 88.09~ -k ~ 41.6~ -~ 8.68+ ~~ 0.658~~

usando el valor inicial de a) xi= 3.5; b) x = 4.0 y c) x,= 4.5. Prubense y sense los mtodos grficos para explicar cualquier peculiaridad en los resultados. 5.4 Determnese la raz real menor de:

f(x) = 9.36 - 21.963~ + 16.2965~ -~ 3.70377~~

b) Usando el mtodo de la secante, hasta un valorde es, correspondiente a tres
a) Grficamentg

cifrassignificativas. 5.5

Localcese la raz positiva

f(x) = 0 . 5 ~ sen x

de:

168

MTODOS

NUMERICOS PARA INGENIEROS

donde x est dada en radianes. Usese un mtodo grfico y despus calclese tres iteracionesconelmtodo de Newton-Raphsoncon un valorinicial de xi= 2.0 para calcular laraz. Reptanse los clculos pero con un valorinicial de x i = 1.0. sese el mtodo grfico para explicar los resultados.
5.6

Encuntrese larazrealpositiva

de:

f(x) = x4 - 8 . 6 ~3~ 5.51~ +~ 464~ -- 998.46

usando el mtodo de la secante. Emplense los valores iniciales de xi., = 7 y xi= S y calclense cuatro iteraciones. Calclese E, e interprtense los resultados.
5.7

Realcense los mismos clculos del problema 5.6 pero usando el mtodo de NewtonRaphson, con un valorinicial de x,= 7 . Encuntrese laraz cuadrada positiva de 10 usando tres iteraciones con: a) El mtodo de Newton-Raphson, con un valorinicialde xi= 3. b) El mtodo de la secante, con valores iniciales de = 3 y x,=3.2. Determnese larazreal de:

5.8

5.9

f(x)

1- 0 . 6 ~
X

usando tres iteraciones y el mtodo de la secante con valores iniciales xi., - 1.5 y xi = 2.0. Calclese el error aproximado E, despus de la segunda y la tercera iteracin. 5.10 Determnese larazreal de:

!(x)

= x3

- 100
0. 1% .

con el mtodo dela secante, con es=

5.11

Determnese larazrealmayor

de:

x3 - 6x2 + l l x - 6
a) Grficamente b) Usandoel mtodo de biseccin (dos iteraciones, XI= 2.5 y X = , 3.6). C) Usandoel mtodo de lareglafalsa (dos iteraciones, X/= 2.5 Y X = , 3.6). d) UsandoelmtododeNewton-Raphson(dos iteraciones, x i = 3.61. e) Usando el mtodo de la secante (dos iteraciones, x;-l= 2.5 y X,= 3.6).

5.12

sese el mtodo de Newton-Raphson para determinar todas las races de :(x) = x2+ 5.78 x - 11.4504 con e,= 0.001%. Determnese larazrealms pequea de:

5.13

!(x) = 9.36 - 2 1 . 9 6 3 ~+ 16.296 5x2 - 3.703 77x3

MTODOS

ABIERTOS

169

a) Grficamente b) Usando el mtodo c) Usando el mtodo d) Usando el mtodo e) Usando el mtodo

de biseccin (dos iteraciones, x,= 0 . 5 y xu= 1.1). de la raglafalsa (dos iteraciones, x,= 0 . 5 y x,= 1.1). de Newton-Raphson (dos iteraciones, xi= 0.5). de la secante (dos iteraciones, xi-,= 0 . 5 y xi= 1.1). realms pequea de:

5.14 Determnese la raz positiva

f ( x ) = 4X4 - 2 4 . 8 ~ +~ 57.04~' - 5 6 . 7 6 ~ + 20.57

a) Grficamente b ) Usando el mtodo disponiblems eficiente. Emplense los valores'inicia= 0 . 5 y x, = x, = 1.5 y realcense los clculos hasta que les de x, = x , . ~ E,= 15%

5.15

Determnense las races de

!(X) =

x3

-3 . 2 ~ -~ 1.92~ + 9.216
0.1%

a) Grficamente b) Usando el mtodo disponiblems eficiente con E,=

5.16 Reptase el problema 4 . 1 2 , pero usando el mtodo de Newton-Raphson 5.17 Reptase el problema 4 . 1 2 , pero usando el mtodo de la secante.

Problemas relacionados con la computadora

5.18 Desarrllese un programaparael mtodo de Newton-Raphson basado en la figura 5.4 y en la seccin 5.2.3. Prubese el programa duplicando los cSlculos del ejemplo 5 . 3 5.19 sese elprogramadesarrolladoenelproblema 5.18 y duplquense los clculos del ejemplo 5.5. Determnese laraz usando un valorinicial de xi= 0.5. Realcense 5, 10, 15 o ms iteraciones hasta que el errorrelativo porcentual exacto sea menor del O. 1 B. Grafquense los errores relativos porcentuales exacto y aproximado contra el nlirnero de iteraciones sobre papel semilogartmico. Interprtense los resultados. 5.20 sese el programa desarrollado en el problema 5.18 para resolver los problemas 5.1 al 5.5. En todos los casos, realcense los clculos dentro de la tolerancia de E S = 0.001%. 5.21
y en la seccin 5.3.2. Prubese el programa duplicando los clculos del ejemplo

Desarrllese un programa para el mtodo de la secante basado en lafigura 5.4 5.6.

5.22 sese el programa desarrollado enelproblema 5.21 para resolver los problemas 5.6, 5.9 y 5.10. En todos los casos, realcense los clculos dentro de la tolerancia de es= 0.001%.

CAPTULO SEIS CASOS DE LA PARTE DOS: RACES DE ECUACIONES

La finalidad de este captulo es la de usar los procedimientos numricos analizados en los captulos 4 y 5 para resolver problemas reales de ingeniera. Los mtodos numricos son importantes en la prctica ya que frecuentemente los ingenierosencuentranproblemasqueno se pueden plantear desde un punto de vista analtico. Por ejemplo, algunos modelos matemticos quese pueden resolver analticamente no son aplicables en los problemas prcticos. Debido a esto, se deben usar modelos ms complicados. En estos casos, es conveniente implementar un mtodo numrico que se pueda usar en una microcomputadora.En otros casos, los problemas requerirn soluciones explcitas enecuaciones muy complicadas (recurdese la seccin 11.1.2 y el ejemplo 4.5). Los siguientes casos de estudio son una muestra de aquellos que en forma rutinaria se encuentran durante los estudios superiores o de licenciatura. MAS an, son problemas representativos de aqullos que se encontrarn en la vida profesional. Los problemas van desde la ingeniera econmica en general, hasta las especialidadesde la misma: qumica, civil, elctrica y mecnica. Estos casos deestudioilustranalgunosde los factores de ms importancia entre las tcnicas numricas. Por ejemplo, el caso 6.1 hace uso de todos los mtodos, con excepcin del mtodo de Newton-Raphson para analizar puntos de equilibrio que resulteneconmicos. El mtodo de Newton-Raphson no se us porque la funcin en an6lisis es difcil de derivar. Entre otras cosas, en el ejemplo se demuestra como puede divergir el mtodo de la secante, sielvalor inicial no se encuentra lo suficientemente cerca de laraz. El caso 6.2 tomado de la ingeniera qumica, muestra un ejemplo excelente de cmo se pueden aplicar los mtodos para la bsqueda de races de frmulas quese presentan en la prctica de la ingeniera. Adems, este ejemplo demuestra la eficiencia del mtodo de Newton-Raphsoncuando se requiere un gran nmero de clculos en la localizacin de la raz. LOS casos 6.3, 6.4 y 6 . 5 son problemas de ingeniera de diseo, tomados del rea de civil, elctrica y mecnica. El caso 6.3 aplica tres mtodos diferentes para determinar las races de un modelo de crecimiento

172

INGENIEROS METODOS

NUMRICOS PARA

demogrfico. En el cuso 6.4, se realiza un anlisis semejante de un circuito elctrico. Finalmente, el caso 6.5 analiza las vibraciones de un automvil. Adems de analizar la eficiencia de cada uno de los mtodos, este ejemplo tiene una caracterstica adicional, que es la de ilustrar cmo los mtodos grficos sirven de ayuda en el proceso de localizacin de races.

CASO 6.1

ANALISISDE PUNTO DE EQUILIBRIO

(INGENIERAENGENERAL)
Antecedentes: en la prctica de la ingeniera ptima se requiere que los proyectos, productos y la planificacin de los mismos sean enfocados de tal manera que resulten econmicos. Porlo tanto, a un ingeniero con experiencia deben serle familiares los anlisis de costos. El problema que se trata en esta seccin se conoce como problema de puntos de equilibrio. Se usa para determinar el punto en el cual dos alternativas tienen valores equivalentes. Estos problemas se encuentran en todos los campos dela ingeniera. Aunque el problema se enfoca en trminos personales, se puede tomar como prototipo de otros problemas de anlisis de puntos de equilibrio, que se encuentran a menudo en la vida profesional. Se est considerando la compra de una o dos microcomputadoras: La Micro-unoy la Micro-dos. En el cuadro 6.1 se encuentran resumidas algunas caractersticas, los costos aproximados y los beneficios de cada una de ellas. Si se puede pedir un prstamo con un inters del 20% (i = 0.20), cunto tiempo se deber poseer las mquinas, de manera que tengan un valor equivalente? En otras palabras, cul es el punto de equilibrio medido en aos? Solucin: como es comn en problemas de economa, se tiene una mezcla de costos presentes y futuros. Por ejemplo, en la figura 6.1 se muestra que la compra de la Micro-uno involucra un gasto inicial de $3 000. Adems de este desembolso, tambin se requiere dinero para el mante-

CUADRO 6. l

Costos y beneficios de dos microcomputadoras.Los signos negativos indican un costoo una perdida mientras que un signo positivo indica una ganancia COMPUTADORA Micro-dos Micro-uno
compra, Costo de $ Incremento en el mantenimiento del costo por ao, $/ao/ao Ganancias y beneficios anuales, $/ao

-3000 -200

-1 0,000

-50
4000

1000

FIGURA 6.1

Diagrama de fluio de efectivos de costos y beneficias de la Micro-uno. La abscisa muestra el nmero de aos que se posee la computadora. El fluio de efectivos se mide en lo ordenada, con los beneficios positivos y los costos negativos.

nimiento anual de la mquina. Debido a que estos costos tienden a aumentar a medida que la mquina se usa ms y ms, se supone que los Costos de mantenimiento crecen linealmente con el tiempo. Por ejemplo, alrededor del dcimoao se requieren $2 O00 anuales para mantenerla mquina en condiciones de trabajo (Fig. 6.1). Finalmente y adems de estos costos se deben deducir beneficios del propietario de la computadora. Las la Micro-uno se caracterizan por ganancias y las prestaciones derivadas de un ingresoanualconstante de $ 1 000. Para valorar las dos opciones estos costos se deben convertir en medidas comparables. Una manerade hacerlo es expresando todos los costos individuales como si fuesen pagos anuales, estoes, el costo equivalente por ao sobretoda la vida til de la computadora. Las ganancias y las prestaciones ya se encuentran en este formato. Se puede disponerde las frmulas de economa para expresar los costos de compra y de mantenimiento de la misma forma. Por ejemplo, el costo de la compra inicial se puede transformar en una serie de pagos anuales mediante la frmula (Fig. 6 . 2 ~ ) :

A, = P

i(1 + i)" (1 + i)" - 1

en donde A, es el monto del pago anual, P es el costo dela compra, i es la tasa de inters y n es el nmero de aos. Por ejemplo, el pago

174

M~TODOS NUMERICOS PARA INGENIEROS

FIGURA 6.2

Esquemagrficodel uso deunafrmuladeeconoma, a ) Tranformacin de un pago en una serie de pagos anuales equivalentes usando la ecuacin (6.1) y b) transformacin de una serie de gradiente aritmtico en una serie de pagos anuales equivalentes usando la ecuacin (6.2).

inicial de la Micro-uno es de $-3 000, en donde el signo negativo indica prdidas. Si la tasa de inters es del 20% (i = 0.2), entonces:

Ap = -3000

O.Z(l.2)"

1.2" - 1

Por ejemplo, si los pagos iniciales se extienden hasta 10 aos ( n = lo), se puede usar esta frmula para calcular que el pago anual equivalente sera de $-715.57 por ao. A los costos de mantenimiento se les conoce como serie de gradiente aritmtico porque crecen a un promedio constante. La conversin de estas series a una tasa anual A se puede calcular con la frmula:

en dondeG es la tasa de crecimiento en el mantenimiento. Como se puede ver en la figura 6.26 esta frmula transforma el costo de mantenimiento creciente en una serie equivalente de pagos anuales constantes. Estas ecuaciones se pueden combinarde forma tal que se pueda expresar el valor de cada computadora en trminos de una serie uniforme de pagos Por ejemplo, para la Micro-uno:

A,= -3 O00
valor total =

0.2(1.2)" 1.2" - 1

-200

[1
costo de

"

1.2" 0.2

- 1

+ 1 O00

-costo de compra -

mantenimiento

+ ganancias

en donde A, denota el valor anual total. Agrupando trminos, esta ecuacin se puede simplificar:

A, =

-600( 1.2)" 200n 1.2" - 1 1.2" - 1

~6.31

la, entonces sustituyendo n = 2 en la ecuacin (6.3) resultar que el costo es de$1055 por ao. Si la computadorase descarta despus de poseerla 10 aos (n = lo),la ecuacin muestra un costo de $330 por ao. De manera similar, para la Micro-dos se puede desarrollar una ecuacinparael costo anual, dadapor:

S i despus de poseer la Micro-uno durante dosaos se decide descartar-

A, =
y$

-2 OOO(1.2)" 1.2" - 1

50n 1.2" - 1

+ 3750

~6.41

Los valores de la ecuacin (6.4) para n = 2 y n = 10 sonde $-2 568 + 1461 por ao, respectivamente. De estamanera, aunque la Microdos es ms costosa en base a periodos cortos, si se posee por periodos largos, no slo es ms barata, sino que producir ganancias al propietario. En la figura 6.3a se muestran las ecuaciones (6.3) y (6.4)para varids valoresde n . La identificacin del punto enel que las dos mquinas tienen valores iguales indica cuando la Micro-dos viene a ser la mejor compra. Grficamente, esto corresponde a la interseccin de las dos curvas en la figura 6.3~1. Desde un punto de vista matemtico, el punto de equilibrio es el valor de n para el que las ecuaciones (6.3)y (6.4)son equivalentes, esto es:

-600(1.2)" 1.2" - 1

200n - -2 OOO(1.2)" 1.2" - 1 1.2" - 1

50n + 3 750 1.2" - 1

pasando todos los trminos de un lado, el problema se reduce a encontrar la raz de la funcin:

f(n) =

- 1 400( 1.2)" 1.2" - 1 -

150n 1.2" - 1

3 750 = O

~6.51

Ntese que debidoa la forma en que se ha derivado la ecuacin, la Microuno es ms efectiva en cuanto a costos cuando f (n) < O y la Micro-dos lo es cuando f (n) > O (Fig. 6.3b). Las races de la ecuacin (6.5) no se pueden determinar analticamente. Por el otro lado, los pagos anuales equivalentes son fciles de calcular dada una n. De esta forma, como en el

176

MTODOS NUMRICOS PARA INGENIEROS

FIGURA 6.3

a) Curvas del costo neto de las computadorasMicro-uno[Ec. (6.3)]y Micro-dos [Ec. (6.4)]. b) La funcin de punto de equilibrio [Ec. (6.5)J.

estudio de la seccin 11.1.2 y el ejemplo 4.5, los aspectos considerados en la elaboracin de este problema crean la necesidad de un planteamiento numrico. Las races de la ecuacin (6.5)se pueden calcular usando algunos de los mtodos numricos descritos en los captulos 4 y 5. Se pueden aplicar los mtodos que usan intervalos y el mtodo de la secante con un esfuerzo mnimo, mientrasque el mtodo de Newton-Raphson es embarazoso ya que consume muchotiempo al determinar d f / d n de la ecuacin (6.5). En base a la figura 6.3, se sabe que la raz se encuentra entre n = 2 y n = 10. Estos valores se pueden usar en el mtodo de biseccin. L a biseccin d e intervalos se puede llevar a cabo 18 veces para obtener un resultado en donde E, sea menor de 0.001%. El punto de equilibrio ocurre a los n = 3 . 2 3 aos. Este resultado se puede verificar sustituyndolo en la ecuacin (6.5) para ver que f (3.23) = O. Sustituyendo n = 3 . 2 3 ya sea en la ecuacin (6.3)o en la (6.4)se muestra que en el punto de equilibrio el costo de cualquiera de ellas es

CES

CASOS DOS:

LA PARTE

DE ECUACIONES

177

de $542 por ao. Ms all de este punto, la Micro-dos es ms efectiva en cuanto a costos. Por consiguiente, si se piensa comprar una mquina y poseerla por ms de 3.23 aos, la Micro-dos es la mejor compra. El mtodo de la regla falsa se puede aplicar fcilmente a este problema. Se obtiene una razsimilar despus de 12 iteraciones enelmismo intervalo inicial de2 a 10. Por otro lado, el mtodo de la secante converge a una raz de -24.83 con el mismo intervalo inicial. Sin embargo, si el intervalo se reduce desde 3 hasta 4, entonces el mtodo de la secante converge a 3.23 en slo cinco iteraciones. Es interesante notar que el mtodo de la secante tambin converge en forma rpida siel intervalo inicial es de 2 a 3, el cual no encierraa la raz. Estos resultados son tpicos de los factores de importancia que se deben tomar en consideracin y que se estudian posteriormente en el eplogo. Entonces el mejor mtodo numrico para este problema depende del juicio emitido respecto a los factores de importancia, tales como eficiencia numrica, costo de las computadoras y laconfiabilidaddel mtodo.

CASO 6.2

LEYES DE LOS GASESIDEALES Y NO IDEALES (INGENIERA QUMICA)

Antecedentes: la ley d e los gases ideales est dada por:

en donde p es la presin absoluta, V es el volumen y n es el nmero de moles. R es la constante universal de los gases y T es la temperatura absoluta. Aunque esta ecuacin la usan ampliamente los ingenieros y cientficos, slo es exacta sobre un rango limitado de presin y temperatura. Ms an, la ecuacin (6.6)es ms apropiada para algunos gases que para otros. Una ecuacin alternativa del estado de los gases est dada por:
r6.71

a la que se le conoce con elnombre de ecuacin de van der Waals. u = V / n es elvolumenmolal y a y b son constantes empricas que dependen de un gas en particular. Un proyecto de ingeniera qumica requiere que se calcule exactamente el volumen molal (u) del bixido de carbono y del oxgeno para combinaciones diferentes de la temperatura y de la presin, de tal forma que se pueda seleccionar una vasija apropiada que los contenga. Asimismo, es importante examinar que tan bien se apega cada gas a laley de los

178

NUMERICOS

METODOS

PARA INGENIEROS

gases ideales, comparandolos volmenes molales calculados conlas ecuaciones (6.6) y (6.7). Se proporcionan los siguientes datos:

R = 0.082 054 1 . atm/(mol . K)

a = 3.592 b = 0.042 67 a = 1.360 b = 0.031 83

bixido de carbono

Las presiones de inters en el diseo son de 1, 10 y 100 atm. para combinaciones de la temperatura de 300, 500 y 700K. Solucin: los volmenes molares de ambos gases se calculan con la ley de los gases ideales, con n = 1. Por ejemplo, si p = 1 atm y T = 300K, entonces:
v = - = -

RT = 0.082 054
P

I atm 300 K m o l . K I atm

v = 24.616 2 l/mol
Estos clculos se repiten para todas las combinaciones de presin y temperatura y se presentan en el cuadro 6.2. Los clculos del volumen molar a partir de la ecuacin de van der Waals se pueden llevar a cabo usando cualquier mtodo numrico que encuentre races de los estudiados en los captulos 4 y 5, de la siguiente manera:

CUADRO 6.2

Clculos del volumen molar del caso de estudio 6.2 VolumenmolalVolumenmolalVolumenmolal (ley de los (van der Waals) (van der Temperatura Preridn gases ideales) bixido de Waals) oxgeno K atm llmol llmol llmol carbono

300
500

700

1 10 1O0 1 4.0578 10 1O 0 1 5.7242 10 0.5575 1O 0

24.6162 2.46 16 0.2462 1.0270 40.982 4 4.1027 0.4 0.3663 1 03 57.41 57.4378 5.7438 0.5744

24.5126 2.3545 0.0795

1

79

24.5928 2.4384 0.2264 4 1 .O259 4.1016 0.4116 57.4460 5.7521 0.5842

CASOSDE LA PARTE DOS:RA~CES DE ECUACIONES

179

En este caso,la derivada d e f ( u ) se determina fcilmente y es conveniente implementar el uso del mtodo de Newton-Raphson. La derivada de f respecto a u est dada por:

+f(U) = p - 3 u3
El mtodo de Newton-Raphson se describe mediante la ecuacin (5.6) como:

2ab

la cual se puede usar en el clculo de la raz. Por ejemplo, usando el valor inicial de 24.616 2, el volumen molal del bixido de carbono a 300K y a 1 atm se calcula como 24.512 6 I/mol. Este resultado se obtuvo despus de dos iteraciones y con un E,, menor de O. O01 %. En el cuadro 6.2 se muestran resultados similares para todas las combinaciones de presin y de temperatura para ambos gases. Se observa que los resultados obtenidos con la ecuacin de van der Waals difieren en ambos gases de los de la ley de los gases ideales, de acuerdo a los valores especficos de p y de T . Ms an, ya que algunos de estos resultados son significativamente diferentes, el diseo de las vasijas que contendrn a los gases sera muy diferente, dependiendo de qu ecuacin de estado se haya usado. En este caso, al usar el mtodo de Newton-Raphson se examin una ecuacin del estado gaseoso complicada. Los resultados variaron significativamente en varios casos usando la ley de los gases ideales. Desde un punto de vista prctico, el mtodo de Newton-Raphson fue apropiado en este casoya que f( u ) fue fcil de calcular. De esta manera, se pueden explotar las propiedades de rpida convergencia del mtodo de NewtonRaphson. Adems de demostrar su potencia en un simple clculo, el mtodo de Newton-Raphson ilustra en este caso de estudio lo atractivo que es cuando se requiere unagran cantidad de clculos. Debido a la velocidad de las microcomputadoras, la eficiencia de cada uno de los mtodos en la solucin de la mayor parte de races de ecuaciones se vuelve indistinguible en un clculo simple. Aun la diferencia de decenas entre el mtodo eficiente de Newton-Raphson y el mtodo poco. refinadode biseccin no significa una gran prdida de tiempo cuando se realiza un solo clculo. Sin embargo, supngase que se desea calcular una raz millones de veces para resolver un problema. En este caso, la eficiencia del mtodo puede ser un factor decisivo al escogerlo. Por ejemplo, supngase que es necesario disear un sistema de control automtico computarizado de un proceso de produccin de sustancias qumicas. Este sistema requiere una aproximacin exacta de volmenes

180

MTODOS NUMERICOS PARA INGENIEROS

molales con basea un medio esencialmente continuo para fabricar convenientemente el producto final. Se instalan calibradores que proporcionan lecturas instantneas dela presin y la temperatura. Se deben obtener evaluaciones de u para toda la variedad de gases que se usan en el proceso. Para estas aplicaciones, los mtodos que usan intervalos, tales como el de biseccin o de la regla falsa, posiblemente consuman mucho tiempo. Adems, los valores iniciales que se requieren con estos mtodos generaran un retraso enel procedimiento. Este inconveniente igualmente afecta al mtodo de la secante, que tambin necesita dos valores iniciales. En contraste, el mtodo de Newton-Raphson requiere 6nicamente un valor inicial de la raz. Se puede usar la ley de los gases ideales paraobtener este valor al inicio del proceso. Despus, suponiendo que el tiempo empleado sea lo bastante corto como para que la presin y la temperatura no varen mucho durante los clculos, la solucin de laraz anterior se puede usarcomo valor inicial de la siguiente. De esta forma, se tendra disponible de forma automticaun valor aproximado cercano a la solucin, requisito indispensable en la convergencia del mtodo de Newton-Raphson. Todas estas consideraciones favorecern de manera considerable al mtodo de Newton-Raphson en estos problemas.

CASO 6.3

DINMICA DEL CRECIMIENTODEMOGRFICO (INGENIERA CIVIL)

Antecedentes: la dinmica del crecimiento demogrfico es de importancia en todos los planes de estudio de ingeniera. Los progamas de consa gran escala, tales truccin y dedistribucinderecursosenproyectos como el abastecimiento de agua y sistemas de transporte dependen en gran medida de las tendencias dela poblacin. Adems, las tendencias deotrotipode poblaciones, tales como los microbios, son importantes en muchos procedimientos de ingeniera,como en el tratamiento de basura, enel manejo dela fermentacin y enla elaboracin de productos farmacuticos. Los modelos de crecimiento en un grupo de microbios suponen que el promedio de cambio de la poblacin (p)es proporcional a la poblacin existente en un tiempo ( t ) :

La poblacin crece en un medio enel que existe alimento suficiente de manera que k no es una funcin de la concentracin. (Vase el caso 12.2 que muestra un ejemplo en donde k depende del nivel alimenticio.)Cuando el alimento no escasea, el crecimiento se limita slo por el consumo de productos txicos o de espacio, si es que el tamao de la poblacin crece demasiado. Con el tiempo, estos factores retardan la tasa de creci-

CASOS DE

DE

DOS: RAiCES

ECUACIONES

181

miento de la poblacin y la detienen completamente cuando sta alcanza una densidad mxima de pmex. En este caso, se modifica la ecuacin anterior de la siguiente manera:

en donde las unidades de K son litros por clula por da. Esta ecuacin diferencial se puede integrar de forma analtica dando:

en donde p ( t = O) = po. A la ecuacin (6.9) se le conoce como el modelo de crecimiento logstico. Como se muestra en la figura 6.4, este modelo genera unacurva de p ( t ) enformade S. Como se puede ver, el modelo simula un crecimiento inicial lento, seguido por un periodo de crecimiento rpido y finalmente, un crecimiento limitado a una densidad demogrfica muy alta. Como ejemplo de aplicacin de este modelo en el rea de la ingenieun ra civil, considrese el crecimiento de una poblacin bacteriolgica en lago. El crecimiento se comporta como lodefine la ecuacin (6.9). La poblacin es pequeaen la primavera del ao en donde f = O, p(f = O) = 10 clulasporlitro.Essabidoque la poblacinalcanzaunadensidad de 15 O00 clulas Dor litro cuando t = 60 das y que la tasa de crecimien-

FIGURA 6.4

Un modelo logstico de crecimiento demogrfico. El modelo simuiaun crecimiento inicial lento, despus una aceleracin en I mismo seguido por un periodo de nivelacin en una densidad poblacional alta.

182

METODOS

NUMRICOS

PARA INGENIEROS

to K esde 2 X litrosporclulapor da. Se requierecalcularla densidad de la poblacin bacterial cuando t = 90 das. Si su nmero excede de 40 O00 clulas por litro, entonces la calidad estndar del agua requiere la implementacin de algn procedimiento para disminuirlas y proteger a las personas que se introduzcanal agua.

Solucin: sustituyendo la informacin conocida enla ecuacin (6.9) se obtiene:

15 O00

P m6x
I

[6.10]

lacualtiene slo unaincgnita, pmdx. S i la ecuacin (6.10) se pudiera entonces p(t = 90) se podra determinar fcilmente resolver para pmAx, es implcita,nosepuede de la ecuacin (6.9).Sinembargo,yaque pmsx obtener directamente de la ecuacin (6.10).Por lo tanto, se debe usar un mtodo numrico de los captulos 4 y 5. No se usar el mtodo de NewtonRaphson ya que la derivada de la ecuacin (6.10)es difcil de determinar. Sin embargo, se pueden aplicar fcilmente los mtodos de biseccin, de la regla falsa y de la secante. Con un error relativo del 0.01% los valores iniciales dados de 60 O00 y 70 O00 clulas por litro generan las siguientes aproximaciones de pmsx.
Mtodo empleado
Biseccin Regla falsa

Resultado

lteracioner
11

Secante

63 198 63 199
63 200

5 4

Ntese que los mtodos de la regla falsa y de la secante convergen a la mitaddel nmero de iteraciones del mtodo de biseccin. = 63 200: Ahora, de la ecuacin (6.9),con pmdx

P(90) =

63 200
e-2x10-6(63

= 58 930 clulas por litro

200)(90)

Este nivel demogrfico sobrepasa el lmite estndar en cuanto a calidad del agua que es de 40 O00 clulas por litro y por lo tanto, se debe tomar algunamedida de correccin. Este ejemplo, ilustra la eficiencia computacional relativa de tres mtodos diferentes para encontrar racesde ecuaciones en un problema de diseo de ingeniera civil. Sin embargo, como se menciona anteriormente, el esquema general tiene una aplicacin amplia en todos los campos

CASOS DELAPARTE

DOS: RAiCESDE ECUACIONES

183

de la ingeniera que tengan que ver con el crecimiento de organismos, incluyendo a los humanos.

CASO 6.4

DISEO DE UNCIRCUITO ELCTRICO (INGENIERA ELCTRICA)

Antecedentes: los ingenieros electrnicos usan a menudo laley de Kirchoff para estudiar el comportamiento de los circuitos elctricos en estado estacionario (que no varan con el tiempo). Enel caso 9.4 se analiza el comportamiento de estos estados estacionarios. Otro tipo de problemas son los de corriente momentnea e implica a los circuitos donde sbitamente suceden cambios temporales. Esta situacin ocurre cuando se cierra el interruptor de la figura 6.5. En este caso, despus de cerrar el interruptor hay un periodo de ajuste hasta que se alcanza un estado estacionario. La longitud de este periodo de ajuste est relacionada con las propiedades de almacenamiento de carga del capacitor y con el almacenamiento de energa dentro del inductor. El almacenamiento de energa puede oscilar entre estos dos elementos durante un periodo transitorio. Sin embargo, la resistencia en el circuito disipa la magnitud de las oscilaciones. El flujo de corriente a travs de la resistencia causa una cada de voltaje (V,) dado por:

VR = iR
en donde i es la corriente y R es la resistencia del circuito. Cuando las unidades de R e i son ohm y amperes, respectivamente, entonces la unidad de V es elvolt. De manera semejante, un inductor resiste el cambio enla corriente, de forma tal que la cada de voltaje (V,) alcruzarlo es de:
di vr = Ldt
, .
A

Interruptor
-

Batera

y';
7-4

v0

Capacitor Inductor Resistencia

,a

' +

FIGURA 6.5

Un circuito elctrico. Cuando se cierra el interruptor, la corriente experimenta una serie de oscilaciones hasta que se alcance un nuevo estado estacionario.

184

INGENIEROS MTODOS

NUMRICOS

PARA

en donde L es lainductancia.Cuandolasunidadesde L e i sonhenrios y amperes, la unidadde V, es elvolt y launidadde t es el segundo. La cada de voltaje a travs del capacitor (V,) depende de la carga (4) sobreelmismo:
vc = 9

en donde C es la capitancia. Cuando las unidades de carga se expresan en culembios, launidad de C es el faradio. La segunda ley de Kirchoff indica que la suma algebraica de las cadas de voltaje en un circuito cerrado es cero. Despus de cerrar el interruptor se tiene:

L-+Ri+-= 9O clt C
Sin embargo, la corriente est dada enfuncindela
I=-

di

carga como:

d9 dt

Por lo tanto:

Esta es una ecuacin diferencial ordinaria de segundo orden que se puede resolver usando los mtodos de clculo. La solucin est dada por:

La carga en un capacitor en funcin del tiemp o que se presenta enseguidade cerro: el interruptoren la figura

FIGURA 6.6

6.5.

donde t = O , q = qo = VoC, y Vo es el voltaje enla batera.La ecuacin (6.11) describe lavariacin de la carga enel capacitor enfuncin del tiempo. Lasolucin q(t) se grficaenlafigura 6.6. Un problema de diseo tpico en ingeniera elctrica, puede necesitar que se determina la resistencia apropiada para disipar energa a una velocidad constante, con los valores de L y C conocidos. En este caso se supone que la carga se debe disipar al 1% desuvalororiginal (q/q,, = 0.01) en t = 0.05 S , con L = 5 H y C = lO-"F.

_l_____-~__lll."""~ .~
" "

CASOS DE

DE

DOS: RAiCES

ECUACIONES

185

Solucin: es necesarioresolver para R la ecuacin (6.11) , usando los valores conocidos de q , qo, L y C. Sin embargo, se debe emplear un mtodo numrico ya que R es una variable implcita de la ecuacin (6.11). Se usar el mtodo de biseccin para este propsito. Los otros mtodos estudiados en los captulos 4 y 5 tambin son apropiados, aunqueel mtodo de Newton-Raphson tiene desventajas debido a que la derivada de la ecuacin (6.11)es muy complicada. Reordenando la ecuacin (6.11) se obtiene:

o, usando los valores numricos dados:

f ( R ) = e-o.oo5R cos(d2000 - 0.01R2 0.05) - 0.01

C6.121

Examinando esta ecuacin puede verse que un rango inicial razonable de R es de O a 400 Q (ya que 2 O00 - 0.01R2 debe ser mayor de cero). La figura 6.7, grfica de la ecuacin (6.12),lo confirma. Con vein-

FIGURA 6.7

Grfica de la ecuacin (6.12) usada en la obtencin de valores iniciales de R que encierren a la raz.

1 86

NUMERICOS

MTODOS

PARA INGENIEROS

tin iteraciones del mtodo de biseccin se obtiene R = 328.1515, con un errormenor al 0.000 1%. De esta forma, se puede especificar una resistencia con este valor en el diagrama de lafigura 6.5 y esperar que ladisipacin sea consistendel problema. Este problema de diseo no se te con los requisitos puederesolvereficientemente sin usar los mtodos de los captulos 4 y 5.

CASO 6.5

ANALISIS DE VIBRACIONES (INGENIERIA MECANICA)

Antecedentes: las ecuaciones diferenciales se usan a menudo para modelar el comportamiento de sistemas en ingeniera. Uno de tales modelos, que se aplica ampliamente enlamayorpartede los campos de la ingeniera, es el oscilador armnico. Algunos ejemplos bdsicos del oscilador armnico son el pndulo simple, una masa atada a un resorte y un circuito elctrico inductor-capacitor (Fig. 6.8). Aunque estos son sistemas fsicos muy diferentes, sus oscilaciones se pueden describir mediante un mismo modelo matemtico. De esta manera, aunque este problema analiza el diseo de un amortiguador para un automvil, el comportamiento general se aplica a una gran variedad de problemas en todos los campos de la ingeniera. Como se ilustra en la figura 6.9, un conjunto de resortes sostienen un auto de masa m . Los amortiguadores presentan una resistencia al movimiento del auto la cual es proporcional a la velocidad vertical (movimiento ascendente-descendente) del mismo. La alteracin del equilibrio del auto provoca que el sistema oscile como x@). En un momento cual; quiera, las fuerzas que actan sobre la masa m son la resistencia de los resortes y la capacidad de absorber el golpe de los amortiguadores. La

I
resorteirnasa corriente circuito LR

'n
FIGURA 6.8
Ejemplos de tres osciladores armnicos. Las flechas dobles indican las oscilaciones de cada sistema.

FIGURA 6.9

Un auto de masa m.

CASOS DE LA PARTE DOS: RAfCES DE ECUACIONES

187

resistencia de los resortes es proporcional a la constante de los mismos (k) y a la distancia al punto de equilibrio ( x ) : resorte del Fuerza
= "kx

[6.13]

en donde el signo negativo indica que la fuerza de restauracin regresa al auto a su posicin de equilibrio. La fuerza de amortiguacin est dada por: Fuerza de amortiguacin =
" c -

dx dt

en donde c es un coeficiente de amortiguamiento y dx/dt es la velocidad vertical. El signo negativo indica que la fuerza de amortiguacin acta en direccin opuesta a la velocidad. Las ecuaciones de movimiento para el sistema estn dadas por la segunda ley de Newton (F = ma), que en este problema est expresada como:

d2x dt

" c-

dx dt

(-W

Masa x aceleracin
O

fuerza de amortiguacin

+ fuerzadelresorte

d2x + " - +c"dx X=ok dt2

m dt

Esta es una ecuacin diferencial ordinaria de segundo ordenque se puede resolver con los mtodos del clculo. Por ejemplo, si el auto encuentra por casualidad un hoyo en el camino en t = O de tal forma que se desplaza del punto de equilibrio x = x. y dx/dt = O , entonces:
x ( t ) = e-"' (xocos pt

sen pt)

[6.14]

donde n = c / ( 2 m ) , p = dk/m-c2/(4m2) v k/m > c2/(4m2).La ecuacin (6.14) proporcionala velocidad vertical del auto en funcin del tiempo. Los valores de los parmetros son c = 1.4 por lo7 g / s , m = 1 . 2 por lo6 g y k = 1.25 por lo9 9/s2. Si x. = 0.3. las consideraciones de diseo en la ingeniera mecnica requieren que se denlos estimados en las tres primeras ocasiones que el auto pase a travs del punto de equilibrio.

1 88

INGENIEROS MTODOS NUMRICOS

PARA

Solucin: este problema de diseo se puede resolver usando los mtodos numricos de Tos captulos 4 y 5. Se prefieren los mtodos que usan intervalos y el de la secante ya que la derivada de la ecuacin (6.14) es complicada. Lasaproximacionesa los valores iniciales seobtienenfcilmente con base a la figura 6.10. Este caso de estudio ilustra cmo los mtodos grficos proporcionan a menudo informacin muy importante para aplicar satisfactoriamente los mtodos numricos. La grfica ilustra que este problema es complicado debido a la existencia de varias races, por lo que en este caso, se deben usar intervalos pequeos para evitar traslapes de races. En el cuadro 6.3 se enlistan los resultados obtenidos porlos mtodos de biseccin, la regla falsa y la secante, con un criterio de paro del O. 1% . Todos los mtodos convergen rpidamente. Como era de esperarse, los mtodos de la regla falsa y de la secante son ms eficientes que el de biseccin. Ntese que para todoslos mtodos los errores relativos porcentuales aproximados son mayores que los errores reales. De esta forma, los resultados son exactosal menos hasta el criterio de paro, el O. 1%. Sin embargo, puede observarse tambin que el mtodo de la regla falsa y el de

FIGURA 611O

Grfico de lo posicin de un amortiguador respecto altiempodespus que lo rueda del auto cae enun hoyo del camino.

" .

"

..

CASOS

189

CUADRO 6.3 Resultados obtenidosal usar los m6todos de bisecciin, regla falsa y de la secante para localizar las primeras tres races de las vibraciones de un amortiguador. Se u d un crfterio de paro del 0.1 para obtener estos resultados. N6tese quelos valores exactos de las races son0.055 209 532 9, 0 . 1 54 178 13 y 0.253 1 4 6 726
~

-~

MBtodo
Biseccin

Valor inicial Valor inicial Aproximaciin Nmero de inferior superior a la M ~ Z

ERROR RELATIVO PORCENTUAL iteraciones Aproximado Verdadero

11 0.027 0.014 10
0.088 0.063 0.002

0.0
0.1
0.2 0.0 0.2

o. 1
0.2

0.0552246 0.1541992 0.0552095 0.069 O. 1541790 0.043 0.2531475 0.0552095 0.2531465

0.3
Regla falsa Secante

o. 1

0.1

5
4 4

0.2
0.3 o.1
0.2

0.0001 0.0006

0.0003
0.038 0.020 0.017

o. 1 0.1541780 0.2

0.0

0.3

5 5 5

0.0001 0.0001 0.0001

la secante son muy conservadores en esta relacin. Recurdese el anlisis de la seccin 4.3 en que elcriterio de paroconstituye esencialmente una aproximacin a la diferencia con la iteracin anterior. De esta forma, para esquemas de convergencia rpida como los mtodos Cte la regla falsa y de la secante, la mejora en exactitud entre dos iteraciones sucesivas es tan grande que E" ser, en general, mucho menor que E,. El significado prctico de este comportamiento es de poca importancia cuando se va a determinar slo una raz. Sin embargo, si se requiere calcualar varias rakes, la convergencia rpida viene a ser una propiedadmuy valiosa como para tomarla en cuenta cuando se escoge un mtodo en particular.

PROBLEMAS
Ingeniera en general
6.1 6.2

Usando los programas propios, reprodzcanse los clculos realizados en el caso 6.1. Realcense los mismos clculos del caso de estudio 6.1, pero usando una tasa de inters del 17% (i = 0.17). Si es posible, sense los programaspropios para determinar los puntos de equilibrio. De otra manera, sese cualquiera de los mtodos analizados en los captulos 4 y 5 y realcense los clculos. Justifquese el uso del mtodo escogido. Enel caso 6.1, determnese el nmero de aos que se debe poseer laMicro dos para que genere ganancias. Esto es, calclese elvalor de n en el cual A, de la ecuacin (6.4) sea positivo.

6.3

190

METODOS NUMERICOS PARA INGENIEROS

6.4

Usando un esquema similar al del caso 6.1, se puede desarrollar la siguiente ecuacin para determinar el costo anual neto de una microcomputadora:

A"

-3000(1.2),

12" - 1

+-

175n
12" - 1

5000

Encuntrese el valor de n tal que A, sea cero. 6.5 Supngase que se desea comprar un automvil y est6 limitado a dos opciones. Como en el caso 6.1, el costo anual neto de poseer cualquiera de los dos vehiculos est compuesto por el costo de compra, costo de mantenimiento y de las ganancias:

Modelo de lu/o
Costo de compra, $ Costo de mantenimiento,
$/ao/aiio -200

Modelo econmico

- 15,000
-400
7500
=

-5000

Ganancias anuales y beneficios, $

3000
0.125),calcular el punto de equilibrio (n)

Si la tasa de inters es del 12.5% ( i para los automviles.

6.6

Si se compra una pieza de equipo en$20 O00 en abonos, pagando $5 O00 duranLa frmula que relaciona el costo te 5 aos. Qu tasa deinters se est pagando? actual (P),los pagos anuales ( A ) ,el nmero de aos (n)y la tasa de inters es:

A = P
6.7

i(l

+
i)"

i)"

(1 +

Debido a que las tablas de economa se desarrollaron hace mucho tiempo, no se programaron para las tasas altas de inters que prevalecen hoy en da. Adems, no se planearon para manejar tasas de inters fraccionarias. Como e n el problema siguiente, se puedenusar mtodos numricos para deteminar las estimaciones econmicas en estas situaciones. Un nuevo centro dediversiones cuesta $10 millones de pesos y produce una ganancia de $2 millones. Si la deuda se debe pagar en 10 aos a qu tasa de , el pago anual (A) y la tasa inters debe hacerse el prstamo? El costo actual (P) de inters (i)se relacionan entre s mediante la siguiente frmula:
- -

(1

+
i(l

i)"

A P
-

i)"

donde n es el nmero de pagos anuales. Para este problema,

= 5 2000000 A Por lo tanto, la ecuacin se transforma en:

"

10000000

5 =

(1

+
i(1

i)'O
-

- 1
i)

PARTE CASOS

LA

DOS: RAiCES DE ECUACIONES

191

La tasa de inters que satisface esta ecuacin se puede determinar encontrando la raz de:

j(i) =
a)

(1

+
i(l

)'O

- 1

+ i)

-5

b) Caclese i usando el mtodo de biseccin (contar las iteraciones).

un niveldel errordel 2% en ambos casos.

Dibjese j(i) contra i y para obtener una estimacin grfica de laraz.

c) Calclese i usando el mtodo de la regla falsa (contra las iteraciones) En los incisos (b) y (c) sense los valoresiniciales de i = 0.1 y 0.2. Obtngase

Ingeniera qumica
6.8 6.9 Usando losprogramas propios, realcense los clculos del caso 6.2. Ejectense los mismos clculos del caso 6 . 2 , pero con el alcohol etlico (a = 12.02 y b = 0.084 07) a una temperatura de 350" K y una p de 1.5 atm. Comprense los resultados con los de la ley de los gases ideales. Si es posible, sense los programas propios para determinar el volumen molar. De otra forma, sense cualquierra de los mtodos numricos analizados en los captulos 4 y 5 para realizar los clculos. Justifquese el mtodo escogido.

6.1 O Reptase el problema 6.9 con xido nitroso (a = 3.782 y b = 0.044 15) a una temperatura de 450" K y una p de 2 atm. 6.11 La temperatura (en grados Kelvin) de un sistema, varadurante el dade acuerdo con:

400

200

COS

27rt
~

1440

en donde t se expresa en minutos. La presin sobre el sistema esta dada por p = e-t'1440. Desarrllese un programa que calcule el volumen molar del oxigeno en intervalos de un minuto a lo largo del da. Grafquense los resultados. Si se tiene capacidad grfica en la computadora grafquense los datos. Si no es as, grafquense los resultados a intervalos de 60 minutos. Los antecedentes de este problema se pueden econtrar en el caso 6 . 2 . 6.12 En ingeniera qumica, los reactores de flujo (es decir, aqullos en que un fluido va de un extremo al otro con una mezcla mnima a lo largo del eje longitudinal) se usan a menudo para convertir reactivos en productos. Se ha determinado que la eficiencia de la conversin se puede mejorar a veces reciclando una parte del flujo del producto de manera que regrese a la entrada para un paso adicional a travsdel reactor (Fig. P6. 12). La tasa de reciclaje se define como:

R =

volumen de fluido regresado a la entrada volumen de fluido que deja el sistema

Supngase que se est&procesando una sustancia qumicaA para generarun producto B. Para el caso en que B de acuerdo a una reaccin autocataltica.

192

MTODOS NUMERICOS PARA INGENIEROS

FIGURA P6.12

Representacinesquemtica de u n reactor d e fluioconreciclaje.

(esto es, en la que uno de los productos acta como catalizador o de estimulante en la reaccin), o

A + B

- B + B
reciclaje debe satisfacer

se puede demostrar que una tasa ptima de

en donde X,, es la fraccin del reactante A que se convierteal producto B . La tasa ptima de reciclaje corresponde aun reactor de tamao mnimo, necesario para alcanzar el nivel de conversin deseado. sese el mtodo de biseccin para determinar las tasas de reciclaje necesarias que minimicen al tamao del reactor en conversiones fraccionales de
U ) X,, = 0.99 b ) X , = 0.995 c)XA/ = 0.999

6.13 En un proceso qumico, el vapor de agua (HzO) se calienta a una temperatura lo suficientementealta para que unaporcin significativa del agua sedisocie o se rompa en partes para formar oxgeno (O,) e hidrgeno (Hz):

Si se supone que es la nica reaccin que se lleva a cabo, la fraccin molar (x) de HzO que se separa puede representarse como:
k, = 1 - x

[P6.13]

en donde k, es la constante d e equilibrio de la reaccin y p t es la presi6n total de la mezcla. Si p t = 2 atm. y k, = 0.045 68, determnese el valor de x que satisface a la ecuacin (P6. 13).

Ingeniera civil
6.14 Usando los programas propios, reptanse

los clculos del caso 6 . 3

CASOS DE LA PARTE DE DOS: RACES

ECUACIONES

193

6.15 Efectense los mismos clculos del caso 6.3, pero con una tasa de crecimiento de 1.5 por lo6 litros por clula por da.

6.17 La concentracin de la bacteria contaminante C en un lago decrece de acuerdo a la relacin:

a)

Determnese el tiempo requerido para que la bacteria se reduzca a 10, usando un mdoto grfico y b) el mtodo de Newton-Raphson.

6.18 Muchos campos de la ingeniera requieren estimaciones exactas, de la poblacin. Por ejemplo, para la transportacin, los ingenieros consideran necesario determinar por separado la tendencia del crecimiento demogrfico de una ciudad y de los suburbios adyacentes. La poblacin del rea urbana declina en funcin deltiempo de acuerdo con

mientras que la poblacin suburbana crece, de acuerdo

en donde Pu,m6x, k,, Pu,mn, , Ps,max, Po y k, son parmetros derivados de forma emprica. Determnese el tiempo y los valores correspondientes de P,(t) y de P,(t) cuan= 60 000; do las poblaciones son iguales. Los valores de los parmetros son Pu,,,& k, = 0.04 ao"; Pu,mn = 12 000; Ps,mdix = 5 O00 y k, = 0.06 ao"'Para obtener las soluciones, sese a) un mtodo grfico y b) el mtodo de la regla falsa.
6.19 El movimiento de una estructura se define mediante una oscilacin amortiguada:
y = 10e-kf cos w t

la siguiente ecuacin para

donde k = 0.5 y w = 2. a) osese el mtodo grfico, para obtener unaestimacin inicial del tiempo necesario para que el desplazamiento baje hasta 4. b) sese el mtodo de Newton-Raphson para determinar laraz hasta un E, =

0.01%.
c) sese

el mtodo de la secante para determinar la raz hasta un es

0.01%.

194 -

METODOS NUMtRICOS PARA INGENIEROS

6.20 La figura P6.20 muestra un canal abierto de dimensiones constantes con un rea transversal A . Bajo condiciones de flujo uniforme, se cumple la siguiente relacin basada en la ecuacin de Manning:
Q

"(

2y,

23

s u 2

[P6.7]

normal, B es el ancho del en donde Q es el flujo, y, es la profundidad rugosidad usado para medir los efectos de canal, n es un coeficiente de la friccin del material en el canal y S es la pendiente del canal. L a ecuacin se usa en ingeniera de fluidos y recursos de agua para determinar la profundidad normal. Si este valor es menor que la profundidadcrtica:

FIGURA P6. 20.

en donde g es la aceleracin de la gravedad (980 cm/s2),entonces el flujo es subcrtico. sese un mtodo grfico y el mtodo de biseccinparadeterminar y,, si Q = 14.15 m3/s; B = 4.572 m ;n = 0.017 y S = 0.001 5. Selese siel flujo es sub o supercrtico.

Ingeniera elctrica
6.21 sense los programaspropios para repetir los clculosdel caso 6.4. 6.22 Efectense los mismos clculos del caso 6 . 4 suponiendo que la carga se debe disiparal 2% de su valororiginalen 0.04 s. 6.23 Efectense los mismosclculosdel caso 6 . 4 , determinando el tiempo necesario l circuito disipe el 10% suvalor original, dado R = 300 Q C = lop4 para que e FyL = 4H. 6.24 Efectense los mismos clculos del caso 6 . 4 determinando el valor de L necesario para que elcircuitodisipe al 1% de su valororiginalen t = 0.05 S, dado R = 300 Q y c = F.
6.25 Una corriente oscilatoriaen un circuito elctrico se describemediante
I = 1Oe" sen(27rt)

en donde t est dado en segundos. Determnense todos los valores de t tales que I = 2.

Ingeniera mecnica
6.26 Usando los programas propios, reptanse los clculos realizadosen el caso 6 . 5 . 6.27 Efectense los mismos clculos del caso 6 . 5 , usando k = 1.5 por lo9 g/s2 y m = 2 por lo6 g .
c =

1.5 por

lo7 g/s,

PARTE CASOS

LA DE

DOS: RACES

ECUACIONES

195

6.28 Efectense los mismos clculos del caso 6.5, pero determinando el valor de k de forma tal que la primera raz se encuentre en t = 0.08 s. 6.29 Efectense los mismos clculos del caso 6.5, pero determinando el valor de m de tal forma que la primera raz se encuentre en t = 0.04 s. 6.30 Efectense los mismos clculos del caso 6.5 pero determinando el valor de c de tal forma que la segunda raz se encuentre en t = 0.2 s. 6.31 Lanse todos los casos del captulo 6. En base a la lectura y a la experiencia obtenida, concbase un caso de estudio en cualquier campo de la ingeniera. Esto implica la posibilidad de modificar o expresar de forma diferente alguno de los casos anteriores. Sin embargo, tambin puede ser totalmente original. A I igual que los ejemplos anteriores, se debe redactar desde el contexto de los problemas de ingeniera y debe demostrar el uso de los mtodos numricos en la solucin de races de ecuaciones. Descrbanse los resultados empleando los casos anteriores como modelo.

EPLOGO: PARTE I I

11.4

ELEMENTOS DE JUICIO
El cuadro 11.3 proporciona un resumen de los factores de mayor importancia que se emplean en la solucin de races deecuacionesalgebraicasy trascendentales. Aunque los mtodos grficosconsumen tiempo, son muy tiles para comprenderel comportamiento de la funcin y para identificar valores iniciales y problemas potenciales,como las races mltiples. Par lo tanto, si el tiempo lo permite, un bosquejo rpido (o mejor an, una grfica por computadora) ayuda a relacionar informacin til asociada al comportamiento de la funcin.
Los mtodos numricos se dividen en dos categoras generales: mtodos que usan intervalosy mtodos abiertos. Los primeros requieren dos valores #I Esta conteniniciales quecontenganalaraz. cin" se respeta a medida que la solucin avanza, y de esta forma, estos mtodos siempre son convergentes. Sin embargo, tiene el inconveniente que la velocidad de convergencia es demasiado lenta. De los mtodos que usan intervalos, el mtodo de la regla falsa, en general, es el mtodo de preferencia ya que en la mayor parte de los problemas converge muchoms rpido que el mtodo de biseccin. Los mtodos abiertos se distinguen de los que usan intervalos en que requieren informacinnicamente de un punto (o de dos, pero que no contengan a la raz necesariamente) para extrapolar una nueva aproximacin a la raz. Esta propiedad es una espada de doble filo. Aunque conduce a una convergencia ms rpida, tambin permitela posibilidad de divergencia. En general, la convergencia de los mtodos abiertos depende parcialmente de la calidad del valor inicial. Entre ms cercano se encuentre ste de la raz, ms probable es que converja a la misma.
De los mtodos abiertos, el de Newton-Raphson se usa ms a menudo, debido a su propiedad de convergencia cuadrtica. Sin embargo, su mayor desventaja estriba en que la derivada de l a fun-

198

METODOS NUMRICOS PARA INGENIEROS

S
O ._
M

z
3

O +
C
2

O .-

i
N

EPLOGO PARTE I I

199

cin se debe obtener de forma analtica. Para algunas funciones esto es imprctico. En estos casos, el mtodo de la secante proporciona una alternativa viable empleando un mtodo de diferencias finitas para representar la derivada. Debido a la aproximacin, la velocidad de convergencia del mtodo de la secante es menor que la del mtodo de Newton-Raphson. Sin embargo, a medida que la aproximacin a la raz se hace ms y ms exacta, la aproximacin a la derivada se convierte en una mejor representacinde la derivada exacta y la velocidad de convergencia aumenta rpidamente. En el caso de races mltiples, se puede usar el mtodo de Newton-Raphson modificado para alcanzar una convergencia rpida. Sin embargo, este mtodo y la segunda derequiere de una expresin analtica de la primera rivadas. Todos los mtodos numricos son fciles de programar sobre unamicrocomputadora y requieren de un tiempo mnimo para determinar una raz. En base a esto, se concluye que los mtodos tales como la biseccin son suficientes para propsitos prcticos. Esto sera verdadero si se estuviese interesado nicamente en una raz de una ecuacin. Sin embargo, existen muchos casos dentro de la ingeniera en donde se requiere encontrar varias races en cuyo caso la velocidad viene a ser un factor muy importante. Enestos casos, los mtodos lentos consumen mucho tiempo y por lo tanto se vuelven costosos. Por el otro lado, los mtodos rpidos pueden divergir ylos retardos ocasionados por esto se pueden volver tambin costosos. Algunos algoritmos pretenden aprovecharlas ventajasde ambos mtodos, empleando inicialmente un mtodo que use intervalos para acercarse a la raz y en ese momento cambiar a un mtodo abierto para refinar rpidamente la raz. Mientras se use slo un mtodo o una combinacin de ellos, los factores a tomarse en consideracin entre la convergencia y la velocidadson la base en la eleccin del mtodo para localizar races.

11.5 RELACIONES Y FRMULAS IMPORTANTES

El cuadro 11.4 resume la informacin ms importante que se analiza en la parte II. Este cuadro se puede consultar para tener acceso rpido a alguna relacin o frmula importante.

11.6 MTODOS AVANZADOS Y ALGUNAS REFERENCIAS ADICIONALES

Los mtodos de este captulo han sido limitados para determinar las o trascendental, basados en el coraces de una ecuacin algebraica

200

METODOS

NUMERICOS

PARA INGENIEROS

CUADRO 11.4 Resumen de la informacidn ms importante presentada en la parte I1

Mdtodo Formulacin
x/ i xu

Interpretacin grfica

Errores y criterios paro de

MOtodos que usan intervalos:

Biseccin

xr = -

Criterio de paro:

Regla falsa

Criterio de paro:
nueva

pesada

Mtodos abiertos:
Newton-Raphson Criterio de paro:

x;+;,+; x,

100% Ie,
:

Error:

E,,.l

O(?)

Secante

Criterio de paro:

EPLOGO PARTE II

201

nocimiento previo de su posicin aproximada. Existen otras tcnicas para deteminar races complejas y todas las races de un polinomio. Algunas referencias recomendables al respecto son Ralston y Rabinowitz (1978) y Carnahan, Luther y Wilkes (1969). James, Smith y Wolford (1977) y Gerald y Wheatley (1984) resumen algunos de los mtodos y proporcionan sus programas. En cuanto a tcnicas especficas el mtodo de Newton-Raphson se puede usar en ciertos casos para localizar races complejas en base a una aproximacin inicial compleja. Ya que la mayor parte de las computadoras no llevan acabo operaciones complejas, algunas veces el mtodo se ve limitado. Sin embargo, Stark (1970) ilustra una manera de eludir este dilema.

El mtodo de Muller es parecido al mtodo de la regla falsa slo que este usa interpolacin cuadrtica, en vez de lineal, para localizar la raz. Este planteamiento se puede emplear en la determinacin tanto de races complejas como de reales (Muller, 1956; Gerald y Wheatley, 1984; Rice, 1983).
Existen varios mtodos para determinar todas las races de un polinomio. El mtodo de Bairstow requiere una buena aproximacin inicial para la localizacin eficiente de races (Gerald y Wheatley, 1984 y James, Smith y Wolford, 1977). El mtodo de Graeffe (Scarborough, 1966 y James, Smith y Wolford, 1977) y el algoritmo de/cociente de diferencias ( Q D ) (Henrichi, 1964 y Gerald y Wheatley, 1984) determinan todas las races sin una aproximacin inicial.Ralston y Rabinowitz (1978) y Carnahan, Luther y Wilkes (1969) contienen tambin anlisis de los mtodos mencionados anteriormente, as como de las otras tcnicas para la localizacin de las races de un polinomio. En resumen, el anlisis anterior va enfocado a proporcionaral lector formas de explorar ms a fondo los temas. Adems, todas las referencias anteriores proporcionan descripciones de las tcnicas bsicas cubiertas en la parte II. Es importante quese consulten estas fuentes de informacin para ampliar el conocimiento de los mtodos numricosen la localizacin de races.*

* El autor hace aquslo una referencia a los libros, al final del texto se presenta una bibliografa completa.

104

MhODOS NUMERICOS PARA INGENIEROS

cuatro o ms ecuaciones la solucin se torna difcil y se debe utilizar una computadora. Histricamente, la imposibilidad de resolver estos sistemas a mano, excepto sistemas muy pequeos, limit el alcance de problemas dirigidos a muchas aplicaciones de ingeniera. Antes del uso de las computadoras, las tcnicas para solucionar sistey eran mas de ecuaciones algebraicaslineales requeran mucho tiempo muy difciles. Estos planteamientos creaban restricciones sobre la creatividad ya que los mtodos eran difciles de implementar y de entender. Be ah que se haca hincapi en las tcnicas, a costa de otros aspectos del proceso de solucin al problema,tales como la formulacin y la interpretacin (recurdese la figura 1.1 y el anlisis que la acompaa).

El advenimiento de computadoras personales de fcil acceso hace posible y prctica la solucin de grandes sistemas de ecuaciones algebraicas lineales. De esta manera, se pueden plantear problemas ms complejos y ms realistas. Adems, habr ms tiempo de examinar las habilidades creativas ya que se har ms hincapie en la formulacin e interpretacin del problema.

FIGURA 1 1 1 . 1

Dos tipos de sistemas que pueden ser modelados usando sistemas de ecuaciones algebraicas lineales: a) sistema macrovariable que involucra un conjunto acoplada de componentes finitas y b) sistema microvariable que involucra continuidad.

SISTEMAS

LINEALES ECUACIONES ALGEBRAICAS

205

I I I. 1 . 2

Ecuaciones algebraicas lineales y su prctica en la ingeniera

Muchas de las ecuaciones fundamentales de la ingeniera se basan en las leyes de conservacin (recordar el cuadro 1 1 . 1 ) . Algunas cantidades familiares que forman partede estas leyes son la masa,la fuerza, la energa y el momento. En trminos matemticos, estos principios llevan a ecuaciones de equilibrio que estudian el comportamiento del sistema; estas ecuaciones consideran las incgnitas a obtener del modelo matemtico: los niveles o respuestas de la cantidad que se est modelando, las propiedades o caractersticas del sistema, y los estmulos externos que actan sobre el sistema. Como un ejemplo, la conservacin de la masa se puede usar para formular un balance de masa en un conjunto de reactores qumicos (Fig. Ill. 1 a). En este caso la cantidad que se modela es la masa de la sustancia en cada reactor. Las propiedades del sistema son las caractersticas de la reaccin de lasustancia adems de los tamaos de los reactores y la velocidad de flujo. Los estmulos externos son los suministros de sustancias al sistema. En la parte anterior del libro,se ve cmo sistemas de un solo componente generan una ecuacin que se puede resolver con las tcnicas de localizacin de races.Los sistemas con componentes mltiples generan un conjunto de ecuaciones matemticas acopladas que deben resolverse simultneamente. Las ecuaciones estn acopladas porque las partes individuales delsistema influyen sobre otras partes. Por ejemplo, en la figura 1 1 1 . 1 a, el reactor 4 recibe sustancias de los reactores 2 y 3. En consecuencia, su respuesta depende de la cantidad de sustancia de estos reactores. Cuando estas dependencias se expresan en forma matemtica, las ecuaciones resultantes, a menudo, son de la forma algebraica de la ecuacin (Ill.1). Las x , usualmente, miden las magnitudes y respuestas de los componentes individuales. Con la figura Ill.la como ejemplo, x , puede medir la cantidad de masa en el primer reactor, x:, la del segundo, etctera. Las a, representan normalmente las propiedades y caractersticas que se refieren a las iteraciones entre las componentes. Por ejemplo, lasa en la figura Ill. 1 a pueden reflejar las velocidades de flujo de masa entre los reactores. Finalmente, las c representan los estmulos externos que actan sobre el sistema, tal como los suministros de sustancias en la figura 111.1 a. Los casos de estudio en el captulo 9 muestran otros ejemplos de tales ecuaciones, derivadas de la prctica de la ingeniera. Los problemas de componentes mltiples como los tipos anteriores resultan de modelos matemticos discretos (macro-) o continuos

206

MTODOS

NUMRICOS PARA INGENIEROS

-__

(micro-) (Fig. 1 1 1 . 1 ) . Los problemas de variables discretas implican componentes finitos acoplados como las armaduras (caso9.3))reactores (Fig. III.la) y circuitos elctricos (caso 9.4). Estos tipos de problemas usan modelos que proporcionan a grandes rasgosel comportamiento de un sistema en funcin de ciertas variables. Por el contrario, los problemas microescalados intentan describir las caractersticas de los sistemas con una base continua o semicontinua. La distribucin de sustancia sobre un reactor rectangular alargado (Fig. III. 1 b) es un ejemplo de un modelo de variable continua. Las ecuaciones diferenciales derivadas de las leyes de conservacin especifican la distribucin de la variable dependiente para tales sistemas (caso 9.2). Estas ecuaciones diferenciales se pueden resolver numricamente para convertirlas a un sistema equivalente de ecuaciones algebraicas simultneas. La solucin de este conjunto de ecuaciones reprelos senta una importante aplicacin enel rea de ingeniera para mtodos de los captulos siguientes. Estas ecuaciones estn unidas porque las varihbles en cierta posicin dependen de las variables de rea la mitad del reactor giones adyacentes. Por ejemplo, la concentracin es una funcin de la concentracin en regiones adyacentes. Se pueden desarrollar ejemplos similares para la distribucin de la temperatura o del momento. Adems de los sistemas fsicos, las ecuaciones algebraicas lineales simultneas tambin aparecen en una variedad de contextos en problemas matemticos. Esto resulta cuando se requiere que las funciones matemticas satisfagan varias condiciones de manera simultnea. Cada condicin da como resultado una ecuacin que contiene coeficientes conocidos y variables incgnitas. Las tcnicas expuestas en esta parte se pueden usar para encontrar los coeficientes de los sistemas cuando las ecuaciones sean linealesy algebraicas. El anlisis de regresin (captulo 10) y la interpolacin cbica segmentaria (spline, captulo l l ) son algunas de las tcnicas ampliamente usadas que utilizan ecuaciones simultneas.

111.2 FUNDAMENTO MATEMTICOS

En todas las partes de este libro se requieren algunos fundamentos matemticos. Son ltiles, en la parte Ill, la notacin matricial y el lgebra, ya que ofrecen una forma concisa de representar y manipular sistemas de ecuaciones algebraicas lineales. Si se est familiarizado con las matrices, puede pasarse por alto la seccin 111.3. Para quienes no estn familiarizados o requieren una repasada, el siguiente material proporciona una breve introduccin al tema.

SISTEMAS

LINEALES ECUACIONES ALGEBRAICAS

207

111.2.1 Notacin matricial U n a matriz-consta de un arreglo rectangular de elementos representados por un smbolo simple. Como se puede ver en la figura 111.2, [A] es la notacin abreviada para la matriz y uiirepresenta un elemento individual de la matriz.

Al conjunto horizontal de elementosse le llama rengln y al conjunto vertical se le llama columna. El primer subndice i siempre denota el nmero del rengln en quese encuentra el elemento. El segundo subndice j denota la columna. Por ejemplo, el elemento 023 est en el rengln 2 y en la columna 3.
La matriz de la figura 111.2 tiene m renglones y n columnas y se dice que es dimensin m por n (o m X n). Se le conoce como una matriz m por n. Las matrices con dimensin m =

1 en el rengln, tales como

[B] = [b,b2 . . . b"]

seles llama vectores rengln. Ntese que el primer subndice. Las matrices con dimensinn
=

por simplicidad, se omite

en la columna, tales como

FIGURA 111.2

Una matriz.

208

MTODOS

NUMERICOS PARA INGENIEROS

se les conoce como vectores columna. Por simplicidad se omite el segundo subndice.

A las matrices donde m

plo, una matriz

por

es

n se les llama matrices cuadradas. Por ejema 1 4

a 1 1 a 1 2

a 1 3
023

[Al =

:[ 2 2: 24

a 2 1

a 2 2

024

Se le llama diagonal principal de la matriz a la diagonal consistente q 3 y ad4. de los elementos a , , , aZ2, Las matrices cuadradas son particularmente importantes en la solucin de sistemas de ecuaciones lineales simultneas. Para tales sistemas, el nmero de ecuaciones (correspondiente a los renglones) y el nmero de incgnitas (correspondientea las columnas)deben ser iguales en orden para que sea posible unasolucin nica. Por consiguiente, las matrices cuadradas se encuentran al trabajar con tales sistemas. Algunos tipos especiales de matrices se describen en el recuadro 1 1 1 . 1 .

RECUADRO 1 1 1 . 1 Tipos especiales de matrices cuadradas

Hay algunas formas especiales de matrices cuadradas Ntese que se deian en blanco los bloques grandes de que son importantes y se deben mencionar: elementos que son cero. Una matriz simtrica es aquella donde ai ; = qij para Una matriz identidad es una matriz diagonal donde totoda toda i y ; . Por ejemplo, dos los elementos de diagonal la principal son iguales a 1 , como en

[A] =

[i 1 a]

[/I =

rll 1
1
11

es una matrizsimtrica 3 por 3. Una matriz diagonal es una matriz cuadrada donde todos los elementos fuera de la diagonal principal son iguales a cero, como en

tiene propiedades

El smbolo [ I ] denota la matriz identidad. Esta matriz a la unidad.

Una matriz triangular superior es aquella donde todos sus elementos baio la diagonal principal son cero, como

[Al =

[all all

a 1 3

a141

a a23 3 3 a 3 4

(7441

SISTEMAS

LINEALES ECUACIONES ALGEBRAICAS

209
cero, con la excepcin de una banda centrada sobre la diagonalprincipal:

Una motriz triangular inferior es aquella donde todos sus elementos arribadeladiagonalprincipal son cero, como

Una motriz banda tienetodos los elementosiguales a

le da un nombre especial,

La matriz anterior tiene un ancho de banda de 3 y se motr;z tr;d;agonal,

111.2.2 Reglas de operacin sobre

matrices

o que significa una matriz, se pueden Ahora que se ha especificado l definir algunas reglas de operacin que gobiernan su uso. Dos matrices m por n son iguales, si y slo si, cada elemento de la primera es igual a cada elemento de la segunda; esto es [A] = [B] si a;, = bjjpara toda i, j.
La suma de dos matrices, [A] y [B], se realiza sumando los elementos correspondientes de cada matriz. Los elementos de la matriz [C]resultante se calculan como:

parai =

1, 2,.

. .,m y i =

1 , 2,

- . . , n.
[E]y [ F ] , se obtiene restan-

De forma similar, la resta de dos matrices, do los trminos correspondientes, como:

d.. 'I 'I = e.."..

'I

para i = 1 , 2, . . . , m y j = 1 , 2, . , n. De la definicin anterior, se sigue inmediatamente que la suma y la resta se puede llevar a cabo slo entre matrices que tienen las mismas dimensiones. La suma y la resta son conmutativas:

..

210

MTODOS

NUM~RICO PARA S INGENIEROS

La suma y la resta tambin son asociativas, esto es,

La multiplicacin de una matriz [A] por un escalar g se obtiene multiplicando cada elemento de [A] por g, como en

El producto de dos matrices se representa como [C]= [A][B],en donde los elementos de [C]se definen como (vaseel recuadro 111.2 donde se expone el concepto simple de la multiplicacin matricial)
n

C;; =

k= 1

a r k bk;

[111.2]

Donde n = la dimensin de las columnas de [A] y la dimensin de los renglones de [B].

RECUADRO 111.2 Mtodo simple para multiplicardosmatrices

Aunque la ecuacin (111.2) est bien definida para implementarse en una computadora, no es la forma ms simple de visualizar la mecnica de multiplicacin de dos matrices. En seguida se presenta una expresin ms tangible sobre este concepto. Supngase que se desea multiplicar [A] por [B] y obtener [C]: Ahora la respuesta [C]se puede calcular en el espacio vacante deiado por[B]. Este formato tiene utilidad porque alinea los renglones apropiados y las columnas que se van a multiplicar. Por ejemplo, de acuerdo a la ecuacin (111.2) el elemento c1 se obtiene multiplicando el primer rengln de [A] por la primera columna de [B]. Esto es equivalente a sumar el producto de al producto de y b , , como

bl,,

U n a forma simple de representar el clculo de [C]es elevar [B], como en

2 91

7=22

For io tanto, c l , , es igual a 22. El elemento c2,,se puede calcular en una forma similar, como

LINEALES SISTEMAS ALGEBRAICAS DE ECUACIONES

[A]+

1 4 " . : ',
8 6 x5+6~7=82

21 1

+[C]
Ntese que este mtodo esclarece el porqu es imposible multiplicar si el nmero de columnas de la primera matriz no es igual al nmero e renglones de la segunda. Ntese cmo demuestra que el orden de la mdtiplicacin coincide tambin. De la misma manera ilustra estos puntos el problema 7.3.

o 4

El calculo se puede continuar deesta manera, siguiendo la alineacin de renglones y columnas, para obtener el resultado:

Esto es, el elemento cji se obtiene sumando el producto de elementos individuales del i-simo rengln de la primera matriz, en este caso [A],por la i-sima columna de la segunda [B]. De acuerdo a esta definicin, la multiplicacin de dos matrices slo se puede realizar si la primera matriz tiene tantas columnas como renglones la segunda. Por lo tanto, si [A] es una matriz m por n, [B] deber ser una matriz n por p. En este caso, la matriz [C]resultante tendr dimensin m por p. Sin embargo, si [B] fuese una matriz p por n, la multiplicacin no se podra llevar a cabo. La figura 111.3 muestra una forma fcil de verificar si se pueden multiplicar dos matrices.

Si las dimensiones de las matrices son compatibles, la multiplicacion

matricial es asociativo:

FIGURA 111.3

Una manera simple de comprobar si es posible multiplicar dos matrices.

212

MhODOS NUMRICOS PARA INGENIEROS

y distributiva:

Sin embargo, en general la multiplicacin no es conmutativa:

[AI[Bl
Estoes,el

+ [BI[AI

orden de multiplicacin es importante.

Aunque la multiplicacin es posible, la divisin matricial an no est definida. Sin embargo, si una matriz [A] es cuadrada, hay otra matriz [A]", llamada la inversa de [A], tal que

[A]" [A]

[A] = [A]"

= [I]

[111.3]

De esta forma, la multiplicacin de una matriz por su inversa, es anloga a la divisin, en el sentido de que un nmero dividido por s mismo es igual a uno. Esto es, la multiplicacin de una matriz por su inversa es igual a la matriz identidad (recurdese el recuadro 111.1). La inversa de unamatriz cuadrada bidimensional se puede representar simplemente como:

[A)"

=
0 1 1 a22

1
- a 1 29 1

e 2
- 9 1

-a12

al,]

[111.4]

Las matrices de dimensin mayor son mucho ms difciles de expresar. La seccin 8.2 se dedica a estudiar una tcnica que calcula la inversa de tales sistemas.
Las operaciones finales de las matrices que tienen utilidad en este anlisis son las de transposicin y de matriz aumentada. La transpuesta de una matriz comprende la transformacin de sus renglones en columnas y sus columnas en renglones. La transpuesta de la matriz:

SISTEMAS

LINEALES ECUACIONES ALGEBRAICAS

213

denotada por

[AlT, se define como:

En otras palabras, el elemento a;; de la transpuesta es igual al elemento ai;de la matriz original, o ai = ai;. La matriz transpuesta tiene una gran variedad de funciones en el lgebra matricial. Una ventaja simple es la de permitir escribir un vector columna como vector fila. Por ejemplo, si:

entonces

en donde el superndice T denota transposicin. Esto puede ahorrar espacio al escribir un vector columna en un manuscrito. Adems, la matriz transpuestatiene una gran variedad deaplicaciones en las matemticas. Una matriz aumentada es el resultado de agregarle una columna (o ms columnas) a la matriz original. Por ejemplo, supngase que se tiene una matriz:

Si se desea aumentar esta matriz [A] con una matriz identidad (recurdese el recuadro Ill. 1 ), entonces se obtiene una matriz 3 por 6 dimensional, dada por:

214

MhODOS NUMERICOS PARA INGENIEROS

Esta expresin tiene utilidad cuando se desea realizar un conjunto de operaciones idnticas sobre dos matrices. De esta forma, se pueden llevar a cabo las operaciones sobre una matriz aumentada en vez de hacerlo sobre dos matrices independientes.

111.2.3 Representacinenformamatricial
ecuaciones algebraicas lineales

de sistemas de

Debe ser claro que las matrices proporcionan una notacin concisa en la representacin de ecuaciones simultneas lineales. Por ejemplo, la ecuacin ( 1 1 1 . 1 ) se puede expresar como:

donde

[A] es una matriz cuadrada n por n de coeficientes:

[Al =

[C] es
y

unvector columna n por

[Cl

1 de constantes:

[C ] T=

c 2 c 3

. . . cn]
n por 1 de incgnitas:

[Aes un vectorcolumna
[XIT = [ x x 1 x 2 3

..

xn]

Recurdese la definicin de la multiplicacin matricial [Ec. (111.2) o reequivalencia de las ecuaciones( 1 1 1 . 1 ) cuadro 111.21 para comprobar la y (111.5).Tambin, ntese que la multiplicacin matricial (111.5) es vlida ya que el nmero de columnas ( n ) de la primer matriz ([A])es (n) de la segunda matriz igual al nmero de renglones

([A).

En esta parte del libro se resuelve la ecuacin (111.5) para Una manera formal de obtener una solucin usando lgebra matricial es la de multiplicar cada lado de la ecuacin por la inversa de [A] para obtener:

[A.

Ya que [A] vierte en:

[A] es la matriz identidad, la ecuacin anterior se con1

[XI = [Al[Cl

[111.6]

SISTEMAS

ECUACIONES LINEALES ALGEBRAICAS

21 5

Por lo tanto, la ecuacin se ha resuelto para Este es otro ejemplo del juego de la matriz inversa similar a la divisin en el algebra matricial. Finalmente, algunas veces es til aumentar [A] con [C].Por ejemplo, si n = 3 el resultado es una matriz 3 por 4 dimensional, dada por:

[A.

[111.7]
Expresar de esta manera la ecuacin tiene utilidad, ya que varias de las tcnicas en la solucin de sistemas lineales hacen operacionesidnticas a una fila de coeficientes y a la constante correspondiente del lado derecho. Como se expres en la ecuacin (lll.7), se pueden realizar algunas operaciones sobre un rengln de la matriz aumentada en lugar de hacerlo separadamente sobre la matriz de coeficientes y el vector del lado derecho.

111.3
Antes de considerar los mtodos numricos,es til mencionar alguna orientacin adicional. A continuacin se muestra superficialmente el material analizado en la parte Ill. Adems, se han formulado algunos objetivos para ayudar a enfocar los esfuerzos cuando se estudie el material.

111.3.1 Metasyavances
En la figura 111.4 se proporciona un esquema de la parte Ill. El capitulo 7 muestra la tcnica fundamental en la solucin de sistemas alge-

braicoslineales:laeliminacingaussiana.Antesdeentrar en los detalles de esta tcnica, se incluye una seccin que menciona algunos mtodos simples para sistemas pequeos. Esto se hace con el fin de dar una ideavisual y debido a que uno delos mtodos -la eliminacin de incgnitases la base de la eliminacin gaussiana. Despus de presentar los antecedentes, se analiza la eliminacin gaussiana simple. Se inicia con esta versin ya que permite la elaboracin del mtodo completo sin mayores complicaciones. Despus,en las siguientes secciones, se analizan posibles problemas que usen el mtodo simple presentando ciertas modificacicnes que minimicen y eviten estos proI final del captulo, se dedica un recuadro a una formamuy blemas. A

216

MTODOS NUMRICOS PARA INGENIEROS

FIGURA 111.4

Esquema de organizacin de braicas lineales.

la parte Ill: Sistemas de ecuaciones alge-

eficiente de la eliminacin gaussiana que puede mas tridiagonales.

ser usado en siste-

En el captulo 8 se empieza con el anlisis del mtodo de Gauss-Jordan. Aunque esta tcnica es muy parecida a la eliminacin gaussiana, se analiza porque permite calcular la matriz inversa que tiene una utilidad inmensa en la ingeniera.

SISTEMAS DE ECUACIONES ALGEBRAICAS LINEALES

21 7

La eliminacin gaussiana y el mtodo de Gauss-Jordan son mtodos directos. AI final del captulo 8 se estudia un mtodo diferente conocido como mtodo de Gauss-Seidel. ste es parecido a los mtodos de aproximacin de races de ecuaciones que se estudiaron en el capitulo 5. Esto es, la tcnica implica dar una aproximacin inicial a la solucin y mediante iteraciones obtener un valor meiorado.
En el captulo 9 se demuestra como se pueden aplicar los mtodos en la solucin de problemas. As como en otras partes del libro, se examinan aplicaciones extradasde todos los campos de la ingeniera. Finalmente, al terminar la parte Ill se incluye un eplogo. Este repaso incluye el anlisis de los elementos de juicio importantes en la implementacin de los mtodos en la ingeniera prctica. En esta seccin tambin se resumen las frmulas de mayor importancia y los mtodos avanzados relacionados con las ecuaciones algebraicas lineales, por lo que se pueden usar para estudiar antes de un examen o como repaso cuandose tenga necesidad de utilizar las ecuaciones algebraicas lineales en la vida profesional. Las capacidades de cmputo automtico se integran en la parte Ill en una variedad de formas. Primero, en NUMERICOMP, se encuentran disponibles programas amables con el usuario de la eliminacin IBM-PC.Tambin se gaussiana para la microcomputadora Apple-ll e proporcionan los programas en FORTRAN y BASIC de la eliminacin gaussiana directamente en el texto. Esto le d a al usuario la oportunidad de copiary aumentar los programas para implementarlos en su microcomputadora o supercomputadora. Tambin se incluyen los diagramas de flujo o los algoritmos en la mayor parte de los mtodos descritos en el libro. Este material puede formar la base de un paquete de programas que el mismo usuario puede desarrollar y aplicar a una gran cantidad de problemas de ingeniera.

111.3.2 Metas y objetivos

Objetivos de estudio. AI terminar la parte Ill, el usuario debe ser capaz de resolver la mayor parte de problemas que impliquen utilizar ecuaciones algebraicas lineales y poder visualizar las aplicaciones de estas ecuaciones en todos los campos de la ingeniera. El usuario debe hacer lo posible por dominar variastcnicas y valorar la confiabilidad de las mismas. Debe entender las ventajas y desventajas involucradas en la seleccin del "mejor" mtodo (o mtodos) en cualquier problema particular. Adems de estos objetivos generales, se deben asimilar y dominar los conceptos especficos enumerados en el cuadro 1 1 1 . 1 .

218

MTODOS

NUMRICOS

PARA INGENIEROS

Objetivos de c6rnputo. El objetivo fundamental en cuanto a cmputo, es el de ser capaz de usar en forma satisfactoria un programa para resolver sistemas de ecuaciones algebraicas lineales. Debe quedar claro el uso de los programas de NUMERICOMP, o tambin saber cmo copiar y usar el programa de laeliminacihn gaussianasimple dado en el texto. Estos programas le permitirn manejar adecuadamente muchos problemas prcticos que impliquen utilizar varias ecuaciones algebraicas lineales simultneas. A medida quese avance en los problemas que contengan ms ecuaciones, se pueden usar los programas, diagramas defluio y algoritmos proporcionados en la parte Ill. Eventualmente, se puede incorporar a los programas el pivoteo parcial, el clculo de determinantes y la evaluacin de condiciones. Tambin se pueden obtener los programas paralos mtodos de Gauss-Jordan y de Gauss-Seidel.

CUADRO 111.1

Objetivos de estudios especficos de la parte 111

1 . Entender las interpretaciones grficas de sistemas mal condicionados y su relacin con el determinante del sistema.
a la primera versin de la eliminacin gaussiana. 3 . Familiarizarse con la terminologa: eliminacin hacia atrs, sustitucin hacia atrs, normalizacin, ecuacin pivotal y pivote. 4 . Entender los problemas de divisin por cero, errores de redondeo y mal condicionamiento. 5 . Saber cmo evaluar la condicin del sistema. 6 . Saber cmo calcular determinantes usando la eliminacin gaussiana. 7 . Entender las ventajas del pivoteo; entenderlas diferencias entre el pivoteo parcial y el pivoteo total. 8. Saber cmo aplicarlas tcnicas de correccin de errorespara mejorar las sohciones. 9 . Entender por qu las matrices banda son relativamente eficientes en su solucin. 1 O . Saber la diferencia fundamental entre la eliminacin gaussianay el mtodo GaussJordcn. 1 1 . Entender cmo se usa el mtodo deGauss-Jordan para calcular la matriz inversa. 1 2 . Saber interpretar los elementos de la matriz inversa en la evaluacin de las incgnitas en ingeniera. 1 3 . Comprender el uso de la matriz inversa en la evaluacin de la condicin del sistema. 1 4 . Entender por qu el mtodo de Gauss-Seidel es particularmente apropiado para sistemas grandes de ecuaciones. 1 5 . Entender par qu el valor de la diagonal de un sistema de ecuaciones influye en que el mtodo pueda ser resuelto mediante el mtodo de Gauss-Seidel. 1 6. Entender la razn existente detrs del concepto relajacin;saber dnde es ms apropiada la subrelajacin y dnde la sobrerelajacin.

2 . Entender por qu se le llama "simple"

CAPTULO SIETE ELIMINACIN GAUSSIANA

En este captulo se analizanlas ecuaciones algebraicas lineales simultneas que en general se pueden representar como:
allxl a21x1

+ a12x2 +

+ al,x, =

c 1

+ a22x2 + . . .

+ a2,xn = c2

anlxl + 0~2x2 +

- + a,,x, = c,
*

endondelas a son coeficientes constantes y las c son constantes. A la tcnica que se describe en este captulose le conoce como eliminacin gaussiana porque involucra una combinacin de ecuaciones a las que se les eliminan las incgnitas. Aunque ste es uno de los mtodos ms antiguos en la solucinde ecuaciones simultneas, permanece hasta nuestros das como uno de los algoritmos de mayor importancia.En particular, es fcil de programar y de aplicar con el uso de microcomputadoras.

7.1 SOLUCIN DE POCASECUACIONES

Antes de entrar a los mtodos que usan computadora, se describen algunos que son apropiados en la solucin de pequeos grupos de ecuacionessimultneas ( n I3) quenorequierendeunacomputadora.Estos son los mtodos grficos,la regla de Cramer y la eliminacin de incgnitas.

7.1 .l Mtodo grfico

Se obtiene una solucin grfica de dos ecuaciones representndolas en coordenadas cartesianas con un eje correspondiente a x1 y el otro a x2. Ya que el problema es para sistemas lineales, cada ecuacin representa

220

METODOS NUMRICOS

PARA INGENIEROS

unalnea recta. Esto puede ilustrarse fcilmente por las nerales:

QlXl

ecuaciones ge-

+ a12xz

= c1
c 2

a21x1 + a22x2 =

Ambas ecuaciones se pueden resolver para x2:

De esta manera, las ecuaciones se encuentran ahora en la forma de lneas rectas; esto es, x2 = (pendiente) x1 + interseccin. Estas lneas se pueden graficar en coordenadas cartesianas con x2 como la ordenada y x1como la abscisa. Los valores de x1y x2 enla interseccin de las lneas representan la solucin.

EJEMPLO 7.1 El mtodo grfico

para dos ecuaciones

Enunciado del problema:sese el mtodogrficopararesolver 3x1 -x1

+ 2x2 = 18 + 2x2 = 2

[E7.1.1]

[E7.1.2]

Solucin: sea x1 la abscisa. AI resolver la ecuacin (E7.1.1) para x2:

que, al graficarse en la figura 7 . 1 , da una lnea recta con una interseccin en 9 y pendientede -3/2. La ecuacin (E7.1.2) se puederesolverparax2: x2 = (1/2)x, + 1 la cual tambin se grafica enlafigura 7.1. La solucin es la interseccin delasdoslneasen x1 = 4 y x2 = 3. Este resultado se puede verificar sustituyendo estos resultados en las ecuaciones originales para obtener: 3(4)

+ 2(3) = 18

-4

+ 2(3) = 2

ELlMlNAClON GAUSSIANA

22 1

De esta manera, los resultados son equivalentes a los lados derechos de las ecuaciones originales.

FIGURA 7.1

Solucin grfica de un conjunto de dos ecuaciones algebraicas lineales simultneas. l a interseccin e las lneas representa la solucin.

Para tres ecuaciones simultneas, cada ecuacin representa un plano en el sistema de coordenadas tridimensional. El punto en donde se intersecten los tres planos representa la solucin. Ms alldetres ecuaciones, los mtodos grficos no funcionan y , por consiguiente, la solucin de ecuacciones algebraicas tiene muy poco valor prctico. Sin embargo, algunas veces resultan tiles para visualizar propiedades de la solucin. Por ejemplo, lafigura 7.2 muestra tres casos que se pueden abordar cuando se desea resolver un conjunto de ecuaciones lineales. La figura 7.2a muestra el caso en que la dos ecuaciones representan dos lneas paralelas. En estos casos, no existe solucin ya que las dos lneas jams se cruzan. La figura 7.2b representa el caso enque las dos lneas coinciden. En este caso existe un nmero infinito de soluciones. A estos dos tipos de sistemas se les llama singular. Tambin los sistemas que son casi singulares causan problemas (Figura 7 . 2 ); a estos sistemas se les k m a mal condicionados. Grficamente, indican que el punto exacto de interseccin de ambas rectas es muy difcil devisualizar. Como se veenlas siguientes

222

MTODOS

NUMRICOS

PARA INGENIEROS

FIGURA 7.2

Esquema grfico de sistemas mal condicionados: a) no hay solucin, b) hay una infinidad de soluciones y c) un sistema mal condicionado en donde las pendientes son muy parecidas en el punto de interseccin y es difcil de detectar fcilmente la solucin.

secciones, los sistemas mal condicionados tambin tienen problemas cuando ?e encuentran en la solucin numrica de ecuaciones lineales.

7.1.2 Determinantes y la regla de Cramer

La regla de Cramer es otra tcnica de solucin aplicablea pocas ecuaciones. Antes de describir estemtodo, se menciona brevementeel concepto de determinantes, que se usanenla implementacinde la reglade Cramer. Adems, el determinante es til enla evaluacin de mal condicionamiento de unamatriz.
Determinantes. Se puede ilustrar un determinante mediante un conjunto de tres ecuaciones:

o. enformamatricial:

en donde [ A ] es lamatriz de coeficientes:

all

a12

a13

ELlMlNAClON GAUSSIANA

223

El determinante D de este sistema se forma con los coeficientes la de ecuacin, de la siguiente manera:

Aunque el determinante D y lamatriz [A] se componen de los mismos elementos, tienen conceptos matemticos completamente diferentes. Para denotar la matriz se usan corchetes y para los determinantes se usan barras verticales. En contraste con una matriz, el determinante es un nmero. Por ejemplo, elvalordel determinante de segundo orden:

D=

all
(a21

a 1 2

se calcula mediante:

En el caso de tercer orden [Ec. (7.2)], se puede calcular el valor del determinante como:

en donde a los determinantes de 2 por 2 se lesllama menores.

EJEMPLO 7.2

Determinantes

Enunciado del problema: calclense los valores de los determinantes de lossistemasrepresentadosenlasfiguras 7 . 1 y 7.2. Solucin: para lafigura 7.1:

Para lafigura 7 . 2 ~ 1 :

-1/2 1-1,2

1 -1 1 1 = -(l) 2

1 1(%)

224

I
I

INGENIEROS

PARA

MTODOS

NUMRICOS

Para la figura

7.2b:

Para la figura

7.2~:

En el ejemplo anterior, los sistemas singulares tienen un valor de cero. Adems, elresultadoindicaqueelsistemacasisingular (Fig. 7 . 2 ~ ) tiene un determinante cercano a cero. Estas ideas se seguirn manejando posteriormente en los anlisis de mal condicionamiento (seccin 7.3.3).
Regla de Cramer. Esta regla dice que cada incgnita de un sistema de ecuaciones algebraicas lineales se puede expresar como el cociente de dos determinantes con el denominador D y con el numerador obtenido de D reemplazando la columna de coeficientes de la incgnita en cuestin porlasconstantes cl, c2, . . . , c,. Por ejemplo, x1 se calcula como:

EJEMPLO 7.3
Regla de Cramer

Enunciado del problema: sese

0 . 3 ~ 1 0.52~2

lareglade

Cramer para resolver:

+ x3 = -0.01

0 . 1 ~ 1 O.3X2

+ O.5X3 = -0.44

Solucin: el determinante D se puedeescribir como [Ec. (7.2)]:

D = 0.5 1
0.1

0.3 0.52 1
0.3

0.5

1.9

ELlMlNAClON

GAUSSIANA

225

Los menores son:

1 10.3 0.5 0.1 0.5 A3 = 10.1

=

1.9 = l(0.5) - 1.9(0.3)= -0.07 0.5 1.9 = 0.5(0.5)- 1.9(0.1)= 0.06 0.5 1 = 0.5(0.3) - l(O.1) = 0.05 0.3

stos se pueden usar para evaluar el determinante, como en la ecuacin

(7.4):

0.3(-0.07) - 0.52(0.06) + l(0.05) = -0.002 2

Aplicando la ecuacin (7.5),la solucin es:

x1 =

I -o.44

-0.01 0.52 1 0.67 1.9 1

-0.002 2 0.3 -0.01 1 0.67 1.9 0.5

-= .-0.032 78

-0.002 2

-14.9

x 3

0.3 0.52 -0.01 10.5 1 O. 67 1O.l = "0.002 2

-0.043 56 = 19.8 -0.002 2

Para ms de tres ecuaciones, la regla de-Crameres imprdctica ya que a medida que crece el nmero de ecuaciones, los determinantesse vuelven dificiles de evaluar a mano. Por consiguiente, se usan otras alternativasms eficientes.Algunas de estasalternativas se basanenlaltima tcnica cubierta en este libro que no usa computadora, la eliminacin de incgnitas.

7.1.3 La eliminacin de incgnitas

La eliminacin de incgnitas mediante la combinacin de ecuaciones es un esquema algebraic0 que se puede ilustrar para un conjunto de ecuaciones:

226

MhODOS NUMRICOS

PARA INGENIEROS

c7.61

La estrategia bsicaes multiplicar lasecuaciones por constantes para que una de las incgnitas se elimine al combinar las dos ecuaciones. El resultado es una ecuacin que se puede resolver para la incgnita restante. Este valor se puede sustituir en cualquiera de las ecuaciones originales para calcular la otra variable. Por ejemplo, la ecuacin (7.6) se puede multiplicar por a21y la ecuacin (7.7) por all paradar:

x1 de la ecuacin para obtener:

Restando la ecuacin (7.8) de la ecuacin (7.9),se eliminael trmino

que se puede resolver por

[7.10]

La ecuacin 7.10 se puede sustituir en la ecuacin (7.6),que se puede resolver por

[7.11]

Ntese que las ecuaciones (7.10) y (7.11) se calculan directamente por la regla de Cramer, que establece:

X I =

1C: I;:

- c1a22 - a12c2 alla22 - ( 3 1 1 2 a 2 1

ELIMINACION

GAUSSIANA

227

EJEMPLO 7.4
Eliminacin de incgnitas

Enunciado del problema: sese la eliminacin de incgnitas para resolver (recurdese el ejemplo 7.1) :
3x1 + 2x2 = 18 -x1 + 2x2 = 2

Solucin: usando las ecuaciones (7.11) y (7.10)

x1

2(18) - 2(2) =4 3(2) - 2(-1) 3(2) - (-1)18 =3 3(2) - 2(-1)

x 2 =

las cuales son consistentes con la solucin grfica (Fig. 7.1) La eliminacin de incgnitas se puede extender a sistemas con ms de dos o tres ecuaciones. Sin embargo, los clculos numerosos que se requieren para sistemas grandes vuelven rnuy tedioso al mtodo como para realizarlo a mano. Sin embargo, como se describe en la siguiente seccin, el mtodo se puede formalizar y programar fcilmente en una microcomputadora.

7.2 ELIMINACIN GAUSSIANA SIMPLE

En la seccin anterior, se usa la elirninacin de incgnitas para resolver un par de ecuaciones simultneas. El procedimiento consta de dos pasos:

1. Se manejan las ecuaciones para eliminar una incgnita de una ecuacin. El resultado de este paso de eliminacin es una sola ecuacin con una incgnita. en las ecuaciones originales para

2. Por consiguiente, esta ecuacin se puede resolver directamente y el

resultado se sustituyehaciaatrs encontrar la incgnita restante.

Este comportamiento bsico se puede extender a sistemas grandes de ecuacionesdesarrollando un esquema sistemtico para eliminar incgnitas y sustituir hacia atrs. La eliminacin gaussiana es una de las tcnicas ms comunes.

228

MhODOS NUMRICOS PARA INGENIEROS

7.2.1 Algoritmo para la eliminacin gaussianasimple

Se incluye en esta seccin la tcnica sistemtica de eliminacin hacia adelante y la sustitucin hacia atrs que comprende la eliminacin gaussiana. Aunque estas tcnicas se adaptan perfectamentea las condiciones de implementacin sobre una microcomputadora,se requieren algunasmodificaciones para obtener un algoritmo legible. En particular, el programa debe evitar divisiones por cero. Al mtodo siguiente se le llama eliminacin gaussiana "simple" porque no evita estas contingencias. Enlas siguientes secciones se muestran algunos rasgos adicionales necesarios para tener un programa efectivo. El procedimiento estplaneado para resolver un conjunto de n ecuaciones:
allxl +

+ a13x3+ + al,xn = c1 a21x1+ a22x2 + ~ 1 ~+ ~ x 3+ aZnxn =c 2

~112x2
* *

C7.1201
[7.12b]

'

[7.12c]

Como en el caso de solucin de dos ecuaciones, el mtodo para n ecuaciones consiste de dos fases: la eliminacin de las incgnitas y su solucin mediante sustitucin hacia atrs.
Eliminacin hacia adelante de incgnitas. La primera fase reduce elconl paso junto de ecuaciones a un sistema triangular superior (Fig. 7 . 3 ) .E inicial del procedimiento consiste en dividir la primera ecuacin [Ec. 7.12a1 porel coeficiente de laprimer incgnita, all: x 1

+ "a12 x 2 +
a11

n .+Q " lx ,

al 1

=-

c1

all

A este procedimiento se le conoce como normalizacin y tiene como finalidad convertir el primer coeficiente de la ecuacin normalizada en 1. En seguida se multiplica la ecuacin normalizada por el primercoeficiente de la segundaecuacin [Ec. ( 7 . 1 2 b ) ] ,a21:
[7.13]

Ntese que el primer trmino de la primera ecuacin es ahora idntico alprimertrmino de la segunda ecuacin. Por consiguiente, se puede eliminar la primera incgnita de la segunda ecuacin restando la ecuacin (7.13) de la (7.12b) para obtener

ELlMlNAClON GAUSSIANA

229

FIGURA 7.3

Esquema grfico de lasdos partes del mtodo de eliminacin gaussiana. La eliminacin hacia adelante reduce la matriz de coeficientes a una forma triangular superior. Despus, se usa la sustitucin hacia atrs para encontrar las incgnitas.

ahax? +

* * *

+ ahnxn= c$

en donde el apstrofo indica que los elementos han cambiado sus valores originales. El proceso se repite hasta que se elimina la primera incgnita de las ecuaciones restantes. Por ejemplo, la ecuacin normalizada se multiplica por a31 y el resultado se resta de la tercera ecuacin para obtener
a&x2 + aj3x3

. + a&,x,, = c$

Repitiendo el procedimiento para el resto de ecuaciones da como resultado el siguiente sistema modificado:
[7.14a] [7.14b] [7.14c]

[7.14d]

230

METODOS NUMERICOS PARA INGENIEROS

De ahora en adelante, a la ecuacin (7.12a) se le llama ecuacin pivotal y a all se le llama pivote. En seguida se repite el proceso para eliminar la segunda incgnita de hasta la (7.14d). Para hacerlo, se usa como ecualas ecuaciones (7.14~) normalizndola y dividindola por el picin pivotal la ecuacin (7,14b) votea'22. Multiplicando la ecuacin normalizada por a'32 y restando el resultado a la ecuacin ( 7 . 1 4 ~ se ) elimina la segunda incgnita. Repitiendo el proceso conlas ecuaciones restantes se obtiene:

a" n3 x3

. + axnx, = c:

en donde el apstrofe doble indica que los coeficientes se han modificado dos veces. El procedimiento se puede continuar usando las ecuaciones restantes como pivotales. La operacin final de esta secuencia es la de usar la (n- 1)-sima ecuacinparaeliminar el trminode la n-sima ecuacin. En ese momento el sistema se transforma en un sistema triangular superior (recurdese el recuadro 111.1). [7.15a] [7.15b] [7.15c]

[7.15dj
Sustitucin hacia atrs. La ecuacin (7.15d)se puede resolver para x,:
1

17.161 Este resultadose puede sustituir en la (n- 1) -sima ecuaciny resolverse stapara x,,~- El procedimiento se repite evaluando las x restantes, ste se puede representar mediante la frmula:

ELlMlNAClON

23 1

[7.17]

para i = n-1,

n-2, . . . , 1.

EJEMPLO 7.5
Eliminacin gaussiana simple

Enunciado del problema: sese

la eliminacin gaussiana para resolver:

[E7.5.lj [E7.5.2] rE7.5.31

3x1

0.1~2 - 0.2~3 = 7.85

+ 0.1~1

7x2

O.3X3 = -19.3

~~ lox3 = 71.4 0 . 3~0 ~. 2 +

Efectense 10s clculos con seis cifras significativas.

Solucin: la primera parte del procedimiento es la eliminacin hacia adese ) lleva a cabo dividinlante. La normalizacin de la ecuacin ( 7 . 5 . 1 dola por el elemento pivotal, obteniendo:
XI -

0,033 333 3x2

0.066 666 7x3

2.616 67

[E7.5.4]

En seguida, multiplquese la ecuacin (E7.5.4) por 0.1 y t6stese el resultado de la ecuacin (E7.5.2) se tiene:

7.003 33x2 - 0.293 333x3

-19.561 7

[E7.5.5]

Por lo tanto almultiplicarla ecuacin (E7.5.4) por O.1 y al restarla a la ecuacin (E7.5.3) se elimina xl. Despus de estas operaciones, el conjunto de ecuaciones es

3x1

--

o.lx,
7.003 33x2
-

- 0.2X3 = 7<65
0.293 333x3 10.020 Ox3
= =

rE7.5.61 [E7.5.7] [E7.5.8]

- 19.561 7
70.615 O

-0.190 000x2

Paraterminar la eliminacinhaciaadelante xp debe desaparecer de la ecuacin (E7.5.8).Para llevarlo a cabo, normalcese la ecuacin (E7.5.7) dividindola por 7.003 33:

x 2 - 0.041 884 8x3

-2.793 20

[E7.5.9]

Despus, multiplquese la ecuacin ( 7 . 5 . 9 por ) -0.190 O00 y rstese el resultado de la ecuacin (E5.7.8). Con esto se elimina x2 de la tercera ecuacin y reduce el sistema a la forma triangular superior, dada por:

232

METODOS

NUMRICOS

PARA INGENIEROS

3x1 -

O.lx,

0 , 2 ~= 3 7.85 0.293 333x3

= =

7.003 33x2

-19.561 7

[E7.5.10] [E7.5.11]

10.012 Oxg

70.084 3

Ahora se pueden resolver estas ecuaciones porsustitucinhacia atrs. Enprimer lugar, la ecuacin (E7.5.11)se puede resolver, dando:

03

x3

7.000 0.293 333(7.000 03) -19.561 7

[E7.5.12]

Esteresultado se puede sustituirenla

ecuacin (E7.5.10),para dar:

=

7.003 33x2 x 2

que se puede resolver para

=

"2.500 O0

[E7.5.13]

Finalmente, las ecuaciones (E7.S.12) y (E7.5.13)se pueden sustituir en la ecuacin (E7.5.6) para dar:

3x1

0.1(-2.500 00)

0.2(7.000 03)

7.85

que se puede resolver para:

x 1 = 3.000 O0

Aunque hay un pequeiio error de redondeo enla ecuacin (E7.5.E ) , los resultadosson muy cercanos a lasolucinexactade x 1 = 3, x 2 = -2.5 y xg = 7 . Esto se puede verificar sustituyendo las respuestas en el conjunto de ecuaciones originales, para dar:

3(3) - 0.1(--2.5) - 0.2(7.000 03) 0.1(3) + 7("2.5) 0.3(3) - 0.2(-2.5)

-

= = =

7.849 99 -19.300 O 71.400 3

= 785
=

0.3(7.000 03)
lO(7.000 03)

-19.3

= 71.4

7.2.2 Programa del mtodo de

eliminacin gaussiana simple

La figura 7.4 muestra los programas de la eliminacin gaussiana simple. Los programas constan de cuatro partes: entrada de dabs, eliminacin hacia adelante, sustitucin hacia atrs e impresin de datos. Ntese que la matriz de coeficientes se aumenta por las constantes del lado derecho. Esta informacin se almacena en la matriz A. Ya que esta matriz es aumen-

ELlMlNAClON

GAUSSIANA

233

tada, el hecho de que sus dimensiones sean de 15 por 16 significa que el programa puede manejar hasta15 ecuaciones simultneas de esta forma.

FORTRAN

Elim1nac16n hacia adelante

sun-0

I-N-NN IP=I+l

Sustracci6n hacia atrAs

[)O 1 2 2 0 J=IP,H
SLlN-SUM+A( I , J >*X( J 1220 C O N T I N U E
1240 CONTINUE

~ ~ I ~ = ~ ~ ~ l , ~ ~ - s u M ~ , ' a ~ l , I ~
RETURli
END

FIGURA 7.4

Programas simple.

FORTRAN y BASIC del mtodo de eliminacin gaussiana

Ntese tambin que se ha programado el cuerpo principal del algoritmo como una subrutina. Se hizo as porque adems de la solucin directa de los problemas de ingeniera, la eliminacin gaussiana tambihn tiene utilidadformandoparte de otros algoritmos. Enlaltima parte de este captulo se desarrollan tcnicas de correccin de errores que requieren una subrutina para la elimiflacin gaussiana. Adems, en el captulo 10 se necesita resolver ecuaciones algebraicas lineales como parte de la tcy polinomial. nica de ajuste de curvas llamada regresin mltiple

234

METODOS NUMRICOS

PARA INGENIEROS

El programa de la figura 7.4 no es legible al usuario. En el problema 7 .16 al final del captulo, se presenta la tarea de hacer un bosquejo del P r.ogramaparahacerlofcilde Gsar y de entender.

EJEMPLO 7.6
Solucin de ecuaciones algebraicas lineales usando computadora

Enunciado del problema:los programas de NUMERICOMP contienen uno que implementa la eliminacin gaussiana enun programa legibleal usuario. Se puede usar este programa para resolver problemas asociados con el ejemplo del paracaidista discutido en el captulo 1. Supngase que un grupo de tres paracaidistas se conecta por medio de cuerdas muy ligeras mientras caen a una velocidad de 5 m/s (Fig. 7.5). Calclese la tensin en cada seccin de la cuerda y la aceleracin del grupo, dada la siguiente informacin:

Paracaidista
.~ .." . . ~

Masa, kg
..

Coeficientes de rozamiento,

kg/s

70

1 2 3

60 40

14 17

Solucin: los cuerpos de los paracaidistas se muestranenlafigura 7.6. Considerando las fuerzas en direccin vertical y usando la segunda ley de Newton se obtiene un conjunto de tres ecuaciones lineales simultneas: mlg
m2g
-

T - clu
T'c2u - R

mla
m2a

Estas ecuaciones tienen tres incgnitas: a , T y R. Despus de sustituiros valores conocidos, las ecuaciones se pueden expresar en forma matricial (ya que g = 9.8 m/s2).
FIGURA 7.5 Tres paracaidistas en cadc libre conectados por cuerdas de peso despreciable.

236

MTODOS

NUMRICOS

PARA INGENIEROS

FIGURA 7.7.

(Continuacin) b) Prueba de exactitud obtenida al sustituir la solucin en las ecuaciones originales para comprobar que los resultados son iguales a las constantes del vector de trminos independientes original.

Los resultados anteriores se basan en un algoritmo simple del mtodo de la eliminacin gaussiana con rutinas legibles al usuario sobre entrada y salida de datos. El algoritmo empleado es similar al de la figura 7.4. El usuario debe ser capaz de escribir un programa para el mtodo de la eliminacin gaussiana. Si ya lo tiene, use el programa anterior para comprobar la exactitud del propio.

7.3 DESVENTAJAS DE L O S MTODOS

DE ELIMINACIN

A pesar de que existen muchos sistemas de ecuaciones que se pueden resolver con la eliminacin gaussiana simple. Hay algunas desventajas que se deben de analizar antes de escribir un programa que implemente el mtodo. Aunque el siguiente material habla Gnicamente del mtodo de eliminacin gaussiana simple, esta informacin tambin es importante para otras tcnicas de eliminacin.

7.3.1 Divisin entre cero

La razn principal por la que se le ha llamado simple al mtodo anterior, es porque durante las fases de eliminacin y sustitucin es posible que ocurra una divisin entre cero. Por ejemplo, si se usa el mtodo de eliminacin gaussiana simple para resolver el sistema:

ELlMlNAClON GAUSSIANA

237

la normalizacin de la primer ecuacin implica una divisin entre all = O. El problema se presenta tambin cuando el coeficiente es muy cercano a cero. Se ha desarrollad? una estrategia del pivote0 para evitar parcialmenteestosproblemas.Este se describeenla seccin 7.4.2.

7.3.2. Errores deredondeo

Aun cuando la solucin del ejemplo 7 . 5 se acerca mucho a la solucin real, hay una pequea diferencia enel resultado de x3 [Ec. (E7.5.12)]. Esta diferencia, que significa un error del -0.000 43%, se debe al uso de seis cifras significativas durante los clculos. Si se hubieran usado ms cifras significativas, el error se habra reducido an ms. Si se hubieran usado fracciones en vez de decimales (y por consiguiente se hubieran evitado los errores de redondeo), la respuesta habra sido exacta. Sin embargo, ya que las microcomputadoras manejan slo un nmero limitado de cifras significativas ( = lo), pueden ocurrir los errores de redondeo y se deben considerar al evaluar los resultados.

EJEMPLO 7.7
Efecto de los errores de redondeo en la eliminacin gaussiana

Enunciado del problema: resulvase el mismn problema del ejemplo 7 . 5 , usando tres cifras significativas durante los clculos. Solucin: la eliminacin de x1 de la segunda y tercera ecuacin y la eliminacin de x2 de la tercera llevaalsiguientesistematriangular:
3x1 - 0.1~2 0.2~3 = 7.85

7.00~2 - 0.293~3 = -19.6

= 70.1 9.99~3

Comprese este sistema con el obtenido previamente usando seis cifras significativas [ecuacin(E7.5.10) hasta la (E7.5.121. Sepuede usar la sustitucinhaciaatrspararesolverel sistema, obteniendo:
x1 = 3.17
x 2 x 3

= -2.51 = 7.02

IE,~ I E, 1
1 E, I

5.7%
0.4%

= =

0.29%

238

NUMERICOS

METODOS

PARA INGENIEROS

Sustituyendo estos valores enlas ecuaciones originales se obtiene: 3(3.17) - 0.1(-2.51) 0.1(3.17) + 7(-2.51) 0.3(3.17) - 0.2(-2.51)
-

0.2(7.02) = 8.36 # 7.85 0.3(7.02) = -19.4 # -19.3

+ lO(7.02) = 71.7 #

71.4

Aunque el uso de tres cifras significativas dentro del ejemplo 7.7 hace del mismo un ejemplo fuera de la realidad, el problema de los errores de redondeo s es real y puede ser de mucha importanciaal resolver grandes cantidades de ecuaciones. Esto se debe a que cada resultado depende de todos los resultados anteriores. Por consiguiente, un error en los primeros pasos tiende a propagarse, esto es, causa errores en los siguientes pasos. Es muy complicado especificar el tamao del sistema en donde los errores de redondeo vienen a ser significativos ya que dependen del tipo de computadoray de las propiedades del sistema. Una regla muy general es la de suponer que los errores de redondeo son de importancia cuandose trata de sistemas de 25 a 50 ecuaciones. En cualquier evento, siempre se deben sustituir las respuestas en las ecuaciones originales y verificar si ha ocurrido un error sustancial.Sin embargo, como se menciona ms adelante la magnitud de los coeficientes mismos puede influir en los errores al buscar un resultado aceptable.

7.3.3 Ill-Sistemas mal condicionados

La obtencin de la solucin depende de la condicin del sistema. Enla seccin 7.1.1 se muestra un esquema grfico de la condicin de un sistema. En sentido matemtico, los sistemas bien condicionados son aquellos en los que un cambio en uno o ms coeficientes provoca un cambio similarenla solucin. Los sistemas mal condicionados son aquellos en donde cambios pequeos en los coeficientes provocan cambios grandes en la solucin. Una interpretacin diferente del mal condicionamiento es que un rango amplio de respuestas puede satisfacer aproximadamente al sistema. Ya que los errores de redondeo pueden inducir cambios pequeos en los coeficientes, estos cambios artificiales pueden generar errores grandes en la solucin de sistemas mal condicionados como se ilustra en elsiguiente ejemplo.

EJEMPLO 7.8 Ill-Sistemas mal condicionados

Enunciado del problema:resulvase el siguientesistema:

ELlMlNAClON

GAUSSIANA

239

x 1

+ 2x2 = 10

[E7.8.1]

1.1~1 + 2x2 = 10.4

[E7.8.2]

Despus, resulvase nuevamente, con el coeficiente de x1 de la segunda ecuacinmodificadolevemente a 1.05. Solucin: usandolas ecuaciones (7.10) y (7.11), la solucin es:

x 1

2(10) - 2(10.4) =4 l(2) - 2(1.1) l(10.4) - 1.1(10) = 3 l(2) - 2(1.1)

a21 de

x 2=

Sin embargo, con el cambio al coeficiente do cambia drsticamente a: x 1 x 2

=

1 . 1 a 1.05, el resulta-

2(10) - 2(10.4) =8 l(2) - 2(1.05) l(10.4) - 1.05(10) =1 l(2) - 2(1.05)

Ntese que la razn principal de la diferencia entre los dos resultados es que el denominador representa la diferencia de dos nfimeros casi iguales. Como se explica previamente en el ejemplo 3.4, estas diferencias sonmuy sensitivas a pequeas variacionesen los nmeros que se estn manejando. En este punto, se podra sugerir que la sustitucin de los resultados en las ecuaciones originales alertara al lector en el problema. Desafortunadamente, este no es el caso en sistemas mal condicionados. La sustitucin de valores errneos de x1 = 8 y x2 = 1 en las ecuaciones (E7.8.1) y (7.8.2) lleva a:

+ 2(1) = 10 = 10 1.1(8) + 2(1) = 10.8 = 10.4

8
Por lo tanto, aunque x1 = 8 y x2 = 1 no son las soluciones reales al problema original, la prueba de error es casi igual, lo que puede provocar el error al hacer creer que las soluciones son correctas.

Como se hizo previamente enla seccin de mtodos grficos, se puede desarrollar una representacin visual del mal condicionamiento graficando las ecuaciones (E7.8.1)y (E7.8.2) (recurdese lafigura 7.2). Debido a que las pendientes de las lneas son casi iguales, visualmente es difcil de ver exactamente donde se intersectan. Esta dificultad. visual se refleja

240

MTODOS

NUMRICOS PARA INGENIEROS

cuantitativamente en los resultados inciertos del ejemplo 7.8. Esta situacin se puede caracterizar matemticamente escribiendo las dosecuaciones en su forma general:

Dividiendo la ecuacin (7.18)por a12 y la ecuacin (7.19) por aZ2y ordenando trminos se obtienen las versiones alternativas del formato de unalnearecta [x? = (pendiente) x1 + interseccin].

x 2

a21
a22

"

x 1

c2
"

a22

Por consiguiente, silas pendientessoncasiiguales,

all =012

entonces:

021

a 2 2

o , multiplicandoencruz:
alla22

= a21a12

que se puede expresar tambin como:

alla22 - a 1 2 ~ 2 1 =

r7.201

Ahora, recordando que a l l a22 - a12a21 es el determinante del sis, puede obtener la conclusin general tema bidimensional [Ec. ( 7 . 3 ) ]se de que un sistema mal condicionado es aquel en que su determinante se aproxima a cero. En efecto, siel determinante es exactamente igual a cero, las dos pendientes son idnticas, lo que produce de forma indistinta o ninguna solucin o un nmero infinito de ellas, como enel caso del sistema singular mostrado enlafigura 7 . 2 1 y b. Es difcil especificar qu tan cerca debe estar el determinante de cero de manera que indique mal condicionamiento. Esto se complica por el hecho de que un determinante puede cambiarsu valor simplemente multiplicando una o ms ecuaciones por un factor escalar sin alterar la solucicin. Por consiguiente, el determinante esun valor relativo que se modifica conlamagnitudde los coeficientes.

ELlMlNAClONGAUSSIANA

241

EJEMPLO 7.9
Efecto de escalamiento en el determinante

Enunciadodelproblema:evaleseeldeterminantedelossistemas guientes:
a) Del ejemplo 7.1:

Si-

3x1
-x1

+ 2x2 = 18 + 2x2 = 2

[E7.9.1] [E7.9.2] [E7.9.3] [E7.9.4]

b) Del ejemplo 7.8:

+ 2x2 = 10 1.lxl + 2x2 = 10.4

x 1
c) Reptase b) multiplicandolas ecuaciones por

10.

Solucin: a) El determinante de las ecuaciones (E7.9.1) y (E7.9.2) que es un sistema bien condicionado, es:

3(2)

2(-1) = 8

b) El determinante de las ecuaciones (E7.9.3)y (E7.9.4),que es un sistema mal condicionado, es:

D
c)

= l(2) - 2(1.1) = -0.2

Los resultados de a) y de b) parecen corroborar el argumento de que los sistemas mal condicionados tienen determinantes cercanos a cero. Sin embargo, supngase que el sistema mal condicionado b) se multiplicapor 10, para obtener:

+ 20x2 = 100 11x1 + 20x2 = 104

10x1
La multiplicacin de una ecuacin por una constante no tiene efecto en la solucin. Adems, an est mal condicionado. Esto se puede verificar multiplicando por una constante que no tenga efecto en la solucin grfica. Sin embargo, el determinanteresulta muy afectado.

= lO(20) - 20(11) = -20

No slo se han elevado dos rdenes de magnitud, sino que el determinante es el doble del sistema bien condicionado a ) .

242

INGENIEROS MTODOS

NUMRICOS

PARA

Como se ilustra en el ejemplo anterior, la magnitud de los coeficientes interpone un efecto de escalamiento que complica la relacin entre la condicin del sistema y el tamao del determinante. Una manera de evitar parcialmente esta dificultad es la de escalar las ecuaciones de forma tal que el elemento mximo de cualquier rengln sea 1.

EJEMPLO 7.1 O
Escalamiento

Enunciado del problema: esclenselos sistemas de ecuaciones del ejemplo 7.9 a un valor mximo de 1y calclense de nuevo sus determinantes. Solucin: a) En el sistema bien condicionado, el escalamiento genera
X I

-0.5x1

+ 0.667~2 = 6 + x 2 = 1
=

cuyo determinante es:

l(1)

0.667(-0.5)

1.333

b) En el sistema mal condicionado, el escalamiento genera:

+ X2 = 5 0.55~1 + X:, = 5.2

0.5X1

cuyo determinante es:

0.5(1) - l(0.55) = -0.05

c ) En el ltimo caso, e! escalamiento modifica el sistema de la misma forma que b ) . Por lo tanto, el determinante tambin es 0.05, y el escalamiento no afecta.

En la seccin anterior (seccin 7.1.2),se dijo que el determinante es difcil d e evaluar para ms de tres ecuaciones simultneas. Por lo tanto, parece ser que noexiste una manera prctica de determinar la condicin de un sistema. Sin embargo, como se muestra en el recuadro 7.1, existe un algoritmo simple que resulta de la eliminacin gaussiana y que se puede usar en la evaluacin del determinante. Adems del planteamiento usado en el ejemplo anterior para calcular la condicin de un sistema, existen otras formas de hacerlo. Por ejemplo, existen mtodos alternativos para la normalizacin de elementos ( d a s e

ELlMlNAClON

GAUSSIANA

143

Stark, 1970).Adems, como se ve en el captulo siguiente (seccin 8.2.2), la matriz inversa puede usarse en la evaluacin de la condicin de un sistema. Finalmente, unapruebasimple (pero que consume mucho tiempo) consisteenmodificar un poco los coeficientes y repetirlasolucin. Si estas modificaciones generan resultados drsticamente diferentes, el sistemaprobablementeestmalcondicionado. Como se puede deducir del anlisis anterior, definitivamente no existe un mtodo simple para evaluar el mal condicionamiento. En la elimi-

RECUADRO 7.1 Evaluacin de determinantesusando la eliminacion gaussiana

En la seccin 7.1.2, se dijo que la evaluacin de los determinantes por expansin de menores era imprctica para conjuntos grandes de ecuaciones. De esta forma, se concluye que la regla de Cramer slo es aplicable para sistemas pequeos. Sin embargo, como se dijo en la seccin 7.3.3, el determinante tiene sentido cuando valorala condicin de un sistema. Por lo tanto, sera til poseer un mtodo prctico para calcular esta cantidad. Afortunadamente, la eliminacin gaussiana proporciona una forma simple de hacerlo. El mtodo se basa en el hecho de que el determinante de la matriz triangular se puede calcular simplemente con el producto de los elementos de su diagonal:

a11a22m

- ado)

+ a d o ) = a11a~~a33

Recurdese que el paso de eliminacin progresiva de la eliminacin gaussiana genera un sistema triangular superior. Ya que el valor del determinante se puede evaluar simplemente al final de este paso:

= a11a&a&. . . a?;')

[B7.1.2]

= a11a22a33 ..

. ann

[B7.1.1]

La validez de ,esta frmula se puede ilustrar en sistemas de 3 por 3:

en donde los superndices indican que los elementos se han modificado durante el proceso de eliminacin. Por lo tanto, se puede aprovechar el esfuerzo que se ha hecho al reducir el sistema a su forma triangular, y por aadidura obtener una aproximacin al determinante. Hay una pequea modificacin en el planteamiento anterior cuando el programa usa pivote0 parcial (secEn este caso, el determinante cambia de cin 7.4.2). signo cada vez que un rengln se usa como pivotal. Una manera de representar esto es modificando la ecuacin

(B7.1.2):

D
en donde el determinante se puede evaluar como [recurdese la ecuacin (7.4)]

= alla&?a:3 . . . ak-l)(-l)p

[B7.1.3]

en donde p representa el nmero de veces en que los renglones se usan como pivotales. Esta modificacin se puede incorporar de forma simple enun programa: nicamente se toma en cuenta el nmero de pivoteos que se llevan a cabo durante los c6lculos y despus se usa pata evaluar el determinante. la ecuacin (B7.1.3)

o, evaluando por menores (esto es, los determinantes 2 por 2).

244

MTODOS

NUMRICOS

PARA INGENIEROS

nacingaussiana.serecomiendaescalar el determinante como en el ejemplo 7.10. Afortunadamente, la mayor parte de las ecuaciones algebraicas obtenidas de problemas de ingeniera por naturaleza son sistemas bien condicionados. Adems, algunas de las tcnicas desarrolladas en la siguiente seccin ayudan a aliviarel problema.

7.4 TCNICAS DE MEJORAMIENTO EN LAS SOLUCIONES

LES sipientzs tcnicas se pueden incorporar al algoritmo de la eliminac i h gaussiana simple para evitar algunas de las desventajas analizadas en la seccinprevia.

7.4.1 Uso de ms cifras significativas

El remedio ms simple para el mal condicionamiento es el de usar ms cifras significativas en los clculos (comprense los ejemplos 7.5 y 7.7). Si la computadora tiene la capacidad de extender el tamao de las cifras significativas aumentando el tamao de la palabra, esta caracterstica reduce mucho el problema.

7.4.2 Pivoteo
Como se dijo al principio de la seccin 7.3, los problemas obvios ocurren cuando un elemento pivotal es cero, debido al paso de normalizacin lo cual origina una divisin por cero. Estos problemas se obtienen cuando el elemento pivotal es cercano a cero en vez de ser exactamente igual, por lo que si la magnitud del elemento pivotal es pequeo comparado con los otros elementos, entonces se introducenerrores de redondeo. Por lo tanto, antes de normalizar cadarengln, es ventajoso determi-. nar el coeficiente mayor disponible.Entonces se pueden intercambiar los renglones de tal forma que el elemento mayor sea el pivotal. A este mtodo se le conoce conelnombre de piuoteo parcial. Si se busca tanto en las columnas como en los renglones el elemento mayor y se intercambian, entonces el procedimiento es de piuoteo total. El pivoteo total se usa muy raramente en programas elementales, ya que el intercambio de columnas cambia el orden de las x y, por consiguiente, aumenta la complejidad de los programas, generalmente, sin justificacin. El siguiente ejemplo ilustra la ventaja del pivoteo parcial. Adems de evitar la divisin por cero, el pivoteo tambin minimiza el error de redondeo. Como tal, sirve tambin como remedio parcial almal condicionamiento.

EJEMPLO 7.1 1
Pivoteo parcial

Enunciado del problema: sese

la eliminacin gaussiana para resolver:

ELlMlNAClON GAUSSIANA

245

0.000 3x1

+ 3.000 0x2
+
1.000 0x2

= =

2.000 1

1.000 0x1

1.000 o

Ntese que en esta forma el primer elemento pivotal, a l l = 0.000 3 , es muy cercano a cero. Despus reptanse los clculos con pivote0 parcial pero invirtiendo el orden de las ecuaciones. La solucin exacta es x1 =

1/3 y

x 2 =

2/3.

Solucin: normalizando laprimer ecuacin se obtiene:

x1

10 000x2

6 667
x1 de la segunda ecuacin:

lacual se puede usar para eliminar

-9 999x2

-6 666

que se puede resolver para:

x 2 = 2/3

Este resultado se puede sustituirenlaprimer

x1 =

ecuacin y evaluar xl:

2.000 1 - 3(2/3) 0.000 3

[E7.11.1]

Sin embargo, el resultado es muy sensitivo al nmero de cifras significativasincluidasenel clculo:

Valor absoluto del error relativo
x?
X1

Cifras significativas

e x1

porcentual

3
4

5 6 7

0.667 0.666 7 0.666 67 0.666 667 666 0.666 7

-3.33 0.000 0.300 O0 0.330 O00 0.333 O00 O

1 099

1 O0 10

o. 1

Ntese que la solucin para x1 depende mucho del nmero de cifras significativas. Esto se debe a que en la ecuacin (E7.11.1), se restaron dos nmeros casi iguales (recurdeseel ejemplo 3.4). Por el otro lado, si se resuelven las ecuaciones en orden inverso, se normaliza el rengln con el elemento pivotal mayor. Las ecuaciones son:

246

INGENIEROS METODOS

NUMERICOS

PARA

1.000 Ox1 + 1.000 ox*

0.000 3x1

= =

1.000 o
2.000 1

3.000 0x2

La normalizacin y la eliminacin produce x2 = 2/3. Para cantidades diferentes de cifras significativas, x1 se puede calcular de la primera ecuacin,como:

[E7.11.2]
Este caso es mucho menos sensitivo al nmero de cifras significativas en los clculos:
Valor absoluto del error relativo porcentual de x1

Cifras significativas

x2

X1

0.667 0.666 7 0.666 67 0.666 667 0.666 666 7

0.333 0.333.3 0.333 33 0.333 333 0.333 333 3

0.1 0.01 0.001 0.000 1 0.000 o1

De esta forma, la estrategiapivotalesmuchomssatisfactoria.

Los programas de NUMERICOMP de propsitos generales que acompaian este libro, incluyen a menudo una estrategia pivotal.La figura 7.8 muestra un algoritmoparaimplementarestaestrategia.Esteprograma se puede integrar al de la figura 7 . 4 para incorporar el pivote0 parcial en los programas del usuario.

7.4.3 Escalamiento
En la seccin 7.3.3 se dedujo que el escalamiento influye en la estandarizacin del valor del determinante. Ms all de esta aplicacin, tiene utilidad en la minimizacin de los errores de redondeo para aquellos casos en donde alguna de las ecuaciones de un sistema tiene unos elementos mucho ms grandes que otros. Estas situaciones se encuentran frecuentemente en la ingeniera cuando se usan ampliamente unidades diferentes en el desarrollo de ecuaciones simultneas. Porejemplo, en problemas de circuitos elctricos, los voltajes desconocidos se pueden expresar en

ELlMlNAClON
FORTRAN
BASIC
31:103

GAUSSIANA

247

.m = t B : AB', 1 A l I .t.. I I 3:xj FOR 1 = I + I TLJ N 34<:, I W = ABS I A ( I I., # ) 3 0 5 . > I F P - BF' . =- THEN 38U :ad E c BF' pivotel el
302hj

= repre rs ee n en g lp tlia d vn otal ( A l m a c e n a el valor absoluto del pivote actual)

ICiclo que compara contra columnas otras

los elementos de las

31171'1 I.) . ...

~

IF ( 6 - B P . G E . O . X O T O &=RP . .
.I .I= I

308U

-, . ~C.1'90 I F J.1 -- I, * : 3 1 1 0 I = A l IJ. ..I1

308o

= . I biEx r I

THLN 3150

escogido pivote(Si el entonces regresa principal)

al programa

es el m a y o r ,

303r) C O N T I N U E ?O90 I F ( J J - K . E O . O . 0 ) O0 3140 J-K,Nl TE=&< J J . J ) fi(JJ,J>-R(K,J) A f K , J )=TE 3140 CONTINUE 3150 C O N T I N U E RETURN END

.. -

COTO 3 1 5 0

313 A l b ~ d )= 1E 3140 N t k l J 3150 Rtll.lFIN

(Si no es asl, este ciclo lntercambia los renglones1

(Regresa al programa principal a continuar c o n la eliminacidnl

FIGURA 7.8

Programa en

FORTRAN y BASIC para implementar el pivoteo parcial.

unidades que varan desde microvolts hasta kilovolts. Se pueden encontrar ejemplos similares en todoslos campos de la ingehiqra. Mientrascada una de las ecuaciones sea consistente, tcnicamentd el sistema ser correcto y tendr solucin. Sin embargo, el uso de unidades completamente diferentes puede generar coeficientes de magnitudes que difieran ampliamente entre s. Esto puede tener un impacto sobre el error de redondeo ya que afecta al pivoteo, como se puedeverenelsiguiente ejemplo.

Efectos del escalamiento en el pivoteo y el redondeo Enunciado del problema: a ) Resulvase el siguiente conjunto de ecuaciones usando la eliminacin gaussiana y la estrategia del pivoteo:
2x1
x1

EJEMPLO 7.12

+
+

100 000x2
x2

100 O00
2

b) Reptase la solucin anterior despus de escalar las ecuaciones de tal forma que el coeficiente mximo en cada rengln sea 1. En ambos casos, retnganse slo tres cifras significativas. Ntese que las respuestas correctas son x1 = 1 .O00 02 y x2 = 0.999 98 o, con tres cifras significativas, x1 = x2 = 1.00.

248

MTODOS

NUMRICOS

PARA INGENIEROS

Solucin: a) Sin escalar,, se aplicalaeliminacinhaciaadelante

y se obtiene:

2x1
I

1 0 0 000x2 -50 000x2

= =

100 O00
-50 O00
atrs, para obtener:

que se puede resolver por sustitucin hacia

x:, = 1.00
x 1

0.00

Aunque x2 es correcta, x1 tiene un 100% de error debido al redondeo. b ) El escalamientotransformalas ecuaciones originales en: 0.000 02x1
x 1

x2

+
+

x 2 =

Por lo tanto, se debe aplicar el pivote0 a los renglones y colocar el valormayorsobrela diagonal.
IC1

x:, = 2
x2 =

0.000 02x1

1
genera:

Laeliminacinhaciaadelante
x 1

+ x2 = 2
x 1 = 1.00

que se puede resolver para:

x 1 = x:, = 1
~ ~ ~

De esta forma, el escalamientoproduceunarespuesta

correcta.

AIigual que enel ejemplo anterior, el escalamiento aqu tiene utilidad para minimizar los errores de redondeo. Sin embargo, se debe notar que el escalamiento mismollevaimplcito un error de redondeo. Por ejemplo, dada la ecuacin:

2x1

300 OOOXZ

1
produce:

y usando tres cifras significativas, el escalamiento

0.000 006 67x1

x2

ELlMlNAClON GAUSSIANA

249

Por lo que e l escalamiento introduce un error de redondeo en el primer coeficiente. Por esta razn, algunas veces se sugiere que el escalamiento slo se emplee en casos donde realmente sea necesario, esto es, cuando el sistema involucre coeficientes de magnitudes muy diferentes.

7.4.4 Correccin de errores

En algunos casos, el pivote0 parcial y el escalamiento no son suficientes para asegurar resultadosprecisos. Por ejemplo, recurdese el ejemplo 7.7, que tena los elementos mayores en la diagonal, pero que debido a los errores de redondeo,la solucin final an presentaba errores. Estos errores, en general se pueden reducir con el siguiente procedimiento. Considrese un sistema de ecuaciones lineales de la forma:

[7.21]

anlxl + aax2

+ a,,x, = c,

Supngase que se tiene un vector solucin aproximado dado por kl, kz, . . . , k,,.Estos resultados se sustituyen en la ecuacin (7.21), para dar :

[7.22]

Ahora supngase que la solucin exacta xlr xz, . . . , x , se expresa en , , y de los factores de correccin Ax,, funcin de 21, 2 2 , . . . , k Ax2, . . . , Ax,, en donde

[7.23]
x, = R ,

+ Ax,

-. - .

"

..

250

NUMERICOS

METODOS

PARA INGENIEROS

Si estos resultados se sustituyenenla cuencia el siguiente sistema:

ecuacin (7.21) da como conse-

Ahoralaecuacin obtener:
allAxl

(7.22) se puederestarde

la ecuacin (7.24) para

+ a12Ax2 +

* *

+ alnAx,= c1 - El
+ az,Ax, = c~ - E2

El

azlAxl + a22Ax2

* *

= 2

[7.25]

anlAxl+ ~ ~ ~ 2 + 6 x* 2

+ a,,Ax,, = c, - E,

E,

Este sistema en s mismo es un conjunto de ecuaciones lineales simultneas que se puede resolver obteniendo con ello los factores de correccin. Estos factores se pueden aplicar para mejorar la solucin especificada porla ecuacin (7.23).

EJEMPLO 7.13

Uso de las ecuaciones de error para corregir los de redondeo

Enunciado del problema: recurdese que en el ejemplo 7.7 se usa la eliminacin gaussiana con tres cifras significativas para resoher

0.1~1 +
O.3X1 -

7x2

0.3~3 = -19.3.

0.2~2 + 10x3

71.4

Debidoalnmerolimitadodecifrassignificativas,lasolucindifierede la verdadera (x1 = 3 , x2 = -2.5, x3 = 7) en:

ELlMlNAClON

25 1

x 1 x 2 x 3

= = =

3.17

E,

5.7%
= =

-2.51
7.02

E,
E,

0.4%
0.29%

sense las ecuaciones del error para refinar estas aproximaciones. Solucin: la sustitucin de las soluciones en el conjunto original de ecuaciones produce el vector de trminos independientes:

[elT = [8.36 -19.4 71.71

que no es igual al valor real. Por lo tanto, se puede desarrollar un vector de error:

Ahora, se puede generar un conjunto de ecuaciones error [Ec. (7.25)]:

3AX1 - 0.1Ax2 - 0.2Axs = -0.51 O.lAx1

7AX2

- 0.3Ax3 = 0.1

+ 1OAx3 = -0.3 O.3Ax1 - 0.2A~2

que se puede resolver (usando tres cifras significativas de forma tal que exista consistencia con elproblema original), para obtener:

[AX]'

[-0.1710.015

7 -0.02461
soluciones, dando:

los cuales se pueden usar para corregir las

XI

3.17

0.171

3.00 -2.49 7.00

a la solucinverdadera
=

x2 =
x3 =

-2.51
7 O2
-

0.015 7

0.024 6

que se aproximanmuchoms

Ecuaciones del error en los programas. Se pueden integrar las ecuaciones del error en los programas de la eliminacin gaussiana. En la figura 7.9 se delinea un algoritmo que realiza esta tarea. Ntese que para hacer ms efectiva la correccin de sistemas altamente mal condiciona-

252

MTODOS

NUMRICOS

PARA INGENIEROS

FIGURA 7.9

Algoritmo de eliminacingaussianaqueincluyecorreccindeerrores.

dos, las E en la ecuacin (7.25)se deben expresar en aritmtica de doble precisin. Esto se hace fcilmente en FORTRAN pero en algunas implementaciones de BASIC no esposible hacerlo.

7.5 RESUMEN
En resumen, este captulo se ha dedicado a la eliminacin gaussiana, el mtodo fundamentalen la solucin de sistemas de ecuaciones algebraicas lineales. Aunque sta es una de las tcnicas ms antiguas desarrolladas para este propsito, an es un algoritmo muy efectivo en la obtencin de solucionesdemuchosproblemas de ingeniera.Ademsde suutilidad prctica, proporciona un contexto enel estudio general de temas tales como los errores de redondeo, escalamiento y condicionamiento. Las respuestas que se obtienen mediante el mtodo de eliminacin gaussiana se pueden verificar sustituyndolas en las ecuaciones originales. Sin embargo, esto no siempre representa una prueba confiable si el sistema est mal condicionado. Por lo tanto, si se sospecha de un error de redondeo, entonces se debe calcular alguna medida de la condicin tal como e l determinante del sistema escalado. Dos opciones que aminoy eluso de ran los errores de redondeo son el uso del pivote0 parcial

ELlMlNAClON

GAUSSIANA

253

ms cifras significativas en los clculos. Si el problema parece ser sustancial, la correccin de errores (seccin 7.4.4) se puede usar algunas veces para mejorar la solucin. Existen otros planteamientos y variaciones de la eliminacin gaussiana para satisfacer las necesidades particulares. Por ejemplo, como se explica en el recuadro 7.2, se puede formular una versin muy eficiente de la eliminacin gaussiana para sistemas tridiagonales. El captulo 8 se encarga de mostrar dos mtodos diferentes,el de Gauss-Jordan y GaussSeidei.
RECUADRO 7.2 Sistemas de banda: el caso tridiagonal
Una matriz banda es una matriz cuadrada que tiene todos sus elementos iguales a cero, con excepcin de una banda centrada sobre la diagonalprincipal (recurdese Ill. 1). En el caso en que el ancho de banda es 3, a lamatriz se le conoce con un nombre especial: matriz tridiagonal. Los sistemas tridiagonales se encuentran frecuentemente en la ciencia y en la ingeniera. Por lo general resultan de las soluciones en diferencias finitas de ecuaciones diferenciales parciales. Adems hay otros mtodos numricos tales como la interpolacin cbica segmentaria (seccin 11.4) que requieren la solucin de sistemas tridiagonales. Un sistema tridiagonal es aqul en el que los coeficientes estn ordenados enforma tridiagonal, como en:

d3X2

+ e3x3 + f3x4

Ntese que se ha cambiado la notacin de los coeficientes del sistema tridiagonal de las a y las c a las d, e , f y g. Esto se hizo para evitar el almacenamiento de cantidades grandes de ceros en la matriz de a. Esta modificacin que ahorra espacio, es muy ventajosa ya que el algoritmo resultante requiere menos espacio en memoria. Como era de esperarse, los sistemas bandados sepueden resolver con una tcnica similar a la eliminacin gausnica del siana. Sin embargo, debido a la estructura

sistema, la implementacin del algoritmo de la eliminacin gaussiana se puede simplificar mucho y las soluciones se obtienen deuna manera muy eficiente. Para el sistema tridiagonal los pasos de eliminacin progresivase simplifican ya que la mayor parte de sus elementos son cero. En seguida las incgnitas restantes se evalan por sustitucin hacia atrs. El algoritmo completo se expresa de forma concisa en los programas siguientes:

FORTRAN

I "IO

I"-"

254

MTODOS

NUMRICOS

PARA INGENIEROS

PROBLEMAS
Clculos a mano
7.1 Escrbase el siguiente conjunto de ecuaciones en notacin matricial:

Escrbase la transpuesta de la matriz.

7.2

Algunas matrices

se definen como:

[Al =

1 5 6 2 131 4 0 5

[Bl

[ ;;;]
4 3 1
[8 6 4 1

[ C l=

[a]

5 4 3 6

[GI

Respndase a lassiguientespreguntasde acuerdo a las matrices anteriores: o) Cules sonlas dimensiones de lasmatrices? b) Identifquenselasmatrices cuadradas, columna y rengln. c) Cules son los valores de los elementos:
012
b23 d32 e22 112 912

d) Efectense lassiguientes operaciones

7.3

Se definen tres matrices

como:

a)

Efectense todas lasmultiplicacionesposibles que se pueden llevar a cabo eptre parejas de estas matrices. b) Usese el mtodo del recuadro 111.2 para justificar por qu las parejas restantes no se pueden multiplicar

ELlMlNAClON

GAUSSIANA

255

c) sense los resultados de lasmultiplicaciones.

7.4

a)

e ilstresepor qu es importanteelorden

de

sese el mtodo grfico para resolver:

4x1 - 6x2
-xl
= "22

12x2 =

58

verifquense los resultados sustituyndolos en las ecuaciones originales 7.5 Dado el sistema de ecuaciones:
o.75X1 1 .
a)

+ xp = 14.25 1 + ~ ~ 1 . 6 ~ =~ 22.1

se espera acerca de la condicin del sistema? c) Resulvase por eliminacin de incgnitas. d ) Verifquense las respuestas sustituyndolasen las ecuaciones originales. 7.6 Para el conjunto de ecuaciones:

b) En base a la solucin grAfica, 'qu

Resulvase grficamente.

a)

b) Usese la regla de Cramer y resulvase para las

7.7 Dadas las ecuaciones:
0.5~1 x2

Calclese su determinante.

c) Sustityanse los resultados en la ecuacin original y comprubense los mismos.

x.

= -9.5

- 0 . 5 ~ 2= -4.72 0.28~1

a)

b) Despus de escalarse, calclese su determinante. c) En base a a) y b) qu se puede esperar de la condicindelsistema?

Resulvanse grficamente.

d ) Resulvanse poreliminacin de incgnitas. e ) Resulvanse otra vez, pero modificando all a 0.55. Interprtense los resultados de acuerdo al anlisis de mal condicionamiento de la seccin 7.1.1. Dado el sistema
"12x1

7.8

+
-

x2 -

7x3 = -80 4x3 = 13

=

x1 -

6x2
x2

-2x1

92

256

MTODOS

NUMRICOS

PARA INGENIEROS

a) Resulvase con el uso de la eliminacin gaussiana simple. Mustrense todos los pasos de los clculos. b) Sustityanse los resultados enlas ecuaciones originales y comprubense las respuestas

7.9

sese la eliminacin gaussiana para resolver:

4x,

5x2 - 6x,{
ZX,
-

28

7x3

= =

29
-64

- 5 ~ 1 - 8x2

Emplese el pivoteo parcial y comprubense las respuestas sustituyndolas en las ecuaciones originales. 7.10 sese la eliminacin gaussiana para resolver:

3x2
Zx,
-

13~,$ = -50
= =

6x2 + x:(

44 4

4x,

8x,:

Emplese el pivoteo parcial. Comprubense las respuestas sustituyndolas en las ecuaciones originales. 7.11 Reptase el ejemplo 7.6 con el coeficiente de rozamiento al doble. 7.12 Resulvase el siguiente sistema tridiagonal:
5x,
4x,
-

+
+

4x2

25

3x,

7x,3 = 3

x2

+ 12x,, +
6x3

4x4
2x,

= =

17
36

7.13

Efectense los mismos clculos del ejemplo 7.6, pero usando cinco paracaidistas conlassiguientes caractersticas:

Paracaidista

Masa, kg

Coeficientes de rozamiento, kgls

15 14 18

60
80

2
3
4

75 75 90

12 10

Los paracaidistas tienen unavelocidad de 10 m / s

ELlMlNAClON

GAUSSIANA

257

Problemas para resolver con una computadora

7.14 Escrbase un programa general para multiplicar dos matrices, esto es, [X] = [y] [Zl donde [X] es m por n y [ Z l es n por p. Prubese elprogramausando

7.15

Escrbase un programa que genere la transpuestadeunamatriz.

Prubese con

7.16 Reprogrmese la figura 7 . 4 de tal forma que sea ms legible al usuario. Entre otras cosas: Intgrese lafigura 7 . 8 al programa de tal forma que ste realice pivote0 parcial. b) Documntese el programa para identificar cada seccin. c) Etiqutese la entrada y la salida. d) Esclense las ecuaciones de talforma que el coeficiente mayor en cada rengln sea 1. Calclese el determinante como una medidadela condicindelsistema (opcional).
a)

7.17 Prubese el programa desarrollado en el problema 7.16 duplicando los clculos del ejemplo 7 . 5 y 7 . 6 . 7-18 sese el programa desarrollado en el problema 7 . 1 6 y reptanse los problemas 7 . 8 al 7.11. 7.19 Reptanse los problemas 7 . 1 7 y 7 . 1 8 usando los programas de NUMERICOMP disponibles con el texto. Usese tambin NUMERICOMP para realizar una prueba de error para cada problema. 7.20 Desarrllese un programa para sistemas tridiagonales legibles al usuario y basndose en el recuadro 7.2. 7.21 7.22 Prubese el programa desarrollado en el problema 7 . 2 0 resolviendo el problema 7.12. Resulvase el problema 7.13 usando los programas desarrollados en el problema 7.16.

CAPTULO OCHO GAUSS-JORDAN, INVERSIN DE MATRICES Y GAUSS-SEIDEL

En estecaptulo se describendosmtodosadicionalespararesolver ecuaciones lineales simultneas.El primero de ellos, el mtodo de GaussJordan es muy similar al de la eliminacin gaussiana. El motivo principal para introducir estatcnica, estriba en que proporcionauna forma simple y conveniente de calcular la inversa de una matriz. La inversa tiene un gran nmero de aplicaciones en la ingeniera. Este mtodo tambin proporciona los medios para evaluar la condicin de un sistema. El segundo de ellos, el mtodo de Gauss-Seidel es fundamentalmente diferente al deeliminacingaussiana y al de Gauss-Jordan porque es un mtodo de aproximaciones iteratiuas.Esto es, emplea un valor inicial y mediante iteraciones obtiene una aproximacin ms exacta a la solucin. El mtodo de Gauss-Seidel se adapta, en particular a grandes sistemas de ecuaciones. En estos casos, los mtodosdeeliminacinestn suerror en el mtodo de jetos a los errores de redondeo. Ya que el Gauss-Seidel se puede controlar mediante el nmero de iteraciones, los errores de redondeo no tienen quever con esta tcnica. Sin embargo hay ciertos casos en que el mtodo de Gauss-Seidel no converge a la respuesta y otros elementos correcta. Se discutenenlassiguientespginasestos de juicio para escoger entre la eliminacin y los metodos iterativos.

8.1 MTODO

DE GAUSS-JORDAN

El mtodo de Gauss-Jordan es una variacin de la eliminacin gaussiana. La principal diferencia consiste en que el mtodo de Gauss-Jordan cuando se elimina una incgnita no slo se elimina de las ecuaciones siguientes sino de todas las otras ecuaciones. De esta forma, el paso de eliminacin una matriz triangular (Fig. 8.1). genera una matrizidentidadenvezde Por consiguiente, no es necesario emplear la sustitucin hacia atrs para obtener la solucin. El mtodo se ilustra mejorcon un ejemplo.

260

MTODOS

NUMRICOS

PARA INGENIEROS

FIGURA 8.1

7.3 y ntese la diferencia entreeste mtodo y el de eliminacin gaussiana.

Esquema grfico delmtodo de Gauss-Jordan. Comprese con la figura de trminosindependientes se ha

LOS asteriscosindicanqueelvector modificado varias veces.

EJEMPLO 8.1
Mtodo de Gauss-Jordan

Enunciado del problema: sese el mtodo de Gauss-Jordan para resolver el mismo sistema del ejemplo 7.5:
3x1 - 0.1~2 - 0.2~3 = 7.85

0.1~1 +

7x2 - 0 . 3 ~ 3 =

-19.3

0.3~1 - 0.2~2 + 10x3 = 71.4

Soluci6n: en primer lugar, se expresan los coeficientes y el vector de trminos independientes como una matriz aumentada:

[os

-0.1 7 0.3 -0.2

-0.2 -0.3 10

-19.3
71.4

En seguida se normaliza el primer rengln dividindolo por el pivote 3, para obtener:

INVERSldN GAUSS-JORDAN,

DE MATRICES Y GAUSS-SEIDEL

26 1

1 -0.033 333 3 -0.066 666 7 I I I -0.3 0.1 7 10 0.3 -0.2 I

2.616 67 -19.3 71.4

El trmino x1 se puedeeliminardelsegundorengnrestando 0.1 veces el primerodelsegundorengln. Deuna manerasimilar,restando 0.3 veces el primero del tercer rengln se elimina el trmino con x1 del tercer rengln:

En seguida, se normaliza el segundo rengln dividiendolo entre 7.003 33:

1 -0.033 333 3 -0.066 666 7 O 7.003 -0.293 33 333 O -0.190 O00 10.020 O

I 2.616 67 I -19.561 7
~

70.615 O

1 -0.033 333 3 -0.066 666 7 -0.041 884 8 1 o "0.190 O00 10.020 o [O

~ ~

2.61667 "2.793 20 70.615 O

Reduciendolostrminos obtiene:

en x2 de laprimera y la tercera ecuacin se

1 1

1 O -0.068 062 9 O 1 -0.041 884 8 o o 10.012 o

2.523 5 6 1 -2.793 20 I 70.084 3

~

El tercerrengln se normalizadividindoloentre

10.012 O:

1 O -0.068 062 9 1 2.523 56 O 1 -0.041 884 81 -2.793 O 0 1

Finalmente, los trminos con x3 se puedenreducirdelaprimera gunda zcuacin para obtener:
y se-

1 o o O 1 O I O O 1

3.000 O0 2.500 O 1 7.000 03

De esta forma, como se muestra en la figura 8.1: la matriz de coeficientes y la solucin se ha obtenido se ha transformadoenlamatrizidentidad en el vector de trminos independientes. Ntese que nose necesita sustitucinhaciaatrsparaobtenerlasolucin.

262

MTODOS

NUMRICOS

PARA INGENIEROS

Todo el material del captulo 7 relacionado con las ventajas y desventajas de la eliminacin gaussiana se aplican tambin al mtodo de Gauss-Jordan. Por ejemplo, se puede usar una estrategia similar al pivoteo para evitar divisiones por cero y reducir el error de redondeo. Aunque los mtodos de Gauss-Jordan y de eliminacin gaussiana pueden parecer casi idnticos, el primero requiere aproximadamente de 50 % menos operaciones. Por lo tanto, la eliminacin gaussiana es el mtodo simple por excelenciaen la obtencin de soluciones exactas a las ecuaciones lineales simultneas. Una de las principales razones para incluir en este captulo el mtodo de Gauss-Jordan, es la de proporcionar un mtodo directo de obtener la matriz inversa, tal como se describe en la seccin 8.2

8.1.1 Algoritmo del mtodo de Gauss-Jordan

Enla figura 8.2 se muestra un algoritmo del mtodo de Gauss-Jordan sin pivote0 parcial. Un esquema con pivoteomuy parecido al que muestra e n la figura 7.10 se puede incorporar a este algoritmo.

8.2 INVERSIN DE MATRICES

Enla introduccina las operacionesconmatrices(seccin 111.2.2) se menciona que si una matriz es cuadrada, entonces existe otra matriz, [A]- I , llamada la matriz inversa de [ A ] ,para el cual [Ec. (111.3)]: [A] [A]" = [A]" [A] = [I] Tambin se demuestra que la inversa se puede usar para resolver conjunto de ecuaciones simultneas, si se toma [Ec. (111.6)J: un

[CI @.11 La aplicacin de la inversa ocurre cuando es necesario resolver varios sistemas de ecuaciones de la forma:

[ X I= [Al"

En que difieren nicamente en el vector de trminos independientes [ C ] . vez de resolver cada sistema por separado, unaalternativa diferente consiste en determinar la inversa de la matriz de coeficientes. Entonces, se puede usar la ecuacin (8.1)para obtener las soluciones, simplemente multiplicando la matriz [A] por el vector de trminos independientes correspondiente [ C ] .Ya que la multiplicacin matricial es mucho ms rpida que la inversin, el consumo de tiempo se lleva a cabo slo una vez y despus se obtienen las soluciones adicionales de una manera eficiente. Tambin, como se menciona en la seccin 8.2.1, los elementos de la inversa son extremadamente tiles en s mismos.

FIIGUI e flu G'auss

dl

1.2 Di( irama

?Ime'O(d 0 de
.dan, cial.
SIin

V(,te0

pi-

264

MTODOS

NUMRICOS

PARA INGENIEROS

FIGURA 8.3

Esquema grfico del mtodo de Gauss-Jordan, con inversinde matrices.

Con el mtodo de Gauss-Jordan se puede calcular directamente la inversa. Para hacerlo, la matriz de coeficientes se aumenta con una matriz identidad (Fig. 8.3).Posteriormente se aplicael mtodo de GaussJordan para reducirla matriz de coeficientes a la matriz identidad. Cuando se completa esta tarea, el lado derecho de la matriz aumentada contiene lamatriz inversa.Esta tcnica seilustraenel ejemplo siguiente.

EJEMPLO 8.2 El uso del mtodo de Gauss-Jordan en el clculo de la matriz inversa

Enunciado del problema: determnese la matriz inversa del sistema resuelto en el ejemplo 7.5. Obtngase la solucin multiplicando [ A ]-1Por el vector de trminosindependientes: [CIT = [ 7.85 -19.3 71.4 1. Adems, obtngase la solucin para un vector de trminos independientes diferente: [CIT = [20 50 151. Solucin: aumntese la matriz de coeficientes con una matriz identidad:

3
0.3

-0.1

-0.2

-0.2 -0.3 10

I 1 o o I O 1 O]
j

O O

Usando all como pivote, el rengln 1 se normaliza y se usa para eliminar a x1 de los otros renglones

1 -0.033 333 3 -0.066 666 7 I 0.333 333 O 7.003 33 -0.293 333 1-0.033 333 3

o -0.190

O00

10.020 o

-0.099 999 9

GAUSS-JORDAN, MATRICES INVERSldN DE

Y GAUSS-SEIDEL

265

En seguida, se usa aZ2como pivote y xp se elimina de los otros renglones

1 O -0.068057 O 1 -0.041 706 1

,
I
~

o o

10.012 1

0.333 175 0.004 739 329 -0.004 739 33 0.142 -0.100 0.027 90 014 2

0
180

O 11

Finalmente, se usa a33como pivote y x3 se elimina de los renglones restantes:

1 O O O 1 O 0 0 1

I I I

0.332 489 0.004 922 97 0.006 798 13 -0.005 1640.142 4 293 0.004 183 46 "0.010 077 9 0.002 698 16 0.099 880 1

Por lo tanto, lainversa es:

0.332 489 0.004 922 97 0.142 293 -0.005 164 4 "0.010 077 9 0.002 698 16 0.006 798 13 0.004 183 46 0.099 880 1

Ahora, la inversa se multiplica por el primer vector de trminos independientes, obteniendo la solucin:
x1
=

7.85 (0.332 489) - 19.3(0.004 922 97)

=
x 2 =

3.000 411 81
7.85(-0.005 164
- 2.488 096 40

+ +

71.4(0.006 798 13) 71.4(0.004 183 46)

4) - 19.3(0.142 293)

x 3 = =

7.85(-0.010 077 7.000 25314

9) - 19.3(0.002 698 16)

71.4(0.099 880 1)

La segunda solucin, simplemente se obtiene realizando otras multiplicaciones, como:

x 1 =
=
x 2 =

20(0.332489) 6.997 900 45

+ 50(0.00492297) + 15(0.006 798 13) + 50(0.142 293) + 15(0.004 183 46)

+ 50(0.002 698 16) + 15(0.099880 1)

=
X3 =

!O(-0.005 164 4) 7.074 113 9 20(-0.010 O77 9) 1.431 55150

266

MTODOS

NUMRICOS

PARA INGENIEROS

8.2.1 Clculos estrnulo-respuesta

Como sedijo enla seccin III.1.2, muchos de los sistemaslinealesde ecuaciones usados en ingeniera se derivan de las leyes de conservacin. La expresin matemtica de estas leyes es un tipo de ecuacines de balance que asegura que se conserve una propiedad en particular; masa, fuerza, calor, momento u otras. En el equilibrio de fuerzas de una estructura, las propiedades pueden tener componentes horizontales y verticales de las fuerzas que actan sobre cada nodo de la estructura (vase el caso de estudio 9.3). Para un balance de masas, las propiedades pueden ser la masa en cada reactor de un proceso qumico. Existen ejemplos similaresen otros campos de la ingeniera. Se puede escribir una ecuacin simple de balance para cada una de las partes del sistema, generando un conjunto de ecuaciones que definen el comportamiento del sistema completo. Estas ecuaciones se interrelacionan o se acoplandemaneraque cada ecuacinincluyeuna o ms de las variables de las otras ecuaciones. En muchas ocasiones, los sistemasson lineales, y por lo tanto, dela forma exacta que se ha tratado en estecaptulo:

Ahora, en ecuaciones de balance, los trminos de la ecuacin (8.2) tienen interpretacin fsica definida. Por ejemplo, los elementos- de [X] representan los valores de las variables que se estn equilibrando para cada unadelaspartesdel sistema. Enelequilibrio de fuerzas de la estructura, representan las fuerzas verticales y horizontales de cada miembro. En el balance de masas, son las masas de sustancia qumica en cada uno de los reactores. En cualquier caso, representan las respuestas o estados del sistema que est tratando de determinar. El vector [ C ]de trminos independientes contiene aquellos elementos del balance que son independientes del comportamiento delsistema, esto es, son constantes. Como tales, representan las fuerzas externas o los estmulosquemanejan al sistema. Finalmente, la matriz [ A ] de coeficientes contiene, en general los parmetros que expresancomo interacta el sistema o su acoplamiento. Por consiguiente, la ecuacin (8.2) se puedereexpresar como: [Iteraciones] [respuestas]
=

[estmulos]

Ahora, como se ha visto en este captulo, existen muchas formas de resolver la ecuacin (8.2).Sin embargo, elusodelamatrizinversalleva a un resultado particularmente interesante. La solucin formal [Ec. (8.1)] se puede expresar como:

INVERS16N GAUSS-JORDAN,

Y GAUSS-SEIDEL

267

o (recordandola definicin de multiplicaci6n matricial del recuadro 111.2):

De esta forma, se ha encontrado que la matriz invertida misma, adems de proporcionar una solucin, tiene propiedades muy tiles. Esto es, cada uno de sus elementos representa la respuesta de una parte simple del sistema a un estmulounitarioencualquierpartedelmismo. Ntese que estas formulaciones son lineales y , por lo tanto, se cumplela superposicin y la proporcionalidad. La superposicin indica que si un sistema est sujeto a varios estmulos diferentes (las c) , las respuestas se pueden calcular individualmentey sumarse los resultados para obtener la respuesta total. La proporcionalidad indica que si se multiplica el estmulo por una cantidad genera una respuesta respecto al estmulo multiplicadaporlamisma cantidad.Deesta forma, el coeficiente all' es una constante deproporcionalidadqueproporcionaelvalorde x1 debido al nivel un'ttario cl. Este resultado es independiente de los efectos de c2 y c3 sobre xl, los cuales se reflejan sobre a A 1 2y a A 1 3respectivamente. Por lo tanto, se puede llegar a la conclusin general de que el elemento a -llj de la matriz invertida representa el valor de x1 debido a la cantidad unitaria de cj. Usando el ejemplo de la estructura, el elemento a A gde la matriz inversa representa la fuerza en el miembro i debido a una fuerza externa individual en el nodo. j. Aun para sistemas pequeos, los comportamientos de las interacciones estmulo respuesta individuales no son obvios. Por lo que, la matriz inversa proporciona una tcnica potente para comprender las interrelaciones de partes componentes de sistemas complicados. Esta potencia se demuestra enel caso deestudio 9.3.

8.2.2 La inversa y el malcondicionamiento

Adems de sus aplicaciones a la ingeniera, la inversa tambin suministra una manera de discernir cuando los sistemas estn mal condicionados. Existentresmtodosparaestepropsito:
1.

2.

Escalar lamatriz decoeficientes [ A ] ,detalformaqueel elemento mayor en cada rengln sea 1. Si los elementos de [ A ] son varias rdenes de magnitud ms grandes que los elementos de lamatriz original, entonces probablementestaest mal condicionada. Multiplicarlainversaporlamatrizde coeficientes original y estimar si el resultado se encuentra cerca de la matriz identidad. Si no lo est, entonces haymal condicionamiento.

-'

268

MTODOS

NUMRICOS

PARA INGENIEROS

3.

Invertirlamatrizinvertida y estimar siel resultado est lo suficientemente cerca de la matriz original. Si no lo est, nuevamente el sistema est mal condicionado.
para la inversin matricial

8.2.3 Algoritmo

El algoritmo de la figura 8 . 2 se puede modificar para calcularla matriz inversa.Estoimplica,aumentar lamatriz de coeficientesconuna matriz identidad al principio del programa. Adems, alguno de los indices que manejan un ciclo se debe aumentar al doble para que los clculos se Ileven a cabo en todas las columnas de la matriz de coeficientes aumentada. Si se incorpora el pivote0 parcial en el algoritmo de Gauss-Jordan, entonces se requieren algunas modificaciones adicionales. Esto se debe a que cada vez que un rengln de lamatrizusa un pivote, lacolumnd de lamatriz inversa se debe ajustar de forma similar. La figura 8.4 ilustra este fenmeno. Por ejemplo si el rengln 3 se usa como pivote o se mueve a la posicinentre los renglones 1 y 2 , se o interpretacin del rengln 2 de la matriz modifica tambin el significado invertida. En vez de indicar el efecto de un cambio unitariode c2 sobre las x , se debe indicar el efecto de un cambio unitario de c3 sobre las x. Adems de las caractersticas anteriores, el programa debe disearse para que calcule las soluciones de un gran nmero de vectores de trminos independientes, como se menciona al principio de la seccin 8:2. Esto se puede llevar a cabo, simplemente colocando un ciclo despus de calcular la matriz inversa. Este ciclo puede llevar a usar un vector de trminos independientes, puede entoncesmultiplicarse por la matriz [A] para obtener la solucin. El procedimiento se contina hasta que el usuario indique que no requiere ms soluciones.

FIGURA 8.4

Esquema grfico del cambio que se produce en los elementos de la matriz inversa resultante al mover un rengln de la matriz de coeficientes.

8.3 MTODO

DE GAUSS-SEIDEL

Los mtodos de eliminacin directa analizados en las secciones previas se pueden usar para resolver aproximadamente de 25 a 50 ecuaciones lineales simultneas. Esta cantidad a veces se puede aumentar si el siste-

INVERS16N GAUSS-JORDAN,

DE MATRICES Y GAUSS-SEIDEL

269

ma est bien condicionado, si se emplea la estrategia pivotal, si se usan las ecuaciones del error o silamatriz es disprsa. Sin embargo, debido a loserroresde redondeo, losmtodos de eliminacinalgunas veces son inadecuados para sistemas muy grandes. En este tipo de problemas, sepuedenusarlos mtodos iterativos o deaproximacinconalguna ventaja. En el captulo 5 se usan tipos similares de tcnicas para obtener races de una ecuacion. Aquellos planteamientos consistenen el uso de un valorinicial a partirdel cual, medianteuna tcnica sistemtica se obtiene una mejor aproximacin a laraz.Debido a que en esta parte del texto se enfrenta un problema similar "la obtencin de valores para satisfacer simultneamente un conjunto de ecuaciones- se espera que puedan ser tiles tales mtodos de aproximacin dentro de este contexto. La raznporlacuallos mtodos iterativos son tiles en la disminucin de los errores de redondeo en sistemas, se debe a que un mtodo de aproximacin se puede continuar hasta que converja dentro de alguna tolerancia de error previamente especificada. De esta forma, el redondeo no es un problema, ya que se controla elniveldeerror aceptable. El mtodo de Gauss -Seidel es el mtodo iterativo ms usado.Supngaseque se hadado un conjuntode n ecuaciones:

si los elementos de la diagonal son diferentes de cero, la primera ecuacin se puede resolver para x l , la segunda para x2,etctera, lo que lleva a:

[8.3a] [8.3b] [8.3c]

X"

cn - anlxl - an2x2 a n n

an,n-&-1

[8.3d]

Ahora, se puede empezar el proceso de solucin usando un valor inicialparalas x . La solucin trivial puedeservirdevalor inicial, esto es, todas las x valen cero. Estos ceros se pueden sustituir en la ecuacin (8.3a), que se puede usarparacalcular un nuevovalorde x1 = c1 / a l l . Lue-, g o , se sustituye el nuevo valor de x l , con x3, ...,x , , aunen cero, enla con la cual se calcula un nuevo valor de x2. Este proceecuacin (8.3b) so se repite en cada una de las ecuaciones hasta llegar a la ecuacin (8.3d)

270

MTODOS

NUMRICOS

PARA INGENIEROS

la cual calcula un nuevo valor de x,. En seguida se regresa a la primera ecuacin y se repite todo el proceso hasta que la solucin converja bastante cerca de los valores reales. La convergencia se puedeverificar usando el criterio [recurdese la ecuacin (3.5)]:
E . =
a,1

x{

'1

100% < Es
-

~8.41

para toda i en donde j y j

1 denotan la iteracin actual y la anterior.

EJEMPLO 8.3
Mtodo de Gauss-Seidel

Enunciado del problema: sese el mtodo de Gauss-Seidel y resulvase el sistema del ejemplo 7.5 y 8.1:
3x1 - 0.1~2 - 0.2~= 3 7.85

0.1~1 +

7x2 - O.3X3 = -19.3

0.3~1 - 0.2~2 + 10x3 = 71.4

Recuerdese que la solucin real es x1
=

3, x2

-2.5 y x?

7.

Solucin: en primer lugar. se despejan cada una la diagonal:

x1 =

de las variables sobre [E8.3.1] [E8.3.2] [E8.3.3]

7.85

+ 0.1~2 + 0.2~3
3
7

x 2 =
x 3 =

-19.3 - 0 . 1 ~ 1 +

71.4

0.3~1 + 0.2~2 10
x2

Suponiendo que para calcular:

x1 =

y x3 son cero, la ecuacin (E8.3.1) puede usarse

-=

7.85
3

2.616 666 667

=

Este valor, junto con el de (E8.3.2) obteniendo:

x2 =

O, puede sustituirse en la ecuacin

-19.3 - 0.1(2.616 666 667)

O ="2,794

523 810

INVERSIN GAUSS-JORDAN, MATRICES

DE

Y GAUSS-SEIDEL

271

La primera iteracin se completa sustituyendo los valores de xI y x2 calculadosenla ecuacin (E8.3.3), obteniendo:
x 3 =

71.4- 0.3(2.616 7.005 609 524

666 + 667) 0.2("2.794 1 0

523 8 1 0 )

Enla segunda iteracin, se repiteelmismo

x 1 =
=

proceso obteniendo:

7.85+ 0.1(-2.794 2.990 556

523
3

+ 810) 0.2(7.005

609

524)

508) l e u ( = 0.31% 609 524)

x 2 =
=

-19.3 - O.l(Z.990 -2.499

556 +508) 0.3(7.005 7 624 ( 684 E " I = 0.015% 556 0.004

x 3

=
=

71.4- 0.3(2.990 7.000 290 l

~ 81 v = l

+ 508) 0.2(-2.499
2%

624

684)

10

El mtodo, por lo tanto, converge a la solucin real. Para mejorar las soluciones se deben aplicar algunas iteraciones mds. Sin embargo, en este problema, no se debera saber la respuesta a priori. Por consiguiente, la ecuacin (8.4) proporciona un medioparaestimarelerror:

2.990
0,

556 -508 2.616 666 667 1 0 0 = 12.5% 2.990 556 508 624 684 (-2.794 523 810) 1 0 0 = 11.8% -2.499 624 684 290 -811 7.005 7.000 290 811 609

-2.499
%,2

6.

-u, J
I)

I 7.000
I

524 = 0.076%
*""

Ntese que, aligual que cuando se determinan races de una ecuacin, en general dan una evala formulaciones tales como la ecuacin (8.4), luacin conservadora de la convergencia. De esta manera, cuando funcionan, aseguranqueelresultadoseconozca al menos dentrode la tolerancia especificada por E,.

272

METODOS NUMRICOS

PARA INGENIEROS

Ntese que el mtodo de Gauss-Seidel, a medida que secalcula un nuevo valor x, este mismo se usa inmediatamente en la siguiente ecuacin que a su vez determina una nuevax. De esta forma, si la solucin es convergente, se emplea la mejor aproximacin posible. Un planteamiento diferente, al cual se le conoce como iteracin de Jacobi, usa una tctica un poco diferente. En vez de usar el Qltimo valor calculado de las x,usa la ecuacin (8.3)para calcular un nuevo valor de x en base a la aproximacin anterior de las x. De esta forma, al generar un nuevo valor n o se usa de inmediato sino que se almacena para la siguiente iteracin. La diferencia entre los mtodos de Gauss-Seidel y la iteracin d e J a cobi se muestra en la figura 8.5.Aunque existen algunos casos en donde el mtodo de Jacobi converge ms rpido, el uso de la Gltima aproximacin disponible convierte al mtodo de Gauss-Seidel en el mtodo preferido.

8.3.1 Criterios de convergencia en

el mtododeGauss-Seidel

Ntese que el mtodo de Gauss-Seidel es similar en proceso al mtodo simple de iteracin de punto fijo usado en la seccin 5.1 en la solucin de races de una ecuacin. Recurdese que la iteracin de punto fijo tiene dos problemas fundamentales: l) algunas veces no converge y 2) cuar.tambin do lo hace, e s a menudo, muy lento. El mtodo de Gauss-Seidel puede tener estas fallas.

FIGURA 8.5

Esquema grfico de la diferencia entre a) el mtodo de Gauss-Seidel y en la solucin de ecuaciones algebraicas lineales simultneas.

b) el metododeiteracindeJacobi,

NVERSIN GAUSS-JORDAN,

Y GAUSS-SEIDEL

273

Una condicin de convergencia es que los coeficientes sobre la diacJonal de cada una delas ecuaciones sea mayor que la suma de los otros coeficientes en la ecuacin. Una expresin cuantitativa de este criterio es:
I

b i r l

=-wJL,I

~3.51

En donde la sumatoria vara desde j = 1 hasta n , excluyendo j = i . La ecuacin (8.5)es un criterio de convergencia suficiente pero no necesario. Esto es, aunque el mtodo trabaje algunas veces sin que la ecuacin (8.5)se cumpla, se garantiza la convergencia siempre y cuando (8.5)si se cumpla. A los sistemas donde se cumple la ecuacin (8.5)se les conoce como diagonalmente dominantes. Afortunadamente, muchos problemas de ingeniera de importancia prctica llenan este requisito.

8.3.2. Mejoramiento enla

convergencia usando relajacin

La relajacin representa una pequea modificacin del mtodo de GaussSeidel y est diseada para aumentar la Convergencia. Despus que cada nuevo valor de x se calcula usando la ecuacin ( 8 . 3 ) , el valor se modifica mediante un promedio pesado de los resultados de las iteraciones anteriores y actuales:
X , n U e L o - AX,nueL'o +

(1 - ~ ) x , ~ a s a ~ ~ o

P .61

en donde X es u n factor de peso al cual se le asigna un valor entre-O y 2. Si X = 1,(1 - X ) es igual a cero y el resultado permanece inalterado. Sin embargo, si a X se le asigna un valor entre O y 1, el resultado es un promedio pesado de los resultados previos y actuales. A este tipo de modificacin se le conoce como sobrerrelajacin. Por lo general, esta opcin se emplea paraconvertir un sistema divergente en uno convergente. Si X se encuentra entre1 y 2 se considera otro peso enel valor actual.. En este ejemplo, existe una suposicin implicita de que el nuevo valor se mueve en la direccin correcta hacia la solucin real pero con una velocidad muy lenta. De esta forma, el peso agregado a X intenta mejorar la aproximacin empujndola hacia la real. Por lo que este tipo de modificacin, al cual se le llama sobrerrelajacin, est diseado para acelerar la convergencia de un sistema que ya es convergente. La eleccin de un valor adecuado de X es un problema altamente especfico y a menudo se determina por prueba y error. En general es inecesario en la solucin de un sistema. Sin embargo, si el sistema bajo estudio se va a resolver varias veces, entonces puede ser de gran importancia una buena eleccin de X. Algunos ejemplos son los sistemas m u y grandes de ecuaciones diferenciales parcialesque a menudo tratan de modelar cambios en sistemas de variable continua (recurdese el sistema a rnicroescala mostrado en la figura 1II.lb). El segundo caso de estudio del captulo 9 muestra un ejemplo del empleo de la relajacin dentro de un contexto de problemas de ingeniera.

2 74

INGENIEROS MTODOS NUMRICOS

PARA

8.3.3 Algoritmo del mtodo de Gauss-Seidel

En la figura 8.6 se muestra un algoritmo del mtodo de Gauss-Seidel con relajacin. Ntese que este algoritmo no est garantizado para obtener resultados adecuados si las ecuaciones no son de tipo diagonalmente dominante. Una manera demodificar el algoritmo para tomar un poco en cuenta esta desventaja es la d e buscar los coeficientes de cada ecuacin durante cada una de las iteraciones e identificar el mayor de ellos. La ecuacin en turno se resuelve para el va!or de x asociada con el coeficiente. En el siguiente clculo, se rastrean los coeficientes de los valores restantes de x y se encuentra el coeficiente mayor. La ecuacin se resuelve para el valor correspondiente de x. Procediendode esta manera,seaumentan al mximo las oportunidades de alcanzar unadominanciadiagonal. Sin embargo el esquemano garantiza xito en sistemas de alta divergencia.Porotra parte, no sera fcil de programar un algoritmo que implemente este esquema

8.3.4 Problemas de contexto en el mtodo de Gauss-Seidel

Adems deevitar el problema del redondeo, el mtodo de Gauss-Seide! tiene otras ventajas que lo hacen particularmente atractivo en el contexto de ciertos problemas de ingeniera. Por ejemplo, cuando lamatriz en cuestin sea muy grande y muy dispersa (esto es, que la mayor parte de los elementos son ceros,los mtodos deeliminacin gastan una gran cantidad d e memoria para almacenar los ceros. En el recuadro 7.2, se muestra como puede evitarse este problema si la matriz de coeficientes es banda. Para sistemas diferentes, no es fcil evitar el uso de cantidades grandes de memoria, cuando se usan mtodos deeliminacin. Ya que todas las computadoras tienen una cantidad finita de memoria, esta ineficiencia puede llegar a ser una restriccin real en el tamao del sistema para el que, los mtodos de eliminacin resultan prcticos. Aunque un algoritmo general como el de la figura (8.6)est propensa a la misma restriccin, la estructura d e las ecuaciones de Gauss-Seidel [c. (8.3)]permite desarrollar programas concisos para sistemas especficos. Ya que en la ecuacin (8.3)se necesita almacenar slo los coeficientesdiferentes de cero, es posible ahorrargrandescantidades de memoria. Aunque esto impone mayor costo en la inversin de desarrollo de programas, las ventajas a largo plazo son sustanciales cuando se manejansistemas grandes sobre los que se pueden realizar varios procesos. Los sistemas macro-y microvariables pueden generar matrices para las cuales se utiliza el mtodo de Gaussgrandes y dispersas Seidel. En el caso de estudio 9.2 se trabaja un poco ms sobre estos puntos.

FIGURA 8.6 Diagrama de fluio del mtodo de Gauss-Seidel con relajacin.

275

276

MTODOS

NUMRICOS PARA INGENIEROS

PROBLEMAS
Clculos a Mano
8.1
8.2

sese el mtodo de Gauss-Jordan para resolver el problema 7 . 6 Determnese la matriz inversa del problema 7.6. Comprubense los resultados multiplicando [A] por[A]" y obtngase lamatriz identidad. Usando el mtodo de Gauss-Jordan, reptase el problema 7 . 9 Determnese la matriz inversa del problema 7.9. Comprubense los resultados verificando que [A][A]" = [!] . Evtese el uso de la estrategia del pivoteo. Usando el mtodo de Gauss-Jordan, con pivoteo parcial, calclese lamatriz inversadelproblema 7.10. Ordenando la inversadetal forma, que los renglones y las columnas conformenla secuencia de la matriz original anterior al pivoteo (vase lafigura 8.4 y el anlisis de la seccin 8.2.3). sese el mtodo de Gauss-Jordan para resolver:

8.3

8.4

8.5

8.6

10x1 - 3x2 1x1

+ 6x3 = 24.5
-

"2x1
8.7

+ 8x2 + 4x2

2x3

= -9

- 9x3

-50

Determnese lamatriz inversa del problema 8.6. sese la inversa para resolver el problema original as como para resolver el caso adicional en donde el vector de trminos independientes es [CIT = [110 55 - 1051. Resulvase el problema 8.6 usando el mtodo de Gauss-Seidel con un criterio de paro del E, = 10 % . Resulvase el problema 7 . 8 usando el mtodo de Gauss-Seidel con un criterio de paro del t, = 10 % .

8.8

8.9

- 6 ~ 1+
4x1 - x 2 6x1

12x3 = 60
x 3 = -2
=44

+ 8x2

GAUSS-JORDAN, MATRICES INVERSldN DE

Y GAUSS-SEIDEL

277

8.12 Resulvase el siguiente conjunto de ecuaciones:

usando a) eliminacin gaussiana, b) el mtodo de Gauss-Jordan y c) el mtodo de Gauss-Seidel (es = 5 % ) . 8.13 Resulvase el siguientesistema de ecuaciones:

usando a) eliminacin gaussiana, b) el mtodo de Gauss-Jordan y de Gauss-Seidel (E, = 5 % ) .

C)

el mtodo

Problemas relacionados con la computadora

8.14 Desarrllese un programa amable con el usuario para el mtodo de Gauss-Jordan, basado en lafigura 8 . 2 . Agrguese u n esquema similaral mostrado en la figura 7 . 1 0 empleando pivoteo parcial. 8.15 Prubese el programa del problema anterior duplicandolos clculos del ejemplo 8 . 1 8.16 Reptanse los problemas 7.6 y 7 . 8 hasta el 7 . 1 1 usando los programas desarrollados enel problema 8 . 1 4 . 8.17 Desarrllese un programa amable con el usuario para el mtodo de Gauss-Jordan, con inversin de matrices y pivoteo parcial. Inclyanse dentro del programa las caractersticas sugeridas en la seccin 8 . 2 . 3 . 8.18 Reptanse los problemas 8 . 5 y 8.7 usando los programas desarrollados en el problema anterior. 8.19 Desarrllese un programa amable con el usuario para el mtodo de Gauss-Seidel basado en la figura 8.6. Hgase de tal forma que compruebe el criterio de convergencia expresado por la ecuacin (8.5). Adems, inclyaserelajacin como en la ecuacin (8.6). 8.20 Prubese el programa desarrollado en el problema anterior usando un duplicado del ejemplo 8.3. 8.21 Usando el programa del problema 8.19, reptanse los problemas 8.8 hasta el 8.11.

C A P T U LN OU E V E CASOS DE LAPARTE TRES: SISTEMAS DE ECUACIONES ALGEBRAICAS LINEALES

El propsito de este captulo, es el de usar los procedimientos analizados en los captulos 7 y 8 en la solucin de sistemas de ecuaciones algebraicas lineales en algunas aplicaciones de ingeniera. Estos mtodos numricossistemticos,son de importanciaprctica ya que losingenieros encuentran frecuentemente problemas que implican la solucin de sistemas de ecuaciones demasiado grandes para resolverse a mano. Los algoritmos numricos son particularmente convenientes en estas aplicaciones ya quepuedenimplementarseenmicrocomputadoras. Entre otras cosas, los casos de estudio se han elaborado de manera que proporcionen ilustraciones reales de las caractersticas yfactores de importancia mencionados en los captulos tericos. Por ejemplo, el caso 9.1 muestra una ilustracin simple decmo usar las ecuaciones algebraicas lineales para satisfacer de forma simultnea cierta cantidad decondiciones independientes.Adems, se usa ecte caso de estudio para mostrar la utilidad de la matriz inversa como una herramienta analtica, dentro del contexto de estos problemas. Aunque se ha tomado este ejemplo del campo de la ingeniera general, la idea bsica tiene importancia en una gran variedadde contextos tcnicos y analticos. El caso 9.2, tomado de la ingeniera qumica, es un ejemplo de un sistema de variable continua (o microvariable). El caso de estudio ilustra cmo se pueden emplear las diferencias finitas en la transformacin de ecuaciones diferenciales en algebraicas. Al hacerlo as, se puedenusar los mtodos de solucin desarrollados en los captulos 7 y 8 y obtener las soluciones. Aunque el ejemplo pertenece a la prediccin de temperaturas en slidos, se utiliza el planteamiento general para simularla distribucin continua de muchas otras variables de la ingeniera tales como la velocidad, lafuerza y la masa. En contraste, los casos 9.3, 9.4 y 9.5 analizan sistemas de variable discreta (o macrovariable). El caso 9.3 hace hincapi en el uso de la matriz inversa en la determinacin del complejo de las reacciones al aplicar cargas a una estructura. El caso 9.4 es un ejemplo del uso de las leyes de Kirchhoff en el clculo de corrientes y voltajes en un circuito de resis-

280

MTODOS

NUMRICOS

PARA INGENIEROS

tencias. Finalmente, el caso 9.5 muestra cmo se emplean las ecuaciones lineales para determinar la dinmica de partculas y cuerpos rgidos.

CASO 9.1

DISTRIBUCIN DE RECURSOS (INGENIERA ENGENERAL)

Antecedentes: todos los campos de la ingeniera enfrentan situacionesen las que la distribucin correcta de recursos es un problema critico. Estas situaciones se presentan al organizar inventarios de construccin, distribucin de productos y recursos enla ingeniera. Aunque los problemas siguientes tienen que ver con la fabricacin de productos, el anlisis generaltieneimportanciaen un ampliopanoramadeotrosproblemas. Un ingenieroindustrialsupervisalaproduccindecuatrotiposde computadoras. Se requieren cuatro clases de recursos -horas-Hombre, metales, plsticos y componentes electrnicos- enla produccin. En el cuadro 9.1 se resumen las cantidades necesarias para cada uno de estos recursos enla produccin de cada tipo de computadora. Si se dispone diariamente de 504 horas-hombre, 1970 kg de metal, 970 kg de plstico y 601 componentes electrnicos, cuntas computadoras de cada tipo se pueden construir por da?. Solucin: la cantidad total producida de cada computadora est restringida al total de recursos disponibles en cada categora diariamente. Estos recursos totales se distribuyen entre los cuatro tipos de computadoras. Sea xl,x,,x,,y x4la cantidad total de computadoras producidas diariamente de cada clase. Se sabe que la cantidad total de horas-hombre disponibles diariamente es de 504. Por lo tanto, la suma de las distribuciones de horas-hombre enla produccin de cada una de las computadoras debe ser menor o igual que 504. Por lo tanto (usando los datos del cuadro 9. l),

3x1 + 4x2
Delamisma

+ 7x3 + 20x4 5 504

r9.11

manera para los metales, plsticos y componentes:

20x1

+ 25x2 + 40x3 + 50x4 5 1970 10x1 + 15x2 + 20x3 + 22x4 5 970 loxl + 8x2 + lox3 + 15x4 5 601

Cada una de estas ecuaciones se debe satisfacer de forma simultnea de otra manera, se acabara uno o ms de los recursos necesarios en la produccin de los cuatro tipos de computadoras. Si los recursos disponibles, representadospor el vectordetrminosindependientesde las ecuaciones anteriores, se reducen todos a cero simultneamente, entonces se

CASOS PARTE DE LA

TRES: ECUACIONES ALGEBRAICAS SISTEMAS DE LINEALES

281

CUADRO 9.1

Recursos necesarios para producir cuatro tipos de computadoras Metales Horas/ ComponenPlsticos hombre, kglcompukglcompuCompukglcompu- tadora tadora tadora tes, unidadeslcompu-

10

1 2 3
4

10 15

3 4 7 20

10 15

20 25 40 50

20 22

puede reemplazar el signo menor o igual por el de igual. En este caso, la cantidad total de cada tipo de computadora producida se puede calcular resolviendo un sistema de. ecuacionesde 4 por 4 usando los mtodos de los captulos 7 y 8. Ya que este sistema no es diagonalmente dominante, el mtodo de Gauss-Seidel puede divergir. Sin embargo, se puede aplicar la eliminacin gaussiana o el mtodo de Gauss-Jordany calcular:
x 1 = 10
x 2 =
x 3

=
=

12 18 15

Esta informacin se usa en el clculo de las ganancias totales.Por ejemplo, supngase que las ganancias correspondientes a cada computadora estn dadas por p1,p2, p3,y p4. La ganancia total asociada con un da est dada por de actividad (P)

= PlXl

+ P2X2 + P3X3 + P4x1

P.51

Se sustituyen los resultados de x,= 10,x2 = 12,x, = 18 y x4= 15 en la ecuacin (9.5)y se calcula una ganancia de (usando los coeficientes del cuadro 9.2) :

P
CUADRO 9.2

1 OOO(l0)

700 (12)

1 lOO(18) + 400(15)

44 200

Ganancias correspondientes a cada una de las cuatro computadoras. Computadora Ganancias $ I computadora

2 3

1 O00 700 1 100

282

MTODOS

NUMERICOS PARA INGENIEROS

De esta forma, se puede obtener una ganancia de $ 4 4 200 diarios, con los recursos especificados enel problema. Ahora, supngasequeexiste laposibilidad de aumentarcualquiera de los recursos disponibles. Un objetivo es el de valorar qu recursos se deben escoger de tal forma que generen la mayor ganancia. Una manera de hacerlo es el de incrementar cada uno de los cuatro recursos individualmente, calcularlasganancias y posteriormentecomparar los resultados. Una alternativa ms simple se basa en la matriz inversa, que se puede calcularusando el mtodode Gauss-Jordan, como:

[A]" =

Cada uno de los elementos aij~' indica el crecimiento en la computadora i debido al crecimiento unitario del recurso j. Por ejemplo, el elemento alyl especifica un incremento unitario de 0.039 6 de la computadora 1 cuando se agrega un kilogramo de metal. Ntese que algunos de los coeficientes son negativos, indicando que un incremento unitario en algunos recursos bajalaproduccindeesetipodecomputadora. Ahora, con esta informacin como antecedente, se puede llevara cabo un evaluacin rpida sobre los beneficios obtenidos al incrementar cada uno de los recursos multiplicando los elementos de cada columna por la ganancia unitaria del cuadro 9.2. Por ejemplo, enlaprimera columna:

-0.081 7 0.106 6 -0.136 8 0.088 8

0.039 6 -0.225 6 0.172 8 -0.021 3

-0.146

0.191 8

0.408 5 0.010 7 "0.190 9 -0.113 7 0.007 1 0.008 9

API

= -0.081

7 ( 1 000) 0.106 6(700) - 0.136 8(1 1 0 0 ) +0.088 8(400) = -122.04

en donde A Pj es el incremento en ganancias debido a un incremento al recurso j . De esta forma, un incremento unitario enhoras-hombre baja en $122.04 las ganancias. Se pueden llevar a cabo clculos similares sobre los otros recursos, para obtener: Ap2 = $ 63.24

A% = $-67.70

AP4 = $ 77.78 De esta forma, un incremento de componentes 0' = 4 genera una mayor ganancia, seguida por el aumento en los metales 0 ' = 2). El anlisis indica tambin que un incremento en los plsticos 0' = 3) genera prdidas. El problema anterior es una variacin del anlisis general sobre economaconocidocorno modelo de entrada-salida. Este ejemplo, difiere de la aplicacin clsica de esta tcnica en la cuantificacin de transferencia de material entre los sectores dela economa. Sin embargo, el USO de la matriz inversa profundiza en interacciones complejas de sistemaslineales y es muy representativo del proceso del modelo de entrada-salida.

PARTE : CASOS LA DE

ECUACIONES ALGEBRAICAS LINEALES

283

Como tal, ayuda a ilustrar cmo los mtodos numricos aumentan la comprensin al manejar sistemas acoplados muy grandes.

CASO 9.2

CALCULO DEDISTRIBUCINDETEMPERATURAS
(INGENIERA QUMICA)
Antecedentes: la mayor parte de los diferentes campos de la ingeniera manejan distribuciones de temperatura en materiales slidos. Estos problemas son tan variadoscomo la distribucin de temperatura en un cono de proareentrante y la temperatura de un ro bajo una planta de energa productora de hielo. La distribucin de temperatura en estado estacionario bidimensional se define por la ecuacin de Laplace:

-a2T + - = a2T o ax2 ay2

~9.61

en donde T es la temperatura y x y y son las coordenadas. Las derivadas de la ecuacin (9.6)se aproximan usando diferencias finitas (vase la seccin 3.5.4). La figura 9.1 muestra una malla bidimensional, esquema til en las aproximaciones desarrolladas para la ecuacin (9.6). Las aproximaciones por diferencias divididas de las derivadas son:

Ax

Ax

aT dx

="

AT -

?;+l,j

T.,

y de manera similar,

En seguida, suponiendo que A x = A y , la ecuacin de Laplace se puede aproximar como:

T + 1,j + T - I , ,

T,j +

+ T,j - 1 - 4T,j = O

P .71

lacual es aplicable a cada nodo i , j de lafigura 9.1. Parece ser que al aplicar la ecuacin (9.7) a cada nodo resulta un sistema de ecuaciones acopladas, ya que la temperatura envarias posiciones aparece enms de una ecuacin. Esto produce un sistema de ecuaciones algebraicas lineales simultneas, que se pueden resolver usando los mtodos descritos en los captulos 7 y 8 . Considrese la placa plana de la figura 9.2 Los lados de la placa se mantienen a temperaturas constantes de O" y looo C , como se muestra

284

MTODOS

NUMRICOS

PARA INGENIEROS

FIGURA 9.1

Malla bidimensional que se usa en el desarrollo de aproximaciones por diferencias finitas de la temperatura sobre una placa plana.

FIGURA 9.2

Placaplana en donde se mantienen los iodos a temperaturas constantes de 100C, como se indica en la figura.

' O

CASOS PARTE DE LA

TRES: DE SISTEMAS

ECUACIONES ALGEBRAICAS LINEALES

285

en la figura. La distribucin de la temperatura dentro de la placa se puede aproximar en nueve puntos internos aplicando la ecuacin de Laplace en cada punto. Esto genera el siguiente conjunto de ecuaciones dado en notacinmatricial:
r

1 0 1

L o

0 0 0

1 0 1 0 0 - 4 1 0 1 0 1 - 4 0 0 1 0 0 - 4 1 0 1 o 1-4 1 0 1 0 1 - 4 0 0 1 0 0 0 0 0 1 0 1

0 0 0 1 0 4 -

0 0 0 0 1 0 1 4 1 -

0 0 0 0 1 0 1 4

T2

T 3
T2i

T22 T23

TH

I I I II

- 100
- 100

-200 O O
- 100

O O

-1 0 0

Solucin: se observa que elsistemaresultante de ecuaciones es diagonalmente dominante y , por lo tanto, compatible con el mtodo de GaussSeidel del captulo 8. En este caso, se garantiza la convergencia ya que se satisface la ecuacin (8.5).Se aseguratambinexactitudyaque los errores de redondeo no son problema en el mtodo de Gauss-Seidel. Usando una E , = 0.05% despus de 13 iteraciones se obtienen los resultados siguientes:

FIGURA 9.3

Distribucin de la temperatura sobreunaplaca Gauss-Seidel.

plana, calculadacon el mtodo de

286

INGENIEROS

PARA

MTODOS

NUMERICOS

Los resultados se muestran en la figura 9.3. La simulacin se lleva a cabo con el mtodo estndar de Gauss-Seidel. Debido a que estesistema es convergente, la relajacin puede servir para acelerar la convergencia. Por lo tanto, serepiten dos veces ms los clculos, usando X = 1.25 y X = 1.5. Los resultados, que se grafican en la figura 9.4, sugieren un valor de X en la vecindad de 1.25. Usando las tcnicas descritas en el capitulo 11 (ntese que se puedeusar un bosquejo para obtener un valor aproximado), se ajusta una ecuacin cuadrtica alos puntos de la figura (9.4). Esta ecuacin es:
n = 96A2 - 236A

+ 153

en donde n es el nmero de iteraciones correspondiente aun valor particular de X. Se puede determinar un mnimo derivando la ecuacin y obteniendo:

FIGURA 9.4

Grfica delnmero de iteracionescontra X, elcoeficiente de relajacin. Los trespuntos proporcionados como datos sugieren un nmero mnimo de iteraciones en la vecindad de X = 1.25. Ajustando una parbola a los datos, se puede calcular que el nmero mnimo de iteraciones corresponde al valor de X = 1.23.

DECASOS

TRES: ECUACIONES ALGEBRAICAS SISTEMAS DE LINEALES

287

dn
dA
-

"

192A

236

Elmnimo se encuentra cuando dn / dh es cero, lo cual lleva al punto donde la pendiente de la figura 9.4 es nula. En este caso, se determina un valor de h = 1.23 Volviendo a realizar los clculos con estecoeficiente de relajacin se obtiene la solucin en slo ocho iteraciones. De esta forma, si se van a realizar ms clculos para este problema en particular, se debeemplearunavalorde h = 1.2 para alcanzar los resultados ms eficientes. En este caso, el ahorro de tiempo en un solo clculo es despreciable. Sinembargo, en la simulacin mltiple de sistemas grandes, la eleccin acertada deh posiblemente redituar ahorros sustanciales. Este tipo de procedimiento se puede extender a problemas mscomplejos que incluyen esquemas geomtricos irregulares. Los problemas prcticos de este tipo requieren algunas capacidades de clculo automticas, pero, excepto en casos de sistemas extremadamente grandes, una microcomputadora llenar todos los requisitos.

CASO 9.3

ANALISIS DE U N A ARMADURA ESTATICAMENTE

DETERMINADA (INGENIERA CIVIL)
Antecedentes: un problema de importancia en ingeniera estructural es el de encontrar las fuerzas y reacciones asociadas con una armadura estticamente determinada. La figura 9.5 muestra un ejemplo de tales armaduras.

FIGURA 9.5

Fuerzas que actun sobre una armadura

estticarnente determinada.

288

INGENIEROS MTODOS

NUMRICOS

PARA

Las fuerzas ( F ) representan ya sea las tensiones o las compresiones de los elementos dela estructura. Las reacciones externas (H2 V2 V,) sonfuerzasquecaracterizan cmo interacciona la armadura con la superficie que la soporta. El gozne del nodo2 puede transmitir fuerzas horiel rodillo del nodo 3 slo zontales y verticales a la superficie, mientras que transmite fuerzas verticales. Se observa que el efecto de la carga externa de 1 O00 kg se distribuye a todos los elementos de la armadura. Solucin: este tipo de estructuras se pueden describir como un sistema de ecuaciones algebraicas lineales acopladas. En la figura 9.6 se muestran los diagramas de cuerpo libre sobre cada nodo. La suma de las fuerzas en las direcciones vertical y horizontal debe ser cero en cada nodo, ya que el sistema se encuentra en reposo. Por lo tanto, para el nodo 1:

XFV= O

-Flsen 30"

F3sen60"

+ F1,"

P.91

para el nodo 2:

XFv = O

Fl sen 30"

+ Fz, + VZ
u

[9.11]

para el nodo 3:

XFv = O

F3sen 60"

+ F3,"+ V3

[9.13]

FIGURA 9.6

Diagramas de cuerpo libre en los nodos de laarmadura estticamente determinada.

DECASOS

ECUACIONES TRES: ALGEBRAICAS SISTEMAS DE LINEALES

289

en donde Fj,hes la fuerza horizontal externa aplicada al nodo i (una fuerza positiva va de izquierda a derecha) y F;,"es la fuerza vertical externa aplicada al nodo i (una fuerza positiva va de arriba hacia abajo). De esta manera, en este problema, la fuerza hacia abajo de 1 O00 kg sobre el nodo 1 corresponde a F,," = - 1 000. En este caso lasfuerzasrestantes Fj,v,F;,h son cero. Ntese que la direccin de las fuerzas y reacciones internas son desconocidas. La aplicacin correcta de la segunda ley de Newton requiere Gnicamente que las suposiciones relacionadas con las direcciones sean consistentes. Si las direcciones no se toman correctamente, entonces la solucin ser negativa. Tambin ntese que en este problemalasfuerzasde todos los elementos se supone que estn entensin y que actan jalando a lavez a los nodos adyacentes. Este problema se puede escribir como el siguiente sistema de seis ecuaciones con seis incgnitas:

0.866 O -0.5 O 0 0 O O O O 0.866 0.5 -1 o o O -0.866 -1 o -1 o -0.5 O 0 O 0 0 1 0.5 O O O -1 O O -0.866

- 1000

O 0

E9.141

Ntese que, como se formula en la ecuacin (9.14), se requiere-pivote0 parcial para evitar divisiones porcero sobre los elementos de la diagonal. Empleando una estrategia de pivoteo, el sistema se puede resolver usando las tcnicas de eliminacin analizadas en los captulos 7 y 8. Sin embargo, debido a queesteproblemaes un caso deestudioidealpara demostrar la utilidad de la matriz inversa, seusa el mtodo de Gauss-Jordan para obtener:

y lamatrizinversa

es:

[A]-1 =

0.5 O 0 0 0 O O 1 O 0.25 -0.433 O O O - 0.5 O 0.866 -1 -1 O o -1 o O -1 O O -0.433 -0.25 0.433 -0.75 O O O -1

0.866

Ahora, supngase que el vector de trminos independientes representa las fuerzas horizontales y verticales aplicadas externamente a cada nodo, como:

290

INGENIEROS MTODOS

NUMRICOS

PARA

Debido a que las fuerzas externas no tienen efecto sobre la matriz de coeficientes, el mtodo de Gauss-Jordan no senecesita implementar una y otra vez para analizar el efecto de las fuerzas externas diferentes sobre la armadura. En vez de esto, todo lo que se tiene que hacer es multiplicar la matriz inversa por cada uno de los vectores de trminos independientes para obtener soluciones alternativas diferentes. Por ejemplo, podra desearse estudiar el efecto de las fuerzas horizontales producidas por el viento que sopla de izquierda a derecha. Si la fuerza elica se puede representar como dos fuerzas puntuales de 1 O00 kg cada una sobre los nodos 1 y 2 (Fig. 9.7),entonces el vector de trminos independientes es: [Vector de trminos independiente^]^ = [ 1 O00 O

1 O00 O O O]

que se puede multiplicar por la matriz inversa para dar:

Fl

866

F2

H* = -2000

v 2

= 250 = -433

F 3 =

v. =
F 3

-500 433
- 1 000,

Para un viento de derecha, Fj,h = - 1 000, F 3 , h = dems fuerzas externas son cero, resultando:

y todas las

FI

H,

= -866 = 2000

F 2 = -1250

v ,

433

v, = -433

500

Los resultados indican que los vientos han tenido marcados efectos diferentes sobre la estructura. Ambos casos se muestran en la figura 9.7. Los elementos individuales de la matriz invertida tienen tambin utilidad directa en el esclarecimiento de las interacciones carga-respuesta de la estructura. Cada uno de los elementos representa el cambio de una de las variables hacia un cambio unitario de uno de las cargas externas.Por ejemplo, e] elemento aG1 indica que la tercera incgnita F3) cambiar 0.866

" ~

FIGURA 9 . 7

Dos casos de carga que muestran a) vientos de izquierda y b) vientos de derecha.

ES A S DE CASOS

29 1

debido a la carga unitaria de la segunda carga externa F1,). De esta forma, sila carga vertical en el primer nodo se aumenta en uno, entonces F3 se incrementa en 0.866. El hecho de que los elementos sean cero indica que ciertas incgnitaspermanecen inalteradas por alguna de las cargas externas. Por ejemplo, a = O significa que F , no se altera por cambios en FZ,h. Esta habilidad de aislar interacciones tiene una cantidad de aplicaciones enla ingeniera incluyendo la identificacin de aquellos componentes que son ms sensibles a las cargas externas y, por lo tanto estn ms propensos a lafalla. El planteamiento anterior vienea ser particularmente til cuando se aplica a estructuras complejas. Enla prctica de la ingenieria puede necesitarse la solucin de estructuras con cientos o tal vez miles de elementos estructurales. Las ecuaciones lineales son una herramienta til en la comprensin del comportamiento de estas estructuras.

CASO 9.4

CORRIENTESY VOLTAJESENCIRCUITOSRESISTIVOS (INGENIERA ELCTRICA)

Antecedentes: un problema comn en la ingeniera elctrica es aquel que implica la determinacin de corrientes y voltajes en varias posiciones de circuitos complejos de resistencias. Estos problemas se resuelven con la ley de corriente de Kirchhoffy la ley de Ohm. La ley de la corriente dice un nodo debe ser que la suma algebraica de todas las corrientes sobre cero (Fig. 9.8a), o

il

I .

Nodo

i,

a)

Cik = O 1:

[9.16]

Y ..,

R if
, *

en donde todas las corrientes que entran al nodo tienen signo positivo. La ley de Ohm dice que la corriente a travs de una resistencia est dada en funcin del cambio de voltaje y de la resistencia (Fig. 9.8b),
[9.17]

i /

b)

FIGURA 9.8 Representacin esquemticade l a a)ley de l a corriente de Kirchhoff y b)ley de Ohm.

R=lOR

R=5R

v,

= 200 v

OR

R=5n

R=l5R

R=20R

& =ov

FIGURA 9.9

Solucindelcircuito tneas.

deuna resistencia usando ecuaciones algebraicas linealessirnul-

292
3

MTODOS NUMRICOS PARA INGENIEROS

c-

154

'65

FIGURA 9.10

Direccionesen las cuales se supone quecircula la corriente.

Solucin: los problemas de este tipo generan sistemas de ecuaciones algebraicas lineales simultneasya que los ciclos dentro de un circuito estn acoplados con los otros. Por ejemplo, considrese el circuito mostrado en la figura 9.9. Se desconoce la magnitud y la direccin de las corrientes asociadas con este circuito. Esto no presenta gran dificultad ya que simplemente se supone una direccin para cada corriente. Si la solucin resultante de la ley de Kirchhoff es negativa, entonces la direccin dada es incorrecta. Por ejemplo, la figura 9.10 muestra las corrientes supuestas. Dadas estas ecuaciones, las cuatro ecuaciones de las corrientes para cada nodo estn dadas por:
iI2

=
i.54 =

i& - is2 -

o i43 - i32 = o
i54
-

i43 = O

y las seis ecuaciones del voltaje como:

v5 - v 4 . v 5 - v, - 152 = 5 15 10 en donde la corriente fluye del voltaje ms alto al ms bajo. Estas ecuaciones son equivalentes a la siguientenotacinmatricial:

200 -

v,

154

0 0 0 0 1 0 5 0 0 0 O O 0 0

0 0 0 1 0 0 - 1 1 - 1 o 1 1 0 0 0 0 - 1 1 0 0 0

0 0 0

o
0 0

o
0 0

0 0 0 0 1 0 5 0 0 0 0 1 0 1 5 0 O 0 O 0 0 2 0 0 0 0 o O 0 1 0 1 o

1 - 1

0 1 1 0 0 -

0 0 1 1 1

O
O

ZOO O O
O

DECASOS

293

V=

153.85

i= 169.23

V = 200

: c

V=O
li = 146.15
I/= 123.08

FIGURA 9.1 1

Solucin de voltajes y corrientes obtenidos

usando un mtodo de eliminacin.

que representa un sistema de 10 ecuaciones con 10 incgnitas. Aunque es imprctico resolver este sistema a mano, se puede resolver fcilmente usando un mtodo de eliminacin tal como la eliminacin gaussiana o el mtodode Gauss-Jordan. De esta manera, la solucin es:
i12 32 i43

= - 1.538 iS4 = -1.538

= -1.538 5

6.153 8

a = -6.153 8
i52 V2 V3

5 5

= = =

-4.615 4 169.23 153.85

V4 = 146.15

V, = 123.08

Por lo tanto, con una interpretacin apropiada de los signos en los resultados, lafigura 9.11 muestra las corrientes y los voltajes en el circuito. Evidentemente se obtendran mayores ventajas si se usaran algoritmos numricos y microcornputadoras en este problema.

CASO 9.5

DINMICA DE PARTCULAS Y CUERPOS RGIDOS (INGENIERA MECANICA)

Antecedentes: la dinmica del movimiento de partculas y de los cuerpos rgidos juega un papel muy importante en muchos problemasde mecnica y otros campos de la ingeniera. Este movimiento se puede describir de Newton para mediante las leyes de Newton. La aplicacin de las leyes partculas simples genera dos ecuaciones. Sin embargo, si algunas partculas del sistema afectan a otras, entonces se puede generar un gran nmero de ecuaciones simultneas. Por ejemplo, considrese el sistema mostrado en la figura 9.12. Hay tres bloques atados por una cuerda de peso despreciable apoyados sobre unasuperficielisainclinada45O respecto a lahorizontal.El coeficiente de friccin entre el plano y la masa de 100 kg es de 0 . 2 5 y entre las masas de 50 y 2 0 kg es de 0.375. Solucin: en la figura 9.13 se muestran los diagramas de cuerpo libre de los tres bloques. Las unidades de las fuerzas son newtons (kilogramos por

FIGURA 9.12 Tres bloques conectados por cuerdos de peso despreciable sobreun plano inclinado.

294

MTODOS NUMRICOS

PARA INGENIEROS

100

9.8

980

50 x 9.8 = 490

20

9.8 = 196

FIGURA 9.13

Diagramas de cuerpo libre para los bloques sobre un planoinclinado.

metro por segundo al cuadrado), m es la masa en kilogramos y a es la aceleracin en metros por segundo al cuadrado. Sumando fuerzas en direccin paralela al plano y usando la segunda ley de Newton

(F

ma),

692.96 - 173.24 - T = lOOa 346.48 - 129.93 +

T-R 138.59 - 51.97 + R

= =

50a

2 0 ~

o. en forma matricial:

Resolviendo este sistema con eliminacin gaussiana, se obtiene:

a = 4.840 5 m/s2

T = 36.667 1 N R = 10.190 6 N
El expresar las ecuaciones del movimiento enforma matricial es un planteamientogeneral y adaptableparaproblemas de este tipo. Aunque el problema que se resolvi aqu fue fcil, el caso de estudio sirve para ilustrar el planteamientogeneral e inspirar, al menoseso se espera. las aplicaciones a problemas ms difciles. Cuando se juny una microcomputadora, son una tan con un mtodo numrico usar en una gran variedad de herramienta muy til quesepuede problemas complejos.

DE CASOS

DE ECUACIONES ALGEBRAICAS LINEALES

295

PROBLEMAS
Ingeniera en general
9.1
Reptanse los clculos del caso 9 . 1 usando los programas propios. Efectense los mismos clculos del caso 9.1, cambiando los totales de horashombre, metales, plsticos y componentes a 856 h, 3 050 kg, 1 450 kg y 948 unidades respectivamente. Un ingeniero supervisa la produccin de tres tipos de automviles. Se requieren tres clases de materiales "metal, plstico y caucho- para la produccin. La cantidad necesaria para producir cada automvil es de

9.2

9.3

Auto-

mvil
1

Metalr kglauto
1500 1700 1900

Plirtiro, Cauchor kglauto kglauto 25 33 42

1 O0 120 160

2 3

por da?.

Si se dispone de un total de 106 toneladas de metal, 2.17 toneladas de pltistico y 8.2 toneladas de caucho diariamente, cuntos automviles se pueden producir

9.4

Un ingeniero requiere 4 800 m 3 de arena, 5 810 m3 de gravafina y 5 690 m 3 de grava gruesa para la construccin de un proyecto. Existen tres bancos donde se pueden obtener estos materiales. La composicin en cada banco es de:

Banco
TO

Arena
0 1 0

Grava fina,
0 1 0

~~~

gruesa

Grava

O / o

banco 1

50 banco 2 banco 3 20

52 20 25

30

18 30
55

Cuntos metros cbicos se debe tomar de cada banco para cumplir con las necesidades del ingeniero?

Ingeniera qumica
9.5
9.6

Reptanse los clculos del caso 9.2 con los programas propios. Efectense los mismos clculos del caso 9.2 cambiando la temperatura de la pared a 200C.

296

INGENIEROS MTODOS

NUMRICOS PARA

9.7

Usando elmismo planteamiento del caso 9.2, calclese ladistribucin de temperatura en una varilla calentada en ambos extremos, como se muestra en la figura P9.7. Aplquese la formaunidimensionalde la ecuacin (9.6):
-__- 0

d2T

dx2

en donde x es la distancia a lo largo de lavarilla. Grafquese

T contra x.

FIGURA P9.7

Una varilla unidimensional se mantieneoislado a u n a temperaturaconstante en sus extremos. Los puntos indican las posiciones en donde debe aplicarse la forma unidimensional de la ecuacil (9.6)para calcular la distribucin de la temperatura a lo largo de la varilla.

9.8

Reptase el problema 9 . 7 incluyendounaprdida

de caloren la ecuacin:

en donde r es el coeficiente de prdida de calor, igual a 0.01 cm de lavarilla es de 10 cm. Grafiquese T contra x.
9.9

-y la longitud

La figura P9.9 muestratres reactores ligados por tubos.Como se puede ver. la velocidad de transferencia de sustancias qumicas a travs de los tubos es igual a la velocidad de flujo (Q, con unidades de metros cbicos por segundo) mul~iplicada por la concentracin del reactor del cual surge el flujo (c. con unidades de miligramos por metro cbico). Si el sistema es estacionario, la transferencia en cada reactor balancea la transferencia de salida. Por ejemplo. enel reactor 1. (entrada) = (salida), o: 500 +
Q21C2

= Q12C1

Q13~1

o , usando las velocidades de flujo especificadas como en lafigura 9 . 9 :

500

20~2 = 80~1 + 40~1

en donde 500 es una entrada directa (miligramos por segundo). Desarrllense ecuaciones de balance de masas comparables para cada unode los otros reactores y resulvanse las tres ecuaciones algebraicas lineales simultneas para la concentracinen los reactores.

DECASOS DE SISTEMAS TRES: LA PARTE

ECUACIONES ALGEBRAICAS LINEALES

297

FIGURA P9.9

Tres reactores ligados por tubos. La velocidad de transferencia de masa a lo largo de cada tubo esigual al producto del fluio Q y la concentracin c del reactor donde se origina el fluio.

9.10

Empleando el mismo planteamiento bsico del problema 9.9, determnese la concentracin de cloruro en cada uno de los Grandes Lagos con la informacin de la figura P9.10.

Ingeniera civil
9.11

Reptanse los clculos del caso 9.3 con los programas propios.

298

MTODOS

NUMRICOS

PARA INGENIEROS

9.12

y el del nodo

Efectense los mismos clculos del caso 9.3cambiando el ngulo del nodo 2 a 40 3 a 55. II

45
. . ~ . .

45
.
I P

9.13 Efectense los mismos dlculos del caso 9.3, con la estructura mostrada en la figura P9.13. 9.14 Efectense los mismos clculos del caso 9.3, con la estructura de lafigura P9.14.

FIGURAP9.13.
180

500

FIGURA P9.14.

Ingeniera elctrica
9.15 9.16 Reptanse los clculos del caso 9.4, usando losprogramas propios. Efectense los mismos clculos del caso 9.4, cambiando la resistencia entre los no dos 3 y 4 a 15 Q y cambiando el voltaje V6 a 50 V . Efectense los mismos clculos del caso 9.4. con el circuito mostrado en la figura

9.17

P9.17.

FIGURA P9.18.

ARTE CASOS LA DE

ECUACIONES ALGEBRAICAS LINEALES

299

Ingenieramecnica
9.19 Reptanse los clculos del caso 9.5, usando los programas propios. 9.20 Efectense los mismos clculos del caso 9 . 5 , cambiando el ngulo a 55O respecto a la horizontal. 9.2 1 Efectense los mismos clculos del caso 9 . 5 , cambiando el coeficiente de friccin de la masa de 100 kg a 0 . 5 y el de las masas de 50 y 2 5 kg a 0.25. 9.22 Efectense los mismos clculos del caso 9.5, cambiando las masas de 100, 50 y 20 kg a 4 5 , 2 0 y 80 kg, respectivamente. Efectense los mismos clculos del caso 9.5, para el sistema mostrado en la figura P9.23.

9.23

9.24

Efectense los mismos clculos del caso 9.5, con el sistema mostrado en 1 3 figura P9.24. (los ngulosson de 45'). Lanse todos los casos del captulo 9 . En base a la lectura y a la experiencia elabrense los propios casos en cualquier campo de la ingeniera. Esto puede implicar modificar o reexpresar alguno de ellos; sin embargo, pueden ser tambin totalmente originales. Como los ejemplos de este libro, se deben inspirar en el contexto de la ingeniera y se debe demostrar el uso de los mtodos numricos para solucionar sistemas de ecuaciones algebraicas lineales. Escrbanse los resultados usando los casos de este captulo como modelos.

9.25

FIGURA P9.24.

E P [LOGO: PARTE Ill

111.4

ELEMENTOS DE JUICIO
En el cuadro 111.2 se muestra un resumen de los elementos de juicio implicados en la solucin de ecuaciones algebraicas lineales simultneas.Hay tres mtodos; grfico, regla de Cramer y manipulacin algebraica que estn limitadas a pocas ecuaciones (n I3) y por lo tanto tienen poca utilidad prctica en la solucin de problemas. Sin embargo, estas tcnicas son herramientasdidcticasmuytilesen la comprensin del comportamientodesistemaslinealesen general.
Los mtodos numricos mismos se dividen en dos categoras generales: mtodos exactos y mtodos aproximados. Como su nombre lo indica, los primeros obtienensolucionesexactas. Sin embargo, ya que se ven afectados por los errores de redondeo, en algunas ocasiones ofrecen resultados errneos. La magnitud del error de redondeo vara de sistema a sistema y depende de una serie de factores. Estos incluyen las dimensiones del sistema, su condicin y s i la matriz de coeficientes es dispersa o completa. Adems, la precisin de la computadora influye en el error de redondeo. En general, se escogen los mtodos exactos para resolver pocas ecuaciones (esto es, aquellos sistemas menores de 50 ecuaciones).

Se usan comnmente dos mtodos; la eliminacin gaussiana y el mtodo de Gaus-Jordan. Se recomienda emplear la estrategia de pivote0 en cualquier implementacin que se haga de estos mtodos sobre una computadora. Con la ayuda de estaestrategia, los errores de redondeo disminuyen y se evitan problemas como la divisin por cero. Aunque en todos los dems sentidos son iguales, la eliminacin gaussiana es preferible a Gauss-Jordan, ya que la primera es un 50% ms rpida. Sin embargo, el mtodo de GaussJordan sigue siendo til ya que se puede modificar un poco de manera que se pueda obtener la matriz inversa como beneficio adicional en los clculos.
utiAunque los mtodos de eliminacin tienen una gran lidad, eluso de toda la matriz de coeficientes puede ser un factor lirnitante cuando se trata de sistemas muy grandes y dispersos. Esto se debe a que grandes porciones de memoria en la computadora deben almacenar ceros sin sentido. Para sistemas en forma de banda, existen mtodos disponibles para la implementacin de la eliminacin gaussiana sin tener que almacenar la matriz de coeficientes completa. En el recuadro 7.2 sedes-

302

MTODOS NUMRICOS PARA INGENIEROS

U C c .E .J

EPLOGO PARTE I l l

303

"

o
e,

O
u)

O
u)

O O O

o a,
? ul
VI

a,

304

MTODOS

NUMRICOS

PARA INGENIEROS

cribe un algoritmo muy simple para llevar a cabo lo anterior en sistemas especiales con forma de banda; el caso tridiagonal. mtodo que se describe en este libro se le conoce con el nombre de GaussSeidel. Es diferente del mtodo exacto en cuanto a que ste emplea un esquema iterativo en la obtencin progresiva de aproximaciones ms cercanas a la solucin. Por lo tanto, el efecto del redondeo es un punto discutible dentro del mtodo de Gauss-Seidel, ya que las iteraciones se pueden prolongar tanto como sea necesario para obtener la precisin deseada. Adems, la versin del mtodo de Gauss-Seidel puede desarrollarse de manera que se pueda ahorrar espacio en memoria para sistemas dispersos. Por lo tanto, el mtodo de Gauss-Seidel es el mtodo preferencial en sistemas grandes de ecuaciones en donde los errores de redondeo y los requisilas tos dealmacenamientovienena ser u n problemasignificativopara tcnicas exactas.

AI

(loo),

La desventaja del mtodo de Gauss-Seidel es que no siempre converge a la solucin exacta o algunas veces lo hace de manera muy lenta. Unicamentees confiable para aquellos sistemas dominantes diagonalmente. Sin emestas b a r g o , se dispone de los mtodos de relajacin que a veces ignoran restricciones. Adems, ya que muchos sistemas algebraicos lineales originados de problemas fsicos muestran dominancia diagonal, el mtodo de GaussSeidel tiene gran utilidad en la solucin de problemas de ingeniera. Enresumen, se conjuntan una serie de factores en la seleccin de una tcnica p a r a resolver un problema en particular que involucre ecuaciones algebraicas lineales. Sin embargo, como ya se mencion, el tamao y la dispersin del sistema son factores particularmente importantes al determinar la eleccin.

111.5

RELACIONES Y FRMULAS IMPORTANTES

C a d a u n a d e las partes de este libro contiene una seccin que resume las frmulas de mayor importancia. Aunque la parte Ill no menciona frmulas simples, se ha usado el cuadro 111.3 p a r a resumir los algoritmos que se han cubierto. La tabla proporciona una visin global que resulta til en la revisin y en la clarificacin de las diferencias principales entre los mtodos.

111.6

MTODOS AVANZADOS Y ALGUNAS REFERENCIAS ADICIONALES

Los mtodos de este texto se han limitado a solucin de ecuaciones lineales simultneas.
las tcnicas ms simples en la

EPLOGO PARTE 111

305

*"*"st

II II

II

fi

"_

I
I
-SN

"_
m N N

x - ,x(5"& 8 -

306

MTODOS

NUMRICOS

PARA INGENIEROS

Existen otros mgtodos que uscin elmismocontexto de los problemas as como tambin otros que tratan sobre valores propios y ecuaciones simultneas no lineales. Descomposicin LU (Llamado tambin mtodo de Cholesky o mtodo de Crout) es una tcnicaparticularmenteeficienteenlasolucindealgunosproblemas que se han mencionado en la parte I l l . Se encuentran buenas descripciones y algoritmos de computadora para este mtodo en James, Smith y Wolford ( 1 977) y Gerald y Wheatley (1984).

Existen una variedad d e tkcnicas para determinar los valores propios. James, Smith y Wolford (1 977); Gerald y Wheatley (1 984) y Hornbeck (1975) proporcionan una introduccin al tema. El tema se trata ms a fondo en Ralston y Rabinowitz (1978); Householder (1 964) y en Wilkonson (1 965).
Las ecuaciones simultneas no lineales a veces se pueden resolver usand o el mtodo de Gauss-Seidel. Adems, una versin multidimensional ofrece un esquema ms eficiente, aunque ms complicado del mtodo de Newton-Raphson. En los libros de Carnahan, Luther y Wilkes ( 1 969); G e rald y Wheatley ( 1 984) y James, Smith y Wolford (1977) se analizan los mtodos. El libro de Ortega y Rheinboldt (1970) ofrece un trabajo muy completo acerca del tema.

En resumen, la informacin anterior intenta introducir al lector en estudios posteriores ms profundos sobre el tema y reas afines. En todas las referencias anteriores se proporcionan descripciones de las tcnicas bsicas d e la parte Ill. Adems, Ralston y Rabinowitz ( 1 978) proporcionan un anlisis ms profundo y en Stark (1 970) se incluye un estudio de temas tales como el mal condicionamiento.El lector debe consultar estas fuentes alternativas para complementar el material de este libro y enriquecer sus conocimientos sobre ecuaciones algebraicas lineales simultneas. *

'Aqui

slo

se hace referencia a los libros por autor; al finaldel texto se halla una bibliografa completa.

PARTE -AJUSTE DE CURVAS

C ~ J A T R O
IV.1 M O T I V A C I ~ N
A menudo se proporcionan datosmediante .un conjunto de puntos discretos. Sin embargo, a veces se requieren estimaciones de puntos entre esos valores discretos. Esta parte del libro describe algunas tcnicas de ajuste de curvas de manera que con tales datos se obtengan aproximaciones intermedias. Adems, a veces se requiere una versin simplificada de una funcin muy complicada. Una manera de hacerloes la de calcular valores de la o funcin enun conjunto de valores discretos a l largo del rango de inters. Despus se puede obtener una funcin mas simple ajustando estos valores: A estas dos apticaciones se les conoce con el nombre de ajuste de curvas.
Hay dos esquemas generales en el ajuste de curvas que se distinguen entre s en base a la cantilos datos.Primero, dad deerrorasociadacon donde los datos muestran un grado significativo deerror o ruido, la estrategia es derivar una curva simple que repre.sente el comportamiento general de los datos. Ya que cada punto individual puede estar incorrecto, no es necesario intersec,tar cada punto individual puede estar incorrecto, no es necesario intersectar cada uno de ellos. En vez de esto, la curva se disea de tal manera que siga un patrn sobre los puntos tomados como un todo. A un procedimiento de esta naturaleza se le conoce conel nombre de regresin con mnimos cuadrados (Fig. IV.l a). Segundo, donde se conoce que los datos son muy exactos, el proceso es ajustar una curva o una serie de curvas que pasen exactamente por cada uno de los puntos. Estos datos generalmentese derivan de tablas. Algunos ejemplos son los valores de la densidad del agua y de la capacidad de calor de los gases como una funcin de la temperatura. A la estimacin de valores entre puntos discretos conocidos se le col nombre de interpolacin (Fig. IV. l b y c). noce con e

308

____-

MTODOS

NUMRICOS

PARA INGENIEROS

FIGURA IV.l

Tres intentos de ajustar la "mejor" curva a troves de los cinco dotos o) regresin con mnimos cuadrados, b) interpolacin lineal y c) interpolacin curvilnea.

IV.l . l . Mtodos de ajuste de curvas antes del

uso dela microcomputadora

El mtodo ms simple de ajustar una curva a un conjunto de datos esel de trazar los puntos y unirlos con una lnea recta. Aunque esta es una alternativa vlida y se utiliza cuando se requiere hacer estimaciones rpidas, los resultados son dependientes, desde un punto de vista subjetivo, de la persona que traza la curva.
Por ejemplo, en la figura IV.l se muestran diferentes trazos sobre un mismo conjunto de datos hechos por tres estudiantes. El primero no intenta conectar los puntos, en vez de eso caracteriza el crecimiento

AJUSTE DE CURVAS

309

de los datos mediante una lnea recta (Fig. IV.l .a). El segundo estudiante us segmentos de lnea recta o interpolacin lineal en la conexin de los puntos (Fig. IV.l h ) . Esta tcnica es muy comn en ingeniera. Si los valores se acercan realmente al caso lineal y estn espaciados muy cerca entre s, entonces esta aproximacin ofrece una estimacin adecuada en muchos clculos de ingeniera. Sin embargo, en donde la relacin subyacente es altamente curvilnea o en donde los datos estn muy separados entre s, se pueden introducir errores El tercer estudiante us curvas significativos enla interpolacin lineal. que intentan capturar el comportamiento sugerido por los datos (Fig. IV.l c ) . U n cuarto o quinto estudiante desarrollara un ajuste diferente. Obviamente, la meta aqu es la de desarrollar mtodos sistemticos y objetivos con el propsito de derivar tales curvas.

IV.1.2 Ajuste decurvas en ingeniera El primer enfrentamiento del ingeniero con el ajuste de curvas pudo ser el de determinar un valor intermedio de datos contenidos en una tabla por ejemplo, de tablas de inters en la economa o de tablas de vapor en termodinmica. A lo largo de la profesin de un ingeniero, frecuentemente se presentan ocasiones en las que se deben calcular valores intermedios de estas tablas.
Aunque muchas de las frmulas utilizadas ampliamente en ingeniera ya han sido tabuladas, existe otra gran cantidad delos que no tienen aplicacin al hacerlas de esta forma. Los casos especiales y los problemas nuevos de contexto requieren a menudo quese obtengan datos propios y que se desarrollen relaciones predictivas, tambir! propias. Se pueden encontrar, en general, dos tipos de aplicaciones cuando se ajustan datos experimentales: el anlisis de tendencias y la prueba de hiptesis.

den con alta precisin, se pueden usar polinomios de interpolacin. Los datos imprecisos, en general, se analizan con regresin de mnimos cuadrados.

El anlisis de tendencias representa el proceso de usar el patrn de los datos y hacer predicciones. Para los casos en que los datos se mi-

El anlisis de tendencias se puede usar para predecir o pronosticar valores de la variable dependiente. Esto a veces involucra extrapolar ms all de los lmites de los datos observados o interpolar dentro del rango de datos. Generalmente, en todos los campos de la ingenieria se encuentra este tipo de problemas.
Una segunda aplicacin a la ingeniera del ajuste de curvas experimentales es la prueba de hiptesis. Aqu se compara un modelo matemtico existente con los datos medidos. Si los coeficientes del mo-

310

MTODOS

NUMRICOS

PARA INGENIEROS

delo se desconocen, a veces es necesario determinar valores que se ajusten mejor a los datos observados. Por el otro lado, si las estimaciones de los coeficientes del modelo se encuentran disponibles puede ser apropiado comparar los valores predecidos del modelo con los valores observados y as probar la eficiencia del mtodo. A menudo, se comparan modelos alternos y se selecciona "el mejor" en base a observaciones empricas. Adems de las aplicaciones anteriores a la ingeniera,el ajuste de curvas es importante en otros mtodos numricostales como la integracin y la solucin aproximada de ecuaciones diferenciales. Finalmente, los mtodos de ajuste de curvas se pueden usar para derivar funciones simples y aproximar funciones complicadas.

IV.2

FUNDAMENTOS MATEMTICOS
Los fundamentos matemticos necesarios para la interpolacin se encuentran en las expansiones de la serie de Taylor y diferencias divididas finitas introducidos en el captulo 3. En la regresin con mnimos cuadrados se requieren conocimientos de estadstica. Si el lector est sufamiliarizado con los conceptos de media, desviacin estndar, ma residual de cuadrados ydistribucin normal, entonces puede omitir las siguentes paginas e ir directamente a la seccinIV.3. Si no conoce estos conceptos o si necesita recordarlos, entonces se recomienda leer el siguiente material como una breve introduccin a estos temas.

IV.2.1

Estadstica simple

Supngase que enun curso de ingeniera se hacen varias medidas de una determinada cantidad. Por ejemplo, el cuadro IV.l contiene 24 lecturas del coeficiente de expansin trmica de un acero estructural. AI observar estos valores, proporcionan una cantidad limitada de informacin, esto es, el rango de valores va desde un mnimo de
CUADRO IV. 1 Coeficientes obtenidos al medir la expansin trmica de un acero estructural ( x 1 O-6 pulg/pulg/F)

6.495 6.665 6.755 6.565 6.595 6.505

6.625 6.51 5 6.61 5 6.435 6.71 5 6.555

6.635 6.625 6.575 6.395 6.485 6.71 5

6.655 6.775 6.555 6.655 6.605 6.685

AJUSTE DE CURVAS

31 1

tadsticas conocidas que proporcionen tanta informacin como sea posible acerca decaractersticas especficasdel conjunto de datos. Estas medidas estadsticas descriptivas se seleccionan ms a menudo para representar 1 ) la posicin central de la distribucin de datos y 2) el grado de dispersin del conjunto de datos. La medida estadstica ms comn es la medida. La media (y) de una muestra se define como la suma de los datos individuales (y;) .. . dividido por el nmero de puntos (n), o:

6.395 hasta un mximo de 6.775. Se puede profundizar en el conocimiento de los mismos agrupando los datos en una o mas medidas es-

[IV.l]
en donde la sumatoria va desde i =

1 hasta n.

cin

La medida mas comn de la dispersin de una muestra es la desviaestndar (sJ, en funcin de la media:

[IV.2]
I

en donde S es la suma total de los cuadros de puntos y la media, esto es:

los residuos entre los

[IV.3]

S, =

c (y, -

Por lo tanto, si las medidas individuales se dispersan muy lejos de la media, S, (y, por lo tanto sy) crecer. Si se agrupan muy cerca de la media entonces la desviacin estndar ser pequea. La dispersin tambin se puede representar por el cuadrado de la desviacin estndar, a la cul se le llama varianza:

[IV.4]
Ntese que el denominador en ambos casos es n - l. Esto toma en consideracin que un promedio derivado previamente de los datos (esto es, la media) se us para determinar S,. Formalmente, se dice que se pierde un grado e Iibedad. Otra justificacin de dividir por n - 1 es que no hay dispersin en un solo dato. Por lo tanto, en el caso donde n = 1, la ecuacin (IV.4) proporciona un resultado sin sentido o infinito.

312

METODOS NUMERICOS PARA INGENIEROS

Una medidaestadstica final que tiene utilidad en la cuantificacin de la dispersin de los datos es el coeficiente de variacin (c. v). Esta medida estadstica es el cociente d e la desviacin estndar dela media. Como tal, proporciona una media normalizada de la dispersin. A menudo se multiplica esta cantidad por 100, de tal manera que se pueda expresar en forma porcentual:

[ ; I
C.V.

= 100%

[IV.5]

Nteseque elcoeficiente devariacin essimilaralerrorrelativo porcentual ( t u ) mencionado en la seccin 3.3. E s decir, el cociente de una medida de error ( S , , ) entre una estimacin del valor verdadero

(a.

EJEMPLO IV.l
Tratamiento estadstico sencillo de una muestra Enunciado del problema: calclense la media, varianza, desviacin estndar y coeficiente de variacin de los datos del cuadro Solucin: los datos se suman (cuadro para calcular [Ec.(lV.l)]:

IV.l.

IV.2) y los resultados se usan

158.400 24

6.6

Como enel cuadro IV.2, la suma de los cuadrados de los residuos es 0.21 7 00, que se puede usar en el calculo de la desviacin estndar [Ec.(lV.2)]:

II
I

sy =

,/T
=

0.097 733

y la varianza [Ec.(lV.4)]:
S,

0.009 435

y los coeficientes de variacin [Ec.(lV.S)]:

C.V.

=0.097

6.6

331 00%

1.47%

AJUSTE DE CURVAS

313

Cuadro IV.2

Clculos para la obtencin de las medidas estadsticas e histograma delas lecturas del coeficiente de expansin trznica

INTERVALO
I

Y;

(Y;

- 7,

Frecuencia

Limite lmite inferior Superior

6 7 8 9 1 0 11 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 20 2 1 22 2 3 24

6.395 6.435 6.485 6.495 6.505 6.51 5 6.555 6.555 6.565 6.575 6.595 6.605 6.61 5 6.625 6.625 6.635 6.655 6.655 6.665 6.685 6.715 6.715 6.755 6.775 158.400

0.042 025 0.027 225 0.013 225 0 . 0 1 1 025 0.009 025 0.007 225 0.002 025 0.001 225 0.000625 0.000025 0.000025 0.000 225 0.000625 0.000625 0.001 225 0.003 025 0.003025 0.004 225 0.007 2251 0.01 32 2 5 ) 0.013 225 0.024 025 0.030 625

6.36 6.40 4 2 6.48 6.52 6.56

6.40 6.44 6.52 6.56 6.60

6.60

6.64

3 3

6.64 6.68 6.72 6.76

6.68 6.72 6.76 6.80

0.21 7 O00

IV.2.2 La distribucin normal

La caracterstica final que se menciona en este anlisis es la distribucin de datos, es decir, el comportamiento con el cual los datos se distribuyen alrededor de la media. Un histogrurnu proporciona una representacin visual simplede la distribucin. Como el cuadro IV.2, un histograma se construye ordenando los datos en intervalos. Los intervalos se grafican sobre el eje e las abscisas y la frecuencia de ocurrencia de estos se grafica en el eje de las ordenadas. Por lo tarito, cinco de las medidas caen dentro del intervalo 6.60 y 6.64. Como los daen la figura IV.2, el histograma sugiere que la mayor parte de tosse agrupan cerca de la media.

Si se tiene un conjunto grande de datos, a menudo el histograma se transforma de un diagrama de barras en una curva suave. La curva

314

MTODOS

NUMRICOS

PARA INGENIEROS

FIGURA IV.2

Uso de un histograma para delinear la distribucin de los datos. A medida que el nmero de puntos aumenta, el histograma tiende a una curva uniforme y sin discontinuidades llamada distribucin normal.

simtrica y homognea sobrepuesta a la figura IV.2 muestra una de estas curvas caractersticas; la distribucin normal. Si se proporcionaran medidas adicionales suficientes, entonces el histograma eneste caso en particular, tendera eventualmente a la distribucin normal.

los conceptos de media, desviacin estndar, suma residual de cuadrados y distribucin normal tiene una gran importancia dentro de la ingeniera. Un ejemplo muy simple es su uso en la cuantificacin de la confiabilidad que se le puede atribuir a un dato particular. Si unacantidad est distribuidanormalmente, el rangodefinidopor y - S, a y S , abarcar aproximadamente el 68% del nmero total de datos. De la misma manera, el rango definido por y - 's, a y 2 S,, abarcar aproximadamente el 95%

Por eiemplo, en los coeficientes de expansin trmica del cuadro IV. 1 (y = 6.6 y S, 0.097 133), se puededecir que aproximadamente el 95% de los datos se encuentra entre 6,405 734 y 6.794 266. S i alguien dijo que se midi un valor de 7.35, entonces se puede esperar que este dato sea errneo.

l o anterior es slo un ejemplo muy simple de cmo se pueden usar las estadsticas para dar juicios acerca de la certeza de los datos. Estos conceptos tambin tienen importancia directaen el anlisis de modelos de regresin. Se puede consultarcualquierlibro bdrsico de estadstica (por ejemplo, Ang y Tang, 1975, o Laping, 1983) para obtener informacin adicional sobre el tema.

AJUSTE DE CURVAS

31 5

IV.3 ORIENTACION
Antes de pasar a los mtodos numricos en el ajuste de curvas, puede ser til una orientacin. Lo que sigue est enfocado a dar una visin general del material analizado en la parte IV. Adems, se han formulado algunos objetivos para ayudar al aprendizaje del lector cuando estudie el material.

316

INGENIEROS MTODOS

NUMRICOS

PARA

IV.3.1 Avance y alcance

En la figura IV.3 se muestra una visin global del material que se cubre en la parte IV. El captulo 70 se dedica a la regresin con mnimos cuudrudos. Primero se aprender a ajustar la mejor lnea recta a travs de un conjunto de datos inciertos. A esta tcnica se le conoce con el nombre de regresin lineal. Adems del anlisis sobre el clculo de la pendiente y punto de interseccin de la lnea recta, se presentan tambin mtodos cuantitativos y visuales para la evaluacin los resultados. de la validez de Adems de ajustar una lnea recta, se estudia tambin una tcnica general para ajustar al meior polinomio. Por lo tanto, se aprender a derivar un polinomio cuadrtico, cbicoo de orden superior que se ajuste de manera adecuada a los datos inciertos. La regresin lineal es un subconjunto de este esquema ms general, al cual se le conoce con el nombre de regresin polinornial. Finalmente, el ltimo tema cubierto en el captulo 10 es la regresin lineal mltiple. Que est diseada para casos en que la variable dependiente y sea una funcin lineal de dos o ms variables independientes xl, x2, ..., x,. Este esquema tiene una utilidad especial en la evaluacin de datos experimentales en donde la variable de inters depende de un conjunto de factores. En el captulo 7 7 se describe una tcnica alternativa de ajuste de curvas a laque se le llamainterpolacin, Como se dijoanteriormente,lainterpolacin se usa para estimularvaloresintermedios entre datos conocidos. En el captulo 11 se derivan polinomios que cumplen este propsito. Se introduce el conceptobsicode y parbolasparaconecinterpolacinpolinominalusandorectas tarpuntos.Despus, se desarrolla un procedimientogeneral para ajustar un polinomio de n-simo orden. Se presentan dos formatos diferentes para expresar estos polinomios en forma de ecuaciones. E s preferible el primero de ellos,llamado polinornio de interpolacin deNewton,cuando se desconoce el ordencorrectodelpolinomio. El segundo, llamado polinornio de interpolacin de Lagrunge tiene algunasventajas cuando el ordendelpolinomio se conoce de antemano. La ltima seccin del captulo 11 se dedica a una tcnica diferente en el ajuste preciso de datos. Esta tcnica, llamada interpolacin segrnenturia (en ingls spline),ajusta los datos a polinomios pero por intervalos. De ah que sea particularmente til cuando se ajusten datos que en general son homogneos,pero muestran cambios locales abruptos.

AJUSTE DE CURVAS

317

En el capitulo 72 se desarrollan casos de estudio que ilustran la utilidad de los mtodos numricos dentro de contextos de la ingeniera. Se muestran algunos ejemplos tanto de la ingeniera en general como de las cuatro ramas ms importantes de la misma: qumica, civil, elctrica y mecnica. Finalmente, se incluye un eplogo al final de la parte IV. Este incluye un resumen de las frmulas y conceptos ms importantes relacionados con el ajuste de curvas, as como un anlisis de los factores de mayor importanciaentre las tcnicas y sugerencias para estudios posteriores. En la parte IV se incluyen algunas opciones de clculo por computadora. Primero, el paquete de programas NUMERICOMP que acompaa al texto contiene programas que son legibles al usuario sobre regresin lineal e interpolacinde Lagrange. Alternativamente,se incluyen en el texto programas escritos en FORTRAN y en BASIC. Esto le proporciona al lector la oportunidad de copiar el programa para implementarlo en su propia microcomputadora o supercomputadora. Tambin se incluyen los diagramas de fluio y los algoritmos para la mayor parte delos mtodos descritos en el texto. Este materialpuede servir de base en la construccir! de un paquete de programas que el lector puede desarrollar y aplicar a los problemas de ingeniera.

IV.3.2

Metas y objetivos

Objetivos de estudio. Despus de terminar la parte IV, el lector debe haber aumentado en gran medida sus capacidades en el ajuste de curvas con datos. En general, se deben dominar las tcnicas, se debe haber aprendido a valorar la confiabilidad de las respuestas y ser capaz de escoger el mejor mtodo (o mtodos) para cualquier problema. Adems de estas metas generales, se deben asimilar y dominar los conceptos especficos del cuadro IV.3. Objetivos de cmputo. El lector debe tener un conjunto de programas simples de computadora, algoritmos y diagramas de flujo que implementen los mtodos analizados en la parte IV. Todos ellos como herramientas de aprendizaje.

El paquete opcional de programas NUMERICOMP, incluye los programas de regresin lineal de interpolacin de Lagrange. Las grficas asociadas con este paquete le ayudarn al lector a visualizar el problema adems delas operaciones matemticas asociadas. Las grficas son una parte crtica en la apreciacin sobre la validez de una regresin. Tambin proporcionan una gua relacionada con el orden

318

MTODOS

NUMfRICOS PARA INGENIEROS

CUADRO IV.3

Objetivos de estudios especficos de

la parte IV

einterpolacinydarse cuenta que el confundirlos puede acarrear serios problemas. 2. Entender la derivacin de la regresin lineal con mnimos cuadradosy ser capaz devalorar la confiabilidad del ajuste usando grficas a apreciaciones cuantitativas. 3. Saber linealizar datos para llevar a cabo transformaciones. 4. Entender las situaciones en dnde es apropiado usar regresin polinomial o mltiple. 5. Entender que hay uno y slo un polinomio de grado n o menor que pasa exactamente a travs de los R 1 puntos. 6. Saber como derivar el polinomio de interpolacin de Newton de primer orden. 7. Entender laanaloga entre el polinomio de Newton y la expansin de la serie de Taylor y cmo se relacionan con el error de truncamiento. 8 . Reconocer que las ecuaciones deNewton y de Lagrange son meramente formulaciones diferentes del mismo polinomio de interpolacin y de entenventajas y desventoias. der sus respectivas 9. Observar que se obtienenresultadosmsexactos si los puntosusados para interpolacin se centran alrededor y cerca de la incgnita. 10. Reconocer que los puntos no tienen porqu estar igualmente espaciados ni en ningn orden en particular para los polinomios de Newton y de Lagrange. 1 1 Conocer el por qu las frmulas de interpolacin igualmente espaciados tienen utilidad. 12. Reconocer las limitaciones y las incertidumbres asociadas con la extrapolacin. 13. Entender por qulasfuncionessegmentariastienenutilidad para datos con reas locales de cambios significativos.

1 . Entender la diferencia fundamental entreregresin

correcto de una interpolacin polinomial y s i es confiable efectuar la extrapolacin. El paquete es muy fcil de aplicarse en la solucin de problemas prcticos y se puede usar en la verificacin de los resultados de cualquier programa que el lector haya desarrollado por s mismo. Adems, se incluyen los programas de computadora, los algoritmos o los diagramas de flujo para la mayor parte de los mtodos de la parte IV. Esta informacin le permitir ai lector expander su biblioteca de programas incluyendo tcnicas que van ms all de la regresin lineal y de la interpolacin de Lagrange. Por ejemplo, puede ser til, desde un punto de vista profesional, tener un paquete de programas que incluya regresin polinomial, polinomio de interpolacin de Newtone interpolacin cbicasegmentaria (del ingls cubic spline).

CAPTULO DIEZ
REGRESI~N CON MNIMOS CUADRADOS

Cuando se asocia un error sustancial con los datos, la interpolacin poiinomial es inapropiada y puede llevar a resultados no satisfactorioscuando se usa para predecir valores intermedios. Los datos experimentales a menudo son de este tipo. Por ejemplo, en la figura 10. l a se muestran siete datos obtenidos experimentalmente que muestran una variacin significativa. La inspeccin visual de los datos sugiere una relacin positiva entre y y x . Es decir, la tendencia total indica que a valores mayores de y se le asocian valores mayores a x. Ahora, si se ajusta un polinomio interpolante de sexto orden a estos datos (Fig. l O . l b ) , pasar exactamente por todos los puntos. Sin embargo, debido a la variabilidad de los datos, la curva oscila ampliamente en los intervalos entre puntos. En particular, los valores interpolados x = 1.5 y x = 6 . 5 parecen ir ms all d e l rango sugerido por los datos. Una estrategia ms apropiada en estos casos es la de obteneruna funcin aproximada que ajuste adecuadamente el comportamiento o la tendencia general delos datos, sin coincidir necesariamente con cada punto muestra una linea recta que puede usarseen en particular. La figura 10. IC la caracterizacin de la tendencia delos datos sin pasar sobreningn punto en particular. Una manera de determinar la lnea de la figura 1 0 . 1 ~ es inspeccionar visualmente los datos graficados y luego trazar la mejor lnea a travs de los puntos. Aunque este enfoque recurre al sentido comn Y es vlido para clculos a simple vista es deficiente ya que es arbitrario. Es decir, a menos que los puntos definan una lnea recta perfecta (en cuyo caso la interpolacinsera apropiada), cadaanalista trazar rectas diferentes. La manera de quitar esta subjetividad es considerar un criterio que cuantifique la suficiencia del ajuste. Una forma de hacerlo es obtener una curva que minimice la diferencia entre los datosy la curva. En este captulo se analiza un mtodo para llevar a cabo este objetivo al que se le llama regresin con minimos cuadrados.

320

MTODOS

NUMRICOS PARA INGENIEROS

FIGURA 1O. 1

a) Muestra de datos con un error significativo. b) Ajuste polinomial con oscilaciones que violan el rango de los datos, c) se obtienen resultados ms satisfactorios usando el ajuste de mnimos cuadrados.

REGRESldN CON MNIMOS CUADRADOS

32 1

10.1 REGRESIN LINEAL

Ei ejemplo ms simple de una aproximacin por mnimos cuadrados es el ajuste de una lnea recta a un conjunto de parejas de datos observadas: ( x 1 ,y l ) , (xp, y2), .. . ,(x,,, y,,). La expresin matemtica de una lnea recta es:
y =
a 0

+ alx + E

[10.1]

en donde a. y al son coeficientes que representan la interseccin con el eje de las abscisas y la pendiente, respectivamente y E es el error o residuo entre el modelo y las observaciones, que se puede representar reordenando la ecuacin (10.1)como:

y -a 0 - alx

Por lo tanto, el error o residuo es la diferencia entre el valor real de y y el valor aproximado, a. a, x, predicho por la ecuacin lineal.

10.1.1 Criterio para un

/ /

mejor ajuste

Una estrategia que obtiene la mejor lnea a travs de los puntos debe minimizar la suma de los errores residuales, como en:
[10.2]
i= 1

i=l

Sin embargo, este criterio es inadecuado, como se puede ver en la figura 10.2a, en donde semuestra la lnea recta que ajusta dos puntos. Obviamente, la mejor lnea ajustada esaquella que conecte ambos puntos. Sin embargo, cualquier lnea que pasa por el punto medio de la lnea que los conecta (excepto unalnea perfectamente vertical) genera un valor mnimo en la ecuacin (10.2) igual a cero ya que los errores se cancelan. Otro criterio sera minimizar la suma de los valores absolutos de las diferencias, esto es:
n

161
i= 1

2IM
i= 1

- a 0 -

alxil

En la figura 10.21 se muestra por qu este criterio tambin es inadecuado. Con los cuatro puntos mostrados, cualquier lnea recta que se encuentre dentro de las lneas punteadas minimiza el valor absoluto de la suma. Por lo que este criterio an no produceel mejor ajuste que sea nico. Una tercera estrategia en el ajuste de una lnea ptima es el criterio de minimax. En este mtodo, la lnea se escoge de tal manera que minimice la distancia mxima a la que se encuentra un punto de la linea rec-

322
"

MbODOS NUMRICOS

PARA INGENIEROS

FIGURA 10.2

Ejemplos de algunos de los criterios de "meior ajuste" que son inadecuados en la regresin: a) minimizacin de la suma de los residuos; b) minimizacin de la suma de los valores absolutos de los residuos y c) minimizacin del error mximo de cualquier punto individual.

ta.Comose muestra en la figura lo.&, est estrategia est mal condicionada pararegresin ya que influye de maneraindebida sobre un punto externo, aislado, cuyo error es muy grande. Se debe notar que el criterio minimax algunas veces est bien condicionado paraajustar una funcin simple a una funcin complicada (Carnahan, Luther y Wilkes,

1969).
Una estrategia que ignora las restricciones anteriores es la d e minimizar la suma de los cuadrados de los residuos, S,, de la siguiente manera:
S, =

2 E? =
= 1

( y i- a0 - alxi)2
i=l

E10.31

REGRESIN CON MNIMOS CUADRADOS

323

Este criterio tiene muchasventajas, incluyendoel que ajusta una linea nica analizar estas propiedades, se muesa un conjunto dado de datos. Antes de tra un mtodoquedetermina los valoresde a. y al que minimizanla ecuacin (10.3).

10.1.2 Ajuste deunarectautilizando

cuadrados

mnimos

Para determinar los valores de las constantes a. y a l , se deriva la ecuacin (10.3) conrespecto a cadaunodelos coeficientes:

Ntese que se hansimplificadolossmbolosdelasumatoria; a menos que otra cosa se indique, todas las sumatorias van desde i = 1 hasta n . Igualando estas derivadas a cero, se genera un mnimo S,. Si se hace as', las ecuaciones anteriores se expresarn cmo:

Ahora, considerando que C a. = nao, las ecuaciones se pueden expresar como un conjunto de dosecuaciones lineales simultneas con dosincgnitas (ao y al):
nao

+ C xial =

yi

[10.4] [10.5]

A estas ecuaciones se les conoce como ecuaciones normales.Se pueden resolversimultneamente y obtener [(recurdese la Ec. 7.10)]:

[10.6] Este resultado se puede usar junto conla ecuacin (10.4) para obtener: [10.7] en donde
. . ... . " .

v y X sonlamedid+de

y y x , respectivamente.

l l l _ _

..

324

INGENIEROS MTODOS

NUMRICOS PARA

EJEMPLO 1O. 1

Regresin lineal

Enunciado del prblema: ajstese una lnea recta a los valores x y y de las primeras dos columnas del cuadro 10. l.
CUADRO 1O. 1
Clculos para el anlisis del error del ajuste
lineal

1 2 3 4 5 6 7

c.

0.5 2.5 2.0 4.0 3.5 6.0 5.5 24

8.5765 0.8622 2.040 8 0.326 5 0.0051 6.612 2 4.2908 22.714 3

0.168 7 0.562 5 0.3473 0.3265 0.589 6 0.797 2 0.199 3 2.991 1

Solucin: sepuedencalcularlassiguientescantidades:

=7

2 xjyj = 119.5

xf = 140

2 yi

24

24 J = - = 3.428 571 429 7

Usandolas ecuaciones (10.6) y (10.7),

an =

3.428 S71 429 - 0.839 285 714(4)

0.071 428 57 es:

Por lo tanto, el ajuste con mnimos cuadrados

y = 0:071 428 57

+ 0.839 285 7 1 4 ~
figura 1 0 . 1 ~ .

La lnea, juntocon l o s datos, se muestra en la

REGRESldN CON MNIMOS CUADRADOS

325

10.1.3 Cuantificacin del error enla

regresin lineal

Cualquier lnea recta diferente a la que se calcul en el ejemplo 10.1 genera una mayor suma de cuadrados de los residuos. Por lo tanto, la lnea es nica y en trminos del criterio escogido es la mejor lnea a travs de los puntos. Se puede derivar un gran nmero de propiedades adicionales de este ajuste, examinando ms de cerca la manera como se calcularon los residuos. Recurdese que la suma de los cuadrados se define como [Ec. (10.3)]:
I

S , = 2 ( y i - a. - alxi)*
i= 1

110.81

Ntese la similitud entre las ecuaciones (IV.3)y (10.8).En el primer caso, los residuos representabanla diferencia entrelos datos y una aproximacin simple de la medida de la tendencia central; la media. En la ecuacin (10.8),los residuos representanel cuadrado de la distancia vertical entre los datos y otra medida de la tendencia central; la lnea recta (Fig. 10.3). La analoga se puede extender ms paracasos en donde 1) la dispersin de los puntos alrededorde la recta son de magnitud similar a lo largo del rango entero de los datos y 2) la distribucin de estos puntos alrededor de la lnea es normal. Se puede demostrar que si este criterio se cumple, la regresin con mnimos cuadrados proporciona la mejor (es decir, la ms probable) aproximacin de a. y al (Draper y Smith, 1981). A esto se le conoce como principio de probabilidad mxima dentro de la estadstica. Adems, si este criterio se cumple, una desviacin estndar de la lnea de regresin se puede determinar como [comprece con la Ec. (IV.2)]:

FIGURA 10.3

El residuo en la regresinlinealrepresenta el cuadrado de la distancia y la lnea recta. verticalentreunpunto

326

M ~ T O D ONUM~RICOS S PARA lNGENlEROS

[10.9]

en donde sy,x se llama error estndar de la aproximacin. La notacin con subndice y/x indica que el error es para un valor predicho de y correspondiente a un valor particular de x. Tambin, ntese que ahora ladivisin es por n - 2 ya que se usan dos aproximaciones obtenidas de los datos; a. y a, para calcular S; por lo tanto, se han perdido dos grados de libertad. Como con el anlisis de desviacin estndar en laseccin IV.2.1,otra justificacin de dividir por n - 2 es que no existe una dispersin de los datos alrededor de una lnea recta que conecta dos puntos. De esta manera, para el caso cuando n = 2 , la ecuacin (10.9) no proporciona un valordeinfinitoelcual no tiene sentido. As como con la desviacin estndar, el error estndx de la aproximacincuantifica la dispersin de los datos. Sin embargo, cuantifica la dispersin alrededor de la linea de regresin, como se muestra en la figura 10.4, contrario a la desviacinestndaroriginal, S, que cuantifica la a media. dispersin alrededor d e l Los conceptos anteriores se pueden emplear para cuantificarla eficiencia del ajuste. Esto es particularmente til en la comparacin de varias regresiones (vase la Fig. 10.5). Para hacerlo se regresa a los datos originales y se determina la suma de los cuadrados alrededor de la media para la variable dependiente (en este caso, y ) . Se le puede llamar a esto

REGRESldN CON MNIMOS CUADRADOS

327

FIGURA 10.5

Ejemplos de la regresin lineal con a) errores residuales pequeos y grandes.

b)

la suma total de los cuadrados, S,. Esta es la cantidad de dispersin en la variable dependiente que existe antes de la regresin. Despus de Ilevar a cabo la regresin lineal, se puede calcular S,, que es la5uma de los cuadrados de los residuos alrededorde la linea de regresin. Este presenta la dispersin que existe despusde la regresin. La diferencia entre lasdos cantidades, o St - S, cuantifica la mejora enla reduccindel error debido al modelo de la lnea recta. Esta diferenciase puede normalizar al error total y obtener:

[10.10]

en donde r es el coeficiente de correlacin y r 2 es el coeficiente de determinacin. Para un ajuste perfecto, S, = O y r 2 = l, indicando que la lnea recta explica el 100 % de lavariabilidad. Si r 2 = O, entonces el ajuste no representa mejoras.

328

MhODOS NUMRICOS

PARA INGENIEROS

EJEMPLO 10.2 Estimacin de los

errores en e l ajuste por mnimos cuadrados lineal

Enunciado del problema: calclese la desviacin estndar total, el error estndar de la aproximacin y el coeficiente de correlacin de los datos del ejemplo 10.1. Solucin: las sumatorias se muestranenel estndar total es [Ec. (IV.2)] cuadro 10.1. L.a desviacin

y el error estndar de la aproximacin es IEc.

(10.9)]:

por lo tanto, ya que S , , < S,, el modelo de regresin lineal es aceptable. El alcance dela mejorasecuantificamediante [Ec. (10.lO)l
)-2
O

22.714 3 - 2.991 1 = 0.868 22.714 3

= 0.932

r =

Estos resultados indican que el 86.8% de la incertidumbre original se ha

explicadomediante el modelo lineal.

Antes de proceder con el programa de computadora para el mtodo de regresin lineal, son necesarios algunos comentarios. Aunque el coeficiente de correlacin proporciona un medio fcil de medir la efectividad del ajuste, se debe tener cuidado de no atribuirle significado garantizado. El que r est cercano a 1 , no significa que el ajuste sea necesariamente bueno. Por ejemplo, es posible obtener un valor relativamente alto de r cuando la relacin mencionada entre y y x ni siquiera es lineal. Draper y Smith (1981) proporcionan una gua y material adicional que sirve para valorar los resultados de una regresin lineal. Adems, como mnimo, se debe inspeccionar siempre una grfica de los datos con una lnea de regresin cuando se ajusten curvas de regresin. Como se ver en la siguiente seccin, los programas de NUMERICOMP contienen estas opciones.

10.1.4 Programadecomputadoraparalaregresin

lineal

Es relativamente sencillo desarrollarun programa para la regresin lineal. La figura 10.6 muestra las versiones en FORTRAN y BASIC. Ya que las opciones grficas de una microcomputadora

REGRESION

329

FORTRAN
DATA SX/O./,SU/O./,XZ/O./,XY/O./

BASIC
100 INPUT N 110 FOR I = 1 TO N 120 INPUT X . Y 139 sx = sx + x 140 SY = S Y + Y 150 x2 = x2 + x -I x number of data points X = independent variable Y variable = dependent SX = sum of X's

READ(5rl)N FORHAT ( I5 Do 170 I=l,N READ(5,2)X,Y

fOiWAT(2F10.0)
9!=SX*X

SY = sum of Y's

sY=sv+Y sY=xY+x'Y
CONTINUE XY=SX/N

x2=X2+x~x

YM=SY/N

kl=(N~XY-SX~SY)/(N.X2-sX*Sx)
.?,O=YM-Al*XH

X2 = sum of square of X's 160 X Y = X Y + X O Y __2_____ X Y = sum of product of X and Y I79 NEXT I 1BO X t l = SX / N X M = mean of X's 190 YM = SY / N ( N m , YM=meanofY's 200 A I = ( N : X Y - sx t S Y ) \ A l = slope x2 - sx : SX) 210 A 0 = YM - Al I XH A0 = intercept 229 P R I N T ClO.61 i 230 END

WRITE(6t3)AOrAl F O R M A T ( ' *,2F10.3)

STOP

mn

FIGURA 10.6 Programas FORTRAN y Basic para la regresin lineal.

son muy variadas, no se incluyen grficas de estos programas. Sin embargo, como se mencion anteriormente, esta opcin es importante para el uso e interpretacin efectiva de la regresin y se incluye en el paquete suplementario de NUMERICOMP. Si la computadora que el lector usa, tiene la posibilidad de graficacin se recomienda que se expandan los programas de tal manera que se incluya una grfica dey contra x que muestre los datos y la lnea de regresin. La inclusin de grficas aumenta en gran medida la utilidad de los programas dentro delcontexto de solucin deproblemas.

EJEMPLO 10.3

Regresin lineal usando la computadora Enunciado del problema: el paquete de programas NUMERICOMP asociado a este texto incluye un programa legible al usuario que implementa la regresin lineal. Este progrdma se puede usar enla solucin del problema de prueba de hiptesis asociado con el paracaidista analizado en el captulo 1.Se dio un modelo matemtico terico parala velocidad del paracaidistamediante la frmula [Ec. (1.9)]:

330

MTODOS

NUMRICOS PARA INGENIEROS

en donde u es la velocidad en centmetros por segundo, g es la constante de aceleracin gravitacional de 980 cm/s, m es la masa del paracaidista e igual a 68 100 g , y c es el coeficiente de friccin de 12 500 g/s. Comosedescribeenelejemplo l . lel , modelopredice la velocidaddel paracaidista en funcin del tiempo. En el ejemplo 2.1 se muestra una grfica de lavariacindelavelocidadenfuncindel tiempo. Un modelo emprico para la velocidad del paracaidista est dado por la siguiente frmula:
v(t) =

3.75

+t

[E10.3.1]

Supngase que se desea probar y comparar la suficiencia de estos dos modelos matemticos. Esto se puede llevar a cabo midiendo la velocidad verdadera del paracaidista en intervalos de tiempo conocidos y comparando los resultados con la velocidad predicha por cada uno de los modelos. Se tiene un grupo de datos medidos experimentalmente los que se listanenla columna a) del cuadro 10.2. Las velocidades calculadas de cada modelo se listanenlas columnas b) y c).
CUADRO 10.2
Velocidades medidas y velocidades calculadas para la cada del paracaidas Medida

Tiempo,

cmls (4

V Calculada, cmls [ecuacin (1.9)] ( 4

895.3
1 640.5

V Calculada, cmls [ecuacin

(E10.3.l)l
(4

1 2 3 4 5 6 7

10 11

12 13 14 15

100 o 163 O 230 O 275 O 310 O 356 O 390 O 415 O 429 O 450 O 460 O 455 o 460 O 490 O 500 O

2 260.7 2 776.9 3 206.5 3 564.1 3861.7 4109.5 4315.6 4487.2 4 630.1 4749.0 4847.9 4 930.3 4998.8

1 124.0 1 857.0 2 372.9 2755.6 3 050.9 3 285.5 3 476.6 3 635.1 3 768.7 3 882.9 3981.6 4067.8 4 143.7 4211.0 4 271.2

Solucin: la validez de los modelos se puede probar graficando las velocidades medidas contra la velocidad calculada por el modelo. Se usala regresin lineal en el clculo de la lnea recta y se grfica. Esta lnea ten-

REGRESldN C O N MNIMOS CUADRADOS

33 1

FIGURA 10.7

a) Resultados obtenidos usando regresin lineal en la comparacin de

valores medidos contra el modelo terico calculado mediante la ecuacin (1.9). b) Resultados obtenidos usando regresin lineal en la comparacin de valores medidos contra el modelo emprico calculado con la ecuacin

(E10.3.1).

dr una pendiente de 1 y una interseccin en O si el modelo coincide con los datos perfectamente. Cualquier desviacin de estos valores se usar como indicacin de ser poco confiableel modelo. ~ ~grafica lalnea y los datos de la regresin de Enlafigura 1 0 . 7 se la columna a) contra las columnas b) y c) respectivamente. Estas graficas indican que la regresin lineal entre los datos y cada uno de los modelos es bastante aceptable. Ambos modelos coinciden con los datos con un coeficiente de correlacin mayor de 0.99. Sin embargo, el modelo descrito por la ecuacin (1.9) conforme el criterio de prueba es mucho mejor que el descrito por (E10.3.1) ya que la pendiente y la interseccin estdn ms cerca de 1 y de O. Por lo tanto, aunque cada una de las grficas se describe muy bien mediante una lnea mejor que el de la ecuacin recta, la ecuacin (1.9) es un modelo (E10.3.1). La prueba y seleccin de modelos son muy comunes y de extremada importancia en actividades llevadas a cabo en todos los campos de la ingeniera. El material presentado previamente en este mismo captulojunto con el paquete NUMERICOMP y los programas del usuario le permiten a ste resolver muchos problemas de este tipo.

332

MTODOS

NUMERICOS

PARA INGENIEROS

FIGURA 10.8

a) Datosmal condicionados en la regresin lineal con mnimos cuadrados. 6)Indicacin de que una parbola es preferible.

10.1.5 Aplicaciones delaregresin relaciones no lineales

lineal;linealizacinde

La regresin lineal proporciona una tcnica muy poderosa para ajustar datos a una mejor lnea. Sin embargo, se ha predicho que la relacin entre las variables dpendiente e independiente es lineal. Este no es siempre el caso, y el primer paso en cualquier anlisis de regresin es el de trazar y visualizar los datos para decidir si es correcto o aceptable el aplicar un modelo lineal. Por ejemplo, en la figura 10.8 se muestran algunos datos que, obviamente son curvilneos. En algunos casos, tcnicas como la regresin polinomial, descrita en la seccin 10.2 sern apropiadas. En otros, se pueden hacer transformacines que expresen los datos de manera que sean compatibles con la regresin lineal. Un ejemplo es el modelo exponencial:
y = aleblX

[lo. 111

REGRESIN

333

FIGURA 10.9

a) Ecuacin exponencial, b) ecuacin de potencias y c) ecuacin del promedio de crecimiento de saturacin. Las partes d), e) y fl son versiones linealizadas de aqullas, lascualesson transformaciones simples.

que decrecen (b, negativa en un promedio proporcional a su magnitud. Por ejemplo, el crecimiento poblacionaly la disminucin radiactivo muestran este comportamiento. Como se muestra en la figura (10.9a), la ecuabl . O) entre y y x. cin, representaunarelacinlineal(para Otro ejemplo de un modelo no lineal es la ecuacin elevada a una
potencia:

en donde al y b l son constantes. Este modelo se usaen muchos campos de la ingeniera caracterizando cantidades que crecen (b,positiva) o

y = agxb2

[lo. 121

334

NUMRICOS

MTODOS

PARA INGENIEROS

en donde a2 y b2 son coeficientes. Este modelo tiene una amplia aplicacin en todos los campos de la ingeniera. Como se muestra en la figura 10.9b, la ecuacin (para b2 # O o 1) es no lineal. Un tercer ejemplo de un modelo no lineal es la ecuacin de promedio de crecimiento de saturacin:
y =a 3 b 3

+X

[10.13]

en donde a3 y b3 son coeficientes constantes. Este modelo, que es particularmente til enla caracterizacin de crecimientos poblacionales bajo condiciones limitantes, tambin representa una relacin no lineal entre y y x (Fig. 10.94 que nivela, o satura conforme x crece. Las tcnicas de regresin no lineal se usan para ajustar directamente estas ecuaciones a los datos experimentales. Sin embargo, una alternativa ms simple es la de usar manipulaciones matemticas y transformar las ecuaciones a la forma lineal. En seguida se puede aplicar la regresin lineal simple para ajustar las ecuaciones a los datos. Por ejemplo, la ecuacin (10.11) se puede linealizar mediante logaritmos naturales y obtener:

I ny
In y

In al

+ blx In e
=

Pero, ya que In e
=

1 , se tiene:
[10.141

In al + blx

Por lo tanto una grfica semilogartmica de In y contra x genera una lnea recta con una pendiente de bl y una interseccin de In al (Fig. 10.9d). La ecuacin (10.12) se puede linealizar tomado logaritmos de base 10 y obtener: log y = b2 log x

+ log a2

[lo. 151

De esta forma, una grfica logartmica de log y contra log x genera una lnearectaconunapendiente de b2 y una interseccin de log a2 (Fig. 10.9e). La ecuaci6n (10:13) se linealizainvirtindola, y se obtiene: Y a3 x a3 Por lo tanto, unagrficade l / y contra l/x ser lineal, con pendiente b3/a3 y unainterseccinde l/a3 (Fig. lO.9j). Estos modelos,en sus estados transformados,se ajustan usando regresin lineal para evaluar los coeficientes constantes. Despus se pueden transformar a su estado original y usarse para propsitos predictivos. En el ejemplo 10.4 se ilustra este procedimiento para la ecuacin (10.12). Adems los casos 12.2 y 12.3 proporcionan ejemplos de este tipo de clculos aplicados a problemas de ingeniera.
[10.16]

REGRESION

335

Ejemplo 10.4 Linealizacin de una ecuacin de potencias

Enunciado del problema: ajstesela ecuacin (10.12)a los datos del cuadro 10.3 usando una transformacin logaritmica d e esos datos.
CUADRO 10.3 Datos para ajustar en la ecuacin de potencia
X

log x

log Y

5.7

2 3 4 5

0.5 1.7 3.4 8.4

O 0.301 0.477

-0.301

0.226
0.534 0.753

0.602 0.699

0.92:!

Solucin: en la figura 1 0 . 1 0 ~ se~ muestra una grfica d e los punto originales en su estado sin transformacin. En la figura 10.10b se muestra una

FIGURA 10.10

a) Grfica de datos sin transformacin, junto con la ecuacin de potencias que ajusta los datos. b) Grfica de los datos transformados, usados al determinar los coeficientes de la ecuacin de potencias.

336

MTODOS

NUMRICOS

PARA INGENIEROS

grfica log-log de los datos transformados. La regresin lineal de los datos transformados logartmicamnte genera la ecuacin:
log y = 1.75 log
X

0.300

Por lo tanto, la interseccin, log a2, esigual a -0.300, por consiguien= 0.5. La pendiente tomando el mando el antilogaritmo, a2 = tees b2 = 1.75. Como consecuencia la ecuacin de potencias es:
y =O . ~ X ' . ~ ~

Esta curva, como lo muestra la figura 10. lob, indica un ajuste aceptable.

1O. 1.6 Comentarios generales sobre la regresin lineal

Antes de continuar conla regresin curvilnea y mltiple, se debe recalcar la naturaleza introductoria del material anterior sobre regresin lineal.Se ha enfocado en la forma simple y el uso prctico de las ecuaciones para ajustar datos. Se debe estar conciente de que existen aspectos tericos de regresin que tienen importancia en la solucin de problemas pero que van ms all del alcance de este libro. Porejemplo, existen algunas hiptesis estadsticas inherentes al procedimiento de mnimos cuadrados lineales tales cmo: 1. x tiene un valor fijo; no es aleatorio y se midesinerror
2. Los valores de y son variables aleatorios independientes y tienen todaslamismavarianza.
3. Los valores de y para una x dada deben estar distribuidos de manera uniforme.

Estas hiptesis son importantes enel desarrollo y uso correcto de la regresin. Por ejemplo, laprimera hiptesis, 1) significaquelas x deben estarlibresdeerror y la segunda 2) que laregresinde y contra x no es la misma que la de x contra y (prubese el problema 10.4 al final del captulo). Se sugiere consultar otras referencias talescomo Draper y Smith (1981) y de esta forma apreciar aspectos y matices de la regresin que van ms alldel alcance de este libro.

10.2 REGRESIN POLINOMIAL

Enla seccin 10.1 se desarrolla un procedimiento que obtiene la ecuacindeunalnea recta usando el criterio de mnimos cuadrados. Aigu-

REGRES16N

337

nos datos de ingeniera, aunque muestren un marcado patrn como el de lafigura 10.8, se representan pobremente mediante una lnea recta. En estos casos, se ajusta mejor una curva a los datos. Como se analiza enla seccin anterior, un mtodo para llevar a cabo este objetivo es el de usar transformaciones. Otra alternativa es ajustar polinomios a los datos usando regresin polinomial. El procedimiento de mnimos cuadrados se puede extender fcilmente y ajustar datos a un polinomio de m-simo grado:
y =
a0

+ alx + a2x2 +

* *

+ a,xm

En este caso, la suma de los cuadrados de losresiduos es [comprese con la Ec. (10.3)]:

Sr =

n
i= 1

(yi - a. - alxi - a2x? -

. - amx?)2

[10.17]

Siguiendo el mismo procedimiento de la seccin anterior, se toma la derivada de la ecuacin (10.17) con respecto a cada uno de los coeficientes del polinomio, para obtener:

Estas ecuaciones se puedenigualar a cero y reordenarde tal forma que se obtenga el siguiente conjunto de ecuaciones normales:

338

MTODOS

NUMRICOS PARA INGENIEROS

en donde todas las sumatorias van desde i = 1 hasta n. Ntese que las m + 1 ecuaciones anteriores sonlineales y tienen m + 1 incgnitas: ao. al, ..., . a , Los coeficientes de las incgnitas se pueden calcular directamente de los datos observados. Por lo tanto, el problema de determinar polinomios de gradom con mnimos cuadradoses equivalente a resolver un sistemade m + 1 ecuaciones lineales simultneas. Los mtodos de solucin de estos sistemas se analizanen los captulos 7 y 8. As como en la regresin lineal, el error en la regresin polinomial se puede cuantificar mediante el error estndar de la aproximacin:
=

%/x

-u ".'

n - (m

+ 1)

[10.19]

en donde m es elordendelpolinomio.Estacantidad se divide por n- ( m + 1 ) ya que se usaron m + 1 coeficientes - a. , a l , ...,amderivadosde los datosparacalcular S ; por lo tanto, se hanperdido m + 1 grados de libertad. Adems del error estndar, se puede calcular tambin el coeficiente de correlacin en la regresin polinomial de la misma manera que para el caso lineal:
r2 =

S"

S"

S r

Ejemplo 10.5 Regresin polinomial

Enunciado del problema: ajstese un polinomio de segundo orden a los datosdelasdoscolumnasdelcuadro 10.4. Solucin: de los datos dados:
m - 2
n=6
-

x, = 15

2,xp = 979

y, = 152.6

x,y, = 585.6
=

x = 2.5
= 25.433

x' = 55
x? =

2 x'y,

2 488.8

225

Por lo tanto, las ecuaciones lineales simultneas son:

6ao

15ao + 55ao

15al + 55a2 = 152.6 55al + 225a2 = 585.6 225a1 + 979a2 = 2 488.8

REGRESldN CON MNIMOS CUADRADOS

339

CUADRO 10.4

Clculos del anlisis de error de un aiurte cuadrtico con mnimos cuadrados.

13.6 27.2 40.9

O 1 2 3 4 5

2.1 7.7

61.1 513.39 3.746 2 152.6

544.44 31 4.47 140.03 3.12 239.22 1 272.1 1

O. 143 32 1 .O02 86

1.08158 0.804 91 0.61 9 51 0.094 39 57

c.

1
I

'

Resolviendo estas ecuaciones conalgunadelas nacin gaussiana se obtiene:

a0 = 2.478 57

tcnicas como laelimi-

al = 2.359 29
a2 = 1.860 71

1 Por lo tanto, la ecuacin cuadrtica con mnimos cuadrados en este caso es:
y = 2.478 57

+ 2.359 29x +

1.860 71x2

El error estndar de la aproximacin, basado en la regresin polinomial es [Ec. (10.191:

=

sy/x

= 1.12

El coeficiente de determinacin es:

r2

2 513.39 - 3.746 57

2 513.39
y el coeficiente de correlacin

= 0.998 51

es:

r = 0.999 25
Estos resultados indican que el 99.851% de la incertidumbre original se ha explicadomediante el modelo. Esteresultadoapoya la conclusin de que la ecuacin cuadrtica representa un ajuste perfecto, como es evidente enlafigura 10.11.

340

MTODOS

NUMERICOS PARA INGENIEROS

FIGURA 10.11

Ajuste de un polinomiode segundo orden.

FIGURA 10.12

Algoritmopara implernentarlaregresinpolinomial.

REGRESldN

CUADRADOS

34 1

SUBROUTINE POLREG(X,P,A) DIMEIiSION X(15),Y(15).A(15.161 ccnnoN N , I O IP=Io*1

DO 2100 I=l,IP DO 2060 J=l,IP

K=I+J-2
W 2050

L=l,N

A(I,Jl=A(I.Jl+X(L)~~K

2050 CONTINUE

2060 CONTINUE M ) 2090 L=l,N IR=lP+l 2090 CONTINUE 2100 CONTINUE RETURN END

Y(L) t X ( ) NEXT L ' NEXT I 2 1 1 O RETURN A ~ 1 , I R ~ = A ~ I . I R ~ + Y ~ L I ~ X ~ L ~ ~ ~ ~ I - l ~

2090 2100

FOR I = 1 TO I O + 1 FOR J = 1 TO I O + 1 2020K = I + J - 2 2030 FOR L = 1 TO N 2040 A ( I , J ) = A ( I , J ) + x ( L ) K2050 NEXT L 2060 NEXT J 2070 FOR L = 1 TO N 2080 A ( I , I O + 2 ) = A ( I , I O + 2 ) , + 2000 2010
~~

IO = order of
N

regression

polynolnsal
= number of data

oolnts

( D e t e r m l n a t l o n of coefficlents of n o r m a l equations and storage In matrix A l (Deterrnlnation of right hand side constants for normal equations and storage In last column of rnatrlx A l

"

(1

"

1) ..

FIGURA 10.13

Subrutinasen FORTRAN y BASIC que calcula las ecuaciones normales, de la regresin polinomial, en forma matrical.

10.2.1 Algoritmo para la regresin polinomial

En la figura 10.12 se muestra un algoritmo sobre la regresin polinomial. Ntese que la tarea principales la obtencin de los coeficientes de lasecuaciones normales [Ec. (10.la)].(Las subrutinas que llevan a cabo esta tarea se presentan en la figura 10.13). En seguida se pueden aplicar los mtodos de los captulos 7 y 8 en la solucin de estas ecuaciones simultneas para esos coeficientes. Un problema potencial quese presenta con la implementacin polinomial es que algunasveces las ecuaciones normales estnmal condicionadas. Esto se cumple en particular cuandolos sistemas son muy grandes. En estos casos, los coeficientes calculados son altamente susceptibles a los errores de redondeoy, por lo tanto, los resultados resultan inexactos. Entre otras cosas, este problema est relacionado con e!hecho de que parapolinomios de rdenes superiores las ecuaciones normales pueden tener coeficientes muy grandes y muy pequeos al mismo tiempo. Esto se debe a que los coeficientes son sumatorias de los datos elevados a potencias. Aunque algunas de las estrategias para amortiguar los errores de redondeo analizadas enel captulo 7 , tales como el pivote0 y las ecuaciones de error, pueden ayudar a remediar parcialmente este problema, una alternativa ms simple es usar una computadora de alta precisin. Este es un caso donde las microcomputadoras pueden representar desventajas en la implementacin efectiva de este mtodo numrico en especial. Afortunadamente, la mayor parte de los problemas prcticos estdn limitados a polinomios de orden inferior en los que los errores de redondeo, en general, son despreciables. En situaciones donde se requiera polinomios de orden superior, se dispone de otras alternativas para ciertos tipos de datos. Sin embargo, estos mtodos (tales como los polinomios ortogonales) van ms all del alcance de este libro. El lector debe consultar textos sobre regresin tales como el Draper y Smith (1981) para obtener informacin relacionada con el problema y sus posibles alternativas.

342

METODOS NUMRICOS PARA INGENIEROS

10.3 R E G R E S I NL I N E A LM L T I P L E
Una extensin til en la regresin lineal es el caso en que y es una funcin lineal de doso ms variables. Por ejemplo, y pudiera ser una funcin lineal de x1 y x2, de la forma:

Tal ecuacin es til particularmente cuando se ajustan datos experimentales en donde la variable que se est analizando, a menudo es funcin de otras dosvariables. En este casobidimensional, la lnea de regresin viene a ser un plano (Fig. 10.14). Como con los casos anteriores, los mejores valores de los coeficientes se determinan agrupando la suma de los cuadrados de los residuos:
n

Sr =

(yi --a0 - alxl, i=l

y derivando con respecto a cada uno

de los coeficientes:

[10.20]

Los coeficientes que generan la suma mnima de los cuadrados de los residuos se obtienen igualando cada unade las derivadas parciales a cero y expresando la ecuacin (10.20) como un conjunto de ecuaciones lineales simultneas, de la forma:

o como una matriz:

REGRESldN C O N MNIMOS CUADRADOS

343

FIGURA 10.14

Esquema grafico de la regresin lineal mltiple en donde y es una funcin lineal de X I y X?.

EJEMPLO 10.6
Regresin lineal mltiple

Enunciado del problema: los siguientes datos cin y = 5 + 4x1 - 3x2.

se calcularon de la ecua-

O 2 2.5 1 4 7

O 1 2 3 6 2

5 10

O 3 27

seseregresinlinealmltipleparaestos
CUADRO 10.5

datos.

Cilculos necesarios para desarrollar las ecuaciones normales del eiemplo 10.6

Y
5 10 9 O 3 27 14 54

X I

x2

x:
O 4 5 6.25 1 49

xf
0 1 4
36 4

x1x2
18

XI Y

*2Y
0 10 0 18

16 48

54 54

4 76.25 E

O 2 2.5 1 14 16.5

O 1 2 3

0 2

189

3 24

0 20 22.5 0 12

243.5

344

MTODOS

NUMERICOS PARA INGENIEROS

Solucin: las sumatorias necesarias para desarrollar la ecuacin (10.21) se calculan en el cuadro 10.5. Sustituyndolas en la ecuacin (10.21)se obtiene:

;{.5 5 :::

g] 54 [
al = 4

a2 =

g . 5 1

que se puede resolver usando un mtodo comola eliminacin gaussiana para obtener:
a. = 5
a 2 =

-3

los cules son consistentes con la ecuacin original de donde se derivaron los datos.

La regresin lineal mltiple se puede formular en el caso ms general

como:
y = a0

+ alxl + a2x2 +

* *

. + a,xm

en dondelos coeficientes que minimizan la suma delos cuadrados delos residuos se determinan resolviendo el sistema:

[10.22]

El error estndar de la aproximacin para regresinli neal mltiple se formula de la siguiente manera:

y el coeficiente de correlacin se calcula como en la ecuacin (10.10). Aunque existen ciertos casos en donde una variable es linealmente dependiente de dos o ms variables diferentes, la regresin lineal mlti-

REGRES16N CON MNIMOS CUADRADOS

345

pletieneutilidadadicionalenlaobtencin de la forma general:

de ecuaciones de potencias

Tales ecuaciones son extremadamente tiles cuando se ajustan datos experimentales. Adems, para usar la regresin lineal mltiple, lasecuaciones se transforman tomando su logaritmo para obrener:
log y = log
a 0

+ al log x1 + a2 log x2 +

+ a,

log x,,,

Esta transformacin es similar a las que se usanenla seccin 10.1.3 y el ejemplo 10.4 para ajustar una ecuacin de potencias en donde y era una funcin de una variable simple x. En el caso de estudio 12.5 se proporciona un ejemplo de esta aplicacin.

PROBLEMAS
Clculos a mano
10.1

Dados los datos

0.95 1.32 1.46 1.85 2.39

1.42 1.15 1.47 1.74 1.82

1.54 1.47 1.92 1.65 2.06

1.55 1.95 1.35 1.78 2.14

1.63 1.25 1.05 1.71 2.27

determnese a) la media, b) la desviacin estndar, c) lavarianza y d) el coeficiente de variacin.

10.2

Constryase un histograma de los datos delproblema 10.1. Usese un rango de 0.6 a 2.4 con intervalos de 0.2. Dados los datos

10.3

52 39 2 43

6 22 12 36

18 28 17 41

21 24 34 37

26 27 29 43

28 27 31 38

32 33 34 46

determnese a) la media. b) la desviacin estndar, c) la variara y d ) el coeficiente de variacin. e ) Constryase un histograma. k e s e un intervalo de O a 55 con incrementos de 5. fl Suponiendo que la distribucin es normal y que la aproximacin de la desviacin estndar es

346

MTODOS

NUMRICOS PARA INGENIEROS

vlida, calclese el intervalo (es decir,los valores inferior y superior) que abarqueel 68% de las lecturas. Determnese si sta es una aproximacin vlida para los datos de este problema.
10.4

Utilicela regresin con mnimos cuadrados para ajustar una lnea recta a:

20 10 12 13 16 18 y 1 3 2 6 5 8 7 1 0 9 1 2 1 0
1 3 5 7

10.5

J w t o con la pendiente y la interseccin, calclese el error estndar de la aproximacin y el coeficiente de correlacin. Grafquense los datos y la lnea de regresin. En seguida reptase el problema, pero ahorax contra y; es decir, intercmbiense las variables. Interprtense los resultados. sese regresin de mnimos cuadrados para ajustar una lnea recta a:
x

1
1

4 6 8 10 14 16 20 22 24 28 28 34 36 38 30 18 22 28 14 22 16 8 20 8 14 14 O 8

Junto con la pendiente y la interseccin, calclese el error estndar de la aproximacin y el coeficiente de correlacin. Grafquense los datos y la lnea de regresin. Si alguien realiz una medida adicional de x = 30, y = 30, se esperara basndose en una observacin visual y en el error estndar, quela medida fuese vlida o invlida? Justifquense las conclusiones.
10.6

Emplese regresin con mnimos cuadrados para ajustar una lnea recta a los datos:

+x

O 2 4 4 8 12 16 20 24 28 30 34 10 12 18 22 20 30 26 30 26 28 22 20

a) Junto con la pendiente y la interseccin. calclese el error estndar de la aproximacin y el coeficiente de correlacin. Grafquense los datos y la lnea recta. Valrese el ajuste. b) Reptase el clculo de a) pero usando regresin polinomial para ajustar una parbola a los datos. Comprense los resultados con los de a ) .

10.7

Ajstese un modelo de promedio de

x

crecimiento de saturacijn

a'

I I

2.5 4 6 8 8.5 1 2 0.4 0.7 0.8 1.0 1.2 1.3 1.4

Grafquense los datos y la ecuaciqn.

10.8

Ajstese una ecuacin de potencias a los datos del problema 10.7. Grafquense los datos y la ecuacin. Ajstese una parbola a los datos del problelna 10.7. Grafquense los datos y la ecuacin.

10.9

REGRESION CON

CUADRADOS

347

10.10

Ajstese unaecuacindepotencias
x y

a:

1 I

2.5 3.5 65 2 5 3.4 1.6

x

17.5 20 12.5 15 7.5 10 1.2 0.8 0.6 0.4 0.3 0.3

Grafquese y contra
10.11

adems de la ecuacin de potencias a:

Ajstese un modelo exponencial

x
y

I I

2.0 2.4 0.05 0.4 0.8 1.2 1.6 550 750 1000 1400 2000 2700 3750

Grafquense los datos y la ecuacin en papel estndar y semilogartmico. Analcense los resultados.
10.12

Ajstese una ecuacin de potencias a los datos del problema 10.11. Grafquense los datos y la ecuacin.

10.13

Ajstese una parbola a los datos del problema 10.11. Grafquense los datos y la ecuacin. Dados los datos:
x
y

10.14

1 I

5 10 15 20 25 30 35 40 45 50 17 25 30 33 36 38 39 40 41 42

sese regresin con mnimos cuadrados para ajustar a) a una lnea recta, b) a una ecuacin de potencias, c) a una ecuacin de promedio de crecimiento de saturacin y d) a una parbola. Grafquense los datos junto con todaslas curvas. Alguna de ellas es mejor? Si es as justifquese.
10.15

Ajstese a unaparabolaa:

x 1 O 2 4 9 6 28 25 23 1 19 117 15 13 y I 1.2 0.6 0.4 -0.2 O -0.6 -0.4 -0.2 -0.4 0.2 0.4 1.2

1.8

Calclense los coeficientes, el error estndar dela aproximacin y el coeficiente de correlacin. Grafiquense los resultados y valrese el ajuste.
10.16

sese regresin lineal mltiple paraajustar:

X
X2

I 2 12 19

O 2

2 0 1 4 4 6 11 24 15 22

2 6

Calclense los coeficientes, el error estndar de de correlacihn.

la aproximacin y el coeficiente

348

MTODOS

NUMERICOS PARA INGENIEROS

10.17

Usese regresin lineal mltiple para

x 1 x 2

ajustar:

1 1 18

1 2 2 1 12.8 25.7 20.6

2 2

3 3 4 1 2 1 35.0 29.8 45.5 40.3

4 2

Calclense los coeficientes, el error estndar de la aproximacin y el coeficiente de correlacin.

Problemas relacionados con

10.18

la computadora

Desarrllese un programa legible al usuario para regresin lineal basado en la figura 10.6. Entre otras cosas: a) Agrguense instrucciones que documenten el programa. b) Hganse ms descriptivas las operaciones de entrada salida y orientadas al usuario. C) Calclese e imprmase el error estndar de la aproximacin [Ec. (10.9)] y el coeficiente de correlacin [la raz cuadrada de la ecuacin (10.10)]. d) (Opcional)Inclyase una grfica por computadora de los datos y de la lnea de regresin. e ) (Opcional Inclyase una opcin que permita analizar ecuaciones del tipo exponencial, de potencias y depromediode crecimiento de saturacin. Desarrllese un programa que sea legible al usuario para regresin polinomial basado en las figuras 10.12 y 10.13.Prubese el programa repitiendo los clculos del ejemplo 10.5. Desarrllese u n programa que sea legible al usuario para la regresin mltiple basado en lafigura 10.12, pero con lamatriz especificada como la ecuacin (10.22).prubese el progrmarepitiendo los clculos del ejemplo 10.6 Reptanse los problemas 10.4 y 10.5 usando el programadelproblema
y 10.6a

10.19

10.20

10.21 10.22 10.23 10.24

10.18

sese el paquete de programas NUMERICOMP para resolver los problemas 10.4, 10.5

Reptanse los problemas 10.9, 10.13 y 10.15 usando el programa del problema 10.19. Reptanse los problemas 10.16 y 10.17 usando el programadelproblema 10.20

C A P T U L O ONCE

Con frecuencia se tienen que estimar valores intermedios entre valores conocidos. El mtodo ms comn empleado para este propsito es la interpolacinpolinominal. Recurdese que la frmula general de un polinomio de n-simo orden es:
f(x) = a0

+ a1x + a2x2+

+ anxn

[11.1]

Para n + 1 puntos, existe uno y slo un polinomio de n-simoorden o menor que pasa a travs de todos los puntos. Por ejemplo, hay slo una lnea recta (es decir, un polinomio de primer orden) queconecta dos puntos (Fig. 11. la). De manera similar hay slo una parbola que conecta a tres puntos (Fig. 11. l b ) . El polinomio de interpolacin consiste en determinar el nico polinomio de n-simo orden que se ajusta a los n + 1 puntos dados. Este polinomio proporciona una frmula para calcular los valores intermedios. Aunque existe unoy slo un polinomio de n-simo orden que se ajusta a los n + 1 puntos, existen una gran variedad de frmulas matemticas

FIGURA 1 1 . 1

Ejemplos de interpolacin polinomial: a) Primer orden (lineal),conexin de dos puntos; b) conexin de tres puntos, segundo orden (cuadrtica o parablica) y c) conexin de cuatro puntos, tercer orden (cbico).

350

MTODOS NUMRICOS

PARA INGENIEROS

mediante las cuales se puede expresar este polinomio. En este captulo, se estudian dos tcnicas alternativas que est6n bien condicionadas para implementarse en una microcomputadora. Estos son los polinomios de Newton y los de Lagrange.

11.1 POLINOMIOS DE INTERPOLACIN CON DIFERENCIAS DIVIDIDAS DE NEWTON

Como ya se dijo, existe una variedad de maneras diferentes de expresar un polinomio de interpolacin. E l polinomio de interpolacin con diferencias diuididas de Newton, entre otros, es la forma ms popular adems de la ms til. Antes de presentar la ecuacin general, se examinan las versiones de primero y segundo orden debido a su fcil interpretacin visual.

1 1. l . 1 Interpolacin lineal
La forma ms simple de interpolacin es la de conectar dos puntos con una lnea recta. Este mtodo, llamado interpolacin lineal,se muestra en la figura 11.2. Usando tringulos semejantes, se tiene:

FIGURA 11.2

Esquema grfico de la interpolacin lineal. Las reos sombreadas muestran tringulos semejantes usados en la derivacin de la frmula de interpolacin lineal [ c . ( 1 1.2)].

INTERPOLACldN

35 1

que se puede reordenar como:

[11.2]

lacual es unafrmuladeinterpolacinlineal. La notacin fl(x) indica que se trata de un polinomio de interpolacin de primer orden. Ntese que adems de representar la pendiente de la lnea que conecta los dos puntos, el trmino Lf(xl)- f (xo)]/(xl - xo)es una aproximacin de diferencias divididas finitas a la primera derivada [recurdese la ecuacin (3.24)].En general, entre ms pequeo sea el intervalo entre lospuntos, ms exacta ser la aproximacin. Esta caracterstica se demuestra en el ejemplo, siguiente.

EJEMPLO 1 l . 1
lnterpolacin lineal

Enunciado del problema: calclese el logaritmo natural de 2 (In 2) usando interpolacin lineal. Primero, llvense a cabo los clculos interpolando entre In 1 = O y In 6 = 1.791 759 5. Despus reptanse el procedimiento, pero usando un intervalo ms pequeo desde In 1 a In 4 (1.386 294 4). Nteseque elvalorrealde In 2 = 0.693 147 18. Solucin: usando la ecuacin (11.2),unainterpolacinlinealde a x = 6 da:
x = 1

f,(2)

1.791 759 5 6-1

(2 - 1) = 0.358 351 90

la cual representa un error porcentual de = 48.3%. Usando el intervalo ms pequeo desde x = 1 a x = 4 da:

fi(2)= 0 +

1.386 294 4 - O (2 - 1) 4-1

0.462 098 13

Por lo tanto, usandoelintervaloms pequeo reduce elerrorrelativo porcentual a E, = 33.3%. Ambas interpretaciones se muestran en la figura 11.3, junto con lafuncin verdadera.

1 l. 1.2 interpolacin cuadrtica

El error en el ejemplo 11.1se debe a que se aproxim unacurva mediante una lnea recta. Por consiguiente,una estrategia que mejora la apro-

352

INGENIEROS MTODOS

NUMRICOS PARA

FIGURA 11.3

Dos interpolaciones lineales para aproximar In queo proporciona una mejor aproximacin.

2. Ntese cmo el intervalo ms pe-

ximacin es la de introducir cierta curvatura en la lnea que conecta a los puntos. Si se dispone de tres datos: lo anterior se puede llevar a cabo con un polinomio de segundo orden (llamado tambin polinomio cuadrtico o parbola). Una manera conveniente para este caso es:

Ntese que aunque la. ecuacin (11.3)parezca diferente de la ecuacin general de un polinomio [Ec. (11.l)], las dos ecuaciones son equivalentes. Esto se puede demostrar si se multiplican l o s trminos de la ecuacin (11.3)y obtener:
A(x) = bo

+ blx - blxo + b2X2 + bzxoxl

~ ~ x x O

- b2XXI

o, agrupando trminos:

f2(x) = a 0 -t alx

+ a2x2

en dnde:

INTERPOLACI6N

353

De esta manera, las ecuaciones (1 1.1) y (1 1.3)son frmulas alternativas equivalentes del nico polinomio de segundo grado que une a los tres puntos. Se puede usar un procedimiento simple para determinar los valores de los coeficientes. Para bo, se usa la ecuacin (11.3) con x = x0 y se obtiene
bo = f (xo)
x = x1 se obtiene:

[11.4]

Sustituyendo la ecuacin (11.4) en la ecuacin (11.3) y evaluando en

[11.5]

Y por ltimo, las ecuaciones (11.4) y (11.5)se sustituyen en la ecuacin (11.3),y se evala sta en x = x2 y se obtiene:

[11.6]

Ntese que, al igual que en el caso de interpolacin lineal, bl an representa la pendiente de la lnea que une los puntos x0 y xl. Por lo tan1.3)son equivalentes a to, los primeros dos trminos de la ecuacin (1 . a xl, como ya se especific anteriormente en la la interpolacin de x ecuacin (11.2).El Gltimo trmino, b2(x- xo) (x- xl), introduce la curvatura de segundo orden en la frmula. 1.3), sedebe examinar Antes de ilustrar como se usa la ecuacin (1 la forma del coeficiente b2. Es muy similar a la aproximacin por diferencias divididas finitas de la segunda derivada introducida previamente Por io tanto. la ecuacin (11.3)empieza a manien la ecuacin (3.31). festar una estructura muy similar a la serie de Taylor. Esta observacin se explora con ms detalle cuando se relacione el polinomio de Newton con la serie de Taylor en la seccin 11.1.4.Pero primero, se muestra cmo se usa la ecuacin (11.3)para interpolar entre tres puntos.

EJEMPLO 11.2 Interpolacin cuadrtica

Enunciado del problema: ajstese el polinomio de segundo orden a los tres puntos usados en el ejemplo 11.1: x0 = 1 XI = 4 x2 = 6 f(xo) = o f(x1) = 1.386 294 4 f(~2= ) 1.791759 5

354

MTODOS

NUMRICOS

PARAINGENIEROS

sese el polinomio para evaluar In 2. Solucin: aplicando la ecuacin (11.4) da:

Las ecuaciones (1 l .5 ) generan :

y la ecuacin (11.6) da:

1.791 759 5-1.386 294 4

b2 =

"o.426 098 13
=-

6-4

0.051 873 116

6.1
Sustituyendo estos valores en la ecuacin (11.3)se obtiene la frmula cuadrtica:
f2(~)

+
=

0.462 098 1 3 ( ~ 1) - 0.051 873 1 1 6 ( ~ l ) ( x - 4)

=

que se evala en x

2 y se obtiene

f2(2)

0.565 84436

lo que representa un error porcentual del .E" = 18.4%.Por lo tanto, la curvatura introducida por la frmula cuadrtica (Fig. 11.4)mejora la interpolacin comparada con los resultados obtenidos al usar una lnea recta en el ejemplo 11.1y la figura 11.3. 11.1.3 Forma general de los polinomios de interpolacin de Newton
El anlisis anterior se puede generalizar e n el ajuste de un polinomio de n-simo orden a los n + 1 puntos. El polinomio de n-simo orden es:
jn(X) =

bo

+ bl(x - ~ g + )

* * *

+ b,(x

- XO)(X - XI) . . .

(X

- Xn-l)
[11.7]

Como se hizo anteriormente con las interpolaciones lineales y cuadrticas, se usan los puntos en la evaluacin de los coeficientes bo. b l , . . . . b,. Se requieren n + 1 puntos para obtener u n polinomio de n-simo orden: x(),x l , . . , x,. Usando estos datos, con las ecuaciones siguientes se evalan los coeficientes:
,

[11.8] [11.9]

lNTERPOLACl6N

355

FIGURA-11.4

uso de la interpolacin cuadratica para calcular In 2. Se incluye tambin la interpolocin lineal de x = 1 a 4 para comparacin.

b2

=fb2,

x 1 7

x01

[11.10]

en donde las evaluaciones de la funcin entre corchetes son diferencias divididas finitas. Por ejemplo, la primera diferencia dividida finita se representa generalmente como:

[ll. 1 2 1
La segunda diferencia diuidida finita, que representa la diferencia de dos primeras diferencias dividas finitas, se expresa generalmente como:
[11.13]

356

MTODOS

NUM~RICOS PARA INGENIEROS

Estas diferenciasse usan para evaluar los coeficientes de lasecuacio1.8)a la (1l.l l ) ,los cuales se sustituyen en la ecuacin (11.7) panes (1 ra obtener el polinomiodeinterpolacin:

[11.15]

Al cual se le llama polinomio de interpolacin con diferencias divididas de Newton. Se debe notar que no es necesario que los datos usados en la ecuacin (11.15) estn igualmente espaciados o que los valores de la abscisa necesariamente se encuentren en orden ascendente, como se ilustraenelsiguiente ejemplo. Tambin ntese que las ecuaciones (11.12) a la (11.14) son recursivas, esto es, las diferencias de orden superior se componen de diferenciasde orden inferior (Fig. 11.5). Esta propiedadse aprovechar al desarrollar un programa eficiente para la computadora enla seccin 11.1.5 queimplementeeste mtodo.

FIGURA 11.5

Esquema grfico de la naturaleza recursiva de una diferencia dividida finita.

EJEMPLO 11.3

Polinomios de interpolacion de Newton con

diferencias divididas

x .

Enunciado del problema: enel ejemplo 11.2, se usaron los puntos en = 1 , xi = 4 y x2 = 6 paracalcular In 2 conuna parbola. Ahora, agregando un cuarto punto [x3 = 5; f(x3) = 1.609 437 91, calclese In 2 con un polinomio de interpolacin de Newton con diferencias divididas de tercer orden. Solucin: el polinomiodetercer orden, ecuacin ( 1 1.3) con n
=

3 , es

INTERPOLACI6N

357

las primeras diferencias divididas del problema son [Ec. (11.12)J

f k l , x01 =

294 4 - 1

0.462 098 13
=

fk2,

x 1 1

1.791 759 5 - 1.386 294 4 6-4 1.609 437 9 - 1.791 759 5 5-6

o.2o2 732 55
o.182 321 6o

f[X3, x 2 1

Las segundas diferencias divididas son [Ec. (11.13)]

fk2, x 1 9

x 0 1 =

0.202 732 55 - 0.462 098 13 = 6 - 1

0.051 873 116

fix39 x 2 7

x11 =

0.182 321 60 - 0.202 732 55 5-4

- 0.020 950 410

=

La tercera diferencia dividida es [Ec. (11.14)] con n

f b 3 , x2, x 1 9 x 0 1 =

31

-0.020 410 950 - (-0.051 873 116) 5-1

0.007 865 541 5

FIGURA 11.6

USOde interpolacin cbica para aproximar I n 2.

"

"

.._"

"X.L.1

-."l"""-.-.---

358

METODOS

NUMRICOS

PARA INGENIEROS

Los resultados para f[xl, xo],f[x2,xl,xo] y f[x3, x2,xl, x"] representan los coeficientes bl, b2 y b3 dela ecuacin (11.7). Junto con bo = f(xo) = 0.0 la ecuacin (11.7) da
f3(~) =

+ 0.462
0.007

098 13 (X - 1) - 0.051 873 (X 116 "1) 865 541 - 5(x l)(x - 4 ) (~ 6)

(X -

4)

conlaquesepuedeevaluar

f3(2) = 0.628

768

69

lo que representa un error relativo porcentual del t u = 9.3%.El polino11.6. mio cbico completo se muestraenlafigura

11.1.4 Errores en los polinomios interpolantes de Newton

Ntese que la estructura de la ecuacin (1l.15)es similar a la expansin de la serie de Tayloren el sentido de que los trminos agregadossecuencialmente consideran el comportamiento de orden superior dela funcin representada. Estos trminos son diferencias divididas finitasy, por lo tanto, representan aproximaciones a las derivadas de orden superior. En consecuencia, como sucede con la serie de Taylor, si la funcin representativa es un polinomio de n-simo orden, el polinomio interpolante de n-simo ordenbasado en n + 1 puntosllevar a resultados exactos. Tambin, como enel caso de la serie de Taylor, se puede obtener una formulacin del error de truncamiento. Recurdese dela ecuacin (3.13) que el error de truncamiento en la serie de Taylor se expresa en forma general cmo:

R,,=

f'"'(S) (x,+1 - xi)"+' (n-+ 1) !

..

en donde 4 es un punto cualquiera dentro del intervalo [x,, x,, ,),Una relacin an6loga del error en un polinomio interpolante de n-simo orden est dada por:
[11.16]

en donde 4 es un punto cualquiera dentro del intervalo quecontiene las incgnitas y los datos. Para uso de esta frmula la funcin en cuestin debe ser conociday diferenciable. Y usualmente, esteno es el caso. Afortunadamente, existe una frmula alternativa que no requiere conocimiento

lNTERPOLACl6N

359

previo de la funcin. En vez de ello, se usa una diferencia dividida finita queaproxima la (n + 1)-sima derivada:

en donde f[x, x , , x,-1 ,. . . , xo] es la (n + 1)-sima diferenciadividida. Ya que la ecuacin ( 1 l .17) contiene la incgnita ) ( x ) , sta no se puederesolver y obtener el error. Sin embargo, si se disponede un dato adicional f(x,+ J, la ecuacin (11.17) daunaaproximacindelerror como:

EJEMPLO 1 1.4

Estimacin del error en el polinomio de interpolacin de

Newton

Enunciado del problema: sese la ecuacin ( 1 1.18) para calcular e ! error 11 2 . Usense del polinomio de interpolacin de segundo orden del ejemplo los datosadicionales f(x3) = f(5) = 1.609 437 9 para obtener los resultados. Solucin: recurdese que en el ejemplo 11.2 el polinomio de interpolacin de segundo orden proporcion una aproximacin de f(2) = 0.565 844 346, que representa un error de 0.693 147 18 - 0.565 844 346 = O. 127 302 835. Si no se sabe el valor verdadero, como es en la mayor parte de los casos, se puede usar la ecuacin (1l.18), junto con el valor adicional en x3, para calcular el error, como

R2

0.007 865 541 5 (X - l)(x - 4 ) ( ~ 6)

en donde el valor de la diferencia dividida finita de tercer orden se calcul previamente enel ejemplo 11.3. Esta relacin se evala en x = 2 y se obtiene:

R2

0.007 865 541 5 (2

1)(2

4) (2 - 6)

0.062 924 332

que es delmismoordenqueelerrorverdadero

360

MTODOS

NUMRICOS PARA INGENIEROS

11.1.5 Programa de computadora para interpolacin de Newton

el polinomio de

Son tres las propiedades que hacen del polinomio de interpolacin de Newton un mtodo extremadamente atractivo para usarse en una computadora:

1. Como en la ecuacin (11.7),las versiones de orden superior se pueden desarrollar secuencialmente agregandoun trmino simplea la siguiente ecuacin de orden inferior. Esto facilita la evaluacin de varias versiones de orden diferente en el mismo programa. Esta capacidad es muy til cuando no se conoce a priori el orden del polinomio. Agregando nuevos trminos secuencialmente, puede determinarse cundo se alcanza un puntode retorno, es decir, cundo al agregar un trmino de orden superior no se mejora significativamente la aproximacin o en ciertos casos se disminuye. Las ecuaciones de error analizadasenelpunto (3) sontilesaldefinir un criterio objetivo en la determinacindeestepuntodetrminos decrecientes.

2. Las diferenciasdivididasfinitas que constituyen los coeficientes del polinomio [Ec. (11.8) a la ( 11.1 l)] se calculan con una relacin recursiva.Esto es, como enla ecuacin (11.14) y lafigura 11.5, las diferencias de orden inferior se usan para calcular las diferencias de orden superior. Usando la informacin previamente determinada,los coeficientes se calculan eficientemente. El programa de la figura 11.7 contiene este esquema.
DIMENSION F X C 1 0 , l O ) ~ X ~ l O ) READ<5 , l )N 1 FORRLTC I S ) DO 1 4 0 I - $ . N R E A D < S , 2 ) X <I ) , F X <I , 1 ) 2 FORMAT<2F1 U 0 ) 1 4 0 CONTINUE M-N-1 DO 2 0 0J - I , M K=J+T NP-N- J DO 190 I = l , N P F x ( I , K ) - ~ F X ~ I + l , J ) - F ~ ~ I , J ~ ) ~ ~ X ( I + J ) - % ~ I ) ~ 190 CONTINUE 2 0 0 CONTINUE DO 2 3 0 J=t,N WRITE(6,3>FX(I,J) FORMRTC. 3 -,F10.3) 2 3 0 CONTINUE RERD<S,2)XI FA-l. Y.0, DO 3 4 0 J-V.N Y-Y+FX< 1 , J >+Fa WRITE(6,3)Y F h l N T EA FA-FR*<XI-X( J i ) I E X I .I I F C J . G E . N ) C O T O3 5 0 F JP-J+l E A n F A r F X <1 , JP > WRITEC6,J)EA 3 4 0 CONTINUE 3 5 0 STOP END
~

ORTRA

ASIC

FIGURA 11.7

Programaparacomputadoradelpolinomiointerpolante

de Newton

INTERPOLACldN

361

3. La ecuacin de error [Ec. (11.18)] se expresa en trminos de las diferencias divididas finitas que ya se han calculado para determinar los coeficientes del polinomio. Por lo tanto, si se guarda esta informacin, se calcula el error aproximado sin volver a calcular estas cantidades.

Todas las caractersticas anterioresse pueden aprovechar e incorporar en un programa general para computadora que implemente el polinomio de Newton (Fig. 11.7). Al igual que todos los programas del libro, esta versin no se documenta. Adems, no incluye el error aproximado mencionado en el punto (3).Una de las tareas es la de hacer este programa ms legible al usuario (vase el problema 11.11) y que incorpore la ecuacin de error. La utilidad de esta ecuacin se demuestra en el ejemplo siguiente.
Uso de la estimacin de error para determinar el orden apropiado de interpolacin

EJEMPLO 11.5

Enunciado del problema: despus de incorporarel error [Ec. 11.181, utilcese el programa de computadora dado en la figura 11.7 y la siguiente informacinparaevaluar f ( x ) = In x en x = 2. x

1 4 1.791 6 5 3 1.5 2.5 3.5

f(x) = In x O 1.386 294 4 759 5 1.609 437 9 1 .O98 61 3 2 0.405 4651 1 0.916 290 73 1.252 763 O

Solucin: los resultados de emplear el programa de lafigura 11.7 para obtener la solucin se muestranen la figura 11.8. Enla figura 11.9 se representa el error aproximado, junto con el error verdadero (basado en el hecho deque In 2 = 0.693 147 18).Ntesequeelerrorcalculado y el verdadero son similares y su coincidencia mejora a medida que crece el orden. Dela grfica se puede concluir que las versiones de quinto orden llevan a una buena aproximacin y que los trminos de orden superiornoprecisansignificativamentelaprediccin. Este ejercicio ilustra tambin la importancia de la posicin y orden de los puntos. Por ejemplo, las aproximacionesde orden superior al tercero mejoran ms lentamente ya que los puntos que se le agregan (en x = 4 , 6 y 5) estndistantes y a un ladodel punto en cuestin en x = 2.

362
-a

INGENIEROS MTODOS
Number of data potnts

NUMRICOS

PARA

FIGURA 11.8

Salida del programa

BASIC

para evaluar In 2.

La aproximacin de cuarto orden muestra mayor mejora porque el nuevo punto en x = 3 est ms cerca de la incgnita. Sin embargo, el decremento en el error ms dramtico est asociado con la inclusin del trmino dequintoordenusando los datos en x = 1.5. No slo este punto est cerca de la incgnita sino tambinse encuentra al lado opuesto de la mayor parte de los puntos. En consecuencia, el error se reduce casi una orden de magnitud. El significado dela posicin y secuencia de los datos pueden tambin ilustrarse al usar los mismos datos para obtener una aproximacin para In 2 , pero considerando los puntos en una secuencia diferente. Enla figura 11.9 se muestran los resultados para el caso en que se invierten el ordende los puntosoriginales, esto es, x . = 3.5, x1 = 2.5, x2 = 1.5, etc. Debido a que los puntos iniciales en este caso se encuentran ms cerca y espaciados a los lados de In 2 , el error decrece mucho ms rpidamente que enla situacin original. Mediante el trmino de segundo orden, elerror se ha reducido a un nivel relativo porcentual de menos del E, = 2%. Se pueden emplear otras combinaciones para obtener diferentes promedios de converqencia.

El ejemplo anterior ilustra la importancia de escoger los puntos base. Como es obvio, los puntos deben estar tan cerca como sea posible de las incgnitas. Esta observacin tambin se nota por simple examen de la ecuacin de error [Ec. (11.17)]. Suponiendo que la diferenciadividida

FIGURA 11.9

Errores relativos porcentuales en la aproximacin de In orden del polinomio de interpolacin.

2 en funcin del

finita no vara demasiado a lo largo del rango de datos, entonces el error es proporcional al producto:(x - xo) (x - xl) . . . (x - x,,). Obviamente, mientras ms cercanos estn los puntos base a las x, menor ser la magnitud de este producto.

11.2 POLINOMIOS DE INTERPOLACIN DE LAGRANGE

El polinomio de interpolacin de Lagrange, simplemente es una reformulacin del pqlinomio de Newton que evita los clculos de las diferenciasdivididas.Este se puede representar concretamente cmo:

[11.19]

en donde:

364

INGENIEROS MTODOS

NUMRICOS

PARA

[11.20]

en donde II denota el producto de.. Porejemplo, la versinlineal (n = 1) es:

I

[11.21]

y la versin de segundo orden es:

[11.22]

Al igual que el mtodo de Newton, la versin d e Lagrange tiene un error aproximado, dado por:
n

La ecuacin (1 1.19) se deriva directamente del polinomio de Newton (recuadro 11.1). Sin embargo, la razn fundamental de la formulacin d e Lagrange se puede comprender directamente notando que cada trmino Li(x)ser 1 en x = x,y O en todos los dems puntos. Por lo tanto, cada producto LJx) f(xi)toma un valor de f ( x , )en el punto x,. For consiguiente la sumatoria de todos los productos, dada por la ecuacin (1 1.19) es el nico polinomio de n-simo orden que pasa exactamente por los n + 1 puntos.

RECUADRO 1 1 . 1 Derivacin de la forma de Lagrange

de Newton

directamente del polinomio de interpolacin

El polinomio deinterpolacin de Lagrange se puede derivar directamente de la formulacin de Newton. Se har esto en el caso de primer orden,

f [XI, x03 = f (XI) - f (xo,

x 1
- x 0

fdx) = f(x0) + (x -

xO)f[Xl,

x 0 1

[B11.1.1]

se puede

reformular como:

Para derivar la forma de Lagrange, se reformulan las diferencias divididas. Por ejemplo, la primera diferencia dividida.

fbl,

x03

= ___ (x1)
x 1

-x 0

f (x01

[B11.1.2]

x 0 - XI

INTERPOLACldN

365

a la cual se le conoce con el nombre de forma simtrica. Sustituyendo la ecuacin (B11.1,2) en la ecuacin ( B 1 l . l . l ) se obtiene

Finalmente, agrupando trminos similares y simplificando, se llega a la forma de Lagrange,

EJEMPLO 11.6
Polinomios de interpolacin de Lagrange

Enunciado del problema: sese un polinomio de interpolacin de Lagrange de primero y segundo orden para evaluar In 2 en base a los datos dados en el ejemplo 11.2:
x0 = XI =

1
4

f(xo) =
!(XI)

o
1.386 294 4 1.791 759 5

x 2=6

f ( ~ 2 )=

Solucin: el polinomio de primer orden es [Ec. (11.21)]

y , por lo tanto, la aproximacin en x = 2 es

flk) =

2-4 4-1 l"4

~

O+"-

2-1

1.386 294 4

0.462 098 1

De manera similar, el polinomio de segundo orden se desarrolla como [Ec. (11.22)] :

(2 - 1)(2 - 4) 1.791 759 5 (6 - 1)(6 - 4)

0.565 844 37

Como se esperaba, ambosresultados coinciden muy de cerca con los que se obtuvieron previamente usando la interpolacin polinomialde Newton.
~

366

MTODOS

NUMRICOS

PARA INGENIEROS

En resumen, para los casos en dondeel orden del polinomio se desconozca, el mtodo de Newton tiene ventajas debido a que profundiza en el comportamiento delas diferentes frmulas de orden superior. Adems, la aproximacin del error dada por la ecuacin (1l.18),en general, puede integrarse fcilmente en los clculos de Newton ya que la aproximacin usa una diferencia dividida (Ejemplo 11.5).De esta forma, desde el punto de vista de clculo, a menudo, se prefiere el mtodo de Newton. Cuando se va a llevar a cabo slo una interpolacin, ambos mtodos, el de Newton y el de Lagrange requieren de un esfuerzo declculo similar. Sin embargo, la versin de Lagrange es un poco ms fcil de programar. Tambin existen casos en dondela forma de Newton es mssusceptible a los errores de redondeo (Ruckdeschel, 1981).Debido a esto y a que no requiere calcular y almacenar diferencias divididas, la forma de Lagrange se usa, a menudo, cuandoel orden del polinomio se conoce a priori.

EJEMPLO 11.7
Interpolacin de Lagrange usando computadora

Enunciado del problema: en el paquete NUMERICOMP que acompaa a este texto se encuentra un programa legible al usuario que implementa la interpolacin de Lagrange. Se puede usar este paquete para llevar a cabo un problema de anlisis asociado con el problema de paracaidista. Supngase que se ha desarrollado instrumentacin para medir la velocidad del paracaidista. Los datos medidos para una pruebaparticular son:
Tiempo,
S

Velocidad medida v, cmls

1 3 5
7

800

2 310
3 090 3 940
4 755

13

El problema es determinar la velocidaddelparacaidista en t = 10 S y llenar el gran espacio de medidas entre t = 7 y t = 13 s. Se sabe que el comportamiento delos polinomios de interpolacin puede ser inesperado. Por lo tanto, se construyen los polinomios de rdenes 4, 3, 2 y 1 y se comparan los resultados. Solucin: el programa NUMERICOMP se usa para construir los polinomios de interpolacin de cuarto, tercero, segundo y primer orden. Los resultados son

INTERPOLACldN

367

COEFICIENTEDE: Orden del polinomio orden cuarto tercer orden orden segundo primer orden cero orden

Valor calculado de v para t = 10 S

4 5430.195 -663.867 1813.625 -392.87 44.87501 - 1.76302 4874.838 3 1742.6561.23925876.09375 -4.498586 2 4672.81 -300.1035 858.75 5 1 2989.167

-36.14584 135.8333

El polinomio de cuarto ordeny los datos de entrada se grafican como se muestra en la figura 11.loa. Es evidente en esta grfica que el valor aproximado de y en x = 10 es mayor que la tendencia total de los datos.

FIGURA 11.10

Grficas generadas por computadora, las cules muestran a) interpolacin de cuarto orden; b) de tercer orden c) de segundo orden y d) de primer orden.

368

MTODOS

NUMRICOS

PARA INGENIEROS

Enlafigura 11.10b a la d se muestran grficas de los resultados de los clculos de los polinomios de interpolacin de tercero, segundo y primer orden. Se nota que al disminuir el orden del polinomio de interpolacin se disminuyeelvalor aproximado dela vecindad a t = 10 s. Las los polinomios de grficas de los polinomios de interpolacin indican que orden superior tienden a descomponer la tendencia de los datos. Esto sugiere que los polinomios de primero o segundo grado son ms apropiados en este anlisis en particular. Se debe recordar, sin embargo, que ya que se tratadedatosinciertos, la regresinpodraserms apropiada.

11.3 COMENTARIOS ADICIONALES

Antes de proceder con la siguiente seccin, se deben mencionar dos tey la mas adicionales: la interpolacin con datos igualmente espaciados extrapolacin. Ya que los mtodos de Newton y Lagrange son compatibles con los datos espaciados en forma arbitraria, el lector debe preguntarse por qu se aborda el caso de los datosigualmenteespaciados (recuadro 11.2). Antes del advenimiento de las computadoras digitales, estos mtodos tuvierongranutilidadenlainterpolacindetablas condatosigualmente espaciados. De hecho se desarroll un esquema conocido como tabla de diferencias divididas para facilitar la implementacin de estas tcnicas (la figura 11.5 es un ejemplo de estas tablas). Sin embargo, y debido a que las frmulas son un subconjunto de los esquemas de Newtonde Lagrange compatibles con la computadora y ya que se dispone de muchas funciones tabulares como rutinas de biblioteca, la necesidad de puntos equiespaciados se fue perdiendo. Por esta razn, se han incluido en esta parte del libro por su importancia en partes posteriores del mismo. En particular, se pueden emplear en la derivacin de frmulas de integracinnumricaqueempleancomnmentedatos equiespaciados (captulo 13). Ya que las frmulas de integracin numrica tienen importancia en la solucin de ecuaciones diferenciales ordinarias. el material del recuadro 11.2 tambin tiene importanciaen el captulo 17.
RECUADRO 11.2 lnterpolacin con puntos igualmente epaciados
Si los datos se encuentran igualmente espaciados y en orden ascendente, entonces la variable independiente supone valores de
En donde h es el intervalo, o tamao del paso, entre los datos. En base a esto, las diferencias divididas finitas se pueden expresar en forma concisa. Por ejemplo, la segunda diferencia dividida es

INTERPOLAC16N

369

que se puede expresar como

X" (y=-

ya que x, - x1 = x1 - x2 = (xo - x?)/2 = h . Ahora recurdese que la segunda diferencia dividida hacia adelante A2j(xo)es igual al numerador de la [Ec. (3.3111.

Esta definicin se puedeusar para desarrollar la siguiente expresin simplificada d e los trminosen la ecuacin

(8112.3):

A2f(x0) = f(x0) - 2f(xJ

+ f(x2)

Por lo tanto, la ecuacin (B11.2.1)se puede representar mediante:

o. en general.

los cuales pueden sustituirse en la ecuacin (B11.2.3) para dar [B11.2.2]

Usando la ecuacin ( B l l . 2 . 2 ) ,el polinomio de interpolacin de Newton [Ec. (11.15)] se puede expresar enel caso de datos igualmente espaciados como
(a -

+ 1) + R,

[B11.2.4]

en donde

(x0) +-A"f (X n ! h"

{X

- XO)(X -

xo -

h)

Esta notacin concisa tieneutilidad en la derivacin y anlisis de error de las frmulas de integracin del captulo 13. Adems de la frmula hacia adelante, existen tamen donde el residuo es el mismo de la ecuacin (11.16). bin lasfrmulas centrales y hacia atrsdeNewtonEsta ecuacin se conoce como frmula de Newton o frmula Gregory. Se puedeconsultar Carnahan, Luther y Wilkes hacia adelante d e Newton - Gregory. Esta se puedesim- (1969)para mayor informacin acerca de la interpolacin de datos igualmente espaciados. plificar ms an definiendo una nueva cantidad, (Y:

- xo - (n -

1)h)

+Rn

[B11.2.3]

La extrapolacin es el proceso de calcular un valor de f(x)que cae fuera del rango de los puntos base conocidos, xo, x1 ,. . . , x, (Fig. 11.11). En una seccin anterior, se dijo que la interpolacin ms exacta usualmente se obtiene cuando las incgnitas caen cerca de los puntos base. Obviamente, esto no sucede cuando las incgnitas caen fuera del rango, y por lo tanto, elerrorenla extrapolacin puede ser muy grande. Como se

370

INGENIEROS

PARA

MTODOS NUMRICOS

FIGURA 1 1 . 1 1

Ilustracin de las posiblesdivergenciasdeunaprediccinextrapolada. La extrapalacin se basa en el ajuste de una parabola a travs de los primeros tres puntos.

muestra en la figura 11.11,la naturaleza abierta-en-los-extremos de la extrapolacin representa u n paso en la incgnita porque el proceso extiende la curva ms a116 de la regin conocida. Como tal, la curva verdadedra diverge fcilmente de la prediccin. Por lo tanto, se debe tener cuidado extremo en casos donde se deba extrapolar. El caso de estudio 12.1 e n el captulo siguiente muestra un ejemplo del riesgo que se corre al proyectarse ms all de los lmites de los datos.

11.4 INTERPOLACIN SEGMENTARIA (SPLINE)

En la seccin anterior se usaron polinomios de n-simo orden para interpolar entre n + 1 puntos. Por ejemplo, en ocho puntos, se deriva un polinomio perfecto de sptimo orden. Esta curva captura todos los serpenteos (al menos considera hasta derivadas de sptimo orden) sugeridos por los puntos. Sin embargo, existen casos en donde estas funciones pueden llevar a resultados errneos. Una alternativa es la de aplicar polinomios de orden inferior a subconjuntos de datos. Estos polinomios conectados se llaman funciones de interpolacin segmentaria (en ingls, spline functions).

INTERPOlAC16N

371

Por ejemplo, las curvas de tercer orden empleadas para conectar cada par de datos se llaman funciones de interpolacin cbica segmentaria (del ingls cubic splines). Estas funciones tienen la propiedad adicional de que las conexiones entre ecuaciones cbicas adyacentes son visualmente suaves. Superficialmente parece que la aproximacin segmentaria de tercer orden es inferior a la expresin de sptimo orden. El lector puede preguntarse por qu la interpolacin segmentaria siempre es preferible.

FIGURA 1 l. 12

Representacin visual de una situacinen donde la interpolacin segmentaria (spline) es meior a la interpolacin polinomial de orden superior. La funcin muestra unsalto abrupto en x = O. En losincisos a) al c) se muestra que el cambio abrupto indica oscilaciones con la interpolacin polinomial. En contraste y debido a que se limita a curvas de tercer orden con transiciones suaves, la interpolacin segmentaria d) proporciona una aproximacin mucho ms aceptable.

372

METODOS NUMERICOS PARA INGENIEROS

Enlafigura 11.12 se ilustra un caso en donde la interpolacin segmentaria se lleva a cabo mejor que con polinomios de orden superior. Este es el caso donde una funcin es generalmente suave pero muestra un cambio abrupto en algn lugar de la regin de inters. La figura 11.12 es un caso extremo de este cambio y sirveparailustrarel punto. En las figuras 1 1 . 1 2 ~ hasta la 1 1 . 1 2 se ~ ilustra cmo los polinomios de orden superior tienden a balancearse a travs de oscilaciones bruscas en la vecindad de un cambio abrupto. En contraste la interpolacin segmentaria tambin conecta a los puntos, pero como est limitada a cambios de tercer orden, las oscilaciones se mantienen mnimas. De ah que la interpolacin segmentaria proporcione una aproximacin superior del comportamiento de las funciones que tienen cambios locales abruptos. El concepto de interpolacin segmentaria se origin de la tcnica de uso de una lmina de plstico delgada (llamadacuruigrufo, en ingls spline) en el trazo de curvas suaves a travs de un conjunto de puntos. El proceso se muestra en la figura 11.13 sobre un conjunto de cinco tachuelas (datos). En esta tcnica, el dibujante coloca papel sobre un tablero de madera y clava tachuelas en el papel (y en el tablero) en la posicin de los datos. Al pasar un hilo entre las tachuelas resulta una curva cbica suave. De ah que se haya adoptado el nombre de interpolacin segmentaria (en inglscubicspline)parapolinomiosdeestetipo. En esta seccin se utilizan primero funciones lineales simples para introducir algunos conceptos y problemas bsicosasociados con la interpolacin segmentaria. Despusse deriva un algoritmo para ajustar polinomios

FIGURA 1 l. 13

Tcnica de dibujo para trazar curvas suaves utilizando un curvgrafo, dados una serie de puntos. Ntese como la unin de un punto a otro se realiza mediante diferentes tipos de curvas. A este tipo de interpolacin de punto Q punto (segmentaria) se conoce como interpolacin segmentaria natural (natural spline).

INTERPOLACldN

373

de segundo orden a los datos. AI final, se presenta material sobre interpolacin cbica segmentaria, la cul es laversinmscomn y til en la prctica de la ingeniera:

1 1.4.1 Interpolacin segmentaria lineal

La conexin ms simple entre un par de puntos es una lnea recta. Se pueden definir los polinomios interpolantes de primer orden mediante un conjunto de puntos ordenados y definirse como un conjunto de funcioneslinealesqueunen a los puntos:

en donde mi es la pendiente de la lnea recta que une los puntos:

r11.231

Estas ecuaciones se usan en la evaluacin de funciones de cualquier punto entre x . y x,, localizando primeroel intervalo dentro del que se encuentra el punto. Despus se usa la ecuacin apropiada y se determina el valor funcional dentro del intervalo. Obviamente, el mtodo es idntico a la interpolacin lineal.

EJEMPLO 11-8
lnterpolacin segmentaria de primer orden

Enunciado del problema: ajstense los datos del cuadro 11.1 con interpolacinsegmentariadeprimer orden. Evalese lafuncinen x = 5.
CUADRO 1 1.1
Datos por aiustar con funciones segmentarias
X

{(x)

3.0

4.5 7.0 9.0

2.5 1.o 2.5 0.5

374

METODOS NUMERICOS PARA INGENIEROS

Solucin: los datos se pueden usar para determinar las pendientes entre x = 4.5 a x = 7 la pendiente puntos. Por ejemplo, enelintervalode 2 3 ): se puede calcular usando la ecuacin (11

2.5 - 1.0 = 0.60 7.0 - 4.5

m= Los pendientes sobre los otros intervalos se pueden calcular, y los pol l .4a. El valor para linomios de primer orden se graficanenlafigura x = 5 es 1.3.

Una inspeccin visual sobre la figura 11.14~1 indica que laprincipal desventaja de los polinomios de primer orden es que no son uniformes. En esencia, en los puntos donde coinciden los polinomios (llamados nodos), la pendiente cambia abruptamente. En trminos formales, la primera derivada de la funcin es discontinua en estos puntos. Esta deficiencia se supera con el uso de polinomios de orden superior, que aseguranuniformidad en los nodos igualando derivadas en esos puntos, como se muestraenlasiguiente seccin.

11.4.2 lnterpolacin cuadratica segmentaria

Para asegurar que las m-simas derivadas sean continuas en los nodos, se debe usar un polinomio de al menos ( m + 1)-simo orden. Los polio cbicos se usan ms frecuentemente en la prctica nomios de tercer orden asegurando continuidad en la primera y segunda derivada. Aunque las derivadas de orden superior sean discontinuas al usarse polinomios de tercer orden,en general, no se detectan visualmente y por ende, se ignoran. La interpolacin cbica segmentaria se estudia en una seccin subsecuente. Antes de sta se ilustra el concepto de interpolacin cuadrtica segmentaria usando polinomiosde segundo orden. Estos polinomios madrticos tienen la primera derivada continua en los nodos. Aunque los polinomios cuadrticos no garantizan segundas derivadas iguales en los nodos, sirven muy bien para demostrar el procedimiento general en el desarrollodepolinomiosinterpolantessegmentariosdeordensuperior.

El objetivo de los polinomios cuadrticoses el de obtener un polinomio de segundo orden para cada uno de los intervalos entre los puntos. El polinomio para cada uno de los intervalos se representa generalmente como:
fi(x)= aix2-t bix + c i
[11.24j

INTERPOLAC16N

375

FIGURA 1 l. 14

Ajustecon interpolacin segmentaria sobre un conjunto de cuatro puntos. a) interpolacin segmentaria lineal;b) interpolacin segmentaria cuadrtica y c) interpolacin cbica segmentaria, con un polinomio cbico interpolante que tambin aparece en la grfica.

Se haincluidolafigura 11.15para ayudar a clarificar la notacin. Para los n 1puntos (i = O, 1, 2 , . . . , n ) , existen n intervalos, y por l o tanto, 3 n incgnitas constantes por evaluar (lasp, las b y las c). Por lo tanto, se requieren 3 n ecuaciones o condiciones para evaluar las incgnitas.Estas son:

1. Los valores de las funciones deben ser iguales en los nodos interiores. Esta condicinserepresentamediante:
[11.25]
[11.26]

376

NUMERICOS

METODOS

PARA INGENIEROS

FIGURA 11.15

Notacin usadaen la derivacin de interpolacin segmentaria cuadrtica. Ntese que hay n intervalos y n 1 puntos. El ejemplo que se muestraes para n = 3.

para i = 2 hasta n . Como se usan slo los nodos interiores, las ecuaciones (11.25) y (11.26) proporcionancadauna n - 1 condiciones, con un total de 2n - 2.

2. L a primera y la ltima funcin deben pasar a travs de los puntos f i nales. Esto agregados ecuaciones adicionales:
[11.27] [11.28]

2 = 2n condiciones. 3. Las primeras deriuadas e n los nodos interiores deben ser iguales. La primeraderivada enla ecuacin (11.22) es:
con un total de 2n - 2

f '(x) = 2ax

+b
E11.291

Por lo tanto, la condicin se representa generalmente cmo:

kblxi + bi-l = 2aixi+ bi

para i = 2 hasta n . Esto proporcionaotras n - 1 condicionescon un total de 2n + n - 1 = 3 n - 1. Debido a que hay 3n incgnitas, se tiene una condicin menos. A menos que exista una informacin adicional en relacin a las funciones o sus derivadas, se debe escoger

INTERPOLACI~N

377

arbitrariamente una condicin para calcular eficientemente las constantes. Aunque existen algunas alternativas diferentes que se pueden hacer, aqu se escoge la siguiente: 4. Se supone que la segunda derivada es cero en el primer punto. Ya que la segunda derivada de la ecuacin (1 1.24) es 2a, esta condicin se expresa matemticamente cmo:

al

[11.30]

La interpretacin visual de esta condicin es que los primeros dospuntos se conectarn mediante una lnea recta.

EJEMPLO 11.9

Interpolacion cuadrtica segmentaria Enunciado del problema: ajstense polinomios cuadrticos-por segmentos a los datos usados en el ejemplo 11.8 (Cuadro 11.1). Usense los resultadosparacalcularelvalorpara x = 5. Solucin: en este problema, se tienencuatrodatos y n = 3 intervalos. Por lo tanto, se deben determinar 3(3) = 9 incgnitas. Las ecuaciones (11.25) y (11.26) llevana 2(3) - 2 = 4 condiciones.

+ c1 = 1.0 + 4.5b2 + c2 = 1.0 20.25~ 49a2 + 7b2 + c2 = 2.5 + 7b3 + c3 = 2.5 49a3
Pasando la primera y la ltima funcin por los valores iniciales y finales agrega dos ms: [Ec. (11.27)]

2 0 . 2 5 ~+ 1~ 4.5bl

gal
y [Ec.

+ 3bl + c1 = 2.5
+ 9b3 + c3 = 0.5

(11.28)]

81a3

Lacontinuidad de lasderivadas crea adicionalmente 3 - 1 = 2 [Ec. (11.29)]:

378

MTODOS

NUMRICOS

PARA INGENIEROS

Finalmente, la ecuacin (11.30)especifica que al = O . Ya queesta ecuacin especifica al exactamente, el problema se reduce aresolver ocho ecuaciones simultneas. Estas condiciones se pueden expresar en forma matricial como

4.5 0.0 0.0 0.0 3.0 0.0 1.0

1.0 o.o 0.0 0.0 20.25 4.5 7.0 0.0 49.00 0.0 o.O 0.0 1.0 o.o 0.0 0.0 0.0 0.0 0.0 -9.00 -1.0 0.0 0.0 14.00 1.0

0.0 1.0 1.0 0.0

0.0 0.0

0.0 0.0

o.o o.o 81.00 o.o

49.00
- 14.00

0.0 0.0

0.0 0.0 0.0 7.00 0.0 9.00

0.0 0.0

0.0 -1.00 0.0

0.0 1.00 0.0 1.00 0.0

o.o o.o

1.0 1.0 2.5 2.5 2.5 0.5

Estas ecuaciones se resuelven usando las tcnicas de la parte 111 con los resultados:
al = O a2 = 0.64 a3 = -1.6

bl b2 b3

= = =

" 1 -6.76 24.6

c1

5.5
18.46 -91.3

c2 =
~3 =

los cuales se sustituyen en las ecuaciones cuadrticas originales desarrollando la relacin siguiente para cada intervalo:
fI(X) = "x

+ 5.5

f2(x) =

0.64~ -~ 6.76~ + 18.46

f3(~) = -1.6~'

+ 24.6~ - 91.3
=

3.0 5 x 4.5 5 X 7.0 5 X

4.5 5 7.0 5 9.0

5

la prediccin para x

5 es, por lo tanto

f2(5) = 0.64(5)'

6.76(5) + 18.46 = 0.66

El ajuste polinominal segmentario totalse muestra en la figura 11.14b. Ntese que hay dos inconvenientes en el ajuste: 1)la lnea recta que une los primeros dos puntosy 2) el polinomio del ltimo intervalo parece serpentear demasiado alto. Los polinomios segmentarios cbicos de la siguiente seccin no muestran estos incovenientes y como consecuencia, en general son mejores mtodos de interpolacin segmentaria. 11.4.3 lnterpolacin segmentaria

El objetivo d e la interpolacin cbica segmentaria es obtener polinomios los intervalos entre nodos, dela forma de tercer orden para cada uno de
fi(x) = aix3

+ bix2 + cix + di

[11.31]

INTERPOLACldN

379

Por lo tanto, para los n + 1 puntos (i = O , 1 , 2 , . . . , n ) , existen n intervalos y. por lo tanto, 4 n incgnitas constantes por evaluar. Como se hizo para polinomios cuadrjicos, ahora se requiere de 4 n condiciones para evaluarlasincgnitas.Estas son:
1. Los valores d e la funcin deben ser iguales e n los nodos interiores ( 2 n - 2 condiciones).
2. La primera y la ltima funciones deben pasar a travs de los puntos finales (2 condiciones).
3. Las primeras derivadas e n los nodos interiores deben ser iguales ( n - 1 condiciones).

4. Las segundas derivadas en los nodos interiores deben ser iguales ( n - 1 condiciones).
5. Las segundas derivadas en los nodos finales son cero (2 condiciones).

La interpretacin visual de la condicin 5 es que la funcin sea una lnea recta en los nodos finales. Debido a la especificacin de esta condicin es que se le llama interpolacin segmentaria natural. Se le da este nombre ya que el polinomio interpolante se comporta de manera natural en este esquema (Fig. 11.13). Si elvalordela segunda derivada en los nodos finales fuese diferente de cero (es decir, existe alguna curvatura), entonces esta informacin se usara alternativamente para proporcionar las dos condiciones necesarias. Los cinco tipos anteriores de condiciones proporcionan un total de 4 n ecuaciones necesarias para encontrar los 4 n coeficientes. Mientras que es posible desarrollar interpolacin cbica segmentaria con este esquema, aqu se presenta una tcnica diferente que requiere nicamente de la solucin de n - 1 ecuaciones. Aunque la derivacin de este mtodo (recuadro 11.3) es algo menos directo que el de interpolacin cuadrtica segmentaria, la ganancia en eficiencia bienvaleel esfuerzo.
RECUADRO 11.3 Obtencin de
la

interpolacin cbica segmentaria

El primer paso en la obtencin (Chene y Kincaid, 1980) x-x i x - xi-1 fl(x) = f(Xi-1) f(Xi) se basa en la observacin de que debido a que cada parexi-1 - x i xi - xi-1 ja de nodos est conectada por un polinomio cbico, la dentro derivada segunda intervalo una es lnea [B11.3.1] recta. La ecuacin (1 1.31)se puede derivar dos veces para verificar esta observacin. Con base a lo anterior, las segundas derivadas se representan mediante los polinomios en donde f, (x) es el valor d e la segunda derivada en el de interpolacin d e primer ordendeLagrange[Ec. primer nodo x dentrodel i-simointervalo. Por lo tanto, (11.21)l: una es ecuacin esta conecta lnea que recta la segunda
~

___c

INGENIEROS 380

PARA

NUMERICOS

METODOS

derivada en el primer nodo f(xiPl) con la segunda derivada en el segundo nodo f (x,). En seguida, la ecuacin (B11.3.1) se integra dos veces y se obtiene una expresin para ft(x). Sin embargo, esta expresin contendr dos incgnitas constantes de integracin. Estas constantes se evalan invocando las condiciones de equiespaciamiento, f(x) debe ser igual f ( x , - J en y f(x) debe ser igual a !(x,) en x,. Llevando a cabo estas evaluaciones, resulta la siguiente ecuacincbica:

Las segundas derivadas se evalan usando la condicin de que lasprimerasderivadasen los nodos deben ser continuas:

fI 1 (Xi) = f I (Xi)

[B11.3.3]

La ecuacin (B11.3.2)se deriva y se obtiene una expresin de la primera derivada. Si esto se hace para los intervalos ( - l)-simos e -simos y los dos resultados se igualan, de acuerdo a la ecuacin (B11.3.3),resulta la siguiente relacin:
(Xi

xi-1)

f(Xi-1)

+ 2(Xi+l - X , - d

fW

+ (Xi+l - Xi) f(Xi+l)

Ahora, esta expresin es mucho ms complicada para los polinomios de interpolacin segmentaria en el i-simo intervalo, digamos, la ecuacin (11.31). Sin embargo, ntese que esta contiene slo dos coeficientes incgnitas, las segundas derivadas al principio y al final del intervalo, f h - 1 ) y f (xi).Por lo tanto, si se determina propiamente la segunda derivada en cada nodo, la ecuacin (B11.3.2)es un polinomio de tercer orden que se usa parainterpolar dentro de un intervalo.

Si la ecuacin (B11.3.4)se escribe para todos los nodos interiores, resultan n - 1 ecuaciones simultneas con n + 1 segundas derivadas incgnitas.Sin embargo, ya que este es un polinomio interpolante natural, las segundas derivadas en los nodos finales son cero y el problema se reduce a n - 1 ecuaciones con n - 1 incgnitas. Adems, ntese que el sistema de ecuaciones ser tridiagonal. Por lo tanto, no slo se tiene que reducir el nmero de ecuaciones sino que tambin se calculan de forma que sean muy fciles de resolver (recurdese el recuadro 7.2).

La derivacin del recuadro 11.3genera las siguientes ecuaciones cbicas para cada intervalo:

[11.32]

INTERPOLACldN

38 1

Esta ecuacin contiene nicamente dos incgnitas , las segundas derivadas al final de cada intervalo. Estas incgnitas se evalan usando la ecuacin siguiente:

Si esta ecuacin se escribe para todos los nodos interiores, se generan n - 1 incgnitas. (Recurdese que las segundas derivadas en los nodos finales son cero). La aplicacin de estas ecuaciones se ilustra en el ejemplo siguiente:

EJEMPLO 11.10

Interpolacin cbica segmentaria

Enunciado del problema: ajstese un polinomio cbico por segmentos a los datos usados en los ejemplos 11.8 y 11.9 (Cuadro 11.1). Utilicense losresultadosparacalcularelvaloren x = 5. Solucin: el primer paso es emplear la ecuacin (1 1.33) para generar un conjunto de ecuaciones simultneas que se usarn en la determinacin de las segundas derivadas en los nodos. Por ejemplo, en el primer nodo interior, se usan los siguientes datos:

xo=3 x 1 = 4.5 x 2
=

f(xo) = 2.5 f(xJ = 1 f ( ~ 2= ) 2.5

ecuacin (11.33) y se obtiene

Estosvalores se sustituyenenla

(4.5 - 3)fff(3) + 2(7 - 3)frr(4.5) + (7 - 4.5)f(7)

7 -4.5 4.5
(2.5 - 1)

6 (2.5 - 1) -3

Debido a la condicin natural de los polinomios,f (3) = O , y la ecuacin se reduce a

8f(4.5)+ 2.5ff(7)= 9.6

De manera similar, la ecuacin (11.33) se aplica a los segundos puntos interiores para obtener

382

INGENIEROS METODOS NUMRICOS

PARA

3.5f"(4.5) + 9f"(7) = -9.6

Estas dos ecuaciones se resuelven simultneamente cmo

f"(4.5)
f " (7)
=

1.745 45

-1.745 45

Estos valores se sustituyen en la ecuacin (11.32),junto con los valores de las x y de las !(x), obteniendo:

2.5

45

fib)

1.745 (x 6(4.5 - 3)
+

3)3

4.5

(4.5 - x)

[4.5f

1.745 45 (4.5 - 3) 6

(x - 3)

fI(x) = 0.193 9 3 9 ( ~ 3)3+ 1.666 667(4.5- X)

+ 0.230 3 0 3 ( ~ 3)

Esta ecuacin es el polinomio cbico interpolante para el primer intervalo. Se pueden llevar a cabo sustituciones similares y desarrollar las ecuaciones para el segundo y tercer intervalo:

fi(x) = 0.116 364(7

-

- x)3 - X)

0.116 364(x

4.5)3

O. 327 273 (7

1.727 2 7 3 ( ~ - 4.5)

f3(~= )

0.145455(9

1.831818(9 - X)

0 . 2 5 (~ 7)

Las tres ecuaciones se emplean para calcular los valores dentro de cada uno de los intervalos. Por ejemplo, el valor en x = 5, que cae dentro del segundo intervalo, se calcula cmo

fZ(5) = 0.116 364(7

-

5)3 - 0.116 364(5

-

4.5)3 4.5)
=

0.327 273(7

5)

1.727 273(5

1.125 5

Se calculan otros valores y los resultados obtenidos se muestran en la figura 1 1 . 1 4 ~ . Los resultados del ejemplo11.8al 11.10se resumen en la figura 11.14. Ntese cmo se obtienen mejoras progresivas conforme se pasade interpolacin lineal a cuadrtica y a cbica. Tambin se ha sobrepuesto un

lNTERPOLACl6N

383

polinomio de interpolacin cbica enlafigura 1 1 . 1 4 ~Aunque . la interpolacin cbica consiste de una serie de curvas de tercer orden, el ajuste resultante difiere del que se obtiene usando polinomios de tercer orden. Esto se debe a que la interpolacin natural requiere de segundas derivadas en los nodos finales, mientras que el polinomio cbico no tiene esta restriccin.

11.4.4 Algoritmo para la interpolacin cbica segmentaria

El mtodo para calcular los polinomios cbicos de la interpolacin segmentaria vista en las secciones anteriores es ideal para su implementacin en microcomputadoras. Recurdese que por algunas manipulaciones inteligentes, el mtodo se reduce a resolver n - 1 ecuaciones simultneas. Un beneficio adicional obtenido de la derivacin es que, como lo especifica la ecuacin (11.33), elsistema de ecuaciones es tridiagonal. Como se describe en el recuadro 7.2, se dispone de los algoritmos para resolver tales sistemas de una manera extremadamente eficiente. Enla figura 11.16 se presenta el algoritmo de interpolacin cbica segmentaria elcualincluyelos aspectos antes mencionados.

FIGURA 1 1 . 1 6 Algoritmo de interpoiacin cbicasegmentaria.

PROBLEMAS
Clculos a mano
11.1

Calclese el logaritmo de 4 en base 10 (log 4) usando interpolacinlineal. a) Interpolar entre log 3 = 0.477 121 3 y log 5 = 0.698 970 O. b) Interpolar entre log 3 y log 4 . 5 = 0.653 212 5. Para cada una de las interpolaciones calclese el error relativo porcentual basado en el error verdaderode log 4 = 0.602 060 O. Ajstese un polinornio de interpolacin de Newton de segundo orden para aproximar log 4 usando los datos del problema 1 1 . 1 , Calclese el error relativo porcentual.

11.2

384

INGENIEROS

PARA

METODOS

NUMERICOS

11.3

Ajstese un polinomio de interpolacin de Newton de tercer orden para calcular log 4 usando los datos del problema 11.1adems del punto adicional, log 3.5 = 0.544 068 O . Calclese el error relativo porcentual. Dados los datos

11.4
x

f(x)

0.5

1.0

1.5

2.0

2.5

1 2.119 2.910 3.945 5.720 8.695

a) Calclese f (1.6) usando polinomios de interpolacin de Newton de orden 1 hasta el 3. Escjase la secuencia de puntos de las aproximaciones para lograr exactitud. b) sese la ecuacin (11.18)para calcular el error en cada prediccin.
11.5
x

Dados los datos

1 1

2 3

f(x)

4.75 4 5.25 19.75 36

Calclese f (3.5)usando polinomios de interpolacin de Newton de orden 1hasta el 4. Escjanse los puntos base para obtener una buena aproximacin. Qu indican los resultados respecto al orden del polinomio que seusa para generar los datos en la tabla?
11.6 11.7 11.8 11.9

Reptanse los problemas 11.1al 11.3 usando polinomios deLagrange. Reptase el problema 11.40 usando interpolacin deLagrange. Reptase el problema 11.5 usando polinomios de Lagrane de orden 1 hasta el 3 Desarrllese la interpolacin cuadrtica segmentaria para los datos del problema 11.5 y calclese f (3.5).

11.10 Desarrllese la interpolacin cbica segmentaria para los datos del problema 11.5 y clculese f (3.5).

Problemas relacionados con la computadora

11.11 Vulvase a programar la figura 11.7 de tal manera que sea legible al usuario. Entre otras cosas: a) Insrtese documentacin a lo largo del programa para identificar lo que cada una de las secciones debe hacer. b ) Etiqutense las entradas y las salidas. c ) Inclyase la ecuacin (1 1.18)para calcular el error de cada orden del polinomio (excepto el ltimo). 11.12 Prubese el programa que el lector haya desarrollado en el problema 11.11duplicando los clculos del ejemplo 11.5. 11.13 sese el programa desarrollado por el lector en el problema 11.11y resulvanse los problemas 11.1al 11.3. 11.14 sese el programa desarrollado en el problema 11.11y resulvanse los problemas 11.4 y 11.5.En el problema 11.4, utilcense todos los datos par desarrollar

INTERPOLAC16N

385

los polinomios del orden primario hasta el quinto. En ambos problemas, grafquese el error calculado contra el orden. 11.15 Reptanse los problemas 11.12 y 11.13, usando el paquete NUMERICOMP asociado con este texto. 11.16 sese el paquete NUMERICOMP con los ejemplos 11.6 y 11.7 11.17 Desarrllese un programa legible al usuario para la interpolacin Prubese con el ejemplo 11.7.

de Lagrange.

11.18 Desarrllese un programa legible al usuario para la interpolacin cbica segmentaria basado en la figura 11.16 y en la seccin 11.4.4. Prubese el progama con el ejemplo 11.10.
11-19 sese el programa desarrollado en el problema 11.18 para ajustar polinomios cbicos con los datos de los problemas 11.4 y 11.5. En ambos casos, calcular f (2.25).

CAPTULO DOCE CASOS DE LAPARTE IV: AJUSTEDECURVAS

El propsito de este captulo es el de hacer uso de los mtodos de ajuste de curvas en la solucin de problemas de ingeniera. Al igual que en los otros casos de estudio de los otros captulos, el primer ejemplo se toma del rea general de la ingeniera econmica y de administracin. A este caso lo siguen las cuatro reas principales de la ingenieria: qumica, civil, elctrica y mecnica. En el caso 12.1 se hace un anlisis sobre los datos de venta de computadoras. El ejemplo ilustra dos puntos importantes relacionados con el ajuste de curvas: 1) los polinomios de interpolacin estn bien condicionados para el ajuste de datos imprecisos y 2) la extrapolacin es un procedimiento, poco confiable cuando la relacin de causa-efecto subyacente a la tendencia se desconoce. El caso 12.2, tomado de la ingeniera qumica, demuestra cmo se puede linealizar un modelo no lineal y ajustarse a datos que usan regresin lineal. El caso 12.3 usa un esquema similar pero emplea tambin interpolacin polinomial para determinar la relacin esfuerzo-deformacin enproblemasdeestructuraseningenieracivil. El caso 12.4 ilustra cmo se usa un simple polinomio de interpolacin para aproximar una funcin ms complicada en ingeniera elctrica. Finalmente, el caso 12.5 demuestra cmo se usa la regresin lineal mltiple en el anlisis experimental de datos en un problema de fluidos tomadodelaingeniera mecnica.

CASO 12.1

MODELO DE INGENIERA DE VENTA DEPRODUCTOS (INGENIERA E N GENERAL)

Antecedentes: los ingenieros encargados del diseoy fabricacin de productos tales como automviles, televisoresy computadoras pueden verse implicados en otros aspectos de los negocios. Estasimplicaciones incluyenlas ventas, mercadeo y distribucindelproducto.

388

METODOS

NUMERICOS PARA INGENIEROS

Supngase que un ingenierotrabajaparalacompaa que fabrica las Computadoras de tipo Micro 1 (vase el caso 6.1). Las consideraciones sobre planificacin y localizacin de recursos (caso 9.1) requieren que este ingeniero sea capaz de predecir hasta cundo permanecern en el mercado las computadoras de su compaa enfuncindel tiempo. En este caso de estudio, se proporcionan datos que describen el nmero de computadoras de la compaa que se encuentran en el mercado en diferentestiemposhasta 60 das (Fig. 12.1). Al ingeniero se lepide que examine estos datos y, usando mtodo de extrapolacin, calcular cuntas computadorasse tendrn disponiblesa los 90 das. Los datos se mues12.1. tranenelcuadro

FIGURA 12.1

Nmero de computadoras en el mercadocontra el tiempo.

CUADRO 12.1

Nmero de computadorasen el mercado en funcin del tiempo Nmero de computadoras Tiempo, das
~~ ~~

en el mercado
~

O
1 0 20 30
40 50 60

50 O00 35 O00 3 1 O00 20 O00

1 9 O00 1 2 O00 1 1 O00

CASOS DE LA PARTE IV: NUSTE DE CURVAS

389

Este anlisis de tendenciay extrapolacin se resuelve usando polinoe l sexto grado as como con polimios de interpolacin del primero hasta nomios de regresin del primero hasta el sexto grado. Las curvas resultantes se usan para predicciones en los das 55,65 y 90 que ilustran el contraste entre interpolacin y extrapolacin. Solucin: analizando la figura 12.1 se observa que los datos no son uniformes. Aunque el nmero de computadoras decrezca con el tiempo, la tasa de decrecimiento vara de intervalo a intervalo comportindose aleatoriamente. Por lo tanto, an antes de que empiece el anlisis, se puede esperar que la extrapolacin de estos datos traer dificultades. Los resultados del cuadro 12.2 confirman esta conjetura. Ntese que hay una gran discrepancia entre las predicciones con cada uno de los mtodos. Para cuantificar la discrepancia se calcula la media, la desviacin estndar y un coeficiente de variacin de las predicciones. El coeficiente de variacin, que es la media dividida por la desviacin estndar (multiplicada por el loo%, proporciona una medida relativa de la variabilidad de cada conjunto de predicciones [ c . (IV.5)J. Ntese cmo el coeficienCUADRO 12.2 Resultados del ajuste de varios polinomios de interpolacibn y polia datos del cuadro 12.1. Se muesnomios e minimos cuadrados los tra una interpolacibn en t 55 y una extraplacibn de t 65 y 90. Nbtese que, debido a que las ecuaciones notmales estbn mal condicionadas, el polinomio con minimos cuadrados de sexto orden difiere del polinomio de interpolacibn mbs preciso (recuerdese la seccin 10.2.1 )

~~

I N T E R P O lE AX CT ld RN APOlACldN
t

55

= 65

90

Polinomios de interpolacin Primer orden

1 1 525

961

9% variaci6n

788 Segundo 10 orden Tercer 10 orden ordenCuarto Quinto 7 orden Sexto 4 orden Media Desviacin 2 estndar de Coeficiente
Polinomios con mnimos cuadrados Primer 9 orden

047 300 660 8 880 542 820 1 1 829 12 040 12 104 1 1 101 83 1 1 768 10 203 834 128% 28%

10 475 12 688 16 391 992 38 942 67 975 28 41 1 21 951 128

7 850 43 230 161 750 578 750 1 854 500 5 458 100 1 350 700 2 226
-1 2 045

71

orden Segundo Tercer orden orden Cuarto Quinto orden 261 Sexto 4 orden Media Desviacin estndar 2 Coeficiente de variacin245%

3 573 10 939 8 872 733 9 366 266 18 910 24 233

16 529 -3 046 -78 906

5 768 460
910 623 408 2 228

390

INGENIEROS MGTODOS NUMERICOS PARA

te de variacin es el menor para el valor interpolado en el da 55. Tambin, ntese cmo la mayor discrepanciase daen el da 90, que representa la extrapolacin ms lejana. Adems, los resultados de los polinomios de extrapolacin disminuyen a medida que crece el orden, hasta el punto en queel caso de sexto orden lleva a la ridcula prediccin de que en el da 90 se tendrn disponibles 5 458 100 computadoras. La razn de este resultado sin sentido se ilustra en la figura 12.2, que muestra el polinomio de sexto grado. Ya que la tendencia sugerida por los datos no es uniforme, los polinomios de grado superior oscilan para intersectar cada punto. Estas oscilaciones llevan a interpolaciones falsas y extrapolaciones del tipo manifestado en la figura 12.2. Ya que la regresin no se restringe para pasar por cada uno de los puntos, algunas veces resulta til para remediar esta situacin. La figura 12.3 que muestra los resultados de la regresin cuadrtica y cbica sugiere que es real para regresin de nivel bajo. Dentro del rango de los datos ( t = O hasta 60 das), los resultados de las dos regresiones llevan a resultados poco consistentes. Sin embargo, cuando se extrapolan ms all de este rango, la prediccin diverge. En t = 90, la regresin de se-

PARTE CASOS

LA DE

IV: AJUSTE

CURVAS

391

FIGURA 12.3

Grfica de las curvas de regresin de segundo y tercer orden usadas para interpolar y extrapolar los datos de venta de computadoras.

gundo orden lleva al resultado absurdo de que el nmero de computadorasha crecido, mientrasque la versin de tercerordenlleva a la proyeccin ridcula de que habrun nmero negativo de computadoras. La razn principal de que la interpolacin y la regresin estn mal condicionadas para este ejemplo es que ni siquiera se basan en un modelo de la realidad fsica. En ambos casos, el comportamiento de las predicciones es puramente un artificio del comportamiento de los nmeros. Por ejemplo, ni los modelos tomanen consideracin que ms all det = 60. elnmerodecomputadorasdebeestarentre O y 11 000. Por lo tanto, si se estuviera interesadoen una aproximacin rdpida del nmero decomputadoras en el mercado, en un tiempo futuro, un ajuste y una extrapolacin visula arrojara resultados ms realistas. Esto se debe a que se est conciente de las restricciones fsicas del problema y se puede, por lo tanto, incorporar estas restricciones en la solucin grfica simple. En el caso de estudio 18.1, se usa una ecuacin diferencial para desarrollar un modelo que tenga una base terica y , por consiguiente, lleve a resultados ms satisfactorios. Por el lado positivo se debe notar que este ejemplo ilustra cmo la regresin tiene alguna utilidad para la interpolacin entre puntos un tanto errneos o inexactos. Sin embargo, la primera conclusin de este caso es que la extrapolacin siempre se debe llevar a cabo con cuidadoy precaucin.

CASO 12.2

REGRESINLINEAL Y MODELOS DEMOGRFICOS (INGENIERA QUMICA)

Antecedentes: los modelos de crecimiento poblacional son importantes en muchos campos de la ingeniera. La suposicin de que la tasa de cre-

392

NUMERICOS

METODOS

PARA INGENIEROS

cimiento de la poblacin ( d p / d t ) es proporcional a la poblacin actual (p) en el tiempo (f) es de fundamental importancia en muchos de los modelos, enforma de ecuacin
dP =/q

dt

[12.11

en donde k es un factor de proporcionalidad conocido como la tasa de crecimiento especfico y tiene unidades de tiempo-l. Si k es una constante, entonces se puede obtener lasolucindela ecuacin (12.1) de lateora de ecuaciones diferenciales:

en donde po es la poblacin enel tiempo t = O. Se observa que p(t) en la ecuacin (12.2) tiende a infinito a medida que t crece. Este comportamiento es claramente imposible en los sistemas reales. Por lo tanto, se debe modificar el modelo y hacerlo ms realista. Solucin: primero, se debe reconocer que la tasa de crecimiento especfico k no puede ser constante a medida que la poblacin crece. Esto es porque, cuando p tiende a infinito, el organismo que se modela se ve limitado por factores tales como el almacenamiento de comida y produccin de desperdicios txicos. Una manera de expresar esto matemticamente es la de usar el modelo de tasa-de-crecimiento-y-saturacin tal como:

[12.3]
en donde kmdxes la mxima tasa de crecimiento posible para valores de comida v) abundante y K es la constante de semi-saturacin. La grfica de la ecuacin (12.3) de la figura 12.4 muestra que cuando f = K, k = kmex/2. Por lo tanto, K es la cantidad de comida disponible que sostiene una tasa de crecimiento poblacional igual a la mitad de la tasa mxima. Las constantes K y kmxson valores empricos basados en medidas experimentales de k para varios valores de f. Como ejemplo, supngase que la poblacin p representa una levadura empleada en la produccin comercial de cerveza y f es la concentracin de la fuente de carbono a fermentarse. Las medidas de k contra f de lalevadura se muestranen el cuadro 12.3. Se necesita calcular kmx y K de estos datos empricos. Esto se lleva a cabo invirtiendo la ecuacin (12.3) de manera similar a la ecuacin (10.16),obteniendo

[12.4]

CASOS

DE

IV: AJUSTE

CURVAS

393

FIGURA 12.4

Grfica del promedio de crecimiento especfico contra la comida disponible con el modelo de promedio-de-crecimiento-de-saturacinusado en la caracterizacin de la cintica microbial. El valor de K es llamado constante de saturacin media ya que representa la concentracin endonde el promedio de crecimiento especfico es la mitad del valor mximo.

CUADRO 12.3

Datos usadosen la evaluacin de las constantes en un modelo de promedio-de-crecimiento-desaturacin que caracteriza a la cintica microbial

f, mglL

k, dias" 0.29 0.37 0.48 0.65 0.80 0.97 0.99 1 .O7

llf, Llmg

Ilk, da 3.448 2.703 2.083 1.538 1.250 1 .O31 1 .o1o

7 9 15 25 40 75 1O 0 150

O. 142 86
0.111 1 1

0.066
0.040 O0

66

0.025 O0
0.013 33 0.010 O0

0.006

66

0.935

De esta manera, se ha transformado la ecuacin (12.3) a la forma lineal; Estos esto es, l / k es una funcin lineal de l/f, con pendiente K/kmdX. valores se grafican en lafigura 12.5. Debido a la transformacin, se puede usar el procedimiento de mnimos cuadrados lineales descrito en el captulo 10 para determinar kmdx = 1.23 das" y K = 22.18 mg/L.Combinando estos resultadoscon la ecuacin (12.3) y comparndolos con los datos sin transformar de la figura 12.6, y cuando se sustituyen en el modelo de la ecuacin (12.1) se obtiene:

[12.5]

394

NUMERICOS

METODOS

PARA INGENIEROS

FIGURA 12.5

Versin linealizada del modelo de promedio-de-crecimiento-desaturacin. La lnea es un ajuste con mnimos cuadrados que seusa en la evaluacin de los coeficientes del modelo kmbx = 1.23 das y k = 22.18 mg/L para levadura usada en la fabricacin de cerveza.

Esta ecuacin se puede resolver usando la teora de las ecuaciones diferenciales o usando los mtodos numricos analizados en los captulos 16 y 17 cuando se conoce f ( t ). Si f se aproxima a cero a medida que p crece, entonces d p / d t tiende a cero y la poblacin se estabiliza. La linealizacin de la ecuacin (12.3) es una manera de evaluar las constantes kmdxy K . Otra manera de hacerlo, y que ajusta la relacin a

FIGURA 12.6

Ajuste del modelo de promedio-de-crecimiento-de-saturacin de la levadura empleada en la fabricacin comercial de cerveza.

CURVAS CASOS

DE

IV: AJUSTE

395

su forma original, se le conoce con el nombre de regresin no lineal (Draper y Smith, 1981). En cualquier caso, se puede usar anlisis de regresin para calcular los coeficientes del modelo usando los datos medidos. Este es un ejemplo del uso de la regresin para la prueba de hiptesis, como se estudi en la seccin IV.1.2.

CASO 12.3

AJUSTEDECURVAS EN EL DISEO DE U N MSTIL PARA BARCO (INGENIERA CIVIL)

Antecedentes: elmstil de un barco (vase el caso 15.3para mayores detalles)tiene un rea transversal de 0.876 pulg2 y se construyede una aleacin de aluminio experimental. Se llevan a cabo pruebas para definir la relacin entre esfuerzo (fuerza por rea) aplicada al material y deformacin (deflexin por unidad de longitud). Los resultados de estas pruebas se muestranenlafigura 12.7y se resumen en el cuadro 12.4. Es necesario calcular el cambio de longitud del mstil debido a la deformacin causada por la fuerza del viento. La compresin causada por el aire se puede calcular usando la relacin: Esfuerzo = fuerzaenelmstil rea de la seccin transversal del mstil

FIGURA 12.7

Curva de esfuerzo-deformacin en una aleacin de aluminio. En el caso 12.3 se debe obtener una deformacin aproximada a partir de estos datos que conforman un esfuerzo de 7 350 libras/pulgada2.

396

MhODOS NUMERICOS PARA INGENIEROS

CUADRO 12.4

Datos de esfuerzo-deformacin ordenados de tal manera que los puntos usados en la interpolacin estn siempre ms cercanos al esfuerzo de 7 350 Iblpulg' Nmero de Esfuerzo, puntos lblpu1g2 Deformacin pieslpie

2
3
4

5 6

7 200 7 500 8 O00 5 200 10 O00 1 800

0.002 o 0.004 5 0.006 O 0.001 3 0.008 5 0.000 5

En este caso, se tiene una fuerza del vientode 6 440.6 libras (ntese que al igual que en el caso 15.3 se usan mtodos numricos para determinar este valor directamente de los datos del viento), y el esfuerzo se calcula mediante: Esfuerzo = 0.876

440'6

7 350 Ib/pulg2

Este esfuerzo puede ser usado para calcular la deformacin de la figura 12.7, el cual, a su vez, se puede sustituir en la ley de Hooke y calcularelcambioenlalongituddelmstil:

AL = (deformacin) (longitud)

[12.6]

en donde la longitud se refiere a la altura del mstil. Por lo tanto, el problema se reduce a la determinacin de valores de la deformacin de los datos en la figura 12.7. Ya que no se dispone de ningn punto para un valor de esfuerzo dado de 7 350, el problema necesitar algn ajuste de curvas. En este caso se usarn dos planteamientos: el de interpolacin polinomial y elderegresinconmnimoscuadrados. Solucin: elprimer planteamientousar la interpolacinpolinomialde calcular la deformacin a un esfuerzo de 7 350 orden O al 5 para lb/pulg2. Para hacerlo, los datos se ordenan de tal manera que la interpolacin siempre use informacin que se encuentre ms cercana a los puntos incgnitas (cuadro 12.4). Sepuede aplicar la interpolacin polinomial de Newton, con los resultadosdadosen el cuadro 12.5. Todos los polinomios excepto el de orden cero llevan a resultados que casi coinciden. En base al anlisis, se concluira que una deformacin de aproximadapies/pie es una aproximacin razonable. mente 3 . 4 X Sin embargo, hayuna aclaracin importante. Es realmente fortuito que la aproximacin de la deformacin tienda a un mismovalor.Esto se puede ver examinando la figura 12.8, en donde se muestra el polino-

PARTE CASOS DE LA

IV: AJUSTE DE CURVAS

397

CUADRO 12.5 Resultados del polinomio de interpolacih de Newton para predecirunadeformacincorrespondiente a unesfuerzode 7 350 lblpu1g2 en base a la informacin del cuadro 12.4 Orden del polinomio (n) Coeficiente de n-simo orden Deformacin (con esfuerzo

7 350)

2 X 10-3 8.33 x -6.67 X 10-9 -3.62 X 10 1.198 x 2.292 x

2 X 10-3 3.27 X 1 0 - ~ 3.42 X 10-3 3.36 X 10-3 3.401 x 3.38 X 10-3

FIGURA 12.8

Grfica de un polinomio interpolante de quinto orden que ajusta perfectamente los datos del cuadro 12.4. Ntese que aunque la curva pasa muy bien a travs de los trespuntosen la vecindad del esfuerzo de 7 350, l a curva oscila ampliamente en otras partes del rango de datos.

398

METODOS NUMERICOS

PARA INGENIEROS

mio de quinto orden junto con los datos. Ntese que debido a que los tres datos se encuentran muy cercanos del valor de 7 350, la interpolacin no debe variar significativamente en este punto, como era de esperarse. Sin embargo, si se requieren aproximaciones de otras fuerzas, las oscilaciones de los polinomios pueden llevar a resultados inexactos. Los resultados anteriores ilustran que la interpolacin con polinomios de grado superior est mal condicionada para datos inciertos o con ruido del tipo de este problema. La regresin proporciona una alternativa que, en general, es ms apropiado para estas situaciones. Por ejemplo, se puede usar la regresin lineal para ajustar una lnea recta a travs de los datos. La lnea de mejor ajuste es Deformacin = -0.002 527
zo = 7

9.562 x

esfuerzo

[12.7]

la lnea y los datos se muestran en la figura 12.9. Sustituyendo el esfuer350 libras/pulg2en la ecuacin (12.7) se obtiene una prediccin pulgs/pulg. de 4.5 X Un problema con regresin lineal llevaa resultados fuera de la realidad con deformaciones negativas en un esfuerzo igual a cero. Una manera diferente de regresin que evita este resultado no realista es la de ajustar una lnea recta al logaritmo (base 10) de la tensin contra el logaritmo del esfuerzo (recurdese la seccin 10.1.5). El resultado en este caso es:
log (deformacin)= -8.565

+ 1.586 log(esfuerzo)

Esta ecuacin se puede transformar a la forma inicial que predice la deformacin, sacando antilogaritmos se obtiene: deformacin = 2.723
X

(esfuerzo)

[12.8]

Esta curva tambin se superpone a la figura 12.9 en donde se puede ver que esta versin muestra los resultados fsicos ms realistasya que la deformacin es cero cuando el esfuerzo es cero. La curva tambin es un poco ms realista ya que captura algunas de las curvaturas sugeridas por los datos. Sustituyendo el esfuerzo = 7 350 en la ecuacin (12.8)se obtieneunaprediccinde la deformacin = 3.7 x l o p 3pulgs/pulg. De esta manera, la interpolacin polinomial y los dos tipos de regresin llevan a resultados diferentes de deformacin. Debido al realismo fsico y al comportamiento ms satisfactorio a travs del rango completo de los datos, se optar por la ecuacin (12.8) ya que proporciona mejores predicciones. Usando un valor de longitud = 30 pies y con la ecuacin (12.6) se obtiene el siguiente resultado del cambio en la longitud del mstil:

AL

(3.7 x

pies/pie)(30 pies)

0.11 pies

PARTE CURVAS CASOS DE LA DE

IV: AJUSTE

399

FIGURA 12.9

Grfica de una lnea usando regresin lineal y una lnea de regresin usando la transformacin logartmica con los datos de esfuerzodeformacin del mstil de un barco.

CASO 12.4

AJUSTE DE CURVAS EN LA ESTIMACIN DE LA M S (INGENIERA ELCTRICA) CORRIENTE R

Antecedentes: el valor promedio de una corriente elctrica oscilante durante un periodopuedeser cero. Por ejemplo, supngaseque la corriente se describe mediante una senoidal simple: i(t) = sen (2at/T) en donde T es el periodo. El valor promedio de esta funcin se puede determinar mediante la siguiente ecuacin:

- -cos 2 7 T

+ cos o

=o

400

METODOSNUMERICOSPARAINGENIEROS

La misma aproximacinse muestra grficamente enla figura 12. loa. Como se puede ver, resulta una corriente neta igual a cero ya que las reas positiva y negativa bajo la curva se cancelan. A pesar de que el resultado neto es cero, esta corriente es capaz de realizar un trabajo y generar calor. Por lo tanto, los ingenieros elctricos, a menudo, caracterizan esta corriente mediante

[12.9]
en donde I,,, se conoce como corriente RMS (raz cuadrada media, en ingls root-mean-square). El problema de cancelacin de signos positivos y negativos se evita elevando la corriente al cuadrado antes de calcular el promedio.

FIGURA 12.1 O

a) Grfica de una corriente elctrica oscilante. Sobre un periodo T (esto es, un cic!o completo), la integral de la funcin es cero ya que las reos positivas y negativas son iguales, y por lo tanto, se cancelan. Para evitar este resultado, la corriente se eleva al cuadrado, como en b). La raz cuadrada del promedio del cuadrado, a lacual se le llama corriente RMS, proporciona una medida de la magnitud de la corriente.

CURVAS CASOS

DE

IV: AJUSTE

401

En este caso, supngase que la corriente en un circuito es de

i ( t ) = 10e-tTsen-

2;t)

para O

I t I T

/2

[12.10]

i(t) = O

para T / 2 < t

Determnese la corriente RMS ajustandoun polinomio de segundo grado que coincida con i2(t) exactamente en t = O , T/4 y 1/2. En seguida, intgrese este polinomio analticamente y calclese la corriente RMS en el intervalo de O a T usando la ecuacin (12.9).Supngase que T = 1 s. Este resultado se puede comparar al caso 15.4 en donde se emplear6n otras tcnicas para calcular la corriente RMS. Solucin: usando la ecuacin (12.lo), se generan los siguientes puntos.
t

i(t)

i*(t)

O
114 1/2

0.000 O00 O00 7.788 007 831 0.000 O00 O00

0.000 O00 O0 60.653 065 98 0.000 O00 O 0

Ajustando un polinomio de Newton de segundoorden(Fig. 12.11),se obtiene elpolinomio

i2(t) = 242.612 264t - 970.449 056t(t

- 1/4)

FIGURA 12.1 1

Grfica de la corriente verdadera [Ec. ( 1 2.10)], junto con la parbola que se usa como aproximacin.

402

METODOS

NUMERICOS PARA INGENIEROS

que se puedeintegrardesde t

O hasta t

T/2 (T = 1 S) y obtener:

:i
CASO 12.5

i2(t) dt-= 121.306132t2 -.323.483 0187t3 + 121.306132$

:I

obteniendo el resultado 20.217 688 66, el cual, a suvez se sustituye en la ecuacin (12.9) y se obtiene lRMs = 4.496 408 418. Enel caso 15.4 se usan varias tcnicas de integracin numrica para llevar a cabo estos mismos clculos.

REGRESIN LINEAL MQLTIPLE EN EL ANALISIS DE DATOSEXPERIMENTALES (INGENIERA MECANICA)

Antecedentes: las variables de diseo en la ingeniera, a menudo, dependen de muchas variables independientes. Con frecuencia esta dependencia funcional se caracteriza mejor con ecuaciones de potencia multivariable. Como se analiza en la seccidn 10.3, una regresin lineal mltiple de datos transformados mediante logaritmos porporciona un medio para evaluar tales relaciones. elflujo Por ejemplo, un estudio de ingeniera mecnica indica que de fluido a travs de un tubo es funcin del dimetro del tubo y de su pendiente (cuadro 12.6). Para analizar estos datos se usa una regresin lineal mltiple. En seguida, se usa el modelo resultante para predecir el flujo en un tubo con un dimetro de 2.5 pies y con una inclinacin de O .O25 piedpie. Solucin: la ecuacin de potencias se evala como
Q = u,D"~S"* c12.111

2 3
1

2 3
1

2 3

0.001 0.001 0.01 0.01 0.01 0.05 0.05

0.05

8.3 24.2 4.7 28.9 84.0

11.1

69.0 200.0

CASOS DE

IV: AJUSTE DE CURVAS

403

en donde Q es el flujo (en pies cbicos por segundo), S es la pendiente (en pies por pie), D es el dimetro del tubo (en pies) y ao, a l y a2 son coeficientes. Extrayendo logaritmos a esta ecuacin se obtiene
log

log a.

+ al log D + a2 log S

De esta forma, la ecuacin se adapta a la regresin lineal mltiple ya que log Q es funcin lineal de log S y de log D. Usando los logaritmos (base 10) de los datos en el cuadro 12.6, se generan las siguientes ecuaciones normales expresadas en forma matricial [recurdese la Ec. (10.21)]: 2.334 2.334 0.954 -4.903 -18.903

-18.903

log a.

-4.903][ -22.207 44.079

:t] [
=

11.691
3.9451

Este sistema se puede resolver usando eliminacin gaussiana para obtener:

log a. = 1.747

5%

al = 2.62

a2 = 0.54

Si log a. = 1.747 5, entonces vierte en:

Q =

a. =

55.9 y la ecuacin (12.11) se con[12.12]

55.902.62SO.54

La ecuacin (12.12) se puede usar para predecir el flujo en el caso en que D = 2.5 pies y S = 0.025 piedpie, dando

55.9(2.5)2.62(0.025)o.54 = 84.1 pies3/s

Se debe notar que la ecuacin (12.12) puedeusarse para otros propsitos adems de calcular flujos.Por ejemplo, la pendiente est dada en funcin de la prdida de calor hL y la longitud del tubo L por S = h , / L . Si esta relacin se sustituye en la ecuacin (12.12) y la frmula resultante se resuelve para hL. se obtiene la siguiente ecuacin:

Esta relacin se conoce con el nombre de ecuacin de Hazen-Williams.

404

INGENIEROS

PARA

METODOS NUMERICOS

PROBLEMAS
Ingeniera en general
12.1 Efectense los clculos llevados a cabo en el caso 12.1 usando los programas propios. Ejectense los mismos clculos del caso 12.1, pero con el nmero de computadoras en el mercado en los das 50 y 60 modificados un poco a 12 O00 y 1 1 050.

12.2

12.3

Si se deposita una cantidad de dinero con cierta tasa de inters, se pueden usar las tablas econmicas para determinar la suma acumulada en un tiempo posterior. Por ejemplo, la siguiente informacin se encuentra en una tabla econmica sobre elvalorfuturo de un depsito despus de 20 aos:

190

Tara de inter& O h 1 5 20 337 25 736 30

F/P
(n

= 20 aos)

1 6 366 38 86 05

en donde FIP es el promedio delvalorfuturoalvalor actual. Por lo tanto. si se depositaron P = $10 000, despus de 20 aos al 20% de inters se debe tener: F = (F/P)P = 38.337(10 000) = $383 370 Utilcese interpolacin lineal, cuadrtica y cbica y determnese el valor futuro de $25 O00 depositados al 23.6% de inters. Interprtense los resultados desde la perspectiva de lainstitucin prestamista. 12.4 Utilcese la informacin dada en el problema 12.3. pero suponiendo que se han invertido $40 O00 y le dicen que despus de 20 aiios el prestamista regresar $2 800 000. sese interpolacin lineal, cuadrtica y cbica para determinar la tasa de inters que se est dando. Supngase que al ganador de un premio se le da la oportunidad de escoger entre $2 millones ahora o $700 O00 por atio durante 5 aos. La relacin entre el valor actual P y una serie de pagos anuales A est dada por la siguiente informacin de unatabla de economa:

12.5

Tasa de inter& 016

A/P (n = 5 aos)

1 5 38 0.334 20 25 30

32 0.298 85 0.371 0.41058

PARTE CASOS DE LA

IV: AJUSTE DE CURVAS

405

en donde A/P es el promedio de pagos anuales alvalor actual. Por lo tanto, la tasa de inters del 15%, los cinco pagos anuales A que son equivalentes a un solo pago actual (P = $2 millones) se calculan como A = (A/P)P = 0.298 32(2 O00 000) = $596640 Utilicese interpolacin para determinarla tasa de inters a la cual los $2 millones es la mejor decisin.
12.6

Se est5 llevando a cabo un estudiopara determinar la relacin entre la fuerza de friccin que acta hacia arriba y la velocidad de cada del paracaidista. Se llevan a cabo algunos experimentos para obtener la siguiente informacin sobre la velocidad (u medida en centmetros por segundo) y la fuerza de rozamiento (F, medidaen lo6 dinas):
u

F,

1 O00
5

2 O00 15.3

3 O00 29.3

4 O00 46.4

5 O00 66.3

Graffquese F contra u y sese regresin para determinar la relacin entre la fuerza de rozamiento y la velocidad.

Ingeniera qumica
12.7 12.8

Reptanse los clculos del caso 12.2 usando los programas propios. Efectense los mismos clculos del caso 12.2, pero usando regresin polinomial paraajustarunaparbola a los datos. Analcense los resultados. Efectense los mismos clculos del caso 12.2, pero usando regresinlineal con transformaciones para ajustar los datos a una ecuacin de potencias. Ignrese el primer punto cuando se ajuste la ecuacin.

12.9

12.10 Se llevan a cabo los siguientes experimentos y se determinan los siguientes valores de capacidad calorfica ( c ) a varias temperaturas ( T ) para un metal:

r
C

-50 0.125

"20 0.128

10
0.134

70
0.144

100 0.150

120 0.155
c

Utilicese regresin y determnese.un modelo para predecir

en funcin de T.

12.11 La concentracin de saturacindel oxgeno disuelto en el agua enfuncin de la temperatura y del cloruro se muestra en el cuadro P12.11. Utilicese interpolacin para calcular el nivel de oxgeno disuelto para T = 22.4OC con cloruro = 10 oon mg/L. 12.12 osese interpolacin polinomial con los datos del cuadro P12.11para derivar una ecuacin sobre la concentracin de oxgeno disuelto en funcin de la temperatura para el caso en que la concentracin de cloruro es igual a 2 0 O00 my/L.

406

MTODOS

NUMRICOS

PARA INGENIEROS

CUADRO P12.11

Dependencia de la concentracin de oxgeno en funcin de la temperatura y de la Concentracin de cloruro OXiGENO DISUELTO (mglL) PARA CONCENTRACIONES DE CLORURO Temperatura OC Cloruro Cloruro O m g l l = 10 O00 m g l l

Cloruro 20 O00 mglL

5 1 0 1 5 20 25 30

12.8 11.3
10.0

1 1.6 10.3
9.1

10.5 9.2

8.2
7.4

9.0 8.2 7.4

8.2 7.4 6.8

6.7 6.1

12.13 Utilicese regresinpolinomial para llevar a cabo el mismo problema 12 12 12.14 sese regresin lineal mltiple y trsnsformaciones logaritmicas para derivar una ecuacin que prediga la concentracin del oxgeno disuelto en funcin de la temperatura y de la concentracin de cloruro. Evalense los resultados

Ingenieria civil
12.15 Reptanse los clculos del caso 12.3 usando los programas propios. 12.16 Efectense los mismos clculos del caso 12.3. pero usandoregresin polinomial de segundo orden para relacionar deformacin y esfuerzo. 12.17 Efectense los mismos clculos del caso 12.3pero usando una formulacin exponencia1 para relacionar deformacin y esfuerzo 12.18 Efectense los mismos clculos del caso 12.3 pero usando interpolacljnpolinomial para evaluar AL si el esfuerzo es de .7 700 libras/pulgada'.

Ingenieriaelctrica
12.19 Reptanse los clculos del caso 1 2 . 4 usando los programas proplo5 12.20 Efectense los mismos clculos del caso 12.4 ajustando e integrando un polinomi0 de tercer orden que coincida con i 2 ( t ) exactamente en t = O. TG. T1'3. y T/2. 12.21 Se mide la cada de voltaje II a travs de una resistencia para cierto nmero de valores de la corriente i . Los resultados obtenidos son
i
u

1 I

0.75 0.25

1.25

1.5
1.88

2.0
6.00

-0.23

-0.33

0.70

CURVAS CASOS DE LA DE PARTE IV: AJUSTE

407

sese interpolacinpolinomialparacalcular Interprtense los resultados.

la cada de voltajepara i = 0.9.

12.22 Duplquense los clculos del problema 12.21 usando regresin polinomial para obtener una ecuacin cbica que ajuste los datos. Grafquense y evalense 10s resultados.

Ingeniera mecnica
12.23 Efectense los clculos del caso 12.5 usando los programaspropios 12.24 Basndose enel cuadro 12.6 utilcese interpolaciones lineal y cuadrtica para calcular Q con D = 1.23 pies y S = 0.01 piedpie. Comprense los resultados con elmismovalor calculado con la frmuladerivadaen el caso 12.5. 12.25 Utilcese el caso 12.5 para desarrollar una ecuacin que prediga el dimetro en funcin de la pendiente y del flujo. Comprense los resultados con los de la frmuladel caso 12.5 y analcense los resultados. 12.26 La viscosidad cinemtica del agua. u , est relacionada con ia temperatura de !a siguiente manera:

T(OF)
u

i
pies2/s) I

40
1.66

50 1.41

60 1.22

70
1.06

80 0.93

Grafquense estos datos y utilcese interpolacin para predecir u en

12.27 Reptase el problema 12.26 usandoregresin

T = 62'F.

12.28 Lanse todos los casos del captulo 12. C o n base a la lectura y a la experiencia, elabrense los propios casos de cualquiwa de fos campos de la ingeniera. Esto puede involucrar la modificacin o la reexpresin de los casos. S i n embargo, tambin pueden ser totalmente originales. Como los ejemplos del captulo, se deben y debe demostrarse el elaborar con u n enfoque a losproblemasdeingeniera uso de los mtodos numricos para ajustar curvas. Escrbanse los resultados usando los casos delcaptulo como modelos.

EPLOGO: PARTE IV

IV.4 ELEMENTOS DE JUICIO

En el cuadro IV.4 se proporciona un resumen de los elementos de juicio relacionados con el ajuste de curvas. Los mtodos se dividen en dos amplias categoras dependiendode la incertidumbre delos datos. Para las mediciones imprecisas, se usa la regresin para desarrollar la "mejor" curva que ajuste todas las tendencias de los datos sin pasar necesariamente a travs de algn punto. Para mediciones precisas, se usa la interpolacin para desarrollar una curva que pase directamente a travs de cada uno de los puntos. Todos los mtodos de regresin se disean de manera que ajusten funciones que minimicen la suma de los cuadrados de los residuos entrelos datos y la funcin. A estos mtodos se les conoce como regresin con mnimos cuadrados. La regresin con mnimos cuadrados lineal se usa en aquellos casos en donde una variable dependiente y otra independiente se relacionan de manera lineal. Para situaciones en que las variables dependiente e independiente muestren una relacin curvilnea, se dispone de varias alternativas. En algunos casos, se pueden usar transformacionespara linealizar la relacin. En estos casos se puede aplicar la regresin lineal a variables transformadas para determinar la mejor lnearecta. Alternativamente, se puede emplear la regresin polinomial y ajustar una curva directamente a los datos. La regresin lineal mltiple se usa cuando una variable dependiente es una funcin de dos o ms variables independientes. Se pueden aplicar tambin transformaciones logaritmicasa este tipo de regresin en algunos casos donde la dependencia mltiple es curvilnea. La interpolacin polinomial esta diseada para ajustar un polinomio nico de n-simo orden que 1 puntos exactos. pase exactamente por los n Este polinomio se presenta en dos formatos diferentes. El polinomio de interpolacin de diferencias divididas de Newton se adapta idealmente a

410

MTODOS

NUMRICOS

PARA INGENIEROS

+
C

a 0

EPLOGO PARTE IV

41 1

aquellos casos en que el orden propio del polinomio se desconoce. El polinomio de Newton es apropiado para tales situaciones ya que se programa fcilmente enun formato que compara los resultados con rdenes diferentes. Adems, se puede incorporar con facilidad una aproximacin del error en el mtodo. De esta forma, se puede comparar y escoger a partir de los resultados usando varios polinomios de rdenes diferentes. La otra formulacin alternativa esel polinomio de interpolacin de Lagrange el cual es apropiado cuando el orden se conoce a priori. En estos casos, la versin de Lagrange es algo ms simple de programar y no requiere de los clculos y almacenamiento de diferencias divididas finitas.

El mtodo final deajuste de curvas es mediante interpolacin segmentaria. Este mtodo ajusta un polinomio de orden bajo a cada uno de los intervalos entre los puntos. El ajuste se hace uniforme obligando a que las derivadas de dos polinomios adyacentes en el mismo valor de su punto de conexin sean iguales. La interpolacin cbica segmentaria es la versin ms comn. Los segmentos son muy tiles cuando se ajustan datos que en general son uniformes pero exhiben reas locales de saltos de los datos. Tales datos tienden a inducir oscilaciones en los polinomios de interpolacin de orden superior. La interpolacin cbica segmentaria est menos propensa a estas oscilaciones ya que se limita a variaciones de tercer orden.

IV. 5 RELACIONES Y FRMULAS IMPORTANTES

En el cuadro IV.5 se resume la informacin de mayor importancia que se presenta en la parte IV. El cuadro se puede consultar para tener una referencia rpida de las relaciones y frmulas de importancia.

IV.6 MTODOS AVANZADOS Y ALGUNAS REFERENCIAS ADICIONALES

Aunque se han repasado una gran cantidad de mtodos de ajuste de curvas, an existen otros mtodos que tienen mucha utilidad en la prctica de la ingeniera. Por ejemplo, los polinomios ortogonales se pueden emplear en el desarrollo de un mtodo alternativo para la regresin polinomial. Esta tcnica tiene mucha utilidad ya que no es susceptible al mal condicionamiento cuando se deben ajustar polinomios de orden superior. La informacin sobre polinomios ortogonales se encuentra en Shampine y Allen ( 1 973) y en Guest ( 1 961). Existe una gran variedad de mtodos que desarrollan directamente el Gjuste con mnimos cuadrados de una ecuacin no lineal. Estas tc-

41 2

METODOS

NUMERICOS PARA INGENIEROS

@
F

x"
4

rl
i , L v)

I
v *
h

x
I

x"
It

-x
11

x"

II
N

L .

oc" boc"

x
I

x"

/I

EPlLOGO PARTE IV

413

nicas de regresin no lineal incluyen al mtodo de Gauss-Newton, mtodo de Marquardts y mcitodos de pasos descendentes. La informacin sobre estos mtodos y de regresin en general se encuentran en Draper y Smith (1981). Todos los mtodos de la parte IV se han expresado en trminos del ajuste de una curva a un conjunto de puntos. Pero se puede ajustar una curva a otra curva. La motivacin principal de tal aproximacin complicada a una ms simple funcional es la de representar una funcin que sea ms fcil de manejar. Una manera de hacerlo es la de usar funcin complicada para enerar una tabla de valores. Despus se pueden usar cualquiera de as tcnicas analizadas en este libro para ajustar polinomios a esos valores discretos.

Ms all de este planteamiento, existe una variedad de mtodos alternativos, y en general, preferibles en la aproximacin funcional. Por ejemplo, si la funcin es continua y diferenciable, se puede ajustar a una serie de Taylor truncada. Sin embargo, esta estrategia se desecha ya que el error aumenta a medida que se alea del punto base Por lo tanto, se puede tener una buena prediccin del intervalo y una mala aproximacin para un
Un enfoque alterno se basa en el principio de minimax (recurdese 1 0 . 2 ~ )Este . principio especifica que los coeficientes del polinomio de aproximacin se escogen de tal forma que la discrepancia mxima sea tan pequea como sea posible. Por lo tanto, aun ue la aproximacin no puede ser tan buena como la obtenida con a expansin de la serie de Taylor en el punto base, generalmente, es mejor a travsde todo el dominio delajuste. l a economizacin de Chebyshev es un ejemplo del acercamiento de una aproximacin funcional basada en esta estrategia (Ralstony Rabinowitz, 1978; Gerald y Wheatley, 1984 y Carnahan, Luther y Wilkes, 1969).
la Fig.

Un mtodo final de aproximacin funcional es la de usar funciones trigonomtricas. La transformada ru ida de Fourier es un ejemplo de este enfoque y es ampliamente usa o en la ingeniera prctica (Bri ham, 1974; Davis y Rabinowitz, 1975 y Gerald y Wheatley, 19847.

En resumen, lo antes mencionado tiene la finalidad de proporcionar al lector senderos de exploracin ms profundos sobre la materia. Adems, todas las referencias anteriores proporcionan descripciones de las tcnicas bsicas cubiertas en la parte IV. Se sugiere al lector que consulte estas fuentes alternativas para profundizar en el conocimiento de los mtodos numricos sobre elajuste de curvas.*
* Aqu se hace referencia a los libros nicamente por autor; se encuentra una bibliografa cornpleta al final del libro.

416

MTODOS

NUM&lCOS PARA INGENIEROS

FIGURA V.l

Representacin grfica de la integral de {(x) entre los lmites x 3 a y Lo integral es equivalente al rea baio la curva.

b.

2.
3.

Una funcin complicada y continua que es difcil o imposible de integrar directamente. Una funcin tabulada en donde los valores de x y f (x) se dan en un conjunto de puntos discretos, como esel caso, a menudo, de los datos experimentales.

En el primer caso, la integral simplemente es una funcin que se puede evaluar fcilmente usando mtodos analiticos aprendidos en el clculo. En los dos ltimos casos, sin embargo, se deben emplear mtodos aproximados. Un planteamiento lgico es el de graficar la funcin sobre una malla (Fig. V.2) y contar el nmero de cuadros que aproximan el rea. Este nmero multiplicado por el rea de cada uno de ellos da una estimacin aproximada del rea total baio la curva. Esta estimacin puede meiorar a costa de un mayor esfuerzo, usando una malla ms fina. Otro planteamiento con sentido comn es el de dividir el rea en segmentos verticales, o bandas, con una altura igual al valor de la funcin en el punto medio de cada banda (Fig. V.3). El rea de los rectngulos se puede entonces calcular y sumar para estimar el rea total. En este planteamiento, se supone que el valor de los puntos medios proporciona una aproximacin vlida de la altura promedio de

lNTEGRACl6N

41 7

FIGURA V.2

Uso de una malla para aproximar una integral.

FIGURA V.3

Uso de rectngulos,

bandas para aproximar la integral.

"X

. .

--

41 8

MTODOS NUMRICOS

P A R A INGENIEROS

la funcin de cada banda. Como con el mtodo de mallas, es posible obtener una estimacin, mejor usando ms (y ms delgadas) bandas para aproximar la integral.
Aunque estos esquemas simples tienen utilidad para estimaciones rpidas, se dispone de mtodos alternativos llamados integracin numrica o cuadratura gaussiana para los mismos propsitos. Estos mtodos, que son ms fciles de implementar que la tcnica de ma-

FIGURA v.4

Aplicacinde un mtodo numrico de integracin a) funcin continua complicada; bJ tabla de valores discretos de f(x) generados de la funcin, y c) USO de un mtodo numrico (el mtodo de bandas) para aproximar la integral en base a los puntos discretos. Para una funcin tabular, 10s datos se encuentran en forma tabular en b); por lo tanto el paso 0 ) es innecesario.

lNTEGRACl6N

419

las, son similares en esencia al mtodo de bandas. Esto es, las alturas de la funcin se multiplican por el ancho de las bandas y se suman para calcular la integral. Sin embargo, con el uso de la alternativa ms inteligente de factores de peso, la estimacin resultante puede ser ms exacta que la obtenida con el "mtodo de bandas" simple. Como en el mtodo simple de bandas, los mtodos de integracin numrica utilizan datos en puntos discretos. Ya que la informacin tabulada ya se encuentra en esta forma, es naturalmente compatible con muchos mtodos de integracin numrica. Aunque las funciones continuas no estn originalmente en forma discreta, en general una proposicin simple es la de usar la ecuacin dada para generar una tabla de valores. Como se muestra en la figura V.4, esta tabla se emplea en el clculo de la integracin numrica.

V.1.2 Integracin numrica e ingeniera prctica

La integracin de unafuncin tiene tantasaplicaciones en la ingeniera que probablemente al lector se le ensee el clculo integral en el primer ao de la facultad. Pueden darse muchos ejemplos especficos de sus aplicaciones en todos los campos de la ingeniera. Uno de ellos es el uso de la integracin para determinar la media de una funcin continua. En la parte IV se introdujo el concepto de media de npuntosdiscretos [recurdese la Ec. (lV.1)J: Media = L n

.iy;

N 2 1

en donde y son medidas individuales. La determinacin de la media de puntos discretos se muestra en la figura V S a . En contraste, supngase que y es una funcin continua de una variable independiente x, como se muestra en la figura VSb. En este caso, existe un nmero infinito de valores entre a y b. As como se puede aplicar la ecuacin (V.2) para determinar la media de una lecturadiscreta, tambin se puede estar interesado en calcular la media o promedio de una funcin continua y = f (x) en el intervalo de a a b. Se usa la integracin para este propsito, tal como se especifica en la frmula:

420

MTODOS

NUM6RICOS PARA INGENIEROS

FIGURA V.5

Ilustracin de la mediaa) caso discreto,

b) caso

continuo.

Esta frmula tiene cientos de aplicaciones en la ingeniera. Por ejemplo, se usa para calcular el centro de gravedad de objetos irregulares en ingeniera mecnica y civil y para determinar la corriente RMS en ingeniera elctrica. Las integrales las emplean los ingenieros tambin para evaluar la cantidad total o para cuantificar una variable fsica dada. La integral se o un volumen. Por ejemplo, puede evaluar sobre una lnea, una rea la cantidad total de masa de sustancias qumicas que contiene un reactor est dada como el producto de la concentracin de sustancias qumicas y el volumen del reactor, o sea M a s a = concentracin X volumen en donde la concentracin tiene unidades de masa por volumen. Sin embargo, supngase que la concentracin varia de posicin a posicin dentro del reactor. En este caso, es necesario sumar los productos de concentracin local c y sus volmenes elementales correspondientes (AVi):

INTEGRAC16N
n

42 1

Masa =
i= 1

c;AV,

en donde n es el nmero de volmenes discretos. En este caso continuo, en donde c (x,y,z,) es una funcin conocida y x, y y z son variala posicin, en coordenadas bles independientes que denotan cartesianas, la integracin se puede usar para el mismo propsito:
Masa =

Masa =

111 111
V

c(x, y, z)

dx dy dz

c ( V ) dV

a la cual se le conoce como integral de volumen. Ntese la fuerte analoga entre la sumatoria y la integracin.

Se pueden dar ejemplos similares para los otros campos de la ingeniera. Por ejemplo, el promedio total de transferencia de energa a travs de un plano en donde el fluio (en caloras por centmetro cuadrado por segundo) es una funcin de la posicin dada por
Transferencia de calor =

JJ
A

fluio dA

A la cual se le conoce como integral de superficie endonde A = rea.

De manera similar, para el caso unidimensional, el peso total de una varilla con densidad variable est dada por
w =

lo

p(x) dx

en donde w es el peso total (en libras), I es la longitud de la varilla (en pies), p ( x ) es la densidad conocida (en libras por pie cbico) en funcin de la longitud x (en pies) y A es el rea transversal de la varilla (en pies cuadrados). Finalmente, las integrales se usan para la evaluacin de ecuaciones promedio. Supngase que la velocidad de una partcula es una funcin cococida continua del tiempo v (t). La distancia total d recorrida por esta partcula en un tiempo dado t est dada por

d=

v(t) dt

rv.41

Estos son slo algunos ejemplos de las aplicaciones de las integrales que se pueden encontrar regularmente en el desarrollo de la profe-

422

MTODOS

NUMERICOS PARA INGENIEROS

sin. Cuando las funciones a integrar sonsimples, normalmente se integran analticamente. Por ejemplo, en el problema del paracaidista, se determin la velocidad en funcin del tiempo (Ec. (1.8)]. Esta relacin se puede sustituir en la ecuacin (V.4), la cul se integra fcilmente y de esta manera se determina que tan rpido cae el paracaidista enun periodo detiempo t. En este caso, simplemente se evala la integral. Sin embargo, es dificil o imposible cuando la funcin se complica, como es el caso para ejemplos ms comunes. Adems, la funcin en cuestin a menudo se desconoce y se define nicamente con medidas en puntos discretos. En ambos casos,se debe tener la suficiente habilidad como para obtener valores aproximados a las integrales usando mtodos numricos. Algunos de estos mtodos se analizan en esta parte del libro.

v.2 FUNDAMENTOS MATEMTICOS

En la preparatoria o en los primeros aos de la facultad, se ven introducciones al c6lculo integral. Se aprenden tcnicas que obtienen soluciones analticas o soluciones exactasde integrales definidas e indefinidas. En la parte VI se analiza la integracin indefinida, que involucra en primer lugar la determinacin de una funcin cuya derivada est dada. En esta parte del libro se desarrolla la integraci6n definida, que se ocupa de determinar una integral entre un par de lmites especficos, como en

I=

De acuerdo al teorema fundamental del clculo integral, la ecuacin (V.5) se evala como

1."

f ( xd )x

~ 5 1

lab
F(x)

f ( x ) x = F(x)

en donde F (x) es la integral de f (x), esto es, cualquier funcin tal que F' ( x ) = f (x). L a nomenclatura sobre el lado derecho queda

1:

= F(6) - F(a)

[W

Un ejemplo de una integral definida es

I=

r8

(0.2+ 25x - 200x2 + 675x3 - 900x4 + 400x5) dx

[V.7]

En este caso, la funcin es un simple polinomio quese puede integrar analticamente evaluando cada uno delos trminos de acuerdo a la regla

INTEGRACldN
xnt~

423 b

Jab

x" dx = n + l a

en donde n no puede ser igual a - 1 . Aplicando esta regla a cada uno de los trminos en la ecuacin (V.7) se obtiene

I=0.2~ + 12.5~ -~ -x3

3

200

400 + 168.75~ -~1 8 0 + ~ -X' ~

O'*

Io

que se puede evaluar de acuerdo a la ecuacin (V.6) como I = 1.640 533 34. Este valor es igual al rea bajo el polinomio original [Ec. (V.7)] entre x = O y x =0.8.
La integracin anterior depende del conocimiento de la regla expresada por la ecuacin (V.8). Otras funciones permiten reglas diferentes. Todas estas "reglas" son meros ejemplos de antidiferenciacin, esto
CUADRO V. 1 Algunas integrales simples usadas enla parte V. La a y la b en este cuadro son constantes y no se deben confundir con los lmites de integracibn discutidos elen texto.
judv=uv-jvdu

lu"du=-n + 1
ubx dx =
bx

""+l

+c

nf-1
U > O , U f l

U +c b In a

j$=

In 1x1+

j e o x d x = -e U +

Ox

C
1)

j x e a x d x = 7e( u x Ox

+C

424

MTODOS NUMRICOS PARA INGENIEROS

es, encontrando f (x) de tal manera que F ( x ) = f (x). Por consiguiente, la integracin analtica depende del conocimiento previo de la respuesta. Este conocimiento se adquiere por experiencia. Muchas de estas reglas se resumen en manuales y en tablas de integrales. En el cuadro V.l se listan algunas de las integrales ms comnmente usadas. Sin embargo, muchas funciones de importancia prcticason demasiado complicadas para incluirlas en tales tablas. Una razn por la que las tcnicas de esta parte del libro son tan valiosas, es porque proporcionan un medio de evaluarrelaciones tales como la ecuacin (V.7) sin conocimiento de las reglas.

v.3
Antes de continuar con los mtodos numricos de integracin, puede ser de utilidad informacin adicional. Las siguientes secciones estn enfocadas a dar un bosquejo del material analizado en la parte V. Adems, se han formulado algunos objetivos que ayudarn al aprendizaje cuando se estudie este material.

V.3.1

Alcances y avances

La figura V.6 proporciona un panorama de la parteV. En el capitulo 73 se desarrolla el planteamiento ms comn de la integracin numrica: las frmulas de Newton-Cotes. Estas relaciones se basan en el reemplazo de una funcin complicada o de un conjunto de datos en forma tabular a polinomios simples que son fciles de integrar. Se analizan en detalle tres de las frmulas ms ampliamente usadas de Newton-Cotes: la regla trapezoidal,la regla 713 de Simpson y la regla 318 de Sirnpson. Todas estas frmulas estn proyectadas para casos en donde los datos a integrarse estn igualmente espaciados. Adems, se incluye un anlisis de la integracin numrica de datos que no estn igualment espaciados. Este es un tema muy importante ya que muchas aplicaciones del mundorealmaneian datos de esta manera. Todo el material siguiente trata sobre la integracin cerrada, en donde se conocen los puntos finales de los lmites de integracin. A I final del captulo 13, se presentan las frmulas de integracin abiertas, en donde los lmites de integracin se extienden ms all del rango de los datos conocidos. Aunque no se usan comnmente en la integracin definida, se presentan aqu las frmulas de integracin abierta porque se usan extensamente en la solucin de ecuaciones diferenciales ordinarias de la parte VI.

INTEGRACldN

425

FIGURA V.6

Esquema de la organizacin del material de la parte

V: Integracin numrica.

Las formulaciones estudiadas en el captulo 13 se pueden emplear en el anlisis de funciones tabulares y continuas. En el capitulo 14 se analizan dos mtodos diseados expresamente para integrar funciones continuas: integracinde Romberg y cuadratura gaussiana. Tambin se proporcionan algoritmos para estos dos mtodos.

El capitulo 75 demuestra como los mtodos se pueden aplicar a la solucin deproblemas. Como con el resto de las partes del libro, se mencionan casos de todos los campos de la ingeniera.

426

METODOS NUMRICOS

PARA INGENIEROS

Se incluye una seccin de repaso o epilog0 al final de la parte V. Este repaso incluye un anlisis de los elementos de juicio incluidos en la implementacin de los mtodos en la ingeniera prctica. Adems, se resumen las frmulas y conceptos ms importantes relacionados con los mtodos numricos de integracin. Finalmente, se hace un repaso breve de los metodos avanzados y algunas referencias adicionales que facilitarn estudios posteriores sobre integracin numrica. Se proporcionan varias opciones para efectuar el clculo por computadora de clculo. En primer lugar, el paquete de programas NUMERICOMP contiene la regla trapezoidal a usarse sobre una base opcional en las microcomputadoras APPLE II e IBM-PC. Alternativamente, se muestran directamenteen el texto programas en los lenguajes FORTRAN y BASIC de la reglatrapezoidal. Esto le da oportunidad al lector de copiar estos programas e implementarlo sobre una microcomputadora o en una supercomputadora. Se suministran diagramas de fluio para la mayor parte de los otros mtodos descritos enel texto. Estos diagramas de flujo, combinados con los programas escritos por ellectoren cualquierlenguaje, proporcionan programas que pueden aplicarse a un conjunto de problemas de ingeniera.

V.3.2

Metas y objetivos

Objetivos de estudio. Despus de terminar la parte V, el lector debe ser capaz de resolver muchos problemas de integracin numrica y apreciar su aplicacin en la solucin de problemas de ingeniera. Se debe hacer lo posible por dominar varias tcnicas y valorar su confiabilidad. Debe entender los elementos de juicio involucrados en la seleccin del "mejor" mtodo (o mtodos) para cualquier problema en particular. Adems de estos objetivos generales, se deben asimilar y dominar los conceptos especficos listados en el cuadro V.2 Objetivos de cmputo. El lector debe tener un paquete de programas, programas simples para la computadora, algoritmos y diagramas de flujo que implementen las tcnicas analizadas en la parte V. Todas ellas tienen utilidad como herramientas de aprendizaje.

El paquete personal de programas NUMERICOMPes legible al usuario. Emplea la regla trapezoidal para evaluar la integral de funciones tabulares o continuas. Las grficas asociadas con estos programas habilitarn al lector a visualizar fcilmente los problemas y las operaciones matemticas asociadas como el rea entre la curva y eleje x. Este paquete de programas es muy fcil de aplicar en la solucin de problemas prcticos y se puede usar en la prueba de resultados de cualquier programa de computadora que el lector pueda desarrollar por s mismo.

INTEGRACldN

427

CUADRO V.2

Objetivos de estudios especificos de la parte V

l.

Entender la derivacin de las frmulas de Newton-Cotes; saber cmo derivar la Simpson; reconocer regla trapezoidal y cmo derivar los dos casos de la regla de que la regla trapezoidal, la regla 1/3 y la regla 3/8 de Simpson representan las areas baio polinomios de primero, segundo y tercer orden, respectivamente.

2. Conocer las frmulas y las ecuaciones de error para b) La regla trapezoidal de segmentos mltiples. c) La regla 1/3 de Simpson d) La regla 3/8 de Simpson
a) La regla trapezoidal

e) La regla de Simpson de segmentosmltiples. Ser capaz de escoger la "meior" de estas frmulas para cualquier problema en particular.

3. Reconocer que la regla 1/3 de Simpson es exacta hasta cuarto orden aun cuando est basada en slo tres puntos; darse cuenta que todas las frmulas de NewtonCotes de segmentos par y punto impar tienen exactitud similar.

4. Saber cmo evaluar la integral de datos desigualmente espaciados.

5. Reconocer la diferencia entre frmulas de integracin abiertas y cerradas.

6. Entender las bases tericas de la extrapolocin de Richardson y cmo se aplica
al algoritmo de integracin de Romberg.

7. Entender la diferencia fundamental entre las frmulas de Newton-Cotes y la cuadratura gaussiana.

8. Reconocer por qu la integracin de Romberg y la cuadratura gaussiana tienen

utilidad en la integracin de funciones continuas (opuesta a la forma tabular).

Alternativamente, se proporcionan directamente en el texto los programas de la regla trapezoidal en los lenguajes FORTRAN y BASIC. Adems, se proporcionan los algoritmos generales y diagramas de fluio de la mayor parte de los mtodos de la parte V. Esta informacin le permite al lector aumentar la biblioteca de programas de tal 1 1 6 de la re la trapezoidal. Por manera que incluya mtodos ms a ejemplo, sera til, desde un punto de vista pro esional, desarrollar programas que manejen datos que no estn igualmente espaciados. Se pueden desarrollar tambin programas sobre la regla de Simpson, la integracin de Romberg y la cuadratura gaussiana, que, en general, son ms eficientes y exactos que la regla trapezoidal.

CAPTULO T R E C E FRMULAS DE INTEGRACIN DE NEWTON-COTES

Las frmulas de integracin de Newton-Cotesson los esquemas ms comunesdentrodelaintegracinnumrica. Se basanenlaestrategiade reemplazar una funcin complicada o un conjunto de datos tabulares con algunafuncinaproximadaqueseamsfcildeintegrar:
[13.1]

endonde j,(x) es un polinomio de la forma:

fn(x)= aa + al

+ . . . + a,-l xn-l + a,

x"

FIGURA 13.1

Estimacin de una integral mediante el rea baio a) una lnea recta, y parbola.

b) una

430

MTODOS

NUMERICOS PARA INGENIEROS

FIGURA 13.2

Aproximacin de la integral mediante el rea baio tressegmentos de lnea recta.

en donde n es el orden del polinomio. Por ejemplo, en la figura 13.la, se usaunpolinomio de primer orden (una lnea recta) como aproximacin. En la figura 13. lb se emplea una parbola para el mismo propsito. Laintegral se puede aproximar usando una serie de polinomios aplicados por partes a la funcin o a los datos sobre intervalos de longise usan tres segmentos de tud constante. Por ejemplo, en la figura 13.2, lnea recta para aproximar la integral. Se pueden usar polinomiosde mayor grado para este mismo propsito. Con estos fundamentos ahora

FIGURA 13.3

Diferencia entre frmulas de integracin a) cerradas y b) abiertas.

~.~ ..__I___ .

FORMULACldN DE INTEGRACldN DE NEWTON-COTES

43 1

se reconoce que el mtodo de bandas de la figura V.3 emple una serie de polinomios de orden cero (esto es, constantes) para aproximar la integral. Se dispone de las formas abiertay cerrada de las frmulas de NewtonCotes. Lasformas cerradas son aqullas en donde los puntos al principio y al final de los lmites de integracin se conocen (Fig. 13.3~1). Las frmulas abiertas tienen los lmites de integracin extendidos ms all del rango de los datos (Fig. 13.3b). En este sentido, se parecen a la extrapolacin analizada al final del captulo 11. Las frmulasabiertasdeNewtonCotes, engeneral,noseusanen la integracin definida. Sin embargo, se usan extensamente en la solucin de ecuaciones diferenciales ordinarias. En este captulo se hace hincapi en las frmulas cerradas. Sin embargo, el material de las frmulas abiertas de Newton-Cotes se introduce brevemente alfinaldelcaptulo.

13.1 REGLADEL TRAPECIO

La regla del trapecio o regla trapezoidal es la primera de las frmulas cerradas de Newton-Cotes. Corresponde al caso en donde el polinomio de laecuacin (13.1) es deprimerorden.

Recurdese del captulo 11 que una lnea recta se puede representar como (Ec. (11.2)]

[13.2]
El rea bajo la lnea recta es una aproximacin de la integral def (x) entre loslmites a y b:

El resultado de la integracin (vase el recuadro 13.1 para mayores detalles) es

[13.3]

alque se lellamareglatrapezoidal. Geomtricamente, la regla trapezoidal es equivalente a aproximar el rea del trapecio bajo la lnea recta que une a f (a) y f (b) enlafigura 13.4. Recurdesede la geometra de lafrmulaparacalcularelrea

432

INGENIEROS

PARA

MTODOS

NUMERICOS

RECUADRO 13.1

Derivacin de la regla trapezoidal

Antes de integrar, la ecuacin (13.2) se puede expresar como

Este resultado se puede evaluar, obteniendo

Agrupando los dos ltimos trminos se obtiene

f(x) =

f (b) . - f(a) X
b-a

Ahora,considerando

que b2

a2 =

(b - a) (b

a)

Multiplicando y agrupando trminos se obtiene

que es la fGrmula de la regla trapezoidal que se puede integrar entre x = a y x = b y obtener

- f (a)x* r = f (b) -2+ b-a

b f b ) - af (b)x
b-a

de un trapecio es la altura por el promedio de las bases (Fig. 13.5~). En este caso, el concepto es el mismo pero el trapecio se encuentra sobre uno de sus lados (Fig. 13.56). Por lo tanto, la aproximacin a la integral se puede representar como
I =ancho promedio X altura

[13.4]

FIGURA 13.4

Esquema grfico de la regla trapezoidal.

~~~

_ l _ l

FoRMlJLACl6N DE lNTEGKACl6N DE NEWTON-COTES

433

FIGURA 13.5

a) Frmula para calcular el area de un trapecio: altura por el promedio de las bases. b) En la regla trapezoidal, el concepto es el mismo slo que el trapecio est sobre uno de sus lados.

I = (b - a) x altura promedio

[13.5]

en donde, para la regla trapezoidal, la altura media es el promedio de los valores de la funcin en 10s puntos de los extremos, es decir (a) +f (W2. Todas las frmulas cerradas de Newton-Cotes se pueden expresar en el formato general de la ecuacin (13.5). De hecho, solo difieren con respecto a la formulacin de la altura media.

13. l. 1

Error en laregla trapezoidal

Cuando se emplea la integral bajo un segmento delnea recta para aproximar la integral bajo una curva, obviamente que sejncurre en un error que puede ser sustancial (Fig. 13.6)Una estimacin del error de truncamiento de una sola aplicacin de la regla trapezoidal es (recuadro 13.2)

[13.6]

en donde E es un punto cualquiera dentro del intervalo de a a b. La ecuacin (13.6) indica que si la funcin que se est integrando es lineal, la

434

METODOS NUMERICOS PARA INGENIEROS

FIGURA 13.6

Esquema grfico al usar slo una aplicacin de la regla trapezoidal a r a aproximar la iqtegral de f(x) = 0.2 25 x - 200 x2 675 x 900 x4 400 x desde x = O hasta 08.

Y-

regla trapezoidal ser% exacta. De otra manera, ocurrir6 un error para funciones con derivadas de segundoy tercer orden (estoes, con curvatura).

RECUADRO 13.2 Obtencin y estimacion de error de lareglatrapezoidalbasada polinomio de interpolacin hacia adelante de Newton-Gregory.
Una forma para obtener la regla trapezoidal es integrando elpolinomiodeinterpolacinhaciaadelantedeNewtonGregory. Recurdese que para laversindeprimer ordencontrminode error, laintegralsera(recuadro 11.2)

en la integracin del

a O y 1, respectivamente. Por l o tanto, la ecuacin (813.2.1) se puede expresar como

1= b

lo1 [f

(a) + Af (a) a

para simplificar
a = (x - a ) /

el analisis, tomandoen

h,

[,B13.2.11 Se supone que para h pequea, el trmino f ([) es que aproximadamente constante, la ecuacin se puede integrar:

dx = h da Debido a que h = b - a (para la regla trapezoidal de un segmento), los lmitesdeintegracin. a y b. corresponden

y evaluarse como

FORMULAC16N DE lNTEGRACl6N DE NEWTON-COTES

435

1 = h f(a) + - - , , f ( 8 h 3

*Y)]

Debido a que A f (u) = f (b)-f (u),el resultado se puede escribir como

Regla trapezoidal Error de truncamiento

o tanto, el primer trmino es el de la regla trapezoiPor l dal y el segundo es unaestimacindel error.

EJEMPLO 13.1
Aplicacin de la regla trapezoidal simple

Enunciado del problema: utilcese la ecuacin (13.3) para integrar numricamente f(x) = 0.2

+2

5~ 2 0 0 ~ + 6 7 5 ~~ 9 0 0+ ~4 ~00~~

desde a = O hasta b = 0.8. Recurdese de la seccin V.2 que el valor exacto de la integral se puededeterminaranalticamente como 1.640 533 34. Soluci6n: los valores de lafuncin

f ( 0 ) = 0.2
f(0.8) = 0.232
se pueden sustituirenla I = 0.8 ecuacin (13.3) y obtener

0.2

+ 0.232 = 0.1 728

2
-

que representa un error de

E, = 1.640 533 34

0.1 728

1.467 733 34

que corresponde a un error relativo porcentual de E , = 89.5 % . La razn para este error tan grande es evidente en la grfica de la figura 13.6. Ntese que el rea bajo la lnea recta descuida una porcin significativa de la integral sobre la lnea. En la situacin actual, no se tendra conocimiento previo del valor verdadero. Por lo tanto, se requiere una aproximacin al error. Para obtener esta aproximacin, se calcula la segunda derivada dela funcin sobre el intervalo, derivando lafuncinoriginaldos veces para dar

f (X)

-400

4 050~ - 10 8 0 0 ~ + 8 OOOx3

elvalor promedio de la segunda derivada puede ser calculada usando la ecuacin V . 3

436

MTODOS

NUMRICOS

PARA INGENIEROS

4050~ - 1 0 8002 + 8 OOOx9dx - -60 0.8 - O que se puede sustituirenla ecuacin (13.6) y obtener

f,=

(-400

E,

1 -= (-60)(0.8)3 = 2.56
1L

que es del mismo orden de magnitud y signo que tiene el error verdadero. Existe una discrepancia debido a que en un intervalo de este tamao, el promedio de la segunda derivada no es necesariamente una aproximacin exacta de f (E). Por lo tanto, se denota que elerroresaproximado usando la notacin E,, envez deusar E,.

13.1.2

La regla del trapecio

usando segmentos multiples

Una manera de mejorarla exactitud de la regla trapezoidales la de dividir el intervalo de integracin de a a b en un conjunto de segmentos y aplicar el mtodo a cada unode los segmentos (Fig. 13.7). En seguida se suman las reas de los segmentos individuales y se obtiene la integral sobre el intervalo completo. A las ecuaciones resultantes se les conoce como frmulas de integracin de segmento mltiple o frmulas de integracin compuestas. En la figura 13.8 se muestra el formato generaly la nomenclatura que se usar en la caracterizacin de integrales de segmentos mltiples. Hay n + 1 puntos base igualmente espaciados (xo,xl, x2,. . . , x,), Por consiguiente, hay n segmentos de igual anchura:
h = -b - a n
[13.7]

Si a y b se igualan a x. y a x,, respectivamente, la integral total se representa como

= l:f(x)dx

+ [f(x)dx +

Sustituyendo la regla trapezoidal para cada una de las integrales, se obtiene

[13.8] o, agrupandotrminos [13.9]

FORMULACIN DE INTEGRACIN DE NEWTON-COTES

437

FIGURA 13.7

Ilustracin de la regla trapezoidal mltiple o) dos segmentos; mentos: c) cuatro segmentos y d) cinco segmentos.

b) tres seg-

~~~

-.

438

METODOS NUM~RICOS PARA INGENIEROS

-

FIGURA 13.8

Formato general de l a nomenclatura para integralesde

segmentos mltiples.

o, usando la ecuacin (13.7)para expresar la ecuacin (13.9)en la forma genera de la ecuacin (13.5),se obtiene

+<

[13.10]
Altura promedio

Ancho

Ya que la sumatoria de los coeficientes de f (x) en el numerador dividido por 2 n es igual a 1, la altura promedio representa un promedio pesado de los valores de la funcin. De acuerdo a la ecuacin (13.lo),las alturas de los puntos interiores aparecen doblemente respecto a los puntos finales f (xg) y f (x,,).

FORMULAC16N DE INTEGRAC16N DE NEWTON-COTES

439

El error en la regla trapezoidal mltiple se obtiene sumando los erroresindividualesde cada uno de los segmentos, dando
[13.11]

en donde f (ti) es la segunda derivada de la funcin evaluada en el punto tilocalizado dentro del segmento . Este resultado se simplifica calculando la media o el valor promedio de la segunda derivada sobre el intervalo completo [Ec. (V.2)]:
n
J

[13.12]

Por lo tanto, C f

(ti) =

n f y la ecuacin (13.11) se reescribe como

[13.13]

De manera que, si el nmero de segmentos se duplica, el error de truncamientodisminuyea un cuarto de suvalor.Ntesequelaecuacin (13.13) es un error aproximado debido a la naturaleza aproximada de la ecuacin (13.12).

EJEMPLO 13.2
Regla trapezoidal de segmentos mltiples

Enunciado del problema: utilcese la regla trapezoidal de dos segmentos para calcular laintegralde

!(x) = 0.2

+ 25x - 200x2 + 675x3 - 900x4 + 400x5

desde a = O hasta b = 0.8. Emplese la ecuacin (13.13) para calcular el error. Recurdese de la seccin V.2 que el valor correcto de la integral es 1.640 533 34. Solucin: n
=

2 (h = 0.4):

f(0) = 0.2
f(0.4) = 2.456

f(0.8) = 0.232
I = 0.8

0.2

+ Z(2.456) + 0.232
4

1.068 8

440

METODOS
~

NUMERICOS PARA INGENIEROS

E,

1.640 533 34
-

1.068 8

0.571 73

E, =

34.9%

E, =
I

12(2)2

(-60)

0.64

en donde -60 es el promedio de la segunda derivada determinada previamente enel ejemplo 13.1.
~ ~ ~ ~~~ ~~ ~~ ~~

.~

En el cuadro 13.1 se resumen los resultados delejemplo anterior junto con la aplicacin de la regla trapezoidal usando desde tres hasta diez segmentos. Nteseque el error disminuye a medidaqueelnmero de segmentos crece. Sin embargo, tambin se nota que el promedio de disminucin es gradual. Esto se debe que el error es inversamente proporcional al cuadrado de n [Ec. (13.13)]Por lo tanto, si se duplica el nmero de segmentos el error disminuye a un cuarto de su valor. En secciones posteriores se desarrollan frmulas de orden superior que son ms exactas y que convergen ms rpidamente a la integral real a medida que el nmerode segmentos crece. Sin embargo, antes de investigar estas frmulas, primero se analiza un programadecomputadoraqueimplemente lareglatrapezoidal.

13.1.3 Programa de computadora sobre lareglatrapezoidal segmentosmltiples

de

Enlafigura 13.9 se muestra un pequeo programa que implementa la regla trapezoidal. Este programa tiene algunos inconvenientes. Primero, est limitado a que los datos estn en forma tabular. Un programa general debe tener la capacidad de evaluar tambin funciones conocidas. Adems, el programa no es legibleal usuario, est diseado estrictamente para
CUA,DRO 13.1
Resultadode la regla trapezoidalde segmentos mltiples para calcular la integral de

f(x) 0.2 + 2 5 ~2 0 0 + ~6 ~7 5 ~9~0 0 ~ ~ + 400x5de x O hasta 0.8. el valor exacto es 1.640 533 34
n

h
0.4 0.266 7 0.2 0.16 0.133 3 0.1 14 3 o. 1 0.088 9 0.08

I
1.O68 5 1.369 1.484 8 1.539 9 1.570 3 1.588 7 1.600 8 1.609 1 1.615 O

t, 9 0

2 3 4 5 6 7 8 9 10

34.9 16.5 9.5 6.1 4.3 3.2 2.4 1.9 1.6

FORMULACldN DE INTEGRACldN DE NEWTON-COTES

44 1

FORTRAN
DIMENSION F ( 2 0 ) , Y < 2 0 5 WEAL I N COMMON N ,A, B READ< 5 , 1 >N FORMUT<I 5 5 t.II=N-l READ<5,2)A,B FORMUTC 2F1 O . O j H=( B-A >/HI DO 170 I = l , N READ( 5,3 ) Y ( I j FURMAT<FIO.O> CONTINUE CALL TRAP<Y , IN 1 URITE<6,4>IW FORMAT<' ',F10,3> STOP END

BASIC
DIM F (.2lS.l, Y(21)) I NPIJT N N I r N - 1 INPUT A , B H = (B - A ) / N I FOR I = 1 T O N L'NPIJT Y ( I j NEXT I

= nmerodepuntos NI = nmerodesegmentos A , Bintegracibn = lmites de H = anchodelsegmento

3 170

GOSUB 1 O00 PRINT IN END

Y = valor de la variable dependiente

SUBROUTINE TRAP<Y, I N ) DIMENSION Y < 2 0 Z HEAL I N COMMON N,FI,E NIXN-1 SU=Y<1 > DO 1 0 3 0 I r 2 , N I SlI=SU+2*YC I > 1030 CONTINUE HT=<SU+Y( N ) > / ( 2*NI Z I N = < B-A M H T RETURN END

(Subrutina para calcular la regla trapezoidal)

FIGURA 13.9

Programa de la regla trapezoidal con segmentos mltiples para datos tabulados.

imprimir Gnicamentela respuesta. En el problema 13.21 se enfrenta la tarea de facilitar el uso y la comprensin de este programa. Tambin se tiene la oportunidad de modificar el programa de tal manera que sea capaz de evaluar la integral de funciones conocidas. El paquete suplementario de programas NUMERICOMP que acompaa a este texto incluye un ejemplo de un programa legible al usuario implementando la regla trapezoidal. Este paquete evala las integrales de datos tabulares o de funciones definidas por el usuario. En el siguiente ejemplo se demuestra su utilidad en la evaluacin de integrales. Tambin proporciona una buena referencia'para valorar y probar los programas del usuario.

EJEMPLO 13.3
Evaluacin de integrales con la computadora

Enunciado del problema: el paquete de programas NUMERICOMP asociado con este texto contiene un programa para computadora implemen-

442

METODOS NUMERICOS PARA INGENIEROS

tando lareglatrapezoidaldesegmentosmltiples. Estos programas se pueden usar para resolver un problema asociado con el problema delparacaidista. Como se recordar6 del ejemplo l.l , la velocidad del paracaidista est6 dada como la siguiente funcin del tiempo:

[E13.3.1]
en donde u es la velocidad en centmetros porsegundo, g es la constante de aceleracin gravitacional igual a 980 cm/s2, m es la masa del paracaidista igual a 68 100 g, y e es el coeficiente de friccin igual a 12 500 g / s . El modelo predice la velocidad del paracaidista en funcin deltiempo como se describe en el ejemplo 1.1. Una grfica de la variacin de la velocidad se desarrollaenel ejemplo 2.1. Supngase que se desea conocer la distancia que ha recorrido el paracaidista despus de cierto tiempo T.La distancia est dada por[ c(V.4)] .
d=
v ( t ) dt

endonde

(E.13.3.1) y haciendo T

d es la distancia en centmetros.Sustituyendo la ecuacin

=

10

S,

FIGURA 13.1O

Pantallas de la computadora que muestran a) entrada de los parmetros de integracin y los resultados de la integracin y b) grfica de la integral como el rea baio la funcin y el eje x .

COTES FORMULAC16N DE DE INTEGRAC16N

443

Realizando la integracin y sustituyendo los valores conocidos resulta

d = 28 943.5147 cm
Este resultado exacto se puede usar en el anlisis de eficiencia de la regla trapezoidal de segmentos mltiples. En la figura 10.130se muestra la pantalla de la computadora que pide los lmites superior e inferior de integracin y el tamao de paso. Despus de que los clculos se terminan, se imprime la integral como 28 874.91. La integral es equivalente al rea bajo u (t) y el eje t , como se muestra en la figura 13.10b. Una observacin confirma que la integral es el ancho del intervalo (10,) por la altura promedio (alrededor de 2 900 cm/s). Se pueden probar fcilmente otros conjuntos de segmentos repitiendo los clculos. Los resultados indicancomo la distancia de cada del paracaidista se aproxima al valor exacto a medida que el tamao del segmento decrece:
Segmentos Tamao Estimado del segmento

d, cm

E"%
0.237 0.059 3 9.49 x 10-3 2.37 x 10-3 5.93 x 10-4 9.52 x 10-5 2.44 x 4.65 x -3.63 x -4.32 x

0.05

10 20 50 1 O0 200 500 1 O00 2 O00 5 O00 10 O00

1 .o 0.5 0.2 o.1

0.02 943.507 280.01 0.005 0.002 0.001

874.914 6 926.357 4 940.769 2 942.828 2 943.343 1 943.487 1 6 943.513 28 3 943.515 28 7 2 1 3 943.5159

28 28 28 28 28 28

Por lo tanto, con la reglatrapezoidalmltiple se obtiene una exactitud excelente. Sin embargo, ntese cmo el error cambia el signo y empieza a crecer envalorabsolutomsalldel caso de 5 O00 segmentos. Esto se debe a la intrusin de errores de redondeo debido al gran nmero de clculos para esta cantidadde segmentos. Por lo tanto, el nivel de precisin est limitado,y jams se alcanza el resultadoexacto de 28 943.514 7 obtenido analticamente. Esta limitacin se analiza de manera detallada enel capitulo 14.

13.2 REGLA DE SIMPSON

Adems de aplicar la regla trapezoidal con segmentos cada vezms finos, otra manera de obtener una estimacin ms exacta de una integral, es la de usar polinomios de orden superior para conectar los puntos. Por ejemplo, si hay un punto medio extra entref (a) y f (b), entonces se pue-

AA4

INGENIEROS MTODOS

NUMRICOS

PARA

den conectar los tres puntos con una parbola (Fig. 13.1 l a ) . Si hay dos puntos igualmente espaciados entref (a) y f (b), entonces los cuatro puntos se pueden conectar con un polinomio de tercer orden (Fig. 13. l l b ) . A las frmulas resultantes de calcular la integral bajo estos polinomios se lesllama reglasde Simpson.

13.2.1

Regla de Simpson de 113 un polinomio

LaregladeSimpson de 1/3 resultacuandosesustituye de segundo orden enla ecuacin (13.1):

f(x) dx =
b

f&) dx

Si a y b se denomina como x . y x2,y f2 (x)se representa mediante un polinomio de Lagrange de segundo orden [Ec. (11.22)1,entonces la integral es:
(x - x&. - x2) (x - XONX - x2) foco) + f (x11 (x1 - xo)(x1 - x2) (x0 - XI) (x0 - X d

Despus de integrar y de reordenar trminos, resulta la siguiente ecuacin:

FIGURA 13.1 1

a) representacingrficadelareglade Sirnpson de 1/3: consiste en tornar el rea baio una parabola que una los puntos. b) representacin grfica de la regla de Sirnpson de 3/8:consiste en tomar el rea baio una 4 puntos. ecuacin cbica que conecta

iORMULACl6N DE lNTEGRACl6N D E NEWTON-COTES

445

[ 13.141

donde, en este caso, h = (b - a ) / 2 . Esta ecuacin se conoce como regla de Simpson de 113. Esta es la segunda frmula de integracin de Newton-Cotes. La etiqueta 1/3 viene de que h se divide por 3 en la ecuacin (13.14).En el recuadro 13.3 se muestra una derivacin alternativa en donde seintegra el polinomio de Newton-Gregory y se obtiene la misma frmula. La regla de Simpson de 1/3 se puede expresar usando el formato : de la ecuacin (13.5)

+\
Ancho

Altura promedio

[13.15]

en donde a = xo, b = xp, y x 1 es el punto medio entre a y b , dado por (b + a ) / 2 . Ntese que de acuerdo ala ecuacin (13.15), el punto medio se pesa con dos tercios y los dos puntos extremos con 1 sexto. Se puede demostrar que una simple aplicacin de la regla de Simpson de 1/3 tiene un error de truncamiento de (recuadro 13.3):

RECUADRO 13.3 Obtencin y estimacin del errorde interpolacin hacia adelante de Newton-Gregory.

la reglade

Simpson basado en el polinomio de

Como se hizo en el recuadro 13.2 para la regla trapezoi- mo se esperara que fuese. La razn de esto es que apadal, la regla de Simpson de 1/3 se puede derivar integran- rentemente ser corto. Ntese tambin que 10s lmites de do el polinomio de interpolacin hacia adelante de integracin van desde x, hasta xp. Por lotanto, cuando se hacen las simplificaciones y la sustitucin (recurdese Newton-Gregory. el recuadro 13.2), la integral va desde a= O hasta 2: I = [ ~ ( x o+ ) Af(x0) a + A2f(xo) (a - 1)

I
X0

I=h

+-A3f6(xo)a (a - l ) ( a

loz [f ( x o ) +

Af(x0) a

AZf (x01 +a (a - 1) 2

2)

+-A3f(x0) a (a - l ) ( a - 2) 6
Ntese que se ha escrito el polinomio hasta trminos de cuarto orden en vez de hasta trminos de tercer orden co-

+-f4(n a (a - l ) ( a - 2)(a - 3 ) h 4
24

da

446

INGENIEROS MTODOS

NUMRICOS PARA

que se puede integrar para obtener

Ntese el resultado significativo de que e l coeficiente de la tercera diferencia dividida es cero. Debido a que A (xo) = f (x1) - f (x01 Y de que A 2 f (x,) = (XP)- 2 f (x1 + f (xo), la ecuacin (B13.3.1) se puede reescribir como
--f'4'(i3

1 90

h5

-- - +

; ;

11a3 - - j [ 4 ) ( # 72
8

h4

1'
0

Regla de Simmon de 1/3

"

Error de truncamiento

y evaluarse en los lmites para dar

A2f(xo) 2 j ( ~ 0+ ) 2Aj (a)+ 3

Por IO tanto, el primer trmino es la regla de Simpson de 1/3 y el segundo es el error de truncamiento. Debido a que la tercera diferencia dividida se anula, se obtiene el resultado significativode que la frmula tiene exactitud de tercer orden.

+ ( 0 ) A 3 j ( ~-)

90f'4)(#

h4

[B13.3.1]

o, ya que h = (b - a)/2:

[13.16]

en donde cae en algn lugar dentro del intervalo de a a b. Por lo tanto, la regla de Simpson de 1/3 es ms exacta que la regla trapezoidal. Sin embargo, la comparacin con la ecuacin (13.6) indica que es mucho ms exacta de lo que se esperaba.En vez de ser proporcional a la tercera derivada, el error es proporcional a la cuartaderivada. Esto se debe a que, como se mostr en el recuadro 13.3, los coeficientes del trmino de tercer orden se anulan durante la integracin del polinomio de interpolacin. En consecuencia, la regla de Simpson de 1/3 es exacta hasta tercer orden aunque est basada nicamente en tres puntos.

EJEMPLO 13.4
Aplicacin de la regia Simpson de 1/3 simple. Enunciado del problema: utilcesela ecuacin (13.15)para integrar
f(x) = 0.2

+2

5~2 0 0 + ~6 ~7 5~9 ~0 0 + ~4 ~0 0 ~ ~
=

desde a = O hasta b 1.640 533 34.

0.8. Recurdeseque

la integral exacta es

FORMULAC16N DE lNTEGRACl6N DE NEWTON-COTES

447

Solucin:

f(0) = 0.2
0.2

f(0.4)

2.456

f(0.8) = 0.232
466 67

Por lo tanto, la ecuacin (13.15) se puede usar para calcular

1 = 0.8

+ 4(2.456) + 0.232 =
6
1.367 466 67

que representa un error exacto de

E,
=

1.640 533 34

0.273 066 66

tu

16.6%

que es aproximadamente cinco veces ms exacto que el de una aplicacin de la regla trapezoidal (Ej. 13.1). E l error estimado es [Ec. (13.16)]

400) = 0.273 066 67 2 880 en donde -2 400 es el promedio de la cuarta derivada en el intervalo obtenido usando la ecuacin (V.3).Como fue el caso del ejemplo 13.1, el error es aproximado (E,)porque el promedio de la cuarta derivada no es una estimacin exacta de f4 ( E ) . No obstante, ya que en este caso se trata con polinomios de quinto orden, la discrepancia no es mayor y los errores exacto y aproximado son casi idnticos.

E, =

- (03)5(-2

13.2.2

Regla de Simpson de 1/3 de segmentos mltiples

As como con la regla trapezoidal, la regla de Simpson se puede mejorar dividiendo el intervalo de integracin en segmentosde igual anchura (Fig.

13.12) :

h = -b - a n
La integral total se representa como

[13.17]

Sustituyendo la regla de Simpson en cada una de las integrales individuales se obtiene

1 = 2h f k o ) + 4fkd + f(x2)
+

2h

f(X2)

+ 4f(x3) + f(X4)

+ * . . + 2h f(X,-z)

f 4f(Xn-1)

f(X,)

448

MTODOS

NUMRICOS

PARA INGENIEROS

FIGURA 13.1 2

Representacin grfica del uso de segmentos mltiples sobre la regla de Simpson de 3/8.Ntese que el mtodo slo se puede emplear si el nmero de segmentos es par.

o , reordenandolostrminos

y usando la ecuacin (13.17), se obtiene

+\

Ancho

Altura promedio

Ntese que, como se ilustra en la figura 13.12, se debe usar un nmero par de segmentos para implementar este mtodo. Un error estimado por la regla de Simpson de segmentos mltiples se obtiene de la misma manera que lo hace la regla trapezoidal, sumando los errores individuales de cada uno de los segmentos y promediando la derivada para obtener
[ 13.191

en donde

f(4J es el promedio de la cuartaderivada

Simpson de

enel intervalo

Aplicacin de la regla de

EJEMPLO 13.5

1/3 de segmentos mltiples

=

Enunciado del problema:utilcese la ecuacin (13.18) con n calcular laintegral de:

4 para

FORMULACldN DE INTEGRACION DE NEWTON-COTES

449

f ( x ) = 0.2

+2

5~2 0 0 + ~6 ~7 5 ~9 ~0 0 + ~4 ~0 0 ~ ~
=

desde a = O hasta b 1.640 533 34. Solucin: n = 4 (h

=

0.8. Recurdese que la integral

exacta es

f ( 0 ) = 0.2 f,(0.8) = 0.232

0.2): fi(0.2) = 1.288

=

fi(0.4) =-2.456 t(0.6)

de la ecuacin (13.18) 1 = 0.8
=

3.464

0.2

+ 4(1.288 + 3.464) + 2(2.456) + 0.232

12 1.623466 67 0.017 066 67 e, 1.04%

1.623 466 67
=

E,

1.64053334

El errorestimado [Ec. (13.19)J es

E, =

(O 8)5 A (-2400) = 0.017 066 67

180(4)4

El ejemplo previo muestra que la versin de segmentos mltiples de la regla de Simpson de 1/3 proporciona resultadosmuy exactos. Por esta razn, se considera superior a la regla trapezoidal en la mayor parte de las aplicaciones. Sin embargo, como se dijo previamente, est& limitada a los casos en que se cuenta con un nmero par de segmentos y un nmero impar de puntos. Por consiguiente, como se examina en la siguiente seccin, se usa la regla de segmentos impares puntos pares, conocida como regla de Simpson de 3/8, en conjuncin con lareglade 1/3 para permitir la evaluacin de cualquier nmero de segmentos, pares o impares.

13.2.3

Regla de Simpson de

3/8

De manera similar a la derivacin de la regla trapezoidal y a la regla de Simpson de 1/3, se pueden ajustar polinomios de Lagrange de tercer orden a cuatro puntos e integrar;

para obtener

450

MTODOS

NUMRICOS PARA INGENIEROS

en donde h = (b - a ) / 3 . A esta ecuacipn se le llama regla de Simpson de 318 porque h es un mltiplo de 3/8. Esta es la tercera regla cerrada de integracin de Newton-Cotes. La regla de Simpson de 3/8 se puede expresar en la forma de la ecuacin (13.5):

" Ancho

[13.20]

Altura promedio

Por lo tanto, a los dos puntos interiores se les dan pesos de tres octavos, mientras que a los puntos extremos se les da un peso de un octavo. La regla de Simpson de 3/8 tiene un error de

E,, =

"

3 h5j'"'(d 80

FIGURA 13.13

Ilustracin de cmo las reglas de Simpson de 1/3 y de 3 / 8 se pueden aplicar a la vez para manejar segmentos mltiples con nmeros pares de intervalos.

FORMULACldN DE INTEGRAC16N DE NEWTON-COTES

45 1

o , ya que h = (b - a)/3:
[13.21]

Por lo tanto, la regla 3/8 es algo ms exacta que la regla de 1/3 [ecuacin (13.16)]. La regla de Simpsonde 1/3 es, en general, el mtodo de preferencia ya que alcanza exactitud de tercer orden con tres puntos en vez de los cuatro puntos necesarios para laversinde 3/8. No obstante, laregla de 3/8 tiene utilidad en las aplicaciones de segmentos mltiples cuando el nmero de segmentos es impar. Obsrvese que en el ejemplo 13.5 se usala regla de Simpson para integrar la funcin de cuatro segmentos. Supngase que se desea unaestimacinparacinco segmentos. Una opcin sera usar una aplicacin de segmentos mltiples de la regla trapezoidal como se hizo en el ejemplo 13.3. Sin embargo esto noes aconsejable, debido al error grande de truncamiento asociado con este mtodo. Una alternativa sera la de aplicar la regla de Simpson de 1/3 a los primeros dos segmentos y la regla de Simpson de 3/8 a los ltimos tres (Fig. 13.13). De esta manera, se obtendra una estimacin con exactitud de tercer orden a travs del intervalo completo.

EJEMPLO 13.6

Regla de Simpson de

3/8

Enunciado del problema:

a)

Utilceselaregla
f(x') = 0.2

de Simpson de 3/8 paraintegrar

+ 25x - 200x2 + 675x3 - 900x4 + WOx5

desde a = O hasta b = 0.8. b) Utilcese en conjuncin con la regla de Simpson de 1/3 para integrar la misma funcin usando cinco segmentos.
a) Una

Solucin: aplicacin simple de la regla de Simoson de 3/8 requiere de cuatro puntos igualmente espaciados: f(0) = 0.2 f(0.266 7) f(0.533 3)
= =

1.432 724 28 3.487 176 96

f(0.8) = 0.232

452

MTODOS

NUMRICOS

PARA INGENIEROS

Usando la ecuacin (13.20),

0.8

0.2

3(1.432 724 28
8
-

+ 3.487 176 96) +

=

0.232

1.519 170 37 1.519170 37

=

E,

1.640 533 34
6 480

0.121 362 97

E,

7.4%

E, =

-(0'8)5 (-2 400)

0.121 362 96
=

b) Los datos necesarios para la aplicacin de cinco segmentos (h

O.16) son

f ( 0 ) = 0.2

f(0.16) = 1.296 919 04 f(0.48) = 3.186 014 72

f(0.80) = 0.232

f(0.32) = 1.743 393 28

f(0.64) = 3.181 928 96

La integral de los primeros dos segmentos se obtiene usando la regla de Simpsonde 1/3:

0.32

0.2 + 4(1.296 919 04)+1.743 393 28 = o.38o 323 7o 6

Para los ltimos tres segmentos, se usa la regla de Simpson de 3/8 para obtener

1 = 0.48
=

1.743 393 28

+ 3(3.186 014 72 + 3.181 928 96) + 0.232

8

1.264 753 46

La integral total se calcula sumando los dos resultados:

I
E,
=

0.380 323 70 + 1.264 753 46 = 1.645 077 16 1.640 533 34 - 1.645 077 16 = -0.004 543 83 E, = -0.28%
=

13.2.4

Algoritmo para computadora de la regla de Simpson

En la figura 13.14 se esboza un diagrama de flujo para la regla de Simpson. Ntese que el programa est elaborado de tal forma que se pueda usar un nmero par e impar de segmentos. En el primer caso se aplica la regla de Simpson de 1/3 a cada par de segmentos y los resultados se sumanpara obtener elvalorfinal de la integral. En el segundo caso, se aplica la regla de Simpson de 3/8 a los ltimostres segmentos y la regla de 1/3 se aplica a todos los segmentos previos.

FIGURA 13.14

Diagrama de fluio de una versin de segmentos mltiples de la regla de Simpson.

454

METODOS NUMERICOS

PARA INGENIEROS

6 ' 6 - 3
I I I

FORMULACION DE INTEGRACldN DE NEWTON-COTES

455

13.2.5 Frmulas cerradas de Newton-Cotes de orden superior

Como se dijo previamente, la regla trapezoidaly la regla de Simpson son miembros de una familia de ecuaciones de integracin conocidas como frmulas cerradas de integracin de Newton-Cotes. En el cuadro 13.2 se encuentran resumidas algunas de estas frmulas, junto con las estimaciones de su error de truncamiento. Ntese que, aligualenel caso de las reglas de Simpson de 1/3 y 3/8, las frmulas de cinco y seis puntos tienen el mismo orden de error. Esta caracterstica general se cumple para las frmulas con m6s puntos y trae como consecuencia de que las frmulas de segmentos pares punto impares (por ejemplo la regla de 1/3 y la regla de Boole) sean, en general, los mtodos de preferencia. Sin embargo, se debe tomar en cuenta que en la ingeniera prsctica, las frmulas de orden superior (esto es, mayores de cuatro puntos) rara vez se usan. Las reglas de Simpson son suficientes en la mayor parte de las aplicaciones. Se puede mejorar la exactitud usando una versin de segmentos mltiples en vez de optar por las frmulas de mds puhtos. Adem&, cuando la funcin se conoce y se requiere de exactitud muy alta, los mtodos de integracin de Rombergo cuadratura gaussiana,analizadosenelcaptulo 14, ofrecen alternativasviables y atractivas.

13.3 INTEGRACINUSANDOINTERVALOSDESIGUALES
Hasta el momento, las frmulas de integracin numrica se han basado en puntos igualmente espaciados. En la pr6ctica, existen muchos casos en donde esta suposicin no se cumple y se debe tratar con diferentestamaos de segmentos. Por ejemplo, los datos derivadosexperimentalmente, a menudo, son de este tipo. En estos casos, un mtodo es aplicarla regla trapezoidal a cada uno de los segmentos y sumar los resultados:

[13.22]

en donde hies el ancho del segmento i . Ntese que este fue el mismo planteamiento usado en la regla trapezoidal de segmentos mltiples. La nicadiferenciaentrelasecuaCiones (13.8) y (13.22) es quelas h de la primera son constantes. Por consiguiente, la ecuacin (13.8) se puede simplificar y llevarala ecuacin (13.9). Aunque esta simplificacin no se puede aplicar a la ecuacin (13.22), se puede desarrollar con facilidad un programa de computadora que acomode los segmentos de tamao desigual. Antes de describir tal programa, se ilustra en el siguiente ejemplo como se aplica la ecuacin (13.22) en la evaluacin de una integral.

456

MTODOS

NUMRICOS

PARA INGENIEROS

EJEMPLO 13.7
Regla trapezoidal con puntos que noestn igualmente espaciados

Enunciado del problema: la informacin del cuadro 13.3 se gener usando el mismo polinomio empleado en el ejemplo 13. l . Utilcese la ecuacin (13.22) para determinarla integral de estos datos.Recurdese que la respuesta correcta es 1.640 533 34. Solucin: aplicando la ecuacin (13.22) a los datos del cuadro 13.3 se obtiene

I = 0.12

1.309 729 28
2

+ 0.2

o,1o 1.305 241 28 + 1.309729 28

2

0.232 +*.-+0.1
= =

+ 2.363
2 0.130 748 53

0.090 583 76
1.564 800 98

. . .

0.129 75
4.6 % .

querepresenta un errorrelativoporcentualabsolutode
-

E, =

CUADRO 13.3 Datos de f(x) 0.2 + 25x-200x2 + 675x3-900x4 + 400x5con valores dex desigualmente espaciados

0.0 0.200000 O0 0.442.842894 96 0.121.309729280.543.50729696 0.22 1.305 241 28 0.64 3.181 928 96 0.321.743393280.702.363 O00 O0 0.36 2.07490304 0.80 0.232O00 O0 0.40 2.456 O00 O0

Los datos del ejemplo 13.7 se muestranenlafigura 13.15. Ntese que algunos segmentos adyacentes son de igual ancho y, por consiguiente, podran haber sido evaluados usando reglas de Simpson. En general, esto lleva a resultados m6s exactos, como se ilustra en el ejemplo siguiente.
Programa de computadora para datos que no estn igualmente espaciados. Es muy simple programar la ecuacin (13.22). Sin embargo, como se demuestra en el ejemplo 13.8, la aproximacin se acrecenta si se implementan las reglas de Simpson hasta donde sea posible. Por esta razn, se ha desarrollado un algoritmoqueincorpora esta opcin.

FORMULACldN DE lNTEGRACl6N DE NEWTON-COTES

457

FIGURA 13.15

Uso de la regla trapezoidal para determinar la integral de datos espaciados irregularmente. Ntese cmo se pueden evaluar los segmentos sombreados con las reglas de Simpson para obtener mayor exactitud.

EJEMPLO 13.8
Inclusin de la regla de Simpson en la evaluacin de datos impares

Enunciado del problema: calclese nuevamente la integral de los datos del cuadro 13.3,pero usando las reglas de Simpson en aquellos segmentos donde sean apropiadas. Solucin: el primer segmento se puede evaluar con la regla trapezoidal:

0.12

1.309 729 28 2

0.2

o.o9o 583 76

Debido a que los siguientes dos segmentos desde x = 0.22 a 0.36 son de igual longitud, su integral se pJede calcular usando la regla de Simpson de 1/3.
1 = 0.2
=

1.743 393 28

4(1.305 24128) 6

1.309 729 28

0.275 802 92

458

METODOS NUMERICOS PARA INGENIEROS

Los siguientes tres segmentos sontambin iguales, y por lo tanto, se pueden evaluar con la regla de 3/8 para dar I = 0.272 686 31. De manera similar, se puede aplicar la regla de 1/3 a los dos segmentos desde x = 0.44 a x = 0.64 para obtener I = 0.668 470 06. Finalmente, los ltimos dos segmentos, que tienen longitud desigual, se pueden evaluar con la regla trapezoidaly obtener los resultados de O. 166 347 87 y O. 129 750 00, respectivamente. El rea de estos segmentos individuales se puede sumar para obtener una integral total de 1.603 640 92. Esto representa un error de q, = 2.2%, que es superior al resultado obtenido con la regla trapezoidal del ejemplo 13.7.
__" " "

. " "

Como se muestra en la figura 13.16, el diagrama de flujo verifica la longitud de intervalos adyacentes. Si dos segmentosconsecutivos tienen igual longitud, entonces se aplica la regla de Simpson de 1/3. Si tres de ellos son iguales, entonces se aplica la de 3/8. Cuando los segmentos adyacentes son desiguales se implementa la regla trapezoidal. Se sugiere al lector que implemente su propio programa a partir de este diagrama de flujo. Esto no slo le permite la evaluacin de segmentos desiguales, sino que si se usa tambin la informacin de segmentos iguales, reduce las reglas de Simpson. Como tal, representa un algoritmo bsico de propsitos generales, en la determinacin de la integral de datos tabulares.

13.4 FRMULAS DE INTEGRACIN ABIERTA

Recurdese de la figura 13.3b que las frmulas de integracin abierta tienen lmites que se extiendenms all del rango de los datos. En el cuadro 13.4 se resumen las frmulas de integracin abierta de NewtonCotes. Las frmulas se expresan en la forma de la ecuacin (13.5)de tal manera que resultan evidentes los factores de peso: Como con las versiones cerradas, los pares sucesivos de las frmulas tienen el mismo orden de error. Las frmulas de segmentos pares-puntos impares son, en general, los mtodos de preferencia ya que requieren algunos puntos menos para alcanzar la misma exactitudde las frmulasde segmentos impares: puntos pares. Ntese que el mtodo de bandas mostrado enla figura V.3 es, en realidad, una versin de segmentos mltiples del mtodo de punto medio del cuadro 13.4. Como se menciona previamente, las frmulas abiertas rara vez se usan en la integracin. Sin embargo, tienen aplicacin directa con los mtodos de paso mltiple en la solucin de ecuaciones diferenciales ordinarias analizadas en el captulo 17.

FIGURA 13.1 6

Diagrama de fluio para la integracin con datos desigualmente espaciados.

459

460

MTODOS

NUMRICOS

PARA INGENIEROS

0 I

-CY

-4-

LD

FORMULACldN DE INTEGRACldN DE NEWTON-COTES

46 1

PROBLEMAS
Clculos a mano
13.1

Utilcense medios analticos para evaluar

(a)

(b)
(c)

I" (10 + 2x 15 (1
O
-3

- 6x2

+ 5x4) dx

- x - 4x3

+ 3x5) dx

Jv

(8 + 5 sen X) dx

13.2

Utilcese una aplicacin simple de la regla trapezoidal y evalense las integrales delproblema 13.1. Evalense las integrales delproblema 13.1 con la regla trepezoidalde segmentos mltiples, con n = 2, 4 y 6. Evalense las integrales del problema 13.1 con una aplicacin simple de la regla Simpson de 1/3. Evalense las integrales del problema 13.1 con una regla de Simpson de 1/3 de segmentos mltiples, con n = 4 y 6. Evalense las integrales del problema 13.1 con una aplicacin simple de la regla de Simpson de 3/8. Evalense las integrales del problema 13.1 usando la regla de Simpson de 3/8 con segmentos mltiples, con n = 5. Intgrese la siguiente funcin analticamente y usando la regla trepezoidal, con n = 1, 2, 3 y 4:

13.3

13.4

13.5

13.6

13.7

13.8

Calclese el error relativo porcentual y evalese la exactitud de la aproximacin trapezoidal.

13.9

Intgrese la siguiente funcin analticamentey usando las reglas de Simpson, con n = 4y5:

Estdiense los resultados

13.10 Intgrese la siguiente funcin analtica y numricamente. sese la regla trapezoidal y la regla de Simpson de 1/3 para integrar la funcin. En ambos casos, sese

462

METODOS NUMERICOS PARA INGENIEROS

laversin

de segmentos mltiples, con n = 4:

Comprese el error relativo porcentual de los resultados numricos.

13.11 Intgrese la siguiente funcin analtica y numricamente. Utilcese la regla trapezoidal y la regla de Simpson de 1/3 y 3/8 adems de la regla de Boole (vase el cuadro 13.2).

lo*

15.32.5x dx

Calclese el error relativo porcentual de los resultados numricos

13.12 Evalese la integral

I, (4 + 2 sen x) dx
a)

c) Mediante la aplicacinmltiple de la reglatrapezoidal (n = 5). dj Mediantelaaplicacinsimple de la regla de Simpson de 1/3. e ) Mediante la aplicacinsimple de la regla de Simbson de 3/8. f) Mediante la aplicacinmltiple de lasreglas de Simpson (n = 5). En los casos b ) a f ) , calclese elerrorrelativoporcentual (c,) basadoen

b) Mediante la aplicacinsimple de la reglatrapezoidal.

Analticamente.

a).

13.13 Evalese la integral de los siguientes datos tabulares mediante la regla trapezoidal:

O 0.1 0.2 0.3 0.4 0.5 4 5 9 3 f(x)Il 7

X

13.14 Efectense lasmismas evaluaciones delproblema 13.13 usando lasreglas de Simpson. 13.15 Evalese la integral de los siguientes datos tabulares usando la regla trapezoidal.

x 1-3-1 f(x) I 1 -4

1 3 5 7 9 -5 2 4 8 6

11 -3

13.16 Efectese la misma evaluacin del problema 13.15 usando las reglas de Simpson. 13.17 Determnese elvalormediode
!(x)
=

la funcin 1 . 7 1 ~ -~ 0.0729~~

-46

+ 45.4~ - 1 3 . 8 ~ +

entre x = 2 y x = 10: a) Graficando la funcin y calculando visualmente el valor. bj Usando la ecuacin (V.3) y la evaluacin analtica d e l a integral. cj Usando la ecuacin (V.3)y una versin de cuatro segmentos de la regla trapezoidal enla estimacinde la integral.

FORMULAC16N DE INTEGRAC16N DE NEWTON-COTES

463

d) Usando la ecuacin (V.3) y una versin de cuatro segmentos de la regla de Simpson de 1/3. 13.18 La funcin
!(X)

10 - 3 8 . 6 ~ + 74.07~' - 40.1~'

se usa en el clculo de la siguiente tabla de datos que no estn igualmente espaciados:

X

!(x)
a)

O 0.1 0.3 0.95 0.7 0.5 10 6.84 4 4.20 5.51 5.77

1 . 2
1

Evalese la integral desde a = O y b = 1.2 usando Mediosanalticos b) La reglatrapezoidal c) Una combinacin de las reglas de Simpson y la regla trapezoidal; utilcense las reglasde Simpson en donde sea posible para obtener la m6s alta exactitud posible. En b) y c) calclese el errorrelativo porcentual (E,,)
13.19 Evalese la siguienteintegral doble:

a)

c) Usando unaaplicacinsimple de la regla de Simpson de 1/3. En b) y c) calclese el errorrelativo porcentual (e").

13.20 Evalese la integraltriple

b) Usando la reglatrapezoidal con segmentos mltiples (n

Analticamente

2).

I,"l :I

(x4 - 2Y4 dx

dY dz

Analticamente b) Usando unaaplicacinsimple de la regla de Simpson de 1/3 En b) calclese elerrorrelativo porcentual (E,,).
a)

Problemas relacionados con la computadora

13.21 Desarrllese un programa para computadora que sea amable con el usuario de la regla trepezoidal de segmento mltiple basado en la figura 13.9. Entre otras cosas, a) Agrguense declaraciones de documentacin al programa. b) Hgase la entrada y la salida ms descriptiva y orientada al usuario. c) Inclyanse diagnsticos que alerten al usuario cuando se accesen datos que no estn igualmente espaciados o enorden ascendente. d) (Opcional) Modifquese el programa de tal manera que sea capaz de evaluar funciones predefinidas y en forma tabular. Prubese este programa repitiendo los clculos del ejemplo 13.2.

464

M h O D O S NUMRICOS PARA INGENIEROS

"

13.22 Desarrllese un programa para computadora amable con el usuario para la versin de la regla de Simpson de segmentos mltiples basado en la figura 13.14. Prubese reproduciendo los clculos de los ejemplos 13.5 y 13.6. 13.23 Desarrllese un programa para computadora que sea amable con el usuario para integrar datos desigualmente espaciados basados en lafigura 13.16. Prubese repitiendo los clculos del ejemplo 13.7 13.24 Utilcese el programa TRAPEZOIDAL RULE del paquete de programas NUMERICOMP (o el programa propio del problema 13.21) y reptase a) el problema 13.2, b) el problema 13.3, c) el problema 13.8, a') el problema 13.10 y e) el problema 13.13. Utilcesela opcin de graficacinpara que le ayude a visualizar

el concepto de que 1 =

bense varios tipos de pasos para cada uno de los problemas.

13.25 Desarrllense cinco funciones. sese el paquete de programas NUMERICOMP (o los programas propios) para calcular la integral de cada una de las funciones sobre algunos lmites basados en los datos de entrada. Prubense los tamaiios de paso h = (b - a)/ n para = n 1 , . . ,n = 10. Grafquese I en funcinde n . 13.26 Utilcese el paquete de programas NUMERICOMP (o los programas propios) para calcular la integral de datos tabulares. Invntense datos para x y f (x),sense valores negativos y cero para x y f (x). Obsrvese la funcin, graficndola; el lector puede convencerse de que el paquete NUMERICOMP trabaja perfectamente.

S1

f (x) dx es el rea entre la curva f (x) y el eje. Pru-

CAPTULO CATORCE INTEGRACIN DE ROMBERG Y CUADRATURA GAUSSIANA

En la introduccin a la parte V se menciona que las funciones a integrarse numricamente tienen, en general, dos formas: una tabla de valores o una ecuacin. La forma de los datos tiene una influencia importante en el esquema que se va a usar para evaluar la integral. Para el caso de informacin tabular, se est limitado al nmero de puntos datos. En contraste, si se dispone de la funcin analticamente, entonces se pueden generar tantos valores de f(x)como sean necesarios para alcanzar una exactitud aceptable (recurdese la Fig. V.4). Este captulo se dedica al estudio de dos mtodos que estnexpresamente diseados para analizar casos en que se conoce la funcin. Ambos mtodos aprovechan la facilidad de generar valores de la funcin en el desarrollo de esquemas eficientes de la integracin numrica. El primero de ellos se basa enla extrapolacin de Richardson, mtodo que combina dos aproximaciones de integracin numrica en la obtencin de un tercer valor que es ms exacto. El algoritmo que implementala extrapolacin de Richardson en su forma ms eficiente se llama integracin de Romberg. Este mtodoes recursivo y se usa para generar una aproximacin a laintegral dentro de una tolerancia de error especificada. El segundo mtodo es el llamado cuadratura gaussiana. Recurdese que enelltimocaptulo los valores de f(x) enlasfrmulasdeNewton Cotes se determinanenvaloresespecficos de x. Por ejemplo, si se usa la regla trapezoidal para determinar una integral se est restringiendoa tomar f(x) en los intervalos de los extremos. Las frmulas el promedio pesado de de cuadratura gaussiana emplean valores de x contenidos dentrode a y de b de tal forma que resulta una integral mucho ms exacta.

14.1 INTEGRACIN DE ROMBERG

En el captulo 13 se presenta una versin de la regla trapezoidal con segmentos mltiples y lasreglasde Simpson. Paraunafuncinanaltica (opuesta a la forma tabular), las ecuaciones de error [Ec. (13.13)y (13.19)]

466

MTODOS

NUMERICOS PARA INGENIEROS

indican que aumentandoel nmero n de segmentosse genera una aproximacin ms exacta a la integral. Esta observacin la comprueba la figura 14.1, que es una grfica del error real contra n para la integral de f(x) = 0.2 + 25x - 200x2 = 675x3 - 900x4 + 400x5. Ntese cmo el error decrece a medida que n crece. Sin embargo ntese tambin que para valores muy grandes d e n , el error empieza a crecer ya que los errores de redondeo empiezan a dominar. Tambin obsrveseque se necesita un nmero muy grande de segmentos (y por lo tanto, esfuerzo de

FIGURA 14.1

Valor absoluto del error relativo porcentual verdadero contra el nme25x ro de segmentos en la determinacin de la integral {(x) = 0.2 200x2 675x3 - 900x4 400x5, evaluada de a = O a b = 0.8 usando la regla trapezoidal de segmentos mltiples y la regla de Simpson de 1/3 de segmentos mltiples. Ntese que ambos resultados indican que para un nmero considerable de segmentos, los errores de redondeo limitan l a precisin.

INTEGRACldN DE ROMBERG Y CUADRATURA GAUSSIANA

467

clculo) para alcanzar niveles altos de exactitud. Como una consecuencia de estos inconvenientes, la regla trapezoidal de segmentos mltiples y las reglas de Simpson algunas veces son inadecuadas en problemas donde se necesita gran eficiencia y pocos errores. La integracin de Romberg es un mtodo diseado para evitar estos inconvenientes. Es muy similar a los mtodos analizados enel captulo 13, en el sentido de que est'basado en la aplicacin sucesiva de la regla trapezoidal. Sin embargo, mediante manipulacionesmatemticas, se obtienen mejores resultados con menos esfuerzo.

14.1.1 Extrapolacin de Richardson

Recurdese que en la seccin 7.4.4 se usan ecuaciones de error paramejorar la solucin de un conjunto de ecuaciones lineales. En el mismo sentido, existen mtodos que corrigen errores y mejoran los resultados de la integracin numrica en base a la estimacin de la integral misma. Conocidos generalmentecomo extrapolacin de Richardson, estos mtodos un tercer clculo msexacto. usan dos clculos de la integral para efectuar El clculo y el error asociado con la regla trapezoidal de segmentos mltiples se representa generalmente como:
I = I(h)

+ (h)

en donde I es el valor exacto de la integral, I(h) es la aproximacin de la integral usando la regla trapezoidal con n segmentos y con tamao de paso h = (b - a ) / n y E(h) es el error de truncamiento. Si se obtienen dos aproximaciones por separado usando tamaos de paso h l y hz y se tiene elvalor exacto del error, entonces

Ahora recurdese que el error de la regla trapezoidal de segmentos mltiplesserepresentapor la ecuacin (13.13) [con n = (b - a ) / h ] :
[14.2]

Si se supone que f ' ' es una constante que depende del tamao delpaso, entonces la ecuacin (14.2) se usaenla determinacin del promedio de losdos errores,que es:
[14.3]

Este clculo tiene el importante efecto de quitar el trmino f ' ' de los clculos. AI hacerlo, se ha hecho posibleutilizarlainformacinrelacionada

468
c

MTODOS

NUMRICOS

PARA INGENIEROS

con la ecuacin (14.2) sin conocimiento previo de la segunda derivada de la funcin. Para hacerlo, se reordena la ecuacin (14.3) para obtener:

lacual se puede sustituirenla

ecuacin (14.1):

la cual, puede resolverse

trunPor lo tanto, se ha desarrollado una expresin que calcula el error de camiento en teiminos del valor de la integral y el tamao de paso. Esta estimacin se sustituyeen

= I(h2)

+ E(h2)
la integral:
[14.4]
r
1

obteniendounaestimacinmejoradade
1

S e demuestra (Ralston y Rabinowitz, 1978) que el error de esta estimacin es O(h4). Por lo tanto, se han combinado dos estimaciones de la regla trapezoidal de O(h2) enla obtencin de una nueva estimacin de O(h4).En el caso especial en que el intervalo se divide en dos partes (h2 = h l / 2 ) , la ecuacin se transforma a:

o, reordenando trminos,
[14.5]

EJEMPLO 14.1

Correction de errores en la regla trapezoidal Er,unciado del problema: en el captulo anterior (ejemplo 13.1 y el madro 13.1) la aplicacin de la regla trapezoidal de segmentos mltiples lie-

INTEGRACldN DE ROMBERG Y CUADRATURA GAUSSIANA

469

va a los siguientes resultados:

-~
~ ~~~ ~

Segmentos

~~~~

Integral

ev,%

1 2 4

0.8

0.4 0.2

0.172 8 1.068 8 1.484 8

89.5 34.9
9.5

Utilcese esta informacin junto con la ecuacin (14.5) para calcular mejores estimaciones de la integral. Solucin: los clculos con uno y dos segmentosse combinan y se obtiene

I =

4 (1.068 8) 3

1 - - (O. 172 8) = 1.367 466 67

mejorada es
= 0.273 066 67
E,

El errorenlaintegral

E, = 1.640 533 34 - 1.367 466 67

= 16.6%

que es superior a la aproximacin en que se bas. De la misma manera, los ckulos de dos y cuatro segmentosse com binan y se obtiene

4 I = "1.484 3

8)

1 -(1.068

8)

1.623 466 67

que representa un error de

E,

1.640 533 34 - 1.623 466 67

0.017 066 67

E,

1.0%

La ecuacin 14.4 proporciona una formade combinar dos aplicaciones de la regla trapezoidal con error O(h2) y calcular una estimacin de O(b4).Este planteamiento es un subconjunto de un mtodo ms general que combina integrales paraobtener mejores estimaciones. Porejemplo, enel ejemplo 14.1, se calcularon dos integrales mejoradas de O(h4) en base a tres estimaciones de reglas trapezoidales. Estas dos estimaciones mejoradas, pueden a la vez, combinarse paraobtener todava una mejor estimacin de O(h6). Para el caso especial en que las estimaciones mediante regla trapezoidal original se basen en divisiones sucesivas a la mitaddel intervalo, la ecuacinusadacon O(h6) deexactitud es:

15

I =" I ,-

16 15

"4

[14.6]

470

MTODOS

NUMRICOS

PARA INGENIEROS

en donde I, y I, son las estimaciones ms y menos exactas, respectivamente. De manera similar, dos resultados de O(h6) se combinan para calcular una integral que es O(h8) usando
64 I = -I,

63

1 - -1, 63

[14.71

EJEMPLO 14.2
Correccin del error de rdenes mayores de dos en la estimacin de integrales

Enunciado del problema: en el ejemplo 14.1 se usa la extrapolacin de Richardson para calcular dos estimaciones de la integral de O(h4). Utilcense la ecuacin (14.6) y combnense estas estimaciones para calcular una integral con O(h6). Solucin: las dos aproximaciones de O(h4) obtenidas en el ejemplo 14.1 fueron 1.367 466 67 y 1.623 466 67. Estos valores se sustituyen en la ecuacin (14.6) y se obtiene

la cual es la respuesta correcta a nueve cifras significativas que son las obtenidas en este ejemplo.

14.1.2 Algoritmo de la integracin de Romberg

Ntese que los coeficientes en cada una de las ecuaciones de extrapolacin [Ec. (14.5),(14.6) y (14.7)]suman 1. Por lo tanto, representan factores de peso que, a medida que la exactitud aumenta, coloca progresivamente pesos mayores en la estimacin de la integral. Estos planteamientos pueden expresarse en una forma general, que se adapta muy bien a las implementaciones mediante computadora:

[14.8]

INTEGRACldN DE ROMBERG Y CUADRATURA GAUSSIANA

471

en donde [,+I,+" y lj,k-l son las integrales ms y menos exactas, respectivamente, 1j.k es la integral mejorada. El ndice k indica el nivel de integracin, k = 1 corresponde a la estimacin de la regla trapezoidal original, k = 2 corresponde a O(h4), k = 3 a O(h6),etctera. El ndice j se usa paradistinguir entre las estimaciones mejores (j + 1) y menores (j). Por ejemplo, si k = 2 y j = 1 , entonces la ecuacin (14.8) se transforma en

lacual esequivalente a la ecuacin (14.5). La forma general representada mediante la ecuacin (14.8) se le atribuye a Romberg, y a la aplicacin sistemtica en la evaluacin de integrales se le conoce como integracin de Romberg. La figura 14.2 muestra un esquema grfico de la secuencia de estimaciones generadas usando este mtodo. Cada una de las matrices corresponde a una iteracin. La primera columna contiene las evaluaciones de la regla trapezoidal quese denotan por J,l, en donde j = 1 es la aplicacin sobre un solo segmento (el tamao del paso es b - a);j = 2 es la aplicacin sobre los segmentos [tamao del paso (b - a)/4]; etctera. Las otras columnas de lamatriz se generan sistem6ticamente aplicando la ecuacin (14.8) para obtener sucesivamente mejores estimaciones para la integral. Por ejemplo, la primera interacin (Fig. 14.2a) implica calcular la regla trapezoidal de uno y dos segmentos (11,1 y 12,1). En seguida se usa la ecuacin (14.8) para calcular el elemento 11,2 = 1.367 466 67, que tiene un errorde O(h4).

FIGURA 14.2

Esquema grfico de la secuencia de aproximaciones a la integral generadas usando la integracin de Romberg.

472

INGENIEROS

PARA

MTODOS

NUMERICOS

Ahora, se debe verificar que este resultado sea adecuado a las necesidades. Como se hizo con los otros mtodos de aproximacin de este libro, se requiere un criterio de terminacin o de paro para valorar la exactitud de los resultados. Un mtodo que se puede emplear para los propsitos actuales es (Ec. (3.5)]
[14.9]

en donde E, es una estimacin del error relativo porcentual. Por lo tanto, de la manera como sehizo anteriormente en los otros procesos iterati-

se compara la nueva estimacin con el valor anterior. Cuando el cambio entre los valores anterior y actual representados mediante E*, est bajo un criterio de error preespecificado E,, los clculos se terminan. En la figura 1 4 . 2 esta ~ evaluacin indica un cambio del 87.4% decambio sobre el curso de la primera interacin. El objeto de la segunda iteracin (Fig. 14.2b) esel de obtener la estimacin O(h6): 11,s. Para hacerlo, se determina una nueva estimacin trapezoidal, 13.1 = 1.484 8. En seguida sta se combina con 12,1usando la ecuacin (14.8)para obtener 12,* = 1.623 466 67.Este resultado, a la vez, se combina con 11,2 para obtener 11,3 = 1.640 533 34. La ecuacin (14.9)se aplica para determinar que este resultado representa un cambio del 16.6% cuando se compara con el anterior 11,2. La tercera iteracin (Fig. 14.2%)contina el proceso de la misma manera. En este caso, se agrega una estimacin trapezoidal a la primera columna y luego se aplica la frmula (14.8)al clculo sucesivo de integrales ms exactasbajo la diagonal inferior. Despus de tres iteraciones, se sabe que el resultado, 11,5= 1.640 533 34, es exacto al menos hasta nueva cifras significativas. La integracin de Romberg es ms eficiente que la regla trapezoidal y que las reglas de Simpson analizadas en el captulo 13. Por ejemplo. en la determinacin de la integral mostrada en la figura 14.1, la regla de Simpson de 1/3 requerira una aplicacin de 256 segmentos para encontrar un valor de 1.640 533 32. No seran posibles mejores aproximaciones debido al error de redondeo. En contraste, la integracin de Romberg obtiene un resultado exacto (hasta nueve cifras significativas) basado en la combinacin de la regla trapezoidal de dos, cuatro y ocho segmentos. Enla figura 14.3 se muestra un diagrama de flujo de la integracin de Romberg. Usando ciclos, el algoritmo implementa el mtodo de manera eficiente. Recurdese que la integracin de Romberg est diseada para casos en que la funcin por integrar se conoce. Esto se debe a que el conocimiento de la funcin permite las evaluaciones necesarias para las implementaciones iniciales de la regla trapezoidal. Los datos en forma tabular rara vez se encuentran en forma necesaria para llevar a cabo evaluaciones sucesivas.
VOS,

NU R A 14.3 Diagrade fluio de la intecir7 de Ron1 ber g .

473

474

MTODOS

NUMRICOS

PARA INGENIEROS

14.2 CUADRATURA GAUSSIANA

En el captulo 13 se analiza un conjunto de frmulas de integracin n u mrica o de cuadratura conocidas como las ecuaciones de Newton-Cotes. Una caracterstica de estas frmulas (con la excepcin del caso especial de la seccin 13.3)es que la estimacin de la integral se basa en puntos igualmente espaciados. Por consiguiente,la posicin de los puntos base usados en estas ecuaciones estaba predeterminado o fijo. la base de la rePor ejemplo, como se puede ver en la figura 14.4~1, gla trapezoidal es tomar el rea bajo la lnea recta que une los valores de la funcin evaluada en los extremos del intervalo. La frmula usada para calcular esta rea es

(b -

U)

f (a>+ f tb)
2

[14.10]

FIGURA 14.4

a) Esquema grfico de la regla trapezoidal dada por el rea baio la lnea recta que une los puntos extremos. b) Se obtiene una aproximacin meiorada a la integral tomando el rea baio la lnea recta que pasa a travs de dos puntos intermedios. Colocando adecuadamente estos puntos, los errores, positivo y negativo se equilibran y resulta una aproximacin a la integral meiorada.

INTEGRACldN DE ROMBERG Y CUADRATURA GAUSSIANA

475

en donde a y b son los lmites de integracin y b - a es el ancho del intervalo de integracin. Debidoa que la regla trapezoidal debe pasar a travs de los puntos lmites, existen casos como el de la figura 14.4a en donde la frmula genera un error muy grande. Ahora, supngase que la restriccin de fijar los puntos base se elimina y se va a evaluar libremente el rea bajo la lnea recta que une dos puntos cualesquiera de la curva. Colocando estos puntos de manera inteligente, se puede definir una lnea recta que balancee los errores negativos y positivos. De ah que, como enlafigura 14.4b, se llegara a un valorms exacto de laintegral. La cuadratura gaussiana es el nombre de uno de estos mtodos que implementa esta estrategia. Las frmulas particulares de cuadratura gaussiana descritas en esta seccin se llaman frmulas de Gauss-Legendre. Antes de describir el mtodo, se demuestra cmo las frmulas de integracin numrica talescomo la regla trapezoidalse derivan usando elmtodo de coeficientes indeterminados. Este mtodo se emplea en el desarrollodelasfrmulasde Gauss-Legendre.

14.2.1 Mtodo de coeficientes indeterminados

En el captulo 13 se deriva la regla trapezoidal integrando un polinomio lineal mediante un razonamiento geomtrico. El mtodo de coeficientes indeterminados ofrece una tercera alternativa que tiene tambin utilidad enla derivacin de otros mtodos tales como la cuadratura gaussiana. Para ilustrarel mtodo, la ecuacin (14.10) se expresa como

en donde las c son constantes. Ahora, considerando que la regla trapezoidal debe llevar a resultados exactos cuando la funcin a integrarse sea una constante o una lnea recta. Dos ecuaciones simples que representan este caso son y = 1 y y = x. Ambas se ilustranenlafigura 14.5. Por lo tanto, se debencumplirlassiguientesigualdades:

o , evaluandolasintegrales:

476

MTODOS

NUMRICOS

PARA INGENIEROS

FIGURA 14.5

Dos integrales que lareglatrapezoidalevaluar constante y b) una lnea recta.

exactamente: a) una

Estas son dos ecuaciones con dos incgnitas que pueden resolverse por

c1

=c 2 =

b-a -

las cuales, cuando se sustituyendenuevo

en la

ecuacin ( 1 4 . 1 1 ) dan

lacual es equivalente a la regla trapezoidal.

INTEGRACldN DE ROMBERG Y CUADRATURA GAUSSIANA

477

14.2.2 Derivacin de la frmula de Gauss-Legendre basada en dos puntos

Como en el caso de la derivacin anterior de la regla trapezoidal, la cuadratura gaussiana determina los coeficientes de una ecuacin de la forma

en donde las c son los coeficientes incgnitas. Sin embargo, en contraste a la regla trapezoidal que usa puntos extremos a y b, los argumentos de la funcin x1 y x2 ahora no estn fijos a los puntos extremos, sino que son incgnitas (Fig. 14.6). Por lo tanto, ahora se tiene un total de cuatroincgnitas que se deben evaluar, y por consiguiente, se requieren de cuatro condiciones para determinarlos exactamente. Al igual que con la regla trapezoidal, se pueden obtener dos de estas condiciones suponiendo que la ecuacin (14.12) ajusta exactamente la integral de una corstante y de una funcin lineal. Entonces, para llegar a las otras dos condiciones, se extiende este razonamiento al suponer que tambin se ajusta laintegral a unafuncinparablica (y = x2) y a una funcin cbica (y = x3).Haciendo esto, se determinan las cuatro incgnitas conviniendo en derivar una frmula de integracin de doble punto que sea exacta para cbicas. Las cuatro ecuaciones por resolver son
Clf(X1)

+ C2f(X2)

1 dx

[14.13]

[14.14]

[14.15]

[14.16]
Las ecuaciones (14.13) hasta la (14.16) se resuelven simultneamente,
c1 =
c 2

= 1

xl=-=

-1

d3

-0.577 350

269. . .

x2="

d3

- 0.577 350 269. . .

478

MTODOS

NUMERICOS PARA INGENIEROS

FIGURA 14.6

Esquema grfico de las variables incgnitas -x1 y x2usando cuadratura gaussiana.

para integracin

las cuatro se pueden sustituir en la ecuacin (14.12)y obtener la frmula de Gauss-Legendre de dos puntos
[14.17]

Por lo tanto, se llega al resultado interesante de que la suma simple de los valores de la funcin en x = 1/& y - l/& lleva a una estimacin
de la integral con una exactitud de tercer orden. Ntese que los lmites d e integracin de las ecuaciones (14.13)a la (14.16)van desde - 1 a 1.Esto se hizo para simplificar la aritmtica y hacer la formulacin tan general como seaposible. Un simple cambio de la variable se puedeusar para trasladar otroslmites de integracin en esta forma. Esto se lleva a cabo suponiendo que la nueva variable xd est dada en funcin de la variable original x en una forma lineal como en:
x
= a.

+ alxd
-

[14.18]

si el limite inferior, x = a , corresponde a x d = sustituyen en la ecuacin (14.18)y se obtiene:

a = a0

1, estosvalores

Se

+ al(-l)
=

[14.19]

De manera similar el lmite superior, x obtener

b , corresponde a xd

1, y

= a0

+ al(1)

[14.20]

INTEGRACI~N DE ROMBERG Y CUADRATURA GAUSSlANA

479

Las ecuaciones (14.19) y la (14.20) se resuelven simultneamente, generando:

a 0

b+a 2 b-a

[14.21] [14.22]
(14.18) para obtener:

Y
at =

quesesustituyeenlaecuacin
X =

(b + a) + (b - a)xd 2

[14.23]

Esta ecuacin se diferencia dando:

& = -b - a

dx;

[14.24]

Las ecuaciones (14.23) y (14.24) se pueden sustituir para x y dx, respectivamente, enla ecuacin por integrar. Estas sustituciones transforman efectivamente el intervalo de integracin sin cambiar los valores de la integral. El ejemplosiguienteilustra cmo se hace esto enla prctica.

EJEMPLO 14.3
Frmulas de Gauss-Legendre de dos puntos

Enunciado del problema: utilcese la ecuacin (14.14) para evaluar la integral

!(x) =

0.2

+ 25x - 200x2 + 675x3 - 900x4 + @Ox5

entre los lmitesx = O y x = 0.8. Recurdese que ste fue el mismo problema resuelto en el captulo 13 usando una variedad de formulaciones de Newton-Cotes. El valor exacto de laintegral es 1.640 533 34. Solucin: antes de integrar la funcin, se debe realizar un cambio de variable de tal forma que los lmites sean desde - l hasta l. Para hacerlo, se sustituye a = O y b = 0.8 enla ecuacin (14.23) y se obtiene
X

0.4

+ 0.4xd

al calcular su derivada se tiene [Ec. (14.24)] I

& = 0.4 dxd

480

INGENIEROS MTODOS

NUMRICOS PARA

Estosdosvalores se sustituyenenla (0.2

ecuacin originalpara obtener

+2 5~200~ +~ 675~ -9 ~0 0+ ~4 ~ 0 0 ~ dx ~) {[0.2 + 25(0.4 + 0.4~d) - 200(0.4 + 0.4xd)' - I:! + 675(0.4 + O.4xJ3 - gOO(0.4 + O.4xJ4

Por lo tanto, el lado derecho est enla forma que es adaptable para la evaluacin mediante la cuadratura gaussiana. La funcin transformada se puede evaluar en - l/& siendo igual a 0.516 740 55 y en 1 4 siendo igual a 1.305 83723. Por lo tanto, de acuerdo a la ecuacin (14.171, laintegral es:
1 = 0.516 74055

1.305 837 23 = 1.822 577 78

que representa un error' relativo porcentualdel - 11.1 % . Este resultado es comparable en magnitud a la aplicacin de la regla trapezoidal de cuatro segmentos (cuadro 13.1) o a una aplicacin de la regla de Simpson de 1/3 y la de 3/8 (ejemplos 13.4 y 13.6). Este ltimo resultado ya se esperaba porque las reglas de Simpson tienen tambin exactitud de tercer orden. Sin embargo, debido a la forma hbil de escoger los puntos, la cuadratura gaussiana obtiene esta exactitud en basea slo dos evaluaciones de la funcin.

14.2.3 Frmulas de ms de dos puntos

Adems de la frmula de dos puntos, analizada en la seccin previa, se pueden desarrollar tambin versiones de ms de dos puntos, las cuales se presentan enla forma general:

En el cuadro 14.1 se resumen los valores de las c y de las x de las frmulas de hasta seis puntos, incluyendo a stas. EJEMPLO 14.4 Frmula de Gauss-Legendre de tres puntos Enunciado del problema: utilcese la frmula de tres puntos del cuadro 14.1 paracalcular laintegral de lamismafuncindel ejemplo 14.3.

INTEGRACldN DE ROMBERG Y CUADRATURA GAUSSIANA

48 1

CUADRO 14.1

Factores de peso c y argumentos x de la funci6n usados en las f6rmulas de Gauss-legendre Factores de peso Argumentos de la funelen Error de truncamiento

Puntos

2
3

c1 = 1.000 O00 O00

c:, =

x1 = -0.577
X : , =

1 .O00 O00 O00

350 269 = f(41([) 0.577 350 269

c1

c:, = ~3 =

x1 =0.555 555 556 0.888 888 889 x2 x3 0.555 555 556

= = =

-0.774 596 669 = f(6)([) 0.0 0.774 596 669

c1 = 0.347854845
c:, = ~3 = ~4 =

X] = -0.861 136 312 = f(*)([) : , = -0.339 981 044 0.652 145 155 X 0.652 145 155 x3 = 0.339 981 044 0.347 854 845 x4 0.861 136 312

~1 =
C?

= ~3 =
~4 =
~5

0.236926885 0.478 628 0.568 888 0.478 628 0.236 926

x1 = -0.906179846 = f(](t) 670 X:, = -0.538 469 310 889 x3 = 0.0 670 x4 = 0.538 469 310 885 x5 = 0.906 179 846

= c:, = ~3 = ~4 = ~5 = c6 =
~1

0.171 324 492 X, = -0.932 469514 = 0.360 761 573 X : , = -0.661 209 386 0.467 913 935 x3 = -0.238 619 186 0.467 913 935 x4 = 0.238 619 186 0.360 761 573 x5 = 0.661 209 386 0.171 324 492 X6 = 0.932 469 514

Cl2([)

Solucin: de acuerdo al cuadro 14.1, lafrmuladetrespuntoses

1 = 0.555 555 556 f(0.774 596 669)

0.555 555 556 f(0.774 596 669)

+ 0.888 888 889 f(0)

1 = 0.281 301 290

+ 0.873 244 444 + 0.485 987 599 = 1.640 533 34

lacuales

exacta.

Debido a que la cuadratura gaussiana requiere de evaluaciones de la funcin en puntos que no estn uniformemente espaciados dentro del intervalo de integracin, no es aplicable a los casos en que la funcin se desconoce. Por lo tanto, no se adapta a muchos problemas de la inge-

482

INGENIEROS MTODOS NUMRICOS

PARA

niera en donde se manejan datos tabulares. Sin embargo, en donde se conoce la funcin, su eficiencia tiene grandes ventajas. Esto es particularmente cierto cuando se deben realizar numerosas evaluaciones funcionales.
14.2.4 Programa para la computadora de la cuadratura gaussiana

Enlafigura 14.7 se muestran programas en FORTRAN y BASIC sobre el mtodo de cuadratura gaussiana. Ntese que los programas estn diseados de tal manera que se aprovecha lasimetrade los factores de peso y los argumentos de lafuncinenel cuadro 14.1. Los programas mostrados en la figura 14.7 estn listos para resolver las mismas ecuaciones analizadas en los ejemplos 14.3 y 14.4. Se calculan aproximaciones hasta e incluyendo la frmula de seis puntos. Por lo tanto, si se desea aplicar estos programas a otro caso, se debe cambiar la funcin que especifica la ecuacin a integrarse. Haciendo esto, el programa se puede emplear enel anlisis de una gran variedad de problemasdeingeniera.

EJEMPLO 14.5
Aplicacin de la cuadratura gaussiana al problema del paracaidista

Enunciado del problema: enel ejemplo 13.3 se usala regla trapezoidal de segmentos mltiplesparaevaluar
d=-b
C

gm

10

[l-

en donde g = 980, c = 12 500 y m = 6 8 100. Elvalor exacto de la integral se determina medianteel clculo y fue de 28 943.514 7. Recurdese que la mejor estimacin, calculada usando la regla trapezoidal con 5 O00 segmentos fue de 28 943.517 7 con un I c v l = 4 x lo-%%. Reptase este clculo usando el programa de la figura 14.7 sobre la cuadratura gaussiana. Solucin: despus de modificar la funcin, se obtienen los siguientes resultados: estimacincon dos puntos = 29 001.447 8 estimacincontrespuntos = 28 943.929 7 estimacinconcuatropuntos = 28 943.516 2 estimacinconcincopuntos = 28 943.514 7 estimacinconseispuntos = 28 943.514 7 Por lo tanto, las estimaciones con cinco y seis puntos obtienen resultados exactos hasta nueve cifras significativas.

INTEGRACldN DE ROMBERG Y CUADRATURA GAUSSIANA

483

FORTRAN
DIMENSION C ( l l > , X Q < l l > , J 0 < 5 > , J l ~ 5 > FCIXDI=AU+Al*:(D F( Xj=O.2+25*:(-%UO*X**2+675*%**3 C-900*X**4+400*X**5 DATA C/l.,.888888,.555555,.652145,

BASIC
UIM XQ(ll),C(lIi,J0(5),Jl(5) L>EF F N C ( X D )

= A0

Al

XD-

C.347855,.568889,.478629,.236927, C.467914,.360762,.171324/
[)ATA X Q / . 5 7 7 3 5 0 ,
O . , ,774597, , 3 3 9 9 8 1 ,

c.a61136,0.,.~38469,.90618~,.238~~9,
C661209, ,932470,' D A TJ I0/1,3,4,7.9/ DATA J1/1,3,5,8,11c WRITE(6,l > FORMIT( ' 0 ' , 5 X , 'CUIDRAIURA R E A D < 5 , 4 ) I ,B FORMFIT< 2 F 1 0 , O > A O=( B+I)/2 A 1=( 8 - A >/2 DO 4 1 01 - 1 , s

LIEF- F N F ( X ) = . 2 + 25 % X +x 1 3 200 * x A 2 + a75 '300 a X A 4 + 400 *: X A 5 PRINT : P R I N T " CUADRATLIRA GALISSIANA": PRINT F U R I = 1 TO 1 1

(Funcidn que implementa el cambio de variable) (Funci6n que especifica la ecuaci6n a integrarse)

1 4

GAUSSIANA'

sn=o.

FIp( 1/2>-1/2
I F (FX.NE.0.)
K=( 1 - 1 >*2

JA= JOC I ) JB=Jl(I)

COTO 3 5 0

350
380

SM=SM+C( K )*F( FCC X Q < K ) > > DO 3 8 0 J = J AJ ,B SM=SM*C< J >*F( -FCC XQ< J > j > SM=SM+C( J )*FI F C < X Q ( J > j > CONTINUE sn=srm1

NEXT I 1 11 FOR I i TO READ XI2 t. I ) NEXT I FOR I = 1 TO 5 READ JO(. I ) NEXT I FOR I = 1 TO 5 READ 5 4 1(I) NEXT I 2 d 1 INF'IJT " L I M I T E 5 DE INTEGRACIO N iA.B)=":A,B 270 A 0 = ( H A) / 2 1:3O A l = I B - A ) / 2 290 P R l N T _. .::cid FUR I = 1 TO 5 3 1 0 5M = O 321) I F I N(T ,I / 2) - I / 2 < i O THEN ,350

FcCAU C i I i

C l l l = vector que contlene

los factores

de peso (Cuadro 14.11

X(Il = vector que contlene los argumentos de la

funci6n (Cuadro 14.1)

FIGURA 14.7

Programas para la computadora en FORTRAN y BASIC que implementan la cuadratura gaussiana usando frmulas de Gauss-Legendre.

484

MTODOS

NUMRICOS

PARA INGENIEROS

14.2.5 Anlisis de error

en la cuadratura gaussiana

El error en las frmulas de Gauss-Legendre se especifica generalmente mediante (Carnahan et al., 1969):
[14.26]

en donde n es el nmero de puntos menos uno y f""+*J(~) es la (2n + 2)-sima derivada de la funcin despus del cambio de variable y 4 se localiza en algn lugar dentro del intervalo de - 1 a 1. La comparacin de la ecuacin (14.26) con el cuadro 13.2 indica la superioridad de la cuadratura guassiana sobre las frmulas de Newton-Cotes, dado quelas derivadas de orden superior no crecen sustancialmente a medida que crece n. En el problema 14.8,al final de este captulo se ilustra un caso en donde las frmulas de Gauss-Legendre trabajan deficientemente. En estos casos, ser preferible la regla de Simpson de segmentos mltiples o la integracin de Romberg. Sin embargo, la cuadratura de Gauss proporciona un medio eficiente para evaluar las integrales en muchas funciones usadas en ingeniera.

PROBLEMAS
Clculos a mano
14.1
Utilcese la integracin deRombergpara [sen (5x evaluar

l)] dx

con una exactitud d e E, = 0.5%. Los resultados se deben presentar en la forma dada en la figura 14.1. Calclese la solucin analtica y sese para determila integracion deRomberg. nar el errorreal E, delresultadoobtenidocon Verifquese que E , sea menor que el criterio de paro E,.
14.2

Efectense los mismos clculos del problema 14.1 con la integral

xeZx dx

14.3

Utilicese la integracin deRombergpara

dx

evaluax

con una exactitud del O . 1 % . Los resultados se deben presentar en la forma dada en la figura 1 4 . 2 .

lNTEGRACl6N DE ROMBERG Y CUADRATURA GAUSSIANA

485

14.4

ObtQngaseuna estimacin de la integral del problema 14.1 usando frmulas de Gauss-Legendre de dos, tres y cuatro puntos. Calclese E , para cada caso en base a la solucin analtica. Obtngase una estimacin de la integral del problema 14.2, usando frmulas de Gauss-Legendre de dos, tres y cuatro puntos. Calclese para cada caso con base a la solucin analtica. Usando frmulas de Gauss-Legendre desde dos hasta cinco puntos, obtngase una aproximacin de la integral del problema 14.3. Usando integracin de Romberg (E, = O.Ol%), reptanse los clculos de los ejemplos 13.3 y 14.5 para el problema del paracaidista. Utilcense mtodos analticos (recurdese el cuadro V. 1)y las frmulas de GaussLegendre de dos a seis puntos para resolver

14.5

14.6

14.7

14.8

14.9

Desarrllese un programa legible al usuario sobre la integracin de Romberg basado en la figura 14.3. Prubese repitiendolos clculos mostrados enla figura 14.2.

14.10 Desarrllese un programa legible al usuario sobre la cuadratura gaussiana basado en la figura 14.7. Prubese repitiendo los clculos de los ejemplos 14.3 y 14.4. 14.11 Utilcese el programa desarrollado en el problema 14.9 para resolver los proble-

mas 14.1 y 14.2 y 14.3.

14.12 Utilcese el programa desarrollado en el problema 14.10 para resolver 10s pro-

blemas 14.4, 14.5 y 14.6.

"

. .

C A P T U L OQ U I N C E

V: CASOSDELAPARTE INTEGRACI~N

El propsito de este captulo es el de aplicar los mtodos de integracin numrica analizados en la parte V, a problemas prcticos de ingeniera. Frecuentemente se encuentran dos situaciones; la primera de ellas es cuando la funcin en estudio se puede expresar de forma analtica pero es demasiado complicada para integrarse usando los mtodos del clculo. La integracin numrica se aplica a casos de este tipo usando la expresin analtica para generar una tabla de argumentos y valores de la funcin. En el segundo caso, la funcin a integrarse es, por naturaleza, de forma tabular. Este tipo de funciones, en general, representan una serie de medidas, observaciones o alguna otra informacin emprica. Los datos en cualquier caso son compatibles directamente con varios esquemas de integracin numricaanalizadaenloscaptulos 13 y 14. El caso 15.1, que analiza los flujos de efectivos en una compaa de computadoras, es un ejemplo de la integracin en su forma tabular. Se usa la regla trapezoidal y la regla de Simpson de 1/3 para determinar el flujo de efectivos. El caso 15.2, que trata de clculos de calor de la ingeniera qumica, comprende datos analticos. En este caso de estudio, se integra numricamente una funcin analtica para determinar el calor necesario que eleve la temperatura de un material. Los casos 15.3 y 15.4 se relacionan con funciones dadas en forma analtica. El caso 15.3, tomado de la ingenieracivil,usalaintegracin numrica para determinar la fuerza del viento total que acta sobre el mstil de un velero de carreras. El caso 15.4 determina laraz de la corriente media al cuadrado (RMS) de un circuito elctrico. Este ejemplo se usa en la demostracin de la utilidad de la integracin de Romberg y la cuadratura gaussiana. Finalmente, el caso 15.5 regresa al anlisis de la informacin tabular para determinar el trabajonecesario para mover un bloque. Aunque este ejemplo tiene conexin directa con la ingeniera mecnica, tiene aplicacin en todas las otras reas de la ingeniera. Entre otras cosas, este caso ilustrala integracin de datos desigualmente espaciados.

488

INGENIEROS MTODOS

NUMRICOS

PARA

CASO 15.1

ANALISIS DE MOVIMIENTO DE EFECTIVOS

(INGENIERAENGENERAL)
Antecedentes: el anlisis de movimiento de efectivos es una parte importante dentro de cualquier proyectode ingeniera o de cualquier proyecto de negocios. El efectivo disponible puede afectar muchos aspectos del problema, por ejemplo, la localizacin de recursos (vase el caso 9. I ) . La posicin de un ingeniero enla Compaa de Computadoras Micro-1 es lade calcular el efectivo total generado de una venta de computadoras en los primeros 60 das que siguen a la introduccin de una computadora al mercado (vase el cuadro 15.1 sobre los datos de venta de computadoras). Su problema es complicado ya que el costo de la computadora esmuy sensitivo a la demanda abastecimiento o a la disponibilidad. Los equipos de ventas e investigacin de mercados han obtenido la informacin de que el precio de venta base considerando una demanda ptima es de $1 250 por computadora. A medida que la demanda disminuye, el precio aumenta a un mximo de $3 O00 por computadora. Ms an, la variacin continua del costo con un suministro N se define por la ecuacin derivada empricamente:

Costo por computadora ($)

que se grafica enlafigura

3 O00

1 750

N
10 O00

+N

[15.13

15.1.

CUADRO 15.1 Datos de venta de computadoras y de fluio de efectivos. La columna c) se calcula usando derivacin num6rica de la informacin enla columna b). El primero y ltimo valor de la columna e) se determinan usando diferencias hacia adelante y hacia atrs de orden h2, los valores medios medianh2 te diferencias centrales de orden Efectivo Costo por computadora, generado ($) [basado diariaPromedio de Cantidad de computadoras Nmero de computadoras en la columna meme $ vendidas 4 Y la computadodisponibles en el mercado ras vendidas diariamente ecuacin (1 5.1 )] [(c) X ( d ) ] a) b) 4 4 e)

Tiempo en das
f)

50 O00 35 O00 31 O00 20 O00 19 O00 12 050 11 O00

O
15 O00 19 O00 30 O00 31 O00 37 950 39 O00

2 050.0 950.0 1 500.0 600.0 397.5 400.0 -1 90.0

1 542 1 639 1 677 1 833 1 853 2 040 2 083

3 161 100 1 557 050 2 515 500 1800 099 736 568 816 O00 -395 770

O 10 20 30 40 50 60

CASOS DE LA PARTE V: l N T E G R A C l 6 N

489

FIGURA 15.1

Costo de las computadoras contra el nmero de computadoras enelrnercado. La curva se basa en la ecuacin (15.1).

Solucin: el efectivo total generado estdadopor Efectivo total

=

(u" (efectivo generado diariamente) dt

Efectivo total

En este caso, el promedio de ventas de los das O al 60 est dado por la columna c ) del cuadro 15.1. El promedio se determina usando diferencias divididas finitas (recurdese la seccin 3.5.4) para apoximarla primera derivada de la columna b). Ntese cmo, debido a la variacin de los datos, la aproximacin a la derivada en la columna c) vara mucho. En efecto, aunque la venta total de computadoras siempre crece, la variacin en los datos proporciona un promedio de ventas negativo en el da 60. Este inconveniente se debe a que las aproximaciones numricas de las derivadas son altamente sensitivas al cambio en los datos. El costo por computadora diario se calcula en base a la ecuacin (15.1) y el nmero de computadoras disponibles se muestra en la columna a) del cuadro 15.1. El costo por computadora diario desde el da O hasta el 60 est dato en la columna d ) . En la columna e ) se muestra el efectivo generado diariamente. Este dato se puede usar en conjunto con los procedimientos de integracin numrica analizados enelcaptulo 13. En el cuadro 15.2 se muestran los resultados de aplicarla regla trapezoidal y la regla de Simpson de 1/3 a este problema. Ntese como va-

(promedio de ventas

costo unitario) dt

490

INGENIEROS METODOS

NUMRICOS PARA

CUADRO 15.2

Resultados al aplicar la regla trapezoidal y la regla de Simpson de 113 para calcular el flulo de efectivos generado dela venta de computadoras Mdtodo
Regla trapezoidal

Segmentos Efectivo generado

1 2 3 6

82 959 900 950 74 473 96 294 660 81 075 830 7 1 645 300 77 202 887

Regla de

Simpson de

1/3

2 6

ran los resultados ampliamente, dependiendo de cuntos segmentos se empleen en el anlisis. En particular, la estimacin de la versin de tres segmentos de la regla trapezoidal es mucho mayor que las otras estimaciones debido a la inclusin selectiva de las altas estimaciones de flujo de efectivos enelda 20. En base a este anlisis se puede concluir que el flujo de efectivos es de aproximadamente $77 millones. Sin embargo, los resultados indican que se debe tener cuidado cuando se aplican los mtodos de integracin numrica y que las aproximacionesde datos tabulares pueden, en general, mejorarse si se obtiene informacin adicional. Esta conclusinla comprueba el caso de estudio 15.5 en donde se demuestra que el nmero de datos puede tenerun efecto significativo en el resultado final de la aproximacin a una integral.

CASO 15.2

EL USO DEINTEGRALESPARADETERMINARLA CANTIDAD TOTAL DE CALOR EN LOS MATERIALES (INGENIERA QUMICA)

Antecedentes: los clculos de calor se emplean rutinariamente en la ingeniera qumica, ascomo tambin en otros campos de la ingeniera. Este caso proporciona un ejemplo simple pero muy til de estos clculos. Un problema que se encuentra a menudo es determinar la cantidad de calor necesaria para elevarla temperatura de un material. La caracterstica necesaria para realizar este clculo es la capacidad calorfica c. Este parmetro representa la cantidad de calor necesaria para elevar una unidad de masa a una unidad de temperatura. Si c es la constante sobre el rango de temperaturas quese van a examinar, el calor necesario AH (en caloras) se calcula como

AH

me AT

[15.2]

CASOS DE LA PARTE V: INTEGRACldN

49 1

en donde c tiene unidades de caloras por gramo por grado centgrado, m es la masa (en gramos) y AT es el cambio de temperatura (en grados centgrados). Por ejemplo, la cantidad de calor necesaria para elevar 20 g deaguade 5 a 10C es igual a

AH

(20)1(10 - 5) = 100 cal

en donde la capacidad calorfica del agua es aproximadamente 1 cal/g/"C. Tal valor es adecuado cuando AT es pequeo. Sin embargo, en rangos mayores de temperatura, la capacidad calorficano es constante, y de hecho, vara en funcin de la temperatura. Por ejemplo, la capacidad calorfica de un material aumenta con la temperatura de acuerdoa relaciones tales como

c(T) = 0.132

+ 1.56 X

10-4T + 2.64

10-7T2

[15.3]

En este caso se pide calcular el calor deestematerialde -100 a 200C.

necesario para elevar 1 O00 g

Solucin: la ecuacin (V.3) proporciona una manera de calcular el valor promedio de c ( T ) :

quepuedesersustituidoen

la ecuacin (15.2) y obtenerse

AH

=m

ITT: c(T)dT

[15.4]

en donde AT = T2- T1. Ahora, ya que en este caso c(T) es una cuadrtica simple, AH se determina analticamente. La ecuacin (15.3) se sustituyeenla ecuacin (15.4) y el resultado se integra para obtener el valor exacto de AH = 42 732 caloras. Es til y adems instructivo comparar este resultado con los mtodos numricos desarrollados en el captulo 13. Para llevar a cabo esto, es necesario generar una tabla de valores de c paravariosvaloresde T:
T , OC
c callglOC

-100 -50
O 50 100 150 200

0.119 0.124 0.132 0.140 0.150 0.161 0.173

04 86 O 0 46 24 34 76

092

MTODOS

NUMRICOS PARA INGENIEROS

Estos puntos se usan junto con la regla de Simpson de 1/3 usando seis segmentos y se calcula una integral aproximada de 42.732. Este resultado se sustituyeenla ecuacin (15.4) quelleva alvalor AH = 42 732 caloras, resultado que coincide exactamente con la solucin analtica. Esta coincidencia se esperaba ya que c es una funcin cuadrtica y laregla de Simpson es exacta para polinomios de tercer orden o menos (vase la seccin 13.2). Los resultados obtenidos con la regla trapezoidal se muestranenel cuadro 15.3. S e ve que la regla trapezoidal tambin es capaz de estimar el calor total de manera exacta. Sin embargo, se necesita un paso pequeo ( < 10C) para una exactitud de cinco cifras significativas. Este ejemplo ilustra bien el por qu la regla de Simpson es muy popular. Es fcil llevarla a cabo, ya sea usando clculos a mano o , mejor an, conuna computadora personal. Adems porlo comGn, es lo suficientemente exacta y exacta para polinomios de con tamaos de paso relativamente grandes tercer orden o menos.

CUADRO 15.3

Resultados obtenidos usando la regla trapezoidal con varios tamaos de paso Tamao paso, de
300 150 1O0 50 25 10 5 1 0.05
OC AH
+

Yo

96 43 42 42 42 42 42 42 42

048 029 864 765 740 733.3 732.3 732.01 732.000 3

125 0.7 0.3 0.07 0.018 < 0.01 < 0.01 < 0.01 < 0.01

CASO 15.3

FUERZAEFECTIVA SOBRE EL MSTIL DE UN VELERODECARRERAS (INGENIERA CIVIL)

Antecedentes: enlafigura 15.2a se muestra un corte transversal de un velero de carreras. Las fuerzas del viento (fl ejercidas por pie de mstil desde las velasvaran en funcin de la distancia sobre la cubierta del bote (z) como lo muestra lafigura 15.2b. Calclese la fuerza de tensin T en el cable de soporte del lado izquierdo del mstil, suponiendo que el soporte del cable derecho est flojo y el mstil se une al casco de manera que transmita fuerzas verticales y horizontales pero no momentos. Supngase que elmstil permanece vertical.

CASOS DE LA

V: INTEGRACldN

493

FIGURA 15.2

a) Seccin transversal de un velero de carreras. b) Fuerzas del viento f eiercidas por pie de mstil en funcin de la distancia z sobre el casco
del bote.

= tan= 0.099

(3/30),
668 7 ,

I-

Solucin: para proceder con el problema, se requiere que la fuerza distribuida f se convierta en una fuerza total equivalente F y que se calcule su posicin efectiva d sobre el casco (Fig. 15.3). Este clculo se complica por el hecho de que la fuerza ejercida por pie de mstil vara con la distancia sobre el puente. La fuerza total ejercida sobreel mstil expresa comounaintegraldelasiguientefuncincontinua:

FIGURA 15.3 Diagrama de cuerpo libre de las fuerzas ejercidas en el mstil de un velero.

Estaintegralnolineal es difcil de evaluar analticamente. Por lo tanto, es conveniente emplear un mtodo numrico tal como la regla de Simpson y la regla trapezoidal para este problema. Esto se lleva a cabo calculando f(z) paravariosvalores de z y, despus, usandolas ecuaciones (13.10) y (13.18). Por ejemplo, el cuadro 15.4 tiene valores def(z) para un tamao de paso de 3 pies que proporciona datos de la regla de Simpson de 1/3 y de la regla trapezoidal. En el cuadro 15.5 se muestran resultados de varios valores del tamao de paso. Se observa que ambos mtodos proporcionan un valor de F = 1 480.6 libras a medida que el tamao de paso decrece. En este caso, el tamao de paso de 0.05 pies en la regla trapezoidal y de 0.5 en la regla de Simpson proporciona buenos resultados.

494

INGENIEROS METODOS

NUMRICOS

PARA

CUADRO 15.4 Valores de f(z) con un tamao de paso de 3 piesqueproporcionan datos de la regla trapezoidal y la regla de Simpson de 113 z, pies O 3 6 9 12 15 18 21 24 27 30

f(z),lblpies
O 6 1.40 73.13 70.56 63.43 55.18 47.14 39.83 33.42 27.89 23.20

La lnea de accin F (Fig. 15.3) se calculaevaluando la integral.

CUADRO 15.5 Valores de F calculados en basea varias versiones de la regla trapezoidal y la regla de Simpson de 113
_____ _____________
~~

Mtodo pies
Regla trapezoidal

Tamao de paso,
15 10 6 3 1 0.5 0.25 o. 1 0.5 15 5 3
1

Segmentos
2 3 5 10 30 60 120 300 600 2 6 10 30 60

F, libras
1 001.7 1222.3 1 372.3 1450.8 1 477.1 1 479.7 1 480.3 1 480.5 1 480.6

de Regla Simpson de 113

0.5

1 219.6 1 462.9 1 476.9 1 480.5 1 450.6

CASOS DE

V: INTEGRACldN
O

495

d=

lo3'

200z[z/(5

+~)]e-~ dz /~'

1480.6

Esta integral se evala usando mtodos similares a los anteriores. Porejemplo, la regla de Simpson de 1/3 con un tamao de paso de 0.5 proporciona
d =

19 326.9 1 480.6

13.05 pies

Con F y d conocidos de los mtodos numricos, se usa un diagrama de cuerpo libre para desarrollar ecuaciones de equilibrio de fuerzas y momentos. Este diagrama de cuerpo libre se muestra en la figura 15.3. Sumando fuerzas en la direccin vertical y horizontal y tomando momentos alrededor delpunto O , se obtiene
EFH = O = F
-

CF"= O
EM0
=

= =

v - reos o
3V - Fd

Tsen 8

[15.9] [15.10] E15.111

en donde T es la tensin en el cable. H y V son las reacciones que se desconocen sobre el mstil transmitidas al casco. La direccin y magnitud de H y V se desconocen. La ecuacin (15.11) se resuelve directamente para V ya que se conocen F y d .

Por lo tanto, de la ecuacion (15.l o ) ,

y de la ecuacin (15.9),

H = F

T sen 8

1 480.6

(4 473)(0.099 5)

836.54 lb

Estas fuerzas le ayudan al diseador para continuar con otros aspectos del diseo estructural delvelero, tales como los cables y el sistema de soporte del mstil sobre el puente. Este problema ilustra muy bien dos usos dela integracin numrica que se pueden encontrar durante el diseo

496

METODOS NUMRICOS

PARA INGENIEROS

de estructuras.Se ha visto que la regla trapezoidal y la regla de Simpson de 1/3 sonfciles de aplicar y sonherramientasprcticas enla solucin de problemas. La regla de Simpson de 1/3 es ms exacta que laregla trapezoidal para el mismo tamao de paso y por lo tanto, se prefiere a menudo.

CASO 15.4

DETERMINACIN DE LA CORRIENTE RMS MEDIANTEINTEGRACIN NUMRICA (INGENIERA ELCTRICA)

Antecedentes: el valor efectivo de una corriente elctrica cuyo valor vara peridicamente est dado porla frmula de raz cuadrada de la corriente al cuadrado (vase el caso 12.4): 1

IWS =

i2(t)dt

[15.12]

endonde T es el periodo, esto es, eltiempode un ciclo e i(t) es la corriente instantnea.Calclese la corriente RMS de la forma de onda mostrada en la figura 15.4 usando la regla trapezoidal, la regla de Simpson de 1/3, la integracin de Romberg y la cuadratura gaussiana para T = 1 s. Recurdese que enel caso 12.4, se resolvi este problema por integra-

FIGURA 15.4

Corriente elctrica que vara peridicamente.

CASOS DE

V: INTEGRACldN

497

CUADRO 15.6

Valores dela integral calculada usando varios mtodos num6ricos. El error relativo porcentual E, se basa en e l valor verdadero de

15.412 608 1
Mtodo
Regla trapezoidal

Segmentos Integral

E,

1 2 4 8 1 6 32 64 128 1/3
2 4 8 1 6 32

0.0 15.163 266 5 15.401 429 1 15.411 958 4 15.412 568 2 15.412 605 6 1 5 . 4 12 607 9 15.412 608 1

1 O0 1 . 6 2 0.0725 4 . 2 1 x 10-3 2.59 x 10-~ 1.62X 10-5 1.30x low6 O

-31.2 -0.443 -018 6 -1.06 x 1 0 3 O

de

Regla Simpson de

20.217 688 7 15.480 816 6 15.415 468 1 15.412 771 4 15.412 608 1

cin analtica dela parbola que se haba ajustado a la funcin cuya aproximacin a laintegralfuede 20.217 688 7. Solucin: en el cuadro 15.6 se muestra la aproximacin a la integral con varias aplicaciones de la regla trapezoidal y la regla de 1/3 de Simpson. Una aplicacin de la regla de Simpson de 1/3 obtiene el mismo resultado del caso de estudio 12.4. Esto ya se esperaba porquela regla de Simpson de 1/3 corresponde al rea bajo la parbola ajustada a los tres puntos. Ntese que la regla de Simpson es ms exacta que la regla trapezoidal. El valor exacto de la integral es 15.412 608 1. Este resultado se obtiene usando la regla trapezoidal con 128 segmentos o la regla de Simpson con 32 segmentos. Usando la integracin de Romberg se determina la mismaaproximacin (Fig. 15.5).

"

FIGURA 15.5

Resultados obtenidosusando la corriente RMS.

la integracindeRomberg

para calcular

498

MTODOS

NUMRICOS

PARA INGENIEROS

Adems, se puede usar la cuadratura gaussiana para obtener la misma aproximacin. Recurdese que la determinacin de la corriente RMS del caso 12.4 se incluye la evaluacin de la integral (T = 1)

(b (lOe-t sen 2at)* dt

1 4 1 4

[15.13]

Primero se hace un cambio de variable aplicando la ecuacin (14.23) y (14.24) para obtener
t = - + - t d

dt = - dtd

1 4

Estas relaciones se sustituyen en la ecuacin (15.13) y se obtiene

Con la frmula de Gauss-Legendre de dos puntos,la funcin se evala en t d = 1/43 y - 1/43, con los resultados de 7.684 096 2 y 4.313 728 O , respectivamente. Estos valores se sustituyen en la ecuacin (14.17) y se obtiene una aproximacin a la integral de 11.997 824 2, que representa un error del = 22%. La frmula de tres puntos es (cuadro 14.1):

0.555 555 556 (1.237 449 345) + 0.888 888 889 (15.163266 49)

+
=

0.555 555 556 (2.684 914 679)

=

15.657 550 21

1.6%

En el cuadro 15.7 se resumen los resultados del uso de frmulas de ms puntos.

CUADRO 15.7 Resultadosobtenidosusandovarios puntos y la cuadratura gaussiana para aproximar la integral
~~

Puntos

Aproximacih

! %

3 802 15.405 4

824 11.997 3 15.657 550 2

3
15.412 639 1 610 9

5
15.412 6

22.1 -1.59 4.42 x -2.01 X 1 0 - ~ -1.82 x 10-5

CASOS DE LA PARTE V: INTEGRACldN

499

Laaproximacin a laintegralde 15.412 608 1 se sustituyeenla como 3.925 889 5 A. Esteresulecuacin (15.12) y se calcula IRMs tado se emplea en la gua de otros aspectos del diseo y operacin del circuito.

CASO 15.5

INTEGRACIN NUMRICA E N EL CALCULO DE TRABAJO (INGENIERA MECANICA)

Antecedentes: muchos problemas de ingeniera incluyen el clculo del trabajo. Lafrmulageneral es: Trabajo = fuerza
X

distancia

Cuando se estudia este concepto en la materia de fsicaa nivel preuniversitario, se presentan aplicaciones simples usando fuerzas que permanecen constantes a travs del desplazamiento. Por ejemplo, si se usauna fuerza de 10 libras para jalar un bloque una distancias de 15 pies, el trabajo se calcula como 150 pies X libra. Aunque este clculo simple es til enla introduccin del concepto, los problemas realistas, en general, son ms complejos. Por ejemplo, supngase que la fuerza vara durante el curso del clculo. En estos casos, la ecuacin del trabajo puede expresarse como

w=

F(x) cix

[15.14]

donde W es el trabajo en pie X libra, x . y x, son las posiciones inicial y final, respectivamente y F(x) es la fuerza que vara en funcin de la posicin. Si F(x) es fcil de integrar, entonces la ecuacin (15.14) se integra analticamente. Sin embargo, en problemas reales, la fuerza no se puede expresar de esta manera. De hecho cuando se analizan los datos medios, la fuerza puede estar disponible en forma tabular. En estos casos, la integracin numrica es lanicaopcinviablepara la evaluacin. Cuando el ngulo de la fuerza y la direccin del movimiento tambin varanconla posicin, se introducemayorcomplejidad(Fig. 15.6). La ecuacin del trabajo se puede modificar an ms tomando en cuenta este efecto,

w=

F(x) cos [O(x)] dx

[15.15]

Otra vez, si F(x) y O(x) son funciones simples, la ecuacin (15.15) se resuelve analticamente. Sin embargo, como en la figura 15.6, es ms fcil

500

MTODOS

NUMERICOS

PARA INGENIEROS

FIGURA 15.6

Caso de una fuerza variable que acta sobre un bloque. Eneste caso, el ngulo, as como la magnitud de la fuerza varan.

que la relacin funcional sea complicada. En este caso, los m6todos numricos proporcionan la nica alternativa para determinar la integral. Supngase que seva a calcular la situacin mostrada en la figura 15.6. Aunque la figura muestra los valores continuos deF(x) y B(x),se supone que debido a restricciones experimentales, dnicamente se proporcionan las medidas discretas en intervalos de x = 5 pies (cuadro 15.8). Utilicense las versiones de un segmento y de segmentos mltiples de la regla trapezoidal y las reglas de Simpson de 1/3 y 3 / 8 para calcular el trabajo con estos datos. Solucin: en el cuadro 15.9 se muestran los resultados resumidos del anlisis. Se calcul un error relativo porcentual E ~ , en referencia al valor real

CASOS DE LA

V: INTEGRACldN

50 1

CUADRO 15.8 Datos de la fuerza F ( x ) y del nglo @(x) en funcidn de la posicidn x

x , pies

F(x),libras O, radianes F(x)cos 0

O
13.0 14.0 10.5 12.0 5 10 15 20 25 30

0.0 9.0

5.0

030 1.40 0.75 0.90 1.30 1.48 1S O

0.000 o 1 S29 7 9.512 O 8.702 5 2.808 7 1.088 1 0.353 7

de la integral cuyo valor es 129.52, calculando en base a los valores tomados de lafigura 15.6 con intervalos de un pie. Estos resultados son importantes porque el resultado ms exacto ocurre cuando se usala regla trapezoidal de dos segmentos. Las estimaciones ms refinadas usando mssegmentos, as como la regla de.Simpson, llevan a resultados menos exactos. La razn de este resultado aparentemente ilgico es que el espaciamiento grueso de los puntos no es adecuado para capturar las variaciones de las fuerzas y los ngulos. Esto es evidente enlafigura 15.7, en donde se ha graficado la curva continua de los productos de F(x) y cos [e(x)].Ntese cmo el uso de siete puntos para caracterizar la continuidad de la funcin falla en los dos picos x = 2.5 y x = 12.5 pies. La omisin de estos dos puntos limita efectivamente la exactitud de la integracin numrica en el cuadro 15.9. El hecho de que la regla trapezoidal de dos segmentos obtenga la mayor precisin en estos resultados se debe a la forma en que se posicionan los puntos en este problema en particular (Fig. 15.8).
CUA,DRO 15.9

A roximaciones del trabalo calculado usando la reg a trapezoidaly la regla de Simpson. El error relativo oreentual (e,) se calculd en referencia al valor rea de la integral (129.52 pies libra)calculado en base a los valores en intervalos de 1 pie

M6todo
Regla trapezoidal

1 2 3 6

95.9

5.31 -2.84 133.19 3.51 124.98 1 1 9.09 175.82 -35.75 9.57 117.13 139.93

8.05

Regla de Simpson de

1/3 2
6

Regia de

Simpson de

3/8 3

-8.04

502

METODOS NUMRICOS

PARA INGENIEROS

FlGlJRA 15.7 Grfica

continua de f(x) cos [O(x)]contra la posicin, junto con los siete puntos discretos usados para desarrollar la aproximacin a la integral numrica del cuadro 15.9. Ntese cmo el uso de siete puntos para caracterizar esta funcin que vara continuamente omite dos picos en x = 2.5 y 12.5 pies.

FIGURA 15.8

Esquema grfico del por qu6 la regla trapezoidal de dos segmentos genera una buena aproximacin de la integral para este caso en particular. Por casualidad el uso de los dos trapecios genera un balance entre los errores positivos y negativos.

CASOS DE LA PARTE V: INTEGRACION

503

FIGURA 15.9

Esquemas de segmentacin desigual que resulta al incluir dos puntos iniciales en x = 2.5 y 12.5 en los datos delcuadro 15.8. S e muestran las frmulas de integracin aplicadas a cada conjunto de segmentos.

La conclusin derivada de la figura 15.7 es que se debe hacer un nmero adecuado de medidas para calcular exactamente las integrales. En este caso, si se conociera F (2.5) cos [0(2.5)]= 4.350 O y F(12.5) cos [6(12.5)] = 11.360 O se podra determinar un clculo de la integral usando el algoritmo de datos desigualmente espaciados descrito previamente enla seccin 13.3. En la figura 15.9 se ilustra la segmentacin desigualen este caso. Incluyendo los dos puntos adicionales, lleva a un mejor clculo dela integral de 126.9 (E,, = 2.02%). Por lo tanto, lainclusinde los datos adicionales podra incorporarlos picos que se haban ignorado previamente y, en consecuencia, !levar a un resultado mejor.

PROBLEMAS
Ingeniera en general
15.1 Reptanse los clculos del caso 15.1 usando los programas propios

504

NUMERICOS

METODOS

PARA INGENIEROS

15.2

Efectense los mismos clculos del caso 15.1, pero envez de usarla ecuacin (15.1) utilcese la siguientefrmulaalternativa: Costo por computadora ($) = 1250

1750e-510-5N

15.3

A I efectuar un estudio de la linea de ensamble de unaplanta de automviles, en un periodo de 24 horas, se visitan dos puntos sobre la lnea y en instantes diferentes durante el da se verifica el ntmero de autos que pasa por ah en un minuto. Los datos son

~~

~~

~~

~~

~~

_ _ ~
~~~

~~~

Punto A Tiempo
Medianoche 2 A.M. 3 A.M. 6 A.M. 9 A.M. 11 A.M. 2 P.M. 5 P.M. 6 P.M. 7 P.M. P.M. Media noche

Punto B Tiempo
Medianoche 1 A.M. 4 A.M. 5 A.M. 7 A.M. 10 A.M. 1 P.M. 3 P.M. 9 P.M. 10 P.M. 11 P.M. Medianoche

Carrodminuto

Carrodminuto

3
3 5 2 1 4 3 4
6 1 3 6

3 5 4 5

6 2 1 1 3 4 6

Utilcese integracin numricay la ecuacin V.3para determinar el nmero total de carros que pasa por da en cada punto. 15.4

Los datos del cuadro P15.4 proporcionan medidasdelflujo de calor q sobre la superficie de un colector solar en intervalos de una hora. Calclese el calor total absorbido por un panel colector de 150 O00 cm2 durante un periodo de 14 horas. El panel tiene una eficiencia de absorcin eobdel 45%. El calor total absorbido est dado por

eab

S1

q A dt

en donde A es el rea y q es el flujo de calor

Ingeniera Qumica
15.5 15.6 Reptanse los clculos del caso 15.2 usando los programas propios. Efectense los mismos clculos del caso 15.2 calculando la cantidad de calor necesario para elevar la temperatura de 2 O00 g de material desde 2 000 hasta

CASOS DE LA PARTE V: INTEGRACldN

505

TABLA P15.4

Medidas del flujo de calor solar

Tiempo, h

Flujo de calor q, colorks/cm2/h

o. 1
1.62 5.32 6.29 7.8 8.81 8.00 8.57 8.03 7.O4 6.27 5.56 3.54 1 .o 0.2

6 7 8 9 10 11 12 13 14

100C. Utilicese la regla de Simpson en los clculos, con valores de T a intervalos de 5OOC.
15.7 15.8

Reptase el problema 15.6 usando integraci6n de Romberg con

E"

= 0.01%.

Reptase el problema 15.6 usando la frmula de Gauss-Legendre de dos y tres puntos. Interprtense los resultados. Utilicese la regla de Simpson para calcular el calor total de la placa mostrada en el caso 9.2 sila capacidad calorfica est definida por la ecuacin (15.3).

15.9

Ingeniera civil
15.10 Reptanse los clculos del caso 15.3 usando sus propiosprogramas 15.11 Reptanse los clculos del caso 15.3 usando la integracin de Romberg para evaluarla integral. Usese un criterio de paro de e, = 0.25%. 15.12 Ejectense los mismos c6lculos del caso 15.3 usando la cuadratura de Gauss para evaluar la integral. 15.13 Ejectense losmismos clculos del caso 15.3 cambiando la integral a

506

NUMERICOS

METODOS

PARA INGENIEROS

15.14 Para ciertos trabajos sobre ingeniera de recursos de agua, que incluye la prevencin de inundaciones y el diseo de reservas, se requieren canales de rea transversal ( A ) . A menos que se disponga de dispositivos de sondeo electrnico en la obtencin de perfiles continuos del fondo del canal. el ingeniero debe confiar en las medidas discretas de la profundidad a calcular. En la figura P15.14 se ilustra una seccin transversal de un canal comn. Los puntos representan posiciones en donde se ancl el bote y se tomaron lecturas de la profundidad. Utilcense dos ecuaciones dela regla trapezoidal ( h = 4 y 2 m) y la regla de Simpson de 1/3 para calcular el rea transversal a partirde estos datos
15.15 Durante una investigacin de campo es necesario calcular el rea del campo mostrado en la figura P15.15. Utilcense las reglas de Simpson para determinar elrea.

15.16 Un estudio de ingeniera de trnsito'sequiere el clculo del nmero total de carros que pasa a travs de una interseccin en un periodo de 24 horas. Un individuo visita lainterseccin varias veces durante el day cuenta el nmero de carros que pasa a travs de la interseccin en un minuto. Utilcense estos datos, que se encuentran resumidos en el cuadro P15.16, para calcular el nmero total de carros que pasa por la interseccindurante el da. (Tngase cuidado con las unidades.)

Ingeniera elctrica
15.17 Reptanse los clculosdel caso 15.4 usandolosprogramaspropios

TABLA P15.16

Promedio de flujo de trfico en una interseccin medido envorios tiempos en un periodo de24 horas Tiempo Promedio, carroslmin

12:OO Medianoche 2:00 A.M. 6:OO A.M. 7:OO A.M. 8:OO A.M. 9:OO A.M. 11:o0 A.M. 1:OO P.M. 3:OO P.M. 4:OO P.M. 5:OO P.M. 6:OO P.M. 7:OO P.M. 8:OO P.M. 1O:OO P.M. 12:OO Medianoche

10

4 .6 40 60
80

25
18 17 28

35
77 40

30 31
15

CASOS

V: INTEGRACION

507

FIGURA P15.14

Seccin transversal de un canal.

FIGURA P15.15

Campo limitado por dos caminosy

un arroyo.

" " " . " " " .

..

508

INGENIEROS

PARA

MTODOS

NUMERICOS

15.18 Efectense los mismos clculos del caso 15.4 usando una funcin de corriente dada por:
i(t) =

sen 2?rt

por O

It S

r/2
T

i(t) = O

por T / 2

It I

e n donde T = 1 s. Utilcese la regla de Simpson de 1/3 con 16 segmentos para calcular la integral.
15.19 Reptase el problema 15.18 usando cuadratura gaussiana 15.20 Reptase el problema 15.18 usando integracin de Romberg a
E,

0.1%.

Ingeniera mecnica
15.21 Reptanse los clculos del caso 15.5 usando los programas propios 15.22 Ejectense los mismos clculos del caso 15.5 usando la siguiente ecuacin para calcular:

F(x) = 1 . 1 7 ~ - 0.035~~ Emplense los valores de 6 del cuadro 15.8

15.23 Ejectense los mismos clculos del caso 15.5pero con la siguiente ecuacin para calcular:

Emplese la ecuacin del problema 15.22 para F(x). Utilcese la regla trapezoidal con cuatro, ocho y diecisis segmentos para calcular la integral.
15.24 Reptase el problema 15.23 con la regla de Simpson de 1/3 15.25 Reptase el problema 15.23 usando integracin de Romberg hasta 15.26 Reptase el problema 15.23 usando cuadratura gaussiana 15.27 Lense todos los casos del captulo 15. En base a las lecturas y a la experiencia invntese un caso propio en cualquiera de los campos de la ingeniera. Esto puede implicar la modificacin o la reexpresin de alguno de los casos. Sin cmbargo, tambin puede ser totalmente original.Como sucede en los ejemplos del texto, se debe elaborar enfocando los problemas de ingeniera y debe demostrar el uso de los mtodos numricos para la integracin. Escrlbanse los resultados usando los casos propios como modelos.
E$

O. 1% .

EPLOGO: PARTE V

V.4

ELEMENTOS DE JUICIO
El cuadro V.3 muestra un resumende los elementos de juicio relacionados con la integracin numrica o cuadratura. La mayor parte de estos mtodos se basa en la interpretacin fsica simple de que una integral es el rea baio la curva. Estos mtodos estn diseados para evaluar la in1 ) una funcin tegral en dos casos diferentes: matemtica continua y 2) datos discretos en forma tabular.
Las frmulas de Newton-Cotes son los primeros mtodos analizados en el captulo 13. Son aplicables a funciones continuasy a funciones discretas. Se dispone de estas frmulas en sus versiones cerradas y abiertas. las formas abiertas, que tienen lmites de integracin extendidos ms all del rango de los datos, rara vez se usan en la evaluacin de integrales definidas. Sin embargo, tienen gran utilidad en la solucin de ecuaciones diferenciales ordinarias, analizada enel captulo 17.

Las frmulas de Newton-Cotes cerradas se basan en el reemplazo de una funcin matemtica o de datos enforma tabular en un polinomio quees fcil de integrar. La versin ms simple es la regla trapezoidal, que se basa en tomar el rea baio una lnea recta que une los valores adyacentes de la funcin. Una manera de meiorar la exactitud de la regla trapezoidal es la de dividir el intervalo de integracin de a a b en un conjunto de segmentos y aplicar el mtodo a cada uno de los segmentos. Adems de aplicar la regla trapezoidal con segmentacin ms fina, otra manera de obtener una aproximacin ms exacta a la integral es eluso de polinomios e orden superior para conectar los puntos. Si se emplea una ecuacin cuadrtica, el resultado es la regla de Simpson de 1/3. Si se usa una cbica el resultado es la regla deSimpson de 3/8. Estas reglas se prefieren a la de la regla trapezoidal debido a que son mucho ms exactas. Existen versiones de segmentos mltiples. En situa-

510

METODOS

NUMRICOS

PARA INGENIEROS

?
L

O
P

>
a

EPILOG0 PARTE V

51 1

ciones con un nmero par de segmentos, se recomienda la aplicacin mltiple de la regla de 1/3.Para el caso de un nmero impar de segmentos, se puede aplicar la regla 3/8 a los ltimos tres segmentos y la regla de 1/3 a los restantes. Tambin existen frmulas de Newton-Cotes de orden superior. Sin embargo, rara vez se usan en la prctica. Cuando se requiere de alta exactitud se dispone de la integracin de Romberg y de la cuadratura gaussiana. Debe hacerse notar que las frmulas de integracin de Romberg y la cuadratura gaussiana tiene valor prctico slo en casos donde se conoce la funcin en forma continua. Estos mtodos no funcionan para datos tabulares.

V.5 RELACIONES Y FRMULAS IMPORTANTES

En el cuadro V.4 se resume la informacin ms importante analizada en la parte V. Este cuadro se puede consultar para tener un rpido acceso a las relaciones y frmulas de mayor importancia.

V.6 MTODOS AVANZADOS Y ALGUNAS REFERENCIAS ADICIONALES

Aunque se han analizado varios mtodos numricos, existen otros ms que tienen utilidad en la prctica de la ingeniera. Por ejemplo, la integracin adaptiva de Sirnpson se basa en la divisin del intervalo de integracin en una serie de subintervalos de ancho h. En seguida se usa la regla de Simpson de 1/3 para evaluar la integral en cada subintervalo, partiendo el tamao de paso de manera iterativa, es decir, con un tamao de paso h, h/2, h/4, h/8, etc. Las iteraciones se continan para cada uno de los subintervalos hasta que una aproximacin con error calculado E, [Ec. (3.5)]cae dentro de un criterio de paro antes especificado E,. La integral total se calcula como la sumatoria de las aproximaciones a la integral evaluadas en cada subintervalo. Este mtodo se usa, especialmente, en funciones complicadas que tienen regiones con variaciqnes de baio y alto orden. El anlisis de la integracin adaptiva se encuentra en Gerald y Wheatley (1 984) y Rice (1983). Otro mtodo para la obtencin de integrales es el de ajustar polinornios cbicos segrnentarios a los datos. La ecuacin cbica resultante se puede integrar fcilmente (Forshyte et al., 1977).Finalmente, aparte de las frmulas de Gauss-Legendre analizadas en la seccin 14.2,existe una variedad de frmulas de cuadratura. En Carnahan, Luther y

512

METODOS NUMERICOS PARA INGENIEROS

2
N

N
I

l!
x
- x x
y
Y

x'

x'
t

+
x'
C 9

i;
C

3
I

e,

EPLOGO PARTE V

513

Wilkes ( 1 969) y Ralston y Rabinowitz ( 1 978) se resumen algunas de estas formulaciones. En resumen, lo anterior tiene la finalidad de proporcionar caminos para exploraciones ms a fondo sobre el tema. Adems, todas las referencias anterioresproporcionan descripciones de los mtodos bsicos cubiertos en la parte V. Sele sugiere al lector consultar estas fuentes alternativas de informacin para profundizar en los mtodos numricos de integracin.

516

MTODOS

NUMRICOS

PARA INGENIEROS

m-

d2x dt

+ C"

dX

dt

+kx=O

[VI. 21

en donde c es un coeficiente de amortiguamiento y k es la constante delresorte. De manera similar, una ecuacin de n-simo orden incluira una n-sima derivada. Las ecuaciones de orden superior se pueden reducir a un sistema de ecuaciones de primer orden. Para la ecuacin (V1.2)) esto se lleva a cabo definiendo una nueva variable y donde

d x Y=%
que se puede derivar y obtener

[V1.3]

dy - d2x -" df dt2

Las ecuaciones

[V1.4]

(V1.3) y (V1.4) se pueden sustituir en la ecuacin(V1.2)

[VIS]

y obtener

Y m-d dt
O

+ cy + &x = o
cy

dy "dt

+ kx
m

[V1.6]

Por lo tanto, las ecuaciones (V1.3) y (V1.6) son un par de ecuaciones de primer orden que son equivalentes a la ecuacin original de segundo orden. Debido a que otras ecuaciones diferenciales de n-simo orden se pueden reducir de lamisma manera, esta parte del libro se enfoca a la solucin de ecuaciones de primer orden. Algunos de los casos de estudio del captulo 18 tratan con la solucin de E D 0 de segundo orden reducindolas a un par de ecuaciones de primer orden.

VI. 1.1.

M t o d o s anteriores al en la solucin d e E D 0

uso

de computadoras

Antes de la era de la computacin, las E D 0 se resolvan por lo comn, con mtodos de integracin analtica. Por eiemolo, la ecuacion (VI.l) se puede multiplicar por dt e integrarse para obtener

[V1.7]

ECUACIONES DIFERENCIALES ORDINARIAS

517

A I lado derecho de esta ecuacin se le llama integral indefinida debido a que los lmites de integracin no estn definidos. Esto contrasta con las integrales definidasanalizadas previamente enla parte V [comprese la Ec. (V1.7) con la Ec. (VS)].
Se obtiene una solucin analtica de la ecuacin (V1.7)si la integral indefinida se puede evaluar exactamente en forma de una ecuacin. Por ejemplo, recurdese que para el problema del paracaidista la la ecuacin (1.9) ecuacin (VI.7) se resuelve analticamente mediante (suponiendo que v = O en t = O):

[V1.8]
La mecnica de derivacin de tales soluciones analticas se analiza en la seccin V1.2. En este momento, lo importante es que, como en el caso de la integral definida, la evaluacin analtica de las integrales indefinidas, en general depende del conocimientoprevio de la respuesta. Desafortunadamente,las soluciones exactas de muchas EDOs de importancia prctica no existen. Como sucedeen la mayor parte de las Gtuaciones analizadas en otras partes de este libro, los mtodos numricos ofrecen la nica alternativa viable en estos casos. Debido a que estos mtodos numricos, por lo comn, requieren de computadora, los ingenieros de la era anterior al uso de las mismas se vean limitados enel alcance de sus investigaciones. Un mtodo muy importante que los ingenieros y matemticos desarrollaron para evitar este dilema fueel de linealizacin. Una ecuacin diferencial ordinaria es aquella que se ajusta a la forma

a,(x)y'"'

+ ...+ a 1 (x)y' + uo(x)y = +(x)

[V1.9]

en donde y(") es la n-sima derivada de y con respecto a x y las a y las f son funciones especficas de x. A esta ecuacin se le llama lineal ya que no hay productos o funciones no lineales de la variable dependiente y de sus derivadas. La importancia prctica de las E D 0 lineales es que se pueden resolver analticamente.En contraste, la mayor parte de las ecuaciones no lineales no se pueden resolver exactamente. Por lo tanto en la pocaanterior al uso de computadoras, una tctica para resolver las ecuaciones no lineales fue la de linealizarlas. Un ejemplo simple de la aplicacin de E D 0 es el predecir el movimientodel pndulo oscilante (Fig. VI.1). De manera similar ala derivacin del problema del paracaidista, se puede usar la segunda ley de Newton para desarrollar la siguiente ecuacin diferencial (vase el caso 18.5 para la derivacin completa: FIGURA VI.l
Pndulo oscilador.

-+-sen0

d28

dt2

CVl.1O]

518

METODOS NUMRICOS

PARA INGENIEROS

donde e es el ngulo de desplazamiento del pndulo, g es la aceleracin gravitacional y I es la longitud del pndulo. Esta ecuacin no es lineal ya que contiene el trmino sen 8 . Una manera deobtener una solucin analtica es la de considerar pequeos desplazamientos del pndulo a partir del equilibrio (esto es, para valores pequeos de6 ), sen 8 = 8

[VI.11]

Por l o tanto, si se supone que slo estamos interesados en los casos donde O sea pequea, entonces la ecuacin (VI.11) se puede sustituir en la ecuacin (VI.1O) para obtener

[V1.12]
De esta manera se ha transformado la ecuacin ma lineal fcil de resolver analticamente.

(VI.1 O) en una for-

Aunque la linealizacin sigue siendo una herramienta muy til en la solucin de problemas de ingeniera, existen casos donde no se puede usar. Por ejemplo, supngase queestamos interesados en estudiar el comportamiento del pndulo para grandes desplazamientos a partir del punto de equilibrio. En estos casos, los mtodos numricos ofrecen una opcin viable en la obtencin de soluciones. Actualmente, la amplia disponibilidad de computadoras coloca esta opcin al alcance de todos los ingenieros.

Vi. 1.2

Las

E D 0 en la prctica de la ingeniera

Las leyes fundamentales de la fsica, la mecnica, la electricidad y la termodinmica se basan en general en observaciones empricas que explican la variacin delas propiedades fsicas y estados de los sistemas. En lugar de describir el estadode los sistemas fsicos directamente, las leyes se expresan en cambios del tiempo y del espacio. En el cuadro VI.l se muestran varios ejemplos. Estas leyes definen mecanismos de cambio. Cuando stas se combinan con las leyes de continuidad e la energa, de mesa o de momento, se generan ecuaciones diferenciales. La integracinsubsecuente de estas ecuaciones diferenciales genera funciones matemticas que describen el estado espacial y temporal de un sistema en trminos variacionales de la energa, de la masa y de la velocidad.

El problema del paracaidista introducido en el captulo 1 es un ejemplo de la derivacin de una ecuacin diferencial ordinaria a partir de una ley fundamental. Recurdese que la segunda ley de Newton se usa en e l desarrollo de una E D 0 que describe el cumbic propor-

ECUACIONES DIFERENCIALES ORDINARIAS

519

CUADRO VI. 1

Ejemplos de lasleyes fundamentales escritas en terminos del promedio de cambiode las variables ( t tiempo y x posicin)

Ley
Segunda ley de Newton del movimiento Ley del calor de Fourier Ley de difusin de Fick Ley de Farafay (describe la cada del voltaje a travs de un conductor) Conservacin de la masa

Expresin matemtica
- = -

Variables y parmetros
Velocidad (v ), fuerza ( F ) y masa ( m )

dv dt

f
m

Flujo de calor = k-

aT
ax

Conductividad trmica y temperatura ( T )

(k)

ac Flujo de masa = 4 ax

Coeficiente de difusin (D) y concentracin (c) lnductancia ( I y ) corriente ( i )

Cada de voltaje =

L-

di

dt
dc Acumulacin = V-Volumen (V) y concentracin (c)

dt

cional de la velocidad de cada del paracaidista. Integrando esta relacin se obtiene una ecuacin que predice la velocidad de cada en funcin del tiempo. Esta ecuacin puede usarse de diferentes maneras, incluyendo propsitos de diseo. De hecho, estas relaciones matemticas son la base de la solucin de un gran nmero de problemas de ingeniera. Sin embargo, como se describe en la seccin anterior, muchas de las ecuaciones diferenciales de significancia prctica no se pueden resolver usando mtodos analticos del clculo. Por lo tanto, los mtodos analizados en los captulos siguientes son sumamente importantes entodos los campos de la ingeniera.

v1.2 FUNDAMENTOS MATEMTICOS

Una solucin de una ecuacin diferencial ordinaria es una funcin especfica de la variable independiente y de sus parametros que satisfacen la ecuacin diferencial original. Para ilustrar este concepto, se tiene la siguiente funcin

y = - 0 . 5 ~ ~4x3 - lox2

+8.5~ +1

[V1.13]

la cual es un polinomio de cuarto orden (Fig. V1.20). Ahora, si se deriva la ecuacin (VI.13), se obtiene la EDO:

" I * _

.c.

.. .

520

MTODOS

NUMRICOS PARA INGENIEROS

FIGURA V1.2

Grfica de a ) y contra x y b) d y / d x contra x de la funcin y = - 0 . 5 ~ ~ 4x3 - l o x 2 8.5~ + l.

dx

d~-

-2x3

+ 12x2

2oX + 8.5

[VI.141

Esta ecuacin tambin describe el comportamiento del polinomio pero de manera diferente que la ecuacin (Vl.13). En vez de representar explcitamente los valores de y para cada uno de los valores de x, la ecuacin (VI.14) proporciona la relacin de! cambio de y respecto a x(esto es, la pendiente) para cada valor de x . En la figura V1.2 se muestran la funcin y su derivada graficadas contra x . Ntese que los valores cero de la derivada corresponden aun punto donde la funcin original es plana, estoes, tiene una pendiente cero. Tambin, los valores absolutos mximos alcanzados de las derivadas son los extremos del intervalo en donde las pendientes de una funcin son mayores. Aunque, como yase ha demostrado, se puede determinar una ecuacin diferencial dada la funcin original, el objetivo

ECUACIONES DIFERENCIALES ORDINARIAS

521

aqu es el de determinar la funcin original dada la ecuacin diferencial. La funcin original representa entonces la solucin. En este caso se puede determinar la solucin en forma analtica, integrando la ecuacin (VI. 14):

y=

I [-2x3 + 1 2x2

2Ox

+ 8.51 dx
V.l)

Aplicando las reglas de integracin (recurdese el cuadro

AI resolver cada trmino de la ecuacin se obtiene la solucin:

y = - 0 . 5 ~ ~ 4x3 - lox2 + 8 . 5 ~ C

[VI.15]

que es idntica a la funcin original con una notable excepcin. En el acto de derivacin e integracin, se pierde el valor de la constante 1 en la ecuacin original y se gana el valor C. Esta C es conocida con el nombre de constante de integracin. El hecho de que aparezca una constante indica que la solucin no es nica. De hecho, sta es slo una de un nmero infinito de funciones posibles (correspondientes a un nmero infinito de valores posibles para C)que satisfacen a la ecuacin diferencial. Por ejemplo, en la figura V1.3 se muestran seis posibles funciones que satisfacen la ecuacin (V1.14).

FIGURA V1.3

Seis soluciones posibles de la integral de -2x3 12x2 - 2Ox + 8.5. Cada uno tiene un valor diferente de la constante de integracin c.

. . I" "

.-

." . ..~

..

522

INGENIEROS MTODOS

NUMRICOS

PARA

Por lo tanto, para especificar la solucin completamente, una ecuacin diferencial se acompaa de condiciones auxiliares. Para EDOs de primer orden, a un tipo de condicin auxiliar se le llama valor inicial y es necesaria para determinar la constante y obtener una solucin nica. Por ejemplo, la ecuacin (VI. 14) puede ir acompaada de una condicin inicial en que x = O, y = l . Estos valores se sustituyen en la ecuacin (VI. 15):

-0.5(0)4 + 4(0)3- 10(0)2 + 8.5(0) + C

[VI. 161

para determinar C = l . Por lo tanto, la solucin nica que satisface a la ecuacin diferencial y a la condicininicial especificada se obtiene sustituyendo C = 1 en la ecuacin ('41.15 ) para obtener

- 0 . 5 ~+ ~ 4x3 - lox2 + 8 . 5 ~ +1

[VI.17]

De esta manera, se ha considerado en la ecuacin (VI.15) que pasa a travs de la condicin inicial, al hacerlo, se ha obtenido una soluE D 0 y se ha completado el crculo hasta la funcin cin nica para la inicial [ecuacin (VI.13)]. Las condiciones iniciales por lo comn tienen interpretacicpes muy tangibles en ecuaciones diferenciales de problemas fsicos. Por ejemplo, en el problema del paracaidista la condicininicial fue reflectiva del hecho fsico de que en un tiempo cero la velocidad vertical fue cero. Si el paracaidista hubiera estado en movimiento vertical en el momento cero, la solucin se habra modificado para tomar en consideracin esta velocidad inicial. Cuando se trata con ecuaciones diferenciales de n-simo orden se requieren de n condiciones para obtener una solucin nica. Si todas las condiciones se especifican en el mismo valor de la variable independiente (por ejemplo, en x o t = O), entonces al problema se le conoce como problemae valor inicial. Esto contrasta con los problemas de valor en la frontera en donde las especificaciones de las condiciones ocurren en valores diferentes de la variable independiente. Los captulos 16 y 17 se enfocan a problemas con valores iniciales. Los problemas con valores en la frontera se mencionan al final del captulo 16.

VI .3
Antes de continuar con los mtodos numricos en la solucin de ecuaciones diferenciales ordinarios, puederesultar otil una orientacin. El material siguiente tiene la finalidad de proporcionar una visin general de los temas analizados en la parte VI. Adems, se han for-

ECUACIONES DIFERENCIALES

523

mulado objetivos para orientar al lector en el estudio de de esta rea.

los temas

V1.3.1

Alcances y avances

En la figura V1.4 se muestra una visi6n general de la parte VI. Dos categoras importantes de los mtodos numricosse analizan en esta

FIGURA V1.4

Representacin esquemtica de la organizacin del material de la parte VI: ecuaciones diferenciales ordinarias.

_I,..

..

524

MTODOS

NUMRICOS

PARA INGENIEROS

parte del libro. Los mtodos de un paso, cubiertos en el captulo 16, permiten al clculo de y;lh 1, dada la ecuacin diferencial y y;. Los mtodos de pasos mltiples, cubiertos en el captulo 17, requieren valores adicionales de y adems de los dados para i. En todo, con algunas excepciones menores, los mtodos de un paso del capitulo 76 pertenecen a los mtodos de Runge-Kutta. Aunque el captulo est organizado alrededor de este concepto terico, se ha o tanto, optado por abordar el tema de manera ms grfica. Por l el captulo empieza con el mtodo de Euler que tiene una interpretacin grfica muy clara. Despus, se usan argumentos orientados hacia lo visual para desarrollar dos versiones meioradas del mtodo de Euler: el mtodo de Heun y el mtodo del polgono mejorado.En seguida de esta introduccin, se desarrolla formalmente el concepto de los mtodos de Runge-Kutta (o RK) y se demuestra como los mtodos anteriores son mtodos RK de primer y segundo grado. A esto le sigue un anlisis de la formulacin RK de orden superior que se usa frecuentemente en la solucin de problemas de ingeniera. El captulo termina con secciones sobre dos aplicaciones de los mtodos de Ola solucin de problemas con valores en un paso: sistemas de D y la frontera usando mtodos de disparo.

1 capitulo 7 7 se dedica a los mtodos de pasos mltiples que algunas veces son mas difciles de programar en una computadora pero que alcanzan exactitudes comparables a los mtodos de un paso y con menor esfuerzo. Otra vez, al comienzo se enfoca el tema en forma visual usando un mtodo simple; el mtodo de Heun sin principio, para introducir todos los rasgos esenciales de los mtodos de pasos mltiples. En seguida se entra en un anlisis de las frmulas de integracin numrica que sonel corazn de los mtodos de pasos mltiples. A esto le sigue una seccin sobre las versiones de orden superior, incluyendo dos esquemas comunes, el mtodo de Milne y el mtodo de cuarto orden de Adams.
En el captulo 78 se desarrollan casos para todos los campos de la ingeniera. Finalmente, se incluye una seccin de repaso al trmino VI. Este epilog0 resume y compara las frmulas importande la parte tes y los conceptos relacionados con las EDO. Esta comparacin incluye un anlisis de los elementos de juicio importantes para su implementacin en la prctica de la ingeniera. El eplogo resume tambin las fbrmulas importantes e incluye referencias adicionales sobre temas avanzados. Se suministra informacin de cmputo automtico de diferentes maneras. Primero, est disponible el paquete NUMERICOMP para el mtodode Euler conlaopcinbasede usarse en l a s computadoras

ECUACIONES DIFERENCIALES ORDINARIAS

525

IBM-PC y Apple I I . En forma alterna se d a directamente en el texto el programa para el mtodo de Euler en ambos lenguajes FORTRAN y BASIC. Esto posibilita copiar el programa e implementarlo en la computadora o en una supercomputadora. Se proporcionan tambin los diagramas de flujo y algoritmos de los programas para computadora de la mayor parte de los mtodos descritos en el texto. Esta informacin, combinada con los programas propios bien escritos y documentados en cualquier lenguaje, proporcionan herramientas aplicables a un gran nmero de problemas de ingeniera.

V1.3.2

Metas y objetivos

Objetivos de estudio. Despus de terminar la parte VI, el lector debe de aumentar sus habilidades para confrontar y resolver ecuaciones diferenciales ordinarias. Las metas de estudio generales deben incluir confiabiel dominio de los mtodos, tener la capacidad de valorar la lidad de las respuestas, y ser capaz de escoger "el mejor" mtodo (o mtodos) de cualquier problema en particular. Adems de estos objetivos generales, se deben dominar los objetivos especficos de estudio del cuadro V1.2. Objefivos de cmputo. Se debe estar bien equipado con un paquete que incluya programas simples para la computadora, algoritmos, y diagramas de flujo que implementen los mtodos analizados en la parte VI. Todos stos tienen utilidad como herramientas de apredizaje.

El paquete de programas para computadoras personales NUMERICOMP, que utiliza el mtodo de Euler, es legible al usuario. La solucin se puede mostrar ya sea en forma grfica o en forma tabular. La salida grfica posibilita visualizar fcilmente el problema y su solucin. Se puede estudiar la eficiencia del mtodo probando varios tamaos de paso. El paquete es muy fcil de implementar y puede ser usado para verificar los resultados de cualquier programa de computadora desarrollado por el lector. Alternativamente, los programas del mtodo de Euler escritos en los lenguajes FORTRAN y BASIC se suministran directamente en el texto. Adems, se proporcionan los algoritmos y los diagramas de flujo palos otros mtodos anulizados en la parte VI. Esra la mayor parte de ta informacinpermitir expander la biblioteca de programas del lector, incluyendo mtodos que vayan ms all del mtodo de Euler. Por ejemplo, puede ser de mucha utilidad desde un punto de vista profesional, el tener un paquete de programas queemplee los mtodos de cuarto orden de Runge-Kutta o el mtodo de Adams. Tambin se puede desarrollar un paquete de programas que solucione sistemas de ecuaciones diferenciales ordinarias.

526

METODOS

NUMRICOS

PARA INGENIEROS

CUADRO V1.2

Bbietivos de estudios especficos de la parte VI

1. Ehtender la representacin visual de los mtodos de Euler, Heun y el

polgono meiorado.

2. Conocer la relacin del mtodo de Euler con la expansin en serie de

Taylor y que su conocimiento est relacionado con el error del mtodo. 3. Entender la diferencia entre los errores de truncamiento locales y globules y cmo se relacionan con la seleccin de un mtodo numrico en particular para la solucin de un problema. Conocer el orden y la dependencia de los tamaos de paso de los errores de truncamiento para todos los mtodos descritos en la parte VI; comprender cmo estos errores influyen en la exactitud de los mtodos. Entender la base de los mtodos predictor-corrector. Comprender en particular que la eficiencia del corrector es altamente dependiente de la exactitud del predictor. Conocer la forma general de los mtodos de Runge-Kutta. Entender la derivacin del mtodo de RK de segundo orden y cbmo estese relaciona con la expansin en serie de Taylor; reconocer que existe un nmero infinito de posibles versiones para los mtodos RK de orden superior. Saber aplicar cualquiera de los mtodos RK a sistemas de ecuaciones; ser capaz de reducir una ED0 de n-simo orden a un sistema de n E D 0 de primer orden. Entender la diferencia entre problemas de valor inicial y con valores a la frontera; ser capaz de implementar el mtodo de disparo en problemas con valores a la frontera. Conocer la diferencia entre los mtodos de pasos mltiples y de un solo paso; reconocer que todos los mtodos de pasos mltiples son predictorcorrector pero que no todos los mtodos predictor-corrector son de pasos mltiples. Entender la importancia de los modificadores en los algoritmos de pasos multiples. Entender la conexin entre las frmulas de integracin y los mtodos predictor-corrector. Conocer la diferencia fundamental entre los mtodos de integracin de Newton-Cotes y de Adams. Entender la conexin entre los modificadores y el ajuste en el tamao de paso; reconocer el tipo de contexto de un problema donde el ajuste de tamao de paso es importante. Comprender el hecho de que el mtodo de Milne es inestable y reconocer por qu posee dificultades en ciertos tipos de problemas.

4.

5.
6.

7. 8.
9.

1o.
11. 12.

13.
14.

CAPTULO DIECISIS
MTODOS DE U N PASO

Este captulo est dedicado a la solucin de ecuaciones diferenciales ordinariasdelaforma

Enel captulo 1 se usa un mtodo numrico para resolver el problema del paracaidista. Recurdese que la ecuacin usada en la solucin de esteproblemafuede laforma general [Ec. (1.13)] Valoractual
=

valor anterior

pendiente

tamao delpaso

o , en trminosmatemticos

FIGURA 16.1

Esquema

grfico del mtodo de un paso.

528

MTODOS

NUMRICOS PARA INGENIEROS

Yitl

Y + 4 h

[16.1]

De acuerdo a esta ecuacin, se usa la aproximacin a la pendiente 4 para extrapolar a partir de un valor anterior y, a un valor actual y,, l en una distancia h (Fig. 16.1).Esta frmula se aplica paso a paso para calcular una solucin futura y , de aqu, trazar la trayectoria de la solucin. Todos los mtodos de un paso se pueden expresar en esta forma general, con la nica diferencia en el clculo de la pendiente. Como en el problema del paracaidista, el esquema simple como la primera derivada de xi. Este esquema, llamado mtodo de Euler, se analiza en la primera parte de este captulo. A este le siguen otros mtodos de un paso que emplean aproximaciones alternativas a la pendiente que dan como resultado mejores aproximaciones.

16.1 MTODO

DE EULER

La primera derivada proporciona una aproximacin directaa la pendiente en xi (Fig. 16.2):

f h ,Y)

donde f (xt,y,) es la ecuacin diferencial evaluada en x,y y , . Esta apro: ximacin se sustituye en la ecuacin (16.1)
[16.2]

A esta frmula se le conoce como mtodo de Euler ( o mtodo de Euler-Cauchy o de pendiente puntual). S e predice un nuevo valor de y usando la pendiente (igual a la primera derivada en el valor original x) para extrapolar linealmente sobre el tamao de paso h (Fig. 1 6 . 2 ) .

FIGURA 16.2

Mtodo de Euler.

MTODOS

DE PASO

529

EJEMPLO 16.1
Mtodo de Euler

Enunciado del problema: utilcese el mtodo de Euler para integrar numricamente la ecuacin (VI. 14).
y ) = -2x3

+uX2

20x

+ 8.5

de x = O hasta x = 4 con un tamao de paso de 0.5. La condicin inicialen x = O es y = 1. Recurdese que la solucin exacta est dada 17) : porla ecuacin (VI.
y = -0.5~~ 4x3 - lox2

+8.5~ +1

Solucin: se puede usar la ecuacin (16.2) para implementar el mtodo de Euler:

~ ( 0 . 5= ) y(0)
en donde y(0)
=

+ f(0, 1) 0.5
=

1 y la aproximacin a la pendienteen x

O es:

f ( 0 ,1)
Por lo tanto:

+ 12(0)'

20(0) + 8.5 = 8.5

y(0.5) = 1.0

+ 8.5 (0.5) = 5.25

La solucinverdaderaen K = 0 . 5 es:

~ ( 0 . 5 ) -0.5(0.5)4 + 4(0.5)3 - lO(O.5)'

=

+ 8.5(0.5) + 1

3.218 75

Por l o tanto, elerror es:

E,

verdadero - aproximadQ = 3.218 75 - 5.25 = -2.031 25

O , expresado como errorrelativo porcentual, E, = -63.1 % . enel segundo paso:

y(1.0) = y ( O . 5 ) + f(0.5,5.25) 0.5

= =

5.25 + [ ~ - 2 ( 0 . 5 +) ~ lZ(O.5)'
5.875

20(0.5) + 8.530.5

.I

_"

-. .

530

INGENIEROS MTODOS

NUMRICOS

PARA

CUADRO 16.1

Comparacin delos valores verdaderos y aproximados de la integral de y' = 2x3 + 12x2 -2Ox + 8.5, con la condicin inicial de que y 1 en x O. Los valores presentados se calcularon usando el mtodo de Euler con un tamao de paso de 0.5. E l error local se refiere al error obtenido en un paso. E l error global es IQ diferencia total debido a los pasos anteriores as como al actual
e,, error relativo Doreentual
X

Yverdadero

__

YEuler

Global -63.1 -95.8 " 131 .O -1 25.0 -75.7 -46.9 -5 1 .O -1 33.0

local
-63.1 -28.0 -1.41 20.5

0.0
0.5 1 .o 1.5 2.0 2.718 2.5 3.0 3.5 4.0
~

1 .O00O0 3.218 75 3.000 OG 2.218 75 2.000 O0 75 4.000 O0 4.718 75

1 .O00O0

5.250 O0

5.875 O0
5.125 O0 4.500 O0 4.750 O0

5.875 O0
7.125 O0 7.000 O0

3.000O0

17.3 4.0 -1 1.3 -53.0

FIGURA 16.3

Comparacin de la solucin verdadera con una solucin numrica usando el mtodo de Euler para la integral de y ' = -!x3 12x2 -2Ox 8.5 de x = O a x = 4 con un tamao de paso de 0.5. La condicin inicial en x = O es y = l .

La solucin verdadera en x = 4.0 es 3.0, y por lo tanto el error relativo porcentual es -95.8%. Los clculos se repiten, los resultados se resumenenel cuadro 16.1 y enlafigura 16.3. Obsrvese que, aunque los

MTODOS

DE UN PASO

53 1

clculos capturan la tendencia general de la solucin verdadera, el error es considerable. Como se analizaenlasiguiente seccin, este error se puede reducir usando un tamao de paso menor.

16.1.1

Anlisis de error enel mtodo de Euler

La solucin numrica de E D 0 incluye dos tipos de error seccin 3.6):

(recurdese la
los mtodos

1. Errores de truncamiento causados por la naturaleza de empleados enla aproximacin a los valoresde y , y
2. Errores de redondeo causadosporelnmerolimitado decifrassignificativasquepuederetenerlacomputadora.

de dgitos o

Los errores de truncamiento se componen de dos partes. La primera es un error de truncamiento local que resulta al aplicar el mtodo en cuestin en un paso. El segundo es un error de programacin que resulta de las aproximacinesproducidasdurante los pasosanteriores.Lasuma delosdoseselerrordetruncamientoglobal. E l conocimientode lamagnitud y propiedadesdelerror de truncamiento se puede obtener derivando el mtodo de Euler directamente de la expansin de la serie de Taylor. Con el fin de hacer esto recurdese que la ecuacindiferencialque se estintegrandoser de la forma general.

Y'

=f

Y)

[16.3]

donde y' = dy/dx y x e y son las variables independiente y dependiente, respectivamente. Sila solucin, estoes, la funcin que describe el comportamiento de y tiene derivadas continuas, sta se puede representar mediante una expansin de la serie de Taylor alrededor del punto inicial (xl,yi), como en [recurdese la Ec. (3.14)]:
[16.4]

donde h = x , ,

x, y

R, es eltrminoresidualdefinido

como
r16.51

INGENIEROS 532

PARA

NUMERICOS

MTODOS

donde <;.estdentro delintervalode x; a xi+ Se puede desarrollar una forma alternativa sustituyendo la ecuacin (16.3) en las ecuaciones (16.4) y (16.5) y obtener.

[16.6]

en donde O (h"+')especifica que el error de truncamiento local es proporcional al tamao de paso elevado a la (n + 1)-sima potencia. Comparando las ecuaciones (16.2) y (16.6),puede verse que el mtodo de Euler corresponde a la serie de Taylor truncada hastael trmino f (xi, yi) h. Adicionalmente, la comparacin indica que el error de truncamiento se debe a que se aproxima la solucin verdadera usando una cantidad finita de trminos de la serie de Taylor. Por lo tanto, se trunca o se deja fuera una parte de la solucin verdadera. Por ejemplo, el error de truncamiento en el mtodo de Euler es atribuible a los trminos restantes de la expansin que no se incluyen en la ecuacin (16.2). Restandola ecuacin (16.2) de la ecuacin (16.6) se obtiene
[16.71

donde , e el s error de truncamiento local. Para una h lo suficientemente pequea, los errores en los trminos de la ecuacin (16.7) decrecen por lo comn a medidaqueelorden crece (recurdese el ejemplo 3.7 y el anlisis que lo acompaa), y el resultado, a menudo, se representa como
[16.8]
O

E,

O(h2)

[16.9]

donde E, es el error de.truncamiento local aproximado.

EJEMPLO 16.2
Aproximacin del error en la serie de Taylor.
el mtodo de Euler

usando

Enunciadodelproblema:utilceselaecuacin (16.7) paraaproximarel error del primer paso del ejemplo 16.1. sese tambin la ecuacin para

METODOS DE UN PASO

533

determinar el error ocasionado por cada uno de los trminos de orden superior de la expansin de la serie de Taylor. Solucin: debido a que se trata de un polinomio, se puede usar la expansin de la serie de Taylor para obtener una aproximacin exacta del error usando el mtodo de Euler. La ecuacin (16.7) se puede escribir como:

rE16.2.11
en donde !(x,, y,) es laprimeraderivadadela ecuacin diferencial (es decir, la segundaderivada de lafuncin original).Paraeste caso, es:

f(xi, yi)
y

-6~+ 2 4 ~ 20

[E16.2.2]

f (xi, y) es la segunda derivada de la E D 0

ff(xi, yi) = - 1 2 ~ + 24

[E16.2.3]

y f (xi, yi) es la tercera derivada de la E D 0

f(Xi,

y) = -12

rE16.2.41

Se pueden omitir los trminos adicionales (esto es, las derivadas cuarta y deordensuperior) de la ecuacin (E16.2.1) ya que en este caso en particular son cero. Se debe notar que en otras funciones (por ejemplo), las funciones trascendentes tales como seno, coseno o exponenciales) esto no es necesariamente cierto, y los trminos de orden superior no valen cero. Sin embargo, en este caso, las ecuaciones (E16.2.1) hasta la (E16.2.4)definen completamente el error de truncamiento de una aplicacindelmtododeEuler. Por ejemplo, el error debido al truncamiento del segundo trmino se puede calcular como:
Eu2 =

-6(0.0)

+ 24(0.0) - 20
2

(0.5)2 = -2.5

Para el trmino de tercer orden

Eu3

-12(0.0) 6

+ 24 (0.5)3= 0.5
orden:

y para el trmino de cuarto

Eu4

= -(0.5)4= -0.031 25

- 12 24

534

MTODOS NUMRICOS PARA INGENIEROS

Estos tres valores se pueden sumar para obtenerel error total de truncamiento:

E,

E,,z

Eu,3 + Eu,4 = -2.5

0.5

0.031 25

-2.031 25

que esexactamente el error incurrido en el paso inicial del ejemplo 16.1. Obsrvese cmo .E,,* > E,,3 > E,,4,que apoya la aproximacin representada por la ecuacin (16.8).
I

Como se puede ver en el ejemplo 16.2, la serie de Taylor es u n medio para cuantificar el error en el mtodo de Euler. Sin embargo, existen muchas limitaciones asociadas con su uso para este propsito:
1. La serie de Taylor slo proporciona una aproximacin local del error de truncamiento, es decir, el error generado durante el primer paso del mtodo. No proporciona una medida de la propagacin y , por ello, el error global de truncamiento. En el cuadro 16.1se han incluido los errores de truncamiento locales y globales del ejemplo 16.1. El error local se calcula para cada unode los valores de x con la ecuacin (16.2), pero usando el valor verdadero de y, (la segunda columna del cuadropara calcular cada una de las en lugar del valor aproximado (la tercera columna), como se hizo con el mtodo de Euler. Como era de esperarse,el promedio local del error de truncamiento (25%) esmenor al error global promedio (90%). La nica razn por la que se podran calcular estos errores exactamentesera la de conocer a priori el valor verdadero. Este no es el caso en un problema como el actual. Por consiguiente, como se analiza anteriormente, por lo comn se deben aplicar los mtodos tales como el Euler utilizando un tamao de paso diferente hasta obtener una aproximacin indirecta de los errores considerados. 2. Como se menciona anteriormente, en problemas verdaderos, usualmente se trata con funciones ms complicadas que un simple polinomio. Por consiguiente, las derivadas necesarias para evaluar la serie de Taylor no siempre son fciles de obtener.

Aunque estas limitaciones no ayudan en el anlisis exacto de errores en la mayor parte de los problemas prcticos, la serie de Taylor proporciona una idea valiosa del comportamiento del mtodo de Euler. De acuerse ve que el error locales proporcional al cuadrado do a la ecuacin (16.8), del tamatio de paso y la primera derivada de la ecuacin diferencial. Tambin se puede demostrar que el error global de truncamiento es O ( h ) ; esto significa que es proporcional al tamao del paso (Carnahan et al., 1969). Estas observaciones llevan a las siguientes conclusiones:

MhODOS DE UN PASO

535

1. Elerrorsepuedereducirdisminuyendoeltamaodel

paso.

2. El mtodo proporciona predicciones libres de error si la funcin fundamental (esto es, la solucin a la ecuacin diferencial) es lineal, ya que la segunda derivada de una lnea recta es cero. Estaltimaconclusintienesentidointuitivodebido a queelmtodo de Euler usa segmentos de lnea recta para aproximar la solucin. De aqu que, el mtodo de Euler se conozca como mtodo de primer orden.

EJEMPLO 16.3
Efecto de la reduccin del tamao de paso en el mtodo de Euler

Enunciado del problema: reptanselos clculos del ejemplo 16.1 usando un tamaodepasoigual a 0.25. Solucin: se repiten los clculos, y los resultados se muestran en la figura . 16.4a. AI utilizar el tamao de paso ms pequeo, se reduce el valor absoluto del error global promedio en un 40% y el valor absoluto del error local en un 6.4%. Esto es comparable con los errores globales y locales del ejemplo 16.1 del 90% y.del24.8%. Por lo tanto, como era deesperarse, el error local se reduce a la cuarta parte y el error global se reduce a lamitad. Obsrvese tambin que el error local cambia de signo en valores intermedios a lo largo del rango de valores. Esto se debe, en primer lugar, a que la primer derivada de la ecuacin diferencial es una par6bola que cambia de signo [recurdese la Ec. (E16.2.2) y vase la Fig. 16.4bl. Debido a que el error local es proporcional a esta funcin, el efecto neto de la oscilacin en el signo es el de mantener el error global en crecimiento continuo a medida que aumentan los clculos. Por lo tanto, de x = O a x = 1.25, los errores locales son todos negativos y por consiguiente, el error globalcrece en este intervalo. En la seccin intermedia delrango, los errores locales positivos empiezan a disminuir el error global. Cerca del extremo, el proceso se invierte y el error global nuevamente crece. Si el error local cambiara continuamente de signo sobre el intervalo de inters, entonces el efecto neto, por lo general, minimizara el error global. No obstante, endonde los errores locales son del mismo signo, la solucin numrica puede diverger cada vez ms rpido dela solucin verdadera a medida que los clculos aumentan. Estos resultados se dice que son inestables.

536

M~TODOS NUMERICOS PARA INGENIEROS

FIGURA 16.4

a) Comparacin de dos soluciones numricas con el mtodo de Euler usando tamaos de paso de0.5 y 0.25 b) Comparacin de los errores de truncamiento locales verdaderos y aproximados.

En la figura 16.5 se ilustra el efecto de reducir ms y ms el tamao del paso sobre el error de truncamiento global con el mtodo de Euler. Esta grfica muestra el error relativo porcentual en x = 5 en funcin del tamao del paso sobre los problemas que se han analizado en los ejemplos 16.1 al 16.3. Ntese que aun cuando h se ha reducido a 0.001, el error an excede al O. 1 W . Debido a que este tamao de paso corresponde a 5 O00 iteraciones que van desde x = O hasta x = 5 , la grfica muestra que los mtodos de primer orden tales como el de Euler demandan un gran esfuerzo de clculo para obtener niveles de error aceptabies. En las siguientes secciones se muestran mtodos de rdenes superiores que alcanzan mucha ms exactitud con el mismo esfuerzo de clculo. Sin embargo, se debe notar que a pesar de su ineficiencia, la simplicidad del m-

METODOS DE UN PASO

537

FIGURA 16.5

Efecto del tamao de paso sobre el error global de truncamiento enel mtodo de Euler para la integral de y' = 2x3 1 2 2 - 20x 8.5. La grfica muestra el error relativo porcentual en x = 5 en funcin del tamao de paso.

todo deEuler hace muy atractivo suuso dn muchosproblemasde la ingeniera. Debido a que es muy fcil de programar, el mtodo es partia un anlisis de escacularmente til en clculos iniciales rpidos, previos la completa. En la siguiente seccin,se desarrolla un programapara computadora sobre el mtodo de Euler.

16.1.2 Programa para computadora delmtodo de Euler

Los algoritmos de mtodos de un paso tales como el de Euler son fciles de programar en una computadora personal.Como se menciona previamente al principio del captulo, los mtodos de un paso tienen la forma:
Valoractual
=

valoranterior

pendiente

tamao del paso

[ 16.101

En lo nico que se diferencian los mtodos es en la forma en que calculanla pendiente. Aunque el programa de la figura 16.6 est disenado especficamente para implementar el mtodo de Euler, va dirigido a la forma general de

538

MTODOS

NUMRICOS

PARA INGENIEROS

COMMOH x . Y F( X , Y )-4*EXP< 8bX )R E A D ( 5 , l )XO.X1 FORUaT( 2F1 O . O ) READ<S , 2 )YO FORMlT(F10.0) READ( S , 2 )n REIID( S , 2 ) P I NP-<Xl-XO>/PI NC-PI/H
~

Y-YO YRITE(6,3)X,Y FORMfIT < . 2 F 2 0 . 3 ) DO 270 I - l . N P DO 250 J - 1 , N C L C A L L E U L ~ S) Y-wsLw CONTINUE URITE<6,3)X,Y CONTINU STOP NO

x-x0

250
270

x-x+n

X I .S Y INPUT K O . X 1 INPUT YO INPUT H INPUT P i NP = ( X I XO) / NC = P I / H x = x c:, Y = Y0 PRINT X , Y NP FhR I = 1 TU FUR J = 1 ro NC FDSIJU l0OC:l f = I + S L * H X = X + H NEXT J PRINl X.V NEXT I ENIl

X 0 . X l = valor lnclal y flnal de

la vanablemdependlente

YO

PI

= valor lniclal dela varlable dependlente = Intervalo de mpresln

H = tamao del paso

PI

NP = numero de p a s o s de Irnpresln

NC = numero de Dasosdecalculo

ISubrutlnaparacalcular

la pendlentel

RETURN EN0

FIGURA 16.6

Programaparalacomputadora

del mtodo de Euler en

FORTRAN y BASIC.

la ecuacin (16.10).Todo lo que se requiere para aplicar este programa a otro mtodo de un paso es modificar el clculo de la pendiente en la subrutina (lnea 1 000). El progama de la figura 16.6 no es legible al usuario, est diseado estrictamente para arrojar la respuesta. En el problema 16.12 se deja de tarea el hacer este programa ms fcil de usar y de entender. En el paquete suplementario de programas NUMERICOMP asociado con este libro se incluye un ejemplo de un programa legible al usuario sobre el mtodo de Euler. El siguiente ejemplo demuestra el uso de este programa en la solucin de EDO. Tambin proporciona una referencia para la validacin y la prueba de sus programas.

METODOS

DE UN PASO

539

la parte I que el modelo matemtico de la velocidad se basa en la segunda ley de Newton de la forma:
"

dv dt

-g-mU

Se resuelve la ecuacin diferencial analticamente (ejemplo l .1)y numricamente usando el mtodo de Euler (ejemplo 1.2). El objetivo de este ejemplo es el de repetir estos clculos numricos empleando un modelo sobre la velocidad ms complicado basado en una descripcin matemtica ms completa acerca del coeficiente de friccin causado por la resistencia del viento. Este modelo est dado por:

[E16.4.1]
en donde a, b y umX son constantes empricas. Obsrvese que este modelo es capaz de ajustar ms exactamente medidas empricas de coeficientes de friccin contra la velocidad que el modelo lineal simple del ejemplo l. l. Sin embargo, esto incrementa la flexibilidad a expensas de evaluar tres coeficientes en vez de uno. Adems, el modelo matemtico resultante es ms difcil de resolver analticamente. En este caso, el mtodo de Euler proporciona una alternativa conveniente para obtener una solucin numrica aproximada.

FIGURA 16.7

a) Resultados tabulares de los clculos y b) resultados grficos de la solucin de la E D 0 [Ec. (E16.4.11. Ntese que b) tambin muestra la solucin del modelo lineal con propsitos de comparacin. De hecho, el programa no est diseado para superponer grficas de esta manera.

540

MTODOS

NUMERICOS PARA INGENIEROS

Solucin: se usar el paquete NUMERICOMP para abordar la ecuacin (E16.4.1). Enlafigura 16.7a se muestra la solucin del modelo con un tamao de paso de O. 1 s. Para propsitosde comparacin en la grfica de la figura 16.7bse muestra la solucin no linealy el modelo lineal superpuestos. Ntese que la computadora puede graficar slo una solucin a la vez. Los resultados de los dos clculos indican el crecimiento de la complejidad enla formulacin de los efectos que la fuerza de friccin ejerce sobre la velocidaddelparacaidista. En este caso, la velocidadterminal disminuye debido a la resistencia causada por los trminos de orden superiorenla ecuacin (E16.4.1). Se pueden probar modelos alternos de manera similar. La combinacin del paquete NUMERICOMP y la computadora hacen que esto sea una tarea fcil y eficiente. Esta conveniencia permite al usuario dedicar ms de su tiempo en considerar alternativas creativas y aspectos globales delproblemaenlugarde los tediosos clculos manuales.

16.1.3

Mtodos con serie de Taylor de orden superior

Una manera de reducir el error en el mtodo de Euler sera incluir trminosdeordensuperiorenlaexpansin de la serie de Taylor alrededor de la solucin. Por ejemplo, incluyendo el trmino de segundo orden de la ecuacin (16.6) se obtiene
[16.11]

con un errorlocaldetruncamiento

de:

Aunque la incorporacin de trminos de orden superiores lo suficientemente simple como para implementarse en polinomios,su inclusin no es tan trivial cuando la E D 0 es complicada. En particular, las E D 0 que son una funcin de la variable dependiente y de la variable independiente requieren derivacin con la regla de la cadena. Por ejemplo, la primera derivada de f (x, y) es

La segunda derivada es

MhODOS DE UN PASO

54 1

Y las derivadas de orden superior vienen a ser crecientemente ms complicadas. Por consiguiente, como se dijo en las secciones previas, se han desarrollado mtodos alternativos de un paso. Estos esquemas son comparables en ejecucin a1 de la serie de Taylor de rdenes superiores pero requieren nicamente el clculo de la primera derivada.

16.2 MODIFICACIONES Y MEJORAS AL MTODO DE EULER

Una fuente fundamental de error en el mtodo deEuler es quela derivada al principio del intervalo se supone que se aplica a travs del intervalo entero. Existen dos modificaciones simples para ayudar a evitar este inconveniente. Como se demuestra en la seccin 16.3, las dos modificaciones en realidad pertenecen a unaclase mayor de mtodos desolucin llamados mtodos de Runge-Kutta. Sin embargo, ya que tienen una interpretacin grfica sencilla, se presentan antes de la derivacin formal de los ,mtodos de Runge-Kutta.

16.2.1 Mtodo de Heun

Un mtodo para mejorar la aproximacin a la pendiente implica el clculo de dos derivadas del intervalo, una en el punto inicial y la otra en el punto final. En seguida se promedian las dos derivadas y se obtiene una aproximacin mejorada de la pendiente en el intervalo completo. Este esquema, llamado mtodo de Heun, se muestra grficamente en la figura 16.8. Recurdese que en el mtodo de Euler, la pendiente al principio de un intervalo

Y:

= !(X,

Y>

r16.121

Se usa para extrapolar linealmente a

En el mtodo estndar de Euler se parara en este punto. Sin embargo, e n el mtodo deHeun, la calculada con la ecuacin (16.3)noes la respuesta final sino una prediccin intermedia. Esto se debe a que se ha distinguido a sta con el superndice O. La ecuacin (16.13) se llama ecuacin.predictora. Proporciona una aproximacin de y + que permite el clculo de una pendiente aproximada al final del intervalo:
y:+1 = f ( X i + l ,

Y?*d

[16.14]

" P

"_

I.. ..

.. ".".,

542

MTODOS NUMRICOS

PARA INGENIEROS

FIGURA 16.8

Esquema grfico del mtodo de Heun. o) Predictor y b) corrector.

Por 1 0 tanto, se pueden combinar las dos pendientes [ecuaciones(16.12) y (16.14)] y obtener una pendiente promedio sobre el intervalo:

Esta pendiente promedio se usa para extrapolar linealmente de y, a y,, usando el mtodo de Euler:

que se llama una ecuacin correctora. E l mtodo de Heun es un esquema predictor-corrector. Todos los mtodos de pasos mltiples por discutirse en el captulo 17 son de este tipo. El nico mtodo corrector-predictor de un paso descrito en este libro es el mtodo de Heun. Como se dijo antes, se puede expresar concisamente como:

MTODOS

DE UN PASO

543

I Predictor (Fig

16.8a):

= yi

+ f ( x i ,yi) h +fki,
Y> + f(Xi+lr Y ? + J

I
2

[16.15]
[16.161

Corrector (Fig. 16.8b): yi+l = yi

Ntese que debido a que la ecuacin (16.16) tiene y+ 1 en ambos lados del signo igual, sta puede aplicarse para corregir en un esquema iterativo. Esto es, se puede usar una aproximacin anterior varias veces para proporcionar una aproximacin mejorada de El proceso muestra en la figura 16.9. Se debe entender que este proceso no necesariamente converge a la respuesta correcta sino que converge a una aproximacin con un error de truncamiento finito, como se demuestra en el siguiente ejemplo. Como con los mtodos iterativos similares analizados en las secciones previas del libro, un criterio de paro en la convergencia del corrector lo proporciona[recurde la ecuacin (3.5)]

[16.17]

en donde y!;: y y j + l son el resultado de la iteracin anterior y actual del corrector, respectivamente.

FIGURA 16.9

Representacin grfica de la iteracin del corrector del mtodo de Heun para obtener una rrleior aproximacin.

544

MTODOS

NUMERICOS PARA INGENIEROS

EJEMPLO 16.5 Mtodo de Heun

Enunciado del problema: emplese el mtodo de Heun para integrar y ' = 4e0 8x - 0 . 5 desde ~ x = O a x = 4 con tamao de paso 1.La conx = O es y = 2. dicin inicial en Solucin: antes de resolver el problema numricamente, se puede efectuarel clculo mediante la siguiente solucin analtica:

y = 4

e-0.5~) + & - 0 . 5 ~

1.3

[E16.5.1]

Esta frmula se puede usar para generar los valores verdaderos los cuales se presentan enel cuadro 16.2. La solucin numrica se obtiene usando la frmula predictora [Ec. 16.15)] paraobtener un valorde y para 0.5:

y':

+ [4e0 - 0.5(2)] 1 = 5

Obsrvese que este es el resultado que se debera obtener con el mtodo deEulerestndar.Usando elvalorverdaderodelcuadro 16.2, a este corresponde un errorrelativoporcentualdel 19.3%. Lapendiente en (xo, yo) es

y = 4 e o

0.5(2) = 3

Este resultado es muy diferente de la pendiente promedio verdadero en intervalo de O a 1.0, que es igual a 4.194 6, calculada de la ecuacin Por lo tanto, para mejorar la diferencial original usando la ecuacin (V.3). aproximacin de la pendiente, se usaelvalor y: para predecir la pendiente alfinaldel intervalo:

que se puede combinar con

la pendiente inicial y obtener:

que es ms cercana a la pendiente promedio de 4.194 6.Este resultado se puede sustituirenla ecuacin correctora [Ec. (16.16)]para obtener la prediccin en x = 1:

y1

2 + (4.701 081 86)l

6.701 081 86

MCTODOS DE UN PASO

545

CUADRO 16.1

Comparacidn de los valores verdaderos y aproximados de la integral de y' 4eo*8x - 0 . 5 ~ con la condicidn incial de que y 2 en x O. Los valores aproximados se calcularon usando el metodo de Heun con un tamao de paso de 1. Se muestran dos casos, correspondientes a nmeros diferentes de iteraciones del corrector, junto con el error relativo porcentual absoluto

lteraciones con el metodo de Heun

1
x
Yverdmdero Yheun lEvl ' 1 0 Yheun

15
kv1

O
1 2

3
4

2.000 O00 O0 6.194 631 38 14.843921 9 33.677171 8 75.338 962 6

0.00 2.000 O00 O0 6.701 081 86 8.18 9.94 16.319 781 9 10.46 37.199 248 9 10.62 83.337 767 4

2.000 O00 o 6.360 865 15.302 236 7 34.743 276 1 77.735 096 2

0.00
2.68 49 3.09 3.17 3.18

que representa un error relativo porcentual del -8.18%. Por lo tanto, el mtodo de Heun reduce el valor absoluto del error en un factor de 2.4 comparado con el mtodo de Euler. Ahora esta aproximacinse puede usar para refinaro corregir la prediccin de y l sustituyendo el nuevo resultado de nuevo en el lado derecho de la ecuacin (16.16): y]=2+

[3

+ 4eo.8"'

- 0.5(6.701 081

86)]

6.275 81139

que representa un error relativo porcentual del 1.31%. Este resultado, a su vez se puede sustituir en la ecuacin (16.16) para una mejor aproximacin yl: y1=2+

[3

+ 4eo.8(1)

0.5(6.275 811 39)] = 6.382 129 O 1 2

que representa un error 1 ~ de ~ 3.03%. 1 Ntese cmo los errores algunas veces crecen a medida que las iteraciones avanzan. Por ejemplo, en las tres iteraciones el error crece en un 3.03%, estos incrementos pueden ocurrir,especialmente en tamaos depaso muy grandes. El usuario debe evitar la conclusin general de que una iteracin adicional siempre mejora el resultado. No obstante, para un tamao de paso lo suficientemente pequeo, la iteracin debe eventualmente converger a un solo valor. En este caso, se obtiene el resultado 6.360 865 49, que representa un error relativo del 2.68% despus de 15 iteraciones. En el cuadro 16.2 se muestran los resultados de los calculos restantes usando el mtodo con 1 y 15 iteracionespor paso.

546

INGENIEROS MTODOS

NUMRICOS

PARA

En el ejemplo anterior, la derivada es una funcin de la variable dependiente y y de la variable independiente x. Para casos polinomiales, en donde las E D 0 son slo funcin de la variable independiente, el tamao predictor [Ec. (16.15)J n o se necesita y se aplica nicamente el corrector a cada una de las iteraciones. En estos casos el mtodo se expresa abreviadamente como
[16.18]

Ntese la similitud entre el lado derecho de la ecuacin (16.18)y la La conexin entre los dos mtodos se pueregla trapezoidal [Ec. (13.3)]. de demostrar formalmente empezando con la ecuacin diferencial ordinaria

Esta ecuacin se resuelve para y integrando:

r+' R"
dy
=
Yitl

!(x)dx

[16.19]

que lleva a
[16.20]
O

yi

[+I

f(x) dx

[16.21]

Ahora, recurdese de la seccin 13.1que la regla trapezoidal [Ec. (13.3)] se define como

o, en este caso
L16.221

donde h = xi+l- xi. Sustituyendo la ecuacin (16.22) en la ecuacin (16.21) se obtiene

METODOS

DE U N PASO

547

[16.23]

queesequivalente a la ecuacin correctora [Ec. (16.16)]. Debido a que la ecuacin (16.23) es una expresin directa dela regla trapezoidal, el error local de truncamiento est dado por [recurdese la Ec. (13.6)]
[16.24]

donde est entre xi y xi+l. Por lo tanto, el mtodo es de segundo orden debido a que la derivada de segundo orden de E D 0 es cero cuando la solucin es cuadrtica. Adems, los errores local y global son de O(h3) y O(h2), respectivamente. Por lo tanto, disminuyendo el tamao de paso se disminuye tambin el error ms rpidamente que usando el mtodo de Euler. La figura 16.10, que muestra el resultado de usar el mtodo de Heun para resolver el polinomio del ejemplo 16.1, demuestra estecomportamiento.

16.2.2

Mtodo meiorado del polgono (Euler modificado)

La figura 16.11 ilustra otra modificacin simple del mtodo de Euler. Este mtodo, llamado poligono mejorado (o d emodificado), r usa el m-

Figura 16.1 O

Comparacin de la solucin verdadera con un mtodo numrico usan12x2 do los mtodos de Euler y Heun de la integral de y' = -2x3

- 2oX
..

+ 8.5

"""

.- ' ...

548

MTODOS NUMERICOS PARA INGENIEROS

FIGURA 16.11

Esquema grfico del mtodo del polgono mejorado. a) Ecuacin ( 1 6.25) y b) ecuacin ( 1 6.27).

todo de Euler para predecir un valor de y en el punto medio del intervalo (Fig. 16.l l a ) :
116.251

Entonces este valor predecid0 se usa en la aproximacin de la pendiente e n el punto medio:

y:+1/2

= f(Xi+l/2,Yi+l/2)

[16.26]

lo cual, se supone, representa una aproximacin vlida de la pendiente promedio en el intervalo completo. Esta pendiente se usa para extrapolar linealmente de x,a x,, usando el mtodo de Euler (Fig. 16.l l b ) :

METODOS

DE UN PASO

549

Yi+l

= Y

+ f(X,+1,2,

Yi+l/2)h

[16.27]

Ntesequedebido a quenoestenambos lados, la correctora [Ec. (16.27)] no se puede aplicar iterativamente para mejorar la solucin. El mtodo del polgono mejorado es superior al mtodo de Euler ya que ste utiliza una aproximacin de la pendiente en el punto medio del intervalo de prediccfn. Recurdese del anlisis de derivacin numrica de la seccin 3.5.4 que las diferencias divididas centrales fueron mejores aproximaciones a la derivada que las versiones hacia adelante y atrs. En el mismo sentido, una aproximacin centrada, como la ecuacin (16.26) tiene un error de truncamiento local de O(h2) en comparacin con la aproximacin hacia adelante del mtodo de Euler que tiene un error de O(h). Por consiguiente, los errores local y global del mtodo del poligono mejorado son O(h3) y O(h2), respectivamente.

16.2.3 Algoritmo para lacomputadora de los mtodosde Euler meiorado y modificado

El mtodo de Heun con un corrector simple y el mtodo mejorado del polgono se pueden programar con facilidad usando la estructura general mostrada en la figura 16.6. Es una tarea relativamente simple la de modificar lasubrutinadelprogramageneralparacalcularlapendientede acuerdo con estos mtodos. Sin embargo, cuando se implementa la versin iterativa del mtodo de Heun, las modificaciones son un poco ms complicadas. En la figura 16.12 se ha desarrollado una subrutina para este propsito. Esta subruti-

SUBROUTINE HEUN( X , Y > COMMON H. I M , E S F( X , Y )-4*EXP( , 8 o X )- , 5-Y Sl=F<X,Y) X-X+N YI=Y+$I*n DO 1 1 0 0 IT=l.IM SP-F(X.Yl ) YP-Y+SL.M E A = A B S ( ( V 2 - Y I )/Y2 M 1 0 8 I F < E A . L E , E S ) G O TO I 1 2 0 Y I -Y2 I 1 O9 CONTINUE YRITE(6.4)EA 4 FORMAT( ' ' I ' L A I T E R A r l O N M A X I M A E X C E D I D CF10.5) I 1 2 0 X-X-H RETURN EN0

S1 = pendiente al prmclplo del intervalo Y1 = prediccldn al h i l l del

1nterva10 IM = ttsracl6n rnAxma del COrleCtOr S2 = pendente al fm.9 del

SL-~s1*S2,,'2

!"tervalo SL = pendmnte promedlo

fCorrector1 E A = error calculado % fPrueba del error donde ES = error aceptable1

EA=

FIGURA 16.12

Versionesen FORTRAN y todo iterativo d e Hewn.

BASIC d e la subrutina que implementa el m-

" " " "

. .

._, .

"

. ..,. .-

550

NUMRICOS

MTODOS

PARA INGENIEROS

na se puede combinar con la figura 16.6 para desarrollar programas del mtodo iterativo de Heun.

16.2.4

Resumen

Manipulando el mtodo de Euler se han derivado dos nuevos mtodos de segundo orden. Aun cuando estas versiones requieren mayor esfuerzo de clculo para determinar la pendiente, la reduccin que acompaa al errorpermitirconcluirenunaseccinsubsiguiente (seccin 16.3.4) que la exactitud mejoradaes, en general, merecedora del esfuerzo. Aunque existenciertos casos en dondelosmtodosfcilmenteprogramables tales como el mtodo de Eulerse pueden aplicar ventajosamente, los mtodos del polgono mejorado son generalmente superiores y se deben implementar si son consistentes con los objetivos del problema. Como se menciona al principio de la seccin, el mtodo de Heun (sin iteraciones), el mtodo del polgono mejorado y , de hecho, el mtodo mismo de Euler son versiones de una clase ms amplia de esquemas de un paso llamado mtodos de Runge-Kutta. Ahora se desarrolla la derivacin formal de estos mtodos.

16.3 MTODOS

DE RUNGE-KUTTA

Los mtodos de Runge-Kutta tienen la exactitud del esquema de la serie de Taylor sin necesitar del clculo de derivadas superiores. Existen muchas variaciones pero todas ellas se pueden ajustar a la forma general de la ecuacin (16.1):
Yi+l

Y,

+(Xi,

Yi, h) h

r16.281

donde a 4 (xi,yi, h ) se le llama funcin de incremento y puede interpretarse como elpromedio de la pendiente sobre el intervalo. La funcin de incremento se puede escribir enla forma general como

alkl

+ a2k2 +

+ ankn

[16.29]

en donde las

a son constantes y las k son

[16.29a] [16.29b]

METODOS DE UN PASO

SS 1

Obsrvese que las k son relaciones recurrentes. Esto es, kl aparece en la ecuacin de kZ, que aparece en la ecuacin de k3, etc. Esta recurrencia hace a los mtodos RK eficientes para su clculo en computadora. Se pueden desarrollar varios mtodos de Runge-Kutta empleando una cantidad diferente de trminos enla funcin de incremento especificados por n. Ntese que el mtodo RK de primer orden con n = 1 es, de hecho, el mtodo de Euler. Una vez que se ha escogido n, los valores de las a, de las p y de las q se evalan igualando la ecuacin (16.28) a los trminos en una expansin de la serie de taylor (recuadro 16.1). Por lo tanto, al menos para versiones menores de la orden, en general, el nmero de trminos n representa el orden del mtodo. Por ejemplo, enla siguente seccin, los mtodos RK de segundo orden usanunafuncin de incremento con dos trminos (n = 2). Estos mtodos de segundo orden son exactos si la solucin a la ecuacin diferenciales cuadrtica. Adems, debido a que se desprecian los trminos con h 3 y de orden superior durante la derivacin, el error local de truncamiento es O(h3) y el error global es O(h2). En secciones posteriores se desarrollan los mtodos RK de tercer y cuarto orden (n = 3 y 4). En estos casos, los errores globales detruncamientoson O(h3) y O(h4), respectivamente.

RECUADRO 16.1 Obtencin de los coeficientes de los mtodos de segundo orden de Runge-Kutta La versin de segundo orden de la ecuacin

(16.28) es:

[B16.1.5]
Sustituyendo la obtiene: ecuaci6n (B16.1.5) en (B16.1.4) se

donde

donde f' (xi, y,) debe determinarse derivando con la gladela cadena(seccin 16.1.3):

re-

g(x+r, y + ~ ) = g(x, y)

+ r-as + s- as + - .
ax
ay
*

552

METODOS NUMRICOS

PARA INGENIEROS

Aplicando este mtodo enlaexpansindelaecuacin (B16.1.3) obtiene nes se

Ahora, comparando trminos semejantes enlas ecuacio(B16.1.6) y (B16.1.7), selas determina que para que dos ecuaciones sean equivalentes, se debe cumplir l o siguiente:

f(xt + plh, Y I + q11klh)

al
Este resultado puede se sustituir ecuacin junto la con (B16.1.2) enlaecuacin

+ a2 = 1
azpl
=

$
1

(B16.1.1) paraobtener

a2q11 = 5

Estastres ecuaciones simultneascontienenlascuatro yi+l = y, + alhf(x1, y11 + a2hf(xi,yi) constantes incgnitas. Debido que a existe una incgnita msqueelnmerode ecuaciones, nohay un conjunto af + azqllh2f(xi,y3- af nico de valores que satisfagan las ecuaciones. Sin em+ azph2-ax ay bargo, adjudicndole un valor las a de una constantes, se 3) Por tres. otras determinar pueden las consiguiente, existe una familia de mtodos de segundo orden en vez de una

+o@

sola o, trminos, reordenando

+ o(h3)

[B16.1.7]

16.3.1

Mtodos de Runge-Kutta de segundo orden

La versin de segundoordende la ecuacin (16.28) es

[16.30] [16.30a] [16.30b]

Como se describe en el recuadro 16.1, los valores de a l , a2,P1y q1 se evalan igualando la ecuacin (16.30) a la expansin de la serie de Taylor hasta el segundo trmino. Haciendo esto, se obtienen tresecuaciones para evaluar las cuatro incgnitas constantes. Estas tres ecuaciones son

al

+ a2 = 1

[16.31] [16.32] [16.33]

METODOS DE UN PASO

553

Debido a que se tienen tres ecuaciones con cuatro incgnitas se debe suponer el valor de una de las incgnitas para determinar las otras tres. Supngase que se especificaelvalor de a2. Entonces las ecuaciones (16.31) a la (16.33) se resuelven simultneamente para:
a1 =

1-

a2
1

[16.34]
1

P 1

=9 1 1=-

2a2

[16.35]

Ya que se puede escoger una cantidad infinita de valores de a2, existe un nmero infinito de mtodos de RK de segundo orden. Cada versin llevara exactamente a los mismos resultados si la solucin de la E D 0 es cuadrtica, lineal o constante. Sin embargo, llevan a resultados diferentes cuando la solucin es ms complicada(como es el caso tpico). A continuacin se muestran tres de las versiones ms comnmente usadas y preferidas:
Mtodo de Heun con un corrector simple (a2 = 1/2). Si se considera que a2 es igual a un medio (1/2), entonces 1% ecuaciones (16.34) y (16.35)se pueden resolver para al = 1/2 y p 1 = qll = 1. Estos par-

metros, cuando se sustituyen en la ecuacin (16.30) generan

[16.36]

donde
[16.364

l16.3661

Obsrvese que kl es la pendiente al principio del intervalo y k2 es la pendiente al final del intervalo. Por consiguiente, este segundo mtodo de Runge-Kutta es realmente el mtodo de Heun con una sola iteracin del corrector.

El mtodo meiorado del polgono (a2 = 1). Si se supone que a2 sea 1, entonces al = C, p 1 = q l l = 1/2, y la ecuacin (16.30) viene a ser:
[16.37]

donde
[16.37a] [16.376]

554

MTODOS

NUMRICOS PARA INGENIEROS

Este es el mtodo mejorado delpolgono

2/3).Ralston (1962) y Ralston y Rabinowitz (1978) determinaron que escoger a2 = 2/3 proporciona un lmite mnimo en el error de truncamiento de los algoritmos RK de segundo orden. Paraesta versin, a , = 1/3 y p 1 = q I 1 = 3/4:
Mtodo de Ralston (a2 =

[16.38]

donde

EJEMPLO 16.6 Comparacin de varios mtodos RK de segundo orden

Enunciado del problema: utilcese el polgono mejorado [Ec. (16.3711 y el mtodo de Ralston [Ec. (16.38)] para integrar numricamente la ecua14): cin (VI.
f(x, y ) =
-zX3

+ 12x* - zox + 8.5

desde x = O hasta x = 4 usando un tamao de paso de 0.5. La condicin inicial en x = O es y = 1. Comprense estos resultados con los valores obtenidos usando otro algoritmoRK de segundc orden: el mtodo deHeunconiteracionesde un corrector (Fig. 16.10 y cuadro 16.3). Solucin: elprimer paso enel mtodo del polgono mejorado usarla ecuacin (16.37a) paracalcular:
es elde

kl = -2(0)3

+ 12(0)' - 2O(O) + 8.5 = 8.5

No obstante, debido a que la E D 0 es una funcin slo de x, este resultado se requiereparacalcular k,; alusarla ecuacin (16.37b) se tiene
k2

-2(0.25)3 + 12(0.25)2- 20(0.25) + 8.5 = 4.218 75

Ntese que esta aproximacin de la pendiente es mucho ms cercana al valor promedio sobre el intervalo (4.437 5) que l a pendiente al principio delmismo (8.5) que debi usarse en el mtodo de Euler. La pendiente en el punto medio se puede sustituir en la ecuacin (16.37)para predecir

METODOS DE UN PASO

555

CUADRO 16.3

Comparacin de los valores verdaderosy aproximados dela integral de y ' -2x3 1 2x2 -2Ox 8.5, con la condicidn inicial de 1 en x O. Los valores aproximadosse calcularon usando que y tres versiones RK de segundo orden con un tamao de paso 0.5 de

Heun RK Ralston Polgono corrector simple mejorado segundo de orden

veradera

I 4

1%

lk"l

0.0 0.5 1 .o 1.5 2.0 2.5 3.0 3.5 4.0

1 .o00 O0 1.000 O0 o 3.218 75 3.43750 6.8 3.000O0 3.375O0 12.5 2.218 75 2.68750 21.1 2.000 O0 2.500 O0 25.0 12.5 2.718 75 3.18750 17.2 4.000 O0 4.375O0 9.4 4.718 75 4.93750 4.6 3.000O0 3.000O0 O

1.000 O0 o 3.1093753.4 6.3 2.812 50 1.984 375 10.6 1.75 2.484375 8.6 3.81250 4.7 4.6093752.3 O 3

1 .o00 O0 O 3.277 343 75 1.8 3.101 5625 3.4 2.347 656 25 5.8 2.140 625 7.0 2.855 468 75 5.0 5 2.9 4.117 187 4.800 781 25 1.7 1 .o 3.031 25

~(0.5')' = 1

+ 4.21875(0.5) = 3.109375

E"

3.4%
la figura 16.13 y en

el cuadro 16.3.

E l clculo se repite,

y losresultadosseresumenen

FIGURA

16.13

Comparacin de la solucin verdadera con los mtodosnumricos,tres RK de segundo orden y mtodo de Euler.

556

M~TODOS NUMRICOS PARA INGENIEROS

En el mtodo de Ralston, kl en el primer intervalo tambin es igual a 8.5 y [Ec. (16.38b)l:

k2 =

-2(0.375)3 + 12(0.375)2- ZO(0.375) + 8.5 = 2.582 031 25

La pendiente promedio se calcula mediante

i(8.5) + $ (2.582 031 25)

4.554 687 5

que se puede usar para predecir

~ ( 0 . 5= ) 1 + 4.5546875(0.5)

3.27734375

-1.82%

Los clculos se repiten, y los resultados se resumen en la figura 16.13 y el cuadro 16.3. Obsrvese cmo todos los mtodos RK de segundo orden son superiores al mtodo de Euler.

16.3.2

Mtodos de Runge-Kutta de tercer orden

Se puede llevar a cabo unaderivacin anloga a la del mtodo de segundo orden, para n = 3. El resultado de esta derivacin es de seis ecuaciones con ocho incgnitas. Por lo tanto, se deben especificar a priori los valores de dos de las incgnitas para determinar los parmetros restantes. Una versin comn que resulta es
r16.391

donde
[16.39a] [16.39b] [16.39c]

Obsrvese que si la derivada es una funcin slo de x , este rntodo de tercer orden se reduce a la regla de Simpson de 1/3. Ralston (1962) y Ralston y Rabinowitz (1978) han desarrollado una versin alternativa que proporciona un lmite mnimo en el error de truncamiento. En cualquier caso, los mtodos RK de tercer orden tienen errores globales de O(h4) y O(h3), respectivamente, y llevan a resultados exactos cuando la solucin es de orden cbico. Como semuestra en el siguiente ejemplo, cuando se trata de polinomios, la ecuacin (16.39) ser exacta cuando la ecuacin diferencial sea de orden cbico y la solucin de orden cuarto.

MTODOS

DE UN PASO

557

Esto es porque la regla de Simpson de 1/3 proporciona aproximaciones exactas a laintegraldeordencbico (recurdese el recuadro 13.3).

EJEMPLO 16.7 Mtodo RK de tercer orden

Enunciado del problema:utilcese la ecuacin (16.39) paraintegrar
a) Una E D 0 queesexclusivamenteunafuncinde
"

x [Ec. (VI.14)]:

d~ - -2x3 dx
=

+ 12x2 - 20x + 8.5

igual a 0.5.
y:

con y(0)

1 y detamaodepaso

b) Una ED0 que es unafuncinde x y

d Y = 4e0,&- 0 . 5 ~

dx

con y(0)

2 desde x

O a 1 con un tamaodepaso

1.

Solucin: a) Se puedenusarlas ecuaciones (16.39~1) a la ( 1 6 . 3 9 ~ para ) calcular:

+ 12(0)2- 20(0) + 8.5 = 8.5 k2 = -2(0.25)3 + 12(0.25)2- 20(0.25) + 8.5 = 4.218 75 k3 = -2(0.5)3 + 12(0.5)2 - 20(0.5) + 8.5 = 1.25
kl = -2(0)3

que se puedesustituirenla

ecuacin (16.39) para obtener:

y(0.5) = 1

+ {i[8.5 +4(4.218 75)+

1.25]}0.5

3.218 75

la cual es exacta. Porlo tanto, ya que la solucin verdadera es un polinomio de cuarto orden [Ec. (VI.13)]. La regla de Simpson de 1/3 proporciona un resultado exacto.

INGENIEROS 558

PARA

NUMERICOS

METODOS

que se puede sustituirenla

ecuacin (16.39) y obtener:

es superior en mucho a los resultados obtenidos previamente con los mtodos RK de segundo orden (esto es, el Heun sin iteraciones) del ejemplo 16.5.

+ 4(4.217 298 79) + 5.184 864 9241 1 1 = 6.175 676 681 que representa un E , = 0.31 % (valorverdadero = 6.194 631 38), que
~ ( 1 . 0= ) 2+

16.3.3

Mtodos de Runge-Kutta de cuartoorden

Los mtodos RK ms populares son los de cuarto orden. Como sucede con los mtodos de segundo orden, existe un nmero infinito de versiones. E l siguiente algunas veces se llamamtodo clsico RK de cuarto orden:

donde
[16.40~11

[16.40b]
[16.40~1

[16.40d]
Obsrvese que para las E D 0 que slo son funcin de x , el mtodo clsi1/3. co deRKtambin es equivalente a laregladeSimpsonde

EJEMPLO 16.8
Mtodo clsico RK de cuarto orden

Enunciado del problema: utilcese el mtodo clsico RK de cuarto orden [Ec. (16.4O)J paraintegrar:
f(x,y) =

-2x3

+ 1zx2

2oX + 8.5
y =

usando un tamao de paso de 0.5 y una condicin inicial de en x = 0.

Solucin: las ecuaciones (16.40~) a la (16.40d) se usan paracalcular:

METODOS DE UN PASO

559

kl = -2(0)3
k2

+ 12(0)'

20(0) + 8.5

8.5

= ~2(0.25)~ 12(0.25)' - 20(0.25)

+ 8.5 =

4.218 75

k3 =

4.218 75

k4

= -2(0.5)3

+ 12(0.5)* - 20(0.5) + 8.5 = 1.25

ecuacin (16.40) para obtener:

que se puedensustituirenla

y(O.5) = 1

+ {i[8.5 + 2(4.21875) + 2(4.218 75) + 2(4.218 75)

=

1.25110.5

3.21875

el cual es exacto. Por lo tanto, debido a que la solucin verdadera es de cuartoorden [Ec. (VI.131, el mtodo de cuartoordenproporciona un resultado exacto.

16.3.4

Mtodode Runge-Kutta de orden superior

Donde se requiera mayor exactitud, se recomienda mtodo el RK de quinto

orden, Butcher (1964):

donde
kl = f
k i ,

Y)

[16.41a]

k5

= f(xi

h, yi

+ &hkl + & h b )

[16.41e]
[16.41f]

ks =/(xi

+ h, yi - Qhkl +'$hk2 + y h k 3 - Y h k 4 + $hk5)

Obsrvese la similitud entre el mtodo de Butcher y la frmula NewtonCotes de quinto orden del cuadro 13.3. Se puede disponer de frmulas RK de orden superior, tales como el mtodo de Butcher, pero, en general, la ganancia obtenida en exactitud por los mtodos de orden superior al cuarto se contrapone con la complejidad y esfuerzo de clculo.

560

MTODOS

NUMRICOS

PARA INGENIEROS

EJEMPLO 16.9
Comparacin de los mtodos de Runge-Kutta

Enunciado del problema: emplirense los mtodos RK desde primero hasta quinto orden para resolver

con y(0) = 2 de x = O hasta x = 4 con varios tamaos de paso. Comprese la exactitud de los varios mtodos en el resultado x = 4 basado en la respuesta exacta de y(4) = 75.338 962 61. Solucin: efectense los clculos usando los mtodos de Euler, Heun sin RK clsico de cuarto orden corregir, RK de tercer orden [Ec. (16.39)], y el mtodo RK de Butcher de quinto orden. Los resultados se muestran en la figura 16.14, en donde se ha graficado el valor absoluto del error relativo porcentua! contra el esfuerzo computacional.Esta ltima can-

FIGURA 16.1 4

Comparacin del error relativo porcentual contra el esfuerzo de clculo de los mtodos del primero ai cuarto de Runge-Kutta.

METODOS DE UN PASO

561

tidad es equivalente al nmero de evaluaciones de la funcin necesarias para alcanzar un resultado, Esfuerzo
=

nf

b - a
~

[16.42]

en donde nf es el nmero de clculos de la funcin relacionados con el clculo particular RK. Para rdenes 5 4, nf es igualalordendel mtodo. Sin embargo, obsrveseque el mtodo RK de Butcher de quinto orden requiere de seis clculosde la funcin [Ec. (16.41a) a la (16.41fl1. Lacantidad ( b - a ) / h es el intervalototaldeintegracindivididopor el tamao del paso, es decir, es el nmero de aplicaciones del mtodo RK necesarias para obtener el resultado. Por lo tanto, ya que las evaluaciones de la funcin son, en general, los pasos que consumen ms tiempo, la ecuacin (16.42) proporciona una medida aproximada del tiempo de corrida necesarios para alcanzar la respuesta. Analizandolafigura 16.14 se llega a algunas conclusiones: primemejores exactitudes ro, que los mtodos de ordensuperiorobtienen con el mismo esfuerzo de clculo y segundo, que la ganancia en exactitud por el esfuerzo adicional tiefide a disminuir despus de un punto. (Ntese que las curvas caen rpidamente alprincipio y despus tienden a nivelarse.)

El ejemplo 16.9 y lafigura 16.14 llevan a la conclusin de que los mtodos RK de orden superior son siempre los mtodos de preferencia. Sin embargo, se deben considerar tambin otros factores tales como los costos de programacin y los requisitos de exactitud del problema cuando se escoja un mtodo de solucin. Estos elementos de juicio se analizan detalladamenteen los casos delcaptulo 18 y eneleplogo de laparte VI.

16.3.5

Error local de truncamiento de los mtodos de Runge-Kutta

Debido a que un mtodo de Runge-Kutta de n-simo orden se determinaigualando los trminosde la ecuacin (16.28) y la expansinde la seriedeTaylorhasta los trminosquecontienen h", elerrorlocalde truncamiento se puede expresar como

E, = O(,"+')

[16.43]

en donde el valor exacto de E, depende de f ( x , y) y sus derivadas superiores. En general, no es posible calcular E, en base a la ecuacin (16.43) ya que los clculossondemasiadocomplicados. En el mejor de los casos, si h es pequea, y por consiguiente si a la ecuacin la domina el primer trmino de la serie de Taylor, los coeficientes del mtodo de RK [esto es, las a , p y q de la ecuacin (16.29)) sepuedenescogerdetal

562

INGENIEROS

PARA

M~TODOS NUMERICOS

manera que minimicen el lmite superior E,. Ms all de eso, un anlisis del error del mtodo RK viene a serms complicado. Runge-Kutta-Fehlberg se basaenel clculo Por ejemplo, el mtodo de de dos aproximaciones RK de orden diferente, restando los resultados El mtodo consisteen la frmula para obtener una aproximacin del error. de cuarto orden:

Yi+l

+ ( E k 1 +

25

1 408 k3 2 565

2 197 k4 4 104

1 -ks)

r16.441

junto con lafrmuladequinto

yi+l = yi

orden:

+(gkl

+ 12 825

6 656

k3

28 561 56 430
[16.45]

donde

k4 = f(xi + Gh,

12

yi

hkl +2 197 439

-

1 932

O o' hkp 2 197

7 296 -hk3 2 197

+ h, yi + -hkl 216

8hk2

680 +"- 3513

410

ki = f(xi + Zh, yi - -hk, 27

3 544 + 2hk2 - ___ 2 565 hk3

+ - 1859

4 104

40

la aproximacih al error se obtiene restando la ecuacin (16.44) de la (16.45) paraobtener

MTODO

DE UN PASO

563

Por lo tanto, la E D 0 se puede resolver con la ecuacin (16.44) y la aproximacin del error de la ecuacin (16.46). Sin embargo, la aproximacin al error se alcanza a costa de una complejidad extra y de un esfuerzo de clculo. Nteseque, despus de cada uno delos pasos, la ecuacin (16.46) se puede sumara la ecuacin (16.44) y llegar a resultados de quinto orden. Aunqueelmtodo de Runge-Kutta-Fehlberges algoms pesado para manejarse que el mtodo Runge-Kutta de cuarto orden, existen situaciones en donde el error aproximado lo convierte en un mtodo preferible. El clculo del error es de particular importancia cuando se trata de funciones que requieren pasos pequeos en algunas regionesy pasos grandes en otras. En tales funciones, un error aproximado proporciona una base para cambiar el tamao de paso durante los clculos. De otra forma, el tamao del pasose debe escoger conservadoramente, es decir, debe ser ms pequeo que lo necesario para alcanzar la exactitud deseada, ademsde acomodar lareginquerequieradelostamaosms pequeos. Esta limitacin se considerar con ms detalle cuando se analicen mtodos de pasos mltiples en el captulo 17 para los cuales las aproximaciones delerror se obtienen con mayor facilidad.

16.3.6 Algoritmos para computadora de los mtodos de Runge-Kutta

Como en todos los mtodos cubiertos en el captulo, el mtodo de RK se ajusta muy bien en el algoritmo general de la figura 16.6. En la figura 16.15 se presentan subrutinas en los lenguajes FORTRAN y BASIC que determinan la pendiente del mtodo RKde segundo orden de Ralston [Ec. (16.38)].Las subrutinas para calcular pendientes de todas las otras versiones se pueden programar fcilmente de manera similar. Enel mtodo de RK-Fehlberg, el tamao variable de paso se puede incorporar de diferentes maneras. Una forma de hacerlo (Maron, 1982) es la de especificar un lmite inferior y otro superior en el error. El objetivo es el de emplear un tamao de paso que genere una aproximacin

FIGURA 16.15

Subrutinas en FORTRAN y BASIC para determinarlapendienteusando RK el mtodo de Ralston de segundo orden de

INGENIEROS 564

PARA

NUMfRICOS

METODOS

del error dentro del rango aceptable. Si el error aproximado es mayor que el lmite superior, el tamao de paso se parte a la mitad hasta que el error se encuentre dentro del rango aceptable. Si el error aproximado es menor que el lmite inferior, el tamao de paso se duplica hasta que el error se eleva de un rango aceptable.

16.4 SISTEMAS DE ECUACIONES

Muchos problemas prcticos de ciencia e ingeniera requieren de la solucin de un sistema de ecuaciones diferenciales ordinarias en lugar de una sola ecuacin. Tales sistemas se pueden representar generalmente como

[16.47]

La solucin de este sistema requiere que las n condiciones iniciales se conozcan en un valor inicial de x. Todos los mtodos analizados en este captulo para ecuaciones simples se pueden extender para el sistema mostrado anteriormente. Las aplicaciones de la ingeniera pueden implicar la solucin de varios cientos de ecuaciones simultneas. En este caso, el procedimiento de solucin del sistema de ecuaciones simplemente significa aplicar el mtodo de un paso a cada una de las ecuaciones antes de continuar con el siguiente paso. Esto se ilustra mejor en el siguiente ejemplo.

EJEMPLO 16.1 O
Solucin de sistemas de E D 0 usando el mtodo de Euler

Enunciado del problema: resulvase el siguiente conjunto de ecuaciones diferenciales usando el mGtodo de Euler, suponiendo que en x = O, y1 = 4, y y 2 = 6. Intgrese a x = 2 con un tamao de paso de 0.5.

METODOS DE UN PASO

565

Solucin: el mtodo de Euler se implementa como en la ecuacin (16.2)

yZ(0.5) = 6

+ [4 - 0.3(6)- 0.1(4)]0.5 = 6.9

Obdervese que yl(0) = 4 se usa en la segunda ecuacin en vez de y l(0.5) = 3 , calculado con la primera ecuacin. Procediendo de una manera semejante se obtiene
X

Y1

Y2

O 0.5 1.0 1.5 2.0

4 3 2.25 1.687 5 1.265 6215

6 6.9 7.715 8.445 25 9.094 087 5

de

16.4.1 Algoritmo para la computadora para la solucin de sistemas ED0

El programa para resolver una sola E D 0 con el mtodo de Euler (Fig.

16.6) se puedeextender fcilmente a un sistema de ecuaciones. Las modificaciones incluyen:
1. Introducir el nrrero de ecuaciones, n. 2. Introducir los valc'res iniciales para cada unade las n variables dependientes. 3. Modificar la subrutina de tal manera que calcule las pendientes de cada una de las variables dependientes. 4. Incluir funciones adicionales para calcular las derivadas de cada una de las EDO. 5. Incluir las ecuacicnes restantes (del tipo en la linea 230 de la versin BASIC) para calc.darun nuevo valor de cada una delas variablesdependientes.

Obsrvese que cualquiera de los mtodos de un paso de este capitulo se pueden usar para este algoritmo. La nica diferencia seria la formulacin de la subrutina que calcula las pendientes. El mtodo clsico RK de cuarto orden es una buena alternativa para este propsito ya que proporciona una exactitud excelente y es relativamente fcil de programar. Una caracterstica importante de un programa de computadora para resolver sistemas de E D 0 con un mtodo RK es la secuencia del clculo de las k como se demuestra en el ejemplo siguiente.

566

METODOS

NUMERICOS PARA INGENIEROS

EJEMPLO 16.1 1
Solucin de sistemas de

ED0 empleando el mtodo RK de cuarto

orden

Enunciado del problema: utilcese el mtodo RK de cuarto orden para resolver las E D 0 del ejemplo 16.10. Solucin: primero, se deben resolver para todas las k l :
kl,l = f(0, 4,
k1.2 =

6) = -0.5(4)
-

==

-2

f(0, 4, 6) = 4

0.3(6) - 0.1(4) = 1.8

en donde k,,,es el i-simo valor de k para la j-sima variable dependiente. En seguida, se calculan los valores de y l y y 2 que se necesitan para determinar las k2:

y1
y2

+ $hkl,l = 4 + $(0.5)(-2) = 3.5

+ i h k l , 2 = 6 + $(0.5)(1.8)= 6.45

que se usan para calcular:

k2,1 = f(0.25, 3.5, 6.45) =

-1.75

k2,2 =

f(0.25, 3.5, 6.45) = 1.715

El proceso contina hasta calcular las k restantes:

k3,1 =
k3,2

f(0.25, 3.562 5, 6.428 75)

-1.781 25 1.715 125

= =

=f(0.25, 3.562 5, 6.428 75)

= f(0.5,

k4.1

3.109 375, 6.857 562 5)

-11.554 687 5 1.631 793 75

k4.2 =

f(0.5, 3,109 375, 6.857 562 5)

Los valores de k se pueden usar para calcular [Ec. (16.40)l:

yl(0.5) = 4
=

+ iL-2 + 2(-1.75

1.781 25)

1.554 687 510.5

3.115 234 38

y2(0.5) = 6
=

+ 2[1.8 + 2(1.715+ 1.715 125)+ 1.431793 7510.5

6.857 670 32
~ ~~ ~

METODOS DE UN PASO

567

Procediendo de manera semejante en los pasos restantes, se obtiene

X
Y1
Y2

O
0.5 1 .O 1.5 2.0

4 3.1 15 234 4 2.426 171 3 1.889523 1 1.471 576 8

6 6.857 670 3 7.632 105 7 8.326 886 O 1 8.946 865

16.4.2

Problemas con valores en la frontera: mtodosde disparo

La solucin de ecuaciones con valores en la frontera usando el mtodo de disparo es un ejemplo de un problema que en el contexto de los sistemas de E D 0 se puederesolver. Recurdese delanlisis al principio de la parte VI, que una ecuacin diferencial ordinaria va acompaada de condiciones auxiliares. Estas condiciones se usan para evaluar las constantes de integracin que resultan durante la solucin de una EDO. Para unaecuacin de n-simo orden, se debenevaluar n constantes, y por lo tanto, se requieren n condiciones. Si se especifican todas las condiciones en un mismovalor de lavariable independiente, entonces se trata de un problema con valores iniciales. En su mayora la parte VI trata este tipo de problemas. En contraste hay otra clase de E D 0 para la que las condiciones no se dan en un solo punto pero s en varios valores de la variable dependiente. Debido a que estas condiciones se expresan en los puntos extremos o lmites, stosse les conocen conel nombre deproblemas con valores en la frontera. Una variedad de problemas significativosde ingeniera caen dentro de esta clase. En este captulo, se analiza un esquema general para resolverestosproblemas: el mtodo de disparo. El mtodo de disparo est basado en la conversin de problemas de valores en la frontera en problemas de valor inicial equivalente. Se implementa un esquema de prueba y error que resuelve la versin de valores iniciales. El esquema se puede ilustrarcon un ejemplo.

EJEMPLO 16.1 2

El

mtodo de disparo

Enunciado del problema: emplese el mtodo de disparo para resolver

d2Y + 0.2y = 2 dx2

568

MTODOS

NUMRICOS

PARA INGENIEROS

con las condiciones en la frontera y(0)

O y y ( 10)

O.

Solucin: usando el mismo esquema empleado en la transformacin de la ecuacin (VI.2)en las ecuaciones (VI.3)y (VI.6), la ecuacin de segundo orden se puede expresar como dos EDO:
"

d Y

dx
Y

- 2

[E16.12.1]
0.2y

"

dz dx

[E16.12.2]

FIGURA 1616

Mtodo de disparo: a) el primer "disparo"; b) segundo "disparo"; y c) el "tiro" exacto final.

METODOS DE UN PASO

569

z. Para el mtodo de disparo, se elige un valor, que puede ser

A fin de resolver estas ecuaciones, se requiere un valorinicialpara

Entonces la solucin se obtieneintegrandolas ecuaciones (E.16.12.1) y (E16.12.2) simultneamente. Por ejemplo, usando un mtodo RK decuartoordenparasistemas de ODES, se obtiene un valorfinaldel intervalo de y(10) = 10.208 (Fig. 1 6 . 1 6 4 , que define el valor verdadero y (10) = O por lo tanto, se hace otra eleccin, z(0) = 2 , y se llevan a cabo nuevamente los clculos. Esta vez, elresultado y (10) = 8.035 est un poco ms cercano alvalorverdaderode y(10) = O , peroan persisteelerror (Fig. 16.166). Ahora, debido a que la E D 0 es lineal, los valores
z(0) = 1
Y

40)

1.

y(10) = 10.208

z(0) = 2

y(10) = 8.035

estn relacionados linealmente. Como tales, se pueden usar para calcularelvalorde z(0) queconforma a y(10) = O. Se puedeemplear una frmula de interpolacin para este propsito [recurdese la Ec. (ll.!)]:
z(0) = 1 +

2 - 1 (O - 10.208) = 5.7 8.035 - 10.208 correcta como

Este valor se pQede usar para determinar la solucin 16.16~. se muestraenlafigura

L

Para problemas con valor a la frontera no lineales, la interpolacin lineal o extrapolacin a travs de la solucin de dos puntos no resulta necesariamente una aproximacin segura de la condicin en la frontera requerida para obtener una solucin exacta. Un esquema alterno es el de realizar tres simulaciones y usar un polinomio de interpolacin cuadrtico para calcular la condicin en la frontera. Sin embargo, no es muy probable que tal esquema lleve a la respuesta exacta, y con iteraciones adicionales sera necesario obtener la solucin. Debido a que ste es un proceso ineficiente, existen mtodos alternativosentales casos. Los mscomunes son los mtodos de diferencias a la finitas. Estos mtodos son apropiados para problemas con valores frontera lineales y no lineales. En estos esquemas, las diferencias divididas finitas se sustituyen por las derivadas en la ecuacin original. De esta

570

METODOS NUM~RICOS PARA INGENIEROS

manera, la ecuacin diferencial se transforma en un conjunto de ecuaciones algebraicas simultneas que se puede resolver usando un mtodo de la parte 111. Este es el esquema que se usa en el caso 9.2 para resolver ladistribucindela temperatura de una placa caliente. Los problemas 9.8, 16.9 y 18.10 se relacionan con la solucin de problemas con valores a la frontera.

PROBLEMAS
Clculos a mano
16.1

Resulvase el siguienteproblema con valorinicial sobre el intervalo de x x = 2:

d Y -=
dx

Oa

yx2 -y

donde y(0) = 1. Grafiquese la solucin

16.2

Utilicese el mtodo de Euler con h = 0.5 y 0 . 2 5 para resolver el problema 16.1. Grafquense los resultados en la misma grfica y comprese visualmente la exactitudde los dos tamaos de paso.

16.3 Utilicese el mtodo de Heun con h = 0 . 5 y 0.25 para resolver el problema 16.1. Itrese el corrector a E, = 1%. Grafquense los resultados sobre lamisma grfica y comprese visualmente la exactitud de los dos tamaos con la solucin analtica. Interprtense los resultados. 16.4

Utiliceseel mtodo del polgono mejorado con h problema 16. l.

0 . 5 y 0 . 2 5 para resolver el

16.5

Utilicese el mtodo RK de Ralston de segundo orden con h elproblema 16.1

0 . 5 para resolver

16.6

Utilicese el mtodo clsico RK de cuarto orden con h = 0 . 5 para resolver el problema 16.1. Utilicese el mtodo de RK-Fehlberg de cuarto orden con h = 0 . 5 para resolver el problema 6.1. Calclese el error aproximado en cada paso.

16.7

16.8 Reptanse los problemas 16.1 al 16.7 pero con el siguiente problema con valores iniciales sobre el intervalo x = O a x = 1.
dy

"

dx

y(0) = 1

MTODOS

DE UN PASO

571

16.9 Utilceseel mtodo de disparo para resolver

d $ +

16-

dy dx

4y = 20

con la condicina la frontera, y ( 0 ) = 5 y y(20) = 2 . 16.10 Utilcese el mtodo de Euler con un tamao de paso de 1 para resolver el siguiente sistemade ecuaciones de x = O a x = 10:
- y1
0.1Y1Y2

"

dy1

dx

en donde y , = 2 5 y y2 = 7 enx = O. 16.1 1Utilcese el mtodo RK de cuarto orden para resolver el problema 6 . 1 0 usando h = 1 . 0 d e x = O a x = 1.

Problemas relacionados con la computadora

16.12 Progrimese nuevamente la figura 16.6 de tal forma que sea legible al usuario. Entre otras cosas,
a) Colquense declaraciones de comentarios, a lo largo del programa para identificar lo que cada una de las secciones va a realizar. b) Etiqutese la entrada y la salida.

16.13 Prubese el programa del problema 16.12 duplicando los cSlculos de los ejemplos 16.1, 16.3 y 16.4. 16.14 Utilicese el programa del problema 16.12 repitiendo los problemas 6.1 y 6.2. 16.15 Reptanse los problemas 16.13 y 16.14, pero usando el paquete NUMERICOMP, disponible con el texto. 16.16 Desarrllese un programa legible al usuario del metodo de Heun con un corrector iterativo. Tmese como base del programa lasfiguras 16.6 y 16.12. Prubese el programa duplicando los resultados del cuadro 16.3. 16.17 Desarrllese un programa legible al usuario del mtodo RK de Ralston de segundo orden basado en las figuras 16.6 y 16.15. Prubese el programa duplicando el ejemplo 16.16. 16.18 Desarrllese un programa legible al usuario del mtodo cldsico RK de cuarto orden. Prubese el programa duplicandoel ejemplo 16.8 y elproblema 16.6. 16.19 Desarrllese un programa para la computadora que sea legible al usuario para sistemas de ecuaciones usando el mtodo de Euler. Tmese como base del programa el andlisis de la seccin 16.4.1. Utilcese este programa para duplicar los cSlculos del ejemplo 16.12. 16.20 Reptase el problema 16.19. pero usando el mtodo RK de cuarto orden.

C A P T U L OD I E C I S I E T E
MTODOS

DE PASOS M LTIPLES

Los mtodos de u n paso analizados en el captulo anterior utilizan la informacin de un solo punto xi para predecir un valor de la variable dependiente en un punto posterior x , + ~ (&. 17.1~1): Las tcnicas alternas, llamados mtodos de pasos mltiples, (Fig. 17.lb), se basan en el conocimiento de que una vez que los clculos han empezado, la informacin evaluada en puntos previos sirve de gua. La curvatura de las lneas que conectan estos puntos anteriores proporciona informacin refermte a la trayectoria de la solucin. Los mtodos de pasos mltiples ED0 explorados en este captulo consideran esta informacin para resolver y evaluar su error. Antes de describir las versiones de orden superior, se presenta un mtodo simple de segundo orden que sirve para demostrar las caractersticas generales de los esquemas de pasos mltiples.

FIGURA 17.1

Esquemagrficode las diferenciasfundamentalesentre o) mtodos de un paso y b) mtodos de pasos mltiples en la solucin de EDO.

574

NUMERICOS

MtTODOS

PARA INGENIEROS

17.1 UN ENFOQUE SIMPLE DE PASOS MLTIPLES: MTODO DE HEUNSINPRINCIPIO

Recurdese que el mtodo de Heunusael predictor:
mtodo de Euler como un

y la regla trapezoidd como corrector:

[17.2]
Por lo tanto, el predictor y el corrector tienen errores locales de truncarespectivamente. Esto sugiere que el predictor miento de O(h2) y O(h3), sea el punto dbil en el mtodo ya que tiene el mayor error. Este punto dbil es significativo debido a que la eficiencia delpaso corrector iterativo depende de la exactitud de la prediccininicial.Por consiguiente, una manera de mejorar el mtodo de Heun es desarrollar un predictor que tenga un error local de O(h3).Esto se puede llevar a cabo usando el mtodo de Euler y la pendiente en y , , pero haciendo la correccin desde un punto previo yi.l, como en:

La ecuacin (17.3) no es auto-principianteya que implica un valor anterior de la variable dependiente Este valor no debera estar disponibleen un problematpico de valorinicial.Debido a este hecho, a las ecuaciones (17.3) y (17.2) se les conoce como mtodo de Heun sin principio. Obsrvese que, como se muestra en la figura 17.2, la aproximacin a la derivada en la ecuacin (17.3) se localiza ahora en el punto medio envez de alprincipiodelintervalosobreelcual se hace la prediccin. Como se demuestra subsecuentemente, este centrado mejorael error del predictor a O(h3). Sin embargo, antes de continuar a una derivacin formal del mtodo de Heun sin principio, se resume el mtodo y se expresa usando una nomenclatura un poco modificada: Predictor: y k l = yP1 Corrector: y(+l = y 7

+ f(xi,y?) 2h
YG)

[17.4]

f(Xi+l, + f h i , Y 3 +2

(para j

1 , 2, . . . , m )

C17.51

MTODOS

D E PASOS M L T I P L E S

575

FIGURA 17.2

Esquema grfico del mtodo de Heun sin principio. al mtodo de PJnto medio usado como predictor; b) regla trapezoidal empleada como COrrector.

donde los Subindices se han agregado para denotar que el corrector se aplica iterativamente desde j = 1 a m para obtener soluciones refinadas. Ntese que y ? y y,ml son los resultados finales de las iteraciones del corrector en los pasos de clculo anteriores. Las iteraciones se terminan en cualquier paso del clculo en base alcriteriode paro

[17.6]
Cuando E, es menor que una tolerancia preespecificada en el error, E, se terminan las iteraciones. En este punto, j = m. El uso de las ecuaciones (17.4) a la (17.6) en la solucin de una E D 0 se demuestra en el ejemplo siguiente.

576

MTODOS

NUMRICOS

PARA INGENIEROS

EJEMPLO 17.1 Mtodo de Heun sin principio

Enunciado del problema: utilicese el mtodo de Heun sin principio para realizar los clculos del ejemplo 16.5 usando el mtodo de Heun. Es decir, intgrese y ' = 4e0.8X - 0.5 y desde x = O hasta x = 4 usando un tamao de paso de 1.0. Como con el ejemplo 16.5, la condicin inicial en x = O es y = 2. Sin embargo, debido a que se est utilizando un mtodo de pasos mltiples, se requiere la informacin adicional de que y es iqual a -0.392 995 325 en x = - 1. Solucin: se usa el predictor [Ec. (17.4)]para extrapolar linealmente de x = -1 a x " 1 : y': = -0.392 995 325

+ [4e0.8io) - 0.5(2)]2 =
0.5(2) +
-

5.607 004 675

Entonces se usa el corrector [Ec. (17.5)] para calcular el valor

y:=2+
=

4eo.8(')

0.5(5.607 004 675)]

6.549 330 688

que representa un error relativo porcentual de - 5.73% (Valor verdadero = 6.194 631 377). Este error es algo ms pequeo que elvalor de -8.18% contrado con el mtodo de Heun auto-principiante. Ahora se puede aplicar iterativamente la ecuacin (17.5)para mejorar la solucin:

yT=2+

3 + &o.8i')

0.5(6.549 330 688) 2

6.313 749 185

que representa un E, del - 1.92%. Tambin se puede determinar una aproximacin del error usando la ecuacin (17.6):

141=

6.313 749 185 - 6.549 330 688 6.313 749 185

3,7%

La ecuacin (17.5) se puede aplicar iterativamente hasta que t o se encuentre dentro de un valor E, preespecificado. Como en el caso del mtodo de Heun (recurdese el ejemplo 16.5),las iteraciones convergen al valor 6.360 865 49 (E, = - 2.68%).Sin embargo, debido a que el valor del predictor inicial es ms exacto, el mtodo de pasos mltiples converge en proporci6n un poco ms rpida:

METODOS DE PASOS MLTIPLES

577

En el

segundo paso,

el predictor es
-

y; = 2 = 13.443 461

0.5(6.360 865 49)] 2 2 , = 9.43%

que es superior a la prediccin de 12.082 569 46 (E, = 18% calculada con el mtodo de Heun original. El primer corrector lleva a 15.955395 53 E, = - 6.8%) y las iteraciones siguientes convergen al mismo resultado que se obtiene con el mtodo de Heun sin principio: 15.302 236 7 (E, = - 3.1%). Como en el paso anterior, la proporcin de convergencia del corrector se perfecciona un poco debido ala mejor preduccin inicial.

17.1.1 Obtencin y anlisis de error de las frmulas predictor-corrector

Se han empleado conceptos grficos para derivar el mtodo sin principio de Heun. Hasta ahora se ha demostrado como las mismas ecuaciones se pueden derivar matemticamente. La obtencin de estas frmulas particularmente interesante debido a sus vnculos con las ideas de ajuste de curvas, integracin numrica y EDO. La obtencin de estas frmulas tambin es til ya que proporciona un medio de avancesimple en el desarrollo de mtodos de pasos mltiples de orden superior y la aproximacin a sus errores. La obtencin se basa en la solucin de la E D 0 general

Esta ecuacin se puede resolver multiplicando ambos ladospor d x e integrando entre los lmites i e i + 1:

El lado izquierdo se puede integrar y evaluar usando el teorema fundamental [recurdese la ecuacin (16.21)]:
Yi+l

Y +

h,

Kit1

f(x, y) dx

[17.7]

Si se puedeevaluar la integral, entonces la ecuacin (17.7) representa la solucin a la EDO. Es decir, esta frmula proporciona una manera de calcular un nuevo valor de la variable dependiente y;, I en base al valor anterior y ; y la ecuacin diferencial. Las frmulas de integracin numrica tales como las desarrolladas en el captulo 13 proporcionan una manera de realizar esta evaluacin. Por ejemplo, la regla trapezoidal [ecuacin (13.3)J se puede usar en la eva-

578

MTODOS

NUMRICOS

PARA INGENIEROS

luacin de la integral, como en

[17.8]

donde h = x , + ~ - x , es el tamao de paso. Sustituyendo (17.8) en la ecuacin (17.7) se obtiene

Yiil

la ecuacin

Yi

f k i l

Y> + f(Xi+l, Y i+d -h

2

que es la ecuacin corrector del mtodo de Heun.Debido a que esta ecuacin se basa en la regla trapezoidal, el error de truncamiento se puede tomar directamente del cuadro 13.2:

E,

= -1 h3Y"'((c) =
12

1 h 3 f"((J 12

[17.9]

donde el subndice c denota que ste es el error del corrector. Se puede usar un esquema similar para derivar el predictor. En este caso, los lmites de integracinvan desde i - 1 a i + 1:

]Y-1

y" dy = r"f (x, y) dx

J x ~ -1

que se puede integrar y reordenar para obtener

[17.10]

Ahora, en vez de usar una f6rmula cerrada del cuadro 13.2, se puede usar la primera frmula de integracin abierta de Newton-Cotes (vase el cuadro 13.4) para evaluar la integral
[17.11]

a la cual se le llama el mtodo del punto medio. Sustituyendo la ecuacin (17.11) en la ecuacin (17.10) se obtiene
yi+l
=

yi-1

f(xi, yJ2h

que representa al predictor del mtodo de Heun sin principio. Como sucede con el corrector, el error local de truncamiento se puede tomar di-rectamente del cuadro 13.4 E, = h 3 y"'((,) = h3 f"(&,) [17.12] donde el subndice p denota que ste es el error del predictor. Por lo tanto, el predictor y el corrector del mtodo de Heunsin principio tienen los mismos errores de truncamiento. Adems de aumentar la exactitud del predictor, este hecho tienelos beneficios adicionales relacionados con el anlisis del error. como semuestra en la siguiente seccin.

METODOS DE PASOS

579

17.1.2 Aproximacin del error

Si el predictor y el corrector de un mtodo de pasos mltiplessondel mismo orden, entonces el error local de truncamiento se puede obtener a que establea lo largo del clculo. Esta es una ventaja tremenda debido ce un criteriodeajusteen el tamao del paso. El error local de truncamiento del predictor se calcula mediante la ecuacin (17.12).Esta aproximacin del error se puede combinar con la apro; , del paso predictor para obtener [recurdese la definicin ximacin de y bsica de la ecuacin ( 3 .l)]:

verdadero Valor

yp+l

+ $ h 3 y(&,)

C17.131

Usando un esquema similar, la aproximacin del error para el predictor [Ecuacin (17.9)]se puede combinar con el valor verdadero y el resultadel do corrector genera: verdadero Valor
=

y21 - ff h3 y(&)

C17.141

La ecuacin (17.13) se puede restar de la ecuacin (17.14) para obtener

o = y21 - y?+1 - & h 3 y([)

r17.151

donde 4 est entre xiPly xi+l.Ahora dividiendo la ecuacin (17.15) entre 5 y reordenando trminos el resultado es

C17.161
Obsrvese que los lados derechos de las ecuaciones (17.9) y (17.16) son idnticos, conla excepcin del argumento de la tercera derivada. Si la tercera derivada no vara apreciablemente sobre el intervalo en cuestin, se supone que los lados derechos son iguales, y , por lo tanto, tambin los lados izquierdos deben ser iguales, como en

[17.17]
Por lo tanto, hemos llegado a una relacin que se puede usar para aproximar el error de truncamiento por pasoen base a dos cantidades, el predictor (y:+l) y el corrector ( y z J , que son rutinas por productos de los clculos.

580

INGENIEROS MTODOS

NUMRICOS

PARA

EJEMPLO 17.2
Aproximacin del error de truncamiento por paso para el mtodo de Heun sin principio

Enunciado del problema: utilcese la ecuacin (17.17) para aproximar el error de truncamiento por paso del ejemplo 17.l . Obsrvese que los valores verdaderos en x = l y 2 son 6.194 63138 y 14.843 921 9, respectivamente. Solucin: en x,, = 1, el predictor genera 5.607 004 675 y el corrector genera 6.360 865 49. Estos valores se pueden sustituir en la ecuacin (17.17) y obtener

E = - 6.360 865 49

5.607 004 675

-o,150 772 163

5 6.360 865 49 -0.166 234 110

que es comparable con el error exacto,

. E , =

6.194 631 38

En x , , ~ = 2, el predictor genera 13.443461 9 y el corrector 15.302 236 7, que se usan para calcular

-"

15.302 236 7

13.443 461 9

"o,371 754 960

5
que tambin secompara favorablemente con el error exacto, E,
= =

14.843 921 9

15.302 236 7

0.458 314 8.

La facilidad con que se puede calcular el error usando la ecuacin

(17.7)representa una ventaja importante de los mtodos de pasosmltiples sobre los mgtodos de un solo paso. Entre otras cosas, esto proporciona una base racional e n el ajuste de tamao de pasodurante el curso de los clculgs. Por ejemplo, sila ecuacin (17.17) indica que el error es mayor al nivel aceptable, el tamao de paso debe disminuir. En una seccin subsiguiente (seccin 17.4),delinearemos como estos ajustes en los tamaiios de paso se pueden incorporar en un algoritmo para la computadora.

17.1.3 Modificadores
Antes de desarrollar algoritmospara la computadora, se deben notar otras dos formas enque se puede hacer ms exacto y ms eficiente al mtodo de Heunsin principio. Primero, se debe tomar en cuenta que la ecuacin (17.17),adems de proporcionar un criterio en el ajuste del tamao del

MTODOS

PASOS MLTIPLES

581

paso, representa una aproximacin numricade la diferencia entre el valorcorregidofinalen cada uno de los pasos y,+] y el error verdadero. Por lo tanto, stepuedesumarsedirectamente y,,] paramejorar an msla aproximacin:

YZl

YE1 -

YZ1 -

Yi+l

L17.181

A la ecuacin (17.18) se lellama corrector modificador. (El smbolo

se lee se reemplaza por.) El lado izquierdo es el valor modificado de Y%]. Una segunda mejora, relacionada ms con la eficiencia de programacin, es el predictor modificador, elcual estdiseadoparaajustar el resultado del predictor de tal manera que est ms cercano al valor convergente final del corrector. Esto es ventajoso debido a que, como se menciona al principio de esta seccin, el nmero de iteraciones del corrector depende altamente de la exactitud de la prediccin inicial. Por consiguiente, sila prediccin se modifica de manera conveniente, se puede reducir el nmero de iteraciones necesarias para converger a un valor final del corrector. Este modificador puede derivarse simplemente suponiendo que la tercera derivada es relativamente constante de paso a paso. Por lo tanto, usando el resultado del paso anterior en i, la ecuacin (17.16) se puede resolver por
[17.19]

la cual, suponiendo que y cin (17.12) para obtener

(t) = y (,$J.

se puede sustituir en la ecuaE17.201

que entonces se puede usar para modificar el resultado del predictor:

O Yi+l

+YLl

+ 4 (y?

y:)

r17.211

EJEMPLO 17.3
Efecto de los modificadores en los resultados del predictor-corrector

Enunciado del problema: calclese nuevamente el ejemplo 17.1 usando losmodificadoresespecificadosen lafigura 17.3. Solucin: como enel ejemplo 17.1, el resultado del predictor inicial es 5.607 004 675. Debido a que elpredictormodificador [Ec. (17.21)] requiere de valoresde una iteracin previa, ste no puede emplearse para mejorar elresultadoinicial.Sin embargo, la ecuacin (17.18) se usa

582

MTODOS

NUMRICOS

PARA INGENIEROS

FIGURA 17.3

Secuencia de frmulas usadas en la implementacin del mtodo de Heun sin principio. Ntese que la aproximacin al error del corrector se puede usar para modificar el corrector. N o obstante, debido a que esto puede afectar la estabilidad del corrector, el modificador no se incluye en el algoritmo. El error calculado del corrector se incluye debido a su utilidad en el ajuste del tamao del paso.

paramodificarelvalorcorregidode como en:

y'' =

6.360 865 49 (e,

= -

2.684%),

6.360 865 49 -

6.360 865 49 - 5.607 004 675 5

6,210 093 327

que representa un E, = - 0.25%. Por lo tanto, el errorsereduceen cuanto a s u magnitud. Enla siguiente iteracin el predictor [Ec. (17.411se usa para calcular
y$ = 2
=

[4eU.8(') - 0.5(6.210 093 327112

e:, = 8.42%

13.594 234 10

MTODOS

DE PASOS MLTIPLES

583

es alrededor de la mitad del error del predictor de la segunda iteradel ejemplo 17. l , elcualfue E , = 18.6%. Esta mejora se debe a se est&usando unaaproximacinsuperiorde y (6.210 093 327, opuesto a 6.360 865 49) en el predictor. En otras palabras, el error propagado y global se reducen mediante la inclusin del corrector modificador. Ahora debido a que se tiene informacin de la iteracin anterior, la ecuacin (17.21) se empleaparamodificar el predictor.
= =

13.594 234 10 14.197 322 75

4 - (6.360 865 49 - 5.607 004 675) 5 E, = -4.36%

que nuevamente, divideendosel error. Esta modificacin no tieneefecto sobre el resultado final de los pasos del corrector subsiguientes. Independientemente de cuando se usen predictores modificados o sin modificar, el corrector finalmente converge a la misma respuesta. No obstante, debido a que la proporcin o eficiencia de la convergencia depende dela exactitud de la prediccin inicial, lamodificacin puede reducir el nmero de iteraciones necesarias para la convergencia. La implementacin del corrector llevaal resultado de 15.211 777 23 ( E , = - 2.48%) elcualrepresentaunamejorasobreel ejemplo 17.1 debido a la reduccin del error global. Finalmente, este resultado se modifica usando la ecuacin (17.18):
y 5 = 15.211 77723 =

15.211 77723 - 13.594 234 10 5

E, =

14.888 268 60

-0.30%

Nuevamente, elerror se hareducidoenmagnitud.

Como en el ejemplo anterior,la suma de los modificadores incrementa la eficiencia y la exactitud de los mtodos de pasos mltiples. En particular, el corrector modificador efectivamente incrementa el orden del mtodo. Por lo tanto, el mtodo de Heun sin principio con modificadores, es el tercer orden en vez de segundo orden como fue el caso en la versin sin modificar. Sin embargo, se debe notar que existen casos en donde el correctormodificador afecta la estabilidad del corrector. Como consecuencia, elmodificadorno se incluyeenelalgoritmodel mtodo de Heun sin principio delineado en la figura 17.3. No obtante, el corrector modificador an puede tener utilidad para el control del tamao de paso analizado en la seccin 17.1.5.

584

INGENIEROS

PARA

MTODOS

NUMERICOS

D I M E N S I O NX ( l O O ) , Y ( l O O ) COMMOH X I , Y l , U F<X,Y1*4*EXP( .B*X>-.S*V R E A D ( 5 . 1 >X( 1 > , X F Xl.X( ... ... I .> . FORMAT<ZF1 O . O 1 READ( S , 1 >U REIDCS.2)MX FORMAT( I S > READCS. 1 )ES
LVLI

IFuncln que especiflca ecuacln diferenclali

la

X i l l . XF = valores Inlclal y flnal de la

variable Independiente

H 1 Y0 .. .

= tamao del paso

M X = Iteraclones mxlmas del corrector

ES = error aceptable (%I
delcorrector

210
220

Y11 l = valor lnlclal de la varlable dependlente

(Subrutina para calcular el segundo valor de la varlable dependlente usando el mtodo RK de cuarto orden1 N C = nmero de pasos de X I 1 1 a X F (Predlctorl

230
240 250 260
27
"

280
290

3 0 C I 310
320

333 340 350

aao

300

370
380

I) FOR J = I TU MX xx = X(h) 52 = FN F(f<hl) YP = v e t . , YIK! = Y i P I + H * ($1 + S i J

2

IPredlctor modlflcadorl (Corrector)

/

3uo
4 410 430 PI = PIJ 440 C I = CIJ 4s NEXT I 46 P R I N T X l I l . V l I ) 470 END

FIGURA 17.4

Programas en

FORTRAN Y BASIC delmtododeHeun

sin principio.

17.1.4 Programa para computadora de los mtodos de pasos mltiples

En la figura 17.4 se muestra un programa para la versin de tamao de paso constante del mtodo de Heunsin principio. Obsrvese que el programa incluye el predictor modificador delineado en la figura 1 7 . 3 . Debido a que este algoritmo emplea un tamao de paso constante, se debe escoger un valor d e h al principio d e los clculos. En general, la experiencia indica que un tamao de paso ideal debe ser bastante pequeo para asegurar la convergencia dentro de dos iteraciones del coH u l l y Creemer, 1963).Adems, debe ser demasiado chico para rrector ( generar un error d e truncamiento lo suficientemente pequeo. Al igual que conlos otros mtodos paraEDOs, la nica forma prctica d e valorar la magnitud del error global es la de comparar los resultados del mismo problema pero disminuyendo los tamaos de paso a la mitad cada vez. Obsrvese que se usa un mtodo RK d e cuarto orden para generar los puntos necesarios al principio del clculo. Para este propsito se escoge un mtodo RK d e cuarto orden debido a que, aunque es un poco ms difcil de programar que los mtodos d e orden inferior, su mayor exactitud justifica su uso.

MTODOS

DE PASOS MLTIPLES

585

17.1.5 Beneficios en el control del tamao de paso

Con la excepcin del mtodo RK-Fehlberg analizado en la seccin 16.3.5, se ha empleado un tamao de paso constante para integrar numricamente ecuaciones diferenciales ordinarias. Aunque tal esquema tiene una alta utilidad en muchos problemas de ingeniera, existen ciertos casos en donde es altamente ineficiente. Porejemplo, supngase yue se est integrando una E D 0 con una solucin del tipo mostrado en la figura 17.5. Para la mayor parte del rango, la solucin cambia gradualmente un tamao de paso grande para obtener resultados adecuados. Sin embargo, en unareginlocalizadade x = 1.75 a x = 2.25, la solucinmuestra un cambio abrupto enla forma de una funcin impulso o pico. A las E D 0 cuyas soluciones consisten de componentes de variacin rpida o lenta se lesllama ecuaciones rigidas. La consecuencia prctica al tratar con tales ecuaciones es que se requiere un tamao de paso muy pequeo para capturar exactamente el comportamiento impulsivo. Si se empleara un algoritmo con tamao de paso constante, el tamario de paso necesario m6s pequeo en la regin de cambio abrupto tendra que aplicarse al rango entero de clculo. Como una consecuencia, se aplicara un tamao de paso ms pequeo que el necesario y , por lo tanto, muchos ms clculos a la regin de cambio

FIGURA 17.5

Ejemplo de la solucin de una E D 0 que muestra un comportamiento tipo impulsivo. Los ajustes automticos en el tamario del paso son desventajososenestos casos.

" " " "

,.

586

INGENIEROS

PARA

MTODOS

NUMRICOS

gradual. En tales casos un algoritmo que ajuste automticamente el tamao de paso evitara estas deficiencias y por lo tanto sera de gran ventaja Corno ya se dijo previamente, los mktodos de pasos mltiples descrilo tantos en este captulo proporcionan una base para tal algoritmo. Por to, puede parecer accidental que el programa para computadora descrito en la seccin anterior empleara un tamao de paso constante. La razn por la que se ha separado esta ventaja del algoritmo general es que el ajuste al tamao de paso no es una tarea de programacin trivial. De heo el costo cho el costo (dado en trminos del tiempo de programacin un factordecisivocuando se dedesarrollo de programas)puedeser escoja la incorporacin de esta opcin. Con este antecedente, se describe la mecnica del control del tamao de paso. Este anlisis debe hacerse claro porque incluir este aspecto no es un ejercicio trivial. La manera de escoger el tamao del paso se predice en base a un conjunto de factores. En general, el tamao dellapsodebe hacerse lo suficientemente pequeo de tal forma que el corrector converja y que se mantenga asen tantas iteraciones como sea posible. Adicionalmente, debe ser tan pequeo que los resultados sean lo sufientemente exactos para los requisitos de un problema. AI mismo tiempo, el tamao del paso debe ser tan grande como sea posible de tal forma que minimice el tiempo al momento de la corrida y elerrorde redondeo. un cambio Comnmente seusandoscriteriosparadecidircuando en el tamao del paso se justifica. Primero, si la ecuacin (17.17) es mayor que un criterio de error previamente especificado, entonces el tamao del paso decrece. Segundo, se escogeel tamao del paso de tal manera que el criterio de convergencia del corrector se satisfaga en dos iteraciones. Este criterio se propone considerar las ventajas y desventajas que existen entre la relacin de convergencia y el nmero total de pasos en el clculo. Para valores pequeos de h , la convergencia es ms rpida pero se requierenms pasos. Para h ms grande, la convergenciaes lentapero se necesitan menos pasos. Laexperiencia (Hull y Cremer, 1963) sugiere que los pasos totales seminimizan si h se escoge de tal maneraqueelcorrector converja dentrodedos iteraciones. Por lo tanto, si se requieren ms de dos iteraciones, el tamao de paso disminuye y si se requieren menos de dos iteraciones, entonces el tamao del paso se aumenta. Aunque la estrategia anterior especifica cuando se llevan a cabo las modificaciones del tamao del paso no especifica cmo se debe cambiar. Esta es una pregunta crtica ya que los mtodos de pasos mltiples por definicin requieren de varios puntos para calcular uno nuevo. Una vez que el tamao del paso se cambia, se debe determinar un nuevo conjunto de puntos. Una manera de hacerlo es la de reiniciar los clculos y usar el mtodo de un solo punto para generar un nuevo conjunto de puntos iniciales. Una manera ms eficiente de hacerlo y que hace uso de la informacin existente es aumentar al doble y disminuirel tamao de paso a la

MhODOS DE PASOS

587

mitad. Como se muestra en la figura 17.6a, si se ha generado un nmeal doble, ro suficiente de valores anteriores, aumentando el tamao del paso es algo relativamente correcto (Fig. 1 7 . 6 ~ ) Todo . esto es necesario para mantener la informacin de los subindices de tal forma que los valores anteriores de x y y vengan a ser los nuevos valores. Disminuir a la mitad el tamao del paso es algo ms difcil ya que algunos de los nuevos valores no se encuentran disponibles (Fig. 1 7 . 6 ~ ) Sin . embargo, se pueden usar los polinomios de interpolacin del tipo desarrollado enel captulo 1 1 paradeterminarestosvaloresintermedios. En cualquier caso, la decisin de incorporar el control sobre el tamao del paso representa hacer una evaluacin entre el tiempo para desa-

FIGURA 17.6

Grfica que indica la estrategia de dividir y duplicar unsegmento que permite el uso de a) valores calculados previamente con un mtodo de pasos mltiples de tercerorden. b) Dividiendo a la mitad y c) duplicando.

588

METODOS NUMRICOS

PARA INGENIEROS

rrollar un programa complejo paralos trminos grandes y la eficiencia que se requiere. Obviamentela magnitud y la importancia del problema mism o ayudar a elegir una opcin.

17.2 FRMULAS DE INTEGRACIN

El mtodo de Heun sin principio es caracterstico de la mayor parte de los mtodos de pasosrn~ltiples. Emplea una frmula de integracin abierta

FIGURA 17.7

Ilustracin de la diferencia fundamental entre el mtodo de Newton-Cotes y la frmula de integracin de Adams. a) Las frmulas de NewtonCotes usan una serie de puntos para obtener una aproximacin a la integral sobre un conjunto de segmentos. La aproximacin se usa despus pura proyectarse sobre el rango completo b) Las frmulas de Adams usan una serie de puntos para obtener una integral aproximada con un solo segmento. La aproximacin seusa entonces para proyectarse sobre este segmento.

MTODOS

DE PASOS MLTIPLES

589

(el mtodo del punto medio) para calcular una aproximacin inicial. Este paso predictor requiere un punto previo. En seguida se aplica iterativamente una frmula de integracin cerrada (la regla trapezoidal) para mejorar la solucin. Es obvio que una estrategia de mejoramiento sobre los mtodos de pasos mltiples podra ser la de usar frmulas de integracin de orden superior como predictores y correctores. Por ejemplo, podran ser tiles para este propsito las frmulas de Newton-Cotes de orden superior desarrolladas en el captulo 13. Antes de describir estos mtodos, se revisan algunas de las frmulas de integracin ms comunes sobre las cuales estnbasados. Como se menciona anteriormente, las primeras de stas son las frmulas de NewtonCotes de orden superior. No obstante existe una segunda clase llamadas frmulas de Adams que tambin se revisan y que seprefieren a menudo. Como muestra la figura 17.7, la diferencia fundamental entre las frmulas de Newton-Cotes y de Adams est relacionada con la manera como se aplica la integral para obtener la solucin. Como semuestra en la figura 17.7a, las frmulas de Newton-Cotes calculan la integral sobre un intervalo generando varios puntos. Esta integrai se emplea para proyectar desde el principio hasta el final del intervalo. En contraste, las frmulas de Adams (Fig. 17.7b) usan un conjunto de puntos deun intervalo para calcular la integral solamente del ltimo segmento en el intervalo. La integral se usa despus para proyectarse a travs de este ltimo segmento.

17.2.1 Frmulas de Newton-Cotes

Algunas de las frmulas ms comunes para resolver ecuaciones diferenciales ordinarias se basan en ajustar un polinomio de interpolacin de n-simo grado para n + 1 puntos conocidos de y y despus se usa esta ecuacin para calcular la integral. Como seanaliza previamente en el captulo 13, las frmulas de integracin de Newton-Cotes se basan en este esquema. Estas frmulas son de dos tipos: abiertas y cerradas.
Frmulas abiertas. Para n puntos igualmente espaciados, las frmulas abiertas se pueden expresar en la forma de una solucin de una EDO, como se hizo anteriormente en la ecuacin (17.10).La ecuacin general para este propsito es

[17.22] donde !,(x) es un polinomio de interpolacin de n-simo orden. La evaluacin de la integral obtiene una frmulade integracin abierta de NewtonCotes de n-simo orden. Por ejemplo si n = 1.

590

METODOS

NUMRICOS

PARA INGENIEROS

donde f, es una abreviacin de f(xi, y,), esto es, la ecuacin diferencial evaluada en xi y y,. A la ecuacin (17.23) se le llama mtodo del punto medio y se usa previamente como el predictor del mtodo de Heun sin principio. Para n = 2,
Yi+ 1 = Yi-2

3h + 7j-ifi + fi-1)

y para n

3,

La ecuacin (17.24) se muestra grficamente en la figura 1 7 . 8 ~ 1

Yi+l

Y-n+l

Y+I

f"(XMX

[17.251

Xi-n+l

FIGURA 17.8

Esquema de las frmulas de integracin cerradadeNewton-Cotes. Tercera frmula abierta [Ec. (17.24)] Y b) regla de Simpson de 1/3

a)

[Ec.

(17.26)].

METODOS DE PASOS

591

donde la integral se aproxima mediante una frmula cerrada de NewtonCotes(cuadro 13.2). Porejemplo,para n = 1:
Yi+l

Y +

5 (fi + f i + l >
=

que es equivalente a la regla trapezoidal. Para n

Y ~ + I=

2:
C17.261

yi-1 +

Cfi-1 + 4fi + f i + l ) 3

la cual es equivalente ala regla de Simpson de 1/3. La ecuacin (17.26) se muestra en la figura 17.8b.

17.2.2 Frmulas de Adams

El otro tipo de frmulas de integracin que se puede usar en la solucin de E D 0 son las frmulas de Adams. Muchos algoritmos de pasos mltiples muy utilizados en computacin que resuelven E D 0 se basan en estas frmulas.
Frmulas abiertas (Adams-Bashforth).Las frmulas de Adams se pueden obtener de varias formas. Un mtodo esel de escribir una expansin hacia adelante de la serie de Taylor alrededor del punto xi:

que se puede escribir como

[17.27]
Recurdese de la seccin 3.5.4 que se puede usar una diferencia hacia atrs para aproximar la derivada:
- fi-1 f I f; = fi + -h

+ O(h2)

que se puede sustituir en la ecuacin (17.27) para obtener

o, agrupando trminos:

yi+l = y,

+ h($ fi

fi-1)

+ & b 3 fl + O(h4)

[17.28]

592 -

MTODOS

NUMRICOS

PARAINGENIEROS

A estafrmula se le llama segunda frmulaabierta de Adams. Las Frmulas abiertas de Adams son designadas tambin como frmulas de Adams-Bashforth. Por consiguiente a la ecuacin (17.28) algunas veces se le llama segunda frmula de Adams-Bashforth. Se pueden desarrollar frmulas de Adams-Bashforth de orden superior sustituyendo las derivadas de orden superior por aproximaciones en la ecuacin (17.27). La frmula abierta de Adams de n-simo orden se puede representar por lo comn como
n-1

[17.29]

Los coeficientes Pk se muestran en el cuadro 17.1. La versin de cuarto orden se muestra en la figura 17.9a. Ntese que la primera versin es el mtodo de Euler.
Frmulas cerradas (Adams-Moulton). Una expansin de la serie de Taylor alrededor de xi+ se puede escribir como

yi =

Y+] - h+lh + -+*

f :+1
L

Resolviendopara y j + seobtiene
l17.301

Se puede usar una diferencia para aproximar la derivada:

CUADRO 17.1
Coeficientes y error de truncamiento en los predictores de Adams-Bashforth

Orden

Po
1

PI

Pz

P 3

P 4

Ps

Error local de truncamiento

24

24

2 774 __ 2 616 720720 720 720 720 4 277 923 982 7 9 7 298 877 2 __ -~ __ __ 720 720 720 720 720
" "
~

24 1 901 __

55 -

59
"

37 -

"

9 24 1 274 251

475 h6f'"([) 1440

"

"

475 720

19 087 h7f(6)(0 60 480

MTODOS

DE PASOS MLTIPLES

593

FIGURA 17.9

Esquema de las frmulas de integracin de Adams abiertas y cerradas. u). Frmula abierta de Adams-Bashforth de cuarto orden y b) frmula cerrada de cuarto orden de Adams-Moulton.

fi+l f! = ___ I+ 1

fi

&lh
2

O(h2)

que se sustituyeenla

ecuacin (17.30) para obtener:

Y,+]= y; + h

[i.,,
-

A esta frmula se le llama frmula cerrada de Adams de segundo orden o segunda frmula d e Adams-Moulton. Obsrvese tambin que sta es la regla trapezoidal.

594

MTODOS

NUMRICOS

PARA INGENIEROS

CUADRO 17.2

Coeficientes y error de truncamiento en Adams-Moulton

los correctores de
Error local de truncamiento

P 2

P3

P 4

PS

1 2 2 1 5 8 3 12 12 12 9 19 4 24 24 106 264 251 19 646 5 720720 720720 1 427 798 482 475 _ _ 6 1 440 1 440 1 440 1 440 2
"

1 -

1 12 1 h4{f'3)(() -- __
- - h3P(5)

"

"

"

720 27 -.-.____

19 h5f'4'(5)
,!,6f(5)(5)

"~ ~"

720 173 1 440

27 863 "
1 440

1 AA0

h7f(6,(5)

& 480 I

L a frmula cerrada de Adams se puede escribir generalmente como

n-1

y!+] = yi

+h
k=O

Pkfiil-k

+ O(h"+')

Los coeficientes & se listan en el cuadro 17.2. El mtodo de cuarto orden se muestra en la figura 17.9b.

17.3 MTODOS DE PASOSMLTIPLES DE ORDEN SUPERIOR

Ahora que se han desarrollado formalmente las frmulas de integracin de Newton-Cotes y de Adams, podemos usarlas en la derivacin de mtodos de pasos mltiples de orden superior. Como en el caso del mtodo de Heun sin principio, las frmulas de integracin se aplican en fila como los mtodos de predictor-corrector. Adems, si las frmulas abiertas y cerradas tienen errores locales de truncamiento del mismo orden, entonces los modificadores listados en la figura 17.3 se pueden incorporar en el mejoramiento de la exactitud y para permitir el control sobre los tamaos del paso. En el recuadro 17.1 se proporcionan ecuaciones generales para estos modificadores. Enla siguiente seccin, se presentan dos de los

RECUADRO 17.1 Obtencin de las relaciones generales de

La relacin entre el valor verdadero, la aproximacin, un predictor se puede representar generalmente como

los modificadores
+

y el de error

Va,or verdadero =

"&
%

+ I ~ ( ~ + I ) ( ~ ~ )

[B17.1.1]

MTODOS

DE
O

595

donde vc y 6, son el numerador y el denominador de la constante del error de truncamiento del predictor de cualquiera de los mtodos abiertos de Newton-Cotes (cuadro 13.4) o de los mtodos de Adams-Bashforth (cuadro 17.1) y n es el orden. Se puede desarrollar una relacin similar para el corrector
'Jc Valor verdadero = y;"+l - s,h

E, =

Yl+l
rlc

'JP

YE1

WS,

n+l

y (n+l) ( 5 , )
[B17.1.2]

Para el predictor modificador, la ecuacin (B17.1.3) se puede resolver en el paso anterior mediante

donde y 6, son el numerador y el denominador de la constante del error de truncamiento para cualesquiera COrrector de Newton-Cotes abierto (cuadro 13.2) O de Adams-Moulton (cuadro 17.2). Como se hizo en la derivacin de la ecuacin (17.15),la ecuacin (B17.1.1)se puede sustraer de la ecuacin (B17.1.2) para obtener

que se puede sustituir en el trmino del error de la ecuacin (B17.1.1) para obtener

[B17.1.5]
Las ecuaciones (B17.1.4) y (B17.1.5) son versiones generales que se pueden usar para mejorar los algoritmos de pasos mltiples. Por ejemplo, el mtodo de Milne tie, = 14, 6, = 45, vc = l , y 6; = 90. Sustituyendo ne ? estos valores en las ecuaciones (B17.1.4) y en (B17.1.5) se obtienen las ecuaciones (17.33) y (17.34). Se pueden desarrollar modificadores sirnilares para otro par de frmulas abiertas y cerradas que tienen errores locales de truncamiento del mismo orden.

[B17.1.3]
Ahora dividiendo la ecuacin entre vc + vp6JiP, multiplicando el ltimo trmino por 6,/6, y reordenando trminos se obtiene una aproximacin del error local de truncamiento del corrector

mtodos de paso mltiple de orden superior ms comunes: el mtodo de Milne y el mtodo de Adams de cuarto orden.

17.3.1 Mtodo de Milne

El mtodo de Milne es el mtodo de pasos mltiples ms comn basado en las frmulas de integracin de Newton-Cotes. Este usa la frmula abierta de Newton-Cotes de tres puntos como predictor:
[17.31]

y la frmula cerrada de Newton-Cotes de tres puntos (regla de Simpson

de 1/3) como corrector:

y{+1 = yim_1+ !gfi"-l + 4jy

+ f{;!)

[17.32]

Los modificadores predictor y corrector del mtodo de Milne se pueden desarrollar a partir de las frmulas del recuadro 17.1 y los coeficientes del error de los cuadros 13.2 y 13.4:

E ,

= % ( y ? - y?)

[17.331

596

METODOS

NUMERICOS PARA INGENIEROS

EJEMPLO 17.4 Mtodo de Milne

Enunciado del problema: utilicese el mtodo deMilne para integrar y ' = 4 & . Y - 0.5 y desde x = 4 usando un tamao de paso de 1.La condicin inicial en x = O es y = 2. Debido a que se utiliza un mtodo de paso mltiple, se necesitan los puntos anteriores. En una aplicacin verdadera u n mtodo de un paso tal como RK de cuarto orden para se debe usar b calcular lospuntos necesarios. En este ejemplo, se usa la solucin analtica [recurdese la Ec. (E16.5.1) del ejemplo 16.51 para calcular los valores exactos e n xi-3 = - 3 , xi-2 = - 2 , y xi"l = 1 de yi-3 = 4.547 302 219, yi-2 = - 2.306 160 375 y yi-1 = - 0.392 995 325 respectivamente. Solucin: el predictor [Ec. (17.31)]se emplea para calcular un valor en
x =
y ;
= =

1:
-4.547 302219 6.022 723 13

4[2(3) - 1.993 813 519

3
,

2(1.960 666 259)]

2.8%

El corrector [Ec. (17.32)J se emplea entonces para calcular

y: = -0.392 995 325
=

711.993 813 519

C,

4(3)

5.890 802 1-57]

6.235 209 902

-0.66%

Este resultado se sustituye en la ecuacin (17.32) para corregir iterativamente la aproximacin. Este proceso converge a un valor corregido final de 6.204 854 65 (E, = - 0.17%). Este valor es ms.exacto que la aproximacin comparable de 6.360 865 49 (E, = - 2.68%) obtenido previamente con el mtodo de Heun sin principio (ejemplos 17.1 al 17.3).Los resultados en los pasos restantes son y (2) = 14.860 307 2 (E, - O . l l % ) , y (3) = 33.724 260 1 = - 0 . 1 4 % ) , y y (4) = 75.432 948 7 (E, = - 0 . 1 2 % ) .

Corno en el ejemplo anterior, el mtodo de Milne, en general, obtiene resultados de alta exactitud. Sin embargo, existen ciertos casos en los que sta es baja. Antes de entrar en detalle en estos casos. se describir otro mtodo de pasosmltiples de orden superior, el mtodo de Adams de cuarto orden.

METODOS D E PASOS MLTIPLES

597

17.3.2 Mtodo de Adams de cuarto orden

Un mtodo de pasos mltiples ampliamente usado basado en las frmulas de integracin de Adams utiliza la frmula de cuarto orden de AdamsBashforth(cuadro 17.1) como predictor:
y?+* = y?

+ h(zf!" 24
I

- 24

sf? 1 + zf"' 24 1-2 - zfF3)

I

[17.35]

y la frmula de cuarto orden de Adams-Moulton (cuadro 17.2) como corrector:

y{+l

y?

+ h (xfj-1 24 1+1 + Bf!" 24 - Af!" 24 1-1 + ' 24 f!"

I

1-2 )

[17.36]

Los modificadores predictor y corrector del mtodo de Adams de cuarto orden se pueden desarrollar a partir de las frmulas del recuadro 17.1 y los coeficientesdeerror de los cuadros 17.1 y 17.2 para obtener:

[17.37] [17.38]

EJEMPLO 17.5
Mtodo de Adams de cuarto orden

Enunciado del problema: utilcese el mtodo de Adams de cuarto orden 17.4. para resolver el mismo problema del ejemplo Solucin: el predictor [Ec. (17.35)lse usa para calcular un valor en x = 1.
y? = 2

+ I ( E 3 - $1.993
E,

813 519

1.960 666259

-9 24 2.649 382 908)

=

6.002 716 992

3.1%

que es comparable pero un poco menos exacto que el resultado obtenidoconel mtododeMilne. El corrector [Ec. (17.38)Jse empleapara calcular
y{ = 2

+ l(& 5.900 805 218 + E 3 - & 1.993 813 519

E,

+ & 1.960 666 259)

=

6.254 118 568

-0.96%

que nuevamente es comparable pero un poco menos exacto que el resultado obtenido con el mtodo de Milne. Este resultado se puede susti-

598

MTODOS

NUMRICOS

PARA INGENfEROS

tuir en la ecuacin (17.38) para corregir iterativamente la aproximacin.

El proceso converge a un valor corregido final de 6.214 423 582 (E,

0.32%) el cual es un resultado exacto pero nuevamente algo inferior al obtenido con el mtodo de Milne.

17.3.3 Estabilidad de los mtodos de pasos mltiples

La gran exactitud mostrada por el mtodo de Milne en los ejemplos 17.4 y 17.5 puede anticiparse con base en los trminos del error de los predictores [Ec. (17.33) y (17.37)] y a los de los correctores [Ec. (17.34) y (17.38)].Los coeficientes del mtodo de Milne, 14/45 y 1/90, son ms pequeos que para el mtodo de Adams, 251/720 y 19/720. Adicionalmente, el mtodo de Milne emplea algunas evaluaciones ms de la funcin para alcanzar estas altas exactitudes. Por los valores obtenidos, estos resultados pueden llevar a la conclusin de que el mtodo de Milne es superior y, por lo tanto, es preferible al mtodo de Adams de cuarto orden. Aunque esta conclusin se cumple en la mayor parte de los casos, existen ejemplos en donde el mtodo de Milne trabaja inadecuadamente. Este comportamiento se muestra en el ejemplo siguiente.

EJEMPLO 17.6
Estabilidad del mtodo de Milne y del mtodo de Adams de cuarto orden

Enunciado del problema: utiliceseel mtodo de Milne y el mtodo de Adams de cuarto orden para resolver
"

dx con la condicin inicial de que y = 1 en x = O. Resulvase la ecuacin de x = O a x = 10 usando un tamao de paso h = 0.5. Ntese que la solucin analtica es y = e "'. Solucin: los resultados, resumidos en la figura 17.10. indican problemas con el mtodo de Milne. Un poco despus del arranque de los clculos, los errores empiezan a crecer y a oscilar en el signo. En t = 10, el error relativo se ha inflado a 2 831% y el valor predecid0 mismo ha empezado a oscilar en el signo. acepEn contraste, los resultados del mtodo de Adams son mucho ms tables. Aunque el error tambin crece, lo hace de manera lenta. Adicionalmente, las diferencias n o deberan exhibir los cambios bruscos de signo mostrados por el mtodo de Milne.

MTODOS

DE PASOS

599

FIG1J RA 17. 10

Esquema de la inestabilidad del mtodo deMilne.

AI comportamiento inaceptable manifestado enel ejemplo anterior del mtodo de Milne se le llama inestabilidad. Aunque esto no siempre ocurre, su posibilidadllevaalaconclusinde que el mtodo de Milne debe evitarse. Porlo tanto, normalmente se prefiere el mtodo de Adams de cuarto orden. La inestabilidad del mtodo de Milne se debe al corrector. Por consiguiente, se han hecho intentos de rectificar este inconveniente desarrollando correctores estables. Una alternativa usada comnmente que emplea este esquema es el mtodo de Hamming, que usa el predictor de Milne y un corrector estable:
Yi+l =
.

9yT - y r p

+ 3h(f{;: + 2fT - f rl)

8

que tiene un errorlocal de truncamiento

E, = &h5f4)(&)
El mtodo de Hamming tambin incluye modificadores de la forma

600

MhODOS NUMERICOS PARA INGENIEROS

E l lector puede obtener informacin adicional sobre este y los otros mtodos de pasos mltiples en otras obras (Hamming, 1973; Lapidus y Seinfield, 1971).

PROBLEMAS
Clculos a mano
17.1 Resulvase el siguiente problema de valor inicial sobre el intervalo

x = 3:

de x = 2 a

d Y dX

-0.5,

Utilicese el mtodo de Heun sin principio con un tamao de paso de 0.5 y las condiciones iniciales y(1.5) = 4.723 67 y y(2.0) = 3.678 79. ltrese con el corrector hasta E, = l%.[Nota: los resultados exactos obtenidos analticamente son y(2.5) = 2.865 05 y y(3.0) = 2.231 30.1 Calclese el error relativo porcentual E" en los resultados. 17.2 17.3 17.4 Reptase el problema 17.1 usando el mtodo de Milne. [Nota: y(0.5) = 7.788 y y(1.0) = 6.065 31.) Itrese el corrector hasta que E, = 0 . 0 1 8 .

O1

Reptase el problema 17.2 pero con el mtodo de Adams de cuarto orden (EE = 0.01 56). Resulvase el siguienteproblemaconvalorinicial desde x
=

4 hasta x

5:

d Y -=
dx

Y X

Utilcese un tamao de paso de 0.5 y valores iniciales de y(2.5) = 1.2,y(3) = 1 , y(3.5) = 0.857 142 857 y y(4) = 0.75. Obtnganse las soluciones usando los mtodos siguientes: a) mtodo de Heunsinprincipio (es = 1 %), b) mtodo de Milne (ES = 0.01%) y c) mtodo de Adams de cuarto orden (ES = 0.01%). [Nota:Las respuestas exactas obtenidas analticamente son y(4.5) = 0.666 666 67 y y(5) = 0.6.1 Calclese el error relativo porcentual 6" de los resultados: 17.5 Resulvase elsiguienteproblema de valorinicial desde y = O hasta y
-=yx
=

0.5:

dv

dx

- y

Utilicese el mtodo de Heun sinprincipio con un tamao de paso de 0.25. Si y(-0.25) = 1.277 355 170, emplese un mtodo RK de cuarto orden con tay(0). mao de paso l para predecir elvalorinicialen

MTODOS

DE PASOS MLTIPLES

60 1

17.6

Resulvase elsiguienteproblema
"

de valorinicial desde x = 1.5 a x = 2.5:

d Y

dx

-Y - I + x

Utilicese el mtodo de Adams de cuarto orden. Emplese un tamaio de paso de 0.5 y el mtodo RK de cuarto orden para predecirlos valores inicialesde arranque si y(0) = 2 .

17.7 17.8 17.9

Reptase elproblema 17.6 usando el mtodo de Milne Determnese el predictor, el corrector y los modificadores del mtodo de Adarns de segundo orden. Emplese pararesolverelproblema 17.1. Determnese el predictor, el corrector y los modificadores del mtodo de Adarns de tercer orden. Emplese para resolver el problema 17.4.

Problemas relacionados con la computadora

17.10 Desarrllese un programa legible al usuario sobre el mtodo de Heun sin principio con modificadores basado en la seccin 17.1.3. Emplese un mtodo RK de cuarto orden para calcular los valores iniciales. Prubese el programa con el ejemplo 17.3. 17.11 Utilcese el programa desarrollado en el problema 17.10 para resolver el problema 17.5. 17.12 Desarrllese un programa legible al usuario sobre el mtodo de Milne de cuarto orden con modificadores. Emplese un mtodo RK de cuarto orden para calcular los valoresiniciales. Prubese el programa con el ejemplo 17.5. 17.13 Utilcese el programa desarrollado en e l problema 17.12 para resolver el problema 17.6.

C A P T U L OD I E C I O C H O CASOSDE LA PARTE VI: ECUACIONES DIFERENCIALES ORDINARIAS

El prposito de este captulo es el de resolver algunasecuaciones diferenciales ordinarias usando los mtodos numricos presentados en los captulos 16 y 17. Las ecuaciones se originan de aplicaciones pr6cticas de la ingeniera. Muchas de estas aplicaciones generan ecuaciones diferenciales no lineales que no pueden resolverse usando mtodos analticos. Por lo tanto, comnmente se necesitanlos mtodos numricos.En consecuencia, el uso de los mtodos de solucin numrica de ecuaciones diferencialesordinarias es unahabilidadfundamentalquecaracterizaalbuen ingeniero. Los problemas de este captulo ilustran algunos de los elementos de juicio asociados con varios de los mtodos analizados en los captulos 16 y 17. En el caso 18.1 se usa una ecuacin diferencial para predecir lastendencias de la venta de computadoras. Entre otrascosas, este ejemploilustra como se ajustan datos a un parmetro de un modelo matemtico. Se usa el mtodo RK de cuarto orden en esta aplicacin. El caso 18.2tiene su origen en el contexto de los problemas de ingeniera qumica, que demuestra cmo escoger adecuadamente un tamao de pasoy cmo se pueden usar las ecuaciones diferenciales para mejorar el proceso de produccin qumica. Se usa el mtodo de Runge-Kutta de segundo orden para este ejemplo. Los casos 18.3 y 18.4 tomados de la ingeniera civil y elctrica respectivamente, tratan de la solucin de un sistema de ecuaciones. En el caso 18.3, se usael mtodo de Euler debido a que el problema no re-' quiere de resultados con una gran exactitud. En el caso 18.4,por el otro lado, se requiere de una exactitud alta, y por consiguiente, se usa el mtodo RK de cuarto orden. Finalmente, en el caso 18.5 se emplea una variedad de mtodos diferentes para investigar el comportamiento de un pndulo en oscilacin. Este problema tambin usa dos ecuaciones simultneas. Un aspecto importante de este ejemplo es eldeilustrar cmo los mtodos numricos permiten la fcil incorporacin de efectos no lineales dentro del anlisis de ingenera.

604

INGENIEROS

PARA

METODOS NUMERICOS

CASO 18.1

MODELOSMATEMTICOS PARA PROYECTOS DE VENTA DE COMPUTADORAS N GENERAL) (INGENIERA E

Antecedentes: las operaciones y las utilidades de una compaa de computadoras dependen mucho del conocimiento sobreel manejo del nmero de computadoras disponibles en el mercado en un tiempo cualquiera. Los mtodos de extrapolacin analizados en el caso 12.1 han demostrado que no existe confiabilidad ni exactitud. Se tiene, por lo tanto, que derivar un modelo matemtico que sea capaz de simular y predecir el nmero de computadoras disponiblesen el mercado en funcin del tiempo t . Se puede desarrollar una ecuacin diferencial para este propsito. El departamento de mercadeo de la compaa ha determinado a travs de la experiencia y de observaciones empricas, que las ventas esperadas de las computadoras se describen mediante. Promedio de venta (nmero de computadoras o : vendidas por da)
nmero de computadoras en el mercado costo por computadora

[ 18.11

Es decir, mientras ms computadoras se muestren al pblico, mayor venta de las mismas; y a mayor costo, menos ventas. Adems, el costo de una computadora individual est relacionado con el nmero de computadorasenel mercado, [recurdese la Eq. (15.1)] Costo porcomputadora ($) = 3 O00 - 1 750

N 10 O00

+N

[18.2]

donde N es el nmero de computadoras. La razn de cambio a travs del tiempo del nmero de computadoras restantes en el mercado es igualal registro del promedio de ventas:
dN =-

dt

promedio de ventas

[ 18.3)

donde el promedio de ventasse deriva combinando las ecuaciones(18.1) (18.2):

=

ventas

de

Promedio

N
3 O00
-

1 750N/(10 O00

N)

I18.41

donde k es una constante de proporcionalidad que tiene unidades de dlares por tiempo. Sustituyendo la ecuacin (18.4) enla ecuacin (18.3) se obtiene

dN = - k dt

N
3 O00 - 1 750N/(10 O00

[18.5]
N)

CASOSDELAPARTE

VI: ECUACIONES DIFERENCIALES ORDINARIOS

605

Las consideraciones de planeacin requieren que se obtenga una estimacin de cunto tiempo permanecern en el mercado 50 O00 nuevas computadoras. En el cuadro 12.1 se cuenta con algunos datos. Utilicese esta informacin para calcular el parmetro k. Despus emplese el mtodo RK de cuarto orden para resolver la ecuacin (18.5) desde t = O hasta t = 90. Solucin: el primer paso de este anlisis ser determinar un valor de k. Para hacerlo, se puederesolver la ecuacin (18.5)

k = --

d N 3 x lo7 + 1 250N dtN(10 O00 + N)

Con base en esta ecuacin, se puede evaluar k si tiene una aproximacin a dN / dt. Esto se puede hacer con los datos del cuadro 18.1, usando diferencias divididas finitas para calcular dN / dt, [recurdese la seccin 3.5.41:

""I=
dt
.

Ni+l

2At

-4-1

Los resultados se muestran en el cuadro 18.1 y se pueden usar para determinar un valormedio de k = $49.3 diarios.
Cuadro 18.1 Clculos de k obtenidos de los datos de venta de computadoras.l a media de k es 49.3

t dias

dNldt

O
10 20 30 40 50 60

50 O00 35 O00 31 O00 20 O00 19 O00 12 050 1 1 O00

44.5 -950 40.6 -750

-600

55.0

-397.5 38.8 67.8 -400

Ahora este valor se puede sustituir en la ecuacin (18.5) para obtener:

"

dN
dt

-49.3

N
3 O00 - 1 750

[N/( 10 O00

+ N)]

que se puede integrarusano un mtodo RK de cuarto orden con la condicininicial N = 50 O00 y un tamao de paso de un da. Obsrvese que se llev a cabo la simulacin usando un tamao de paso de 0.5 das

606

MTODOS NUMRICOS PARA INGENIEROS

FIGURA 18.1

Grfica del nmero de computadoras

N en el mercado contra el tiempo

t en das. Se usan tres simulaciones con un modelo de ecuacin diferencial ordinaria [Ec. (18.5)], se muestran en el caso donde N = 50 O00 en t = O. Las tres simulaciones corresponden a valores diferentes del parmetro

k.

un tamatio de paso de 1.0 es aceptable. Los resultados se muestran en lafigura 18.1 junto con los datos. As como sucede enla regresin, se puede calcular la suma de los cuadrados de los residuos para cuantificar la calidad del ajuste. E l resultado es 2.85 X lo7.Aunque al ajuste parece ser satisfactorio, se llevan a cabo nuevamente los c6lculos usando valores de k que son f 20% del valor original de $49.3 diarios. Usando los valores de k de 59.2 y 39.4 se obtienen las sumas residuales de los o ' , respectivamente. Estas sicuadrados iguales a 1.05 x 10' y 5.35 x l mulaciones tambin se muestranen la figura 18. l. En seguida se grafica la suma de los cuadrados de los residuos contra k (Fig. 18.2) y se ajusta una parbola a travs de los puntos usando un polinomio de interpolacin, Despus se determina k , como la suma mnima de los cuadrados, derivando la ecuacin de segundo orden, igualndola a cero y resolviendo para k . El valor resultante de k = $46.8 diarios se sustituyeenla ecuacin (18.5) y se obtiene
- =

y se obtuvieron resultados casi idnticos, indicando que la exactitud al usar

dN dt

-46.8

N
3 O00
-

1 750[N/(10 O00

N)]

FIGURA 18.2

Grficc de la suma de los cuadrados de los residuos (S,) contra los valores del parmetro k del modelo. La curva es una parbola ajustada a tres puntos. El punto de pendiente cero de esta curva, representa una aproximacin del valor k ($46.8/da) que corresponde a un valor mnimo de S,.

FIGURA 18.3

Modelo de predicciones usandola ecuacin (1 8.5) con k igual a $46.8/da.

607
.

..

608

INGENIEROS MhODOS NUMRICOS

PARA

Este modelo produce una suma de los cuadrados de los residuos igual a 2.24 X lo7;se puedeusarparalospropsitospredictivos. Las predicciones se muestran en la figura 18.3 junto con los datos iniciales. Los resultados en t = 55, 65 y 90 das son 11 720, 9 383 y 5 596, respectivamente. Esta informacin, que es superiora la obtenida mediante ajuste de curvas enel capitulo 12, se puede usar en el manejo de toma de decisiones relacionadas con la venta de estas computadoras.

CASO 18.2

DISEO DE U N REACTOR PARA PRODUCCIN FARMACUTICA (INGENIERA QUMICA)

Antecedentes: los ingenieros qumicos disean reactores para el crecimiento poblacionaldeorganismosmicrobianos (recurdese el caso 12.2). Los subproductos del crecimiento pueden ser productos farmacuticos tiles. En la figura 18.4 se muestra el esquema de un reactor que opera a base de flujo continuo.E l flujo de entradacontiene pocos microorganismosderivados, pero un alto contenido de nutrientes. Este flujo permanece en el reactor por algn tiempo mientras que ocurre la reaccin bioqumica y despus fluye hacia el exterior.E l flujo de salida contiene una gran cantidadde nuevos microorganismos en crecimiento y una alta concentracin de derivados del Crecimiento. Los nutrientes son ms bajos que a la entrada debido a su utilizacin microbiana. E l contenido del reactor se mezcla vigorosamente de tal manera que la composicin de la mezcla de salida y del tanque sean iguales. Si la proporcin de flujo y el contenido de los nutrientes es constante, el crecimiento de microorganismos se balancea por la prdida de organismos del tanque y se alcanza con el tiempo una densidad de poblacin estable. Al intervalo de tiempo en que los organismos se ajustan e incrementan su densidad se le llama periodo de inicio. La longitud del perioque cuesta do de inicio es importante debidoa que ste es tiempo perdido dinero a la compaa. Al investigador se le propone desarrollarun modelo matemtico para los microbios del reactor para predecir el periodo de arranque. El laboratorio de investigaciones bioqumicas ha determinado que los microorganismos crecen de acuerdo al modelo de crecimiento logstico(recurdese el caso 6.3): Velocidad de crecimiento
=

K (pmAx - p)p

donde p mx = 2 x 10 clulas por litro es la densidad microbiana mxima y K = 2 x litrosporclulapordaeselcoeficientede la velocidad de crecimiento. Se requiere calcularel periodo de inicio para el caso donde p ( t = O) = 100 000 clulas por litro, el promedio de flujo de enirada al tanque Q = 100 I/da y el volumen del tanque V = 700 I . E l perio-

DE

CASOS

LA PARTE VI: ECUACIONES DIFERENCIALES ORDINARIOS

609

FIGURA 18.4

Representacin esquemticade un reactor de fluio continuo con mezclado total empleado en el crecimiento de la poblacin de organismos microbianos.

do de inicio se define como el tiempo necesario para que la poblacin crezca a 6 x lo5 clulasporlitro. En este momento la produccinfarmacutica puede empezar. Despus de haber obtenido un clculo confiable, se necesita usar el modelo para ayudar a los operadores de la planta a decidir el nmero ptimo de clulas a usarse en el tiempo t = O. Cuantos ms organismos existan en t = O , ms corto ser el tiempo de inicio. Esto es importante debido a que cuesta a la compaiia 1 O00 dlares diarios si el tanque est fuera de produccin. Por lo tanto, existe la ventaja de reducir el tiempo deiniciousandomsorganismosen t = O. Por otro lado, los organismos nuevos son muy caros para comprarse. En la actualidad la compaa obtiene cepas de un laboratorio biolgico con un costo de 3 O00 dlares por100 millones de clulas. Porlo tanto, el costo de 100 O00 clulasporlitrousadoenestean6lisls sera:
= $2 100 100 x IO6 clulas El costo de 200 O00 clulas por litro serael doble . Por consiguienteexisten ventajas y desventajas entre la reduccin del periodo de arranque y el costo de nuevos organismos. El trabajo consiste en usar un modelo que proporcione unagua a los operadores de la planta relacionado con el nmeroidealdeorganismosen el tiempo t = O. Solucin: primero se debe desarrollar la capacidad de simular el nmero de organismos en funcin del tiempo. Las consideraciones de balance de masassugierenque
=

Costo

100 O00 clulas/1(700 1)

$3 O00

dP dt
Acumulacinrnicrobiana en el tanque
-

crecimiento de biomasa microbiana

prdida de masa microbiana al exterior

Sustituyendolospardmetros enla

ecuacin (18.6) se obtiene:

"_ ".

__

610

INGENIEROS

PARA

MTODOS NUMERICOS

dP = 2 dt

10-~(2 X lo6 - p)p - 100 p 700

o, reordenando trminos
___ =

dP
dt

0.257 14 p - 2

p2

Esta ecuacin se puede resolver analticamente, pero se usar un mtodo numrico para obtener la solucin. Primero, se usa el mtodo de Euler con un tamao de paso deun da para calcular los resultados mostrados a figura 18.5. Se usa el mtodo Euler para este propsito debido a en l que es muy fcil de programar y proporciona una estimacin rpida del comportamiento general de la solucin. Como se puede ver, los microorganismos necesitan alrededor de 10 das para el periodo de inicio; en t = 20 das han alcanzado una poblacin casi estable. A este periodo estable se le llama estado estacionario. En base al resultado anterior, se decide llevar a cabo la simulacin en un periodo de 20 das. Tambin se decidi usar el mtodo de Ralston o RK de segundo orden debido a su fcil programacin y a su creciente exactitud en el resto de los clculos. Enel cuadro 18.2 se muestran los

FIGURA 18.5

Simulacin del crecimiento microbiano en un proceso de produccin qumica. Se usa el mtodo de Euler en la simclacin para hacer una evaluacin rpida del comportamiento de la solucin. Ntese que dentro de 1 O das se termina el periodo de inicio, y en 2 0 das el reactor ha alcanzado casi el estado estacionario.

DE

CASOS

VI: ECUACIONES DIFERENCIALES ORDINARIOS

61 1

CUADRO 18.2

Crecimiento microbiano simulado utilizando una ED0 y el metodo Se muestran resultados para tade Ralston RK de segundo orden. maos de paso diferentes, as como la solucidn verdadera.

M6todo de Ralston RK de segundo orden

t,

das
O

h=2
100 O00 157 389 241 459 356 983 502 124 664 649 824 332 961 864 1 068 231 1 144 048 1 195 245

h = l

0.5

Solucidn verdadera

2 4 6 8 10 12 14 16 18 20

100 O00 158 482 244 265 361 805 508 550 671 699 831 161 968 558 1 074 745 1 150 200 1 200 719

100 O00 158 810 245 097 363 218 510 415 673 738 833 149 970 419 1 076 459 1 151 723 1 207 002

100 O00 158 931 245 403 363 736 511 095 674 479 833 867 971080 1 077 050 1 152 233 1 202 420

resultados para tamaos de paso de 2, 1y 0.5 das. Aunque el resultado analtico exacto es poco factible en la mayor parte de los problemas de aplicaciones verdaderas, se haincluidoenel cuadro 18.2 para propsitos de comparacin. Obsrvese que todos los resultados numricos son muy buenos, aun con el tamao de paso t = 2 - h se muestran errores de menos del 5%. Si no se conoce la solucin verdadera, la exactitud de los clculos los resultados obtenidos variando el tamao se puede apreciar comparando del paso. Por ejemplo, las diferencias entrelos resultados de h = 1 y 0.5 ocurren enla tercera cifra significativa. En consecuencia no se garantiza ms exactitud debido a que una mayor precisin no sera discernible en una grfica. Porlo tanto, se decide queh = 0.5 es adecuada para este propsito. Al usar este tamao de paso y el modelo de Ralston se realizan dos simulaciones adicionales con las condiciones iniciales de 200 O00 y 400 O00 clulas por litro. En la figura 18.6 se muestran estos resultados, junto con el caso de 100 O00 clulas por litro.Como era de esperarse, cuanto ms organismos se usen como base msse acortar el periodo de inicio, como se puede ver en los resultados del cuadro 18.3. Ntese que usando ms organismos al incio, se reduce el costo de retardo de 9 200 a 2 500 dlares. Sin embargo, el costo de compra de los organismos aumenta de 2 100 a 8 400 dlares. E l costo total, mostrado enlafigura 18.7, sugiere un mnimo alrededor de 250 O00 clulas por litro. E l punto mnimo se puede aproximar ajustando una parbola a los tres puntos. Esta funcin puede diferenciarse, igualarse la derivada a cero y resolver para encontrar un valor de 264 O00 clulas por litro. Este nivel corresponde a un costo total de 10 O00 dlares, quelepresenta el costo total ms bajo, tomando en cuenta tanto los costos del periodo de inicio como de los organismos semilla.

6 12

MTODOS

NUMRICOS

PARA INGENIEROS

FIGURA 18.6

Simulaciones delcrecimientomicrobialusando tres condiciones iniciales diferentes. Estos casos demuestran que, cuando se incrementa el nmero de organismos semilla, el periodo de arranque se acorta.

FIGURA 18.7

Grfica del costo contra el nmero de organismos semilla (esto es, nmero de organismos en t = O). El hecho de que la curva sea plana sugiere que aunque exista ur mnimo en 264 O00 clulas por litro, este resultado es insensible relativamente al nmero de organismos semilla.

LA CASOS DE

VI:

ECUACIONES DIFERENCIALES ORDINARIOS

613

Inconvenientes de costo en varios niveles iniciales de organismos empleados en un proceso qumico de produccin Concentracin Costo de inicial de compra de organismos organismos $ clulasllitro
~~ ~~

Tiempo de inicio

Costo por retardo

Costo total

h
~ ~

$
-~

$
11 300 10 200 10 900

100 O00 200 O00 400 O00

2 100 4 200 8 400

9.2 6.0 2.5

9 200 6 O00 2 500

CASO 18.3

DEFLEXIN DEL MSTIL DE UNVELERO (INGENIERA CIVIL)

Antecedentes: en la figura 18.8se muestra un velero similar al de los casos 12.3y 15.3,con una fuerza uniforme f distribuida a lo largo del mstil. En este caso, los cables que soportan al mstil se han quitado, pero el mstil se monta firmemente en el casco del velero. La fuerza del viento causa que el mstil se desve como se muestra en la figura 18.9. La desviacin es similar a la de una viga en voladizo. Se puede usar la siguiente ecuacin diferencial, basada en las leyes de la mecnica, para calcular la deflexin: d2Y -dz2
"

2EI

(L - 2)*

[18.7]

FIGURA 18.8

Mstil del velero sujeto a una fuerza uniforme

f.

614

METODOS NUMERICOS PARA INGENIEROS

FIGURA 18.9

Deflexindel mstil sujeto a unafuerzauniforme.

en donde E es el ndulo de elasticidad, L es la altura del mstil e I es el momento de inercia. En z = O y dy / dz = O. Calclese la deflexin e n el tope del mstil e n donde z = L usando mtodos analticos y numricos. Supngase que el casco no gira. Solucin: la ecuacin (18.7)se puede resolver analticamente para la deflexin en z = L:

L4 y(z = L) = f 8EI

[18.8]

Este problema incluye una ecuacin diferencial que tiene una solucin con caractersticas uniformes. Adems, el intervalo de integracin es relativamente corto y la desviacin del mstil es pequea. Tambin los valores de f y E se basan en datos experimentales variables y difciles de medir exactamente. Por lo tanto, parece satisfactorio usar un mBtodo de bajo orden para resolver la ecuacin diferencial. S10 se necesitar un valor inicial,y probablemente se use un tamao de paso pequeosin acumulacin de errores de redondeo excesivos. La ecuacin (18.7) se puede escribir como un sistema de dos ecuaciones de primer orden con una transformacin de variables. Sea

d Y =u

dz

[18.9]

y , por lo tanto, la ecuacin (18.7) se expresa como

du

dz

2El

(L - 2)*

[18.10]

DE

CASOS

LA PARTE VI: ECUACIONES DIFERENCIALES ORDINARIOS

615

Este par de ecuaciones diferenciales se puede resolver simult6neamente usando el mtodo de Euler. Sin embargo, en primer lugar se puede obtenerla solucin analtica por comparacin.Dadaunacargauniforma f = 50 libras/pie, L = 30 pies, E = 1.5 x lo8 libras/pie2 e I = 0.06 pies4 la ecuacin (18.8) se resuelve para:

50(30)4 = 0.5 625 pies y(30) = 8(1.5 x 108)0.06

En seguida se resuelven las ecuaciones (18.9) y (18.10)usando el mtodo deEuler.Losresultadosdealgunospasosdeintegracinson:
Tamao de paso de Euler

Y(30)

0.574 4 0.563 7 0.563 1

I

1.0 0.1 0.05

Grfica de la deflexin del mstil de un velero calculada con el mtodo de Euler.

FIGURA 18.10

Por lo tanto, la respuesta obtenidaparece satisfactoria;la deflexin del mstil muestra se figura la en 18.10. Los resultadossepuedenusarparapropsitosdediseo. Esto es especialmentevaliosoen casos donde lafuerzadelviento no es constante sino vara de una forma complicada en funcin de la altura sobre la cubierta del velero. El problema 18.13 proporciona un ejemplo de estasituacin.

CASO 18.4

SIMULACIN DE UNA CORRIENTE TRANSITORIA EN U N CIRCUITO ELCTRICO (INGENIERA ELCTRICA)

Antecedentes: son muy comunes los circuitos elctricos en donde la corriente varaconeltiempoenvezdemantenerse constante. Enelciclodelado derecho se establece una corriente transitoria del circuito mostrado en la figura 18.l l cuando elconmutadorsecierrade repente. Las ecuaciones que describen el comportamiento transitorio del circuito de la figura 18.11se basan en las leyes de Kirchhoff, que dicen que la suma algebraica de las cadas de voltaje alrededor de un ciclo cerrado es cero (recurdese el caso 6.4). Por lo tanto,

L - + + R i + " 9 (t)=O dt C

di

r18.111

donde L(di/dt) es la cada de voltaje a travs del inductor,L es la inductancia (en henrios), R es la resistencia (en ohmios), q es la carga del capacitor

616

MTODOS

NUMRICOS

PARA INGENIEROS

a-.

, ,

Eit) . " h
i

Conmu-'#*

*,.

- tador
Batera

2Vo +

' :,

Capacitor
t
/ i

Inductor

s .

Resistencia

FIGURA 18.1 1

Circuito elctrico donde la corriente vara con el

tiempo.

(en coulombs),C es la capacitancia (en faradios), E ( t ) es la fuente de voltaje (en voltios)variablecon el tiempo, y
[18.12]

Lasecuaciones (18.11) y (18.12) son un par deecuacionesdiferenciales lineales de primer orden que se pueden resolver analticamente. Por ejemplo, si E(t) = Eo sen w t y R = 0 ,
q(t) =

-Eo w -senp t U P 2 - w2) P

"

en donde p = Los valores de q y dq/dt son cero en t = O. Emplese un mtodo numrico para resolver las ecuaciones (18.11) y (18.12) y comprense los resultadoscon la ecuacin (18.13). Solucin:esteproblemaincluye un intervalodeintegracin ms grande y demanda el uso de mtodos de gran exactitud para resolver ecuaciones diferenciales si seesperanbuenosresultados.Supongamosque L = 1 H, Eo = 1 V, C = 0.25 C y W2 = 3.5 s2. Estogenera p = 2 y lasolucin analticadelaecuacin (18.13) viene a ser:
q(t)
=

i/m

L(p2 -

w2)

senw t

[18.13]

- 1.870 8 sen 2t

2 sen (1.870 8 t )

Esta funcin se muestra en la figura 18.12. La naturaleza de cambio r6pido de la funcin exige grandes requerimientos a cualquier procedimiento numrico para calcular q ( t ) .Adems, debido a que la funcin exhibe una pequefia variacin de naturaleza peridica as como un componente de variacin rpida, se necesitan periodosde integracin grandes para tratar de nuevo la solucin. Por lo tanto, se espera que sea preferido un mtododeordensuperiorenesteproblema. No obstante, se pueden probar los mtodos de Euler y Runge-Kutta de cuarto orden y comparar los resultados. Con el mtodo de Euler y usando un tamao de paso de 0.1 S en t = 10 S se obtiene un valor de q igual a -6.638 mientras que con el mtodo de Runge-Kutta de cuarto orden se obtiene un valorde -1.989 7 . Este resultado es comparable a la solucin exacta, - 1.996 C.

CASOS DE ECUACIONES LA PARTE VI:

DIFERENCIALES ORDINARIOS

617

FIGURA 18.1 2

Pantalla de la computadora mostrando la grfica de una funcin [Ec. (18.13)].

La figura 18.13muestra los resultados de la integracin de Euler cada 1.O S comparada con la solucin exacta. Ntese que se grafica slo cada dcima de punto en la salida. Se puede ver que el error global aumenta a medida que t aumenta. Este comportamiento divergente se intensifica a medida que t tiende a infinito.

FiGURA 18.13

Resultados de la integracin de Euler contra la solucin exacta. Ntese que se grafica slo cada dcima de punto.

" " .

. . . ...~. . _ ~ _

- ~.

618

MTODOS

NUMRICOS

PARA INGENIEROS

CASO 18.5

EL PNDULO OSCILANTE (INGENIERA MECNICA)

Antecedentes: en la ingeniera mecnica (as como en las otras ingenieras) a menudo se enfrentan problemas relacionados con el movimiento peridico de cuerpos libres (recurdese el caso 6.5).Los mtodos de ingeniera requieren fundamentalmente que seconozca de la posicin y la velocidad del cuerpo en funcin del tiempo. Estas funciones del tiempo invariablemente son ecuaciones diferenciales ordinarias. Las ecuaciones diferenciales, en general, se basan en la segunda ley de Newton del movimiento. Como ejemplo, considrese el pndulo simple mostrado previamente en la figura VI.l . La partcula de peso W se suspende de un hilo de peso despreciable, de longitud l. Las nicas fuerzas que actan sobre la partcula son un peso y la tensin R del hilo. La posicin de la partcula en cualquier tiempo se especifica completamente en trminos del ngulo 0 y 1. El diagrama de cuerpo libre de la figura 18.14 muestra las fuerzas que actan sobre la partcula as como su aceleracin. Es conveniente aplicar la segunda ley de Newton del movimiento en la direccin x, tangente a la trayectoria de la partcula:

-Wseno =-a

W
9

donde g es la constante gravitacional (32.3pies/s2) y a es la aceleracin en ladireccin x. La aceleracin angular de la partcula (a)es

Por lo tanto, en coordenadas polares

(a

= d2d/dt2),

+ -sen6 df2 1
W

d2e

[18.14]

FIGURA 18.14
Diagrama de cuerpo libre del pndulo oscilante mostrando las fuerzas sobre la partcula y la aceleracin.

Esta ecuacin aparentemente simple es una ecuacin diferencial no lineal de segundo orden, En general, tales ecuaciones son difciles o hasta imposibles de resolver analticamente. Existen dos alternativas relacionadas con el avance en la solucin de este problema. Primero, la ecuacin diferencial se puede reducir a una forma de resolver analticamente (recurdese la seccin (VI.l. 1). O se puede usar un mtodo numrico para resolver la ecuacin diferencial directamente. Se examinan ambas alternativas en este ejemplo.

PARTE CASOS DE LA

VI: ECUACIONES DIFERENCIALES ORDINARIOS

619

Solucin: de acuerdo al primer mtodo, se puede ver que la expansin de la serie Taylor del sen 8 est dada por s e n o = o - - + -o3 ."

o5

07

3! 5 !

7!

[18.15]

Para pequeos desplazamientos angulares, sen 6 es aproximadamente igual a 8 cuando se expresa en radianes. Por lo tanto, para desplazamientos pequeos la ecuacin (18.14)se convierte en:
d20 g + - o I= o dt2

E18.161

que es una ecuacin diferencial lineal de segundo orden. Esta aproximacin es muy importante debido a que la ecuacin (18.16)es muy fcil de resolver analticamente. La solucin, basada en la teora de las ecuaciones diferenciales, esta dada por:

o(t) =

eo cos

4
t

[18.17]

donde es el desplazamiento en t = O y en donde se supone que la velocidad (u = dO/dt) de la partcula es cero en t = O. Al tiempo necesario para que la partcula complete un ciclo de oscilacin se le llama periodo y est dado por

FIGURA 18.1 5

Grfica del desplazamiento y la velocidad (d8/dt) en funcin del tiempo (t), colculada de la ecuacin (18.17). es n / 4 y la longitud es de 2 pies.

(e) eo

" . " I . . _ " " I _

.. .

-.

.._"_

620

MTODOS

NUMRICOS

PARA INGENIEROS

En la figura 18.15 se muestra una grfica del desplazamiento (O) y la velocidad (de/&) en funcin del tiempo, como se calcula en la ecuacin (18.17) con Bo = 7r/4 y 1 = 2 pies. El periodo, calculado con la ecuacin (18.17) es 1.565 9 s. Los clculos anteriores en esencia son una solucin completa del movimiento de la partcula. Sin embargo tambin se debe considerar la exactitud de los resultados debido a la suposicin inherente en la ecuacin (18.16). Adems, para evaluar la exactitud, es necesario obtener una solucin numrica de la ecuacin (18.14) que es una representacin fsica ms completa del movimiento. Se puede usar cualquiera de los mtodos analizados en los captulos 16 y 17 para este propsito, por ejemplo, los mtodos de Euler y RK de cuarto orden. La ecuacin (18.16)5 % debe transformar en dos ecuaciones de primer orden compatibles con los mtodos anteriores. Esto se lleva a cabo como sigue. La velocidad u se define como
!

-=u

d O dt

[18.181

y , por lo tanto la ecuacin (18.14)se puede expresar como

[18.19]

Las ecuaciones (18.18)Y (18.19)son un par de ecuaciones diferenciales ordinarias simultneas. En el cuadro 18.4se muestran los resultados generados con la solucin numrica por el mtodo de Euler y el mtodo RK
CUADRO 18.4 Comparacin de la solucin analitica lineal del pndulo oscilante con tres soluciones numricasno lineales Soluciones no lineales Solucin analitica Tiempo lineal
S

Euler

(h= 0.05)
(b)

RK de cuarto RK de cuarto orden orden

( 4 0.785 0.545 -0.026 "0.058 -0.783 -0.505 0.080 0.617 0.778 398 784 852 3104 562 912 431 698 062

(4

(h = 0.05)

(h = 0.0 1 )
( 4

0.0 0.2 0.4 0.6 0.8 1 .o 1.2 1.4 1.6

0.785 398 0.615 453 0.050 228 -0.639 652 -1.050 679 -0.940 622 -0.299 819 0.621 700 1.316 795

0.785 398 0.566 582 0.021895 -0.535 802 -0.784 236 -0.595 598 -0.065 611 0.503 352 0.780 762

0.785 0.566 0.021 -0.535 -0.784 -0.595 -0.065 0.503 0.780

398 579 882 820 242 583 575 392 777

DE

CASOS

VI: ECUACIONES DIFERENCIALES ORDINARIOS

62 1

de cuarto orden. Enelcuadro 18.4 se comparalasolucinanalticadela ecuacin lineal del movimiento [Ec. (18.17)] enla columna a) con la solucinnumricaenlascolumnas b), c) y d). Los mtodos de Euler y RK de cuarto orden generan resultados diferentes y ambos divergen de la solucin analtica, aunque el mtodo RK de cuarto orden parael caso no lineal se acerca ms a la solucin analtica que el de Euler. Para evaluar propiamente la diferencia entre los modelos lineal y no lineal es importante determinar la exactitud de los resultados numricos. Esto se lleva a cabo de tres formas diferentes. Primero, la solucin numrica de Euler se reconoce fcilmente ya que es inadecuada debido a sus inconvenientesen la condicin inicial en t = 0.8 s . Esto viola claramente laleydela conservacin de la energa. Segundo, las columnas c) y d) delcuadro 18.4 muestranlasolucindel mtodode Runge-Kutta de cuarto orden con tamaos de paso 0.05 de y 0.01. Debido a que estos varanenelcuartolugar decimal, es razonable suponer que la solucin con un tamao de paso de 0.01 tambin ser exacta con este grado de certeza. Tercero, para el caso con un tamao de paso de 0.01 S , 6 alcanza un valor local mximo de0.785 385 en t = 1.63 S (que no se muestra en el cuadro 18.4). Esto indica que la partcula regresa a su posicin original con una exactitud de cuatro cifras con un periodo de 1.63 s. Estas consideraciones permiten tener la seguridad que la diferencia entre las columnas a) y d) del cuadro 18.4 representan realmente la diferenciaentre el modelolineal y no lineal. Otra manera de caracterizar la diferencia entre el modelo lineal y no lineal es en base al periodo. En el cuadro 18.5 se muestra el periodo de oscilacin calculado con los modelos lineal y no lineal para tres valores diferentes iniciales del desplazamiento. Se ve que los periodos calculados casi son igualescuando 0 es pequeo debida a que 0 es una buena aproximacin para sen 0 en la ecuacin (18.15). Esta aproximacin se deteriora a medida que 6 crece. Estos anlisis son comunes en los casos en que rutinariamente se encuentra un ingeniero. La utilidad de los mtodos numricos viene a ser particularmente significativacuando se trata de problemas no lineales, y muchos problemas de la vida real son no lineales.
CUADRO 18.5 Comparacin del periodo de un cuerpo oscilante calculadode los modelos lineal y no lineal Periodo, Desplazamiento inicial
60

S
~

Modelo lineal ( I 27rJ//g)

~~~~~

Modelo no lineal [solucin numrica de la ecuacin (1 8.14)]

~ ~~

a/l6
a/4

1.565 9 1.565 9 1.565 9

1.57

1.63
1.85

622

METODOS NUMRICOS

PARA INGENIEROS

PROBLEMAS
lngeniera en general
18.1 18.2 18.3

Reptase los clculos realizados en el caso 18.1 usando los programas propios Efectense losmismos clculos del caso 18.1 usando k = $60/da. Efectunse los mismos clculos del caso 18.1 con una nueva ecuacin del costo de las computadoras [reemplcese la Ec. (18.2)]:
Costo por computadora individual ($) =

1 500 (I

e - 4 4x10-5N 1

18.4

Reptase el problema delparacaidista (ejemplo 1.2), pero con unafuerza actuando hacia arriba debida a la fuerza de rozamiento que es proporcional a la velocidad al cuadrado:

F, = -cu2
donde c = 2.4 g/cm. Grafquense los resultados y comprense con los del ejemplo 1.1.

Ingeniera qumica
18.5 Reptanse los clculos del caso 18.2 usando los programaspropios 18.6 Efectense los mismoscdlculosdel = 50 O00 clulasporlitro. 18.7 18.8

caso 18.2 peroparaelcasoenque

p ( t = 0)

Efectense los mismos clculos del caso 18.2, pero para p ( t = 0) = 100 O00 clulas por litro y k = 3 X litros por clula por da. Enel caso 12.2 se desarrolla la ecuacin (12.5) paramodelar el crecimiento de la levadura empleada en la produccin comercial de cerveza. Si el decaimiento de la levadura es proporcional a 0.8 p y sila proporcin de cambio de f se describe como
"

df dt

dP -_
dt

resulvase para j y p en funcin del tiempo si f(0) = 100 y p(0) = 1. Intgrese el par de E D 0 hasta que p y f alcancen niveles estables. Grafquense los resultados
18.9 Un balance de masa de una sustancia qumica en u n reactor mezclada comple tamente, se puede escribir como

Acumulacin

velocidad de flujo de alimentacin - salida - reaccin

DE

CASOS

VI: ECUACIONES DIFERENCIALES ORDINARIOS

623

donde V es elvolumen (10 m3), c es la concentracin, F es la alimentacin (200 g./min), Q esla velocidad de flujo (1 m3/min), y K es la velocidad de reaccin (0.1 m3/g/min). Si c(0) = O , Resulvase la E D 0 hasta que la concentracin alcance un nivel estable. Grafquense los resultados.
18.10

Reptase el problema usando el mtodo de disparo.

Ingeniera civil
18.11 18.12

Reptanse los clculos del caso 18.3 usando los propios programas. Efectense los mismos clculos del caso 18.3, pero con una carga uniforme de 80 libras/pie y una E = 2 x lo8 libras/pie2. Verifquense los resultados comparndolos con la solucinanaltica. Efectunse los mismos clculos del caso 18.3, pero en vez de usarunafuerza del viento constante, utilcese una fuerza que vare con la altura de acuerdo a (recurdese el caso 15.3):
!(x) =

18.13

.
18.14 18.15

e -22/30 200 -

5 + 2

Grafquese y contra z comprense con los resultados con los del caso 18.3. Duplquese la figura 6.4 integrando numricamente la E D 0 del caso 6.3. VerifC quense los resultados comparndolos con los de la soluci6n analtica [Ec. (6.9)]. El modelo de crecimiento logstico del caso 6.3 se puede aplicar tanto a la poblacin microbial como a la humana. Supngase que se planea un sistema de abastecimiento de agua para unaisla. Si pmlx = 100 O00 personas y K = personas . ao y si la poblacin inicial es de 10 O00 personas, qu tiemPO pasar para que la poblacin llegue a 90 O00 habitantes?

Ingeniera elctrica
18.16 18.17 18.18 18.19

Reptanse los clculos del caso 18.4 usando los programaspropios Efectense los mismos clculos del caso 18.4, pero con

= 203.

Resulvase la E D 0 del caso 6.4 usando los mtodos numricos si q = 0.1 e i = - 3 . 2 8 1 5 i 5 en t = O. En un circuito RL simple, la ley de los voltajes de Kirchhoff requiere que (si se cumple laley de Ohm): Ldi dt

R i

= O

donde i es la corriente, L la inductancia y R la resistencia. Resulvase para i , si L = R = 1 e (O) = amperios. Resulvase este problema analticamente y con un mtodo numrico.

624

METODOS
18.20

NUMRICOS

PARA INGENIEROS

En contraste con el problema 18.9, las resistencias reales no siempre obedecen la ley de Ohm. Por ejemplo, la cada de voltaje puede ser no lineal y la dinmicz del circuito descrita por relaciones deltipo

donde todos los parmetros son iguales a los definidos enel problema 18.19 e I es una corriente de referencia igual a 1. Resulvase para i en funcin del tiempo bajo las mismas condiciones especificadas en el problema 18.19.

Ingeniera mecnica
18.21 Reptanse los clculos realizados en el caso 18.5 usando los programas propios. 18.22 Efectense los mismos clculos del caso 18.5 con un pndulo de 3 pies de longitud. Emplese un mtodo numrico para duplicar los clculos mostrados en la figura 6.10. La tasa deenfriamientode
un cuerpo se puede expresar como

18.23 18.24

donde T es la temperatura del cuerpo (en grados centgrados), T,es la temperatura del medio que rodea al cuerpo (tambin en grados centgrados) y k es una constante de proporcionalidad (por minuto). Por lo tanto, esta ecuacin especifica que el enfriamiento es proporcional a la diferencia de temperaturas entre el cuerpo y el medio que lo rodea. Si se calienta una bola de metal a 90C y se sumergeen el agua que se mantiene a unatemperatura constante To = 20" C, emplese un mtodo numrico para calcular el tiempo que le toma a la bolaenfriarse a 30" C si k = O. 1 min 18.25 Lanse todos los casos del captulo 18. Con base a la lectura y a la experiencia, invntese un caso propio en cualquiera de los campos de la ingeniera. Esto puede implicarla modificacin o la reexpresin de alguno de los casos. No obstante ste puede ser totalmente original. Como sucede en los ejemplos del texto, se debe elaborar dentro del contexto de la solucin de problemas de la ingeniera y se debe demostrar el uso de los mtodos numricos en la solucin de EDO. Escrbanse losresultadosusandolos casos de este libro como modelos.

EPLOGO: PARTE V i

V1.4 ELEMENTOS DE JUICIO

En la tabla V1.3 se muestran los factores de mayor importancia asociados con los mtodos numricos en la solucin de ecuaciones diferenciales ordinarias. U n ingeniero debe evaluar los factores de esta tabla cuando seleccione un mtodo para cada uno de los problemas en particular. Se pueden emplear los mtodos simples de autoprincipio tales como el mtodo de Euler, si los requisitos del problema comprenden intervalos de integracin pequeos. En este caso, se puede obtener la exactitud adecuada empleando intervalos para evitar grandes errores de truncamiento, y los errores de redondeo sern aceptables. El mtodo de Euler tambin es apropiado en casos donde el modelo matemtico tenga un nivel inherentemente alto de incertidumbre o tenga coeficientes y funciones forzadas con errores significativos, como puede suceder durante las mediciones de un proceso. En este caso la exactitud del modelo mismo simplemente no justifica el esfuerzo aplicado en el empleo de un mtodo numrico ms complicado. Finalmente, los mtodos ms simples pueden ser los mejores cuando el problema o la simulacin se necesiten llevar a cabo slo pocas veces. En estas aplicaciones tal vez sea mejor probar un mtodo simple que sea fcil de programar y de entender, a pesar de que el mtodo pueda ser inefibente en cuanto al trabajo de cmputo, y consuma mucho tiempo para correrse en una computadora.

Si el intervalo de integracin del problema es demasiado grande de tal forma que comprenda un gran nmero de pasos (ms de 1 000), entonces puede resultar necesario y apropiado usar un mtodo ms exacto que el de Euler. Los mtodos de Runge-Kutta de cuarto orden y el de Adams de cuarto orden son comunes y confiables en muchos problemas de ingeniera. En estos casos, es aconsejable calcular el error de truncamiento en cada paso como una guiaen la seleccin del mejor tamao de paso.

"

..u u
'U 'U

LLLL

N -"-"

Y "

5555
O000

SS
O 0

ZZZZ

0 0

z z

"

x
o
O

3
S

EPiLOGO PARTE VI

627

Esto se puede llevar a cabo con los mtodos de cuarto orden de Adams o de Runge-Kutta-Fehlberg.Si los errores de truncamiento son extremadamente pequeos, puede ser til aumentar el tamao del intervalo, con lo cual se ahorra tiempo de cmputo. Por otro lado, si los errores de truncamiento son muy grandes, el tamao del intervalo se debe disminuir para evitar acumulamiento de errores. El mtodo de Milne se debe evitar si se esperan problemas cuya estabilidad sea significativa. El mtodo de Runge-Kutta es simple de programar y conveniente en su uso pero puede ser menos eficiente que los mtodos de pasos mltiples. Sin embargo, el mtodo de Runge-Kuttaseemplea generalmente en cualquier evento para obtener valores inicialesen los mtodos de pasos mltiples.

Si se necesitan respuestasextremadamente exactas o si la funcin tiene derivadas de orden superior, se podrn usarel mtodo de Butcher de Runge-Kutta de quinto orden.
Un gran nmero de problemas de ingeniera pueden caer en un intervalo medio de requisitos entre la integracin y la exactitud. En estos casos los mtodos de Heun sin principio y el mtodo deRunge-Kutta de segundo orden son simples de usarse y son relativamente eficientes y exactos.

V I S RELACIONES Y FRMULAS IMPORTANTES

En el cuadro V1.4se resumen las frmulas importantes se presentaron en la parte VI, y puede consultarse para un acceso rpido a las relaciones y frmulas importantes.

V1.6 MTODOS AVANZADOS Y ALGUNAS REFERENCIAS ADICIONALES

Aunque se han revisado una gran cantidad de mtodos en la solucin de ecuaciones diferenciales ordinarias, existe informacin adicional que es muy importante en la prctica de la ingeniera. El tema de estabilidad se introdujo en la seccin 17.3.3; es de importancia fundamental en todos los mtodos de solucin de EDO. Se pueden encontrar anllsis ms detallados acerca de este asunto en Carnahan, Luther y Wilkes ( 1 969), Gear ( 1 971) y Hildebrand ( 1 974).

do brevemente en la seccin 17.1.5 y en el caso 18.4, la solucin de ecuaciones rigidas. Estas ecuaciones contienen componentes con va-

La estabilidad tiene un significado especial sobre un tema menciona-

MTODOS NUMRICOS

PARA INGENIEROS

. .+
'

.. .$ :

-+

**

"

O .-o
O

- +
L

u 2? L

II

.&
-

EPLOGO

VI

629

riaciones lentas y rpidas. Aunque el empleo de un mtodo con tamao de paso variable o de orden superior puede ayudaren algunas ocasiones, en general se necesitan mtodos especiales para la solucin adecuada de ecuaciones rgidas. Se puede consultar Enright et al. (1975), G e a r (1971) y Shampine y G e a r (1979))los cuales incluyen informacin adicional relacionada con estos mtodos. En la seccin 16.4.2 se introdujo el mtodo de disparo en la solucin de problemas con valores a la frontera. Tambin se aludi al hecho de que los mtodos de diferencias finitas del tipo utilizado en el caso 9.2 se pueden emplear en estos problemas. Se puede consultar Isaacson y Keller (1 966), Keller (1 968), N a (1 979) y Scott y Waits (1976) paraunainformacinadicional sobre problemasde valoresala frontera. Finalmente, existen mtodos nmericos para la solucin de ecuaciones diferenciales parciales. Carnahan, Luther y Wilkes (1969), Gerald y Wheatley (1 984) y Rice (1983) proporcionan buenas introducciones al tema. Se pueden consultar tambin Ames (1977))Gladwell y Wait (1979)) Vichnevetsky,(1 981, 1982) y Zienkiewicz (1 971) para tratamientos mas profundos. En resumen, lo anterior pretende proporcionar al lector un caminc para que pueda seguir con estudios ms profundos sobre el tema. Adicionalmente, todas las referencias anteriores proporcionan descripciones de los mtodos bsicos cubiertos en la parte VI. Sugerimos al lector consulte lo ms pronto posible estas referencias alternas para completar el dominio de los mtodos numricos en la solucin de ecuaciones diferenciales ordinarias.

BIBLIOGRAFA

Ames, W. F., Numerical Methods for Parhal Differential Equations, Academic Press, New York, 1977. Ang, A. H-S., and W. H. Tang, Probability Concepts in Engineering Planning and Design,Vol. 1: Basic Principles, Wiley,NewYork, 1975. Bent, R. J., and G. C. Sethares, An Introduction to Computer Programming, 2ded., BrookdCole, Monterey, Calif., 1982. Brigham, E. O., The Fast Fourier Transfom, Prentice-Hall, Englewood Cliffs, N.J., Butcher, J. C., On Runge-Kutta Processes of Higher Order,J. AustralianMath Soc., 4179 (1964). Camahan, B., H. A. Luther, and J. O. Wilkes, Applied Numerical Methods, Wiley, NewYork, 1969. Cheney, W., and D. Kincaid, Numerical Mathematics and Computing, Brooks/Cole, Monterey,Calif., 1980. Davis, P. J., and P. Rabinowitz, Methods of Numerical Integration, Academic P r e s s , New York, 1975. Draper, N. R., and H. Smith, Applied Regression Analysis, 2d ed., Wiley, New York, Enright, W. H.,T.E. Hull, and B. Lindberg, Comparing Numerical Methods for Stiff Systems o f ODES, BIT, 15:lO (1975). Forsythe, G. E., M. A. Malcolm,andC. B. Moler,ComputerMethodsforMathematical Compvtation, Prentice-Hall, Englewood Cliffs, N.J., 1977. Gear, C. W., Numerical Initial-Value Problems in Ordinary Differential Equations, Prentice-Hall,EnglewoodCliffs, N.J., 1971. Gerald, C. F., andP. O. Wheatley,AppliedNumericalAnalysis,3d ed., AddisonWesley,Reading,Mass., 1984. Gladwell, J., and R. Wait, A Survey of Numerical Methods for Partial Differential Equations,OxfordUniversityPress,New vork, 1979. Guest, P. G , Numerical Methodsof Curve Fitting, Cambridge University Press, New York, 1961. Hamming, R. W., Numerical Methods for Scientists and Engineers, 2d ed., McGrawHill, New York, 1973. Henrici, P. H., Elements of Numerical Analysis, Wiley, New York, 1964 Hildebrand,F. B., Introduction to NumericalAnalysis,2d ed., McGraw-Hill,New York, 1974.

1974.

1981.

BIBLIOGRAFA

Hornbeck, R. W., Numerical Methods, Quantum, New York, 1975. Householder, A. S., The The0y of Matrices in Numerical Analysis, Blaisdell, New York, 1964. Hull, T. E.,and A. L. Creemer, TheEfficiency of Predictor-CorrectorProcedures, J. Assoc. Cornput. Mach., 10291 (1963). Isaacson, E.,and H.B. Keller, Analysis of Numerical Methods, Wiley, New York,

1966.
James, M. L., G. M. Smith, and J. C. Wolford,Applied NumericalMethodsfor Digital Computations with FORTRAN and CSMP, Harper & Row, New York, 1977. Keller, H. B., Numerical Methods for Two-Point Boundary-Value Problems, Wiley, NewYork, 1968. Lapidus, L.,and J. H. Seinfield, Numerical Solution of Ordinary DifferentialEquations, Academic Press, New York, 1971. Lapin, L. L., Probability and Statistics for Modern Engineering, Brooks/Cole,Monterey, Calif., 1983. Lyness, J. M., Notes on the Adaptive Simpson Quadrature Routine, J. Assoc. Comput. Mach., 16483 (1969). A Guide to FORTRANNProgramming, Wiley, New York, 1965. McCracken, D.D., Malcolm, M.A., and R. B. Simpson, Local Versus Global Strategies for Adaptive Quadrature,ACM Trans. Math. Software, 1:129 (1975). Maron, M . J., NumericalAnalysis, A Practical Approach, Macmillan,NewYork, 1982. Merchant, M. J., The ABCs of Computer Programming, Wadsworth,Belmont, Calif., 1979. and J. R. Sturgul, Applied FORTRAN Programming with Standard FORTRAN, WATFOR, WATFN and Structural WATFN; Wadsworth,Belmont, Calif., 1977. Muller, D. E., A Method for Solving Algebraic Equations Using a Digital Computer, Math. Tables Aids Comput., 10205 (1956). Na, T.Y., Computational Methods in Engineering Boundary Value Problems, Academic Press, New York, 1979. Noyce, R. N., Microelectronics, Scientific American, 237:62 (1977). Ortega, J., and W. Rheinboldt, lteratiue Solution of Nonlinear Equations in Seueral Variables, Academic Press. New York, 1970 Ralston, A,, Runge-Kutta Methods with Minimum Error Bounds, Match. Comp., 16:431 (1962). and P. Rabinowitz, A First Course in Numerical Analysis, 2d ed., McGrawHill, New York, 1978. Rice, J. R., Numerical Methods, Software and Analysis, McGraw-Hill,NewYork, 1983. Ruckdeschel, F. R., BASIC Scientific Subroutines, Vol. 2, ByteiMcGraw-Hill, Peterborough, N.H., 1981. 6th ed., Johns Hopkins Press, Scarborough,J. B., Numerical Mathematical Analysis, Baltimore, Md., 1966. Scott, M. R., and H. A. Watts, A SystematizedCollection o f Codes for Solving Two-Point Boundary-Value Problems, in Numerical Methods for Differential Equations, L. Lapidus and W. E. Schiesser. eds., Academic Press, New York, 1976.

BIBLIOGRAF~A

633

Shampine, L. F., and R. C. Allen, Jr., NumericalComputing: An Introduction, Saunders, Philadelphia, 1973. and C. W. Gear, "A User's View of Solving Stiff Ordinary Differential Equations," SIAM Review, 21:l (1979). Stark, P. A., Introduction to Numerical Methods, Macmillan, New York, 1970. Swokowski, E. W., Calculus with Analytical Geometry, 2d ed., Prindle, Weber and Schmidt, Boston, 1979. Thomas, G. B., Jr., and R. L. Finney, Calculus and Analytical Geometry, 5th ed., Addison-Wesley, Reading, Mass., 1979. Vichnevetsky, R., Computer Methodsf o r Partial Differential Equations, Vol. 1 :Elliptical Equations and the Finite Element Method,Prentice-Hall, Englewood Cliffs, N.J., 1981. ,Computer Methods for Partial Differential Equations, Vol. 2: Initial Value Problems, Prentice-Hall, Englewood Cliffs, N.J., 1982. Wilkonson, J. H., T h e Algebraic Eigenualue Problem, Oxford University Press, Fair Lawn, N.J., 1965. in Engineering Science, McGraw-Hill, Zienkiewicz, O. C., The Finite Element Method London, 1971.

INDICE

baco, 22-23 Ajuste de curvas: con datosigualmenteespaciados, 368-369 elementosdejuicioen el, 409-411 interpolacinsegmentaria(spline)en el, 370-383 mtodos avanzados para el, 411-413 NUMERICOMP, 329-331. 366-368 polinomio: deLagrangeen el, 363-368 el, 350-364 deNewtonen regresin: linealen el, 319-337 mltipleen el, 342-344 polinomialen el, 337-341 resumendefrmulaspara el, 412 WdasetarnbidnInterpolacin;Regresin) Algoritmo(s): de biseccin, 124 de correccin de errores para la eliminacin gaussiana, 252 definicin de, 25 dediferenciadecocientes (DC), 201 diserio de, 25-26 deeliminacingaussianasimple, 227-231 deintegracinde Romberg, 470-472 ' deinterpolacincbicasegmentaria (spline), 383 parainversindematrices. 268 delmtodo: de Gauss-Seidel,274 de Heun, 549 mejoradodelpolgono, 549 de los mtodosdeRunge-Kutta, 563 delareglade Simpson, 452 deregresinpolinomial, 341-342 desistemasde EDO, 565 desumasimple, 26 Almacenamiento, 45 AnSlisis: dedireccin, 309, 387-391, 604.607 estructural, 287-291, 296-297 devibraciones (uaseOsciladorarmnico) Aproximacinfuncional, 413

BASIC: definicidn de, 29 tabladecomparacin con FORTRAN, 32-40 (udase tarnbidnprogramasbajoComputadora) Bsquedaincremental, 124, 139-140 CSlculosdeestmulo-respuesta, 205-206, 266-267 Casos: elmtododeRKdecuartoorden, 605-607, 616-621 elmtododeRKdesegundoordende Ralston, 610-611 Cifrassignificativas, 64-66, 74-77 criteriosdeterminaci6n ('I, 70-71 Circuitosintegrados, 22 Cdigo, 27 Coeficiente(s): decorrelacin (r), 328, 337 r ' ) , 326, 338 dedeterminaci6n ( indeterminados,mtodo de, 475-476 devariacin, 312, 390 Computadora(s): definicinde una, 22 grbficadpor, 54-56 grandes, 24 programas: paralaeliminacingaussianasimple, 232-233 paraHeunsinprincipio, 583-584 paralaimplementaci6ndelacuadratura gaussiana, 482-483 paraiteracindepuntofijo, 151 iterativoparalaimplementacindelmtodo deHeun, 549 para el mtodo: de biseccin, 130 de Euler, 537-538 para los mtodosdeRKdesegundoordende Ralston, 563 parapivote0parcial. 246 paraelpolinomiodeinterpolacindeNewton, 360-361 paraelproblemadelparacaidista: versinlegiblealusuario, 51 versinsimple, 49 paralareglatrapezoidaldesegmentosmltiples, 440-441

Balance de masas, 297, 520, 624

636

NDlCE

para regresin lineal, 328-329 pollnomial, 341 para sistemas tridiagonales, 253 para suma simple, 30 Condicionamiento malo, 221, 238-243 de los determinantes, 241-243 de lamatriz inversa, 267-268 de la regresin polinomial. 342, 411 Conservacin de masa ecuaciones algebraicas linealcs para la ley de. 296 EDO, 518, 522 Constante de integracin. 521 Convergencia: de la iteracin de punto fljo, 147-151 del mtodo. de Heun, 544, 545 sin principio, 583 deNewton-Raphson.154-157 de la regla falsa. 139 para el mtodo de Gauss-Seidel. criterlos de. 272-273 Correccin de errores, 249-252, 468-469, 579-580 Corrector modificador, 581-582, 594-597 Corriente raz cuadrada media (RCM), 399-401, 496-499 Criterios de terminacln ( E ) , 70-71 corrector de Heun. 542 integracin de Romberg. 472 iteracin de punto fijo 146 mtodo: de biseccln, 127-130 deNewton-Raphson,154 de la regla falsa, 136-137 Cuadratura (vase Integracin) Cuadratura gaussiana, 474-484 analisis del error para la, 478-479 cambio de variables en la. 484-485 caso, 497-498 frmulas de Gauss-Legendre para la, 475-484 mtodo de coeficientes indeterminados para la, 475-476

Diferencias divididas finitas, 16. 86-95 caso, 282-287, 490-491 Interpolacin igualmente espaciada con 368-369 mtodo de la secante con, 159 polinomios de Newton con, 350, 352-361 DinBmica del crecimlento demogrfico. 180-182, 192-193, 392-395, 608-612 Disco flexible, 4 5 Distribucin normal, 313 Dtvergencla (uase Convergencia) Documentacin, 43-46. 52

Descomposicin LU (mtodo de Choleskyi, 306 Desviacin estandar. 311-314 Determinantes, 222-223 c6lculo de, 223-224. 243 de sistemas mal condicionados, 241-243 Diagonal dominante, 273 Diagramas de flulo para el caso simple del problema del paracaidista, 47 definicin de los, 26 para integracin: desigualmente espaclada, 459 de Romberg, 473 para el mtodo: de Gauss-Jordan, 263 de Gauss-Seidel, 275 smbolos usados en los, 28 para la suma simple, 28 para la versin de segmentos mltiples de la regla de Simpson. 453 Diferenciacin numrica. 16. 8 7 ~ 9 3 sensibilidad de los datos al ruldo en la. 489

Economa, 59. 172.176,189-190,404-405 Economizacin de Chebyshev. 413 Ecuacinies) algebraicas (vase Sistemas de ecuaciones algebraicas lineales; diferenciales: ordinarias (EDO) de cuarto orden de Adams, 5 9 7 ~ 6 0 0 definidas, 515 elementos de JUICIO en las. 6 2 5 ~ 6 2 7 estabilidad de las. 627 linealizacin de las. 517 518 mtodo(s): avanzados para la solucln de las. 618-628 de Euler para la solucin de las. 528-540 de Hamming, 600 de Heun. 541-547. 549-550 sin principio, 574-587 de RK-Fehlberg para la solucin de las. 563 de Runge-Kutta para la solucln de las. 550-563. 565-566 de Milne. 595-600 NUMERICOMP. 540 orden de las, 515 polgono mejorado, 547-550 problemas con valores a la frontera en las, 282-287. 522, 566-570. 627-628 con valorinicial, 522 reducan de rdenes superiores. 516 resumen de frmulas de las. 628 &idas, 627 sistemas de, 564-567 algoritmo para la computadora sobre, 565 usando el mtodo de Euler, 564 usando mtodos de two, 567-570 usando RK de cuarto orden. 566-567 solucin analtica de las. 519 S23 parciales (EDP), 629 defimdas, 515 distribucin de la temperatura usando, 283-287 de Hazen-Wllliam, 404 de Laplace, 282-283 normales: de la regresin lineal, 324 mltiple, 344 polinominal, 338 del promedio de creclmiento en la saturacln. 304

INDICE

637

caso, 392-395 races de (uose Races de ecuaciones) rgidas. 585 s1mult6neas (uose Sistemas de ecuaciones algebraicas lineales no lineales, 306 de Van der Waals, 177-178, 190-191 ED0 (uose Ecuaciones diferenciales ordinarias): rgidas, 627 Elementos de juic~o, 101-106 comprendidos dentro del ajuste de curvas, 409-411 comprendidos dentro de las ecuaciones algebraicaslineales, 301-304 comprendidos dentro de las ecuaciones diferenciales ordinarias, 627 comprendidos dentro de la integracin, 509-511 comprendidos dentro de las races de ecuaciones, 113 Eliminacin: gaussiana: caso de la, 293, 294 desventajas de la, 236-243 efecto de los errores de redondeo en la. 237-238, 250-251 escalamiento en la, 240-243, 246-248 evaluacin del determinante. 243 formulacin para sistemas tridiagonales, 253-254 NUMERICOMP. 234-236 programa de computadora para la, 232-233 simple, 227-233 sistemas mal condicionados y, 238-243 de incgnltas, 225-227 Error(es) por equivocacin, 95-96 en el momento de la ejecucin. 42 global de truncamiento e n las EDO, 531 loca! de truncamiento: enlasEDO, 531, 579-580 enel mtodo de Euler, 531-537 en los mtodos de pasos mltiples, 579-580 de redondeo, 64, 67, 72-74 en las ecuaciones diferenciales ordinarias, 72-73, 530 enlaeliminacin gaussiana, efectos de los, 237-238. 250-251 en los polinomios de interpolacin, 366 enlaregla trapezoidal, 442, 467 en la regresin polinomial, 342 relativos, 68-71 aprox~mados (Ea), 69-70 enbiseccin, 127-130 en corrector de Heun, 544 en interaccin de Romberg, 472 en interaccin de punto fijo, 146 en el mtodo: de Gauss-Seidel, 270 de Heun sin principio. 574-575 de Newton-Raphson. 154 de la regla falsa, 139 reales, 66-67 de semntica, 41 de sintaxis. 41 de truncamiento. 64, 67, 77-85, 531 en la integracin, 434, 438, 444, 448, 450,

467, 482 en la interpolacin, 358-363 en los mtodos de un paso, 530-536, 539, 547, 551, 561-563 de pasos mltiples, 513 en las races de ecuaciones, 580-581, 153-154 vease tambign Propagacin de errores de truncamiento; Criterios de terminacin (Es) Escalemiento. 241-244, 246-248 Estabilidad, 598-599, 627 Estadistica, 310-314 de los coeficientes de variacin, 312 de la desviacin estAndar, 312 de ladistribucin normal, 313 grados de libertad sobre, 312 histograma de, 314 de la media, 310 de la varianza, 311 Estimacin del error estfmdar: para regresin lineal, 326 mltiple, 344 polinomial, 338 Euler modificado, 547-550, 553-556 Exactitud, 66-67 Expansinenserie de Maclaurin, 59, 70-72, 99-100 Extrapolacin, 309, 369-370 caso de, 387-391, 604-607 de Richardson, 467-469

Fluidos, 194, 401-403 Forma de codificacin, 30-31 Formulacin de errores, 97 Frmula(s): compuestas de integracin, 435 de Gauss-Legendre, 475-484 de integracin: abierta de Adams-Bashforth, 591-592, 597 cerrada de Adams-Moulton, 592-594, 597 de interpolacin de Newton-Gregory, 369, 434,

445
de Newton-Cotes, 429, 454, 460 integracin' abierta con las, 458, 460-461, 590-591, 595 cerrada conlas, 453, 454-455, 591, 595 de Newton-Raphson. 152 FORTRAN: definicin, 29 tabla de comparacin de BASIC con, 32-39 (vase tambin programas, bajo Computadora) Funcin(es): de incremento, 550 suaves y continuas (spline), 370 trascendentes. 113

Grados, de libertad, 311

Histograma, 313

638

~NDICE
Inestabilidad, 558-559, 629 Integracin: abierta, 430 frmulas de: de Adams-Bashforth, 591-592, 597 de Newton-Cotes, 458, 460-461. 589-590 595 adaptiva de Simpson, 511 cerrada, 431 frmulas de: Adams-Moulton para, 592-594, 597 de Newton-Cotes para, 454-455. 591 595 cuadratura gaussiana en la, 475-484 definicin de, 413 definida, 420 elementos de juicioen la, 509-511 frmulas: de Adams. 591-594 cerradas deordensuperior para, 454-455 compuestas, 454 de Newton-Cotes, 454-460, 589-591 indefinida, 517 con interpolacin cbica segmentaria (spline), 51 1 con intervalos desiguales, 455-459 caso, 501-503 mtodos avanzados para la, 511 NUMERICOMP, 442-444 promedio de funciones continuas, 4 1 9 con la regla 1/3 de Simpson, 443-448 con la regla 3/8 de Simpson, 449-451 reglatrapezoidal en la, 431-443 resumen defrmulas de, 512 de Romberg, 465-474 caso, 498 para implementar la extrapolacin de Richard son, 467-469 soluciones analticas de, 423-424 teorema fundamental de, 423 usando segmentacin suave (spline), 511 Integral(es): definida, 423 indefinida, 516 de superficie. 421 tabla de, 423 de volumen, 421 Interpolacin: caso, 387-391, 396-397, 400-401 cuadrstica, 351-354 segmentaria (spline), 373-378 cbica segmentaria (spline). 378-383 algoritmo para la, 3 8 3 derivacinde la, 379-380 integracin con. 511 con datos igualmente espaciados, 368-369 lineal, 350-351 polinomial de Lagrange, 363-368 de Newton, 350-364 segmentarla (spline), 370-383 cbica, 378-383 . Integracin medlante. 51 1 lineal. 373-374 cuadrAtica, 374-379 Inversinde matrices. 211-212 algoritmopara la. 268 en el clculodeestmulos y respuestas, 2 6 6 ~ 2 6 7 caso, 281-282. 289-291

mtodo de Gauss-Jordan paracalcularla. 262-265 Iteracin: de Jacobi. 272, 273 de punto fijo: aproximacin grficade la,148.151 convergencia de la, 148-151 programade computadora parala. 151

y mal condicionamiento, 267-268

Ley(es): de Faraday, 519 deFickdeladifusin, 521 de Fourierdel calor, 521 de Kirchoff, 183.186, 194, 291-293. 298-299, 615-618 Leibnitz. GottFried W von, 22 Lmealizacin de ecuaciones no lineales, 332-336 de EDO. 519

Macrocornputadoras. 2 5 Mantenimiento, 4 5 Matriz(ces), 207-210 aumentada, 213-214 cuadrada, 2 0 8 ecuaciones algebraicas linealesque emplean. 213-214 inversa, 211-212 multiplicacin de, 210-211 reglasde operacin sobre, 209-214 transpuesta, 213-214 tridiagonal, 209 Media, 310-313 Mtodo(s) avanzados: paralustede curvas, 411-413 paradeterminar races de ecuaciones. 199 201 en general, 107 para integracin, 513 oara la solucin. de ecuaclones diferenciales ordinartas. 627-629 desistemasde ecuaciones algebralcas linea les, 304-306 de Bairstow, 201 de biseccin: algoritmo del, 123 anlisisdeerror del. 127.130 casos del. 177, 183, 184-186, 188 criterios de termmacln del. 126.130 en In determinaan de races de ecuaciones, 122-132,136-139 NUMERICOMP. 54-56. 122-123.131-132 programas de computadora del. 130 de coeficlentes indeterminados. 475-476 de Crout ldescomposicin LU), 306 de Cholesky idescomposicln LU).306 de diferencias finltas. 282-287. 571 de disparo. 56?-569 de Euler, 528-541 anlislsdeerror pala el. 531 caso del. 608. 614. 616~621

~NDICE

639

paraelejemplodelproblemadelparacaidista, 16-19, 538-539 errores: deredondeoen el, 531 detruncamientoen el, 531-537 frmula del, 528 modificaciones y mejoras al, 541-551 NUMERICOMP, 538-539 deprimer orden, 534 programadecomputadora del, 538-539 paralasolucindeEDO. 564 de Gauss-Jordan, 259-268 caso, 281-282, 289-292 diagramadeflujopara el, 263 matricesinversasmediante el, 262-265 pivoteo, 268 deGauss-Newton, 411 de Gauss-Seidel,268-274, algoritmopara el, 274 aplicacionesdel. 274, 247 casos, 285-287 criterios: deconvergenciapara el, 272-273 determinacinpara el, 270 diagramadeflujopara el, 275 dominanciadiagonal, 273 y laiteraclnde Jacobl, 272-273 con relajacin, 272-273 de Graeffe, 201 grdficos: paraecuacionesalgebraicaslineales, 220-221 paraintegracin, 416-417 paralas rakes de ecuaciones, 119-122, 140, 145-152 resumende los, 5 deHamming, 600 deHeun. 541-550 corrector del: criteriosdeterminacinpara el, 543 derivacin del, 447-547 erroren el. 547 estimacinde los erroresdetruncamientopara el. 547 frmulas del, 543 mtododeRunge-Kuttapara el, 552-554 sin principio, 576-586 an6lisisdel erra para el, 577-579 criterios determinacinpara el. 574-575 derivacin del, 579 estimacinde los erroresdetruncamiento para el, 579-580 frmulaspara el, 574 modificadorespara el, 580-583 programadecomputadorapara el, 584-517 programapara el. 549 queusanintervalos, 119-142 iterativos, 70-71 deMarquardt. 413 mejoradodelpolgono. 547-550, 553-556 deMilne. 596-597 estabilldad del, 598-599 deMuller, 201 deNewton-Raphson: los. 154-156 andlisisdeerroresen los, 158 aspectosdeprogramacinde caso de los, 178-179 derivacin delos. 151-154

desventajasde los, 151-156 pararacesmltiples, 164-167 seriesdeTayloren los, 153-154 parasistemasnolineales, 306 de un paso, solucin a los, 527-528 de pasos descendentes, 411 mtodos: de un paso, 563 depasosmltiples para, 585-586 delpunto medio, 460, 578, 590 delareglafalsa: andlisisdeerrorpara el, 135-136 casosparael. 177,183, 188 Y SU comparacinconelmtododela secante,160-162 convergencia del, 138 criteriosdeterminacinpara el, 136-137 desventajas del, 137-139 enladeterminacinde races, 133-139, 160-163 frmulapara el, 134 programadecomputadorapara el, 139 de Runge-Kutta, 550-563 decuartoordencldsicas, 558-559 errores en los, 561-563 dequintoordende Butcher, 559-560 desegundo orden, 551-556 algoritmoparacomputadora, 563 derivacin de, 551 un solo corrector, mtododeHeuncon 553 polgonomejorado, 554 de Ralston, 554 de tercer orden, 556-557 de Runge-Kutta-Fehlberg,562-563 dela secante: casos, 177.183. 188 convergencia del, 160-162 programadecomputadorapara el, 162 racesmltiples v el.167 deseriesdeTaylo;deordensuperiorparalas EDO, 540-541 devariospasos , 573 andlisisdelerroren los, 577-578 de cuartoordendeAdams. 529-597 derivacin de, 577-579 frmulasdeintegracinpara los, 588-594 deAdams, 591-594 de Newton-Cotes, 589-591 deHamming, 599 mtododeMilneen los, 589-596 estabilidad del, 598-599 Heun sin principio, 574-587 modificadoresdel, 579-583, 594-595 Microcomputadoras,24 Minicomputadoras, 24 Minimax, 333, 369 Modelacinde entrada-salida, 413 Modelo(s): decrecimientologistico, 180-182, 192 exponencial, 332-333 macrovariables. 205 matemAtico, 1 1 microvariables, 206 depotencias. 333-335 caso, 398-399

.___

640

NDlCE

de temperatura, 283-287. 296-297, 525 devariable continua, 206 variables agrupados, 206 Modificadores. 580-583 derivacin general de los, 594-595 del predictor, 581-583, 594-596

Nodos, 373 Normalizacin. 228 Notacin matriclal, 207-209 NUMERICOMP, 53-56 biseccin dentro de, 131.132 eliminacin gaussiana dentro de, 233-235 grficas dentro de, 54-56, 121-122 interpolacinde Lagrange dentro de, 366-368 mtodo de Euler dentro de, 538-539 reglatrapezoidal dentro de, 442-443 regresinlineal dentro de, 329-332
I
~~

de dlferenciasfinitas, 282-287. 571 de disparopara la solucin de. 567-570 enla solucindediferencias finitas, 629 devalor inicial, 522 Programacin: almacenamiento y mantenimiento de la, 45-46 composicin de la. 27. 27-41 definicinde la, 24 descendente, 4 8 diseo dealgoritmos de, 24-26 documentacin de la. 43-44 modular. 41 rastreo y pruebadela. 41-42 smbolosdelosdiagramasdeflujopara la, 28 Programas, 2 4 (uase tambin NUMERICOMP, programas, bajo Computadora) Propagacin de errores de truncamiento, 531 Pruebas de hiptesis, 309, 395

Oscilador armnico, 186-189. 194, 618-621

Pascal, 27 Blas, 2 2 Pendiente en un punto (vase Mtodo de Euler) Pivoteo, 244-246 Polinomio(s): deinterpolacin con diferenciasdivididas de Iewton, 350-364 cuadraticos, 351-352 errores en los, 358-363 forma general de los, 3 5 4 ~ 3 5 8 lineales, 350-351 programa de computadora de los, 360-361 redondeo en los, 366 de Lagrange, 363-368 derivacin del, 3 6 4 error en el, 363 errores de redondeo en el, 366 NUMERICOMP. 336-368 ortogonales, 411 Precisin, 66-67 Predictor-corrector, 542-543 (usose tambin Mtodos de varios pasos) Principio de probalidad mdxima, 325 Problema(s): del paracaidista ejemplo: debiseccin para el, 131-132 de cuadratura gaussiana para el. 482-484 de eliminacin gaussiana para el, 233-236 de interpolacin de Lagrange para el. 366-368 del metodo de Euler para el, 538-539 de la reglatrapezoidalpara el, 441-443 de regresinlinealpara el, 329-332 modelos del, 12-19 programa de computadora para el, 46-51 de valoresen la frontera, 282-287, 522. 567-570 mtodos:

Races complejas, 114.201 de ecuaciones. bsquedas mcrementales. 124139-140 elementos de jumo en las. 197-199 mtodos analticospara resolver, 109 avanzados paradeterminar las. 199. 201 de la biseccinpara encontrar las. 123-133, 137-139 de Newton-Raphson para las, 152-158 delareglafalsapara encontrar las. 133-139. 160.162 mtodos grficospara la obtencin de las, 119-122,145.148-152,157-158, 163-164 resumendefrmulas. 200 de la secante paradeterminar las, 158.162 NUMERICOMP. 131.132 mltiples, 121~122, 163-167 Rastreo, 4 1 Regla(s1: de la cadena en la derivach. 540-541. 551 de Cramer, 224-226 de redondeo, 75-77 de Simpson, 443-452 dlagrarnadeflujopara la. 453 de 1/3, 444-449 caso, 490. 491, 493-497. 500~501 derivacin de. 4 4 5 estimacindel error de, 445-446 frmula de, 445. 454 relacin con las EDO. 591 con el mtodo de RungeKutta. 556-558 segmentos mltiples, 442-446. S91 de 3 / 8 , 449-451 caso, 502-503 estimacinde errores de la. 451 frmulade la, 450 trapezoidal, 431-443 caso, 489, 491. 493, 496-499. 500-503 de segmento(s) desiguales, 455-455 mltiples, 437-443 rorreccin de errores, 467-470
~~

~NDICE
estimacindelerror en, 439 extrapolacinde Richardson, 467.470 frmula de, 438 NUMERICOMP, 441-443 programaparaelmtodo de, 440-441 redondeo, 443, 466 simple. 431-437, 453, 547, 577, 590, 593 comparacin conlacuadratura gaussiana, 474-475 derivacin, 432, 434, 475-476 estimacindel error, 433-434 frmula. 431 relacinconlas EDO. 547, 577, 591. 593 Regresin lineal, 321-336 caso, 388-389. 398-399 coeficiente: decorrelacin (r) de la, 328 dedeterminacin (r2) de la, 326 criteriodelmejor ajuste, 321-322 ecuaciones normales, 323 estimacindelerrorestdndarpara el, 326 limitacionesde la, 336-337 linealizacinde ecuaciones nolineales, 332-337 NUMERICOMP, 329-331 programadecomputadora para, 328-329 mltiple, 37, 342-344 casodeestudio, 402-403 ecuacindepotenciasde la, 344 estimacindelerrorestndarpara la, 344 n o lineal, 393, 411 pol~nomial, 336-342 algoritmopara la, 341-342 caso, 388-392 ecuaciones normalesde la, 338 estimacindelerroresrdndarde la, 338 subrutinaparalas ecuaciones normalesde la, 341 Regulafalsi(vaseregia falsa, baloMtodo) Relajacin, 273-274 caso, 286-287 Resumendefrmulas: paraelajustedecurvas, 412 para ecuaciones: algebraicaslineales, 305 diferencialesordinarias, 628 paraintegracin, 512 mtroduccln al, 107

64 1

Segunda ley deNewton, 11-14, 187, 293-294, 521, 620 Serie(s): degradientearitmtico, 60, 174-175 de Taylor, 78-93 frmulas: deintegracinde Adam para la, 591-593 deNewton-Raphsonque usa, 154-155 mtodos: deEulerenla. 531-534 deordensuperiorparalas E D 0 con, 540-541

residuoen la, 78-79, 82, 84-86 Sistemas: de ecuaciones algebraicaslineales definicin, 203 eliminacingaussianaen los, 227-252 factores deimportancia, 301-304 Gauss-Jordan, 259-268 Gauss-Seidel, 268-274 inversindematricesmediante los, 262-267 mtodosavanzados, 304, 306 NUMERICOMP, 234-235 depocas ecuaciones, 219-227 resumendefrmulas, 305 tridiagonales, 253-254, 380-381 singularesmalcondicionados, 221 Software, 24 (vase tambinNUMERICOMp) Solucin analtica: de EDO, 518-524 Paraelproblemadelparacaidista, 15 deintegrales, 422-423 enlasolucinderacesde ecuaciones, 109 Spline (vase interp0;acin segmentaria cbica) Tabladeintegrales. 423 Teorema: fundamentaldelcdlculointegral, 422, 577 del valormedlo. 85, 147 Transformada rdpidade Fourier, 413

Valorespropios, 306 Varianza, 312