Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Primer Trabajo Metodos Numericos
Primer Trabajo Metodos Numericos
Mtodos Numrico
Carlos Ivn Bucheli Chaves
Corregido por Ricardo Gmez Narvez
Revisado por Carlos Edmundo Lpez Sarasty
TABLA DE CONTENIDO
INTRODUCCIN A LOS MTODOS NUMRICOS
Introduccin a los Mtodos Numricos. 7
Mapa Conceptual de Mtodos Numricos.................................... 8
UNIDAD I:
Conceptos Bsicos, Exactitud y Races de Ecuaciones.
CAPITULO 1: CONCEPTOS BASICOS
Leccin 1 Exactitud y Precisin. 65
Leccin 2 Errores de Redondeo
74
CAPITULO 2: RAICES DE ECUACION
Leccin 3 Mtodo de biseccin.. 81
Leccin 4 Mtodo de la regla falsa 92
Leccin 5 Mtodo de Newton- Raphson 101
Leccin6 Mtodo iterativo de punto fijo y Ejercicios de la Unidad . 111
UNIDAD II:
Sistemas de Ecuaciones Lineales, No Lineales
e Interpolacin.
CAPITULO 3: SOLUCIN DE SISTEMAS DE ECUACIONES LINEALES
Y NO LINEALES.
Leccin 7 Mtodo de eliminacin de Gauss
131
Leccin 8 Mtodo de Gauss-Jordn.. 134
Leccin 9 Mtodo de Gauss-Seidel y Ejercicios del Capitulo ...138
CAPITULO 4: INTERPOLACION
Leccin 10 Polinomio de Interpolacin de Lagrange . 148
UNIDAD III:
Diferenciacin, Integracin Numrica y Solucin de
Ecuaciones Diferenciales.
CAPITULO 5: DIFERENCIACIN e INTEGRACION NUMERICA.
Leccin 15
Leccin 16
Leccin 17
Leccin 18
Leccin 19
Una pregunta muy natural que surge al introducirse en el estudio de los mtodos
numricos, es la siguiente:
Por que sucedi todo esto?
El precio que hay que pagar es el de clculos cada vez ms largos y tediosos y
aqu es donde hace acto de presencia la poderosa herramienta computacional,
que nos permite hacer clculos largos y tediosos en poco tiempo y con mayor
exactitud que si los hiciramos a mano. Esta gran herramienta hace factible el
camino de los mtodos numricos pues de otra forma, seran muy lentos los
procesos y con mucho riesgo de cometer errores en cada paso.
Por otro lado, cabe mencionar que para poder elaborar un buen programa de
computacin, aparte de manejar un lenguaje determinado, debemos saber realizar
el proceso "a mano", ya que esto nos permitir implementar un mejor programa
que contemple todas las posibles piedras en el camino.
Cmo?
Mtodo o
Algoritmo
Programa
C, Matlab, Excel
UNIDAD I:
Conceptos bsicos, exactitud y races de
ecuaciones.
CAPITULO 1: CONCEPTOS BASICOS.
Errores
Los errores numricos se generan con el uso de aproximaciones para representar
cantidades y/o operaciones. Esto da lugar a dos tipos de errores:
Truncamiento
Errores
Redondeo
Los errores de truncamiento, resultan de representar aproximadamente un
procedimiento matemtico exacto. Por ejemplo, en la solucin numrica al
problema del objeto en cada libre, usamos una aproximacin al proceso de
derivacin, el cual es un procedimiento matemtico exacto.
10
11
12
Error absoluto
Si p* es una aproximacin de p, y si p es el valor real, entonces:
Error Absoluto =
O sea el valor absoluto de p menos p*.
Debido a que la ecuacin se dio en trminos del valor absoluto, el error absoluto
no es negativo. As pues, una coleccin (suma) de errores siempre se incrementan
juntos, sin reducirse. Este es un hecho demasiado pesimista, dado que el
redondeo y otros errores rara vez estn en la misma direccin, es posible que la
suma ("algebraica") de errores sea cero, con aproximadamente la mitad de los
errores positiva y la otra mitad negativa. Pero tambin es demasiado optimista
esperar que errores con signo sumen cero a menudo. Un enfoque realista es
suponer que los errores, en especial el redondeo, estn estadsticamente
distribuidos.
Error relativo
Si p* es una aproximacin de p, y si p es el valor real, entonces, el Error relativo
se define como:
Error relativo =
con la condicin de p
0.
13
Ejemplo
p=0.3x10-3
p*=0.31x10-3
Calcular el error absoluto y el error relativo.
Ejemplo
p=0.3x104
p*=0.31x104
Calcular el error absoluto y el error relativo.
Conclusin:
Como una medida de precisin el error absoluto puede ser engaoso y el error
relativo es ms significativo.
Error relativo aproximado
Definiciones
1) Error relativo aproximado = ERA
Valor actual - Valor anterior
ERA = (-----------------------------------------) * 100%
Valor actual
2) Tolerancia = (0.5x102-n) %
Donde n = nmero de cifras significativas
3) Trmino de convergencia permite finalizar los clculos. Es la desigualdad: ERA
< Tolerancia
14
Ejemplo
Usando la serie de Taylor con xo=0
Encontrar e1.5 con tres cifras significativas. Se desea saber tambin: En cuntas
iteraciones se cumple el trmino de convergencia?
SOLUCION:
Como n = 3, entonces:
Tolerancia = (0.5x102-3) % = 0.05%
Trmino de convergencia: ERA < Tolerancia
ERA = ((Valor actual - Valor anterior)/ Valor actual) 100%
15
16
EJEMPLO
Encontrar cos( / 6) con n = 2 (2 cifras significativas), donde =180o = 3.1416
radianes
Usando la serie de Taylor:
Cos ( / 6) = 1
i=2
17
como sigue:
18
Aprox. al
valor e
Error
aproximado
50%
2.5
20%
2.666666667
6.25%
2.708333333
1.54%
2.716666667
0.307%
2.718055556
0.051%
2.718253968
0.007%
2.718278770
0.0009%
19
Que en realidad tiene 8 cifras significativas. La cota impuesta por , nos asegura
que tendremos al menos n cifras significativas; en este ejemplo, obtuvimos 4 cifras
significativas ms.
20
Calculando derivadas:
21
Donde
a lo ms es 1 por lo que
22
Donde
a lo ms es 1 por lo que
Conclusin:
Las dos primeras partes del ejemplo ilustran los 2 objetivos de los mtodos
numricos. El primero es obtener una aproximacin que los polinomios de Taylor
ofrecen en ambas partes.
El segundo objetivo consiste en determinar la exactitud de la aproximacin (error
de truncamiento).
En este caso el polinomio de tercer grado proporciona una exactitud mayor o un
error de truncamiento menor.
Ejemplo
Sea f(x)=x3
a) Encontrar el polinomio de Taylor de segundo grado para x o=0 y el error de
truncamiento para cuando x=0.5.
23
SOLUCION:
Ejemplo
Calcular f(x)=x3 para un polinomio de Taylor de segundo grado con x o=1.
24
Es el Error de Truncamiento
25
Mtodos preliminares
Los mtodos numricos para tratar los problemas relacionados con races de una
ecuacin, sirven para obtener aproximaciones a las soluciones de ecuaciones de
las cuales no es posible obtener respuesta exacta con mtodos algebraicos (Solo
respuestas aproximadas). Por ejemplo, la ecuacin:
1564000=1000000*e + (435000/)*(e -1)
De la cual se desear obtener .
Uno de los problemas bsicos de la aproximacin numrica, es el problema de la
bsqueda de las races.
Races de ecuaciones no lineales
Una raz de una funcin f (x) es un nmero x0 tal que f ( x0 ) 0 . Tambin se
dice que x0 es una raz de la ecuacin f ( x0 ) 0 . En este curso, consideraremos
solamente races reales.
Geomtricamente, una raz de una funcin representa un punto donde la grfica
de f (x) cruza al eje x ,
26
x 3 .
4
2
2. La funcin f ( x) x x 1 no tiene races.
3. La funcin
f (x)
contnua en un intervalo
tal que
Bsicamente el Teorema del Valor Intermedio nos dice que toda funcin contnua
en un intervalo cerrado, una vez que alcanz ciertos valores en los extremos del
intervalo, entonces debe alcanzar todos los valores intermedios.
27
En particular, si
f (a)
intermedio es precisamente
f (b)
z 0,
f (x)
continua,
xa , xb
tales que
f ( xa )
y f ( xb ) tienen signos
xb
xa
f ( xa )
f ( xr )
xa , xr .
28
xr , xb .
f ( xr ) 0
Es decir,
En otras palabras:
Este es uno de los problemas de aproximacin ms antiguos y sin embargo la
investigacin correspondiente todava contina.
Supongamos que f(x) es una funcin contina definida en el intervalo [a, b] con
f(a) y f (b) de signos diferentes.
El de biseccin nos dice que de acuerdo al teorema del valor intermedio existe un
nmero p en a, b tal que f(p)=0.
Aunque el procedimiento en el caso en que f(a) y f(b) tengan signos diferentes y
exista ms de una raz en el intervalo (a,b), por razones de simplicidad suponemos
que la raz de este intervalo es nica.
El mtodo de biseccin requiere dividir varias veces a la mitad los subintervalos de
[a,b] y, en cada paso, localizar la mitad que contenga a p.
Para empezar se supone que a 1=a y b1=b y que sea p1 el punto medio de f(a1) y
f(b1), es decir:
29
Figura. f (p1) tiene signo diferente a f(a1) entonces ac est la raz; f(p1) tiene
signo igual a f(b1) entonces esta mitad se elimina.
si f(p1)=0 entonces p=p1
si f(p1) y f(a1) tienen el mismo signo, entonces p (p1,b1) y a2=p1 y b2=b1
si f(p1) y f(a1) tiene signos opuestos entonces p (a1,p1) y a2=a1 y b2=p1
Para
PN 0
30
f ( x) e x ln x
hasta que
a 1%
SOLUCION
Sabemos por lo visto en el ejemplo 1 de la seccin anterior, que la nica raz de
f (x)
1,1.5
se localiza en el intervalo
. As que este intervalo es nuestro punto
de partida; sin embargo, para poder aplicar el mtodo de biseccin debemos
chequear que f (1) y f (1.5) tengan signos opuestos.
En efecto, tenemos que
mientras que
f (x)
31
ii) Evaluamos
iii) Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos la
siguiente tabla:
1.25,1.5 .
Aqu podemos calcular el primer error aproximado, puesto que contamos ya con la
aproximacin actual y la aproximacin previa:
32
1.25,1.375 .
Error
aprox.
9.09%
4.76%
2.43%
1.20%
0.59%
Ejemplo:
Encontrar la raz de:
f ( x) x 3 4 x 2 10 en
intervalo [1,2], se sugiere trabajar con cuatro cifras significativas despus del
punto decimal. Y usar a.
a =10-4 o a =0.0001 o sea que el error relativo sea menor a 0.0001.
33
En resumen:
an
Bn
Pn
f(pn)
1.5
2.375
1.5
1.25
-1.7068
1.25
1.5
1.375
0.16214
1.25
1.375
1.3125
-0.8483
1.3125
1.375
1.343
-0.333
1.343
1.375
1.359
-0.102
1.359
1.375
1.367
0.029
1.359
1.367
1.363
-0.036
1.363
1.367
1.365
-0.0037
10
1.365
1.367
1.366
11
1.365
1.366
1.3655
0.0044
12
1.365
1.3655
1.36525
0.0003
13
1.365
1.36525
1.36515
-0.0021
14
1.36515
1.36525
1.36517
-0.0009
Ejemplo:
Aproximar la raz de
f ( x) arctan x x 1
hasta que
a 1%
SOLUCION
Como vimos en el ejemplo 2 de la seccin anterior, la nica raz de
f (x)
se
f ( 0) y
34
En efecto,
Mientras que,
f (x ) .
Puesto que
el intervalo 0.5,1 .
xr1 0.5
En este punto, solo contamos con una aproximacin, a saber,
, que
es el primer punto medio calculado.
Repetimos el proceso, es decir, calculamos el punto medio ahora del intervalo
0.5,1 ,
35
f (x) .
Puesto que
f (0.5)
f (0.75)
en el intervalo 0.5,0.75 .
Error
aprox.
0.5
36
0.75
0.625
0.5625
0.53125
0.515625
0.5234375
0.51953125
33.33%
20%
11.11%
5.88%
3.03%
1.49%
0.75%
xr8 0.51953125
37
38
fa=f(a=1)=0.5403
fb=f(b=2)=-0.4161
39
Raz = 1.5707
Otra Manera de ver el mtodo:
Como mencionamos anteriormente, sera bueno considerar si la raz de una
ecuacin est localizada ms cerca de alguno de los extremos del intervalo.
40
Donde hemos agregado la lnea recta que une los puntos extremos de la grfica
en el intervalo
a, b .
xa , xb
y adems,
f (x)
( xa , f ( xa )) ,
41
Multiplicando por
xb xa
nos da:
Este punto es el que toma el papel de xr en lugar del punto medio del mtodo de
biseccin.
As pues, el mtodo de la regla falsa sigue los siguientes pasos:
Sea
f (x) continua,
xa , xb tales que
f ( xa ) y f ( xb ) tienen signos
iii) Evaluar
42
f ( xa )
f ( xr )
f ( xa )
f ( xr )
xa , xr .
f ( xb )
de aqu que f ( xr ) y
tienen signos opuestos. Por lo tanto, la raz
se encuentra en el intervalo
xr , xb .
f ( xr ) 0
Ejemplo
f ( x) e x ln x ,
a 1%
SOLUCION
Este es el mismo ejemplo 1 del mtodo de la biseccin. As pues, ya sabemos que
f (x) es contnua en el intervalo dado y que toma signos opuestos en los
extremos de dicho intervalo. Por lo tanto podemos aplicar el mtodo de la regla
falsa.
Calculamos la primera aproximacin:
43
1,1.397410482 .
, y hacemos la tabla de
1.1.321130513 , con el
44
Y el error aproximado:
f ( x) arctan x x 1
SOLUCION
Este es el mismo ejemplo 2 del mtodo de la biseccin. As pues, ya sabemos
que se cumplen las hiptesis necesarias para poder aplicar el mtodo, es decir,
que f (x) sea contnua en el intervalo dado y que f (x) tome signos opuestos en
los extremos de dicho intervalo.
Calculamos pues, la primera aproximacin:
45
.
Y hacemos nuestra tabla de signos:
0,0.5231330281 , con el
46
47
48
xi a la raz x r de f (x) ,
xi 1 ,
Hacemos y 0 :
49
Y despejamos x :
f ( x ) 0
i
Tambin observe que en el caso de que
, el mtodo no se puede aplicar.
De hecho, vemos geomtricamente que esto significa que la recta tangente es
horizontal y por lo tanto no intersecta al eje x en ningn punto, a menos que
xi
f (x) !
Ejemplo
Usar el mtodo de Newton-Raphson, para aproximar la raz de
comenzando con
x0 1
y hasta que
a 1%
f ( x) e x ln x ,
SOLUCION
En este caso, tenemos que
50
Comenzamos con
x0 1 y obtenemos:
Error aprox.
21.19%
3.06%
0.052%
Ejemplo
Usar el mtodo de Newton-Raphson para aproximar la raz de
y hasta que
a 1%
SOLUCION
En este caso, tenemos que
51
Comenzamos sustituyendo
x0 0 para obtener:
a
En este caso tenemos un error aproximado de
0.5 0
100% 100%
0.5
Error
aprox.
100%
3.88%
0.01%
Ejemplo
Usar el mtodo de Newton-Raphson para aproximar races cuadradas de nmeros
reales positivos.
52
SOLUCION
Sea R 0 . Queremos calcular x tal que
bien:
x R ; elevando al cuadrado x 2 R , o
x2 R 0
Esto nos sugiere definir la funcin f ( x) x R de donde
estos datos en la frmula de Newton-Raphson nos da:
2
xi 1 xi
f ( x) 2 x . Al sustituir
xi2 R
2 xi
1
R
xi 1 xi
2
xi
Esta frmula era conocida por los antiguos griegos (Hern).
Para fijar un ejemplo de su uso, pongamos
obtenida, comenzando con
x0 5
y apliquemos la frmula
Aprox. a la raz
5
5.1
5.099019608
5.099019514
De lo cual conclumos que
dgitos!
R 26
Error aprox.
1.96%
0.019%
0.0000018%
La misma idea puede aplicarse para crear algoritmos que aproximen races
simas de nmeros reales positivos.
n-
53
54
Ejemplo:
Encontrar la raz de f(x)=x5+x2=9 con un valor inicial de xo=1.5 y s = 0.001.
SOLUCION:
f(x)= x5+x2-9 f(x)= 5*x4+2*x
f(xo=1.5)= (1.5)5+(1.5)2 - 9 = 0.84375
f(xo=1.5)=5* (1.5)4+2*(1.5)= 28.3125
x1 = xo - f(xo) / f(xo)= 1.5 - (0.84375 / 28.3125) = 1.4701986755
ERA (x1, xo)=
(que no es menor a s)
(que no es menor a s )
55
(que s es menor a s )
56
SOLUCION:
f(x)= ex-3*x
recordemos que
f(x)= ex-3
(es mayor a )
(es mayor a
57
Hi
f(Hi)
F(Hi)
Hi+1
ERA
1.5
-4.51
-15.32
1.20517 -
1.20517 -0.16
-14.26
1.19362 9.5837x10-3
1.19362 -14.20
0.000278
1.19360 0.000016756
la raz es H2=1.19360.
Si la ecuacin es
, entonces puede despejarse
bien sumar
ambos lados de la ecuacin para ponerla en la forma adecuada.
en
58
Este mtodo sirve para encontrar las races de una ecuacin y consiste en los
siguientes pasos:
1.- Nos deben dar la funcin a la cual le debemos encontrar la raz, es decir,
debemos conocer f(x)=0.
Ejemplo: f(x)= 0.5*x - 4 = 0
2.- Nos deben de dar un valor inicial xo. Ejemplo xo = 0.
3.- De la funcin f(x) debemos de despejar x de manera que encontremos una
nueva funcin de x llamada ahora g(x).
Ejemplo:
(2/2)*x - (1/2)*x - 4 = 0 donde (1/2)*x no se altera
x - (1/2)*x - 4 = 0 x = (1/2)*x + 4
g(x) = x = (1/2)*x + 4
4.- Se deriva la funcin g(x). En el caso de que el valor absoluto de la derivada de
g(x) sea menor a uno, se asegura que el despeje realizado funcione.
si
5.- Luego se evala g(x) utilizando primero x o. El resultado de esta evaluacin se
convierte en el nuevo valor de x y as se contina hasta encontrar la raz deseada
desde luego, satisfaciendo un error deseado.
SOLUCION:
xo = 0 , = 0.001
x1 = (xo/2) + 4 = 0 + 4 = 4
ERA (x1,xo)
x2 = (x1/2) + 4 = 6
ERA (x2,x1)
x3 = (x2/2) + 4 = 7
ERA (x3,x2)
x4 = (x3/2) + 4 =7.5
ERA (x4 = 7.5, x3= 7)
(que no es menor a s)
x5 = (x4/2) + 4 = 7.75
ERA (x5,x4)
x6 = (x5/2) + 4 = 7.875
ERA (x6, x5)=
x7 = (x6/2) + 4 = 7.9375
ERA (x7, x6)
x8 = (x7/2) + 4 = 7.96875
ERA (x8,x7)=
x9 = (x8/2) + 4 = 7.984375
(que no es menor a s)
(que no es menor a s)
59
ERA (x9,x8)=
x10 = (x9/2) + 4 = 7.9921875
(que no es menor a s)
ERA (x10,x9)=
Raz = x10 = 7.9921875 (tiende a 8)
El nmero 7.9921 se le llama punto fijo de g(x), sin importar cual sea el x o. El
punto fijo de g(x) es la raz de f(x).
Ejemplo:
Sea f(x) = x + 4 = 0 y xo = 0 Encontrar una raz por el mtodo iterativo del punto
fijo.
Hagamos un posible despeje:
2*x - x + 4 = 0
x = 2*x + 4 g(x) = 2*x + 4
g(x) = 2 donde g(x) no es menor a 1, por lo tanto, no se asegura que este despeje
sirva:
Probemos:
xo=0
x1=2*(0)+4=4
x2=2*(4)+4=12
x3=2*(12)+4=28
x4=2*(28)+4=60
x tiende al infinito de manera tal que no vamos a encontrar ninguna raz, desde
luego comenzando con xo=0.
Al analizar f(x)=x+4=0. Vemos que la solucin es x+4=0 x= -4.
Y desde luego, si iniciramos con la solucin, es decir, que x o= -4, si tenderamos
a encontrar la solucin. Sin embargo, el mtodo trata de que dado un valor inicial
que no sea la solucin, se encuentre la solucin.
xo = -4; x1=2*(-4)+4 x1= -4
Sea f(x) = x+4 = 0 con xo=0
2*x - x + 4 = 0 x = 2*x + 4 g(x) = 2*x + 4
g´(x)= 2 que es mayor a 1 g(x) no es menor que 1 y por lo tanto no se
asegura que este despeje sirva.
Probemos
Con xo=0
x1=2*xo+4=2*(0)+4=4
x2=2*x1+4=2*(4)+4=12
x3=2*x2+4=2*(12)+4=28
x4=2*x3+4=2*(28)+4=60
x tiende al infinito de manera tal que no vamos a encontrar ninguna raz.
Intentemos otro despeje:
f(x)=x+4=0
se despeja con respecto a (3/2)x
60
(3/2)*x - (1/2)*x + 4 = 0
(3/2)*x=(1/2)*x - 4
x= (2/3)*(1/2)*x - (2/3)*(4)=(1/3)*x - (8/3)
g(x)=(1/3)*x - (8/3)
checando que (1/3) < 1 se asegura que el despeje realizado si sirve.
Probemos con xo=0 x_ant =xo=0
x_act = (x_ant / 3) - 2.66 = 0 - 2.66 = -2.66
ERA (x_act = -2.66, x_ant = 0)
x_ant = x_act = -2.66
Itera=1
61
(que no es menor a s)
x_ant = x_act = -3.9735
Itera=5
x_act = (-3.9735/ 3) - 2.66 = -3.9845
ERA (x_act =-3.9845, x_ant = -3.9735)
(que no es menor a s )
x_ant = x_act = -3.9845
Itera=6
x_act = (-3.9845/ 3) - 2.66 = -3.9881
ERA (x_act =-3.9881, x_ant = -3.9845)
(que si es menor a s )
Raz = -3.9881
Esto tiende al nmero -4. Al nmero -4 se le llama punto fijo de g(x), sin importar
cual sea el xo. El punto fijo de g(x) es la raz de f(x).
Otros Ejemplos:
1)
La ecuacin
2)
La ecuacin
Dada la aproximacin
se puede transformar en
se puede transformar en
, es decir,
62
y diferenciable en
entonces existe
es contnua
tal que
tal que:
O bien,
sima iteracin.
en un intervalo
es contnua y
en dicho intervalo.
63
En el ejemplo 1,
que
En
ejemplo
2,
en
este
caso,
y hasta que
Solucin
Como ya aclaramos anteriormente, el mtodo s converge a la raz.
Aplicando la frmula iterativa tenemos,
Y un error aproximado de
64
Ejemplo 2
Usar el mtodo de iteracin del punto fijo para aproximar la raz de
, comenzando con
Solucin
Si despejamos la
y hasta que
de donde,
. Un vistazo a la grfica,
65
100%
28.41%
6.34%
1.51%
0.35%
66
67
Para x=0
ejecute;(x)= - e-x
Por ejemplo para:
x=10
si se cumple
no se cumple.
Esto asegura que el despeje hecho si funciona para valores de x 0.
Probemos:
Dado que xo=0 se debe empezar con otro valor como xo=0.1 xo=1 y con la
ecuacin iterativa xact=e-xant
x1=1
x2=e-1=0.367879441171
x3=e-x2 =0.692200627556
x4=e-x3=0.500473500563
x5=e-x4=0.606243535086
x6=e-x5=0.545395785975
x7=e-x6=0.579612335503
x8=e-x7=0.560115461361
x9=e-x8=0.57114311508
x10=e-x9=0. 564879347391
x11=e-x10=0.568428725029
x12=e-x11=0. 566414733147
x13=e-x12=0.567556637328
x14=e-x13=0.566908911922
x15=e-x14=0.567276232175
68
Solucin:
Propongamos primero una funcin g(x)
5*x2-4*x=7
factorizando a x y trabajando con respecto a la x que se factoriz:
x(5x-4)=7 y despejando a x
x = 7 / (5*x - 4)
g(x)=7 / (5*x - 4)
dg(x) / dx = d/dx(7 / (5*x-4) = (d/dx)(7*(5*x-4)-1)
g(x)=7*[(-1)*(5*x-4)-1-1((d/dx)(5*x-4))]
g(x)=7[(-1)(5*x-4)-2(5-0)]
g(x)=(7*(-1)*(5)) / (5*x-4)2 = -35 / (5*x-4)2
Probemos para los lmites del intervalo dado para -0.9.
69
2) respecto a x2
x2-x-2=0
x2=2+x
x= (2+x)1/2
2) g2(x)= -(2+x)1/2
3) g3(x)= (2+x)1/2
4) respecto a x2
x2-x-2=0
x2=x+2
se despeja con respecto a x*x
x*x=x+2
x=1 + 2/x
g4(x)= 1+2/x
5) factorizamos a x
x2-x-2=0
x*(x-1)-2=0
x*(x-1)=2
x=2 / (x-1)
g5(x)= 2 / (x-1)
Probemos si g1(x) nos puede servir para encontrar las dos races (-1,2).
g1(x)=x2-2
g1(x)=2*x
2*x < 1
x<1/2
Esto quiere decir que el despeje propuesto nos va a servir para encontrar la raz
con x que sea una sola palabra sea menor a 0.5.
Probemos con xo=0
xAct=xAnt-2
x1= xo2-2
x1=-2
x2= x12-2=(-2)2-2=2
x3= (-2)2-2=2
2 es el punto fijo de g(x) y es la raz de f(x).
Como sabemos que una raz es 2 veamos si 1.5 lo aproxima:
Probemos con xo=1.5
x1= (1.5)2-2
x1=0.25
x2= x12-2=-1.9375
x3= x22-2=1.75390625
x4= x32-2=1.0768713379
No tiende a alguna convergencia. Esto demuestra que debe respetarse que x<
(1/2) para esta ecuacin iterativa.
Probemos ahora g2(x)
70
g2(x)=-(2+x)1/2
g21(x)=-(1/2)* (2+x)-1/2
(1/2)* (2+x)-1/2< 1
(2+x)1/2 esta dividiendo y pasa multiplicando:
1 / (2*(2+x)1/2)< 1
1/2 < (2+x)1/2
elevo al cuadrado y reacomodo para despejar a x:
2+x > 1/4
x > 1/4 - 2
x > 1/4 - 8/4
x > -7/4
x > -1.75
71
x2 > 2
x > 21/2
x > 1.4142
Esto quiere decir que el despeje hecho, nos podr servir para encontrar la raz
mayor a 1.4142 o sea para encontrar la raz.
Probemos ahora g5(x):
Se desea saber si este despeje es vlido para encontrar la raz de -1? O bien
este despeje es vlido para encontrar la raz 2?
g5(x)= 2 / (x-1) = 2*(x-1)-1
g5(x)=2*(-1)*(x-1)-2 dx/dx
g5(x)= -2 / (x-1)2
Probemos s esto fuese vlido para encontrar la raz igual a -1.
72
73
EJERCICIOS
NOTA: Usa todos los dgitos en tu calculadora para que la aproximacin sea lo
ms exacta posible.
1. Usa el mtodo de biseccin para aproximar la raz de
comenzando en el intervalo
Solucin:
y hasta que
y hasta que
y hasta que
Solucin:
y hasta que
Solucin:
5.
Usa
el
.
mtodo
de Newton-Raphson
comenzando con
Solucin:
para aproximar
y hasta que
Solucin:
raz
.
de
la
y hasta que
74
7.
75
UNIDAD II:
SISTEMAS DE ECUACIONES LINEALES, NO
LINEALES E INTERPOLACION
ECUACIN ALGEBRICA LINEAL
Es aquella en donde en cada trmino de la ecuacin aparece nicamente una
variable o incgnita elevada a la primera potencia. Por ejemplo:
a11 x1 a12 x 2 a13 x3 ... a1n x n c1
(1)
Es una ecuacin algebraica lineal en las variables X 1, X2, X3,..., Xn. Se admite que
los coeficientes a11, a12, a13,..., a1n y el trmino independiente C1, son constantes
reales.
76
SISTEMA DE ECUACIONES
Es un conjunto de ecuaciones que deben resolverse simultneamente. En los
sucesivo se considerarn nicamente sistemas de ecuaciones algebraicas
lineales, o sea conjuntos de ecuaciones de la forma:
(2)
.
an1 x1 an2 x2 an3 x3 ... ann xn cn (c)
(3)
(5)
77
DE
Mtodo de eliminacin
Es un conjunto de valores de las incgnitas que verifican simultneamente a todas
y cada una de las ecuaciones del sistema.
De acuerdo con su solucin, un sistema puede ser: Consistente, si admite
solucin; o Inconsistente, si no admite solucin.
Un sistema Consistente puede ser: Determinado, si la solucin es nica o
Indeterminado, si la solucin no es nica. En este caso se demuestra que existe
una infinidad de soluciones.
Teoremas sobre rangos
El rango de una matriz es el orden de determinante no nulo de mayor orden que
puede obtenerse de esa matriz. El rango de la matriz A se representa con la
notacin r(A) y el de la matriz ampliada con r(A, C).
En lgebra se demuestra que:
1. Para cualquier sistema,
2. Si r(A) < r(A, C) el sistema es inconsistente
3. Si r(A) = r(A, C) el sistema de ecuaciones es consistente
En este caso, si adems r(A) = n, el sistema es determinado e indeterminado si
r(A) < n, siendo n el nmero de variables en el sistema.
En general, hay dos tipos de tcnicas numricas para resolver ecuaciones
simultneas: Directas, que son finitas; e Indirectas, que son infinitas.
Naturalmente, ninguna tcnica prctica puede ser infinita. Lo que queremos decir
es que en un principio los mtodos directos (despreciando errores por redondeo)
producirn una solucin exacta, si la hay, en un nmero finito de operaciones
aritmticas.
78
(6)
79
(8)
(9)
80
(10)
2 x1 x 2 2 x3 5
(11)
9 x 2 0 9
(12)
9 x 2 0 9
81
82
El trmino X1 se puede eliminar del segundo rengln restando 0.1 veces el primero
del segundo rengln. De una manera similar, restando 0.3 veces el primero del
tercer rengln se elimina el trmino con X1 del tercer rengln.
83
Inversin de matrices
Sea A una matriz cuadrada no singular, es decir, que su determinante sea
diferente de cero
84
Es la inversa de A si:
(13)
Haciendo
EJEMPLO
Invertir la matriz
85
86
87
88
EJEMPLO
Resolver el siguiente sistema de ecuacin por el mtodo Gauss-Seidel utilizando
un
= 0.001.
0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85
0.3 X1 - 0.2 X2 - 10.0 X3 = 71.40
SOLUCION:
89
90
91
X1 = 3.0
92
X2 = -2.5
X3 = 7.0
Como se puede comprobar no se tiene un nmero exacto de iteraciones para
encontrar una solucin. En este ejemplo, se hicieron 3 iteraciones, pero a menudo
se necesitan ms iteraciones.
Se deja de investigacin al alumno alguna forma que haga que este mtodo
converge ms rpidamente.
93
EJERCICIOS
NOTA: En todos los ejercicios, redondea tus resultados a cinco decimales.
1. Usa el mtodo de Gauss con pivoteo para resolver el siguiente sistema:
SOLUCION:
2. Usa el mtodo de Gauss con pivoteo para resolver el siguiente sistema:
SOLUCION:
3. Usa el mtodo de Gauss-Jordan para resolver el siguiente sistema:
SOLUCION:
4. Usa el mtodo de Gauss-Jordan para resolver el siguiente sistema:
94
SOLUCION:
5. Calcula la matriz inversa de las siguientes matrices usando el mtodo de
Gauss-Jordan:
i)
ii)
Soluciones:
i)
ii)
a 1%
95
SOLUCION:
7. Usa el mtodo de Gauss-Seidel hasta que
del siguiente sistema de ecuaciones:
a 1%
SOLUCION:
96
CAPITULO 4: INTERPOLACION
INTERPOLACION DE POLINOMIOS
Con frecuencia se tienen que estimar valores intermedios entre valores conocidos.
El mtodo ms comn empleado para este propsito es la interpolacin
polinomial.
Recuerde que la frmula general de un polinomio de n-simo orden es:
(1)
Para n + 1 puntos, existe uno y slo un polinomio de n-simo orden o menor que
pasa a travs de todos los puntos. Por ejemplo, hay slo una lnea recta (es decir
un polinomio de primer orden) que conecta dos puntos. 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 uno y slo un polinomio de n-simo orden que se ajusta a los n + 1
puntos, existen una gran variedad de frmulas matemticas mediante las cuales
se puede expresar este polinomio. En esta unidad se estudian dos tcnicas
alternativas que estn bien condicionadas para implementarse en una
computadora. Estos son los polinomios de Newton y de Lagrange.
97
(21)
en donde:
(22)
En donde
(23)
(24)
98
(25)
f(X)
1.0
0.000 0000
4.0
1.386 2944
6.0
1.791 7595
Solucin:
El polinomio de primer orden es:
99
Comentarios adicionales
Hay dos temas adicionales que se deben de mencionar: La interpolacin con los
datos igualmente espaciados y la Extrapolacin.
Ya que los mtodos de Newton y de Lagrange son compatibles con los datos
espaciados en forma arbitraria, se debe de preguntar por que se aborda el caso de
los datos igualmente espaciados. Antes del advenimiento de las computadoras
digitales, estos mtodos tuvieron gran utilidad en la interpolacin de tablas con
datos igualmente espaciados. De hecho se desarrolla un esquema conocido como
tabla de diferencias divididas para facilitar la implementacin de estas tcnicas.
Sin embargo, y debido a que las frmulas son un subconjunto de los esquemas de
Newton y Lagrange compatibles con la computadora y ya que se dispone de
muchas funciones tabulares como rutinas de biblioteca, la necesidad de puntos
equidistantes se fue perdiendo. En particular, se puede emplear en la derivacin
de frmulas de integracin numrica que emplean comnmente datos
equidistantes.
100
La extrapolacin es el proceso de calcular un valor de f(X) que cae fuera del rango
de los puntos base conocidos X0, X1,..., Xn. 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, el error en la extrapolacin puede ser muy grande. La naturaleza abierta en
los extremos de la extrapolacin representa un paso en la incgnita porque el
proceso extiende la curva ms all de la regin conocida. Como tal, la curva
verdadera diverge fcilemte de la prediccin. Por lo tanto, se debe tener cuidado
extremo en casos donde se deba extrapolar.
Fig. 1
101
(2)
102
Interpolacin cuadrtica
../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y cuaciones/metodos
para clase/tema2/interp02.html - atras El error en el ejemplo 3.1 se debe a que se
aproxima a una curva mediante una lnea recta. Por consiguiente, una estrategia
que mejora la aproximacin es la de introducir cierta curvatura en a lnea que
conecta a los puntos. Si se dispone de tres puntos 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:
(4)
Ntese que aunque la ecuacin (4) parezca diferente de la ecuacin general de un
polinomio (1), las dos ecuaciones son equivalentes.
Esto se puede demostrar si se multiplican los trminos de la ecuacin (4) y
obtener:
(5)
O, agrupar trminos:
(6)
En donde:
(7)
103
De esta manera, las ecuaciones (1) y (4) 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 b0, se usa la ecuacin (4) con X = X0, y se obtiene
b0 = f(X0) (8)
Sustituyendo la ecuacin (8) en la ecuacin (4) y evaluando en X = X1 se obtiene:
(9)
Y por ltimo, las ecuaciones (8) y (9) se sustituyen en la ecuacin (4), y se evala
sta en X = X2 y se obtiene:
(10)
104
b0 = 0
la ecuacin (9) genera:
105
(13)
(14)
(15)
Estas diferencias se usan para evaluar los coeficientes de la ecuacin (12), los
cuales se sustituyen en la ecuacin (11), para obtener el polinomio de
interpolacin:
106
(16)
Xi
f(Xi)
Primera
Segunda
Tercera
X0
f(X0)
f(X1, X0)
X1
f(X1)
f(X2, X1)
X2
f(X2)
f(X3,X2)
X3
f(X3)
EJEMPLO 3.3
Usando la siguiente tabla de datos, calclese ln 2 con un polinomio de
interpolacin de Newton con diferencias divididas de tercer orden:
f(X)
0.000 0000
1.386 2944
107
1.791 7595
1.609 4379
SOLUCIN:
El polinomio de tercer orden con n = 3, es.
108
Los resultados para f(X1, X0), f(X2, X1, X0) y f(X3, X2, X1, X0) representan los
coeficientes b1, b2 y b3 Junto con b0 = f (X0) = 0.0, la ecuacin da:
f 3 (X) = 0 + 0.46209813 (X-1) - 0.0518731 (X-1)(X-4) + 0.0078655415 (X-1)(X-4)
(X-6)
Arreglando la tabla de diferencias
X
f [X]
f1[]
f2[]
f3[]
0.20273255 - 0.020410950
6.0 1.7917595
0.18232160
5.0 1.6094379
Con la ecuacin anterior se puede evaluar para X = 2
f 3 (2) = 0.62876869
Lo que representa un error relativo porcentual del e% = 9.3%.
Ntese que la estructura de la ecuacin (16) es similar a la expresin de la serie
de Taylor en el sentido de que los trminos agregados secuencialmente
consideran el comportamiento de orden superior de la funcin representada. Estos
trminos son diferencias divididas finitas, y 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 orden bajado en n + 1 llevar a
resultados exactos.
El error por truncamiento de la serie de Taylor es:
(17)
en donde es un punto cualquiera dentro del intervalo (Xi, Xi+1). Una relacin
anloga del error en un polinomio interpolante de n-simo orden est dado por:
109
(18)
En donde es un punto cualquiera dentro del intervalo que contiene las incgnitas
y los datos. Para uso de esta frmula la funcin en cuestin debe ser conocida y
diferenciable. Y usualmente, este no es el caso.
Afortunadamente existe una frmula alternativa que no requiere conocimiento
previo de la funcin. En vez de ello, se usa una diferencia dividida finita que
aproxima la (n+1)-sima derivada:
Rn = f [X, Xn, Xn-1,..., X1, X0] (X-X0) (X-X1)...(X-Xn)
(19)
110
De los puntos mostrados nos podemos dar cuenta que parece tener la forma de
un polinomio de segundo grado de la forma:
(1)
Esta ecuacin (1) puede usarse para representar el conjunto de valores obtenidos
experimentalmente para la cual debemos determinar los valores de a 1, a 2, a 3,
etc.
111
donde:
d = distancia = Yobservada - Y obtenida por la ecuacin
Yobservada = Valor obtenido experimentalmente.
Y obtenida por la ecuacin = valor de la funcin evaluada en cualquier valor X
Observando la grfica, parece que esta distancia se puede usar para representar
el error, pero habr distancias positivas y negativas, (como se puede observar la
distancia d1 es positiva y la distancia d2 es negativa) de modo que el error
promedio para los puntos como los mostrados ser pequeo aunque los errores
individuales sean grandes.
Esta dificultad podra ser resuelta usando el valor absoluto de las distancias, sin
embargo al derivar la funcin del valor absoluto se generan ciertos problemas.
La solucin podra ser definir el error como el cuadrado de la distancia, esto
elimina la dificultad del signo. Por esta razn el mtodo se llama: Mtodo de
Mnimos Cuadrados.
(2)
En donde S es la suma de los cuadrados de las diferencias entre el valor
calculado y el valor observado y por lo tanto es el valor que se debe minimizar
112
(3)
(4)
(5)
son
113
(7)
(8)
114
0.00
0.0000
0.60
0.6367
0.10
0.1002
0.70
0.7586
0.20
0.2013
0.80
0.8881
0.30
0.3045
0.90
1.0265
0.40
0.4108
1.00
1.1752
0.50
0.5211
115
116
M =11
117
a1 = - 0.000112
a2 = 1.004150
a3 = - 0.019075
a4 = 0.190032
y el polinomio queda:
118
119
y su inversa como
u=0,1,...,N-1
v=0,1,...,N-1:
y su inversa como
120
donde
121
La linealidad
La transformada de Fourier y su inversa son transformaciones lineales, es decir,
poseen la propiedad distributiva respecto de la suma.
La traslacin
Tanto la transformada discreta de Fourier como la transformada inversa, son
peridicas de periodo N.
Un caso particular de esta propiedad consiste en mover el origen de la
transformada de Fourier de f(x,y) al centro de la matriz N X N que le corresponda,
es decir al punto (N/2,N/2). Para ello, podemos hacer uso de que:
f(x,y)(-1)x+y se hace corresponder con F(u-n/2,v-N/2)
Tambin cabe resaltar, que un desplazamiento en la funcin f(x,y), no provocar
un cambio en la magnitud de su transformada de Fourier. Vase esto
matemticamente en la siguiente expresin:
La Simetra
La transformada de Fourier de una funcin f(x,) es real es simtrica conjugada.
Esto provoca que:
|F(u,v)|=|F(-u,-v)|
Por tanto, gracias a esta propiedad de simetra, para calcular la magnitud de los
puntos de un periodo completo, tan slo necesitamos calcular los N/2+1 primeros
puntos, siempre y cuando el origen de la transformada este centrado en el punto
(N/2,N/2).Para conseguir este movimiento del origen en la transformada, podemos
aplicar la propiedad de traslacin.
La rotacin
Si rotamos la funcin f(x,y) un ngulo determinado, la transformada de Fourier
tambin ser afectada por una rotacin del mismo ngulo. Esta propiedad tambin
122
EJERCICIOS
123
i)
x 2 2 1
4
y 0 .5 3 2 .4 7 .8
ii)
x 0 .3 0 .6 0 .9 1 .2 1 .5
y 3 0 6 9 12
Soluciones:
i ) f ( x) 0.5 0.875( x 2) 0.925( x 2)( x 2) 0.4625( x 2)( x 2)( x 1)
ii ) f ( x) 3 10( x 0.3) 50( x 0.3)( x 0.6) 185.18519( x 0.3)( x 0.6)( x 0.9)
447.53088( x 0.3)( x 0.6)( x 0.9)( x 1.2)
i)
ii)
x
1
2
3
5
y 1.56 3.54 2.57 8.9
x 1 .5 0 .5 1 2 4
y
9
2 5 33 0
Soluciones:
( x 2)( x 3)( x 5)
( x 1)( x 3)( x 5)
( x 1)( x 2)( x 5)
3.54
2.57
36
45
80
( x 1)( x 2)( x 3)
8 .9
144
i ) p ( x ) 1.56
3.125
7.875
56.25
4 .5
ii) p( x) 9
124
i)
x 5 2 3
7
y 20 4 6 40
i)
Soluciones:
i)
s ( x)
3
2
0.375 x 3.375 x 16.125 x 8.125 si
5
75 2
5860
526
x 3 526
x 4703
789 x 789
ii )
si
s ( x)
x 1,3
si x 5,2
2
15619
8012
x 2257
si
2630 x 3945 x 1315
2
10511
860
x 2093
si
526 x 789 x 263
1241 3
7890
299 3
1578
x 2,1
x 2,3
x 3,7
125
UNIDAD 3:
DIFERENCIACIN, INTEGRACIN NUMRICA Y
SOLUCIN DE ECUACIONES DIFERENCIALES
CAPITULO 5: DIFERENCIACIN NUMRICA E
INTEGRACIN NUMRICA
, desarrollada con
(1)
se encuentra
est dada en forma
(2)
126
(3)
Frmulas de diferencia
(Diferencias centrales, hacia adelante y hacia
atrs)
../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y cuaciones/metodos
para clase/tema6/derivada.html - atras
Fig. 1
Observando la figura, vemos que si designamos los puntos uniformemente
espaciados a la derecha de Xi como Xi+1 , Xi+2, etc. y los puntos a la izquierda de
Xi como Xi-1, Xi-2 , etc. e identificamos las ordenadas correspondientes como
Yi+1, Yi+2, Yi-1, Yi-2, respectivamente, la ec. (3) se puede escribir en la forma:
(4)
127
(5)
(6)
es decir,
(7)
(8)
f(X)
en
128
(9)
(10)
(11)
129
(12)
130
(13)
(14)
(15)
131
(16)
(17)
EJEMPLO
../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y cuaciones/metodos
para clase/tema6/deriva02.html - atrassense aproximaciones de Diferencias Finitas
Hacia Adelante, Hacia Atrs y Centradas para estimar la primera derivada de:
= 0.5.
132
= 0.25.
y evaluando tenemos:
f'(0.5) = -0.9125
SOLUCIN:
Para
Yi-1 = 1.200
Xi = 0.5
Yi = 0.925
Xi+1 = 1.0
Yi+1 = 0.200
Para
Yi-1 = 1.10351563
133
Xi = 0.50
Yi = 0.92500000
Xi+1 = 0.75
Yi+1 = 0.63632813
Para los dos tamaos de paso, las aproximaciones por Diferencias Centrales son
ms exactas que las Diferencias Divididas Hacia Adelante o las Diferencias
Divididas Hacia Atrs. Tambin, como lo predijo el anlisis de la serie de Taylor, la
divisin del intervalo en dos partes iguales, divide a la mitad el error de las
Diferencias Hacia Atrs o Hacia Adelante y a la cuarta parte el error de las
Diferencias Centrales.
En ingeniera se presenta con frecuencia la necesidad de integrar una funcin que
sera, en general, de una de las tres formas siguientes:
1. Una funcin simple y continua tal como un polinomio, una funcin
exponencial o una funcin trigonomtrica.
2. Una funcin complicada y continua que es difcil o imposible de integrar
directamente.
3. Una funcin tabulada en donde los valores de X y f(X) se dan en un
conjunto de puntos discretos, como es el caso a menudo, de datos
experimentales.
En el primer caso, la integral simplemente es una funcin que se puede evaluar
fcilmente usando mtodos analticos aprendidos en el clculo. En los dos ltimos
casos, sin embargo, se deben emplear mtodos aproximados.
134
Fig. 1
135
Llamando a las ordenadas Y i (i = 1, 2, 3,...., n+1), las reas de los trapecios son:
(1)
(2)
(3)
(4)
136
verdadera en una faja bajo la curva f(X) comprendida entre Xi y Xi+1 mediante el
rea de un trapecio, se demuestra que es igual a:
(5)
Este error es la cantidad que se debe agregar al rea del trapecio para obtener el
rea real. Se llama Error por Truncamiento, ya que es el error que resulta de
utilizar una serie de Taylor truncada, en vez de una serie de Taylor completa, para
representar en forma de serie el rea de una faja. Generalmente no se puede
valuar directamente el trmino mostrado como error por truncamiento. Sin
embargo, se puede obtener una buena aproximacin de su valor para cada faja
suponiendo que f '' es suficientemente constante en el intervalo de la faja (se
supone que las derivadas de orden superior son despreciables) y evaluando f ''
para
. La estimacin del error por truncamiento para la integracin total
se obtiene sumando las estimaciones para cada faja. Si la estimacin obtenida
para el error total por truncamiento es mayor de lo que se puede tolerar, se debe
utilizar una faja ms angosta o un mtodo ms preciso.
Otro error que se introduce al obtener el rea aproximada de cada faja es el Error
por Redondeo. Este se produce cuando las operaciones aritmticas requeridas se
efectan con valores numricos que tienen un nmero limitado de dgitos
significativos.
Se puede demostrar que una aproximacin a el lmite del error por redondeo es:
(6)
Tenemos
entonces
que
proporcionalmente a
es proporcional a
proporcionalmente con
el
lmite
en
el
error
por
redondeo
aumenta
137
138
curva f(X) en la fig. 2, se aproxima mediante el rea sombreada bajo una parbola
que pasa por los tres puntos:
(Xi , Yi)
(Xi+1, Yi+1)
(Xi+2, Yi+2)
Fig. 2
Por conveniencia al derivar una expresin para esta rea, supongamos que las
dos fajas que comprenden el rea bajo la parbola se encuentran en lados
opuestos del origen, como se muestra en la fig. 3. Este arreglo no afecta la
generalidad de la derivacin.
La forma general de la ecuacin de la parbola de segundo grado que conecta los
tres puntos es:
(7)
(8)
139
Fig. 3
(9)
(10)
140
(11)
(12)
que nos da el rea en funcin de tres ordenadas Yi, Y i+1, Y i+2 y el ancho
de una faja.
Esto constituye la regla de Simpson para determinar el rea aproximada bajo una
curva contenida en dos fajas de igual ancho.
Si el rea bajo una curva entre dos valores de X se divide en n fajas uniformes (n
par), la aplicacin de la ec. (12) muestra que:
(13)
(14)
141
o bien
(15)
en donde n es par.
La ec. (15) se llama Regla de Simpson de un Tercio para determinar el rea
aproximada bajo una curva. Se puede utilizar cuando el rea se divide en un
nmero par de fajas de ancho
Si la funcin f(X) se puede expresar como una funcin matemtica continua que
tiene derivadas continuas f ' a
, el error que resulta de aproximar el rea
verdadera de dos fajas bajo la curva f(X) comprendida entre Xi-1 y Xi+1 mediante
el rea bajo una parbola de segundo grado, se demuestra que es:
(16)
142
conecta 4 puntos sobre una curva dada. La forma general de la parbola de tercer
grado es:
(17)
Fig. 4
En la derivacin, las constantes se determinan requiriendo que la parbola pase a
travs de los cuatro puntos indicados sobre la curva mostrada en la fig. 4. El
intervalo de integracin es de -
, lo que produce:
(18)
(19)
143
EJEMPLO
Utilcese la regla trapezoidal de cuatro segmentos o fajas para calcular la
integral de
f(X)
0.0
0.200
0.2
1.288
0.4
2.456
0.6
3.464
0.8
0.232
144
SOLUCIN
n=4
f(X)
0.0
0.200
0.2
1.288
0.4
2.456
0.6
3.464
0.8
0.232
f(X)
0.0000
0.20000000
0.2667
1.43286366
145
0.5333
3.48706521
0.8000
0.23200000
f(X)
0.00
0.20000000
0.16
1.29691904
0.32
1.74339328
0.48
3.18601472
0.64
3.18192896
0.80
0.23200000
Para los ltimos tres segmentos, se usa la regla de Simpson de 3/8 para
obtener:
146
donde
mediante
Se puede demostrar que el error que se comete con la regla del trapecio
para n subintervalos est dado por las siguientes frmulas:
147
donde
es un promedio de la doble derivada entre ciertos valores que
pertenecen a cada uno de los subintervalos.
Ahora bien, si suponemos que el valor de
es constante, entonces :
148
Esta frmula es solo una parte del algoritmo de Romberg. Para entender el
mtodo, es conveniente pensar que se trabaja en niveles de aproximacin.
En un primer nivel, es cuando aplicamos la regla del Trapecio, y para poder
usar la frmula anterior, debemos de duplicar cada vez el nmero de
subintervalos: as, podemos comenzar con un subintervalo, luego con dos,
cuatro, ocho, etc, hasta donde se desee.
Posteriormente, pasamos al segundo nivel de aproximacin, que es donde
se usa la frmula anterior, tomando las parejas contiguas de aproximacin
del nivel anterior, y que corresponden cuando
149
Ejemplo
Usar el algoritmo de Romberg, para aproximar la integral
1.
Solucin.
Primero calculamos las integrales del nivel 1, usando la regla del trapecio
para las longitudes de segmentos indicadas:
150
donde
e
fmula
donde:
151
es
la
integral
ms
exacta
Ejemplo
Usar el algoritmo de Romberg para aproximar la integral:
donde
2.
Solucin.
Calculamos
152
Ejemplo
Aproximar la siguiente integral:
3.
Solucin.
Igual que arriba, primero usamos la regla del trapecio (con los valores de
indicados) para llenar el nivel 1. Tenemos entonces que:
153
donde:
es la integral ms exacta
es la integral menos exacta
y el indice k indica el nivel de integracin o de aproximacin. Por ejemplo,
digamos que
, entonces tenemos:
154
donde
es la cota suficiente.
Ejemplo
Aplicar el algoritmo de integracin de Romberg a la integral:
1.
tomando
Solucin.
En este caso no sabemos exactamente cuantas aproximaciones debemos hacer con
la regla del trapecio. As que para comenzar hacemos los clculos correspondientes
a uno, dos, cuatro y ocho subintervalos:
Con estos datos, podemos hacer los clculos hasta el nivel 4. Tenemos la
siguiente tabla:
155
Haciendo los clculos de los errores, nos damos cuenta que efectivamente
la aproximacin se obtiene hasta el nivel 4, donde
Por lo tanto, concluimos que la aproximacin buscada es:
156
EJERCICIOS
1. Usar la regla del trapecio para aproximar,
i)
ii)
Dividiendo en 6 intervalos.
Soluciones: i) 3.4115
ii) 0.36907
i)
ii)
Dividiendo en 4 intervalos.
Soluciones: i) 82.60511
ii) 76.94497
i)
ii)
Dividiendo en 4 intervalos.
Soluciones: i) 2.76591
ii) 2.76501
157
ii)
Soluciones:
i) -17.11458
ii) 9.425
i)
ii)
Soluciones:
Usando 1, 2 y 4 intervalos.
Agregando al inciso anterior, 8 intervalos.
i)
9.156626413
ii) 9.153287278
como cota
Solucin. 9.153112082
158
159
Grficamente esta ecuacin representa una familia de curvas planas, cada una de
ellas obtenidas para valores particulares de la n constante, C1 , C 2 ,..., C n , como se
ve en la grfica:
160
161
por el
X 0 a, X 1 X 0 h, X 2 X 0 2h, X 3 X 0 3h,..., X n X 0 nh b
162
Se lleva a cabo usando frmulas de recurrencia, que usan los valores conocidos
de Y en las estaciones anteriores.
X i 1 , X i 2 , X i 3 ,...
163
Encuentre la solucin del siguiente problema de valores iniciales por medio de los
primeros cuatro trminos de la serie de Taylor para X = 0.1, 0.2, 0.3, 0.4 y 0.5.
Y (0) = 1
SOLUCIN
Se obtienen las derivadas sucesivas:
Sustituyendo valores:
Por lo que:
164
0.1
1.055375
0.2
1.123000
0.3
1.205125
0.4
1.304000
0.5
1.421875
Se
debe
integrar
la
ecuacin
diferencial
en
el
intervalo
(4)
Entonces
165
EJEMPLO
Resolver el problema del ejemplo anterior aplicando el mtodo de Euler.
Se tiene
Yi 1 Yi hf ( X i , Yi )
Donde
Entonces
(6)
En la tabla aparecen tabulados los valores de la solucin aproximada obtenidos a
partir de la condicin inicial conocida Y0 (0) = 1
Xi Yi
Yi solucin exacta
166
3, ...
(9)
167
para determinar la solucin en el siguiente Punto Pivote, se utiliza una secante con
pendiente igual al promedio de pendientes de la curva integral en los puntos
coordenados (Xn, Yn), (Xn+1, Yn+1) en donde Xn+1 y Yn+1 pueden estimarse con el
procedimiento normal de Euler, como se muestra en la siguiente grfica:
Con lo anterior se obtendra un mtodo mejorado de Euler con error del orden de
definido por la expresin
(11)
En donde f (Xn+1, Yn+1) es el valor de la funcin f(X, Y) para:
X = Xn+1
Y Yn hf ( X n , Yn )
168
(14)
En lo que
Y' = f(X, Y) (15)
En el mtodo de Euler Mejorado.
Como se ve, estos mtodos tienen los siguientes puntos en comn:
1. Son mtodos de un paso; para determinar Yn+1 se necesita conocer
nicamente los valores de Xn y Yn del punto anterior.
2. No requieren evaluar ninguna derivada, sino nicamente valores de la
funcin f(X, Y).
Estas caractersticas dan origen a una gran variedad de mtodos conocidos como
de Runge-Kutta. La diferencia entre ellos cosiste en la forma como se define la
funcin
(16)
En el cual
169
(17)
EJEMPLO
Resolver
170
Llevando estos valores a (16) y el resultante a (12) se obtiene que para X = 0.1 la
solucin del problema es
Luego
k1
k2
k3
k4
0.0
1.0000
0.5000
0.5516
0.5544
0.6127
0.1
1.0554
0.6126
0.6782
0.6823
0.7575
0.2
1.1236
0.7575
0.8431
0.8494
0.9494
0.3
1.2085
0.9492
1.0647
1.0745
1.2121
0.4
1.3158
1.2119
1.3735
1.3896
1.5872
0.5
1.4545
1.5868
1.8234
1.8517
2.1509
171
(1)
para n 3. Luego se sustituye el valor de y* n+1 en la correccin Adams-Moulton
(2)
Obsrvese que la frmula (1) requiere que se conozcan los valores de y o, y1, y2 y
y3 para obtener el de y4. Por supuesto, el valor de yo es la condicin inicial dada.
172
Como
el
error
local
de
truncamiento
en
el
mtodo
de
Adams-Bashforth/Adams-Moulton es O(h5), los valores de Y1 , Y2 y Y3 se suelen
calcular con un mtodo que tenga la misma propiedad de error, como la frmula
de Runge-Kutta de cuarto orden.
EJEMPLO 1 Mtodo de Adams-Bashforth/Adams-Moulton
Use el mtodo de Adams-Bashforth/Adams-Moulton con h = 0.2 para llegar a una
aproximacin a y(0. 8) de la solucin de
y' = x +y -1, y(0)=1.
SOLUCIN Dado que el tamao de paso es h = 0.2, entonces Y 4 aproximar
y(0.8). Para comenzar aplicamos el mtodo de Runge-Kutta, con X0 = 0, Y0 = 1 y h
= 0.2 con lo cual
Y1 = 1.02140000,
Y2 = 1.09181796,
Y3 = 1.22210646.
173
174
EJERCICIOS
tomando
en cada
175
tomando
en cada
tomando
SOLUCION:
4. Dada la ecuacin diferencial:
tomando
SOLUCION:
5. Dada la ecuacin diferencial:
tomando
en
SOLUCION:
6. Dada la ecuacin diferencial:
176
tomando
en
SOLUCION:
7. Determine la solucin exacta del problema de valor inicial en el ejemplo 1.
Compare los valores exactos de y(0.2), y(0.4), y(0.6) y y(0.8) con las
aproximaciones y1, y2, y3 y y4.
8. Escriba un programa de computacin para el mtodo de
Adams-Bashforth/Adams-Moulton.
177
AUTOEVALUACION
Ejercicio
La funcin
. Empezando con
y
, usar ocho iteraciones del mtodo de la biseccin para aproximar
la raz. Tabular el error despus de cada iteracin y tambin las estimaciones del
error mximo. El error real siempre es menos que la estimacin del error
mximo? Los errores reales continan disminuyendo?
Ejercicio
Encontrar la raz cerca de
de
empezando con
.
Cun exacta es la estimacin despus de cuatro iteraciones del
mtodo de Newton? Cuntas iteraciones requiere el mtodo de la
biseccin para lograr la misma exactitud? Tabule el nmero de
dgitos correctos en cada iteraccin del mtodo de Newton y
observe si se duplican cada vez. (SOLUCION)
Ejercicio
Usando el mtodo de eliminacin gaussiana con pivoteo y sustitucin regresiva,
resuelva el siguiente sistema de ecuaciones:
Ejercicio
Utilizar el mtodo de reduccin de Crout para obtener una descomposicin
la matriz:
de
178
Ejercicio
Dado que
,
y
, interpole con un
polinomio de Lagrange el logaritmo natural de cada entero desde hasta
.
Tabule lo anterior junto con el error en cada punto.
Ejercicio
Dados los datos:
5,04
8,12
10,64
13,18
16,20
20,04
Realizar un ajuste por mnimos cuadrados de los mismos a una recta y a una
cuadrtica. Cul de los dos ajustes es mejor?
Ejercicio
La siguiente tabla tiene valores para
la regla trapezoidal con
. Integre entre
y
usando
179
Ejercicio
Usa la integracin de Romberg para evaluar la integral de
entre
y
. Lleva seis decimales y contina hasta que no haya cambio en la quinta
cifra decimal. Compare con el valor analtico.
180
UNIDAD PRCTICA
1. Mostrar en un software de cmputo numrico, la forma de representacin de
matrices y funciones, as como sus operaciones bsicas (suma y multiplicacin de
matrices, invertibilidad, etc.). Mostrar las capacidades de visualizacin de
funciones.
2. Disear e implementar un programa, donde, dada una funcin continua en un
intervalo cerrado real, determinar las races en dicho intervalo.
3. Disear e implementar un programa, donde, dada una funcin continua en un
intervalo cerrado real, se determine el valor de su integral, con una precisin
preestablecida.
4. Disear e implementar un programa para resolver un sistema de ecuaciones nolineales, mediante alguno de los mtodos conocidos.
5- Disear e implementar un programa para resolver un sistema de ecuaciones
diferenciales.
6. Aplicaciones propuestas por las academias de las diferentes disciplinas
(ingeniera civil, elctrica, electrnica, qumica, .etc.).
181
BIBLIOGRAFIA
1. Burden, R.; Faires, D. Anlisis Numrico. ED. Thomson, 6a. ed., 1998.
2. Chapra Steven y Canale R. Mtodos Numricos para Ingenieros. Cuarta edicin
Ed. Mc Graw Hill. Mxico.
3. De Levie, Robert. Advanced Excel for Scientific Data Analysis. Oxford University
Press, 2004.
4. Liengme, B.; A Guide to Microsoft Excel 2002 for Scientists and Engineers.
Butterworth Heinemann, 3rd, ed. 2002.
5. Mathews, J; Fink, K. Mtodos Numricos con MATLAB. Prentice Hall, 3a. ed.,
2000.
6. Nakamura Shoichiro. Mtodos Numricos Aplicados con Software. Ed. Prentice
Hall Hispanoamericana, Mxico.
7. Press, W.; Teukolsky, S.; Vterling, W.; Flannery, B. Numerical Recipes in C.
Cambridge University Press, 2nd ed., 1992.
(VER COMPLEMENTARIA EN GUIA DE MODULO).
DIRECCIONES DE SITIOS WEB:
1. http://www.mhhe.com/chapra que contiene recursos educativos adicionales que estn a la
vanguardia.
2. www.uacj.mx/gtapia/AN/Unidad2/regla.htm
3. www.mitecnologico.com/Main/ErroresDeRedondeo.
4. www.virtualum.edu.co/antiguo/.../error/deferror.htm
5. www.wikipedia.org/wiki/Mtodo_de_biseccin
6. www.monografias.com/.../descomposicion-lu.shtm
7. www.uaem.mx/posgrado/mcruz/cursos/mn/euler
8. html.rincondelvago.com/metodo-de-minimos-cuadrados-ordinarios
9. www.scribd.com/doc/2993252/branchandbound
182