Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Metodos Numericos Steven C
Metodos Numericos Steven C
NUMRICOS
INGENIEROS
Con aplicaciones en
computadoras personales
PARA
MTODOS
NUMRICOS
INGENIEROS
PARA
C o n aplicaciones en
computadoras personales
Steven C. Chapra,
Ph.D.
Raymond
P. Canale, Ph.D.
UMSNH
Revisin tcnica:
FernandoVeraBadillo
IngenieroCivil,Universidad La Salle
Jefe del Departamento de Matemlticas Aplicadas,
Universidad La Salle
MXICO
BOGOTA
NUEVA YORK
McGRAW-HILL
BUENOS AIRES
PANAMA
AUCKLAND
NUEVA
DELHI
ST.
LOUIS
CARACAS
SAN JUAN
GUATEMALA
LISBOA
SANTIAGO
S0 PAUL0
HAMBURG0
LONDRES
MONTREAL
PARS
SAN
FRANCISCO
SINGAPUR
SIDNEY
TOKIO
TORONTO
MADRID
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
CONTENIDO
xi
PREFACIO
PARTE I
I. 1
1.2
1.3
Motivacin
Fundamentos
matemticos
Orientacin
Captulo 1
Modelosmatemticos
Problemas
Captulo
2.1
2.2
2.3
2.4
Antecedentes
histricos
Desarrollo
de
programas
Desarrollodeunprogramapara
el problemadelparacaidista
Estrategias
de
programacin
Problemas
Captulo
Aproximaciones y errores
11
19
21
22
24
46
52
56
63
3.1
Cifras
significativas
3.2
Exactitud y precisin
66
Definiciones
de
error
67
3.3
64
3 . 4E r r o r e sd er e d o n d e o
3.5 Erroresdetruncamiento
3.6 Errornumricototal
3.7 Erroresporequivocacin,deplanteamiento
e incertidumbre en
Problemas
los datos
72
77
95
96
98
CONTENIDO
-
Vi
EPILOG0
PARTE I
1.4
PARTE II
Elementos
de
Juicio
1.5
Relaciones
frmulas
y
importantes
1.6
Mtodosavanzadosyalgunasreferenciasadicionales
RACES DEECUACIONES
II. 1 Motivacin
11.2 Fundamentos
matemticos
11.3
4.1
4.2
4.3
4.4
109
112
114
Orientacin
Captulo 4
119
119
123
132
Mtodos
grficos
Mtodo
de
biseccin
Mtododelareglafalsa
Bsquedasconincrementosdeterminandouna
139
140
aproximacin inicial
Problemas
Capitulo 5
5.1
5.2
5.3
5.4
145
Mtodos abiertos
146
Iteracin
de
punto
fijo
Mtodo
de
Newton-Raphson
M t o d od e
1o1
106
107
152
la secante
158
163
167
Races
mltiples
Problemas
171
172
177
180
183
1 86
1 89
EPiLOGO PARTE II
11.4
11.5
11.6
Elementos
e
juicio
Relacionesyfrmulasimportantes
Mtodosavanzadosyalgunasreferenciasadicionales
Orientacin
Captulo 7 Eliminacingaussiana
7.1 Solucindepocasecuaciones
7.2
Eliminacin
gaussiana
simple
LINEALES
197
199
199
203
206
21 5
219
219
227
7.3
Desventajasde
7.4
Tcnicasdemejoramientoenlassoluciones
7.5
Resumen
los mtodosdeeliminacin
236
244
252
254
Problemas
Captulo 8
8.1
8.2
8.3
Inversin
de
matrices
Mtodo
de
Gauss-Seidel
Problemas
Captulo 9
Caso
Caso
9.1
9.2
Distribucinderecursos(Ingenieraengeneral)
Clculodedistribucindetemperaturas
Caso
9.3
Anlisisdeunaarmaduraestticamentedeterminada
Caso
9.4
Corrientes
Caso
(Ingeniera qumica)
280
287
y voltajesencircuitosresistivos
(Ingeniera elctrica)
291
y cuerpos rgidos
(Ingenieramecnica)
Problemas
293
295
PARTE 111
111.4
111.5
111.6
PARTE IV
279
283
(Ingeniera civil)
EPILOG0
259
259
262
268
276
Mtodo
de
Gauss-Jordan
Elementosde
juicio
Relaciones
y frmulasimportantes
Mtodos avanzados y algunasreferenciasadicionales
301
304
304
AJUSTE DE CURVAS
IV.1
IV.2
lV.3
Motivacin
Fundamentos
matemticos
Orientacin
Captulo 1 O
10.1 Regresinlineal
10.2 Regresinpolinomial
10.3 Regresinlinealmltiple
Problemas
Capitulo 11
1 l. 1
lnterpolacin
307
310
315
319
321
336
342
345
349
11.2 PolinomiosdeinterpolacindeLagrange
11.3 Comentariosadicionales
11.4 lnterpolacinsegmentaria(spline)
Problemas
350
363
368
370
383
vi
CONTENIDO
Captulo 12
12.1
Caso
12.2
Regresinlineal
qumica)
Caso
12.3
(Ingeniera
Ajuste decurvasen
Caso
12.4
Ajuste decurvas
Caso
12.5
en
387
Casos
de
Caso
Modelodeingenieradeventadeproductos
(Ingenieria
387
y modelosdemogrficos
39 1
el diseodeunmstil
parabarco
(Ingenieria
ca)
en laestimacindelacorriente
RMS
(Ingeniera
399
Regresinlinealmltipleen
el anlisisdedatos
mecnica)(Ingeniera
experimentales
402
404
Problemas
EPiLOGO
PARTE IV
IV.4
IV.5
IV.6
PARTE V
Elementosde
juicio
409
41 1
41 1
Relaciones y frmulasimportantes
Mtodos avanzados
y algunasreferenciasadicionales
INTEGRACION
V. 1
V.2
V.3
Motivacin
41 5
422
424
Fundamentos
matemticos
Orientacin
Captulo
13
429
43 1
443
455
458
46 1
Frmulas
de
integracin
de
Newton-Cotes
del
13.1 Regla
de
13.2 Regla
desiguales
intervalos13.3
con Integracin
erta
integracin
de13.4 Frmulas
Problemas
Captulo 14
de
gaussiana
14.1
14.2
Cuadratura
Problemas
Caso
Caso
15.1
15.2
Caso
15.3
V: Integracin
Casos de
parte
la
Anlisis
de
movimiento
de
efectivos
(Ingeniera
en
general)
El usodeintegralesparadeterminarlacantidad
en
calor
de
los materiales
(Ingeniera
qumica)
C a s o 15.4
(Ingeniera
Caso
Integracin
Captulo 15
elctrica)
395
15.5
nica)
Problemas
465
465
474
484
487
488
total
490
Fuerzaefectivasobreelmstildeunvelerodecarreras
(Ingeniera
492
Determinacindelacorriente
numrica
496
Integracinnumricaen
(Ingeniera
RMS
medianteintegracin
el clculodeltrabajo
499
503
CONTENIDO
iX
EPiLOGO PARTE V
V.4 Elementosdeiuicio
V.5 Relacionesyfrmulasimportantes
V.6 Mtodosavanzadosyalgunasreferenciasadicionales
PARTE VI
Motivacin
Fundamentos
matemticos
Orientacin
Euler
Problemas
Caso
18.3
18.4
573
574
588
594
600
603
Diseodeunreactorparaproduccinfarmacutica
(Ingeniera qumica)
Caso
528
54 1
550
564
570
604
51 5
51 9
522
527
Problemas
17.2
17.3
509
51 1
51 1
Deflexindel
mstil de unvelero(Ingeniera
civil)
608
61 3
Simulacindeunacorrientetransitoriaenuncircuitoelctrico
(Ingeniera elctrica)
Problemas
61 5
61 8
622
EPiLOGO PARTE VI
V1.4 Elementosde juicio
V1.5 Relacionesyfrmulasimportantes
V1.6 Mtodosavanzadosyalgunasreferenciasadicionales
625
627
627
BlBUOGRAFiA
63 1
iNDlCE
635
Caso
18.5
El
pndulooscilante(Ingenieramecnica)
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 dala 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 aosescolares. 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 universidadesdeTexas 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
xiil
PREFACIO
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 numricosque 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 lascomputadoras 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 nuestraintencin 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 of Maryland), Lee W. Johnson (Virginia Polytechnic and
State University), Richard Noble (University of Colorado), Satish Ramadhyani (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 cuantoal 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
U N O
PARTE
LOSMTODOS
NUMRICOS Y LAS
COMPUTADORAS
PERSONALES
I.1 M O T I V A C I ~ N
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.
'),
7,
MTODOS NUMRICOS
PARA INGENIEROS
2.Para analizar el comportamiento de los sistemas se usaban soluciones grficas. stas tomaban la forma de grafoso nomogramas.
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.
la prctica de la ingeniera
..___3
Y LAS COMPUTADORAS
PERSONALES
Formulac4dn
fundamentales
Exposici6n a fondo de
1. rdaci6n del
problema con las leyes
fundamentales
Mdtodo num6rico
y frecuentemente complcador
lnterpretacidn
Anll~oma fonda
lhmitado por una
FIGURA 1 . 1
permite pensar
holisticamente y
desarrollar la intulmdn:
se puede estudtar la
1.
Los mtodos numricos son herramientas extremadamente poderosas para la solucin de problemas. Son capaces de manejar sistemas deecuacionesgrandes,nolinealidades
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.
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.
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
1.2 FUNDAMENTOSMATEMTICOS
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
libro.
MTODOS
NUMRICOS
PARA INGENIEROS
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.
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.
1.2e). Las
ecuaciones diferenciales ordinarias tienen un enorme significado
NUMERICOS
LOS METODOS PERSONALES
COMPUTADORAS
Y LAS
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 concentrarel esfuerzo del lector
al estudiar el material.
los mtodos
1.3.1
Alcanceycontenido
La figura 1.3 es una representacin esquemticadel 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 orientarle a los mtodos numricos y para darleuna motivacin mostrndole
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.
MTODOS
FIGURA 1.3
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 .
TABLA 1.1
Y LASPERSONALES
COMPUTADORAS
1.
2.
3.
4.
5.
6.
7.
8.
9.
1o.
11.
CAPTULO UNO
MODELOS
MATEMTICOS
12
MTODOS
NUMRICOS
PARA.INGENIEROS
se clasifican desde simples relaciones algebraicas hasta grandesy 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.
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
FIGURA 1.1
13
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.
dv
dt
m-=F
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.
donde g es la constante de gravitacin, o la aceleracin debida a la gravedad, que es aproximadamente igual a 980 cm/s2.
INGENIEROS
MTODOS
14
NUMRICOS
PARA
arrastre (en gramos por segundo). As, a mayor velocidad de cada, ma-
m- = mg - cv
dt
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
obtenerse usando simples manipulaciones algebraicasy operaciones aritmticas. 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
EJEMPLO 1.1
15
MTODOS MATEMATICOS
FIGURA 1.2
dadantes
de abrir el paracadas. El 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
v (t)
980(68,100)
[I - e-t12.500/68.1001f
12,500
1
= 5339.0 (1 - e-0 18355t )
=
v, cm/s
2
4
6
2776.9
1640.5
3564.2
4 109.5
10
4487.3
12
4749.0
5339.0
16
MTODOS
FIGURA1.3
USO
de una diferenciafinita
v con respecto a t .
paraaproximarlaprimeraderivadade
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
[ : I
9
- -u(ti)
u(t1+1) = U@)
Nuevo
valor
de u
valor
anterior
valor
estimulado
incremento
de u
dependiente
la
&+I
ti)
[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,
-
EJEMPLO 1.2
del
tiempo
~ ( 4=
) 1960 + 980
=
3200.5 cmis
___
68
l2500
100(1960+
re-
20
MTODOS
i)
j)
NUMRICOS
PARA INGENIEROS
1.3
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 numricasvan 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 proporcionarcriterios especficos
para la evaluacin de los esfuerzos del lector.
22
FIGURA 2.1
23
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 capacidaddememoriason
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
CUADRO 2.1
de
* Condensodo de
PARA INGENIEROS
Longitud
Cifras
almacenaclculo,de Costo
palabra
significativas
(dlares) bits
Sistema
Calculadora
prograrnable
Microcomputadora
Minicornputadora
Cornputadoras
grandes
NUMRICOS
ciclosls
1-2
O
7-1 O
7-1 O
7-1 4
miento (K)
25-350
7-1 6
16-32
32
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
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
DESARROLLODE
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
2.2.1
Diseo de algoritmos
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 paraejecutar una tarea especfica tal como la solucin de un problema. Los buenos
algoritmos tienen ciertas caractersticas. Siempre deben terminardespuk
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
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. Lafigura 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
METODOS
28
FIGURA 2.4
29
LAPERSONALES
PROGRAMACldN
COMPUTADORAS
EN LAS
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.
30
INGENIEROS
PARA
METODOS NUMERICOS
25
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
CUADRO 2.2
PARA INGENIEROS
BASIC
CONSTANTES Y VARIABLES
Constantes
numricas
Constantes
Enteros
sonconstantes que no contienenpuntosonnmerosenteros
decimal:
1, -2, 100
decimal:
1, -2.0, 0.001,100
Constantes reales:
contienen punto decimal:
notacin cientfica.
-12 x
lo3, 6.8 x
3.86 x 10
VALOR DE A =, 8/5/48
EN
LA PROGRAMACldN
33
PERSONALES
LAS COMPUTADORAS
CUADRO 2.2
Variables numricas
representan cantidades que pueden cambiar de valor.
Se usan para estas
y no
variables los nombres simblicos, que deben empezar con una letra
pueden contener smbolos especiales.
Nombres de variables
Nombres de variables
AA, X, N1
Variables enteras
reales o enteros.
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.
. El tratamiento de las cadenas de caracteres vara considerablemente entre
diferentes versiones
Declaracin CHARACTER
Cadenas variables
$. La longitud de
son de la forma:
terminan
con
la varia-
ble es limitada.
A$, N1$
CHARACTER * n vorl,vor2
donde n es la longitud especfica de la
cadena de caracteres seguida por una
lista de variables. Por ejemplo,
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)
Se permiten hastasietesubindices
deben ser enteros positivos.
ser variables.
Los arreglos no dimensionados generan
un error.
dimensionados
Los
noarreglos
un valor de n = 10.
suponen
34
M ~ T O D ONUMRICOS
S
CUADRO 2.2.
Referenciarpida:comparacindeFORTRAN
PARA INGENIEROS
y BASIC. (cant.)
FORTRAN
BAS IC
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.
Entrada
especifica los medios por los cuales se transmitendatos al programa
Declaracin READ
permitenintroducirdatos
durante su ejecucin:
READ f varl,vur2,.
alprograma
. .
, vur,
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.
Declaracin DATA
Declaracin INPUT
Permitenintroducir datos at programa
durante su ejecucin:
10 INPUT A,B
Cuando se ejecutaestainstruccinse
deben introducir los valores de A y B en
undispositivo,tal como el teclado.
DeclaracionesREDlDATA
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.
35
LAPERSONALES
PROGRAMACldN
COMPUTADORAS
EN LAS
CUADRQ 2.2
BASIC
10 READ
A,B,C,Z
. . .,valor,,/
90 DATA5,0.001,88,1 E-6
DATA A,B,C,Z/5.,0.001,88.,1.E-6/
Salida
esel
Declaracin WRITE
Declaracin PRINT
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
Enel
momento que esta declaracin
se ejecuta, los valores de A y B se imprimen en un dispositivo tal como la pantalla o una impresora.
1
I
cA1cu10s
Declaraciones de asignacin
se usan para asignar un valor a una variable:
XM=3.281
indica a la computrdora
3.281
a la variable
XM;
A=XM+5
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:
+
-
..
Suma
Resta
+
-
36
MTODOS
CUADRO 2.2
NUMRICOS
PARA INGENIEROS
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)-RA3)/33-YA4/45)A.5
X=(((A+B)-R**3)/33-Y**4/45)**.5
CONTROL
especificaunsalto
Dedaracin GO TO
GO TO 200
Operadores lgicos
.EQ.
.NE.
.IT.
.LE.
.GT.
.GE.
.AND.
.OR.
, Igual
.
a
diferente de
menor que
menor o igual que
mayor que
mayor o igual que
<>
<
<=
>
>=
lgica
AND
OR
Declaracin lgica If
se utilizan para la toma de decisiones, de acuerdo al valor verdadero
a falso
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
LA PROGRAMACldN
PERSONALES
LAS COMPUTADORAS
CUADRO 2.2
37
y BASIC. (cont.).
FORTRAN
BASIC
Ciclos
permiten repetir clculos con una cantidad
mnima de declaraciones
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
IF:
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
FORlNEXT
Ciclos
DO In I=j,n,k
In
CONTINUE
FOR I = i T O
In
STEP k
NEXT I
Funciones intrnsecas
son funciones construidas internamente o funciones de biblioteca que realizan
operaciones matemticas o trigonomtricas que se emplean comnmente.
SIN
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
EXP
SQR
ABS
INT
38
INGENIEROSMETODOS
CUADRO 2.2
NUMRICOS
PARA
. . ,xn) =
Declaracin DEF
son de la forma general:
in DEF FNa(x) = f
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 tipofunctionson
de lo forma
general:
nombre =
RETURN
10 DEF FNT(X)=SIN(X)-LOG(B)
80 E= 10
70A=5
90 S=FNT(AJ
39
LA PROGRAMACldN EN PERSONALES
LAS COMPUTADORAS
CUADRO 2.2
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:
. .,arg,)
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
mentelos valoresqueaparecencomosubrutina.
argumentos de la misma:
40
MTODOS
CUADRO 2.2.
BAS
y BASIC. (cont.)
IC
END
SUBROUTINE SUM (A,B,C)
C=A+B
RETURN
500 END
800 Z=X+Y
850 RETURN
COMMON.
DOCUMENTACI~N
REM
REM seguida
Declaracin
comentario
de Declaracin
mensaje.
mensaje.
5.
078fq
LA PROGRAMACIN EN LASCOMPUTADORASPERSONALES
donde FORTRAN y BASIC difieren significativamente. Las diferencias estriban en la manera en que se pasainformacin 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.
2 . 2 . 3 Rastreo y
prueba
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
FORTRAN
PARA INGENIEROS
BASIC
s=o
DO40 I
NUMRICOS
1 , 10
S=S+I
40 CONTINUE
A = S/I
WRITE (6, 1 )A
1os=o
20 FOR I = 1
TO 10
3OS=S+I
40 NEXT I
5C A = S/l
60 PRINT A
in PRINT vorl, . . . , V O ~ ,
1. datos.
Leer
2. Mostrar datos.
informacin.
tabla.
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-
MTODOS
44
NUMRICOS
PARA INGENIEROS
FIGURA 2 . 7
45
L A P R O G R A M A C I ~EN
N LAS COMPUTADORASPERSONALES
2.2.5 Almacenamiento
y mantenimiento
FIGURA 2.8
Disco flexible.
46
INGENIEROS
PARA
MTODOS NUMERICOS
perforadas se podan guardar, pero paraun 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 unaparte,
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 teneruna 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.
-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
promedio de cambio de velocidad respecto al tiempo [Ec. (1.8)].Si se
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
FIGURA 2.9
47
48
MTODOS
NUMRICOS
PARA INGENIEROS
El diagramade
T0=0
v0=0
H=Z
t4=t 0
C=t2500
M1681 O 0
T=TO
'V =v o
2 0O
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
E ti C)
FIGURA 2.1 O
"
EN
LA PROGRAMAC16N
PERSONALES
LAS COMPUTADORAS
49
50
MTODOS
NUMRICOS PARA I N G E N I E R O S
F
PRDCRRMR LEGIBLE RL USURRIO
En FDRTRBN p a s a EL PROBLEMQ
DEL PARPCP,IDISTP.
c
C
sc c u w R n
CIVIL
EHCINEERIHC
C
C
TEXPS
a w UNIVERSITY
................................................
C
FUHCIOH
DV/DT
CRLCULUR
................................................
................................................
................................................
PPlRP
DVDT(C.V,N)-980-C.V/M
PRDCRRMR PRINCIPRL
................................................
................................................
UD
SUBRDUTIHE LRBEL
VRITE(6, I >
FORMIIT( '-':SDLUCION
Paun LP,
VELOCIDAD
DE
................................................
................................................
RETURN
END
SUBRUTINR
L E EPRR W
calw
GEL P m m a I D I s T f i
DRTDS
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 >
REIRD(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
*DELINCREMENTO
Y NO PUEDEVPLER
CERO')
22:2 0 RETURN
END
~~
...............................................
......................
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>
v-vo
C
C
VRITE(6.6)
,,4Y,'T
tSEC>'.1OX,'V
6 FDRIIPIT(,
YRITE(6.7>T.V
INPRIME E L CICLO
DO 31601-1,NP
CICLO DE CP,LCULD
CWSEC
3340
3360
1170 C O N T I k
3390 RETURN
END
FIGURA 2.1 1
INTERVALO
EN
LA PROGRAMACldN
PERSONALES
LAS COMPUTADORAS
51
52
REFERENCIA
Dt CAlCA
VICMISECI
MASS I G I - 6 8 1 0 0
TISECI
O
O
7
1w n
4699
3985 55437
4482 42869
4796 89686
4995 92151
5121 88278
5201 60276
5252 05696
5283 98906
3%;
4
VFLOCIOAD INICIAL ICMlSEGl
456
6
8
10
12
14
16
18
= 3
20
M A S S I G I = 68100
IMPRIME EL INTERVALO\SEGI = 2 6
COEFICIENTE DE FRlCClON IG'SEGI
(PARA TERMINAR EL CALCULO
TECLEA U N CERO) 65
MASAIGI
23
VICMiSECI
42291
TlSECl
O
2
3272
4
6
6
VICMiSLGl
TlSEGl
5133.70342
TISECI
VlCMlSECl
O
2
3128
51689
4
6
8
5771
10
12
14
16
18
20
O
1960
4151.22591
4739.6755
5397 5459
5574 21 576
51452 5692
72778
5824.76927
1960
3825
16572
4240 49528
4488 10732
4635
72918
4723
73869
10
12
14
4776.20838
16
18
4807 48987
20
4826 13934
FIGURA 2.1 2
del
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 compatible) o sobre una APPLE 11. El disco contiene seis programas escritos en
BASIC: biseccin, eliminacin Gaussiana, regresin lineal, interpolacin
FIGURA 2.13
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 todala 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 porel 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 ilustracionesse 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 opcionalesNUMERICOMP disponibles con el texto
FIGURA 2.14
a) Ttulo de
FIGURE 2.14
55
56
PROBLEMAS
2.1
57
xlsenl
b) y=c)
x-1
-b -
x=
2a
2.2
2 xi2
2.3
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
b) 35 X1
A' (Z/B)
cj 35 X1 = A'B - B**B/Z
d) 35 X1 = ((A'Z)
e ) 32 J
36 X1
2.4
2'2
- B/Z)' *Z)/(B - Z)
INT(A* *Z/B - 2)
=
J'A
Dado el programa del problema 2.3, escrbase el cdigo de la lnea 35 que evaluar las siguientes expresiones algebraicas:
x1 =
a'
-4 6
2
XI
2.5
=a
- dz/5
+ 6(a + 2)2'3 - -7
b
58
NUMRICOS
MTODOS
PARA INGENIEROS
2.6
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 tablael 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
bx
c =
EN
LA PROGRAMAC16N
59
PERSONALES
LAS COMPUTADORAS
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 = 4
b = -4
h = -2
b) a = O
c) a = l
2.8
c = 2
c = 2.3
c = 2.3
la serieinfinita:
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
X*
eX=l+x+-
solucin real
solucin aproximada
solucinreal
100%
A1 = P
i(1 + i)"
(1 + i)" - 1
60
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 tantosvalores 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. El costo de mantenimiento de la computadora crece de acuerdoa 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
LA PROGRAMACl6N
EN
if)Zfji3fi51*1
LAS COMPUTADORAS
PERSONALES
PEP
=
CEP
+ PT
PEP
PT
* CT
Ir al paso 10.
Introducir la calificacin del examen final (CEF).
Determinar la calificacin promedio (CP) mediante
CP
PEP
=
PT
PEP
CEP
CT
PT
(PEF)
(CEF)
(PEF)
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 podr6realizar 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 ejesx 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
EN EL SALDO
DEL
TALONARlO
CHEQUESPORCOBRAR NO
CARGADOSALESTADODE
CUENTA
4 58
4 60
46 I
463
4 64
46 S
466
5 68
13 33
150 O0
I4
Abrl
MES
SALDO NUEVO
COMO SE MUESTRA EN
ESTEESTADODECUENTA
50 O 0
6 4 3 . S4
SUMA
DEPSITOS QUE NO
ESTAN EN ESTE
ESTADO
DE
CUENTA
74
9 32
44 IS
250.00
22. IS
TorAL
RESTA
TOTAL DE CHEQUES
POR COBRAR
600.52
FIGURADELPROBLEMA
2.13
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. Enlasprimeras
secciones se revisalainformacin
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.
FIGURA 3.1
APROXIMACIONES Y ERRORES
65
alldelamitaddelas
marcas del indicador, se puede asegurar que el
automvil viaja aproximadamentea 49 km/h. Este resultado casies verdico ya que dos o ms lecturas individualesal indicador llevan a la misma
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 conexactitud.Laincertidumbre
se puede desechar
usandolanotacincientfica
en donde 4.53 X l o 4 , 4.530 X l o 4
y 4.530 O x l o 4 muestranque el nmerotiene tres, cuatro y cinco cifrassignificativas.
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
INGENIEROSMTODOS
NUMRICOS
PARA
APROXIMACIONES Y ERRORES
FIGURA 3.2
67
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.
valor aproximado
error
[3.11
D.21
68
EJEMPLO 3.1
Clculo de errores
Solucin: a) Elerrorenlamedicindel
E , = 10 O00 - 9999 = 1 cm
y parael remache es de
E,= 1 0 - 9
lcm
b) El errorrelativoporcentualparaelpuenteesde
E =
10 O00
100%
[Ec. (3.3)]
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.
,
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,
donde
E,
error verdadero
100%
valor verdadero
denota el error relatioo porcentual.
70
METODOS NUMRICOS
PARA INGENIEROS
[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.
71
APROXIMACIONES Y ERRORES
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
Querepresenta un errorrelativoporcentualde
"
[Ec. (3.3)]
1.648721271 - 1.5
1.648721271
9.029%
1.5 - 1
100% = 33.3%
1.5
1
2
3
4
5
6
9%
Resultado
E"
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
EL7
5%
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 sonpor lo 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
E,
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 ERRORES
73
CUADRO 3.1
Comparacibn del problema del paracaidista usando una cantidad diferente de cifras significativas,
con
un tamao de paso igual2 as. Los clculos se realizan con el nmero de cifras significativas indicadas.
VELOCIDAD, cmls (cifras significativas)
Tiempo,
O
2
4
6
8
10
12
1960
3200
3980
4470
4780
4980
1960
3200
3985
4482
4796
4995
0.0
1960.0
3200.4
3985.5
4482.3
4796.8
4995.8
0.0
1960.00
3200.46
3985.54
4482.41
4796.88
4995.91
u(2)
1960
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.
74
INGENIEROS
PARA
MTODOS NUMERICOS
EJEMPLO 3.4
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.
75
APROXIMACIONES Y ERRORES
RECUADRO 3.1
tad0 es igual al nmero ms pequeo de cifras significativas que contiene la cantidad en la operacin.
Reglas de redondeo
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
y el resto se descarta (fig. B3.1).El ltimodgito
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.
( )( )
Multiplicacin multiplicacin
diviin
divizn
o tambin se pueden multiplicar o dividir los resultados de las sumas y las restas:
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.
ultimo
digito
Primer
digito
5.6170 431
Digitas
retenidos o
significativas
FIGURA B3-1.
Digitos
descartadas
Ilustracin de los dgitos retenidos y descartados de un nmero con cinco cifras significativas.
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
10.41
7.4
88,216
1.3
PARA INGENIEROS
4 cifras signlficativas
2 cifrassignificativas
5 cifrassignificativas
2 cifras
significativas
que se re-
2.2
+ 8.3
0.004 68 x
- 2.28 x
6.0 x
3 . Multiplicacin y divisin:
a) Evalese 0.0642 X 4.8
0.0642
4.8
0.308 16
-+
0.31
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
encerradas:
APROXIMACIONES Y ERRORES
77
9.08
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
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.
665.3 X
2.677 8 x lo3
y seredondea:
665 X 10-7
2.678 X lo3
finalmente, se divide y se redondea el resultado:
2.483
196
...
lo-*
"
+
2.48 x
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:
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:
79
APROXIMACIONES Y ERRORES
+m
(xi+l3!
Xj)3
xi)" +
R"
[3.12]
R, = f'"+"(h)
(n + l)!
(Xi+1 -
Xi),+]
[3.13]
[3.15]
EJEMPLO 3.6
Aproximaciones de un polinomio mediante la serie de Taylor.
INGENIEROS
80
PARA
NUMERICOS
METODOS
E = 0.2
1.2:-
1.0
en x = 1.
Para n = 1 , laprimerderivada
x = O, como:
FIGURA 3.3
se debedeterminar y evaluaren
APROXIMACIONES Y ERRORES
81
Laaproximacinaprimerorden
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 pendiente de una lnea recta (Fig.3.3).De esta manera el error de truncamiento
se reduce a:
E,
x =
O:
(3.11):
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 mejoranan m6s la aproximacin. En efecto, incluyendo la tercera y la cuarta derivada, se obtiene la ecuacin original:
f(q+l)
1.2 - 0.25h
ya que laquintaderivada
de un polinomio de cuartoordenes
nula,
exacta en x
1.
82
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.
f (x) = cos x
APROXIMACIONES Y ERRORES
83
COS
(d4)
0.707 io6781
loo^ = 41,49g
0 . 5 - 0.707106781
0.5
E =
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
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
~
xirnacin (m).
Orden n
f(x)
O
1
2
3
4
5
6
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
MTODOS
84
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.
= f(x0
En la figura 3.4 se muestra un bosquejo de esta prediccin de orden cero. El 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 unasimplificacin 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 todavaes inexacto,
ya que se han despreciado los trminos de segundo orden y de rdenes
85
APROXIMACIONES Y ERRORES
FIGURA 3.4
Representacingrfica
residuo.
de unaprediccinde
la serie deTaylorcon
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 diceque si una funcin f (x) y su primera
derivada son continuas sobre un intervalo [x, xi+J, entonces existe al
menos un punto sobrela 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
FIGURA 3.5
PARA INGENIEROS
a7
APROXIMACIONES Y ERRORES
Aproximacin de Error
primerorden
detruncamiento
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]
3.5.4.
Diferenciacin
numrica
88
MTODOS
NUMRICOS PARA
INGENIEROS
generalmente como:
[3.24]
O
[3.25]
APROXIMACIONES Y ERRORES
FIGURA 3.6
Grfica de aproximaciones con diferencias divididas tinitas de la primera derivada, a) hacia adelante, b) hacia atrs y c) centrales.
89
90
MTODOS
para obtener
or
[3.29]
=f
k i )
f"(xi)(2h)Z
+ f'(XiI(2h) + 2
...
[3.30]
APROXIMACIONESY ERRORES
91
[3.32]
FIGURA 3.7
92
MTODOS
NUMRICOS
PARA INGENIEROS
FIGURA 3.8
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-
93
APROXIMACIONES Y ERRORES
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.
94
NUMRICOS
MTODOS
EJEMPLO 3.8
PARAINGENIEROS
divididas finitas
- 0 . 1 ~- ~0 . 1 5 ~
-~
0 . 5 ~ 0~. 2 5 ~+ 1.2
f(Xj-1)
xi = 0.5
!(X)
1.2
0.925
1.0
f ( x j + J = 0.2
Estos datos se pueden usar para calcular la diferencia dividida haciaadelante [Ec.(3.24)]:
Xi+!
f'(0.5) =
0.2
0.925
= -1.45
O. 5
la diferenciadivididahaciaatrs
f '(0.5) =
0.925 - 1.2
0.5
Para h
58.9%
:
[ c(3.27)]
.
-0.55
y la diferenciadivididacentral
E, =
E, =
39.7%
[Ec. (3.29)]:
= 0.25
x, = 0.50
Xi+l - 0.75
xi-1
f(xi-1)
1.10351563
f ( x , )= 0.925
f(xi+l) = 0.636 328 13
0.636 328 13
0.25
0.925
1.155 = E"
"
adelan-
26.5%
95
APROXIMACIONES Y ERRORES
la diferenciadivididahacia atrs:
f'(0.5)=
-0.714
E"
-0.934
E,
21.7%
y la diferenciadividida,central
-2.4%
Para los dos tamaos de paso, las aproximaciones de diferencias centrales son ms exactas que las diferencias hacia atrsy 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.
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 disminuye, es decir donde los errores de redondeo empiezan a negarlos beneficios 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
FIGURA 3.1 O
NUMRICOS
PARA INGENIEROS
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 anteriores tienen una relevancia general en muchas delas otras tcnicas del
libro. Sin embargo, debe de hacerse hincapi en que aunqueel tema es,
hasta cierto punto, un arte, hay unavariedad 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 ERROREP
SOR 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 tenergran 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.
97
APROXIMACIONESY ERRORES
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
sea posible, observando las caractersticas especficas de los datos. Estas
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
los casos independientemente de estos errores.Por lo tanto, en ia mayor
parte de este libro se supondr que nohay 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 los mtodos n u mricos sin complicaciones.
PROBLEMAS
3.1 Cuntas cifrassignificativashay
a) 0.84 X 10'
fl
b) 84.0
g) 0.004 60
c) 70
d ) 70.0
h) 8.00 x 10'
i) 8.0 X lo3
e) 7
j) 8
0.046 00
000
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)
99
APROXIMACIONES Y ERRORES
C)
d ) (9.8 X
e) (7.7 X
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)
dl
486
x 10~6)- 22 (8.06 x
+ 555 - 80.8) x (2.000 1 - 0.004)
X 10-6
4.45
(7.777 X 103) +
10-5
9.6
4.81 x
(6.9134 x lo3) + 32.26
58.6 (12 x 10~6)
- (208 x
6.7845 x 1 0 ~ 6
(1801)
468.94 x
2!
x4
x6
x8
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:
x3
3!
(H
xs
x7
5!
7!
/ 2)
3.9 sense los trminos en serie de Taylor de cero a tercer orden para estimar f (3)para
f(xj
25x3
6x2 + 7x - 88
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 deh = 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
l.
a. Races de ecuaciones
102
MTODOS
NUMRICOS
PARA INGENIEROS
ajuste de curvas
d.
Integracin numrica
FIGURA 1.4
mtodonumrico
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
tonyRabinowitz
contenido de este libro. Adems, alfinal de cada parte deeste texto,
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 personalesofrecen 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 lo 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
b.
EPLOGO PARTE I
105
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
5. Comportamiento matemtico de las funciones, ecuaciones o datos. AI seleccionar un mtodo numrico en particular,el tipo de computadora y el tipo deprogramas,
se debe tomarencuentala
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
un cambio en el cdigo del programao la expansin dela documentacin. 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 problemas prcticos. AI final de cada parte del libro se presenta una tabla
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
107
EPiLOGO PARTE I
- valor
aproximado
valor verdadero
Error
relativo
valor
verdadera
porcentual verdadero % =
Error
relativo,
aprox.
actual
0
porcentual
oproximado
100%
- aprox.
previa
100%
aproximacin actuol
Criterios de poro
<
6,
donde es es elerrorrelativoporcentual
deseado,especificado
de
directamente o calculado en trminosdelnmerodeseado
cifrassignificativas n
=
(0.5
lo2-")%
Serie de Taylor
Expansin en
la serie de Taylor
f(x,+,) =
fYXJ
+ f'(x,)h + -h2
/(X,)
2!
+-f'"(x)
3!
h3 +
.,.
I f c n ) ( X ! ) hn
R,
n!
donde
Residuo
O
R,
O(h"+')
Diferenciacin numrica
diferencia
Primera
dividida finlta hacia
adelante
f'(XJ =
f(X,+l)
f(x,)
+ O(h)
1.6
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) proporcionanunabuenaintroduccin
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 unconsejo 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).
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
,
~
[11.2]
( 1 1 . 1 ) se
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_
,A.
.,
x/
..;
?. U n mtodo
110
MTODOS
NUMRICOS
PARA INGENIEROS
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-
111
RACES DE ECUACIONES
CUA,DRO 11.1
independiente
Parmetros
Balance
calor
de
Temperatura
Tiempo y
Dosicin
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
Balance de la
fuerza
Magnitud y
direccin de
fuerzas para
establecer
el equilibrio
Tiempo y
posicin
Resistencia del
material,
propiedades
estructurales y la
configuracin del
sistema.
Balance de
la energa
Cambios en los
estados de la
energa cintica
y potencial del
sistema
Tiempo y
posicin
Propiedades
trmicas, masa del
material y la
geometra del
sistema
LeyesNewton
de Aceleracin,
del movimiento
velocidad o
posicin
Tiempo y
posicin
Leyes de
Kirchhoff
Tiempo
Propiedades
elctricas del
sistema,tales como
la resistencia,
capacitancia e
inductancia.
Corriente y
en
voltaje
los
circuitos
elctricos
112
INGENIEROS
PARA
MTODOS
NUMERICOS
[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.
RAlCES
113
ECUACIONES
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:
fnyn
+ fn-1yn-1 +
...
+ f i y + fo
[11.5]
{(x) =
a0
+ UlX +
* *
+ a,x"
C11.61
2 . 3 7 ~+ 7 . 5 ~ ~
[11.7]
Y
f(x) = 5x2 - x3
+ 7x6
[11.8]
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
[11.10]
f(x) = In x2 - 1
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:
17
La ecuacin (11.1) se puede usar para determinar que las races son:
X =
Por
16
es:
*m
8
114
INGENIEROS
y la otra
PARA
METODOS NUMERICOS
es:
x = 2 - , 1i
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.
2.
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.
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
RAiCES DE ECUACIONES
11s
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
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 proporcionatambin
un resumende
las frmulasimportantes,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 IBM 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.
RACES DE ECUACIONES
117
CUADRO 11.2
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.
C A P T U L OC U A T R O
MTODOS QUE
USAN INTERVALOS
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
f(x)
1.000
0.0
0.2
0.4
0.6
0.8
1 .o
PARA INGENIEROS
0.619
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
enla ecuacin originalpara obtener:
-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
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
signosopuestos
en los
extremos,entonces habr un nmero impar de
races
dentro
del
intervalo.
121
EJEMPLO 4.2
Uso de grficas por computadora para localizar races
.J
INGENIEROS
122
PARA
NUMERICOS
METODOS
FIGURA 4.3
Ilustracindealgunas
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 racesenel
intervalo. b) Las funciones
discontinuas
en
donde
losextremostienensignos opuestos tambin
contienen un nmero par
de races. Se requieren
estrategias especiales para determinar lasraces
enestoscasos.
el texto. Sin embargo, de esta manera esposible entender cmo la graficacin por computadora ayuda a localizar races.
La funcin:
!(x) = sen lox
cos 3x
MTODOS
123
QUE
4.2 MTODO
DE BlSECClN
FIGURA 4.5
"
.
.
l
"
-
Algoritmo de la biseccion.
..
..
_"
"...
124
NUMRICOS
MTODOS
PARA INGENIEROS
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, =
O+l
-= 0.5
2
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%
.)
125
METODOS QUEUSANINTERVALOS
FIGURA 4.6
f(0)f(0.5) = (1)(0.10653)
0.106 53
0.5
+ 1.0 = 0.75
2
le,/ =
32.2%
126
f(0.5)f(0.75)
-0.030 < O
0.75
0.5 + 0.75
= 0.625
2
/E,[ =
10.2%
0.625
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
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 lae siguientemanera [recurdese la ecuacin (3.5)]:
donde
es laraz de la iteracinactual y xYterior
es elvalordela
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
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
5.3
1
2
3
4
5
9
4.69
Xr
0.5
O. 75
0.625
0.81
0.5625
0.59375
I 4
?fo
11.8
32.2
10.2
/%It
Oh
33.3
20.0
11.1
128
INGENIEROS
MTODOS
FIGURA 4.7
NUMRICOS PARA
129
X,
0.562 5
0.062 5
FIGURA 4.8
FIGURA 4.9
Esauema grfico del porqu la estimacin del error en el mtodo de biseccin (Ax/2) esequivalente a laestimacinactualdelaraz
(xrnueuo)
menos la estimacin anterior de la raz
130
MTODOS
REID<S,l)XL~XU~ES,lU
FORMIT<3FlO.O,IS)
AR-FC XL )*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. E P . 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
. L0T . E S ) C O T O
230 XR-XN
2 4 0 CONTINUE
MRITE(6.2)
NEXT
2
~ o ~ n f i ~
';NO
( '
SE EN C U N T RLO
f+.RIIZ')
URITE<C,3)XR,Efi
3
FORMA
' ,T2<
F '1 0 . 3 )
COTO 3 1 0
2eo M R I T E ( 6 , 4 ! X N . E f i . N I
4
F O R,U2RF T1 (0'. 3 , 1 5 )
COTO 3 1 0
300 URITE(6,S)XR
5
FORMnT('
RA1Z
','LA
EX(ICT0 ES = ' , F l 0 . 3 )
>
310
.Ut&
Y
FN F I
EXP I
-. X
211:l E A =
1< I
AB5
( 1
hN
XRI
XNI
(Funcin a la cual
calcular la raz)
XUXL,
= lmites inferiot'y
superior
ES = error porcentual
aceptable
IM = numero mximo de
Iteraciones.
(Verifica si XL y XU
encierran una raiz)
f
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, P R I N T k N . E A . N I
74*:,
P'nj
lol:,
..
_.
2"o
c.010 310
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)
STOP
END
FIGURA 4.10
P r o g r a m ap a r a
se le va 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
[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 despusde 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
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
FIGURA 4.1 1
NUMERICOS
PARA INGENIEROS
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 REGLAFALSA
133
que se puede resolver Dara (vase el recuadro 4.1 para mayores detalles)
FIGURA 4.12
-. ^ _ , ~ .
l_..*_,~-..ll.
134
PARA
Dividiendo entre
INGENIEROS
de lo regla falso
- f (x"):
xr = xuf(x1) - x,f(xu)
f(X/) - f(xu)
sta es una forma del
METODOS NUMtRICOS
x, = xu -
f(xu>(x/- xu)
f (XI) - f(xJ
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.
135
M ~ O D O QUE
S USAN INTERVALOS
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
1 4
I
1
loo%
8.0%
Segunda iteracin:
fh)
0.612 7 -
E, =
0.89%
I 4=
0.572 19 - 0.612 7
0.572 19
7.088
136
METODOS
FIGURA 4.13
NUMRICOS
PARA INGENIEROS
METODOS
137
4.3.1
Desventajasdelmtododelareglafalsa
EJEMPLO 4.7
Un caso donde el mtodo de biseccines preferible al de4a'regla falsa
entre x = O y x = 1.3.
Solucin: usando biseccin, losresultados se resumen como:
1
2
0.975
0.65
3
4
5
0.975
0.975
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
138
~~~
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
0.33811
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
= x"
- 1,
ilustracin de la convergencia
139
MhODOS QUE
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
4.4 BSQUEDASCONINCREMENTOS
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
FIGURA 4.1 5
METODOS
PARA INGENIEROS
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.
PROBLEMAS
Clculos a mano
4.1
Determnenselasracesreales
f(x)
de:
- 0 . 8 7 4 ~+
~ 1 . 7 5 ~+ 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.
141
4.2
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
7 9 . 3 5 ~ " 8 8 . 0 9+~4~1 . 6 ~ ~8 . 6 8 ~
+ ~0 . 6 5 8 ~ ~
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
f(x)
9.36 - 2 1 . 9 6 3 ~+ 16.2965~'- 3 . 7 0 3 7 7 ~ ~
a)
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 tanx = 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.
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.
4.7
f(x)
..
1 -0.6~
=
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
4.8
E,
4.9
Encuntrese larazpositivams
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.
de:
!(x) = x4 - 8 . 6 ~ ~3 5 . 5 1 ~ '
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 % .
= x3 -
de:
100
Analticamente
con es
0.1 %
donde g = 980. Para un paracaidista de masa m = 75 O00 g calclese el coefic con u = 3600 cm/s en t = 6 s . seseelmtodo
de
cientederozamiento
lareglafalsa paradeterminar c con es = O. 1 % .
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.
a)
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
143
QUE
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.
4.17 sense los programas de NUMERICOMP para encontrar las races reales de dos
funciones polinomiales cualesquiera. Grafquense las funciones sobre un rango definido para obtener los lmitesinferior y superior de las races.
4.20 Desarrllese un programa legible al usuario para el mtodo de la regla falsa basado
en la seccin 4 . 3 . 2 . Prubese el programa con el ejemplo 4.6.
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
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:
x = -x2
+3
!
mientrasquesen x = O puedetransformarseenlaformadelaecuacin
(5.1)sumndole x a ambos lados para obtener:
x = senx
147
MhODOS ABIERTOS
EJEMPLO 5.1
Iteracin de punto fijo
la
Iteraci6n. i
O
1
2
3
4
5
6
7
8
9
10
I
100.01 .oooooo
171.8 0.367879
46.9 0.692201
38.3 0.500473
17.40.606244
11.20.545396
5.90 0.57961 2
3.48 0.5601 15
0.571 143
0.564879
1.93
1.1
1 O0
76.3
35.1
22.1
11.8
6.89
3.83
2.20
1.24
O. 705
0.399
RECUADRO 5.1
[B5.1.2]
= g(xi)
x, = S(&)
Restando estas dos ecuaciones se obtiene:
xr -
Xi+l
= g(xJ - g(xJ
[B5.1.1]
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)
MTODOS
148
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
<
= 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
METODOS
149
ABIERTOS
= f2 (x)
=fl(4
r5.31
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
-x
= O en dos par-
Y1
Y2
0.0
0.2
0.4
0.6
0.8
1 .o
0.0
0.2
0.4
0.6
0.8
1.O00
0.819
0.670
0.549
0.449
0.368
1 .o
Estos puntos se grfican en la figura 5.2b. La interseccin de las dos curvas indica una aproximacin dex = 0.57, que correspondeal punto donde
cruzaal eje x.
la curvaoriginal en lafigura 5 . 2 ~
METODOS NUMERICOS
150
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
__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:
La solucin en la figura
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
de punto fijo
Programaparalaiteracin
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
BASIC
lFunc16n a la que se
desea calcular la raizl
1X I
I I
Ill
I N P U rX R . E S .
1213 F O RN I
= 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
X R ) I X N ) e-.
1W
160 I F E A
\
1.70 XR = XN
180 NEXT N I
I90 P R I N T" N O
200 NNII
I70
1 so
2
a10
210
URITE~6.3?XN,EA,NI
F O R M h ,TZCF' I 0 . 3 , I S f
220
= ES THEN 210
SE
ES = errorporcentualaceptable
IM = niutm
e
mrd
aeae
xrcm
ol oon e s
XN = aproximact6n a laraz
EA = aproximaci6nporcentualdel
error
( p r u e b ad e
ENCONTRO L A R A I L "
P R I N TX N . E A . N I
END
STOP
END
FIGURA 5.4
152
5.2 MTODO
DE NEWTON-RAPHSON
Tal vez, dentro delas 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.
FIGURA 5.5
_
l
_
_
l
~~.~
~
153
METODOS ABIERTOS
EJEMPLO 5.3
Mtodo de Newton-Raphson
Enunciadodelproblema:seseelmtododeNewton-Raphsonpara
- x empleando elvalorinicialde
x. = O.
calcular laraz de e
"x
Xi+l
= xi -
-e-x'
xi
-
h
J
Empezando con el valor inicial x. = O , se puede aplicar la ecuacin iterativa para calcular:
0.500000000
0.566311003
0.567143165
0.567143290
1O0
11.8
0.147
0.0000220
<10
5.2.1
METODOS
154
RECUADRO 5.2
NUMERICOS
Derivacin y anlisis del error del mtodo de Newton-Raphson a partir de la serie de Taylor
0 = f (Xi) + f '(Xi)
(xr
- Xi)
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:
+ f '(Xi)(X+l
+ f '(Xi)(Xi+l
Xi)
[B5.2.4]
Ahora, notando que el
Xi)
0 = f (Xi)
[B5.2.3]
"(47
+ f( x ~ + I- X)'
[B5.2.1]
2
f (Xi+l) -- f (Xi)
PARA INGENIEROS
[B5.2.2]
[B5.2.5]
L
[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
1 SS
MTODOS ABIERTOS
Examnese esta frmula y vase si es aplicable a los resultados del ejemplo 5.3.
Solucin: laprimeraderivada
de !(x) = e
es:
--e-1
f (x) =
que se puedeevaluaren
f(0.567 143 29)
x,= 0.567
-1.567 143
29
0.567 143 29
0.567 143 29
Z(1.567 143 29)
Ev,i2
- 0.180 95 E,,i2
, , i t 1-
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
0.18095(0.56714329)2
0.058 2
Ev,2
0.000 815 8
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
5.2.2
Desventajas delmtodo
de Newton-Raphson
EJEMPLO 5.5
Ejemplo de una funcin que converge lentamente con el mtodo de
Newton-Raphson
2
3
4
0.5
51.65
46.485
41.8365
37.65285
33,887565
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
METODOS NUM~RICOS
PARA INGENIEROS
158
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
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 casosel 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 debeincluir un lmite m6ximosobre 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
159
METODOS ABIERTOS
FIGURA 5.7
EJEMPLO 5.6
EL mtodo de
la secante
160
x1=1-
"0.632 12(0 - 1)
1 "("0.63212)
/,I
0.612 70
8.08
Segunda iteracin:
x0 =
x1
0.61270
-0.632 12
f(x1) = -0.070 81
f(xo)
(Ntese que las dos aproximaciones se encuentran del mismo lado que
la raz.)
x2 =
0.612 7 0 -
(E,( =
0.563 84
0.58%
Terceraiteracin:
x2 =
0.61270
0.563 84
x3 =
0.563 84
x1
IE, /
5.3.1
f(x1) = -0.070 81
0.005 18
0.005 18 (0.612 70-0.563) 84
"0.070 81 - (0.005 18)
f(x2) =
0.567 17
0.0048%
METODOS
ABIERTOS
161
EJEMPLO 5.7
lteraciin
1
2
3
XI
9.5
es
es
XU
x,
5.8
1.8546
1.2163
1.8546
1.2163
1 .@585
1
2
0.5
5.8
5.@
1.8546
Como se muestraenlafigura
divergente.
1.8546
-4.18438
162
METODOS NUMERICOS
FIGURA 5.8
PARA INGENIEROS
Aunque el mtodo de la secante sea divergenteen 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.
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.
163
METODOS ABIERTOS
FIGURA 5.9
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
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:
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).
xi+l= xi
f (x,1
f '(Xi)
m-
165
METODOS ABIERTOS
Se puede demostrar que esta funcin tiene races en las mismas posiciones que la funcin original. Por lo tanto, la ecuacin (5.10) se puedesustituir en la ecuacin (5.6)y de esta forma desarrollar una forma alternativa
del mtodo de Newton-Raphson:
[5.11J
[5.13]
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, -
166
MTODOS
1I
Xi
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
Ojo
1 O0
8.7
= xi -
- 5xi2
xi
lkl
1
2
3
l . 105263158
1.003081
664
1 .O00002382
1 O0
11
0.31
0.00024
Estndar,
1
2
3
4
5
cy
(33%)
3.4 (13%)
3.1 (3.3%)
3.008 695652 (0.29%)
3.000 074 641 (2.5
X
3.000000 O06 (2x
Modificado l
t ~ l
4(33%)
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
167
ABIERTOS
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 racesmltiples sustituyendola ecuacin (5.10)
en la ecuacin (5.7). La frmula resultante es (Ralston y Rabinowitz,1978):
PROBLEMAS
Clculos a mano
5.1
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
Determnenselasracesreales
f(x) = -2.1
a)
de:
+ 6 . 2 1 ~- 3
. 9+
~ 0~. 6 6 7 ~ ~
Grficamente
0.01%
Emplese el mtododeNewton-Raphsonparadeterminarlasracesreales
!(X)
= -23.33
de:
+ 7 9 . 3 5 ~- 8 8 . 0 9 ~-k ~4 1 . 6 ~- ~8 . 6 8 +~ ~0 . 6 5 8 ~ ~
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 larazreal
menor de:
cifrassignificativas.
5.5
Localcese la
raz
positiva
f(x) = 0 . 5 ~ sen x
de:
168
MTODOS
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 . 5 1 ~
+ ~4 6 4 ~-- 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 problema5.6 pero usando el mtodo de NewtonRaphson, con un valorinicial de x,= 7 .
5.8
5.9
Determnese larazreal
f(x)
de:
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
!(x)
= x3
de:
- 100
5.11
Determnese larazrealmayor
0. 1% .
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
5.13
Determnese larazrealms
pequea de:
MTODOS
169
ABIERTOS
a) Grficamente
b) Usando el mtodo
c) Usando el mtodo
d) Usando el mtodo
e) Usando el mtodo
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'iniciales de x, = x , . ~= 0 . 5 y x, = x, = 1.5 y realcense los clculos hasta que
E,= 15%
5.15
x3
- 3 . 2 ~- ~1 . 9 2 ~+ 9.216
a) Grficamente
b) Usando el mtodo disponiblems eficiente con E,=
0.1%
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
INGENIEROS
METODOS
172
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
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
-1 0,000
-200
-50
1000
4000
FIGURA 6.1
nimiento anual de la mquina. Debidoa que estos costos tiendena 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 lavida til de la computadora. Las ganancias y
las prestaciones yase encuentran en este formato.Se puede disponerde las
frmulas de economa para expresar los costos de compray 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
M~TODOS
NUMERICOS PARA INGENIEROS
174
FIGURA 6.2
Ap = -3000
O.Z(l.2)"
1.2" - 1
A,= -3 O00
valor total =
[1
-200
0.2(1.2)"
1.2" - 1
"
- 1
1.2"
0.2
-costo de compra -
costo
de
mantenimiento
+ 1 O00
+ 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:
A, =
-2 OOO(1.2)"
1.2" - 1
50n
1.2" - 1
+ 3750
~6.41
-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
FIGURA 6.3
CES
CASOS
DOS:
LA PARTE
DE ECUACIONES
177
CASO 6.2
178
NUMERICOS
METODOS
PARA INGENIEROS
gases ideales, comparandolos volmenes molales calculados conlas ecuaciones (6.6) y (6.7). Se proporcionan los siguientes datos:
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
300
500
700
1
10
1O0
1
4.0578
10
1 O0
1
5.7242
10
0.5575
1 O0
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
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:
a
2ab
+f(U) = p - 3 u3
El mtodo de Newton-Raphson se describe mediante la ecuacin (5.6)
como:
180
CASO 6.3
CASOS DE
DE
DOS: RAiCES
ECUACIONES
181
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
METODOS
182
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 aguarequiere la implementacin de algn procedimiento para disminuirlas y proteger a las personas que se introduzcanal agua.
15 O00
P m6x
[6.10]
Secante
Resultado
lteracioner
63 198
63 199
11
63 200
5
4
P(90) =
63 200
e-2x10-6(63
CASOS DELAPARTE
183
CASO 6.4
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
,
Interruptor
-
Batera
y';
7-4
v0
,a
' +
Capacitor
Inductor
Resistencia
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, launidadde
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
L - + R i + - =9 O
clt
C
Sin embargo, la corriente est dada enfuncindela
I=-
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:
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.
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:
f ( R ) = e-o.oo5R
cos(d2000 - 0.01R20.05) - 0.01
C6.121
FIGURA 6.7
1 86
NUMERICOS
MTODOS
PARA INGENIEROS
CASO 6.5
I
resorteirnasa
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 deloscilador 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 problemaanaliza
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 resistenciaal 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
'n
corriente
circuito LR
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.
187
del
= "kx
Fuerza
[6.13]
dx
dt
"
c
-
dx
dt
dt
Masa x aceleracin
"c -
fuerza de amortiguacin
(-W
+ 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
n
-
sen pt)
[6.14]
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
"
.
"
..
189
CASOS
CUADRO 6.3 Resultados obtenidosal usar los m6todos de bisecciin, regla falsay de la secante para localizar las primeras tres races delas vibraciones de un amortiguador. Seu 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
Valor
inicial
Valor
inicial
Aproximaciin
Nmero
de
inferior
superior
a la M ~ Z
Biseccin
0.0
o. 1
0.1
0.3
0.2
0.0
Regla
falsa
o. 1
Secante
0.0
0.0552246
0.1541992
0.2
0.1
0.2
0.3
o.1
0.2
o. 1
0.1541780
0.2
0.0552095
0.069
O. 1541790
0.043
0.2531475
0.0552095
0.2
0.3
0.2531465
ERROR RELATIVO
PORCENTUAL
iteraciones
Aproximado
Verdadero
110.027
0.014
10
0.088
0.063
0.002
4
4
5
5
5
0.0001
0.0006
0.0003
0.038
0.020
0.017
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
Usando los programas propios, reprodzcanse los clculos realizados en el caso 6.1.
6.2
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.
6.3
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.
190
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:
-3000(1.2),
A"
+-
12" - 1
175n
12" - 1
5000
Costo de compra, $
Costo de mantenimiento,
$/ao/aiio
-200
Modelode lu/o
Modelo econmico
- 15,000
-5000
-400
Ganancias anuales y
beneficios, $
7500
Si se compra una pieza de equipo en$20 O00 en abonos, pagando $5 O00 duranel costo
te 5 aos. Qu tasa deinters se est pagando?La frmula que relaciona
actual (P),los pagos anuales ( A ) ,el nmero de aos (n)y la tasa de inters es:
A = P
6.7
3000
i(l
(1 +
i)"
i)"
- -
(1
i)"
i(l
i)"
10000000
= 5
2000000
A
Por lo tanto, la ecuacin se transforma en:
"
5 =
(1
+
i(1
- 1
i)'O
-
i)
PARTECASOS
LA
191
j(i) =
a)
(1
- 1
)'O
+ i)
i(l
-5
Ingeniera qumica
6.8
6.9
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 otraforma, 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
400
200
COS
27rt
~
1440
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 =
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
FIGURA P6.12
(esto es, en la que uno de los productos acta como catalizador o de estimulante
en la reaccin), o
A + B
- B + B
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
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]
Ingeniera civil
6.14 Usando los programas propios, reptanse
CASOS DE LA PARTE
DE DOS: RACES
193
ECUACIONES
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.
a)
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)cuando las poblaciones son iguales. Los valores de los parmetros son Pu,,,&= 60 000;
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
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
0.01%.
194
-
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
su2
[P6.7]
B es el ancho del
en donde Q es el flujo, y, es la profundidadnormal,
para medir los efectos de
canal, n es un coeficiente derugosidadusado
lafriccindel
materialen 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
para que el circuito disipe el 10% suvalor original, dado R = 300 Q C = lop4
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,
PARTECASOS
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 dela ingeniera. Esto implica la posibilidad de modificar o expresar de forma diferente alguno de
los casos
anteriores. Sin embargo, tambin puede ser totalmente original. AI 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 quese 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 arelacionar 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 la fun-
198
S
O
._
O
+
C
.-O
i
N
199
EPLOGO PARTE I I
METODOS
200
NUMERICOS
PARA INGENIEROS
Formulacin
Interpretacin
grfica
Errores y
criterios
paro de
x/ ixu
xr = -
Criterio de paro:
Criterio de paro:
Regla falsa
nueva
pesada
Mtodos abiertos:
Newton-Raphson
x;+;,+; x,
Error:
Secante
Criterio de paro:
E,,.l
100% Ie,
=
O(?)
Criterio de paro:
EPLOGO PARTE II
201
* El autor hace aquslo una referencia alos libros, al final del texto se presenta una bibliografa completa.
104
El advenimiento de computadoras personales de fcil acceso haceposible 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
205
LINEALES
ECUACIONES ALGEBRAICAS
I I I. 1 . 2
206
MTODOS
NUMRICOSPARA INGENIEROS
-__
SISTEMAS
207
LINEALES
ECUACIONES ALGEBRAICAS
FIGURA 111.2
Una matriz.
208
MTODOS
se les conoce como vectores columna. Por simplicidad se omite el segundo subndice.
[Al =
por
es
a11 a12
a13
a
1
4
a22
023
024
a21
:[ 2 2: 24
[A] =
[i 1 a]
[/I =
rll 1
1
11
tiene propiedades
[all all
[Al =
a13
a141
a33 a34
a23
(7441
SISTEMAS
209
LINEALES
ECUACIONES ALGEBRAICAS
le da un nombre especial,
matrices
parai =
1, 2,.
. .,m y i =
1 , 2,
- . . , n.
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 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]
bl,,
2
91
7=22
For io tanto, c l , , es igual a 22. El elemento c2,,se puede calcular en una forma similar, como
14".:',
21 1
LINEALES
SISTEMAS
ALGEBRAICAS
DE ECUACIONES
[A]+
8 6
x5+6~7=82
+[C]
o 4
El calculo se puede continuar deesta manera, siguiendo la alineacin de renglones y columnas, para obtener el resultado:
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.
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.
FIGURA 111.3
212
y distributiva:
[AI[Bl
Estoes,el
+ [BI[AI
[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
- a12 9 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
213
LINEALES
ECUACIONES ALGEBRAICAS
denotada por
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 defunciones en el lgebra matricial. Una ventaja
simple es la de permitir escribir un vector columna como vector fila.
Por ejemplo, si:
entonces
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
111.2.3 Representacinenformamatricial
de sistemas de
donde
[Al =
[C]es
[C]T =
y
c2
c3
[Cl
. . . cn]
[Aes un vectorcolumna
[XIT = [xx1x23
1 de constantes:
..
n por 1 de incgnitas:
xn]
Recurdese la definicin de la multiplicacin matricial [Ec. (111.2) o recuadro 111.21 para comprobar laequivalencia de las ecuaciones( 1 1 1 . 1 )
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).
[A.
Ya que [A]
vierte en:
[XI = [Al[Cl
[111.6]
SISTEMAS
21 5
ECUACIONES
LINEALES ALGEBRAICAS
[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 parteIll. 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 minimiceny eviten estos problemas. AI final del captulo, se dedica un recuadro a una formamuy
216
FIGURA 111.4
Esquema de organizacin de
braicas lineales.
21 7
218
MTODOS
NUMRICOS
PARA INGENIEROS
CUADRO 111.1
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.
CAPTULO SIETE
ELIMINACIN GAUSSIANA
En este captulo se analizanlas ecuaciones algebraicas lineales simultneas que en general se pueden representar como:
allxl
+ a12x2 +
a21x1
+ a22x2 + . . .
anlxl + 0~2x2+
+ al,x, =
c1
+ a2,xn = c2
- + a,,x, = c,
*
220
METODOS NUMRICOS
+ a12xz
PARA INGENIEROS
ecuaciones ge-
= c1
a21x1 + a22x2 =
c2
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
+ 2x2 = 18
+ 2x2 = 2
[E7.1.1]
[E7.1.2]
3(4)
+ 2(3) = 18
-4
+ 2(3) = 2
22 1
ELlMlNAClON GAUSSIANA
FIGURA 7.1
Solucin grfica de un conjunto de dos ecuaciones algebraicas lineales simultneas. l a interseccin e las lneas representa la solucin.
222
MTODOS
FIGURA 7.2
NUMRICOS
PARA INGENIEROS
secciones, los sistemas mal condicionados tambin tienen problemas cuando ?e encuentran en la solucin numrica de ecuaciones lineales.
o. enformamatricial:
a12
a13
223
ELlMlNAClON GAUSSIANA
D=
all
a12
(a21
se calcula mediante:
En el caso de tercer orden [Ec. (7.2)], se puede calcular el valor del determinante como:
EJEMPLO 7.2
Determinantes
Para lafigura 7 . 2 ~ 1 :
-1/2
1-1,2
1
-1
11 = -(l)
2
1
1(%)
224
I
I
INGENIEROS
PARA
Para lafigura
7.2b:
Para lafigura
7.2~:
MTODOS
NUMRICOS
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 linealesse 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
lareglade
+ x3 = -0.01
0 . 3 ~ 1 0.52~2
0 . 1 ~ 1 O.3X2
+ O.5X3 = -0.44
D = 0.5 1
0.1
0.3
1.9
0.5
ELlMlNAClON
GAUSSIANA
225
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
(7.4):
-0.01 0.52 1
0.67
1.9 1
x1 =
x3
I -o.44
-= .-0.032 78
-0.002 2
0.3 -0.01 1
0.67 1.9
0.5
0.3 0.52
-0.01
10.5 1
O. 67
1O.l
=
"0.002 2
-0.002 2
-14.9
-0.043 56 = 19.8
-0.002 2
226
MhODOS NUMRICOS
PARA INGENIEROS
c7.61
XI =
1C: I;:
- c1a22 - a12c2
alla22 - (3112a21
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
x2 =
2(18) - 2(2)
=4
3(2) - 2(-1)
3(2) - (-1)18
=3
3(2) - 2(-1)
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.
228
+ a13x3+ + al,xn = c1
a21x1+ a22x2 + ~ 1 ~+~ x 3+ aZnxn
= c2
allxl +
~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 elconjunto de ecuaciones a un sistema triangular superior (Fig. 7 . 3 ) .El paso
inicial del procedimiento consiste en dividir la primera ecuacin[Ec. 7.12a1
porel coeficiente de laprimer incgnita, all:
x1
+ "a12x 2 +
a11
. + Q" lxn ,
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]
229
ELlMlNAClON GAUSSIANA
FIGURA 7.3
Esquema grfico de lasdos partes del mtodo de eliminacin gaussiana. La eliminacin hacia adelante reducela 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
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:
23 1
ELlMlNAClON
[7.17]
para i = n-1,
n-2, . . . , 1.
EJEMPLO 7.5
Eliminacin gaussiana simple
3x1
0.1~1+
0.1~2- 0 . 2 ~ 3= 7.85
7x2
[E7.5.2]
O.3X3 = -19.3
~ ~lox3 = 71.4
0 . 3~ 0~ . 2 +
rE7.5.31
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:
-19.561 7
[E7.5.5]
3x1
--
o.lx,
- 0.2X3 = 7<65
rE7.5.61
7.003 33x2
0.293 333x3
- 19.561 7
[E7.5.7]
-0.190 000x2
10.020 Ox3
70.615 O
[E7.5.8]
-2.793 20
[E7.5.9]
232
METODOS
3x1 -
O.lx,
PARA INGENIEROS
0 , 2 ~=
3 7.85
7.003 33x2
NUMRICOS
0.293 333x3
10.012 Oxg
-19.561 7
[E7.5.10]
70.084 3
[E7.5.11]
03
x3
7.000
[E7.5.12]
7.003 33x2
-19.561 7
x2
"2.500 O0
[E7.5.13]
3x1
0.1(-2.500 00)
0.2(7.000 03)
7.85
7.84999
= 785
0.1(3) + 7("2.5)
-19.300 O
0.3(3) - 0.2(-2.5)
71.4003
= 71.4
0.3(7.00003)
lO(7.000 03)
-19.3
ELlMlNAClON
GAUSSIANA
233
FORTRAN
sun-0
I-N-NN
IP=I+l
[)O 1 2 2 0J = I P , H
SLlN-SUM+A( I , J >*X( J
1220 C O N T I N U E
~ ~ I ~ = ~ ~ ~ l , ~ ~ - s u M ~ , ' a ~ l , I ~
1 2 4 0C O N T I N U E
RETURli
END
FIGURA 7.4
Programas
simple.
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
EJEMPLO 7.6
Solucin de ecuaciones algebraicas
Paracaidista
70
Coeficientes
de
rozamiento,
Masa, kg
.~
.." . . ~
kg/s
..
1
2
3
14
17
60
40
T - clu
T'c2u - R
mla
m2a
236
MTODOS
FIGURA 7.7.
NUMRICOS
PARA INGENIEROS
Los resultados anteriores se basan en un algoritmo simple del mtodo de la eliminacin gaussiana con rutinas legiblesal 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.
DE ELIMINACIN
237
ELlMlNAClON GAUSSIANA
EJEMPLO 7.7
Efecto de los errores de redondeo en la eliminacin gaussiana
0.2~3= 7.85
x2
= -2.51
IE,~
I E, 1
x3
= 7.02
1 E, I
x1 = 3.17
5.7%
0.4%
0.29%
238
NUMERICOS
METODOS
PARA INGENIEROS
0.1(3.17) + 7(-2.51)
0.3(3.17) - 0.2(-2.51)
+ lO(7.02) = 71.7 #
71.4
EJEMPLO 7.8
Ill-Sistemas mal condicionados
Enunciado del problema:resulvase el siguientesistema:
ELlMlNAClON
239
GAUSSIANA
+ 2x2 = 10
x1
[E7.8.1]
1 . 1 ~ 1+ 2x2 = 10.4
[E7.8.2]
x1
2(10) - 2(10.4)
=4
l(2) - 2(1.1)
x2 =
l(10.4) - 1.1(10)
= 3
l(2) - 2(1.1)
2(10) - 2(10.4)
=8
l(2) - 2(1.05)
x2
l(10.4) - 1.05(10)
=1
l(2) - 2(1.05)
a21 de
1 . 1 a 1.05, el resulta-
+ 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.
240
MTODOS
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].
x2
a21
x1
"
a22
c2
"
a22
021
012
a22
entonces:
o , multiplicandoencruz:
alla22
= a21a12
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.
241
ELlMlNAClONGAUSSIANA
EJEMPLO 7.9
Efecto de escalamiento en el determinante
Enunciadodelproblema:evaleseeldeterminantedelossistemas
guientes:
Si-
3x1
-x1
+ 2x2 = 18
+ 2x2 = 2
[E7.9.1]
[E7.9.2]
+ 2x2 = 10
1.lxl + 2x2 = 10.4
x1
[E7.9.3]
[E7.9.4]
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
D
c)
+ 20x2 = 100
11x1 + 20x2 = 104
10x1
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
+ 0.667~2= 6
+
x2 = 1
XI
-0.5x1
l(1)
0.667(-0.5)
1.333
+ X2 = 5
0.55~1+ X:, = 5.2
0.5X1
ELlMlNAClON
GAUSSIANA
143
= a11a22a33. .
. ann
[B7.1.1]
a11a22m
- ado)
+ a d o ) = a11a~~a33
= a11a&a&. . . a?;')
[B7.1.2]
(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]
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 problemasde ingeniera por naturaleza son sistemas
bien condicionados. Adems, algunas de las tcnicas desarrolladas en la
siguiente seccin ayudan a aliviarel 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
245
ELlMlNAClON GAUSSIANA
0.000 3x1
+ 3.000 0x2
2.000 1
1.000 0x1
1.000 o
1.000 0x2
1/3 y
x2 =
2/3.
10 000x2
6 667
-9 999x2
x1 de la segunda ecuacin:
-6 666
2.000 1 - 3(2/3)
0.000 3
[E7.11.1]
Cifras
significativas
3
4
5
6
7
Valor absoluto
del error
relativo
x?
0.667
0.666 7
0.666 67
0.666 667
666
0.666
7
X1
-3.33
0.000
0.300 O0
0.330 O00
0.333 O00 O
e x1
porcentual
1 099
1 O0
10
1
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
1.000 o
2.000 1
0.000 3x1
3.000 0x2
NUMERICOS
PARA
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:
Cifras
significativas
x2
X1
Valor absoluto
del error
relativo
porcentual
de 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
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
247
GAUSSIANA
FORTRAN
BASIC
.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
31:103
302hj
=
r e p r er seen
eng
lptliadvno t a l
( A l m a c e n a el valor absoluto del pivote actual)
contra
columnas
otras
31171'1
I.)
. ...
~
308o
IF ( 6 - B P . G E . O . X O T O
&=RP
.
.
308U
.. -
.I .I= I
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
FIGURA 7.8
= .
I
biEx r I
-, . ~C.1'90
I F J.1 -- I, *:
3 1 1 0 I = A l IJ. ..I1
COTO 3 1 5 0
THLN 3150
313 A l b ~ d )= 1E
3140 N t k l J
3150 Rtll.lFIN
escogido
pivote(Si el
entonces regresa
principal)
es el m a y o r ,
al programa
Programa en
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.
EJEMPLO 7.12
100 000x2
100 O00
x1
x2
248
MTODOS
NUMRICOS
Solucin:
a) Sin escalar,, se aplicalaeliminacinhaciaadelante
2x1
100 000x2
-50 000x2
100 O00
-50 O00
quesepuederesolverporsustitucinhacia
PARA INGENIEROS
y se obtiene:
x:, = 1.00
x1
0.00
x2
x1
x2 =
0.000 02x1
x:, = 2
x2 =
Laeliminacinhaciaadelante
x1
genera:
+ x2 = 2
x1 = 1.00
correcta.
2x1
300 OOOXZ
x2
produce:
249
ELlMlNAClON GAUSSIANA
[7.21]
anlxl + aax2
+ a,,x, = c,
[7.22]
[7.23]
x, = R,
-. - .
"
..
+ Ax,
250
NUMERICOS
Ahoralaecuacin
obtener:
allAxl
(7.22) se puederestarde
+ a12Ax2 +
azlAxl + a22Ax2
* *
* *
PARA INGENIEROS
METODOS
+ alnAx,= c1 - El
+ az,Ax, = c~ - E2
= 2
El
[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
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:
25 1
ELlMlNAClON
x1
3.17
E,
5.7%
x2
-2.51
E,
0.4%
x3
7.02
E,
0.29%
7AX2
- 0.3Ax3 = 0.1
[AX]'
7 -0.02461
[-0.1710.015
3.17
0.171
3.00
x2 =
-2.51
x3 =
7 O2
0.024 6
soluciones, dando:
0.015 7
que se aproximanmuchoms
-2.49
7.00
a la solucinverdadera
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
FIGURA 7.9
NUMRICOS
PARA INGENIEROS
Algoritmo de eliminacingaussianaqueincluyecorreccindeerrores.
7.5 RESUMEN
En resumen, este captulo se ha dedicado a la eliminacin gaussiana, el
mtodo fundamentalen la solucin de sistemas deecuaciones 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 sistemaescalado. 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
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 gaussiana. Sin embargo, debido a la estructuranicadel
FORTRAN
I "IO
I"-"
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 sistematridiagonal es aqul en el que los coeficientes estn ordenados enforma tridiagonal, como en:
254
MTODOS
NUMRICOS
PARA INGENIEROS
PROBLEMAS
Clculos a mano
7.1
7.2
Algunas
matrices
[Al =
se definen como:
1 5 6
2 131
4 0 5
[ ;;;]
4 3 1
[Bl
[Cl =
[a]
5 4 3 6
[GI
[ 8 6 41
b23
d32
e22
112
912
7.3
Se definen
tres
matrices
como:
a)
ELlMlNAClON
GAUSSIANA
a)
e ilstresepor qu es importanteelorden
255
de
-xl
= "22
12x2 =
58
+ xp = 14.25
1 +
~ ~
1 . 6 ~
= ~22.1
o.75X1
1 .
a)
Resulvase grficamente.
a)
Calclese su determinante.
x.
x2
= -9.5
0 . 2 8 ~ 1- 0 . 5 ~ 2= -4.72
a)
Resulvanse grficamente.
7.8
Dado el sistema
"12x1
x1 -
-2x1
x2 -
6x2
x2
7x3 = -80
4x3 = 13
=
92
256
MTODOS
NUMRICOS
PARA INGENIEROS
7.9
5x2 - 6x,{
28
7x3
29
ZX,
- 5 ~ 1 - 8x2
-64
3x2
Zx,
13~,$= -50
6x2 + x:(
4x,
8x,:
44
4x,
x2
7.13
5x,
4x2
3x,
7x,3 = 3
+
12x,, +
6x3
25
4x4
17
2x,
36
Efectense los mismos clculos del ejemplo 7.6, pero usando cinco paracaidistas
conlassiguientes caractersticas:
Paracaidista
Masa, kg
60
80
75
75
90
12
10
ELlMlNAClON
GAUSSIANA
257
Escrbase un programa general para multiplicar dos matrices, esto es, [X] = [y][ Z l
donde [X]es m por n y [ Z l es n por p. Prubese elprogramausando
7.15
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)
7.22
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 nmerodeaplicaciones
enla ingeniera.Estemtodotambin
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 obtieneuna 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
sude
jetos a los errores de redondeo. Ya que elerrorenelmtodo
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
260
MTODOS
FIGURA 8.1
NUMRICOS
PARA INGENIEROS
LOS asteriscosindicanqueelvector
modificado varias veces.
de trminosindependientes
se ha
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
Soluci6n: en primer lugar, se expresan los coeficientes y el vector de trminos independientes como una matriz aumentada:
-0.1
7
0.3 -0.2
[os
-0.2
-0.3
10
-19.3
71.4
INVERSldN
GAUSS-JORDAN,
DE MATRICES Y GAUSS-SEIDEL
26 1
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:
I
2.616 67
I -19.561 7
70.615 O
1
1
Reduciendolostrminos
obtiene:
2.61667
"2.793 20
70.615 O
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 o
O 1 O I
O O 1
3.000 O0
2.500 O 1
7.000 03
y se-
262
MTODOS
NUMRICOS
PARA INGENIEROS
Todo el materialdelcaptulo
7 relacionadocon
las ventajas y
desventajas de la eliminacin gaussiana se aplican tambin al mtodo de
Gauss-Jordan. Por ejemplo, se puedeusar 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
un
[CI
@.11
La aplicacin de la inversa ocurre cuando es necesario resolver varios
sistemas de ecuaciones de la forma:
[XI= [Al"
FIIGUI
e flu
G'auss
dl
V(,te0
?Ime'O(d 0 de
.dan,
cial.
SIin
pi-
264
MTODOS
FIGURA 8.3
NUMRICOS
PARA INGENIEROS
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:
-0.1
0.3
-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
o -0.190
O00
10.020 o
-0.099
999
9
GAUSS-JORDAN,
MATRICES
INVERSldN DE
265
Y GAUSS-SEIDEL
1 O -0.068057
O 1 -0.041706 1
o o
10.012 1
0.333
175
0.004
739
329
-0.004739330.142
-0.100
0.027
90 014
2
180
O11
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 698160.099
880 1
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
3.000 411 81
x2 =
7.85(-0.005 164
4) - 19.3(0.142 293)
- 2.488 096 40
x3 =
=
7.85(-0.010 077
71.4(0.099 880 1)
7.000 25314
=
X3 =
20(0.332489)
6.997 900 45
!O(-0.005 164 4)
7.074 113 9
20(-0.010 O77 9)
1.431 55150
266
MTODOS
NUMRICOS
PARA INGENIEROS
[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:
Y GAUSS-SEIDEL
INVERS16N
GAUSS-JORDAN,
267
2.
-'
268
MTODOS
3.
NUMRICOS
PARA INGENIEROS
Invertirlamatrizinvertida y estimar siel resultado est lo suficientemente cerca de la matriz original. Si no lo est, nuevamente el sistema est mal condicionado.
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 rengln2 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 seccin8:2. 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
8.3 MTODO
DE GAUSS-SEIDEL
INVERS16N
GAUSS-JORDAN,
269
DE MATRICES Y GAUSS-SEIDEL
[8.3a]
[8.3b]
[8.3c]
X"
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 puedensustituir 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 llegara la ecuacin (8.3d)
270
MTODOS
NUMRICOS
PARA INGENIEROS
'1
x{
100% < Es
~8.41
EJEMPLO 8.3
Mtodo de Gauss-Seidel
0 . 1 ~ 1+
0.3~1- 0 . 2 ~ 2
+ 10x3 = 71.4
Recuerdese que la solucin real es x1
3, x2
x2 =
x3 =
7.85
[E8.3.2]
7
-
7.85
-=
0.3~1+ 0 . 2 ~ 2
10
x2
7.
[E8.3.1]
-19.3 - 0 . 1 ~ 1
+
71.4
[E8.3.3]
Este valor,juntocon
el de
(E8.3.2) obteniendo:
x2 =
-2.5 y x?
+ 0 . 1 ~ 2+ 0 . 2 ~ 3
Suponiendo que
para calcular:
x1 =
O ="2,794
523 810
INVERSIN
GAUSS-JORDAN,
MATRICES
DE
271
Y GAUSS-SEIDEL
666 + 667)
0.2("2.794
10
71.4- 0.3(2.616
x3 =
7.005
609
524
x2 =
proceso obteniendo:
+810)
0.2(7.005
609
524)
556 +508)
0.3(7.005
7
624 ( 684
E " I = 0.015%
609
524)
7.85+ 0.1(-2.794
523
3
2.990
556
508)
l e u ( = 0.31%
-19.3 - O.l(Z.990
-2.499
x3
523
810)
71.4- 0.3(2.990
556
+ 508)
0.2(-2.499
624
684)
10
7.000
290 l
~ 81
v =
l
0.004
2%
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
I
%,2
6.
0,
-2.499
-u, J
I)
I 7.000
I
556 -508
2.616 666 667
100 = 12.5%
2.990 556 508
624 -684
(-2.794 523
810)
100 = 11.8%
-2.499 624 684
290 -811
7.005
7.000
290
811
609
524
= 0.076%
*""
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.
el mtododeGauss-Seidel
FIGURA 8.5
b) el metododeiteracindeJacobi,
NVERSIN
GAUSS-JORDAN,
273
Y GAUSS-SEIDEL
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
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
2 74
INGENIEROS
MTODOS NUMRICOS
PARA
276
MTODOS
PROBLEMAS
Clculos a Mano
8.1
8.2
Determnese la matriz inversa del problema 7.6. Comprubense los resultados multiplicando [A] por[A]"
y obtngase lamatriz identidad.
8.3
8.4
Determnese la matriz inversa del problema 7.9. Comprubense los resultados verificando que [A][A]" = [!] . Evtese el uso de la estrategia del pivoteo.
8.5
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).
8.6
10x1 - 3x2
1x1
"2x1
+ 8x2
+ 4x2
+ 6x3 = 24.5
-
2x3
- 9x3
= -9
-50
8.7
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.
8.8
8.9
- 6 ~ 1+
4x1 - x2 6x1
+ 8x2
12x3 = 60
x3 = -2
=44
GAUSS-JORDAN,
MATRICES
INVERSldN DE
277
Y GAUSS-SEIDEL
C)
el mtodo
C A P T U LNOU 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 ejemplodel 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
r9.11
20x1
CASOS
PARTE
DE LA
281
TRES:
ECUACIONES
ALGEBRAICAS
SISTEMAS
DELINEALES
CUADRO 9.1
10
10
15
1
2
3
3
4
7
20
10
15
20
25
40
50
20
22
tes, unidadeslcompu-
=
=
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
de actividad (P)est dada por
= PlXl
P.51
P
CUADRO 9.2
1 OOO(l0)
700 (12)
1 lOO(18) + 400(15)
Ganancias correspondientesa
cada
una de las cuatro computadoras.
Computadora
2
3
Ganancias
$ I computadora
1 O00
700
1 100
44 200
282
MTODOS
[A]" =
-0.081 7
0.039
6
0.106
6
-0.136 8
0.088 8
-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
7 ( 1 000)
0.106 6(700) - 0.136 8(1 100)
+0.088 8(400) = -122.04
= -0.081
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
283
ECUACIONES ALGEBRAICAS
LINEALES
CASO 9.2
CALCULO DEDISTRIBUCINDETEMPERATURAS
(INGENIERA QUMICA)
-a2T
+ - = a2T
o
ax2 ay2
~9.61
Ax
Ax
aT
dx
AT -
="
?;+l,j
T.,
y de manera similar,
T + 1,j + T - I , ,
T,j +
+ T,j - 1 - 4T,j = O
P .71
284
MTODOS
FIGURA 9.1
FIGURA 9.2
NUMRICOS
PARA INGENIEROS
'O
CASOS
PARTE
DE LA
TRES: DE
SISTEMAS
285
ECUACIONES ALGEBRAICAS
LINEALES
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
4
1
0
1
0
0
0
L o
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
T3
T2i
T22
T23
TH
I
I
I
II
- 100
- 100
-200
O
O
- 100
O
O
- 100
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
286
INGENIEROS
PARA
MTODOS
NUMERICOS
+ 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
DECASOS
287
TRES:
ECUACIONES
ALGEBRAICAS
SISTEMAS
DELINEALES
dn
-
192A
"
dA
236
CASO 9.3
FIGURA 9.5
estticarnente determinada.
288
INGENIEROS
MTODOS
NUMRICOS
PARA
XFV= O
-Flsen 30"
F3sen60"
+ F1,"
P.91
para el nodo 2:
XFv = O
Fl sen 30"
+ Fz, + VZ
u
[9.11]
F3sen 60"
+ F3,"+ V3
[9.13]
para el nodo 3:
XFv = O
FIGURA 9.6
DECASOS
289
ECUACIONES
TRES:
ALGEBRAICAS
SISTEMAS
DE
LINEALES
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 NewtonrequiereGnicamentequelassuposicionesrelacionadasconlas
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
y lamatrizinversa
es:
0.866
[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
290
INGENIEROS
MTODOS
NUMRICOS
PARA
1 O00 O O O]
Fl
866
H* = -2000
F2
v
2
= 250
= -433
F3 =
v. =
-500
433
FI
H,
= -866
= 2000
F2 = -1250
v,
433
F3
- 1 000,
y todas las
500
v, = -433
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
29 1
ES
AS DE
CASOS
CASO 9.4
il
Nodo
i,
R if
Cik = O
a)
Y
..,
CORRIENTESY VOLTAJESENCIRCUITOSRESISTIVOS
(INGENIERA ELCTRICA)
1:
, *
[9.16]
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),
i /
b)
[9.17]
OR
R=lOR
R=5R
v,
= 200 v
R=5n
R=l5R
FIGURA 9.9
Solucindelcircuito
tneas.
R=20R
& =ov
292
'65
154
c-
FIGURA 9.10
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
o
i43 - i32 = o
i& - is2 -
i54
i.54 =
i43 = O
v5 - v
4
.
v5 - 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 -
0 0 0
0 1 0
5
0
0 0
O
O
0 0
v,
154
0
0
0
1
0
0 - 1
1 - 1
o
1 1 0 0 0 0
- 1 1 0 0 0
0
0
0
0
0
0
0
1
1 0
0 -
0
0
1
1
1
1 - 1
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
O
O
ZOO
O
O
O
DECASOS
293
V=
i =169.23
153.85
V = 200
: c
V=O
I/= 123.08
li = 146.15
FIGURA 9.1 1
6.153 8
i12
32
= -1.538 5
= - 1.538
iS4 = -1.538
i43
5
5
a = -6.153 8
i52
V2
V3
=
=
=
-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
FIGURA 9.12
Tres bloques
conectados por
cuerdos de peso despreciable
sobreun plano
inclinado.
294
MTODOS NUMRICOS
100
FIGURA 9.13
9.8
980
PARA INGENIEROS
50 x 9.8 = 490
20
9.8 = 196
(F
ma),
T-R
138.59 - 51.97 + R
50a
2 0 ~
o. en forma matricial:
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 unamicrocomputadora,
son una
tan con un mtodonumrico
usaren
una granvariedad de
herramientamuy til quesepuede
problemascomplejos.
295
DE ECUACIONES
ALGEBRAICAS
LINEALES
DE CASOS
PROBLEMAS
Ingeniera en general
9.1
9.2
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.
9.3
Auto-
mvil
1500
1700
1900
2
3
Plirtiro, Cauchor
kglauto kglauto
Metalr
kglauto
25
33
42
1 O0
120
160
por da?.
9.4
Banco
Arena
Grava fina,
TO
010
010
banco 1
50
banco 2
banco 3
20
52
20
25
30
Grava
gruesa
O/o
18
30
55
Cuntos metros cbicos se debe tomar de cada banco para cumplir con las necesidades del ingeniero?
Ingeniera qumica
9.5
Reptanse los clculos del caso 9.2 con los programas propios.
9.6
Efectense los mismos clculos del caso 9.2 cambiando la temperatura de la pared
a 200C.
INGENIEROS
MTODOS
296
9.7
NUMRICOS PARA
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):
d2T
-__- 0
dx2
FIGURA P9.7
T contra x.
9.8
de caloren la ecuacin:
-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
500
2 0 ~ 2= 8 0 ~ 1+ 4 0 ~ 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.
DECASOSDE
SISTEMAS
TRES:
LA PARTE
FIGURA P9.9
ECUACIONES ALGEBRAICAS
LINEALES
297
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
9.12
45
PARA INGENIEROS
Efectense los mismos clculos del caso 9.3cambiando el ngulo del nodo 2 a 40
3 a 55. II
y el del nodo
..~..
NUMRICOS
9.13 Efectense los mismos dlculos del caso 9.3,con la estructura mostrada en la figura P9.13.
45
.
I
P
9.14
FIGURAP9.13.
180
Efectense los mismos clculos del caso 9.3,con la estructura de lafigura P9.14.
500
FIGURA P9.14.
Ingeniera elctrica
9.15
9.16
9.17
Efectense los mismos clculos del caso 9.4.con el circuito mostrado en la figura
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.
FIGURA P9.24.
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.
9.23
Efectense los mismos clculos del caso 9.5, para el sistema mostrado en la figura
P9.23.
9.24
Efectense los mismos clculos del caso 9.5, con el sistema mostrado en 13 figura
P9.24. (los ngulosson de 45').
9.25
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.
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).
302
U
C
c
..-E
J
303
EPLOGO PARTE I l l
"
e,
O
u)
O
u)
O
O
O
a,
oa,
?
ul
VI
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.
AI
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.
(loo),
111.5
111.6
MTODOS AVANZADOS
Y ALGUNAS REFERENCIAS ADICIONALES
Los mtodos de este texto se han limitado a
solucin de ecuaciones lineales simultneas.
305
II II
II
*"*"st
fi
"_
I
I
-SN
"_
306
MTODOS
NUMRICOS
PARA INGENIEROS
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.
C ~ J A T R O
PARTE
IV.1 M O T I V A C I ~ N
-AJUSTE DE CURVAS
308
____-
FIGURA IV.l
MTODOS
NUMRICOS
PARA INGENIEROS
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.
microcomputadora
309
AJUSTE DE CURVAS
de los datosmedianteunalnearecta(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
significativos enla interpolacin lineal.El tercer estudiante us curvas
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.
310
MTODOS
NUMRICOS
PARA INGENIEROS
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
Estadsticasimple
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
31 1
AJUSTE DE CURVAS
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.
La medida mas comn de la dispersin de una muestra es la desviaestndar (sJ, en funcin de la media:
cin
[IV.2]
I
S, =
c (y, -
[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
[ ; I
C.V.
= 100%
[IV.5]
(a.
EJEMPLO IV.l
Tratamiento estadstico sencillo de una muestra
Enunciadodelproblema:
calclense lamedia,varianza,desviacin estndar y coeficiente de variacin de los datos del cuadro
Solucin: los datos se suman (cuadro
para calcular [Ec.(lV.l)]:
158.400
24
IV.l.
6.6
II
I
sy =
,/T
=
0.097 733
y la varianza [Ec.(lV.4)]:
S,
0.009 435
=0.097
6.6
331 00%
1.47%
AJUSTE DE CURVAS
Cuadro IV.2
313
Clculos para la obtencin de las medidas estadsticas e histograma delas lecturas del coeficiente de expansin trznica
INTERVALO
I
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Y;
6.395
6.435
6.485
6.495
6.505
6.515
6.555
6.555
6.565
6.575
6.595
6.605
6.615
6.625
6.625
6.635
6.655
6.655
6.665
6.685
6.715
6.715
6.755
6.775
158.400
(Y;
- 7,
Frecuencia
0.042 025
0.027 225
0.013 225
0.011 025
0.009 025
0.007 225
0.002 025
0.001 225
0.000625
0.000025
0.000025
0.000225
0.000625
0.000625
0.001 225
0.003 025
0.003025
0.004 225
0.007 2251
0.013 225)
0.013 225
0.024 025
0.030 625
Limite
lmite
inferior Superior
6.36
6.40
6.40
6.44
6.48
6.52
6.52
6.56
6.56
6.60
6.60
6.64
6.64
6.68
6.68
6.72
6.72
6.76
6.76
6.80
0.217 O00
314
MTODOS
FIGURA IV.2
NUMRICOS
PARA INGENIEROS
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 essu 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%
31 5
AJUSTE DE CURVAS
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
317
AJUSTE DE CURVAS
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 sugerenciaspara 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
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
CUADRO IV.3
la parte IV
einterpolacinydarse
cuenta que el
confundirlos
puedeacarrear
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 llevara
cabo transformaciones.
4. Entender lassituacionesen
dnde es apropiado usar regresinpolinomial
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 entreel polinomio de Newton y la expansin de la
serie de Taylor y cmo se relacionancon
el error de truncamiento.
8 . Reconocer que las ecuaciones deNewton y de Lagrange sonmeramente
formulaciones diferentesdelmismo
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 puntosnotienen
porqu estarigualmente espaciados
nienningn
orden enparticular 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.
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 estoscasos es la de obteneruna funcin aproximada que ajuste adecuadamente el comportamiento o la
tendencia general delos datos, sin coincidir necesariamente con cada punto
en particular. La figura 10. ICmuestra una linea recta que puede usarseen
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 inspeccionarvisualmente los datosgraficados y luegotrazarla
mejor lnea
a travs de los puntos. Aunque este enfoque recurre al sentido comn
Y esvlidoparaclculosasimplevista
es deficiente ya quees
arbitrario. Es decir, a menos que los puntosdefinanunalnearecta
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
FIGURA 1O. 1
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 =
a0
[10.1]
+ alx + E
y - a0 - alx
/ /
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
161
i= 1
2IM
- a0 -
alxil
i= 1
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 lafigura
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 estbien 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, =
= 1
i=l
2 E? =
( y i- a0 - alxi)2
E10.31
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).
mnimos
cuadrados
Para determinar los valores de las constantes a. y a l , se deriva la ecuacin (10.3) conrespecto a cadaunodelos coeficientes:
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]
[10.6]
Este resultado se puede usar junto conla ecuacin (10.4) para obtener:
[10.7]
en donde
..... ."
.
l
l
l
_
_
..
v y X sonlamedid+de
y y x , respectivamente.
324
INGENIEROS
MTODOS
NUMRICOS PARA
EJEMPLO 1O. 1
Regresin lineal
1
2
3
4
5
6
7
0.5
2.5
2.0
4.0
3.5
6.0
5.5
-
c.
24
8.5765
0.8622
2.0408
0.3265
0.0051
6.6122
4.2908
22.7143
0.1687
0.5625
0.3473
0.3265
0.5896
0.7972
0.1993
2.991 1
Solucin: sepuedencalcularlassiguientescantidades:
2 yi
=7
2 xjyj = 119.5
24
xf = 140
24
J = - = 3.428 571 429
7
an =
0.071 428 57
es:
+ 0.839 285 7 1 4 ~
figura 1 0 . 1 ~ .
325
regresin lineal
Cualquier lnea recta diferente a la que se calcul en el ejemplo 10.1 genera una mayor suma de cuadradosde 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)*
110.81
i= 1
FIGURA 10.3
326
M ~ T O D ONUM~RICOS
S
PARA lNGENlEROS
[10.9]
327
FIGURA 10.5
b)
[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
EJEMPLO 10.2
Estimacin de los
PARA INGENIEROS
(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
r =
22.714 3 - 2.991 1
= 0.868
22.714 3
= 0.932
10.1.4 Programadecomputadoraparalaregresin
lineal
329
REGRESION
BASIC
FORTRAN
DATA SX/O./,SU/O./,XZ/O./,XY/O./
READ(5rl)N
FORHAT ( I5
Do 170 I=l,N
READ(5,2)X,Y
fOiWAT(2F10.0)
9!=SX*X
sY=sv+Y
x2=X2+x~x
sY=xY+x'Y
CONTINUE
XY=SX/N
YM=SY/N
kl=(N~XY-SX~SY)/(N.X2-sX*Sx)
.?,O=YM-Al*XH
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
SY = sum of Y's
WRITE(6t3)AOrAl
F O R M A T ( ' *,2F10.3)
STOP
mn
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
330
MTODOS
3.75
+t
[E10.3.1]
Tiempo,
1
2
3
4
5
6
7
10
11
12
13
14
15
cmls
(4
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
V Calculada, cmls
[ecuacin (1.9)]
( 4
895.3
1 640.5
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
V Calculada,
cmls [ecuacin
(E10.3.l)l
(4
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
4143.7
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-
FIGURA 10.7
33 1
(E10.3.1).
332
MTODOS
FIGURA 10.8
NUMERICOS
PARA INGENIEROS
a) Datosmal condicionados en la regresin lineal con mnimos cuadrados. 6)Indicacin de que una parbola es preferible.
lineal;linealizacinde
[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.
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:
X
y = a3b3
[10.13]
+X
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:
In y
In al
+ blx In e
Pero, ya que In e
In y
1 , se tiene:
In al + blx
[10.141
+ 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:
[10.16]
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.
335
REGRESION
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
5.7
2
3
4
5
log x
log Y
0.5
1.7
3.4
O
0.301
0.477
-0.301
8.4
0.602
0.699
0.226
0.534
0.753
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
0.300
Por lo tanto, la interseccin, log a2, esigual a -0.300, por consiguien= 0.5. La
pendientetomando el mando el antilogaritmo, a2 =
tees b2 = 1.75. Como consecuencia la ecuacin de potencias es:
y =O . ~ X ' . ~ ~
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.
337
REGRES16N
a0
+ alx + a2x2 +
* *
+ a,xm
Sr =
. - amx?)2
[10.17]
i= 1
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:
338
MTODOS
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 dividepor
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"
Sr
Ejemplo 10.5
Regresin polinomial
x, = 15
2,xp = 979
n=6
y, = 152.6
x = 2.5
x' = 55
2 x'y,
x? =
= 25.433
x,y, = 585.6
=
2 488.8
225
15ao +
55ao
339
CUADRO 10.4
13.6
27.2
40.9
'
2.1
7.7
O
1
2
3
4
5
61.1
c.
513.39
3.746
2152.6
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
a0 = 2.478
57
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
sy/x
= 1.12
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
FIGURA 10.11
FIGURA 10.12
Algoritmopara implernentarlaregresinpolinomial.
REGRESldN
34 1
CUADRADOS
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
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
~~
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 ~
2050 CONTINUE
2060 CONTINUE
M) 2090 L=l,N
IR=lP+l
"
2090
2100
(1
"
1)
..
IO = order of
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
2090 CONTINUE
2100 CONTINUE
RETURN
END
FIGURA 10.13
342
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 =
i=l
de los coeficientes:
[10.20]
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
O
2
2.5
1
4
7
O
1
2
3
6
2
5
10
O
3
27
seseregresinlinealmltipleparaestos
CUADRO 10.5
243.5
6
48
54
54
datos.
16
se calcularon de la ecua-
189
76.25
E
x2
X I
5
10
9
O
3
27
O
2
2.5
1
14
54
16.5
14
O
1
2
3
x:
xf
O
4
5 6.25
1
0
1
4
49
36
4
x1x2
18
0
2
3
24
XI Y
*2Y
0
20
22.5
0
12
0
10
0
18
344
MTODOS
;{.5 5:::
g]
54 [
a2 =
g
.
5
1
al = 4
a2 =
-3
los cules son consistentes con la ecuacin original de donde se derivaron los datos.
+ alxl + a2x2 +
* *
. + a,xm
[10.22]
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
+ al log x1 + a2 log x2 +
a0
+ a,
log x,,,
PROBLEMAS
Clculos a mano
10.1
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
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
346
MTODOS
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
10.5
1 3 5 7
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
Emplese regresin con mnimos cuadrados para ajustar una lnea recta a los datos:
O 2 4 4 8 12 16 20 24 28 30 34
10 12 18 22 20 30 26 30 26 28 22 20
+x
10.7
I
I
crecimiento de saturacijn
a'
2.5 4
6
8
8.5
1 2
0.4 0.7 0.8 1.0 1.2 1.3 1.4
Ajstese una ecuacin de potenciasa los datos del problema 10.7. Grafquense los datos
y la ecuacin.
10.9
Ajstese una parbola a los datos del problelna 10.7. Grafquense los datos y la ecuacin.
REGRESION CON
347
CUADRADOS
10.10
Ajstese unaecuacindepotencias
x
y
1
I
Ajstese un modeloexponencial
x
y
I
I
17.5 20
12.5 15
7.5 10
1.2 0.8 0.6 0.4 0.3 0.3
2.5 3.5 65
2
5
3.4 1.6
Grafquese y contra
10.11
a:
a:
2.0 2.4
0.05 0.4 0.8
1.2 1.6
550 750 1000 1400 2000 2700 3750
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.
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 282523
119
1171513
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
X
X2
I
2
12
19
1
2
2 0 1
4 4 6
11 24 1522
2
6
la aproximacin y el coeficiente
348
MTODOS
10.17
Usese regresin
lineal
mltiple
para
x1
x2
1
1
18
1
2
2
1
12.8
25.7
20.6
ajustar:
2
2
3
3
4
1
2
1
35.0 29.8
45.5
40.3
4
2
la computadora
10.18
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 delos 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.
10.19
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.
10.20
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
10.21
10.22
10.18
sese el paquete de programas NUMERICOMP para resolver los problemas 10.4, 10.5
y 10.6a
10.23
Reptanse los problemas 10.9, 10.13 y 10.15 usando el programa del problema 10.19.
10.24
10.20
C A P T U L O ONCE
+ a1x + a2x2+
+ anxn
[11.1]
FIGURA 1 1 . 1
350
MTODOS NUMRICOS
PARA INGENIEROS
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)].
35 1
INTERPOLACldN
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. Despusreptanse 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:
f,(2)
1.791 759 5
6-1
x = 1
(2 - 1) = 0.358 351 90
fi(2)= 0 +
1.386 294 4 - O
(2 - 1)
4-1
0.462 098 13
352
INGENIEROS
MTODOS
FIGURA 11.3
NUMRICOS PARA
o, agrupando trminos:
f2(x) = a0 -t alx
en dnde:
+ a2x2
- b2XXI
~ ~ x x O
353
INTERPOLACI6N
[11.4]
[11.5]
[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 tanto, los primeros dos trminos de la ecuacin (11.3)son equivalentes a
la interpolacin de x. a xl, como ya se especific anteriormente en la
ecuacin (11.2).El Gltimo trmino, b2(x- xo) (x- xl), introduce la curvatura de segundo orden en la frmula.
Antes de ilustrar como se usa la ecuacin (11.3), sedebe examinar
la forma del coeficiente b2. Es muy similar a la aproximacin por diferencias divididas finitas de la segunda derivada introducida previamente
en la ecuacin (3.31).Por io tanto. la ecuacin (11.3)empieza a manifestar 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
"o.426 098 13
6-4
b2 =
=-
6.1
Sustituyendo estos valores en la ecuacin (11.3)se obtiene la frmula
cuadrtica:
f2(~)
que se evala en x
f2(2)
2 y se obtiene
0.565 84436
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]
355
lNTERPOLACl6N
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]
[ll. 121
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 lasecuaciones (11.8)a la (1l.l l ) ,los cuales se sustituyen en la ecuacin (11.7) para obtener el polinomiodeinterpolacin:
[11.15]
FIGURA 11.5
EJEMPLO 11.3
diferencias divididas
x.
3 , es
357
INTERPOLACI6N
294
4 - 1
f k l , x01 =
0.462 098 13
x11
o.2o2 732 55
f[X3, x21
o.182 321 6o
fk2,
x01 =
fix39 x27
x11 =
- 0.020
950 410
FIGURA 11.6
"
.._"
"X.L.1
31
"
-."l"""-.-.---
358
METODOS
NUMRICOS
PARA INGENIEROS
+ 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
R,,=
f'"'(S)
(x,+1 - xi)"+'
(n-+ 1) !
..
359
lNTERPOLACl6N
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
Newton
R2
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
1)(2
que es delmismoordenqueelerrorverdadero
4) (2 - 6)
360
MTODOS
el polinomio de
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.
ASIC
ORTRA
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 0J = 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
~
FIGURA 11.7
Programaparacomputadoradelpolinomiointerpolante
de Newton
361
INTERPOLACldN
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.
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 32
0.405 4651 1
0.916 290 73
1.252 763 O
362
INGENIEROS
MTODOS
-a
FIGURA 11.8
NUMRICOS
PARA
BASIC
para evaluar In 2.
La aproximacin de cuarto orden muestra mayor mejora porque elnuevo 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 diferentespromedios de converqencia.
FIGURA 11.9
2 en funcin del
[11.19]
en donde:
364
INGENIEROS
MTODOS
NUMRICOS
PARA
[11.20]
[11.21]
[11.22]
La ecuacin (11.19) 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
(11.19) es el nico polinomio de n-simo orden que pasa exactamente
por los n + 1 puntos.
de Newton
fdx) = f(x0) + (x -
xO)f[Xl,
x01
[B11.1.1]
Para derivar la forma de Lagrange, se reformulan las diferencias divididas. Por ejemplo, la primera diferencia dividida.
sepuede
- x0
reformular como:
fbl,
x03
= ___
(x1)
x1
- x0
f (x01
x0 - XI
[B11.1.2]
365
INTERPOLACldN
EJEMPLO 11.6
Polinomios de interpolacin de Lagrange
f(xo) =
XI =
!(XI)
x2 = 6
1.386 294 4
f ( ~ 2 )=
1.791 759 5
2-4
4 - 1l " 4
flk) =
O+"-
2-1
1.386 294 4
0.462 098 1
(2 - 1)(2 - 4)
1.791 759 5
(6 - 1)(6 - 4)
0.565 844 37
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
1
3
5
Velocidad medida
v, cmls
800
2 310
3 090
3 940
13
4 755
367
INTERPOLACldN
COEFICIENTEDE:
Orden
del
polinomio
orden
cuarto
tercer
segundo
orden
orden
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
primer
orden
cero
orden
Valor
calculado de
v para t = 10 S
-36.14584
135.8333
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
11.3 COMENTARIOSADICIONALES
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 mtodostuvierongranutilidadenlainterpolacindetablas
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 espaciadosy en orden ascendente, entonces la variable independiente supone valores de
369
INTERPOLAC16N
(8112.3):
+ f(x2)
o. en general.
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 - (n -
xo -
h)
1)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:
+Rn
[B11.2.3]
370
INGENIEROS
FIGURA 1 1 . 1 1
PARA
MTODOS NUMRICOS
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.
371
INTERPOlAC16N
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
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 enla 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).
373
INTERPOLACldN
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:
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
Datospor
aiustar con
funciones
segmentarias
X
3.0
4.5
7.0
9.0
{(x)
2.5
1.o
2.5
0.5
374
Solucin: los datos se pueden usar para determinar las pendientes entre
x = 4.5 a x = 7 la pendiente
puntos. Por ejemplo, enelintervalode
se puede calcular usando la ecuacin (112 3 ):
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.
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 + ci
[11.24j
375
INTERPOLAC16N
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 lo 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
FIGURA 11.15
METODOS
PARA INGENIEROS
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
377
INTERPOLACI~N
arbitrariamente una condicin para calcular eficientemente las constantes. Aunque existen algunas alternativas diferentesque 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 (11.24) 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
2 0 . 2 5 ~+1 ~4.5bl
+ 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)]
gal
y [Ec.
+ 3bl + c1 = 2.5
(11.28)]
81a3
+ 9b3 + c3 = 0.5
378
MTODOS
NUMRICOS
PARA INGENIEROS
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
4.5
0.0
0.0
0.0
3.0
0.0
1.0
0.0
1.0
1.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
7.00
0.0
9.00
0.0
0.0
o.o
o.o
81.00
o.o
49.00
- 14.00
0.0
0.0
0.0
1.00
0.0
1.00
0.0
0.0
-1.00 0.0
1.0
1.0
2.5
2.5
2.5
0.5
o.o
o.o
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
c2 =
~3 =
5.5
18.46
-91.3
los cuales se sustituyen en las ecuaciones cuadrticas originales desarrollando la relacin siguiente para cada intervalo:
fI(X) = "x
f2(x) =
+ 5.5
0.64~
-~
6 . 7 6 ~+ 18.46
f3(~)= -1.6~'
+ 2 4 . 6 ~- 91.3
la prediccin para x
f2(5) = 0.64(5)'
3.0 5 x
4.5 5 X
7.0 5 X
4.5
5 7.0
5 9.0
5
+ bix2 + cix + di
[11.31]
379
INTERPOLACldN
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).
la
El primer paso
en
la obtencin
(Chene
y Kincaid, 1980)
x - xi
x - xi-1
fl(x) = f(Xi-1)
f(Xi)
se basa en la observacin de que debido
a que cada parexi-1 - xi
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 (11.31)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
Las segundas derivadas se evalan usando la condicin de que lasprimerasderivadasen los nodos deben
ser continuas:
[B11.3.3]
f I-1(Xi) = f I(Xi)
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
La derivacin del recuadro 11.3genera las siguientes ecuaciones cbicas para cada intervalo:
[11.32]
38 1
INTERPOLACldN
Esta ecuacin contiene nicamente dos incgnitas , las segundas derivadas al final de cada intervalo. Estas incgnitasse evalan usando la ecuacin siguiente:
EJEMPLO 11.10
xo=3
f(xo) = 2.5
x1 = 4.5
f(xJ = 1
x2
f ( ~ 2=
) 2.5
Estosvalores se sustituyenenla
7 -4.5
4.5
(2.5 - 1)
6
(2.5 - 1)
-3
382
INGENIEROS
METODOS NUMRICOS
PARA
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)
[4.5f
3)3
4.5
(4.5 - x)
1.745 45 (4.5 - 3)
6
(x - 3)
+ 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:
- x)3 -
O. 327 273 (7
0.116 364(x
- X)
4.5)3
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
0.327 273(7
5)
1.727 273(5
4.5)3
4.5)
1.125 5
383
lNTERPOLACl6N
PROBLEMAS
Clculos a mano
11.1
11.2
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.
384
INGENIEROS
PARA
METODOS
NUMERICOS
11.3
11.4
f(x)
0.5
1.0
1.5
2.0
2.5
f(x)
11.7
11.8
11.9
11.10 Desarrllese la interpolacin cbica segmentaria para los datos del problema 11.5
y clculese f (3.5).
385
INTERPOLAC16N
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
CASO 12.1
METODOS
388
FIGURA 12.1
CUADRO 12.1
Nmero de computadorasen
el mercado en funcin del
tiempo
Nmero de
computadoras
Tiempo,
das
en el mercado
~~
~~
10
20
30
50 O00
35 O00
31 O00
20 O00
40
50
60
1 9 O00
1 2 O00
1 1 O00
389
Este anlisis de tendenciay extrapolacin se resuelve usando polinoel 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 aque 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 lEAXCTl dRNA P O l A C l d N
t
Polinomios de interpolacin
Primer orden
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
71
orden
Segundo
Tercer orden
orden Cuarto
Quinto orden
261
Sexto
4 orden
Media
Desviacin
estndar
2
Coeficiente de variacin245%
55
1 1 525
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%
= 65
10 475
12 688
16 391
992
38 942
67 975
28 41 1
21 951 128
3 573
10 939
8 872
733
9 366
266
18 910
24 233
90
7 850
43 230
161 750
578 750
1 854 500
5 458 100
1 350 700
2
226
-1 2 045
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
FIGURA 12.3
IV: AJUSTE
CURVAS
gundo orden lleva al resultado absurdo de que el nmero de computadorasha crecido, mientrasque laversinde
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 comportamientode 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
391
392
NUMERICOS
METODOS
PARA INGENIEROS
dt
[12.11
[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 lafigura
12.4 muestraquecuando
f = K, k
= kmex/2.
Por lo tanto, K es la cantidad de comida disponible que sostiene una tasa de crecimiento poblacionaligual 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
FIGURA 12.4
CUADRO 12.3
393
CURVAS
Grfica del promedio de crecimiento especfico contra la comida disponible con el modelode 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.
f, mglL
7
9
15
25
40
75
1O0
150
k, dias"
0.29
0.37
0.48
0.65
0.80
0.97
0.99
1 .O7
llf, Llmg
O. 142 86
0.111 1 1
0.066
66
0.040 O0
0.025 O0
0.013 33
0.010 O0
0.006
66
Ilk, da
3.448
2.703
2.083
1.538
1.250
1 .O31
1 .o1o
0.935
[12.5]
394
FIGURA 12.5
NUMERICOS
METODOS
PARA INGENIEROS
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
CURVAS
CASOS
DE
395
IV: AJUSTE
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
FIGURA 12.7
fuerzaenelmstil
rea de la seccin transversal del mstil
396
CUADRO 12.4
2
3
4
5
6
Deformacin
pieslpie
0.002 o
0.004 5
0.006 O
0.001 3
0.008 5
0.000 5
7 200
7 500
8 O00
5 200
10 O00
1 800
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 =
440'6
0.876
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
orden O al 5 paracalcular la deformacin a un esfuerzo de 7 350
lb/pulg2. Para hacerlo, los datos se ordenan de tal manera que la interpolacin siempre use informacin quese 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
397
Coeficiente de
n-simo orden
2 X 10-3
8.33 x
-6.67 X 10-9
-3.62 X 10
1.198 x
2.292 x
FIGURA 12.8
Deformacin
(con esfuerzo
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
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, la curva oscila ampliamente en otras partes del rango de datos.
7 350)
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 anterioresilustran 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
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:
zo = 7
+ 1.586 log(esfuerzo)
Esta ecuacin se puede transformar a la forma inicial que predice la deformacin, sacando antilogaritmos se obtiene:
deformacin = 2.723
(esfuerzo)
[12.8]
AL
(3.7 x
pies/pie)(30 pies)
0.11 pies
PARTE
CURVAS
CASOS DE LA
DE
399
IV: AJUSTE
FIGURA 12.9
CASO 12.4
- -cos 27T
=o
+ cos 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
CURVAS
CASOS
DE
401
IV: AJUSTE
i ( t ) = 10e-tTsen-
para O
i(t) = O
para T / 2 < t
2;t)
It IT
/2
[12.10]
O
114
1/2
i(t)
i*(t)
0.000 O00 O0
60.653 065 98
0.000 O00 O0
FIGURA 12.1 1
- 1/4)
402
METODOS
que se puedeintegrardesde t
:i
O hasta t
T/2 (T = 1 S) y obtener:
:I
CASO 12.5
REGRESINLINEALMQLTIPLEEN
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
403
log a.
+ al log D + a2 log S
-18.903
:t] [
log a.
-4.903][
-22.207
44.079
11.691
3.9451
5%
al = 2.62
a2 = 0.54
a. =
55.902.62SO.54
[12.12]
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:
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.
12.2
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.
12.3
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
15
20
337
25
736
30
F/P
= 20 aos)
(n
16 366
38
86
05
12.5
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:
Tasa de
inter& 016
15
38 0.334 20
25
30
A/P
(n = 5 aos)
32 0.298
85 0.371
0.41058
PARTE CASOS DE LA
405
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
Reptanse los clculos del caso 12.2 usando los programas propios.
12.8
Efectense los mismos clculos del caso 12.2, pero usando regresin polinomial
paraajustarunaparbola a los datos. Analcense los resultados.
12.9
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.
12.10 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
70
0.134
0.144
100
0.150
120
0.155
c
en funcin de T.
406
CUADRO P12.11
MTODOS
NUMRICOS
PARA INGENIEROS
Cloruro
Cloruro
O m g l l = 10 O00 m g l l
Cloruro
20 O00 mglL
5
10
15
20
25
30
12.8
11.3
1 1.6
10.3
10.0
9.1
10.5
9.2
9.0
8.2
7.4
8.2
8.2
7.4
6.8
7.4
6.7
6.1
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
-0.23
-0.33
1.25
1.5
2.0
0.70
1.88
6.00
407
CURVAS
CASOS DE LA
DE PARTE IV: AJUSTE
sese interpolacinpolinomialparacalcular
Interprtense los resultados.
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
40
pies2/s) I
50
1.66
1.41
60
1.22
70
1.06
80
0.93
T = 62'F.
EPLOGO:
PARTE IV
410
MTODOS
a 0
NUMRICOS
PARA INGENIEROS
41 1
EPLOGO PARTE IV
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.
METODOS
41 2
rl
i
,
L
v)
x"
I
v
*
-x
It
11
x"
II
x"
oc" boc"
L.
x"
I
/I
413
EPlLOGO PARTE IV
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
funcional es la de representar una funcincomplicada a una ms simple
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.
416
MTODOS
FIGURA V.l
b.
2.
3.
41 7
lNTEGRACl6N
FIGURA V.2
FIGURA V.3
"X
..
--
Uso de rectngulos,
41 8
MTODOSNUMRICOS
P A R A INGENIEROS
FIGURA v.4
419
lNTEGRACl6N
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 simplees 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.
.iy;
Media = L
n
N21
420
MTODOS
FIGURA V.5
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
42 1
n
c;AV,
Masa =
i= 1
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 quedenotan
cartesianas, la integracin se puede usar para el mismo propsito:
Masa =
Masa =
111
111
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
fluio dA
lo
p(x) dx
d=
v(t) dt
rv.41
422
MTODOS
I=
1."
f ( xd) x
~ 5 1
lab
f ( x ) x = F(x)
1:
F(x)
= F(6) - F(a)
[W
r8
I=
[V.7]
423
INTEGRACldN
xnt~
Jab
x" dx = n + l a
200
+ 1 6 8 . 7 5 ~-~1 8 0 +~ 400
-X'
~
I = 0 . 2 ~+ 1 2 . 5 ~- ~-x3
3
O'*
Io
lu"du=-n + 1
ubxdx =
j$=
+c
nf-1
bx
U
+c
b In a
In 1x1+
j e o x d x = -eU+
Ox
j x e a x d x = 7e( u x Ox
U > O , U f l
C
1)
+C
424
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
INTEGRACldN
FIGURA V.6
425
V: Integracin numrica.
El capitulo 75 demuestra como los mtodos se pueden aplicar a lasolucin 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
V.3.2
Metas y objetivos
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.
427
INTEGRACldN
CUADRO V.2
l.
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.
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
manera que incluya mtodos ms a116 de la re la trapezoidal. Por
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
FIGURA 13.1
+ . . . + a,-l xn-l + a,
x"
b) una
430
MTODOS
FIGURA 13.2
FIGURA 13.3
~.~
..__I___
.
43 1
se reconoce que el mtodo de bandas de la figuraV.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
analizadaalfinaldelcaptulo
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.
Recurdese del captulo 11 que una lnea recta se puede representar como (Ec. (11.2)]
[13.2]
El rea bajo la lnea rectaes una aproximacin de la integral def (x) entre
loslmites a y b:
[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
RECUADRO 13.1
PARA
MTODOS
NUMERICOS
f (b). - f(a) X
Ahora,considerando
b-a
que b2
a2 =
(b - a) (b
a)
b f b ) - af (b)x
b-a
FIGURA 13.4
[13.4]
~~~
_
l
_
l
433
FIGURA 13.5
I = (b - a) x altura promedio
[13.5]
13. l. 1
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
FIGURA 13.6
Y-
regla trapezoidal ser%exacta. De otra manera, ocurrir6 un error para funciones con derivadas de segundoy tercer orden (estoes, con curvatura).
para simplificar
el analisis, tomandoen
a = (x - a ) /
h,
en la integracin del
1= b
lo1[f
(a) + Af (a) a
[,B13.2.11 Se suponequepara
h pequea, eltrmino 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
435
*Y)]
1 = h f(a) + - - , , f ( 8 h 3
ReglatrapezoidalErrordetruncamiento
Por lo tanto, el primer trmino es el de la regla trapezoidal y el segundo es unaestimacindel error.
EJEMPLO 13.1
Aplicacin de la regla trapezoidal
simple
+2
5~ 2 0 0 ~ + 6 7 5 ~~
9 0 0+
~4
~00~~
f ( 0 ) = 0.2
f(0.8) = 0.232
se pueden sustituirenla
I = 0.8
0.2
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 0 5 0 ~- 10 8 0 0 ~ + 8 OOOx3
436
MTODOS
NUMRICOS
PARA INGENIEROS
4050~
- 10 8002 + 8 OOOx9dx
- -60
0.8 - O
que se puede sustituirenla ecuacin (13.6) y obtener
(-400
f,=
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 deltrapecio
[13.7]
= l:f(x)dx
+ [f(x)dx +
[13.8]
o, agrupandotrminos
[13.9]
437
FIGURA 13.7
~~~
-.
b) tres seg-
438
METODOS NUM~RICOS
PARA INGENIEROS
-
FIGURA 13.8
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]
+<
Ancho
Altura promedio
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
[13.12]
Por lo tanto, C f
(ti)=
[13.13]
EJEMPLO 13.2
Regla trapezoidal de segmentos mltiples
!(x) = 0.2
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
METODOS
440
E,
E, =
I
1.640 533 34
-
12(2)2
(-60)
1.068 8
0.571 73
E, =
34.9%
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 elerrordisminuye
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 disminuyea 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, antesdeinvestigarestas
frmulas, primero se analiza un programadecomputadoraqueimplemente lareglatrapezoidal.
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
t, 9 0
2
3
4
5
6
7
8
9
10
0.4
0.266 7
0.2
0.16
0.133 3
0.1 14 3
o. 1
0.088 9
0.08
1.O68
51.369
1.484 8
1.539 9
1.570 3
1.588 7
1.600 8
1.609 1
1.615 O
34.9
16.5
9.5
6.1
4.3
3.2
2.4
1.9
1.6
BASIC
FORTRAN
3
170
44 1
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
DIM F (.2lS.l,Y(21))
I NPIJT N
N I r N - 1
INPUT A , B
H = (B - A ) / NIFOR I = 1 T O N
L'NPIJT Y ( I j
NEXT I
GOSUB 1 O00
PRINT IN
END
= nmerodepuntos
NI = nmerodesegmentos
A , Bintegracibn
= lmites
de
H = anchodelsegmento
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
FIGURA 13.9
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
tando lareglatrapezoidaldesegmentosmltiples.
Estos programas se
pueden usar para resolverun 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 tiempoT.La distancia est dada por[ c(V.4)]
.
d=
endonde
v ( t ) dt
(E.13.3.1) y haciendo T
FIGURA 13.1O
10
S,
443
COTES FORMULAC16N
DE
DE INTEGRAC16N
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:
d, cm
Segmentos
Tamao
Estimado
del segmento
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
28
28
28
28
28
28
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
213 943.5159
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
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
LaregladeSimpson
de 1/3 resultacuandosesustituye
de segundo orden enla ecuacin (13.1):
f(x) dx =
un polinomio
f&)
dx
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
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]
la reglade
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)
X0
+-A3f6(xo)a (a - l ) ( a
I=h
loz[f ( x o ) +
Af(x0) a
AZf (x01
+a (a - 1)
2
2)
+-A3f(x0)
a (a - l ) ( a - 2)
6
Ntesequeseha
escrito el polinomiohastatrminos de
cuarto orden en vez de hasta trminos de tercer orden co-
+-f4(na (a - l ) ( a - 2)(a - 3 ) h 4
24
da
446
INGENIEROS
MTODOS
NUMRICOS PARA
1
90
--f'4'(i3
;;
-- - +
11a3 - - j [ 4 ) ( #
-
h4
72
Regla
de Simmon de 1/3
1'
0
A2f(xo)
2 j ( ~ 0+) 2Aj (a)+ 3
+ ( 0 ) A 3 j ( ~-)
90f'4)(#
h4
h5
"
Error
de truncamiento
[B13.3.1]
o, ya que h = (b - a)/2:
[13.16]
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
447
Solucin:
f(0) = 0.2
f(0.4)
2.456
f(0.8) = 0.232
1 = 0.8
0.2
+ 4(2.456) + 0.232 =
466 67
1.640 533 34
1.367 466 67
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).
El error estimado es [Ec. (13.16)]
E, =
- (03)5(-2
13.2.2
13.12) :
h = -b - a
n
[13.17]
+ * . . + 2h f(X,-z)
2h
f 4f(Xn-1)
f(X2)
f(X,)
+ 4f(x3) + f(X4)
448
MTODOS
FIGURA 13.1 2
NUMRICOS
PARA INGENIEROS
o , reordenandolostrminos
+\
Ancho
Altura promedio
en donde
EJEMPLO 13.5
Aplicacin de la regla de
Simpson de
enel intervalo
4 para
f ( x ) = 0.2
+2
449
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
f ( 0 ) = 0.2
exacta es
0.2):
fi(0.2) = 1.288
fi(0.4) =-2.456t(0.6)
3.464
f,(0.8) = 0.232
de la ecuacin (13.18)
1 = 0.8
=
E,
0.2
1.623 466 67
1.64053334
1.623466 67
0.017 066 67 e,
1.04%
E, =
(O 8)5 A
(-2400) = 0.017 066 67
180(4)4
13.2.3
Regla de Simpson de
3/8
para obtener
450
MTODOS
"
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,, =
FIGURA 13.13
3
h5j'"'(d
80
"
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.
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 hizoenel
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
Utilceselaregla
f(x') = 0.2
a) Una
f(0.266 7)
1.432 724 28
f(0.533 3)
3.487 176 96
f(0.8) = 0.232
452
MTODOS
NUMRICOS
PARA INGENIEROS
E,
0.2
0.8
3(1.432 724 28
E, =
0.232
1.519 170 37
1.640 533 34
8
-
1.519170 37
6 480
0.121 362 97
7.4%
E,
O.16) son
0.121 362 96
f ( 0 ) = 0.2
f(0.80) = 0.232
0.32
Para los ltimos tres segmentos, se usa la regla de Simpson de 3/8 para
obtener
1 = 0.48
=
1.743 393 28
1.264 753 46
I
E,
13.2.4
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. Enel 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
METODOS NUMERICOS
454
PARA INGENIEROS
6 ' 6 - 3
I
455
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 suposicinno 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
I = 0.12
1.309 729 28
+ 0.2
0.232
+*.-+0.1
=
0.090 583 76
1.564 800 98
+ 2.363
2
0.130 748 53
. . .
querepresenta un errorrelativoporcentualabsolutode
0.129 75
E, =
4.6 % .
0.0
0.200000 O0
0.442.842894
96
0.121.309729280.543.50729696
0.221.30524128
0.64 3.18192896
0.321.743393280.702.363
O00 O0
0.36
2.07490304
0.80 0.232O00 O0
0.40 2.456 O00 O0
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
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
0.275 802 92
4(1.305 24128)
6
1.309 729 28
458
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.
__-
"
"
"
."
"
FIGURA 13.1 6
460
MTODOS
0
I
-CY
-4-
LD
NUMRICOS
PARA INGENIEROS
46 1
PROBLEMAS
Clculos a mano
13.1
I" (10 + 2x
15 (1
- 6x2
+ 5x4) dx
(b)
(c)
-3
Jv
- x - 4x3
+ 3x5) dx
(8 + 5 sen X) dx
13.2
13.3
13.4
Evalense las integrales del problema 13.1 con una aplicacin simple de la regla
Simpson de 1/3.
13.5
Evalense las integrales del problema 13.1 con una regla de Simpson de 1/3
de segmentos mltiples, con n = 4 y 6.
13.6
Evalense las integrales del problema 13.1 con una aplicacin simple de la regla
de Simpson de 3/8.
13.7
Evalense las integrales del problema 13.1 usando la regla de Simpson de 3/8
con segmentos mltiples, con n = 5.
13.8
462
laversin
lo*
15.32.5xdx
I, (4 + 2 sen x) dx
a)
Analticamente.
a).
13.13 Evalese la integral de los siguientes datos tabulares mediante 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)
-46
la funcin
+ 4 5 . 4 ~- 1 3 . 8 ~ +
1 . 7 1 ~
-~0 . 0 7 2 9 ~ ~
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.
463
10 - 3 8 . 6 ~+ 7 4 . 0 7 ~ ' - 4 0 . 1 ~ '
!(x)
1.2
1
a)
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)
464
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 =
S1
C A P T U L OC A T O R C E
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 integralse est restringiendoa tomar
el promedio pesado def(x) en los intervalos de los extremos.Las frmulas
de cuadratura gaussiana emplean valores dex contenidos dentrode a y de
b de tal forma que resulta una integral mucho ms
exacta.
466
MTODOS
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 grandesd e n , el error empieza a crecer ya que los errores de redondeo empiezana 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 desegmentos 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 la precisin.
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.
+ (h)
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
MTODOS
NUMRICOS
PARA INGENIEROS
ecuacin (14.1):
Por lo tanto, se ha desarrollado una expresin que calcula el error detruncamiento en teiminos del valor de la integral y el tamao de paso. Esta
estimacin se sustituyeen
= I(h2)
+ E(h2)
obteniendounaestimacinmejoradade
r
la integral:
[14.4]
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
469
~~~
~~~~
Segmentos
Integral
ev,%
1
2
4
0.8
0.172 8
1.068 8
1.484 8
89.5
34.9
0.4
0.2
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
4
(1.068 8)
I =
1
- - (O. 172 8) = 1.367 466 67
El errorenlaintegral
mejorada es
= 0.273 066 67
E,
= 16.6%
4
I = "1.484
3
8)
1
-(1.068
8)
1.623 466 67
E,
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
16
15
I ="
I
,-
"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
[14.8]
471
en donde [,+I,+" y lj,k-lson 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
FIGURA 14.2
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 puedeemplear 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-
NU
R A 14.3 Diagrade fluio de la intecir7 de Ron1 ber g .
473
MTODOS
474
NUMRICOS
PARA INGENIEROS
FIGURA 14.4
(b -
U)
f (a>+ f tb)
2
[14.10]
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 pasara 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 elmtodode coeficientes indeterminados.Estemtodo
se emplea enel
desarrollodelasfrmulasde
Gauss-Legendre.
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
FIGURA 14.5
NUMRICOS
PARA INGENIEROS
exactamente: a) una
Estas son dos ecuaciones con dos incgnitas que pueden resolverse por
c1
= c2 =
b-a
-
enla
ecuacin ( 1 4 . 1 1 ) dan
477
+ C2f(X2)
Clf(X1)
1 dx
[14.13]
[14.14]
[14.15]
[14.16]
Las ecuaciones (14.13) hasta la (14.16) se resuelven simultneamente,
c1 =
c2
= 1
-1
xl=-=
d3
x2="
d3
-0.577 350
269. . .
478
MTODOS
FIGURA 14.6
para integracin
= a.
+ alxd
[14.18]
= a0
1, estosvalores
+ al(-l)
+ al(1)
Se
[14.19]
=
b , corresponde a xd
1, y
[14.20]
479
INTEGRACI~N
DE ROMBERG Y CUADRATURA GAUSSlANA
b+a
2
[14.21]
at =
a0
b-a
quesesustituyeenlaecuacin
X =
[14.22]
(14.18) para obtener:
(b + a) + (b - a)xd
2
[14.23]
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
0.2
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
480
INGENIEROS
MTODOS
Estosdosvalores se sustituyenenla
(0.2
NUMRICOS PARA
+ 2 5 -~ 2 0 0 ~+ ~6 7 5 ~- 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 55y en 1 4siendo igual a 1.305 83723. Por lo tanto, de acuerdo a la ecuacin (14.171,
laintegral es:
1 = 0.516 74055
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.
48 1
CUADRO 14.1
Puntos
Factores
de peso
Argumentos
de la funelen
x1 = -0.577
c:, =
x1
=0.555 555 556
0.888 888 889 x2
x3
0.555 555 556
c1
c1 = 0.347854845
c:, =
~3 =
c:, =
~3 =
~4 =
~1 =
C?
=
~3 =
~4 =
~5
=
c:, =
~3 =
~4 =
~5 =
c6 =
~1
X:, =
=
=
=
Error de
truncamiento
X] = -0.861136312
= f(*)([)
0.652 145 155 X:, = -0.339 981 044
0.652 145 155 x3 = 0.339 981 044
0.347 854 845 x4
0.861136312
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
0.171324492
X, = -0.932469514
=
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([)
lacuales
exacta.
482
INGENIEROS
MTODOS NUMRICOS
PARA
EJEMPLO 14.5
Aplicacin de la cuadratura gaussiana al problema del paracaidista
gm
d=-b
C
10
[l-
483
BASIC
FORTRAN
UIM XQ(ll),C(lIi,J0(5),Jl(5)
L>EF F N C ( X D )
O . , ,774597, , 3 3 9 9 8 1 ,
c.a61136,0.,.~38469,.90618~,.238~~9,
1
4
C661209, ,932470,'
D A TJI 0 / 1 , 3 , 4 , 7 . 9 /
D A T AJ 1 / 1 , 3 , 5 , 8 , 1 1 c
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
sn=o.
JA= JOC I )
JB=Jl(I)
FIp( 1/2>-1/2
I F (FX.NE.0.)
K=( 1 - 1 >*2
350
380
COTO 3 5 0
FIGURA 14.7
XD-
FcCAU C i I i
GAUSSIANA'
Al
C.347855,.568889,.478629,.236927,
C.467914,.360762,.171324/
[)ATA X Q / . 5 7 7 3 5 0 ,
= A0
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 541 ( 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
los factores
de peso
(Cuadro 14.11
484
MTODOS
NUMRICOS
PARA INGENIEROS
en la cuadratura gaussiana
PROBLEMAS
Clculos a mano
14.1
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
14.3
evaluax
dx
con una exactitud del O . 1 % . Los resultados se deben presentar en la forma dada
en la figura 1 4 . 2 .
485
14.4
14.5
14.6
14.7
14.8
Utilcense mtodos analticos (recurdese el cuadro V. 1)y las frmulas de GaussLegendre de dos a seis puntos para resolver
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-
"
..
C A P T U L OQ U I N C E
V:
CASOSDELAPARTE
INTEGRACI~N
488
INGENIEROS
MTODOS
CASO 15.1
NUMRICOS
PARA
3 O00
1 750
N
10 O00
+N
[15.13
15.1.
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
Tiempo
en das
f)
O
10
20
30
40
50
60
CASOS DE LA PARTE V: l N T E G R A C l 6 N
FIGURA 15.1
489
Costo de las computadoras contra el nmero de computadoras enelrnercado. La curva se basa en la ecuacin (15.1).
Efectivo
total
(promedio
de
ventas
costo unitario) dt
490
INGENIEROS
METODOS
CUADRO 15.2
NUMRICOS PARA
Segmentos
Efectivo
generado
Regla
trapezoidal
Regla de
Simpson de
1/3
1
2
3
6
82 959 900
950
74 473
96 294 660
81 075 830
2
6
71 645 300
77 202 887
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 realizareste 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]
49 1
AH
c(T) = 0.132
+ 1.56 X
10-4T + 2.64
10-7T2
[15.3]
quepuedesersustituidoen
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
-100
-50
O
50
100
150
200
c callglOC
0.119
0.124
0.132
0.140
0.150
0.161
0.173
04
86
O0
46
24
34
76
092
MTODOS
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
con tamaos de paso relativamente grandesy exacta para polinomios de
tercer orden o menos.
CUADRO 15.3
CASO 15.3
OC
AH
96
43
42
42
42
42
42
42
42
048
029
864
765
740
733.3
732.3
732.01
732.000 3
Yo
125
0.7
0.3
0.07
0.018
< 0.01
< 0.01
< 0.01
< 0.01
CASOS DE LA
V: INTEGRACldN
FIGURA 15.2
493
= tan= 0.099
Solucin: para proceder con elproblema, 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:
(3/30),
668 7 ,
I-
INGENIEROS
METODOS
494
NUMRICOS
PARA
CUADRO 15.4Valoresde
f(z) con
un tamao de paso
de 3 piesqueproporcionan datos de
la regla trapezoidal
y la regla de Simpson de 113
f(z),lblpies
z, pies
O
6 1.40
73.13
70.56
63.43
55.18
47.14
39.83
33.42
27.89
23.20
O
3
6
9
12
15
18
21
24
27
30
CUADRO 15.5 Valores de F calculados en basea varias versiones de la regla trapezoidal y la regla de Simpson de 113
_____
_____________
Mtodo
pies
~~
Tamao de
paso,
Segmentos
F,
libras
15
10
6
3
1
0.5
0.25
o. 1
0.5
2
3
5
10
30
60
120
300
600
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
2
6
10
30
60
1 219.6
1 462.9
1 476.9
1 480.5
1 450.6
Regla
trapezoidal
de Regla
Simpson de 113
15
5
3
1
0.5
CASOS DE
495
V: INTEGRACldN
O
lo3'
200z[z/(5
d=
+ ~ ) ] e - ~dz/ ~ '
1480.6
Esta integral se evala usando mtodos similaresa los anteriores. Porejemplo, la regla de Simpson de 1/3 con un tamao de paso de0.5 proporciona
19 326.9
1 480.6
d =
13.05 pies
CF"= O
EM0
Tsen 8
[15.9]
v - reos o
[15.10]
3V - Fd
E15.111
y de la ecuacin (15.9),
H = F
T sen 8
1 480.6
(4 473)(0.099 5)
836.54 lb
496
METODOS NUMRICOS
PARA INGENIEROS
CASO 15.4
DETERMINACIN DE LA CORRIENTERMS
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):
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
CASOS DE
497
V: INTEGRACldN
CUADRO 15.6
15.412 608 1
Mtodo
Segmentos
Integral
Regla
trapezoidal
de
Regla
Simpson de
1/3
E,
1
2
4
8
16
32
64
128
0.0
15.163 266
5
15.401 429
1
15.411 958 4
15.412 568
2
15.412 605
6
15.412 607 9
15.412 608
1
1 O0
1.62
0.0725
4.21 x 10-3
2.59 x 10-~
1.62X 10-5
1.30x low6
O
2
4
8
16
32
20.217 688
7
15.480 816
6
15.415 468
1
15.412 771
4
15.412 608
1
-31.2
-0.443
-018 6
-1.06 x 103
O
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)
[15.13]
1
4
1
4
t = - + - t d
1
4
dt = - dtd
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)
+
=
15.657 550 21
1.6%
Resultadosobtenidosusandovarios
puntos y la cuadratura gaussiana para
aproximar la integral
~~
Puntos
Aproximacih
824
11.997
3
15.657 550 2
15.412 639 1
610 9
3
802
15.4054
15.4126
!%
22.1
-1.59
4.42 x
-2.01 X 1 0 - ~
-1.82 x 10-5
499
Laaproximacin a laintegralde
15.412 608 1 se sustituyeenla
ecuacin (15.12) y se calcula IRMscomo 3.925 889 5 A. Esteresultado se emplea en la gua de otros aspectos del diseo y operacin del
circuito.
CASO 15.5
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]
w=
[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
FIGURA 15.6
NUMERICOS
PARA INGENIEROS
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 delanlisis. Se calcul un error relativo porcentual E ~ ,en referencia al valor real
CASOS DE LA
50 1
V: INTEGRACldN
x , pies
O
13.0
14.0
10.5
12.0
0.0
9.0
5
10
15
20
25
30
5.0
0.000 o
1 S29 7
9.512 O
8.702 5
2.808 7
1.088 1
0.353 7
030
1.40
0.75
0.90
1.30
1.48
1S O
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 msexacto 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 de1 pie
M6todo
Regla trapezoidal
Regla de Simpson de
1
2
3
6
1/3 2
6
Regiade
Simpson de
3/8 3
95.9
5.31
-2.84
133.19
3.51 124.98
1 1 9.09
8.05
175.82
-35.75
9.57117.13
139.93
-8.04
502
METODOS NUMRICOS
PARA INGENIEROS
FIGURA 15.8
503
FIGURA 15.9
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, llevaa 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
15.2
METODOS
Efectense los mismos clculos del caso 15.1, pero envez de usarla ecuacin
(15.1) utilcese la siguientefrmulaalternativa:
Costo por computadora ($) = 1250
15.3
PARA INGENIEROS
1750e-510-5N
~~
~~
~~
~~
~~
_ _ ~
Punto A
~~~
~~~
Punto B
Tiempo
Carrodminuto
Tiempo
Carrodminuto
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
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
3
5
4
5
6
2
1
1
3
4
6
3
5
2
1
4
3
4
6
1
3
6
eab
S1
q A dt
Ingeniera Qumica
15.5
Reptanse los clculos del caso 15.2 usando los programas propios.
15.6
Efectense los mismos clculos del caso 15.2calculando la cantidad de calor necesario para elevar la temperatura de 2 O00 g de material desde 2 000 hasta
505
TABLA P15.4
Tiempo, h
Flujo de
calor q,
colorks/cm2/h
o. 1
6
7
8
9
10
11
12
13
14
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
100C. Utilicese la regla de Simpson en los clculos, con valores de T a intervalos de 5OOC.
15.7
15.8
15.9
E"
= 0.01%.
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:OOP.M.
3:OO P.M.
4:OO P.M.
5:OO P.M.
6:OO P.M.
7:OOP.M.
8:OOP.M.
1O:OOP.M.
12:OO Medianoche
10
4
.6
40
60
80
25
18
17
28
35
77
40
30
31
15
507
V: INTEGRACION
CASOS
FIGURA P15.14
FIGURA P15.15
""".""".
..
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
i(t) = O
por O
It S
por T / 2
r/2
It I
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 . 0 3 5 ~ ~
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
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 endoscasosdiferentes:
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.
METODOS
510
>
O
L
NUMRICOS
PARA INGENIEROS
EPILOG0 PARTE V
51 1
512
-2
N
l!
- x
x'
x'
i;
C
9
x'
3
I
e,
EPLOGO PARTE V
513
516
MTODOS
m-
d2x
dt
+ C"
dX
dt
NUMRICOS
PARA INGENIEROS
+kx=O
[VI. 21
dx
Y=%
[V1.3]
dy - d2x
-"
[V1.4]
Las ecuaciones
df
dt2
y obtener
m-dY
dt
+ cy + &x = o
[VIS]
dy "dt
cy
+ kx
[V1.6]
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]
517
AI 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
ecuacin (VI.7) se resuelve analticamente mediantela ecuacin (1.9)
(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 enestos 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'"'
[V1.9]
d28
dt2
-+-sen0
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]
[V1.12]
De esta manera se ha transformado la ecuacin
ma lineal fcil de resolver analticamente.
Vi. 1.2
Las
E D 0 en la prctica de la ingeniera
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 el desarrollo de una E D 0 que describe el cumbic propor-
519
CUADRO VI. 1
Variables y
parmetros
Expresin
matemtica
Ley
Segunda ley de
Newton del
movimiento
dv
dt
- = -
Flujo de calor = k-
Velocidad (v ), fuerza ( F )
y masa ( m )
aT
Conductividad trmica
y temperatura ( T )
ax
ac
Flujo de masa = 4
ax
Ley de difusin
de Fick
Ley de Farafay
(describe la cada del
voltaje a travs de un
conductor)
Cada de voltaje =
L-
di
(k)
dt
dc
Acumulacin = V--
Conservacin de
la masa
dt
Volumen (V) y
concentracin (c)
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.
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
FIGURA V1.2
d~-
-2x3
dx
+ 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
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)
y = - 0 . 5 ~ ~ 4x3 - lox2 + 8 . 5 ~ C
[VI.15]
FIGURA V1.3
. . 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):
[VI. 161
[VI.17]
VI .3
Antes de continuar con los mtodos numricos en la solucin de ecuaciones diferenciales ordinarios, puederesultar otil una orientacin. El
material siguiente tiene lafinalidaddeproporcionaruna
visin
general de los temas analizados en la parte VI. Adems, se han for-
523
ECUACIONES DIFERENCIALES
V1.3.1
los temas
Alcances y avances
FIGURA V1.4
_I,..
..
524
MTODOS
NUMRICOS
PARA INGENIEROS
525
V1.3.2
Metas y objetivos
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 para la mayor parte delos otros mtodos anulizados en la parte VI. Esta 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
CUADRO V1.2
NUMRICOS
PARA INGENIEROS
4.
5.
6.
7.
8.
9.
1o.
11.
12.
13.
14.
CAPTULO DIECISIS
MTODOS DE
U N PASO
valoranterior
pendiente
o , en trminosmatemticos
FIGURA 16.1
Esquema
tamao delpaso
528
MTODOS
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 ala pendiente que dan como
resultado mejores aproximaciones.
16.1 MTODO
DE EULER
f h ,Y)
donde f (xt,y,) es la ecuacin diferencial evaluada en x,y y , . Esta aproximacin se sustituye en la ecuacin (16.1):
[16.2]
FIGURA 16.2
Mtodo de Euler.
MTODOS
529
DE PASO
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
~ ( 0 . 5=) y(0)
en donde y(0)
f ( 0 ,1)
+ f(0, 1) 0.5
1 y la aproximacin a la pendienteen x
+ 12(0)'
O es:
Por lo tanto:
y(0.5) = 1.0
La solucinverdaderaen K = 0 . 5 es:
+ 8.5(0.5) + 1
3.218 75
E,
.I
_"
5.25 + [ ~ - 2 ( 0 . 5+) ~
lZ(O.5)'
5.875
-..
20(0.5) + 8.530.5
530
INGENIEROS
MTODOS
CUADRO 16.1
NUMRICOS
PARA
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 presentadosse calcularon usandoel 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 IQdiferencia total
debido a los pasos anteriores as como al actual
e,, error relativo Doreentual
X
Yverdadero
__
0.0
0.5
1 .o
1.5
2.0
2.718 2.5
3.0
3.5
4.0
~
FIGURA 16.3
1 .O00O0
3.218 75
3.000 OG
2.218 75
2.000 O0
75
4.000 O0
4.718 75
3.000O0
YEuler
Global
local
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
-63.1
-95.8
"131 .O
-1 25.0
-75.7
-46.9
-5 1 .O
-1 33.0
-63.1
-28.0
-1.41
20.5
17.3
4.0
-1 1.3
-53.0
MTODOS
53 1
DE UN PASO
16.1.1
(recurdese la
los mtodos
de dgitos o
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
[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 els 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,
[16.9]
O(h2)
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
533
METODOS DE UN PASO
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]
[E16.2.3]
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
-12(0.0)
6
+ 24 (0.5)3= 0.5
- 12
24
orden:
= -(0.5)4= -0.031 25
534
Estos tres valores se pueden sumar para obtenerel error total de truncamiento:
E,
E,,z
0.5
0.031 25
-2.031 25
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.
535
MhODOS DE UN PASO
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, elmtododeEulerseconozcacomo
mtodo de primer
orden.
EJEMPLO 16.3
Efecto de la reduccin del tamao de paso en el mtodo
de Euler
536
M~TODOS
NUMERICOS PARA INGENIEROS
FIGURA 16.4
537
METODOS DE UN PASO
FIGURA 16.5
valoranterior
pendiente
538
MTODOS
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
~
x-x0
250
270
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
C A L L E U L ~ S )L
Y-wsLw
x-x+n
CONTINUE
URITE<6,3)X,Y
CONTINU
STOP
NO
X I
.S
Y
INPUT K O . X 1
INPUT YO
INPUTH
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
NUMRICOS
PARA INGENIEROS
YO
PI
PI
= Intervalo de mpresln
NP = numero de p a s o s de Irnpresln
NC = numero de Dasosdecalculo
ISubrutlnaparacalcular
la pendlentel
RETURN
EN0
FIGURA 16.6
Programaparalacomputadora
FORTRAN y BASIC.
METODOS
539
DE UN PASO
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 umXson 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
16.1.3
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
54 1
MhODOS DE UN PASO
Y:
= !(X,
Y>
r16.121
"_
"
P
I....
.. ".".,
Y?*d
[16.14]
542
MTODOS NUMRICOS
FIGURA 16.8
PARA INGENIEROS
MTODOS
543
DE UN PASO
I Predictor
(Fig
16.8a):
= yi
+ f ( x i ,yi) h
+fki,
Y> + f(Xi+lr Y ? + J
[16.15]
[16.161
[16.17]
FIGURA 16.9
544
MTODOS
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.
dicininicialen
Solucin: antes de resolver el problema numricamente, se puede efectuarel clculo mediante la siguiente solucin analtica:
y = 4
[E16.5.1]
e-0.5~) + & - 0 . 5 ~
1.3
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
y = 4 e o
0.5(2) = 3
y1
6.701 081 86
MCTODOS DE UN PASO
CUADRO 16.1
545
1
x
O
1
2
3
4
Yverdmdero
Yheun
2.000 O00 O0
6.19463138
14.843921 9
33.677171 8
75.338 962 6
15
lEvl '10
Yheun
0.00
2.000 O00 O0
6.701 081 86 8.18
9.94
16.319 7819
10.46
37.199 248
9
10.62
83.337 767
4
kv1
2.000 O00 o
6.360 865
15.302 236
7
34.743 2761
77.735 096
2
0.00
2.68
49
3.09
3.17
3.18
[3
+ 4eo.8"'
- 0.5(6.701 081
86)]
6.275 81139
[3
+ 4eo.8(1)
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)Jn 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]
r+' R"
dy
!(x)dx
[16.19]
que lleva a
[16.20]
O
Yitl
yi
[+I
f(x) dx
[16.21]
o, en este caso
L16.221
"""
METODOS
DE U N PASO
547
[16.23]
16.2.2
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
- 2oX
..
+ 8.5
.- ' ...
548
FIGURA 16.11
y:+1/2
= f(Xi+l/2,Yi+l/2)
[16.26]
METODOS
549
DE UN PASO
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.
Enelmismo
sentido, unaaproximacin 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.
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
!"tervalo
SL = pendmnte promedlo
SL-~s1*S2,,'2
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
FIGURA 16.12
fCorrector1
E A = error calculado %
fPrueba del error donde
ES = error aceptable1
EA=
Versionesen FORTRAN y
todo iterativo d e Hewn.
"
"
"
"
..
._,
.
"
...,. .-
550
NUMRICOS
MTODOS
PARA INGENIEROS
16.2.4
Resumen
16.3 MTODOS
DE RUNGE-KUTTA
Y,
+(Xi,
r16.281
Yi, h) h
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
en donde las
+ a2k2 +
+ ankn
[16.29]
SS 1
METODOS DE UN PASO
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:
Sustituyendo
la
obtiene:
donde
[B16.1.5]
re-
g(x+r, y + ~ )= g(x, y)
+ r-as + s- as + - .
ax
ay
552
METODOS NUMRICOS
al
+ a2 = 1
azpl
Este
resultado
puede
se
sustituir
ecuacin
junto
la
con
(B16.1.2)enlaecuacin
PARA INGENIEROS
$
1
(B16.1.1) paraobtener
a2q11 = 5
+o@
sola o,
trminos,
reordenando
+ o(h3)
[B16.1.7]
16.3.1
al
+ a2 = 1
[16.31]
[16.32]
[16.33]
553
METODOS DE UN PASO
1-
[16.34]
a2
1
P1
= 911 = -
2a2
[16.35]
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.
donde
[16.37a]
[16.376]
554
MTODOS
[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
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:
kl = -2(0)3
es elde
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
555
METODOS DE UN PASO
CUADRO 16.3
Heun
RKRalston
Polgono
corrector
simple
mejorado
segundo
de
orden
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
veradera
~(0.5')'
= 1
El clculo se repite,
16.13
1%
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
+ 4.21875(0.5) = 3.109375
el cuadro 16.3.
FIGURA
I 4
E"
y losresultadosseresumenen
lk"l
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
4.117 1875 2.9
4.800 781 25 1.7
1 .o
3.031
25
3.4%
la figura 16.13 y en
Comparacin de la solucin verdadera con los mtodosnumricos,tres RK de segundo orden y mtodo de Euler.
556
M~TODOS
NUMRICOS PARA INGENIEROS
4.554 687 5
~ ( 0 . 5=
) 1 + 4.5546875(0.5)
3.27734375
-1.82%
16.3.2
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]
MTODOS
557
DE UN PASO
EJEMPLO 16.7
Mtodo RK de tercer orden
Enunciado del problema:utilcese la ecuacin (16.39) paraintegrar
a) Una E D 0 queesexclusivamenteunafuncinde
d~ - -2x3
dx
"
con y(0)
x [Ec. (VI.14)]:
1 y detamaodepaso
igual a 0.5.
y:
dY
= 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:
que se puedesustituirenla
y(0.5) = 1
1.25]}0.5
3.218 75
INGENIEROS
558
PARA
NUMERICOS
METODOS
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.
16.3.3
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
-2x3
+ 1zx2
2oX + 8.5
y =
559
METODOS DE UN PASO
kl = -2(0)3
k2
20(0) + 8.5
8.5
= ~ 2 ( 0 . 2 5 ) ~12(0.25)' - 20(0.25)
k3 =
k4
+ 12(0)'
+ 8.5 =
4.218 75
4.218 75
= -2(0.5)3
que se puedensustituirenla
y(O.5) = 1
1.25110.5
3.21875
16.3.4
donde
kl = f
k5
k i ,
= f(xi
ks =/(xi
[16.41a]
Y)
h, yi
+ &hkl + & h b )
[16.41e]
[16.41f]
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: emplirenselos 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
corregir, RK de tercer orden [Ec. (16.39)],RK clsico de cuarto orden
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
561
METODOS DE UN PASO
nf
b - a
~
[16.42]
16.3.5
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.
Enel 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
Yi+l
25
+ ( E k 1 +
1 408
k3
2 565
+(gkl
2 197
k4
4 104
1
-ks)
r16.441
orden:
6 656
+ 12 825
k3
28 561
56 430
[16.45]
donde
12
k4 = f(xi + Gh,
yi
1 932
hkl
+2 197
439
+ h, yi + -hkl
216
1
+- 1859
4 104
8hk2
Oo'
hkp
2 197
680
+"- 3513
7 296
-hk3
2 197
410
3 544
+ 2hk2 - ___
2 565 hk3
40
MTODO
563
DE UN PASO
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 pasospequeos 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.
FIGURA 16.15
INGENIEROS
564
PARA
NUMfRICOS
METODOS
[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
565
METODOS DE UN PASO
yZ(0.5) = 6
O
0.5
1.0
1.5
2.0
Y1
4
3
2.25
1.687 5
1.265
6215
Y2
6
6.9
7.715
8.445 25
9.094 087
5
de
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
EJEMPLO 16.1 1
Solucin de sistemas de
orden
6) = -0.5(4)
f(0, 4, 6) = 4
==
-2
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
+ i h k l , 2 = 6 + $(0.5)(1.8)= 6.45
k2,2 =
-1.75
k3,2
k4.1
= f(0.5,
k4.2 =
-1.781 25
1.715 125
-11.554 687 5
1.631 793 75
yl(0.5) = 4
=
1.781 25)
3.115 234 38
y2(0.5) = 6
=
+ iL-2 + 2(-1.75
6.857 670 32
~
~~
567
METODOS DE UN PASO
Y1
4
3.1 15 234 4
2.426 171 3
1.889523 1
1.471576 8
0.5
1 .O
1.5
2.0
16.4.2
Y2
6
6.857 670
3
7.632 105
7
8.326 886
O
1
8.946 865
EJEMPLO 16.1 2
El
mtodo de disparo
d2Y + 0.2y = 2
dx2
568
MTODOS
NUMRICOS
O y y ( 10)
PARA INGENIEROS
O.
dY
[E16.12.1]
- 2
"
dx
Y
dz
dx
"
FIGURA 1616
0.2y
[E16.12.2]
569
METODOS DE UN PASO
40)
1.
y(10) = 10.208
z(0) = 2
y(10) = 8.035
2 - 1
(O - 10.208) = 5.7
8.035 - 10.208
correcta como
570
METODOS NUM~RICOS
PARA INGENIEROS
manera, la ecuacin diferencial se transforma en un conjunto de ecuaciones algebraicas simultneas que se puede resolver usando un mtodo
de la parte 111. Este es el esquema que se usa en el caso 9.2 para resolver
ladistribucindela
temperatura de una placa caliente. Los problemas
9.8, 16.9 y 18.10 se relacionan con la solucin de problemas con valores a la frontera.
PROBLEMAS
Clculos a mano
16.1
Oa
yx2 -y
16.3 Utilicese el mtodo de Heun con h = 0 . 5 y 0.25 para resolver el problema 16.1.
Itrese el corrector a E, = 1%. Grafquense los resultados sobre lamisma grfica y comprese visualmente la exactitud de los dos tamaos con la solucin analtica. Interprtense los resultados.
16.4
16.5
16.6
Utilicese el mtodo clsico RK de cuarto orden con h = 0 . 5 para resolver el problema 16.1.
16.7
0 . 5 y 0 . 2 5 para resolver el
0 . 5 para resolver
16.8 Reptanse los problemas 16.1 al 16.7 pero con el siguiente problema con valores
iniciales sobre el intervalo x = O a x = 1.
dy
"
dx
y(0) = 1
MTODOS
DE UN PASO
571
d$ +
16-
dy
dx
4y = 20
dy1
- y1
"
0.1Y1Y2
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.
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 lneasque conectan estos puntosanterioresproporcionainformacin
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
574
NUMERICOS
MtTODOS
PARA INGENIEROS
[17.2]
Por lo tanto, el predictor y el corrector tienen errores locales de truncamiento de O(h2) y O(h3),respectivamente. Esto sugiere que el predictor
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 lavariable dependienteEstevalornodeberaestardisponibleen 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
+ f h i , Y 3 +2f(Xi+l,
(para j
[17.4]
YG)
1 , 2, . . . , m )
C17.51
MTODOS
575
D E PASOS M L T I P L E S
FIGURA 17.2
[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 :
+ [4e0.8io)- 0.5(2)]2 =
y:=2+
=
0.5(2) +
4eo.8(')
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')
141=
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:
577
En
el
segundopaso,
y; = 2
= 13.443
461
el predictor es
0.5(6.360
865 49)] 2
2
, = 9.43%
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)Jse puede usar en la eva-
578
MTODOS
NUMRICOS
PARA INGENIEROS
donde h = x , + ~
- x , es el tamao de paso. Sustituyendo
(17.8) en la ecuacin (17.7)se obtiene
Yiil
Yi
f k i l
la ecuacin
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]
]Y-1
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.
579
METODOS DE PASOS
verdadero
Valor
yp+l
+ $ h 3 y(&,)
C17.131
y21 - ff h3 y(&)
C17.141
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
E = - 6.360 865 49
6.194 631 38
6.360 865 49
-"
15.302 236 7
13.443 461 9
5
que tambin secompara
14.843 921 9
15.302 236 7
= -
0.458 314 8.
(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
581
PASOS MLTIPLES
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
(t) = y (,$J.
+YLl
+ 4 (y?
y:)
r17.211
EJEMPLO 17.3
Efecto de los modificadores en los resultados del
predictor-corrector
582
MTODOS
FIGURA 17.3
PARA INGENIEROS
NUMRICOS
paramodificarelvalorcorregidode
como en:
y'' =
6.360 865 49 -
= -
2.684%),
13.594 234 10
e:, = 8.42%
MTODOS
583
DE PASOS MLTIPLES
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%
14.888
268
60
-0.30%
584
INGENIEROS
PARA
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
NUMERICOS
la
1..
Y0
.
LVLI
210
MTODOS
delcorrector
220
230
240
250
260
27
"
280
N C = nmero de pasos de X I 1 1 a X F
290
30CI
310
320
333
340
350
300
aao
370
(Predlctorl
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)
/
380
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
sin principio.
MTODOS
DE PASOS MLTIPLES
585
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 deficienciasy por lo tanto sera de gran ventaja
Corno ya se dijo previamente, los mktodos de pasos mltiples descritos en este captulo proporcionan una base para tal algoritmo. Porlo tanto, 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 comosea 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
587
MhODOS DE PASOS
FIGURA 17.6
588
METODOS NUMRICOS
PARA INGENIEROS
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
589
DE PASOS MLTIPLES
(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.
[17.22]
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
y para n
3h
+ 7j-ifi + fi-1)
3,
Yi+l
Y-n+l
Y+I
[17.251
f"(XMX
Xi-n+l
FIGURA 17.8
(17.26)].
a)
[Ec.
METODOS DE PASOS
591
Y +
5 (fi + f i + l >
yi-1 +
2:
-3 Cfi-1 + 4fi + f i + l )
C17.261
[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)
o, agrupando trminos:
yi+l = y,
+ h($ fi
fi-1)
+ & b 3 fl + O(h4)
[17.28]
592
-
MTODOS
NUMRICOS
PARAINGENIEROS
[17.29]
yi =
f :+1
Resolviendopara y j + seobtiene
l17.301
Orden
24
Po
PI
Pz
P3
P4
Error local de
truncamiento
Ps
24
55
-
24
1
901
__
59
"
37
-
9
24
1 274 251
"
2 774 __
2 616
720720
720 720 720
4
277
923
982
7
9
7
298 877
2
__ -~
__
__
720
720
720 720
720
"
475
h6f'"([)
1440
"
~
"
475
720
"
19 087 h7f(6)(0
60 480
MTODOS
593
DE PASOS MLTIPLES
FIGURA 17.9
fi
que se sustituyeenla
Y,+]= y; + h
&lh
O(h2)
[i.,,
-
594
MTODOS
CUADRO 17.2
P
2
P3
-1
2 2
1
5
8
3
12
12 12
9
19
4
24
24
264
251 19 646106
5
720720
720720
1 427
798
482
475
_ _ 6
1 440 1 440
1 440 1 440
2
NUMRICOS
los correctores de
Error local de
truncamiento
PS
P
4
-1
1
12
1 h4{f'3)(()
-- __
- - h3P(5)
"
"
"
PARA INGENIEROS
19
h5f'4'(5)
720
27
-.-.____
"
720
173
1 440
,!,6f(5)(5)
1 AA0
27 863
"
h7f(6,(5)
"~
~"
1 440
&
480
I
y!+] = yi
+h
Pkfiil-k
+ O(h"+')
k=O
Los coeficientes & se listan en el cuadro 17.2. El mtodo de cuarto orden se muestra en la figura 17.9b.
y el de
error
los modificadores
Va,or verdadero =
"&
%
+ I ~ ( ~ + I ) ( ~ ~ )
[B17.1.1]
MTODOS
595
DE
n+l
y (n+l)(5,)
E, =
Yl+l
rlc
YE1
'JP
WS,
[B17.1.2]
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
[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
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 tiene ?, = 14, 6, = 45, vc = l , y 6; = 90. Sustituyendo
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.
+ 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
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
se debe usar bun mtodo de un paso tal como RK de cuarto orden para
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
2.8%
4(3)
-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.
597
+ h(zf!"
24
I
sf?
1 + zf"'
24 1-2 - zfF3)
- 24
[17.35]
y?
y{+l
+ h (xfj-1
24 1+1 + Bf!"
24
- Af!"
24 1-1 + '24
f!"
I
1-2 )
[17.36]
Los modificadores predictory 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
+ I ( E 3 - $1.993
813 519
1.960 666259
-9
24 2.649 382 908)
=
6.002 716
992
E,
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
E,
-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
EJEMPLO 17.6
Estabilidad del mtodo de Milne y del mtodo de Adams de cuarto
orden
"
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 pocodespus
del arranquede
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.
En contraste, los resultados del mtodo de Adams son mucho msaceptables. 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
599
DE PASOS
FIG1J RA 17. 10
Yi+l =
9yT - y r p
E, = &h5f4)(&)
El mtodo de Hamming tambin incluye modificadores
de la forma
600
El 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
x = 3:
dY
-
de x = 2 a
-0.5,
dX
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
O1
17.3
17.4
Resulvase el siguienteproblemaconvalorinicial
dY
-=
dx
desde x
4 hasta x
5:
Y
X
-=yx
dx
0.5:
- y
MTODOS
60 1
DE PASOS MLTIPLES
17.6
Resulvase elsiguienteproblema
dY
-Y
- -
"
dx
I + x
17.7
17.8
17.9
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 captuloes 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 loselementos 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 puedenusar 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
CASO 18.1
METODOS NUMERICOS
PARA
MODELOSMATEMTICOS PARAPROYECTOSDE
VENTA DE COMPUTADORAS
(INGENIERA EN GENERAL)
Antecedentes: las operaciones y las utilidades de una compaade 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 elcaso 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)
[ 18.11
N
10 O00
+N
[18.2]
dt
promedio de ventas
[ 18.3)
ventas
de
Promedio
N
3 O00
1 750N/(10 O00
N)
I18.41
donde k es una constante de proporcionalidad que tiene unidades dedlares 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
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)
d N 3 x lo7 + 1 250N
dtN(10 O00 + N)
k = --
""I=
Ni+l
dt
-4-1
2At
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
t
dias
dNldt
50 O00
35 O00
31 O00
20 O00
19 O00
12 050
1 1 O00
10
20
30
40
50
60
44.5
-950
40.6
-750
-600
55.0
-397.5
38.8
67.8
-400
dN
-49.3
"
dt
N
3 O00 - 1 750
[N/(
10 O00
+ N)]
que se puede integrarusano un mtodo RK de cuarto orden conla 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
FIGURA 18.1
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.
- =
-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
..
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
DISEODE 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.El flujo de entradacontiene pocos microorganismos derivados, 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.El 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. El 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 periodo de inicio es importante debidoa que ste es tiempo perdidoque cuesta
dinero a la compaa.
Al investigador se le propone desarrollarun modelo matemtico para
los microbios del reactor para predecir el periodo dearranque. 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
DE
609
CASOS
FIGURA 18.4
Representacin esquemticade un reactor de fluio continuo con mezclado total empleado en el crecimiento de la poblacin de organismos microbianos.
$3 O00
= $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
=
dP
dt
Acumulacinrnicrobiana
en el tanque
crecimiento de
biomasa microbiana
Sustituyendolospardmetros enla
"_".
__
prdida de masa
microbiana al exterior
610
INGENIEROS
dP = 2
dt
PARA
MTODOS NUMERICOS
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
en la figura 18.5. Se usa el mtodo Euler para este propsito debido a
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
61 1
CUADRO 18.2
das
O
2
4
6
8
10
12
14
16
18
20
h=2
h = l
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
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
0.5
Solucidn
verdadera
100 O00
158 931
245 403
363 736
511 095
674 479
833 867
971080
1 077 050
1 152 233
1 202 420
61 2
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:
613
2 100
4 200
8 400
100 O00
200 O00
400 O00
CASO 18.3
~~
Tiempo de
inicio
Costo por
retardo
Costo
total
-~
9 200
6 O00
2 500
9.2
6.0
2.5
11 300
10 200
10 900
(L - 2)*
[18.7]
"
dz2
FIGURA 18.8
2EI
f.
614
FIGURA 18.9
L4
y(z = L) = f8EI
[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
-dY
=u
[18.9]
dz
du
dz
2El
(L - 2)*
[18.10]
DE
CASOS
615
50(30)4
= 0.5 625 pies
y(30) = 8(1.5 x 108)0.06
Y(30)
0.574 4
0.563 7
0.563 1
I
FIGURA 18.10
Grfica de la deflexin
del mstil de un velero
calculada con el mtodo
de Euler.
CASO 18.4
1.0
0.1
0.05
L - + + R i + " 9( t ) = O
dt
C
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
Conmu-'#*
Batera
-2Vo
+
PARA INGENIEROS
Eit)
.
" h
,
,
a-.
- tador
NUMRICOS
*,.
' :,
Capacitor
Inductor
t
/ i
s .
Resistencia
FIGURA 18.1 1
tiempo.
-Eo
w
-senp t
U P 2 - w2) P
"
i/m
L(p2 -
w2)
senw t
[18.13]
en donde p =
Los valoresde 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)
- 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 requerimientosa cualquier procedimiento
numrico para calcularq ( 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 DEECUACIONES
LA PARTE VI:
FIGURA 18.1 2
DIFERENCIALES ORDINARIOS
617
FiGURA 18.13
""-.
Resultados de la integracin de Euler contra la solucin exacta. Ntese que se grafica slo cada dcima de punto.
. . . ...~. . _ ~ _
- ~.
618
MTODOS
CASO 18.5
NUMRICOS
PARA INGENIEROS
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
(a
= d2d/dt2),
d2e
+ -sen6
df2 1
W
FIGURA 18.14
Diagrama de cuerpo
libre del pndulo
oscilante mostrando
las fuerzas sobre la
partcula y la
aceleracin.
[18.14]
PARTE
CASOS DE LA
619
o5
07
3! 5 !
7!
[18.15]
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
[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
(e)
eo
"
."I.._""I_
.. .
-.
.._"_
620
MTODOS
NUMRICOS
PARA INGENIEROS
dO
dt
-=u
[18.181
( 4
0.0
0.2
0.4
0.6
0.8
1 .o
1.2
1.4
1.6
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
Euler
(h= 0.05)
RK de cuarto RK de cuarto
orden
orden
(b)
(4
(h = 0.05)
(h = 0.0 1 )
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
( 4
398
579
882
820
242
583
575
392
777
DE
CASOS
62 1
S
~
Desplazamiento
inicial
60
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
Reptase los clculos realizados en el caso 18.1 usando los programas propios
18.2
18.3
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 ($) =
18.4
1 500 (I
e - 4 4x10-5N 1
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.
p ( t = 0)
18.7
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.
18.8
dP
-_
"
dt
Acumulacin
velocidad de
flujo de
alimentacin - salida - reaccin
DE
623
CASOS
Ingeniera civil
18.11
Reptanse los clculos del caso 18.3 usando los propios programas.
18.12
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.
18.13
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) =
200 -e -22/30
5 + 2
Grafquese y contra z comprense con los resultados con los del caso 18.3.
18.14
18.15
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
di
dt
Ri
= 203.
= O
624
METODOS
18.20
NUMRICOS
PARA INGENIEROS
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.
18.23
18.24
La tasa deenfriamientode
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 delos 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:
PARTEVi
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
Y
"
N
-"-"
5555
O000
0 0
ZZZZ
SS
O 0
"
x
C
x
O
o
O
3
S
z z
627
EPiLOGO PARTE VI
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.
MTODOS NUMRICOS
PARA INGENIEROS
X
F
. .-+
'
.. .$ :
**
"
-+
.-O
-o
E
O
- +
L
2?uL
II
.&
-
EPLOGO
VI
629
riaciones lentas y rpidas. Aunque el empleo de un mtodo con tamao de paso variableo 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.,
1974.
1981.
Enright, W. H.,T.E. Hull, and B. Lindberg, Comparing Numerical Methods for Stiff
Systems of 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.
BIBLIOGRAFA
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 andStructural 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 of 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
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
326, 338
dedeterminaci6n (r'),
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
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
637
INDICE
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
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
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
enel clculodeestmulos y respuestas, 2 6 6 ~ 2 6 7
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
639
~NDICE
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
.___
640
NDlCE
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
~~
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
~~
64 1
~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
Valorespropios, 306
Varianza, 312