Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LiMetNum PDF
LiMetNum PDF
Numricos
Mtodos
Numricos
Presentacin
No es el objeto de las presentes notas escribir un texto de Anlisis Numrico o Mtodos
Numricos dado que existe en el mercado muchos libros buenos sobre este tema y sus
aplicaciones; el objeto ha sido el de preparar un resumen para los estudiantes y, no creo que
pueda alcanzar mayor trascendencia que dichos textos. Sin embargo, es necesario preparar
cada clase que se dicta con el fin de no caer en el concepto de ser un docente que se sabe un
texto de memoria.
Cada uno de los estudiantes a travs de preguntas, tareas o comentarios enriquecen da a da
estas notas. Es por esto, que poco a poco se mejoran, hasta el punto de ser fuente primaria de
los estudiantes.
Se han adaptado estas notas como base para un curso semestral de Mtodos Numricos de
cualquier carrera de Ingeniera. A las notas, les falta mucho de teora, de ejemplos, de
conceptos, etc., y aun se entiende que tienen significativos errores que las hace ser basura
para algunos, mientras que para otros es algo muy til.
No se puede desfallecer en un intento, las notas poco a poco seguirn mejorndose, los
errores se irn corrigiendo, los conceptos se irn complementando, al igual que los ejemplos
sern cada vez mejores. Es la intencin, como trabajo acadmico continuado.
Contenido
Introduccin
Teora de errores
Series de Taylor
Solucin de ecuaciones
Clculo de races
Diferenciacin
Integracin
Ecuaciones diferenciales
Bibliografa
Pag.
1
3
15
21
31
55
59
63
71
Introduccin
Los mtodos numricos, una subrea de la investigacin de operaciones, de la matemtica,
y para aplicaciones ingenieriles, tienen por objeto ayudar a dar respuestas a problemas
mediante aproximaciones suficientemente exactas con un mnimo esfuerzo cuando no es
posible obtener una solucin por mtodos analticos. Algunos problemas pueden tener sus
respuestas por varios mtodos; existen variedad de ellos, algunos se explican en este texto
con ejercicios simples para lograr comprenderlos. Por ello, es importante, como prctica
acadmico y profesional comparar la eficiencia de diversos mtodos de aproximacin, ver
la eficiencia y eficacia de cada uno de ellos y proyectarlos a los problemas de la vida real.
En todas las labores para el desarrollo cientfico y tecnolgico se utiliza, hoy da, el
computador con un software especializado que es ajustado a la medida segn alguno de los
mtodos numricos; sin embargo, determinar el mejor software no es del todo sencillo, ya
que depende de los intereses y de los problemas y, por ello debe incluir varios mdulos que
permitan evaluar el comportamiento de una situacin por diferentes mtodos para asegurar
la convergencia total del proceso. Para algunos procesos de clculo intensivo, la velocidad
(mnimo tiempo) es la consideracin ms importante; en otros casos, la confiabilidad y
robustez son las caractersticas deseadas.
Teora de errores
En cada clculo que se realice, generalmente, se introducen errores que afectan
sustancialmente los resultados y por ende los procesos pertinentes. Los errores son de
diferente ndole y provienen de diversas fuentes y por distintos mtodos. Un estudio
somero de los errores es conveniente para buscar minimizar la incidencia negativa de ellos.
Ejemplo. 1 = 1/3+1/3+1/3 = .333333+.333333+.333333 = .999999
Es decir 1 = .999999 Qu error tan grande?
Los clculos hechos en computador o calculadora llevan a aproximaciones en ellos y, por
tanto, en los resultados, adems, como existen representaciones de cantidades con un
nmero infinito de dgitos no peridicos, en general slo se toman unos pocos.
Ejemplo.
= 3.141592654... 3.1416
2 = 1.414213562... 1.4142
3 = 1.732050808... 1.7321
e = 2.718281828... 2.7183
Desde luego, se estn cometiendo mnimos errores por haber tomado un mayor nmero
significativo de dgitos, por tanto las operaciones que se realicen con ellos van a ser
aproximadas.
Representacin del error
Los errores que se presentan al operacionalizar datos pueden ser:
*
*
Mtodos Numricos
Exactitud de los clculos: Toda operacin lleva a errores por la aproximacin que
se realiza a los datos.
Naturaleza de la funcin que se calcula. Por la forma como debe calcularse una
funcin. Ejemplo: exponencial, logartmica, trigonomtrica, etc.
Tipos de error
1.
Errores inherentes. Son debidos a los datos, por ser experimentales, por los
aparatos de medida existe la necesidad de aproximarlos.
Ejemplo: 1/3, 1/7, pi, e. No nos podemos deshacer de ellos.
Luis Carlos Torres Soler
Mtodos Numricos
2.
3.
4.
5.
Errores de truncamiento. Cuando una funcin f(x) es representada por una serie
infinita, se eliminan trminos de la serie.
sen(x) =x - x3/3! + x5/5! - x7/7! + ....
Errores de redondeo. Ocurren al representar una cifra por un nmero finito de
dgitos decimales, es decir, se debe a la eliminacin de cifras para tener una
aproximacin.
a. Simtrico
Ejemplo: 1.3674 ~ 1.367, 34.2109 ~ 34.211
b. Truncamiento
Ejemplo: 1.3674 ~ 1.367, 34.2109 ~ 34.210
Los efectos en los resultados usualmente son (pero no siempre) controlados al
adicionar un dgito.
Errores acumulados. Ocurren cuando ciertos procedimientos estn basados en la
repeticin de una secuencia de operaciones. Se obtiene Yn+1 a partir de Yn
La importancia del error acumulado depende de su rata de acumulacin. Si la rata
de acumulacin decrece haciendo que el error sea acotado, la secuencia de
operaciones se dice que es estable. Es inestable si la rata se incrementa.
Error estimado. Se presume de un error al desarrollar operaciones.
Normalizacin
La normalizacin decimal es la escritura de un nmero en notacin cientfica, cualquier
cantidad se escribe como:
x = Fx * 10 n
es el signo, Fx se llama mantisa y n exponente.
Ejemplo. Normalizar a 5 dgitos los siguientes nmeros
27,493
-->
.27493 * 102
0,0032941
-->
.32941 * 10-2
1,82
-->
.18200 * 10
,9341
-->
.93410 * 100
La mantisa siempre es menor de 1, es decir, 0 <= Fx < 1
x = 133,485947
Qu se hace?
x = 0,133485967 * 103 no esta normalizado
x = 0,13348 * 103 + 0,000005967 * 103
El nmero de ceros en el segundo operando es igual al nmero de dgitos de la mantisa.
x = 0,13348 * 103 + 0,5967 * 10-5
Universidad Nacional de Colombia
Mtodos Numricos
|x | =
El signo de x- es el mismo de Fx
1.
x = Fx * 10 c + Gx * 10 c-t
|ex| = |Gx| * 10c-t
|ex|max = |Gx|max * 10c-t 0,5 * 10c-t
2.
x- = Fx * 10 c + 1 * 10 c-t
|ex| = |Gx-1| * 10c-t = 1 - Gx * 10 c-t
|ex|max = |1-Gx|max * 10c-t 0,5 * 10c-t
c=2
Mtodos Numricos
Series de Taylor
Sea f(x) una funcin continua1 y con derivadas de todo orden en x=x0, entonces f(x) puede
ser representada por una serie de potencias en el punto x=x0, como:
f(x) = c0 + c1 (x - x0 ) + c 2 (x - x0 )2 + ...+ c n (x - x0 )n + .=
c (x - x
j
j
).
j=0
n -1
n-2
(m)
(m + 2)!
2
c m+2 (x - x0 ) + ...
2
Es decir:
(m)
(x) =
f(x) = f( x0 ) + f 1( x0 )(x - x0 ) +
( x0 )(x - x0 )
f 3( x0 )(x - x0 )
+
+ ...
2
3!
Es decir:
1
Mtodos Numricos
f(x) =
j=0
(j)
f ( x0 )
j
(x - x0 ) =
j!
(0)
(j)
f ( x0 )
j
(x - x0 ) ] + R m
j!
[
j=0
(n)
1
1
2
; f (2) = - 2 ; f (3) = 3 ; ...; f (n) = (-1 )n-1 (n - 1)! x- n
x
x
x
(1)
f =
as,
ln(x) =
j=0
(j)
f ( x0 )
(x - x0 ) j =
j!
(-1 ) j -1
(x - 1 ) j
j
j=1
Ejemplo. Calcular
f(x) =
as: f
(m)
(2j - 3)
j= 2
(x) =
2m -1
2
m -1
(-1 )
; m2
(2j - 3)
j= 2
Con R m =
2m-1
2
(-1 )m -1
m!
1.1 = 1 +
1
2 1
.1
1
3
15
+
+ ... =
3/ 2
5/2
4(1)
8(1)
16(1) 7 / 2
Ejemplo. Calcular e.01 con cuatro decimales y un error menor a .00005 expandiendo
(2)
f = e x ; f = e x ; f (3) = e x ;
as:
10
(n)
f = ex
Mtodos Numricos
f(.01) = 1 + .01 +
Al tener: R m =
(.01 )
m
f(.01) = 1 + .01 +
(.01 )
= 1 + .01 + .00005 = 1.01005
2
j=0
(j)
f (0) j
x .
j!
Los algoritmos se describen por medio de un seudocdigo. Las instrucciones de los algoritmos
siguen las reglas de la construccin de programas estructurados, y se escriben de tal forma que
reduzcan al mnimo la dificultad de traducirlo a un lenguaje de programacin. MQ significar
"mientras que", teniendo como final FMQ. HQ significar, "hasta que", con final FHQ. La
instruccin condicional IF-THEN-ELSE, est determinada por condicin? SI xx NO yy.
Universidad Nacional de Colombia
11
Mtodos Numricos
Teorema 1. Una serie es absolutamente convergente, si converge la serie formada con los
valores absolutos de sus trminos.
Teorema 2. Una serie alterna es convergente si cumple:
a. La serie es estrictamente alterna
b. El termino n-simo tiende a 0, cuando n tiende a inf
c. Cada termino es en valor absoluto menor que el termino anterior: |Sk+1| < |Sk|
Teorema 3. Dada una serie de potencias, definida como anxn
a. Si la serie converge para x = c, entonces la serie converge para todo x < |c|
b. Si la serie diverge para x > d, entonces la serie diverge para todo x > |d|.
Frecuentemente la serie de Taylor se simplifica definiendo x = x0 + x1; permitiendo escribir
la serie como: f( x0 + x1 ) =
j=0
(j)
f (x0 ) j
x1
j!
f( xi + kh) =
j= 0
(j)
f (xi )
j
(kh )
j!
(2)
(n)
f ( xi ) 2
f ( xi ) n
Si k = 1 se tiene: f( xi + h) = f( xi ) + f ( xi )h +
h + ...+
h (1)
2
n!
(1)
Similarmente, si k = -1:
f( xi - h) = f( xi ) - f (1) ( xi )h +
(2)
(n)
( xi ) n
f ( xi ) 2
n f
...+
(-1
)
h
h
2
n!
(1)
h (2)
h (n)
f i+1 = f i + hf i + f i + ...+ f i
2!
n!
(1)
(1)
h (2)
h (n)
f i+1 = f i + h f i + f i + ...+ f i
2!
n!
n
2
(-h ) (n)
(1)
h (2)
f
f i -1 = f i - h f i + f i - ...+
2!
n! i
12
(n)
fi
f
2
n
(kh) + ...+ i (kh) +
2!
n!
(2)
Mtodos Numricos
2
(2h ) (2)
(2h ) (n)
f i + ...+
fi
2!
n!
2
n
(2h ) (2)
(-2h ) (n)
(1)
f i - ...+
fi
f i - 2 = f i - 2h f i +
2!
n!
(1)
f i+2 = f i + 2h f i +
A partir de la serie de Taylor, una aproximacin de una funcin a primer orden sera:
(1)
f( xi+1 ) = f( xi ) + f ( xi )[ xi+1 - xi ]
Esta expresin representa una lnea recta. Una aproximacin de una funcin a segundo
(2)
(1)
f ( xi )
[ xi+1 - xi ] 2
2!
(2)
(n)
f ( xi )
f ( xi )
[ xi+1 - xi ] 2 + ...+
[ xi+1 - xi ] n + R n
2!
n!
(n+1)
(o)
f
[ xi+1 - xi ] n+1
(n + 1)!
2
x + x + 2 , calcular f(1.05) con un error de e=0.00005.
(2)
2
(3)
3
(
4
(1)(.05)
f (1)(.05 )
f (1)(.05 )
f (1)(.05 )
+ ...
f(1.05) = f(1) +
+
+
+
1!
2!
3!
4!
Tenindose las derivadas:
(1)
f (x) =
(1)
2x + 1
7
(2)
; f (x) =
2
2
2( x + x + 2 )3/2
2 x + x+2
As que:
7(.05 ) 2
f
f(1.05) = f(1) + 3/4(.05) +
+
3/2
4(4 )
(3)
(1)(.05
6
( 4)
(1)(.05
24
+ ...
2
x + 3 , calcular f(1.01) con un error de e=0.00005.
(1)
f (x) =
(1)
4)
(2)
2
(3)
3
(
4
(1)(.01)
f (1)(.01 )
f (1)(.01 )
f (1)(.01 )
+
+
+
+ ...
1!
2!
3!
4!
Tenindose las derivadas:
f(1.01) = f(1) +
x
3
(2)
(3)
; f (x) = 2
; f (x) =
3/2
( x +3 )
x +3
2
13
Mtodos Numricos
2
(3)
4)
(
4
(1)(.01 )3
f (1)(.01 )
+
+ ...
6
24
El desarrollo de las series de Taylor de una funcin de dos dimensiones f(x, y) alrededor de
(xo,yo) est dada por:
1
1
f(x + h, y + g) = f(x0 , y0 ) + h f x + gf y + [ h 2 f xx + 2 hgf xy + g 2 f yy ] + [ h 3 f x 3 + 3 h 2 g f
2
6
2
x y
+ 3h g 2 f x y 2 + g 3 f y 3 ] +
1
[ h4 f x4 + 4 h3 g f x3 y + 6 h2 g 2 f x2 y2 + 4h g 3 f x y3 + g 4 f y4 ] + ...
24
f(x, y)
/ x= x 0 , y= y 0
y
Las notaciones anlogas tales como f x2 y , f x3 , f x y4 , son las derivadas parciales de f en x
f x=
f(x, y)
/ x= x 0 , y= y 0
x
f y=
= x0 y y = y0; cada x o y en los subndices indica una diferenciacin parcial con respecto de
x o y respectivamente.
2
2
x + y + xy , calcular f(1.05, 1.01) con un error de e=0.00005.
1
2+1
1 2+1
f(1 + .05,1 + .01) = f(1,1) + .05( (
)) + .01( (
)) + ...
2 1 + 1+ 1
2
3
14
Solucin de ecuaciones
En la vida prctica, sobre todo para el ingeniero del siglo XXI, al plantear modelos para
representar situaciones de la realidad y solucionar problemas que all existen, muchas veces
se llega a que el modelo es un sistema de ecuaciones: lineales o no lineales. La necesidad
de solucionar dicho sistema de una forma fcil llev a estudiosos a formular varios
mtodos, los mtodos ms utilizados que existen para lograr la solucin de un sistema de
ecuaciones son: de Gauss, de Gauss-Jordn, de Gauss-Seidel, , de Jacobi, de
Descomposicin LU, ...
Gauss
Sea el sistema de ecuaciones: A X = B, donde A es una matriz nxn. El mtodo de Gauss
consiste en formar una matriz triangular superior en que la diagonal de la matriz 1, y
existen 0 en las filas que siguen en la columna, para ello se emplean las siguientes
operaciones:
f i kf i
1. Multiplicar la fila i por una constante
2. A una fila agregarle otra fila
f j f j + sf k
Los elementos de la diagonal, los aii , se llama pivote y, consecuentemente las filas y las
columnas respectivas se llaman fila pivote y columna pivote. Entonces para colocar un en
cualquier aii, simplemente se realiza: f i
fi
.
aii
Mtodos Numricos
a11
a
A = 21
.
a12
a 22
.
a n1
an2
... a1n
1 0 ... 0
... a 2 n
0 1 ... 0
B =
... .
. . ... .
... a nn
0 0 ... 1
Jacobi
Sea el sistema de ecuaciones: A X = B, donde A es una matriz nxn.
Al tener los coeficientes de la diagonal totalmente diferentes de cero (si es posible se
reordenan las ecuaciones para tener esto), la primera ecuacin se puede resolver para x1, la
segunda para x2, etctera, lo que lleva a tener:
xn =
b n - a 11 x1 - a 12 x 2 - ... - a1n -1 x n -1
a nn
El proceso de solucin por el mtodo de Jacobi es: dar valores iniciales (puede ser de cero)
a las xi, iteracin 0, y calcular cada nuevo valor de x1, x2, x3,...,xn, iteracin i.
El proceso se repite en la iteracin j con los valores calculados en la iteracin j-1, para
nuevas x1, x2, x3,...,xn, hasta que la solucin converja.
Es decir:
n
(i)
Xj=
(-a jk X ik-1 ) + b j
k =1 k <> j
a jj
16
k
k -1
xi - xi
|< e , con i=1,2,,n;
k
xi
Mtodos Numricos
Una condicin necesaria, pero no suficiente, para la convergencia, es que los coeficientes
de la diagonal de cada una de las ecuaciones sea mayor que la suma de los otros
coeficientes de la ecuacin, es decir:
n
| aii |>
| aij |
\ j = 1,2,..., n
i=1,i<> j
Algunos sistemas lineales de ecuaciones pueden tener solucin utilizando este mtodo de
Jacobi sin que se cumpla la condicin, pero otros no. La condicin hace que siempre se
halle la solucin.
Cuando se tiene la condicin, se dice que el sistema es de diagonal dominante.
Gauss-Seidel
El mtodo de Gauss - Seidel es un mtodo iterativo muy usado cuando se tiene un sistema
de ecuaciones n*n, con coeficientes en la diagonal totalmente diferentes de cero.
En Jacobi se calculan todos los valores para una nueva iteracin. El mtodo de GaussSeidel sugiere considerar de una vez los valores que se van calculando.
j -1
(- a jk X ki ) +
Es decir: X (i)j =
k =1
(- a
jk
i -1
X k )+ b j
k = j+1
a jj
Factorizacin triangular
Sea el sistema de ecuaciones: A X = B, donde A es una matriz nxn. Si es posible que A =
17
Mtodos Numricos
2 1 3
A = 1 4 1
1 2 3
Entonces siguiendo las operaciones, su transformacin sera:
2
A 0
0
1
7
2
5
2
3
2
5
0
2
9
0
2
1
7
2
0
3
5
2
44
7
1
1
L=
2
1
5
7
18
Mtodos Numricos
A=
1 4
2
U
2
1 4
5
0
3
2
5 2
0
3
1
0
2
1
5
2
2
5
2
0
0
0
1
5
2
1
5
2
4
3
2
0
22 0
5
4
0
1
5
2
1
5
2
4
3
6
5
8
5
Si se mira despacio en los pasos realizados las operaciones de Gauss, se tiene que estas
fueron:
1
f1
4
2
4
f f3 f2
f3 f3 f 1 3
5 f4 f 4 f3
3
1
f4 f4 + f2
f 4 f 4 f1
2
f2 f2 +
1
1
L=
1
1
2
1
4
5
1
1 0
4
1
3
Descomposicin LU
La factorizacin de Cholesky tambin llamada Descomposicin LU, es una tcnica
particularmente eficiente en la solucin de algunos problemas.
Sea una matriz simtrica A, por tanto cuadrada n*n, bajo ciertas condiciones, existe una
matriz triangular superior U, tal que UT*U = A,
19
Mtodos Numricos
a11
a
A = 12
.
a1n
a12
a 22
.
a2n
... a1n
... a 2 n
... .
... a nn
u11 u12
0 u
22
U =
.
.
0
0
... u1n
... u 2 n
... .
... u nn
a11
T
a12
a12 = ( u 11 ) u12 , es decir, u12 =
u11
T
a13
a13 = ( u 11 ) u13 , es decir, u13 =
u11
T
a1n
a1n = ( u 11 ) u1n , es decir, u1n =
u11
a 22 - u 12
a 23 - u12 u13
a 23 = u12 u 13 + u 22 u 23 , es decir, u 23 =
u 22
a 2n - u12 u1n
a 2n = u12 u1n + u 22 u 2n , es decir, u 2n =
u 22
Al multiplicar la fila k de UT por la columna k de U se tiene:
20
Mtodos Numricos
n
T
T
a kk = ( U )k U k = ( U k ) U k =
k
u + 0 =
2
ik
i=1
uik2 =
uik2 +
i=1
i=1
k 1
iU i =1 u ik2
2
ik
i= k +1
u 2kk
u kk =
a kk - u ik
2
k = 1,2,..., n
i=1
2
ik
i=1
T
T
a kj = ( u )k u j = ( u k ) u j =
k
u ik u ij + 0 =
i=1
u ik u ij =
u ik u ij +
i=1
i=1
ik
u ij
i= k +1
k 1
u ik u ij + u kk u kj
i =1
u kj =
1
u kk
k -1
[ a kj - u ik u ij ]
j = k + 1, k + 2,...n
i=1
4 - 2 1 -1
[A] = _
-2
5 1
1 1
-1
0 1 12
U 11 =
1
1
1
1
4 = 2 , U 12 = [-2] = - 1 , U 13 = [1] = , U 14 = [-1]
2
2
2
2
21
Mtodos Numricos
2
La matriz U hasta ahora es: [U] = _ 0
U 22 =
-1
1
2
u 22 u 23
u 33
1
2
u 24 _
u 34
u 44
1
1
3
5 - [ - 12 ] , U 23 = [1 - u i 2 u i 3 ] =
2
4
i=1
5 - u i22 =
i=1
1
1
1
U 24 = [0 - [-1][- ]] =
2
2
4
U 33 =
a33 - u i3 =
2
i=1
2 -1
1
2
1
2
3
4
1
_
4
0 u 33 u 34
1
3
3
23
2
1 - [[ ] 2 + [ ] 2 ] =
,U 34 =
y U 44 =
2
4
4
3
4 3
2 -1
1
2
1
2
3
4
1
4
3
4
23
4 3
2
3
[U] = _
22
0 u 44
Mtodos Numricos
9 - 12
Ejemplo. Sea la matriz: [A] = _
- 12
17 - 7 - 3
-7
-3
5 12
u 11 = 3 , u 12 = - 4 , u 13 = 2 , u 14 = 1
u 22 = 1 , u 23 = 1 , u 24 = 1
u 33 = 2 , u 34 = 1 , u 44 = 3
3 -4 2 1
La matriz U por tanto es: [U] = _
1 1 1
0 2 1
0 0 3
A= _
2 -1 1
5 -1 2
-1 -1
1
4 -2 0 -2
1 1 2 1
_
B= _
1 5 0 3
_ C=_
-2
2 0 6 0
1 6
1 3 0 7
-2
1 9
0 3 12
23
Mtodos Numricos
x - y + z = .05
- x + 2y = .05 ,
x + 4z = .15
x + y + z + w = .6
3x + y - z - 2w = 1
x + 5y + 3z - w = 1.2
x + 4y + 2z + w = 8
,
x + 3y + 6z + 2w = 1.7 - x + 2y + 3z - w = 3
x - y + 2z + 4w = .9 - 2x + y - z + 4w = 2
24
Clculo de Races
Se entiende aqu, que dada una funcin f(x), si existe un valor x* en el cual f(x*)=0, a x* se
le llama una raz.
Para el clculo de races se emplean los siguientes teoremas:
Teorema. Si f(x) es una funcin real continua en [a,b] y si para los valores x1, x2 en este
intervalo; f(x1), f(x2) tienen signos opuestos entonces hay al menos una raz real de f(x) en
[x1,x2] de [a,b].
Teorema. Todo polinomio de grado n tiene exactamente n races en el plano complejo.
Teorema. Todo polinomio de grado impar tiene por lo menos una raz real.
Existen varios mtodos, unos ms eficientes que otros, e igualmente unos ms fciles de
emplear que otros. Se tienen entre otros los siguientes: de Biseccin o de Bolzano, de
interpolacin lineal, de aproximaciones sucesivas, de punto fijo, de Newton-Raphson,...
Puede llegar a existir ms de un punto que cumple con la condicin; es importante determinar el
mejor intervalo en el cual exista ese nico punto.
Mtodos Numricos
3.
4.
f(a)
f(b)
f(c)
cambio
1 2
-1
27
1.5
4.34375
b=c
1 1.5
-1
4.34375
1.25
0.48926
b=c
1 1.25
-1
0.48926
1.125
-0.4636
a=c
1.1875
-0.04876 b=c
1.125 1.25
-0.4636 0.48926
Ejemplo:
f(X) = X3 + X2 - 5X - 3
a
b
f(a)
2
3
-1
Algoritmo
AlgBBo( )
leer f(x)
26
f(b)
18
Xc
2.5
F(Xc)
Mtodos Numricos
x k +1 - x k < o
x k +1 - x k
x k +1
<
Sin embargo, al usar cualquiera de los criterios, pueden surgir problemas. Por ejemplo,
existen sucesiones {Xn} con la propiedad de que las diferencias xk+1-xk tienden a cero
(convergen), mientras que la sucesin diverge.
Cuando se generan aproximaciones por medio del computador, conviene fijar el nmero
mximo de iteraciones que se podran efectuar en caso de una divergencia en la sucesin.
27
Mtodos Numricos
b - xc
b-a
=
f(b)
f(b) - f(a)
Al tomar una aproximacin inicial xc , dada por la traza de la cuerda f(a)f(b)
se tiene: x c = b -
f(b)(b - a)
f(b) - f(a)
Proceso
f(b)(b - a)
f(b) - f(a)
1.
2.
3.
4.
Algoritmo
AlgILi( )
28
f(b)
2
Xk
5/3
F(Xk)
Mtodos Numricos
leer f(x)
leer a,b, error
f(a)f(b)=0 ?
SI f(a)=0?
NO
SALIR
MQ |f(x)| > error
x=b-[f(b)(b-a)]/[f(b)-f(a)]
calcular f(x)
f(a)f(x) < 0 ? SI
b=x
calcular f(b)
NO
a=x
calcular f(a)
FMQ
x es una raz
FinAlgILi( )
29
Mtodos Numricos
Luego se escribe
Ejemplo:
Sea f(X) = X3 X2 + 5X -7
Tomemos h(X) = X3 + 5X, g(X) = X2 + 7
h(X) = 3X2 + 5; g(X) = 2X
Luego g(X) <= h(x)
As X k +1 + 7 = X k + 5 X k , luego X k +1 =
2
X k + 5X k 7
3
Algoritmo
AlgASu( )
Inicio( )
i=0
leer f(x), error
leer xi
descomponer f(x) en h(x) y g(x)
|h'(x)| < |g'(x)| ?
SI:
MQ |f(xi)| > error
calcular f(xi)
hallar xi+1 de la relacin h(xi+1) = g(xi)
i=i+1
FMQ
xi es una raz
finAlgASu( )
f(x) = f( x* ) + f 1( x* )(x - x* ) +
2
2
3
3
f (x * )(x - x* )
f ( x* )(x - x* )
+
+ R4
2
3!
30
Mtodos Numricos
2
(1)
0 = f( x* ) + f ( x* )( x0 - x* ) +
f (2) ( x* )( x0 - x* )
2
Suponiendo que |x0 - x*| es pequeo, el termino (x0 - x*)2/2 es mucho ms pequeo y, por
tanto, se considera como error.
(1)
f( x k )
,
f (x k )
f( x* )
,
f ( x* )
Ejemplo:
Sea f(X) = X3 5ln(X) 1, f ( X ) = 3 X 2
As X k +1
5
X
X k3 5 ln( X k ) 1
= Xk
5
3 X k2
Xk
Algoritmo
AlgNRa( )
Inicio( )
leer f(x), error
i=1
leer xi
MQ I < maxiter
calcular xi+1 = xi - f(xi)/f'(xi)
|xi+1-xi| < error ?
SI: indicar raz, SALIR
NO: i = i +1
FMQ
No se puede calcular la raz
FinAlgNRa( )
Ejercicio. Hallar las races de f(x) = e x - 2sen(x)+ 2 , f(x) = 3 ln(x) - 2
x - 1.
Teorema. Sea f continua en [a,b], si x0 en [a,b] es tal que f(x0)=0 y f'(x0)<>0, entonces
existe z>0 tal que el mtodo de Newton genera una sucesin {xn} que converge a x0 para
cualquier aproximacin inicial x0 en [x0-z,x0+z].
Universidad Nacional de Colombia
31
Mtodos Numricos
Mtodo de la Secante
Una de las desventajas del mtodo de Newton Raphson es que utiliza la derivada de la
funcin, la cual puede dar valores ceros, entonces se puede reemplazar la derivada por un
,
f( x k ) - f( x k -1 )
x k - x k -1
Aproximacin que tiene su origen en la definicin de la derivada a partir del lmite, a saber:
,
f (x) =
lim
x->u
f(x) - f(u)
x-u
x k +1 = x k -
f( x k )
x k - x k -1
= xk - f( x k )
f( x k ) - f(x k -1 )
f( x k ) - f( x k -1 )
x k - x k -1
Esta formula requiere conocer dos puntos, es decir, al iniciar debe darse dos puntos
iniciales.
Ejemplo:
Sea f ( X ) = 2 X 3 3 x + 1 + 2
Ejercicio. Hallar las races de f(x) = x3 - 4
x - ln(x) + 1 , f(x) = 4
x - 2 x2 - 5 .
Algoritmo
AlgSec( )
leer f(x), error
leer x0
i=1
MQ i < maxiter
calcular xi+1 = xi - f(xi) * [xi - xi-1] / [f(xi) - f(xi-1)]
|xi+1 - xi| < error ?
SI: indicar raz, SALIR
NO: i = i + 1
FMQ
No se puede calcular la raz
FinAlgSec( )
32
Mtodos Numricos
3
x +7 .
3
x - 2 ln(x) se escribe x =
b. Para f(x) =
x - 2 ln(x) + x
o x = [2 ln(x) ] o x = e
x - 2 ln(x) .
De esta forma, dada una aproximacin inicial a la raz, xi, la ecuacin x=g(x) puede usarse
para obtener una nueva aproximacin xi+1, expresada por la formula iterativa xi+1=g(xi).
Ejercicio. Dadas las funciones f(x) = x 5 - 3 x 2 - 1 y g(x) = x3 - (x + 3) - ln(x) - 3 y
con un error E=0.0001. Calcular una posible raz por los mtodos de Interpolacin lineal,
Biseccin, Aproximaciones sucesivas, Punto fijo y Newton-Raphson.
Races Complejas
j
x . puede tener races
j=0
reales y races complejas, estas ltimas con mayor inconveniente para hallarlas.
Una propuesta para determinar las races complejas es la siguiente:
1.
Conformar un polinomio de grado dos con tres coeficientes de mayor (o menor)
exponente.
2.
Calcular las respectivas races a este polinomio de grado dos. Se consideran como
iniciales.
3.
Aplicar el proceso iterativo con la formula de la derivada (Newton-Raphson),
usando nmeros complejos.
4.
Calculada la raz compleja a+bi, se reduce el polinomio dividindolo por a+bi y
luego en a-bi y as sucesivamente, hasta llegar a un polinomio de grado dos.
Universidad Nacional de Colombia
33
Mtodos Numricos
Ajuste de curvas
A veces se requiere determinar la formula aproximada de una funcin a partir de un
conjunto de datos; el primer enfrentamiento del ingeniero con el ajuste de curvas puede ser
el de determinar un valor medio de los datos en una tabla, cuyo propsito es indicar apriori,
cul es la tendencia central de los datos. El mtodo ms simple para ajustar una curva a un
conjunto de datos es el de unirlos por medio de lneas rectas (ver figura 6), lo que mostrara
el comportamiento general de los datos, pero posiblemente esto no indica mucho y no
permite hacer proyecciones fuera del dominio.
El anlisis de tendencias representa el proceso de usar el patrn de datos y hacer
predicciones para obtener aproximaciones intermedias; esto es interpolar, es decir, se busca
estimar datos que se hallan dentro de los lmites de los datos dados, o a extrapolar si se
requiere conocer datos que estn ms all de los lmites.
34
Mtodos Numricos
yi
n
La desviacin estndar es una medida de dispersin de esos datos est dada por la formula5:
n
( y - y )
S =
i=1
n -1
Si la desviacin estndar es muy grande, indica que los valores individuales se dispersan
muy lejos de la media.
Una medida estadstica final a tener muy en cuenta para la cuantificacin de la dispersin
de los datos es el coeficiente de variacin CV: CV =
S
y
100%
Regresin lineal
El ejemplo ms simple de un ajuste o aproximacin de un conjunto de parejas de datos
observados: {(x1, y1), (x2, y2), ..., (xn, yn)} a una lnea recta, es por mnimos cuadrados. La
estrategia de este proceso es la de obtener una funcin aproximada que ajuste
"adecuadamente" el comportamiento o tendencia de los datos, sin coincidir necesariamente
con cada uno de ellos en particular.
La divisin por n-1 y no por n se justifica porque nunca existe dispersin de un slo dato.
Universidad Nacional de Colombia
35
Mtodos Numricos
Una "mejor" lnea a travs de los puntos debe minimizar la suma de los errores o residuos,
n
es decir: min [
e ] = min[ n (Y
j
j=1
- a0 - a1 X j )]
j=1
1
2
1.5
4
2
1
2.5
3
3
2
4
3
5
4
6
1
y = a ebx ,
y = a xb ,
y= a
x
.
b+ x
Las tcnicas de regresin lineal se emplean entonces para ajustar directamente estas
ecuaciones a los datos experimentales.
Una estrategia que mejora la aproximacin es la de minimizar la suma de los cuadrados de
los residuos.
Mnimos cuadrados
Para determinar los valores de las constantes a0 y a1, se deriva la ecuacin con respecto a
cada uno de los coeficientes.
36
Mtodos Numricos
n
S=
( y - a
i
- a1 xi )2
i=1
n
S
= - 2 (y i - a0 - a1 xi )xi
a1
i=1
S
= - 2 ( y i - a0 - a1 xi )
a0
i=1
0 = y i - a0 - a 1 x i
0 = xi y i - a0 xi - a1 xi2
y i = n a0 + a1 xi
xi y i = a0 xi + a1 xi2
a1 =
n y i xi - xi y i
n xi2 - ( xi )2
a 0 = y - a1 x
Puede observarse que cualquier lnea diferente a la que se calcul, genera una mayor suma
de cuadrados de los residuos, por tanto, debe considerarse como la mejor lnea a travs de
los puntos.
S r , llamada
n-2
Algoritmo es un procedimiento que describe de manera inequvoca una serie finita de pasos a
seguirse en un orden determinado. Su finalidad es determinar un conjunto de operaciones para
resolver un problema o aproximar a una posible solucin. Los algoritmos se describen por medio de
un seudocdigo. Este especifica la forma de entrada de los datos y la forma que tendr la salida
deseada.
Universidad Nacional de Colombia
37
Mtodos Numricos
X2 = X2 + x*x
XY = XY + x*y
FPara
XM = Sx / n
YM = Sy / n
A1 = (n * XY - Sx * Sy) / (n * X2 - (Sx * Sx))
A0 = YM - A1 * XM
Escriba A0, A1
FinAlgMCu( )
Ejemplo. Hallar la ecuacin de la lnea recta que los ajustara por mnimos cuadrados segn
los siguientes datos:
xi 1 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0
yi 2 2.4 3.0 2.8 3.1 3.7 3.6 3.9 4.4 4.1 4.3 5.0 5.2 5.8 6.4
n = 15, xi = 67.5, y i = 59.7, x = 4.5, y = 3.98, xi2 = 373.75, xi y i = 67.5
a1=
, a0=
Regresin Polinomial
Otra alternativa es ajustar polinomios a los datos usando regresin polinomial. El
procedimiento de mnimos cuadrados se puede extender fcilmente y ajustar datos a un
polinomio de n-simo grado.
38
Mtodos Numricos
2
n
a0 n + a1 xi + a 2 xi + ... + a n xi = y i
2
3
n+1
a0 xi + a1 xi + a 2 xi + ... + a n xi = xi y i
2
3
4
n+2
2
s0 xi + a1 xi + a 2 xi + ... + a n xi = xi y i
.
.
n
n+1
n+2
2n
n
a0 xi + a1 xi + a 2 xi + ... + a n xi = xi y i
Los coeficientes de a0, a1, a2,...,an (las incgnitas), se calculan directamente de los datos
observados, por tanto el problema se traslada a resolver un sistema de n+1 ecuaciones
lineales simultneas.
Ejemplo. Encontrar el polinomio de grado 2 que ajuste a los siguientes datos:
xi 1 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5
yi 1.2 5.1 9.3 14.7 21.8 30.6 43.7 60.1 84.9 121.5
En la regresin polinomial, las condiciones normales pueden estar mal condicionadas, en
particular cuando los sistemas son muy grandes; esto lleva a que los coeficientes calculados
son altamente susceptibles a los errores de redondeo y, por tanto los resultados son
inexactos; es un problema potencial.
p(x) = a0 + a1 x + a 2 x 2 + a 3 x3 + ...+ a n xn
Para k+1 puntos, existe uno y slo un polinomio de k-simo orden que se ajusta a todos los
puntos; sin embargo, existen maneras diferentes de expresar un polinomio de interpolacin.
El polinomio de interpolacin con diferencias divididas de Newton es la forma ms til,
pero tambin se emplean los de Lagrange.
39
Mtodos Numricos
Interpolacin Lineal
La forma ms simple de interpolacin, es conectar dos puntos con una lnea recta, ste
mtodo se llama de interpolacin lineal.
De la figura 9, empleando tringulos semejantes:
Luego se tiene: f(x) = f( x0 ) +
f(x) - f( x0 )
f( x1 ) - f( x0 )
=
x - x0
x1 - x0
f( x1 ) - f( x0 )
(x - x0 )
x1 - x 0
Interpolacin Cuadrtica
Si se dispone de tres datos, la interpolacin debe buscar un polinomio de segundo orden.
f 2 (x) = b0 + b1 (x - x0 ) + b2 (x - x0 )(x - x1 )
Una manera conveniente para este caso es:
Si x=x0, f2(x0) = b0
Si x=x1, b1= [f2(x1)-f2(x0)]/[x1-x0]
Ntese, que b1 representa la pendiente de la lnea que une los puntos x0 y x1.
f 2 ( x2 ) - f 2 ( x1 ) f 2 ( x1 ) - f 2 ( x0 )
x
x1 - x0
2 - x1
Al sustituir lo anterior y evaluar en x=x2, b2 =
x 2 - x0
40
Mtodos Numricos
f 2 ( x1 ) - f 2 ( x0 )
( x 2 - x0 )
x1 - x0
( x 2 - x0 )( x2 - x1 )
f 2 ( x2 ) - f 2 ( x0 ) b2 =
f 2 ( x1 ) - f 2 ( x0 )
( x 2 - x0 )
x1 - x0
( x 2 - x0 )( x2 - x1 )
f 2 ( x 2 ) - f 2 ( x1 )
f ( x ) - f 2 ( x0 )
f ( x ) - f 2 ( x0 )
( x 2 - x1 ) + 2 1
( x1 - x0 ) - 2 1
( x 2 - x0 )
x 2 - x1
x1 - x0
x1 - x0
( x 2 - x0 )( x 2 - x1 )
f 2 ( x2 ) - f 2 ( x1 )
f ( x ) - f 2 ( x0 )
( x 2 - x1 ) - 2 1
( x2 - x0 - x1 + x0 )
x2 - x1
x1 - x0
( x2 - x0 )( x 2 - x1 )
f 2 ( x2 ) - f 2 ( x1 ) f 2 ( x1 ) - f 2 ( x0 )
x 2 - x1
x1 - x0
( x 2 - x0 )
f 2 ( x2 ) - f 2 ( x1 ) + f 2 ( x1 ) - f 2 ( x0 ) b2 =
b2 =
b2 =
b2 =
i -1
(x - x
ci
i=0
j=0
41
Mtodos Numricos
xi
x0
x1
x2
x3
x4
f(xi)
f(x0)
f(x1)
f(x2)
f(x3)
f(x4)
1a
f[x0,x1]
f[x1,x2]
f[x2,x3]
f[x3,x4]
2a
f[x0,x1,x2]
f[x1,x2,x3]
f[x2,x3,x4]
3a
f[x0,x1,x2,x3]
f[x1,x2,x3,x4]
4a
f[x0,x1,x2,x3,x4]
Ejercicio. Los laboratorios King System han puesto a prueba la resistencia elctrica del
chip XT-14 que han construido. Para cada grupo de 1000 chips aplican voltaje, algunos se
daan, lo cual despus de varias repeticiones del experimento por cerca de diez grupos de
personas independientemente un grupo de otro, se obtienen datos establecidos en la
siguiente tabla:
Voltaje 1 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0 8.5 9.0 9.5 10.0 10.5
daados 2 2.3 3.1 3.8 4.6 5.7 6.6 7.9 9.4 11.1 12.8 14.5 16.2 18.5 20.4 22.7 24.9 27.2 31.4 37.2
L (x)f( x )
f n (x) =
i=0
En donde:
n
Li (x) =
j=0, j <>i
x - xi
]
xi - x j
L (x)f( x )= f( x )
i
i=0
x- x
x- x
+ f( x )
x -x
x -x
0
y f2(x) es:
2
f 2 (x) =
L (x)f( x )= f(x0 )
i
i=0
42
x- x x- x
x- x x- x
x- x x- x
*
+ f( x )
*
+ f( x )
*
x -x
x -x
x -x
x -x
x -x
x -x
0
Mtodos Numricos
L (x)f(x )= f(x0 )
i
i=0
( x - x )*( x - x )
1
+ f( x )
1
j=0, j <>i
(x- x )
(x - x0 )2
x - xj
xi - x j
( x1 - x0 ) * ( x1 - x2 )
+ f( x2 )
(x - x2 )
( x2 - x0 ) * ( x2 - x1 )
f 2 (x) =
L (x)f( x ) = f( x )
i
i=0
x- x x- x
x- x x- x
x- x x- x
*
+ f( x )
*
+ f( x )
*
x -x x -x
x -x x -x
x -x x -x
1
La extrapolacin es el proceso de calcular un valor de f(x) que cae fuera del rango de los
puntos base conocidos x0, x1, ..., xn.
Aproximacin de funciones
El clculo en funciones cuando estas son de difcil manejo o desconocidas se realiza en
operaciones elementales por aproximacin: utilizando mtodos de interpolacin,
derivacin, o integracin numrica. Para aproximar generalmente se dispone de un
conjunto de puntos tabulados. Los mtodos de Newton, Lagrange, y otros ms, no
requieren que los datos estn uniformemente espaciados, pero en este espacio interesa
como soporte matemtico los procesos de diferencias finitas con datos equiespaciados.
Las diferencias finitas pueden ser:
1. Progresivas
2. Regresivas
Si los datos estn igualmente espaciados, se tendra:
x1 = x0 + h
x1 = x0 - h
x2 = x0 + 2h
x2 = x0 - 2h
...
...
xn = x0 + nh
xn = x0 - nh
Segn sea ascendente o descendentemente la visualizacin.
1. Diferencias Progresivas
Universidad Nacional de Colombia
43
Mtodos Numricos
El operador de diferencias progresivas se nota por , que aplicado a una funcin produce
la primera diferencia progresiva de ella, as:
f(x) = f(x+h) - f(x)
Se puede encontrar el conjunto de las primeras diferencias progresivas para los n+1 puntos
conocidos de f(x), teniendo en cuenta la notacin de x0 + h = x1, xi + h = xi+1, f(xi) = fi
f(x0) = f(x0 + h) - f(x0) = f0+1 - f0 = f1 - f0 = f0
f(x1) = f1 = f(x1 + h) f(x1) = f(x0 + h + h) - f(x0 +h) = f(x0 +2h) - f(x0 + h) = f2 - f1 =
f1
f(x2) = f(x2 + h) f(x2) = f(x0 + 2h + h) - f(x0 +2h) = f(x0 +3h) - f(x0 +2h) = f3 - f2 = f2
...
f(xn) = f(x0 +nh + h) - f(x0 + nh) = f(x0 +(n+1)h) - f(x0 + nh) = fn+1 - fn = fn
Aplicando la definicin de diferencia progresiva y la potenciacin en ella, se tiene:
f0 = f1 - f0
2f0 = [f0] = [f(x0)] = [ f1 - f0 ] = f1 - f0 = [f1+h - f1] - [f0+h - f0]
= f2 - 2f1 + f0
As,
2f0 = f2 - 2f1 + f0
3f0 = 2[f0] = f3 - 3f2 +3f1 -f0
...
nf0 = fn - nfn-1 + n(n-1)/2fn-2 -...+ (-1)n-1nf1 + (-1)nf0
n
Es decir: n f( x0 ) =
f n - k (-1 )k
k =0
Y, en general, n f(x) =
k =0
44
Mtodos Numricos
f n (x) = f( x0 ) +
+
f( x0 )
2 f( x0 )
(x - x0 ) +
(x - x0 )(x - x0 - h) + ...
h
2! h 2
n f( x0 )
(x - x0 )( x - x0 h)(x - x0 - 2h)...( x x 0 (n 1)h)
n! h n
2. Diferencias Regresivas
El operador de diferencias regresivas se representa por , que aplicado a una funcin
produce la primera diferencia regresiva de ella, as:
f(x) = f(x) - f(x - h)
por tanto,
f(x0) = f(x0) - f(x0 - h) = f0 - f0-1 = f0 - f-1 = f0
f(x1) = f1 = f(x0 + h) - f(x0 +h -h) = f(x1) - f(x0) = f1 - f0 = f1
f(x2) = f(x0 + 2h) - f(x0 +2h -h) = f(x0 +2h) - f(x0 +h) = f2 - f1 = f2
...
f(xn) = f(x0 +nh) - f(x0 +nh -h) = f(x0 +nh) - f(x0 + (n-1)h) = fn - fn-1 = fn
similarmente se puede tener:
f0 = f0 - f-1
2f0 = [f0] = [f(x0)] = [ f0 - f-1 ] = f0 - f-1 = [f0 - f-1] - [f-1 - f-2]
= f0 - 2f-1 + f-2
luego
2f0 = f0 - 2f-1 + f-2
3f0 = 2[f0] = f0 - 3f-1 +3f-2 - f-3
...
nf0 = f0 - nf-1 + n(n-1)/2f-2 -...+ (-1)n-1nfn-1 + (-1)nf-n
Universidad Nacional de Colombia
45
Mtodos Numricos
es decir, n f( x0 ) =
f - k (-1 )k
k =0
y en general, n f(x) =
f x - kh (-1 )
k =0
El operador y el operador
Se llama el operador de desplazamiento o aumento y se define como f(x) = f(x+h), por
tanto, 2f(x) = [f(x)] = f(x+h) = f(x+2h),
Igualmente, 3f(x) = [2f(x)] = f(x+2h) = f(x+3h),
Y generalizando, nf(x) = [(n-1)f(x)] = f(x+(n-1)h) = f(x+nh),
Se llama el operador unitario y se define como: f(x) = f(x)
Utilizando estos operadores se tiene:
f(x) = f(x+h) - f(x) = f(x) - f(x) = [ - ]f(x)
As que, = + , o = -
Nuevamente,
f(x) = f(x+h) - f(x) = f(x) - f(x) = [ - ]f(x)
2f(x) = 2f(x) - 2f(x) + f(x) ={2 - 2 + 2}f(x) = [ - ]2f(x)
3f(x) = 3f(x) - 32f(x) + 32f(x) - 3f(x)= {3-32+32-3}f(x)= [ - ]3f(x)
nf(x) = [ - ]nf(x)
Por tanto,
fx+h = fx = [ + ]fx
fx+2h = 2fx = [ + ]2fx = [2 + 2 + ]fx
fx+3h = 3fx = [ + ]3fx = [3 + 32 + 3+ ]fx , y as,
fx+nh = nfx = [ + ]nfx = [n + nn-1 + n(n-1)n-2 +...+ n + ]fx
46
Mtodos Numricos
Es decir, n f x = [ + ] f x =
n
i f x
i=0
xi i
f0
i=0 i
n
fx
6
8
16
30
50
fx
-15
-2
9
32
65
95
fx
13
11
21
33
40
2fx
2
10
11
7
4
65
5
95
Este ejemplo, lleva a determinarse que no es adecuado aplicar las diferencias finitas en
todos los casos.
Universidad Nacional de Colombia
47
Diferenciacin
Las series de Taylor permiten la expansin de funciones por la formula:
f(x) =
n=0
(n)
f ( x0 )
(x - x0 )n
n!
f( x0 + x1 ) =
n=0
(n)
f (x0 ) n
x1
n!
(kh ) (2)
(kh ) (3)
f ( xi ) +
f ( xi ) + ...
2!
3!
(1)
f( xi + kh) = f( xi ) + (kh) f ( xi ) +
Al hacer fi = f(xi), xi+k = xi + kh,
(1)
En particular si k=1, -1, 2 o -2, se hallan las siguientes expresiones para f(x)
2
(1)
h (2)
h (n)
f i+1 = f i + h f i + f i + ...+ f i + ...
2!
n!
n
2
(-h ) (n)
(1)
h (2)
f - ...
f i -1 = f i - h f i + f i - ...+
2!
n! i
(2h )2 (2)
(2h )n (n)
(1)
f i + ...+
f i + ...
f i+2 = f i + 2h f i +
2!
n!
2
n
(2h ) (2)
(-2h ) (n)
(1)
f i - 2 = f i - 2h f i +
f i - ...+
f i - ... ...
2!
n!
(1)
(2)
(3)
(4)
fi =
f i+1 - f i h 2 ( 2 ) h3 (3)
-[
f i + f i + ...]
h
2
6
1
[f -f ]
h i+1 i
Mtodos Numricos
(1)
1
[f -f ]
2h i i - 2
1
[f -f ]
h i i -1
de donde se obtiene: f i =
Igualmente,
(2)
fi =
sumar
[ f i+1 - 2 f i + f i -1 ] - [
2
las
frmulas
h (4)
f + ...
12 i
(3)
(4)
se
obtiene:
1
2h
al
1
h
2 h4 (4)
f + ...
4! i
[ f i+ 2 - 2 f i + f i - 2 ] - [
h (4)
f + ...
6 i
Realizando diferentes combinaciones se hallan frmulas para fi(2), fi(3), fi(4),... algunas de
estas operaciones y simplificaciones se representan en la siguiente tabla:
1
2
3
4
5
6
7
8
Der.
hf(1)
9
10
11
12
13
14
15
h2f(2)
16
17
18
19
20
h3f(3)
50
Mul.
1
1/2
1/6
1/12
1/2
1/6
1/12
1/12
-1
-3
-11
-25
-1
-2
1
-3
Formula
1
4
-1
18
-9
48
-36
0
1
-3
6
-8
0
-10
18
1
1
1/12
1
1
1/12
1/12
1
2
35
1
1
11
-1
-2
-5
-104
-2
-2
-20
16
1
4
114
1
1
6
-30
-1
-56
11
0
4
16
-1
-1
1
1/2
1
1/2
1/2
-1
-5
-1
-3
-1
3
18
3
10
2
-3
-24
-3
-12
0
1
14
1
6
-2
2
16
-3
-1
8
-6
-1
1
-3
-1
1
error
-1/2hf(2)
1/3h2f(3)
-1/4h3f(4)
1/5h4f(5)
-1/6h2f(3)
1/12h3f(4)
-1/30h4f(5)
1/20h4f(5)
-hf(3)
11/12h2f(4)
-5/6h3f(5)
1/12h2f(4)
-1/12h2f(4)
-1/12h3f(5)
1/90h4f(5)
-3/2hf(4)
7/4h2f(5)
-1/2hf(4)
1/4h2f(5)
-1/4h2f(5)
Mtodos Numricos
h4f(4)
21
22
23
1
1
1
1
1
1
-4
-4
-4
6
6
6
-4
-4
-4
1
1
1
-2hf(5)
-hf(5)
-1/6h2f(5)
NOTAS.
1.
La suma de los coeficientes siempre debe sumar cero (0)
2.
El nmero en negrilla indica el punto pivote, es decir, fi.
3.
Una formula desplazada a la izquierda, se puede transformar en una desplazada a
la derecha cambiando el signo de los coeficientes.
4.
Para hallar una diferencial de orden mayor a 1, se deben emplear formulas de
diferencial menor. Se multiplican estas, colocando una formula vertical y la otra
horizontalmente corrida a la derecha una posicin cada vez. El multiplicador
resultante es el producto de multiplicar los multiplicadores de las formulas.
Ejemplo. La formula 10 dice que,
(2)
fi =
1
h
1
h
[-2 f i + 5 f i -1 - 4 f i - 2 + f i -3 ]
1
-4
5
1
-4
-37
-4
=0
fi =
1
[-2 f i - 2 + 21f i -1 - 44 f i + 15 f i+1 + 50 f i+2 - 37 f i+3 - 4 f i+4 + f i+5 ]
12 h3
1
1
[ 3 f i + 4 f i+1 f i+2 ] y f (i 2 ) = 2 [ f i 2 f i+1 + f i+2 ]
2h
h
51
Mtodos Numricos
Al multiplicarlas se tiene:
-3
1
-2
1
4
1
-2
1
-1
1
-2
----------------------------------------------3
10
-12
6
(2)
fi =
1
-1
=0
1
[-3 f i + 10 f i +1 - 12 f i + 2 + 6 f i+3 f i+4 ]
2h 3
52
Integracin
La integral de una funcin f(x) puede ser calculada integrando su expansin en series de
xi+kh
kh
f(z)dz =
puede
ser
substituido
f( xi + z)dz
xi
f(xi+z)
por
la
serie
de
Taylor
Es decir,
kh
I k (i) =
f( xi + z)dz =
hk
0
2
I k (i) = [z f i + z f (1)
+ z f (2)
+ z f (3)
+ ... + z f (ni-1) + ... ] 0kh
2 i
6 i
24 i
n!
Reemplazando los lmites, se obtiene:
I k (i) = (kh) f i +
1
h
[ f i+1 - f i ] - f (2)
+ ... , que tiene 2 puntos,
h
2 i
2
3
(nh ) f i+1 - f i h (2) (nh ) (2)
se tendra: I n2 (i) = (nh) f i +
[
- f i ]+
f i + ...
2
h
2
6
(1)
2 3
(nh )
(nh )
n h (2) + (nh ) (2) + ...
f i+
f i+1 fi
fi
2h
2h
4
6
2
2
3
2 3
(nh )
(nh )
(nh ) (2)
(2)
n
h
f +
f fi +
f i + ...
I n2 (i) = (nh) f i 2h i
2h i+1 4
6
2 3
h
n h
2
2
(3 - 2n) f (2)
I n2 (i) = [(2n - n ) f i + n f i+1 ] i + ...
2
12
I n2 (i) = (nh) f i -
I n2 (i) =
I 12 (i) =
Para n=3:
h
9
[9 f i+1 - 3 f i ] con ei = h3 f (2)
i
2
4
I 32 (i) =
I n (i) =
nh
2
nh
\ f(z)dz =
f( x + z)dz =
i
- nh
2
xi
(1)
n
i+
2
nh
2
nh
f( xi + + z)dz =
2
2
nh
2
f( xi+ n + z)dz =
2
- nh
2
f i+ n (z)dz
2
- nh
2
(2)
(3)
(4)
+ z f n + z f n + z f n + ...
2 i+ 2 3! i+ 2 4! i+ 2
As,
nh
2
I n (i) =
-
nh
2
n
i+
2
(z)dz =
zf
n
i+
2
+
3
z2
(1)
i+
n
2
z3
(2)
i+
3!
n
2
z4
4!
(3)
i+
n
2
z5
5!
(4)
i+
n
2
+ .. nh
Esto permite aproximar valores de Inm(i) al reemplazar por formulas de diferenciacin. Por
(2)
ejemplo, si se usa: f i =
(2)
n
i+
2
(4)
[2 f i+ n - 5 f i+ n +1 + 4 f i+ n +2 - f i+ n +3 ] - h f n + ...
2
2
2
2
2
12 i+ 2
h
/2
nh / 2
Por tanto,
3
I n4 (i) = nhf
I n4 (i) =
n
i+
2
2
(nh)
h + (nh) ] (4)
n - 5 f n +4 f n
n ]-[
+
[2
f
f
f n
i+
i+ +1
i+ + 2
i+ +3
2
2
2
2
24 h2
12 1920 i+ 2
2
h
[(2 n3 + 24n) f i+ n - 5 f i+ n +1 + 4 f i+ n +2 - f i+ n +3 ] - h [160 - n5 h3 ] f (4)n
i+
2
2
2
2
24
1920
2
i+1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
1
1
1
1
1
1
1
1
2
2
2
2
2
2
1
2
3
3
4
4
5
5
1
1
2
3
3
4
h
h/2
h/12
h/12
h/24
h/24
h/720
h/720
2h
2h
h/2
h/3
h/12
h/3
1
1
5
8
13
9
251
346
1
0
0
1
-8
1
0
1
8
5
13
19
646
456
0
1
4
4
28
4
-1
-5
-264
-74
0
0
0
1
0
1
h2/2f'
-h3/12f''
h4/24f(3)
-h4/24f(3)
11h5/720f(4)
19h5/720f(4)
27/1440h6f(5)
-11/1440h6f(5)
2h2f'
h3/3f(2)
h3/3f(2)
-h5/90f(4)
h4/3f(2)
-h5/90f(4)
15
16
17
18
3
3
3
3
1
2
3
4
h
h/2
h/12
3h/8
3
-3
9
1
0
9
0
3
0
0
27
3
0
0
0
1
9/2h2f'
27/12h3f(2)
9/24h4f(3)
-h5/80f(4)
19 4 1 h
20 4 2 h/2
21 4 3 4h/3
4
-8
0
0
16
2
0
0
-1
0
0
2
0
0
0
22 5 1 h
23 5 2 h/2
5
-15
0
25
0
0
0
0
0
0
-1
-1
-19
i+2
i+4
i+5
-1
i+3
1
106
11
-19
error
8h2f'
80/12h3f(2)
14h5/15f(2)
0
0
25/2h2f'
175/12h3f(2)
1. Los coeficientes subrayados indican los puntos entre los que se realiza la integracin
2. Una formula desplazada a la derecha da lugar a otra desplazada a la izquierda invirtiendo
el orden de los coeficientes
3. La suma de los coeficientes por el multiplicador debe dar igual a nh
4. Las formulas se pueden usar sucesivamente.
La frmula 4, de una franja, de 3 puntos pivotes con multiplicador h/12, que dice:
I 13 (i) =
i +1
f ( x)dx =
h
h
[ f i 1 + 8 f i + 5 f i +1 ] , puede ser, [5 f i 1 + 8 f i f i +1 ]
12
12
Ejercicios.
Sean los siguientes datos:
x
1.0
1.01
y1
.6021 .6053
y2
1.386 1.394
1.02
.6085
1.401
1.03
.6117
1.409
1.04
.6149
1.416
1.05
.6180
1.423
I.
Calcular f1.02(1), f1.02(2), f1.02(3), f1.02(4), f1.02(5) con formulas que tengan 5, 6, 7, 8 y 9
puntos pivotes respectivamente.
II.
Calcular con mnimo 3 franjas cada una de las integrales
z=
1.05
1.01
III.
IV.
f(x)dx , z =
1.04
f(x)dx .
1.02
Ecuaciones diferenciales
Las ecuaciones compuestas de una funcin incgnita y su derivada, se conocen con el
nombre de ecuacin diferencial. En general, ellas expresan el cambio proporcional de una
variable y de sus parmetros7. En esta seccin nos ocuparemos de varios tipos de problemas
numricos asociados a las ecuaciones diferenciales.
La variable a diferenciar en la ecuacin, se dice es la variable dependiente. La variable
respecto a la cual se va a derivar es la variable independiente. Cuando la funcin incluye
una variable dependiente, es una ecuacin diferencial ordinaria; que est en contraste con
las ecuaciones diferenciales parciales que comprenden dos o ms variables dependientes.
Las ecuaciones diferenciales se denominan por el orden; una ecuacin es de orden n-simo
si posee una n-sima derivada. En general, se escribe una ecuacin diferencial como: y(n)(x)
= f(y, y', y'', y''',...y(n-1))
La solucin de una ecuacin diferencial ordinaria es una funcin especfica de la variable
dependiente y de los parmetros que satisfacen la ecuacin.
(1)
1
(1 + x) y 2 , se desea saber cul es el valor y(0.1) y
2
Pero para calcular lo solicitado se utiliza una aproximacin numrica por series de Taylor.
7
Mtodos Numricos
(1)
Recordando se tiene: y( xi + h) = y i + h y i +
Se conoce y(0) = 1, se puede calcular y0' = 1/2 8. Se calcula y'', y''', yiv, ... hasta donde se
desee el error y luego se calcula y(0.1), tomando h = 0.1, o y(0.2) con h = 0.2
As y(0.1) = 1 + 0.1*1/2 + (0.1)2/2*1 + (0.1)3/6*9/4+... = 1.055375 con error de orden 4
Las derivadas que aparecen aqu se calculan a partir de la ecuacin diferencial dada:
1 2
(2)
[ y + 2y y(1) (1 + x)] , y0 = 1
2
1
(3)
(3)
(1)
(1 )2
(2)
(1)
y = [2 yy + 2[ y (1+ x) + y( y (1+ x) + y )]] , y0 = 2.25
2
(2)
y =
Cules son las ventajas y las desventajas del mtodo de la serie de Taylor?
El mtodo depende de derivar repetidamente la ecuacin diferencial dada, por consiguiente
la ecuacin debe tener derivadas parciales de orden n. El procedimiento tiene una sencillez
conceptual y precisin muy alta.
(1)
1
(1 + x + 1 ) y 2 , se desea saber cul es el valor y(0.1) y
2
(2)
(1)
y = y ( e x + 1) + y e x , y 0 = 5
(3)
(3)
(2)
(1)
y = y ( e x + 1) + 2 y e x + y e x , y 0 = 15
(4)
(4)
(3)
(1)
(1)
y = y ( e x + 1) + 3 y e x + y e x + y e x , y 0 = 52
Mtodos Numricos
Ejemplo. Sea y'=-x3+6x2-4x+3, con y0=2, se puede tener para x=0 hasta x=2: 9
y(0,5) = y(0)+f(0,2)*0.5= 2+3*0.5=3.5
y(1.0) = y(0.5)+f(0.5, 3.5)*0.5 = 3.5 + [-0.53+6*0.52-4*0.5+3]*0.5 = 4.4375
y(1.5) = 6.4375
y(2.0) = 10
(1)
Para la ecuacin y =
1
(1 + x) y 2 con y(0)=1; y(0.1)=1+0.5*.1=1.05
2
Ejemplo. Sea y =
1
(1 + x) y 2 , y(0)=1
2
y n +1 = y n + hf ( y n , x)
Universidad Nacional de Colombia
y n +1 y n
= y ; luego
h
Mtodos Numricos
Ejemplo:
Sea y = -x3+3x2-1.5, calcular la integral entre 0 y 1 con un incremento de .2, siendo y0=1.
yi +1 = y i +
xi +1
f ( x, y)dx
yi +1 = y i +
xi +1
f ( x, y)dx
xi
Por tanto, es aplicar un mtodo de integracin numrica a la integral del lado derecho de la
ecuacin.
Runge-Kutta de segundo orden
(1)
(1)
Mtodos Numricos
y i+1 = y i + hf +
2
h
h
h
[ f x + f y f] + o( h3 ) = yi + f + [f + hf x + hf y f] + o( h3 )
2
2
2
Podemos eliminar las derivadas parciales recurriendo a los primeros trminos de la serie de
Taylor de dos variables:
1 2
[ h f xx + 2 hkf xy + k 2 f yy ] + ... 10
2
es decir, f(x + h, y + k) = f + hf x + kf f y + o( h2 ) .
f(x + h, y + k) = f(x, y) + hf x + k f y +
h
h
f + f(x + h, y + kf) + o( h3 )
2
2
h
h
f(x, y) + f(x + h, y + kf(x, y))
2
2
h
h
o y i+1 = y i + f( xi , y i ) + f( xi + h, y i + kf( xi , y i ))
2
2
y(x + h) = y(x) +
Esta frmula se utiliza repetidamente para avanzar paso a paso en el proceso. Este mtodo
tambin se llama mtodo de Heun.11
Considerando k1 = f(xi, yi), k2 = f(xi+ph, yi+qhk1), se escribe la frmula general como
yi+1 = yi+h/2k1+h/2k2
y generalizando aun ms, yi+1 = yi + (a1k1+a2k2)h
Debindose tener:
a1+a2 = 1
a2p = 1/2
a2q = 1/2
Debido a que se tienen tres ecuaciones con cuatro incgnitas, existen innumerables
soluciones.
10
Mtodos Numricos
h
h
yi+1 = yi + f( xi + , yi + f( xi , yi ))
2
2
Frmula denominada como mtodo mejorado del polgono.
Ralston y Rabinovich determinaron escoger a2=2/3; es decir
yi+1 = yi + 2f( xi +
3h
3h
h
, yi +
f( xi , yi ))
4
4
3
yi+1 = yi + [ k 1 + 4 k 2 + k 3 ]
h
6
Donde:
k1=f(xi, yi)
k2=f(xi+h/2, yi+hk1/2)
k3=f(xi+h, yi-hk1+2hk2)
Similarmente, podemos describir los mtodos de Runge-Kutta de cuarto orden:
yi+1 = yi + [ k 1 + 2 k 2 + 2 k 3 + k 4 ]
h
6
donde:
k1=f(xi, yi)
k2=f(xi+h/2, yi+hk1/2)
k3=f(xi+h/2, yi-hk1+h/2k2)
k4=f(xi+h, yi+hk3)
Est frmula es conocida como el bsico de Runge-Kutta de cuarto orden, dado que existe
nmero infinito de versiones.
Ejercicio. Sean los siguientes datos:
x
f
g
1.000 1.010 1.020 1.030 1.040 1.050 1.060 1.070 1.080 1.090 1.100
.6021 .6053 .6085 .6117 .6149 .618 .613 .607 .601 .594 .581
1.386 1.394 1.401 1.409 1.416 1.423 1.419 1.407 1.397 1.385 1.376
Mtodos Numricos
I. Calcular f1.07(2), g1.02(4) con formulas que tengan 7 y 8 puntos pivotes respectivamente.
II. Calcular el rea entre 1.0 y 1.1 para f y g. Empleando diferentes formulas en f y g.
III. Dada la ecuacin diferencial
(1)
y = xy (1+ x 2 ) , con y0 = 1.395612
Calcular y0.5 con un error de .00001 por lo menos por tres mtodos. Compare y analice la
razn de sus resultados (h=0.1)
IV. Dada la funcin g(x)= X6 - 3X5+2X3-7X+1
a) Calcule 2g(2) con un desplazamiento de .001
b) Calcule 3g(2) con un desplazamiento de .01
Ejercicio. Hallar las races reales de X3+3X2-X-4 con un error de e=5x10-5
Sea f(0)=-17, f(1)=-9, f(2)=3, f(3)=18 f(4)=45, f(5)=101, f(6)=211; calcular f(2.01)
Sea f0=-5.25, f1=-5.1, f2=-4.65, f3=-3.3, f4=.75, f5=12.9, f6=49.35; calcular f1.105, f3.01, f4.99
Ejercicios
(1)
b. Calcule z =
2
x - 1 dx utilizando dos tipos de formulas.
1.2
1.4
1.5
1.6
1.8
2.
-1.004
-0.2475
1.5895
0.6581
-3.2125
-2.5065
1.2465
(2)
Calcular y1.5 y y1.4 con dos formulas diferentes para cada caso. Compare resultados.
d. Halle una formula para y(3) de nueve puntos.
Bibliografa
BURDEN Richard, FAIRES Douglas (2002). Anlisis numrico. 7 ed., Thomson
Learning, Bogot.
CHAPRA Steven (2002). Mtodos numricos para ingenieros. 4 ed., McGrawHill,
Bogot.
LUTHE GARCIA Rodolfo (1998). Mtodos numricos. Limusa, Mxico.
MATHEWS Jhon H., FINK Kurtis D. (2000). Mtodos numricos con MATLAB. 3 ed.,
Prentice Hall, Madrid.
NAKAMURA Shoichiro (1997). Anlisis numrico y visulizacin grfica con MATLAB.
Prentice Hall, Mxico.
NAKAMURA Shoichiro (1992). Mtodos numricos aplicados con software. 1. ed.,
Prentice Hall, Mxico.
NIEVES Antonio (1997). Mtodos numricos aplicados a la ingeniera. CECSA, Mxico.
ZILL Dennos G., CULLEN Michael (2001). Ecuaciones diferenciales con problemas de
valores en frontera. 5 ed., Thomson Learning, Mxico.