Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AGRADECIMIENTOS...............................................................................................ii
ACERCA DEL AUTOR.............................................................................................iii
INTRODUCCIN......................................................................................................1
METODOLOGA.......................................................................................................2
COMPUTADORAS Y PROGRAMAS.......................................................................3
PRESENTACIN DE NUMERICALS 1.0................................................................5
TABLA DE CONTENIDO.........................................................................................6
BIENVENIDA..........................................................................................................10
CAPTULO UNO
MODELOS MATEMTICOS..................................................................................11
1.1. MODELAMIENTO MATEMTICO...............................................................12
1.2. CASO DE ESTUDIO....................................................................................12
1.2.1. Solucin analtica.........................................................................................14
1.2.2. Solucin numrica........................................................................................14
1.3. Modelos matemticos que describen sistemas fsicos................................17
CAPTULO DOS
APROXIMACIONES Y ERRORES.........................................................................20
2.1. INTRODUCCIN TERICA............................................................................21
2.1.1 CIFRAS SIGNIFICATIVAS............................................................................22
2.1.2. EXACTITUD Y PRECISIN.........................................................................22
2.3. ERRORRES DE TRUNCAMIENTO.................................................................23
2.2.1. Uso de la serie de Taylor para estimar los errores de truncamiento............23
2.4.2. Estabilidad y condicin.................................................................................25
2.3. ERROR NUMRICO TOTAL..........................................................................25
2.3.1. Errores por equivocacin..............................................................................26
2.3.2. Errores de formulacin.................................................................................26
2.3.3. Incertidumbre de los resultados...................................................................27
2.4. EJERCICIOS RESUELTOS............................................................................27
CAPTULO TRES
DIFERENCIACIN NUMRICA.............................................................................31
3.1. INTRODUCCIN TERICA............................................................................32
3.2. APROXIMACIN A LA PRIMERA DERIVADA CON DERIVADA HACIA
ATRAS....................................................................................................................32
3.3. APROXIMACIONES A LA PRIMERA DERIVADA CON DIFERENCIAS
CENTRALES..........................................................................................................33
3.4. APROXIMACIONES POR DIFERENCIAS FINITAS DE DERIVADAS DE
ORDEN SUPERIOR...............................................................................................34
3.5. EJERCICIO RESUELTO.................................................................................35
CAPTULO CUATRO
RACES DE ECUACIONES...................................................................................37
4.1. OBJETIVOS.....................................................................................................38
4.2. TEMAS PARA CONSULTA.............................................................................38
4.2.1. Mtodos que usan incrementos: procedimientos grficos, mtodo de la
biseccin, mtodo de la regla falsa, bsqueda de intervalos determinando una
aproximacin...........................................................................................................38
4.2.2. Mtodos iterativos: iteracin de punto fijo, mtodo de Newton-Raphson,
mtodo de la secante, raz de un polinomio.
4.3. INTRODUCCIN TERICA............................................................................38
4.3.1. Algoritmo de Biseccin.................................................................................39
4.3.2. Mtodo de Newton-Raphson........................................................................39
4.3.3. Mtodo de la Secante...................................................................................39
4.4. RELACIN DE FORMULAS IMPORTANTES.................................................40
4.5. LOCALIZACIN DE RACES USANDO NUMERICALS 1.0...........................40
4.5.1. Enunuciado de problema (Newton-Raphson)...............................................40
4.5.2. Enunciado del problema (Regla falsa)..........................................................41
4.6. EJERCICIOS PROPUESTOS.........................................................................42
AUTOEVALUACIN I ............................................................................ .............43
CAPTULO CINCO
INTEGRACIN NUMRICA............................................. ....................................44
5.1. OBJETIVOS.................................................................................... ................45
5.2. TEMAS PARA CONSULTA
5.2.1 Formulas de cotas de Newton: regla del trapecio, reglas de Simpson,
integracin con intervalos desiguales, formulas de integracin abierta..................45
5.2.2. Integracin de Romber y cuadratura gaussiana: algoritmo de Romberg,
cuadratura gaussiana.............................................................................................45
5.3. DIFERENCIACIN E INTEGRACIN NUMRICA.........................................45
5.4. DIFERENCIACIN NUMRICA......................................................................46
5.4.1. Formula de tres puntos.................................................................................46
5.4.2. Formula de cinco puntos...............................................................................46
5.5. INTEGRACIN NUMRICA............................................................................46
5.5.1. Regla del trapecio.........................................................................................47
5.5.2. La regla de Simpson.....................................................................................47
5.6. RELACIONES Y FORMULAS IMPORTANTES..............................................47
5.7. INTEGRACIN USANDO NUMERICALS 1.0.................................................48
5.7.1. Enunciado del problema (Reglas de Simpson)............................................48
5.7.2. Enunciado del problema (Cuadratura de Gauss).........................................49
5.8. EJERCICIOS PROPUESTOS.........................................................................50
AUTOEVALUCIN II ............................................................................................52
CAPTULO SEIS
AJUSTE DE CURVAS............................................................................................53
6.1. OBJETIVOS.....................................................................................................54
6.2. TEMAS PARA CONSULTA.............................................................................54
6.2.1. Regresin: regresin lineal, ajuste de curvas no lineales con una funcin de
potencia, ajuste de curvas con un polinomio de orden superior, ajuste de curvas
con una combinacin lineal de funciones conocidas..............................................54
6.2.2. Polinomios interpolantes: polinomio de interpolacin con diferencias
divididas de Newton, polinomios de interpolacin de Lagrange, otros mtodos....54
6.3. INTRODUCCIN TERICA............................................................................54
6.4. REGRESIN POR MNIMOS CUADRADOS..................................................55
6.4.1. Criterios para un mejor ajuste.......................................................................55
6.4.2. Ajuste por mnimos cuadrados de una lnea recta........................................56
6.5. LINEARIZACIN DE RELACIONES NO LINEALES.......................................57
6.6. INTERPOLACIN Y APROXIMACIN POLINOMICA....................................57
6.6.1. Polinomios de Taylor....................................................................................59
6.6.2. polinomios de Lagrange...............................................................................59
6.6.3. Diferencias divididas.....................................................................................60
6.6.4. Interpolacin de Hermite...............................................................................60
6.6.5. Interpolacin del trazador cbico..................................................................61
6.7. RELACIONES Y FORMULAS IMPORTANTES..............................................62
6.8. EJERCICIOS RESUELTOS.............................................................................63
6.8.1. Enunciado del problema (Linearizacin de una ecuacin de potencias)......63
6.8.2. Enunciado del problema (Ajuste por mnimos cuadrados)...........................63
6.8.3. Enunciado del problema (Ajuste de curvas).................................................65
6.9. AJUSTE DE CURVAS USANDO NUMERICALS 1.0......................................66
6.9.1. Enunciado del problema (Interpolacin).......................................................66
6.9.2. Enunciado del problema (Regresin lineal mltiple).....................................67
6.9.3. Enunciado del problema (Regresion polinomial)..........................................68
6.10. EJERCICIOS PROPUESTOS.......................................................................70
AUTOEVALUCIN III ............................................................................................72
CAPTULO SIETE
SOLUCIN NUMRICA DE ECUACIONES LINEALES SIMULTNEAS............74
7.1. OBJETIVOS.....................................................................................................75
7.2. TEMAS PARA CONSULTA.............................................................................75
7.2.1. Eliminacin de Gauss: solucin de pocas ecauciones, eliminacin gaussiana
simple, inconvenientes de los mtodos de eliminacin, tcnicas de mejoramiento
en las soluciones....................................................................................................75
7.2.2. Gauss-jordan e inversin de matrices y Gauss-Seidel: mtodo de GaussJordan, inversin de matrices, iteracin de Gauss-Seidel......................................75
7.3. SISTEMAS DE ECUACIONES LINEALES......................................................75
7.3.1. Eliminacin Gaussiana.................................................................................76
7.3.2. Mtodo de la inversin de una matriz...........................................................77
7.3.3. Mtodo del determnante de una matriz........................................................77
7.4. SISTEMAS NO LINEALES DE ECUACIONES...............................................78
7.4.1. Mtodo de Newton........................................................................................79
7.4.2. Mtodo de Broyden.......................................................................................79
INTRODUCCIN
Los ingenieros y tcnicos en general se plantean, en algn momento de su vida
profesional, problemas cuya formulacin matemtica no siempre conduce a una
solucin analtica. Las soluciones analticas tienen valor prctico limitado, ya que
buena parte de los problemas reales no son lineales, e implican formas y procesos
complejos, son problemas que han de resolverse por Anlisis Numrico. Los
mtodos numricos son tcnicas algebraicas utilizadas para permitir replantear
problemas matemticos de tal forma que puedan resolverse mediante operaciones
aritmticas prcticas. Los clculos numricos son herramientas muy tiles para
plantear la solucin de problemas matemticos. Tienen capacidad para manipular
sistemas de ecuaciones considerables, no lineales y geomtricamente complejos
que son comunes en la prctica de la ingeniera, y que regularmente, son difciles
de resolver analticamente, por lo tanto, incrementan la habilidad de quien los
estudia para solucionar modelos matemticos.
Estos procedimientos conducen a un buen nmero de clculos aritmticos, por
esto el empleo de al computadora o la calculadora programable tiene una gran
influencia en el proceso de solucin de problemas de ingeniera. Antes del uso de
la computadora, se empleaba demasiada energa en la tcnica misma de solucin,
en vez de aplicarla sobre la definicin del problema y su interpretacin.
Actualmente, las computadoras y los mtodos numricos proporcionan una
alternativa para muchos clculos complicados (vase la figura No. 1). Es probable
que el ingeniero en el transcurso de sus estudios, tenga la oportunidad de usar
software disponible comercialmente que contenga mtodos numricos. El empleo
racional de estos programas esta supeditado al discernimiento de la teora bsica
en la que se basan los procedimientos numricos. El Anlisis Numrico es un
medio para fortalecer la comprensin de las matemticas, puesto que su objetivo
finalmente es reducir las matemticas superiores a operaciones aritmticas
bsicas.
Conceptualizar los mtodos numricos e identificarlos como una alternativa de
solucin de problemas que involucren el modelamiento de fenmenos para tener
la capacidad de visualizar las aplicaciones de estos mtodos en todos los campos
de la ingeniera, as como desarrollar habilidades de diseo en la simulacin de
fenmenos, mediante el reconocimiento de las tcnicas algebraicas, y emplear
racionalmente la programacin de computadoras reconociendo la teora bsica en
la que se basan los procedimientos numricos, constituyen los principales
objetivos de este curso de Anlisis Numrico con aplicaciones a problemas de
ingeniera.
METODOLOGA
De conformidad con la doctrina de la Universidad de Educacin a Distancia, se
seguir una modalidad semi-escolarizada con eventos presenciales concentrados,
de acuerdo al calendario acadmico, para ello se cuenta con ayudas didcticas,
mdulos de estudio, sistemas modernos de bsqueda como el Internet, que
permitan al estudiante acercarse a grados avanzados de conocimiento sin
marcharse de su centro de actividad productiva. El tutor ser un facilitador del
proceso de enseanza-aprendizaje, el sujeto de formacin ser un sujeto
participativo de su propio proceso.
El recurso principal ser el material instructivo especfico, bibliografa
especializada, actualizada y dems medios que se consideren necesarios para el
desarrollo de la asignatura que contribuyan a reforzar el proceso de enseanzaaprendizaje. Las piezas fundamentales en todo proceso de enseanzaaprendizaje: discente, tutor, conocimiento y mtodo de transmisin, coinciden con
esta programacin acadmica, obviando la intermediacin permanente del tutor,
considerando que la percepcin del conocimiento se puede realizar mediante el
uso de mltiples procedimientos.
El estudiante puede interactuar persistentemente las diversas fuentes de
conocimiento por medio de:
La tutora de carcter formativa que puede ser presencial, o a distancia, va
correo electrnico.
La abstraccin con los elementos que constituyen su entorno interdisciplinario
y el ncleo laboral propio.
Los mtodos y procedimientos modernos de comunicacin (motores de
bsqueda en Internet, entre otros).
La equiparacin de las nociones tericas con la realidad prctica de su medio
de trabajo.
Eventos especficos.
Con el propsito de que el estudiante adquiera un aprendizaje verdaderamente
significativo en la medida que sea capaz de relacionar la teora estudiada con la
realidad que lo rodea y ante todo aplicar y transferir los conocimientos en la
solucin de problemas que tengan que ver con su entorno, se implementar la
evaluacin por proceso mediante la asignacin de proyectos personalizados
especficos para cada disciplina profesional.
COMPUTADORAS Y PROGRAMAS
Los mtodos numricos son tcnicas mediante las cuales es posible formular
problemas matemticos de tal forma que puedan resolverse usando operaciones
aritmticas. Aunque hay muchos tipos de mtodos numricos, comparten una
caracterstica comn: invariantemente se debe realizar 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 en forma considerable en los ltimos
aos.
Adems de proporcionar un aumento en la potencia de clculo, la disponibilidad
general de las computadoras y su asociacin con los mtodos numricos ha
influido de manera muy significativa en el proceso de la solucin de problemas de
ingeniera.
Aunque las soluciones analticas an son muy valiosas, tanto para resolver
problemas como para proporcionar una mayor comprensin, los mtodos
numricos representan alternativas que aumentan en forma considerable la
capacidad de confrontar y resolver los problemas; como resultado se dispone de
ms tiempo para aprovechar las capacidades creativas personales.
Por
consiguiente, es posible dar ms importancia a la formulacin de un problema, a la
interpretacin de la solucin y a su incorporacin al sistema total, o conciencia
holstica.
Los mtodos numricos son un medio para reforzar su comprensin de las
matemticas, ya que una de sus funciones es convertir las matemticas
SOLUCIN
Mtodos muy elaborados y
habitualmente complicados para
hacer manejable el problema
INTERPRETACIN
Anlisis profundo limitado
por una solucin que
consume tiempo
FORMULACIN
Deduccin intensa de la
relacin del problema con los
principios fundamentales
SOLUCIN
Software sencillo
implementar
FASES EN LA
SOLUCIN DE
PROBLEMAS DE
INGENIERA
de
INTERPRETACIN
La rapidez del clculo permite
un anlisis profundo de los
resultados.
Figura 1. Fases en la solucin de problemas de ingeniera: (a) Era antes del uso
de las computadoras, (b) Actualmente con el uso de las computadoras.
CONTENIDO PROGRAMTICO
PRIMERA UNIDAD
ANTECEDENTES MATEMTICOS
OBJETIVO GENERAL
Al completar la primera unidad el estudiante deber estar capacitado para
reconocer tcnicas numricas, as como en la identificacin de modelos
matemticos de uso general en las ciencias alimentarias. En general, habr
adquirido una idea de la importancia bsica de las computadoras y el papel de las
aproximaciones y la estimacin de errores en la implementacin y desarrollo de
los mtodos numricos.
CAPITULO UNO: Conceptos fundamentales
Teorema Binomial, Teorema de Taylor, Teorema de Maclaurin, Teorema del
Residuo, Serie de Taylor.
Divisin Sinttica (Regla de Ruffini), Derivadas por Divisin Sinttica.
CAPITULO DOS: Algoritmos para la resolucin de problemas numricos
Modelo Matemtico
Caso de Estudio
Solucin Analtica del problema (Caso de Estudio)
Solucin Numrica del problema (Caso de Estudio)
Un sistema de computacin
Programacin, soporte y equipo (Software y Hardware).
Diseo de algoritmos
CAPITULO TRES: Aproximaciones y errores de redondeo
Conceptos fundamentales
Cifras significativas, Exactitud y precisin, Definiciones de error, Errores de
redondeo, Errores de truncamiento, Error numrico total, Errores por equivocacin,
del planteamiento e incertidumbre de los datos.
Diferenciacin Numrica
Diferencias divididas finitas
Aproximacin a la primera derivada con diferencias hacia atrs
Aproximaciones a la primera derivada con diferencias centrales
Aproximaciones a derivadas de orden ms alto usando
diferencias finitas
Frmulas de exactitud para diferencias de orden superior
SEGUNDA UNIDAD
AJUSTE DE CURVAS
OBJETIVO GENERAL
Al completar la cuarta unidad, el estudiante habr refinado en gran forma su
competencia para ajustar curvas con datos reportados. En general, manejar las
tcnicas, habr aprendido a avalar la confiabilidad de sus resultados y ser capaz
de seleccionar el mtodo (o mtodos) para cualquier problema particular que
involucre un ajuste de curvas.
CAPITULO CUATRO: Regresin.
Regresin lineal.
Ajuste de curvas no lineales con una funcin de potencia.
Ajuste de curvas con un polinomio de orden superior.
Ajuste de curvas con una combinacin lineal de funciones conocidas.
CAPITULO CINCO: Polinomios e interpolacin.
Polinomios de interpolacin con diferencias divididas de Newton.
Polinomio de interpolacin de Lagrange.
Otros mtodos.
TERCERA UNIDAD
INTEGRACIN NUMRICA
OBJETIVO GENERAL
Al completar la quinta unidad, el estudiante estar en capacidad de reconocer y
resolver situaciones que involucren problemas de integracin numrica y valorar
su aplicacin para solucionar problemas de ingeniera aplicados en la
agroindustria alimentaria.
CAPITULO SEIS: Frmulas de cotas de Newton
Regla del trapecio.
Regla de Simpson.
Integracin con intervalos desiguales.
Frmulas de integracin abierta.
CAPITULO SIETE: Integracin de Romberg y cuadratura gaussiana
Algoritmo de Romberg.
Cuadratura gaussiana.
CUARTA UNIDAD
RACES DE ECUACIONES
OBJETIVO GENERAL
Al completar la segunda unidad el estudiante debe tener la suficiente informacin
para aplicar convenientemente una amplia variedad de problemas de ingeniera,
que se relacionan con las races de ecuaciones. En general, se dominarn los
mtodos, se habr aprendido a evaluar su confiabilidad y se tendr la capacidad
de optar por el mejor mtodo (o mtodos) para cualquier problema en particular.
CAPITULO OCHO: Mtodos que usan incrementos
Procedimientos grficos
Mtodo de biseccin
Mtodo de la regla falsa
Bsquedas con intervalos determinando una aproximacin inicial
CAPITULO NUEVE: Mtodos iterativos
Iteracin de punto fijo
Mtodo de Newton-Raphson
Mtodo de la secante
Raz de un polinomio
QUINTA UNIDAD
SOLUCIN NUMRICA DE ECUACIONES LINEALES SIMULTNEAS
OBJETIVO GENERAL
Al completar la tercera unidad el estudiante ser capaz de resolver problemas que
involucran ecuaciones algebraicas lineales y valorar la aplicacin de esas
ecuaciones en muchos campos de la ingeniera.
CAPITULO DIEZ: Eliminacin de gauss
Solucin de pocas ecuaciones
Eliminacin gaussiana simple
Inconvenientes de los mtodos de eliminacin
Tcnicas de mejoramiento en las soluciones
CAPITULO ONCE: Gauss-Jordan e inversin de matrices y Gauss-Seidel
Mtodo de Gauss-Jordan
Inversin de Matrices
Iteracin de Gauss-Seidel
SEXTA UNIDAD
ECUACIONES DIFERENCIALES ORDINARIAS
OBJETIVO GENERAL
Al completar la sexta unidad, el estudiante debe aumentar de manera notoria su
capacidad para enfrentar y resolver ecuaciones diferenciales ordinarias y
problemas de valores propios. Las metas de estudio en general deberan incluir el
poder seleccionar el mejor mtodo (o mtodos) para cualquier problema en
particular de aplicacin en ingeniera.
CAPITULO DOCE: Mtodos de un paso.
Mtodo de Euler.
Mtodo de Euler modificado.
Mtodos de Runge-Kutta.
Sistemas de ecuaciones.
CAPITULO TRECE: Mtodos de pasos mltiples.
Un enfoque simple de pasos mltiples.
Frmulas de integracin.
BIENVENIDA
En calidad de Docente-Tutor de la
asignatura Anlisis Numrico, le
presento un cordial saludo de
bienvenida a este curso que su
Universidad le ofrece para atender su
formacin
continuada
mediante
procesos metodolgicos innovadores
que debern redundar en la
conformacin de la Comunidad
Universidad Nacional abierta y a
distancia.
Quizs,
algunos
de
sus
compaero(a)s en el centro regional
donde va a asistir, ya tienen
conocimiento de la utilidad del
anlisis numrico y pueden servirse
El autor
10
CAPITULO UNO
MODELOS MATEMTICOS
11
1.1.
MODELAMIENTO MATEMTICO
Sobre las bases de sus observaciones varios cientficos a lo largo de a historia nos
han reportado teoras que no son mas que modelos empricos abstrados de
nuestra realidad fsica. Es as como Newton formul la segunda ley del
movimiento, esta se usa rutinariamente por los ingenieros en el diseo de
elementos tales como armaduras, dispositivos, circuitos, entre otros. Desde la
perspectiva del diseo de ingeniera, estos conocimientos son muy tiles cuando
se expresan en forma de un modelo matemtico.
Un modelo matemtico se define como una formulacin o ecuacin que expresa
las caractersticas fundamentales de un sistema o proceso fsico en trminos
matemticos.
Para nuestro caso:
F = ma
(1.1)
Donde, F es la fuerza neta que acta sobre el cuerpo, m es la masa del objeto y a
es su aceleracin.
La ecuacin (1.1) rene varias caractersticas habituales de los modelos
matemticos del mundo fsico:
Describe un sistema o proceso natural en trminos matemticos.
Representa una idealizacin y una simplificacin de la realidad.
Conduce a resultados predecibles. Por ejemplo, si se conocen la fuerza
aplicada y la masa, entonces puede usarse la ecuacin para estimar la
aceleracin.
Sin embargo, los modelos matemticos de otros fenmenos fsicos pueden ser
mucho ms complejos y no pueden resolverse exactamente o requieren tcnicas
matemticas ms avanzadas que la simple lgebra para su solucin.
Para ilustrar el modelo de este tipo per ms complicado, se puede usar la segunda
ley de Newton para determinar la velocidad de un cuerpo en cada libre.
1.2.
CASO DE ESTUDIO
dV
=F
dt
(1.2)
12
Fg
Figura 3. Representacin de las fuerzas que actan sobre un cuerpo en descenso.
La fuerza total es la diferencia entre las fuerzas hacia abajo y hacia arriba. Por
tanto, combinando las ecuaciones obtenemos:
dV
m( ) = mg CV
dt
dividiendo a cada lado por m encontramos:
dV
C
=g V
dt
m
(1.4)
13
(1.6)
al dar varios valores de t se obtienen las velocidades para dicho tiempo: los
resultados se presentan a continuacin:
t, seg.
0
2
4
6
8
10
12
V, cm/seg.
0
1640,5
2776,9
3564,2
4109,5
4487,3
4749,0
5339,0
14
=
(1.7)
dt
t
ti +1 ti
donde v y t son diferencias en la velocidad y el tiempo calculadas sobre
intervalos finitos, v(ti) es la velocidad en el tiempo inicial ti, y v(ti+1) es la velocidad
algn tiempo ms tarde ti+1. La ecuacin (1.7) es una diferencia finita dividida en
el tiempo ti. Puede sustituirse en la ecuacin (1.2.4) para dar:
v(ti +1 ) v(ti )
C
= g v(ti )
t i + 1 ti
m
(1.8)
(1.9)
v(2) = 0 + 980
(0) 2 = 1960cm / s
68100
15
12500
Siguiendo con los clculos de la misma manera para obtener valores adicionales,
como se muestra en la siguiente tabla:
t, segundos
0
2
4
6
8
10
12
v, cm/seg.
0
1960.0
3200.5
3985.6
4482.5
4796.9
4995.9
5339,0
v, m/s
60
Velocidad terminal
Solucin
analtica, exacta
20
40
Solucin numrica
aproximada
12
t, m
16
17
Variable independiente
Variable independiente
Parmetros
: tiempo, t
:agua evaporada, w
: propiedades fisicoqumicas y geomtricas del
secar, coeficiente de transferencia
material a
dM K ' A(Cs C )
=
dt
b
Para un proceso discontinuo, en el cual el volumen total de la solucin es
VdC K ' A(Cs C )
constante dM = VdC, entonces:
=
, ordenando, se
dt
b
dC
K'A
=
dt , integrando entre Co, C1, para t=0 y t, se obtiene:
encuentra:
Cs C
Vb
Cs C K ' A
Ln
=
t . Cuando se agrega disolvente puro Co = 0 y haciendo
Cs Co Vb
= KA/b, resulta: C = Cs 1 e V
Anlisis dimensional
t
= tiempo, s
K
= coeficiente de difusin, m2s-1
A
= rea de interface slido-lquido, m2
C
= concentracin del soluto en la solucin, kgm-3
Cs
= Concentracin de la solucin saturada en contacto con el slido, kgm-3
b
= espesor de la pelcula de lquido adyacente al slido, m
Variable independiente
Variable dependiente
Parmetros
: tiempo, t
: concentracin del soluto C
: coeficiente de transferencia de masa y geometra del
sistema.
18
E
RT
dN
= d N = aNe RT
dt
No
RT
integrando, = Ln
= d dt = a e dt , en donde, = reduccin fraccional
N 0
0
de microorganismos.
Anlisis dimensional
t = tiempo, s
N = nmero de microorganismos
d = constante de extincin trmica, s-1
T = temperatura, K
E = energa de activacin, cal/gmol
A = constante de Arrhenius
R = constante universal de los gases, cal/gmolK
Variable independiente
Variable dependiente
Parmetros
: tiempo t
: nmero de microorganismos, N
: constantes trmicas de resistencia de los
microorganismos, constantes fisicoqumicas del
medio, propiedades geomtricas del sistema.
19
NAD
Universidad abierta
Nacional
a distancia
CAPTULO DOS
APROXIMACIONES Y ERRORES
Debido a 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.
La mayor parte de las tcnicas desarrolladas en este mdulo tienen la
caracterstica de poseer errores. Esto puede parecer contradictorio a primera vista
ya que no coincide con la imagen que se tiene de un buen mecanismo de
ingeniera.
20
NAD
Universidad abierta
Nacional
a distancia
(2.1)
(2.2)
Donde Et se usa para denotar el valor exacto del error. Se incluye el subndice t
para denotar que se trata del error verdadero. Como ya se mencion
brevemente, esto contrasta con los otros casos, donde se debe emplear una
estimacin aproximada de error.
Un defecto en esta definicin es que no toma en consideracin el orden de
magnitud del valor que se est probando. Por ejemplo, un error de un centmetro
es mucho mas significativo si se est midiendo un remache que un puente. Una
manera de medir las magnitudes de las cantidades que se est evaluando es
normalizar el error respecto al valor verdadero, como en:
Error relativo fraccional = error verdadero/valor verdadero
Donde, como ya se dijo
aproximado.
21
NAD
Universidad abierta
Nacional
a distancia
El error relativo tambin se puede multiplicar por el 100% para expresarlo como:
22
NAD
Universidad abierta
Nacional
a distancia
qu tan cercano est un valor individual medido o calculado con respecto a los
otros. Estos conceptos se pueden ilustrar grficamente usando una analoga de
una diana de prcticas para tiro. Los agujeros en cada blanco de la figura 5 se
pueden imaginar como las predicciones en una tcnica numrica, mientras que el
centro del blanco representa la verdad. La inexactitud se define como un
alejamiento sistemtico de la verdad, la imprecisin (tambin llamada
incertidumbre), se refiere a la magnitud del esparcimiento de los disparos. Los
mtodos numricos deben ser lo suficientemente exactos o sin inexactitudes para
que cumplan los requisitos de un problema particular de ingeniera. Tambin
deben ser lo suficientemente precisos para el diseo en la ingeniera. Usaremos
el trmino error para representar la inexactitud y la imprecisin de las
predicciones.
=
(1.7)
dt t
ti +1 ti
Se introdujo un error de truncamiento en la solucin, ya que la ecuacin de
diferencias slo aproxima el valor verdadero de la derivada. Adems, para
obtener conocimiento de las caractersticas de estos errores se regresar a la
formulacin matemtica usada ampliamente en los mtodos numricos para
expresar funciones en forma polinomial: las series de Taylor.
2.2.1 Uso de la serie de Taylor para estimar los errores de truncamiento.
Aunque la serie de Taylor es en extremo til en la estimacin de errores de
truncamiento a lo largo algunas veces no es claro su empleo. Examinemos el
caso del paracaidista, v(t) se puede expandir en la serie de Taylor del siguiente
modo:
v ''(ti )
v(ti +1 ) = v(ti ) + v '(ti )(ti +1 ti ) +
(ti +1 ti ) 2 + + Rn
(2.3)
2!
Ahora, truncando la serie despus del trmino con la primera derivada, se obtiene:
v(ti +1 ) = v(ti ) + v '(ti )(ti +1 ti ) + R1
La ecuacin 2.4 se puede resolver para
23
(2.4)
NAD
v '(ti ) =
Universidad abierta
Nacional
a distancia
v(ti +1 ) v(ti )
R1
Error de
ti +1 ti
ti +1 ti truncamiento
(2.5)
Aproximacin a
primer orden
Aumenta la precisin
Aumenta la exactitud
a)
c)
b)
d)
24
NAD
Universidad abierta
Nacional
a distancia
(2.6)
Esta relacin puede emplearse para estimar el error relativo de f(x) como en:
f ( x) f ( x% ) f '( x% )( x x% )
f ( x)
f ( x% )
el error relativo de x esta dado por:
(2.7)
x x%
.
x%
25
NAD
Universidad abierta
Nacional
a distancia
Log error
Error total
Error de redondeo
Error de truncamiento
26
NAD
Universidad abierta
Nacional
a distancia
27
Universidad abierta
74,24
13258
8200,02
0,35
0,005
1200
-1863,000
-0,00743
750,0000
0,7424x102
0,13258x105
0,820002x104
0,35x100
0,5x10-2
0,1200x104
-0,1863000x104
-0,743x10-2
0,7500000x103
NAD
Nacional
a distancia
S(4)
S(5)
S(6)
S(2)
S(1)
S(4)
S(7)
S(3)
S(7)
28
NAD
Universidad abierta
Nacional
a distancia
Otra forma de llegar al mismo resultado: si x est redondeada, la cota del error
absoluto de ese redondeo, ser:
x =0,5x10-3 = 0,0005
y, por consiguiente, el valor exacto estar comprendido entre los valores x =
1.414 0,0005, es decir, entre: 1,4115 y 1,4135
Cmo se catalogara el error cometido al transcribir mal una cantidad desde un
documento original a otro cualquiera.
Solucin
Se tratar de un error grosero o bien de una verdadera equivocacin.
La cantidad exacta x = 5,342 se redondea a dos cifras decimales. Encontrar el
error absoluto cometido.
Solucin
La cantidad aproximada obtenida por el redondeo ser x = 5,34
por lo que el mdulo del error absoluto cometido ser
ex = 5,342 - 5,34 = 0,002
A una cinta mtrica defectuosa le falta el primer centmetro. Despus de medir
una longitud con la misma, se obtienen 15 cm. Determinar la verdadera
longitud de la magnitud medida, el error absoluto de la medicin, el relativo y el
porcentaje.
Solucin
x = 15 cm. y x = 14 cm.
ex = x - x = 1 cm. = x
rx = ex /x = 1/14 = 0,071 o bien 1/15 = 0,067
Porcentaje del error = 0,071x100 = 7,1%
o bien
0,067x100 = 6,7%
Un voltmetro maraca las lecturas con un error de +0,05V. Se toma una lectura
de 60V. Calcular los errores absoluto, relarivo y porcentaje del error.
Solucin
V = 60
V = 59,95
ev = 60 - 59,95 = 0,05V
rv = 0,05/60 = 0,00081
Porcentaje = 0,00081x100 = 0,081%
29
NAD
Universidad abierta
Nacional
a distancia
El peso de 1 dm3 de agua a 0C est contenido entre los valores indicados por
p = 999,847 gr 0,001 gr
Determinar la cota o lmite mximo del error relativo del resultado del peso del
agua.
Solucin
p = 999,847
y
p = 0,001
con lo que ser :
p = 0,001/999,847 = 0,1x10-4 = 10-4
Deducir los dgitos correctos de la cantidad aproximada 48,361 que tiene un
error relativo mximo del 1%.
Solucin
a = 48,361
a = 1% = 1/100 = 0,01
a = a/a
con lo que, entonces
a = a a = 0,01x48,361 = 0,48661 < 0,5 = 0,5x100
luego, no existe ninguna cifra decimal correcta, es decir, la ltima cifra correcta
ser la de las unidades. Ello equivale a asegurar que las cifras correctas son
las que forman la parte entera: la 4 y la 8
Como aproximacin de = 3,141592... se toma el valor 3,14. Cules son sus
cifras exactas y cules las correctas?
Solucin
e = 3,141592 - 3,14 = 0,001592 = 0,1592x10-2 < 0,5x10-2
es decir, tiene correctas dos cifras decimales : el 1 y el 4 y, por tanto, tambin
la entera 3.
Otra forma, ms laboriosa pero basada en la propia definicin de dgito
correcto, de llegar al mismo resultado, es la que sigue.
Segn el resultado anterior, una cota del error absoluto es = 0,0016.
Entonces,
0,0016 < 0,5 el 3 es correcto
0,0016 < 0,05 el 1 es correcto
0,0016 < 0,05 el 4 es correcto
En cualquier caso, las cifras exactas, es decir, coincidentes con las que
forman el verdadero valor de , son, en este caso, tambin las tres : 3, 1 y 4.
30
NAD
Universidad abierta y
Nacional
a distancia
CAPITULO TRES
DIFERENCIACIN NUMRICA
Como se menciono con anterioridad, los mtodos numricos son aquellos en los
que se reformula el problema matemtico para que se pueda resolver mediante
operaciones aritmticas sencillas. Para nuestro caso, la razn de cambio de la
velocidad con respecto al tiempo puede aproximarse de la siguiente manera:
dV V v(ti +1 ) v(ti )
=
(1.7)
t
dt
ti +1 ti
31
NAD
Universidad abierta y
Nacional
a distancia
(3.1)
32
NAD
f ' ( xi )
Universidad abierta y
Nacional
a distancia
f ( xi ) f ( xi 1 ) f1
=
h
h
(3.3)
f ' ' ( xi ) 2
h
2!
(3.4)
para obtener:
f ( xi +1 ) = f ( xi 1 ) + 2 f ' ( xi )h +
f ( 3) ( x i ) 3
h
3!
(3.5)
f ( xi +1 ) f ( xi 1 )
f ( xi +1 ) f ( xi 1 ) f ( 3) ( xi ) 2
h + f ' ( xi ) =
O(h 2 ) (3.6)
2h
2h
6
33
NAD
Universidad abierta y
Nacional
a distancia
f ( xi + 2 ) 2 f ( xi +1 ) = f ( xi ) + f ' ' ( xi )h 2 + L
(3.8)
f ( xi + 2 ) 2 f ( xi +1 ) + f ( xi )
+ O ( h)
h2
(3.9)
f ( xi ) 2 f ( xi 1 ) + f ( xi 2 )
+ O ( h)
h2
(3.10)
f ( xi +1 ) 2 f ( xi ) + f ( xi 1 )
+ O(h 2 )
h2
(3.11)
y la versin central,
f ' ' ( xi ) =
Como fue el caso con la aproximacin de la primera derivada, el caso central tiene
mejor aproximacin. Obsrvese tambin que la versin central puede ser
alternativamente expresada como
f ( xi +1 ) f ( xi ) f ( xi ) f ( xi 1 )
h
h
f ' ' ( xi )
(3.12)
h
As, justo como la segunda derivada es una derivada de la derivada, la
aproximacin de la segunda diferencia finita dividida es una diferencia de dos
primeras diferencias divididas.
34
NAD
Universidad abierta y
Nacional
a distancia
Derivada
verdadera
aproximacin
a)
h
xi
xi+1
Derivada
verdadera
b)
aproximacin
h
xi
xi-1
Derivada
verdadera
c)
aproximacin
2h
x
xi
xi+1
xi-1
Figura 7. Grfica de aproximaciones con diferencias divididas finitas de la primera
derivada: a) hacia delante, b) hacia atrs, c) centrales.
3.5. EJERCICIO RESUELTO.
Enunciado del problema. Use las diferencias finitas hacia delante y hacia atrs
con aproximacin de O(h) y diferencias centrales con aproximacin de O(h2) para
estimar la primera derivada de:
f(x) = -0.14x4 0.15x3 0.5x2 0.25x + 1.2
35
NAD
Universidad abierta y
Nacional
a distancia
36
NAD
Universidad abierta y
Nacional
a distancia
CAPTULO CUATRO
RACES DE ECUACIONES
RACES DE ECUACIONES
Y = f(x)
Raz
37
NAD
Universidad abierta y
Nacional
a distancia
4.1. OBJETIVOS
OBJETIVO GENERAL
Al completar la segunda unidad el estudiante debe tener la suficiente informacin
para aplicar convenientemente una amplia variedad de problemas de ingeniera,
que se relacionan con las races de ecuaciones. En general, se dominarn los
mtodos, se habr aprendido a evaluar su confiabilidad y se tendr la capacidad
de optar por el mejor mtodo (o mtodos) para cualquier problema en particular.
OBJETIVOS ESPECFICOS
Conocer la interpretacin grfica de una raz.
Reconocer las diferencias entre los mtodos que usan intervalos y los mtodos
abiertos para la localizacin de races
Entender el concepto de convergencia lineal y cuadrtica y sus implicancia en
la eficiencia de los mtodos de iteraciones de punto fijo y de Newton Raphson.
38
NAD
Universidad abierta y
Nacional
a distancia
39
NAD
4.4.
Universidad abierta y
Nacional
a distancia
Mtodo
Biseccin
Falsa posicin
Newton Raphson
Formulacin
Xi + Xu
Xr =
Si f(Xl)f(Xr)<0, Xu=Xr, f(Xl)f(Xr)>0, Xl=Xr
2
f ( Xu )( X l X u )
Si f(Xl)f(Xr)<0, Xu=Xr,
X r = Xu
f (X l ) f (X u )
f(Xl)f(Xr)>0, Xl=Xr
f (X i )
X i +1 = X i
f '(X i )
Secante
X i +1 = X i
f ( X i )( X i 1 X i )
f ( X i 1 ) f ( X i )
40
NAD
Universidad abierta y
Nacional
a distancia
41
NAD
Universidad abierta y
Nacional
a distancia
4.6.3. Para: f(x) = x3 6x2 + 11x 6.1, determine la raz real mxima mediante:
a. Grficamente
b. Usando el mtodo de Newton-Raphson (tres iteraciones, Xi = 3.5)
c. Empleando el mtodo de la secante modificado,
(tres iteraciones, Xi = 0.5, = 0.02).
42
NAD
Universidad abierta y
Nacional
a distancia
AUTOEVALUACIN I
Ubique correctamente dentro del parntesis la letra que corresponda a la
definicin de la izquierda:
a. Funcin trascendental
b. Mtodos que usan intervalos
c. Mtodos abiertos
d. Raz de la ecuacin
e. Raz de un polinomio
(
(
(
(
(
43
NAD
Universidad abierta y
Nacional
a distancia
PITAGORAS
Los griegos tomaron elementos de las matemticas de los babilonios y de los egipcios. La
innovacin ms importante fue la invencin de las matemticas abstractas basadas en una
estructura lgica de definiciones, axiomas y demostraciones. Segn los cronistas griegos, este
avance comenz en el siglo VI a.C. con Tales de Mileto y Pitgoras de Samos. Este ltimo ense
la importancia del estudio de los nmeros para poder entender el mundo. Algunos de sus
discpulos hicieron importantes descubrimientos sobre la teora de nmeros y la geometra, que se
atribuyen al propio Pitgoras. Considerado el primer matemtico, Pitgoras fund un movimiento
en el sur de la actual Italia, en el siglo VI a.C., que enfatiz el estudio de las matemticas con el fin
de intentar comprender todas las relaciones del mundo natural.
CAPITULO CINCO
INTEGRACIN NUMRICA
INTEGRACIN NUMRICA
Encontrar el rea bajo la curva
Y = f(x)
I = f ( x)dx
a
44
NAD
Universidad abierta y
Nacional
a distancia
5.1. OBJETIVOS
OBJETIVO GENERAL
Al completar la quinta unidad, el estudiante estar en capacidad de resolver
muchos problemas de integracin numrica y apreciar su aplicacin para
solucionar problemas de ingeniera que los emplee.
OBJETIVOS ESPECFICOS
Conocer las frmulas y ecuaciones de error para: a) la regla trapezoidal, b) la
regla de Simpson.
Reconocer situaciones donde sean apropiadas las aplicacin de la integracin
numrica en su contexto particular.
Identificar los diferentes efectos del error de datos en el proceso de integracin
y diferenciacin numrica.
45
NAD
Universidad abierta y
Nacional
a distancia
f (x )dx a i f (x i )
(5.3)
i =0
46
NAD
Universidad abierta y
Nacional
a distancia
f (x )dx =
n 1
(b a )h 2
h
(
)
(
)
2
(
)
f
x
f
x
f
x
f ' ' ( )
+
+
a
b
j
12
2
j =1
(5.4)
f (x )dx =
5.6.
m 1
m
(b a )h 4 4
h
(
)
(
)
2
(
)
4
(
)
f
x
f
x
f
x
f
x
f ( ) (5.5)
+
+
+
a
b
2j
2 j 1
180
3
j =1
j =1
Mtodo
Regla trapezoidal
Regla de Simpson 1/3
Integracin de Romberg
Cuadratura de Gauss
Formulacin
f (a ) + f (b)
I (b a)
2
f ( x 0 ) + 4 f ( x1 ) + f ( x 2 )
I (b a)
6
k 1
4 I j +1,k 1 I j ,k 1
I j ,k =
4 k 1 1
4 k 1 I j +1,k 1 I j ,k 1
I j ,k =
4 k 1 1
47
NAD
Universidad abierta y
Nacional
a distancia
48
NAD
Universidad abierta y
Nacional
a distancia
Solucin.
49
NAD
5.8.
Universidad abierta y
Nacional
a distancia
EJERCICIOS PROPUESTOS
0.1
0
1
0.1
0.9048
0.3
0.7408
0.5
0.6065
0.7
0.4966
0.95
0.3867
1.2
0.3012
M = Qcdt
t1
donde t1 y t2 = tiempo inicial y final. Esta frmula tiene sentido intuitivo si usted
recuerda la analoga entre integracin y sumatoria. As, la integral representa la
sumatoria del producto del flujo por la concentracin para dar la masa total
entrando o saliendo desde t1 a t2. Si la razn de flujo es constante, Q puede ser
obtenida de la integral:
t2
M = Q cdt
t1
50
NAD
Universidad abierta y
Nacional
a distancia
Use integracin numrica con el fin de evaluar esta ecuacin para los datos en la
siguiente tabla, observe que Q = 4 m3/min.
t, min.
0
5
10
15
20
25
30
35
40
45
50
C, mg/m3
10
22
35
47
55
58
52
40
37
32
34
5.8.4. El flujo de calor q es la cantidad de calor que fluye a travs de un rea del
material por unidad de tiempo. Se puede calcular con la ley de Fourier,
dT
j = k
dx
donde j tiene unidades de J/m2/s o W/m2 y k es un coeficiente de conductividad
trmica que parametriza las propiedades de conduccin de calor del material y
tiene las unidades de W/(Cm). T = temperatura (C); y x = distancia (m) a lo largo
de la trayectoria de flujo de calor. La ley de Fourier es usada rutinariamente por
ingenieros para determinar el flujo de calor a travs de paredes. Las siguientes
temperaturas son medidas en una pared de piedra:
x, m
T, C
0
20
0.1
17
0.2
15
51
NAD
Universidad abierta y
Nacional
a distancia
AUTOEVALUACIN II
1
dx .
x
Si queremos estimar Ln2 mediante la regla trapezoidal con error menor de 10-10,
Qu valor n se necesita?
Sabemos que Ln 2 =
52
NAD
Universidad abierta y
Nacional
a distancia
CAPITULO SEIS
AJUSTE DE CURVAS
AJUSTE DE CURVAS, INTERPOLACIN Y APROXIMACIONES
Y = f(X)
Y = f(X)
X
Regresin
Interpolacin
Las tcnicas que se han desarrollado para ajustar datos a curvas son: la
regresin, empleada cuando hay un grado significativo de error en los datos; con
frecuencia los datos experimentales son de esta clase. A diferencia de la
interpolacin que se utiliza cuando el objetivo es determinar valores intermedios
entre datos que estn, relativamente libres de error.
53
NAD
Universidad abierta y
Nacional
a distancia
6.1. OBJETIVOS
Objetivo General
Al completar la cuarta unidad, el estudiante habr refinado en gran forma su
competencia para ajustar curvas con datos reportados. En general, manejar las
tcnicas, habr aprendido a avalar la confiabilidad de sus resultados y ser capaz
de seleccionar el mtodo (o mtodos) para cualquier problema particular que
involucre un ajuste de curvas.
Objetivos Especficos
Comprender la diferencia fundamental entre regresin e interpolacin.
Reconocer situaciones donde sean apropiadas las regresiones lineales,
polinomiales, mltiples y no lineales.
Entender la analoga entre el polinomio de Newton y la expansin de la serie
de Taylor y cmo se relaciona el error al truncamiento.
Reconocer las capacidades y riesgos asociados con la extrapolacin.
6.2. TEMAS PARA CONSULTA
6.2.1. Regresin.
Regresin lineal.
Ajuste de curvas no lineales con una funcin de potencia.
Ajuste de curvas con un polinomio de orden superior.
Ajuste de curvas con una combinacin lineal de funciones conocidas.
6.2.2. Polinomios e interpolacin.
Polinomios de interpolacin con diferencias divididas de Newton.
Polinomio de interpolacin de Lagrange.
Otros mtodos.
6.3. INTRODUCCIN TERICA
El mtodo ms simple para ajustar a una curva los datos es ubicar los puntos y
despus dibujar una lnea que visualmente conforma a los datos. Aunque sta es
una operacin vlida cuando se requiere una estimacin rpida, los resultados son
dependientes del punto de vista subjetivo de la persona que dibuja la curva.
Su primera situacin en el ajuste de curvas podra haber sido determinar valores
intermedios a partir de datos tabulados (por ejemplo, de tablas de inters para
ingeniera econmica, o partir de tablas de vapor para termodinmica). En lo que
resta de su carrera, usted tendr frecuentes oportunidades para estimar valores
intermedios de dichas tablas. Aunque muchas de las amplias propiedades usadas
54
NAD
Universidad abierta y
Nacional
a distancia
i =1
i =1
Otro criterio lgico podra ser minimizar la suma de los valores absolutos de las
discrepancias, como en
i =1
i =1
ei = yi a0 a1 xi .
Pero este no es el nico criterio, una tercera estrategia para ajustar a la mejor
lnea es el criterio minimax. En esta tcnica, la lnea se elige de manera que
minimice la mxima distancia que tenga un punto individual desde la lnea.
Debera observarse que el principio minimax es no es adecuada para regresin,
ya que tiene una excesiva influencia en puntos fuera del conjunto; es decir, un solo
55
NAD
Universidad abierta y
Nacional
a distancia
punto con un gran error, pero algunas ocasiones es muy adecuada para ajustar
una simple funcin a una complicada funcin (Carnahan, Luther y Wilkes, 1969).
Una estrategia que supera los defectos de los procedimientos mencionados es
minimizar la suma de los cuadrados de los residuos entre la ymedida la ycalculada con el
modelo lineal:
n
2
i
i =1
(6.1)
i =1
Este criterio tiene varias ventajas, entre ellas el hecho de que se obtiene una lnea
nica para un cierto conjunto de datos. Antes de analizar esas propiedades,
veremos una tcnica para determinar los valores de a0 y a1 que minimizan la
ecuacin.
6.4.2. Ajuste por mnimos cuadrados de una lnea recta
Para determinar los valores de a0 y a1, la ecuacin 6.1 es diferenciada con
respecto a cada coeficiente:
S r
= 2 ( yi a0 a1 xi )
a0
S r
= 2 ( yi a0 a1 xi ) xi
a1
(6.2)
(6.3)
0 = yi xi a0 xi a1 xi2
(6.4)
(6.5)
(6.6)
( x ) a + ( x ) a = x y
i
2
i
(6.7)
56
NAD
Universidad abierta y
Nacional
a distancia
57
NAD
a)
Universidad abierta y
Nacional
a distancia
b)
c)
y
y=a2x
y=a1eb
b)
Linearizacin
Linearizacin
a)
y = a3
Intercepto = Lna1
1/y
Pendiente = b
Pendiente = b
Pendiente = b/a3
Log x
x
d)
c)
Log y
Lny
x
b+ x
Linearizacin
e)
Intercepto = Log a2
1/x
f)
58
NAD
Universidad abierta y
Nacional
a distancia
(6.9)
Por tanto el polinomio de Taylor es muy til para interpolar datos cuando de
intervalos pequeos se trate, ya que se requiere el conocimiento de valores de la
funcin f y sus derivadas en un punto muy cercano al punto de inters.
6.6.2. Polinomio de Lagrange
Este tcnica tiene la virtud de encontrar polinomios de aproximacin que pueden
determinarse son simplemente especificar algunos puntos en el plano por os
cuales deben pasar.
La idea general del polinomio de Lagrange es construir un polinomio a lo sumo de
grado n que coincida con los n+1 puntos de f. Cada trmino del polinomio es
bsicamente el resultado de la construccin sucesiva de interpolaciones lineales.
P(x)= f(xk)Ln,k(x)
donde Ln,k(x) = (x-xi)/(xk-xi) para cada ik
59
NAD
Universidad abierta y
Nacional
a distancia
(6.10)
Existen tambin dos versiones de esta frmula que son las frmulas de diferencia
progresiva
y regresiva de Newton. La primera se expresa como:
n
s
P (x ) = k f (x 0 ) , donde (s k) es la notacin de coeficiente binomial:
k =0 k
s s (s 1)....(s k + 1)
=
.
(6.11)
k!
k
La diferencia regresiva es anloga a la anterior frmula:
n
s
P (x ) = (1) k k f (x n )
k =0
k
(6.12)
60
NAD
j =0
j =0
Universidad abierta y
Nacional
a distancia
H 2n +1 (x ) = f (x j )H n , j (x ) + f ' (x j )H n , j (x )
H n , j (x ) = [1 2(x x j )L 'n , j (x j )L2 n , j (x )
H n , j (x ) = (x x j )L2 n , j (x )
(6.13)
61
NAD
Universidad abierta y
Nacional
a distancia
Formulacin
y = a0 + a1x, donde, a1 =
n xi y xi y
i
2
n xi ( xi )
a 0 = y a1 x
Regresin polinomial
Regresin lineal
Mltiple
f 2 ( x) = f ( x 0 )
x
x
1 x 0 x 2
0
x x0
+ f ( x1 )
x1 x0
x x 2
x1 x 2
x x0
+ f ( x 2 )
x
x
62
NAD
Universidad abierta y
Nacional
a distancia
y
0.5
1.7
3.4
5.7
8.4
Log x
0
0.301
0.477
0.602
0.699
Log y
-0.301
0.226
0.534
0.753
0.922
Potencial ()
mV
-31.9
-73.1
-90.9
-108.7
-105.3
63
NAD
Universidad abierta y
Nacional
a distancia
Potencial, mV
0
-20 0
2.5
7.5
10
-40
-60
-80
-100
-120
Concentracin, ppm
Log C
-0.301
0.398
0.699
1.00
Se obtiene la siguiente recta:
Potencial, mV
-0.5
-20 0
0.5
-40
-60
-80
-100
-120
log C
64
NAD
Universidad abierta y
Nacional
a distancia
yi
0.5
2.5
2.0
4.0
3.5
6.0
5.5
24.0
(yi - y)2
8.5765
0.8622
2.0408
0.3265
0.0051
6.6122
54.2908
22.7143
(yi a0 a1xi)2
0.1687
0.5625
0.3473
0.3265
0.5896
0.7972
0.1993
2.9911
65
NAD
6.9.
Universidad abierta y
Nacional
a distancia
6.9.1. Enunciado del problema. Ajuste los datos de la tabla 1, evale la funcin
en x=5.
x
f(x)
3.0
2.5
4.5
1.0
7.0
2.5
9.0
0.5
Solucin.
1.10288
66
NAD
Universidad abierta y
Nacional
a distancia
67
NAD
Universidad abierta y
Nacional
a distancia
yi
2.1
7.7
13.6
27.2
40.9
61.1
Solucin.
68
NAD
Universidad abierta y
Nacional
a distancia
69
NAD
Universidad abierta y
Nacional
a distancia
1.42
1.35
1.47
1.74
1.30
1.47
1.92
1.65
1.55
1.95
1.35
1.78
1.63
1.66
1.05
1.71
x
y
3
5
5
6
7
5
10
8
12
7
13
6
16
9
18
12
20
11
0.4
750
0.8
1000
1.2
1400
1.6
2000
2.0
2700
2.3
3750
70
NAD
Universidad abierta y
Nacional
a distancia
88.9
161
700
0.1058
720
0.1280
740
0.1462
760
0.1603
780
0.1703
60
0.4665
0.01999
80
0.3548
0.02087
100
0.2821
0.02173
AUTOEVALUACIN III
71
NAD
Universidad abierta y
Nacional
a distancia
La radiacin (R) solar del Valle del Cauca, en 1998 ha sido tabulada como:
Mes E
R,
122
2
W/m
Suponiendo
la ecuacin
agosto.
F
---
M
188
A
230
M
267
J
270
J
252
A
---
S
196
O
160
N
138
D
120
72
NAD
Universidad abierta y
Nacional
a distancia
0.5
7
1
5.2
2
3.8
3
3.2
4
2.5
5
2.1
6
1.8
7
1.5
8
1.2
9
1.1
8
1.3874
12
1.2396
16
1.1168
20
1.0105
24
0.9186
73
NAD
Universidad abierta y
Nacional
a distancia
CAPITULO SIETE
X2
Solucin
X1
Estos problemas son semejantes a los anteriores en el sentido de que estn
relacionados con valores que satisfacen ecuaciones. El objetivo es solucionar un
conjunto de ecuaciones algebraicas. Las ecuaciones lineales simultneas surgen
en el contexto de una variedad de problemas y en todas las disciplinas de la
ingeniera.
74
NAD
Universidad abierta y
Nacional
a distancia
7.1. OBJETIVOS
OBJETIVO GENERAL
Al completar la tercera unidad el estudiante ser capaz de resolver problemas que
involucran ecuaciones algebraicas lineales y valorar la aplicacin de esas
ecuaciones en muchos campos de la ingeniera.
OBJETIVOS ESPECFICOS
Conocer cmo calcular el determinante usando la eliminacin Gauss.
Reconocer las diferencias entre los mtodos de eliminacin de Gauss y el de
Gauss-Jordan y cual es ms eficiente.
Entender por qu el mtodo de Gauss-Seidel es particularmente adecuado
para grandes sistemas de ecuaciones dispersos.
7.2. TEMAS PARA CONSULTA
7.2.1. Eliminacin de Gauss
Solucin de pocas ecuaciones
Eliminacin gaussiana simple
Inconvenientes de los mtodos de eliminacin
Tcnicas de mejoramiento en las soluciones
7.2.2. Gauss-Jordan e inversin de matrices y Gauss-Seidel
Mtodo de Gauss-Jordan
Inversin de Matrices
Iteracin de Gauss-Seidel
75
(7.1)
NAD
a 11 a 12
a
a 22
A = 21
.... .....
a n 1 a n 2
Universidad abierta y
Nacional
a distancia
.... a 1m
.... a 2m
.... ....
.... a nm
(7.2)
para x1,....xn dadas las aij para cada i,j=1,2,....,n y las bij para cada i=1,2,....n y
n=m-1. Existen mtodos directos y otros que emplean tcnicas de lgebra lineal.
Entre los mtodos directos se destacan los mtodos gaussianos y entre los
mtodos de lgebra lineal, el ms comn es el que emplea la inversa.
7.3.1. Eliminacin Gaussina
Para resolver un problema SEL de forma directa el mtodo de eliminacin
Gaussiana permite encontrar la solucin al problema en un numero fijo de pasos,
aplicando lo que se conoce como operaciones de rengln o de ecuacin.
En un SEL son permitidas tres operaciones de rengln o de ecuacin:
La ecuacin Ai puede multiplicarse por cualquier constante diferente de cero
y se puede usar la ecuacin resultante en lugar de Ai. Esta operacin se
denota como (Ai)(Ai).
La ecuacin Aj puede multiplicarse por cualquier constante ,sumarla a la
ecuacin Ai y usar la ecuacin resultante en lugar de Ai. Esta operacin se
denota como (Ai + Aj)(Ai).
Las ecuaciones Ai y Aj se pueden intercambiar., es decir, (Aj)(Ai)
Por medio de una secuencia de las operaciones anteriores un SEL se puede
transformar a un sistema lineal mucho ms fcil de resolver. Este sistema lineal
ms sencillo puede representarse matricialmente como A, tal que:
a '11 a '12 .... a '1n a '1m
0 a'
.... a ' 2n a ' 2m
22
(7.3)
A' =
.... ..... .... .... ....
76
NAD
Universidad abierta y
Nacional
a distancia
(7.4)
a n 1 a n 2
.... a 1n
x1
b1
b
.... a 2n
x2
, x =
, B = 2.
....
....
.... ....
.... a nn
x n
b n
(7.5)
77
NAD
Universidad abierta y
Nacional
a distancia
.a n 1 ...
....
....
....
....
b1
b2
....
bn
.... a 1n
....a 2n
.... ....
....a nn
(7.6)
donde D = det A y para cada solucin Xi, se realiza una sustitucin de la i-sima
columna por el vector columna B.
Este mtodo requiere de n! multiplicaciones/divisiones y de n!-1 sumas/restas, un
nmero de operaciones muy inferior al nmero de operaciones usuales de una
inversa.
(7.8)
F =
....
.... .... ....
x n ,1 x n , 2 ..... x n ,n
El ndice fila representa la ecuacin a la cual pertenece la x j-sima variable
mientras el ndice columna representa la variable en la i-sima ecuacin.
Un sistema de ecuaciones son lineales puede ser resuelto por mtodos numricos
que por lo general son generalizacin del mtodo de newton para solucin de
ecuaciones de una variable.
78
Universidad abierta y
Nacional
a distancia
NAD
x (i +1) = x (i ) Ai 1F (x (i ) )
y i = F (x (i ) F (x (i 1) )
Si = X
(i )
x (i 1)
79
NAD
Universidad abierta y
Nacional
a distancia
f1(x1,....,xn)=0
f2(x1,....,xn)=0
...
fn(x1,....,xn)=0
(7.10)
80
NAD
7.5.
Universidad abierta y
Nacional
a distancia
81
NAD
Universidad abierta y
Nacional
a distancia
7.5.2. Enunciado del problema. Use un mtodo para determinar las races del
siguiente sistema de ecuaciones no lineales:
x2 + xy = 10
y + 3xy2 = 57
Solucin.
82
NAD
7.6.
Universidad abierta y
Nacional
a distancia
Eliminacin de Gauss
a11 a12
a21 a22
a31 a32
a11 a12
c1
c2
a22
c3
a13
a23
a33
a13
a23
a33
c
x3 = 3
c1
a33
Mtodo de Gauss-Seidel
x1i = (c1 a12 x2i 1 a13 x3i 1 ) / a11 i 1
x xii 1
x2i = (c2 a21 x1i a23 x3i 1 ) / a22 i
100% < s
x
i
x3i = (c3 a31 x1i a32 x2i ) / a33
7.7. EJERCICIOS PROPUESTOS
7.7.1. Vea sus libros de texto de ingeniera o publicaciones internacionales y
busque dos casos en que tcnicas numricas para resolver un sistema de
ecuaciones lineales simultneas.
7.7.2. En la figura se muestra tres reactores unidos por tuberas. Como se indica,
la razn de transferencia de qumicos a travs de cada tubera es igual al flujo
volumtrico (Q, con unidades de metros cbicos por segundo) multiplicado por la
concentracin del reactor donde se origina el flujo (C, con unidades de miligramo
por metro cbico). Si el sistema se halla en un estado estable, la transferencia
hacia cada reactor equilibrar la transferencia de salida. Desarrolle ecuaciones
de balance de masa para los tanques y resuelva las tres ecuaciones algebraicas
lineales simultneas para sus concentraciones.
Q13C1
400mg/s
Q33C3
Q12C1
Q23C2
Q21C2
200 mg/s
Q33=120
Q13=40
Q12=80
Q23=60
Q21=20
83
NAD
Universidad abierta y
Nacional
a distancia
AUTOEVALUACIN IV
Responda brevemente las siguientes cuestiones:
a) En que consiste la notacin matricial y a que se le conoce como vector?
b) Cules son las principales reglas para la operacin de matrices?
c) Qu es un problema mal acondicionado y que lo origina?
Un conjunto de ecuaciones lineales no siempre puede resolverse
numricamente. Los siguientes tres conjuntos de ecuaciones son ejemplos
sencillos pero importantes:
a) -x + y = 1
b) -x + y = 2
c) x + 2y = -3
-5x + 5y = 5
-x + y = 0
-x + y = 1
2x - y = 0
Cul es la explicacin en estos casos.
Sugerencia: grafique las ecuaciones de cada uno de estos conjuntos.
Calcular la cantidad de vapor que se necesita en un evaporador de doble
efecto en contracorriente (Ver figura No. 5) para concentrar un alimento lquido
desde 11% de slidos totales hasta un 50%. La velocidad de alimentacin es
de 10000 kg/h a 20C. La ebullicin del lquido dentro del segundo efecto tiene
lugar en vaco a 70C. El vapor se suministra al primer efecto a una presin de
198.5 kPa. El condensado es descargado del primer efecto a 95C y del
segundo efecto a 70C. El coeficiente global de transmisin de calor en el
primer efecto es de 1000 W/m2C y en el segundo efecto de 800 W/m2C. Los
calores especficos del alimento lquido son 3.8, 3.0 y 2.5kJ/kgC al principio,
en la parte media y al final, respectivamente. Suponer que las reas y los
gradientes de temperatura son iguales en ambos efectos.
m& s , Ts
Limite del
sistema
m& v1
m& v ,T2
T1
T2
U2, A2
U1, A1
m& f 1 , x f 1
m& p , T2 , x p
m& f , Ts , x f
Figura No. 5. Esquema de un evaporador de doble efecto
84
NAD
Universidad abierta y
Nacional
a distancia
Como su nombre implica, la polucin de aire entrante tiene que ver con la
contaminacin encerrada en espacios tales como casas, oficinas, reas de
trabajo, etctera. Suponga que se disea un sistema de ventilacin para un
restaurante como se muestra en la figura de la vista area. El rea de servicio
del restaurante consiste en dos cuartos cuadrados y uno alargado. El cuarto 1
y el 3 tienen fuentes de monxido de carbono, de los fumadores y una parrilla.
Se puede escribir balances de masa en estado estable para cada cuarto. Por
ejemplo, para la seccin de fumadores (cuarto 1), el balance se escribe como:
0 = Wfumador + Qaca Qac1 + E13(c3 c1)
0 = (carga) + (entrada) (salida) + (mezcla)
o sustituyendo los parmetros
225c1 25c3 = 1400
Se puede escribir balances en forma similar para los otros cuartos.
a) Resuelva para la concentracin, en estado estable, de monxido de carbono
en cada cuarto.
b) Determine qu porcentaje de monxido de carbono en la seccin de nios es a
causa de: i) los fumadores, ii) la parrilla y iii) el aire que entra por ventilacin.
Qc=150 m3/h
Cb=2 mg/m3
Qa=200 m3/h
3
Ca=2 mg/m
25 m3/h
50 m3/h
Qb=50 m3/h
Qd=100 m3/h
(Seccin de nios)
1
(Seccin de fumar)
25 m3/h
Carga por
fumadores
1000 mg/h
85
Universidad
Nacional
abierta y
a distancia
El matemtico alemn Carl Friedrich Gauss contribuy al estudio de diversas ramas de las
matemticas, incluidas la teora de la probabilidad y la geometra. En su tesis doctoral demostr
que cada ecuacin algebraica tiene al menos una raz o solucin. Este teorema se sigue
denominando teorema fundamental del lgebra. Gauss aplic tambin sus trabajos matemticos a
la electricidad y el magnetismo. Una unidad de induccin magntica recibe su nombre.
CAPTULO OCHO
ECUACIONES DIFERENCIALES ORDINARIAS
t
ti
ti+1
TRATAMIENTO NUMRICO DE
ECUACIONES DIFERENCIALES
Dada:
dy y
= f (t , y ) ,
dt t
encontrar yi+1 = yi + f(ti, yi)t
para y con una funcin de t
86
Universidad
Nacional
abierta y
a distancia
8.1. OBJETIVOS
OBJETIVO GENERAL
Al completar la sexta unidad, el estudiante debe aumentar de manera notoria su
capacidad para enfrentar y resolver ecuaciones diferenciales ordinarias y
problemas de valores propios. Las metas de estudio en general deberan incluir el
poder seleccionar el mejor mtodo (o mtodos) para cualquier problema en
particular de aplicacin en ingeniera.
OBJETIVOS ESPECFICOS
Conocer la relacin del mtodo de Euler con la expansin de la serie de Taylor
y el conocimiento que esto proporciona con respecto al error del mtodo.
Reconocer el orden y la dependencia del tamao de paso de los errores de
truncamiento global para todos los mtodos descritos; entender cmo dichos
errores tienen que ver con la exactitud de las tcnicas.
Identificar la forma general de los mtodos de Runge-Kutta. Entender la
deduccin del mtodo RK de segundo orden y como se relaciona con la
expansin en serie de Taylor; darse cuenta de que hay un nmero infinito de
versiones posibles para los mtodos RK de segundo orden y superiores.
Saber aplicar cualquier mtodo de RK a sistemas de ecuaciones; poder reducir
una EDO de n-simo orden a un sistema de n EDO de primer orden.
Conocer la diferencia entre los mtodos de multipaso y de un paso; darse
cuenta que todos los mtodos multipaso son predictor-corrector, pero no a la
inversa.
Saber lo racional detrs de los mtodos de polinomios y los de potencia para
determinar valores propios, en particular reconocer sus fortalezas y
limitaciones.
8.2.TEMAS PARA CONSULTA
8.2.1. Mtodos de un paso.
Mtodo de Euler.
Mtodo de Euler modificado.
Mtodos de Runge-Kutta.
Sistemas de ecuaciones.
8.2.2. Mtodos de pasos mltiples.
Un enfoque simple de pasos mltiples.
Frmulas de integracin.
87
Universidad
Nacional
abierta y
a distancia
88
Universidad
Nacional
abierta y
a distancia
c
v dt
(8.2)
m
El lado derecho de esta ecuacin se conoce como integral indefinida debido a que
los lmites de integracin no estn especificados. Una solucin analtica para la
ecuacin anterior 8.2, se obtiene si la integral indefinida puede evaluarse en forma
exacta como una ecuacin. Por ejemplo recuerde que para el problema del
paracaidista en cada, la ecuacin 1.3 se resolvi analticamente con la ecuacin
1.5, (suponga que v=0 en t=0):
gm
v(t ) =
1 e (c / m)t )
(1.5)
(
c
Dado que las soluciones exactas para muchas EDO de importancia prctica no
estn disponibles, los mtodos numricos ofrecen la nica alternativa viable para
esos casos. Como esos mtodos numricos por lo comn requieren de
computadoras, antes del auge de stas los ingenieros se hallaban limitados en el
alcance de sus investigaciones.
v=
J = D
dc
dx
VL = L
di
dt
Variables y parmetros
Velocidad (v), fuerza (F) y
masa (m)
Flujo
de
calor
(q),
conductividad trmica (k) y
temperatura (T)
Flujo
msico
(J),
coeficiente de difusin (D)
y concentracin (c)
Cada de voltaje (Vij),
inductancia (L) y corriente
(i)
89
Universidad
Nacional
abierta y
a distancia
Esas leyes definen mecanismos de cambio. Cuando se combinan con las leyes
de conservacin de la energa, masa o momentum, resultan ecuaciones
diferenciales. La integracin subsecuente de estas ecuaciones diferenciales
originan funciones matemticas que describen el estado espacial y temporal de un
sistema en trminos de variaciones de energa, masa o velocidad.
El problema del paracaidista en cada introducido en el primer captulo es un
ejemplo de la derivacin de una ecuacin diferencial ordinaria a partir de una ley
fundamental. Recuerde que la segunda ley de Newton se us para desarrollar
una EDO que describe la razn del cambio de velocidad de un paracaidista en
cada. Al integrar esta relacin obtenemos una ecuacin para predecir la
velocidad de cada como una funcin del tiempo (Vase figura 7). Esta ecuacin
se podra utilizar en diferentes formas, entre ellas para propsitos de diseo.
Ley fsica
F = ma
dV
C
=g V
dt
m
Solucin analtica
V (t ) = (
gm
) 1 e
C
C
( )t
m
EDO
Solucin numrica
v(ti +1 ) = v(ti ) + g
C
v(ti ) (ti +1 ti )
m
Solucin
90
Universidad
Nacional
abierta y
a distancia
91
Universidad
Nacional
( ,
,....,
,....,
,....,
( ,
( ,
abierta y
a distancia
(8.3)
....
=
92
Universidad
Nacional
abierta y
a distancia
w0=
k1 = h f(ti, wi)
k2 = h f(ti+h/2, wi+1/2k1)
k3 = h f(ti+h/2, wi+1/2k2)
k4 = h f(ti+1.wi+k3)
wi+1= wi+1/6 (k1+2k2+2k3+k4)
para cada i = 0,1,.,N-1.
8.6.
93
Universidad
Nacional
abierta y
a distancia
Los resultados calculados para los modelos lineal y no lineal son casi idnticos.
Esto cumple las expectativas debido a que cuando el desplazamiento inicial es
pequeo, seno() . [Observe la escala de la ordenada, (-0.53812, 0.52693)].
b)
94
Universidad
Nacional
95
abierta y
a distancia
Universidad
Nacional
abierta y
a distancia
8.7.
EJERCICIOS PROPUESTOS
8.7.4. Dada
dx1
= 999 x1 + 1999 x 2
dt
dx 2
= 1000 x1 2000 x 2
dt
96
Universidad
Nacional
abierta y
a distancia
8.7.5. La razn de flujo de calor (conduccin) entre dos puntos sobre un cilindro
calentado en un extremo, est dada por:
dQ
dT
= A
dt
dx
donde, = Constante, A = rea de la seccin transversal del cilindro, Q = flujo de
calor, T = temperatura, t = tiempo y x = distancia desde el extremo calentado.
Como la ecuacin involucra dos derivadas, la simplificaremos al realizar:
dT 100( L x)(20 t )
=
dx
100 xt
donde L es la longitud de la barra. Combine las dos ecuaciones y calcule el flujo
de calor para t = 0 a 25 s. La condicin inicial es Q(0) = 0 y los parmetros son =
0.4 calcm/s, A = 10 cm2, L = 20 cm y x = 2.5 cm. Trace la grfica de sus
resultados.
97
Universidad
Nacional
abierta y
a distancia
AUTOEVALUACIN
Se disuelven 1.5 kg de sal en agua para hacer 100 litros. Al tanque que contiene
esta disolucin se alimenta agua pura a una velocidad de 5 litros/min, de manera
que la solucin salina sale del tanque con la misma velocidad. El tanque se
encuentra en mezcla perfecta (Ver Figura No. 8).
a) Cunta sal existe en el tanque al cabo de 15 minutos? Supngase que la
velocidad de la disolucin salina es constante e igual a la del agua.
b) Incluir el efecto de la reaccin. Suponer que dentro del tanque existe una
reaccin que consume sal a una velocidad que viene expresada por una
ecuacin de primer orden: r = k1CA, donde k1 es la constante de reaccin de
primer orden y CA la concentracin de sal en el tanque. Obtngase una
expresin para CA en funcin del tiempo. Si k1 = 0.002 min-1, Cunto
tiempo se necesita para que la concentracin de sal sea 1/120 de su valor
inicial?.
Agua
5 lmin-1
Solucin salina
5 lmin-1
V
CA
Lmite del
sistema
98
Universidad
Nacional
abierta y
a distancia
Un rastreador conservativo.
c1
c2
16 12
c3 100 48 28 17 11
12 16 20
Usando balances de masa, se puede modelar el sistema como las siguientes EDO
simultneas:
dc
V1 1 = Qc1 + E12 (c2 c1 ) + E13 (c3 c1 )
dt
99
Universidad
Nacional
abierta y
a distancia
dc2
= E12 (c1 c2 )
dt
dc
V3 3 = E13 (c1 c3 )
dt
donde, Vi = volumen del segmento i, Q = flujo y Eij = razn de mezclado difusivo
entre los segmentos i y j. Use los datos y las ecuaciones diferenciales para
estimar las E si V1 = 1107, V2 = 8106, V3 = 5106 y Q = 4106.
V2
Baha
(3)
Capa superior
(1)
Capa inferior
(2)
100
Universidad
Nacional
abierta y
a distancia
9. BIBLIOGRAFA
101
NAD
Universidad
Nacional
abierta y
a distancia
9. BIBLIOGRAFA
Bakahvalov, N., Mtodos Numricos, Editorial Paraninfo, Madrid, 1990.
Balfour, A. y Beveridge, W. T., Anlisis Numrico Bsico con Algol. Compaa
Editorial Continental, S.A., Primera edicin, Mxico, 1987.
Burden, Richard y otros, Anlisis Numrico, Grupo Editorial Iberoamricana,
Mxixo, 1985.
Chapra, Steven C. y Canale, Raymond P.,
Mtodos Numricos para
Ingenieros, con aplicaciones en computadoras personales. McGraw-Hill,
S.A.DE C.V., Primera edicin, Mxico, 1988.
Cutlip, Michael B. y Schacham, Mordechai, Problem Engineering in Chemical
Engineering with Numerical Methods. Prentice Hall International, Primera
Edicin, New York, 1999.
Demidvich, B. P., 5000 problemas de anlisis matemtico, Editorial Paraninfo,
Madrid, 1989.
Enciclopedia Microsoft Encarta 2001. 1993-2000 Microsoft Corporation.
Reservados todos los derechos.
Hildebrand, F. B., Introduction to Numerical Analysis, Second Edition, McGrawHill, New York, 1974.
Larson , Ronald y otros, Clculo, Sexta Edicin, McGraw-Hill, Madrid, 1999.
Merayo G., Flix y Nevot L., Antonio, Anlisis Numrico, Editorial Paraninfo,
Primera edicin, Madrid, 1992.
Nakamura, Shoichiro, Anlisis numrico y visualizacin grfica con MATLAB,
Prentice-Hall Hispanomericana, S.A. Primera edicin, Mxico, 1997.
Purcell, Edwing J. y Varberg, Dale, Clculo con Geometra Analtica, PrenticeHall Hispanoamericana S.A., Cuarta edicin, Mxico, 1987.
101
NAD
Universidad
Nacional
Abierta y
a distancia
ANEXO 1
ACTIVIDADES PRELIMINARES
Ya repaso el material para el seminario-taller y quedan algunos minutos antes de
la primera actividad por audioconferencia..Aprovchelos!
Conozca a sus vecinas o vecinos: presntese y dialogue con la vecina o el
vecino para conocerlo. No es necesario sentarse al lado de alguien conocido.
Esperamos que, durante el curso, usted cambiar de puesto y se har al lado
de personas que no conoca antes. Hay que empezar a crear una verdadera
Comunidad UNAD.
Lea detenidamente la agenda propuesta y centre su atencin en el horario de
las diferentes actividades.
Lea las pginas siguientes:
Presentacin de su instructor-tutor
Bienvenida, y algunas de las Recomendaciones para su participacin en el
seminario-taller.
Realice la lectura:Modelamiento matemtico y con base en los resultados
mostrados en las tablas, realice una comparacin de las soluciones numricas
y analticas para el ejemplo mostrado, qu podemos concluir respecto al caso
de estudio.
Lea el siguiente artculo: Un sistema de computacin y realice un esquema de
los principales componentes que conforman un sistema de computacin.
Est atento a las indicaciones del coordinador local y dispngase fsica y
mentalmente a participar en la primera Audioconferencia multipuntos que va a
iniciar en contados minutos.
Le quedan algunos minutos.
Contstese mentalmente las siguientes preguntas:
Qu vengo a hacer en este seminario-taller?
Qu resultados pretendo obtener?
Cul ser mi aporte ms significativo?
102
NAD
Universidad
Nacional
Abierta y
a distancia
ANEXO 2
FUNDAMENTOS MATEMTICOS
(A.1.)
n
n(n 1) 2 n(n 1)(n 2) 3 n(n 1)(n 2)(n 3) 4
x+
x +
x +
x +....+ x n (A.2)
1!
2!
3!
4!
103
NAD
Universidad
Nacional
Abierta y
a distancia
n
n(n 1) 2
n(n 1)...(n r + 1) r
(A.3)
x+
x +...+
x +...
1!
2!
r!
Si n es un entero positivo la serie termina despus de n+1 trminos, como ya
indicamos arriba, y la expresin es vlida para todos los valores de x. Si n es un
entero negativo o una fraccin para el dominio -1 < x < 1. (La serie tambin
converge en x = -1 y x = 1 para ciertos valores especiales de n).
(1 + x ) n = 1 +
f(x)
f(a)
a
X1
104
NAD
Universidad
Nacional
Abierta y
a distancia
( x1 a )
( x a ) n 1 ( n 1)
f ' (a ) + ... + 1
f'
(a) + Rn ( x)
1!
(n 1)!
donde Rn(x) es el residuo despus de los n trminos y
( x a)n ( n)
Rn ( x) =
f ( ) .
n!
Esto parece de no mucha ayuda si no conocemos el valor exacto de y entonces
no se puede calcular el error Rn(x). Sin embargo, esto se puede usar
frecuentemente para calcular un lmite superior de la magnitud del error.
f ( x1 ) = f (a ) +
105
(A.9)
NAD
Universidad
Nacional
Abierta y
a distancia
106
NAD
Universidad
Nacional
Abierta y
a distancia
(A.1.3)
La serie es finita, ya que para un polinomio de n-simo grado f n+1 y todas las
derivadas de mayor orden son cero. Comparando (A.12) y (A.13)
f ' ( p)
f ' ' ( p)
f ' ' ' ( p)
f n ( p)
q1 ( p ) =
; q2 ( p ) =
; q3 ( p ) =
;.....; qn ( p) =
1!
2!
3!
n!
En general,
f i ( p)
qi ( p) =
, i = 1,2,3..., n
i!
Los valores de q1(p), i = 1,2,3,...,n pueden ser obtenidas por divisin repetida de f
entre (x - p) y las derivadas pueden ser calculadas de
fi(p) = (i !)qi(p)
La divisin repetida puede ser hecha sintticamente.
107
NAD
Universidad
Nacional
Abierta y
a distancia
ANEXO 3
EJERCICIOS RESUELTOS
Ejercicio A.3.1.
Encuentre la expansin binomial de (1+x) hasta el trmino que contenga x3.
(1 + x ) = 1 +
( )( 1) 2 ( )( 1)( 2) 3
x+
x +
x +.... = 1 + x
1!
2!
3!
3
32
x2 +
5
128
x 3 +...
Ejercicio A.3.2.
Encuentre la expansin binomial de (1-2x)- hasta el trmino que contenga x3 y
con sta encuentre un valor aproximado de 1/(0.98).
(1 + ( 2 x ))
( )( 3 2 )
( )( 3 2 )( 5 2 )
(-)
2
= 1+
( 2 x ) +
( 2 x ) +
( 2 x ) 3 +..
1!
2!
3!
= 1 + x + 3 2 x 2 + 5 2 x 3 +...
Ahora
1
1
1
y
=
1/ 2
1/ 2
(1 2 x)
(0.98)
(1 2 0.01)1 / 2
As sustituimos x = 0.01 para encontrar:
(1 2 x) 1 / 2 =
1
3
5
= 1 + 0.01 + (0.01) 2 + (0.01)3 + ....... = 1.0101525
1/ 2
(0.98)
2
2
Ejercicio A.3.3
Usando una serie de Taylor, evale 1/(2+x)3/2 en x = 2.1 con 3 cifras significativas.
Note que trabajaremos con 5 cifras significativas a lo largo del problema para
proteger adecuadamente la tercera cifra significativa. Podemos evaluar 1/(2+x)3/2
en x=2 fcilmente. Por tanto, ponemos a = 2 tal que x a = 2.1 - 2.0 = 0.1.
1
1
f ( x) =
, f (2) =
3/ 2
(2 + x)
8
108
NAD
Universidad
Nacional
Abierta y
a distancia
3
1
3
, f ' (2) =
5/2
2 (2 + x)
64
15
1
15
f ' ' ( x) = +
, f ' ' (2) =
7/2
4 (2 + x)
512
f ' ( x) =
105
1
105
, f ' ' ' (2) =
9/2
8 (2 + x)
4096
reemplazando se tiene:
1 3 (0.1) 15 (0.01) 105 (0.001)
f (2.1) =
+
+ ....
8 64 1!
512 2!
4096 3!
= 0.125-0.00469+0.00015-0.000004
= 0.12046.
Despreciando el 0.000004 que no afecta la quinta posicin.
Con tres cifras significativas, f(2.1)= 0.120.
Ejercicio A.3.4
En el Ej. A.3.3 evaluamos f(x)=1/(2+x)3/2 en x=2.1 usando valores de f y sus
derivadas en x=2. Usamos los tres primeros trminos de la serie (despreciamos
el cuarto trmino 0.000004) tal que el error de truncacin est dado por:
( x a)3 '''
R3 ( x) =
f ( )
3!
Con 22.1
105
1
f ' ' ' ( x) =
8 (2 + x )9 / 2
f ' ' ' ( x) =
R3 ( x) =
105
1
8 (2 + x )9 / 2
( x a)3 '''
f ( )
3!
109
NAD
Universidad
Nacional
Abierta y
a distancia
105
1
8 (2 + )9 / 2
Si slo consideramos la magnitud del error, entonces desechamos el signo. El
mximo valor que f() puede alcanzar si 22.1 es cuando =2 y puesto que en
realidad 2<<2.1 sabemos que f(2)>f(). De aqu:
( x a )3 '''
(0.1)3 105
R3 ( x)
f (2) =
0.0000043
3!
3! 4096
f ' ' ' ( ) =
110
NAD
Universidad
Nacional
Abierta y
a distancia
-2)
-4
-6
2
5
-4
9
-6
-18
12
2)
-4
6
2
5
4
9
-6
18
12
7
7
-2
-7
-9
0
9
9
3
-9
-6
111
8
6
14
NAD
Universidad
Nacional
Abierta y
a distancia
-2)
3
3
-4
-6
2
5
-4
9
-6
-18
12
112
Universidad
Nacional
NAD
2)
3
3
Abierta y
a distancia
-4
6
2
5
4
9
-6
18
12
4
2
5
12
2)
6
2
17
1=
11 = f(2)
= f(2)/1 !
= f(2)/2 !
f(2) = 11
f(2) = 17
f(2) = 16
Finalmente,
f(2) = 6
De aqu que las derivadas requeridas sean f(2) = 17, f(2) = 16, f(2) = 6.
113