P. 1
Calculo_Numerico

Calculo_Numerico

|Views: 181|Likes:
Publicado porrgalvan79

More info:

Published by: rgalvan79 on Nov 19, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

12/14/2014

pdf

text

original

FACULTAD DE CIENCIAS

Y TECNOLOGIA

RED NACIONAL UNIVERSITARIA

SYLLABUS

CÁLCULO NUMÉRICO CUARTO SEMESTRE

Gestión Académica II/2010

U N I V E

R S

I D A D

D E 1

A

Q U

I N

O

B

O L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

UDABOL

UNIVERSIDAD DE AQUINO BOLIVIA Acreditada como PLENA mediante R. M. 288/01

VISION DE LA UNIVERSIDAD

Ser la Universidad líder en calidad educativa.

MISION DE LA UNIVERSIDAD

Desarrollar la Educación Superior Universitaria con calidad y competitividad al servicio de la sociedad.

Estimado(a) estudiante: El syllabus que ponemos en tus manos es el fruto del trabajo intelectual de tus docentes, quienes han puesto sus mejores empeños en la planificación de los procesos de enseñanza para brindarte una educación de la más alta calidad. Este documento te servirá de guía para que organices mejor tus procesos de aprendizaje y los hagas mucho más productivos. Esperamos que sepas apreciarlo y cuidarlo.

U N I V E

R S

I D A D

D E 2

A

Q U

I N

O

B

O L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

I. SYLLABUS Asignatura: Código: Requisito: Carga Horaria: Horas teóricas: Horas prácticas: Créditos: Cálculo Numérico MAT 212A MAT 202A

80 80 HORAS
4

II. OBJETIVOS GENERALES DE LA ASIGNATURA. La formación científica del estudiante involucra el dominio de los métodos fundamentales del Análisis Numérico y su uso en la resolución de problemas matemáticos, utilizando programas computacionales como MATLAB. Al final del curso el estudiante: Comprenderá la necesidad de utilizar métodos numéricos de resolución de ciertos problemas matemáticos, observando que en ocasiones solo es posible la obtención de soluciones aproximadas Podrá identificar los factores claves a la hora de resolver un problema. Concebirá que el análisis teórico correspondiente, es de gran importancia el estudio previo del coste y el error de cada método. El análisis de los diversos factores debe de llevar a una elección correcta entre los distintos métodos que resuelven un mismo problema. Conocerá los recursos técnicos que proporciona el ordenador para la utilización eficiente de los métodos numéricos, implementando los algoritmos correspondientes para comprobar su utilidad.

III.

PROGRAMA ANALÍTICO DE LA ASIGNATURA.

1. INTRODUCCION 1.1. 1.2. 1.3. 1.4. 1.5. 1.6. ¿Qué es el Cálculo Numérico? Sistemas Numéricos Representación de un Número en Base b Representación del Proceso de Cambio de un Fracción en Base Diez a Base Dos Sistemas Numéricos de punto Flotante Propiedades del Sistema de Números de Máquina en Punto Flotante

2. TEORIA DE ERRORES 2.1. 2.2. 2.3. Definición Números Aproximados Definición de Error. Error Absoluto. La Cota del Error Absoluto
U N I V E R S I D A D D E 3 A Q U I N O B O L I V I A

Error en un Cociente.7. 3.4..4. 3. 4. 4.6. Definición Métodos de Resolución Método de Eliminación Método de Eliminación Gaussiana Método de Gauss Jordan Método de la Matriz inversa Método de Gauss Seidel Método de Relajación Método de Cramer SISTEMAS DE ECUACIONES NO LINEALES Método de Newton Método de Newton Modificado Método de Iteración INTERPOLACION DE FUNCIONES Interpolación de Lagrange Diferencias Finitas y Diferencias Divididas Interpolación de Newton Interpolación de Gauss Interpolación de Stirling Interpolación de Bessel Interpolación de Splines Interpolación de Funciones de Dos Variables Fórmula de Interpolación de Newton Para una Función de Dos Variables 3.1.5.3. 2.2.6. 5.1.2. 4. Exactos. 5. 3. 6.3.2. Error en el Producto.1. 3. Error en las Operaciones Aritméticas. 4.2.3. 5.2. 6.3.2. 4. Error de una Suma. 3.3. La Serie de Taylor RAICES DE UNA ECUACION Introducción Definición Métodos Aproximados Para Determinación de una Raíz Método de Bisección Método de la Secante Método de iteración del Punto Fijo Método de Newton de Primer y Segundo Orden Método de la Falsa Posición y Falsa Posición modificada SISTEMA DE ECUACIONES LINEALES Sistemas de ecuaciones.3. Relación Entre el Error Relativo de un Número Aproximado y el Número de Digitos. 6. 3. 4.2. 6. Error Relativo de una Potencia.7.2.5. Definición b) Error de Redondeo. 3.5. 6. 6.2. 6. 4. 4. 5.3.FACULTAD DE CIENCIAS Y TECNOLOGIA 2.1.4. Error Relativo de una Raíz c) Error de Trucamiento. 3.9. 6.1.3.2.1. Error Relativo.2. Error de un Diferencia.2. La Cota del Error Relativo Tipos de Error a) Error de Cifras Significativas.5. 6.2.10. 6. Regla de Redondeo. 4.4.3.3. 4. U N I V E R S I D A D D E 4 A Q U I N O B O L I V I A .

1. 7.1.2. 1999. Pws – Kent Publishing. Antonio Nieves Hurtado .7. BIBLIOGRAFIA BASICA Y COMPLEMENTARIA. Compañía Editorial Continental S.2. 8. EVALUACION DE LA ASIGNATURA Procesual o Formativa A lo largo del semestre se realizarán exposiciones. 9. 7. y J. 9. 8. 8. 9. realizados con la universidad. 9. 8.3. – México.6.2.2. Orden Método de Runge Kutta (4to. El examen final consistirá en un examen escrito que se calificará con el 50% de la nota del examen final VI. 7. Métodos Numéricos Aplicados a la Ingeniería.1.4. 9. 7. Orden) Los Métodos Predictora Correctores Fórmula Predictora de Adams V. • De resultados de los Procesos de aprendizaje o sumativa (examen parcial o final) Se realizará 2 evaluaciones parciales con contenido teórico y práctico. Numerical Analysis. Boston USA.5.Federico Domínguez. Burden Richard L.A. U N I V E R S I D A D D E 5 A Q U I N O B O L I V I A . 9.3. Cada uno se tomará como evaluación procesual calificándola entre 0 y 50.FACULTAD DE CIENCIAS Y TECNOLOGIA 7. DIFERENCIACION NUMERICA Derivadas a partir de Tablas de Diferencias Divididas Derivadas de Orden Superior Diferencias Divididas Diferencias Centrales INTEGRACION NUMÉRICA Método de los Trapecios Método de Simpson Formula de Integración de Newton-Cotes Método de Integración de Robeos ECUACIONES DIFERENCIALES Problema de Valores iniciales Método de Taylor Fórmula de Taylor de 1er. repasos cortos y otras actividades de aulas y el CICC. 9. 9.4.1. Orden (Euler) Fórmula de Taylor de 2do. 8. Douglas Faires (1989).2.2.

1997. Numerical Methods. Análisis Numérico. Prentice – Hall Rice John R. Metodos Numéricos para Ingenieros – Steven C. Nakamura Shoichiro. 1994. 1983. Canale VII.FACULTAD DE CIENCIAS Y TECNOLOGIA Smith Allen W. Chapra – Raymond P. Prentice – Hall.. McGraw – Hill Método Numéricos Aplicados con Software.. CONTROL DE EVALUACIONES 1° evaluación parcial Fecha Nota 2° evaluación parcial Fecha Nota Examen final Fecha Nota APUNTES U N I V E R S I D A D D E 6 A Q U I N O B O L I V I A . Software and Analysis.

2da. 3ra. DE SISTEMAS. TURISMO SEMANA DEL AL ACTIVIDADES OBSERVACIONES 1ra. 13ra. 4ta. 17ma. 8va.FACULTAD DE CIENCIAS Y TECNOLOGIA VIII PLAN CALENDARIO CALENDARIO ACADÉMICO GESTIÓN II/2010 TURNOS REGULAR-TRABAJO ESTUDIANTES NUEVOS Y ANTIGUOS ING. 12da. TELECOM. COMERCIAL. Tema 2: Teoría de errores 18-sep Avance de materia Tema 3: Raíces de una Ecuación 25-sep Avance de materia Tema 3: Raíces de una Ecuación 02-oct 09-oct Avance de materia Tema 4: Sistema de Ecuaciones Lineales Avance de materia Avance de materia Inicio Primera Evaluación Parcial Conclusión Primera Evaluación Parcial Tema 5: Sistema de Ecuaciones no Tema 6: Interpolación de Funciones Presentación de Notas Presentación de Notas 11-oct 16-oct 18-oct 23-oct 25-oct 30-oct 01nov 08nov 15nov 22nov 29nov 06-dic 13-dic 20-dic Avance de materia Tema 4: Sistema de Ecuaciones Lineales Avance de materia Lineales 06-nov Avance de materia Tema 7: Diferenciación Numérica 13-nov Avance de materia 20-nov Avance de materia 27-nov Avance de materia 04-dic 11-dic 18-dic 23-dic Avance de materia Inicio Segunda Evaluación Parcial Conclusión Segunda Evaluación Parcial Tema 8: Integración Numérica Presentación de Notas Presentación de Notas Tema 9: Ecuaciones Diferenciales Inicio Evaluación Final Conclusión Evaluación Final Evaluación del segundo turno Presentación de Notas Transcripción de Notas Presentación de Notas FERIADOS 2 de U N I V E Día de todos los santos R S I D A D D E 7 A Q U I N O B O L I V I A . 16ta. INTRODUCCION 11-sep Avance de materia TEMA2. 14ta. 6ta. ING. 10ma. GAS Y PETROLEOS. 5ta. 9na. ING. 11ra. 30ago 06sep 13sep 20sep 27sep 04-oct 04-sep Avance de materia TEMA 1. 15ta. 7ma. ING.

FACULTAD DE CIENCIAS Y TECNOLOGIA nov PLANIFICACIÓN DE ACTIVIDADES CONTENIDO MÍNIMO SISTEMAS DE ECUACIONES NO LINEALES CONTENIDO ACTIVIDAD ANALÍTICO Método de Newton Método de Newton Docencia Modificado Método de compartida Iteración Los Métodos Predictora Seminario Correctores Fórmula Predictora taller de Adams PERIODOS ACADÉMICOS RECURSOS DIDÁCTICOS Data Display Equipos de computación Software de aplicación 4 Periodos ECUACIONES DIFERENCIALES 4 Periodos Data Display Documentación bibliográfica Método de Eliminación Gaussiana Método de Gauss SISTEMA DE Jordan ECUACIONES Método de la Matriz Visita INSERPAZ LINEALES inversa Método de Gauss Seidel Método de Relajación APLICACIONES EN MATLAB Seminario Taller 6 Periodos Data Display Equipo de Computación Software Aplicaciones 6 Periodos Data Display Equipos de computación Dcumentación bibliografica Material del Congreso TOPICOS AVANZADOS CICC 8 Periodos U N I V E R S I D A D D E 8 A Q U I N O B O L I V I A .

Carrera de Ingeniería de Sistemas FECHA DE DIFUSIÓN: Agosto 2010 FECHA DE ENTREGA: Agosto 2010 U N I V E R S I D A D D E 9 A Q U I N O B O L I V I A . DE HOJAS: 6 ELABORO: ING.FACULTAD DE CIENCIAS Y TECNOLOGIA WORK PAPER # 1 PROGRAMA DE CONTROL DE CALIDAD Nro DE PROCEDIMIENTO: APRO 07 Nro. ROSMERY LUIZAGA SALINAS CÓDIGO: MAT 212 TITULO WORK PAPER: TEORIA DE ERRORES DPTO: UDABOL – ORURO DESTINADO A: DOCENTE ALUMNOS x ADMINISTRATIVOS OTROS OBSERVACIONES: Cálculo Numérico.

Desafortunadamente. nuestra solución será poco precisa independientemente de la precisión empleada para encontrar las soluciones numéricas. En estos casos son útiles las técnicas numéricas. Los que son consecuencia del método empleado para encontrar la solución del problema.2. Los errores asociados a todo cálculo numérico tienen su origen en dos grandes factores: • • Aquellos que son inherentes a la formulación del problema. sin el desarrollo que se ha producido en el campo de la informática resultaría difícilmente imaginable el nivel actual de utilización de las técnicas numéricas en ámbitos cada día más diversos. La solución formal es tan complicada que hace imposible cualquier interpretación posterior. Su aplicación resulta excesivamente compleja. conducen a soluciones aproximadas que son siempre numérica. De hecho. así como de su evolución futura.FACULTAD DE CIENCIAS Y TECNOLOGIA WORK PAPER # 1 METODOS NUMERICOS TEORIA DE ERRORES 1. se incluyen aquellos en los que la definición matemática del problema es sólo una aproximación a la situación física real. el que se comete al obviar los efectos relativistas en la solución de un problema de mecánica clásica. INTRODUCCIÓN La ciencia y la tecnología describen los fenómenos reales mediante modelos matemáticos. El importante esfuerzo de cálculo que implica la mayoría de estos métodos hace que su uso esté íntimamente ligado al empleo de computadores. Dentro del grupo de los primeros. Estos errores son normalmente despreciables.1. En todos los problemas es fundamental hacer un seguimiento de los errores cometidos a fin de poder estimar el grado de aproximación de la solución que se obtiene. La matemática aplicada es la rama de las matemáticas que se dedica a buscar y aplicar las herramientas más adecuadas a los problemas basados en estos modelos. por ejemplo. no siempre es posible aplicar métodos analíticos clásicos por diferentes razones: • • • • No se adecúan al modelo concreto. U N I V E R S I D A D D E 10 A Q U I N O B O L I V I A . En aquellos casos en que estos errores no son realmente despreciables. que mediante una labor de cálculo más o menos intensa. El estudio de estos modelos permite un conocimiento más profundo del fenómeno. 1. ERRORES El concepto de error es consustancial con el cálculo numérico. Simplemente no existen métodos analíticos capaces de proporcionar soluciones al problema.

algunas operaciones aritméticas pueden dar lugar a la aparición de errores (las divisiones pueden producir números que deben ser redondeados y las multiplicaciones dar lugar a más dígitos de los que se pueden almacenar). El error que se introduce al redondear un número se denomina error de redondeo. converge sólo cuando el número de iteraciones tiende a infinito. tres son sus fuentes principales: 1. Algunos ejemplos son: • • • • El cálculo de una función elemental (por ejemplo. 2. Denominaremos a este error. no es esta la fuente de error que más nos va a preocupar. Seno x) empleando sólo n términos de los infinitos que constituyen la expansión en serie de Taylor. Muchos números requieren infinitos decimales para ser representados correctamente. sino mediante algún tipo de aproximación. Incluso en el caso en que un número pueda representarse exactamente. su tratamiento analítico es especialmente complejo pero imprescindible para contrastar el resultado obtenido computacional-mente. este error en cualquier procedimiento numérico. En lo que se refiere al segundo tipo de error (error computacional). no es despreciable la probabilidad de que el programador cometa uno de estos errores (calculando correctamente el resultado erróneo). Cuando no resulta posible verificar que la solución calculada es razonablemente correcta. Obviamente. en todas sus formas. como la empleada en la regla del trapezoide. DEFINICIONES.1. Más aún. 3.2.FACULTAD DE CIENCIAS Y TECNOLOGIA Otra fuente de este tipo de errores tiene su origen en la imprecisión de los datos físicos: constantes físicas y datos empíricos. en general. la otra fuente de error de importancia es aquella que tiene su origen en el hecho de que los cálculos aritméticos no pueden realizarse con precisión ilimitada. El error causado por resolver el problema no como se ha formulado. o al menos acotar. El empleo de computadores ha reducido enormemente la probabilidad de que este tipo de errores se produzcan. Resolución de una ecuación diferencial reemplazando las derivadas por una aproximación (diferencias finitas). Esta fuente de error es bien conocida por cualquiera que haya realizado cálculos manualmente o empleando una calculadora. como error por truncamiento. Sin embargo. Sin embargo. la probabilidad de que se haya cometido un error de bulto no puede ser ignorada. sin embargo. Generalmente está causado por la sustitución de un infinito (sumatorio o integración) o un infinitesimal (diferenciación) por una aproximación finita. U N I V E R S I D A D D E 11 A Q U I N O B O L I V I A . ya que resulta de truncar un proceso infinito para obtener un proceso finito. Por último. Aproximación de la integral de una función por una suma finita de los valores de la función. Equivocaciones en la realización de las operaciones (errores de bulto). estamos interesados en estimar. En el caso de errores en la medida de los datos empíricos y teniendo en cuenta su carácter generalmente aleatorio. para operar con ellos es necesario redondearlos. 1. la presencia de bugs no detectados en el compilador o en el software del sistema no es inusual. Solución de la ecuación f (x) = 0 por el método de Newton-Raphson: proceso iterativo que.

Podemos decir que x ha sido adecuadamente redondeado a un número con d decimales. si el error de redondeo. tiene una representación decimal infinita. en donde simplemente se eliminan los dígitos de orden inferior. El error cometido en este caso es: U N I V E R S I D A D D E 12 A Q U I N O B O L I V I A . no conocemos el valor de este error. Generalmente. no conocemos el valor de una cierta magnitud y hemos de conformarnos con un valor aproximado x. un número ξ (x ) . es tal que: ε r (d ) = X − X ≤ 1 *10− d 2 (8) Otra forma de obtener el número de cifras significativas es mediante truncamiento. tenemos que un numero se representará del siguiente modo: x = x ± EA(x) (6) (7) x = x(1 ± ER( x)) 1.FACULTAD DE CIENCIAS Y TECNOLOGIA Ahora que disponemos de una idea correcta de qué es el error y de cual es su origen. tal que: EA( x) ≤ ξA( x) o bien: (4) (5) ER( x) ≤ ξR( x) De acuerdo con este formalismo.2. DÍGITOS SIGNIFICATIVOS Sea x un número real que.2. Para estimar la magnitud de este error necesitamos dos definiciones básicas: Error absoluto de x: EA = x − x Error relativo de x: EA x − x ER = = x x (1) ( x ≠ 0) (2) En la práctica. esto es. al que denominaremos x(d). en general. podemos formalizar el concepto de error. sino sólo de una acotación de su valor. se emplea la expresión: ER = EA x − x = x x ( x ≠ 0) (3) En general. ya que no es habitual disponer del valor exacto de la magnitud.

la fórmula aproximada de propagación del error maximal es: y = f (15) Ejemplo 3: Determinar el error máximo cometido en el cálculo y = x1 x22 para X1 = 2 ± 0.x2.. Solución: El error cometido.. = = = = (10) (11) (12) (13) Cuando el problema consiste en calcular el resultado y = f (x) tenemos la siguiente fórmula aproximada de propagación del error: (14) En el caso más general.xn)...3.. veamos cual es el efecto que cada una de las operaciones básicas tiene sobre el error final cuando se aplican sobre dos números x1 ± EA( x1) y x 2 ± EA( x 2) . se puede calcular mediante: Sustituyendo valores.2. en que una función depende de más de una variable (x1. conduce a peores resultados que el método anterior.FACULTAD DE CIENCIAS Y TECNOLOGIA ε r ( d ) = X − X ≤ 1 *10− d (9) Que en general. PROPAGACIÓN DE ERRORES Cuando se resuelve un problema matemático por métodos numéricos y aunque las operaciones se lleven a cabo exactamente. Es importante tratar de conocer el efecto que sobre el resultado final del problema tiene cada una de las operaciones realizadas. obtenemos una aproximación numérica del resultado exacto. Para estudiar como se propaga en error. de acuerdo con la ecuación (15). obtenemos: U N I V E R S I D A D D E 13 A Q U I N O B O L I V I A .1 y . 1.

calcularemos el error asociado a cada una de las variables y los términos de la expresión anterior: Sustituyendo valores. b = 1 / a y d = b – a ¿Con qué exactitud podemos determinar el Solución: Primero resolveremos el sistema de ecuaciones por reducción: Ecuaciones que conducen a la siguiente expresión para el producto: (16) Resolveremos ahora el problema por dos métodos. obtenemos que el producto y el error asociado vienen dados por: Que. obtenemos el siguiente resultado: Una forma mucho más adecuada de resolver este problema consiste en sustituir en la expresión (16) los valores de b y d por sus correspondientes expresiones en función de a. sustituyendo valores. conduce al resultado: U N I V E R S I D A D D E 14 A Q U I N O B O L I V I A . . Primero. Sustituyendo y operando.FACULTAD DE CIENCIAS Y TECNOLOGIA Por lo que el resultado final se debe expresar como: Ejemplo 4: Sea el siguiente sistema de ecuaciones lineales: en donde producto xy ?.

5 cm. menor será el error cometido. Determinar el máximo error en el calculo y = X 1 * 5 X 4 . 2. CUESTIONARIO Y APLICACIONES PRACTICAS 1. permitiendo que algunos errores se cancelen mutuamente. de longitud y sección cuadrada de 2. para X1 = 3 ± 02 y X2 = 4 ± 0. Suponer que los datos vienen afectados por un error máximo correspondiente al de aproximar por truncamiento las cifras dadas.1 6. 3.1 7. Conociendo que una fuerza de 140 Kp aplicada sobre una barra de 125 cm. En general. Si sobre el extremo libre aplicamos una fuerza F perpendicular a la barra.01%? ¿Cuantos decimales es necesario emplear para el valor de ? 8. produce una flexión de 1. 5. cuanto menor sea el número de pasos intermedios que efectuemos para alcanzar la solución. la flexión s que ésta experimenta viene dada por la expresión: En donde E es una constante que depende sólo del material denominada módulo de Young. para X1 = 1. U N I V E R S I D A D D E 15 A Q U I N O B O L I V I A . 4. Definir error Que es un error absoluto ejemplificar Que es un error relativo ejemplificar Definir propagación de errores.71 mm. Determinar el máximo error en el calculo y = Cos ( X 1 ) * 2 X 3 .FACULTAD DE CIENCIAS Y TECNOLOGIA Si ambos resultados son correctos ¿Por qué el error es mucho menor en el segundo caso que en el primero? La respuesta es simple: en el segundo caso hemos eliminado operaciones intermedias. calcular el módulo de Young y el intervalo de error. Supongamos una barra de hierro de longitud l y sección rectangular a x b fija por uno de sus extremos.5 ± 02 y X2 = 3 ± 0. ¿Con qué exactitud es necesario medir el radio de una esfera para que su volumen sea conocido con un error relativo menor de 0.

Carrera de Ingeniería de Sistemas FECHA DE DIFUSIÓN: Septiembre 2009 FECHA DE ENTREGA: Septiembre 2009 U N I V E R S I D A D D E 16 A Q U I N O B O L I V I A . ROSMERY LUIZAGA SALINAS CÓDIGO: MAT 212 TITULO WORK PAPER: SISTEMA DE ECUACIONES DPTO: UDABOL – ORURO DESTINADO A: DOCENTE ALUMNOS x ADMINISTRATIVOS OTROS OBSERVACIONES: Cálculo Numérico.FACULTAD DE CIENCIAS Y TECNOLOGIA INGENIERIA DE SISTEMAS WORK PAPER # 2 PROGRAMA DE CONTROL DE CALIDAD Nro DE PROCEDIMIENTO: APRO 07 Nro. DE HOJAS: 5 ELABORO: ING.

2. El ultimo paso se conoce como sustitución en reversa.2. EJEMPLO DEL MÉTODO DE ELIMINACIÓN DE GAUSS Como ejemplo resolveremos el sistema La matriz aumentada es Para ir simplificando el sistema avanzaremos por la diagonal principal. MÉTODO DE ELIMINACIÓN DE GAUSS Este método consiste en expresar el sistema como una matriz aumentada de la forma La idea del método es llevar el sistema a la forma triangular superior y de allí despejar una variable a la vez partiendo de la última.1. En este caso se tiene U N I V E R S I D A D D E 17 A Q U I N O B O L I V I A . los elementos de la diagonal principal los denominaremos pivote. Primero localicemos en la primera columna el primer elemento que sea y lo llevaremos al primer renglón. Para lograr llevar el sistema a la forma triangular superior. se emplean las operaciones elementales.FACULTAD DE CIENCIAS Y TECNOLOGIA WORK PAPER # 2 SISTEMA DE ECUACIONES 2.

9. Busquemos el primer elemento que sea para que sea el pivote.FACULTAD DE CIENCIAS Y TECNOLOGIA El pivote es 10. Tenemos El pivote vale 10. Obtenemos A continuación pasaremos a hacer 0 los elementos que están debajo del pivote. Este será ahora el renglón pivote. Después dividamos el renglón pivote entre el pivote. Para ello sumaremos múltiplos apropiados del renglón pivote a cada renglón de tal forma que los elementos debajo del pivote sean 0. Ahora nuevamente dividamos el renglón pivote entre el pivote Eliminado los elementos debajo del pivote tenemos U N I V E R S I D A D D E 18 A Q U I N O B O L I V I A . En este caso tenemos Avancemos por la diagonal principal al segundo renglón.

Dividiendo entre el elemento pivote Haciendo 0 elementos abajo del elemento pivote Llevando el elemento al renglón pivote El pivote es 7.111.541.FACULTAD DE CIENCIAS Y TECNOLOGIA Los pasos anteriores se repiten hasta que la matriz este en la forma triangular superior. Llevando el elemento al renglón pivote El pivote es 9. Dividiendo entre el elemento pivote Haciendo 0 elementos abajo del elemento pivote U N I V E R S I D A D D E 19 A Q U I N O B O L I V I A .

Finalmente sustituyendo en la primera ecuación x1=1. Sustituyendo en la ecuación de arriba x3=-1. APLICACIONES PRÁCTICAS.3. Sustituyendo en la ecuación de arriba x2=2.FACULTAD DE CIENCIAS Y TECNOLOGIA Ya tenemos la matriz en la forma triangular superior.3X2 + 2X3 = 6 3X1 + X2 – 3X3 = 2 U N I V E R S I D A D D E 20 A Q U I N O B O L I V I A . método de inversión de matrices y método de Gauss Seidel. Del ultimo renglón x4=1. método de eliminación Gaussiana. A continuación usamos la sustitución en reversa. 2. los siguientes sistemas de ecuaciones: 1 Sistema de ecuaciones X1 – X2 + X3 = -4 5X1 – 4X2 + 3X3 = -12 2X1 + X2 + X3 = 11 2 Sistema de ecuaciones 2X1 + X2 –3X3 = 1 -X1 +3X2 + 2X3 = 12 3X1 + X2 – 3X3 = 2 3 Sistema de ecuaciones X1 + X2 – 5X3 = 2 X1 . La solución es x1=1 x2=2 x3=-1 x4=1. método de Gauss Jordan. En función a lo avanzado en clase y al presente Work Paper. resolver por el Método de eliminación.

DE HOJAS: 4 ELABORO: ING. ROSMERY LUIZAGA SALINAS CÓDIGO: MAT 212 TITULO WORK PAPER: METODO DE DIFERENCIAS DIVIDIDAS DPTO: UDABOL – ORURO DESTINADO A: DOCENTE ALUMNOS x ADMINISTRATIVOS OTROS OBSERVACIONES: Cálculo Numérico. Carrera de Ingeniería de Sistemas FECHA DE DIFUSIÓN: Octubre 2010 FECHA DE ENTREGA: Octubre 2010 U N I V E R S I D A D D E 21 A Q U I N O B O L I V I A .FACULTAD DE CIENCIAS Y TECNOLOGIA WORK PAPER # 3 PROGRAMA DE CONTROL DE CALIDAD Nro DE PROCEDIMIENTO: APRO 07 Nro.

según sea el caso.. el de dos términos tiene la forma: f(x)=ao+a1x y se emplea cuando se conocen 2 puntos y los respectivos valores de sus funciones. Por ejemplo.. a1.etc. uno de los polinomios de interpolación de Lagrange pueden tener diferentes números de términos. f(x1) y x2. hasta n+1 términos.…. a2.. f(xo) y x1. f(x2). es decir: xo. etc....1. Otro ejemplo será el de tres términos: f(x)=ao+a1x+a2x2 Este polinomio se emplea cuando se conocen 3 puntos y los respectivos valores de sus funciones. se emplean los valores conocidos de xo. f(x1). f(x2).. y se desea conocer más valores de la función f(x) para una x dada.FACULTAD DE CIENCIAS Y TECNOLOGIA WORK PAPER # 3 METODO DE DIFERENCIAS DIVIDIDAS 3.. f(x4). f(x1)... f(x2). U N I V E R S I D A D D E 22 A Q U I N O B O L I V I A . INTRODUCCION. x2.. Para encontrar los valores de ao... f(x3).. Esto seguiría así sucesivamente: f(x)=ao+a1x+a2x2+a3x3+a4x4 (para 5 puntos conocidos) f(x)=ao+a1x+a2x2+a3x3+a4x4+a5x5 (para 6 puntos conocidos) f(x)=ao+a1x+a2x2+a3x3+a4x4+a5x5 +a6x6 (para 7 puntos conocidos) . a5. . . x1. y se desea conocer con valor de la función f(x) para una x dada. x1. a3. y se desea conocer un valor de la función f(x) para una x dada. x4. f(x5)…...... f(xo). a4. f(x1). f(x3). Otro ejemplo será el de cuatro términos: f(x)=ao+a1x+a2x2+a3x3 Este polinomio se emplea cuando se conocen 4 puntos y los respectivos valores de sus funciones es decir: xo. f(xo). desde dos términos. x2. ... x5. f(xo)... x1. x3... es decir: xo.. y x3. Los polinomios de interpolación de Diferencias divididas son polinomios que sirven para encontrar el valor de una función f(x) para un cierto valor de x....

-Diferencias Divididas 3.0 181. EJEMPLO DE APLICACIÓN.2.5 U N I V E R S I D A D D E 23 A Q U I N O B O L I V I A .5 113. Se dispone de los siguientes datos en una tabla: i 0 1 2 3 Y se desea interpolar a x=2.FACULTAD DE CIENCIAS Y TECNOLOGIA Tabla 1.0 Solución: xi 1 5 20 40 f(xi) 56.0 214.

a) Obtenga la aproximación polinomial de Diferencias Divididas con todos los puntos.3.0 A una función de 2 atmósferas hay una temperatura de 71.FACULTAD DE CIENCIAS Y TECNOLOGIA Se calculan las primeras diferencias divididas Se calculan las segundas diferencias divididas Se calculan las terceras diferencias divididas Ahora se calcula a f(x) con x=2.09 2.72 8.91 3. 3.94 5.6oC.6.5 1 1.69 U N I V E R S I D A D D E 24 A Q U I N O B O L I V I A . APLICACIONES PRÁCTICAS.5 2 2. Interpole el valor de la función para x = 1.5 F(XI) 1 2. I 0 1 2 3 4 5 XI 0 0.

9599 Obtenga los tres puntos de Chevishev.9865 0.8.9987 0. x = 0.35 .9752 0.4 0.02 1 2 3 4 5 6 0.2 0.9801 0.72 . escribiendo la formula de interpolación ajustada a ln (x) y encontrar el valor de y = ln (x) para x=3.2 0.FACULTAD DE CIENCIAS Y TECNOLOGIA b) Determinar los polinomios de interpolación de Newton hacia atrás y adelante según lo avanzado en clase para x = 0.6 0. x = 1.9698 0. N° X F(x) c) U N I V E R S I D A D D E 25 A Q U I N O B O L I V I A .8 1.0 1. en 3 < x < 5.

. como con todos los que se explican en esta pagina. U N I V E R S I D A D D E 26 A Q U I N O B O L I V I A . etc..1. asi que se debe tener una idea de la forma de la curva de la ecuación antes de comenzar a aplicar el método. La determinación de las soluciones de la ecuación puede llegar a ser un problema muy difícil. Para polinomios de grado 3 ó 4 es necesario emplear métodos complejos y laboriosos. resolver sistemas de ecuaciones lineales y diferenciales. si f(x) es de grado mayor de cuatro o bien no es polinómica.1. La mayoría de los métodos utilizados para el cálculo de las raíces de una ecuación son iterativos y se basan en modelos de aproximaciones sucesivas.1. no hay ninguna fórmula conocida que permita determinar los ceros de la ecuación (excepto en casos muy particulares).Este método.FACULTAD DE CIENCIAS Y TECNOLOGIA DIF # 1/2010 METODOS NUMERICOS RAÍCES DE ECUACIONES 1. conocemos expresiones simples que nos permitirán determinar sus raíces. casi nunca falla ya que solo requiere de 2 puntos al principio.Con este método. determinamos una aproximación mejor aplicando una determinada regla de cálculo y así sucesivamente hasta que se determine el valor de la raíz con el grado de aproximación deseado. Lo que hace básicamente es ir tirando rectas secantes a la curva de la ecuación que se tiene originalmente. y después el mismo método se va retroalimentando. y que no todas tienen solución. Si f(x) es una función polinómica de grado 1 ó 2. METODOS DE RESOLUCIÓN. su intersección con el eje de las X o su solución.2. La determinación de las raíces de una ecuación es uno de los problemas más antiguos en matemáticas y se han realizado un gran número de esfuerzos en este sentido. METODO DE BISECCION. o sea. Sin embargo. por lo que se debe tener en cuenta que no todas las ecuaciones tienen una sola solución. lo que se busca es determinar la raíz de una ecuación. 2. valores propios de matrices. Su importancia radica en que si podemos determinar las raíces de una ecuación también podemos determinar máximos y mínimos. Estos métodos trabajan del siguiente modo: a partir de una primera aproximación al valor de la raíz. 2. Durante el proceso de bisección se debe ir evaluando los signos.1. 2. METODO DE LA SECANTE. y va observando la intersección de esas rectas con el eje de las X para ver si es la raíz que se busca. a diferencia del de biseccion y regla falsa. INTRODUCCION.1. Procedimiento: Bisectar el intervalo (a.b) en dos mitades b = a+c 2 El nuevo intervalo que contiene al raíz se bisecta de nuevo hasta que este intervalo este dentro de la tolerancia del error.

porque se sabe que una línea vertical no tiene pendiente ni recta tangente. Trabaja trazando líneas tangentes a la curva original.4. lo que se llama gravedad matemática. la única vez que puede fallar es que se quede "oscilando" encima de la raíz sin encontrarla nunca.Este método es el mas seguro de todos. pero por lo demás es muy fácil. de la cual se obtiene la siguiente relación: U N I V E R S I D A D D E 27 A Q U I N O B O L I V I A . sin embargo la derivación se realiza hasta la segunda derivada de la función dada.3. 2. Procedimiento: El método de Newton se obtiene a partir del desarrollo de la Serie de Taylor. ya que casi nunca falla. que se detalla a continuación: X n +1 = Xn − f ( X n} * ( X n − X n −1 ) f ( X n ) − f ( X n +1 ) se aplicara una tabla que contendrá los siguientes elementos: Xn-1 Xn Xn+1 F(Xn-1) F(Xn) F(Xn+1) No es necesario evaluar los signos resultante .1.FACULTAD DE CIENCIAS Y TECNOLOGIA Procedimiento: Se aplicara la formula desarrollada por la Serie de Taylor. METODO DE NEWTON. de cuyo procedimiento se obtiene la siguiente relación: X n +1 = Xn − f (Xn) f '( X n ) posteriormente se va aplicando la formula con su derivada de la función f(Xn). en la siguiente planilla tipo: Xn Xn+1 F (Xn) F’(Xn+1) 2. La obtención de la formula radica en la aplicación del Serie de Taylor hasta la segunda derivada. solo ir reemplazando los nuevos valores. las cuales se van como deslizando por la misma hasta que quedan prácticamente horizontales.1. la única dificultad que presenta es que se tiene que derivar la ecuación que se quiere encontrar la raíz. por eso la derivada. Por lo demás es el mas confiable y el mas fácil de usar. METODO DE NEWTON DE 2° ORDEN Consiste en una aceleración del método de Newton de 1° orden.

x1]. Este método.f(x0)/2) y (x1. es análogo al método de Bisección con la rapidez del método de la secante.5. mejora notablemente la elección del intervalo (ya que no se limita a partir el intervalo por la mitad). 2.FACULTAD DE CIENCIAS Y TECNOLOGIA 1 f ' ( Xn) 1 f ' ' ( Xn) =− + * ∆Xn f ( Xn) 2 f ' ( Xn) Consiguientemente se desarrollada aplicando una tabla conformada por los elementos descritos en la relación anterior de la cual el Xn obtenido se ira sumando a valor de Xn inicial. La siguiente aproximación. En la figura (1) se representa geométricamente este método.1. dos puntos x0 y x1tales que f(x0)f(x1) < 0. x2. MÉTODO DE LA FALSA POSICIÓN.f(x1)) si la función es convexa en el intervalo (figura a) o bien U N I V E R S I D A D D E 28 A Q U I N O B O L I V I A . Por otra parte y respecto al método de la bisección. Figura 2: Modificación del método de la falsa posición propuesta por Hamming. La aproximación a la raíz se toma a partir del punto de intersección con el eje X de la recta que une los puntos ( x0. se calcula como la intersección con el eje X de la recta que une ambos puntos (empleando en la ecuación del método de la secante). se toma aquel que cumpla f(x)f(x2) < 0.Basado en la interpolación lineal. Figura 1: Representación geométrica del método de la falsa posición. es decir. [x0. La elección guiada del intervalo representa una ventaja respecto al método de la secante ya que inhibe la posibilidad de una divergencia del método.x2] y [x2. La asignación del nuevo intervalo de búsqueda se realiza como en el método de la bisección: entre ambos intervalos. como en el método de la bisección. parte de dos puntos que rodean a la raíz f(x) = 0.

el método de las aproximaciones sucesivas reemplaza esta ecuación por una equivalente. Procedimiento: Se aplicara la formula desarrollada por la Serie de Taylor. el método de la falsa posición tiene una convergencia muy lenta hacia la solución. U N I V E R S I D A D D E 29 A Q U I N O B O L I V I A .f(x0)) y (x1. Figura: Interpretación geométrica del método de las aproximaciones sucesivas. que se detalla a continuación: X n +1 = Xn − f ( X n} * ( X n − X n−1 ) f ( X n ) − f ( X n +1) se aplicara una tabla que contendrá los siguientes elementos: Xn-1 Xn Xn+1 F(Xn-1) F(Xn) F(Xn+1) En la aplicación de este método es necesario evaluar los signos resultantes. Sin embargo. x=g(x). Efectivamente. partimos de un valor inicial x0 y calculamos una nueva aproximación x1=g(x0). uno de los extremos del intervalo tiende a no modificarse Para obviar este problema. METODO DEL PUNTO FIJO. tendrá como límite la solución del problema. para intercalar un positivo con un negativo.FACULTAD DE CIENCIAS Y TECNOLOGIA a partir de la recta que une los puntos (x0.Dada la ecuación f(x) = 0. definida en la forma g(x)=f(x)+x. f(x1)/2) si la función es cóncava en el intervalo. f(x1)/2) si la función es cóncava en el intervalo (figura b).1.f(x0)/2) y (x1.6.f(x0)) y (x1. 2. Para encontrar la solución. denominada método de Hamming o de la falsa posición modificada. en los valores obtenidos. Esto da lugar a una sucesión de valores . Según este método.f(x1)) si la función es convexa en el intervalo o bien a partir de la recta que une los puntos (x0. Reemplazamos el nuevo valor obtenido y repetimos el proceso. se ha propuesto una modificación del método. una vez iniciado el proceso iterativo. la aproximación a una raíz se encuentra a partir de la determinación del punto de intersección con el eje X de la recta que une los puntos ( x0. que si converge.

La intersección de esta solución con la recta y=x nos dará un nuevo valor x1 más próximo a la solución final.FACULTAD DE CIENCIAS Y TECNOLOGIA En la figura se representa la interpretación geométrica del método. Sin embargo. Para ello basta elegir la función g(x) del siguiente modo: de forma que tomando un valor de condición de la derivada. el método puede divergir fácilmente. siempre podemos hacer que g(x) cumpla la Figura: Demostración gráfica de que el método de las aproximaciones sucesivas diverge si la derivada g'(x) > 1. Esta condición. } U N I V E R S I D A D D E 30 A Q U I N O B O L I V I A . adecuado. puede obviarse fácilmente. Un ejemplo de este caso se muestra en la figura (5). que a priori puede considerarse una severa restricción del método. Partimos de un punto inicial x0 y calculamos y = g(x0). Es fácil comprobar que el método sólo podrá converger si la derivada g'(x) es menor en valor absoluto que la unidad (que es la pendiente de la recta definida por y=x).

j=1.2. la diagonal principal esta formada por 1's y el resto por 0's.... INTRODUCCIÓN Un sistema de ecuaciones lineales es de la forma: ó en forma mas compacta: A*X=B donde A: matriz de coeficientes.m MATRIZ IDENTIDAD.3.n Para el caso de una matriz A de mxn por un vector B de tamaño n. Se tiene. si la matriz A es de orden m x k. se considera que el vector es una matriz de nx1.. el producto de matrices se define como . un vector de tamaño m. i=1. Al multiplicarlos se obtiene una matriz C de mx1.. X: vector solución. i=1.FACULTAD DE CIENCIAS Y TECNOLOGIA DIF # 2/2010 METODOS NUMERICOS SISTEMA DE ECUACIONES 2. PRODUCTO DE MATRICES Consideremos 2 matrices A y B.. La matriz identidad I se define como aquella matriz cuadrada en la cual. 2. U N I V E R S I D A D D E 31 A Q U I N O B O L I V I A . entonces se obtiene una matriz C de m x n.. . Para calcular el producto de las mismas.. es decir.1... B: vector de términos independientes.m. 2.. la matriz B de k x n..

Primero procedamos a hallar la matriz inversa.5. 2.FACULTAD DE CIENCIAS Y TECNOLOGIA 2.1. Se dice que una matriz esta en la forma triangular superior si todos los elementos debajo de la diagonal principal son 0. Una matriz es inversible si 2. las operaciones que se le hagan a la matriz A. 2. Se coloca la matriz A junto a una matriz identidad I del mismo tamaño. 1. |A|I|. Los restantes no todos son 0. La matriz inicial junto a la matriz identidad es U N I V E R S I D A D D E 32 A Q U I N O B O L I V I A . INVERSIÓN DE MATRICES . Multiplicando por la matiz inversa ambos lados se tiene A-1 AX=A-1 B de donde IX=A-1 B y finalmente X=A-1 B. Consiste en expresar el sistema como una ecuación matricial de la forma AX=B y despejar el vector X. La matriz A se convierte en I. MATRIZ TRIANGULAR SUPERIOR. Este método es mas teórico. El problema se reduce a hallar la matriz inversa para multiplicarla por el vector B y así hallar X.6.4. Se puede demostrar que matriz I se convierte en A-1 . Se aplica la eliminación de Gauss Jordán a la matriz A. Ejemplo del Método de Inversión de Matrices Nuevamente resolveremos el sistema de los ejemplos anteriores. Una vez hallada A-1 se procede a multiplicarla por B. Dado que no esta definida la división de matrices se usa la matriz inversa A-1. Para hallar la matriz inversa se puede utilizar el siguiente procedimiento. . La matriz inversa A-1 se define como aquella matriz que A A-1 = I. también se le aplican a I . MATIZ INVERSA. es decir. 3.6. 2.

En este caso obtenemos.FACULTAD DE CIENCIAS Y TECNOLOGIA Comenzamos en el primer renglón. segunda columna. Buscamos el elemento que no sea 0. Dividiendo entre el pivote el renglón pivote Haciendo 0 elementos arriba y abajo del pivote Pasamos al segundo renglón. El pivote es 10. primera columna. Llevando el elemento tenemos al renglón pivote Haciendo 0 elementos arriba y abajo del elemento pivote U N I V E R S I D A D D E 33 A Q U I N O B O L I V I A .

Llevando el elemento al renglón pivote El pivote es 9. Llevando el elemento al renglón pivote El pivote es 7. tercera columna. Dividiendo entre el elemento pivote Haciendo 0 elementos arriba y abajo del elemento pivote Pasemos al ultimo renglón. cuarta columna. Dividiendo entre el elemento pivote Haciendo 0 elementos arriba y abajo del elemento pivote U N I V E R S I D A D D E 34 A Q U I N O B O L I V I A .541.111.FACULTAD DE CIENCIAS Y TECNOLOGIA Pasamos al tercer renglón.

la solución es Por lo tanto las raíces del sistema de ecuaciones son: X1= 1 X2=2 X3=-1 X4=1 U N I V E R S I D A D D E 35 A Q U I N O B O L I V I A .FACULTAD DE CIENCIAS Y TECNOLOGIA La matriz inversa es Multiplicando la inversa por el vector B.

Usando la fórmula para el área de un trapezoide o integrando p1(x) directamente se obtiene que Asi que podemos escribir la aproximación: (*) Más adelante analizamos en detalles el error en esta aproximación. En el caso general. entonces f es aproximadamente lineal en cada subintervalo y la aproximación es buena. MÉTODOS DEL TRAPEZOIDE Y SIMPSON En este DIF comenzamos el estudio de métodos numéricos para el cálculo numérico de integrales de la forma Un método común para aproximar I(f) es reemplazando f(x) con un polinomio de interpolación.FACULTAD DE CIENCIAS Y TECNOLOGIA DIF # 4 METODOS NUMERICOS INTEGRACION NUMERICA 3. Por el momento basta observar que la aproximación es buena siempre que f sea aproximadamente lineal.1. dividimos el intervalo [a.xj] donde U N I V E R S I D A D D E 36 A Q U I N O B O L I V I A . Si los subintervalos son suficientemente pequeños..e. i. MÉTODO DEL TRAPEZOIDE: Sea p1(x) el polinomio lineal que interpola a f(x) en x=a y x=b. Definimos el largo de los subintervalos por: El j-esimo subintervalo esta dado por [xj-1.b] en subintervalos más pequeños y aplicamos la fórmula anterior en cada subintervalo. Examinamos los primeros dos casos de este método donde se usan polinomios de interpolación lineales y cuadráticos. Este procedimiento se conoce como las reglas de Cuadratura de Newton.

25. de modo que Los resultados fueron como sigue: n 2 4 8 16 32 64 128 256 512 U N I V E R S Tn(f) 0.693148 0. x2=2.693147 I D A D en=I(f).75.0000610277 -0. x1=1.99998 3.708333 0. x0=1. Para n=2 tenemos que h=(2-1)/2=0. x0=1.Tn(f) -0.91736 3.99991 3.00097467 -0. x2=1. x3=1.99963 3.693391 0.5.99419 3.53672e-007 -2.5. Ahora Con n=4 tenemos h=(2-1)/4=0.97738 3.693208 0.0151862 -0.000244022 -0. x2=2.99854 3.81467e-006 -9.697024 0.693151 0.00387663 -0.5.693162 0.25. x1=1.694122 0.FACULTAD DE CIENCIAS Y TECNOLOGIA Podemos escribir ahora que: Usando la aproximación (*) podemos escribir Sin embargo por aspectos de bibliografía y conceptualizaciones realizadas en clase de la formula extendida del trapecio será: I= n −1 h  fo + 2∑ f ( x) + fn   2 i =1  Ejemplo 1: Usando la regla del trapezoide con n=2 y n=4 aproximamos: cuyo valor exacto es correcto al número de cifras mostradas.38418e-007 D E 37 A Q U I N O en/ e2n ----3.0000152583 -3.99999 B O L I V I A .

x=b.96046e-008 4.693147 -5.00000 Utilizamos ahora un polinomio de interpolación cuadrático. Sea p2(x) el polinomio de grado (a lo más) dos que interpola a f(x) en x=a.FACULTAD DE CIENCIAS Y TECNOLOGIA 1024 REGLA DE SIMPSON 0. x=(a+b)/2. tenemos que si n es un entero par (¿por qué?) entonces Usando la fórmula (**) podemos aproximar Ahora U N I V E R S I D A D D E 38 A Q U I N O B O L I V I A . Este polinomio se puede escribir como: Tenemos ahora que Pero con h=(b-a)/2 y u=x-a tenemos que En forma similar se obtiene que Tenemos pues que (**) Argumentando en forma similar a en método del trapezoide.

FACULTAD DE CIENCIAS Y TECNOLOGIA Esta fórmula se conoce como la regla (compuesta) de Simpson para aproximar a I(f). U N I V E R S I D A D D E 39 A Q U I N O B O L I V I A .

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->