P. 1
INTERPOLACIÓN

INTERPOLACIÓN

|Views: 809|Likes:
Publicado porRoss Ramirez

More info:

Published by: Ross Ramirez on Sep 04, 2011
Copyright:Attribution Non-commercial

Availability:

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

10/17/2013

pdf

text

original

TEMAS ANÁLISIS NUMERICO 1. INTERPOLACIÓN 2. METODO BISECRIZ 3. METODO DEL PUNTO FIJO 4. METODO NEWTON RAPHSON 5.

FUNCION CUADRATICA 6. NEWTON HACIA ADELANTE 7. NEWTON HACIA ATRÁS 8. METODO LAGRANGE 9. METODO MONTANTE 10.MÉTODO DE ELIMINACION GAUSSIANA 11.METODO GAUSS-JORDAN 12.NEWTON CON DIFERENCIAS DIVIDIDAS 13.METODO GRAFICO 14.METODO LA SECANTE 15.METODO DE FALSA POSICION 16.METODO DE GAUSS-SEIDEL 17.METODO DE JACOBI 18.METODOS DE MINIMOS CUADRADOS 19. REGLA TRAPEZOIDAL 20.LA REGLA DE SIMPSON 1/3 21.LA REGLA DE SIMPSON 3/8 22.NEWTON COTES CERRADAS 23.NEWTON-COTES ABIERTAS 24.MÉTODO DE RUNGE –KUTTA 25. MÉTODOS DE RUNGE-KUTTA DE SEGUNDO ORDEN 26. MÉTODOS DE RUNGE-KUTTA DE TERCER ORDEN

27.METODO DE RUNGE-KUTTA DE 4TO ORDEN

INTERPOLACIÓN
La interpolación lineal es un caso particular de la Interpolación general de Newton. Con el polinomio de interpolación de Newton se logra aproximar un valor de la función f(x) en un valor desconocido de x. El caso particular, para que una interpolación sea lineal es en el que se utiliza un polinomio de interpolación de grado 1, y se denota de la siguiente manera: Formula General de la interpolación lineal : G (x) = f(a) + f(b)-f(a) (x-a) b-a Ejemplo: F(x)= 3x2 x=1.5 a=1 b=2 0 1 2 3 x y 1 4 13 28

G (x) = f(a) + f(b)-f(a) (x-a) b-a

G (x) = f(4) +_3-4 _(1.5-1) (2-1) G(x) = 8.5

METODO BISECRIZ
El método de la bisectriz es un método numérico sencillo, muy versátil para encontrar una raíz real en un intervalo en el que existe una raíz. Su singular ventaja consiste en que funciona incluso con funciones no analíticas; sin embargo, sólo se debe utilizar el método después de un análisis gráfico. Supongáse que hay una raíz de f(x) = 0 en un intervalo entre; x = a y x = c, denotado por [a, c] o, de forma equivalente, por c ³ x ³ a. El método de la bisectriz se basa en el hecho de que, cuando un intervalo [a, c] tiene una raíz, el signo de y(x) en los extremos es distinto, o sea, f(a) f(c) < 0. 1º PASO . Elija valores Iniciales para “a” y “b” de forma tal que lea función cambie de signo sobre el intervalo. Esto se puede verificar asegurandose de que : f(a)*f(b) < 0 2º PASO La primera aproximación a la raíz se determina con la formula: xn = (a + b) / 2 3º PASO Realizar las siguientes evaluaciones para determinar en que subintervalo se encuentra la raíz: f(a)*f(xn ) < 0 Entonces b = xn f(a)*f(xn) > 0 Entonces a = xn f(a)*f(xn) = 0 Entonces xn Es la Raíz

b] es único. tal que. Supóngase. Calcule la nueva aproximación xn+1 = (a + b) / 2 5º PASO Evaluar la aproximación relativa | (xn+1 . además. (Falso) Repetir el paso 3. Entonces el punto fijo en [a.xn ) / xn+1 | < Tolerancia No. b]. (Verdadero) Entonces xn+1 Es la Raíz METODO DEL PUNTO FIJO Ejemplo: La función g(x) = (1+sen x)1/2 tiene un único punto fijo en el intervalo [0. La función g tiene un único punto fijo El siguiente teorema proporciona condiciones suficientes para la existencia y unicidad de un punto fijo. 4 y 5 Si . La técnica de iteración de punto fijo puede ilustrarse gráficamente teniendo en cuenta que P será solución del problema de punto fijo x=g(x) si la curva y=g(x) y la recta y=x se cortan en el punto (P. que g'(x) existe en (a.4º PASO . P). Teorema 1: Si se cumple que Entonces g tiene un punto fijo en [a. Vamos a comprobar la función g(x) = (1+sen x)1/2 que cumple las condiciones del teorema anterior: .2]. Interpretación gráfica de la iteración de punto fijo. b) y que existe una constante positiva k<1.

0000 p1 = g(p0) = (1+sen p0)1/2 = 1. el cual es un método iterativo. el método de Newton-Raphson no trabaja sobre un intervalo sino que basa su fórmula en un proceso iterativo.4061 p3 = g(p2) = (1+sen p2)1/2 = 1. con lo cual la gráfica de F(t) se confunde con el eje t para . Si el exponente de e es positivo. p0 = 1. b]. una cota del error absoluto que se comete al aproximar el punto fijo p por pn. entonces la sucesión definida por pn=g(pn-1). n≥1 converge al único punto fijo p en [a.4096 METODO NEWTON RAPHSON Este método.b-p0} Ejemplo: Aproximamos el punto fijo de la función g(x)=(1+sen x)1/2 el intervalo [0. viene dada por: |p-pn|≤ kn máx{p0-a.Teorema 2: En las condiciones del teorema 1. y el intervalo de interés es t > 0. al tender t a infinito. b]. se lleva tanto sus factores como la función F(t) a dicho valor. Tiende a cero cuando t tiene valores superiores a 1. es uno de los más usados y efectivos.4094 p4 = g(p3) = (1+sen p3)1/2 = 1. la función es creciente y tiende rápidamente a infinito. Ahora se dan algunos valores a t en la función: t f(t) .2] mediante la iteración de punto fijo tomando como dato inicial p0=1. En la función t es el tiempo. Esta técnica se llama iteración de punto fijo. si p0 es cualquier número en [a. La función seno es oscilatoria. afectada de la función exponencial. Estas funciones son conocidas como oscilatorias amortiguadas. Además. A diferencia de los métodos anteriores.3570 p2 = g(p1) = (1+sen p1)1/2 = 1. esta función de conoce como función oscilatoria no amortiguada.

00450956 9 0.0).0.8) y (0.9291E-05 7 0.52093195 4.0.623E-14 0 ea er Ep 0.0 0.1710133 -1.7963E-17 4 .2).0124300 0.5398801 7.46181422 4.06523934 8 0.2 0.3653988 8 0.4 0.0.7756E17 0 3.6 0. aplicamos el método de Newton-Raphson para encontrar las raíces en cada uno de los intervalos.4.0009974 0.46181422 0.1575792 -0. (0.46181423 4.31137024 0.0038385 1.1710133 -4.6.2686E-09 4 0.6626E-07 1.00477763 -4.8.6626E09 1.8 1 -1.0575792 0.623E-16 0 36.5643E06 2.1700092 -0.0227016 0.46181422 4.2584E-16 0.2485353 4.6). Utilizando la primera derivada de la función que es: Utilizando la fórmula: Intervalo (0.1710133 -4.00106744 0.1710067 -2.8385E05 1.7963E-17 4 0.46220075 4.1048814 0.04373517 -0.2) t 0.0731137 1 0.1710133 4 1.0. (0. Luego pues.1.58330153 0.2281E-05 Así con estos valores graficamos para observar: Estos valores señalan la presencia de raíces reales en los intervalos (0.84918551 5.1 F(t) -0.8432E10 2.45195045 F'(t) 7.0058330 9 2 6.

FUNCION CUADRATICA Una función cuadrática es aquella que puede escribirse de la forma: f(x) = ax2 + b x + c | Donde a. b y c son números reales cualesquiera y a distinto de cero. f(x)) de una función cuadrática. Como ejemplo. Si representamos "todos" los puntos (x. obtenemos siempre una curva llamada parábola. ahí tienes la representación gráfica de dos funciones cuadráticas muy sencillas: * f(x) = x2 * f(x) = -x2 Gráfica de La función x | -3 f(x) = x2 las funciones cuadráticas cuadrática más sencilla es f(x) = x2 cuya gráfica es: | -2 | -1 | -0'5 | 0 | 0'5 | 1 |2 |3 | |9 |4 |1 | 0'25 | 0 | 0'25 | 1 |4 |9 | .

x -3 -2 -1 0 1 2 3 x -3 -2 -1 0 1 2 3 | | | | | | | | | | | | | | | | y= 1/8 1/4 1/2 1 2 4 8 y= 8 4 2 1 1/2 1/4 1/8 2x | | | | | | | 2x | | | | | | | | | NEWTON HACIA ADELANTE Como los denominadores de las diferencias divididas siempre van a ser redefinir las diferentes diferencias divididas: .3. Funciones cuadráticas más complejas se dibujan de la misma forma.Esta curva simétrica se llama parábola. Dibujemos la gráfica de f(x) = x2 -2 x . La función que a cada número real x le hace corresponder la potencia ax se llama función exponencial de base a y exponente x. podemos . x | -1 | 0 |1 |2 |3 |4 | f(x) | 0 | -3 | -4 | -3 | 0 |5 | Completando la gráfica obtengo: La función exponencial es del tipo: Sea a un número real positivo.

pero ahora resulta que: El polinomio queda: Con. .Entonces el polinomio queda Esto también se puede escribir así: Donde NEWTON HACIA ATRÁS Hacemos algo parecido al caso anterior.

Asi la condición g(x. los multiplicadores de Lagrange. y) satisfagan la ecuación de la elipse x2 + 2y2 = 1. Este método reduce el problema restringido en n variables en uno sin restricciones de n + 1 variables cuyas ecuaciones pueden ser resueltas. Optimizar la función f (x. son un método para trabajar con funciones de varias variables que nos interesa maximizar o minimizar. y) = x2 + 2y2 − 1 = 0 Este problema esta representado en la figura 2. METODO LAGRANGE En los problemas de optimización. En la figura 2 la condición g(x. y aquí los del último. nombrados así en honor a Joseph Louis Lagrange. y) = 0 esta presentada por la elipse color violeta en el plano xy. . y está sujeta a ciertas restricciones. y) = x3 − xy +y2 +3 sujeta a la condición que los puntos (x. y) = 0 esta dada por la ecuación g(x. Esto puede convenir para reordenarlos si se sabe donde están los menos confiables.Nótese que el caso hacia adelante usa fuertemente los datos de la primera fila de la tabla.

Aplique el algoritmo de Montante a la matriz: 3 2 -2 6 4 -3 -9 -8 4 3 0 -1 Solucion Debemos multiplicar el renglon 2 y 3 por el elemento (1. 1): 3 2 -2 6 4 -3 -9 -8 4 3 0 -1 3 R2 3R2 R3 3R3 6 6 -6-9 12 -9 3 -24 12 0 -3 . es un algoritmo del álgebra lineal para determinar las soluciones de un sistema de ecuaciones lineales. matrices de adjuntos y determinantes.METODO MONTANTE El Método Montante. llamado así debido a su descubridor. encontrar matrices inversas. René Mario Montante Pardo.

1) y (3.Ahora la cancelacion procede utilizando el renglon 1 con los elementos (2. 2): 3 0 0 6 0 3 -9 -6 -6 3 -6 3 3 R2$R3 0 6 0 0 -9 3 -6 3 -6 -6 3 Para eliminar el elemento arriba del pivote (2. 3) y debemos hacer cero arriba de _el. 2) el algoritmo procede multiplicando el rengl_on 1 por el pivote (2. 2): 3 0 0 6 3 0 -9 -6 -6 3 3 -6 9 R1 3R1 0 18 0 0 -27 3 -6 9 -6 -6 3 La cancelacion arriba del pivote (2. 1) anteriores a la multiplicacion: 3 6 -6 6 12 -9 -9 -24 12 3 0 -3 3 6 R2 R2 (2)R1 0 R3 R3 (2)R1 0 -9 0 0 3 -6 -6 -6 -6 Ahora deberemos intercambiar los renglones 2 y 3 para tener un pivote en (2. 2) procede restando al renglon 1 el renglon pivote por el contenido previo del elemento (1. Para ello el algoritmo procede multiplicando los renglones donde se hara la cancelacion por el elemento pivote: 9 0 0 0 3 0 9 -6 -6 -9 3 -6 R1 6R1 R2 6R2 -54 0 0 0 -54 -18 0 54 36 -6 -18 -6 La cancelacion procede restando los multiplos del renglon anteriores a la multiplicacion: -54 0 -54 54 -54 0 0 0 -18 36 -18 R1 R1 (9)R3 0 -18 0 0 -6 -6 R2 R2 (6)R3 0 0 Las unicas divisiones proceden al final: 3 usando los elementos 108 0 -54 -6 -6 . 2): 9 0 0 18 3 0 -27 -6 -6 9 3 -6 9 R1 R1 (6)R2 0 0 0 0 9 3 -6 -9 -6 -6 3 Ahora el pivote es el elemento (3.

encontrar matrices e inversas. la eliminación Gaussiana. Un sistema de ecuaciones se resuelve por el método de Gauss cuando se obtienen sus soluciones mediante la reducción del sistema dado a otro equivalente en el que cada ecuación tiene una incógnita menos que la anterior. R3 = R3 + 2R1 R1 R2 1 2/5 3/10 1/2 . son algoritmos del álgebra lineal para determinar las soluciones de un sistema de ecuaciones lineales. la matriz resultante se conoce como: "forma escalonada". Cuando se aplica este proceso. EJEMPLO 10x1 – 4x2 + 3x3 = 5 7x1 + 20x2 – 6x3 = 8 -2x1 – 10x2 + 20x3 = 4 10 –4 3 5 7 20 –6 8 R3 -2 –10 20 4 R1 = 1/10 R1. llamadas así debido a Carl Friedrich Gauss y Wilhelm Jordan.-54 0 0 0 -18 0 0 0 -6 108 R1 1=(-54)R1 -54 R2 1=(-18)R2 -6 R3 1=(-6)R3 1 0 0 0 1 0 0 0 1 -2 3 1 MÉTODO DE ELIMINACION GAUSSIANA En matemáticas. eliminación de Gauss o eliminación de Gauss-Jordan. R2 = R2 – 7R1.

El método de Gauss-Jordan continúa el proceso de transformación hasta obtener una matriz diagonal unitaria (aij=0 para cualquier i=j) Hacer ceros los de arriba. el método de Gauss transforma la matriz de coeficientes en una matriz triangular superior.Siguiente paso multiplicar 1/2 por (R3) sumarle (R1) y colocarlo en (R1) para obtener: 1 1/2 0 0 0 1 0 2 0 1 -32 -5 . comenzamos multiplicando 9 por (R3) más (R2) colocándolo en (R3) obtenemos: 1 1/2 0 0 -1/2 1/2 1 0 0 1 -32 -5 8..0 0 114/5-81/10 -54/5 103/5 9/2 5 R2 = 5/114 R2 R3 = R3 + 54/5 R2 1 0 0 1 0 0 2/5 1 0 2/5 1 0 3/10 ½ R3 = 38/637 R3 -27/76 15/76 637/38 271/38 3/10 ½ x1 + 2/5x2 + 3/10x3 = 1/2 -27/76 15/76 x2 – 27/76x3 = 15/76 1 271/637 x3 = 271/637 X2 = 22/637 X1 = 326/637 METODO GAUSS-JORDAN Como hemos visto.

1314 G (x) = 2.25 2.225 . a la imagen u ordenada y abcisa de los datos que se quieran interpolar.2-3.45 .8 4.375(4.28)(4.0) (4.47 D1 .2 X2 3. tales que G (x) = D0+ D1 (x-x2)+ D2 (x-x)(x-x2)+ D3 (x-x2)(x-x2)(x-x3) Ejemplos : X= 4.8)+ (-.2-3.43 2.8)(4. respectivamente.7) G (x) =2.2706(4. por parejas.7 Y2 2.2-3.25+.0)) +.4 4. el cual lo obtenemos multiplicando -1/2 por (R2) sumarle (R1) para colocarlo en (R1) obteniendo entonces la matriz final: 1 0 0 0 0 1 0 14 0 1 -32 -5 Obteniendo finalmente la solución de ecuaciones: X1 = 14 X2 = -32 X3 = -5 NEWTON CON DIFERENCIAS DIVIDIDAS Sea una variable discreta de n-elementos y sea xotra variable discreta de elementos los cuales corresponden.9.45(4.2-4.Solo nos queda un elemento para convertirlo en cero.133 D2 D3 -.0 4..2-4.2-4.375 .3956 .2706 -.4)(4.2-4.34 2.

El proceso de resolución de un sistema de ecuaciones mediante el método gráfico se resume en las siguientes fases: • Se despeja la incógnita y en ambas ecuaciones. • Se construye. el sistema no tiene solución. Si ambas rectas se cortan. la tabla de valores correspondientes. las coordenadas del punto de corte son los únicos valores de las incógnitas x e y. Si ambas rectas son paralelas. Sistema incompatible. d. b. Sistema compatible indeterminado. • Se representan gráficamente ambas rectas en los ejes coordenados.METODO GRAFICO METODO GRAFICO PARA LA RESOLUCION DE ECUACIONES LINEALES. Sistema compatible determinado. c. Si ambas rectas son coincidentes. para cada una de las dos funciones de primer grado obtenidas. el sistema tiene infinitas soluciones que son las respectivas coordenadas de todos los puntos de esa recta en la que coinciden ambas. • En este último paso hay tres posibilidades: a. .

recordemos de nuevo el enunciado: Entre Ana y Sergio tienen 600 euros. podemos ya representar gráficamente: | Si observamos la gráfica. Vamos a expresar las condiciones del problema mediante ecuaciones: Si los dos tienen 600 euros. . el mismo resultado. Si Sergio tiene el doble de euros que Ana. 400). que habíamos obtenido con los tres métodos analíticos. la respuesta al problema planteado es que Ana tiene 200 euros y Sergio tiene 400 euros. por última vez. es decir. vemos claramente que las dos rectas se cortan en el punto (200. el ejemplo visto en los métodos analíticos para resolverlo gráficamente y comprobar que tiene. luego la solución del sistema es x = 200 e y = 400.Veamos. evidentemente. Ambas ecuaciones juntas forman el siguiente sistema: x + y = 600 2x . la misma solución. se use el método que se use. ¿Cuánto dinero tiene cada uno?. esto nos proporciona la ecuación x + y = 600. Por tanto.y = 0 Para resolver el sistema por el método gráfico despejamos la incógnita y en ambas ecuaciones y tendremos: y = -x + 600 y = 2x Vamos ahora. tendremos que y = 2x. a calcular sus tablas de valores: y = -x + 600 | y = 2x | x |y |x |y | 200 | 400 | 100 | 200 | 600 | 0 | 200 | 400 | Con estas tablas de valores para las dos rectas y eligiendo las escalas apropiadas en los ejes OX y OY. pero Sergio tiene el doble de euros que Ana. Llamemos x al número de euros de Ana e y al de Sergio. para poder representar ambas rectas.

obtenemos: Xi+1 = Xi-1.f (Xi) . pero evita el cálculo de la derivada usando la siguiente aproximación: F` (x) = f(Xi-1)-f(xj) Xi-1.xj Sustituyendo en la fórmula de Newton-Raphson.f (Xi)= Xif (Xi) f `(Xi) f (Xi-1).METODO LA SECANTE Este método se basa en la fórmula de Newton-Raphson.

.2% 6.Que es la fórmula del método de la secante.y Xi-1. Obsérvese tambien. La diferencia entre una y otra es que mientras el método de la regla falsa trabaja sobre intervalos cerrados. mientras que el método de la regla falsa va a la segura. Claro. Ejemplo 1 Usar el método de la secante para aproximar la raíz de comenzando con Solución Tenemos que y : .653442133 Error aprox. necesitamos conocer los dos valores anteriores Xi. el gran parecido con la fórmula del método de la regla falsa.612699837 0. que sustituímos en la fórmula de la secante para calcular la aproximación . el método de la secante es un proceso iterativo y por lo mismo. y hasta que . encuentra la aproximación casi con la misma rapidez que el método de Newton-Raphson. Resumimos los resultados en la siguiente tabla: Aprox. Nótese que para poder calcular el valor de . continuamos con el proceso. corre el mismo riesgo de éste último de no converger a la raíz. a la raíz 0 1 0. 100% 63. Con un error aproximado de: Como todavía no se logra el objetivo.23% .

después.652917265 0. a cualquiera de los dos valores iniciales.0. El proceso se repite hasta que la aproximación a la raíz sea adecuada. Xr= Xu-F(Xu )(X1-Xu) / F(X1)-F(Xu) Esta es la formula de Falsa posición. De esta manera los valores X1 y Xu Siempre encierran la verdadera raíz. X1 o Xu. Esto se verifica comprobando F(X1)F(Xu) . 1º PASO Elija los valores iniciales X1 y su superior Xu que encierra la raíz de tal forma que la función cambie el signo en el intervalo. y dar un valor ala función con el mismo signo de f(xr). El Valor de xr calculando con la ecuación reeplazara.08% De lo cual concluímos que la aproximación a la raíz es: METODO DE FALSA POSICION El método de la falsa posición pretende conjugar la seguridad del método de la bisección con la rapidez del método de la secante.

2º PASO Una aproximación de la raíz Xr se dermina mediante : Xr= Xu-F(Xu 3º PASO Realizar las siguientes evaluaciones para determinar en que subintervalo esta la raíz a) Si F(X1) F(Xr )< 0 . Por lo tanto haga Xu= Xr y vuelva al segundo paso b) Si F(X1) F(Xr )> 0. PROCEDIMIENTO Finalmente. por lo tanto haga X1= Xr y vuelva al segundo paso c) Si F(X1) F(Xr )=0. Explicaremos este procedimiento mediante un ejemplo. El procedimiento empleando es el de Seidel. entonces la raíz se encuentra dentro del subintervalo superior o derecho. nos queda la tarea de resolver el sistema de n ecuaciones con n incógnitas (n es el grado del polinomio). termina en calculo )(X1-Xu) / F(X1)-F(Xu) METODO DE GAUSS-SEIDEL En análisis numérico el método de Gauss-Seidel es un método iterativo utilizado para resolver sistemas de ecuaciones lineales. ña raíz al Xr. Sea el sistema lineal de tres ecuaciones 10x0 + x1 + x2 = 12 2 x0 + 10 x1 + x2 = 13 2 x0 + 2 x1 + 10 x2 =14 . Entonces la raíz se encuentra dentro del subintervalo inferior o izquierdo. El método se llama así en honor a los matemáticos alemanes Carl Friedrich Gauss y Philipp Ludwig von Seidel y es similar al método de Jacobi.

00536 X12 = 1.06 X21 = 1. La segunda aproximación es X02 = 1. De este modo el método de Seidel ofrece una mejor convergencia que la iteración simple.2 X02 +0.2 X11 = 1. X 0 2 = 0.000000 3.3-0.2+0. X10 = 0. Ejemplo con precision de 0..0+ 0.000000 4. El método de Jacobi consiste en usar fórmulas como iteración de punto fijo. Reduciéndose el sistema a una forma conveniente para aplicar el procedimiento de iteración o de aproximaciones sucesivas.0 -0. El algoritmo toma su nombre del matemático alemán Carl Gustav Jakob Jacobi. usado para resolver sistemas de ecuaciones lineales del tipo Ax = b.000000 .0 + 0.1 X10.0.0 + 0. las diagonales de la matriz de los coeficientes de las x son ceros.0 =0.1 x1-0.1 X21 = 1.1 X10.001000 Matriz de Coeficientes A 8.0.2 + 0.12 X12 + 0.0 La primera aproximación se escribe X01 = 1.0.0.2x0 – 0.3.3-0.000000 1.1 X21 = 1.2 + 0.948 Se introduce la primera aproximación de x0 en la segunda ecuación. Tomemos como aproximación inicial X00 = 1.2.999098 METODO DE JACOBI En análisis numérico el método de Jacobi es un método iterativo. x2 en la segunda y x3 en la tercera. Se introduce la primera aproximación de x0 y de x1 en la tercera ecuación.12 X12 + 0.2x0+ 0.121+ 0.0.0.Se despeja x1 en la primera ecuación.4 -0. x0= 1.0.4.0 Como podemos apreciar.2 X02 – 0.4 -0.0.000000 2.000000 4.1x2 x2=1.9992 X12 = 1. y así sucesivamente.2 X02 +0.2 X02 – 0.1x2 x1=1.0 =0.1 X21 = 1.1 X21 = 0.0.

000000 1.222168 0.755229 Iteracion 22 -0.084635 1.158642 0.000000 Iteracion 1 -22.159920 0.892044 1.746501 Iteracion 17 -0.816271 Iteracion 8 -0.751531 Iteracion 23 -0.095483 0.892044 1.781250 1.891481 1.774250 Iteracion 12 -0.176100 0.000000 3.750552 Iteracion 21 -0.000000 6.000000 9.742499 Iteracion 15 -0.000000 6.144291 0.165139 0.000000 20.753669 Iteracion 28 -0.000000 -2.186791 0.752765 Iteracion 29 -0.891827 1.753480 Precision 0.089844 0.158889 0.986491 1.882770 1.162554 0.893136 1.830743 1.000000 10. B -44.894274 1.890927 1.994823 6.292643 0.515625 0.753480 Comprobacion:-0. Indep.897183 1.766623 Iteracion 14 -0.888622 1.169302 0.699273 Iteracion 7 -0.892862 1.001000 Solución x: -0.904706 1.886358 1.125000 1.893574 1.158642 0.725117 Iteracion 11 -0.922514 1.895394 1.149464 0.500000 0.333333 243.75214310 Iteracion 25 -0.136138 0.000000 10.000000 -2. Indep.500000 Iteracion 2 -1.638021 Iteracion 5 -0.807292 Iteracion 4 -1.000000 1.890041 1.711677 Iteracion 9 -0.761638 Iteracion 16 -0.156890 0.735852 Iteracion 13 -0.201280 0.312500 Iteracion 3 -0.154806 0.156250 0.159286 0.829427 1.860677 Iteracion 6 -0.756466 Iteracion 20 -0.666667 .758453 Iteracion 18 -0.000000 1.157391 0.061849 0.000000 Matriz de Term.753972 Iteracion 26 -0.122044 0.850661 1.157705 0.3.152750 0.002963 3.754456 Iteracion 24 -0.867301 1. B -1.000000 2.940152 1.000000 Matriz de Term.156088 0.000000 -7.000000 Iteracion 1 -0.900060 1.748989 Iteracion 19 -0.160934 0.003392 2.911958 1.000000 3.000000 22.787495 Iteracion 10 -0.877032 1.752526 Iteracion 27 -0.

900000 -2.2592511 No converge.000010 Solución x: 1.000000 Iteracion 1 0.067000 Iteracion 2 1.0 -2.000043 2.000003 Iteracion 6 1.000000 3.666667 8646.000000 22.000000 -2.000000 METODOS DE MINIMOS CUADRADOS El metodo consiste en encontrar la ecuacion de curva aunque no pase por todos los puntos pase lo mas cerca possible de todos ellos.000000 3. B 9.000000 22. Indep.222222 -1724.999980 Iteracion 5 1.998430 3.000000 3.998707 -1.000000 2.000000 1.290000 3.000000 20.296296 -60640.000000 -2.000000 Iteracion 7 1.000000 Precision 0.000000 -44.555556 Iteracion 3 4335.000011 -2.000000 -2.000000 -2. Cuya grafica representa uan curva suave que se acerca a la mayoría de los puntos X Y X1 Y1 X2 Y2 X3 Y3 .009789 Iteracion 3 0.Iteracion 2 295.y) determinar los coeficientes de la función f(x) = A0+A1X+A2X+A3X+A4X….000000 Matriz de Term.000003 3.+ AmX (donde m es el grado del polinomio). debo condicionar bien la matriz Matriz de Coeficientes A 10.000000 3.000000 -608.000000 10.999999 -44.051300 -1.000000 2. Dado un conjunto de puntos en forma rectangular (x.998892 2.999409 Iteracion 4 0.000000 Comprobacion:8.999837 -2.

An DE MANERA QUE HAGA MINIMA LA SUMA DE LOS CUADRADOS DE RESIDUOS. LINEALES) f(X) = A0+ A1X j = 0 nA0 + A1∑X1 = ∑Y – i j = 1 A0∑X! + A1 ∑X = ∑X1 INCOGNITAS A0 Y A1 b) PARA m = 2 (EC.A1. ..A3. . .m EL METODO DE LOS MINIMOS CUADRADOS CONSITE EN DETERMINAR LOS COEFICIENTES. . SE LLAMA RESIDUO “R” A LA DIFERENCIA DE LAS CURVAS ORDENADAS PARA X = X1 MENOS LA DEL PUNTO (X1.. . CUADRATICAS) f(X) = A0 + A1 X + A2X j = 0 nA0 + A1∑Xi + A2∑Xi = ∑Yi j = 1 A0∑Xi + A1∑Xi + A2∑Xi = ∑XiYi j = 2 A0∑Xi + A1∑Xi + A2∑Xi = ∑XiYi REGRESION EXPONENCIAL |X | |Y |Y |X |XY . . . A0. . .3. . .A2.2. ……. ∑ Ri = ∑(A0 + A1Xi+A2Xi+A3Xi + …… + AmX CASOS PARTICULARES a) PARA m = 1 (EC. Xn Yn Xn X1 X2 X3 X4 . .……. Y1) Ri = f(Xi) – Yi EN FORMA POLINOMICA QUEDA: F(X) = A0 + A1Xi + A2Xi + A3Xi + A4Xi + …… AmXi – Yi DONDE i = 1.. . .

8258156 |35 294.483318 |2410 | |3033 | |3895 | |4491 | |5717 | | | |7.52125 |33 272.267448958 |8.78738 |8.40983 |8.04664 |30 240.|28 218. .651199 |41.745562 |164 1354.13323296 |784 |900 |1089 |1225 |1444 |5442 | | | | | | REGLA TRAPEZOIDAL La regla del trapecio o regla trapezoidal es una de las fórmulas cerradas de Newton-Cotes.0117375 |8. La regla del trapecio o regla trapezoidal es la primera de las fórmulas cerradas de Newton-Cotes.34405 |38 328.

En donde f1(x) corresponde a una línea recta que se representa como: El área bajo la línea recta es una aproximación de la integral de f(x) entre los límites a y b: El resultado de la integración es: LA REGLA DE SIMPSON 1/3 Las reglas de Simpson son parte de las formulas de integración de Newton-Cotes.Corresponde al caso en donde el polinomio de aproximación es de primer orden. que se basan en el reemplazo de una función complicada o datos tabulados con una función aproximada que sea fácil de integrar: b b .

I ≈ 0.2 f(x1) = f(0. La integral exacta es 1. I ≈ 1.456 f(x2) = f(0.2 + 4(2.2 +25x – 200x2 + 675x3 – 900x4 + 400x5 Desde a = 0 hasta b = 0.8 0.8)/2 = 0.4) = 2. Por Simpson 1/3 x0 = 0 x2 = 0.367467 LA REGLA DE SIMPSON 3/8 La derivación de la Regla de los Tres Octavos de Simpson es similar a la regla de un tercio.232.4 f(x0) = f(0) = 0. excepto que se determina el área bajo una parábola de tercer grado que conecta 4 puntos sobre una curva dada. La forma general de la parábola de tercer grado es: Ejemplo: Use la regla de Simpson 3/8 para integrar la siguiente función: .8.232 Sustituimos los valores en la ecuación: I ≈ (b-a) f(x0) + 4f(x1) + f(x2).456) + 0.8) = 0.8 x1 = (0 + 0.I ≈ ∫a f(x)dx = ∫a fn(x)dx Donde fn(x) es un polinomio de la forma: f(x) Ejemplo: Use la regla de Simpson 1/3 para integrar la siguiente función: f(x) = 0.640533.

5333 0.2667 (0.432724 f(0. y donde _ 2 (a.640533. n con p = 2 si n es par y p = 1 si n es impar.8)/3 = 0.487177 f(0. I ≈ 0.8 = = = = f(0) = 0. . Cada separación va a tener: x = (0 + 0.2 +25x – 200x2 + 675x3 – 900x4 + 400x5 Desde a = 0 hasta b = 0.2 + 3(1.8) = 0.8 0.2667 + 0. 1.232 f(x0) f(x1) f(x2) f(x3) Sustituimos los valores en la ecuación: I ≈ (b-a) f(x0) + 3f(x1) + 3f(x2) + f(x3).487177) + 0. .2667) = 0.519170 NEWTON COTES CERRADAS F´ORMULAS CERRADAS DE NEWTON-COTES h = (b − a)/n xi = a + ih. . . La integral exacta es 1.5333) = 3. b). i = 0.2 f(0.432724) + 3(3.8.232. I ≈ 1.f(x) = 0.2667) = 1.2667 x0 x1 x2 x3 = = = = 0 (0 + 0. .2667) = 0.

EJEMPLO : ∫10 15 (x2 + 2 ) dx n= 5 h= 15-10 =1 5 a b I = 5/288 (1) [19 f(x=10)+ 75 f(x =11)+ 50 f(x =12)+ 50 f(x =13)+75 f(x =14)+19 f(x =15)] I = 5/288 (1) [1938+9225+7300+8550+14850+4313] I = 5/288 (1) [46176] I = 801. n + 1 con p = 2 si n es par y p = 1 si n es impar. 0. . . n. . y donde _ 2 (a. . b). 1. i = −1.66667 NEWTON-COTES ABIERTAS F´ORMULAS ABIERTAS DE NEWTON-COTES h = (b − a)/(n + 2) xi = (a + h) + ih. .

5625)+(-1) (158.25)+(-1) f(x=12.25 5+1 I= 4/3 (1. Dado el problema de valores iniciales se debe integrar la ecuación diferencial en el intervalo y evaluar la integral aplicando la fórmula de integración numérica: (4) entonces . debido a Euler.0625) +0 (227)] I= 801.25) [0 (102)+ 2 (128.75) +0 f(x=15)] I= 4/3 (1.5)+2 f(x=13.666667 MÉTODO DE RUNGE -KUTTA El método de Runge-Kutta es un refinamiento del método de Euler La solución de un problema de valores iniciales se obtiene generalmente paso a paso por métodos de integración hacia adelante. es aplicable a ecuaciones de primer orden y no requiere conocer la solución en los pivotes anteriores.25)+2 (191. lo que permite valuar Yi+1 tan pronto se conozcan los valores Yi. El más simple de estos métodos.25) [0 (x=10)+ 2 f(x=11.EJEMPLO: ∫10 15 (x2 + 2 ) dx n= 2 h= 15-10 = 1. Yi-1 de Y en uno o más pivotes anteriores.

(7) Y) con la condición inicial Y(X0) = (8) Y0 consiste en aplicar repetidamente la fórmula de recurrencia Yn+1 = Yn + h f(Xn.yi + q11k1h) . . X2. Yn) donde n = 1. (9) (5) MÉTODOS DE RUNGE-KUTTA DE SEGUNDO ORDEN La versión de segundo orden de la ecuación yi + 1 = yi + φ(xi.de donde se obtiene la siguiente expresión aproximada llamada fórmula de Euler Yi+1 = Yi + h f(Xi. X3. ..yi.. para determinar la solución de la ecuación diferencial en X = X1..yi) k2 = f(xi + pih. Yi) METODO DE RUNGE-KUTTA En la introducción se estableció que el método de Euler para resolver la ecuación diferencial de primer orden Y' = f(X. 2. 3..h)h es yi + 1 = yi + (a1k1 + a2k2)h donde k1 = f(xi.

Las tres ecuaciones son: a1 + a2 = 1 a2p1 = 1 / 2 a2q11 = 1 / 2 Como se tienen tres ecuaciones con cuatro incógnitas se tiene que suponer el valor de una de ellas. a2 = 1 / 2: Método de Heun con un solo corrector. a2.yi) a2 = 2 / 3: Método de Ralston. lineal o una constante. donde: donde k1 = f(xi.yi) . Suponiendo que se especificó un valor para a2. Se desarrollan tres ecuaciones para evaluar cuatro constantes desconocidas. Cada versión podría dar exactamente los mismos resultados si la solución de la EDO fuera cuadrática. hay un número infinito de métodos Runge-Kutta de segundo orden. se puede resolver de manera simultánea el sistema de ecuaciones obtenido: a1 = 1 − a2 Como se puede elegir un número infinito de valores para a2. yi + 1 = yi + k2h donde k1 = f(xi.yi + k1h) a2 = 1 : Método del punto medio. donde k1 = f(xi.Los valores de a1. p1 y q11 son evaluados al igualar el término de segundo orden de la ecuación dada con la expansión de la serie de Taylor.yi) k2 = f(xi + h.

por lo tanto se deben suponer dos valores con antelación para poder desarrollar el sistema de ecuaciones.MÉTODOS DE RUNGE-KUTTA DE TERCER ORDEN Para n = 3 el resultado son seis ecuaciones con ocho incógnitas. y i] +(h /2) y i +(h *K1 /2)] i . Una versión ampliamente usada es: donde k1 = f(xi.yi) k3 = f(xi + h.yi − k1h + 2k2h) METODO DE RUNGE-KUTTA DE 4TO ORDEN Para resolver ecuaciones diferenciales ordinarias de primer orden con error del orden de . . de uso tan frecuente que en la literatura sobre métodos numéricos se le llama el Método de Runge-Kutta de 4to orden. se dará a conocer sin demostrar y consiste en aplicar la ecuación de recurrencia (12) en donde la función está dada por la expresión: i +1) *y i +1(x = y i +{ h /6 *[K1 +(2 * K2) +(2 * K3) + K4] } (16) en el cual: * K1 =f [x * K2 =f [x i .

1 *3.1. y(0) =2 .1 *3) /2] =f [0.308603) K4 =3. x2 =0. 2. en el intervalo de interés [0.086037)] =f [0.088243 K3 =f [0 +0.5 * 2.15] =4e(0. x0 =0 .5].8*0.3.154412) K3 =3.8*0. x5 =0.5) =? } h =0. 0. K1.1) =2.088243) +(2 *3.1) – (0.178846]} y1(0.4. i .1/2. 2] =4e(0. y0 =2 K1 =f [0.05.5 * 2.308603] K4 =4e(0.088243) /2] =f [0. K3 y K4 a la curva integral.5) utilizando el método de Runge-Kutta de cuarto orden.1 /6 [3 +(2 *3.1/2.5 * 2. La ecuación (16) se obtiene haciendo un promedio de las cuatro pendientes.5 ITERACIÓN I i =0 .5y . K2. 2. x1 =0. 2 +(0.05.5 * 2) K1 =3 K2 =f [0 +0.154412] K3 =4e(0.308790 . en forma semejante a como se procedió con las pendientes de las tangentes T1 y T2 que dieron lugar a (11).1) =2 +{0.1. 2 +(0.15) K2 =3.8*0) – (0.1. PVI { y’ =4e0.1 por lo tanto x0 =0.8*0.5 – 0 / 5 h =0. EJEMPLO: Determine y (0.05) – (0.178846 y1(0. x4 =0.05) – (0.086037 K4 =f [0 +0.* K3 =f [x * K4 =f [x i +(h /2) y i +(h *K2 /2)] +h y i +(h *K3)] . 2 +(0.086037) +3.1 *3. 2. en 5 intervalos.8x – 0. y(0.

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)//-->