Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MATLAB
ii
Contenido
Contenido
iii
1.2.
1
. . . . . .
. . . . . . . . . . . . . . . . . .
12
1.3.
15
1.4.
17
1.5.
Ejercicios
20
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2. Ceros de Funciones
2.1.
2.2.
Mtodo de Biseccin
. . . . . . . . . . . . . . . . . . . . . . .
28
2.1.1.
. . . . . . . . . . . . . . . . . . . . . . .
31
. . . . . . . . . . . . . . . . . . . .
35
. . . . . . . . . . . . . . . . . . . . . . .
36
. . . . . . . . . . . . . . . . . . . . . . . .
37
. . . . . . . . . . . . . . . . . . . . . . .
40
Mtodo de la Secante . . . . . . . . . . . . . . . . . . . . . . .
45
2.5.
2.4.1.
2.6.
Convergencia
Mtodo de Newton
2.3.1.
2.4.
Convergencia
2.3.
27
Convergencia
. . . . . . . . . . . . . . . . . . . . . . .
47
Convergencia
48
2.5.1.
. . . . . . . . . . . . . . . . . . . . . . .
51
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
57
Convergencia
Ejercicios
63
3.1.
63
3.2.
66
iii
. . . . . . . . . . . . . . . . . .
CONTENIDO
3.3.
3.4.
3.2.1.
Mtodo de la Inversa . . . . . . . . . . . . . . . . . . .
66
3.2.2.
Mtodo de Cramer
67
3.2.3.
68
3.2.4.
Factorizacin LU
. . . . . . . . . . . . . . . . . . . . .
74
79
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . .
83
3.4.1.
Mtodo de Jacobi . . . . . . . . . . . . . . . . . . . . .
83
3.4.2.
mtodo de Gauss-Seidel
. . . . . . . . . . . . . . . . .
85
3.5.
Representacin matricial . . . . . . . . . . . . . . . . . . . . .
88
3.6.
. . . . . . . . .
94
3.7.
98
3.7.1.
98
3.7.2.
3.8.
Ejercicios
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
111
. . . . . . . . . . . . . . . . . . . . . . 113
4.2.1.
4.2.2.
4.2.3.
. . . . . . . . . . . . . 115
4.3.
4.4.
El fenmeno de Runge
4.5.
Nodos de Chebyshev
4.6.
. . . . . . . . . . . . . . . . . . . . . . 124
. . . . . . . . . . . . . . . . . . . . . . . 126
Trazador Cbico
. . . . . . . . . . . . . . . . 130
. . . . . . . . . . . . . . . . . . . . . 130
4.7.
4.8.
Ejercicios
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
5.2.
. . . . . . . . . . . . 139
153
5.1.2.
5.1.3.
5.1.4.
5.1.5.
Mtodos adaptativos
Diferenciacin numrica
. . . . . . . . . . . . . . 162
. . . . . . . . . . . . . . . . . . . 165
. . . . . . . . . . . . . . . . . . . . . 169
iv
Ejercicios
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
179
6.1.
6.2.
6.3.
Mtodo de Runge-Kutta
6.3.1.
6.4.
6.5.
. . . . . . 190
. . . . . . . . . . . . 191
6.4.1.
Mtodo de Adams-Bashforth-Moulton
6.4.2.
Mtodo de Milne-Simpson
. . . . . . . . . . . . . . . . 194
6.4.3.
. . . . . . . . . 192
Comparacin de Mtodos
. . . . . . . . . . . . . . . . 204
Esquema Predictor-Corrector
6.5.2.
6.5.3.
6.5.4.
6.6.
. . . . . . . . . . . . . . . . . . . . . 186
. . . . . . . 206
. . . . . . . . . . . . . . . . . . . . . . . . . 210
Ejercicios
. . . . . . . . . . . . . . 205
. . . . . . . . . . . . . 212
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
Bibliografa
215
ndice alfabtico
216
CONTENIDO
vi
Capitulo
Representaciones de Nmeros y
Errores
La mayora de las computadoras hacen los clculos aritmticos usando el
sistema binario (base
2)
(o quizs en base
10,
16),
Cuando se in-
2 y nalmente
10. La computadora al convertir el nmero en
10).
chos casos trabaja con aproximaciones de los nmeros que quiere representar
dando lugar a errores en los clculos.
Antes de presentar la representacin de punto otante de un nmero real,
se realizar un breve repaso sobre sistemas numricos y notacin cientca.
Si
en una base
es:
ei
dj
Si el valor de
b 1.
es:
10, 2, 8
16.
1
x = 13.625
y = 401.3
en base
Ejemplo 1.0.2
Ejemplo 1.0.3
dgitos del 0 al 7.
Ejemplo 1.0.4
16). Para representar un nmero en hexadecimal se usan los dgitos del 0 al 9 y las letras A, B, C, D, E
y F en lugar de los nmeros 10, 11, 12, 13, 14 y 15 respectivamente.
(Sistema hexadecimal o base
Denicin 1.1
x = (1101.101)2
3
= (1.101101)2 2 .
10.
llamada representacin de
x sino
punto otante,
x (x) = 1 d1 d2 d3 dk 2n
donde
di
es un dgito binario
x (x) = (1)s 1 f 2n ,
La cantidad
donde
f = d1 d2 d3 dk
2,
y la cantidad
1f
se denomina
es el exponente.
El formato de
real, el de
(1)1 = 1
(1)0 = 1);
n;
los 23 bits restantes se usan para la mantisa, pero slo se almacena la parte
de la mantisa denotada por
1.
1 bit
8 bits
23 bits
Exponente
32
bits en un formato
de precisin simple.
El valor del exponente de
255
n no se almacena directamente
n = c b.
es
2,
32
bits
entonces
c.
c y el sesgo b
b = 127.
n = c b, 2 = c 127,
c = 129.
En lugar de almacenar el exponente
n = 2 = (00000010)2
se almacena
c = 129 = (10000001)2 .
Si el exponente
es
En lugar de almacenar
(01111010)2 .
En la gura 1.2 se muestra el valor real del exponente
valor del exponente sesgado
n y el correspondiente
- 127
-5
122
128
127 129
255
10000010
Exponente
10110100000000000000000
Parte fraccionaria
de la mantisa
01111101
Exponente
10000000000000000000000
Parte fraccionaria
de la mantisa
11
n)
1024
(Valor del exponente sesgado
almacenado en el formato)
2047
1023
Figura 1.3: Correspondencia entre el valor real y el valor sesgado del exponente
10000001001
Exponente
10011000. . . 0
Parte fraccionaria
de la mantisa
c = (10000001001)2 = 1033
n = c b, n = 1033 1023 = 10 y la parte
fraccionaria de la mantisa es f = 10011. Por lo tanto el nmero que representa
31
0,
se iguala a
cada uno de
0 1. La magnitud ms pequea
Los nmeros en una mquina no estn uniformemente distribuidos; adems no todo nmero real que se encuentre en el rango numrico de la mquina
se puede representar exactamente.
innitamente larga
se debe reducir a
23
arriba. El
Para ilustrar esta situacin considere una mquina que maneja nmeros
de la forma:
1 d1 d2 2n
donde
n = 1, 0, 1.
1.00 21
1.01 21
1.10 21
1.11 21
1.00 20
1.01 20
1.10 20
1.11 20
1.00 21
1.01 21
1.10 21
1.11 21
= (1 20 + 0 21 + 0 22 ) 21 = 0.5
= 0.625
= 0.75
= 0.875
=1
= 1.25
= 1.5
= 1.75
=2
= 2.5
=3
= 3.5
Observe que a medida que los nmeros se alejan de cero la distancia entre
ellos aumenta; para el primer grupo la distancia es
grupo es de
0.25
0.125,
para el segundo
0.5.
0.5
3.5
3.5
0.5
para nmeros
por ejem-
10
(10001111)2 = 143,
el
exponente real es
10001111
16
10010000000000000000001
y la mantisa es:
(1.100100000000000000000001)2 .
El
223
1.10010000000000000000001
+
1
1.10010000000000000000010
Luego, el nmero siguiente ms grande en la mquina es:
223
la mantisa,
1.10010000000000000000001
1
1.10010000000000000000000
El nmero siguiente ms pequeo en la mquina es:
es el nmero y
xp
xg
denotan respectivamente el
102400.0078125
sino a muchos nmeros reales que se hallen entre este nmero y sus nmeros
ms cercanos. En otras palabras el nmero original de la mquina representa
cualquier nmero real en el intervalo
la funcin
eps
representa la distancia de
11
64
eps
es:
252
y el valor decimal
x 6= x + r1
pero
entre;
x = x + r2 .Por
x + r1
x + r2 ,
Qu?
x = 12.16
es x + z =
x + z = 20.8843.
En general, cuando se usa aritmtica a
por
f l(x) = 0 d1 d2 d3 . . . dk 10n
Si se usa corte y redondeo,
se aproxima por
f l(x) = 0 d1 d2 d3 . . . k 10n
donde
k = dk
si
dk+1
es
0, 1, 2, 3, 4
k = dk + 1
12
si
dk+1
es
5, 6, 7, 8, 9.
22
7
22
7
22
7
corte
redondeo
x por su forma de
x = 103
x = 1.03
x = 0.0103
Observe que el error relativo es el mismo en los tres casos, pero el error
absoluto es distinto en cada caso. Es aconsejable como una medida de precisin trabajar con el error relativo ya que el error absoluto puede ser engaoso.
Un error de slo un metro al determinar la distancia entre la tierra y Jpiter
sera algo asombroso, pero no sera algo aceptable que un cirujano cometiera
un error de esa magnitud al efectuar una incisin [4].
Demuestre que el error relativo que se comete al reemplazar x por f l(x) est
acotado por 10k+1 .
Suponga que x = 0 d1 d2 dk dk+1 dk+2 10n , entonces f l(x) = 0
d1 d2 dk 10n
|x f l(x)| 0 d1 d2 dk dk+1 dk+2 10n 0 d1 d2 . . . dk 10n
=
x
0 d1 d2 dk dk+1 dk+2 10n
0.00 dk+1 dk+2
=
0 d1 d2 dk dk+1 dk+2 . . .
0 dk+1 dk+2 . . . 10k
6 1 10k = 10 10k = 10k+1
=
0 d1 d2 dk dk+1 dk+2 . . . 0.1
Luego
x f l(x)
6 10k+1
x
2) Si x = 100000 y x = 99994
x x
4
< 5 104
x = 0.00006 = 0.6 10
x aproxima a x con 4 cifras signicativas
3) Si x = 0.000012 y x = 0.00004
x x
0
x = 2.3 < 5 10
x aproxima a x sin cifras signicativas
4) Si x = 0.000012 y x = 0.00001
x x
1
< 5 101
x = 0.16 = 1.6 10
x aproxima a x con 1 cifra signicativa
15
para
z,
y adems
, ,
xz
x z
xz
xz
xz
x z
xz
xz
Operacin Resultados
Valor real Error relatien la mquivo
na
xz
x z
xz
xz
3.8096
2.4762
2.0953
0.21212
80/21
52/21
44/21
7/33
0.200 104
0.385 105
0.295 104
0.571 105
16
x = 2.1784301 y z
x z
necesito desplazar dgitos en la mantisa aadiendo tres ceros en el lado derecho, estos ceros carecen de sentido y no representan una exactitud adicional
ya que slo sirven para denotar el lugar decimal.
El valor real de
xz
coinciden, su diferencia
xz
males.
Para apreciar la prdida de dgitos signicativos cuando se restan nmeros
casi iguales suponga que
x > z,
dgitos (corte)
entonces
k 10n
f l(x) f l(z) = 0.000
| {z 0}|p+1 p+2
{z
}
p cifras
k - p cifras
17
kp
xz
tendr solamente
cifras signicativas.
x2 + 1 1 1.00499 1
x2 + 1 1 0.00499 = 0.499 102 .
Para
evitar la prdida de dgitos signicativos el enunciado
2
x + 1 1 se puede presentar tambin como
x2 + 1 + 1
x2
=
x2 + 1 1 =
x2 + 1 1
x2 + 1 + 1
x2 + 1 + 1
0.01
x2
0.01
=
= 0.498756 102
2
1.00499 + 1
2.00499
x +1+1
(redondeo a 6 dgitos)
x2
es:
x2 + 1 1
En este caso el error relativo es 0 (no siempre es as). El error se ha reducido porque en la segunda parte se ha disminuido el nmero de clculos, en la
primera se necesitan 3 multiplicaciones y una resta. En la segunda slo dos
multiplicaciones y una resta.
En general los polinomios deben expresarse en forma anidada antes de realizar una evaluacin, porque as se disminuye al mnimo la cantidad de clculos
aritmticos.
Si el polinomio ax3 +bx2 +cx+d se expresa como x[x(ax+b)+c]+d Cuntas
operaciones necesita cada expresin para su evaluacin?
1
presenta prdida de cifras
4.0000000024 2
1
x 2 + (x 4)
4
Evaluando en x tenemos
4.0000000024 2 +
1
1
(4.0000000024 4) = 2 + (0.0000000024)
4
4
1
=2+
24 1010
4
= 2 + 6 1010
Luego
1
1
1
1
=
= 1010
10
10
2 + 6 10
2
6 10
6
4.0000000024 2
19
1.5. Ejercicios
1. Escriba los nmeros
2. Halle en decimal
275.5, 79.625
22
210
en base
2, 8
16.
(0.01)2
(0.01)2 = (0 21 ) + (1 22 ) + (0 23 ) + (1 24 ) +
X
X
2 k
=
(2 ) = 1+
(22 )k
k=1
k=0
= 1 +
1
= 1 + 4/3 = 1/3.
1 1/4
(0.0011)2 =
1
5
= 0.2
7.2
y que
8/7
(0.001)2 = 17 .
a)
Precisin simple
0
b)
10011111
01110000000000000000101
Precisin doble
20
01111111
11000000000000000000000
00001111111
100000000 . . . 00000000011
4/5
1/256.
11. Sea
a)
1.0110101
b)
11.0010010001
Halle
a)
2 1.0110101
b ) 11.0010010001
(use
2=1.41421356237309
(use
...)
=3.14159265358979
...)
1
+ 13 + 14 . . . es divergente. Escriba un programa
2
que evale esta suma. Es divergente la serie de la computadora? En
1+
21
epsilon de la mquina
|x|.
16. El epsilon de la mquina (ver el problema 15) permite estimar una
cota superior para el error en una operacin. Sea
f (x, y)el
resultado
Los trminos con las derivadas parciales explican los errores en la operacin debidos a representaciones inexactas de
por (1 +
)
y la adicin de
|f (x, y)|
y;
la multiplicacin
el resultado.
Con el resultado del problema 15 (o un valor cticio de 10
),
para el error en
para
en las operaciones
a)
b)
c)
d)
z = 1.897 + 9.635
z = 4.058 13.27
z = 2.345
19.28
z = 19.28 2.345
17. Aplique la aritmtica de redondeo a tres dgitos para realizar los siguientes clculos. Calcule los errores absolutos y relativos con el valor
exacto determinado por lo menos a 5 dgitos.
67
2e 5.4
13
14
22
c)
22
7
1
17
19. Sea
x cos x sen x
x sen x
f (x) =
a)
Encuentre
b)
lim f (x)
x0
f (0.1).
c)
d)
El valor real es
f (0.1) = 1.99899998.
y1 6= y0 .
(x0 , y0 )
(x1 , y1 )
de la lnea:
x=
x0 y1 x1 y0
y1 yo
x = x0
(x1 x0 )y0
y1 yo
a)
b)
(x0 , y0 ) =(1.31,
3.24),
(x1 , y1 ) =(1.93,
4.26) y la
(Burden, p.
28).
para
f (x) = e
es
n
X
xi
i!
i=0
Use este polinomio y la aritmtica de corte a tres dgitos para encontrar
5
una aproximacin a e
mediante cada uno de los siguientes mtodos.
5
) e
9
X
(5)i
i=0
i!
9
X
(1)i 5i
i=0
i!
23
b ) e5 = 1/e5
1
9
X
(5)i
i=0
i!
x 0:
siguientes clculos si
a ) x2 + 1 x
b ) x3 (sen x x)
c ) (cos x ex )/ sen x
d ) senh x tanh x
23. Suponga que
0.
a)
x1 = (b +
b2 4ac)/(2a)
x2 =(b
b2 4ac)/(2a)
b)
b ) x1 = (2c)/ b +
b2
4ac
2
x2 = (2c)/ b b 4ac
x1
frmula; mientras si
primera frmula y
b < 0,
x2
entonces
x1
b > 0,
x2
entonces
con la primer
x1
x2 ,
24
dgitos).
a ) x2 1000.001x + 1 = 0
b ) x2 + 10000.0001x + 1 = 0
25. Determine los tres primeros dgitos signicativos de los nmeros
a ) [(8.0000000025)1/3 2]1
Sugerencia : Utilice serie de Taylor para aproximar (8 + x)1/3
b)
1015
1015 ln(1 + 1015 ) 1
0.13 1015
cos(1010 ) 1
use radianes.
25
26
Capitulo
Ceros de Funciones
En este capitulo se estudia el problema de encontrar los valores que hacen
que una funcin de una variable se anule (Figura 2.1), es decir; dada una
para la funcin
f (x)
27
este problema.
entonces
f(a)
]
b
f(a)f(b) < 0
f(b)
Este resultado es consecuencia del teorema del valor intermedio para fun-
[a, b] y si k es un
numero entre f (a) y f (b), entonces existe por lo menos un c (a, b) tal que
f (c) = k . Para el caso en que f (a)f (b) < 0 se escoge k = 0, luego f (c) = 0
con c (a, b).
El mtodo de biseccin consiste en dividir el intervalo en 2 subintervalos
de igual magnitud, reteniendo el subintervalo en donde f cambia de signo,
es continua en
para conservar al menos una raz o cero, y repetir el proceso varias veces.
[a, b].
a+b
Primero se calcula el punto medio del intervalo c =
, despes se
2
examin el signo de f (a)f (c). Si f (a)f (c) < 0, entonces f tiene un cero en
[a, c].
A continuacion se renombra a c como b y se comienza una vez mas con el
nuevo intervalo [a, b], cuya longitud es igual a la mitad del intervalo original.
Por ejemplo, suponga que
28
entonces
f,
{an }, {bn }
{cn }
como ejercicio para el lector demostrar que las dos primeras son monotonas
crecientes y decrecientes respectivamente, adems se encuentran acotadas, lo
cual garantiza la convergencia de ambas sucesiones.
f (x) = x sin x 1
una funcin se pueden usar varios criterios, los cuales son conocidos como
criterios de parada.
|bn an | /2 < .
Tambin se puede usar como criterio de parada el error relativo entre dos
30
se parara en la
bn
cn
f (cn )
0.158529
1.5
0.496242
0.333333
1.5
1.25
0.186231
0.2
1.25
1.125
0.015051
0.111111
1.125
1.0625
-0.071827
0.0588235
1.0625
1.125
1.09375
-0.028362
0.0285714
1.09375
1.125
1.109375
-0.006643
0.0140845
1.1093750
1.125
1.1171875
0.004208
0.0069930
1.1093750
1.1171875
1.11328125 -0.001216
0.0035087
c9 c8 1.11328125 1.1171875
= 0.0035087 < = 0.005
c9 =
1.11328125
Cuando se generan aproximaciones por medio de una computadora, se
recomienda jar un nmero mximo de iteraciones
2.1.1. Convergencia
Teorema 2.1
|cn c| 6
ba
,
2n
31
n>1
Demostracin.
c [a, b]
tal que
f (c) = 0.
tiene que
b n an =
Adems
ba
2n1
(an , bn ).
n > 1,
se
(2.1)
La distancia entre
cn
no puede
|c cn | 6
b n an
2
|c cn | 6
Aplicando limite cuando
n ,
ba
2n1
ba
2n
(2.2)
c.
q
an
bn
convergen
c.
De acuerdo con el teorema anterior, en el mtodo de biseccin es posible
n iteraciones
ba
< 102
n
2
Es decir (2 0)/(2n ) < 102 , n > 7.643 . . .. Se necesitan aproximadamente unas 8 iteraciones.
Observe en la tabla de aproximaciones que el cero de f (x) = x sen x 1
es c = 1.114157141 y c8 = 1.1171875.
El error real es |c c8 | = 0.003030359 3 103 . El error real es menor
que el error dado por el teorema; en la mayora de casos la cota de error
dada por el teorema es mayor que el nmero de iteraciones que realmente se
necesitan. Para este ejemplo, |c c7 | = 0.004782141 < 102 = 0.01.
32
Otros mtodos requieren menos iteraciones para alcanzar la misma exactitud, pero entonces no siempre se conoce una cota para la precisin.
El mtodo de biseccin suele recomendarse para encontrar un valor aproximado del cero de una funcin, y luego este valor se rena por medio de
mtodos ms ecaces. La razn es porque la mayora de los otros mtodos
para encontrar ceros de funciones requieren un valor inicial cerca de un cero;
al carecer de dicho valor, pueden fallar por completo.
x
Resolver una ecuacin en una variable como por ejemplo: xe = 1 es
x
equivalente a resolver la ecuacin xe 1 = 0, o a encontrar el cero de
x
la funcin f (x) = xe 1. Para aproximar el cero de f o la raz de la
ecuacin, se puede hacer la grca de
f (1) = e 1 1.71828
entonces
b,
[0, 1].
Pero si
33
f (x) = xex 1
1, el mtodo de biseccin
Algoritmo 1 (Algoritmo Biseccin). Dada una funcin continua f, dos nmeros a y b tales que, a<b y f(a)*f(b)< 0 y una tolerancia tol> 0.
while (b-a)/2 > tol
c=(a+b)/2;
if f(c)==0
a=c;
b=c;
end
if sign(f(a))==sign(f(b))
a=c;
34
else
b=c;
end
end
ba
c =b f (b)
f (b) f (a)
af (b) bf (a)
=
f (b) f (a)
35
>%%,-5)?) 5)& &%()$'%& -*. .%(')& @% ,%$*. %$(%..)@) %$'.% @*& +'%.)@*& &7(%&+B*&2
CAPITULO 2. CEROS DE FUNCIONES
#&'% ,<
%
,* %5 ,<
%'*
87% %5 *.@%
>%/%.%$
"
!"# $%&' (
567" .-) 8
,%-:: NCO:
2.2.1. Convergencia
Teorema 2.2
diferenciable en [a, b] con una nica raz en [a, b]. Suponga que f (a)f (b) <
0
00
0, f () 6= 0, y f no cambia de signo en [a, b]. S
M=
%*
w
2
00
f (x)
<1
max 0
x[a,b] f (x)
(2.3)
1 el mtodo
! de !la 1
con92
w = b o!"#$
w =1
a segn el caso, entonces
Regula Falsi!2
converge a .
!
Demostracin.
;2
#%&"
+!
$ 1
36
M2 3+ &+E$*
%!!
)@%,<
)& &+E$*
$
+!
%
+
"1 &+E$*
#
"
#%&"
$ !!: A)(%.
!! 1 &+E$*
!! A
Algoritmo 2 (Algoritmo Regula Falsi). Dada una funcin f dos veces dife-
c=a;
while abs(f(c)) > tol
c=(a*f(b)-b*f(a))/(f(b)-f(a));
if f(c)==0
a=c;
b=c;
end
if sign(f(a))==sign(f(b))
a=c;
else
b=c;
end
end
x0
f 00 (z)
(x x0 )2 ,
f (x) = f (x0 ) + f (x0 )(x x0 ) +
2
0
esta entre
x0
x.
37
(2.4)
se obtiene:
f 00 (z)
(c x0 )2
2
(2.5)
x0
f.
Despejando
(2.6)
x0
del cero
{xn } de aproximaciones
denidas por:
xn+1 = xn
f (xn )
, n > 0
f 0 (xn )
(2.7)
x2
x1
en un punto cercano
sucesivamente.
38
x0
en el punto
x1
y as
f (x) = 3 + cos x ex
f (x0 )
(1)
1
=0
=
0
f (x0 )
3
3
f (x1 )
1 0.068417728
x2 = x1 0
=
= 0.360170713
f (x1 )
3
2.549344521
f (x2 )
6.2798651 104
x3 = x2 0
= 0.360170713
= 0.33357967
f (x2 )
2.502262549
x1 = x0
39
f (x)
alrededor de
x=c
xn :
(x xn )2 00
f (zn ),
2
f (c) = 0
zn (xn , x)
se tiene,
(c xn )2 00
f (zn ),
2
00
f (xn )
2 f (zn )
0= 0
+ (c xn ) + (c xn )
f (xn )
2f 0 (xn )
00
f (xn )
2 f (zn )
+ (c xn )
c = xn + 0
f (xn
2f 0 (xn )
00
f (xn )
2 f (zn )
c = xn 0
+ (c xn )
f (xn )
2f 0 (xn )
0 = f (xn ) + (c xn )f 0 (xn ) +
zn (xn , c)
f (xn )
xn 0
f (xn
00
f (zn )
c = (xn c)
2f 0 (xn )
00
2 f (zn )
xn+1 c = (xn c)
2f 0 (xn )
2
n-esmo
00
f (zn )
2
= en
,
2f 0 (xn )
en+1
por:
e n = x n c,
zn (xn , c)
entonces
(2.8)
2.3.1. Convergencia
Teorema 2.3 (Convergencia Newton). Sea f una funcin dos veces diferen-
Demostracin.
I = [c , c + ],
f 00 (x)
1
M = max 0
2 xI f (x)
Considere un intervalo
x0 I
tal que
M |0 | < 1.
con
> 0.
Se toma
|1 | M |0 |2 = M |0 ||0 | < |0 |
luego
x1 I ,
ya que:
|1 | <
|x1 c| <
< x1 c <
+ c < x1 < + c
x1 [c , c + ]
Adems,
M |1 | M 2 |0 |2 < 1
M |1 | (M |0 |)2 < 1
Suponga que
xn I
M |n | < 1,
entonces
xn+1 I
xn I
M |n | < 1
para todo
n.
(2.9)
M |n+1 | (M |0 |)2
1
n
(M |0 |)2
|n+1 |
M
Al ser
M |0 | < 1, lmn n = 0
(2.8)
y por lo tanto
x n c.
Tomando limites en
n+1
f 00 (c)
=
n 2
2f 0 (c)
n
porque zn c cuando n
lm
Por la continuidad de
f 00
q
41
M |x0 c| = M |0 | < 1
es decir, si
|x0 c| <
1
1
2
00
(x)
maxxI ff 0 (x)
x0
de la raz
c.
La estructura de la
condicin anterior, indica que el mtodo presentara problemas de convergencia, si una de las iteraciones se anula en la primera o segunda derivada de
f.
con
dgito
x= R
x2 = R
x2 R = 0, x
5.
es la raz cuadrada de
Para aproximar
entonces
42
1
5
x1 =
x0 +
2
x0
5
1
x1 +
x2 =
2
x1
= 2.25
= 2.236111111 . . .
!
1
5
x3 =
x2 +
= 2.236067978 . . .
2
x2
x0 ,
43
while abs(f(c))>tol
x0=c;
c=x0-x0-(f(x0)/g(x0));
end
xn+1 = xn
f 0 (xn )
f (xn )
f 0 (xn )
f 0 (xn ),
f (xn ) f (xn1 )
xn xn1
f (xn )
en la frmula de Newton se
obtiene:
xn+1 = xn
Ya que el clculo de
xn+1
x0
n > 1,
xn
xn1 ,
(2.10)
se debe dar al
x1 .
f , ( Figura
(4.10)). Si x0 y x1 son las aproximaciones iniciales, la aproximacin x2 es
la interseccin de la recta que une los puntos (x0 , f (x0 )) y (x1 , f (x1 )). La
aproximacin x3 es la interseccin de la recta que une los puntos (x1 , f (x1 ))
y (x2 , f (x2 )) y as sucesivamente.
secante. El cero de
45
f (x1 )(x1 x0 )
f (x1 ) f (x0 )
(2 sen 2 1)(2 1)
=2
= 1.162240449
(2 sen 2 1) (sen 1 1)
f (x2 )(x2 x1 )
x 3 = x2
= 1.236422098
f (x2 ) f (x1 )
f (x3 )(x3 x2 )
x4 = x3
= 1.113511445
f (x3 ) f (x2 )
x2 = x1
f (x4 ) = 0.000896772969,
ademas
|f (x9 )| = 0.001216 . . .
46
2.4.1. Convergencia
Teorema 2.4
(Convergencia Secante). Sea f una funcin dos veces diferenciable en un intervalo que contiene a una raz c de f y supongamos que
f 0 (c) 6= 0. Si x0 y x1 estan lo sucientemente proximos a c, entoces la sucesin denida en (2.10) converge a c.
Demostracin.
>0
I = [c , c + ].
x0 y x1 estan lo
|0 | , |1 | ,
sucientemente proximos a
c,
si
M max{|0 |, |1 |} < 1
donde
00
f (x)
M = max 0
xI 2f (x)
q
f 00 (c)
Si
es grande, habra que tomar x0
0
2f (c)
x1
muy proximos a
c, adems
Algoritmo 4
(Algoritmo Secante)
f (x),
se dice que
es un punto jo de
f,
y=x
f (x)
f (x).
Para resolver
f (x) = 0,
se
f (x) = 0
x g(x) = 0
x = g(x)
Observe que si
es un cero de
f (x), f (c) = 0
c = g(c).
xn+1 = g(xn ), n = 0, 1, 2, 3, . . .
48
(2.11)
x0
f.
x = 2x + 3
x = g(x) = 2x + 3
2(4) + 3 = 3.31662
x2 = g(x1 ) =
2(3.31662) + 3 = 3.10375
x3 = g(x2 ) =
2(3.10375) + 3 = 3.03439
x4 = g(x3 ) =
2(3.03439) + 3 = 3.01144
x5 = g(x4 ) =
2(3.01144) + 3 = 3.00381
3
= g(x)
x2
x1 = g(x0 ) =
x2
x3
x4
x5
x6
x7
x8
=4
= 6.5
= 19.625
= 191.070
x = g(x)
y = g(x). En la gura 6.1
eje x con x0 , se efecta un
y = x,
y la curva
50
la recta. Este proceso se repite hasta que los puntos en la curva convergen
a un punto jo o bien divergen. Parece que los diferentes comportamientos
dependen de que la pendiente de la curva sea mayor, menor o de signo opuesto
a la pendiente de la recta (que es igual a
Cuando se tiene la ecuacin
narla en la forma
x=
1)
f (x) = 0,
existen muchas formas de reordeg(x), por ejemplo para la ecuacin anterior x2 2x3 =
x 2x 3 = 0
x2 2x 3 = 0
x2 = 2x + 3
x(x 2) = 3
x3 = 2x2 + 3x
p
3
x = 2x2 + 3x
= g1 (x)
3
x2=
x
3
x= +2
x
= g2 (x)
x2 2x 3 = 0
x2 2x 3
=0
2x 2
(x2 2x 3)
x
=x
2x 2
= g3 (x)
2.5.1. Convergencia
Teorema 2.5. Si g es continua [a, b] y g(x) [a,b] para toda x [a, b],
entonces g tiene un punto jo en [a, b]. Si adems g 0 (x) existe en (a, b) y
existe una constante positiva K < 1 con |g 0 (x)| 6 K , para todo x (a, b),
entonces el punto jo en [a, b] es nico.
Demostracin.
51
g(c) = c,
es un punto jo de
0
Si se supone adems que |g (x)|
jos de
nmero
luego
g en [a, b] con
z entre c1 y c2 tal
que
g(c2 ) g(c1 )
= g 0 (z)
c2 c1
El ejemplo anterior muestra que las hiptesis del teorema 2.5.1 son sucientes para garantizar un punto jo nico, pero no son necesarias.
El siguiente resultado da algunas pistas sobre los procedimientos que se
deben seguir y algunos que se deben excluir para escoger funciones que produzcan sucesiones que converjan a un punto jo.
Teorema 2.6
[a, b] tal que g(x) [a, b] para toda x en [a, b]. Adems suponga que existe
g 0 en (a, b) y una constante positiva K < 1 tal que |g 0 (x)| 6 K , para toda
x (a, b), entonces
Para todo x0 en (a, b), la sucesin denida por xn+1 = g(xn ), converge al
nico punto jo x en [a, b].
Demostracin.
|xn x| = |g(xn1 ) g(x)|
= |g 0 (z)||g(xn1 ) g(x)| (Por el teorema del valor
|xn x| 6 K|xn1 x|( porque |g 0 (x)| 6 K, x (a, b))
52
medio)
porque si
Luego
{xn }
converge a
x.
Corolario 2.1. S g satisface las hiptesis del teorema anterior, una cota
para el error al aproximar el punto jo x de g por xn esta dada por:
Demostracin.
53
%
'
'
$ '! & "
? ')(2)0'& $#! , " " A
#
#
%
'
'& @#3'45')('7 B& D;
10#/ 3'4 *+' &# > % ## % 'A
.'42 # ! ,
#
$# ! " #(7
C! "'1 # ,
$#!&
$#! ,
CEROS DE
FUNCIONES
B/ .420'&2 #('41(#32 # CAPITULO
4'.4'&')(14&'
5'2-;'(4#01-')('
! , $# 2.! .+'@'
02)&#@'41)@2 *+' '/ .+)(2 EF2 ! '& '/ .+)(2 @' #)('4&'00#;
2) @' /1& D+)0#2)'&
) , # ' ) , $#!7 G2@'-2& 3#&+1/#=14 0+1(42 01&2&H $1! > % $!! % A $6!
$!! " A $0! " % $!! % >A $@! $!! % " 7
" !!"
!
" !!"
# # " !$" # $
!
" !$" % $
%&'()*' ('+,)&-)+.)
!)+ )*(/0)&/"
%&'()*' 12,)&-)+.)
!)+ )*(/0)&/"
IJ
54
" !$" #
" !!"
" !!"
# # " !$" # $
!
Ejemplo 2.5.3.
Aplique
el
Teorema
2.6
para
demostrar
que
g(x)
=
2x + 3
"
tiene
jo
la cantidad
' nico
# " #en$[2, 4]. Use" !el3 corolario
42 #un
" # punto
$
# "!#para("estimar
)
!" ' #
2
de iteraciones necesarias para lograr una exactitud de 10 y despus compare esta estimacin terica con!la
& cantidad que realmente se requiere, use
#
"
#
$
3
# "!# !*"*
-2
#
"
#
$
x0 = 3.5
"
"
"
"
funcin
y creciente. Basta evag(x) = &2x! +
" !!
! #continua
' 3 en [2, 4] es+ una
#
"
#
$
3
#
"
!
#
$
( y por lo tanto su
52
#
"
#
$
luar g en los! extremos
del intervalo
g es creciente
"!
"
"! " por
! #que
valor mnimo
y su valor mximo se encuentran en los extremos del intervalo.
!"
g(2) $
= # " 7#
*"&+"#, '()(-( 6#! ! 7.! "!89: 5#
; #2.65
7.! <7.-18(. $ =#-#/ -(.01.>
61
$ #"
"#
&$(
""#
! ! $ ,-./
!
"
" ! !#
"&$
"
"#
Adems
|g 0 (x)| =
1
0.378
<p
2x + 3
2(2) + 3
con
a = 2, b = 4, x0 = 3.5
k = 0.378
Por lo tanto se necesitan unas seis iteraciones para lograr una aproximacin exacta dentro de 102 .
x5 =
|x5 x| = |3.00381 3| = 0.00381 <
3.00381. Observe
102 = 0.01.
Algoritmo 5
x1=f(x0);
while abs(f(x1)-f(x0))>tol
x0=x1;
x1=f(x1);
end
2.6. Ejercicios
1. A n de localizar las races de la ecuacin
a)
x3 +
x=6
Mediante evaluaciones en enteros determine un intervalo de longitud 1 que contenga una raz.
b)
2. Sea
0.125.
En cul cero de
converge el
b)[-0.5,2.4]
c)[-0.5,3]
d)[-3,-0.5]
a)
b)
c)
Si
g(19.6) = 19.6,
La funcin
Si
entonces
x2 + 2 x
f (a) = 1
a y b.
19.6
g.
f (b) = 2,
entonces
f (x)
entre
d)
57
1%
de la longitud del
e)
f)
L1 /100.
La ecuacin
(ex )2 = 4
ex (x2 1)(x2 4) = 0.
a)
b)
Pruebe que
1/4 6 q < 1
A = q 22m ,
siendo
un entero.
1/2
=q
1/2
es
para el
que hay que recortar en cada esquina para que el volumen de la caja
sea
100
58
0.000000001
centmetros.
a)
b)
106
106
ms pequeos.
12. El valor acumulado de una cuenta de ahorros que se basa en pagos
peridicos puede calcularse con la ecuacin de anualidad vencida.
A=
En esta ecuacin,
es el monto de la cuenta,
deposita peridicamente e
P
[(1 + i)n 1]
i
es la cantidad que se
750000 dlares al momento de retirarse dentro de 20 aos, y puede depositar $ 1500 dlares mensuales para lograr
Un mtodo de Newton-Raphson
p es una raz
q(p) 6= 0.
a)
b)
de multiplicidad
Pruebe que
M,
modicado
entonces
p.
la raz simple
g(x) = x
c)
f (x)f 0 (x)
(f 0 (x))2 f (x) f 00 (x)
59
14. Aplique el mtodo de la secante para obtener soluciones con una exac3
titud de 10
para las ecuaciones dadas.
a ) x3 2x2 5 = 0, x [1, 4]
b ) x cosx = 0, x [0, /2]
ex = cos x
15. La ecuacin
exactamente cuando
f (p) = 0,
donde
f (x) =
3x4 + 2x2 + 3
4x3 + 4x 1
g.
ii.
!1/2
x + 3 x4
2
!1/2
x+3
x2 + 2
Use
x0 = 1.
0.5 sen(x/2)
[0, 2].
g(x) = +
Use la iteracin de
punto jo para obtener una aproximacin al punto jo con una exac2
titud de 10 . Use el corolario para estimar la cantidad de iteraciones
60
102
[a, b]
2 e x + x2
3
!1/2
ex
b) x =
3
a) x =
c ) x = 5x
61
62
Capitulo
ecuaciones y
in-
cognitas, de la forma:
AX = b
nn
donde A R
,
X Rn tal que AX
..
.
.
..
.
.
.
.
.
.
an1 an2 . . . ann
b Rn .
= b.
x1
b1
x2 b2
.. = ..
. .
xn
bn
(3.1)
63
a11 0 0
0 a22 0
A = ..
.
.
..
.
.
.
.
.
.
0
0 ann
Entonces el sistema
AX = b
a11 x1 = b1
a22 x2 = b2
.
.
.
ann xn = bn
La solucin es
xi = (bi )/aii ,
para
i = 1, 2, . . . , n
con
aii 6= 0.
A = ..
.
.
..
.
.
.
.
.
.
0
0 ann
Entonces el sistema
AX = b
ann xn = bn
64
xn ,
luego
xn1
y as hasta
x1 .
xn =
bn
ann
bi
aij xj
j=i+1
xi =
Algoritmo 7
n
P
para
aii
i = n 1, n 2, . . . , 1 (aii 6= 0).
. Dada un sistema de
es Triangular inferior.
a11 0 . . . 0
a21 a22 . . . 0
A = ..
.
.
..
.
.
.
.
.
.
an1 an2 . . . ann
a11 x1
a21 x1 + a22 x2
= b1
= b2
.
.
.
.
.
.
65
x1 =
b1
a11
bi
xi =
i1
P
aij xj
j=1
para
aii
i = 2, 3, . . . , n (aii 6= 0).
AX = b
entonces:
AX = AAt b
= AA1 b
= Ib
=b
Ax = b es x = A1 b (A no singular). El clculo de
inv
j {1, 2, . . . , n}
for i=1:m
for j=1:n
H(i,j)=1/(i+j-1);
end
end
1/2
1/3
1/4
1/3
1/4
1/5
a11
a21
..
.
A=
xi = |Ai | / |A|, i = 1, 2, . . . n.
a12 . . . a1n
a22 . . . a2n
..
.
..
.
a11
a21
Ai =
..
.
Donde
a12 . . . b1 . . . a1n
a22 . . . b2 . . . a2n
..
.
..
.
..
.
nante de orden
67
Ei
(o la la
i)
Ej
(o la la
j)
Ei
(o la
dis-
Ei Ei .
i).
distinta
(Ei + Ej ) Ei .
El orden de las ecuaciones
Ei
x1 + 2x2 + x3 = 5
2x1 + 4x3 = 22
4x1 + 2x2 + 2x3 = 18
..
E1 1 2 1 . 5
..
E2
2 0 4 . 22
E3
4 2 2 .. 18
.
a11 = 1 es el elemento pivote, para anular los elementos que estn debajo de la primera columna se usan los multiplicadores. Los multiplicadores son los nmeros por los que se multiplica la la pivote para restarla de las correspondientes las posteriores. M21 = a21 /a11 = 2/1 = 2 y
M31 = a31 /a11 = 4/1 = 4.
68
..
. 5
1
2
1
E2 2E1 0 4
2 ... 12
E3 4E1
0 6 2 .. 2
.
..
.
1
2
1
5
.
0 4
.
2 .
12
E3 1.5E2
0
0 5 .. 20
.
0.03
58.9 .. 59.2
5.31 6.10 ... 47.0
E2 177E1
0.03
58.9 .. 59.2
0 10431.4 ... 10431.4
69
0.03
58.9 .. 59.2
5.31 6.10 ... 47.0
0.03
E2 177E1
58.9
10400
!
..
.
59.2
0.03x1 + 58.9x2 59.2
..
. 10300 10400x2 10300
0.03
58.9 .. 59.2
5.31 6.10 ... 47.0
70
!
,
El multiplicador es 177.
E2 177E1
!
..
0.03
58.9 .
59.2
0 10400 ... 10500
>> tic,
Elapsed
>> tic,
Elapsed
x=inv(H)*b; , toc
time is 0.000109 seconds.
x=H\b; , toc
time is 0.000101 seconds.
j,
desde
max |aij |.
j6i6n
Si la la
la la
Ejemplo 3.2.5. Resolver el sistema usando eliminacin gaussiana con pivoteo parcial y aritmtica de redondeo a tres dgitos.
0.03x1 + 58.9x2 = 59.2
5.31x1 6.10x2 = 47.0
este metodo se elige como pivote al elemento que tiene mayor tamao relativo
con respecto a los elementos de la la. El primer paso del procedimiento es
buscar el elemento que tiene el mximo valor absoluto de cada la. Para el
pivote
k.
Si = max {|aij |}
j=1,2,...,n
|an1 |
|a11 | |a21 |
,
,...,
S1 S2
Sn
La la
1.
|ai1 |
i = 1, 2, . . . , n
Si
|ap1 |
|ai1 |
= max
i=1,2,...,n Si
Sp
Ejemplo 3.2.6. Resolver el sistema usando eliminacin gaussiana con pivoteo parcial escalado y aritmtica de corte a tres dgitos
30x1 + 58900x2 = 59200
5.31x1 6.1x2 = 47.0
Luego
|a11 |
30
=
= 0.000509 . . .
S1
58900
|a21 | 5.31
=
= 0.870 . . .
S2
6.10
3.2.4. Factorizacin LU
A como el producto de
L y una matriz triangular superior U ; y despus
74
AX = b
AX = b,
(LU )X = b
L(U X) = b,
LY = b.
como A=LU
si se toma
entonces
UX = Y
resulta
LY = b y luego el
sistema LY = b es un
UX = Y .
sistema
sistema
El
es una matriz
UX = b
60 30 20
x1
180
30 20 15 x2 = 115 AX = b
20 15 12
x3
86
1 0 0
60 30 20
60 30 20
30 20 15 = 1/2 1 0 0 5
5
1/3 1 1
0 0 1/3
20 15 12
{z
} |
{z
}|
{z
}
|
1 0 0
y1
180
1/2 1 0 y2 = 115
1/3 1 1
y3
86
y1 = 180
1/2y1 + y2 = 115
1/3y1 + y2 + y3 = 86
75
es una
180
y = 25
1
60 30 20
x1
180
0 5
5 x2 = 25
0 0 1/3
x3
1
60x1 + 30x2 + 20x3 = 180
5x2 + 5x3 = 25
1/3x3 = 1
1
X= 2
3
Ann comatriz Unn
Lnn
(triangular superior)?
A = LU , entonces
. . . a1n
l11 0 0
0
l21 l22 0
. . . a2n
0
=
.
.
.
..
.
.
.
..
..
.
.
.
0
. . . ann
ln1 ln2 lnn
Si se supone que
a11 a12
a21 a22
..
.
.
.
.
an1 an2
.
..
.
0
.
0
.
0
0 unn
l11 u11
l11 u12
...
l11 u1n
l21 u11 l21 u12 + l22 u22
l
u
21 1n + l22 u2n
A = ..
.
.
.
.
.
.
.
ln1 u11 ln1 u12 + ln2 u22 ln1 u1n + ln2 u2n + + lnn unn
76
.
.
.
.
.
.
an1 = ln1 u11 an2 = ln1 u12 + ln2 u22 . . . ann = ln1 u1n + ln2 u2n + . . . + lnn unn
n2 ecuaciones con n2 + n elementos desconocidos:
lij , i = 1, 2, . . . , n ; uij , j = 1, 2, . . . , n, para que el sistema tenga solucin
nica se deben especicar n elementos.
El mtodo de factorizacin en el que se especica que l11 = l22 = l33 =
. . . = lnn = 1 se llama mtodo Doolittle. Si se especica que u11 = u22 =
u33 = . . . = unn = 1 el mtodo se llama Crout, si se especca lii = uii el
mtodo se llama Choleski (A simetrica)[1].
Este es un sistema de
60 30 20
1 0 0
u11 u12 u13
30 20 15 = l21 1 0 0 u22 u23
20 15 12
l31 l32 1
0
0 u33
= 60
= 30
= 20
= 60
= 30
= 20
l21 u11 = 30
l31 u11 = 20
l21 u12 + u22 = 20 l31 u12 + l32 u22 = 15
l21 u13 + u23 = 15 l31 u13 + l32 u23 + u33 = 12
l21 = 1/2
u22 = 5
l31 = 1/3
u23 = 5
l32 = 1
u33 = 1/3
60 30 20
1 0 0
60 30 20
30 20 15 = 1/2 1 0 0 5
5
20 15 12
1/3 1 1
0 0 1/3
77
60 30 20
l11 0 0
l11 u12 u13
30 20 15 = l21 l22 0 0 l22 u23
20 15 12
l31 l32 l33
0
0 l33
60
0
0
60
60/2
60/3
60 30 20
0
30 20 15 = 60/2
5
5
5 0
20 15 12
60/3
5
3 3
0
0
3 3
Ver
[L,U,P] = lu(A), que dada una matriz cuadrada A, genera tres matrices, L, U y P , tales que: P A = LU . Si la eliminacin se presenta sin intercambio de renglones, P es la matriz identidad.
MATLAB posee la funcin
Denicin 3.1. La matriz Ann es estrictamente dominante en sentido diagonal (o diagonalmente dominante, EDD) si |aii | >
n
78
n
P
j=1
8 4
0
5
1
A= 2
3 7 12
|8| > | 4| + |0|
|5| > |2| + |1|
| 12| > |3| + | 7|
A es estrictamente dominante.
Algoritmo 8
[m,n]=size(A);
for i=1:n
D(i,i)=A(i,i);
A(i,i)=0;
if abs(D(i,i))>max(A(i,1:end))
r=1;
else
r=0;
break
end
end
79
nmero, pero para vectores y matrices hay muchas componentes, cada una
de las cuales puede ser pequea grande en magnitud.
Para discutir los errores en problemas numricos que manejan vectores y
matrices resulta til recurrir a las normas, ya que son un medio, que permite
medir la distancia entre los vectores y entre las matrices.
si y slo si
X = 0.
kXk = ||kXk, R y X Rn
kX + Y k 6 kXk + kY k, X, Y Rn
kXk se llama magnitud longitud del vector X . Una distanX e Y de Rn respecto a la norma es kX Y k.
X = (x1 , x2 , . . . , xn ) entonces algunas normas son:
La cantidad
Norma 1: kXk1 =
Norma 2: kXk2 =
n
P
|xi |
i=1
n
P
x2i
1/2
(Norma Euclideana)
i=1
nitud).
80
n
Denicin 3.3. Se dice que una sucesin de vectores {X (k) }
k=1 en R con-
verge a X si
lm
X (k) X
= 0
!
1
1 4k + 1
2 , 5 + ,
, X = (2, 5, 4)
k
k
k
si y slo si
ii.
kAk = || kAk, R
iii.
kA + Bk 6 kAk + kBk
iv.
A=0
de
nn
kA Bk.
2 En un espacio de dimensin nita dos normas cualesquiera conducen al mismo con
R3 ,
X (K) X 0
81
para
Norma 1:
Norma
kAk1 = max
16j6n
: kAk = max
16i6n
Norma 2:
Norma de Frobenius:
kAk2 = []1/2 ,
kAkF =
n
X
!
|aij |
i=1
n
X
!
|aij |
j=1
donde
n P
n
P
es el radio espectral de
At A
!1/2
a2ij
i=1 j=1
3 1 4
A = 5 0 2
1 2 6
Columnas
3
P
|ai1 | = |3| + | 5| + |1| = 9
F ilas
3
P
|a1j | = |3| + | 1| + |4| = 8
i=1
3
P
j=1
3
P
i=1
3
P
|ai2 | = | 1| + |0| + | 2| = 3
j=1
3
P
i=1
j=1
= 96 9.798
82
6x1 x2 + 2x3 = 21
4x1 8x2 + x3 = 5
3x1 + 4x2 + 10x3 = 48
Un procedimiento consiste en despejar
xi
1
1
7
x2 2x3 + 21
= x2 x3 +
6
6
3
2
4x1 x3 + 5
1
1
5
x2 =
= x 1 + x3
8
2
8
8
3x1 4x2 + 48
3
2
24
x3 =
= x1 x2 +
10
10
5
5
x1 =
La sucesin de vectores
X (K)
(K1)
(K)
x1
(K)
x2
(K)
X3
(K1)
2x3
+ 21
6
(K1)
(K1)
x3
+5
4x1
=
8
(K1)
(K1)
3x1
4x2
+ 48
,
=
10
=
x2
83
k = 1,
2, 3, . . .
(0)
(1)
X (1)
(0)
(0)
(0)
X (0) = x1 , x2 , x3
= (0, 0, 0)
es:
(0)
0 2(0) + 21
x2 2x3 + 21
=
= 3.5
6
6
(0)
(0)
4x1 x3 + 5
4(0) 0 + 5
=
=
= 0.625
8
8
(0)
(0)
3x1 4x2 + 48
3(0) 4(0) + 48
=
=
= 4.8
10
10
x1 =
(1)
x2
(1)
x3
X (1)
(1)
x1
3.5
0.625
= x(1)
2 =
(1)
4.8
x3
La segunda aproximacin
(1)
(2)
x1
(2)
x2
(2)
x3
X (2)
es:
(1)
(2)
x1
1.79583
1.725
= x(2)
=
2
(2)
6.1
x3
X (2)
(5)
X X (4)
0.217328
=
= 0.0425831
(5)
kX k
5.10362
84
3.5
1.79583
1.75416
2.12298
-0.625
1.725
1.03541
0.833172
4.8
6.1
4.64874
4.91208
X = (2, 1, 5)
2.00150
1.0505
5.10362
aproximacin
X X (5)
0.10362
=
= 0.020724
kXk
5
mtodo
de Jacobi
0.
<
= 0.05
En general cuando se aplica el mtodo de Jacobi a un sistema lineal de
tamao
xi =
bi
j=1, i6=j
xi =
y se calcula
n
P
aii
(k)
xi
aii 6= 0
aij xj
para
i = 1, 2, . . . , n. aii 6= 0
(k1)
x1
(k1)
, x2
(k1)
, . . . , xn
se est calculando
85
(k)
(k)
(k)
entonces se reemplazan estos valores en xi
ya que se espera
(k1)
(k1)
(k1)
que sean mejores aproximaciones que x1
, x2
, . . . , xi1 .
Por ejemplo para el sistema lineal anterior
x2 , . . . , xi1
x2 2x3 + 21
6
4x1 x3 + 5
x2 =
8
3x1 4x2 + 48
x3 =
10
6x1 x2 + 2x3 = 21
x1 =
4x1 8x2 + x3 = 5
3x1 + 4x2 + 10x3 = 48
con
(0)
x1
0
(0)
0
= x2 =
(0)
0
x3
X (0)
La primera aproximacin
(0)
(1)
x1
(1)
x2
(1)
x3
X (1)
(0)
x 2x3 + 21
0 2(0) + 21
= 2
=
= 3.5
6
6
(1)
(0)
4x1 x3 + 5
4(3.5) 0 + 5
=
=
= 1.125
8
8
(1)
(1)
3x 4x2 + 48
3(3.5) 4(1.125) + 48
= 1
=
= 5.4
10
10
(1)
x1
3.5
1.125
X (1) = x(1)
=
2
(1)
5.4
x3
(1)
(2)
(1)
x2 2x3 + 21
1.125 2(5.4) + 21
=
= 1.8875
6
6
(2)
(1)
4x1 x3 + 5
4(1.8875) 5.4 + 5
=
=
= 0.99375
8
8
(2)
(2)
3x1 4x2 + 48
3(1.8875) 4(0.99375) + 48
=
= 4.96875
=
10
10
x1 =
(2)
x2
(2)
x3
86
X (2)
(2)
x1
1.8875
0.99375
= x(2)
=
2
(2)
4.96875
x3
X (3)
2.00937
= 1.00077
5.00250
(3)
X X (2)
0.12187
= 0.0243618.
=
kX (3) k
5.00250
La solucin exacta del sistema es
y
X X (3)
0.00937
= 0.001874
=
kX k
5
El mtodo con el que se resolvi el sistema anterior se conoce como el
mtodo de Gauss-Seidel.
nn
se despeja
bi
xi =
xi
en la i-sima ecuacin,
n
P
j=1 j6=i
aii
aij xj
para
87
i = 1, 2, . . . , n,
aii 6= 0
(k)
(k)
a partir de las componentes x1 , x2 , . . . ,
(k1)
(k1)
(valores mas recientes) y xi+1 , . . . , xn
(valores anteriores), luego
y se genera cada
bi
(k)
xi
(k)
xi
i1
P
(k)
aij xj
j=1
n
P
(k)
xi1
(k1)
aij xj
j=i+1
para
aii
i = 1, 2, . . . , n.
X = T X + C,
(K)
de vectores X
en otro sistema
equivalente de la forma
donde
un
calculando
X (K) = T X (K1) + C
Para
k = 1, 2, 3, . . .
X (0)
la aproximacin inicial.
AX = b.
S se puede expresar la
T X + C , entonces se puede
C para k > 1. Esta sucesin
asociado al sistema AX = b.
denir la
se conoce
AX = b, con A invertible.
Para cualquier X (0) Rn , la sucesin X (k) k=0 denida por
X (k) = T X (k1) + C , para k > 1 converge a la solucin nica de AX = b si
y slo si (T ) < 1. (T ) es el radio espectral de la matriz T . [6].
El resultado anterior garantiza la convergencia del mtodo iterativo sin
importar la condicin inicial que se elija. Se debe conocer el sistema equivalente que genera la sucesin. Se estudiara la representacin de los mtodos
de Jacobi y Gauss-Seidel.
A = (aij ) matriz
i, j {1, 2, . . . , n}, dadas
Sea
de orden
n, D = (dij ), U = (uij )
por:
(
aij
dij =
0
si
i=j
en otro caso
88
L = (lij )
con
(
aij
uij =
0
(
aij
lij =
0
Claramente,
si
i<j
en otro caso
si
i>j
en otro caso
se obtiene
AX
(D + L + U )X
DX + (L + U )X
DX
X
X
=b
=b
=b
= b (L + U )X
= D1 (b (L + U )X)
= D1 ((L + U )X) + D1 b
D, L y U denidas
equivalente a AX = b:
AX
(D + L + U )X
(D + L)X + U X
(D + L)1 X
X
X
anteriormente, se
=b
=b
=b
= b UX
= (D + L)1 (b U X)
= (D + L)1 (U X) + (D + L)1 b
L,
Tj
Tg ,
anteponiendo
89
6 0 0
D = 0 8 0 ,
0 0 10
0 0 0
L = 4 0 0 ,
3 4 0
0 1 2
U = 0 0 1
0 0 0
1
0
0 0
6
1
4
0 8 0
Tj =
3
0 0 1
10
1
0 6 1
3
1
Tj = 12 0
8
3
2
0
10
5
0 0 0
0 1 2
4 0 0 0 0 1
3 4 0
0 0 0
1 2
0 1
4 0
1/3
-1/8
0
radio =
0.447015782662384
90
Por lo tanto, para toda condicin inicial, el mtodo de Jacobi converge. Para
el mtodo de Gauss-Seidel Tg = (D + L)1 U
6 0 0
0
Tg = 0 8 0 + 4
0 0 10
3
1
0 0
0 1 2
6
1
1
0 0 1
0
Tg = 12
8
1
1
1
0 0 0
60
20
10
0 0
0 1 2
0 0 0 0 1
4 0
0 0 0
1/6
1/12
1/60
-1/3
-1/24
-1/12
>> radio=max(abs(eig(Tg)))
radio =
57/721
El radio espectral se calculo utilizando el comando format rat que hace que
MATLAB exprese lo resultados en terminos de fracciones, si se desea conocer
el valor del radio se utiliza format long y se obtiene:
>> format long
>> radio=max(abs(eig(Tg)))
radio =
0.079056941504209
asociada al sistema de
Aunque esta condicin parece ser muy restrictiva varios sistemas lineales
poseen esta propiedad.
Por ejemplo, el sistema
6x1 2x2 + x3 = 11
x1 + 2x2 5x3 = 1
2x1 + 7x2 + 2x3 = 5
no tiene una matriz
diagonalmente dominante
6 2 1
2 5
A= 1
2 7
2
Sin embargo, si se reordenan las ecuaciones, resulta un sistema lineal de
modo que la matriz de coecientes es diagonalmente dominante. En este caso
intercambiando las las
6x1 2x2 + x3 = 11
6 2 1
2
A = 2 7
1
2 5
92
Tj
Tg .
A,
un vector
b,
AX = b
x0
y una tolerancia
tol;
Algoritmo 9
(Algoritmo de Jacobi)
Jacobi es un vector x
function x=Jacobi(A,b,x0,tol)
n=length(b);
D=zeros(n);
L=zeros(n);
U=zeros(n);
for i=1:n
D(i,i)=A(i,i);
for j=1:n
if j>i
U(i,j)=-A(i,j);
elseif j<i
L(i,j)=-A(i,j);
end
end
end
Tj=inv(D)*(L+U);
Cj=inv(D)*b;
x=Tj*x0+Cj;
while abs(norm(x)-norm(x0))>tol
x0=x;
x=Tj*x0+Cj;
end
93
1 1.01
0.99 1
x1
x2
=
2.01
1.99
x1 + 1.01x2 = 2.01
0.99x1 + x2 = 1.99
2.01
1.99
1 1.01
r = b A
x=
0.99 1
2.01
2.02
=
1.99
2
0.01
=
0.01
0
2
0.01), la aproximacin X = (0, 2) es muy deciente ya que X X = 1.
satisfacen AX = b y AX
= b (A invertible).
Si suponemos que X y X
en trminos absolutos y relativos? AX = b, AX
= b,
Cunto dieren X y X
= A1b ya que A es invertible. Ahora,
X = A1 b, X
=
A1 b A1b
X X
=
A1 (b b)
A1
(b b)
Luego una medida para la perturbacin sobre
94
(3.2)
es
kA1 k
b b
.
X X
/ kXk,
se usa el
A1
b b
X X
kAXk
1
X X
A
b b
kbk
1
b b
kAk kXk
A
X X
kbk
X X
b b
kAk
A1
kXk
kbk
(3.3)
X X
b b
(A)
kXk
kbk
(3.4)
(A) = kAk
A1
(3.5)
donde:
El nmero
X X
krk
(A)
kXk
kbk
I = AA1 , kIk = kAA1 k, 1 = kAA1 k kAk kA1 k =
(A) 1.
Si A es invertible,
(A).
Luego
A=
1 1.01
0.99
1
=
10000 10100
9900
10000
0.500000000000000
0.333333333333333
0.250000000000000
0.200000000000000
0.166666666666667
0.142857142857143
0.125000000000000
0.333333333333333
0.250000000000000
0.200000000000000
0.166666666666667
0.142857142857143
0.125000000000000
0.111111111111111
0.166666666666667
0.142857142857143
0.125000000000000
0.111111111111111
0.100000000000000
0.090909090909091
0.083333333333333
0.142857142857143
0.125000000000000
0.111111111111111
0.100000000000000
0.090909090909091
0.083333333333333
0.076923076923077
0.250000000000000
0.200000000000000
0.166666666666667
0.142857142857143
0.125000000000000
0.111111111111111
0.100000000000000
Columns 5 through 7
0.200000000000000
0.166666666666667
0.142857142857143
0.125000000000000
0.111111111111111
0.100000000000000
0.090909090909091
>> cond(H)
ans =
4.753673563703924e+008
>> det(H)*det(inv(H))
ans =
1.000000000659643
0.000000000010004
0.000000000112095 0.000000000170530
1.000000000000000 -0.000000000429281 -0.000000000662112
-0.000000000232831 1.000000000000000
0
-0.000000001862645
0
0.999999999534339
-0.000000001862645 -0.000000002793968
0.000000001396984
0.000000003259629
0.000000002793968
0.000000000931323
-0.000000001164153 -0.000000001164153 -0.000000000232831
Columns 5 through 7
0.000000000199634
-0.000000000785803
0
-0.000000001164153
0.999999999534339
0
0
>> inv(inv(H))-H
0.000000000213390
0.000000000216460
-0.000000000829459 -0.000000000844011
-0.000000000232831 -0.000000000116415
0.000000001396984
0.000000000931323
-0.000000000931323
0.000000000465661
1.000000000931323
0.000000000931323
-0.000000000349246 1.000000000116415
ans =
1.0e-009 *
Columns 1 through 4
0.417044176970194
0.309773096063282
0.243009445899389
0.198075555957189
0.166084868080674
0.142322653662319
0.309773096063282
0.231859420551928
0.182352688504750
0.148906637020829
0.125064070211067
0.107339692689834
97
0.243009445899389
0.182352688504750
0.138721201192737
0.109691755678654
0.089554696991456
0.074980521791446
0.198075555957189
0.148906637020829
0.109691755678654
0.083905271619500
0.066400301923508
0.054010421135509
0.124077359497932
0.093719920712942
0.064051625114914
0.142322653662319
0.107339692689834
0.074980521791446
0.054010421135509
0.040173669946242
0.030678654061589
0.023924029424194
0.124077359497932
0.093719920712942
0.064051625114914
0.044915834940262
0.032411018313638
0.023924029424194
0.017956455766743
0.044915834940262
Columns 5 through 7
0.166084868080674
0.125064070211067
0.089554696991456
0.066400301923508
0.050933271489306
0.040173669946242
0.032411018313638
En la matriz
AX = b,
es mal condi-
calcular su inversa, hace que la solucin que se obtiene por mtodos directos
este cargada de error nmerico. En el caso en que el sistema que se desea resolver, tenga asociada una matriz mal condicionada, es recomendable buscar
soluciones mediante mtodos iterativos o por precondicionamiento matricial.
por
ri =
1
max |aij |
16j6n
Por ejemplo si
98
A=
1 108
2
0
,
=
1/2
5 109
108
1 108
2 0
Si se denota como
1/108
1/2
a la matriz
A =
1 108
2 0
=
108 1
1
0
precondicionada entonces
108
1
1
0
0
1
= (1 + 108 )(1 +
y ahora K (A)
1 108
108 ) = 1.00000002. Luego A es una matriz bien condicionada.
Cuando se va a resolver un sistema AX = b, la equilibracin por las se
Observe que
A 1 =
escribe como:
(RA)X = Rb,
donde
R = [Rij ], Rij =
ri ,
0,
i=j
i 6= j
1 108
2 0
x1
x2
=
3
5
1 108
1/108 0
2l 0
0
1/2
{z
}|
{z
}|
|
R
A
8
10
1
1
0
x1
1/108 0
3
=
x2
0
1/2
5
{z } |
{z
} | {z }
x
R
b
8
x1
3/10
=
5/2
x2
99
= b donde
A , este sistema se puede escribir en forma matricial como Ax
b1 = b1 /r1 y b 2 = b2 /r2
como
Se multiplica la columna
por
Cj = 1/
max |aij |
16i6n
Para la matriz
A=
1 108
2 0
1/10
1/2
A=
1 108
2 0
Si se denota como
1 108
2 0
A
a la matriz
A 1 =
y ahora
C2 = 1/108
C1 = 1/2,
=
1/2 1
1 0
0
1
1 1/2
Luego
condicionada.
Si se va ha resolver un sistema
AX = b,
escribe como:
(AC)(C
X) = b,
Cj
donde
C = [Cij ], Cij =
Cj ,
0,
i=j
i 6= j
100
1 108
x1
3
=
2 0
x2
5
|
{z
} | {z } | {z }
A
1 108
1/2
0
2 0
x1
3
=
2 0
0 1/108
0 108
x2
5
|
{z
}|
{z
}|
{z
}| {z } | {z }
x
A
C
b
C 1
1/2 1
2x1
3
=
8
1 0
10 x2
5
El sistema que resulta se puede escribir en forma matricial como
(donde x
1 = 2x1 y x 2 = 108 x2 ).
A X = b
AX = b y se equilibra por
AX = b o A X = b y este se
3.8. Ejercicios
1. Usando eliminacin gaussiana, resuelva el sistema
x + 1/2y + 1/3z = 8
1/2x + 1/3y + 1/4z = 8
1/3x + 1/4y + 1/5z = 7
a)
b)
c)
d)
101
a)
58.9x1 + 0.03x2 = 59.2
6.10x1 + 5.31x2 = 47.0
Solucin real
x1 = 1, x2 = 10
b)
3.03x1 12.1x2 + 14x3 = 119
3.03x1 + 12.1x2 7x3 = 120
6.11x1 14.2x2 + 21x3 = 139
Solucin real
x1 = 0, x2 = 10, x3 = 1/7
bi
Az = b,
donde las
(
4.
a)
aij , zi
3 + i 1 + 2i
3i 2 + i
z1
z2
=
6 + 2i
1i
3
0
1
3
1 1 2
x1
x2
2
3 1
2
3
1 y1
1
0
2
y2
102
6
1
=
2
1
b)
z1
z2 .
x1 x2 + 3x3 = 2
3x1 3x2 +x3 = l
x1 + x2 = 3
b)
a)
4
1 1 0
1
3 1 0
A=
1 1
5 2
0
0
2 4
2 1
0
1
2 1
A=
0 1
2
b)
a)
2x1 x2 = 3
x1 + 2x2 x3 = 3
x2 + 2x3 = 1
b)
4x1 + x2 x3
x1 + 3x2 x3
x1 x2 + 5x3 + 2x4
2x3 + 4x4
8. Demuestre que la matriz
A=
0 1
1 1
103
=7
=8
= 4
=6
no tiene una factorizacin
LU .
9. Determine la factorizacin
LU
de la matriz
1 5
3 16
en la que
LU
de la matriz
6 10 0
12 26 4
0 9 12
en donde
11. Una matriz que es simtrica y denida positiva (SPD) tiene una raz
cuadrada
que es SPD.
De este modo
X 2 = A.
Encuentre
13 10
10 17
A=
LU ,
donde
si
P,
tal que
PA
se pueda factori-
es triangular superior.
1 2 1
0
A= 2 4
0 1 1
13. Obtenga factorizaciones de la forma
A = P t LU
matrices.
a)
0
2
3
1
1 1
0 1
1
b)
1
2 1
1
2
3
2 1
4
104
14.
1 0 1
0 1
1 , Calcule todos los valores de para los cuales
Sea A =
1 1
a ) A es singular
b ) A es estrictamente dominante en sentido diagonal
c ) A es simtrica
15. Para los vectores en los incisos a) y b), evale las normas
1, 2, . Para
p = 1, 2, .
a)
c)
kkp , p =
9 5 9
A = 2 7 5
5 1 8
b)
d)
y = [4, 5, 0, 3, 7]
8 2 1
B = 2 2 1
2 4 3
B 2 , A + B , AB .
A + B?
2 1
1
2
a)
b)
2 1 0
1 2 0
0 0 3
kk2
(cos k)/k ,
k 2 + k k)
105
9x + 4y + z = 17
x 2y 6z = 14
x + 6y = 4
a)
b)
19. Aplique el mtodo de Jacobi para resolver los sistemas lineales, con una
3
(0)
tolerancia o error de 10
en la norma innito. Use x
= 0.
a)
3x1 x2 + x3 = 1
3x1 + 6x2 + 2x3 = 0
3x1 + 3x2 + 7x3 = 4
b)
10x1 x2 = 9
x1 + 10x2 2x3 = 7
2x2 + 10x3 = 6
a)
1
2
1
3
1
3
1
4
b)
1 1 1
0 1 1
0 0 1
c)
4 2 2
2 5 1
2 1 6
106
a)
b)
1
2
1 2+
1
2
1 2+
a ) (AB) (A)(B)
b ) (A) = (A)
( 6= 0)
24. Calcule los nmeros de condicin usando las normas
a)
a+1
a
a
a1
b)
0 1
2 0
a)
1 2
1+ 2
x1
x2
=
3
3+
, para
una pequea
x = (0, 3)t ,
>0
compare la norma
b)
k (A)
qu sucede conforme
se
hace pequea?
c)
x.
Ax = b
(100, 1)t
A1 =
1 1
1 0
A2 =
107
1 1
1 0.01
b =
C1
o el
C2 ,
una compaa
34x + 55y 21 = 0
55x + 89y 34 = 0
El computador
C1
da como solucin
x = 0.11
y = 0.45
y, para
C2
da como solucin
x = 0.99
y = 1.01
y, para
kAk2 = (A)
es simetrica, entonces
kTj k < 1
AX = b utilizando
5
errror de 10
los
a)
4 cuando
aij =
1 cuando
0 en otro caso
j=i
y
j
=
i
+
1
j =i1
j
=i+4
j =i4
108
i = 1, 2, . . . , 16
i = 1, 2, 3, 5, 6, 7, 9, 10, 11, 13, 14, 15
i = 2, 3, 4, 6, 7, 8, 10, 11, 12, 14, 15, 16
i = 1, 2, . . . , 12
i = 5, 6, . . . , 16
y
y
y
y
b)
4
cuando
aij =
1
cuando
0 en otro caso
j= i
y
j =i+1
j =i1
j =i+5
j =i5
i = 1, 2,. . . , 25
1, 2, 3, 4, 6, 7, 8, 9, 11, 12, 13, 14,
y i=
16, 17, 18, 19, 21, 22, 23, 24
2, 3, 4, 5, 7, 8, 9, 10, 12, 13, 14, 15,
y i=
17, 18, 19, 20, 22, 23, 24
y i = 1, 2, . . . , 20
y i = 6, 7 . . . , 25
b = (1, 0, 1, 0, 2, 1, 0, 1, 0, 2, 1, 0, 1, 0, 2, 1, 0, 1, 0, 2, 1, 0, 1, 0, 2)T
c)
2i
i
aij =
j= i
y
j =i+1
j =i1
cuando
cuando
i = 1, 2, . . . , 40
y i = 1, 2, . . . , 39
y i = 2, 3, . . . , 40
en otro caso
bi = 1.5i 6
para cada
i = 1, 2, . . . , 40
d)
aij =
2i
0.75i
cuando
0.5i
cuando
j= i
y
j =i+2
j
=i1
j =i+4
j =i4
cuando
i = 1, 2, . . . , 80
y
i = 1, 2, . . . , 78
y
i = 3, 4, . . . , 80
y
i = 1, 2, . . . , 76
y
i = 5, 6, . . . , 80
en otro caso
bi =
para cada
109
i = 1, 2, . . . , 80
a)
1 0 1
A1 = 1 1 0
1 2 3
b1 = (2, 0, 0)T
Que sucede con la convergencia de los metodos para el sistema
A1 x = b1 ?
Que tiene de especial la matriz
A1 ?
A1 x = b1 ?
b)
8
0
A2 =
0
0
1
0
6
1
0
2
0
0
8
0
3
3 5
0 6
0 7
7 7
4 10
b2 = (0, 0, 0, 0, 2)T
Que sucede con la convergencia de los metodos para el sistema
A2 x = b1 ?
Que tiene de especial la matriz
A2 ?
A2 x = b2 ?
110
Capitulo
n+1
xi
yi
polinomio
f (x)
{x0 , x1 , . . . , xn },
este resultado para aproximar una funcin, es decir, dada una funcin
denida en un intervalo
encontrar un polinomio
Una razn importante por la que se considera un polinomio en la aproximacin de una funcin es porque, adems de ser fcil de evaluar, la derivada y
la integral indenida de un polinomio son fciles de determinar y tambin
son polinomios. Otra razn para emplear polinomios est justicada por el
teorema de Weierstrass, el cual establece que, sobre un intervalo nito cerrado, una funcin continua dada, se puede aproximar tan cerca como se desee
por un polinomio. Cmo hallar el polinomio de interpolacin?
El siguiente teorema muestra una relacin sobre el grado del polinomio y
el nmero de puntos a interpolar. Adems garantiza la unicidad del mismo.
un polinomio de la forma:
(4.1)
algebraicas lineales
P (x).
(4.2)
(4.3)
.
.
.
xnn an + xn1
n an1 + + xn a1 + a0 = yn
de forma matricial
V x = b:
xn0 xn1
x0
0
xn xn1 x1
1
1
.
.
.
n
n1
xn xn
xn
1
a0
y0
1 a1 y 1
.. = ..
. .
an
yn
1
112
(4.4)
ai , i = 0, 1, 2, . . . , n
V =
xn xn1 x0
0
0
xn xn1 x1
1
1
.
.
.
n n1
xn xn
xn
1
1
(4.5)
xi 6= xj
para todo
i 6= j .
Luego el sistema tiene solucin nica y esto muestra que solamente existe un
nico polinomio
tal que
P (xi ) = yi ,
i = 0, 1, 2, . . . , n.
x,y,
p=polyfit(x,y,n),
n,
p del polinomio de grado n que mejor aproxima los
longitud de x menos uno, calcula el polinomio interpolador
es la
de forma directa.
4.2.
Polinomio de Newton
113
n + 1 puntos
tal que
xi 6= xj
es:
(4.6)
ci .
LX = b,
donde
1
0
1 (x1 x0 )
1 (x2 x0 )
0
0
(x2 x0 )(x2 x1 )
0
0
0
b(i) = fi
0
0
0
X(i) = ci .
L=
..
..
..
..
...
.
.
.
.
Qn1
1 (xn x0 ) (xn x0 )(xn x1 ) . . .
i=0 (xn xi )
(4.7)
y con frecuencia esta matriz est mal condicionada y por tal razn los
coecientes
ai
cuando se resuelva el sistema (4.3). El polinomio de Newton y su representacin matricial (4.7) generan una matriz triangular inferior, facl de resolver
por sustitucin progresiva. Se podria pensar que esta matriz no tiene problemas de condicionamiento, pero el siguiente ejemplo muestra que ambos
114
[0, 1].
Su-
y que se varia
n.
n.
a medida que
ci
115
f (x)
f [xi ] = f (xi )
f [xi+1 ] f [xi ]
f [xi , xi+1 ] =
xi+1 xi
f [xi+1 , xi+2 ] f [xi , xi+1 ]
f [xi , xi+1 , xi+2 ] =
xi+2 xi
f [xi+1 , xi+2 , xi+3 ] f [xi , xi+1 , xi+2 ]
f [xi , xi+1 , xi+2 , xi+3 ] =
xi+3 xi
Las diferencias divididas de orden superior se forman de acuerdo con la
siguiente regla recursiva:
f [xi+1 , xi+2 , . . . , xi+j ] f [xi , xi+1 , . . . , xi+j1 ]
f xi , xi+1 , . . . , x(i+j)1 , xi+j =
xi+j xi
Retomando el polinomio interpolante de Newton:
(4.8)
i = 0, 1, 2, . . . , n
entonces
c1 =
y1 y0
x1 x0
c1 = f [x0 , x1 ].
Pn (x) en x = x2
f [x0 , x1 , x2 ].
se obtiene
c2 =
En general
ci = f [x0 , x1 , x2 , . . . , xi ]
y el polinomio interpolante de Newton se puede escribe como:
(4.9)
ci .
x0
x1
x2
x3
Se construyo para
f [x0 ]
f [x1 ]
f [x2 ]
f [x3 ]
f [x0 , x1 ]
f [x1 , x2 ]
f [x2 , x3 ]
puntos
(xi , yi ), i = 0, 1, 2, 3.
f [x0 , x1 , x2 ]
f [x1 , x2 , x3 ]
f [x0 , x1 , x2 , x3 ]
ci
xi
yi
2
3.5
3
4
5
5.6
En este caso x0 = 1, x1 = 2, x2 = 3 y
P3 (x) = f [x0 ] + f [x0 , x1 ](x 1)+f [x0 , x1 , x2 ](x 1)(x 2) +
f [x0 , x1 , x2 , x3 ](x 1)(x 2)(x 3)
yi
4
3.5
4
5.6
0.5
0.5
0.8
0.5
0.1
0.1
Algoritmo 11 (Algoritmo de Polinomio de Newton). El codigo de la siguiente funcin, calcula un vector c, que contiene los coecientes ci del polinomio
de Newton, que interpola una tabla de datos x y y que se ingresan como
vectores la.
function c=Newton_divididas(x,y)
n=length(x);
M=zeros(n);
M(1:end,1)=x';
M(1:end,2)=y';
u=1;
for j=3:n+1
for i=1:n-u
M(i,j)=divididas(M(i+1,j-1),M(i,j-1),M(j+i-2,1),M(i,1));
end
u=u+1;
end
c=M(1,2:end);
La construccin de la funcin auxiliar d=divididas(y0,y1,x0,x1), que calcula f [x0 , x1 ], se deja como ejercicio para el lector.
tal que
Pn (xi ) = yi ,
para
i=
P2 (x) =
(x x1 ) (x x2 )
(x x0 ) (x x2 )
y0 +
y1 +
(x0 x1 ) (x0 x2 )
(x1 x0 ) (x1 x2 )
(x x0 ) (x x1 )
y2
(x2 x0 ) (x2 x1 )
118
P2 (x0 ) =
(x0 x1 ) (x0 x2 )
(x0 x0 ) (x0 x2 )
y0 +
y1 +
(x0 x1 ) (x0 x2 )
(x1 x0 ) (x1 x2 )
(x0 x0 ) (x0 x1 )
y2
(x2 x0 ) (x2 x1 )
Observe que:
P2 (x0 ) = 1 y0 + 0 y1 + 0 y2 = y0 ,
P2 (x1 ) = 0 y0 + 1 y1 + 0 y2 = y1
P2 (x2 ) = 0 y0 + 0 y1 + 1 y2 = y2
El polinomio
P2 (x)
(x x1 ) (x x2 )
(x0 x1 ) (x0 x2 )
(x x0 ) (x x2 )
L1 (x) =
(x1 x0 ) (x1 x2 )
(x x0 ) (x x1 )
L2 (x) =
(x2 x0 ) (x2 x1 )
(
1 si k = i
observe que Lk (xi ) =
0 si k 6= i
La forma general del polinomio de Lagrange P (x) de grado menor o igual
n y que pasa por los n + 1 puntos (x0 , y0 ), (x1 , y1 ), . . . , (xn , yn ) es dado por
L0 (x) =
la ecuacin:
Donde
Lk (x)
Lk (x) =
(x x0 ) (x x1 ) (x xk1 ) (x xk+1 ) (x xn )
(xk x0 ) (xk x1 ) (xk xk1 ) (xk xk+1 ) (xk xn )
Lk (x)
factor (x xk ) en
en x = xk .
un polinomio de grado
n.
En
Lk (x)
est ausente el
(
1
Lk (xi ) =
0
si
si
es
el
i=k
i 6= k
xi
yi
1
4
2
3.5
3
4
5
5.6
L0 (x) =
=
L1 (x) =
=
L2 (x) =
=
L3 (x) =
=
(x x1 )(x x2 )(x x3 )
(x0 x1 )(x0 x2 )(x0 x3 )
x3 10x2 + 31x 30
8
(x x0 )(x x2 )(x x3 )
(x1 x0 )(x1 x2 )(x1 x3 )
x3 9x2 + 23x 15
3
(x x0 )(x x1 )(x x3 )
(x2 x0 )(x2 x1 )(x2 x3 )
x3 8x2 + 17x 10
4
(x x0 )(x x1 )(x x2 )
(x3 x0 )(x3 x1 )(x3 x2 )
x3 6x2 + 11x 6
24
(x 2)(x 3)(x 5)
(1 2)(1 3)(1 5)
(x 1)(x 3)(x 5)
(2 1)(2 3)(2 5)
(x 1)(x 2)(x 5)
(3 1)(3 2)(3 5)
(x 1)(x 2)(x 3)
(5 1)(5 2)(5 3)
Luego
3
x 9x2 + 23x 15
x3 10x2 + 31x 30
4+
3.5
P3 (x) =
8
3
3
3
x 8x2 + 17x 10
x 6x2 + 11x 6
+
4+
5.6
4
24
Vericacin:
P (1) = 0.1 + 1.1 3.1 + 6.1 = 4
P (2) = 0.8 + 4.4 6.2 + 6.1 = 3.5
P (3) = 2.7 + 9.9 9.3 + 6.1 = 4
P (5) = 12.5 + 27.5 15.5 + 6.1 = 5.6
121
f C n+1 [a, b], entonces para cada x en [a, b] existe un nmero z (que depende
de x) en (a, b) tal que
f (x) = Pn (x) +
f (z)(n+1)
(x x0 )(x x1 )(x x2 ) (x xn )
(n + 1)!
Pn (x),
f (x)
por un
f (z)(n+1)
|f (x) Pn (x)| = E =
(x x0 )(x x1 ) (x xn )
(n + 1)!
(4.10)
Observe que la forma del error del polinomio de Lagrange se parece mucho
a la del polinomio de Taylor. El polinomio de Taylor de grado
x0
x0
n alrededor de
de la forma
f (z)(n+1)
(x x0 )n+1
(n + 1)!
donde
esta entre
x0
n+1
trminos
(x x0 ), (x x1 ), . . . , (x xn )
(ver
(4.10)).
Ejemplo 4.3.2. Hallar una cota para el error al aproximar ln(1.2) usando
un polinomio de Lagrange de grado 3 en los puntos:
xi
f (xi )
1
0
1.1
0.0953118
1.3
0.262364
1.4
0.336472
1)(1.2
1.1)(1.2
1.3)(1.2
1.4)
24z 4
1
1
1
Porque
E 6 (0.2)(0.1)(0.1)(0.2)
< 4 =1
4
z4
1
(4.11)
go, toma como valores de entrada,x y y que son los puntos a interpolar y un
nmero b, que representa el nmero de puntos equiespaciados entre el mnimo y el mximo de los valores de x, que se van a evaluar. El cdigo adems
graca el polinomio. La variable de salida es yf, que representa las imgenes
de los puntos evaluados en el polinomio.
function yf=Lagrange(x,y,b)
x1=linspace(min(x),max(x),b);
yf=zeros(1,length(x1));
for i=1:length(x)
p=x;
p(i)=[];
123
y1=[];
for j=1:length(x1)
s=1;
n=1;
for k=1:length(p)
s=s*(x1(j)-p(k));
n=n*(x(i)-p(k));
end
y1(j)=s/n;
end
y1;
plot(x1,y1)
hold on
yf=yf+y(i).*y1;
end
end
plot(x1,yf)
hold on
plot(x,y,'o')
125
N =5
N = 10
N = 15
15
puntos en el intervalo
[2, 2]
se pudo obte2
f (x) = e(x ) .
Este resultado numrico podria hacer pensar que a medida que aumento en
nmero de puntos equiespaciados en el intervalo, el error entre la funcin y
el polinomio tiende a cero.
EN (x)
N .
{Tn+1 (x)}
126
[1, 1].
Estos poli-
127
n=5
n = 15
T0 (x) = 1
n = 30
T( 1)(x) = x
para
i = 2, 3, . . .
y usando la
ecuacin recursiva
1) arc cos(x)). Estos polinomios tienen propiedades muy interesantes, las cuales no se trataran en este texto. La nica propiedad que estudiaremos es la
convergencia a cero que presenta el error entre una funcin y el polinomio
interpolador calculado con los nodos de Chebyshev.
nodos de Chebyshev
xi = cos
(2i + 1)
2n
para
i = 0, 1, . . . , n 1
xi generan una particin de n puntos del intervalo [1, 1]. Puede probarse
0
que si f (x) y f (x) son continuas en [1, 1], los nodos de Chebyshev generan
un polinomio interpolador que converge a f (x) a medida que el nmero de
Los
128
mio interpolador.
Primero se generan los 15 nodos de Chebyshev
>>
>>
>>
>>
n=15;
i=0:n-1;
x=cos(((2*i+1).*pi)./(2*n));
y=1./(1+12*x.^2);
n = 15
[a, b]
xi =
[1, 1].
xk
se encuentran
se utiliza la relacin
ba
2
cos
(2i + 1)
2n
+
a+b
2
129
para
i = 0, 1, . . . , n 1.
n+1
datos
(xi , yi ), 0 6 i 6 n,
cuando se usan polinomios de alto grado . Por ejemplo, supngase que los
puntos de datos son aproximaciones a una recta. Al forzar un polinomio de
alto grado a pasar por varios puntos, la curva producida se puede desviar
signicativamente de la recta. Para aliviar estas condiciones indeseables una
opcin es ir enlazando, una detrs de otra, las grcas de unos polinomios de
Si se usa un polinomio
lineal y presenta
problema que cuando hay que especicar las condiciones referentes a la derivada en los extremos
x0
xn ,
trazador cbico.
[xj , xj+1 ]
tervalo completo
ecuacin
130
00
Sj (x)
S(x) =
S0 (x),
S1 (x),
...
si
x0 x x1
x1 < x x2
si
xj < x xj+1
si
xn1 < x xn
si
Sj (x),
Sn1 (x),
f (x) denida en un
a = x0 < x1 < < xn = b.
funcin
intervalo
[a, b]
ii.
es continuo).
iii.
es continua).
iv.
00
tura es continua).
v.
00
Sj (x), xj 6 x 6 xj+1
f?
es de la forma:
Sj (x) = aj + bj (x xj ) + cj (x xj )2 + dj (x xj )3
para
j = 0, 1, 2, . . . , n 1.
Por la condicin
(4.12)
Sj (xj ) = aj = f (xj ) = yj
Sj+1 (xj+1 ) = aj+1 = yj+1
(4.13)
(4.14)
(4.15)
(4.16)
3dj h2j
La segunda derivada en cada intervalo viene dada por Sj00 (x) = 2cj +6dj (xxj )
y valuando en xj y xj+1
Sj00 (xj ) = 2cj
00
Sj+1
(xj+1 ) = 2cj+1
(4.17)
cj+1 = cj + 3dj hj
cj+1 cj
, si se sustituye dj en la ecuacin
3hj
h2j
3
(4.18)
(4.19)
(4.20)
bj =
(4.21)
(4.22)
aj+1 aj
hj
hj1
aj aj1
(2cj + cj+1 ) =
(2cj1 + cj )
+ (cj1 + cj )hj1
hj
3
hj1
3
(aj aj1 )
(aj+1 aj )
(2cj + cj+1 )hj = 3
(2cj1 + cj )hj1 + 3(cj1 + cj )hj1
3
hj
hj1
(aj+1 aj )
(aj aj1 )
3(cj1 + cj )hj1 (2cj1 + cj )hj1 + (2cj + cj+1 )hj = 3
3
hj
hj1
(aj+1 aj )
(aj aj1 )
hj1 cj1 + 2(hj1 + hj )cj + hj cj+1 = 3
3
hj
hj1
As
hj1 cj1 + 2(hj1 + hj )cj + hj cj+1 = 3
(aj+1 aj )
(aj aj1 )
3
hj
hj1
(4.23)
para j = 1, 2, . . . , n 1
El sistema (4.23) tiene slo como incgnitas a cj , ya que los valores de hj estn
dados por el espaciado de los nodos xj (recuerde que hj = xj+1 xj ) y los valores
de aj son los valores de f en los xj (aj = f (xj ) por la condicin I.)
Si en la ecuacin (4.23) se reemplaza
j = 1, 2, . . . , n 1
se obtiene el
sistema
3
(a2 a1 )
h1
3
h1 c1 + 2(h1 + h2 )c2 + h2 c3 = (a3 a2 )
h2
h0 c0 + 2(h0 + h1 )c1 + h1 c2 =
3
(a1 a0 )
h0
3
(a2 a1 )
h1
.
.
.
natural
Si el trazador es
00
cuenta que Sj (x) = 2cj
entonces
hn1
00
(an an1 )
00
3
hn2
S (x0 ) = 0 = S (xn )
(an1 an2 )
y teniendo en
+ 6dj (x xj )
00
00
cn = 0
AX = b,
donde
1
0
0
0
h0 2(h0 + h1 )
h
0
1
.
0
h1
2(h1 + h2 ) h2
.
A=
..
..
.
.
0
.
..
hn2 2(hn2 + hn1 ) hn1
0
0
0
1
c0
c1
X = ...
cn1
cn
(4.24)
3
3
(a2 a1 ) (a1 a0 )
h1
h0
.
.
b =
.
3
3
c0 , c1 , c2, . . . , cn .
AX = b.
n1
n1
Una vez que se hallan los valores de {cj }j=0 , se encuentran los {bj }j=0
n1
usando la ecuacin (4.22) y los {dj }j=0 usando la ecuacin (4.20). Finalmente
n1
es fcil construir los polinomios cbicos {Sj (x)}j=0 .
Seidel convergen a la solucin de
Ejemplo 4.6.1. Hallar el trazador cbico natural que pasa por los puntos
dados en la tabla de abajo y aproximar f (0).
xj
f (xj )
-3
2
-2
0
1
3
4
1
1
0
0
0
c0
h0 2 (h0 + h1 )
h
0
1
c1
0
h1
2 (h1 + h2 ) h2 c2
0
0
0
1
c3
1
1
0
0
0 0 0
c0
c1
8 3 0
3 12 3 c2
0 0 1
c3
Calculando bj =
0
9
=
5
0
3
h1
3
h2
0
(a2 a1 )
(a3 a2 )
0
3
h0
3
h1
(a1 a0 )
(a2 a1 )
c0 = 0,
c1 =
41
29 ,
c2 = 67
87 ,
hj
aj+1 aj
(2cj + cj+1 )
para j = 0, 1, 2
hj
3
h0
215
a1 a0
(2c0 + c1 )
=
h0
3
87
a2 a1
92
h1
b1 =
=
(2c1 + c2 )
h1
3
87
a3 a2
h2 76
=
(2c2 + c3 )
b2 =
h2
3
87
b0 =
y los dj =
cj+1 cj
para j = 0, 1, 2
3hj
c1 c0 41
=
3h0
87
c2 c1
190
d1 =
=
3h1
783
c3 c2
67
d2 =
=
3h2
783
d0 =
j = 0, 1, 2
S0 (x) = a0 + b0 (x x0 ) + c0 (x x0 )2 + d0 (x x0 )3 =
215
41
2
(x + 3) + (x + 3)3
87
87
136
c3 = 0
215
41
2
(x + 3) + (x + 3)3 ,
3 6 x 6 2
87
87
41
190
92
S(x) = (x + 2) + (x + 2)2
(x + 2)3 , 2 6 x 6 1
87
29
783
Para aproximar f (0) se toma S1 (x), ya que x = 0 esta en el intervalo [2, 1].
190
92
(0 + 2)2
(0 + 2)3
Luego f (0) S1 (0) = (0 + 2) + 41
29
87
783
f (0) 1.6 (redondeando la respuesta a un decimal).
Algoritmo 13
function F=Spline(x,y)
close all
y2=y;
%-----Construccin DE A----------------------n=length(x);
x1(1)=1;
x1(n)=1;
%------Calculo de H------H=[];
for i=1:n-1
H(i)=x(i+1)-x(i);
137
end
%--------------------H;
%------Diagonal Principal----for i=2:n-1
x1(i)=2.*(H(i-1)+H(i));
end
A=diag(x1,0);
%---------Diagonal superior--H1=H;
H1(1)=0;
A=A+diag(H1,1);
%---------Diagonal inferior--H2=H;
H2(end)=0;
A=A+diag(H2,-1);
%---------Construccin DE b--b(1)=0;
b(n)=0;
for i=2:n-1
b(i)=((3/(H(i))*(y(i+1)-y(i))))-((3/(H(i-1))*(y(i)-y(i-1))));
end
b=b'
%Se traspone el vector b para introducirlo en la
%funcin de Jacobi que se trabaj en el capitulo 3
%---------Solucion de Sistema por jacobi----cj=Jacobi(A,b,zeros(length(b),1),0.001);
%-------------Construccin de dj y Cj----------for i=1:n-1
bj(i)=((y(i+1)-y(i))/H(i))-(H(i)/3)*(2*cj(i)+cj(i+1));
dj(i)=(cj(i+1)-cj(i))/3*H(i);
end
%----------------MATRIZ F-------------cj(end)=[];
y(end)=[];
F=[y',bj',cj,dj'];
end
138
xx,
En la ciencia y la ingeniera se da, a menudo, el caso de que un experimento produce un conjunto de datos
las variables. Generalmente se dispone de un conjunto de variables previamente establecidas, y lo que hay que hallar son los valores ms adecuados de
unos coecientes o de unos parmetros para estas frmulas. Aunque existen
muchas funciones que se pueden usar, suele ocurrir que existe un modelo
matemtico subyacente, basado en la situacin fsica que se est estudiando
y determina la forma de la funcin salvo algunos coecientes.
Si la relacin entre
xi
yi
para
1 6 i 6 n,
es
y = ax + b
139
(xN , yN )
(xi , yi )
(xi , axi + b)
(x1 , y1 )
x
x1
x2
xi
xN 1
xN
Figura 4.10
yi
y(xi ) = axi + b
n
X
en la lnea de aproximacin.
(4.25)
i=1
La expresion (4.25) se puede considerar una funcin de dos variables en
b
F (a, b) =
n
X
i=1
a la que se le quiere hallar un mnimo. Para que ocurra un mnimo es
necesario que las derivadas parciales
F
a
140
F
b
xi
yi
n
F
P
=0
2(yi axi b)(xi ) = 0
a
i=1
n
F
P
=0
2(yi axi b)(1) = 0
b
i=1
Al dividir entre 2 cada una de estas ecuaciones y desarrollar las sumatorias
se obtienen las llamadas ecuaciones normales.
n
P
x2i + b
n
P
xi =
i=1
i=1
n
P
xi yi
i=1
(4.26)
n
P
n
P
xi + bn =
i=1
yi
i=1
La solucin del sistema (4.26), de dos ecuaciones con dos incgnitas es:
n
n
P
n
P
n
P
xi y i
xi
yi
i=1
i=1
,
n n 2
P 2
P
n
xi
xi
i=1
a=
i=1
i=1
(4.27)
b=
n
P
x2i
i=1
n
P
n
P
xi y i
i=1
n n 2
P 2
P
n
xi
xi
yi
i=1
i=1
n
P
xi
i=1
i=1
Por lo tanto la recta que mejor se ajusta a los datos (xi ,yi ),
relacionados en forma lineal es
y = ax + b
con
Pm (x)
16i6n
de grado
y = Beax
o bien
141
(4.28)
y = Bxa
B.
(4.29)
y = Beax
ln y = ln (Beax )
ln y = ln B + ln eax
ln y = ax + ln B
(4.30)
y = Bxa
ln y = ln (Bxa )
ln y = ln B + ln xa
ln y = a ln x + ln B
(4.31)
ln y,
yi
por
5.1
8.8
Para este caso se tienen tres datos, luego n = 3. Se construye una tabla con los datos que se necesitan en las frmulas (4.27). Las ltimas dos
columnas son los errores al cuadrado para los modelos lineal y exponencial.
Para el modelo lineal:
3
a=
3
P
xi yi
i=1
3
P
i=1
3
P
xi
i=1
x2i
3
P
3
P
i=1
yi
2 =
xi
3 (48.4) 7 (16.9)
= 1.92143
3 (21) (7)2
i=1
142
xi yi
xiyi ln yi
xi ln yi (yi axi
b)2
3
1.0986 1.0986 5.1022
10.2 1.6292 3.2584 103
35.2 2.1748 8.6992 0.11479
101
1.2759
103
1 3
1
2 5.1 4
4 8.8 16
3
P
b=
x2i
i=1
3
P
yi
3
P
i=1
i=1
3
P
x2i
i=1
3
P
xi yi
3
P
xi
i=1
2
xi
(yi Beaxi )2
0.52558
101
0.28485
0.10911
0.446518
i=1
y = ax + b
y = 1.92143x + 1.15
3
P
3
3
P
P
xi ln yi
xi ln yi
7 (13.0562) 7 (4.9026)
i=1
i=1
i=1
= 0.34645
=
2
2
3
3
P
P
3
(21)
(7)
3
x2i
xi
i=1
3
P
ln B =
i=1
x2i
i=1
3
P
ln yi
i=1
3
P
i=1
3
P
xi ln yi
i=1
x2i
3
P
3
P
i=1
2
xi
=
xi
i=1
ln B = 0.8258,
B = e0.8258 2.28371
y = Beax
y = 2.28371e0.34645x
143
= 0.8258
Para los datos de este ejercicio, aproxima mejor el modelo lineal, porque
la suma de los errores al cuadrado en el lineal, es menor que la suma de los
errores al cuadrado que en el modelo exponencial (vase la tabla anterior).
Algoritmo 14
4.8. Ejercicios
1. Encuentre un polinomio que tome los siguientes valores:
x
y
-4
x
f (x)
-2
-1
144
a+bx+cx2
con el n de vericar
x 9x = 0
funcin en el lado izquierdo de la ecuacin. Igualando a cero el polinomio de interpolacin y resolviendo dicha ecuacin, encuentre una
solucin aproximada de la ecuacin.
4. La tabla
x
f (x)
0.1
f (x) = sen(5x),
cuya magnitud
nunca excede a 1.
a)
b)
Demuestre que
quier valor
c)
p(0.5) = 25/9,
tabulado de f (x).
p(x)
5. Si se interpola la funcin
utilizando 13 nodos en
|f (x) p(x)|
en
[1, 1]?
f (x),
sean
x0 = 0, x1 = 0.6
x2 = 0.9.
f (0.45),
a ) f (x) = cos x
b ) f (x) = ln(x + 1)
7. Calcule la cota de error en las aproximaciones del ejercicio 6.
f (x) = x x2 y P2 (x) el
x1 , y x2 = 1 Calcule el valor ms
f (0.5) P2 (0.5) = 0.25.
8. Sean
145
polinomio interpolante en
grande de
x1
en
(0, 1)
x0 = 0 ,
para el cual
x
f(x)
10. El polinomio
63
11
28
interpola
x
y
-1
-7
10
Aada un trmino a
la tabla entera.
11. a)
Aproxime
f (0.05)
x
f
0.0
0.2
0.4
0.6
0.8
1.00000
1.22140
1.49182
1.82212
2.22554
(x)
b)
x0 = 0.0
f (0.65).
f [x0 ]
f [x0 , x1 ]
x1
0.04
= f [x1 ]
f [x0 , x1 , x2 ]
f [x1 , x2 ]
10
x2 = 0.7
50
7
f [x2 ] =
6
146
P (x)
de grado desco-
-1
x2
en
P (x)
Pn (x2 )
x
y
10
1 + x x ,
f (x) = 1 2 (x 1) 3 (x 1)2 + 4 (x 1)3
4 (x 2) + 9 (x 2)2 3 (x 2)3
x [0, 1]
x [1, 2]
x [2, 3] .
2 (x 1) + (x 1)
f (x) = 3 + 5x + 3x2
11 + 11 (x 1) + 3 (x 1)2 (x 1)3
17. Qu valor de
x [1, 0]
x [0, 1]
x [1, 2].
x (, 3]
1 2x
2
3
S (x) = a + bx + cx + dx x [3, 4]
157 32x
x [4, +]
147
[3, 4].
cbico?
de
est denido en
[1, 3]
f (0) = 0,
por
(
s0 (x) = 3 (x 1) + 2 (x 1)2 (x 1)3 ,
1 6 x < 2,
S (x) =
2
3
s1 (x) = a + b (x 2) + c (x 2) + d (x 2) , 2 6 x 6 3.
Dadas
f 0 (1) = f 0 (3),
encuentre
a, b , c ,
d.
[0, 1]
f (x)
en
x = 0,
f (x) = ex
por me-
ex dx = 1 1/e.
0
Mediante las derivadas del trazador aproxime
pare las aproximaciones con los valores reales.
148
f 0 (0.5)
f 00 (0.5)
y com-
xi
yi
-2
-1
i=1
24. Determine la parbola ptima en el sentido de los mnimos cuadrados
2
de la forma y = ax + bx + c para los siguientes datos.
xi
yi
-2
-1
-5.8
1.1
3.8
3.3
-1.5
149
25. La siguiente tabla muestra cambios de variable para linealizar datos.
Justique cada cambio.
Funcin
Linealizacin
y=f(x)
Y = AX + B
y=
A
+B
x
D
x+C
1
y=
Ax + B
x
y=
Ax + B
y = AIn (x) + B
y=
y = CeAx
y = CxA
y = (Ax + B)2
y = CxeDx
y=
L
1 + CeAx
Cambios
1
y =A +B
x
1
X = ,Y = y
x
X = xy, Y = y
1
D
1
B
y=
(xy) +
C=
,D =
C
C
A
A
1
1
= Ax + B
X = x, Y =
y
y
1
1
1
1
=A +B
X = ,Y =
y
x
x
y
y = AIn (x) + B
X = In(x), Y = y
X = x, Y = In(y)
In(y) = Ax + In(C)
C = eB
X = In(x), Y = In(y)
In(y) = AIn(x) + In(C)
C = eB
1/2
y
=!Ax + B
X = x, Y = y 1/2 !
y
y
In
= Dx + In(C)
X = x, Y = In
x
x
B
C = e , D = A
!
!
L
L
In
1 = Ax + In(C) X = x, Y = In
1
y
y
C = B
(Mathews, p. 292)
26. Para el conjunto de datos que se muestra al nal del enunciado, determine la curva de cada familia que mejor se les ajusta en el sentido de
los mnimos cuadrados.
a)
y = CeAx
b)
y = CxA
c)
E=
n
P
e2i
i=1
minar cul de las dos curvas se les ajusta mejor.
150
para deter-
yi
0.6
1.9
4.3
7.6
12.6
27. Para el conjunto de datos que se muestra al nal del enunciado, determine la curva de cada familia que mejor se les ajusta en el sentido de
los mnimos cuadrados.
a)
y = CeAx
b)
y = 1/(Ax + B)
c)
y = (Ax + B)2 .
d)
xi
yi
-1
6.62
3.94
2.17
1.35
0.89
L,
t
P (t)
P (t) es una
P (t) = L/(1 + CeAt ).
la grca de la funcin
logstica, de ecuacin
Calcule
P (t)
200
400
650
850
950
151
L = 100.
152
Capitulo
f 0 (c)
f (x)dx.
o una integral
f (x)
en un intervalo
[a, b]
f (x)dx.
es decir
E,
donde
f (x) =
es el error en la aproximacin
(x b)
(x a)
f 00 (z)
f (a) +
f (b) +
(x a)(x b),
ab
ba
2
a<z<b
ahora,
Zb
Zb
f (x)dx =
Zb 00
(x a)
f (z)
(x b)
f (a) +
f (b) dx +
(x a) (x b)dx
ab
ba
2
a
#b
b
(x b)2
(x a)2
f 00 (z) x3 (b + a) 2
=
f (a) +
f (b) +
x + abx
2 (a b)
2 (b a)
2
3
2
a
a
(a b)
(b a)
f (b)
f (a) 0 +
= 0+
2
2
a3 (b + a) 2
f 00 (z) b3 (b + a) 2
2
2
b + ab
+
a a b
2
3
2
3
2
"
#
(b a)
f 00 (z)
(b a)3
=
[f (b) + f (a)] +
2
2
6
"
Zb
(b a)
f (x)dx
[f (b) + f (a)],
2
00
f (z)
3
E=
(b a)
12
a<z<b
Zb
si
h = b a,
entonces
h3
h
00
f (x)dx [f (b) + f (a)], E = f(z)
12
2
a
La expresin que aproxima el valor de la integral se conoce como
regla
P1 (x)
y la
2.
f (x).
la gura 5.2.
154
f
P1
x
a = x0
x1 = b
Considrese la funcin
f (x)
en el intervalo
[a, b]
x0 = a, x1 = x0 + h,
ba
. Con los puntos (x0 , f (x0 )), (x1 , f (x1 )) y (x2 , f (x2 ))
2
polinomio de Lagrange de grado 2,
x2 = b, donde h =
se construye el
P2 (x) =
ahora
R x2
x0
(x x1 ) (x x2 )
(x x0 ) (x x2 )
f (x0 ) +
f (x1 )+
(x0 x1 ) (x0 x2 )
(x1 x0 ) (x1 x2 )
(x x0 ) (x x1 )
f (x2 )
(x2 x0 ) (x2 x1 )
f (x)dx
R x2
x0
f
P2
x
a = x0
x1
x2 = b
Zx2
x0
"
#
f (x0 )
(x x1 ) (x x2 )2 (x x2 )3
P2 (x) dx =
(x0 x1 ) (x0 x2 )
2
6
"
#
f (x1 )
(x x2 )2 (x x2 )3
+
(x x0 )
(x1 x0 ) (x1 x2 )
2
6
"
#x2
f (x2 )
(x x1 )2 (x x1 )3
+
(x x0 )
(x2 x0 ) (x2 x1 )
2
6
x0
156
#
(x0 x1 ) (x0 x2 )2
(x0 x2 )3
= f (x0 )
+
2 (x0 x1 ) (x0 x2 ) 6 (x0 x1 ) (x0 x2 )
"
#
(x0 x2 )3
+ f (x1 )
6 (x1 x0 ) (x1 x2 )
#
"
(x2 x0 ) (x2 x1 )2
(x2 x1 )3
(x0 x1 )3
+ f (x2 )
+
2 (x2 x0 ) (x2 x1 ) 6 (x2 x0 ) (x2 x1 ) 6 (x2 x0 ) (x2 x1 )
"
#
(x0 x2 )
(x0 x2 )2
= f (x0 )
+
2
6 (x0 x1 )
"
#
(x0 x2 )3
+ f (x1 )
+
6(x1 x0 ) (x1 x2 )
"
#
(x2 x1 )
(x2 x1 )2
(x0 x1 )3
f (x2 )
+
2
6 (x2 x0 ) 6 (x2 x0 ) (x2 x1 )
reemplazando
x1 = x0 + h, x2 = x0 + 2h:
Zx2
h
4
h
P2 (x)dx = f (x0 ) + f (x1 ) h + f (x2 )
3
3
3
x0
Zx2
Luego,
h
P2 (x)dx = [f (x0 ) + 4f (x1 ) + f (x2 )]
3
Por lo tanto,
x0
Zx2
h
f (x)dx [f (x0 ) + 4f (x1 ) + f (x2 )],
3
h=
ba
2
(5.1)
x0
Esta expresin se conoce como Regla de Simpson.
El error en la aproximacin es
h5
E = f (z)(4) ,
90
Z2
x0 < z < x2
3
dx usando:
4x
(5.2)
b) La regla de Simpson.
Encuentre tambin una cota para el error en cada aproximacin.
a) Para la regla del trapecio.
Zb
f (x)dx
(b a)
(f (a) + f (b)),
2
entonces
Z2
3
(2 0)
dx
4x
2
3 3
+
4 2
= 2.25
0
Cota para el error:
00
f (z)
3
3
(b a) , a < z < b f (x) =
E=
12
4x
6
3
E =
(2
0)
, 0 < z < 2
12(4 z)3
1
1
E 6 0.5
porque
6 3,0 < z < 2
(4 z)3
2
00
f(x) =
0.5
(4 x)3
h
[f (x0 ) + 4f (x1 ) + f (x2 )],
3
x0
h=
ba
= 1,
2
Z2
a = x0 = 0,
b = x2 = 2
x1 = x 0 + h = 1
3
1 3
3 3
dx
+4 +
2.0833
4x
3 4
3 2
0
Cota para el error:
5
h (4)
3
E = f(z) , x0 < z < x2 f (x) =
90
4x
5
1
72
E =
0<z<2
90 (4 z)5
158
(4)
f(x) =
72
(4 x)5
1
1
E 6 0.025
porque
6 5,
0<z<2
(4 z)5
2
Z2
3
dx = 3 ln |4 x||20
El valor real de la integral es
4x
0
2.07944
f (x) = mx + c ya
que el trmino de error contiene f (z) y en este caso f (x) = 0 y el error sera
La regla del trapecio es exacta para funciones lineales
00
00
cero. Por otro lado, la regla de Simpson es exacta para funciones polinmicas
(4)
de grado menor o igual a 3, ya que el error contiene f(z) y la cuarta derivada
de un polinomio de grado menor o igual que 3 es cero.
en un intervalo
[a, b],
[a, b]
en varios
Rb
a
ba
y luego se aplica la regla
n
del trapecio en cada subintervalo (gura 5.3) Generando los puntos xi =
[a, b]
en
a + i h = x0 + i h
con
Zb
a
i = 0, 1, 2, . . . , n
Zx2
Zx1
f (x)dx =
Zb
f (x)dx + +
f (x)dx +
a
h=
x1
f (x)dx
xn1
Cada una de las integrales del lado derecho se puede aproximar usando
159
Zb
f (x)dx
h
h
h
[f (a) + f (x1 )] + [f (x1 ) + f (x2 )] + + [f (xn1 ) + f (b)]
2
2
2
Zb
a
"
#
n1
X
h
f (x)dx
f (a) + f (b) + 2
f (xi )
2
i=1
h=
ba
,
n
xi = a + ih,
i = 1, 2, . . . , n
n
h3 00
h3 00
h3 00
h3 X 00
E = f (z1 ) f (z2 ) f (zn ) =
f (zi )
12
12
12
12 i=1
160
(5.3)
x1 < z2 < x2 ,
xi1 < zi < xi
Si la segunda derivada de
...
para
es
00
del valor extremo f tiene un valor mximo y un valor mnimo en [a, b], y
se cumple m
n{f 00 (x)} 6 f 00 (z) 6 max{f 00 (x)} para x [a, b], y para cada
subintervalo
para
z1 [x0 , x1 ]
para
z1 [xn1 , xn ]
.
.
.
n(min{f 00 (x)}) 6
mn{f 00 (x)} 6
n
X
i=1
n
X
1
f 00 (zi ) 6 max{f 00 (x)}
n i=1
(a, b)
1 X 00
f () =
f (zi ),
n i=1
00
luego
00
nf () =
tal que
n
X
f 00 (zi ).
i=1
E=
como
que:
h=
n
h3 X
h3
f 00 (zi ) = n(f 00 ()),
12 i=1
12
a<<b
ba
ba
, n =
y reemplazando este valor en
n
h
(b a)
2 00
E=
h f (),
a<<b
12
161
el error, se tiene
(5.4)
Rb
f (x)dx
a
luego se divide el intervalo [a, b] en
par,
Cada una de las integrales del lado derecho se puede aproximar usando
la regla de simpson.
162
Zb
f (x)dx
h
h
[f (x0 ) + 4f (x1 ) + f (x2 )] + [f (x2 ) + 4f (x3 ) + f (x4 )] +
3
3
+
Zb
f (x)dx
h
[f (xn2 ) + 4f (xn1 ) + f (xn )]
3
h
[f (x0 ) + f (xn ) + 2f (x2 ) + 2f (x4 ) +
3
Zb
f (x)dx
a
n
1
2
n
2
X
X
h
f (x0 ) + f (xn ) + 2
f (x2i ) + 4
f (x2i1 )
3
i=1
i=1
(5.5)
x0 < z1 < x2 , x2 < z2 < x4 , xn2 < z n2 < xn , x2i2 < zi < x2i
n
para i = 1, 2, 3, . . . ,
2
Si la cuarta derivada de f en [a, b] es continua, entonces por el teorema
(4)
del valor extremo f
tiene un valor mximo y un valor mnimo en [a, b].
Con un procedimiento analogo al expuesto en el error de la regla compuesta del trapecio se muestra que:
n
2
X
n
n
(4)
mn{f (x)} 6
f (4) (zi ) 6 (max{f (4) (x)})
2
2
i=1
x [a, b]
mn{f
(4)
2
2X
(x)} 6
f (4) (zi ) 6 max{f (4) (x)}
n i=1
f (4) () =
(a, b)
n
2
2 X (4)
f (zi ),
n i=1
tal que:
X
n (4)
f () =
f (4) (zi ).
2
i=1
163
h5 n (4)
ba
f (),
a < < b,
como n =
90 2
h
5
4
h (b a) (4)
h
E=
f () =
(b a)f (4) ()
90 2h
180
E=
4
h
(4)
E=
(b a)f (),
180
Z2
3
4x
a<<b
(5.6)
Z2
a=0
b=2
n=4
h=
ba
n
h=
2
= 0.5
4
"
#
"
#
n1
3
X
X
h
h
f (x)dx
f (a) + f (b) + 2
f (xi ) =
f (a) + f (b) + 2
f (xi )
2
2
i=1
i=1
3
0.5 3 3
3
3
3
dx
+ +2
+ +
4x
2 4 2
3.5 3 2.5
Z2
3
dx 2.091
4x
Z2
3
dx con un error no mayor de 104 usando la regla compuesta
4x
de Simpson.
4
h
(4)
E=
(b a)f (), a < < b.
180
4
2
72
E = n (2 0)
,
5
180
(4 )
E6
2
,
5n4
a=0
b=2
ba
h=
n
0<<2
f (x) =
h=
3
4x
2
n
f (4) (x) =
72
(4 x)5
2 2
= = 0.25.
n 8
de la integral
denida
Zb
I=
f (x)dx
a
no
165
denida en (5.1).
a+b
ba
y h =
entonces, la regla de Simpson calculada entre
2
2
se denotara por S(a, b).
sea
c=
S(a, b) =
h
(f (a) + 4f (c) + f (b))
3
Zb
f (x)dx = S(a, b)
h5 (4)
f (z)
90
(5.7)
a
Tomando n = 4 en la formula de Simpson compuesta dada en (5.5), se
Rb
tiene que
f (x)dx es igual a:
a
h
2
h
3h
ba
f (a) + 2f (a + h) + 4 f a +
+f a+
+ f (b)
h4 f (4) (z1 )
3
2
2
180
h
h
4
h
3h
h h (4)
2
2
=
f (z1 )
f (a) + 4f a +
+ f (a + h) +
f (a + h) + 4f a +
+ f (b)
3
2
3
2
90 16
=
As
Zb
f (x)dx = S(a, c) + S(c, b)
1
16
h5 (4)
f (z1 )
90
(5.8)
a
Haciendo
z = z1
5
h5 (4)
1 h (4)
S(a, b) f (z) = S(a, c) + S(c, b)
f (z)
90
16 90
5
1 h (4)
1 5 (4)
S(a, b) S(a, c) S(c, b) = h f (z)
f (z)
90
16 90
5
15 h (4)
S(a, b) S(a, c) S(c, b) =
f (z)
16 90
de donde
h5 (4)
f (z) =
90
16
15
(S(a, b) S(a, c) S(c, b))
166
(5.9)
Zb
f (x)dx = S(a, c) + S(c, b)
1
16
16
15
(S(a, b) S(a, c) S(c, b))
b
Z
f (x)dx S(a, c) S(c, b) = 1 |S(a, b) S(a, c) S(c, b)|
15
a
por lo tanto, si
para algn
> 0,
1
15
|S(a, b) S(a, c) S(c, b)| <
se garantiza que
b
Z
f (x)dx S(a, c) S(c, b) <
a
de esta forma
tiene como valores en entrada: a, b que son las cordenadas donde se desea
aproximar la integral de la funcin F(x) y la tolerancia tol. La variable de
salida es A y representa la aproximacin del area.
function A=quadratura(a,b,tol)
x=linspace(a,b,1000);
y=F(x);
plot(x,y)
grid on
hold on
axis([a,b,0,max(y)])
t=15*tol;
parar=0;
A=0;
in=a;
fi=b;
167
end
h=(b-a)/2;
k=1;
int=1;
while parar<(b-a)
x1=[in,(in+fi)/2,fi];
x2=[in,(in+x1(2))/2,x1(2)];
x3=[x1(2),(x1(2)+fi)/2,fi];
c=abs(simpson(x1)-simpson(x2)-simpson(x3));
if c>t
in=x1(1);
fi=x1(2);
h=h/2;
int=1;
else
A=A+simpson(x2)+simpson(x3);
y1=F(x1);
plot(x1,y1,'.r')
H(k)=2*h;
k=k+1;
parar=parar+x1(3)-x1(1);
in=x3(3);
if int==0
h=h*2;
end
fi=x3(3)+2*h;
int=0;
end
end
en el intervalo [0.1, 2]
con una tolerancia
R = .001. Utilice el Algoritmo anterior para calcular una
aproximacin de ab f (x)dx y modique el algoritmo para que calcule la graca
de la funcin y los intervalos generados por el mtodo adaptativo.
Se generan los subintervalos:
[0.1, 0.1297], [0.1297, 0.1594], [0.1594, 0.2187], [0.2187, 0.3375], [0.3375, 0.575],
[0.575, 1.05], [1.05, 2]. En cada subintervalo se calcula el metodo de Simpson
y luego se suman los resultados. El area aproximada es: A = 1.0321.
168
1
x
Eje Y
Eje X
Figura 5.5:
f (x) = sin2 ( x1 )
un intervalo
[a, b]
en el intervalo
[0.1, 2]
A = quad('F',a,b,tol),
= .001
A,
>> A = quad('F',.1,2,0.001)
A =
1.0315
f (x0 + h) f (x0 )
x0
h
f 0 (x0 ) = lm
169
en
x0
como
(5.10)
sucien-
f 0 (x0 )
f (x0 + h) f (x0 )
h
f (x) = ax + b,
(5.11)
distinto de cero.
A continuacin se hace una estimacin del error asociado a la aproximacin dada por (5.11) usando el teorema de Taylor con un polinomio de grado
1.
f (x) = f (x0 )+f 0 (x0 )(xx0 )+
si
x = x0 + h, x x0 = h,
f 00 (z)
(xx0 )2 ,
2
f 00 (z) 2
h,
f (x0 + h) = f (x0 ) + f (x0 )h +
2
f 0 (x0 ) =
f 0 (x0 )
(5.12)
si se despeja
x0 < z < x
x0 < z < x0 + h
entonces:
h,
h
2
x0 < z < x0 + h
(5.13)
f (x0 + h) f (x0 )
f (x0 )
h
0
00
f (z)
E =
h:
2
error
o error?
170
f (x) = sen x
x0 = 4 , h = 0.01
sen 4 + 0.01 sen 4
f (x0 + h) f (x0 )
f (x0 )
=
= 0.703559491
h
0.01
f 0 (x) = cos x
f 00 (x) = sen x
00
0.01
f (z) sen z
E=
h =
(0.01) 6
= 0.005 (Porque |sen z| 6 1)
2
2
2
0
< z < 4 + 0.01, de modo que | sen z| < 0.714142376 y la cota sera
4
0.714142376
sen z
(0.01) <
(0.01) = 0.003570712
E=
2
2
Se puede obtener otra frmula para aproximar la derivada usando la ecuacin (5.12),
x = x0 h, x x0 = h,
reemplazando el valor de
f (x0 )
f 00 (z)
(x x0 )2
2
f 00 (z) 2
h,
2
se tiene:
x0 h < z < x0 ,
resulta:
lante
(5.14)
171
diferencia hacia atrs, ambas frmulas presentan el mismo error. Se puede obtener otra frmula para aproximar la derivada con un error que involucre
h2 usando un polinomio Taylor de grado 2 as:
Si se reemplaza
f 00 (x0 )
f 000 (z)
(x x0 )2 +
(x x0 )3
2
6
x = x0 h
(5.15)
en (5.15) resulta:
x0 < z1 < x0 + h
x0 h < z2 < x0
1
f (x0 + h) f (x0 h) = 2f 0 (x0 )h + h3 (f 000 (z1 ) + f 000 (z 2 )),
6
x0 h < z2 < x0 < z1 < x0 + h.
Ahora se despeja
f (x0 )
y se obtiene:
f
(x
h)
0
0
x0 h < z < x0 + h
f 0 (x0 )
E=
h2 ,
2h
6
La anterior frmula para aproximar la derivada de f se la conoce como dif 0 (x0 ) =
ferencia centrada.
f 0 (x0 ) =
1 Si
000
000
es continua en
000
[x0 h, x0 + h],
dado que
x0 h < z < x0 + h
000
000
se encuentra
f (z1 ) y f (z2 ), el teorema del valor intermedio garantiza que existe un numero z
000
000
000
entre z2 y z1 y por lo tanto en (x0 h, x0 + h) que satisface f (z) = 1/2[f (z1 ) + f (z2 )].
entre
172
h)/2h,
y el error en la
f (x + h) f (x h) en el numerador
evaluar f (x + h) y f (x h) se encuentra
e(x0 + h)
e(x0 h)
calculados en la mquina
f (x + h)
f (x h)
f 0 (x0 )
e(x0 + h) e(x0 h)
f (x0 + h) f (x0 h)
=
2h
2h
|
{z
}
error por redondeo
h2 000
f (z)
|6 {z }
Como se puede apreciar, tiene una parte debida al error del redondeo y otra
al error de truncamiento. Si se supone que los errores de redondeo
estn acotados por algn nmero
acotada por
M > 0,
> 0
y la tercera derivada
e(x0 h)
de f esta
entonces:
2
h 000 h2
e(x0 + h) e(x0 h) 2
6
2h = h y 6 f (z) 6 6 M
2h
h2
f
(x
+
h)
f
(x
h)
0
0
0
por lo tanto f (x0 )
6 + M.
h
2h
6
Si la cota para el error se denota con e(h), entonces:
e(h) =
h2
+ M
h
6
173
h2 000
f (z)
6
se escogera un valor
redondeo
3 3
h=
(Ver ejercicio 5 de este captulo).
M
Como los valores de f se dan normalmente con t cifras decimales se puede
t
suponer que el error de redondeo est acotado por = 0.5 x 10 .
En la prctica no es posible calcular un valor ptimo h ya que slo se
conocen algunos valores de f y no se conoce la tercera derivada. Lo que se
debe tener presente es que con la reduccin de h no siempre se mejora la
aproximacin.
5.3. Ejercicios
1. Use las frmulas de diferencia progresiva y de diferencia regresiva para
determinar las aproximaciones con que se completarn las siguientes
tablas.
a) x
f (x)
(x)
b) x
f (x)
0.5
0.4794
0.0
0.00000
0.6
0.5646
0.2
0.74140
0.7
0.6442
0.4
1.3718
(x)
a ) f (x) = sen x
b ) f (x) = ex 2x2 + 3x 1
0
3. Use los datos del ejercicio 1 a) y aproxime f (0.6) y con los datos del
0
ejercicio 1 b) aproxime f (0.2) usando la frmula de diferencia centradas. Obtenga las cotas de error por medio de la frmula de error.
4. Analice los errores de redondeo, para la frmula
f (x0 + h) f (x0 ) h 00
f (z)
h
2
ptimo de h en funcin de M, una cota
f 0 (x0 ) =
Encuentre el valor
(x0 , x0 + h)
174
para
f 00
en
e (h) =
h2
+ M
h
6
Donde
que
6. El voltaje
tabla siguiente.
I(t)
1.0
8.2277
1.1
7.2428
1.2
5.9908
1.3
4.5260
1.4
2.9122
a)
Determine
I 0 (1.2)
b)
7. Demuestre que
f 0 (x0 )
f 0 (x0 )
y que el
f(x 0 h).
Calcule
175
8. La derivada parcial
teniendo
obtiene
fx (x, y)
f (x+h,y)f (xh,y)
2h
fy (x, y)
f (x,y+h)f (x,yh)
2h
(i)
a)
b)
Sea
aproximaciones a
Z1.5
a)
x2 In x dx
1
/4
b)
e3x sen 2x dx
0
10. Obtenga una cota del error en el ejercicio 9 aplicando la frmula de
error y comprela con el error real.
11. Repita el ejercicio 9 aplicando la regla de Simpson.
12. Repita el ejercicio 10 usando la regla de Simpson y los resultados del
ejercicio 11
13. La regla del trapecio aplicada a
R2
f (x) dx da el
f (1)?
0
Simpson da el valor 2. Cul es el valor de
valor 4 y la regla de
14. Aplique la regla compuesta del trapecio con los valores indicados de
para aproximar las siguientes integrales.
176
a)
b
R2
2
dx, n = 6
0 x2 +4
R5 1
)
dx, n = 8
3
x2 4
Z2
e2x sen 3x dx
0
Con una exactitud de
a)
b)
104 .
a)
b)
105
R2
1
dx
0 x+4
y calcule la aproximacin.
6
18. Determine con una exactitud de 10 , la longitud de la grca de la
2
2
elipse de ecuacin 4x + 9y = 36.
177
178
Capitulo
y(t)
del problema de
valor inicial.
dy
= f (t, y),
dt
y(a) =
a6t6b
Al calcular soluciones numricas de ecuaciones diferenciales no se espera hallar una aproximacin continua a la solucin del problema de valor inicial,
si no aproximaciones en algunos puntos especcos. Si se requieren valores
intermedios se puede usar interpolacin de Lagrange, ajuste de curvas, etc.
179
h=
ba
n
ti = a + ih,
por
ti+1 , x0
por
Taylor de
i = 0,1,2 . . . , n 1.
grado 1, entonces
Si
i = 0, 1, 2..., n
ti+1 ti
por
h,
obtenemos:
y(ti+1 )
(6.1)
y 0 (ti ) =
dy(ti )
= f (ti , y(ti ))
dt
yi = y(ti )
y0 = y(t0 ) = ,
la solucin
y(t)
se puede
aproximar por
yi+1 = yi + hf (ti , yi ),
y0 =
para
180
i = 0, 1, 2, 3 . . . , n 1
(6.2)
orden
En la gura
resulta:
y(ti ) 2
h , como y 0 = f (t, y) y y = f 0 (t, y) entonces,
2
h2
y(ti+1 ) y(ti ) + hf (ti , y(ti )) + f 0 (ti , y(ti ))
2
y(t) se puede aproximar ahora por:
La solucin
h2 0
yi+1 = yi + hf (ti , yi ) + f (ti , yi ) , para i = 0, 1, 2, ..., n 1
2
y =
0
Este mtodo se conoce como
(6.3)
1 6 t 6 1.5
2 1
, ya que
dy
2
= 2tet 1 = 2ty = f (t, y), adems y(1) = 1.
dt
Si se quiere aproximar la solucin con n = 5, entonces h = 0.1, ti =
1 + 0.1i, f (ti , yi ) = 2ti yi
yi+1 = yi + hf (ti , yi )
y0 =
yi+1 = yi + h(2ti yi )
y0 = 1
y1
y2
y3
y4
y5
i = 0, 1, 2, 3, 4 ti = 1 + 0.1i
yi+1 = yi + hf (ti , yi ) +
y0 =
h2 0
f (ti , yi )
2
En este ejemplo,
f (t, y) = 2ty
f 0 (t, y) = 2y + 2ty 0 , recuerde que y = y(t)
f 0 (t, y) = 2y + 2t(2ty) = 2y(1 + 2t2 )
,y
dy
= y 0 = f (t, y)
dt
Luego,
y1
y2
y3
y4
ti = 1 + 0.1i
1
1.1
1.2
1.3
1.4
1.5
Euler
Taylor
Valor
Error en
Error
yi
Orden
exacto
Euler
Taylor orden
y(ti )
2
eti 1
|y(ti ) yi |
0.0000
0.0337
0.0887
0.1784
0.3244
0.5625
0.0000
0.0037
0.0100
0.0210
0.0396
0.0715
1.0
1.2
1.4640
1.8154
2.2874
2.9278
yi
1.0
1.23
1.5427
1.9728
2.5721
3.4188
1.0000
1.2337
1.5527
1.9937
2.6117
3.4904
con
|y(ti ) yi |
y(t)
Algoritmo 16
183
"
#
(6.4)
Se conoce como
. Los valores f (ti , yi ) y
(ti+1 , y(ti+1 ))
ti
ti+1 .
Las ecuaciones en (6.4) pueden visualizarse fcilmente. En la gura 6.2
y (t1 , y1 )respectivamente.
Tomando un promedio de estas pendientes se obtiene la pendiente de las rec-
hasta el punto de ordenada y1 obtenida mediante el mtodo de Euler normal, se contina la recta por (t0 , y0 ) con pendiente mprom hasta llegar a t1 ,
y 0 = 2ty
y(1) = 1
1 6 t 6 1.5,
184
h = 0.1
y1 = y0 + hf (t0 , y0 )
y1 = y0 +
y1
y2
y3
y4
y5
Algoritmo 17
function Heun(f,ci,tf,M)
c=0;
yr(1)=ci(2);
[tr,pr]=euler(f,ci,tf,M,c);
h=(tf-tr(1))/M;
syms t;
syms y;
185
y1 = 1 + 0.1(2(1)(1)) = 1.2
for i=2:M+1
yr(i)=yr(i-1)+h/2*(subs(f,{t,y},{tr(i-1),yr(i-1)})+subs(f,{t,y},{tr(i),pr(
end
plot(tr,yr,'k')
a, b, c, d, m, n
k1 = hf (ti , y)
k2 = hf (ti + mh, y + mk1 )
k3 = hf (ti + nh, y + nk2 )
k4 = hf (ti + ph, y + pk3 )
y(ti + h) y(ti ) ak1 + bk2 + ck3 + dk4 .
Reproduzca Taylor hasta el trmino en
h4 .
(6.5)
k2
k3
k2
depende de
k1 ; k3
depende de
k2
ti
ti+1 = ti + h.
a6t6b
(6.6)
yi+1
k1
k2
k3
k4
Demostracin.
(6.7)
Sea
y (2) = ft + fy y 0 = ft + fy f = F1
2
y (3) = ftt + 2f fty + fyy
+ fy (ft + f fy ) = F2 + fy F1
1
1
y(t + h) y(t) = hf + h2 F1 + h3 (F2 + F1 )
2
6
1 4
+ h [F3 + fy F2 + 3F1 (fty + f fyy ) + fy2 F1 + ...].
24
Retomando los distintos valores de
k,
187
similares,
k1 = hf
1
1
k2 = h[f mhF1 + m2 h2 F2 + m3 h3 F3 + ...]
2
6
1 2 2
k3 = h[f + nhF1 + h (n F2 + 2mnfy F1 )+
2
1 3 3
+ h (n F3 + 3m2 nfy F2 + 6mn2 (fty + f fyy )F1 ) + ...]
6
1
k4 = [f 0 + phF1 + h2 (p2 F2 + 2npfy F1 )+
2
1 3 3
2
+ h (p F3 + 3n fy F2 + 6np2 F1 (fty + f fyy ) + 6mnpfy2 F1 )...].
6
(6.8)
a+b+c+d=1
bm + cn + dp = 1/2
mb2 + cn2 + dp2 = 1/3
bm3 + cn3 + dp3 = 1/4
cmn + dnp = 1/6
cmn2 + dnp2 = 1/8
cm2 n + dnp2 = 1/12
dmnp = 1/24.
(6.9)
(6.10)
Algoritmo 18
(Algoritmo de RK4)
h = 0.1, i = 0, 1, 2, 3, 4
y0 = 1
Luego
y1 = 1 + 1/6(0.2 + 2(0.231) + 2(0.234255) + 0.2715361)
y1 = 1.23367435
189
ti
yi
Valor Real
1.1
1.2337
1.2337
1.2
1.5527
1.5527
1.3
1.9937
1.9937
1.4
2.6116
2.6117
1.5
3.4902
3.4904
h = 0.1
redondeados a
decimales:
y = 2ty,
y(1) = 1,
1 6 t 6 1.5
con
h = 0.1
Valor
Real
1.0000
1.0000
1.0000
1.1
1.2000
1.2300
1.2320
1.2337
1.2337
1.2
1.4640
1.5427
1.5479
1.5527
1.5527
1.3
1.8154
1.9728
1.9832
1.9937
1.9937
1.4
2.2874
2.5721
2.5908
2.6116
2.6117
1.5
2.9278
3.4188
3.4509
3.4902
3.4904
ti
2, Euler mejorado
decimales.
h/2,
190
adecuado.
k1 = hf (tk , yk )
1
1
k2 = hf (tk + h, yk + k1 )
4
4
3
3
9
k3 = hf (tk + h, yk + k1 + k2 )
8
32
32
12
1932
7200
7296
k4 = hf (tk + h, yk +
k1
k2 +
k3 )
13
2197
2197
2197
439
3680
845
k5 = hf (tk + h, yk +
k1 8k2 +
k3
k4 )
216
513
4104
1
8
3544
1859
11
k6 = hf (tk + h, yk k1 + 2k2
k3 +
k4 k5 )
2
27
2565
4104
40
1408
2197
1
25
f4 = yk +
k1 +
k3 +
k4 k5
216
2565
4104
5
6656
28561
9
2
16
k1 +
k3 +
k4 k5 + k6
f6 = yk +
135
12825
56430
50
55
error = |f6 f4 |
T olh 1/4
s=
2error
(6.11)
yk
yk+1 ,
se usa la informacin
191
por si solos, ya que no solamente usan puntos previos, sino que los exigen. Se pide algn mtdo de paso simple para iniciar el proceso del mtodo
multipaso, por lo tanto esto condicir a una combinacin juiciosa de mtodos
Los mtodos predictores-correctores implican el usa de una frmula para
hacer una primera prediccin del siguiente valor
yk ,
seguida de la aplicacin
de una frmula correctora ms aproximada que proporciona entonces mejoramientos sucesivos. Aunque son ligeramente complicados, tales mtodos
tienen la ventaja que a partir de aproximaciones sucesivas a cada valor de
yk
puede hacerse un estimativo del error, para ilustrar esta tcnica se va a desarrollar el mtodo de cuatro pasos de Adamas-Bashforth-Moulton, el mtodo
de Milne-Simpson y el mtodo de Hamming.
yk , y(k+1) , y(k+2) , y(k+3) , para caly(k+k) , esto signica que se debe utilizar un mtodo inicializador, quiz
tk+1
Z
y(tk+1 ) = y(tk ) +
f (t, y(t))dt.
(6.12)
tk
Para calcular la frmula predictora se utiliza el polinomio de interpolacin de
0
Lagrange de y (t) = f (t; y(t)), y(t0 ) = y0 y se integra en el intervalo [tk , tk+1 ],
luego la frmula predictora Adams-Bashforth es:
pk+1 = yk +
h
(9fk3 + 37fk2 59fk1 + 55fk ).
24
(6.13)
192
y se integra en el intervalo
[tk , tk+1 ],
luego la
yk+1 = yk +
h
(fk2 5fk1 + 19fk + 9fk+1 ).
24
(6.14)
y(tk+1 ) pk+1 =
251 (5)
y (ck+1 )h5
720
(6.15)
y(tk+1 ) yk+1 =
19 (5)
y (dk+1 )h5
720
(6.16)
251
(yk pk ).
720
mpk+1 = pk +
myk+1 = yk+1
19
(yk+1 pk+1 ).
270
(6.17)
h<
satisfaga la condicin:
2.66667
.
|fy (tk , yk )|
193
yk2 , yk3
para calcular
yk+1 ,
yk , yk1 ,
inicializador, quiz un mtodo de Taylor, pero es mas comn usar RungeKutta de cuarto orden, durante los cuatro primeros puntos antes de aplicar
el mtodo de Milne-Simpson.
Este esquema emplea el mtodo explcito de Milne como predictor y utiliza el mtodo implcito Simpson como corrector. La deduccin del mtodo
se deja como ejercicio para el lector. Para deducirlo, considere el problema
y 0 (t) = f (t, y(t)), y(t0 ) = y0 en el intervalo [tk3 , tk+1 ].
se obtiene:
tk+1
tk+1
Z
Z
y 0 (t)dt =
f (t, y(t))dt.
tk3
(6.18)
tk3
Tal que
tk+1
Z
y(tk+1 ) y(tk3 ) =
f (t, y(t))dt.
(6.19)
tk3
Luego
tk+1
Z
y(tk+1 ) = y(tk3 ) +
f (t, y(t))dt.
(6.20)
tk3
Estudiando la integral
tk+1
Z
f (t, y(t))dt.
tk3
194
(6.21)
polinomio de Lagrange de
los puntos
tk+1
tk+1
Z
Z
f (y, y(t))dt fk3
tk3
(6.22)
[tk3 , tk+1 ]
tk3
tk+1
Z
+ fk2
tk3
tk+1
Z
+ fk1
(6.23)
tk3
tk3
Z
+ fk
tk+1
195
entonces
v = 1,
adems
ti tj = (i j)h
as:
tk+1
Z1
Z
h(v + 2)h(v + 1)hv
f (y, y(t))dt fk3
hdv+
h(2h)(3h)
3
tk3
Z1
+ fk2
Z1
+ fk1
(6.24)
Z1
+ fk
3
De modo que
tk+1
Z
Z1
hfk3
f (y, y(t))dt
(v 3 + 3v 2 + 2v)dv+
6
3
tk3
Z1
hfk2
+
2
(v 3 + 4v 2 + 3v)dv
Z1
hfk1
2
(6.25)
(v 3 + 5v 2 + 6v)dv+
hfk
6
Z1
(v 3 + 6v 2 + 11v + 6)dv.
3
Como
R1
3
(v 3 + 3v 2 + 2v)dv = 0,
entonces
tk+1
Z
8hfk2 4hfk1 8hfk
f (y, y(t))dt
+
.
3
3
3
tk3
196
(6.26)
tk+1
Z
i
4h h
f (y, y(t))dt
2fk2 fk1 + 2fk .
3
(6.27)
tk3
Reemplazando el valor de la integral de la ecuacin (6.27) en la ecuacin
(6.20) se obtiene:
y(tk+1 ) y(tk3 ) +
i
4h h
2fk2 fk1 + 2fk .
3
(6.28)
pk+1 = yk3 +
i
4h h
2fk2 fk1 + 2fk .
3
(6.29)
interpolador de Lagrange de
tk+1
tk+1
Z
Z
0
y (t)dt =
f (t, y(t))dt.
tk1
tk1
Luego
tk+1
Z
y(tk+1 ) y(tk1 ) =
f (t, y(t))dt.
tk1
Entonces
tk+1
Z
y(tk+1 ) = y(tk1 ) +
f (t, y(t))dt.
tk1
197
(6.30)
Calcular la integral de la ecuacin (6.30) usando el polinomio de interpolacin de Lagrange de forma anloga al calculo del predictor (6.29).
i
hh
y(tk+1 ) y(tk1 ) + fk1 + 4fk + fk+1 .
3
(6.31)
yk+1
i
hh
= yk1 + fk1 + 4fk + fk+1 .
3
(6.32)
1
1
1
1
(1)
(2)
(3)
(4)
(5)
yk = y0 + (kh)y0 + (kh)2 y0 + (kh)3 y0 + (kh)4 y0 +
(kh)5 y0 + ...
2
6
24
150
(6.33)
Tomando
k = 2,
4 (2) 8
16
32 5 (5)
(1)
(3)
(4)
h y0 + ...
y2 = y0 + 2hy0 + h0 + h3 y0 + h4 y0 +
2
6
24
120
S tomamos
k = 2
(6.34)
en la ecuacin (6.33)
4 (2) 8
16
32 5 (5)
(1)
(3)
(4)
y2 = y0 2hy0 + h0 h3 y0 + h4 y0
h y0 + ...
2
6
24
120
(6.35)
8
8
(1)
(3)
(5)
y2 y2 = 4y0 + h3 y0 + h5 y0 +
3
15
(6.36)
1
1
1
(3)
(4)
(5)
(1)
(1)
(2)
yk = y0 + (kh)y0 + (kh)2 y0 + (kh)3 y0 + (kh)4 y0 +
2
6
24
198
(6.37)
Ahora, reemplazando
en la ecuacin (6.37):
(1)
(1)
y0 = y0
Reemplazando
(1)
2y1
k=1
h
i
1 2 (3) 1 3 (4)
1
(1)
(2)
4 (5)
= 2 y0 + (h)y0 + (h) y0 + (h) y0 + (h) y0 + ...
2
6
24
(1)
2y1
(6.38)
k = 1
(6.39)
en la ecuacin (6.37)
i
h
1
1 2 (3) 1 3 (4)
(1)
(2)
4 (5)
= 2 y0 (h)y0 + (h) y0 (h) y0 + (h) y0 + ...
2
6
24
(6.40)
1
(1)
(1)
(1)
(1)
(3)
(5)
2y1 y0 + 2y1 = 3y0 + 2h2 y0 + h4 y0 + ...
6
(6.41)
yk+1 yk3
Donde
i
4 h
= h 2fk fk1 + 2fk2 + Ep (y, h).
3
(6.42)
Ahora reeplazando
i
4 h
y2 y2 = h 2f1 f0 + 2f1 + Ep (y, h).
3
Como
(1)
yi
= fi
para
i = 2, 1, 0, 1, 2,
(6.43)
4
8
8
(1)
(1)
(1)
(1)
(3)
(5)
(y2 y2 ) h(2y1 y0 + 2y1 ) =(4y0 + h3 y0 + h5 y0 + ...)
3
3
15
4
1
(1)
(3)
(5)
h(3y0 + 2h2 y0 + h4 y0 + ...)
3
6
(6.44)
Simplicando
4
14
(1)
(1)
(1)
(5)
(y2 y2 ) h(2y1 y0 + 2y1 ) = Ep (y, h) h5 y0 + ...
3
45
199
(6.45)
y(tk+1 ) pk+1
28
14 (5)
y (k+1 )h5 = y (5) (k+1 )h5 .
45
90
(6.46)
[tk3 , tk+1 ]
es:
Ep = Ep (y, h)
28 (5)
y (1 )h5 .
90
(6.47)
2 [tk1 , tk+1 ]
Ec = Ec (y, h)
local
es:
1 5 (5)
h y (2 ).
90
(6.48)
yk+1 + Ec
donde
h
[tk3 , tk+1 ]
suponga que
valo
pk+1
yk+1
y (6.48), entonces:
28
1 (5)
y (2 )h5 y (5) (1 )h5 .
90
90
1 (5)
29 y (2 )h5 .
90
29Ec .
pk+1 yk+1 = Ec Ep =
As
(6.49)
y(tk+1 ) = yk+1 + Ec .
(6.50)
pk+1
(6.51)
a ambos lados
y(tk+1 ) pk+1
28yk+1 + pk+1
pk+1 .
29
(6.52)
28
yk+1 pk+1 .
29
(6.53)
Por lo tanto
y(tk+1 ) pk+1 +
pk
yk
28
= pk+1 +
y k pk .
29
(6.54)
yk+1 ,
la
yk+1
i
hh
= yk1 + fk1 + 4fk + f (tk+1 , mpk+1 ) .
3
(6.55)
yk+1
28
yk+1 pk+1 .
29
Simplicando,
y(tk+1 ) yk+1
(6.56)
myk+1 yk+1
201
yk+1 pk+1
.
29
(6.57)
3
.
|fy (tk , yk )|
(6.58)
pk+1 = yk3 +
mpk+1 = pk+1 +
yk+1 = yk1 +
i
4h h
2fk2 fk1 + 2f2
3
28
y k pk
29
Valor predictor.
i
hh
fk1 + 4fk + fk+1
3
Valor corrector.
(6.59)
h<
yk+1 pk+1
29
3
|fy (tk , yk )|
6
X
dP (t)
(t)
=
P (t) +
i Ci (t).
dt
i=1
(6.60)
dCi (t)
i
= P (t) i Ci (t), i = 1, 2, ...6.
dt
(6.61)
P (t = 0) = P0 .
(6.62)
202
Ci (t = 0) =
i
P0 .
i
(6.63)
Zt
6
X
1
hP0 i i t
dP (t)
0
i i
e
+ ei (tt ) P (t0 )dt0 .
(t) = +
P (t) dt
P (t) i=1
i
0
(6.64)
La ecuacin (6.64) es la solucin analtica y llamada mtodo de referencia, esta es usada para obtener la solucin exacta para las diferentes formas
de la potencia nuclear, pero esta no es conveniente aplicarla directamente
para el clculo de la reactividad en tiempo real por depender del histrico de
la potencia nuclear.
Para el clculo de la reactividad existe una forma simple directamente de
la ecuacin (6.60). Esta ecuacin puede ser escrita de la siguiente forma:
6
X
dP (t)
i Ci (t).
(t) = +
P (t) dt
P (t) i=1
(6.65)
P (t) = exp(t)
con
=0.12353.
.....
Ejemplo tomado de
Euler
Modicado
RK4
RKF45
AdamsMoulton
Milne
Tipo
Error
Error
Local
Global
O(h3 )
O(h2 )
Bueno
Paso
O(h5 )
Simple
Paso
O(h6 )
Simple
Multipaso O(h5 )
O(h4 )
Miltipaso
Paso
Simple
O(h5 )
Estabilidad
Faciliad
cam-
Recomendado?
bio tamao de
paso
Bueno
No
Bueno
Bueno
Si
O(h5 )
Bueno
Bueno
Si
O(h4 )
Bueno
Pobre
Si
O(h4 )
Pobre
Pobre
No
t
Ejemplo 6.4.2. Resolver la ecuacin diferencial y0 = cos 12
y , con y(0) =
predictor-corrector
y 0 = f (t, y),
205
Mtodo
Tamao
de Paso
Euler Modicado
Mximo Error
Tiempo [ s ]
0.1
0.350485918264
RK4
0.1
0.318154383543
RKF45
0.1
0.318143220959
0.975
Adams-BashforthMoulton
Milne
0.1
0.318138080808
13
0.1
0.319950733923
25
yk
para calcular
y (5) ()h5
.
5!
(6.66)
Usando este criterio para el corrector generalizado obtenemos las condiciones de los coecientes
1 , 2 , 3 , 0 , 1 , 2 .
y0 = f .
Entonces
1 (2)
1 (3)
1 (4)
yk (h)2 + yk (h)3 + yk (h)4
2!
3!
4!
i
h
1 (5)
1 (2)
1 (3)
yk ()(h)5 + ... + 3 yk + yk0 (2h) + yk (2h)2 + yk (2h)3
5!
2!
3!
i
n h
1 (4)
1 (5)
1 (3)
1
(2)
yk (2h)4 + yk ()(2h)5 + ... + h 0 yk0 + yk h + yk h2 + y (4) h3
4!
5!
2!
3!
i
h
1 (5)
1 (4)
1 (3)
(2)
yk ()(h)5 + ... + 1 yk0 + 2 yk0 + yk (h) + yk (h)2 + yk (h)3
4!
2!
3!
io
y (5) ()h5
1 (5)
5
.
+ yk ()(h) + ... + E5
4!
5!
(6.67)
El desarrollo de la serie de Taylor de la funcin
yk+1 = yk + yk0 h +
yk+1
es:
(6.68)
Igualando los coecientes de la expresin ecuacin (6.67) con los homologos de la ecuacin (6.68), se llega al siguiente conjunto de ecuaciones lineales
simultaneas
1 + 2 + 3
2 22 + 0 + 1 + 2
1
2 + 23 + 0 2
2
1
4
1
1
2 3 + 0 + 2
6
3
2
2
1
2
1
1
2 + 3 + 0 2
24
3
6
6
=1
=1
1
=
2
1
=
6
1
= .
24
(6.69)
207
1
1
1
0
0 1
2
1
0 1/2
2
1
0 1/6 4/3 1/2
0 1/24 2/3 1/6
0
0
1
1
0 1
0 1/2
0 1/6
|
1
|
1
| 1/2
| 1/6
| 1/24
f3 2f3
f4 6f4
f5 24f5
Resultando
1 1
1 0
0 1 2 1
0 1
4 2
0 1 8 3
0 1 16 4
0 0 | 1
1 1 | 1
0 2 | 1
0 3 | 1
0 4 | 1
f4 f4 +2f3
f5 f5 4f3
Se obtiene
1 1
1
0
0 1 2 1
0 1
4
2
0 1
0
7
0 3 0 4
0 0 | 1
1 1 | 1
0 2 | 1
0 1 | 3
0 4 | 3
f3 f3 2f4
f5 f5 +4f4
Finalmente se llega
1 1
1
0 0 0 | 1
0 1 2 1 1 1 | 1
0 1 4 12 0 0 | 5
0 1
0
7 0 1 | 3
0 1
0
24 0 0 | 9
(6.70)
2 + 240 = 9
obteniendo:
0 =
9 2
.
24
2 + 43 120 = 5
de modo que
1
3 = (1 2 ).
8
208
1 =
9 92
.
8
2 =
9 172
.
24
3 + 0 + 1 + 2 = 1,
1 =
1 = 1 + 2 + 3 0 2 ,
luego
9 + 172
.
12
En consecuencia se tiene las condiciones de todos los coecientes del corrector generalizado, en la ecuacin (6.66)
9 2
24
9 + 72
1 =
12
9 + 172
1 =
.
24
9 92
8
2 = 2
1
3 = (1 2 )
8
1 =
0 =
(6.71)
209
2 323 0 2 E5
+
+
+
5!
5!
4!
4!
5!
2 323
E5
+ 0 + 2 +
5
5
5
2 323 + 50 + 52 + E5
32
5
5
2 + (1 2 ) + (9 2 ) + (9 + 172 ) + E5
8
24
24
2
(5)(17)
2 42 2 +
2 + E 5
24
24
10
52 2 + E5
3
Despejando
E5
1
5!
1
=
5
=1
=
=1
(6.72)
= 3
= 3.
se tiene que:
E5 =
9 + 52
.
3
(6.73)
Por ltimo, teniendo en cuenta que el valor de E5 depende de 2 y multih5 y (5) ()/5! se tiene el trmino del errror del
2 = 1)
del mtodo de
Hamming, luego se hace necesario estudiar la estabilidad del corrector generalizado del mtodo de Hamming.
Por lo tanto 0.6
2 1.
210
2 = 1
es el mtodo de
Los casos
2 = 1, 9/17, 0
1 = (1/8)(9 92 )
2 = 2
3 = (1/8)(1 2 )
0 = (1/24)(9 2 )
1 = (1/12)(9 + 72 )
2 = (1/24)(9 + 172 )
E5 = (1/(3 5!))(9 + 52 )
Tabla 1.
9/17
9/8
9/7
45/31
9/5
9/17
1/9
-1/7
-9/31
-3/5
-1/17
-1/9
-1/8
-1/7
-5/31
-1/5
1/3
6/17
10/27
3/8
8/21
12/31
2/5
4/3
18/17
22/27
6/8
14/21
18/31
2/5
1/3
-8/27
-3/8
-10/21
-18/31
-4/5
-1/90
-3/170
-19/810
-1/40
-17/630
-9/310
-1/30
E5
depende de
2 , E5
es multiplicado por
h5 y (5) ().
2 ,
Ec =
mpk+1 = pk+1 +
yk+1 =
112
yk pk
121
i
9yk yk2 3h h
+
fk1 + 2fk + fk+1
8
8
h<
9
yk+1 pk+1
121
2.66667
|fy (tk , yk )|
Algoritmo 19
for k = 2:4
F(k-1,:) = feval(f,t(k),y(k,:));
end
p = y(4,:);
c = y(4,:);
for k = 4:N
Pnew = y(k-3,:) + (4*h/3)*(2*F(1,:) - F(2,:) + 2*F(3,:));
MPnew = Pnew + (112/121)*(c - p); %Modificador del predictor
ynew = (-y(k-2,:) + 9*y(k,:) + ...
3*h*[-1 2 1]*[F(2:3,:);feval(f,t(k + 1),MPnew)])/8;
My(k+1,:) = ynew - (9/121)*(ynew - Pnew); %Modificador del corrector
y(k+1,:)=My(k+1,:);
p = Pnew; c = ynew;
% actualizar valores del predictor/corrector
F = [F(2:3,:);feval(f,t(k+1),y(k+1,:))];
end
6.6. Ejercicios
1. Aplique los mtodos de Euler, Euler mejorado y Taylor de orden dos
para aproximar la solucin de los siguientes problemas de valor inicial.
y
a ) y0 =
t
y
t
!2
,
1
t
b ) y 0 = (y 2 + y) ,
1 6 t 6 1.2,
1 6 t 6 3,
y(1) = 1,
y(1) = 2,
con
con
h = 0.1
h = 0.5
con la solucin
a)
2
y 0 = y + t2 et 1 6 t 6 2,
t
2 t
exacta y(t) = t (e e).
y(1) = 0
h = 0.1
para apro-
b)
y.
y.
y(1.55)
y(1.04)
ii)
iii)
213
y(1.97)
y(t).
en el cual se
y(t)
y 0 = t2 + y 3 ,
y(1) = 1,
1 6 t 6 1.5
h=
y(t)
y 0 = t2 + y 3 ,
Use
y(1.4).
y(1) = 1,
h = 0.1
1 6 t 6 1.5
aproximacin a
en problema anterior.
5. Dado el problema de valor inicial.
y 0 = (t y)2
y(0) = 0.5
0 6 t 6 0.5
m
Si
v de un cuerpo
se determina a partir de
dv
= mg kv 2 ,
dt
k>0
utilice el mtodo de
t = 5 seg ,
use
h = 1.
214
Bibliografa
[1] T. Akai.
[2] R. Brent.
Limusa, 1999.
Prentice-
Hall, 1973.
[3] R. Burden and F. Douglas.
Limusa, 1999.
[4] Kincaid D. and Cheney W.
Anlisis Numrico.
roamericana, 1994.
[5] Zill D.
Octava
SIAM, 1997.
John
Matrix Analysis.
Cambridge University
SIAM, 1997.
215
Prentice-
ndice alfabtico
aritmtica de precisin nita, 12
Algoritmo
Matriz Diagonal, 64
Newton, 37
triangular superior, 65
Newton-Raphson, 37
Algoritmo de Biseccin, 34
notacin cientca, 4
Algoritmo Newton, 44
notacin cientca
base
base
10, 4
2, 4
Algoritmo Secante, 47
Pivoteo Parcial, 72
bin2dec(binario), 5
cero, 27
precisin doble, 5, 7
precisin simple, 6
precisin simple , 5
Punto jo, 48
error absoluto, 13
punto otante, 1, 5
error de redondeo, 13
error relativo, 13
exponente sesgado, 8
Factorizacin LU, 75
Falsa posicin, 35
raz, 27
Regula Falsi, 35
Secante, 45
sistema binario, 2
sistema decimal, 2
mtodo de biseccin, 28
sistema hexadecimal, 3
mantisa, 5
sistema octal, 3
Matriz
sobreujo, 9
Diagonal, 63
subujo, 9
216
217