Está en la página 1de 46

UNIVERSIDAD DE EL SALVADOR

Anlisis Numerico-2015
30-06-2015

Aplicaciones de los mtodos


numricos
Integrantes:
Kevin Roberto, Castillo Ramos.
Roberto Ernesto, Molina Rodas.
Jos Luis, Osorio Moran.
Kevin Edgardo, Rivera Martinez.
Nombre del grupo:
NTN.
Grupo de laboratorio:
03

CR12008
MR11140
OM13001
RM11014

Resumen
La importancia de los mtodos numricos ha aumentado en forma
drstica en la enseanza de la ingeniera y la ciencia, lo cual refleja el
uso actual y sin precedentes de las computadoras. En los primeros
apartados se navega en el uso de los mtodos para resolver ecuaciones
no lineales, a travs de mtodos iterativos. Para el caso de interpolacin
se revisan los mtodos ms predominantes para interpolar aquellos
valores que no aparecen en una tabla de valores discretas, tales valores
pudieron haber sido obtenido a travs de experimentos empricos.
Siguiendo con lo habitual, se estudia la derivacin e integracin
numrica como mtodos precedentes a la presentacin de mtodos que
solucionan ecuaciones diferenciales ordinarias de primer orden, de
matera iterativa nuevamente.

CONTENIDO
Introduccin........................................................................................................ 1
Aplicaciones de los mtodos numricos.............................................................2
Solucin ecuaciones no lineales.......................................................................2
Ejemplos....................................................................................................... 2
Solucin para gases de van der Waals aplicando Newton-Raphson..............6
Interpolacin polinomial................................................................................. 10
Descripcin................................................................................................. 10
Ejemplos..................................................................................................... 10
Brazo robtico: Camino ms corto..............................................................14
Derivacin e integracin numrica................................................................20
Ejemplos..................................................................................................... 20
Fuerza efectiva sobre el mstil de un bote de carreras...............................22
Ecuaciones diferenciales con problemas de valor inicial................................32
Descripcin................................................................................................. 32
Ejemplos..................................................................................................... 32
Modelo de contagio epidemiolgico............................................................34
Conclusin........................................................................................................ 39
Bibliografa........................................................................................................ 40

INTRODUCCIN
La matemtica es una herramienta que permite a las personas
comprender el mundo que los rodea; a base de postulados, axiomas,
teoremas, que relacionan cantidades abstractas o smbolos. Existe una
estrecha relacin entre la ciencia y la matemtica, ya que sin esta ltima
no se podra establecer un nexo entre la realidad y la abstraccin del
modelado de la realidad.
Sin embargo, no todo es explicado de manera sencilla. A veces surgen
problemas cuya resolucin conlleva clculos demasiado grandes o
enormes que son imposibles para una persona terminar la odisea en un
tiempo determinado. Otras ocasiones, se desconoce o es imposible, por
medio de mtodos analticos, llegar a una respuesta exacta o precisa, es
por ello que se necesita de una aproximacin cercana a la realidad;
nuevamente esta tarea no es fcil de lograr a travs del esfuerzo
humano.
Los cientficos trabajan a base de modelos, esto es, realizando ciertas
abstracciones del medio y asumiendo postulados de hechos
anteriormente estudiados o analizados, se logra reducir la complejidad
en gran medida. Este modelo identifica, capta y explica el entorno que
nos rodea de una manera muy aproximada.
El ordenador, una maquina o una computadora (segn se le conozca)
fue inventada para realizar clculos grandes en cantidades
sorprendentes de tiempo. Esto produjo una reduccin en los costes de
los proyectos ya que el tiempo para analizar un determinado problema
se redujo considerablemente. Con ayuda de esta capacidad de
procesamiento de las computadoras, se pueden establecer mtodos,
pasos, guas, para resolver problemas matemticos que conllevan una
gran cantidad de clculos o necesiten aproximaciones bastante
considerables.
El anlisis numrico o clculo numrico es la rama de las matemticas
que se encarga de disear algoritmos para, a travs de nmeros y reglas
matemticas simples, simular procesos matemticos ms complejos
aplicados a procesos del mundo real. Desde este punto de vista, el
anlisis numrico proporcionar todo el andamiaje necesario para llevar
a cabo todos aquellos procedimientos matemticos susceptibles de
expresarse algortmicamente, basndose en algoritmos que permitan su
simulacin o clculo en procesos ms sencillos empleando nmeros.
Definido el error, junto con el error admisible, pasamos al concepto de
estabilidad de los algoritmos. Muchas de las operaciones matemticas
pueden llevarse adelante a travs de la generacin de una serie de
1

nmeros que a su vez alimentan de nuevo el algoritmo (feedback). Esto


proporciona un poder de clculo y refinamiento importantsimo a la
mquina que a medida que va completando un ciclo va llegando a la
solucin. El problema ocurre en determinar hasta cundo deber
continuar con el ciclo, o si nos estamos alejando de la solucin del
problema.

APLICACIONES DE LOS MTODOS NUMRICOS


Solucin ecuaciones no lineales.
Ejemplos
Ingeniera Civil y Ambiental
Un problema general se relaciona con el flujo de agua en canales abiertos. La
velocidad de flujo, que se mide frecuentemente en ros y arroyos se define
como el volumen de agua que pasa por un punto especfico de un canal por
unidad de tiempo.

Aunque la velocidad de flujo es una cantidad til, una cuestin adicional se


relaciona con lo que sucede cuando se tiene una velocidad de flujo especfico
en un canal con pendiente. El agua alcanzar una profundidad especfica

H (m)

y se mover a una velocidad especfica

U (m/ s)

La relacin fundamental entre flujo y profundidad es la ecuacin de continuidad

Q=U Ac , Donde
canal rectangular

A c = rea de la seccin transversal del canal. Para un


A c =BH , entonces:

Q=UBH

suponiendo que se conoce

B se tiene una ecuacin de dos incgnitas (U y H) por lo que se requiere de una


2

ecuacin adicional. La ecuacin de Manning para flujo uniforme

1
U= R 3 S 2
n

donde n es el coeficiente de rugosidad de Manning, S es la pendiente del canal


y R es el radio hidrulico, el cual se relaciona con los parmetros
fundamentales mediante
5/ 3

Q=

S 1/ 2 ( BH )
n ( B+2 H )2/ 3

R=

BH
B+2 H

entonces:

Q=

BH 2/ 3 1 /2
R S
n

De esa forma la ecuacin queda con una incgnita H junto con el valor dado de
Q y los parmetros del canal (n, S y B). Aunque se tiene con una incgnita, es
imposible resolverla en forma explcita para encontrar H. Sin embargo, la
profundidad se determina numricamente al reformular la ecuacin como un
problema de races.
5 /3

f ( H )=

S1 /2 ( BH )
Q=0
n ( B+ 2 H )2 /3

Para poder encontrar buenos valores iniciales el mejor mtodo aplicable es el


de punto fijo, ya que, para la ecuacin hay dos formas de despejar H:

H=

( Qn )3 /5 ( B+2 H )2 /5
O bien,
B S3 /10

5/ 2

1 S ( BH )
H=
B
2 ( Qn )3 /2

Ingeniera Elctrica
En el diseo de un circuito elctrico. Cuando se cierra el interruptor la corriente
experimenta una serie de oscilaciones hasta que alcance un nuevo estado
estacionario. En tal caso, existe un periodo de ajuste al cerrar el interruptor
hasta que se alcance un nuevo estado estacionario. La longitud de este periodo
de ajuste est ntimamente relacionada con las propiedades de
almacenamiento de energa, tanto del capacitor como del inductor.

El flujo de corriente a travs del resistor provoca una cada de voltaje


dada por

VR ,

V R =iR , donde i es la corriente y R la resistencia.

De manera semejante, un inductor se opone a cambios de corriente tales que


la cada de voltaje a travs del inductor
inductancia.

VL

es:

V R =L

di
dt , donde L es la

La cada de voltaje del capacitor

V C=

VC

depende de la carga

sobre ste:

q
C , donde C es la capacitancia.

La segunda ley de Kirchhoff establece que la suma algebraica de las cadas de


voltaje alrededor de un circuito cerrado es cero. As que, despus de cerrar el
interruptor se tiene

di
q
+ Ri+ =0
dt
C

Sin embargo, como la corriente se relaciona con la carga de acuerdo con

i=dq /dt , por lo tanto,


L

d2 q
dq 1
+ R + q=0
2
dt C
dt

sta es una ecuacin diferencial ordinaria lineal de segundo orden que se


resuelve usando los mtodos de clculo. Esta solucin est dada por
Rt /(2 L)
q ( t )=q 0 e
cos

1
R 2

t
LC 2 L

( )

Es necesario despejar R para valores conocidos para

q , q0, L

C . Sin

embargo, debe emplear una tcnica de aproximacin numrica, ya que R es


una variable implcita en la ecuacin. Usando el mtodo de biseccin para
dicho propsito.
Reordenando la ecuacin

f ( R ) =eRt /(2 L) cos

1
R 2
q

t
LC 2 L
q0

( )

Con esto ya se puede estimar un valor de resistencia adecuado para el circuito


consistente con los requisitos del problema.
Hidrodinmica y Mecnica Ondulatoria
La ecuacin de una ola estacionaria reflejada en un puerto est dada por:

[ ( ) ( ) ]

h=h0 sen

Para

2 x
2 tv
cos
+ex

=16,t=12, v =48, h=0.4 h0 ,

40% de altura inicial.

Movimiento de las molculas de agua, en la zona superficial del mar,


provocado por la accin del viento.
Cuando una ola se aproxima a la costa, el movimiento tpico del mar libre,
movimiento circular, se transforma, por rozamiento de fondo, en un
movimiento ms deprisa que en su punto opuesto en la vertical y se produce
un desplazamiento horizontal de masa de agua que provoca la ruptura de la
ola al llegar a la costa.
El objetivo es hallar el punto donde rompe la ola, dado por x.
Para hallar esta solucin se us el mtodo de Newton.

La solucin ms pequea positiva se encuentra en el intervalo de [5,10].

Fsica, Mecnica Cuntica


Ecuacin de Schrdinger
Ejemplos de ecuaciones trascendentales al resolver la Ecuacin de Schrdinger
(ES) para una partcula en una caja de potencial. La ES para una partcula de
masa

es:

2 d 2 u
+V ( x ) u ( x )=Eu ( x )
2 m dr x 2

V ( r )= V 0 0 x< a
0 x >a

Estados ligados corresponden a energa negativa E y estados de Scattering a


energas positivas.

d 2 u ( x ) 2m
+ 2 ( V 0+ E ) u ( x )=0 x < a
d x2

d 2 u ( x ) 2m
+ 2 Eu ( x )=0 x >a
d x2

Si vemos los estados lmite E < 0 e implementamos las CF en la funcin de


onda se obtiene:

u ( r )= Asen

2m (V |E|) r
0

r <a

u ( r )=Bexp

( 2 m |E|r ) r >a

Por continuidad de funcin de onda en r = a se obtiene la ecuacin


trascendental

2m ( V 0| E|) cot

2 ma ( V
2

|E|)

= 2 m|E|

Este tipo de ecuaciones puede resolverse por los mtodos de Biseccin,


Secante, Falsa Posicin o Newton-Raphson.
La estrategia consiste en hallar las races de

f ( E ) = 2m ( V 0|E|) cot

2 ma ( V
2

|E|)

+ 2m|E|

Qumica
Uno de los casos en qumica donde se puede aplicar la solucin de ecuaciones
no lineales es para el estudio de gases no ideales.
La ecuacin para un gas ideal viene dada por

pV =nRT ; sin embargo, solo

es aplicable a un rango limitado de presin y temperatura.


La ecuacin alternativa utilizada para el estudio de estos gases es la de Van
der Waals, que viene dada por:

( p+ va ) ( vb)=RT
2

donde

v=

V
n

es el volumen molar,

son

constantes empricas que dependen del gas que se estudie.


Los clculos de volumen molar vienen dados por la siguiente funcin:

f ( v )= p+

a
( vb )RT
2
v

En ste caso como la derivada de

f ( v ) se determina fcilmente, entonces es

conveniente usar el mtodo de Newton-Raphson. La derivada de


respecto a

f ' ( v )= p

f (v)

est dada por:

a 2 ab
+
v2 v3

Y el mtodo de Newton-Raphson se describe mediante la ecuacin:

v i +1=v i

f (vi )
f ' ( vi )

Solucin para gases de van der Waals aplicando Newton-Raphson


Dado que contamos con la funcin para los gases de van der Waals y su
derivada el mtodo ms inmediato para solucin de la ecuacin no lineal
es el de Newton-Raphson.
El cdigo usado para la ejecucin de este mtodo fue el siguiente:
clc;
funcprot(0);
//mtodo de Newton para gas de van der Waals
function [v]=newton(v0, eps, maxit, p0, a0, b0, T0)
//definiendo las contantes
//constante de los gases ideales
R = 0.082054
p = p0
a = a0
b = b0
T = T0
v = v0
//funcin del volumen molar
deff('y = f(v)','y = (p + a/(v.^2))*(v - b) - R*T')
//derivada de f(v)
deff('dy = df(v)','dy = p - a/(v.^2) + (2*a*b)/(v.^3)')
eps0 = 1.0e-8
for i = 0:maxit
fv = f(v)
dfv = df(v)
if (abs(fv) <= eps) then
return
end
if (abs(dfv) <= eps0) then
return
end
v = v - fv/dfv
end
endfunction
printf('APLICACIN DEL MTODO DE NEWTON PARA SOLUCIN DE ECUACION DE
LOS GASES DE VAN DER WAALS PARA BIXIDO DE CARBONO Y OXIGENO');
printf('\nIntroduzca los datos de 3 temperaturas y 3 presiones para
comparar\n\nPresiones:\n');
//Constantes empiricas del bixido de carbono
ac = 3.592
bc = 0.04267
//Constantes empiricas del oxgeno
ao = 1.360

bo = 0.03183
//Presiones de inters (en tamsferas):
P1 = input('Presin 1 (atmsferas):-->');
P2 = input('Presin 2 (atmsferas):-->');
P3 = input('Presin 3 (atmsferas):-->');
//Temperaturas en Kelvin
printf('\nTemperaturas:\n');
T1 = input('Temperatura 1 (Kelvin):-->');
T2 = input('Temperatura 2 (Kelvin):-->');
T3 = input('Temperatura 3 (Kelvin):-->');
//Ocupando como valor de aproximacin el dado por la ecuacin de los gases
ideales
function [v0]=gasIdeal(T, p)
R = 0.082054
v0 = (R*T)/p
endfunction
printf('\nComparacin de los datos obtenidos a partir de la ecuacin de los gases
ideales\ny la ecuacin de van deer Waals para CO2 y O2\n\n');
printf('Temperatura\tPresion \t Volumen Molar\t Volumen Molar\t Volumen
Molar\n (K) \t (atm) \t(Gases Ideales)\t(van der Waals CO2)\t(van der Waals
O2)');
[v0] = gasIdeal(T1,P1)
[vc] = newton(v0,1e-8,50,P1,ac,bc,T1)
[vo] = newton(v0,1e-8,50,P1,ao,bo,T1)
printf('\n

%d

\t %d

\t\t %f\t

%f\t\t %f',T1,P1,v0,vc,vo);

[v0] = gasIdeal(T1,P2)
[vc] = newton(v0,1e-8,50,P2,ac,bc,T1)
[vo] = newton(v0,1e-8,50,P2,ao,bo,T1)
printf('\n

\t %d \t\t

%f\t

%f\t\t

%f',P2,v0,vc,vo);

[v0] = gasIdeal(T1,P3)
[vc] = newton(v0,1e-8,50,P3,ac,bc,T1)
[vo] = newton(v0,1e-8,50,P3,ao,bo,T1)
printf('\n

\t %d \t\t

%f\t

%f\t\t

%f\n',P3,v0,vc,vo);

[v0] = gasIdeal(T2,P1)
[vc] = newton(v0,1e-8,50,P1,ac,bc,T2)
[vo] = newton(v0,1e-8,50,P1,ao,bo,T2)
printf('\n

%d

\t %d

\t\t %f\t

%f\t\t %f',T2,P1,v0,vc,vo);

[v0] = gasIdeal(T2,P2)
[vc] = newton(v0,1e-8,50,P2,ac,bc,T2)
[vo] = newton(v0,1e-8,50,P2,ao,bo,T2)

printf('\n

\t %d \t\t

%f\t

%f\t\t

%f',P2,v0,vc,vo);

[v0] = gasIdeal(T2,P3)
[vc] = newton(v0,1e-8,50,P3,ac,bc,T2)
[vo] = newton(v0,1e-8,50,P3,ao,bo,T2)
printf('\n

\t %d \t\t

%f\t

%f\t\t

%f\n',P3,v0,vc,vo);

[v0] = gasIdeal(T3,P1)
[vc] = newton(v0,1e-8,50,P1,ac,bc,T3)
[vo] = newton(v0,1e-8,50,P1,ao,bo,T3)
printf('\n

%d

\t %d

\t\t %f\t

%f\t\t %f',T3,P1,v0,vc,vo);

[v0] = gasIdeal(T3,P2)
[vc] = newton(v0,1e-8,50,P2,ac,bc,T3)
[vo] = newton(v0,1e-8,50,P2,ao,bo,T3)
printf('\n

\t %d \t\t

%f\t

%f\t\t

%f',P2,v0,vc,vo);

[v0] = gasIdeal(T3,P3)
[vc] = newton(v0,1e-8,50,P3,ac,bc,T3)
[vo] = newton(v0,1e-8,50,P3,ao,bo,T3)
printf('\n

\t %d \t\t

%f\t

%f\t\t

%f',P3,v0,vc,vo);

Los resultados al comparar ciertas temperaturas y presiones en para dos


gases fueron los siguientes:

Interpolacin polinomial.
Descripcin.
En muchas ocasiones tenemos datos discretos (esto es: un conjunto de
puntos tabulares) que se han obtenido a partir de un experimento,
muchas veces se desea obtener un valor entre el intervalo de puntos
que no est especificado en la tabla. A este procedimiento se le conoce
como Interpolacin.
Cuando las calculadoras no estaban totalmente desarrolladas para
valores de x, cuyo valor era el argumento de una funcin trigonomtrica
o logartmica, se utilizaban tablas en donde la variacin del argumento
estaba igualmente espaciados entre los valores. Si por ejemplo se
deseaba calcular el valor x=0.125, se obtena el resultado como el valor
medio entre x=0.12 y x=0.13. Si los valores estaban muy cerca entre si
y la funcin no cambiaba rpidamente entre esos valores, esta
estimacin lineal era suficientemente precisa para realizar clculos.
Se desean realizar clculos interpolatorios por las siguientes razones:
Los mtodos de interpolacin son bsicos para desarrollar soluciones
numricas a derivacin e integracin, se pueden utilizar las tcnicas de
interpolacin para simplificar los clculos de una funcin complicada,
etc.
Los mtodos de interpolacin comenzaron cuando los astrnomos
decidieron predecir el movimiento de cuerpos celestiales, todo esto era

determinado por observaciones peridicas. Algunas tcnicas tienen


nombres de matemticos famosos: Gauss, Newton, Bessel.
Ejemplos.
Transferencia de calor.
Los lagos de la zona templada llegan a dividirse en estratos trmicos
durante el verano. Cerca de la superficie el agua es tibia y ligera,
mientras que en el fondo es ms fra y densa. La estratificacin trmica
divide el lago en dos capas: el epilimnion y el hipolimnion, separadas por
un plano conocido como termoclina.

Esta capa impide la mezcla en gran medida de las dos capas antes
habladas, como resultado puede ocasionar una reduccin significativa
del oxgeno en el fondo aislado de las aguas. La ubicacin de la
termoclina, se puede conocer obteniendo el punto de inflexin de la
curva temperatura-profundidad; es decir: el punto donde la segunda
derivada de la funcin temperatura con respecto a la profundad sea
cero. Se pueden utilizar trazadores cbicos (por su versatilidad y
suavidad) para construir un polinomio sobre datos empricos y luego
encontrar los valores para la segunda derivada de la interpolacin, a
travs de dataos tabulares como los que se muestran.

T(C)
h(m)

22.8
0

22.8
2.3

22.8
4.9

20.6
9.1

13.9
13.7

11.7
18.3

11.1
22.9

11.1
27.2

Variable Cefeida
Una Cefeida es una estrella que pulsa radialmente, variando tanto
temperatura como dimetro para producir cambios de brillo con un
periodo y amplitud muy estable regulares. Con estos cambios de brillo
se pueden establecer como marco de referencia para la medicin de
distancias a travs del espacio.

Sus periodos de pulsacin varan entre un da y unos cuatro meses, y


sus variaciones de luminosidad pueden ser de entre un 50 y un 600%
entre el mximo y el mnimo. Su nombre proviene de su prototipo o
estrella representativa, Delta Cefei.
La relacin entre su luminosidad media y el periodo de pulsacin fue
descubierta en 1912 por Henrietta S. Leavitt, y se conoce como relacin
periodo-luminosidad. Leavitt encontr que la luminosidad de una cefeida
aumenta de manera proporcional a su periodo de pulsacin.
As, los astrnomos pueden determinar la luminosidad intrnseca de una
cefeida simplemente midiendo el periodo de pulsacin. La luminosidad
aparente de una estrella en el cielo depende de su distancia a la Tierra;
comparando esta luminosidad con su luminosidad intrnseca se puede
determinar la distancia a la que se encuentra. De este modo, las
cefeidas pueden utilizarse como indicadores de distancias tanto dentro
como fuera de la Va Lctea.
Teniendo una tabla de valores, se puede interpolar entre un valor
desconocido en el intervalo y conocer la magnitud aparente de la
cefeida. Digamos:
Tiempo
Magnitud
aparente

0.0
0.30
2

0.2
0.18
5

0.3
0.10
6

0.4
0.09
3

0.5
0.24
0

0.6
0.57
9

0.7
0.56
1

0.8
0.46
8

1.0
0.30
2

Camino ms corto
En una empresa manufacturera se utiliza un brazo de robot para realizar
un chequeo rpido de calidad a los radios de seis agujeros en un plato
rectangular de 15x10 , los puntos se muestran a continuacin.

X
2.00
4.5
5.25
7.81
9.20
10.60

Y
7.2
7.1
6.0
5.0
3.5
5.0

Si se introduce un polinomio de orden superior (En este caso de quinto


orden) se obtiene un camino muy largo para que el robot realice la
secuencia. Para suavizar el camino, o establecer un camino ms corto,

es posible realizar una interpolacin por splines que acorten la longitud


del camino.

Aproximacin de una curva sin funcin explicita.


La siguiente figura muestra a un pato en pleno vuelo, si se quisiera
aproximar las curvas de la parte superior, se podran escoger puntos a lo
largo de la curva por los cuales, se tome una aproximacin deseada.

Los puntos a considerar podran ser como siguen:

De una forma tabular ms precisa se pueden acomodar y preparar los


puntos para realizar una interpolacin por medio de trazadores cbicos
sujetos, que brindaran una aproximacin muy buena de las curvas a
obtener.
Interpolacin espacial.
La interpolacin espacial es el proceso de utilizar puntos con valores
conocidos para estimar valores desconocidos en otros puntos. Por
ejemplo, para realizar un mapa de precipitacin (lluvia) para un pas o
un rea en especial, no se encontrarn suficientes estaciones
meteorolgicas distribuidas uniformemente para cubrir toda la regin. La
interpolacin espacial puede estimar las temperaturas en lugares que no

tienen ese dato utilizando lecturas de temperatura conocida en


estaciones meteorolgicas cercanas (ver figura). A este tipo de
superficie interpolada con frecuencia se le llama una superficie
estadstica. Datos de elevacin, precipitacin, acumulacin de nieve,
tabla de agua y densidad de poblacin son otros tipos de datos que
pueden ser calculados utilizando la interpolacin.

Brazo robtico: Camino ms corto.


Como se mencion anteriormente, utilizando la interpolacin por
trazadores cbicos, se puede obtener una curvatura suave, que no
cambie bruscamente de valor en intervalos pequeos y que se ajuste a
todos los puntos con muy buenas aproximaciones.
Antes de pasar a la solucin con trazadores, se mostrara porque un
polinomio que utilice todos los nodos de la tabla, esto es, un polinomio
de grado superior, puede ocasionar graves problemas de
aproximaciones.
Tabla de valores.
X
2.00
4.5
5.25
7.81
9.20
10.60

Y
7.2
7.1
6.0
5.0
3.5
5.0

En este caso se utilizara interpolacin de LaGrange, cuya grafica se


muestra a continuacin:

Si se da un vistazo detallado a la grfica, si el brazo se mueve de x=2 a


x=4.5 el brazo realiza un movimiento muy exagerado entre esos puntos,
este comportamiento lo exhiben todos los polinomios de grado superior,
ya est en su naturaleza oscilar de esa manera en los extremos de un
intervalo dado.
Usando trazadores cbicos, se pueden alcanzar curvas bastante suaves
entre los puntos, as se logra un camino ms corto.
Cdigo
La siguiente implementacin que se muestra, es en el software de
Scilab.
funcprot(0);
ieee(2);
clc;
TRUE=1;
FALSE=0;
printf('This is the natural cubic spline interpolation.\n');

OK = FALSE;

while OK == FALSE
printf('Input n-1\n');
N = input(' ');
if N > 0
OK = TRUE;
X = zeros(1,N+1);
A = zeros(1,N+1);
for I = 0:N
printf('Input X(%d) and F(X(%d)) ', I, I);
printf('on separate lines.\n');
X(I+1) = input(' ');
A(I+1) = input(' ');
end
else printf('Number must be a positive integer\n');
end
end

if OK == TRUE
M = N - 1;
//% STEP 1
H = zeros(1,M+1);
for I = 0:M
H(I+1) = X(I+2) - X(I+1);
end
//% STEP 2
//% Use XA in place of ALPHA
XA = zeros(1,M+1);
for I = 1:M
XA(I+1) = 3.0*(A(I+2)*H(I)-A(I+1)*(X(I+2)-X(I))+A(I)*H(I+1))/
(H(I+1)*H(I));
end
//% STEP 3
//% STEPs 3, 4, 5 and part of 6 solve the tridiagonal system using
//% Crout reduction.
//% use XL, XU, XZ in place of L, MU, Z resp.
XL = zeros(1,N+1);
XU = zeros(1,N+1);
XZ = zeros(1,N+1);
XL(1) = 1;
XU(1) = 0;
XZ(1) = 0;
//% STEP 4
for I = 1:M
XL(I+1) = 2*(X(I+2)-X(I))-H(I)*XU(I);
XU(I+1) = H(I+1)/XL(I+1);
XZ(I+1) = (XA(I+1)-H(I)*XZ(I))/XL(I+1);
end
//% STEP 5
XL(N+1) = 1;
XZ(N+1) = 0;
B = zeros(1,N+1);

C = zeros(1,N+1);
D = zeros(1,N+1);
C(N+1) = XZ(N+1);
//% STEP 6
for I = 0:M
J = M-I;
C(J+1) = XZ(J+1)-XU(J+1)*C(J+2);
B(J+1) = (A(J+2)-A(J+1))/H(J+1) - H(J+1) * (C(J+2) + 2.0 *
C(J+1)) / 3.0;
D(J+1) = (C(J+2) - C(J+1)) / (3.0 * H(J+1));
end
//% STEP 7

printf('NATURAL CUBIC SPLINE INTERPOLATION\n\n');


printf('The numbers X(0),...,X(N) are:\n');

//
//

printf('NATURAL CUBIC SPLINE INTERPOLATION\n\n');


printf('The numbers X(0), ..., X(N) are:\n');

printf('\n\nThe coefficients of the spline on the subintervals


');

C(I)
//
//
//
//

printf('are:\n');
printf('for I = 0, ..., N-1\n');
printf('
A(I)
D(I)\n');

B(I)

printf('\n\nThe coefficients of the spline on the subintervals ');


printf('are:\n');
printf('for I = 0, ..., N-1\n');
printf('
A(I)
B(I)
C(I)
D(I)\n');
for I = 0:M

printf('%13.8f %13.8f %13.8f


%13.8f\n',A(I+1),B(I+1),C(I+1),D(I+1));
//
printf('%13.8f %13.8f %13.8f %13.8f
\n',A(I+1),B(I+1),C(I+1),D(I+1));
end

Resultados
El algoritmo anterior obtiene el valor de los coeficientes en los intervalos
de los nodos, usando trazadores cbicos libres, estos coeficientes se
utilizan para construir un polinomio de aproximacin, que incluya a los
nodos de manera seccionada o partidos por segmentos.

Con estos coeficientes se obtienen el siguiente conjunto de polinomios:

7.20+0.59300575 ( x2 )0.10128092 ( x2 ) ,2 x 4.5


2
3
7.11.30601151 ( x4.5 )0.75960691 ( x4.5 ) + 0.72720004 ( x4.5 ) , 4.5 x 5.25
S ( x ) = 6.01.21827180 ( x5.25 ) +0.87659318 ( x5.25 )20.21613033 ( x5.25 )3 , 5.25 x 7.81
2
3
50.97940994 ( x7.81 )0.78328777 ( x7.81 ) +0.51190065 ( x7.81 ) ,7.81 x 9.20
2
3
3.50.18982019 ( x 9.20 ) +1.35133795 ( x9.20 ) 0.32174713 ( x9.20 ) , 9.20 x 10.60

Con estos polinomios se puede realizar una grfica, en el intervalo de


[2,11].

Ahora las curvas tienen ms suavidad al pasar de un punto a otro, y se


ha optimizado el camino que ha de seguir el brazo robtico entre los
segmentos.

Aplicacin conceptual
Se ha demostrado que, a medida un polinomio aumenta de orden, este
presenta un comportamiento oscilatorio, Runge uso un ejemplo
particular para demostrar esto. Como en este caso, se utiliz trazadores
cbicos para realizar la ruta del camino ms suave y corto, la siguiente
grafica muestra en comparacin el polinomio de orden superior y los
trazadores cbicos.

Sea S la longitud de la curva desde un punto a, hasta un b, en un


intervalo, digamos: [a,b]. Es posible obtener el valor de la longitud de
arco con la siguiente formula:
b

S= 1+(
a

df 2
) dx
dx

Los resultados de ambas curvas se muestran a continuacin:


Tipo de
interpolacin
Longitud de la
curva

Polinomio de 5to orden

Trazador cubico libre

14.919

11.248

Derivacin e integracin numrica.


Ejemplos
Clculo de distancia
Suponga que la fuerza hacia arriba de la resistencia del aire sobre un
objeto que cae es proporcional al cuadrado de la velocidad.
Para este caso, la velocidad se calcula con

gc d
t
m
)
gm
v ( t )=
tanh
Cd

Donde cd = coeficiente de arrastre de segundo orden. a) Si g =


9.8 m/s2, m = 68.1 kg y cd = 0.25 kg/m, use integracin analtica para
determinar qu tan lejos cae el objeto en 10 segundos. b) Haga lo
mismo, pero evale la integral con la regla del trapecio de segmento
mltiple. Use una n suficientemente grande para obtener tres dgitos
significativos de exactitud.

Determinacin del momento flexionante

Una viga de 11 m est sujeta a una carga, y la fuerza cortante sigue la


ecuacin:
V ( x ) =5+0.25 x2
Donde V es la fuerza cortante y x es la distancia a lo largo de la viga. Se
V =dM /dx , y M es el momento flexionante. La
sabe que
integracin conduce a la relacin

M =M 0 + V dx
0

Si

M0

es cero y x=11, calcule M con el empleo de a) integracin

analtica, b) aplicacin mltiple de la regla del trapecio, y c) aplicacin


mltiple de las reglas de Simpson. Para los incisos b) y c) use
incrementos de 1 m.

Determinacin del nmero de autos que transitan por un punto en un


lapso de tiempo

Un estudio de ingeniera del transporte requiere que usted determine el


nmero de autos que pasan por una interseccin cuando viajan durante
la hora pico de la maana. Usted se para al lado de la carretera y cuenta
el nmero de autos que pasan cada cuatro minutos a varias horas, como
se muestra en la tabla a continuacin. Utilice el mejor mtodo numrico
para determinar a) el nmero total de autos que pasan entre las 7:30 y
las 9:15, y b) la tasa de autos que cruzan la interseccin por minuto.
(Recomendacin: tenga cuidado con las unidades.)

Tiempo (h)

7:30

7:45

Tasa (autos por 4


min)

18

24

8:0
0
14

8:15

8:45

9:15

24

21

Obtencin de la masa de cuerpos con densidad variable

La masa total de una barra de densidad variable est dada por

m= ( x ) A c ( x ) dx
0

Donde m = masa, r(x) = densidad, Ac(x) = rea de la seccin


transversal, x = distancia a lo largo de la barra y L = longitud total de la
barra. Se midieron los datos siguientes para una barra de 10 m de
longitud. Determine la masa en kilogramos con la exactitud mejor
posible.
X,m
, g/

0
4.00

2
3.95

3
3.89

4
3.80

5
3.60

8
3.41

10
3.30

cm 3
A c , cm2 100

103

106

110

120

133

150

Fuerza efectiva sobre el mstil de un bote de carreras.

En la figura se muestra un corte transversal de un bote de carreras. Las fuerzas


del viento ejercidas por pie de mstil desde las velas caran en funcin de la
distancia sobre la cubierta del bote.

Calclese la fuerza de tensin en el cable.

Supngase que el soporte del cable derecho est flojo y el mstil se une al
casco de manera que transmita fuerzas verticales y horizontales pero no
momentos. El mstil permanece vertical.

DIAGRAMA DE CUERPO LIBRE

SUMATORIAS DE FUERZAS Y MOMENTOS


EN 0

=0=F Tsin ( ) H

M =0=3 V Fd
0

=0=V Tcos ( )

Donde T es la tensin en el cable.


H y V son las reacciones que se desconocen sobre
el mstil transmitidas al casco.
Para hallar el ngulo usamos la tangente:

tan ( ) =

3
1
tan 0.1 =5.72 =0.09967
30

Para la solucin del problema se debe encontrar la Fuerza F que equivale a la


conversin de las fuerzas distribuidas sobre el mstil en una sola. F se puede
calcular mediante la integral de la siguiente funcin continua:

30

x
F= 200
e
5+ x
0

( )

2 x
30

dx

REGLA TRAPEZOIDAL

METODO DE SIMPSON

REGLA DE 3/8 DE SIMPSON

Cdigo
//Traducido por: Oscar Moreira
//
//ENTRADAS: tipo de formula (abierta o cerrada), n, x0, xn y fx.
//SALIDAS: r (aproximacion).
//
clc;
funcprot(0);
ieee(2);
format(25);
printf('\nAPROXIMACION DE INTEGRALES MEDIANTE NEWTON-COTES.\n');
printf('Recuerde que:\nEn las formulas cerradas,\n si n=1: Regla trapezoidal,\n
si n=2: De Simpson,\n si n=3: Regla de tres octavos de Simpson.');
printf('\nEn las formulas abiertas,\n si n=0: Regla del punto medio.\n\n');
OK = 0;
while OK == 0
printf('Ingrese el tipo de formula\n1. Cerrada\n2. Abierta\n');
tipoFormula = input(' ');
if tipoFormula == 1 | tipoFormula == 2
OK = 1;
else
printf('ERROR: Ingrese nuevamente.\n');
end
end
if tipoFormula == 1
OK = 0;
while OK == 0
printf('Ingrese n (entre 1 y 4):\n');
n = input(' ');
if n == 1 | n == 2 | n == 3 | n == 4
OK = 1;

else
printf('ERROR: Ingrese nuevamente.\n');
end
end
else
OK = 0;
while OK == 0
printf('Ingrese n (entre 0 y 3):\n');
n = input(' ');
if n == 0 | n == 1 | n == 2 | n == 3
OK = 1;
else
printf('ERROR: Ingrese nuevamente.\n');
end
end
end
if tipoFormula == 1
printf('Ingrese x0:\n');
else
printf('Ingrese x-1:\n');
//x0 = input(' ');
end
x0 = input(' ');
if tipoFormula == 1
printf('Ingrese x%d:\n', n);
else
printf('Ingrese x%d:\n', n+1);
end
xn = input(' ');
//printf('Ingrese f(x) en terminos de x:\n');

//printf('Por ejemplo: sin(x)\n');

deff('y=f(x)',input('Digite la funcion en el formato y=f(x), Por ejemplo:


y=sin(x)',"s"));
//f = inline(funcion,'x');
if tipoFormula == 1
h=(xn-x0)/n;
if n == 1
r = (h/2)*(f(x0)+f(xn));
end
if n == 2
r = (h/3)*(f(x0)+4*f(x0+h)+f(xn));
end
if n == 3
r = ((3*h)/8)*(f(x0)+3*f(x0+h)+3*f(x0+2*h)+f(xn));
end
if n == 4
r = ((2*h)/45)*(7*f(x0)+32*f(x0+h)+12*f(x0+2*h)+32*f(x0+3*h)
+7*f(xn));
end
else
h=(xn-x0)/(n+2);
if n == 0
r = 2*h*f(x0+h);
end
if n == 1
r = ((3*h)/2)*(f(x0+h)+f(xn-h));
end
if n == 2
r = ((4*h)/3)*(2*f(x0+h)-f(x0+2*h)+2*f(xn-h));
end

if n == 3
r = ((5*h)/24)*(11*f(x0+h)+f(x0+2*h)+f(xn-2*h)+11*f(xn-h));
end
end
err = abs(double(intg(x0,xn,f))- r);
printf('\nSeleccione el tipo de salida\n');
printf('1. En pantalla\n');
printf('2. En archivo de texto\n');
printf('3. En pantalla y archivo de texto\n');
opcion = input(' ');
//imprime en archivo o en pantalla
if opcion == 1 | opcion == 2
if opcion == 2
printf('Ingrese el nombre del archivo de la forma: drive:\\name.ext\n');
printf('Por ejemplo: A:\\Output.dta\n');
nombre = input(' ',"s");
salida = mopen(nombre,'wt');
end
printf('\n');
if opcion == 1
printf('*** Aproximaciones con algunas formulas abiertas y cerradas de
Newton-Cotes ***\n\n');
else
mputl('*** Aproximaciones con algunas formulas abiertas y cerradas de
Newton-Cotes ***\n\n',salida);
end

if tipoFormula == 1
if opcion == 1
printf('Formula cerrada con n = %d\n', n);
else

mfprintf(salida,'Formula cerrada con n = %d\n', n);


end
else
if opcion == 1
printf('Formula abierta con n = %d\n', n);
else
mfprintf(salida,'Formula abierta con n = %d\n', n);
end
end
if opcion == 1
printf('Aproximacin = %.10e\n', r);
printf('Error = %.10e\n', err);
else
mfprintf(salida,'Aproximacin = %.10e\n', r);
mfprintf(salida,'Error = %.10e\n', err);
end
if opcion ~= 1
mclose(salida);
printf('Archivo %s creado exitosamente\n',nombre);
end
//imprime en archivo y en pantalla
else
printf('Ingrese el nombre del archivo de la forma: drive:\\name.ext\n');
printf('Por ejemplo: A:\\Output.dta\n');
nombre = input(' ',"s");
salida = mopen(nombre,'wt');
//impresion en pantalla
printf('\n*** Resultados de aproximaciones mediante Newton-Cotes ***\n\n');
if tipoFormula == 1
printf('Formula cerrada con n = %d\n', n);

else
printf('Formula abierta con n = %d\n', n);
end
printf('Aproximacion = %.10e\n', r);
printf('Error = %.10e\n', err);
//impresion en archivo
mfprintf(salida,'\n*** Resultados de aproximaciones mediante Newton-Cotes
***\n\n');
if tipoFormula == 1
mfprintf(salida,'Formula cerrada con n = %d\n', n);
else
mfprintf(salida,'Formula abierta con n = %d\n', n);
end
mfprintf(salida,'Aproximacion = %.10e\n', r);
mfprintf(salida,'Error = %.10e\n', err);
mclose(salida);
printf('Archivo %s creado exitosamente\n',nombre);
end

Segn los resultados podemos notar cmo existen ciertas diferencias en


la utilizacin de las reglas del trapecio, Simpson y Simpson 3/8.
Sin embargo tal como muestran las imgenes de la solucin, realizadas
utilizando Scilab, que la mejor aproximacin en sta caso viene dada por
la regla del trapecio, pues el error es menor que el obtenido en las otras
dos reglas.

Ecuaciones diferenciales con problemas de valor inicial.


Descripcin.
Una ecuacin diferencial es aquella que establece una relacin entre una
variable independiente, una variable dependiente y sus derivadas. En el
mundo real, estas relaciones son bastante tiles para modelar

problemas de nuestro entorno. Un ejemplo obvio es la segunda ley de


newton, cuya relacin establece una proporcionalidad entre la fuerza, la
masa y la aceleracin de un objeto, esta ltima variable no es ms que
el cambio de la velocidad. A su vez, la velocidad tambin establece otra
variable que cambia: la posicin.
Las ecuaciones diferenciales se clasifican por orden, que no es ms que
el valor de la mayor derivada en la ecuacin diferencial. Si en una
ecuacin diferencial, la variable dependiente solamente depende de una
variable independiente, estamos en presencia de una ecuacin
diferencial ordinaria (O por su abreviatura: E.D.O.).
Para ciertas condiciones especiales la solucin de una EDO tiene la
siguiente forma:
y=g( x , c 1 , , c n )
En donde la letra c, representa constantes arbitrarias.
Los mtodos considerados para resolver EDO ordinarias se ejemplifican
a ecuaciones de primer orden, ya que es muy simple llegar a reducir el
orden de la ecuacin diferencial con una sustitucin de variables.
Ya que la solucin general involucra una cantidad arbitraria de
constantes dadas, podemos establecer una condicin inicial:
Supongamos que en un intervalo [a,b] establecemos que cierta EDO de
la forma y=f(x,y) tiene solucin y=g(x,c) cuya condicin est sujeta a
y(x0)=y0 en donde por lo general, x0 equivale al valor inferior del
intervalo.
Ejemplos.
Modelo depredador-presa.
Las ecuaciones de Lotka-Volterra, tambin conocidas como ecuacin
predador-presa o presa-predador, son un par de ecuaciones diferenciales
de primer orden no lineales que se usan para describir dinmicas de
sistemas biolgicos en el que dos especies interactan, una como presa
y otra como depredador. Las ecuaciones fueron propuestas de forma
independiente por Alfred J. Lotka en 1925 y Vito Volterra en 1926. Tales
ecuaciones se definen como:
dx
=axbxy
dt
dy
=cy+ dxy
dt

En donde:
X equivale al nmero de presas en un determinado tiempo.
Y es el nmero de predadores o depredadores en funcin de t.
A es la razn de crecimiento de la presa.
B y D la razn que caracteriza el efecto de la interaccin
depredador-presa.
C es la razn de muerte del depredador.

Estos modelos son tiles en el estudio de ciclo de los nutrientes y


contaminantes txicos en las cadenas alimenticias acuticas y de
sistemas de tratamiento biolgicos.
Drenado de un tanque.
El principio de Torriceli es una aplicacin del principio de Bernoulli y
estudia el flujo de un lquido contenido en un recipiente, a travs de un
pequeo orificio, bajo la accin de la gravedad. Y establece lo siguiente:
La velocidad de un lquido en una vasija abierta, por un orificio, es la
que tendra un cuerpo cualquiera, cayendo libremente en el vaco desde
el nivel del lquido hasta el centro de gravedad del orificio.
v =c 2 gh
La ecuacin anterior relaciona la velocidad a la que el lquido es drenado
del tanque, donde c es la constante de viscosidad en el lquido; para
problemas ideales se toma c como el valor de la unidad. El problema
consiste en saber en cuanto tiempo la altura h de la columna de lquido
se va a vaciar.
Pndulo oscilante.
En la ingeniera se estudia en muchas ocasiones, cuerpos que presentan
un comportamiento oscilante o peridico. Un ejemplo sencillo es clsico
modelo de un pndulo simple que consiste en un cuerpo de peso W
sostenido a un eje por medio de una cuerda de longitud l, Las nicas
fuerzas que actan en este sistema son: la tensin de la cuerda y el
peso del cuerpo antes mencionado.

Si se realiza un anlisis para el comportamiento dinmico y esttico del


cuerpo de la partcula por medio de un diagrama de cuerpo libre,
abstrayendo o colocando las fuerzas correspondientes en el diagrama
para luego realizar unos artificios matemticos, se llega a la siguiente
ecuacin que describe el movimiento:
d2 g
+ sin =0
dt2 l
Compuesto qumico
Una reaccin qumica irreversible en la cual dos molculas de potasio
dicromtico solido (K2Cr2O7), dos molculas de agua, y tres tomos de
sulfuro (S) se combinan para dar paso a tres molculas de gas de xido
de azufre (SO2), cuatro molculas de hidrxido de potasio (KOH) y dos
molculas de xido de cromo. Pueden representarse en la siguiente
ecuacin de estequiometria:

Si n1 molculas de K2Cr2O7, n2 de agua y n3 molculas de S estn


originalmente disponibles la siguiente ecuacin diferencial describe la
cantidad x(t) de KOH despus de un tiempo t:

Donde k es una constante de la velocidad de reaccin.


Se puede utilizar los mtodos de Runge-Kutta para resolver esta
ecuacin diferencial.
Modelo de contagio epidemiolgico.
Un problema importante de biologa y medicina trata de la ocurrencia,
propagacin y control de una enfermedad contagiosa; esto es, una
enfermedad que puede transmitirse de un individuo a otros. La ciencia
que estudia este problema se llama epidemiologa, y si un porcentaje
grande no comn de una poblacin adquiere la enfermedad, decimos
que hay una epidemia. Un modelo matemtico sencillo para la
propagacin de una enfermedad es:
dy
=kxy
dt

En donde x y y equivalen a la cantidad de personas total en cierta


regin, teniendo como x a las personas o individuos susceptibles al
contagio y a y como la cantidad de personas infectadas, ambas
variables en algn determinado tiempo t.

Modelo de contagio epidemiolgico.


Como se estableci anteriormente, una ecuacin elemental puede describir y/o
predecir la propagacin de la cierta infeccin contagiosa a una cantidad
determinada de personas. Sea x(t) la cantidad de individuos potenciales para
contraer la enfermedad y sea y(t) el nmero de poblacin infectada, en
determinados tiempos t. Debemos asumir, para simplificar el modelo, que
todas las personas tienen igual capacidad de quedar enfermas o de ser
contagiadas sin importar muchos factores. Ahora podemos establecer una
variable m, tal que:

m=x (t ) + y ( t )
Que se presentara constante, con objeto de sencillez. As, la ecuacin descrita
anteriormente se puede reescribir en trminos de y nicamente.

dy
=k (m y) y
dt
Asumiendo que, que la poblacin total es de 100,000, la cantidad de
personas infectadas en el tiempo cero es 1000, que el tiempo se mida
en das y con una constante equivalente a 2x10-6 encuentre la cantidad
de nvidos infectados al final de 30 das.
Cdigo
Se utilizara el algoritmo de Runge-Kutta de orden 4 para la solucin de una
ecuacin diferencial ordinaria, implementado en Scilab.
clc;
clear;
funcprot(0);
ieee(0);
//EDO DE PRIMER ORDEN
deff("dy=f(x,y)","dy=kmy-y^2");
//2x 3 + 12x 2 20x + 8.5
printf("\n===============================================================
==========");
printf("\n
METODO DE RUNGE-KUTTA DE ORDEN SUPERIOR PARA EDO DE PRIMER
ORDEN
");
printf("\n
LA E.D.O. SE DEFINE INTERNAMENTE.
");
printf("\n
(NOTA: SE HA CAMBIADO x POR t)
");
printf("\n===============================================================
===========");

a=input("Ingrese el extremo inferior del intervalo a: ");


b=input("Ingrese el extremo superior del intervalo b: ");
while a>=b
printf("El valor de a debe ser menor que b");
a=input("Ingrese el extremo inferior del intervalo a: ");
end
n=input("Ingrese el valor de n, subintervalos: ");
while n<=0
printf("n, debe ser un entero positivo.");
n=input("Ingrese el valor de n, subintervalos: ");
end
//matriz para valores de x y y,
Y=zeros(1:n+1);
X=zeros(1:n+1);
//Calculando el valor de h
//Calculo de otros valores para la solucion.
h=(b-a)/n;
mp=h/2;
printf("\nCondiciones iniciales: y(x0)=y0 ");
x0=input("Ingrese el valor de x0: ");
y0=input("Ingrese el valor de y0: ");
yi=y0;
xi=x0;
printf("\n----------------------------------------------------------");
printf("\n|
I
||
X
||
Y
||
F(X,Y)
||");
printf("\n----------------------------------------------------------");
for i=1:n+1
printf("\n
%d
%f
%.8f
%f",i,xi,yi,f(xi,yi));
Y(i)=yi;
X(i)=xi;
k1=h*f(xi,yi);
k2=h*f(xi+mp,yi+(k1/2));
k3=h*f(xi+mp,yi+(k2/2));
aux=a+i*h;
k4=h*f(aux,yi+k3);
yi=yi+(k1+2*k2+2*k3+k4)/6; //Formula de Euler
xi=a+i*h;
end
printf("\n----------------------------------------------------------");
printf("\nPara un valor de h: %.5f en el intervalo I[%.4f,%.4f]",h,a,b);
printf("\nCondicion inicial: y(%f)=%f",x0,y0);
xgrid;
plot2d(X,Y)
title("Solucion para la EDO de primer orden, por el metodo de Runge-Kutta
orden superior:");
fchamp(f,0,X,Y);

Resultados
Se ha cambiado la variable t por x, por cotidianidad.

Como se muestra en la tabla anterior, para el da 30 se tendr una


cantidad aproximada de 80,288 personas infectadas. Lo cual demuestra
una tendencia creciente de los contagios, como era lo ms lgico. A este
ritmo, y a largo plazo, se tendr una poblacin contagiada del 100% con
el pasar de los das, as como lo demuestra el siguiente grafico de
nuestros resultados.

Aplicacin conceptual.
La aproximacin puede mejorar al determinar un nmero mayor de
pasos o segmentos a subdividir.

La aproximacin mejora de alguna manera y se vuelve ms precisa, esto


demuestra la adaptabilidad de los mtodos de Runge-Kutta, con algunas
evaluaciones a la funcin original, lo que pone a razn la superior de
este mtodo con respecto a muchos otros existentes de este mismo tipo.

CONCLUSIN
La matemtica juega un rol crucial en las aplicaciones de uso diario en la
ingeniera. La etapa del diseo, o del como hacerlo, requiere de un
ingenio y creatividad notables para resolver los problemas, dentro del
proceso de diseo de ingeniera. Al ser responsable de crear nuevas
tcnicas para suplir las deficiencias de la humanidad, pueden surgir
problemas que conllevan mayor complejidad en los clculos y en la
resolucin de problemas. Los algoritmos y procesos que se estudian en
el anlisis numrico, pueden ayudar a calcular con rapidez una cantidad
inimaginable de problemas y situaciones que requieran de una precisin
bastante alta. Los mtodos numricos son una herramienta potente en
el procesamiento de clculo y de datos, con estas tcnicas es posible
adaptarlas a necesidades especficas con problemas especficos para
encontrar aproximaciones muy buenas, con unos cuantos segundos
invertidos en su bsqueda. Adems, fomentan el proceso cientfico y
ayudan a fomentar nuevas y mejores teoras en el campo del
conocimiento, todo esto resulta en aproximaciones y paradigmas cada
vez ms exactos acerca de la realidad.

BIBLIOGRAFA
Baroni, S. (1952). Numerical methods in Engineering. Prentice-Hall.
Burden R, F. D. (2011). Numerical Analysis 9th edition. Boston: CENGAGE
Learning.
Chapra S, C. R. (2007). Metodos numericos para ingenieros, 5ta edicion. Mexico
D.F.: McGraw-Hill.
Curtis G, W. P. (2004). Applied numerical analysis . Pearson Education.
Kaw, A. (Junio de 2015). Holistic numerical Methods . Obtenido de Math for
College: http://mathforcollege.com/nm/topics/textbook_index.html

También podría gustarte