Está en la página 1de 54

UNIVERSIDAD AUTONMA DE ZACATECAS

UNIDAD ACADMICA DE CIENCIAS QUMICAS

INGENIERA QUMICA

MTODOS NMERICOS Y PROGRAMACIN

ELABORADAS POR: Dr. PABLO IBARRA CASTRO

ENERO DE 2010
1er ACTUALIZACIN ENERO 2013
2da ACTUALIZACIN ENERO 2014
3er ACTUALIZACIN ABRIL DE 2015
1

UNIVERSIDAD AUTNOMA DE ZACATECAS


UNIDAD ACADMICA DE CIENCIAS QUMICAS
PROGRAMA DE INGENIERA QUMICA
MTODOS NUMRICOS
Objetivo General.
Al finalizar el curso el alumno entender y deducir esquemas
numricos y resolver problemas matemticos. Planteara soluciones a problemas fsicos
y las ejecutara en una computadora.
Se suministra elementos para entender la lgica del anlisis de todo tipo de problemas
de manera que puedan plantearse algoritmos y posteriormente programas para
computador en el leguaje FORTRAN Y MATLAB.
PARTE I: MTODOS NUMRICOS
1. APROXIMACIONES Y ERRORES
1.1 Cifras significativas
1.2 Exactitud y precisin
1.3 Definiciones de error
1.4 Errores de redondeo
1.5 Errores de truncamiento
2. RACES DE ECUACIONES
2.1 Mtodos que usan intervalos
2.1.1 Mtodo de biseccin
2.1.2 Mtodo de la regla falsa
2.2 Mtodos abiertos
2.2.1 Mtodo de Newton-Raphson
2.2.2 Mtodo de la secante
2.2.3 Races mltiples
2.3 Mtodos para races complejas
2.3.1 Newton- Raphson
2.3.2 Muller
3. SISTEMAS DE ECUACIONES ALGEBRAICAS LINEALES
3.1 Eliminacin gaussiana
3.2 Gauss-Jordan
3.3 Inversin de Matrices
3.4 Mtodos Iterativos: Gauss-Seidel y Jacobi
3.5 Mtodo de Thomas
4. AJUSTE DE CURVAS
4.1 Regresin con mnimos cuadrados
4.1.1 Regresin lineal
4.1.2 Regresin polinomial
4.2 Interpolacin
4.2.1 Polinomios de interpolacin con diferencias divididas de Newton
2

4.2.2

Polinomios de interpolacin de Lagrange

5. INTEGRACIN Y DERIVADAS
5.1 Formulas de integracin de Newton-Cotes
5.1.1 Regla del trapecio
5.1.2 Regla de Simpson
5.2 Cuadratura Gaussiana
5.3 Derivadas
6. ECUACIONES DIFERENCIALES ORDINARIAS
6.1 Mtodos de un paso
6.1.1 Mtodo de Euler
6.1.2 Mtodos de Runge-Kutta
6.1.3 Sistemas de ecuaciones: Runge-Kutta
6.2 Mtodos de pasos mltiples
6.2.1 Mtodo de Jun
6.2.2 Formulas de integracin
6.3 Ecuaciones Diferenciales 2do Orden: Runge-Kutta-Nystrom
7. ECUACIONES DIFERENCIALES PARCIALES ELPTICAS,
HIPERBLICAS Y PARABLICAS
7.1 Mtodo de Lneas
7.2 Mtodo Explcito
7.3 Mtodo Implcito
PARTE II: PROGRAMACIN
LENGUAJE DE PROGRAMACIN FORTRAN
8. INTRODUCCION
8.1 Aplicacin de las Computadoras
8.2 Lenguajes de programacin
9. PRINCIPIOS BASICOS DE LA PROGRAMACIN
9.1 Diagramacin estructurada y libre
9.2 Etapas en la solucin de problemas usando la computadora
9.2.1
Planteamiento del problema
9.2.2
Construccin del diagrama de flujo
9.2.3
Codificacin del diagrama de flujo
9.2.4
Interpretacin de resultados
10. PROGRAMACIN EN COMPUTADORAS DIGITALES USANDO
FORTRAN
10.1 Lenguaje FORTRAN
10.2
Conceptos bsicos
10.2.1
Definiciones
10.2.2
Creacin de un Proyecto
3

10.3
10.4
10.4.1
10.4.2
10.5
10.6
10.6.1
10.6.2
10.6.3
10.7
10.7.1
10.7.2
10.7.3

Variables y Nmeros
10.3.1
Nmeros Enteros y Reales (punto flotante)
10.3.2
Variables, declaraciones y tipos
Decisin y Control
Control Condicional
Control Incondicional
Ciclos y control de Ciclos
Lectura y Escritura (INPUT/OUTPUT)
Lectura con Formato Libre y con Formato
Escritura con Formato Libre y con Formato
Uso de la Instruccin OPEN FILE
Arreglos
Variables con Subndices
La Instruccin DIMENSION
Lectura y Escritura de Variables con Subndice

10.8
10.8.1
10.8.2
10.8.3
10.8.4
10.8.5

Subprogramas
Subrutinas
Funciones
Uso de la Instruccin EXTERNAL
Uso de la Instruccin COMMON
Uso de la Instruccin DATA

10.9
10.9.1
10.9.2
10.9.3

Otras Clases de Variables


Variables Carcter
Variables Complejas
Variables con doble precisin

10.10
10.10.1

Depuracin
Uso del Debuger

Bibliografa:
1. Mtodos Numricos para Ingenieros
Steven C. Chapra, Ph. D.
Raymond P. Canale, Ph. D.
McGraw-Hill
2. Mtodos Numricos Aplicados a la Ingeniera
Antonio Nieves Hurtado
Federico C. Domnguez Snchez
Editorial Continental
3. Mtodos Numricos Aplicados con Software
Shoichiro Nakamura
Prentice may
4

4. Fortran Programming
John B. Morre
Prentice Hall Company
5. Numerical Recipes Program Library
Microsoft Fortran Powerstation
6. Microsoft IMSL Libraries
Exmenes Mtodos Numricos: 60% Calificacin Final
Primer examen: Temas 1, 2 y 3 20%
Segundo examen: Temas 4 y 5 20%
Tercer examen: Temas 6 y 7
20%
Tareas: 1 por tema 30%
Asistencia y Participacin 10%

Exmenes PROGRAMACIN: 40% Calificacin Final


Primer examen: FORTRAN 10%
Segundo examen: FORTRAN 20%
RUTINAS IMSL 10%

Al final del Semestre se les pedir sus apuntes y trabajos, si los tiene completos y en
orden le ayuda a mejorar la calificacin.

PROGRAMACIN

TEMA 2

TEMA 1

PRINCIPIOS BASICOS DE
PROGRAMACIN

INTRODUCCIN

1HISTORIA DE LAS
COMPUTADORAS,
CARACTERISTICAS Y USOS

TEMA 3
PROGRAMACIN DE
COMPUTADORAS
EN LENGUAJE FORTRAN

1. VARIABLES Y NMEROS

2. LENGUAJES DE
PROGRAMACIN

2. DECISIN Y CONTROL

1DIAGRAMACIN
ESTRUCTURADA Y LIBRE

3. CICLOS Y CONTROL DE
CICLOS

2ETAPAS EN LA SOLUCIN DE
PROBLEMAS USANDO LA
COMPUTADORA

4. LECTURA Y ESCRITURA
(INPUT/OUTPUT)

5. ARREGLOS

6. SUBPROGRAMAS

7. OTRA CLASES

8 .DEPU

PROGRAMACI
N
TEMA 5
USO DE
RECETAS
NUMRICAS

TEMA 4
USO DE
LIBRERAS IMSL

1. LIBRERAS
MATEMTICAS

1. SUBRUTINAS

2. LIBRERAS
ESTADSTICAS

2.

FUNCIONES

TEMA 1. APROXIMACIONES Y ERRORES


Los errores son parte intrnseca en el entendimiento y uso efectivo de los mtodos
numricos, la mayor parte de las tcnicas desarrolladas tienen la caracterstica de poseer
errores.
CIFRAS SIGNIFICATIVAS
El concepto de cifras o dgitos significativos se ha desarrollado para designar
formalmente la confiabilidad de un valor numrico. El nmero de cifras significativas es el
nmero de dgitos, mas un dgito estimado que se pueda estimar con confianza. Los ceros
no siempre son cifras significativas ya que pueden usarse slo para ubicar el punto decimal.
El concepto de cifras significativas tiene dos implicaciones importantes en el estudio de
los mtodos numricos.
1. Los mtodos numricos obtienen resultados aproximados, por lo tanto se deben de
desarrollar criterios para especificar que tan precisos son los resultados obtenidos.
Una manera de hacerlo es en trminos de cifras significativas.
2. Aunque ciertas cantidades tales como , e, o 7 representan nmeros especficos,
no se pueden expresar exactamente con un nmero finito de dgitos.
Ejemplo: = 3.141 592 653 589 793 238 462 643
Tal nmero jams se podr representar exactamente.
EXACTITUD Y PRECISION
Los errores asociados con los clculos y medidas se pueden caracterizar observado su
precisin y exactitud.
La precisin se refiere a:
1) El nmero de cifras significativas que representan una cantidad
2) La extensin en las lecturas repetidas de un instrumento que mide una propiedad
fsica.
La exactitud se refiere a la aproximacin de un nmero o de una medida al valor
verdadero que se supone representa.
DEFINICIONES DE ERROR
Error: es la inexactitud y la imprecisin de las predicciones.
Los errores numricos se generan con el uso de aproximaciones para representar las
operaciones y cantidades matemticas. Estos incluyen errores de truncamiento, que
resultan de representar aproximadamente un procedimiento matemtico exacto, y los
errores de redondeo, que resultan de representar aproximadamente nmeros exactos.
Para los dos tipos de errores, la relacin entre el resultado exacto o verdadero y el
aproximado est dada por:
Valor verdadero = Valor aproximado + error

El valor numrico es:


Ev = Valor verdadero - Valor aproximado

Ev = Error verdadero

Una manera de medir las magnitudes de las cantidades que se estn evaluando es
normalizar el error respecto al valor verdadero:
Error relativo fraccional = error / valor verdadero
El error relativo se puede multiplicar por el 100% para expresarlo como:

v = (error verdadero/ valor verdadero)*100%


donde v denota el error relativo porcentual.
Para lo mtodos numricos el valor verdadero no se conoce. En estos casos,
normalizar el error es una alternativa, usando la mejor estimacin posible del valor
verdadero, esto es, a la aproximacin misma, como

a = (error aproximado/ valor aproximado)*100%


donde el subndice a significa que el error esta normalizado a un valor aproximado.
En ciertos mtodos numricos se usan esquemas iterativos para calcular los resultados.
En tales esquemas, se hace una aproximacin en base a la aproximacin anterior. Para
estos esquemas el error relativo porcentual est dado por

a = ((aproximacin actual-aproximacin previa)/aproximacin actual)*100%


Es conveniente enfocar estos errores hacia el nmero de cifras significativas en la
aproximacin. Scarborough en 1966 demostr que si el siguiente criterio se cumple,
puede tenerse la seguridad que el resultado es correcto en al menos n cifras
significativas.

s 0.5 x102 n

s = tolerancia

ERRORES DE REDONDEO
Los errores de redondeo se deben a que las computadoras solo guardan un nmero
finito de cifras significativas durante un clculo.
Las reglas para redondear nmeros en clculos manuales se analizan en el recuadro
siguiente:
9

ERRORES DE TRUNCAMIENTO
Los errores de truncamiento son aquellos que resultan al usar una aproximacin en
lugar de un procedimiento matemtico exacto.
La serie de Taylor es usada para formular mtodos numricos y podemos partir de ella
para obtener conocimiento de las caractersticas de estos errores.
Serie de Taylor
La serie de Taylor da una formulacin para predecir el valor de la funcin en xi 1 en
trminos de la funcin y de sus derivadas en una vecindad al punto xi :

10

f xi 1 f xi f xi xi 1 xi
f

xi

n!


f xi
xi 1 xi 2 f xi xi 1 xi 3 ...
2!
3!

xi 1 xi Rn
n

Ntese que la ecuacin anterior es una serie infinita. Se incluye un trmino residual
para considerar todos los trminos desde n + 1 hasta el infinito:

Rn

x x n1
n 1! i 1 i

n 1

donde el subndice n indica que el residuo es de la aproximacin a n-esimo orden y


es un valor cualquiera de x que se encuentra entre xi y xi 1 .
Frecuentemente es conveniente simplificar la serie de Taylor definiendo un paso
h xi 1 xi y expresando la ecuacin como:
f xi 1 f xi f xi h
f

xi

n!

f xi 2 f xi 3
h
h ...
2!
3!

h n Rn

donde el trmino residual es ahora:

Rn

h n 1
n 1!

n 1

El valor prctico de la serie de Taylor estriba, en la mayor parte de los casos, en el uso
de un nmero finito de trminos que darn una aproximacin lo suficientemente
cercanas a la solucin verdadera para propsitos prcticos. La decisin sobre cuantos
trminos se requieren para obtener una aproximacin razonable se basa en el trmino
del residual de la expansin. El trmino de residual se puede expresar como:

Rn 0 h n 1

donde 0(hn+1) significa que el error de truncamiento es del orden hn+1. Esto es, el error
esproporcional al paso h a la (n + 1) ensima potencia.

11

Problema: Usar los trminos en serie de Taylor de cero a tercer orden para estimar f(3)
para:
f ( x) 25 x 3 6 x 2 7 x 88
usando como punto base xi = 2. Calclese el error relativo porcentual para cada
aproximacin.
Problema para Incluir en Tarea 1.
Usar los trminos en serie de Taylor de cero a tercer orden para estimar f(1) para:
f ( x) 0.1x 4 0.15 x 3 0.5 x 2 0.25 x 1.2
usando como punto base xi = 0. Calclese el error relativo porcentual para cada
aproximacin.

12

TEMA 2. RACES DE ECUACIONES


2.1 Mtodos que usan intervalos
Mtodo de Biseccin
Si f(x) es real y continua en el intervalo de xi a xs y f(xi) y f(xs) tienen signos opuestos, esto
es,
f xi * f ( xs ) 0

xi = valor inferior

xs = valor superior

entonces hay, al menos una raz real entre xi y xs. A continuacin se muestra un algoritmo
para la biseccin.
ALGORITMO DE BISECCIN
Paso 1: Escjanse los valores iniciales xi y xs de forma tal que la funcin cambie de signo
sobre el intervalo. Esto se puede verificar asegurndose de que
f(xi)*f(xs) < 0
Paso 2: La primera aproximacin a la raz, se determina como:

xr

xi x s
2

Paso3: Realcense las siguientes evaluaciones y determnense en que subintervalo cae la


raz:
a. Si f(xi)*f(xr) < 0, entonces la raz se encuentra dentro del primero subintervalo. Por
lo tanto, resulvanse xs = xr, y continese en el paso 4.
b. Si f(xi)*f(xr) > 0, entonces la raz se encuentra dentro del segundo subintervalo. Por
lo tanto, resulvanse xi = xr, y continese en el paso 4.
c. Si f(xi)*f(xr) = 0, entonces la raz es igual a xr y se terminan los clculos.
Paso 4: Calclese una nueva aproximacin a la raz mediante:

xr

xi x s
2

Paso 5: Decdase si la nueva aproximacin es tan exacta como se desea, En base a el error
relativo. Si es as, entonces los clculos terminan, de otra manera, regrsese al paso 3.

13

Mtodo de la Regla Falsa


Una alternativa mejorada del mtodo de biseccin es la del mtodo de la regla falsa en
una idea para aproximarse en forma ms eficiente a la raz. Este mtodo aprovecha la idea
de unir los puntos con una lnea recta. La interseccin de esta lnea con el eje x proporciona
una mejor estimacin de la raz. El reemplazamiento de la curva por una lnea recta da una
posicin falsa de la raz, de aqu el nombre de mtodo de la regla falsa.
Con el uso de tringulos semejantes figura siguiente, la interseccin de la lnea recta y el
eje x se puede calcular de la siguiente manera:

f xi
f xs

x r xi x r x s
que se puede resolver para obtener:
xr xs

f xs xi xs
f xi f xs

Esta es la formula de la regla falsa. El valor de xr, calculado con la ecuacin, remplaza a
uno de los valores, xi o a xs que produzca un valor de la funcin que tenga el mismo signo
de f(xr). De esta manera, los valores xi y xs siempre encierran a la raz. El proceso se repite
hasta que la aproximacin a la raz sea la adecuada.

f(xs)

f(x)

xi

xr

x
f(xi)
2.2 Mtodos abiertos

14
xi

xu

2.3 Mtodo para races complejas


Mtodo de Muller para determinar races complejas y reales
El mtodo de Muller requiere tres valores iniciales, sean xi, xi-1, xi-2, tres aproximaciones
distintas a una raz de f(x) = 0. Usando la siguiente notacin.
f i f xi

f i 1 f xi 1

f i 2 f xi 2
la funcin

p x f i f xi , xi 1 x xi f xi , xi 1 , xi 2 x xi x xi 1 es la parbola

nica que pasa por los puntos


por

x f , x
i,

f xi , xi 1

i 1

, f i 1 , y xi 2 , f i 2

y las funciones es dada

f i f i 1
xi xi 1

f xi 1 , xi 2

f i 1 f i 2
xi 1 xi 2

f xi , xi 1 , xi 2

f xi , xi 1 f xi 1 , xi 2
xi xi 2
p x a 0 a1 x a 2 x 2

Un polinomio de segundo grado se escribe en la forma:

Al comparar esta ecuacin con la ecuacin de la parbola, se establece la siguiente


identificacin
a 2 f xi , xi 1 , xi 2

a1 f xi , xi 1 xi xi 1 a 2

a 0 f i xi f xi , xi 1 xi 1 a 2
Una vez calculados los valores de a0, a1 y a2, las races de p x se determinan a partir de la
frmula cuadrtica
xi 1

2a o

a1 a12 4a 0 a 2

1
2

Se selecciona el signo que precede el radical de manera que el denominador sea mximo
en magnitud, y la raz correspondiente es la siguiente aproximacin xi+1.
15

TEMA 3. SISTEMAS DE ECUACIONES ALGEBRAICAS LINEALES


Conceptos Bsicos
Matrices: Es un conjunto de elementos ordenados en filas y columnas como
a11
a
21

a31

a m1

......a1n
......a 2 n

a12
a 22

a13
a 23

a32
am2

a 33 ......a3n

a3 ......a mn

los elementos aij son nmeros reales o complejos, p funciones de una o varias variables.
Para denotar las matrices se utilizan las primeras letras maysculas del alfabeto. Cuando
se hace referencia a una matriz es conveniente especificar su nmero de rengln y
columnas. As, la expresin A de mxn, indica que se trata de una matriz de filas m y n
columnas.
Las matrices con dimensiones m = 1 en el rengln, tales como

B b1 , b2 , b3 ......, bn
se les llama vectores rengln.
Las matrices con dimensin n = 1 en la columna, tales como

c1
c
2

C .

.
cm

se les conoce como vectores columna.
A las matrices donde m = n se les llama matrices cuadradas. Se le llama diagonal
principal de la matriz a la diagonal consistente de los elementos a 11, a22, a33,.. es decir a los
elementos en los que i = j.
Tipos de matrices
Matriz Simtrica: es aquella donde aij = aji para toda i y toda j
Matriz Diagonal: Es una matriz cuadrada donde todos los elementos fuera de la diagonal
principal son iguales a cero.
Matriz Identidad I : Es una matriz diagonal donde todos los elementos de la diagonal
principal son iguales a 1.
16

Matriz Triangular superior: es aquella donde todos sus elementos bajo la diagonal
principal son cero.
Matriz Triangular inferior: es aquella donde todos sus elementos arriba de la diagonal
principal son cero.
Matriz Banda: tiene todos los elementos iguales a cero, con excepcin de una banda
centrada sobre la diagonal principal. Si el ancho de banda es de tres, se le da el nombre de
matriz tridiagonal.
Operaciones de Matrices
Transpuesta de una matriz A : Es la transformacin de sus renglones en columnas.
Matriz aumentada: Es el resultado de agregarle una columna a la matriz original
T

Representacin en forma matricial de sistemas de ecuaciones algebraicas lineales


Las matrices proporcionan una notacin concisa en la representacin de ecuaciones
simultneas lineales.

A X C
donde A es una matriz cuadrada de n por n coeficientes, C es un vector columna n
por 1 de constantes y X es un vector columna n por 1 de incgnitas.
Mtodo 1. Eliminacin Gaussiana
La eliminacin Gaussiana es una tcnica sistemtica de eliminacin hacia delante y la
sustitucin hacia atrs.
El procedimiento est planteado para resolver un conjunto de n ecuaciones:
a11 x1

a12 x 2

a13 x3 ....

a 21 x1
.

a 22 x 2
.

a32 x3 .... a 2 n x n c 2
.
.

a1n x n c1

.
.
.
.
a n1 x1 a n 2 x 2 a n 3 x3 .... a nn x n c n

Eliminacin hacia delante de incgnitas. La primera fase reduce el conjunto de


ecuaciones a un sistema triangular superior.

17

Procedimiento
1.
2.
3.
4.

Dividir la primera ecuacin por el coeficiente de la primera incgnita, a11 ( Proceso


de Normalizacin). Tiene por finalidad convertir el primer coeficiente de la
ecuacin normalizada en 1.
Multiplicar la ecuacin normalizada por el primer coeficiente de la segunda
ecuacin, por el coeficiente de la tercera ecuacin etc.
Restar a la segunda, tercera etc., ecuacin el resultado del producto de la primer
ecuacin segunda ecuacin etc.
Se repite el proceso para eliminar la segunda incgnita, tercer incgnita etc.

Sustitucin hacia atrs:


Procedimiento:
Se resuelve para xn
2. El resultado se sustituye en n-1 ecuacin y se determina xn-1
3. El procedimiento se repite evaluando las x restantes.
1.

Ejemplo:
Dado el sistema
12 x1

x2

7 x3

80

x1

6 x2

4 x3

13

2 x1

x2

10 x3

92

a) Resulvase con el uso de la eliminacin gaussiana.


b) Sustityanse los resultados en las ecuaciones originales y comprubense las
respuestas
Mtodo 2. Gauss-Jordan
El mtodo de gauss-jordan es una variacin de la eliminacin gaussiana. La principal
diferencia consiste en que el mtodo de gauss-jordan cuando se elimina una incgnita no
slo se elimina de las ecuaciones siguientes sino de todas las otras ecuaciones. De esta
forma, el paso de eliminacin genera una matriz identidad en vez de una matriz
triangular. Por consiguiente, no es necesario emplear la sustitucin hacia atrs para
obtener la solucin.
Procedimiento
1. Se expresan los coeficientes y el vector de trminos independientes como una matriz
aumentada.
18

2. Se normaliza el primer rengln dividindolo por el pivote a11.


3. El trmino x1 se elimina del segundo rengln restando a21 veces el primer rengln del
segundo rengln, de manera similar se resta a31, a41 etc. veces el primer rengln del
tercero, cuarto,., rengln respectivamente.
4. Se normaliza el segundo rengln dividindolo por el pivote a22.
5. El trmino x2 se elimina del primero y tercer rengln restando a12 y a32 veces el
segundo rengln del primer rengln y tercer rengln respectivamente.
6. Se normaliza el tercer rengln dividindolo por el pivote a33.
7. El trmino x3 se elimina del primero y segundo rengln restando a13 y a23 veces el
tercer rengln del primer rengln y segundo rengln respectivamente.
8. Se repite el proceso para eliminar la cuarta incgnita etc.
Mtodo 3. Inversin de matrices
La divisin matricial no esta definida, sin embargo, si una matriz A es cuadrada, hay
1
otra matriz A , llamada la inversa de A , tal que

A A 1

A 1 A

De esta forma, la multiplicacin de una matriz por su inversa, es anloga a la divisin,


en el sentido de que un nmero dividido por s mismo es igual a uno. Esto es, la
multiplicacin de una matriz por su inversa es igual a la matriz identidad.
Las ecuaciones lineales se pueden representar en notacin normal de la forma:

A X C
Donde C es un vector columna de constantes y
incgnitas.

es un vector columna de

Si multiplicamos la ecuacin anterior por la inversa de A , para obtener:

A 1 A X A 1 C
como A A

es la matriz identidad, la ecuacin anterior se convierte en:

X A 1 C
Por lo tanto, la ecuacin se ha resuelto para X .
La inversa de una matriz se puede calcular directamente con el mtodo de gauss-jordan.

19

Como se indica en el procedimiento siguiente:


1. Escribir en notacin matricial el sistema de ecuaciones
a11
a
21
a 31

a12
a 22
a 32

a13 x1
c1

a32 x 2 c 2
c3
a33 x3

2. Obtener la matriz aumentada adicionando a la matriz coeficientes la matriz


identidad.

a11
a
21
a31

a12
a 22
a 32

a13 1 0 0

a32 0 1 0
a33 0 0 1

3. Aplicar el mtodo de gauss-jordan, para obtener en el lado derecho de la matriz


aumentada la inversa.
1 0 0 a 111

1
0 1 0 a 21

a 112
a 1 22

0 0 1 a 131

a 1 32

a 113

a 132
a 133

4. Multiplicar la matriz inversa por la matriz de trminos independientes para obtener


los valores de las incgnitas.
a 111
1
a 21
a 131

a 112
a 1 22
a 1 32

a 113

a 132

c1
x1
c x
2
2
1
x3
a 33 c3

La aplicacin de la inversa ocurre cuando es necesario resolver varios sistemas de


ecuaciones que difieren nicamente en el vector trminos independientes.
Ejemplo: Resolver el siguiente sistema de ecuaciones.
4 x1 2 x 2
x3 39
x1 6 x 2 2 x3 28
x1 3x 2 12 x3 86

20

Mtodo 4. Thomas
Con frecuencia la matriz coeficiente del sistema A x b por resolver, un gran
nmero de sus componentes son cero (matrices dispersas). En estos casos algunos de los
mtodos conocidos pueden adaptarse, con lo cual se reduce el trabajo computacional y la
memoria de la mquina.
En el mtodo de Tomas, se adapta la eliminacin de Gauss para la solucin del sistema
tridiagonal A x b ; es decir, A es tridiagonal. Algunos ejemplos de matrices
bandeadas:
2
0

0
0

0
1
0
0
0

0
0
5
0
0

0
0
0
7
0

Diagonal

0
0
0

0
6

4
7

0
0

0
8
0
0
0

0
1
5
1
0

0
0
2
3
3

0
0
0

5
4

8 7
9 3

3 1

0 0
0 0

Tridiagonal

6 0
0
0 2 0
8 9 10

3 5
8
7 4 0

Pentadiagonal

Sea el sistema tridiagonal de tres ecuaciones en tres incgnitas


b1 x1
a 2 x1

c1 x 2
b2 x 2
a3 x 2

c 2 x3
b3 x3

d1
d2
d3

Triangulacin
Si b1 0 , se elimina x1 slo en la segunda ecuacin, con lo que se obtiene como nueva
tercer ecuacin

b2' x 2 c 2' x3 d 2'


con
b2' b2 a 2 c1 / b1 ; c 2' c 2 ; d 2' d 2 a 2 d1 / b1
Si b2 0, x2 se elimina slo en la tercera ecuacin, y as se obtiene como nueva tercera
ecuacin
'

21

b3' x3 d 3'

b3' b3 a3 c 2 / b2' ; d 3' d 3 a 3 d 2' / b2'

Generalizando: Para un sistema tridiagonal de n ecuaciones en n incgnitas.


'
Para i 1,......., n 1 , si bi 0 se elimina xi slo en la (i+1)-sima ecuacin, con lo que
se obtiene como nueva (i+1)-sima ecuacin.
Triangulacin
bi'1 xi 1 ci' 1 xi 2 d i'1
con
bi'1 bi 1 ai 1ci / bi' ; ci' 1 ci ; d i'1 d i 1 ai 1 d i' / bi'

Sustitucin regresiva
x n d n' / bn'

y para i n 1, n 2,...., 1
d i' ci' xi 1
xi
bi'
Esta simplificacin del algoritmo de Gauss, valida para sistemas tridiagonales se
conoce como mtodo de Thomas.
Mtodo 5. Descomposicin LU
El esquema general de la descomposicin LU para una matriz de orden N es el siguiente:
a) El primer rengln de U, uij para j =1 hasta N, se obtiene por medio
u1 j a1 j ,

j 1 hasta N

b) La primera columna de L, lij para i=2 hasta N, se obtiene por medio de


l i1 ai1 / u11 , i 2 hasta N
c) El segundo rengln de U se obtiene como
u 2 j a 2 j l 21u1 j ,

j 2 hasta N

d) La segunda columna de L se obtiene mediante


22

l i 2 a i 2 l i1u12 / u 22
e) El n-simo rengln de U se obtiene de

i 3 hasta N

n -1

u nj a nj l nk u kj , j n hasta N
K 1

f) La n-sima columna de L se obtiene de


n 1

l in ain l ik u kn / u nn , i n 1 hasta N
k 1

Para resolver un conjunto de N ecuaciones lineales se procede como


a) Paso de eliminacin hacia delante
z 1 y1

i 1

z i yi

l
j 1

ij

z j , i 2,3,......, N

b) Paso de eliminacin hacia atrs:


zN
u NN

xN

zi

xi

j i 1

u ii

ij

xj

, i N - 1, N - 2,....,3,2,1

Mtodo de Jacobi y Gauss Seidel


donde es el contador de iteracin, Finalmente tenemos:

Cabe destacar que al calcular xi(k+1) se necesitan todos los elementos en x(k), excepto el que
tenga el mismo i. Por eso, al contrario que en el mtodo Gauss-Seidel, no se puede
sobreescribir xi(k) con xi(k+1), ya que su valor ser necesario para el resto de los clculos. Esta
es la diferencia ms significativa entre los mtodos de Jacobi y Gauss-Seidel. La cantidad
mnima de almacenamiento es de dos vectores de dimensin n, y ser necesario realizar un
copiado explcito.

23

MTODO DE NEWTON-RAPHSON PARA SISTEMAS DE ECUACIONES NOLINEALES


El mtodo de Newton-Raphson multivariable, es un mtodo de convergencia cuadrtica.
A continuacin se obtendr este procedimiento para dos variables; la extensin a tres o
ms variables es viable generalizando los resultados.
Suponga que s esta resolviendo el sistema:

f1

x, y 0 f 2

x, y 0

donde ambas funciones son continuas y diferenciables, de modo que puedan expanderse
en serie de Taylor. Esto es
f x, y f a , b

df
x a df y b
dx
dy

donde f(x, y) se ha expandido alrededor del punto (a, b) y todas las derivadas parciales
estn evaluadas en (a, b).
Expandiendo f1 y f2 alrededor de (x, y)

f 2 (x k , y k ) f 2 x k , y k

df 1 k 1
df
x x k 1 y k 1 y k
dx
dy
df
df
2 x k 1 x k 2 y k 1 y k
dx
dy

f1 ( x k , y k ) f1 x k , y k

Supongamos que xk+1 y yk+1 estn tan cerca de la raz buscada que los lados izquierdos de
las dos ltimas ecuaciones son casi cero. Con esto las ecuaciones se simplifican a

0 f2 xk , yk

df 1 k 1
df
x x k 1 y k 1 y k
dx
dy
df
df
2 x k 1 x k 2 y k 1 y k
dx
dy

0 f1 x k , y k

Para simplificar, se cambia la notacin:


x k 1 x k h

y k 1 y k j

y as que da la(k+1)-sima iteracin en trminos de la k-sima, como:


x k 1 x k h
24

y k 1 y k j

La sustitucin de la ecuacin y el arreglo dan como resultado

df 1
df
h 1 j
dx
dy
df
df
2 h 2 j
dx
dy

f1 x k , y k
f2 xk , yk

el cual es un sistema de ecuaciones lineales con dos incgnitas h y j, donde las funciones
y las derivadas estn evaluadas en xk y yk y , por tanto, son nmeros reales.
Este sistema de ecuaciones lineales resultante tiene solucin nica, siempre que el
determinante de la matriz de coeficientes o matriz jacobiana J no sea cero; es decir si:
df 1
dx
J
df 2
dx

df1
dy
0
df 2
dy

TEMA 4. AJUSTE DE CURVAS


A menudo se proporcionan datos mediante un conjunto de puntos discretos. Sin
embargo, a veces se requieren estimaciones de puntos entre esos valores discretos, a
esta aplicacin se le conoce como ajuste de curvas.
Hay dos esquemas generales en el ajuste de curvas que se distinguen entre s en base a
la cantidad de error asociada con los datos.
Primero: Los datos muestran un grado significativo de error, la estrategia es derivar
una curva simple que represente el comportamiento general de los datos. Ya que cada
punto individual puede estar incorrecto, no es necesario interceptar cada punto
individual. En vez de esto, la curva se disea de tal manera que siga un patrn sobre los
puntos tomados como un todo. A este procedimiento se le conoce con el nombre de
regresin con mnimos cuadrados.
Segundo: Se conoce que los datos son muy exactos, el proceso es ajustar una curva o
una serie de curvas que pasen exactamente por cada uno de los puntos. A la estimacin
de valores entre puntos discretos conocidos se le conoce con el nombre de
interpolacin.
Regresin con Mnimos Cuadrados
4.1.1

Regresin Lineal

25

Consiste el ajustar un conjunto de


x1 , y1 , x2 , y2 ,........, xn , yn . Con una lnea recta.

parejas

de

datos

observadas:

La expresin matemtica de una lnea recta es:


y ao a1 x E
en donde ao y a1 son coeficientes que representan la interseccin con el eje de las abscisas
y la pendiente, respectivamente y E es el error o residuo entre el modelo y las
observaciones, que se puede representar reordenando la ecuacin como:
E y ao a1 x
Por lo tanto, el error es la diferencia entre el valor real de y y el valor aproximado, ao a1 x ,
predicho por la ecuacin lineal.
Una estrategia que obtiene la mejor lnea a travs de los puntos debe minimizar la suma
de los errores residuales, la mejor estrategia es la de minimizar la suma de los cuadrados de
los residuos Sr, de la siguiente manera:
n

i 1

i 1

Sr E I2 y i a o a1 xi

Este criterio tiene muchas ventajas, incluyendo el que ajusta una lnea nica a un conjunto
dado de datos.
Para determinar los valores de las constantes ao y a1 , se deriva la ecuacin Sr con respecto
a cada uno de los coeficientes:
Sr
2 ( yi ao a1 xi )
ao
Sr
2 [( yi ao a1 xi ) xi ]
a1

Todas las sumatorias van desde i = 1 hasta n. Igualando estas derivadas a cero, se genera un
mnimo Sr. Si se hace as, las ecuaciones anteriores se expresarn como:
0 y i a 0 a1 x1

0 y i xi a 0 xi a1 xi2
Considerando que

na 0

, las ecuaciones se pueden expresar como un conjunto de

a 0 y a1
:
dos ecuaciones lineales simultneas con dos incgnitas
0

26

na 0 xi a1 y i

x a x
i

2
i

a 1 xi y i

A estas ecuaciones se les conoce como ecuaciones normales. Resolvindolas


simultneamente se obtiene:
n xi y i xi y i
a1
2
n xi2 xi
Para obtener a0 :

a 0 y a1 x

en donde y y x son la media de y y x, respectivamente.


El coeficiente de correlacin es dado por:

r2

St Sr
St

S t yi y

S r y i a 0 a1 xi

en donde r es el coeficiente de correlacin, Sr suma de los cuadrados de los residuos


alrededor de la lnea de regresin y St es la suma total de los cuadrados. Para un ajuste
perfecto, Sr = 0 explicando el 100% de variabilidad.
Regresin Polinomial
El procedimiento de mnimos cuadrados de se puede extender fcilmente y ajustar datos a
un polinomio de m-simo grado:
y a 0 a1 x a 2 x 2 ...... a m x m

En este caso, la suma de los cuadrados de los residuos es:


S r y a 0 a1 xi a 2 xi2 .... a m xim
n

i 1

Derivando con respecto a cada uno de los coeficientes, igualando a cero, se obtiene:

27

a 0 n a1 xi a 2 xi2 .... a m xim y i

a 0 xi a1 xi2 a 2 xi3 .... a m xim1 xi y i

a 0 xi2 a1 xi2 a 2 xi4 .... a m xim 2 xi2 y i


....
....
a 0 xim a1 xim 1 a 2 xim 2 .... a m xi2 m xim y i
Regresin Lineal Mltiple
Una extensin til en la regresin lineal es el caso en que y es una funcin lineal
de dos o ms variables:
y a 0 a1 x1 a 2 x 2 ....... a m x m
en donde los coeficientes que minimizan la suma de los cuadrados de los residuos
se determinan resolviendo el sistema:

x
x

1,i
2 ,i

x
x
x x
1,i
2
1,i

2 ,i 1,i

x
x x
x

.
m ,i

m ,i 1,i

...

2,i 1,i
2
21,i

.
.

...

2 ,i

...

m ,i

x 2 ,i

...

x
x x
x x

a0

1,i m ,i

a1

a
2 ,i m , i
2

.
.
.

.
.

.
a
2
xm,i m
m ,i

y
x y
x ,y

1,i

2 ,i

.
m ,i

, yi

El error estndar de la aproximacin para la regresin lineal mltiple se formula


de la siguiente manera:
s y / x1 , x2 ,.... xm

Sr
n m 1

y el coeficiente de correlacin se calcula con la ecuacin:

r2
Interpolacin

28

St Sr
St

Para determinar valores intermedios entre valores conocidos. El mtodo ms comn


empleado para este propsito es la interpolacin polinomial.
La formula general de un polinomio de n-simo orden es:
f x a 0 a1 x a 2 x 2 ...a n x n

Para n + 1 puntos, existe uno y slo un polinomio de n-simo orden o menor que pasa
a travs de todos los puntos. El polinomio de interpolacin consiste en determinar el
nico polinomio de n-simo orden que se ajusta a los n + 1 puntos dados. Este
polinomio proporciona una frmula para calcular los valores intermedios.
Aunque existe uno y slo un polinomio de n-simo orden que se ajusta a los n +1
puntos, existe una gran variedad de frmulas matemticas mediante las cuales se
puede expresar este polinomio. Estudiaremos dos tcnicas: Polinomios de Newton y
los polinomios de Lagrange.
Polinomios de Interpolacin con Diferencias Divididas de Newton
El polinomio de interpolacin con diferencias divididas de Newton, es la forma ms
popular adems de la ms til.
Interpolacin Lineal
La forma ms simple de interpolacin es la de conectar dos puntos con una lnea recta. Este
mtodo se muestra en la figura siguiente.
Usando tringulos semejantes se tiene:

f x f x 0 f x1 f x0

x x0
x1 x 0
que se puede reordenar como:

f x1 f x 0
x x0
x1 x0
la cual es una formula de interpolacin lineal.
La notacin f 1 x indica que se trata de un polinomio de interpolacin de primero orden.
f 1 x f x0

29

f(x1)
f1(x)
f(x0)

x0

x1

Interpolacin Cuadrtica
Si se dispone de tres datos, la interpolacin se puede llevar a cabo con un polinomio de
segundo orden. Una manera conveniente para este caso es:
f 2 x b0 b1 x x0 b2 x x0 x x1
Como el objetivo es determinar los coeficientes bi para obtener el polinomio de segundo
orden podemos sustituir x = x0, x = x1 y x = x2, y se obtiene
b0 f x0
b1

f x1 f x 0
x1 x 0

f x 2 f x1 f x1 f x 0

x 2 x1
x1 x 0
b2
x2 x0
Ntese que, al igual que en el caso de interpolacin lineal, b1 an representa la pendiente
de la lnea que une los puntos x0 y x1. Por lo tanto, los primeros dos trminos de la ecuacin
son equivalentes a la interpolacin de x0 a x1. El ltimo trmino, b2(x x0)(x-x1), introduce
la curvatura de segundo orden en la frmula.
Formula General de los polinomios de interpolacin de Newton
El anlisis anterior se puede generalizar en el ajuste de un polinomio de n-simo orden a
los n +1 puntos. El polinomio de n-simo orden es:
30

f 2 x b0 b1 x x 0 ..... bn x x 0 x x1 ... x x n 1
Como se hizo anteriormente con la interpolacin cuadrtica, se usan los puntos para la
evaluacin de los coeficientes b0, b1,. bn. Se requieren n + 1 puntos para obtener un
polinomio de n-simo orden: x0, x1,., xn. Usando estos datos, con las ecuaciones
siguientes se evalan los coeficientes:
b0 f x 0

b1 f x1 , x0

b2 f x 2 , x1 , x0
.
.
bn f x n , x n 1 ,....., x1 , x 0
en donde las evaluaciones de la funcin entre corchentes son diferencias divididas finitas.
La primera diferencia dividida se representa como:

f xi f x j

f xi , x j

xi x j

La segunda diferencia dividida finita, que representa diferencias de dos primeras


diferencias divididas finitas, se expresa generalmente como:

f xi , x j , x k

f xi , x j f x j , k k
xi x k

De manera similar, la n-sima diferencia dividida finita es:

f x n , x n 1 ,......, x1 , x0

f x n , x n 1 ....., x1 f x n 1 , k n 2 ,......, x0
xn x0

Estas diferencias se usan para evaluar los coeficientes de las ecuaciones, los cuales se
sustituyen en la ecuacin de interpolacin para obtener el polinomio de interpolacin con
diferencias divididas de Newton.
f n x f x 0 x x0 f x1 , x 0 x x0 x x1 f x 2 , x1 , x 0 ...

x x 0 x x1 ... x x n 1 f x n , x n 1 ,..., x0

31

Se debe notar que no es necesario que los datos usados en la ecuacin estn igualmente
espaciados o que los valores de la abscisa necesariamente se encuentren en orden
ascendente. Tambin ntese que las ecuaciones son recursivas, esto es, las diferencias de
orden superior se componen de diferencias de orden inferior. Para facilitar el trabajo con
polinomios de interpolacin es recomendable usar tablas de diferencias divididas finitas,
como la que se muestra a continuacin:
i
0
1
2
3

xi
x0
x1
x2
x3

f(xi)
f(x0)
f(x1)
f(x2)
f(x3)

Primera dif.
f(x1,x0)
f(x2,x1)
f(x3,x2)

Segunda dif.
f(x2,x1,x0)
f(x3,x2,x1)

Tercera dif
f(x3,x2,x1,x0)

Polinomios de Interpolacin de Lagrange


El polinomio de interpolacin de Lagrange, simplemente es una reformulacin del
polinomio de Newton, que evita el clculo de las diferencias divididas. Este se puede
representar concretamente como:
f n x Li x f xi
n

i 0

Li x

x xj
xi x j

en donde:
, denota el producto de.
La ecuacin de Lagrange se deriva directamente del polinomio de Newton.
j 0
j i

TEMA 5. INTEGRACIN Y DERIVADAS


Integrar significa unir todas las partes en un todo, Matemticamente, la integracin se
representa por:
b

I f ( x)dx
a

la cual representa a la integral de la funcin f(x) con respecto a la variable x, evaluada entre
los limites x = a y x = b.
FORMULAS DE INTEGRACIN DE NEWTON-COTES
Las formulas de integracin de Newton-Cotes son los esquemas ms comunes dentro de
la integracin numrica. Se basan en la estrategia de remplazar una funcin complicada o
un conjunto de datos tabulados con alguna funcin aproximada que sea ms fcil de
integrar:
32

I f ( x) dx f n x dx
en donde fn(x) es un polinomio de la forma:
f n x a 0 a1 x ....a n 1 x n 1 a n x n

en donde n es el orden del polinomio.


5.1 REGLA DEL TRAPECIO
La regla del trapecio o regla trapezoidal es la primera de las formulas cerradas de
Newton-Cotes. Corresponde al caso en donde el polinomio es de primer orden.
b

I f ( x)dx f 1 x dx
Recordando que una lnea recta se puede representar como:

f1 x f a

f b f a
x a
ba

El rea bajo la lnea recta es una aproximacin de la integral de f(x) entre los lmites a y b:
b

f (b) f (a )

x a dx
I f (a )
ba

a
El resultado de la integracin es:
I b a

f a f b
2

que es la regla trapezoidal.


Error de la regla Trapezoidal
Una estimacin del error de truncamiento de una sola aplicacin de la regla trapezoidal es:
Et

1
3
f b a
2

33

en donde es un punto cualquiera dentro del intervalo de a y b.


5.2 REGLA DE SIMPSON
Regla de Simpson 1/3
La regla de Simpson 1/3 resulta cuando se sustituye un polinomio de segundo orden en la
ecuacin:
b

I f ( x) dx f 2 x dx
Si a y b se denominan como x0 y x2 y f2(x) se representa mediante un polinomio de
Lagrange de segundo orden, entonces la integral es:
x2

I
x0

x x1 x x 2 f x x x0 x x 2 f x x x0 x x1 f x dx
x0 x1 x0 x 2 0 x1 x0 x1 x 2 1 x 2 x0 x 2 x1 2

Despus de integrar y de ordenar trminos, resulta la siguiente ecuacin:


I

h
3

f x 0 4 f x1 f x 2

b a

2
donde
El error de truncamiento para una aplicacin de la regla de Simpson de 1/3 es:
Ev

1 5
h f
90

La aplicacin de la regla de Simpson para segmentos mltiples mejora su exactitud, se


requiere que los segmentos sean de igual anchura. La regla de Simpson 1/3 para segmentos
mltiples es dada por:

donde

n 1
n2

h
f x 0 4 f xi 2 f x j f x n

3
i 1, 3, 5
j 2, 4,6

b a
n

34

El error de truncamiento para una aplicacin de la regla de Simpson de 1/3 de segmentos


mltiple es:
Ea

b a 5
180n

f 4

4
En donde f es el promedio de la cuarta derivada en el intervalo

FORMULAS DE NEWTON-COTES
La regla del trapecio y las reglas de Simpson son casos de las formulas de NewtonCotes, las cuales se dividen en formulas cerradas y abiertas.
Las frmulas de Newton-Cotes cerradas son:
b

f x dx h w

0 f0

w1 f 1 w 2 f 2 w3 f 3 .......... .. w N f N E

donde y las son las constantes que aparecen en la tabla 1 y


f n f xn

x n a nh

h b a / N

Tabla 1. Constantes para las frmulas cerradas de Newton-Cotes

i , i 0,1,2,3......., N
N
1

1 1

1/3

(1 / 90 )h 5 f

iv

3/8

(1 / 80 )h 5 f

iv

2/45

32

12

32

5/288

19

75

50

50 75

(1 / 12 )h 3 f "

(8 / 945 )h 7 f

vi

19
(275 / 12096 )h 7 f

1/140

41

216

27

272

27

216

41
(9 / 1400 )

7/17280

751
3577

3577
751

1323

35

2989 2989

1323

h9 f

viii

vi

10

14/14175

989
5888
10946 -928

9/89600

2857
5788

5/299376

-928
5888

10946
989

-4540

(8183 /
518400 ) h 9 f

15741 1080
19344 5788
19344
1080 15741 2857

16067 106300 -48525 272400


-260550 427368 -260550 272400
-48525 106300 16067

viii

(2368 /
467775 )h11 f

(173 /
14620 )h11 f

(1346350 /
326918592 )h13 f

xii

Las frmulas abiertas de NewtonCotes se obtienen al extender la integracin hasta un


intervalo a la izquierda del primer dato y un intervalo a la derecha del ltimo dato. Dichas
frmulas se escriben como:
b

f x dx h w

0 f0

w1 f 1 w2 f 2 w3 f 3 .......... .. w N 2 f N 2 E

donde y las son las constantes que aparecen en la tabla 2 y


w0 0

wN 2 0

x n a nh

h b a /( N 2)

Tabla 2. Constantes para las frmulas abiertas de Newton-Cotes

i , i 0,1,2,3......., N
N
1
3/2
1
1 1 0

4/3

-1

(28 / 90 )h 5 f

5/24

11

6/20

11

-14

7/1440

0 611

2
1

0
11

26

-453

-14
562

iv

(95 / 144 )h 5 f iv

11
562

(41 / 140 )h 7 f

vi

-453 611
(5247 / 8640 )h 7 f

0
6

(1 / 4)h 3 f "

8/945
0 460 -954
460 0

2196

-2459

2196

-954
(3956 / 14175 )
h9 f

36

viii

vi

La regla extendida del Trapecio:


N 1
b

h
I f ( x) f a 2 f a jh f (b) E
a
2
j 1

1
b a h 2 f "
12
5.3 CUADRATURA DE GAUSS
E

Un mtodo de cuadratura es una aproximacin de una integral definida de una funcin. Una
cuadratura de Gauss n-puntos, es una cuadratura que selecciona los puntos de la evaluacin
de manera ptima y no en una forma igualmente espaciada, construida para dar el resultado
de un polinomio de grado 2n-1 o menos, elegibles para los puntos xi y los
coeficientes wi para i=1,...,n. El dominio de tal cuadratura por regla es de [1, 1] dada por:

Tal cuadratura dar resultados precisos solo si f(x) es aproximado por un polinomio
dentro del rango [1, 1]. Si la funcin puede ser escrita como f(x)=W(x)g(x), donde g(x)
es un polinomio aproximado y W(x) es conocido.

Cambio de intervalos
Los cambios de intervalos van de [1, 1] despus de aplicar la cuadratura de Gauss:

Despus de aplicar la cuadratura la aproximacin es:

37

Lista de coeficientes de

y puntos

para n=1,....,5

Nmero de
Puntos, xi

Pesos, wi

puntos, n

=0

=2

=1

=-0.7745966

=-0.861136311

=0

=0.7745966

=-0.33998104

=0.55555

=1

=0.88888

=0.55555

=0.33998104
=0.3478548451

=0.6521451549

=0.6521451549

=0.3478548451

=0.861136311

=-0.90617984

=-0.53846931

=0

=0.53846931

=0.23692688509

=0.4786286705

=0.56888888

5
=0.90617984

=0.23692688509

Ejemplo
Aproxime la integral
de 1 a 5 cuando n = 2 mediante el mtodo de
cuadratura de Gauss y despus comparelo con el resultado exacto.

38

=0.478628670

Con
podemos resolver la integral con exactitud para todos los polinomios
de grado igual o menor a 3 para f(x)

5.4 DERIVADAS
El problema de derivacin numrica es la determinacin de valores aproximados de la
derivada de una funcin f que se da mediante una tabla. Siempre que sea posible, debe
evitarse la derivacin numrica porque, en general, los valores aproximados de las
derivadas sern menos exactos que los valores de la funcin de la cual se obtienen. En
efecto, la derivada es el lmite del cociente de diferencias y en esto normalmente se restan
dos cantidades grandes y se dividen entre una pequea; adems, si se aproxima una funcin
dada f mediante un polinomio p, la diferencia en los valores de la funcin puede ser
pequea pero la derivada puede diferir considerablemente. De aqu que sea plausible que la
derivacin numrica sea delicada, en contraste con la integracin numrica, la cual no es
afectada demasiado por las inexactitudes de los valores de la funcin, debido a que la
integracin es esencialmente un proceso suavizador.
La serie de Taylor definiendo un paso h xi 1 xi se expresa por la ecuacin como:
f xi 1 f xi f xi h
f

xi

f xi 2 f xi 3
h
h ...
2!
3!

h n Rn

n!
Si aproximamos la funcin tabulada a un polinomio de primer orden n = 1, La derivada de
la funcin usando la serie de Taylor se obtendra por:
f x i

f x i 1 f x i
h

Diferencias divididas de Newton


f n x f x 0 x x0 f x1 , x 0 x x0 x x1 f x 2 , x1 , x 0 ...

x x 0 x x1 ... x x n 1 f x n , x n 1 ,..., x0

f xi , x j

f xi f x j

xi x j
Si aproximamos la funcin tabulada a una ecuacin de primer orden n =1

39

f 1 x f x 0 x x 0 f x1 , x 0
f ( x1 ) f x 0
x1 x 0

f ( x) f [ x1 , x 0 ]

Si aproximamos la funcin tabulada a una ecuacin de primer orden n = 2


f 2 x f x 0 x x 0 f x1 , x 0 x x 0 x x1 f x 2 , x1 , x 0
2 x x 0 x1 2h

f ( x )

f x

2h

1
h

f x0

2 x 0 4 x 2 x1 2h

f x 0

2
h

f x1

1
h2

2h

2 x x 0 x1

f x1

2h 2

f x 2

f x2

Polinomio de Interpolacin de Lagrange


f n x Li x f xi
n

i 0

Li x
j 0
j i

x xj
xi x j

Si aproximamos la funcin tabulada a una ecuacin de primer orden n


f ( x)

f xi

i 0

x x
j

xi x j kk i0 jj 0k ,i
j 0
j i

Para un polinomio de segundo orden n =2


f x

2 x x1 x 2 f x 0 2 x x 0 x 2 f x1 2 x x 0 x1 f x 2

x 0 x1 x 0 x 2 x1 x 0 x1 x 2 x 2 x 0 x 2 x1

PROBLEMA: La ecuacin de Van der Walls para el CO2 es

v2

donde: a = 3.6X10-6 atm cm6/gmol2

v b RT

b = 42.8 atm cm3 /gmol R =82.1 atm cm3/gmol K

Si T = 350 k, se obtiene la siguiente tabla de valores.


Puntos

2
40

P(atm)
V (cm3)

13.782
2000

12.577
2200

11.565
2400

10.704
2600

Calcule p / v cuando v = 2300 cm3 y comprelo con el valor de la derivada analtica.

TEMA 6 ECUACIONES DIFERENCIALES ORDINARIAS DE PRIMER ORDEN.


6.1 Ecuaciones Diferenciales
Las ecuaciones diferenciales sirven para modelar problemas que requieren el cambio de un
variable respecto a la otra. En la mayor parte de estos problemas hay que resolver un
problema de valor inicial, es decir, resolver una ecuacin diferencial que satisface una
condicin inicial dada.
En la generalidad de las situaciones de la vida real, la ecuacin diferencial que modela el
problema resulta demasiado complicada para resolverla con exactitud, por lo que se recurre
a los procedimientos para aproximar la solucin. El primero consiste en simplificar la
ecuacin diferencial de modo que podamos resolverla exactamente y utilizar despus la
solucin de la ecuacin simplificada para aproximar la solucin de la ecuacin original. El
segundo, se valer de mtodos numricos para aproximar la solucin del problema original.
Este ltimo procedimiento es el que se emplea por lo regular, pues los mtodos de
aproximacin dan resultados ms exactos. El mtodo numrico que aqu veremos no
produce una aproximacin continua a la solucin del problema de valor inicial. Por el
contrario, se obtienen las aproximaciones en algunos puntos especficos y, a menudo,
igualmente espaciados. Si se requieren valores intermedios, se utiliza un mtodo de
interpolacin.
El mtodo de Euler es un mtodo numrico que emplea una ecuacin que se llama:
Ecuacin de Diferencia. El mtodo de Euler se emplea para aproximar la solucin de una
ecuacin diferencial.
6.2 Mtodo de Euler
El mtodo de Euler tiene por objeto obtener una aproximacin de un problema bien
planteado de valor inicial. Es decir, se trata de obtener una aproximacin de:
Funcin de t y de y

a t=0 y=0 a t = b y(a)=a


derivada de y con respecto de t
En la prctica, no se obtendr una aproximacin continua a la solucin y(t); por el
contrario, se generarn aproximaciones a esa solucin en varios valores, llamados:
PUNTOS DE RED., en el intervalo [a,b]. Una vez obtenida la aproximacin en los puntos,
podemos obtener por interpolacin la solucin aproximada en otros puntos del intervalo.
41

En primer lugar, estipulamos que los puntos de red tienen una distribucin uniforme en
todo el intervalo [a,b].
Garantizamos esta condicin al seleccionar un entero positivo N y los puntos de red: t o, t1,
t2,,tN,
donde:
ti=a+ih para cada i=0,1,2,3,,N
donde

h= Tamao de paso
Se utiliza el Teorema de Taylor para derivar el mtodo de Euler.
Se supone que y(t), la solucin nica de la ecuacin diferencial, tiene primera derivada y
segunda derivada en el intervalo [a,b], de modo que para cada i=0,1,2,3,,N-1.

y s h=ti+1-ti
Entonces:

Sustituyendo:
y'(ti) por

El mtodo de Euler sustituye wi a y(ti) t ; y(ti) para cada i=1,2,3,,N, elimina el trmino
con segunda derivada y considera wo = .
Por lo tanto, la ecuacin anterior queda como:
Wi+1 = wi +hf(ti, wi) para cada i=0,1,2,,N-1
A esta ltima ecuacin se le llama Ecuacin de Diferencia. Esta ltima ecuacin es la
ecuacin del mtodo de Euler.
6.3 Algunos mtodos de Runge-Kutta
Mtodos RK22 Mtodo del punto medio:

42

43

44

6.4 ECUACIONES DIFERENCIALES CON VALORES EN LA FRONTERA


En los problemas de ecuaciones diferenciales ordinarias unidimensionales con valores en la
frontera, se pide que la solucin satisfaga las condiciones de frontera en ambos extremos
del dominio unidimensional.
PROCEDIMIENTO
1. Obtenga la ecuacin diferencial en diferencias.
2. Resuelva dichas ecuaciones en forma simultanea.
EJEMPLOS:
45

A) PROBLEMAS CON VALORES EN LA FRONTERA PARA VARILLAS Y


LAMINAS
Consideremos la ecuacin
x q x S x
0 x H
con condicione s en la frontera
0 ) 0 (condicion en la frontera izquierda)

H R (condicion en la frontera derecha)

q coeficient e constante

Si dividimos el dominio en N intervalos de igual longitud, obtenemos una reticula como


se muestra en la figura, donde los intervalos miden h = H/N.

0 0

H R

x = -h
0 h 2h 3h

Nh = H

1. Obtenga la ecuacin diferencial en diferencias. Aplicando la aproximacin por


diferencias centrales, al primer termino de la ecuacin, obtenemos
i 1 2 i i 1
q i S i
h2
i 1 (2 w) i i 1 h 2 S i

multiplica ndo por h 2


donde

w h2q

Esta ecuacion se puede aplicar a todos los puntos de la reticula, excepto cuando i 1 e i N 1
En la condicin de la frontera izquierda se puede suponer un punto hipottico de la rejilla
i = 0 localizado en x = -h, la ecuacin en i = 1

w
1 2
1 2 h S 1
2
2

Para la condicin frontera de la derecha


N 1 2 w N h 2 S N R

2. Resolver dichas ecuaciones en forma simultanea.

46

1 w / 2 1
1
2w
1

1
2 w 1
.

1
h 2 S1 / 2
2
h2S2
.
h2 S3
.
.
.
.
.
1 2 w N
h2SN R

Tres tipos de Condiciones en la Frontera


TIPO
EXPLICACION
CONDICION
EN
LA SE DA UN VALOR DE LA
FRONTERA CON UN FUNCION SOLUCION
VALOR FIJO (TIPO DE
DIRICHLET)
SE DA LA DERIVADA DE
CONDICION
EN
LA LA SOLUCION
FRONTERA PARA LA
DERIVADA (TIPO DE
NEUMANN)
SE
RELACIONA
UN
CONDICION
EN
LA VALOR DE LA FUNCION
FRONTERA DEL TIPO CON LA DERIVADA
MIXTO (TIPO MIXTO)

EJEMPLOS
0 0
1 0

0 0
0 1

0 0

B) PROBLEMAS CON VALORES EN LA FRONTERA PARA CILINDROS Y


ESFERAS
La ecuacin diferencial ordinaria de segundo orden para geometras cilndricas y
esfricas se pueden escribir mediante una sola ecuacin:

1 d
d
p r r m
r q r r S r
m
dr
r dr

donde: m = 1 para el caso del cilindros y m = 2 para el caso de la esfera


Las ecuaciones en diferencias para el caso del cilindro

1 d
d
p r r m r pi 1 r 1 i i 1 / hi 1 p i r 1 i 1 i / hi
m
i
i
dr
r dr
2
2

47

q r r vl qi 1 vr qi i
vl

1 2
h
ri ri i 1
2
2

h
1

vr ri 2 ri i
2
2

hi 1
h
ri i 1
2
4

hi
h
ri i
2
4

S r vl S i 1 v r S i
Constantes en los intervalos de la retcula.
6.5 MTODOS NUMRICOS PARA LAS ECUACIONES DE SEGUNDO ORDEN
Un problema con valor inicial para una ecuacin diferencial de segundo orden consiste de
esa ecuacin y dos condiciones iniciales referentes al mismo punto.
y f x, y , y ,

y x o y o,

y x o y o

suponiendo que f es tal que el problema tiene una solucin nica en algn intervalo que
contiene a xo.
MTODO 1. RUNGE KUTTA NYSTROM.
Es un mtodo de cuarto orden, lo cual significa que en las frmulas de Taylor para y y y se
dan exactamente los primeros trminos hasta el trmino que contiene h4 inclusive.
En el caso general [el (n+1)-simo paso] del mtodo, primero se calculan las cantidades
auxiliares
1
hf x n , y n , y n
2
1
1

Bn hf x n h, y n n , y n An
2
2

An

1
1

hf x n h, y n n , y n Bn
2
2

1
Dn hf x n h, y n n , y n 2Cn
2

Cn

1
1
h y n An
2
2

n h y n Cn

A continuacin en el nuevo valor


y n 1 y n h y n K n
y n 1 y n K n

donde

donde

Kn

K n

1
An B n C n
3

1
An 2B n 2C n D n
3

h puede controlarse de una manera que su valor sea pequeo con respecto ala variable
independiente.
48

MTODO 2. CAMBIO DE VARIABLE.


Ecuaciones diferenciales de segundo orden se pueden reducidas a una serie de ecuaciones
de primer orden con un cambio de variable.
Por ejemplo la ecuacin diferencial de segundo orden
d 2y
dy
q(x)
r(x)
2
dx
dx
se puede escribir como dos ecuaciones diferenciales de primer orden
dy
dz
z(x)
r(x) q(x)z(x)
dx
dx
donde z es una nueva variable. Las condiciones implican cambiar de variables en las
condiciones iniciales.

TEMA 7. MTODOS NUMRICOS PARA ECUACIONES DIFRENCIALES


PARCIALES
INTRODUCCIN

49

Las ecuaciones constitutivas para la transferencia de calor y transferencia de masa aplicadas


a un elemento diferencial en coordenadas cartesianas, considerando que los trminos
conductivo son despreciables son dadas por las siguientes ecuaciones:

Mtodo de Lneas:
El mtodo de lneas consiste en convertir un problema con ecuaciones parciales con
condiciones fronteras en problema de ecuaciones diferenciales ordinarias con valores
iniciales, consiste en los siguientes pasos:
1. Sustituir las derivadas espaciales usando la aproximacin de diferencias finitas
centrales.

2. Determinar el incremento h en direccin de las coordenadas espaciales y


temporales.
3. Resolver el sistema de ecuaciones ordinarias.

i= 0, 1, 2,..n

50

Mtodo Explicito e Implcito


En estos mtodos las ecuaciones constitutivas se pueden discretizar para tener ecuaciones
algebraicas usando la aproximacin de diferencias finitas hacia delante para la derivada
temporal, obteniendo:

i=j= 0, 1, 2,..n

TAREA No1
RACES DE ECUACIONES
1. Determinar las races reales de:
f x 23.33 79.35 x 88.09 x 2 41.6 x 3 8.68 x 4 0.658 x 5
a) Grficamente

b) Usando biseccin para determinar la raz mas alta para s 1%. Emplese como
valores iniciales xl = 4.5 y xu = 5.
c) Realcense los mismos clculos de b) pero usando el mtodo de la regla falsa
2. Determnese la raz real de ln x = 0.5
a) Usando el mtodo de biseccin con tres iteraciones y valores iniciales xl = 1 y xu = 2
51

b) Usando el mtodo de la regla con tres iteraciones y los mismos valores iniciales del
inciso anterior.
3. La velocidad del paracaidista est dada por la frmula:
v

gm
1 e c / m t
c

donde g = 980. Para un paracaidista de masa m = 75 000 g calclese el coeficiente de


rozamiento c con v = 3600 cm. /s en t = 6 s. sese el mtodo de la regla falsa para
determinar c con s 0.1%.
4. Emplese el mtodo de Newton-Raphson para determinar las races reales de:
f x 23.33 79.35 x 88.09 x 2 41.6 x 3 8.68 x 4 0.658 x 5
usando el valor inicial de a) xi = 3.5; b) xi = 4 y c) xi = 4.5.
5. Determnese la raz real ms pequea de:
f x 9.36 21.963 x 16.2965 x 2 3.70377 x 3
a)
b)
c)
d)

Usando el mtodo de biseccin (dos iteraciones, xi = 0.5 y xu = 1.1)


Usando el mtodo de la regla falsa (dos iteraciones, xi = 0.5 y xu = 1.1)
Usando el mtodo de Newton Raphson (dos iteraciones, xi = 0.5)
Usando el mtodo de la secante (dos iteraciones, xi-1 = 0.5 y xi = 1.1)

6. Investigue la ecuacin de estado de Redlich-Kwong y determine usando esta


ecuacin el volumen que ocupa el Nitrgeno a P = 30 atmsferas y T = 450 K.
Requisito para el examen parcial 1.
TAREA PARA EXAMEN 2
MATRICES
1. Usarse la eliminacin gaussiana para resolver:
3 x 2 13 x3 50
2 x1 6 x 2 x3 44
4 x1 8 x3 4
4 x1 5 x2 6 x3 28
2 x1 7 x3 29
5 x1 8 x2 64
Emplear el pivoteo parcial. Comprubense las respuestas sustituyndolas en las ecuaciones
originales.
52

2. Determine la matriz inversa de:


7 x1 3 x2 8 x3 49
x1 2 x2 5 x3 5
4 x1 6 x2 10 x3 84

1
Comprubense los resultados multiplicando A por A y obtngase la matriz identidad.
3. Resuelva el siguiente conjunto de ecuaciones:
4 x1 2 x2 x3 39
x1 3 x2 12 x3 10

x1 6 x2 2 x3 28

5 x1 12 x2 2 x3 33

x1 3 x2 12 x3 86
x1 14 x2 103
Usando a) eliminacin gaussiana, b) el mtodo de Gauss-Jordan y c) el mtodo de
Gauss-Seidel (Mximo 3 iteraciones).
5.Resolver las ecuaciones del problema 3 el mtodo LU
AJUSTE DE CURVAS

1. La concentracin de saturacin del oxgeno disuelto en el agua en funcin de la


temperatura y del cloruro se muestra en el cuadro siguiente. Utilice interpolacin
para calcular el nivel de oxgeno disuelto para T = 22.4 oC con cloruro a 0 mg/lt, 10
000 mg/lt y 20 000 mg/lt. Use interpolacin lineal, cuadrtica y cbica por los
mtodos de Newton y Lagrange.
OXIGENO

DISUELTO PARA

Temperatura
5
10
15
20
25
30

Cloruro = 0 mg/lt
12.8
11.3
10.0
9.0
8.2
7.4

CONCENTRACIONE
S
Cloruro =10000 mg/lt
11.6
10.3
9.1
8.2
7.4
6.8

DE CLORURO
Cloruro = 20000g/lt
10.5
9.2
8.2
7.4
6.7
6.1

2. Para el problema anterior determine el modelo mas adecuada usando mnimos


cuadrados, usted suponga el modelo de regresin (lineal, cuadrtica, etc.)
UNIDAD DE CIENCIAS QUMUCAS DE LA U A Z
PROGRAMA DE INGENIERA QUMICA
EXAMEN I
MTODOS NMERICOS
Nombre..
Semestre............................................ Fecha..

53

1. En un proceso qumico, el vapor de agua se calienta a una temperatura lo


suficientemente alta para que una porcin significativa del agua se disocie o se
rompa en partes para formar oxgeno e hidrgeno:
H 2 O K P 0.04568
H 2 O2
Si se supone que es la nica reaccin que se lleva a cabo, la fraccin molar de H 2O
denotada por x se puede representar por:
KP

x
1 x

2 Pt
2 x

Si la presin es de Pt = 2 atmsferas determine x que satisfaga la ecuacin. Hacer por lo


menos tres iteraciones, usando los mtodos de a) Biseccin b) Newton Raphson
2. El balance de materia para un sistema formado por tres reactores es dado por las
siguientes ecuaciones:
500 20c 2 80c1 40c1 primer reactor
80c1 20c 2 60c 2 segundo reactor
4oc1 60c 2 200 120c3 tercer reactor

Resuelva el sistema de ecuaciones para las concentraciones c1, c2 y c3. Por: a) Gauss Jordan
b) Inversin de Matrices.
3. Para el siguiente sistema de ecuaciones, use el mtodo de Newton Raphson
Multivariable para determinar las incgnitas x, y y z.
f 1 3 x cos( yz ) 0.5
f 2 x 2 625 * y

f 3 exp( xy) 20 z (10 * 3.1416 3) / 3


Hacer tres iteraciones.

54

También podría gustarte