Está en la página 1de 54

UNIVERSIDAD AUTONÓMA DE ZACATECAS

UNIDAD ACADÉMICA DE CIENCIAS QUÍMICAS

INGENIERÍA QUÍMICA

MÉTODOS NÚMERICOS Y PROGRAMACIÓN

ELABORADAS POR: Dr. PABLO IBARRA CASTRO

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

UNIVERSIDAD AUTÓNOMA DE ZACATECAS
UNIDAD ACADÉMICA DE CIENCIAS QUÍMICAS
PROGRAMA DE INGENIERÍA QUÍMICA
MÉTODOS NUMÉRICOS
Objetivo General.
Al finalizar el curso el alumno entenderá y deducirá esquemas
numéricos y resolverá problemas matemáticos. Planteara soluciones a problemas físicos
y las ejecutara en una computadora.
Se suministra elementos para entender la lógica del análisis de todo tipo de problemas
de manera que puedan plantearse algoritmos y posteriormente programas para
computador en el leguaje FORTRAN Y MATLAB.
PARTE I: MÉTODOS NUMÉRICOS
1. APROXIMACIONES Y ERRORES
1.1 Cifras significativas
1.2 Exactitud y precisión
1.3 Definiciones de error
1.4 Errores de redondeo
1.5 Errores de truncamiento
2. RAÍCES DE ECUACIONES
2.1 Métodos que usan intervalos
2.1.1 Método de bisección
2.1.2 Método de la regla falsa
2.2 Métodos abiertos
2.2.1 Método de Newton-Raphson
2.2.2 Método de la secante
2.2.3 Raíces múltiples
2.3 Métodos para raíces complejas
2.3.1 Newton- Raphson
2.3.2 Muller
3. SISTEMAS DE ECUACIONES ALGEBRAICAS LINEALES
3.1 Eliminación gaussiana
3.2 Gauss-Jordan
3.3 Inversión de Matrices
3.4 Métodos Iterativos: Gauss-Seidel y Jacobi
3.5 Método de Thomas
4. AJUSTE DE CURVAS
4.1 Regresión con mínimos cuadrados
4.1.1 Regresión lineal
4.1.2 Regresión polinomial
4.2 Interpolación
4.2.1 Polinomios de interpolación con diferencias divididas de Newton
2

4.2.2

Polinomios de interpolación de Lagrange

5. INTEGRACIÓN Y DERIVADAS
5.1 Formulas de integración 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 Métodos de un paso
6.1.1 Método de Euler
6.1.2 Métodos de Runge-Kutta
6.1.3 Sistemas de ecuaciones: Runge-Kutta
6.2 Métodos de pasos múltiples
6.2.1 Método de Jun
6.2.2 Formulas de integración
6.3 Ecuaciones Diferenciales 2do Orden: Runge-Kutta-Nystrom
7. ECUACIONES DIFERENCIALES PARCIALES ELÍPTICAS,
HIPERBÓLICAS Y PARABÓLICAS
7.1 Método de Líneas
7.2 Método Explícito
7.3 Método Implícito
PARTE II: PROGRAMACIÓN
LENGUAJE DE PROGRAMACIÓN FORTRAN
8. INTRODUCCION
8.1 Aplicación de las Computadoras
8.2 Lenguajes de programación
9. PRINCIPIOS BASICOS DE LA PROGRAMACIÓN
9.1 Diagramación estructurada y libre
9.2 Etapas en la solución de problemas usando la computadora
9.2.1
Planteamiento del problema
9.2.2
Construcción del diagrama de flujo
9.2.3
Codificación del diagrama de flujo
9.2.4
Interpretación de resultados
10. PROGRAMACIÓN EN COMPUTADORAS DIGITALES USANDO
FORTRAN
10.1 Lenguaje FORTRAN
10.2
Conceptos básicos
10.2.1
Definiciones
10.2.2
Creación 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 Números
10.3.1
Números Enteros y Reales (punto flotante)
10.3.2
Variables, declaraciones y tipos
Decisión 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 Instrucción OPEN FILE
Arreglos
Variables con Subíndices
La Instrucción DIMENSION
Lectura y Escritura de Variables con Subíndice

10.8
10.8.1
10.8.2
10.8.3
10.8.4
10.8.5

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

10.9
10.9.1
10.9.2
10.9.3

Otras Clases de Variables
Variables Carácter
Variables Complejas
Variables con doble precisión

10.10
10.10.1

Depuración
Uso del Debuger

Bibliografía:
1. Métodos Numéricos para Ingenieros
Steven C. Chapra, Ph. D.
Raymond P. Canale, Ph. D.
McGraw-Hill
2. Métodos Numéricos Aplicados a la Ingeniería
Antonio Nieves Hurtado
Federico C. Domínguez Sánchez
Editorial Continental
3. Métodos Numéricos 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
Exámenes Métodos Numéricos: 60% Calificación 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 Participación 10%




Exámenes PROGRAMACIÓN: 40% Calificación Final
Primer examen: FORTRAN 10%
Segundo examen: FORTRAN 20%
RUTINAS IMSL 10%

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

5

CICLOS Y CONTROL DE CICLOS 2ETAPAS EN LA SOLUCIÓN DE PROBLEMAS USANDO LA COMPUTADORA 4. LENGUAJES DE PROGRAMACIÓN 2. ARREGLOS 6. DECISIÓN Y CONTROL 1DIAGRAMACIÓN ESTRUCTURADA Y LIBRE 3.PROGRAMACIÓN TEMA 2 TEMA 1 PRINCIPIOS BASICOS DE PROGRAMACIÓN INTRODUCCIÓN 1HISTORIA DE LAS COMPUTADORAS. CARACTERISTICAS Y USOS TEMA 3 PROGRAMACIÓN DE COMPUTADORAS EN LENGUAJE FORTRAN 1.DEPU 6 . OTRA CLASES 8 . LECTURA Y ESCRITURA (INPUT/OUTPUT) 5. SUBPROGRAMAS 7. VARIABLES Y NÚMEROS 2.

LIBRERÍAS MATEMÁTICAS 1. 7 FUNCIONES . LIBRERÍAS ESTADÍSTICAS 2.PROGRAMACIÓ N TEMA 5 USO DE RECETAS NUMÉRICAS TEMA 4 USO DE LIBRERÍAS IMSL 1. SUBRUTINAS 2.

por lo tanto se deben de desarrollar criterios para especificar que tan precisos son los resultados obtenidos. Aunque ciertas cantidades tales como  .141 592 653 589 793 238 462 643… Tal número jamás se podrá representar exactamente. o 7 representan números específicos. e. no se pueden expresar exactamente con un número finito de dígitos. Una manera de hacerlo es en términos de cifras significativas. EXACTITUD Y PRECISION Los errores asociados con los cálculos y medidas se pueden caracterizar observado su precisión y exactitud. CIFRAS SIGNIFICATIVAS El concepto de cifras o dígitos significativos se ha desarrollado para designar formalmente la confiabilidad de un valor numérico. mas un dígito estimado que se pueda estimar con confianza. Los ceros no siempre son cifras significativas ya que pueden usarse sólo para ubicar el punto decimal. 2. APROXIMACIONES Y ERRORES Los errores son parte intrínseca en el entendimiento y uso efectivo de los métodos numéricos. Ejemplo:  = 3. Los métodos numéricos obtienen resultados aproximados. la mayor parte de las técnicas desarrolladas tienen la característica de poseer errores. La exactitud se refiere a la aproximación de un número o de una medida al valor verdadero que se supone representa. y los errores de redondeo.TEMA 1. DEFINICIONES DE ERROR Error: es la inexactitud y la imprecisión de las predicciones. El concepto de cifras significativas tiene dos implicaciones importantes en el estudio de los métodos numéricos. Los errores numéricos se generan con el uso de aproximaciones para representar las operaciones y cantidades matemáticas. Estos incluyen errores de truncamiento. La precisión se refiere a: 1) El número de cifras significativas que representan una cantidad 2) La extensión en las lecturas repetidas de un instrumento que mide una propiedad física. la relación entre el resultado exacto o verdadero y el aproximado está dada por: Valor verdadero = Valor aproximado + error 8 . 1. que resultan de representar aproximadamente un procedimiento matemático exacto. El número de cifras significativas es el número de dígitos. que resultan de representar aproximadamente números exactos. Para los dos tipos de errores.

En tales esquemas.El valor numérico es: Ev = Valor verdadero .5 x102  n   s = tolerancia ERRORES DE REDONDEO Los errores de redondeo se deben a que las computadoras solo guardan un número finito de cifras significativas durante un cálculo. como  a = (error aproximado/ valor aproximado)*100% donde el subíndice a significa que el error esta normalizado a un valor aproximado. normalizar el error es una alternativa. Las reglas para redondear números en cálculos manuales se analizan en el recuadro siguiente: 9 . En estos casos. Para lo métodos numéricos el valor verdadero no se conoce.Valor aproximado Ev = Error verdadero Una manera de medir las magnitudes de las cantidades que se están 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. a la aproximación misma. Para estos esquemas el error relativo porcentual está dado por  a = ((aproximación actual-aproximación previa)/aproximación actual)*100% Es conveniente enfocar estos errores hacia el número de cifras significativas en la aproximación. usando la mejor estimación posible del valor verdadero. se hace una aproximación en base a la aproximación anterior. esto es. En ciertos métodos numéricos se usan esquemas iterativos para calcular los resultados.  s   0. puede tenerse la seguridad que el resultado es correcto en al menos n cifras significativas. Scarborough en 1966 demostró que si el siguiente criterio se cumple.

La serie de Taylor es usada para formular métodos numéricos y podemos partir de ella para obtener conocimiento de las características de estos errores. Serie de Taylor La serie de Taylor da una formulación para predecir el valor de la función en xi 1 en términos de la función y de sus derivadas en una vecindad al punto xi : 10 .ERRORES DE TRUNCAMIENTO Los errores de truncamiento son aquellos que resultan al usar una aproximación en lugar de un procedimiento matemático exacto.

La decisión sobre cuantos términos se requieren para obtener una aproximación razonable se basa en el término del residual de la expansión. Se incluye un término residual para considerar todos los términos desde n + 1 hasta el infinito: Rn      x  x  n1  n  1! i 1 i f n 1 donde el subíndice n indica que el residuo es de la aproximación a n-esimo orden y  es un valor cualquiera de x que se encuentra entre xi y xi 1 . 2! 3! h n  Rn donde el término residual es ahora: Rn     h n 1  n  1! f n 1 El valor práctico de la serie de Taylor estriba.. en la mayor parte de los casos. el error esproporcional al paso h a la (n + 1) enésima potencia. en el uso de un número finito de términos que darán una aproximación lo suficientemente cercanas a la solución verdadera para propósitos prácticos. Esto es... El término 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..f  xi 1   f  xi   f  xi  xi 1  xi   f n  xi   n!   f  xi   xi 1  xi  2  f xi  xi 1  xi  3  . Frecuentemente es conveniente simplificar la serie de Taylor definiendo un paso h  xi 1  xi y expresando la ecuación como: f  xi 1   f  xi   f  xi  h  f n  xi  n! f  xi  2 f  xi  3 h  h  . 11 . 2! 3! xi 1  xi   Rn n Nótese que la ecuación anterior es una serie infinita.

15 x 3  0.Problema: Usar los términos 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. Calcúlese el error relativo porcentual para cada aproximación. 12 .2 usando como punto base xi = 0.25 x  1. Usar los términos en serie de Taylor de cero a tercer orden para estimar f(1) para: f ( x)  0. Calcúlese el error relativo porcentual para cada aproximación.5 x 2  0.1x 4  0. Problema para Incluir en Tarea 1.

entonces los cálculos terminan. entonces la raíz se encuentra dentro del primero subintervalo. b. 13 .TEMA 2. y continúese en el paso 4. RAÍCES DE ECUACIONES 2. de otra manera. Si f(xi)*f(xr) > 0. resuélvanse xs = xr. f  xi  * f ( xs )  0 xi = valor inferior xs = valor superior entonces hay. resuélvanse xi = xr. se determina como: xr  xi  x s 2 Paso3: Realícense las siguientes evaluaciones y determínense en que subintervalo cae la raíz: a. c. A continuación se muestra un algoritmo para la bisección. ALGORITMO DE BISECCIÓN Paso 1: Escójanse los valores iniciales xi y xs de forma tal que la función cambie de signo sobre el intervalo. entonces la raíz se encuentra dentro del segundo subintervalo. En base a el error relativo. Si es así. Por lo tanto. y continúese en el paso 4. entonces la raíz es igual a xr y se terminan los cálculos. Por lo tanto. Si f(xi)*f(xr) < 0. Paso 4: Calcúlese una nueva aproximación a la raíz mediante: xr  xi  x s 2 Paso 5: Decídase si la nueva aproximación es tan exacta como se desea. esto es. al menos una raíz real entre xi y xs. regrésese al paso 3.1 Métodos que usan intervalos Método de Bisección Si f(x) es real y continua en el intervalo de xi a xs y f(xi) y f(xs) tienen signos opuestos. Esto se puede verificar asegurándose de que f(xi)*f(xs) < 0 Paso 2: La primera aproximación a la raíz. Si f(xi)*f(xr) = 0.

xi o a xs que produzca un valor de la función que tenga el mismo signo de f(xr). El proceso se repite hasta que la aproximación a la raíz sea la adecuada. los valores xi y xs siempre encierran a la raíz. El reemplazamiento de la curva por una línea recta da una “posición falsa” de la raíz. remplaza a uno de los valores. Este método aprovecha la idea de unir los puntos con una línea recta.Método de la Regla Falsa Una alternativa mejorada del método de bisección es la del método de la regla falsa en una idea para aproximarse en forma más eficiente a la raíz. f(xs) f(x) xi xr x f(xi) 2. Con el uso de triángulos semejantes figura siguiente. De esta manera. La intersección de esta línea con el eje x proporciona una mejor estimación de la raíz. El valor de xr. calculado con la ecuación.2 Métodos abiertos 14 xi x xu . la intersección de la línea 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. de aquí el nombre de método de la regla falsa.

xi 2  a1  f  xi . xi 1  x  xi   f  xi . 15 . xi-2. tres aproximaciones distintas a una raíz de f(x) = 0. f i  f  xi  f i 1  f  xi 1  f i  2  f  xi  2  la función p x   f i  f  xi . i f  xi . Usando la siguiente notación. xi  2   f i 1  f i  2 xi 1  xi 2 f  xi . xi 1   i 1 . y la raíz correspondiente es la siguiente aproximación xi+1.2. xi 1   f  xi 1 . xi 2   f  xi . se establece la siguiente identificación a 2  f  xi . f i 2  y las funciones es dada f i  f i 1 xi  xi 1 f  xi 1 . xi 1 .3 Método para raíces complejas Método de Muller para determinar raíces complejas y reales El método de Muller requiere tres valores iniciales. sean xi.  x i. las raíces de p  x  se determinan a partir de la fórmula cuadrática 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 máximo en magnitud. xi 1 . xi 2  x  xi  x  xi 1  es la parábola única que pasa por los puntos por  x f . xi-1. f i 1  . 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. y  xi  2 . 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 ecuación con la ecuación de la parábola. a1 y a2. xi 1 .

. la expresión A de “mxn”. p funciones de una o varias variables. a33. Así. indica que se trata de una matriz de filas m y n columnas. tales como  B   b1 .a3n   a3 .a 2 n  a12 a 22 a13 a 23 a32 am2 a 33 .....   cm    se les conoce como vectores columna.. Tipos de matrices Matriz Simétrica: 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. es decir a los elementos en los que i = j....... tales como  c1  c   2 C    . a22.. SISTEMAS DE ECUACIONES ALGEBRAICAS LINEALES Conceptos Básicos Matrices: Es un conjunto de elementos ordenados en filas y columnas como  a11  a  21  a31   a m1 .. Las matrices con dimensión n = 1 en la columna.TEMA 3..a mn  los elementos aij son números reales o complejos. Se le llama diagonal principal de la matriz a la diagonal consistente de los elementos a 11. 16 .... A las matrices donde m = n se les llama matrices cuadradas. b2 ... Cuando se hace referencia a una matriz es conveniente especificar su número de renglón y columnas..... b3 .. Para denotar las matrices se utilizan las primeras letras mayúsculas del alfabeto. Matriz Identidad  I  : Es una matriz diagonal donde todos los elementos de la diagonal principal son iguales a 1. Las matrices con dimensiones m = 1 en el renglón.. bn  se les llama vectores renglón.    ...a1n  .

Matriz Banda: tiene todos los elementos iguales a cero. . . a32 x3  . se le da el nombre de matriz tridiagonal.. .  a 2 n x n  c 2 . Matriz aumentada: Es el resultado de agregarle una columna a la matriz original T Representación en forma matricial de sistemas de ecuaciones algebraicas lineales Las matrices proporcionan una notación concisa en la representación de ecuaciones simultáneas lineales. Eliminación Gaussiana La eliminación Gaussiana es una técnica sistemática de eliminación hacia delante y la sustitución hacia atrás. El procedimiento está planteado para resolver un conjunto de n ecuaciones: a11 x1  a12 x 2  a13 x3  ... Método 1.  a nn x n  c n Eliminación hacia delante de incógnitas.. Operaciones de Matrices Transpuesta de una matriz  A : Es la transformación de sus renglones en columnas. a1n x n  c1 . . . Si el ancho de banda es de tres.. . Matriz Triangular inferior: es aquella donde todos sus elementos arriba de la diagonal principal son cero.  a 21 x1  .. . 17 .  A X    C  donde  A es una matriz cuadrada de n por n coeficientes. a 22 x 2  . La primera fase reduce el conjunto de ecuaciones a un sistema triangular superior.. con excepción de una banda centrada sobre la diagonal principal. ..  C  es un vector columna n por 1 de constantes y  X  es un vector columna n por 1 de incógnitas. a n1 x1  a n 2 x 2  a n 3 x3  .Matriz Triangular superior: es aquella donde todos sus elementos bajo la diagonal principal son cero..

Ejemplo: Dado el sistema  12 x1  x2  7 x3   80 x1  6 x2  4 x3  13  2 x1  x2  10 x3  92 a) Resuélvase con el uso de la eliminación gaussiana. b) Sustitúyanse los resultados en las ecuaciones originales y compruébense las respuestas Método 2. 2. Sustitución hacia atrás: Procedimiento: Se resuelve para xn 2.. El resultado se sustituye en n-1 ecuación y se determina xn-1 3. tercera etc. ecuación el resultado del producto de la primer ecuación segunda ecuación etc. Por consiguiente. tercer incógnita etc. Se repite el proceso para eliminar la segunda incógnita. La principal diferencia consiste en que el método de gauss-jordan cuando se elimina una incógnita no sólo se elimina de las ecuaciones siguientes sino de todas las otras ecuaciones. El procedimiento se repite evaluando las x restantes. 18 . Se expresan los coeficientes y el vector de términos independientes como una matriz aumentada. 4. 1. el paso de eliminación genera una matriz identidad en vez de una matriz triangular. 3. De esta forma. Restar a la segunda. no es necesario emplear la sustitución hacia atrás para obtener la solución. Multiplicar la ecuación normalizada por el primer coeficiente de la segunda ecuación. Tiene por finalidad convertir el primer coeficiente de la ecuación normalizada en 1. Dividir la primera ecuación por el coeficiente de la primera incógnita. por el coeficiente de la tercera ecuación etc.Procedimiento 1. a11 ( Proceso de Normalización). Procedimiento 1. Gauss-Jordan El método de gauss-jordan es una variación de la eliminación gaussiana.

El término x1 se elimina del segundo renglón restando a21 veces el primer renglón del segundo renglón. Las ecuaciones lineales se pueden representar en notación normal de la forma:  A  X    C  Donde  C  es un vector columna de constantes y incógnitas. Inversión de matrices La división matricial no esta definida. la ecuación anterior se convierte en:  X    A 1  C  Por lo tanto. 19 . la multiplicación de una matriz por su inversa. si una matriz  A es cuadrada. de manera similar se resta a31.. la multiplicación de una matriz por su inversa es igual a la matriz identidad.2. 8. La inversa de una matriz se puede calcular directamente con el método de gauss-jordan. renglón respectivamente. Se normaliza el segundo renglón dividiéndolo por el pivote a’22. cuarto. Esto es. Se repite el proceso para eliminar la cuarta incógnita etc. Método 3. la ecuación se ha resuelto para  X  . 6. 7. llamada la inversa de  A . 5. Se normaliza el tercer renglón dividiéndolo por el pivote a’33. 4. sin embargo. Se normaliza el primer renglón dividiéndolo por el pivote a11. veces el primer renglón del tercero. en el sentido de que un número dividido por sí mismo es igual a uno.…. a41 etc. X es un vector columna de Si multiplicamos la ecuación anterior por la inversa de  A . El término x2 se elimina del primero y tercer renglón restando a’12 y a’32 veces el segundo renglón del primer renglón y tercer renglón respectivamente. tal que  A A 1   A 1  A  I De esta forma. 3. El término x3 se elimina del primero y segundo renglón restando a’13 y a’23 veces el tercer renglón del primer renglón y segundo renglón respectivamente. es análoga a la división. hay 1 otra matriz  A . para obtener:  A 1  A X    A 1  C  como  A A 1 es 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. Multiplicar la matriz inversa por la matriz de términos independientes para obtener los valores de las incógnitas.Como se indica en el procedimiento siguiente: 1. Obtener la matriz aumentada adicionando a la matriz coeficientes la matriz identidad. Aplicar el método de gauss-jordan.  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 aplicación de la inversa ocurre cuando es necesario resolver varios sistemas de ecuaciones que difieren únicamente en el vector términos independientes.  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. Escribir en notación 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. 4 x1  2 x 2  x3  39 x1  6 x 2  2 x3  28 x1  3x 2  12 x3  86 20 . para obtener en el lado derecho de la matriz aumentada la inversa. Ejemplo: Resolver el siguiente sistema de ecuaciones.

Algunos ejemplos de matrices bandeadas:  2  0   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 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 incógnitas b1 x1 a 2 x1 c1 x 2 b2 x 2 a3 x 2 c 2 x3 b3 x3  d1  d2  d3 Triangulación Si b1  0 . con lo que se obtiene como nueva tercer ecuación b2' x 2  c 2' x3  d 2' con b2'  b2  a 2 c1 / b1 .Método 4. En estos casos algunos de los métodos conocidos pueden adaptarse. un gran número de sus componentes son cero (matrices dispersas). se elimina x1 sólo en la segunda ecuación. Thomas Con frecuencia la matriz coeficiente del sistema A x  b por resolver. En el método de Tomas. A es tridiagonal. c 2'  c 2 . con lo cual se reduce el trabajo computacional y la memoria de la máquina. d 2'  d 2  a 2 d1 / b1 Si b2  0. es decir. x2 se elimina sólo en la tercera ecuación. se adapta la eliminación de Gauss para la solución del sistema tridiagonal A x  b . y así se obtiene como nueva tercera ecuación ' 21 .

. 1 d i'  ci' xi 1 xi  bi' Esta simplificación del algoritmo de Gauss. ci' 1  ci .. j  1 hasta N b) La primera columna de L. Método 5... d 3'  d 3  a 3 d 2' / b2' Generalizando: Para un sistema tridiagonal de n ecuaciones en n incógnitas... si bi  0 se elimina xi sólo en la (i+1)-ésima ecuación. n  1 . ' Para i  1.. lij para i=2 hasta N. uij para j =1 hasta N.. j  2 hasta N d) La segunda columna de L se obtiene mediante 22 . n  2. se obtiene por medio de l i1  ai1 / u11 ... con lo que se obtiene como nueva (i+1)-ésima ecuación... valida para sistemas tridiagonales se conoce como método de Thomas. Descomposición LU El esquema general de la descomposición LU para una matriz de orden N es el siguiente: a) El primer renglón de U. i  2 hasta N c) El segundo renglón de U se obtiene como u 2 j  a 2 j  l 21u1 j . se obtiene por medio u1 j  a1 j .b3' x3  d 3' b3'  b3  a3 c 2 / b2' . Triangulación bi'1 xi 1  ci' 1 xi  2  d i'1 con bi'1  bi 1  ai 1ci / bi' .. d i'1  d i 1  ai 1 d i' / bi' Sustitución regresiva x n  d n' / bn' y para i  n  1.

1.. i  N . i  2.. Esta es la diferencia más significativa entre los métodos de Jacobi y Gauss-Seidel. N . Finalmente tenemos: Cabe destacar que al calcular xi(k+1) se necesitan todos los elementos en x(k).. i  n  1 hasta N k 1   Para resolver un conjunto de N ecuaciones lineales se procede como a) Paso de eliminación hacia delante z 1  y1  i 1 z i  yi    l j 1 ij  z j  . excepto el que tenga el mismo i.. 23 .1 Método de Jacobi y Gauss Seidel donde es el contador de iteración.. y será necesario realizar un copiado explícito. al contrario que en el método Gauss-Seidel...3. ya que su valor será necesario para el resto de los cálculos..2.3.l i 2   a i 2  l i1u12  / u 22 e) El n-ésimo renglón 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-ésima columna de L se obtiene de n 1   l in   ain   l ik u kn  / u nn ... La cantidad mínima de almacenamiento es de dos vectores de dimensión n.2. no se puede sobreescribir xi(k) con xi(k+1). N  b) Paso de eliminación hacia atrás: zN u NN xN    zi  xi    N u j  i 1 u ii ij xj   .. Por eso.

Con esto las ecuaciones se simplifican a     0  f2 xk . A continuación se obtendrá este procedimiento para dos variables. de modo que puedan expanderse en serie de Taylor. Esto es f  x. b) y todas las derivadas parciales están evaluadas en (a. y k )  f1 x k . 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 . b). Expandiendo f1 y f2 alrededor de (x. Suponga que sé esta resolviendo el sistema: f1  x. y k      Supongamos que xk+1 y yk+1 están tan cerca de la raíz buscada que los lados izquierdos de las dos últimas ecuaciones son casi cero. se cambia la notación: x k 1  x k  h y k 1  y k  j y así que da la(k+1)-ésima iteración en términos de la k-ésima. y   0 f 2  x. es un método de convergencia cuadrática. y   0 donde ambas funciones son continuas y diferenciables. como: x k 1  x k  h 24 y k 1  y k  j . y   f  a . 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 .MÉTODO DE NEWTON-RAPHSON PARA SISTEMAS DE ECUACIONES NOLINEALES El método de Newton-Raphson multivariable. la extensión a tres o más variables es viable generalizando los resultados. y k      Para simplificar. y) se ha expandido alrededor del punto (a. b   df  x  a   df  y  b  dx dy donde f(x. y)     f 2 (x k .

la estrategia es derivar una curva simple que represente el comportamiento general de los datos. a esta aplicación se le conoce como ajuste de curvas.1. son números reales. Este sistema de ecuaciones lineales resultante tiene solución única. a veces se requieren estimaciones de puntos entre esos valores discretos.La sustitución de la ecuación 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 . Hay dos esquemas generales en el ajuste de curvas que se distinguen entre sí en base a la cantidad de error asociada con los datos. yk el cual es un sistema de ecuaciones lineales con dos incógnitas h y j. y k   f2 xk . Ya que cada punto individual puede estar incorrecto. Primero: Los datos muestran un grado significativo de error. donde las funciones y las derivadas están evaluadas en xk y yk y . el proceso es ajustar una curva o una serie de curvas que pasen exactamente por cada uno de los puntos. A este procedimiento se le conoce con el nombre de regresión con mínimos cuadrados. la curva se diseña de tal manera que siga un patrón sobre los puntos tomados como un todo. siempre que el determinante de la matriz de coeficientes o matriz jacobiana J no sea cero. Sin embargo. En vez de esto. no es necesario interceptar cada punto individual. AJUSTE DE CURVAS A menudo se proporcionan datos mediante un conjunto de puntos discretos. A la estimación de valores entre puntos discretos conocidos se le conoce con el nombre de interpolación.1 Regresión Lineal 25 . Segundo: Se conoce que los datos son muy exactos. por tanto. es decir si: df 1 dx J  df 2 dx df1 dy 0 df 2 dy TEMA 4. Regresión con Mínimos Cuadrados 4.

 xn . respectivamente y E es el error o residuo entre el modelo y las observaciones. Con una línea recta. parejas de datos observadas: La expresión matemática de una línea recta es: y  ao  a1 x  E en donde ao y a1 son coeficientes que representan la intersección con el eje de las abscisas y la pendiente.  x2 . predicho por la ecuación lineal.. se genera un mínimo Sr. ao  a1 x . la mejor estrategia es la de minimizar la suma de los cuadrados de los residuos Sr.Consiste el ajustar un conjunto de  x1 .. incluyendo el que ajusta una línea única a un conjunto dado de datos.. Una estrategia que obtiene la “mejor” línea a través de los puntos debe minimizar la suma de los errores residuales. las ecuaciones anteriores se expresarán como: 0   y i   a 0   a1 x1 0   y i xi   a 0 xi   a1 xi2 Considerando que a  na 0 . Para determinar los valores de las constantes ao y a1 .. se deriva la ecuación 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. el error es la diferencia entre el valor real de y y el valor aproximado..... y2  . Si se hace así.. que se puede representar reordenando la ecuación como: E  y  ao  a1 x Por lo tanto. yn  . de la siguiente manera: n n i 1 i 1 Sr   E I2    y i  a o  a1 xi  2 Este criterio tiene muchas ventajas. Igualando estas derivadas a cero. y1  . las ecuaciones se pueden expresar como un conjunto de    a 0 y a1   : dos ecuaciones lineales simultáneas con dos incógnitas  0 26 .

Sr = 0 explicando el 100% de variabilidad.  a m x m En este caso. El coeficiente de correlación es dado por: r2  St  Sr St S t   yi  y  2 S r   y i  a 0  a1 xi  2 en donde r es el coeficiente de correlación. se obtiene: 27 ..  a m xim  n 2 i 1 Derivando con respecto a cada uno de los coeficientes. Para un ajuste perfecto. Sr suma de los cuadrados de los residuos alrededor de la línea de regresión y St es la suma total de los cuadrados..... respectivamente. Regresión Polinomial El procedimiento de mínimos cuadrados de se puede extender fácilmente y ajustar datos a un polinomio de m-ésimo grado: y  a 0  a1 x  a 2 x 2  .na 0   xi a1   y i x a x i 0 2 i a 1   xi y i A estas ecuaciones se les conoce como ecuaciones normales.. Resolviéndolas simultáneamente 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. igualando a cero. la suma de los cuadrados de los residuos es: S r    y  a 0  a1 xi  a 2 xi2  ...

 .  a m x m en donde los coeficientes que minimizan la suma de los cuadrados de los residuos se determinan resolviendo el sistema:  n  x x   1... .   .i 1.y  i 1.i m .i .a 0 n  a1  xi  a 2  xi2  ..   . .i 2 . x   . 2.  a m  xim1   xi y i a 0  xi2  a1  xi2  a 2  xi4  ..i .i .. ..  a m  xim   y i a 0  xi  a1  xi2  a 2  xi3  .     . .  .. x x x x .....i 2 . m .. . x x x x x   a0       1..i   m   m .... m .i x .   .. x2 ..i y x y x ..i 2 21.. ..i  . xm  Sr n   m  1 y el coeficiente de correlación se calcula con la ecuación: r2  Interpolación 28 St  Sr St ..    ... 2 ..i    a1      a 2 .i   . i 2     .i . yi  El error estándar de la aproximación para la regresión lineal múltiple se formula de la siguiente manera: s y / x1 ...i x x m .  a m  xi2 m   xim y i Regresión Lineal Múltiple Una extensión útil en la regresión lineal es el caso en que y es una función lineal de dos o más variables: y  a 0  a1 x1  a 2 x 2  ..     .   a  2  xm.i x 2 .i 2 1.     x x x x x 1.  .i 2 . m . ... ..  a m  xim  2   xi2 y i ..   .i m .i   i  i . ...     ...i 1.i 1. a 0  xim  a1  xim 1  a 2  xim  2  .

La formula general de un polinomio de n-ésimo orden es: f  x   a 0  a1 x  a 2 x 2  . Usando triángulos 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 interpolación lineal. La notación f 1  x  indica que se trata de un polinomio de interpolación de primero orden. existe una gran variedad de fórmulas matemáticas mediante las cuales se puede expresar este polinomio.. existe uno y sólo un polinomio de n-ésimo orden o menor que pasa a través de todos los puntos. f 1  x   f  x0   29 .. Este método se muestra en la figura siguiente. El polinomio de interpolación consiste en determinar el único polinomio de n-ésimo orden que se ajusta a los n + 1 puntos dados. Interpolación Lineal La forma más simple de interpolación es la de conectar dos puntos con una línea recta. es la forma más popular además de la más útil. Polinomios de Interpolación con Diferencias Divididas de Newton El polinomio de interpolación con diferencias divididas de Newton.Para determinar valores intermedios entre valores conocidos. Estudiaremos dos técnicas: Polinomios de Newton y los polinomios de Lagrange. Este polinomio proporciona una fórmula para calcular los valores intermedios.a n x n Para n + 1 puntos. Aunque existe uno y sólo un polinomio de n-ésimo orden que se ajusta a los n +1 puntos. El método más común empleado para este propósito es la interpolación polinomial.

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. El polinomio de n-ésimo orden es: 30 . b1 aún representa la pendiente de la línea que une los puntos x0 y x1. 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 Nótese que. los primeros dos términos de la ecuación son equivalentes a la interpolación de x0 a x1. al igual que en el caso de interpolación lineal.f(x1) f1(x) f(x0) x0 x x1 Interpolación Cuadrática Si se dispone de tres datos. introduce la curvatura de segundo orden en la fórmula. Formula General de los polinomios de interpolación de Newton El análisis anterior se puede generalizar en el ajuste de un polinomio de n-ésimo orden a los n +1 puntos. Por lo tanto. la interpolación se puede llevar a cabo con un polinomio de segundo orden. El último término. b2(x – x0)(x-x1).

f n  x   f  x 0    x  x0  f  x1 . x j   f  x j . x  x n 1  f  x n ...... Se requieren n + 1 puntos para obtener un polinomio de n-ésimo orden: x0. x j ... x0  ... x n 1 . x n 1 . Usando estos datos....   x  x 0  x  x1 . con las ecuaciones siguientes se evalúan los coeficientes: b0  f  x 0  b1  f  x1 . x1   f  x n 1 . k n 2 . b1. x 0    x  x0  x  x1  f  x 2 .…... x  x n 1  Como se hizo anteriormente con la interpolación cuadrática.. se expresa generalmente como:   f xi . x n 1 . bn....……... bn  f  x n . x0  b2  f  x 2 ....... se usan los puntos para la evaluación de los coeficientes b0.. x0   f  x n . ... los cuales se sustituyen en la ecuación de interpolación para obtener el polinomio de interpolación con diferencias divididas de Newton.. x1 . x n 1 . x 0  en donde las evaluaciones de la función entre corchentes son diferencias divididas finitas. que representa diferencias de dos primeras diferencias divididas finitas..... xn. x1 . x1 .. x j  xi  x j La segunda diferencia dividida finita.  bn  x  x 0  x  x1 .... x 0   . x1 . la n-ésima diferencia dividida finita es: f  x n . x0  xn  x0 Estas diferencias se usan para evaluar los coeficientes de las ecuaciones. x0  31 .. x1. La primera diferencia dividida se representa como:  f  xi   f  x j   f xi . x k  f  xi . k k  xi  x k De manera similar.f 2  x   b0  b1  x  x 0   ..

También nótese que las ecuaciones son recursivas. FORMULAS DE INTEGRACIÓN DE NEWTON-COTES Las formulas de integración de Newton-Cotes son los esquemas más comunes dentro de la integración numérica. esto es. Matemáticamente. evaluada entre los limites x = a y x = b.x0) Polinomios de Interpolación de Lagrange El polinomio de interpolación de Lagrange. f(x1. INTEGRACIÓN Y DERIVADAS Integrar significa “unir todas las partes en un todo”. la integración se representa por: b I   f ( x)dx a la cual representa a la integral de la función f(x) con respecto a la variable x.x1) f(x3. como la que se muestra a continuación: i 0 1 2 3 xi x0 x1 x2 x3 f(xi) f(x0) f(x1) f(x2) f(x3) Primera dif.x1) Tercera dif f(x3. Este se puede representar concretamente como: f n  x    Li  x  f  xi n i 0 n Li  x     x  xj xi  x j en donde: . La ecuación de Lagrange se deriva directamente del polinomio de Newton. j 0 j i TEMA 5. f(x2.x0) f(x2.x1. simplemente es una reformulación del polinomio de Newton.x2. que evita el cálculo de las diferencias divididas.x0) f(x3. Se basan en la estrategia de remplazar una función complicada o un conjunto de datos tabulados con alguna función aproximada que sea más fácil de integrar: 32 . las diferencias de orden superior se componen de diferencias de orden inferior. Para facilitar el trabajo con polinomios de interpolación es recomendable usar tablas de diferencias divididas finitas.x2) Segunda dif.x2.x1.  denota el “producto de”.Se debe notar que no es necesario que los datos usados en la ecuación estén igualmente espaciados o que los valores de la abscisa necesariamente se encuentren en orden ascendente.

. 5..a n 1 x n 1  a n x n en donde n es el orden del polinomio..b b a a 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  . b b a a I   f ( x)dx   f 1  x  dx Recordando que una línea recta se puede representar como: f1  x   f  a   f  b  f  a  x  a ba El área bajo la línea recta es una aproximación de la integral de f(x) entre los límites a y b: b f (b)  f (a )   x  a   dx I    f (a )  ba  a El resultado de la integración es: I   b  a f  a   f  b 2 que es la regla trapezoidal.1 REGLA DEL TRAPECIO La regla del trapecio o regla trapezoidal es la primera de las formulas cerradas de Newton-Cotes. Error de la regla Trapezoidal Una estimación del error de truncamiento de una sola aplicación de la regla trapezoidal es: Et   1 3 f    b  a  2 33 . Corresponde al caso en donde el polinomio es de primer orden.

La regla de Simpson 1/3 para segmentos múltiples es dada por: I donde h n 1 n2  h  f  x 0   4  f  xi   2  f  x j   f  x n     3 i 1.6   b  a n 34 .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 ecuación: b b a a 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  Después de integrar y de ordenar términos. 5 j 2. 4. se requiere que los segmentos sean de igual anchura. resulta la siguiente ecuación: I h h 3  f  x 0   4 f  x1   f  x 2    b  a 2 donde El error de truncamiento para una aplicación de la regla de Simpson de 1/3 es: Ev   1 5 h f 90 4   La aplicación de la regla de Simpson para segmentos múltiples mejora su exactitud. 5.en donde  es un punto cualquiera dentro del intervalo de a y b. 3.

las cuales se dividen en formulas cerradas y abiertas. N N 1 ½ 1 1 E 2 1/3 1 4 1 (1 / 90 )h 5 f iv 3 3/8 1 3 3 1 (1 / 80 )h 5 f iv 4 2/45 7 32 12 32 5 5/288 19 75 50 50 75 7 (1 / 12 )h 3 f " (8 / 945 )h 7 f vi 19 (275 / 12096 )h 7 f 6 1/140 41 216 27 272 27 216 41 (9 / 1400 ) 7 7/17280 751 3577 3577 751 1323 35 2989 2989 1323 h9 f viii vi .3..2.....El error de truncamiento para una aplicación de la regla de Simpson de 1/3 de segmentos múltiple es: Ea    b  a 5 180n 4 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....1.. ...... i  0.  w N f N   E a 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 y Tabla 1... Constantes para las fórmulas cerradas de Newton-Cotes   i . Las fórmulas de Newton-Cotes cerradas son: b  f  x  dx  h w 0 f0  w1 f 1  w 2 f 2  w3 f 3  ..

.....8 9 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 x (173 / 14620 )h11 f x (1346350 / 326918592 )h13 f xii Las fórmulas abiertas de Newton–Cotes se obtienen al extender la integración hasta un intervalo a la izquierda del primer dato y un intervalo a la derecha del último dato.. . N N 1 3/2 1 1 1 0 E 2 4/3 0 2 -1 (28 / 90 )h 5 f 3 5/24 0 11 1 4 6/20 0 11 -14 5 7/1440 0 611 2 1 0 11 26 -453 0 -14 562 iv (95 / 144 )h 5 f iv 11 562 0 (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 .3.1....  w N  2 f N  2   E a 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) y Tabla 2.2... i  0.... Constantes para las fórmulas abiertas de Newton-Cotes   i .. Dichas fórmulas se escriben como: b  f  x  dx  h w 0 f0  w1 f 1  w2 f 2  w3 f 3  ...

elegibles para los puntos xi y los coeficientes wi para i=1. Una cuadratura de Gauss n-puntos.3 CUADRATURA DE GAUSS E Un método de cuadratura es una aproximación de una integral definida de una función. 1] después de aplicar la cuadratura de Gauss: Después de aplicar la cuadratura la aproximación es: 37 ..n. 1] dada por: Tal cuadratura dará resultados precisos solo si f(x) es aproximado por un polinomio dentro del rango [−1. es una cuadratura que selecciona los puntos de la evaluación de manera óptima y no en una forma igualmente espaciada. 1]. El dominio de tal cuadratura por regla es de [−1.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.. Si la función 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.. construida para dar el resultado de un polinomio de grado 2n-1 o menos..

3478548451 4 =0.3478548451 =0.6521451549 =0.7745966 =-0.33998104 =0.861136311 =-0. 38 =0. n =0 1 =2 =1 2 =-0.861136311 =0 =0. xi Pesos.5 Número de Puntos..56888888 5 =0.23692688509 Ejemplo Aproxime la integral de 1 a 5 cuando n = 2 mediante el método de cuadratura de Gauss y después comparelo con el resultado exacto.Lista de coeficientes de y puntos para n=1.53846931 =0.6521451549 =0.23692688509 =0.53846931 =0 =0.478628670 ...55555 =1 =0..7745966 3 =-0.4786286705 =0.90617984 5 =0. wi puntos.33998104 =0.90617984 =-0.55555 =0.88888 =0..

la diferencia en los valores de la función puede ser pequeña pero la derivada puede diferir considerablemente. x 0   . los valores aproximados de las derivadas serán menos exactos que los valores de la función de la cual se obtienen. De aquí que sea plausible que la derivación numérica sea delicada..Con podemos resolver la integral con exactitud para todos los polinomios de grado igual o menor a 3 para f(x) 5. x1 .. x n 1 . x j  f  xi   f  x j  xi  x j Si aproximamos la función tabulada a una ecuación de primer orden n =1 39 .... 2! 3! h n  Rn n! Si aproximamos la función tabulada a un polinomio de primer orden n = 1. La serie de Taylor definiendo un paso h  xi 1  xi se expresa por la ecuación como: f  xi 1   f  xi   f  xi  h  f n  xi  f  xi  2 f  xi  3 h  h  . x0    f xi . x  x n 1  f  x n ... Siempre que sea posible... En efecto. La derivada de la función usando la serie de Taylor se obtendría 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 .. la cual no es afectada demasiado por las inexactitudes de los valores de la función. en general. además. x 0    x  x0  x  x1  f  x 2 .   x  x 0  x  x1 . si se aproxima una función dada f mediante un polinomio p. la derivada es el límite del cociente de diferencias y en esto normalmente se restan dos cantidades grandes y se dividen entre una pequeña. en contraste con la integración numérica. debe evitarse la derivación numérica porque.4 DERIVADAS El problema de derivación numérica es la determinación de valores aproximados de la derivada de una función f que se da mediante una tabla. debido a que la integración es esencialmente un proceso suavizador.

x 0    x  x 0  x  x1  f  x 2 .6X10-6 atm cm6/gmol2   v  b   RT b = 42.1 atm cm3/gmol K Si T = 350 k. se obtiene la siguiente tabla de valores. x 0  f ( x1 )  f  x 0  x1  x 0 f ( x)  f [ x1 .8 atm cm3 /gmol R =82. Puntos 0 1 2 40 3 .f 1  x   f  x 0    x  x 0  f  x1 . x1 . x 0   2 x  x 0  x1  2h  f ( x )    f  x   2h 1 h 2 f  x0    2 x 0  4 x  2 x1  2h   f  x 0    2  2 h 2 f  x1    1 h2 2h  2 x  x 0  x1   f  x1    2  2h 2   f  x 2   f  x2  Polinomio de Interpolación de Lagrange f n  x    Li  x  f  xi n i 0 n Li  x    j 0 j i  x  xj xi  x j Si aproximamos la función tabulada a una ecuación de primer orden n f ( x)  f  xi  n  i 0 n n n   x  x  j   xi  x j  kk i0 jj 0k . x 0 ]  Si aproximamos la función tabulada a una ecuación de primer orden n = 2 f 2  x   f  x 0    x  x 0  f  x1 .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 ecuación de Van der Walls para el CO2 es  a   v2   P donde: a = 3.

pues los métodos de aproximación dan resultados más exactos. por el contrario. Una vez obtenida la aproximación en los puntos.. se trata de obtener una aproximación de: Función 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 práctica.577 2200 11. no se obtendrá una aproximación continua a la solución y(t). llamados: PUNTOS DE RED.1 Ecuaciones Diferenciales Las ecuaciones diferenciales sirven para modelar problemas que requieren el cambio de un variable respecto a la otra. por lo que se recurre a los procedimientos para aproximar la solución.P(atm) V (cm3) 13. en el intervalo [a. TEMA 6 ECUACIONES DIFERENCIALES ORDINARIAS DE PRIMER ORDEN. se generarán aproximaciones a esa solución en varios valores.565 2400 10. la ecuación diferencial que modela el problema resulta demasiado complicada para resolverla con exactitud. resolver una ecuación diferencial que satisface una condición inicial dada.704 2600 Calcule p / v cuando v = 2300 cm3 y compárelo con el valor de la derivada analítica. se utiliza un método de interpolación. En la mayor parte de estos problemas hay que resolver un problema de valor inicial. 41 .b]. Es decir. igualmente espaciados. El método de Euler se emplea para aproximar la solución de una ecuación diferencial. a menudo. Por el contrario. El método de Euler es un método numérico que emplea una ecuación que se llama: Ecuación de Diferencia. Si se requieren valores intermedios.2 Método de Euler El método de Euler tiene por objeto obtener una aproximación de un problema bien planteado de valor inicial. Este último procedimiento es el que se emplea por lo regular. 6. podemos obtener por interpolación la solución aproximada en otros puntos del intervalo. se valer de métodos numéricos para aproximar la solución del problema original. En la generalidad de las situaciones de la vida real. El método numérico que aquí veremos no produce una aproximación continua a la solución del problema de valor inicial. El primero consiste en simplificar la ecuación diferencial de modo que podamos resolverla exactamente y utilizar después la solución de la ecuación simplificada para aproximar la solución de la ecuación original. 6. es decir.782 2000 12. El segundo. se obtienen las aproximaciones en algunos puntos específicos y.

tN.N-1. t1.3.2.b].En primer lugar.3 Algunos métodos de Runge-Kutta Métodos RK22 Método del punto medio: 42 . Se supone que y(t). tiene primera derivada y segunda derivada en el intervalo [a.N.1. la solución única de la ecuación diferencial. y(ti) para cada i=1.…. elimina el término con segunda derivada y considera wo =µ .….2. Esta última ecuación es la ecuación del método de Euler. wi) para cada i=0.3. estipulamos que los puntos de red tienen una distribución uniforme en todo el intervalo [a. t2.…. la ecuación anterior queda como: Wi+1 = wi +hf(ti.1.1.…. Por lo tanto.2. donde: ti=a+ih para cada i=0.….b]. 6.2.3. y sí h=ti+1-ti Entonces: Sustituyendo: y'(ti) por El método de Euler sustituye wi a y(ti) t . Garantizamos esta condición al seleccionar un entero positivo N y los puntos de red: t o. de modo que para cada i=0.N donde h= Tamaño de paso Se utiliza el Teorema de Taylor para derivar el método de Euler.N-1 A esta última ecuación se le llama Ecuación de Diferencia.

43 .

44 .

Resuelva dichas ecuaciones en forma simultanea. 2.6. EJEMPLOS: 45 .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 solución satisfaga las condiciones de frontera en ambos extremos del dominio unidimensional. Obtenga la ecuación diferencial en diferencias. PROCEDIMIENTO 1.

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. Resolver dichas ecuaciones en forma simultanea. Obtenga la ecuación diferencial en diferencias. al primer termino de la ecuación. Aplicando la aproximación por diferencias centrales.   0   0   H   R x = -h 0 h 2h 3h Nh = H 1. 46 . donde los intervalos miden h = H/N. excepto cuando i  1 e i  N  1 En la condición de la frontera izquierda se puede suponer un punto hipotético de la rejilla i = 0 localizado en x = -h. la ecuación en i = 1   1  w 1 2  1   2  h S 1 2 2 Para la condición frontera de la derecha   N 1   2  w N  h 2 S N   R 2.A) PROBLEMAS CON VALORES EN LA FRONTERA PARA VARILLAS Y LAMINAS Consideremos la ecuación    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.

 . h2 S3 . 1 h 2 S1 / 2 2 h2S2 . . .1 w / 2 1 1 2w 1 1 2  w 1 . 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 ecuación diferencial ordinaria de segundo orden para geometrías cilíndricas y esféricas se pueden escribir mediante una sola ecuación:  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 . .

RUNGE KUTTA NYSTROM. y . MÉTODO 1. En el caso general [el (n+1)-ésimo paso] del método. y  x o   y o. y n  Bn  2  2  1 Dn  hf  x n  h. y n  An  2  2  An  1  1  hf  x n  h. y n   n . y n   n . y n   n .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   2    hi 1  h   ri  i 1  2  4   2    hi  h   ri  i  2 4 S  r   vl S i 1  v r S i Constantes en los intervalos de la retícula. 6. primero se calculan las cantidades auxiliares 1 hf  x n . lo cual significa que en las fórmulas de Taylor para y y y´ se dan exactamente los primeros términos hasta el término que contiene h4 inclusive. Es un método de cuarto orden. y n  2Cn  2 n  Cn  1  1  h y n  An  2  2   n  h y n  Cn  A continuación 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 pequeño con respecto ala variable independiente.5 MÉTODOS NUMÉRICOS PARA LAS ECUACIONES DE SEGUNDO ORDEN Un problema con valor inicial para una ecuación diferencial de segundo orden consiste de esa ecuación y dos condiciones iniciales referentes al mismo punto. y . y  x o   y o suponiendo que f es tal que el problema tiene una solución única en algún intervalo que contiene a xo. y n  2 1  1  Bn  hf  x n  h. y n . 48 . y   f  x.

CAMBIO DE VARIABLE. TEMA 7. Por ejemplo la ecuación 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. MÉTODOS NUMÉRICOS PARA ECUACIONES DIFRENCIALES PARCIALES INTRODUCCIÓN 49 . Ecuaciones diferenciales de segundo orden se pueden reducidas a una serie de ecuaciones de primer orden con un cambio de variable.MÉTODO 2. Las condiciones implican cambiar de variables en las condiciones iniciales.

……. consiste en los siguientes pasos: 1. Resolver el sistema de ecuaciones ordinarias. considerando que los términos conductivo son despreciables son dadas por las siguientes ecuaciones: Método de Líneas: El método de líneas consiste en convertir un problema con ecuaciones parciales con condiciones fronteras en problema de ecuaciones diferenciales ordinarias con valores iniciales. Sustituir las derivadas espaciales usando la aproximación de diferencias finitas centrales. i= 0. 1. 3.Las ecuaciones constitutivas para la transferencia de calor y transferencia de masa aplicadas a un elemento diferencial en coordenadas cartesianas. Determinar el incremento h en dirección de las coordenadas espaciales y temporales. 2. 2..n 50 .

Determinar las raíces reales de: f  x   23. Determínese la raíz real de ln x = 0.5 a) Usando el método de bisección con tres iteraciones y valores iniciales xl = 1 y xu = 2 51 .658 x 5 a) Gráficamente b) Usando bisección para determinar la raíz mas alta para  s  1%.35 x  88.5 y xu = 5. c) Realícense los mismos cálculos de b) pero usando el método de la regla falsa 2. 2.…….. obteniendo: i=j= 0.Método Explicito e Implícito En estos métodos las ecuaciones constitutivas se pueden discretizar para tener ecuaciones algebraicas usando la aproximación de diferencias finitas hacia delante para la derivada temporal.09 x 2  41. Empléese como valores iniciales xl = 4.6 x 3  8.33  79. 1.68 x 4  0.n TAREA No1 RAÍCES DE ECUACIONES 1.

Para un paracaidista de masa m = 75 000 g calcúlese el coeficiente de rozamiento c con v = 3600 cm.b) Usando el método de la regla con tres iteraciones y los mismos valores iniciales del inciso anterior.963 x  16. xi = 0.5) Usando el método de la secante (dos iteraciones.1) 6. 52 . 3. Usarse la eliminación 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. Empléese el método de Newton-Raphson para determinar las raíces reales de: f  x   23. xi = 0.35 x  88.5. Determínese la raíz real más pequeña de: f  x   9.6 x 3  8. xi-1 = 0. Úsese el método de la regla falsa para determinar c con  s  0.36  21.658 x 5 usando el valor inicial de a) xi = 3.2965 x 2  3.5. xi = 0.70377 x 3 a) b) c) d) Usando el método de bisección (dos iteraciones.5 y xi = 1. Compruébense las respuestas sustituyéndolas en las ecuaciones originales.1) Usando el método de la regla falsa (dos iteraciones. /s en t = 6 s.5 y xu = 1. 4. Investigue la ecuación de estado de Redlich-Kwong y determine usando esta ecuación el volumen que ocupa el Nitrógeno a P = 30 atmósferas y T = 450 K.1%. TAREA PARA EXAMEN 2 MATRICES 1. La velocidad del paracaidista está dada por la fórmula: v  gm 1  e  c / m  t c  donde g = 980. 5. Requisito para el examen parcial 1.33  79.09 x 2  41.5 y xu = 1.1) Usando el método de Newton Raphson (dos iteraciones. b) xi = 4 y c) xi = 4.68 x 4  0.

..5 9..2..4 oC con cloruro a 0 mg/lt....3 9. 3.3 10..... Utilice interpolación para calcular el nivel de oxígeno disuelto para T = 22... usted suponga el modelo de regresión (lineal... etc. Use interpolación lineal. 10 000 mg/lt y 20 000 mg/lt.8 DE CLORURO Cloruro = 20000g/lt 10. Semestre... Para el problema anterior determine el modelo mas adecuada usando mínimos cuadrados.... La concentración de saturación del oxígeno disuelto en el agua en función de la temperatura y del cloruro se muestra en el cuadro siguiente..2 7....1 8...) UNIDAD DE CIENCIAS QUÍMUCAS DE LA U A Z PROGRAMA DE INGENIERÍA QUÍMICA EXAMEN I MÉTODOS NÚMERICOS Nombre…………………………………………………………………………………….0 9. 5...2 8..8 11. 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) eliminación gaussiana. Fecha……………………………………………….4 6. cuadrática y cúbica por los métodos de Newton y Lagrange..7 6.1 2....6 10.4 CONCENTRACIONE S Cloruro =10000 mg/lt 11...0 8. 53 .2 7... b) el método de Gauss-Jordan y c) el método de Gauss-Seidel (Máximo 3 iteraciones)..Resolver las ecuaciones del problema 3 el método LU AJUSTE DE CURVAS 1..4 6. cuadrática. OXIGENO DISUELTO PARA Temperatura 5 10 15 20 25 30 Cloruro = 0 mg/lt 12....2 7.... 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 Compruébense los resultados multiplicando  A por  A y obténgase la matriz identidad.

la fracción molar de H 2O denotada por x se puede representar por: KP  x 1 x 2 Pt 2 x Si la presión es de Pt = 2 atmósferas determine x que satisfaga la ecuación. Por: a) Gauss Jordan b) Inversión de Matrices.04568   H 2  O2 Si se supone que es la única reacción que se lleva a cabo. Hacer por lo menos tres iteraciones.1. usando los métodos de a) Bisección b) Newton Raphson 2. el vapor de agua se calienta a una temperatura lo suficientemente alta para que una porción significativa del agua se disocie o se rompa en partes para formar oxígeno e hidrógeno: H 2 O  K P  0. En un proceso químico. 54 . use el método de Newton Raphson Multivariable para determinar las incógnitas x. f 1  3 x  cos( yz )  0. 3.5 f 2  x 2  625 * y 2 f 3  exp(  xy)  20 z  (10 * 3. y y z. Para el siguiente sistema de ecuaciones. 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 c3.1416  3) / 3 Hacer tres iteraciones.