Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MANUAL DE
METODOS
NUMERICOS
QU ES EL ANLISIS NUMRICO?
El Anlisis Numrico es la tcnica mediante las cual es posible formular problemas de tal
forma que puedan resolverse usando operaciones aritmticas, es por ello que la
computacin es una herramienta que nos facilita el uso y desarrollo de ellos
a.- Clasificacin de los mtodos numricos
Los problemas de esta disciplina se pueden dividir en dos grupos fundamentales:
Problemas de dimensin finita: aquellos cuya respuesta son un conjunto finito de nmeros,
como las ecuaciones algebraicas, los determinantes, los problemas de valores propios, etc.
Problemas de dimensin infinita: problemas en cuya solucin o planteamiento intervienen
elementos descritos por una cantidad infinita de nmeros, como integracin y
derivacin numricas, clculo de ecuaciones diferenciales, interpolacin, etc.
Clasificacin atendiendo a su naturaleza o motivacin
Asimismo, existe una subclasificacin de estos dos grandes apartados en tres categoras de
problemas, atendiendo a su naturaleza o motivacin para el empleo del clculo numrico:
Problemas de tal complejidad que no poseen solucin analtica.
Problemas en los cuales existe una solucin analtica, pero sta, por complejidad u otros
motivos, no puede explotarse de forma sencilla en la prctica.
Problemas para los cuales existen mtodos sencillos pero que, para elementos que se
emplean en la prctica, requieren una cantidad de clculos excesiva; mayor que la necesaria
para un mtodo numrico.
El error causado por resolver el problema no como se ha formulado, sino mediante algn
tipo de aproximacin. Generalmente est causado por la sustitucin de un infinito
(sumatorio o integracin) o un infinitesimal (diferenciacin) por una aproximacin finita.
Algunos ejemplos son:
El clculo de una funcin elemental (por ejemplo, Seno x) empleando slo n trminos de
los infinitos que constituyen la expansin en serie de Taylor.
Aproximacin de la integral de una funcin por una suma finita de los valores de la
funcin, como la empleada en la regla del trapezoide.
Resolucin de una ecuacin diferencial reemplazando las derivadas por una aproximacin
(diferencias finitas).
Solucin de la ecuacin f(x) = 0 por el mtodo de Newton-Raphson: proceso iterativo que,
en general, converge slo cuando el nmero de iteraciones tiende a infinito.
Denominaremos a este error, en todas sus formas, como error por truncamiento, ya que
resulta de truncar un proceso infinito para obtener un proceso finito. Obviamente, estamos
interesados en estimar, o al menos acotar, este error en cualquier procedimiento numrico.
Por ltimo, la otra fuente de error de importancia es aquella que tiene su origen en el hecho
de que los clculos aritmticos no pueden realizarse con precisin ilimitada. Muchos
nmeros requieren infinitos decimales para ser representados correctamente, sin embargo,
para operar con ellos es necesario redondearlos. Incluso en el caso en que un nmero pueda
Error relativo
de x:
(2)
En general, no conocemos el valor de este error, ya que no es habitual disponer del valor
exacto de la magnitud, sino slo de una acotacin de su valor, esto es, un nmero
que:
, tal
(4)
o bien:
(5)
De acuerdo con este formalismo, tenemos que un nmero se representar del siguiente
modo:
=
(6)
(7)
2.-ECUACIONES NO LINEALES
Un sistema de ecuaciones lineales tiene solucin nica si la matriz de coeficientes es no
singular.
Esta propiedad significa que la curva tiene una tangente horizontal en el eje x.
Si f(x) = 0 y f(x) 0, entonces se dice que se tiene una raz simple.
Mtodo de la biseccin
Mtodo de regla falsa o falsa posicin
Mtodos abiertos
A diferencia de los mtodos cerrados estos solo necesitan un valor inicial, pues no encierran
la raz. En algunos casos la operacin diverge (se aleja de la raz) y otros converge (se
acerca a la raz) hallando de manera ms efectiva la raz.
2.2.-Metodos cerrados
a.- Mtodo grafico
Sistemas de Ecuaciones Lineales y Cuadrticas
Empecemos por hablar sobre dos ecuaciones lineales. La solucin de este tipo de sistema es
el punto de interseccin entre las dos rectas, o el lugar donde las dos ecuaciones tienen los
Una solucin
No hay solucin
Soluciones infinitas
Para resolver un sistema con una ecuacin lineal y una ecuacin cuadrtica, podemos hacer
lo mismo, encontrar el punto o puntos de interseccin entre ambas grficas:
Una solucin
No hay solucin
Dos soluciones
Si la parbola y la recta se
tocan en un slo punto,
entonces existe una solucin
para ambas ecuaciones.
No tiene sentido considerar el caso cuando las dos ecuaciones representan el mismo
conjunto de puntos, porque una lnea recta jams ser una parbola, y vice versa.
Nota que esto significa que el nmero posible de soluciones para un sistema de dos
ecuaciones lineales es 0 (nunca se tocan), 1 (se cruzan en un lugar), o infinito (las rectas
son idnticas). El nmero de soluciones para un sistema con una ecuacin lineal y una
ecuacin cuadrtica es 0 (nunca se tocan), 1 (se tocan en un lugar), o 2 (se cruzan en dos
lugares).
basa
contnua en un intervalo
tal que
en
el
y supongamos que
, existe un
siguiente
tal que
teorema
de
Clculo:
. Entonces para
. La misma
Bsicamente el Teorema del Valor Intermedio nos dice que toda funcin contnua en un
intervalo cerrado, una vez que alcanz ciertos valores en los extremos del intervalo,
entonces debe alcanzar todos los valores intermedios.
En particular, si
precisamente
existir
, y por lo tanto, el Teorema del Valor Intermedio nos asegura que debe
tal que
en el intervalo
contnua,
tales que
iii) Evaluar
se encuentra en el intervalo
es decir,
Ejemplo 1
Aproximar la raz de
hasta que
Solucin
Sabemos por lo visto en el ejemplo 1 de la seccin anterior, que la nica raz de
localiza en el intervalo
se
mientras que
ii) Evaluamos
iii) Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos la siguiente
tabla:
Aqu podemos calcular el primer error aproximado, puesto que contamos ya con la
aproximacin actual y la aproximacin previa:
Puesto
que
no
se
ha
logrado
el
objetivo,
Evaluamos
continuamos
,
se
encuentra
en
el
con
hacemos
intervalo
el
proceso.
la
tabla:
El
proceso
debe
seguirse
hasta
cumplir
Resumimos los resultados que se obtienen en la siguiente tabla:
Error aprox.
Aprox. a la raz
1.25
1.375
9.09%
1.3125
4.76%
1.28125
2.43%
1.296875
1.20%
1.3046875
0.59%
el
objetivo.
Donde hemos agregado la lnea recta que une los puntos extremos de la grfica en el
intervalo
Es claro que si en lugar de considerar el punto medio del intervalo, tomamos el punto
donde cruza al eje esta recta, nos aproximaremos mucho ms rpido a la raz; sta es en
s, la idea central del mtodo de la regla falsa y sta es realmente la nica diferencia con el
mtodo de biseccin, puesto que en todo lo dems los dos mtodos son prcticamente
idnticos.
Supongamos que tenemos una funcin
adems,
tienen
, hacemos
signos
y
opuestos.
Multiplicando por
nos da:
contnua,
tales que
iii) Evaluar
se encuentra en el intervalo
Ejemplo 1
Usar el mtodo de la regla falsa para aproximar la raz de
en el intervalo
y hasta que
, comenzando
Solucin
Este es el mismo ejemplo 1 del mtodo de la biseccin. As pues, ya sabemos que
es
contnua en el intervalo dado y que toma signos opuestos en los extremos de dicho
intervalo. Por lo tanto podemos aplicar el mtodo de la regla falsa.
Calculamos la primera aproximacin:
Puesto que solamente tenemos una aproximacin, debemos seguir con el proceso.
As
evaluamos
pues,
hacemos
nuestra
tabla
de
signos:
Puesto
que
Evaluamos
no
se
cumple
el
objetivo
seguimos
con
el
proceso.
, con el cual,
Y el error aproximado:
Observe la rapidez con la cual converge el mtodo de la regla falsa a la raz, a diferencia de
la lentitud del mtodo de la biseccin.
2.3.-Metodos abiertos
a.- Mtodo de punto fijo
Dada una ecuacin f(x) = 0, podemos transformarla, de alguna manera, en otra equivalente
del tipo x = g(x) para alguna funcin g. En este caso se tiene que: a es raz de f(x) = 0
f(a) = 0 a = g(a) a es raz de x = g(x).
Definicin:
Un nmero a tal que a = g(a) se dice un punto fijo de la funcin g.
Cundo una funcin g tiene un punto fijo, y si lo tiene, cmo encontrarlo?
Teorema de punto fijo:
Si g es una funcin continua en [a, b] y g(x) [a, b] para todo x [a, b], entonces g tiene por
lo menos un punto fijo en [a, b]. Si adems, g(x) existe para todo x [a, b], y |g(x)| K <
1 para todo x [a, b], K constante, entonces g tiene un nico punto fijo x [a, b]. La
sucesin {xn}, con n definida, se encuentra mediante la frmula de iteracin:
Reemplazamos la funcin no-lineal f con esta funcin lineal, cuyo cero es fcilmente
determinado, para hacer h = f(x) / f(x), asumiendo que f(x) 0. Como lo de las dos
de
que
ser
nuestra
siguiente
Y despejamos
aproximacin
la
raz
en un
.
Hacemos
Ejemplo 1
Usar el mtodo de Newton-Raphson, para aproximar la raz de
comenzando
con
Solucin
En este caso, tenemos que
hasta
que
Comenzamos con
y obtenemos:
Aprox. a la raz
Error aprox.
1
1.268941421
21.19%
1.309108403
3.06%
1.309799389
0.052%
se observa que la funcin U(x) tiene las mismas races que f(x), entonces U(x) se vuelve
cero en cualquier punto que f(x) es cero. Suponiendo ahora que f(x) tiene una raz mltiple
en x = c de multicidad r. Esto podra ocurrir, por ejemplo, si f(x) contiene un factor (x-c) .
Entonces, podra fcilmente demostrarse que U(x) tiene una raz en x = c de multicidad r, o
una raz simple. Puesto que el mtodo de Newton Raphson es efectivo para races simples,
podemos aplicar el mtodo de Newton para resolver U(x) en lugar de f(x). De esta manera,
la ecuacin recursiva de este mtodo queda,
Tomando los valores iniciales x0,y0, se calcula a partir del metodo de Newton-Raphson
univariable un nuevo valor x1 de la forma siguiente:
similitud con
Hay que observar que se a obtenido x1 a partir de f1 y los valores mas recientes de X y Y;
x0,y0.
Ahora emplearemos f2 y los valores mas recientes de X y Y; x1, y0 para calcular y1
De esta forma
Donde df2/dy se evala en x1,y0. Se obtiene ahora x1 y y1. con estos valores se calcula x2,
despus y2, y as sucesivamente.
Este metodo converge a menudo si x0,y0 esta muy cerca de xnegada y ynegada, y requiere
la evaluacion de solo 2n funciones por paso (cuatro para el caso de dos ecuaciones que se
esta manejando). Hay que observar que se han empleado desplazamientos sucesivos, pero
los desplazamientos simultaneos tambien son aplicables.
En la aplicacin de este metodo se pudo tomar f2 para evaluar x1 y f1, a fin de evaluar y1,
asi:
Esto puede producir convergencia en alguno de los arreglos y divergencia en el otro.es
posible saber de antemano si la primera o la segunda forma convergiran para el caso de
sistemas de dos ecuaciones, pero cuando 3 <= n las posibilidades son varias (n!) y es
imposible conocer cual de estos arreglos tiene viabilidad de convergencia, por lo cual la
eleccion se convierte en un proceso aleatorio. Esta aleatoriedad es la mayor desventaja de
este
metodo.
En general, para un sistema de n ecuaciones con n incgnitas: x1,x2,xn, el algoritmo
toma la forma:
xa x p
f xp
f x0
Que es la frmula del mtodo de la secante. Ntese que para poder calcular el valor de
necesitamos conocer los dos valores anteriores
Obsrvese tambien, el gran parecido con la frmula del mtodo de la regla falsa. La
diferencia entre una y otra es que mientras el mtodo de la regla falsa trabaja sobre
intervalos cerrados, el mtodo de la secante es un proceso iterativo y por lo mismo,
encuentra la aproximacin casi con la misma rapidez que el mtodo de Newton-Raphson.
Claro, corre el mismo riesgo de ste ltimo de no converger a la raz, mientras que el
mtodo de la regla falsa va a la segura.
Ejemplo 1
Usar el mtodo de la secante para aproximar la raz de
,
y hasta que
, comenzando con
Solucin
Tenemos que
secante
para
calcular
la
aproximacin
Error aprox.
0
1
100%
0.612699837
63.2%
0.653442133
6.23%
0.652917265
0.08%
f.- Aplicaciones
Dado que la presin de vapor del Cloruro de Metilo a 60 C es de 13.76 bar, emplee la
ecuacin de Redlich/Kwong para calcular los volmenes molares del vapor y lquido
saturados a esas condiciones.
Solucin
El desarrollo moderno de las ecuaciones cbicas de estado se inicio en 1949 con la
publicacin de la ecuacin de Redlich/Kwong.
RT
a
1
V b T 2V (V b)
0.4278R 2Tc2.5
Pc
0.0867 RTc
Pc
Tc = 416.3 K
Pc = 66.8 bar
T= 333.15 K,
P = 13.76 bar
b=44.922 cm3 molEsta ecuacin, tiene tres races para el volumen, de las cuales dos pueden ser complejas.
Fsicamente, los valores de V son reales, positivos y mayores que la constante b. Los
volmenes de lquidos y vapores saturados estn dados por la raz menor y mayor,
respectivamente, cuando P es la presin de saturacin.
Problema
En un proceso qumico, el vapor de agua (H 2O) se calienta a una temperatura
suficientemente alta para que una porcin significativa del agua se disocie o se rompa en
partes para formar oxgeno (O2) e hidrogeno(H2).
H2O H2 + O2
Solucin
v
Para una reaccin qumica en equilibrio K a i i
vi
Sustituyendo K
y H 2 y O2
yH
2O
1/2
PP 1 / 2
P
ni n i 0 v i
yi
nt n0 v
Donde se denomina coordenada de reaccin
Cuando se alimenta estequiomtricamente
disociacin
Balances Molares
nH 2 n0 H
2
n o2 n 0 o 1 2
2
nH 2 O n0 H O
2
v = vi =
Base
no H
2O
Sustituyendo
1mol
2 12
P
1 12 1 12
1
Reacomodando
1
1 12
f ()
2 P
1 2
2 P
K Para las condiciones en que se efecta la reaccin
1 2
f ()
4
0.04568
1 2
Raz
Error aproximado
8.8081 x10-2
--------------------
9.5024 x10-2
7.3063
9.6107 x10-2
1.1266
9.6272 x10-2
0.1712
9.6297 x10-2
0.0260
9.6300 x10-2
0.0039
Raz
Error aproximado
8.8081 x10-2
43.2343
9.7921 x10-2
10.0490
9.6255 x10-2
1.7607
9.6301 x10-2
0.0472
9.6300 x10-2
0.0003
Problema 1
Una alimentacin de 100 kmol/h que contiene 10, 20, 30, y 40 moles % de propano (3), nbutano (4), n-pentano (5) y n-hexano (6), respectivamente, entra a una columna de
destilacin de 100 psia(689.5 kPa) y 200 F(366.5 K). Suponiendo que existe equilibrio,
Qu fraccin de la alimentacin entra como liquido y cuales son las composiciones del
liquido y el vapor. Datos K3=04.2, K4=1.75, K5=0.74, K6=0.34
Vaporizacin instantnea
Determinacin de la cantidad de vapor V (moles/hr) y la de lquido L (moles/hr) que se
generan en una vaporizacin instantnea.
V
moles/hr
F moles/hr
L
moles/hr
F=L+V
F zi = L xi + V yi
yi
xi
i = 1, 2, 3, ,n
i = 1, 2, 3, ,n
Fz i ( K i 1)
0
i 1)
F V (K
i 1
z i ( K i 1) 2
f ' ( )
0
2
i 1 [1 ( K i 1)]
Donde = V/F
Problema 2
Encuentre el volumen molar del gas butano a 500 K y 50 bar.
La ecuacin cubica de estado genrica:
:
an1x1+an2x2+an3x3+...+annxn=bn
En notacin matriz-vector, un sistema de ecuaciones algebraicas lineales tiene la forma:
A: Matriz.
b: Vector.
x: Es el vector de incgnitas a ser determinado.
Lo siguiente conduce a la pregunta: Puede el vector b ser expresado como una
combinacin lineal de las columnas de la matriz A?
Los coeficientes de esta combinacin lineal estn dados por los componentes del vector
solucin x.
Puede o no tener solucin.
Puede no ser nica.
Determinantes
Los determinantes surgen en relacin con los sistemas de ecuaciones lineales.
Por ejemplo en el sistema
a11 x1 + a12 x2 = b1
a21 x1 + a22 x2 = b2
(1)
b1 a 22 b2 a12
a11 a 22 a 21 a12
x2
b2 a11 b1 a 21
a11 a 22 a 21 a12
(2)
a11
a 21
a12
a 22
a12
a 21
a 22
Los cuatro nmeros a11, a12, a21, a22 se llaman elementos del determinante. Se dice que los
elementos en una lnea horizontal forman un rengln y que los elementos en una lnea
vertical forman una columna del determinante.
Ahora puede escribirse la solucin (2) del sistema (1) en la forma
x1
D1
D
x2
D2
D
(D 0)
donde
D
a11
a 21
a12
a 22
D1
b1
b2
a12
a 22
D2
a11
a 21
b1
b2
Dx + Cx = b
Dx = b - Cx
b C x
D
Esta ltima ecuacin se puede usar para aproximar la solucin mediante un proceso
iterativo.
b a
1
12
b a
2
b a
3
x a 23 x3,i ... a 2 , n x n ,i
21 1, i
a 22
31
ii a ij
a
i j
Que deber cumplirse para cada elemento del vector actual y previo; tambin se dar el
nmero mximo de iteraciones
xi 1 xi
xi 1
100 s
Ejemplo
Dado el problema
-12 x1 + x2 - 7 x3 = -80
x1 - 6x2 + 4 x3 = 13
-2 x1 - x2 + 10 x3 = 92
x1,i 1
x 2 ,i 1
x3,i 1
80 x2i 7 x3i
x1,0 =
0
12 x1,i 1 x1,i
100
s
13 x1ai1 4 x3i x 1,i 1
x2,0 =
6
x x 0
x2 ,i 1
x3,0 =
10
x x3,i 1000
a 3 3,i 1
s
x3,i 1
x1,1
80 0 7 0 6.667
12
13 0 4 0 2.1667
x 2 ,1
a1 = a2 = a36=
92 2 0 0 9.2
x100
3,1
10
a i < s? NO
Segunda iteracin
x1, 2
x 2,2
x 3, 2
92 2 6.6667 2.1667
10.3167
10
a1 =
495.5601
a2 = 142.67
a3 = 10.8242
a i < s?
NO
Tercera iteracin
x1,3
x 2 ,3
x 3, 3
92 21.1194 5.0778
9.9317
10
a1 = 4.4509
a2 = 3.6772
a3 = 3.8765
a i < s?
NO
Cuarta iteracin
x1, 4
x 2, 4
x 3, 4
92 21.0717 4.8977
9.9041
10
a1 = 16.3584
a2 = 5.7111
a3 = 0.2887
a i < s?
NO
Se comienza con una estimacin inicial x, la cual es sustituida en las ecuaciones g1, g2, g3,
gn resultando una nueva aproximacin x. Estas funciones son evaluadas en x para
generar x. Este procedimiento es repetido para calcular las aproximaciones x3, x4, x5,
En el momento en que se cumpla alguno de los criterios de convergencia usuales, se
termina el proceso iterativo.
4.-REGRESION LINEAL
a.-Transformaciones lineales
Las transformaciones lineales son las funciones con las que trabajaremos en Algebra
Lineal.
Se trata de funciones entre K-espacios vectoriales que son compatibles con la estructura (es
decir, con la operacin y la accin) de estos espacios.
Definiciones, ejemplos y propiedades bsicas
En esta seccin introduciremos la nocin de transformacin lineal, as como tambin ciertas
nociones bsicas asociadas a estas funciones.
Definicin: Sean
Ejemplos:
Proposicin:
En la regresin lineal mltiple vamos a utilizar ms de una variable explicativa; esto nos va
a ofrecer la ventaja de utilizar ms informacin en la construccin del modelo y,
consecuentemente, realizar estimaciones ms precisas.
Al tener ms de una variable explicativa (no se debe de emplear el trmino independiente)
surgirn algunas diferencias con el modelo de regresin lineal simple.
Una cuestin de gran inters ser responder a la siguiente pregunta: de un vasto conjunto de
variables explicativas: x1, x2, , xk, cules son las que ms influyen en la variable
dependiente Y.
En definitiva, y al igual que en regresin lineal simple, vamos a considerar que los valores
de la variable dependiente Y han sido generados por una combinacin lineal de los valores
de una o ms variables explicativas y un trmino aleatorio:
Los coeficientes son elegidos de forma que la suma de cuadrados entre los valores
observados y los pronosticados sea mnima, es decir, que se va a minimizar la varianza
residual.
Esta ecuacin recibe el nombre de hiperplano, pues cuando tenemos dos variables
explicativas, en vez de recta de regresin tenemos un plano:
Ejemplo
Registr
o
X1
sexo
estatura
X6
l_roxto
X2
pie
X3
l_brazo
a_espal
d
X4
d_crne
o
X5
peso
mujer
158
39
36
68
43
55
43
mujer
152
38
34
66
40
55
45
mujer
168
43
39
72.5
41
54.5
48
mujer
159
40
36
68.5
42
57
49
mujer
158
41
36
68.5
44
57
50
mujer
164
40
36
71
44.5
54
51
mujer
156
41
36
67
36
56
52
mujer
167
44
37
73
41.5
58
52
En base a estos datos, vamos a construir un modelo para predecir el peso de una persona
(Y). Esto equivale a estudiar la relacin existente entre este conjunto de variables
y la variable peso (Y).
En primer lugar tenemos que la variable dependiente es el peso; y las variables que vamos a
utilizar para predecir el peso reciben el nombre de variables independientes o explicativas.
En la prctica deberemos de elegir cuidadosamente qu variables vamos a considerar como
explicativas. Algunos criterios que deben de cumplir sern los siguientes:
El modelo de regresin lineal mltiple es idntico al modelo de regresin lineal simple, con
la nica diferencia de que aparecen ms variables explicativas:
Modelo de regresin simple:
Siguiendo con nuestro ejemplo, si consideramos el peso como variable dependiente y como
posibles variables explicativas:
estatura
pie
l_brazo
a_espald
d_craneo
Al igual que en regresin lineal simple, los coeficientes b van a indicar el incremento en el
peso por el incremento unitario de la correspondiente variable explicativa. Por lo tanto,
estos coeficientes van a tener las correspondientes unidades de medida.
La solucin es eliminar del modelo aquellas variables explicativas que dependen unas de
otras. En general, los mtodos de seleccin de variables solucionan automticamente este
problema.
3.3
3.6
Una forma equivalente de deducir la ecuacin 3.6 es partir de una ecuacin
sobredeterminada. La forma matricial de la ecuacin es
3.7
donde
A=
Cuando L > n + 1, la ecuacin est sobredeterminada porque el nmero de ecuaciones es
mayor que el nmero de coeficientes no determinados. Si premultiplicamos ambos
miembros por A obtenemos:
3.8
Que es igual a la ecuacin 3.6 y se puede resolver como problema normal con
Como se anuncio en la seccin 1, otra forma equivalente pero ms sencilla de encontrar los
coeficientes de un polinomio ajustado de datos consiste en utilizar polyfit:
c = polyfit(x, y, n)
Ejemplo
Ajuste el siguiente conjunto de datos a un polinomio cuadrtico:
x = [0.1, 0.4, 0.5, 0.7, 0.7, 0.9];
y = [0.61,0.92, 0.99, 1.52, 1.47, 2.03];
y grafique tanto el conjunto de datos como la curva ajustada.
Solucin
Encontramos los coeficientes del polinomio cuadrtico con el comando polyfit y luego
trazamos la curva. El siguiente guin produce la respuesta:
0in
En donde:
ai: Son constantes que deseamos encontrar, i=1,2,...,n
gi(x): Son funciones elementales especficas, i=1,2,...,n
Ejemplo:
1.
gi (x): Puede ser la familia de monomios en x : x 0 , x 1 , ..... , x n luego tenemos la
combinacin lineal:
p ( x ) a n x n a n 1 x n 1 ...... ai x i ....... a 2 x 2 a1 x1 a0 x 0
2.
La familia de funciones elementales de Fourier, en funcin de x
1, sen x, cos x, sen 2x, cos 2x, sen 3x, cos 3x,..
La combinacin lineal que genera aproximaciones de la forma:
n
i 1
i 1
a 0 a i cos i x bi sen i x
3.
1, e x , e 2 x , e 3 x , ...
f(x)
56
78
113
144
181
205
214
10
20
30
40
Puntos
f(x)
56
-?
113
181
214
20
40
Cuadro 1
Cuadro 2
Supongamos por un instante que slo se dispone del cuadro 2 y que queremos el valor de la
variable y=f(x) cuando x tiene un valor de 2 unidades. Una manera muy comn es
considerar la ecuacin de una lnea recta as:
p ( x) a 0 a1 x , y sustituirlos valores de los puntos 0 y 1, obteniendo dos ecuaciones con
variables a0 y a1
Punto 0 = (1,56); punto 1: (5,113); (x, f(x))
57
14.2
4a1 57
4
113 a 0 5a1
a 0 56 14.2 41.8
56 a 0 a1
a1
Observacin:
Si queremos una mejor aproximacin para nuestra funcin deberamos considerar otro
punto ms y tendremos:
p( x) a 0 a1 x a 2 x 2 ,
a 0 a1 a 2 56
0 4a
24a 2 57
a 0 a1 a 2 56
0 4a1 24a 2 57
0 19a1 399a 2 125
a1 17.2 ,
a 2 0.505
En donde:
x0, x1: Son valores de la funcin en puntos conocidos [x0, f (x0)], [x1, f (x1)]
a0, a1: Coeficientes por determinar, y lo encontramos haciendo las consideraciones
siguientes:
P( x 0 )
f ( x0 )
x 0 x1 x 0 x1
x x1 P ( x1 ) a1 ( x1 x 0 ) a1
P ( x1 )
f ( x1 )
x1 x 0 x1 x 0
Luego
P( x)
f ( x0 )
f ( x1 )
( x x1 )
( x x0 )
( x 0 x1 )
( x1 x 0 )
P( x) f ( x 0 )
( x x0 )
( x x1 )
f ( x1 )
( x 0 x1 )
( x1 x 0 )
P( x) L0 ( x) f ( x 0 ) L1 ( x) f ( x1 )
En donde:
x0, x1, x2 son los valores de los puntos conocidos [x0, f(x0)], [x1, f(x1)], [x2, f(x2)]
Si x x0 a 0
P2 ( x0 )
f ( x0 )
( x0 x1 )( x0 x 2 ) ( x0 x1 )( x0 x 2 )
Si x x1 a1
P2 ( x1 )
f ( x1 )
( x1 x 0 )( x1 x 2 ) ( x1 x 0 )( x1 x 2 )
Si x x 2 a 2
P2 ( x 2 )
f ( x2 )
( x 2 x 0 )( x 2 x1 ) ( x 2 x0 )( x 2 x1 )
Luego:
P2 ( x ) L0 ( x) f ( x 0 ) L1 ( x) f ( x1 ) L 2 ( x) f ( x 2 )
En donde:
( x x 0 )( x x 2 )
( x x 0 )( x x1 )
( x x1 )( x x 2 )
; L1 ( x)
; L2 ( x )
( x 0 x1 )( x 0 x 2 )
( x1 x 0 )( x1 x 2 )
( x 2 x 0 )( x 2 x1 )
L0 ( x )
En donde:
L0 ( x )
( x x1 )( x x 2 ).....( x x i ).....( x x n )
( x 0 x1 )( x 0 x 2 ).....( x 0 x i )....( x 0 x n )
L1 ( x)
( x x 0 )( x x 2 ).....( x x i ).....( x x n )
( x1 x 0 )( x1 x 2 ).....( x1 x i )....( x1 x n )
Li ( x)
( x x 0 )( x x1 ).....( x x i 1 ).....( x x n )
( xi x 0 )( x i x1 ).....( xi x i 1 )....( x i x n )
Pn ( x) Li ( x) f ( x i ) , polinomio LaGrange
i 0
En donde:
n (x x j )
Li ( x)
j 0 ( xi x j )
j i
F(Xi)
-3
Xi
( x x1 )( x x 2 )( x x3 )
( x 1)( x 3)( x 6) ( x 1)( x 3)( x 6)
( x0 x1 )( x0 x 2 )( x0 x3 ) (0 1)(0 3)(0 6)
18
L1 ( x)
( x x 0 )( x x 2 )( x x3 )
( x 0)( x 3)( x 6) x( x 3)( x 6)
( x1 x 0 )( x1 x 2 )( x1 x3 )
(1 0)(1 3)(1 6)
10
L2 ( x )
( x x 0 )( x x1 )( x x3 )
( x 0)( x 3)( x 6) x ( x 1)( x 6)
( x 2 x 0 )( x 2 x1 )( x 2 x3 )
(3 0)(3 1)(3 6)
18
L3 ( x)
( x x 0 )( x x1 )( x x 2 )
x ( x 1)( x 3) x( x 1)( x 3)
( x 2 x 0 )( x3 x1 )( x3 x 2 ) 6 (6 1)(6 3)
90
Operando tenemos:
P3
x 3 x 2 46
x3
30 30 15
(1.8) 3 (1.8) 2 46
(1.8) 3 2.2176
30
30
15
C) Diferencias Divididas
As como podemos aproximar una funcin mediante la aproximacin polinomial de
LaGrange, tambin podemos aproximar la derivada y la integral de una funcin con
diferencias divididas. La derivada y la integral respectivamente el polinomio de
interpolacin, que en realidad es el principio bsico para la diferenciacin e integracin
de los mtodos numricos.
Supongamos una funcin f (x) con derivada en el punto x0 analticamente esta dado por:
f ( x) f ( x 0 )
lim
f ' ( x)
x x
x x0
0
0
x0
f ( x0 )
1
x1
f ( x1 )
..........
..........
..........
i
xi
f ( xi )
..........
..........
..........
n
xn
f (xn )
f ( x1 ) f ( x 0 )
,
x1 x 0
x 0 x x1
f ( x1 ) f ( x 0 )
x1 x 0
Observacin:
1.
Se debe destacar que la relacin entre la primera diferencia dividida y la
primera derivada esta dada por el teorema del valor medio.
f ( x1 ) f ( x 0 )
f ' (c) , c ( x 0 , x1 )
x1 x 0
Siempre que f (x) cumpla con las condiciones del teorema del valor medio.
2.
Podemos generalizar para un orden ms alto en donde el argumento es
x i , 0 i n ; f x i se llama diferencia dividida, de orden cero:
f x1 , x 2 , ..... , x i f x 0 , x1 , ..... , x i 1
f x 0 , x1 , ..... , x i
xi x0
i.e.; orden cero:
x0 f x0
x1 f x1
x2 f x2
x3 f x3
x4 f x4
x5 f x5
Primero
f x 0 , x1
f x1 , x 2
f x1 f x 0
x1 x 0
f x 2 f x1
x 2 x1
f x f x2
f x2 , x3 3
x3 x2
f x f x3
f x3 , x 4 4
x 4 x3
f x4 , x5
Observacin:
f x5 f x4
x5 x4
Segundo
f x0 , x1 , x2
f x1 , x2 , x3
f x2 , x3 , x4
f x3 , x4 , x5
f x1 , x2 f x0 , x1
x2 x0
f x3 , x2 f x1 , x2
x3 x1
f x3 , x4 f x2 , x3
x4 x2
f x4 , x5 f x3 , x4
x5 x3
Tercero
f x0 , x1 , x2 , x3
f x1 , x2 , x3 , x4
f x2 , x3 , x4 , x5
f x1 , x2 , x3 f x0 , x1 , x2
x3 x0
f x2 , x3 , x4 f x1 , x2 , x3
x4 x1
f x3 , x4 , x5 f x2 , x3 , x4
x5 x2
Ejemplo:
Supongamos que tenemos la siguiente informacin
Puntos
x
f ( x)
0
2
18
1
1
5
2
0
2
3
2
2
4
3
7
5
6
142
f ( x1 ) f ( x 0 ) 5 (18)
13
x1 x 0
1 (2)
f x1 , x 2
f ( x 2 ) f ( x1 ) 2 ( 5)
3
x 2 x1
0 (1)
f ` x1 , x 2 f x 0 , x1 3 (13)
5
x2 x0
0 (2)
f(x)
-2
-18
1 orden
2 orden
3 0rden
4 orden
13
1
-1
-5
-5
3
-2
1
-1
0
3
-2
1
3
9
4
0
1
45
5
142
Observemos que:
Todas las diferencias divididas de tercer orden tienen el mismo valor independiente del
valor de las x que se usen para calcularse.
Las diferencias de cuarto orden todos tienen el valor de cero, lo que tiene afinidad con el
criterio que la derivada de tercer orden es una constante y la de cuarto orden es cero, para
cualquier valor de x.
El razonamiento anterior nos induce a decir que si al construir una tabla de diferencias
divididas en alguna columna el valor es constante y la siguiente columna es cero la
informacin proviene de un polinomio de grado igual al orden de las diferencias
que tengan valores constantes.
El razonamiento anterior nos induce afirmar que nuestro polinomio es de grado 3 es decir
mi polinomio ser:
n
k 1
k 0
j 0
p ( x ) f x 0 , x1 ,..., x k x x j f x 0 f x 0 , x1 ( x x 0 ) f x 0 , x1 , x 2 ( x x 0 )( x x1 ) ...
6.-INTEGRACION NUMERICA
a.- Formulas de dos o tres puntos
El problema de la integracin numrica es la evaluacin de la integral definida:
I
f x dx
b
donde a y b estn dados, y f(x) es una funcin dada mediante una expresin analtica o bien
empricamente mediante una tabla de valores.
En ingeniera frecuentemente se presentan problemas que se expresan matemticamente
mediante integrales, de las que el integrando es una funcin complicada o bien emprica,
dada por una tabla, y entonces puede usarse un mtodo numrico de integracin
aproximada, donde I es el rea de la regin acotada por la curva entre a y b.
Obtencin de formulas de integracin numrica
Dada la funcin y = f(x) se aceptar como aproximacin de la funcin el polinomio de
interpolacin de Newton, que pasa por los n + 1 puntos x = x0, x1,... , xn, todos ellos
igualmente espaciados.
f x dx
xn
x0
Donde
k k 1 2
k k 1 k 2 3
k k 1 k 2....(k n 1) n
f0
f ......
f0
2!
3!
n!
x x0
h
xn
x0
f x dx
xn
x0
f x0 kf 0
k k 1 2
k k 1 k 2 3
k k 1 k 2 ....( k n 1) n
f0
f 0 .....
f 0 dx
2!
3!
n!
dx = h dk;
si
x = x0;
y si
x =xn.
k = 0;
Entonces
xn = x0 + nh
xn - x0 = nh
xn
x0
xn
xn
x0
x0
f x dx
f x0 kf 0
xn x0
n
h
k2 k 2
k 3 3k 2 2k 3
f0
f 0 ... hdk
2
6
k3 k2 2
k4 k3 k2 3
k2
f x dx h kf x0 f 0
f 0
f 0 ...
2
4
6
6
24 6
n3 n 2 2
n 4 n3 n 2 3
n2
f x dx h nf x0 f 0
f 0
f 0 ...
2
4
6
6
24 6
Esta forma general se puede particularizar, para polinomios de distinto orden que mejor se
adapten a la funcin que sustituyen.
Si la interpolacin se limita al primer orden y la integral solo se calcula entre los dos
primeros valores de x es decir, entre x0 y x1, se obtiene
x1
x0
12
f x dx h y 0
y 0
2
f x dx h
x1
x0
y0
y0 = y1 y0
y1 y 0
y
y
y y1
h y 0 1 0 h 0
2
2
2
2
Regla Trapezoidal
h
f x0 f x1
2
ba
n
f x dx
x1
x2
x0
x1
f x dx ...
xn
x n 1
f x dx
h
f x0 f x1 h f x1 f x 2 h f x 2 f x3 ... h f x n1 f x n
2
2
2
2
h
I f x0 f x1 f x1 f x2 f x2 f x3 ... f xn 1 f xn
2
h
I f x0 2 f x1 2 f x2 2 f x3 ... 2 f xn 1 f xn
2
h
I f x0 2 f x1 f x2 f x3 ... f xn 1 f xn
2
I
n 1
ba
f x 0 2 f xi1 f x n
2n
i 1
Donde h = (b a)/2
Regla de Simpson 3/8: Resulta cuando una interpolacin polinomial de tercer orden es
sustituida en la ecuacin de aproximacin:
Para obtener:
f x, y dxdy f x, y dx dy
d
ba
f x, y dx 2m f x , y 2 f x , y f x
0
m 1
i 1
, y
m 1
d ba
f x, y dx dy
f
x
,
y
2
f xi , y f x m , y
i 1
2m
ba d
f x0 , y 2 f xi , y f xm , y dy
c
2m
i 1
ba
2m
f x0 , y dy
f xi , y dy
m 1
m 1 d
f x0 , y dy 2 f xi , y dy f xm , y dy
i 1
n 1
d c
f x 0 , y 0 2 f x0 , y j f x0 , y n
2n
j 1
n 1
d c
f xi , y0 2 f xi , y j f xi , y n
2n
j 1
dy
Ejemplo
2.2
Resolver
1.4
2.1
1.3
xy 2 dxdy
b a 1.4 1.3
0.025
m
4
d c 2 .2 2 .1
0.025
n
4
xi = a + ih
yi = c + jk
7.-ECUACIONES DIFERENCIALES
a.-Mtodo de Euler
El mtodo de Euler rara vez se utiliza en la prctica para obtener la solucin aproximada de
un problema de valor inicial, pero se estudia por su simplicidad en la derivacin de la
frmula y de la determinacin del error. Los mtodos de orden superior utilizan las mismas
tcnicas, pero el lgebra que requieren es mucho ms complicada.
Con el mtodo de Euler se obtiene una solucin aproximada de un problema de valor inicial
como el que se muestra en la ecuacin (1), en un conjunto finito de puntos.
(1)
Para empezar, se determina la malla {t0, t1, ... , tN} de paso h, donde t0 = a y tN = b. En estos
puntos es donde se va a obtener la aproximacin de la solucin.
Para determinar la frmula del mtodo, se parte de un desarrollo de Taylor de la funcin
solucin y(t), alrededor de un punto de la malla, t i, suponiendo que la funcin y(t) posee
derivadas primera y segunda continuas en (a, b):
(2)
Evaluando esta expresin en t = ti+1, para cualquier i, se tiene:
(3)
Pero como ti+1- ti = h, resulta:
(4)
Como y(t) satisface la ecuacin diferencial, en particular es y'(t i) = f(ti, yi), entonces
reemplazando en la frmula (4) resulta:
(5)
Si se elimina de la frmula anterior el trmino del error, se puede escribir:
(6)
Resultando as la frmula del mtodo de Euler para aproximar la solucin en un punto de la
malla, teniendo una aproximacin en el punto inmediato anterior. Como la condicin en el
punto a del problema de valor inicial da el valor inicial y(t 0)= a, se tiene entonces la
solucin aproximada en todos los puntos de la malla. Si se llaman y i = y(ti), se tiene
entonces la frmula de Euler dada en la frmula (7):
(7)
Implementacin del mtodo
A continuacin se presenta el algoritmo del mtodo de Euler en pseudocdigo, para
resolver un problema de valor inicial del tipo (1). ste es un algoritmo para una ecuacin
particular, si se quiere generalizar para una ecuacin cualquiera, con f(t, y) arbitraria, se
debe ingresar tambin como argumento la ley de f. Esto se puede implementar en cualquier
lenguaje de programacin, o en particular, en programas simblicos o numricos que
permitan programar,
Con los valores obtenidos mediante este algoritmo se puede lograr un grfico discreto de la
solucin aproximada, o tambin se puede aplicar un mtodo de interpolacin para obtener
una grfica continua en el intervalo. La lista de valores obtenida con el algoritmo se puede
utilizar para comparar resultados, o calcular errores relativos y absolutos respecto de la
solucin exacta, si se conoce.
Ejemplo
Consideremos el siguiente problema de valor inicial.
La frmula de Euler para este problema, tomando N puntos en el intervalo [1, 2] (sin contar
el punto de partida a = 1), resulta:
(8)
1,00 2,0000
1,20 2,4000
1,40 2,9760
1,60 3,8093
1,80 5,0282
2,00 6,8384
Se ve en los grficos obtenidos, que a medida que nos alejamos del valor inicial, la solucin
aproximada pierde precisin (se aleja de la solucin exacta), para el paso h = 1/20. Cuando
se achica el paso, la solucin mejora (h = 1/50).
Anlisis del error
Al deducir la frmula de Euler para aproximar la solucin de un PVI tipo (1), al pasar de la
expresin (5) a la (6), se descart en la expresin el error, dado por
(9)
De esta frmula surge que el error local de truncamiento en el mtodo es O(h2).
Teniendo en cuenta que, por ser y'' continua,
(10)
y tambin que h = (tN t0)/N, se tiene que despus de N pasos, el error global acumulado
es:
(11)
Por lo tanto, el error global en el mtodo de Euler es O(h).
El procedimiento anterior puede aplicarse a todos los mtodos estudiados. El orden del
error global resulta siempre uno menos que el orden del error local de truncamiento (el
error del clculo de yi+1 para un solo paso).
En el siguiente teorema se deriva una cota de error para el mtodo de Euler. Ciertas
condiciones necesitan verificarse para la funcin que interviene en la ecuacin diferencial.
Algunas son condiciones para que el PVI tenga solucin nica, otras son especficas para
obtener la cota.
Teorema:
Sea el conjunto D = {(t, y) | a t b,- y } y f(t, y) continua en D, tal que satisface
una
condicin
de
Lipschitz
en
D
en
la
variable
y.
Sea y(t) la solucin nica del PVI y' = f(t, y), a t b, y(a) = , y supongamos que existe
una
constante
M
tal
que
|y''
(t)|
M
"
t
[a,b].
Sean w0, w1, , wN las aproximaciones generadas con el mtodo de Euler para N entero
positivo. Entonces, para cada i = 0, 1, , N, se cumple:
(12)
Observacin: Este teorema tiene como punto dbil el requisito de conocer una cota de la
derivada segunda de la solucin, ya que en general, la solucin exacta no se conoce.
Algunas veces, es posible obtener una cota del error de la derivada segunda sin conocer
explcitamente la funcin solucin. Por ejemplo, si existen las derivadas parciales de la
funcin f(t, y), aplicando la regla de la cadena, se tiene que:
(13)
Por lo tanto, si se conocen cotas de f y las derivadas parciales de f, se puede tener una cota
de y''.
La importancia principal de la frmula de cota de error del mtodo de Euler dada en (12)
consiste en que dicha cota depende linealmente del tamao del paso h. Esto implica que, al
disminuir el tamao del paso, las aproximaciones debern ser ms precisas.
Pero en el resultado del teorema anterior, no se tiene en cuenta el efecto que el error de
redondeo ejerce sobre el tamao del paso. A medida que h se hace ms pequeo, aumenta la
cantidad de clculos, y se puede predecir un mayor error de redondeo. Entonces, para
determinar una cota del error, se debe tener en cuenta el error de redondeo, y se puede
establecer el siguiente teorema:
Teorema:
Considere el PVI y' = f(t, y), a t b, y(a) = , con f continua y tal que satisface una
condicin de Lipschitz en la variable y con constante L, en el conjunto D = {(t, y) | a t
b,-
}.
Sea y(t) la solucin nica del PVI, y supongamos que existe una constante M tal que |y'' (t)|
M"
t
[a,b].
Sean w0, w1, , wN las aproximaciones generadas con el mtodo de Euler para N entero
positivo, donde cada una tiene un error de redondeo asociado i.
Si |i| para cada i de 0 a N, entonces, para cada i = 0, 1, , N, se cumple:
(14)
Se ve claramente en la frmula dada en (14) que cuando el valor de h se hace muy pequeo,
la cota del error puede aumentar, ya que h aparece en el denominador de un cociente. La
cota de error aqu obtenida, ya no es lineal en h.
Si se considera la expresin E(h) = h M/2 + d/h, tenemos que tiende a infinito cuando h
tiende a cero. Con esto, se ve que cuando h tiende a cero, el error aumenta. Podemos
establecer una cota inferior para h, de manera de evitar este problema. Si calculamos la
derivada de E(h), tenemos que E'(h) = M/2 - d/h2, por lo tanto, se anula en el valor
. En este valor de h, E'(h) pasa de ser negativa a positiva, con lo que se
puede concluir
que
en dicho
valor E(h) presenta
un mnimo.
Esto indica que ste es el valor mnimo que se puede tomar para h. En general, el valor de d
es lo bastante pequeo como para que esta cota ms baja no influya en la aplicacin del
mtodo de Euler
Es por esto que uno de los requisitos para este mtodo es especificar el intervalo de x.
Tambin se requiere de:
- Una ecuacin diferencial de primer orden.
y= f(x,y)
-
y(x0) = y0
El mtodo consiste en usar la ecuacin de Euler como una ecuacin predictora y usar este
resultado en la ecuacin correctora de Euler-Gauss.
Las ecuaciones del mtodo de Euler Mejorado son las siguientes:
(1)
Como en los mtodos anteriores, se determina primero la malla {t 0, t1, ... , tN} de paso h,
donde t0 = a y tN = b. En estos puntos es donde se va a obtener la aproximacin de la
solucin.
En esencia, los mtodos de Runge-Kutta son generalizaciones de la frmula bsica de Euler
yi+1 = yi + h f(ti, yi) en los que el valor de la funcin f se reemplaza por un promedio
ponderado de valores de f en el intervalo ti t ti+1, es decir,
(2)
En esta expresin las ponderaciones wi, i = 1, ..., m son constantes para las que en general
se pide que su suma sea igual a 1, es decir, w 1 + w2 + ... + wm = 1, y cada kj es la funcin f
evaluada en un punto seleccionado (t, y) para el cual t i t ti+1. Se mostrar que los k j se
definen en forma recursiva.
Se define como orden del mtodo al nmero m, es decir, a la cantidad de trminos que se
usan en el promedio ponderado.
Runge-Kutta de primer orden
Si m = 1, entonces se toma w1 = 1 y la frmula (2) resulta
(3)
Igualando esta frmula al desarrollo de Taylor de orden 1 de la funcin y(t), alrededor del
punto ti, y calculado en el punto ti+1:
(4)
y teniendo en cuenta que yi @ y(ti), resulta k1= f(ti, yi), obteniendo as la frmula de Euler
yi+1 = yi + h f(ti, yi). Por lo tanto, se dice tambin que el mtodo de Euler es un mtodo de
Runge Kutta de primer orden.
Runge-Kutta de segundo orden
Ahora se plantea, con m = 2, una frmula del tipo:
(5)
donde
(6)
y las constantes a, b, a, b se deben determinar, de manera que la expresin (5) coincida con
el desarrollo de Taylor de y de orden ms alto posible.
Para ello, utilizando un desarrollo de Taylor para funciones de dos variables, tenemos que:
(7)
donde el subndice i indica que todas las derivadas estn evaluadas en el punto (ti, yi).
Reemplazando k1 y teniendo en cuenta la expresin de k2, usando (7) tenemos que:
(8
)
agrupando los trminos de (8) por las potencias de h, y reemplazando en la expresin (5) el
valor de k1 y k2, resulta
(9
)
Reacomodando trminos en (9), resulta:
(10
)
Por otro lado, se hace un desarrollo de Taylor de orden 3 de la funcin y(t), calculado en el
punto ti+1, obteniendo:
(11)
(13)
Sucede que se tienen cuatro incgnitas, pero tres ecuaciones, con lo que queda un grado de
libertad en la solucin del sistema dado en (13). Se trata de usar este grado de libertad para
hacer que los coeficientes de h3 en las expresiones (10) y (12) coincidan. Esto obviamente
no se logra para cualquier f.
Hay muchas soluciones para el sistema (13), una de ellas es
(14)
(15)
(16)
Si bien con facilidad se pueden deducir otras frmulas, el algoritmo expresado en (16) se
denomina mtodo de Runge-Kutta de cuarto orden, o mtodo clsico de Runge-Kutta,
abreviado como RK4. Este algoritmo es de uso extendido, y reconocido como una valiosa
herramienta de clculo, por la buena aproximacin que produce.
Esta frmula tiene un error de truncamiento local de O(h 5), y un error global de O(h4). De
nuevo, el precio que se debe pagar por la mejora en el error, es una mayor cantidad de
evaluaciones de la funcin, resultando en un mayor tiempo de clculo si la funcin es
complicada. Tiene la ventaja, sobre el mtodo de Taylor de orden 4 (cuyo error global es
tambin O(h4), que no requiere el clculo de las derivadas de f.
Ejemplo
Con el mtodo RK4, obtener una aproximacin del valor de y(1,5) para el siguiente
problema de valor inicial, tomando un paso h = 0,1.
El primer paso para resolver este problema es determinar la malla de puntos en donde se va
a obtener la solucin.
Como en este caso h est dado, se tiene que N = (1,5 - 1)/0,1 = 5.
Por lo tanto, los puntos en donde se va a determinar la solucin, dados por la frmula ti = 1
+ 0,1 i, para i =1,2,3,4,5, son:
t1
t2
t3
t4
t5 = 1,5
=
=
=
=
1,1
1,2
1,3
1,4
Resulta entonces,
y aplicando sucesivamente la frmula de RK4, para i desde 1 hasta 4, se obtienen los datos
que se muestran en la siguiente tabla, donde adems se muestra el valor de la solucin
exacta para cada punto de la malla.
Al analizar la tabla anterior y comparar los resultados obtenidos con el mtodo RK4 con los
valores reales, se ve por qu es tan difundido este mtodo. En la prxima tabla se comparan
los mtodos de Euler y Runge Kutta de orden 4 para el mismo problema.