Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE INGENIERIA
MATERIA:
METODOS NUMERICOS.
TEMA:
PROFESORA:
ALUMNO:
GRUPO: 685
Introducción………………………………………………………………….. 3
1. Integración numérica………………………………………………….. 4
1.1. Método analítico………………………………………………... 5
1.2. Método de la regla del trapecio………………………………… 7
1.3. Método Simpson 1/3 y 3/8…………………………………….. 12
1.4. Método de diferenciación……………………………………... 19
1.5. Método de Euler y Euler mejorado……………………………. 23
1.6. Método de Runge-Kutta………………………………………. 30
Conclusión…………………………………………………………………... 35
Bibliografía…………………………………………………………………. 36
Página | 2
INTRODUCCION.
Página | 3
1. Integración numérica.
Sea ƒ(x) una función continua y definida en el intervalo [a, b] y sea F(x) una
función primitiva de ƒ(x), entonces:
Página | 4
1.1. Método analítico.
Sea f una función que está definida en el intervalo cerrado [a,b]. Si se dice
que f es
Página | 5
2. Se resuelve la integral de acuerdo a la función presente, puede ser
cualquier método de integración. ( los límites de integración deben
concordar con la variable a estudiar, es decir si se realiza un cambio de
variable se deben cambiar los límites)
Ejemplo 1.
Ejemplo 2.
Página | 6
1.2. Método de la regla del trapecio.
En matemática la regla del trapecio es un método de integración numérica, es
decir, un método para calcular aproximadamente el valor de la integral
definida
Y el error es:
Así tendremos:
Es de apreciar que el error que se llega a cometer con esta forma de aplicación
puede ser significativo. Una mejor aproximación se obtiene dividiendo el
intervalo de integración en sub intervalos y aplicando en cada uno de ellos la
regla trapecial. A este procedimiento se lo conoce como Regla Trapecial
Compuesta.
Página | 8
Este nombre se debe a la interpretación geométrica que le podemos dar a la
fórmula. El polinomio de interpolación para una tabla que contiene dos datos,
es una línea recta. La integral, corresponde al área bajo la línea recta en el
intervalo [a,b], que es precisamente el área del trapecio que se forma.
Sea P = (xo, x1…. xn) la partición que se forma al hacer dicha subdivisión.
Usando propiedades de la integral tenemos que:
Ahora bien, ya que todos los sub intervalos tienen la misma longitud h,
tenemos que:
Página | 10
Esta es la regla del trapecio para n sub intervalos. Cuantos más sub intervalos
se usen, mejor será la aproximación a la integral, hasta que la importancia de
los errores por redondeo comiencen a tomar relevancia.
Página | 11
1.3. Método Simpson 1/3 y 3/8
La regla de Simpson tiene mayor aproximación que regla de los trapecios. En
la regla de los trapecios los puntos sucesivos de la gráfica y = f(x) se unen
mediante líneas que forman los trapecios, en la regla de Simpson los puntos se
unen mediante segmentos de parábolas.
Página | 12
Después de integrar y de reordenar términos, resulta la siguiente ecuación:
Página | 13
Sumamos 1 y 2:
Reemplazando:
Página | 14
Ejemplo 1. Usar la regla de Simpson de 1/3 para aproximar la siguiente
integral:
Al igual que con la regla del trapecio, podemos extender la regla de Simpson
de 1/3, si subdividimos el intervalo [a,b] en n sub intervalos de la misma
longitud
Página | 15
Regla de Simpson 3/8.
Para obtener:
Se utiliza la fórmula
En la Regla
de Simpson 3/8 compuesta, el número de sub intervalos n solo puede ser un
múltiplo de 3, en caso contrario no es posible aplicar la regla.
Página | 16
Ejemplo 1. Con la regla de Simpson 3/8 integre:
f(x) = 0.2 + 25x – 200x2 + 675x3 – 900x4 + 400x5 , desde a = 0 hasta b = 0.8
Ejemplo 2. Obtenga:
Dónde:
a=1
b=2
n=3
Página | 17
Luego:
Reemplazando en la fórmula:
I = 1.647045
Página | 18
1.4. Método de diferenciación.
Diferenciación numérica. Se consideran algunas técnicas de aproximación
para derivar una función f(x) dada. Las reglas que resultan son de grande
importancia para la solución de ecuaciones diferenciales. Pueden ser utilizadas
para obtener aproximaciones numéricas de una derivada a partir de los valores
de la función. Pero el método de diferenciación numérica basado en
interpolación numérica es un proceso inestable y no se puede esperar una
buena aproximación aun cuando la información original está bien aproximada,
por lo que el error f’(x) – p’(x) puede ser muy grande especialmente cuando
los valores de f(x) tengan perturbaciones. Ahora su p(x) es un polinomio de
interpolación de f(x) entonces e(x) = f(x)- p(x) es el error de aproximación,
por lo que e’(x)=(f(x) – p(x))’= f’(x) – p’(x) es el error de interpolación en la
derivación de f(x) con respecto a la aproximación con el polinomio p(x).
Tomamos f(x) una función continuamente diferenciable en el intervalo [c, d] y
tomamos los puntos (x0…xk) distintos en el intervalo.
De la igualdad tomamos
Página | 19
Por hipótesis f(x) es continuamente diferenciable por lo que se puede derivar
(1) por lo que obtenemos:
O bien:
Página | 20
Página | 21
Página | 22
1.5. Método de Euler y Euler mejorado.
En matemática y computación, el método de Euler, llamado así en honor de
Leonhard Euler, es un procedimiento de integración numérica para resolver
ecuaciones diferenciales ordinarias a partir de un valor inicial dado.
Página | 23
Con esta información se traza una recta, aquella que pasa por Po, y de
pendiente f(xo, yo). Esta recta aproxima F(x) en una vecinidad de xo. Tómese
la recta como reemplazo de F(x) y localícese en ella (la recta) el valor de y
correspondiente a x1. Entonces, podemos deducir según la Gráfica A:
Se resuelve para :
Página | 24
Ejemplo 1. Sea el problema de valor inicial: dy/dt = (t − y), y(0) = 2.
Encontrar y(1) utilizando el método de Euler de paso h = 0.2
Ejemplo2.
Página | 25
De esta manera:
Euler mejorado.
Este método se basa en la misma idea del método anterior, pero hace un
refinamiento en la aproximación, tomando un promedio entre ciertas
pendientes.
La fórmula es la siguiente:
Dónde:
Página | 26
En la gráfica, vemos que la pendiente promedio corresponde a la pendiente
de la recta bisectriz de la recta tangente a la curva en el punto de la condición
Ejemplos.
1.
Página | 27
2.
Página | 28
Página | 29
1.6. Método de Runge-Kutta
El método de Runge-Kutta es un método genérico de resolución numérica de
ecuaciones diferenciales. Este conjunto de métodos fue inicialmente
desarrollado alrededor del año 1900 por los matemáticos C. Runge y M. W.
Kutta.
Sea
Página | 30
Con coeficientes propios del esquema numérico elegido, dependiente
de la regla de cuadratura utilizada. Los esquemas Runge-Kutta pueden ser
explícitos o implícitos dependiendo de las constantes del esquema. Si esta
matriz es triangular inferior con todos los elementos de la diagonal principal
iguales a cero; es decir, para , los esquemas son explícitos.
Ejemplo 1.
Página | 31
Utilizamos el método de Runge-Kutta con paso h = 0.2 e intervalo de
definición de la solución el [0, 1]. Comparamos con la solución exacta,
Página | 32
Ejemplo 2.
Página | 33
Página | 34
CONCLUSION.
Por otro lado al comparar los métodos vistos en esta investigación, se observa
que algunos son más exactos que otros por lo que es importante ver la
exactitud del método que se elija para resolver el problema que se nos
presente.
Página | 35
BIBLIOGRAFIA.
http://ing.unne.edu.ar/computacion/pub/informatica/IN.pdf
https://sites.google.com/site/metodos0123/unidad-5-derivacion-e-integracion-
numerica/5-2-integracion-numerica-metodo-del-trapecio-metodos-de-
simpson-1-3-y-3-8
https://sites.google.com/site/metodosnumericosmecanica/home/unidad-vi/62-
mtodos-de-un-paso-mtodo-de-euler-mtodo-de-euler-mejorado-y-mtodo-de-
runge-kutta
http://www.ugr.es/~lorente/APUNTESMNQ/cap23.pdf
Página | 36