Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AREQUIPA
INVESTIGACIÓN FORMATIVA:
CURSO:
MÉTODOS NUMÉRICOS
DOCENTE:
ALUMNOS:
GRUPO:
AREQUIPA – PERÚ
1
TEORÍA DE ERRORES EN MÉTODOS NUMÉRICOS
RESUMEN
Al tratar de resolver problemas matemáticos que se dan en la ingeniería, medicina, psicología, etc que
generalmente son fenómenos que ocurren en la naturaleza como:
•Canal que transporta agua de flujo uniforme, flujo gradualmente variado flujo transitorio
•Etc.
Que no tienen solución analítica o que se requiere de grandes operaciones aritméticas que se pueden hacer
en un ordenador o calculadora, para esto hay que decirle a la máquina electrónica que halle y es aquí donde
interviene la programación
-Antes de la programación
-Durante la programación
•Propagación de errores
•Ecuaciones no lineales
•Sistema de ecuaciones
•Interpolación
•Derivada e Integración
•Ecuaciones diferenciales
2
OBJETIVOS
OBJETIVOS GENERALES
OBJETIVOS ESPECIFICOS:
3
INTRODUCCION
•Luego se habla sobre las fuentes básicas de los errores (¿de dónde se origina los errores?) con sus
respectivos ejemplos
•Luego entramos en los errores que se producen en cada método numérico de los siguientes temas:
o Ecuaciones no lineales
o Interpolación
o Sistemas de ecuaciones
o Integración
o Ecuaciones diferenciales
4
INDICE
•Definición de error………………………………………………………………………………………..19.
•Ecuaciones no lineales……………………………………………………………………………………39
•Interpolación………………………………………………………………………………………………...50
•Sistemas de ecuaciones……………………………………………………………………………………55.
•Integrales……………………………………………………………………………………………………..65
5
CAPITULO 1: PROGRAMACIÓN Y SOFTWARE
Como por ejemplo: Las formulas de Cardano-Tartaglia, para la ecuación polinómica de grado 3, pueden ser
x3 + a x 2 + a x + a = 0
2 1 0
escritas de la siguiente manera: Sea la ecuación cúbica: que tienen una solucion
analitica compleja y otras ecuaciones que ni siquiera tienen solucion analitica como la ecuación de Kepler:
x - asenx = b , que aparece en el cálculo de las ´orbitas planetarias (x representa la anomalía excéntrica,
a la excentricidad y b la anomalía media de la ´orbita), o la ecuación x - tanx = 0 , que aparece en
varias disciplinas científicas y técnicas (por ejemplo en la Teoría de Difracción de la luz, o en cálculos de
caudales en Hidráulica).
�2u � u
Cv 2
=
�z �
t que consta de una solucion analitica compleja o la ecuacion diferencial de navier stock que
practicamente no tiene solucion analitica.
Es por eso que se optó por otro método más fácil que son los métodos numéricos que se pueden resolver
estos problemas de ingeniería mediante simples operaciones matemáticas, pero a cambio de un buen número
de tediosos cálculos aritméticos.
Definiciones basicas:
Los métodos numéricos: constituyen técnicas mediante las cuales es posible formular problemas
matemáticos, de tal forma que puedan resolverse utilizando operaciones aritméticas. Aunque existen
muchos tipos de métodos numéricos, éstos comparten una característica común: invariablemente
requieren de un buen número de tediosos cálculos aritméticos.
Algoritmos numéricos: Un algoritmo es una descripción ordenada de los pasos necesarios para
resolver un problema. Para diseñar un algoritmo para resolver un problema numérico es necesario
conocer en detalle la formulación matemática, las restricciones de su aplicación, los datos y algún
criterio para validar y aceptar los resultados obtenidos.
6
Paquetes y programación
Programas computacionales
Los programas computacionales son únicamente conjuntos de instrucciones que dirigen a la computadora
para realizar una cierta tarea.
7
Visto desde esta perspectiva, reducimos toda esa complejidad a unos cuantos tópicos de programación, que
son:
• Entrada/Salida
En lugar de ello, las presentamos como una lista para que el lector verifique lo que necesitará saber para
desarrollar los programas que siguen.
No obstante, sí dedicaremos algún tiempo a los dos últimos tópicos. Destacaremos la representación lógica
porque es el área que más influye en la coherencia y la comprensión de un algoritmo. Trataremos la
programación modular porque también contribuye de manera importante en la organización de un programa.
Programación estructurada
La idea clave detrás de la programación estructurada es que cualquier algoritmo numérico requiere tan sólo
de tres estructuras de control fundamentales: secuencia, selección y repetición. Limitándonos a dichas
estructuras el programa resultante será claro y fácil de seguir.
En los párrafos siguientes describiremos cada una de estas estructuras. Para mantener esta descripción de
una manera general usaremos diagramas de flujo y seudocódigo.
Un diagrama de flujo es una representación visual o gráfica de un algoritmo. Un diagrama de flujo emplea una
serie de cajas o bloques y flechas, cada una de las cuales representa un determinado paso u operación del
algoritmo. Las flechas representan el orden en el que se realizarán las operaciones.
Programación modular
Los programas de computación se dividen en subprogramas más pequeños, o módulos que pueden
desarrollarse y probarse por separado. A esta forma de trabajar se le llama programación modular.
La principal cualidad de los módulos es que son tan independientes y autosuficientes como sea posible.
Además, en general, están diseñados para llevar a cabo una función específica y bien definida, y tienen un
punto de entrada y un punto de salida. Los módulos a menudo son cortos (50 a 100 instrucciones) y están
bien enfocados.
El procedimiento anterior se ilustra en la figura 2.7 que muestra una función desarrollada para usar el método
de Euler. Observe que esa función y las versiones previas difieren en cómo manipulan la entrada y la salida
(input/output). En las versiones anteriores directamente la entrada viene (mediante el INPUT) del usuario, y la
salida va (mediante el DISPLAY) al usuario. En la función, se le da la entrada a ésta mediante su lista de
argumentos FUNCTION
8
FUNCTION Euler ( dt , ti, tf , yi )
t = ti
y = yi
h = dt
DO
IF t + dt > tf THEN
h = tf — t
ENDIF
dydt = dy ( t , y )
y = y + dydt * h
t = t + h
IF t �tf EXIT
ENDDO
Euler = y
END
y = Euler ( dt , ti, tf , yi )
EXCEL
Excel es una hoja de cálculo producida por Microsoft Inc. Las hojas de cálculo son un tipo especial de
software para matemáticas que permite al usuario ingresar y realizar cálculos en renglones y columnas de
datos. Como tales, son una versión computarizada de una gran hoja de contabilidad en la que se lleva a cabo
una gran cantidad de cálculos interrelacionados
1.1 Objetivo
Proporcionar a los interesados los conocimientos básicos para usar el entorno de MATLAB y las facilidades
para su programación.
1.2 Metodología
Mediante explicaciones basadas en los ejemplos incluidos en este manual, el interesado puede adquirir en
forma progresiva y autónoma los conocimientos básicos para utilizar MATLAB.
Para progresar rápidamente, puede abrir dos ventanas en la pantalla de su computador, una con el programa
MATLAB y otra con este manual, entonces puede escribir y probar cada ejemplo en la ventana de comandos
de MATLAB.
9
1.3 El programa MATLAB
La idea clave detrás de la programación estructurada es que cualquier algoritmo numérico requiere tan sólo
de tres estructuras de control fundamentales: secuencia, selección y repetición. Limitándonos a dichas
estructuras el programa resultante será claro y fácil de seguir.
En los párrafos siguientes describiremos cada una de estas estructuras. Para mantener esta descripción de
una manera general usaremos diagramas de flujo y seudocódigo.
Un diagrama de flujo es una representación visual o gráfica de un algoritmo. Un diagrama de flujo emplea una
serie de cajas o bloques y flechas, cada una de las cuales representa un determinado paso u operación del
algoritmo. Las flechas representan el orden en el que se realizarán las operaciones.
El símbolo de terminación marca el punto inicial o final del sistema. Por lo general, contiene
la palabra "Inicio" o "Fin".
Un rectángulo solo puede representar un solo paso dentro de un proceso ("agregar dos
tazas de harina"), o un subproceso completo ("hacer pan") dentro de un proceso más
grande.
Representa el material o la información que entra o sale del sistema, como una orden del
cliente (entrada) o un producto (salida).
Símbolo de Preparación
10
Símbolo del Conector
Indica que el flujo continúa donde se ha colocado un símbolo idéntico (que contiene la
misma letra).
Símbolo de Retardo
Símbolo de Visualización
Una ventaja del seudocódigo es que con él resulta más fácil desarrollar un programa que con el diagrama de
flujo. El seudocódigo es también más fácil de modificar y de compartir con los demás. No obstante, los
diagramas de flujo, debido a su forma gráfica, resultan a veces más adecuados para visualizar algoritmos
complejos.
1.4Características de MATLAB
Ventana de comandos de
Matlab
11
Operación
•Simple y eficiente
•Interactivo y programable
Command History: Contiene el registro de los comandos que han sido ingresados.
Se sugiere al inicio dejar activa únicamente la ventana de comandos, cerrando las otras ventanas. Para
restaurarlas use la opción view de la barra de herramientas de MATLAB.
El símbolo >> indica que el programa está listo para recibir sus instrucciones (comandos)
y = cos( 2 p ) + 5 + 27
y = 131.2361
En esta sección se revisa el uso de los comandos principales de MATLAB comenzado con los más
elementales. Debe escribir cada ejemplo y presionar la tecla de ingreso.
MATLAB mostrará el resultado inmediatamente, o un mensaje si hubo algún error. Recuerde que la mejor
manera de aprender es practicando.
12
En la mayoría de los ejemplos no se han escrito los resultados que produce MATLAB para evitar que este
tutorial sea innecesariamente extenso. Los resultados los puede observar al probar cada comando.
2
>> exp ( 2 ) / 3 calcule e / 3 y muestre inmediatamente el resultado
ans =
2.4630 respuesta mostrada por MATLAB , ans significa answer
x =
y =
2.4630 respuesta mostrada por MATLAB
y=
7.3891
13
1.8 El sistema de ayuda de MATLAB
MATLAB ofrece una descripción detallada del uso de cada comando y cada función digitando “help” y el
nombre del comando.
Adicionalmente, presionando el ícono Help usted puede entrar al sistema de ayuda de MATLAB
organizado por contenido, índice, búsqueda y demostraciones.
Digite cada uno de los siguientes ejemplos en la ventana de comandos. Al final de cada ejemplo se ha
escrito con letra azul una breve explicación para facilitar la comprensión de cada comando y el resultado
que se obtendrá.
2x + 3y = 4
5x – 2 y = 6
>> a = [ 2, 3; 5, -2] ;
>> b = [ 4; 6] ;
>> x = inv( a ) *b;
x = 1.3684
0.4211
>> y = dsolve ( ' Dy - x - y = 0 ',' y ( 0 ) = 1', ' x ' ) Definir la ecuación, condición y variable
y = - x - 1 + 2* exp ( x ) Solución analítica
>> f = ' sin ( x ) * exp ( x ) '; Escribir la función entre comillas simples
>> ezplot ( f , [ 0, pi ] ) ; Función para graficar
>> grid on; Mostrar cuadrículas en el gráfico
2. CÁLCULO NUMÉRICO
< <= > >= == ~ = & | ~ los tres últimos corresponden a : o,y, /
== representa al símbolo =
~ = representa al símbolo �
>> t = sin ( 2 ) < 0.8 & log ( 2 ) > 0.5 el resultado es un valor lógico ( 0 o 1)
>> 2 / 0
Inf es el símbolo �
>> 0 / 0
NaN significa “ Not A Number ” ( valor indeterminado )
>> pi contiene la constante
>> eps es la precisión del tipo real en MATLAB
>> realmin el menor número real en MATLAB
>> realmax el mayor número real en MATLAB
i representa al símbolo -1
>> x = 3 + 2i asignar un número complejo
>> t = 2* x + 3 - 5i operación con números complejos
t =
9.0000 - 1.0000i
>> y = exp ( x ) el resultado también es complejo
y =
-8.3585 + 18.2637i
>> y = log ( -2 ) el referencial de MATLAB son los complejos
y =
0.6931 + 3.1416i
3. VARIABLES
4. Comandos especiales
5 CADENAS DE CARACTERES
>> x = ' Matematica '; asignación de una cadena ( use comillas simples )
>> x ( 4 ) manejo de un carácter de la cadena, use un indice
En MATLAB los índices se escriben entre
paréntesis y son numerados desde 1
>> t = x ( 2 : 5 ) ; manejo de una subcadena, use : nombre ( inicio : final )
>> n = length ( x ) longitud de la cadena
>> c = strcat ( x, t ) concatenación de cadenas
>> help strfun listar las funciones para cadenas
6 VECTORES Y MATRICES
>> x =[ 2, 5, 3, 7 ] ; un vector
>> a =vander ( x ) matriz de Vandermonde 4 x 4 usando
un vector
>> a =[ ] matriz nula
En la ventana workspace puede activar el editor de arreglos, similar a una hoja electrónica, con el cual
puede modificar con facilidad las dimensiones y el contenido de vectores y matrices.
6.4 Elementos de vectores y matrices pueden manejarse con otro vector o matriz
>> x =[ 8 7 9 5 6 ] ;
>> p =[ 2 4 1] ; vector para direccionar al vector x
>> t = x ( p ) t contiene los elementos 2, 4 y.1 del vector x
>> a =[ 4 7 3; 5 7 8; 6 0 9 ] ;
>> p =[ 1 3] ; vector para direccionar las filas de la matriz a
>> q =[ 2 3] ; vector para direccionar las columnas de la matriz a
>> t =a ( p , q ) t contiene las filas 1 y 3, columnas 2 y 3 de a
>> a = [ 3, 2; 1, 4] ;
a=
3 2
1 4
>> b = [ 8, 6; 5, 7 ] ;
>> c = a ' transpuesta de a
c=
3 1
2 4
2
>> c = a matrizalcuadrado, equivalea : a * a
>> x =[ 2, 5, 4, 6, 4] ; un vector
>> a =[ 5,-1; 3, 4; 2, 7 ] ; una matriz
>> t =max( x ) el mayor valor del vector x
t=
6
>> v =max ( a ) el mayor valor por columnas de la matriz a
v=
5 7
>> t =sum( x ) suma de componentes
>> v =sum( a ) suma de componentes por columnas
>> bar ( a )
>> hist ( x ) histograma
>> stairs ( x ) dibuja x mediante escalones
>> pie( x ) gráfico tipo pastel
>> pie3( x ) pastel en relieve
>> v =[ 0,0,0,1,0] vector para extraer sectores del pastel
>> pie3( x,v ) gráfico tipo pastel 3-d con un sector separado
7 GENERACIÓN DE NÚMEROS ALEATORIOS
>> ezplot ( ' sin( x ) ' ) ; ejemplo para tomar puntos desde un gráfico
>> grid on
>> [ x, y ] = ginput ( 5 ) ; ingrese 5 puntos desde la pantalla .
Presione el botón del mouse para
ingresar cada punto
>> x observe las abscisas
>> y y las ordenadas ingresadas
>> plot ( x , y , ' o ' ) grafique los puntos ingresados
9 POLINOMIOS
10 MANEJO SIMBÓLICO
(
e = taylor exp( x ) ) expansión con la serie de Taylor
>> syms y ;
3 2
>> f = 2 * x + 3 * y una función de dos variables
>> g = diff ( f , x ) derivada parcial
>> u =int ( f , x ) integrar en x
12 GRAFICACIÓN
>> f =' exp ( x ) -3*x '; función para el ejemplo ( use comillas simples )
>> ezplot ( f ) función básica para graficar f en [ -2p , 2p ]
>> ezplot ( f , [ 0, 2] ) función básica para graficar f en un dominio dado
>> grid on colocar cuadrículas en el dibujo
(
>> ezplot g ,[ -1,5,0,6] )
2 2
>> f =�( x - 2) + ( y - 3) - 5�
;
x3 x5 x 7
senx = 1 - + - + ....
3! 5! 7!
Escriba el algoritmo para implementar esta fórmula de modo que calcule e imprima los valores senx
conforme se agregue cada término de la serie. En otras palabras, calcule e imprima la secuencia de
valores para
senx = 1
x3
senx =1-
3!
x3 x5
senx =1- +
3! 5!
x3 x5 x7
senx = 1 - + - + ....
3! 5! 7!
Hasta el término de orden n que usted elija. Para cada uno e los valores anteriores, calcule y haga que
se muestre el error porcentual relativo
SOLUCIÓN:
Según la serie infinita mostrada, podemos enunciarla como una sumatoria de la forma siguiente
� x 2i -1
sen ( x) = �( -1)(i -1)
i =1 (2i -1)!
x 2i -1
Haciendo uso de ( -1)(i -1)
(2i -1)!
Diagrama de flujo
Problema 2
Escriba el seudocódigo para implementar el diagrama de flujo mostrado a continuación.
x = 7.5 x=5
x < 50
Solución:
if x < 10 then
if x <5 then
x =5
else
print x
end
else
do
if x <50 exit
x = x -5
end do
end if
PROBLEMA 3
En cada una de las tarjetas de un conjunto de cartas índice, se registra un valor para la concentración de
un contaminante en un lago. Al final del conjunto, se coloca una carta marcada como “fin de los datos”.
Escriba un algoritmo para determinar la suma, el promedio y el máximo de dichos valores.
Solución
start
sum = 0
count = 0
imput
value
count > 0
Problema 4:
Se requiere dos distancias para especificar la ubicación de un punto en relación con el origen en un
espacio de dos dimensiones
Es relativamente fácil calcular las coordenadas ( x, y ) sobre la base de las coordenadas polares (r, q )
.El proceso inverso no es simple. El radio se calcula con la fórmula que sigue
r = x2 + y2
Si las coordenadas quedan dentro del primero o cuarto cuadrante, entonces se coloca una formula
sencilla para el cálculo de q
�y �
q = tan -1 � �
�x �
Escriba un diagrama de flujo para un procedimiento de subrutina a fin de calcular r y q como función de
xy.
CAPITULO2: NOCIONES FUNDAMENTALES DE ERRORES
1. Definición de Error:
Los errores numéricos surgen del uso de aproximaciones para representar operaciones y cantidades
matemáticas exactas
Ejemplo: suponga que se tiene que medir la longitud de un puente y de un remache, y se obtiene 9 999 y
9 cm, respectivamente. Si los verdaderos valores son 10 000 y 10 cm calcule el error absoluto y el error
relativo
Solución:
En general, el error relativo es más significativo que el error absoluto si tratamos con números muy
pequeños o números muy grandes
Tomando como valor exacto de a = 1.4626517459 . Determinar el error absoluto ea y el error relativo
ra , al tomar la aproximación de a
solución
Sin embargo, en las situaciones reales a veces es difícil contar con tal información. En los métodos
numéricos, el valor verdadero sólo se conocerá cuando se tengan funciones que se resuelvan
analíticamente. Éste comúnmente será el caso cuando se estudie el comportamiento teórico de una
técnica específica para sistemas simples. Sin embargo, en muchas aplicaciones reales, no se conoce a
priori la respuesta verdadera. Entonces en dichos casos, una alternativa es normalizar el error, usando la
mejor estimación posible al valor verdadero; es decir, para la aproximación misma, como en
error aproximado
xa =
valor aproximado
Uno de los retos que enfrentan los métodos numéricos es el de determinar estimaciones del error en
ausencia del conocimiento de los valores verdaderos. Por ejemplo, ciertos métodos numéricos usan un
método iterativo para calcular los resultados. En tales métodos se hace una aproximación considerando la
aproximación anterior. Este proceso se efectúa varias veces, o de forma iterativa, para calcular en forma
sucesiva, esperando cada vez mejores aproximaciones.
En tales casos, el error a menudo se calcula como la diferencia entre la aproximación previa y la actual.
Por lo tanto, el error relativo porcentual está dado por
aproximacion actual - aproximacion anterior
xa = *100
aproximacion actual
Es posible demostrar (Scarborough, 1966) que si el siguiente criterio se cumple, se tendrá la seguridad
En los fenómenos de la naturaleza casi en general efectuamos ciertas hipótesis, es decir aceptamos
determinadas condiciones, para así poder plantear el comportamiento de dicho fenómeno por medio de
un modelo matemático.
Modelo matemático:
Es una expresión matemática que representa las características de un sistema físico, donde la variable
dependiente es una característica que generalmente refleja el comportamiento o estado de un sistema,
las variables independientes son por lo común dimensiones tales como tiempo y espacio a través de los
cuales se determina el comportamiento del sistema el modelo matemático va desde una simple relación
algebraica hasta un enorme y complicado grupo de ecuaciones
Ecuaciones no lineales
2 1
1
Q = AR 3 S 2
n
La ecuación de Manning para una canal rectangular es:
1 � y (b + zy ) � 3 1
Q = ( y (b + zy )) � �S 2
n �b + 2 y (1 + z 2 ) �
� �
Donde se conoce los valores de n, b, z, S, Q, pero no se conoce los valores de y (altura o tirante del
canal), pasamos todo a un solo miembro teniendo:
2
1 � y (b + zy ) � 3 1
f ( y ) = ( y (b + zy )) � �S 2 - Q = 0
n �b + 2 y (1 + z 2 ) �
� �
Sistemas de ecuaciones no lineales
Se realiza el diagrama de fuerzas para los nodos de una armadura estáticamente determinada.
Se tiene un edificio que recibe la fuerza del viento expresado en el siguiente modelo matemático
Para la resolución del problema tendremos que tomar un diferencial de área donde actuara la presión,
hallamos la fuerza resultante del diferencial de área que será un diferencial de fuerza, luego integramos
desde cero hasta su altura de 100 metros
dF = P * dA , siendo el dA = 10dh
dF = (10e h sen2p h) 2 dA
100
dF = (10e sen 2p h)
�
h 2
*10dh
0
ECUACIONES DIFERENCIALES
d2y
=g
dt 2
d 2u F
+u =
dq 2
mh 2u 2
�v 2 �
d� �
dy 2g
S0 - S f = + � �
dx dx
La última ecuación diferencial de antes es la ecuación diferencial que es una expresión matemática del
flujo gradualmente variado
�v 2 �
d� �
Esta ecuación diferencial dy 2 g se dedujo a partir de la ley de la conservación de la
S0 - S f = + � �
dx dx
energía
Los errores de formulación o de modelo puede atribuirse al sesgo que implica un modelo matemático
incompleto, un ejemplo de un error de formulación insignificante es el hecho de la segunda ley de newton
no toma en cuenta los efectos relativísticos, esto no desvirtúa la validez de la solución ya que estos
errores son mínimos en las escalas de tiempo y espacio asociadas con el problema
Se debe estar conscientes de estos problemas y darse cuenta de que, si se está usando un modelo
deficiente, ningún método numérico generara los resultados adecuados
Error del método
Cuando un problema planteado en forma precisa no pude resolverse en forma exacta o es muy difícil de
hallar la solución, se formula un problema aproximado que ofrezca prácticamente los mismos resultados.
Ejemplo:
La segunda ley de Newton es una aproximación excelente, en la práctica jamás predecirá con exactitud la
caída del paracaidista. Fenómenos tales como la velocidad del viento y alguna ligera variación de la
resistencia del aire desviarían la predicción. Si tales desviaciones son sistemáticamente grandes o
pequeñas, habría entonces que formular un nuevo modelo. No obstante, si su distribución es aleatoria y
se agrupan muy cerca de la predicción, entonces las desviaciones se considerarían insignificantes y el
modelo parecerá adecuado. Las aproximaciones numéricas también presentan discrepancias similares en
el análisis. De nuevo, las preguntas son: ¿qué tanto error se presenta en los cálculos? y ¿es tolerable?
�v 2 �
d� �
La ecuación deferencial de flujo gradualmente variado dy 2g
S0 - S f = + � �
dx dx
Para resolver este tipo de ecuaciones diferenciales que es imposible de resolver de forma analítica, se
resolverá por métodos numéricos que nos dará un valor aproximado cerca al valor cercano, eso
dependerá del método numérico que se use para las ecuaciones diferenciales
El error será cada vez menor de acuerdo a la sofisticación del método numérico
A continuación, se presentará los métodos numéricos que se usan para resolver esta ecuación diferencial
y de arriba hacia abajo el error va disminuyendo
método de Euler
Se clasifican en:
Errores sistemáticos: estos se repiten constantemente cada vez que se experimente bajo las mismas
condiciones. El error sistemático se puede minimizar si se conocen las causas, pueden surgir por
causa de un instrumento defectuosos (malogrado), mala calibración del instrumento o usarlo en
condiciones para las que no estaba previsto su uso.
error de redondeo
Los errores de redondeo se originan debido a que la computadora emplea un número determinado de
cifras significativas durante un cálculo
Los números tales como p , e, 7 no pueden expresarse como un número fijo de cifras significativas. Por
lo tanto, no pueden ser representados exactamente por la computadora. Además debido a que las
computadoras usan una representación en base 2(código binario) no pueden representar exactamente
algunos números en base 10. Así los errores de redondeo se introducen y se propagan cuando se hacen
varias operaciones sucesivas
a) La técnica de redondeo.
b) La técnica de corte.
solución
x = 0.7324 �103
y = 0.00008261�103
x + y = 0.7234861�103 � z = 0.7235 �103
ez = 0.7234861�103 - 0.7235 �103 = 0.01739
Ejemplo: Aproximar los números indicados a continuación empleando una aritmética de cinco cifras
significativas con la técnica de corte y la de redondeo.
x x
22
p
9
p 3.1416
e 2.718
2 1.414
e10 22000
10p 1400
8! 39900
9
�9 �
9! 18p � �
�e �
Solución: Aproximación con una aritmética de 5 cifras significativas
Ejemplo: Aproximar los números reales x1 = 127 y x2 = 56.786500 empleando una aritmética de
7
cuatro cifras significativas con la técnica de corte y la de redondeo
x
58.67
10.356
0.07846
-12345
Solución
x x(3S )
58.67 58.7
10.356 10.4
0.07846 0.0785
-12345 -12300
Ejemplo: Un computador empieza 6 dígitos decimales para representar las cantidades en aritmética de
coma flotante normalizada. Calcular la cota de error absoluto y relativo de la cantidad aproximada
x = 0.278912 �104 , empleando la técnica de corte y la técnica de redondeo simétrico
solución
Técnica de corte
Las cotas del error absoluto (D x ) y relativo (d x ) de la cantidad x = 0.278912 �104 representada en
decimal en coma flotante normalizada son:
D x = 10( c -n ) = 10 4- 6 = 10-2
Técnica de redondeo
Las cotas del error absoluto (D x ) y relativo (d x ) de la cantidad x = 0.278912 �104 representada en
decimal en coma flotante normalizada son:
Solución
A fin de transformar los dígitos de precisión de un sistema de representación en otro, se igualan las
fórmulas de las cotas de error relativo(EPS).
2-23+1 = 10- k +1
De donde,
-22 log10 2 = 1 - k
k = 1 + +22 log10 2 = 7.62266
Lo que significa que los 23 bits de la mantisa equivalen a una precisión de T cifras decimales
-23+1
2 - 2.38419 �10-2
error por truncamiento
Los errores de truncamiento son aquellos que resultan al usar una aproximación en lugar de un
procedimiento matemático exacto
Los errores de truncamiento representan la diferencia entre una formulación matemática exacta de un
problema y su aproximación obtenida por un método numérico.
dv Dv v(ti +1 ) - v(ti )
@ =
dt Dt ti +1 - ti
Para obtener un conocimiento sobre las características de estos errores, debe considerar una formulación
matemática que se utiliza ampliamente en los métodos numéricos para expresar funciones de manera
aproximada: la serie de Taylor
Los errores de truncamiento surgen cuando utilizamos ciertos métodos numéricos para la resolución del
problema matemático, asimismo cometemos errores de truncamiento cuando se usan métodos de
discretización o métodos iterativos:
Métodos de discretización: un claro ejemplo seria la integral que se resuelve de manera continua, esta
se puede resolver de manera discreta haciendo varias particiones
Ejemplo:
b
h h3 2
� f ( x )dx = ( f 0 + f1 ) - f ( �)
a
2 12
b
h h5
�
f ( x)dx = ( f 0 + 4 f1 + f 2 ) - f 4 ( �)
a
3 90
( n + 1) !�
4
b n -1 2n +3 �
� �
f ( x)dx = �c f ( x ) +
� f ( 2n+ 2)
( �)
a i =0
i
( 2n + 3) �( 2n + 2 ) !�
i
� �
Otro ejemplo seria en las derivada y en las ecuaciones diferenciales como el método de Euler o los
métodos de Runge kutta
Métodos iterativos: cuando se usan métodos iterativos para calcular la solución de un problema
matemático, esta solución es obtenida teóricamente al final de un numero infinito de operaciones, estos
métodos iterativos son métodos definidos por una ecuación iterativa
Ejemplos: cuando vemos los métodos para hallar las ecuaciones no lineales y sistemas de ecuaciones no
lineales
Propagación de errores
vamos a investigar ahora como puede propagarse los errores en una cadena de operaciones sucesivas
f ( x + Dx) - f ( x ) �f 1 ( x) Dx
Para una sola variable
error ( f ( x )) = f 1 ( x )error ( x )
� f �f
f ( x + Dx, y + Dy,...) - f ( x, y,...) � Dx + Dy + ...
� x dy
Para más variables
�f �f
error ( f ( x, y,...)) = error ( x) + error ( y) + ...
�x �y
Ejemplo: Determine la cota de error absoluto y relativo cometido en la operación siguiente empleando la
fórmula general de propagación de errores.
R = 5.982 + 8.012
Sabiendo que los sumandos tienen unos errores absolutos máximos de 0.02 y 0.01 respectivamente
Solución
f ( x) = x 2 + y 2
x = 5.98 D x = 0.02
y = 8.01 D y = 0.01
�
f �
f
Df = Dx + Dy
�
x �
y
x y
Df = Dx + Dy
x +y
2 2
x + y2
2
5.98 8.01
Df = 0.02 + 0.01
5.982 + 8.012 5.982 + 8.012
D f = 0.0199779
Df 0.0199779
f =
� = = 0.00199859
Jf 9.99602
0.00199859
Problema
Determine las cotas de los errores absoluto y relativo propagados al efectuar la operación
Siendo:
a �b + c / d
c
E = ab +
Dada la expresión d , se considera la función
y
f ( w, x, y , z ) = wx +
z
Los valores de las variables y de las cotas de error absoluto son:
�f �
f �
f �
f
Df = Dw + Dx + Dy + Dz
�
w �
x �
y �z
1 y
D f = x Dw + w Dx + Dy + - 2 Dz
z z
1 12300
D f = (0.00252) 0.05 + (10) 0.00002 + 100 + - 500
(62000) 620002
D f = 0.0035388
y 12300
f = wx + = (0.00252)(10) + = 0.223587
z 62000
Y la cota de error relativo es:
Df 0.0035388
df = = = 0.0158274
f 0.223587
% = 1.58274%
La cantidad aproximada
f = 0.223587 tiene una cota de error absoluto
D f = 0.0035388
D f �5 �10( n -1) -k
Aplicando la fórmula para las cantidades decimales en coma flotante, se tiene:
f = 0.223587 �100
n=0
D f = 3.5388 �10-3 �5 �10 -1- k
Problema
7 2 -p 3
f =
p2 + 3
Se toman como datos las aproximaciones siguientes, que tienen todas sus cifras correctas:
Solución
7 2 -p 3
E=
Dada la expresión p 2 + 3 , se considera la función
7 x - yz
f ( x, y , z ) =
y2 + z
x = 1.41; D x = 0.005
y = 3.14; D y = 0.005
z = 1.7; D z = 0.05
La fórmula de la cota del error absoluto propagado es:
�
f �
f �
f
Df = Dx + Dy + Dz
�
x �
y �z
7 z 2 y (7 x - yz ) y 7 x - yz
Df = Dx + - 2 - Dy + - 2 - 2 Dz
y +z
2
y +z ( y + z)
2 2
y + z ( y + z )2
D f = 0.0201057
7 x - yz 7(1.41) - (3.14)(1.7)
f = = = 0.392055
y2 + z (3.14)2 + (1.7)
Df0.0201057
df = = = 0.0512827
�f � 0.392055
��
% = 5.12827%
La cantidad aproximada
f = 0.392055 tiene una cota de error absoluto
D f = 0.0201057
D f �5 �10( n -1) -k
Aplicando la fórmula para las cantidades decimales en coma flotante, se tiene:
f = 0.392055 �100
n=0
D f = 2.01057 �10 -2 �5 �10 -1- k
Problema
El periodo de oscilación de un péndulo viene dado por la expresión
l
T = 2p
g
Solución
l
E = 2p
Dada la expresión
g , se considera la función
y
f ( x, y , z ) = 2 x
z
Los valores de las variables y de las cotas de error absoluto son:
x = 3.14; D x = a y = 1; D y = a z = 9.8; D z = a
f D f = 0.01
La cota de error absoluto propagado de es
�
f �
f �
f
Df = Dx + Dy + Dz
�
x �
y �z
y x xy
Df = 2 Dx + Dy + - Dz
z y y 2
Z Z
z z
1 3.14 (3.14)(1)
Df = 2 a+ a+ - a
9.8 1 1 2
(9.8) (9.8)
9.8 9.8
D f = 1.74426a
0.01
a= = 0.00573308
1.74426
D x = 1�0.00573308 = 0.00573308
D y = 1�0.00573308 = 0.00573308
D z = 1�0.00573308 = 0.00573308
y 1
f = 2x = 2(3.14) = 2.00607
z 9.8
La cota de error relativo es:
Df 0.01
df = = = 0.00498486
�f � 2.00607
��
% = 0.498486%
Ejemplo: Se desea calcular el valor de la expresión E = 1/ 4(2 5 - 3( 5 - 1)) tomando los valores
5 = 2.2 y 3 = 1.7 , que poseen todas sus cifras correctas, Calcular:
c) Las cotas de error absoluto y relativo propagado empleando la formula directa, redondeadas a
4 cifras decimales.
d) Deducir cuántas y cuáles son las cifras correctas del resultado aproximado, aplicando la fórmula que
utiliza las cantidades representadas en coma flotante.
solución
1
Dada la expresión E= (2 5 - 3( 5 - 1)) se considera la función
4
1
f ( x, y ) = (2 x - ( x - 1) y )
4
x = 2.2 D x = 0.05
y = 1.7 D y = 0.05
_
1 1
J= (2 x - ( x - 1) y ) = (2(2.2) - ((2.2) - 1)(1.7)) = 0.59
4 4
La cota de error relativo es:
Df 0.01875
�f = _
= = 0.0317797
0.59
J
3.17797%
_
La cantidad aproximada
J = 0.59 tiene una cota de error absoluto D f = 0.01875
Aplicando la fórmula 5 �10( n -1) - k para las cantidades decimales en coma flotante, se tiene:
_
J = 0.59 �100
n=0
Ejemplo. Se dan las aproximaciones x = 425.6 y y = 0.0058347 que tienen todas sus cifras
_ _ _
correctas. Calcular las cotas del error absoluto y relativo propagada por la operación p = x. y el error
absoluto del producto y la relación existente en cantidades expresadas en coma flotante es decir
D x �10- ( - c +1) �5 �10- n .
Solución
d xy = d x + d y = 0.00012 + 0.0000086
d xy = 0.0001286 ; 0.00013
Aplicando la fórmula de la cota del error relativo partiendo del error absoluto, se obtiene la cota de error
absoluto del producto
D xy
d xy = _ _
�
xy
_ _
D xy = d xy x y = 0.00013 �425.6 �0.0058347
D xy = 0.000322822 = 0.0003
El número de cifras correctas del producto se halla conociendo su cota de error absoluto, mediante la
formula
D xy �5 �10( c -1) - n
D xy = 0.0003
_ _
x y = 425.6 �0.0058347
1. METODOS ABIERTOS
El error cometido, tomando como raíz de la ecuación el punto medio xn del intervalo
b-a
en � n
2
Para lo cual primero hallamos la incógnita “n”, que viene a ser el número de iteraciones, que es hallada
por medio de la siguiente formula:
b-a
log
n� e
log 2
1
Por lo que si b - a = 1 y n = 10 se tiene que e10 � 10 < 10-3 , es decir, en 10 iteraciones obtenemos
2
tres cifras decimales exactas.
Ejemplo:
Problema de la oscilacion amortiguada de una estructura que viene dada por la ecuación.
t
f(t) = 10 e 2 cos 2t - 4 = 0
Con una presicion de e =10 -3. Teniendo en cuenta que tiene una raiz real en el intervalo[0,1].
SOLUCION:
Para hallar e y verificar que e < e :
n n
1. Hallamos el número de iteraciones que debemos realizar,
usando :
b-a
log
n� e
log 2
Re emplazando datos obtenemos
1
log
-3
n � 10 �9.966,
log 2
es decir , n = 10
2.Re emplazamos en
b-a
e �
n
2n
1
e � �9.765625*10-4
10 10
2
Cumpliendose que e < e
10
Finalmente y después de comprobar que e < e y hallado " n " obtenemos :
n
n a ( + ) b ( -) m sgn f ( m )
n n n n
1 0 1 0.5 +
2 0.5 1 0.75 -
3 0.5 0.75 0.625 -
4 0.5 0.625 0.5625 -
5 0.5 0.5626 0.5313 -
6 0.5 0.5313 0.5157 -
7 0.5 0.5157 0.5079 +
8 0.5079 0.5157 0.5118 +
9 0.5118 0.5157 0.5138 -
10 0.5118 0.5138 0.5128
Notas:
- Es importante hacer notar que Teoremas como este dan solamente cotas aproximadas para los
errores.
EJERCICIO:
x
La ecuación f ( x ) = xe - p = 0 tiene raiz real en [0, 2].Deter min ar cuantas iteraciones deben
realizar con el método dela bi sec ción para obtener un resultadocon presición e =0,01.
SOLUCION :
- Hallamos n
b -a
log
n� e
log 2
Re emplazando datos obtenemos
2
log
-2
n� 10 �7.64385619,
log 2
es decir , n =8
2.Re emplazamos en
b -a
en �
2n
1
e8 � �3.90625*10-3
28
Cumpliendose quee8 <e
Finalmente y después decomprobar queen <e y hallado " n " obtenemos:
n xi xm xd f ( xi ) f ( xm ) f ( xd )
1 0 1 2 -3.1416 -0.4233 11.6365
2 1 1.5 2 -0.4233 3.580 11.6365
3 1 1.25 1.5 -0.4233 1.2213 3.580
4 1 1.125 1.25 -0.4233 0.3236 1.2213
5 1 1.0625 1.125 -0.4233 -0.0671 0.3236
6 1.0625 1.09375 1.125 -0.0671 0.1237 0.3236
7 1.0625 1.0782 1.09375 -0.0671 0.2716 0.3236
8 1.0625 1.09812 0.02025
1.2 METODO DE LA FALSA POSICION
y - f (a ) x -1
( a, f ( a ) ) y ( b, f ( b ) ) es =
f (b) - f (a ) b - a
de donde se tiene que el corte con el eje OX es,
a f (b) - b f (a )
m=
f (b) - f ( a)
Supongamos conocido que la función f(x) tiene un cero en el intervalo [a, b] y que por cualquier método
hemos aproximado la solución como xn .
Lo primero que se nos ocurre para comprobar si es válido el resultado es calcula f ( xn ) y, en general,
| f ( xn ) |
error �
| f� ( x) |
Para lo cual debemos tomar el mínimo valor de la pendiente en todo intervalo para decir que
| f ( xn ) |
en �
mín | f � ( x) |
x�( a ,b )
Esta fórmula de error es justificada atreves del teorema del valor medio.
Sea x una solución de la ecuación f ( x) = 0 y sea xn una aproximación de ella obtenida por un
método iterado cualquiera.
f ( x ) - f ( xn )
= f�
( c)
x - xn
f ( xn )
Como f ( x) = 0 , nos queda que x - xn = - , obteniéndose:
f� (c )
| f ( xn )| | f ( xn )| | f ( xn )|
en =
|f� ( c )|
�
mín | f �
�
( x )| mín | f � ( x )|
( x , xn )
( x , xn ) x�( a ,b )
Con } �(a, b)
x�{
( xn , x )
( xn , x )
Lo único que debemos exigir es que la derivada de la función no se anule en ningún punto del intervalo
( a, b )
Téngase en cuenta que, si la función está mal condicionada, es decir, si muy grande, el cálculo de
f ( xn ) estará muy mal condicionado ya que cualquier error en el valor de xn hace que lo que estemos
calculando sea f ( xn ) en un punto xn�
muy cercano a xn verificándose que:
Es decir, puede que obtengamos por ejemplo que f ( xn ) = k y sin embargo su verdadero valor difiera
mucho de k debido a la fuerte pendiente existente en dicho punto, con lo que obtendremos una cota
errónea del error.
Debemos, por tanto, asegurarnos de que nuestro problema está bien condicionado, es decir, no existen
en el intervalo pendientes muy grandes (condicionamiento directo) ni muy pequeñas (condicionamiento
inverso) para garantizar la habilidad del “error a posteriori".
- En este caso las amplitudes de los intervalos [an , bn ] no se van reduciendo a la mitad como en
el caso del método de bisección, por lo que ya no es válida la fórmula del error a priori, siendo
necesario encontrar otra forma de poder estimar el error que se comete en cada iteración.
2. METODOS ABIERTOS
Si la ecuación es f ( x) = 0 , entonces puede despejarse ”x” o bien sumar ”x” en ambos lados de la
ecuación para ponerla en la forma adecuada.
Por el Teorema del Valor Medio para derivadas, sabemos que si g(x) es continua en [ a, b] y
g (b) - g (a )
diferenciable en (a, b) entonces existe x �(a, b) tal que (x ) =
g� .
b-a
g ( x y ) - g ( xi )
(x ) =
g�
x y - xi
(x ) *( x y - xi )
g ( x y ) - g ( xi ) = g �
(x ) | * | x y - xi |
| x y - xi +1 |=| g �
Para acotar el error de una determinada iteración utilizamos la fórmula de erro a priori.
| f ( xn )|
en �
mín | f � ( x )|
x�( a ,b )
EJEMPLO 1
| x -3|
2
e 26 � 26
= 4.88498130850688*10-15 < 10-14
2
es decir 3 = 1.73205080756888 contodas sus cifras decimales exactas.
EJEMPLO:
c*t
g *m -( )
La velocidad v de un paracaidista esta dada por v = [1 - e m ] donde g = 980cm / s 2 .
c
Para un paracaidista con m = 75000 gr , calcule el coeficiente c en ( gr / s ) para el cual el
paracaidista alcance una velocidad v = 3600 cm / s al final de t = 6s; considere el
intervalo inicial �[10000,15000]gr / s. Haga apenas dos iteraciones del método de la
secante.Con una exactitud de10-3.
SOLUCION :
reemplazando datos
6c
980*75000 -( )
0= [1 - e 75000 ] - 3600
c
luego tomamos x0 = 13462.32 con e = 0.001 x1 = 13463.00
reemplazamos en la fórmula
f ( xk ) *( xk -1 - xk )
xk +1 = xk -
f ( xk -1 ) - f ( xk )
(-0.789)(-0.08)
x2 = 13462.320 - = 13461.6415
(1.716*10-3 ) - (-0.789)
(-0.0822)(1.3585)
x3 = 13461.6415 - = 13462.3350
(-0.0789) - (0.0822)
Para calcular el error relativo usamos la formula
aproximación actual - aproximación previa
| e a | =| *100% |
aproximación actual
13462.3350 - 13461.6415
| e r | =| *100% |= 5.15*10-5
13462.3350
2.3 METODO DE NEWTON -RAPHSON
Se trata de llevar el limite el método de la secante y, por tanto, en cada iteración n, considerar la recta
tangente a f (x) en ( xn , f ( xn )) y tomar como siguiente aproximación xn+1 la intersección de dicha tangente
con el eje de abscisas.
Por tanto, teniendo en cuenta que la ecuación de la recta tangente a la gráfica de f (x) en el punto
( xn , f ( xn )) es y - f ( xn ) = f �
( xn )( x - xn ) ; se tiene que:
f ( xn )
xn +1 = xn -
f�( xn )
f ( xn ) f ( xn )
en + 1 = x - xn +1 = x - xn + = en + Dado que
f� ( xn ) f� ( xn )
f�
�(t ) 2
0 = f ( x ) = f ( xn + en ) = f ( xn ) + f �
( x n ) en + en con t �{ ( ( x , xn ) ( xn , x ) }
2
Si f�
( x ) �0 ∀ x ∈ [a, b] podemos dividir entre f�
( xn ) �0 obteniéndose
f ( xn ) f�
�(t ) 2 f�
�(t ) 2
0= +en + en = en +1 + en
f� ( xn ) 2 2
| f��
(t ) | 2 m áx | f �
�
( x) |
Tomando valores absolutos: e n +1 = e n �ke n2 con k � es decir, en cada
2| f �
( xn ) | 2mín | f �
( x) |
iteración dispondremos, aproximadamente, del doble de cifras decimales exactas que en la iteración anterior,
que es lo que significa el hecho de ser una convergencia de segundo orden. Además, podemos obtener,
n+1
multiplicando por k, ke n +1 �k 2e n2 = (ke n ) 2 �(ke n-1 )4 �(ke n- 2 )8 �... �(ke 0 ) 2 =⇒
1 máx | f ��
( x) |
( ke 0 ) con k �
2n
en �
k 2mín | f �
( x) |
Lo que nos proporciona una cota del error “a priori”, pudiéndose garantizar la convergencia siempre que k e 0
1
< 1 es decir, sí e0 � .
k
En conclusión, la fórmula para el error en el método de newton Raphson será:
| f ( xn )|
en �
mín | f � ( x )|
x�( a ,b )
EJEMPLO:
Partimos de la ecuación f ( x ) = x 2 - 3 = 0, por lo que la fórmula de Newton Raphson nos dice que
f ( xn ) x 2 - 3 xn2 + 3 1 3
xn +1 = xn - = xn - n = = ( xn + )
f�( xn ) 2 xn 2 xn 2 xn
( x ) = 2x
Dado que la raíz de 3 es un número comprendido entre 1 y 2 y la función f �
no se anula en dicho intervalo,
podemos aplicar el método de Newton tomando como valor inicial x0 = 2.
( Más adelante veremos porqué debemos tomar 2 como valor inicial ) , obteniéndose :
x0 = 2
x1 = 1.75000000000000
x 2 = 1.73214285714286
x3 = 1.73205081001473
x 4 = 1.73205080756888
| f ( xn ) |
El error vendrá dado por e n � , por lo que
mín | f � ( x) |
x�( a ,b )
| x - 3) |
2
e4 � 4
=4.884981308350688 · 10-15 < 10-14
2
es decir , 3 = 1.73205080756888 con todas sus cifras decimales exactas.
x1 ,..., xn
1. Polinomio interpolante, fórmula de LaGrange. Dados los números distintos y los números
y1 , . . . , yn , existe un único polinomio P de grado �n - 1 tal que
arbitrarios
"k μ { 1, , n} P ( xk ) = yk
yk xk ( yk = f ( xk ) ) ,
En el caso si los números son los valores de una función f en puntos se dice que P
xk
es el polinomio interpolante de la función f en los nodos
f ( a) = f ( b) . x f0 ( x ) = 0
Entonces existe un número en (a, b) tal que .
f : [ a, b ] � R
3. Teorema generalizado de Rolle. Sea una función de clase C n [a, b] que se anula en
algunos n + 1 puntos (diferentes a pares) del intervalo [a, b]. Entonces existe un número ξ en (a, b) tal que
f ( n ) ( x ) = 0.
P ( x ) = a0 + a1 x + � + an -1 x n -1
Entonces su
(n - 1) - ésima
derivada es constante:
P ( n -1) ( x ) = ( n - 1) !an -1
P ( n ) ( x ) = P ( n +1) ( x ) = P ( n + 2) ( x ) = � = 0
x1 , . . . , xn
Sean algunos números diferentes por pares pertenecientes a un intervalo [a, b] y sea f ∈ C n [a,
x1 , . . . , xn . Entonces para cada
b]. Denotemos por P al polinomio interpolante de la función f en los nodos
x �[ a, b ]
existe un número ξ ∈ (a, b) tal que
f ( n ) (ξ) n
f ( x) - P( x) = �( x - xk )
n ! k =1
x = xk f ( xk )
Idea de la demostración. Para ambos lados son iguales a y la fórmula se cumple. Sea
x �[ a, b ] \ {x1 , . . . , xn }.
Nótese que en la parte restante de la demostración el punto x es fijo.
Consideremos la siguiente función auxiliar:
k =1
x - xk
d ( f ) = t( f ) - b( f ) - (t( x ) - b( x ) )C
u f - xk
g �C n [ a, b ] x1 , . . . , xn , x.
Es fácil ver qué y g se anula en n + 1 puntos distintos Por el teorema
x �( a, b ) g( n ) ( x ) = 0 g( n ) ( x )
generalizado de Rolle, existe un punto tal que . Calculemos , usando la
proposición sobre las derivadas de polinomios:
n!
g ( n) ( ξ ) = f ( n ) ( ξ ) - ( f ( x ) - P ( x ) ) n
� k =1
( x - xk )
f ( x ) - P( x)
Al despejar obtenemos la fórmula enunciada.
6. Observación.
El teorema afirma la existencia de un número ξ con la propiedad escrita, pero no proporciona ningún
procedimiento cómodo para calcularlo. En la práctica se calcula
M = sup | f ( n ) ( t ) |
t�[ a ,b ]
M n
| f ( x ) - P ( x ) |� �| x - xk |
n ! k =1
EJEMPLO
Sea la función
f ( x ) = 2 xe - (4 x + 2)
x - x1 1 - x x - x0 x - 0.2
L0 ( x ) = = L1 ( x ) = =
x0 - x1 0.8 x1 - x0 0.8
p1 ( x ) = f ( x0 ) .L0 ( x ) + f ( x1 ) .L1 ( x)
1- x x-2
p1 ( x ) = ( 0.4 ) e -2.8 + 2e -6
0.8 0.8
c) expresión de error
Aplicamos la expresión:
f ´´(ξ) n
ξ ( x) = f ( x) - P( x) =
( n + 1) ! �
( x - xj )
j =0
f ´( x ) = ( 2 - 8 x ) .e - (4 x + 2)
f ´´(ξ) n
ξ ( x) = f ( x) - P( x) =
( n + 1) ! �
( x - xj )
j =0
ξ ( x) = f ( x) - p( x) =
( -16 + 32ξ ) e-( 4ξ +2 )
( x - 0.2)( x - 1)
2!
ξ ( x) = f ( x) - P ( x) =
( -16 + 32ξ ) e ( ) 2
- 4ξ +2
( x - 1.2 x + 0.2)
2
d) cota de error
max f ´´( x ) 1
ξ ( x ) =| f ( x ) - P ( x ) |� max | �( x - xj ) |
3! [0.2,1]
j =0
Hallamos primero
max f ´´( x)
[0.2,1]
g ( x ) = f ´´( x )
Llamamos
g ( 0.2 )
Valor de .
g ( 1) .
Valor de
g ( x) g’ ( x ) = 0
Valor de en las abscisas para las que .
g ( x) = f ” ( x)
Gráfico en [0.2, 1] de la función
Buscamos ahora
max ( x - 0.2)( x - 1)
q ( x) = ( x - 0.2 ) ( x - 1) ,
Llamamos siendo un polinomio
de segundo grado que se anularía en los puntos 0.2 y 1,
luego necesariamente tendrá sus extremos en:
q ( x)
El máximo de se alcanzará en los puntos que se
obtienen resolviendo la ecuación
q’ ( x ) = 0
q’ ( x ) = 0 = 2 x –1.2
De donde se obtiene x = 0.6 como abscisa en la que se encuentra el máximo de q(x) resultando:
q ( 0.6 ) = - 0.16
q ( 0.6 ) = 0.16
Teniendo en cuenta los resultados obtenidos, una cota de error vendrá dada por:
0.5838
ξ ( x) = f ( x) - P ( x) � ( 0.16 ) = 0.046704
2
GENERALIDADES
�f1 ( x1 , x2 ,..., xn ) = 0
�f ( x , x ,..., x ) = 0
�2 1 2 n
�
�...
�
�f n ( x1 , x2 ,..., xn ) = 0
f
Donde las i son funciones reales. En todo lo siguiente se supondrá, como hipótesis, que dichas funciones
son diferenciables en la medida de lo requerido por los métodos que se exponen.
También se supone que ha sido encontrada una aproximación inicial a la raíz buscada, que se denominará
aproximación de orden 0
x1(0)
r (0) x2 (0)
x =
...
xn (0)
k
Si x y xm son vectores de R n , se llama distancia asociada a la norma *, al número
d ( xk , xm ) = xk - xm
La iteración de punto fijo para sistemas de ecuaciones no lineales tiene muchas similitudes conceptuales con
el método de iteración simple visto en el capítulo RAICES DE ECUACIONES. La dificultad a salvar es la
correspondiente al trabajo en espacios de n dimensiones donde los módulos antes utilizadas se valoran ahora
en términos de normas de vectores y matrices. La convergencia será la convergencia de sucesiones de
vectores, como a continuación se presenta.
O su equivalente
�f1 ( x1 , x2 ,..., xn ) = 0
�f ( x , x ,..., x ) = 0
�2 1 2 n
�
�...
�
�f n ( x1 , x2 ,..., xn ) = 0
Y una aproximación inicial a la raíz del sistema
x1(0)
r (0) x2 (0)
x =
...
xn (0)
La elección de las funciones ϕ no es para nada trivial pues de ellas depende nada menos que la convergencia
o no convergencia del método en estudio.
j
A partir de la elección de las funciones i se genera recursivamente la sucesión de vectores en el espacio de
n dimensiones, a partir de la aproximación inicial x
r k +1 uu
rr k
x = j(x )
Se plantean, como siempre, las siguientes preguntas: ¿es convergente el proceso?, si lo es, ¿converge a la
solución del problema, es decir, a las raíces del sistema?
r k +1 ur
lim x = X
k ��
ur r k ur
lim j ( x ) = X
k ��
ur ur ur
X = j (X )
Siendo entonces Ξ un punto fijo. Naturalmente, para resolver sistemas no lineales es necesario que existan
puntos fijos y para ello, a su vez es necesario que la aplicación sea una contracción.
Para ello es nuevamente necesario que la aplicación de D �R n enD �R n definida por x = j ( x ) sea
Lipschitziana, es decir que se verifique que existe una constante real L > 0 tal que
ur r u r u r r ur r u r
d (j ( x), j ( y )) �Ld ( x, y ), " x, y �D
r k +1 ur r k
x = j(x )
d ( x n , xm =n+ p )
Como ϕ es una contracción L es menor que uno, entonces para cualquier ε > 0 basta con tomar
�e (1 - L) �
log � r 0 r1 �
�d ( x , x ) �
N� � �
log( L)
Es una sucesión de Cauchy (criterio general de convergencia de sucesiones) y, en consecuencia, tiene límite
y ese límite es un punto fijo de la aplicación dado que:
r k +1 ur r k ur ur
x k �� �Xμ
�ٮj ( x ) k ��
X=X j( ) j( )
Además ese punto fijo es único. Supóngase que existen dos puntos fijos Ξ0 y Ξ1 entonces
d (X 0 , X1 ) = d (j (X 0 ), j (X1 ) �Ld (X 0 , X1 ) �d (X 0 , X1 )
Lo que evidentemente es un absurdo dado que ningún número real es estrictamente menor a si mismo. Salvo
que Ξ0 y Ξ1 sean coincidentes, en cuyo caso la distancia es nula y entonces
0 = d (X 0 , X1 ) = d (j (X 0 ), j (X1 ) �Ld (X 0 , X1 ) �d (X 0 , X1 ) = 0
r n r n+ p r n ur Ln r1 r 0
lim d ( x , x ) = d ( x , X) = d (x , x )
p �� 1- L
que indica que la "distancia" ( en términos de la norma utilizada) entre el vector de aproximación
correspondiente al enésimo paso y el vector raíz del sistema depende, por un lado del valor de la constante L
y, por otro de la cercanía de la aproximación inicial a la raíz Ξ con el vector x0 .
Siendo necesariamente L positiva y L < 1 por hipótesis, el conjunto de números reales entre los que puede
L
variar L define de cierta forma la velocidad de la convergencia. Si L es positiva y muy próxima a 0, 0 será un
real extremadamente pequeño, con lo cual, en cada paso de cálculo la distancia entre el vector vigente y el
vector solución decrece rápidamente. Obsérvese que el denominador 1-L es, en este caso muy próximo a 1.
Lo que indica que la contracción, en cada paso de cálculo depende de L. Si L, siendo siempre positiva y
menor que 1 es grande (cercana a 1), la nueva distancia será más chica pero bastante "parecida" a la anterior,
si es muy chica (cercana a cero) la nueva distancia será mucho menor que la correspondiente al paso
anterior.
Se debe recordar al leer estos párrafos el método de iteración simple de una ecuación donde se demostró que
el error en un paso es proporcional, con constante de proporcionalidad L, al error en el paso anterior. Las
similitudes son evidentes. Allá el trabajo era con funciones de una variable independiente, en intervalos y
valores absolutos, aquí es con funciones de n variables (vectores), con normas y distancias, pero el fondo del
tema es el mismo. En cada paso de cálculo se está más cerca de la raíz, con un ritmo "lineal".
Otro punto a tomar en consideración es la bondad del ajuste inicial, es decir que tan próximo al vector
solución Ξ está el vector de partida x 0 seleccionado. Dado que x1 surge como primer paso de cálculo
partiendo de x 0
, la distancia entre ambos será "grande" si x0 es lejano a la solución y será "chica" si no lo
d ( x1 , x 0 )
es. Como esta distancia es parte invariable, el método será mejor en el sentido de velocidad de
convergencia, cuanto menor sea esta distancia.
f k ( xi )
En resumen, cuando el sistema de ecuaciones no lineales se transforma en el sistema
�x1 = j1 ( x1 , x2 ,..., xn )
�x = j ( x , x ,..., x )
�2 2 1 2 n
�
�...
�
�xn = jn ( x1 , x2 ,..., xn )
Hay que determinar si dicho sistema es una contracción en el dominio D en el cual se trabaja. Para ello es
necesario determinar la constante L y verificar que, siendo positiva, es menor que uno. Esto puede ser muy
laborioso razón por la cual se hace necesario analizar variantes más fácilmente aplicables en la práctica.
EJEMPLO
5x2 - y 2 = 0
y - 0.25( sen( x) + cos( y )) = 0
Solución
Para ello, en una primera etapa se buscan aproximaciones a dichas raíces mediante métodos gráficos.
x1 = j1 ( x1 , x2 )
x2 = j2 ( x1 , x2 )
Escribiendo
y2
x=
5
y = 0.25( Sen( x) + Cos ( y ))
x2 = y
Donde se ha hecho
r n r n+ p r n ur Ln r1 r 0
lim d ( x , x ) = d ( x , X) = d (x , x )
p �� 1- L
Siendo necesario efectuar una estimación de L que, se recuerda, debe ser L�1
�dj1 dj1 �
�dx dy � � y �
0 � 0 0.089442 �
J ( x, y ) = � � =� 5 � =�
�d j 2 dj 2 � � � 0.2487510 0.049967 �
� �
�dx dy � 0.25cos
� ( x ) - 0.25 sen ( y ) �
( x , y ) = (0.1,0.2)
� �
( x , y ) = (0.1,0.2)
Se calcula ahora
a11
� a12 � 2 2
�
a21 a22 �
= ��(a ) ij
2
= 02 +0.089442 2 +0.2487510 2 +0.049967 2 = 0.269023 = L < 1
� � i =1 j =1
Este valor indica que el Método del Punto Fijo, para este sistema, es convergente
Se calcula, iterativamente
( x0 , y0 ) 0.10000 0.20000
( x1 , y1 ) 0.089442 0.34485
( x2 , y2 ) 0.154222 0.257612
( x3 , y3 ) 0.115208 0.280153
( x4 , y4 ) 0.125288 0.268992
( x5 , y5 ) 0.120297 0.27225
( x6 , y6 ) 0.121754 0.270794
( x7 , y7 ) 0.121103 0.271253
( x8 , y8 ) 0.121308 0.271061
O ( 10-5 )
de cierre” de
NEWTON RAPHSON
Se recuerda que en el trabajo RAICES DE ECUACIONES se desarrolló el método de Newton para ecuaciones
f ( x) = 0
del tipo . En esa oportunidad se demostró que la sucesión recurrentemente formada a partir de un
x0
valor tomado donde el signo de la función y su derivada segunda son coincidentes mediante la expresión
f ( xk )
xk +1 = xk -
f '( xk )
Es convergente a la raíz de la ecuación dada en el sentido que
lim xk = x
k ��
f (x ) = 0
2
xk -1 - x �Q xk - x
Y escalarmente de la forma
� n
�
f1 ( x1 , x2 ,..., xn )
�1 ( 1 + + + n) = = �
(0) (0) (0) (0) (0) (0)
f x h x
1 2 h2 , ..., xn h f (
1 1x , x2 , xn ) |0 hi
i =1 � xi
�
�
� f 2 ( x1 , x2 , x3 , �, x4 ) = 0
�
� f 3 ( x1 , x2 , x3 , �, x4 ) = 0
� �.
�
� f n ( x1 , x2 , x3 , �, x4 ) = 0
Segundo, un vector en el espacio de n dimensiones como primera aproximación a la raíz X del sistema
�x1(0) �
� (0) �
�x2 �
r (0)
x =�
x3(0) �
� �
�
... �
� (0) �
�x
�n � �
Como puede apreciarse, el planteo es similar. Pero ahora interviene la complicación emergente del trabajo en
un espacio de n dimensiones, lo que modifica algo lo hecho anteriormente, aunque las semejanzas
conceptuales son muy marcadas
Se supone un incremento
h1 �
�
�
h�
r �2 �
h=�
h3 �
��
... �
�
�
hn �
� �
De norma tal que el nuevo punto
r r (0) r
x = x +h
r r r (0)
h= x-x
Donde
d d d d
�= e1 + e2 + e3 + ... + en
�
x1 �
x2 �
x3 �
xn
El Jacobiano de las funciones fi con respecto a las variables xl , determinante que en los cursos de Análisis
Matemático II se simboliza
h1 f1 ( x1(0) , x2 (0) , x3(0) ,..., xn (0) )
h2 �f1 , f 2 , f3 ,..., f n � f 2 ( x1(0) , x2(0) , x3(0) ,..., xn (0) )
-1
= -J � �
... �x1 , x2 , x3 ,..., xn � 0
...
hn f n ( x1(0) , x2 (0) , x3(0) ,..., xn (0) )
( ) ��ufr rx )
ur r
�f x (0)
�(
r (1) r (0) � (0)
x = x - J -1 � r (0)
� x �
� �
Vale la pena observar la similitud formal de esta última con aquella con la que se comenzó este tema
f ( xk )
xk +1 = xk -
f '( xk )
Obsérvese que, en cada paso de cálculo es necesario invertir una matriz de nxn, la matriz Jacobiana de las
funciones que componen el sistema o, en su defecto, resolver por algún método apto un sistema de
ecuaciones lineales de n �n .
El estudio de la convergencia y del error en este método requiere recursos que están fuera del alcance de
estas notas.
Ejemplo
Se resuelve a continuación el mismo sistema con que se ejemplificó el Método del Punto Fijo.
� f1 = 5 x 2 - y 2
�
�f 2 = y - 0.25( Sen( x) + Cos ( y ))
Solución:
x ( k +1) x(k ) (k )
�f , f � f1 ( x , y )
(k )
= - J -1 �1 2 �
y ( k +1) x( k ) �x, y �k f2 ( x
(k )
, y(k ) )
Se calcula
-1
�f , f � � 10 x
-1 -2 y �
J �1 2 � = � �
�x, y �k
-0.25Cos ( x) 1 + 0.25Sen( y ) �
�
Resultando
� 1 + 0.25Sen( y ) 2y �
�f , f � 10 x - 0.5 yCos ( x) + 2.5Sen( y ) 10 x - 0.5 yCos( x) + 2.5Sen( y ) �
�
J -1 �1 2 � = � �
�x, y �k
� 0.25Cos ( x ) 10 x �
�
10 x - 0.5 yCos ( x) + 2.5Sen( y ) 10 x - 0.5 yCos( x) + 2.5Sen( y ) �
� �
Y se hace
(k )
� 1 + 0.25Sen( y) 2y �
x
��
( k +1)
x
�� �
10 x - 0.5 yCos( x) + 2.5Sen( y) 10 x - 0.5 yCos( x) + 2.5Sen( y) �
(k )
� 5x 2 - y 2
(k )
�
�� = �� - � � � �
y
�� y
�� � 0.25Cos ( x) 10 x � �y - 0.25[ Sen ( x ) - Cos ( y )]�
�
10 x - 0.5 yCos ( x ) + 2.5 Sen ( y ) 10 x - 0.5 yCos ( x ) + 2.5 Sen ( y ) �
� �
0 0.100000 0.200000
1 0.118411 0.271027
2 0.121280 0.271114
3 0.121242 0.271105
f ( x ) = Pn ( x ) + Rn ( x )
En donde:
1 f 2 ( x0 ) f n ( x0 )
P ( x ) = f ( x ) + f ( x )( x - x ) + ( x - x ) + ... + (x - x )
n 0 0 0 2! 0 n! 0
i
n f (x )
Pn ( x ) = � 0 ( x - x )i
0
i =0 i !
f ( n +1) (x ) ( n +1)
R ( x) = (x - x )
n ( n +1)! 0
xi
I = � f ( x )dx = F ( xi )- F ( xi -1) ……………………………………1
xi -1
Por otro lado, la aproximación de la integral usando el método del trapezoidal es:
h
T= [ f ( xi -1)+ f ( xi )] …………………………………………………2
2
E =T -I …………………………………………………………………………3
Reemplazando
( x - x )2
f ( xi -1) = f ( xi ) +( xi -1 - xi ) f 1( xi ) + i -1 i f 2 ( xi ) +...
2!
Como h = xi - xi -1
h2 2
f ( xi -1 )= f ( xi )- hf 1( xi )+ f ( xi ) -...
2!
Reemplazando en 2
h� h2 2 �
2 f ( xi )- hf 1 ( xi )+
T= � f ( xi )-....�
2� 2! �
� �
Resolviendo
h2 1 h3 2
T = hf ( xi ) - f ( xi )+ f ( xi )-...
2 2*2!
h2 2 h3
F ( xi -1 ) = F ( xi ) - hF 1 ( xi ) + F ( xi ) - F 3 ( xi ) + ...
2! 3!
Reemplazando en 2
h2 2 h3
I =hF1 ( xi )- F ( xi )+ F 3 ( xi )- (4)
2! 3!
1
f ( x ) = F ( x)
f 1( x )= F 2 ( x)
f 2 ( x )= F 3 ( x )
f 3 ( x)= F 4 ( x)
Reemplazando en 4
h2 1 h3
I = hf ( xi )- f ( xi )+ f 3 ( xi )-...
2! 3!
Reemplazando en la ecuación 3
� h2 1 h3 2 �� h2 h3 �
E =�
hf ( xi )- f ( xi ) + - hf ( xi ) - f 1( xi ) + f 2 ( xi ) -...�
f ( xi )+...��
� 2! 2(2!) �� 2! 3! �
� �� �
�1 1 �3 2
E =� - �h f ( xi )+..........
�4 6 �
h3 2
E=- f (x )
12
Se hace de manera similar para el método de Simpson 1/3
h5 4
E =- f (x )
90
Otra forma alternativa de hacer la deducción de hallar los errores de la integral es mediante la interpolación de
LaGrange
n
Pn ( x) = �f ( xi ) Li
i =0
La integral se expresaría
b b n b n f ( n +1) ( �( x ) )
� �f ( xi ) Li + �
f ( x)dx = � �( x - xi ) ( n + 1) !
dx
a a i =0 a i =0
b b n
� �f ( xi ) Li
f ( x) dx ��
a a i =0
b n f ( n +1) ( �( x ) )
�( x - xi )
E( f ) = �
( n + 1) !
dx
a i =0
b
h h3
�
f ( x )dx = ( f 0 + f1 ) - f 2 ( �)
a
2 12
b
h h5 4
�
f ( x)dx = ( 0
f + 4 f 1 + f 2) - f ( �)
a
3 90
( n + 1) !�
4
b n -1 2n +3 �
� �
f ( x)dx = �c f ( x ) +
� f ( 2n+ 2)
( �)
a ( 2n + 3) �( 2n + 2 ) !�
i =0
i i
� �
CONCLUSIONES
RECOMENDACIONES
BIBLIOGRAFIA
http://disi.unal.edu.co/~lctorress/MetNum/LiMetNu2.pdf
http://www.gandhi.com.mx/metodos-numericos-para-ingenieros-un-enfoque-moderno