Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Libro de Metodos Numericos Malasquez 1 PDF
Libro de Metodos Numericos Malasquez 1 PDF
--2012—
INDICE
Pág.
INDICE………………………………………………………………………………..…2
INTRODUCCIÓN…………………………………………..……………………...…... 4
ERROR ABSOLUTO…………………………………………..………..………………5
Teorema de Bolzano…………………………………………………….……….….……6
MÉTODO DE BISECCIÓN………………………………………………………….….7
MÉTODO DE LA SECANTE…………………………………………………………...15
INTERPOLACIÓN………………………………………………………………..…….27
PROBLEMAS RESUELTOS…………………………………………………….……..42
Método Crout-Doolitle…………………………………………………………………..50
Método de Cholesquy……………………………………………..…………………….52
Método de Jacobi……………………………………………………………………….75
DIFERENCIA NUMERICA…………………………………………………………..99
INTEGRACIÓN NUMERICA…………………………………………….………….105
INTEGRACION DE ROMBERG…………………………………………………….123
Método de Euler……………………………………………………………………….130
Predictor – corrector…………………………………………………………………...138
CONCLUSIONES……………………………………………………..……………...143
INTRODUCCIÓN
Para una mejor organización y búsqueda rápida de cada tema se ha implementados con un
índice al principio del trabajo para su fácil ubicación de los temas ya que el texto completo
se encuentra enumerada de principio a fin, además en el final se ha considerado incluir
problemas resueltos de los diferentes temas estudiados.
Como los algoritmos de los métodos ya están disponibles en la mayoría de los libros de texto
sobre la materia, se explicara en la medida de lo posible, detalles de implementación
(personales) de los métodos directos (que son mas difíciles de programar). El lenguaje de
programación idóneo para tal fin será matlab 6.0
Damos desde ya los agradecimientos a todas aquellas personas que dieron su apoyo para
completar el trabajo tanto en ideas, criticas para su mejoramiento sin importar la magnitud
de la ayuda han sido de gran ayuda y esperando aun recibir su aportes para la continua
superación en los próximos trabajos que se han de mostrar.
ERROR ABSOLUTO
Es la diferencia entre un valor de exacto y una de sus aproximaciones. Puede ser positivo o
negativo, según si la medida es superior al valor real o inferior (la resta sale positiva o
negativa). Tiene unidades, las mismas que las de la medida.
P1 = 1.60123456
P2 = 1.609413131
P3 = 1.6094372
Donde: m = 0
Para p₂:
0.3x10¯⁴ ≤ 0.5x10¯ⁿ⁺¹
-4 = -n+1
n = 5 ---> p₂ tiene 5 cifras significativas exactas.
Para p₃:
0.1x10¯⁵ ≤ 0.5x10¯ⁿ⁺¹
-5 = -n+1
n = 6 ---> p₃ tiene 6 cifras significativas exactas.
Para p₂:
0.3x10¯⁴ ≤ 0.5x10¯™
K=4
Entonces p₂ tiene 4 cifras decimales exactas.
Para p₃:
0.1x10¯⁵ ≤ 0.5x10¯™
K=5
Entonces p₃ tiene 5 cifras decimales exactas.
x f(x)
-2 -
-1 -
0 -
1 -
2 +
MÉTODO DE BISECCIÓN
Dado la ecuación no lineal f(x) = 0 /. Existe la raíz X* [a, b] por T.B.
El método de bisección consiste en hallar el promedio simple de cada intervalo
[ ] X*.
Algoritmo de bisección:
P-1.- Dado la ecuación f(x) = 0 /. Existe la raíz X* [a, b] por T.B.
P-2.- Generar la sucesión {xi} x* mediante la siguiente relación
; i = 0, 1, 2,3…….
P-3. – Hallar
( ) ( )
Parar si | |
Ejemplo 01.
( ) X* [-1,2]
Se deja de iterar si | |
i=0
( ) ( )
i=1
| |
( ) ( )
i=2
| |
( ) ( )
i=3
| |
( ) ( )
i=4
| |
X* = -0.03125
Ejemplo 02.
( ) X* [-2,1]
Se deja de iterar si | |
i=0 ;
( ) ( )
i=1 ;
| |
( ) ( )
i=2
| |
( ) ( )
i=3
| |
( ) ( )
i=4
| |
( ) ( )
i=5
| |
X* = -1.953125
Paso 3: Hallar
( ) ( )
Paso 4: Parar si | |
Ejercicio 1:
( ) , Con X* [1,3]
Se deja de iterar si | |
i=0
( ) ( )
( ) ( )
( ) ( )
i=1
| |
( ) ( )
i=2
( ) ( )
( ) ( )
| |
X*=0.804
Ejercicio 2
( ) ; Con X* [-2,2]
Se deja de iterar si | |
i=0
( ) ( )
( ) ( )
( ) ( )
i=1
( ) ( )
( ) ( )
| |
X*=-0.20713
Algoritmo:
= g (x)……….. (2)
{xn} x*
| |
Condición de convergencia:
a) g (x) b]
b) ∃ g´( ) | g´( )| L ; ∀ b>
Ejemplos:
Por el método del punto fijo obtener una solución con dos cifras significativas exactas.
F(x) = 10.sen(x). -1
Primero hallaremos el intervalo donde exístela raíz.
x F(x)
-1 -23.87
-0.5 -8.90
0 -1
0.5 1.91
1.5 1.23
1° condición:
g₁(x) I = [a,b] = [0,1]
g₁(0) = 0.10
g₁(1) = 0.28
2° Condición:
∃ g´₁ | g´₁ ( )| L
∀ ≊
X₀ arbitrario;
Donde: X₀ = 0.5
n=0
X₁ = arcsen( )
X₁ = 0.1656
n =1
X₂ = arcsen( )
X₂= 0.1183
n =2
X₃ = arcsen( )
X₃ = 0.1128
MÉTODO DE LA SECANTE
Algoritmo:
| |
Ejemplos:
Por el método de la secante obtener una solución con dos cifras significativas exactas.
F(x) = 10.sen(x). -1
x F(x)
-1 -23.87
-0.5 -8.90
0 -1
0.5 1.91
1.5 1.23
Entonces ahora:
Sea x₀ = 0 y x₁ = 0.5
Para i = 2:
Para i = 3:
Entonces x* = x₃
Por lo tanto x₃ = 0.022 es la raíz con 2 cifras significativas exactas.
x F(x)
-1 -22.71
-0.5 -12.29
0 -5.00
0.5 -0.16
1.5 4.89
Para i = 2:
Para i = 3:
Entonces x* = x₃
Por lo tanto x₃ = 1.20 es la raíz con 2 cifras significativas exactas.
Algoritmo:
| |
Convergencia de N-R.
Existe {xn} x*
( ) ´´( )
Si: | |<1
( ´( ))
Ejemplo:
( ) ´´( )
| | X₀ = 0 < 1 = 0.2479 <1
( ´( ))
Si:
( )= -3x
( )= -3
( )
( ) ´´( )
| | x₀ = 1 < 1 Existe {xn} x* Por el método de N-R con =0.1
( ´( ))
n=4
n=0
( )
= - ( )
Entonces:
= - = 0.52493063
n=1
= - =0.61315951
n =2
= - = 0.619033363
n =3
= - = 0.69001281
| | = 0.000027923 = 0.3*10¯⁴
Entonces:
Dado el Sistema:
De (1) y (2), despejamos de alguna forma x e y para obtener un sistema de la siguiente forma:
2º Paso:
Generar la sucesión:
{Xn} xk
^
{yn} Yk
n = 0, 1, 2,…
3º Paso:
|𝑋𝑛 𝑋𝑛 | ℰ
ó
|𝑌𝑛 𝑌𝑛 ; | ℰ C.C. ir al 2º Paso.
∃ {Xn} xk
^
∃ {yn} Yk
Si se cumple lo siguiente:
| |( ) | |( )
^
| |( ) | |( )
Ejemplo:
Sea el sistema.
… (1)
⁄ ⁄
… (2)
( ) ⁄ ⁄
( )
x ( )
-2 -
-1 -
0 ∄
1 -
2 -
3 + 𝑓( ) 𝑓( ) ∃ 𝑥⬚
x ( )
2 -
2.1 -
2.2 -
2.3 -
2.4 -
2.5 -
2.6 -
2.7 - 𝑓( ) 𝑓( ) ∃𝑥
2.8 +
2.9 +
3 +
( ) ;
De: ( )
⁄
Se requiere que se cumpla: ( )
| |( ) | |( )
0 + 1 =1 <1
⁄
⁄ ⁄
( )
⁄
⁄
( )
| | ⁄
| |( )
^ | |( ) | |( )
| |( )
Iterando:
⁄
⁄
( )
^
Si:
| | = 0.02 = 0.2*10-1 0.5*10-1
^
| | = 0.1*10-1 0.5*10-1
𝐹𝑥 𝐹𝑦
𝐽 ≠
𝐺𝑥 𝐺𝑦
* Algoritmo de N.R.
1º Paso:
Dado el sistema:
F(x, y) = 0
G(x, y) = 0
2º Paso:
Generar la sucesión:
{Xn} xk
^
𝐹 𝐹𝑦
𝐺 𝐺𝑦 (𝑥𝑛 𝑦𝑛 )
𝑋𝑛 𝑋𝑛 ; 𝑛 …
𝐽(𝑥 𝑦)(𝑥𝑛 𝑦𝑛)
𝐹𝑥 𝐹
𝐺𝑥 𝐺 (𝑥𝑛 𝑦𝑛 )
𝑌𝑛 𝑌𝑛 ; 𝑛 …
𝐽(𝑥 𝑦)(𝑥𝑛 𝑦𝑛 )
Parar si:
|𝑋𝑛 𝑋𝑛 | ℰ
ó
|𝑌𝑛 𝑌𝑛 | ℰ
C.C. ir al 2º Paso.
Ejemplo:
⁄ ⁄
( )
( )
( ) ⁄ ⁄
⁄ ⁄ ⁄ ⁄
⁄ ⁄ ⁄
⁄ ⁄ ⁄
( 𝑥 𝑦 𝑦 𝑥 )
𝐽(𝑥 𝑦)
Iterando:
| ⁄ ⁄ ⁄ |
⁄ ⁄ ⁄
( )
| ⁄ ⁄ ⁄ |
⁄ ⁄ ⁄
( )
| ⁄ ⁄ ⁄ |
⁄ ⁄ ⁄
( )
| ⁄ ⁄ ⁄ |
⁄ ⁄ ⁄
( )
Si:
| | = 0.0003 = 0.3*10-3 0.5*10-3
^
| | = 0.0005 = 0.5*10-3 0.5*10-3
INTERPOLACIÓN
Supongamos que se conoce f0 , f1, f2, …….fn valores correspondientes a X0, X1, X2, ….., Xn
valores independientes de una variable independiente X.( X0<X1<…<Xn) entonces tenemos
dos tipos de interpolación.
(X0,f0
)
(XP,fP)
Xo XP X1 X
INTERPOLACIÓN DIRECTA DE
NEWTON -PROGRESIVO Y NEWTON – REGRESIVO.
Para un conjunto de (n+1) puntos igualmente espaciados Interpolación consiste, en dado un valor no
considerado , en la tabla, se debe hallar su imagen . Hay dos tipos de Interpolación.
Se utiliza cuando se desea interpolar un valor dado al principio de la tabla o sector de la tabla.
Utiliza la siguiente fórmula.
Donde ,
Utiliza la siguiente Tabla de omisión de Términos (T.0.T)
∆ ∆ ∆ ∆
Newton Progresivo 4 8 12 16
Newton Regresivo
Observación:
Si |∆ |<4 Se tiene Inter. Directa Lineal y se utiliza la fórmula de N.P. hasta la Diferencia, o
sea; ∆ .
Si |∆ |<8 Se tiene Inter. Directa No Lineal (IDNL) y se utiliza la fórmula de N.P. hasta la
P(P )
Diferencia, o sea; ∆ ∆ .
!
Sol:
( ) ∆ ∆
1 4
xp=1.05 f p =? 3=∆ Como|∆ |<4 se aplica IDL y se
1.1 4.3 0=∆ utiliza de NP hasta la Diferencia anterior o sea hasta
3 la diferencia
1.2 4.6 0
3 |∆ |=0<4
1.3 4.9
→ P=0.5 <0,1>
∆ → ( )
Ejemplo 2: Si
Hallar en la Sgte. Tabla
x ( ) g( ) ∆ ∆ ∆
6.2 0.79239=
Xp=6.36 fp=? 1279=∆
6.4 0.30618= -43=∆
1336=∆ 4
6.6 0.8195 = -39=∆
1297=∆ 1
6.8 0.83251= -38=∆
1259=∆ 2
7 0.84510= -36=∆
1223=∆
7.2 0.85733=
P(P )
∆ ∆
!
( )( )
( )
!
Si ( ) ( )
( )
Donde
x ( )
3 20.08
4.45
3.2 24.53 0.98
5.43 .22
3.4 29.96 1.20 6
6.63 .28
3.6 36.59 1.48 2
8.11 .30
3.8 49.7 1.78
9.89
4.0 54.59
| |<12 Se aplica de NR hasta la diferencia
a) Interpolación de Stirling:
Se aplica si p 〈 〉
Su formula es:
Donde:
( ) ( ) ( )( )
S1= ; S2= ; S3= ; S4= ; S5= ; …
! ! !
b) Interpolación de Bessel:
Se aplica si p 〈 〉
Su formula es:
p= 0+ 1 1/2 + 2( 0 + 1) + 5 1/2 +…
Donde:
( ) ( )( ) ( )( )( )
1= ; 2= ; 3= ; 4= ; …
! ! !
Se aplica si p 〈 〉
Su formula es:
= …
Donde:
( )( ) ( )( )( )( )
; !
; !
; …
( )( ) ( )( ) ( )( )
; !
; !
; …
Ejemplos resueltos:
X f(x)= + + x +1
0.5 1.875
Como:
; No cumple
a) Si ;
Solución a):
Se sabe que:
Entonces:
〈 〉
Como:
〈 〉 | |
p= 0+ S1 ( -1/2 + 1/2) + S2 0
Con calculadora:
p= 1.285415424
p =0.76*1.248+0.24*1417-(0.053504*0.032)-(0.037606*0.038)
p =1.285415424
(X0<X1<X2<………………………. <Xn)
f(o)
a0=
(X0 X1)(X0 X2)(X0 X3)………(X0 Xn)
f(1)
a1=
(X1 X0)(X1 X2)(X1 X3)………(X1 Xn)
.
Si X = Xn ; f(Xn)= an(Xn-X0)(Xn-X1)(Xn-X2)……..(Xn-Xn-1)
(n)
an=
(Xn X1)(Xn X2)(Xn X3)………(Xn Xn 1)
Polinomio de Lagrange
Donde:
TEOREMA.- Sean (X0, f0), (X1, f1),…, (Xn,fn) para los puntos (n+1) y además
(X0<X1<X2<……<Xn)
Entonces existe un único polinomio de grado que pasa por dichos puntos.
DEMOSTRACIÓN
Consideremos
Además:
En general
R (Xi) = 0 ∀ i 0, 1, 2, 3,……n
Entonces.
Entonces R(X) debe ser el polinomio nulo (el único que tiene más raíces que su grado)
Ahora consideremos
X -1 0 2
Fx 2 1 5
El polinomio P(X) = X2 +1 pasa por estos puntos, también pasa por estos puntos el
polinomio Q(X) = X3-2X + 1
¿Contradice el teorema?
No contradice el teorema, ya que el teorema establece que son iguales para aquellos
que tengan grado , luego pueden muchos otros de grado >n que sean
diferentes al del grado grado
Observación:
Si x=
( ) ( )( )( )…( ) ( )( )( )…( ) ⋯
( )( )( )…( )
( ) ( )( )( )…( )
( )
( )( )( )…( )
Si x=
( ) ( )( )( )…( ) ( )( )( )…( ) ⋯
( )( )( )…( )
( ) ( )( )( )…( )
( )
( )( )( )…( )
Si x=
( ) ( )( )( )…( )
( )
( )( )( )…( )
( )( )( )…( ) ( )( )( )…( )
( ) …
( )( )( )…( ) ( )( )( )…( )
( )( )( )…( )
( )( )( )…( )
( ) ∑ ( ) …
( ) ( ) ( ) ⋯ ( )
Ejemplo: 1
En la siguiente tabla:
Tenemos:
X ( )
26
a) Solución:
( )( )( )( ) ( )( )( )( ) ( )( )( )( )
( )
( )( )( )( ) ( )( )( )( ) ( )( )( )( )
( )( )( )( ) ( )( )( )( )
( )( )( )( ) ( )( )( )( )
( )( )( )( ) ( )( )( )( ) ( )( )( )( )
( ) ( )( )( )( ) ( )( )( )( ) ( )( )( )( )
( )( )( )( ) ( )( )( )( )
( )( )( )( ) ( )( )( )( )
( )
b) Solución:
Como: ( )
( ) ( ) ( )
( ) ( )
( )
( )( ) ∆ ( )( ) ∆ ( )( ) ∆ ( )( ) ∆
( ) ⋯
! ! ! !
Donde:
( )( )
( )
( )( )
( )( )
( )( )
( )( )( )
( )( )
( )( )( )( )
( )( ) | ( )( ) ( )( )( )
( )( ) | ( )( )( ) ( )( )( )
( )( )( )
Ejemplo: 2
x ( ) ∆ ∆ ∆
1.1 1.04 =
0.04
1.2 1.08= -0.02
0.03 0.02
1.3 1.11= -0.01
0.04
1.4 1.15=
Donde: h=1.4-1.3=0.1
( )( )
( )
( )( ) ( )( )
( )( ) ( )( )( ( )( ) )
( ) ( )( ) ( )( )
( )
( )( ) ( )( ) ( )( )
( )
PROBLEMAS RESUELTOS
(Método de Newton – Raphson)
1
F(x)= / [0,1]
Solución:
F(x)=
F’(x)=
F’’(x)= = ( )
( n) n
n=0 Xn+₁=Xn- => Xn+1 = Xn –
( n) ( n )
Con X₀=1
X₁ = X₀ – ( )
X₁=0.683939
n= 1ra Iteración.
1
₁ ₁
X₂ = X₁ – ₁( ₁ )
X₂=0.5774544772
n= 2da Iteración.
2
X₃ = X₂ – ( )
|X₃ - X₂|=0.01=0.01*
n=1 -> X = con 1 cifra significativa.
2
(Método del Punto fijo)
Resolver por el método por el punto fijo con 1 cifra decimal exacta.
Solución:
{} X𝑒 𝑦 -1 =0 (1)
𝑋 𝑦 𝑦
X= (2)de (1)
Remplazando en (2)
F (y)=
Y F (y)
0 -
F (0).F(1)<0 ->∃𝑦
1 + [0,1]
2 +
Y F (y)
0 -
0.5 - F (0.5).F(0.6)<0 ->∃𝑦 ……(*)
𝑦
0.6 + 1er intervalo para F(y)=𝑒 𝑦
1
Según (*)
Sea Y₀=0.5 -> X₀=
Se tiene el punto inicial X₀=1.6 y Y₀=1.5 muy cercano a la raiz.
X= 2√ -> f
Y= LnX -> g
fx=0 fy=
√
gx= gy=0
fx(1.6;1.5)=0 fy(1.6;1.5)=0.5773502642
gx(1.6;1.5)=0.625 gy(1.6;1.5)=0
|fx(1.6;1.5)+fy(1.6;1.5)|=0.57785026 < 1
|gx(1.6;1.5)+gy(1.6;1.5)|=0.625 < 1
->∃{Xn} ->
∃{Yn} -> Mediante la Sgte. Relación.
Xn+₁=2√ n=0, 1, 2
Yn+₁ =Ln(Xn) n=0, 1, 2
Dejar de iterar
|Xn+₁-Xn| 0.5*
n=1 X₂=1.765328965
Y₂=0.5493061446
n=2
X₃=1.671242364
Y₃=0.5683370555
n=3
X₄=1.645591676
Y₄=0.5135672804
n=
4
X₅=1.716098655
Y₅=0.49810001
X₆=1.734239187
n=5
Y₆=0.5400534907
3
(Método del Punto fijo)
a) Y=Lnx de (1)
Remplazando en (2)
-> F(x)=
x F(x)
1 - F (1).F(2)<0 ->∃𝑦 [1,2]
2 +
x F(x)
1.6 - F(1.6).F(1.7)<0 ->∃𝑦
1.7 + [1.6,1.7]
Sea X₀=1.6 ; Y₀?
De (1) -> Y=Lnx = Ln(1.6)=0.47 -> Y₀=0.47
Entonces:
{ X 1.6
Y 0.47 Pto más cercano de la raíz.
b) Sea
F(x,y)=X -1
G(x,y)=
Fx(x,y)= Fy(x,y)=-X.
Gx(x,y)=2X Gy(x,y)=8y
= 5.550020142 ≠ 0
𝑦
| F Fy |=| X𝑒 -1 -X.𝑒 𝑦 |
G Gy 𝑋 𝑦 𝑦8y
8Y [X -1]+ X.
𝑦 𝑦
| Fx F |=| 𝑒 -X.𝑒 |= [ ]-2x [-X. ]
Gx G 𝑥 𝑋 𝑦
n n
Xn+₁=Xn - ;
n=0, 1, 2,..
[ ] n
Yn+₁=Yn -
n=0, 1, 2,…
Siendo Pₒ inicial: (1.6;0.47)=(Xₒ;Yₒ)
n=0 ( )
X₁=1.6 – =1.700250715
( )
Y₁=0.47- = 0.53265975
n=1
X₂=1.700250715 –
( )
=1.697250462
Y₂=0.53265975-
( )
= 0.52900931
n=2
X₃=1.697250462–
( )
=1.6972239658
Y₂=0.53265975-
( )
= 0.5290032
Luego
|X₃ - X₂|= 0.000026=0.00003=0.3* 0.5*
-> con 4 cifras significativas decimales exactas.
Consiste en factorizar una matriz cuadrada “A” en un producto “LU”. Esto es:
𝐴 𝐿𝑈
Donde:
A: es la matriz a factorizar
L : es una matriz triangular inferior, cuyos elementos de la diagonal principal son iguales
a 1. Se llama “L” porque viene de la palabra inglesa “low”, que significa “bajo”.
NOTAS:
. Aunque no todas las matrices admiten este tipo de representación, muchas de las que
aparecen frecuentemente en las aplicaciones de las técnicas numéricas sí la tienen.
. La factorización “LU” es especialmente útil cuando hay que resolver varios sistemas
lineales con la misma matriz de coeficientes “A”, puesto que el proceso de las
operaciones se realiza solamente una vez.
. Desde un punto de vista práctico, esta factorización sólo será útil cuando los
intercambios de filas no sean necesarios para controlar los errores que aparecen por
utilizar aritmética con un número finito de cifras.
. También se podría decir que la factorización “LU” solamente es aplicable cuando los
determinantes de las submatrices de “A” son todos distintos de cero.
Ejemplo
0 0
Sea la matriz ( ) =( 0 )=( )
El sistema tiene nueve ecuaciones con doce incógnitas, entonces existen infinitas
soluciones. Para que tenga solución debemos fijar tres variables libres, puede ser lii=1 o
uii=1
0 0
( )=( 0 )( )
L U
0 -1
( )=( 4)( )
L U
A.x = B L.y = B
L.U.x = B U.x = y
MÉTODO CROUT-DOOLITLE.
𝐴𝑋 𝐵
𝐴 𝐿𝑈
Sea:
Ejemplo:
Sea la matriz
( )( ) ( )
Para
( )( ) ( )
⁄
𝑦 ⁄ 𝑦 𝑦 ⁄
Para
⁄ ⁄
( )( ) ( )
⁄
𝑥 ⁄ 𝑥 ⁄ 𝑥 ⁄
Simetrico
“A” definida Positiva 2° cada sub determinante sea positiva es decir: A33
| | | | | |
1º versión de cholesky
Ejemplo: 1
| || | | |
A es simétrico
¿A es definida positiva?
| || |
( ) ( ) ( )
Ax = b
L*LtX = b L*Y = b
A = L*Lt
Y= Lt*X = Y
t
LX
| | | || |
l11=2
l21 = ½
l31 = 1
√
l22 =
√
l32 =
l33 =√
√ √ √
t
L*L = | || |
| || |
√
√ √
Ax = b
t Lt*X = Y
L*L X = b L*Y = b
Para L*Y = b
√
| || | | |
| |
√
√
Y1 = ½
√
Y2 =
Y3 = 4*√
Para Lt*X = Y
√ √ √
| || | | |
| | | |
√ √
4 2 0 x1 2
2 5 2 x2 = 3
0 2 6 x 5
3
Solución:
• A = At , entonces A es simétrica.
l112 = 4 l11 = 2
l 21l11 = 2 l 21 = 1
l31l11 = 0 l31 = 0
l11l 21 = 2
2
l 21 l 22
2
= 5 l 22 = 2
l31l 21 l32l 22 = 2 l32 = 1
l11l31 = 0
l 21l31 l 22l32 = 2
2
l31 l32
2
l33
2
= 6 l33 = 2
2 0 0 2 1 0
t
L = 1 2 0 , L = 0 2 1
0 1 2 0 0 2
Para Ly = b
2 0 0 y1 2 1
1 2 0 y2 = 3 y = 1
0 1 2 y 5 2
3
Para Lt x = y
1
2 1 0 x1 1
2
0 2 1 x2 = 1 x = 0
0 0 2 x 2 1
3
𝑎 … 𝑥 𝑏
( ⋱ )( ) ( )
… 𝑎𝑛 𝑥𝑛 𝑏𝑛
…… ………. (3)
………………………………………………………
… ………. (n-1)
……………… ………. (n)
ALGORITMO TRIDIAGONAL:
𝑎𝑛 𝑛 𝑥̅𝑛 𝑎𝑛 𝑛 𝑥̅𝑛 𝑏𝑛 𝑅
Se tiene ( ̅ ̅ … ̅ )
Si es solución de
Si ≠ es solución de
𝑎𝑛 𝑛 𝑥̅̅𝑛 𝑎𝑛 𝑛 𝑥̅̅𝑛
𝑆
Tal que: ( … ) donde S: vector residual
Se tiene ( ̅ ̅ … ̅ )
Si es solución de
Si ≠ es solución de
Se tiene: …….. ( )
…….. ( )
() ( ) ( ) ( )
Tal que: ( ) ⁄
Ejemplo:
Resolver:
2
2
Del sistema ̅
̅ ̅ ……… (1)
2 ̅ ̅ ̅ ….….. (2)
2 ̅ ̅ ̅ ……… (3)
̅ ̅ ……… (4)
Sea ̅ , { } ̅
De (1): ̅
De (2): ̅ 0
De (3): ̅
̅ ̅ 𝑟
( ̅ ̅ … ̅ )
( )
Del sistema ̅
̿ ̿
̿ , en ̿ ̿ ̿
̿ , en ̿ ̿ ̿
̿ , en ̿ ̿
𝑠
Observación: Si cambiar el valor inicial de ̿
( ̅ ̅ ̅ ̅ )
( )
Tal que: ⁄ 𝛼 ⁄
𝑥 𝑥 𝑥 𝑥
Verificando: 2
2( ) ( ) ( )
Ejemplo 2
Sea en Tribanda.
( )
( )
( )
( )
Solución:
Del sistema ̅
( ) ̅ ̅ ̅ ̅
( ) ̅ ̅ ̅ ̅
( ) ̅ ̅ ̅ ̅
( ) ̅ ̅ ̅ ̅
Entonces:
𝑥̅
De (1) despejo ̅ :
( ) ̅ ̅
𝑥̅
De (2) despejo ̅ :
( ) ̅ ̅ ̅
𝑥̅
De (3) despejo ̅ :
( ) ̅ ̅ ̅
𝑥̅
( ) ̅ ̅
Y se tiene que:
( ̅ ̅ ̅ ̅ )
( )
( ) ̿ ̿
( ) ̿ ̿ ̿
( ) ̿ ̿ ̿
( ) ̿ ̿
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 63
UNMSM MÉTODOS NUMÉRICOS
Sea ̿ { }
𝑥̿
De (1) despejar ̿ :
( ) ̿ ̿
𝑥̿
De (2) despejar ̿ :
( ) ̿ ̿ ̿
𝑥̿
De (3) despejar ̿ :
( ) ̿ ̿ ̿
𝑥̿
( ̿ ̿ ̿ ̿ )
( )
( ) ̿ ̿
𝑠
Entonces:
( ) ( ) ( )
( ) ( )
Comprobación:
-46+24+13
-22+13=-9
Ec (1)
Ec (2)
⋯
( ⋱ ) = Ec (n)
⋯
( ) ( )
A x b
Algoritmo Pentadiagonal
̅̅̅̅̅̅ ̅̅̅̅̅̅
̅̅̅̅̅̅ ̅̅̅
Si ≠ ̅
P-3 : La primera solución homogénea del sistema A.x = b se debe expresar como
̿ ; luego definir ̿̿̿ en la cual se
̿̿̿
considera C y D como constantes arbitrarias, finalmente se procede similar al paso
anterior (P-2) llegando a la siguiente solución
̿̿̿̿̿̿ ̿̿̿̿̿̿
Si ≠ ̅
P-4 : La segunda solución homogénea del sistema A.x = b se debe expresar como
̅̿ ; luego definir ̅̅̅
̿̿̿ ̅̅̅
̿̿̿ en la cual se
considera C y D como constantes arbitrarias, finalmente se procede similar al paso P-2
llegando a la siguiente solución.
̅̅̅̅̅̅
̿̿̿̿̿̿ ̅̅̅̅̅̅
̿̿̿̿̿̿
̅̅̅̅̅̅
̿̿̿̿̿̿ ̅̅̅
̿̿̿ en donde ( ) es un vector residual.
Si ̅ (̅̅̅
̿̿̿ ̅̅̅
̿̿̿ … ̅̅̅
̿̿̿) es solución del sistema A.x = b
Si ≠ ̅
………( )
……… ( )
A( ( ) ( )) ( )
𝑋 𝑥 𝛼𝑥 𝛽𝑥
Ejemplo
2 +3 + = 8 Ec(1)
3 +2 +4 + = 15 Ec(2)
+4 + +4 +2 = 13 Ec(2)
+4 +2 + = 19 EC(4)
2 + +7 = 15 EC(5)
2 +3 + = 8 Ec(1)
3 +2 +4 + = 15 Ec(2)
+4 + +4 +2 = 13 Ec(3)
+4 +2 + = 19 Ec(4)
2 + +7 = 15 Ec(5)
P-2:
DE Ec(1) despejar =5
pues 0 + 3(1) + =8
DE Ec(2) despejar = 7
DE Ec(3) despejar = 16
pues 0 + 4(1) + 5 + 4( 7) + 2 = 13
+4 +2 + = 19 +
1 + 4(5) + 2( 7) + 16 = 19 + = 45
2 + + 7 = 15 +
R= ( ) , como R ≠ ; A. =b+R
Se tiene:
= = ó =( )
( )
( )
P-3:
Como A. ̿ =
( )
S= ( )
2( )+ (250) + 7( )= 0 + =0
expresar A. ̿̅ = 0
̿̿̿+ 3̅̅̅
2̅̅̅ ̿̿̿+ ̅̅̅
̿̿̿ = 0 Ec(1)
3̿̿̿
̅̅̅+ 2̿̿̿
̅̅̅+ 4̿̿̿
̅̅̅+ ̿̿̿
̅̅̅ = 0 Ec(2)
̿̿̿+ 4̅̅̅
̅̅̅ ̿̿̿+ ̅̅̅
̿̿̿+4 ̅̅̅
̿̿̿+ 2̅̅̅
̿̿̿ = 0 Ec(3)
̿̿̿
̅̅̅+ 4̿̿̿
̅̅̅+2̿̿̿
̅̅̅+ ̿̿̿
̅̅̅ = 0 Ec(4)
̿̿̿+ ̅̅̅
2̅̅̅ ̿̿̿+ 7̅̅̅
̿̿̿ = 0 Ec(5)
Sea ̿̿̿
̅̅̅= 20 ̿̿̿= 10
̅̅̅
̿̿̿+ 2̅̅̅
3̅̅̅ ̿̿̿+ 4̅̅̅
̿̿̿+ ̅̅̅
̿̿̿= 0
̿̿̿+ 4̅̅̅
̅̅̅ ̿̿̿+̅̅̅
̿̿̿+ 4̅̅̅
̿̿̿+ 2̅̅̅
̿̿̿= 0
20 + 4(10) + ( ̿̿̿= 0
)+ 4(200) + 2̅̅̅
̿̿̿
̅̅̅+ 4̿̿̿
̅̅̅+2̿̿̿
̅̅̅+ ̿̿̿
̅̅̅= 0 + = 1925
10 + 4( ) 2(200) + 395 = 0 +
2̿̿̿
̅̅̅+ ̿̿̿
̅̅̅+7̿̿̿
̅̅̅= 0 +
̿̿̿
̅̅̅
̿̿̿
̅̅̅
T = ( )= ( ); = ̿̿̿
̅̅̅
̿̿̿
̅̅̅
( )
( ̿̿̿
̅̅̅)
A. = +T
A. = b + R
A. = 0 + S
A. = 0 + T
R– – =0 R= ( )
+ =R S=( )
( )+ ( )= ( ) T=( )
X=
X= = + 0.025992507 + 0.003865364
( ) ( ) ( ) ( )
X=
( ) ( )
Comprobación : Ec(1)
2 +3 + =8
8 = 8 Cumple!!!
La Norma de una matriz es un número real tal que satisface las siguientes condiciones
Ejemplo 1:
Sea
‖ ‖ {| | | | } { }
‖ ‖ {| | | | } { }
‖ ‖ √( ) ( ) √
Para el vector X = ‖ ‖ { }
‖ ‖ | | | | | |
‖ ‖ √| | | | | |
Ejemplo 2:
Sea X = ( )
‖ ‖ {| | | |}
‖ ‖ | | | |
‖ ‖ √( ) ( )
Donde:
𝑎 ⋯ 𝑎 𝑏
A= ⋱ b = | | y si aii ≠
𝑎 ⋯ 𝑎 𝑏
𝑋0
X =| |
𝑋
Despejamos X; de la Ec. (i); i=1,2,3, …. , m
X = β + αi-1X
X1 = …………
………. (2)
X2 = …………
.
.
.
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 75
UNMSM MÉTODOS NUMÉRICOS
Donde:
𝛼 𝛼
⋯
α = αij = -aij/aii α= [𝛼 𝛼 ]
⋱
𝛼 𝛼 ⋯
X = β + αX
⋯
| | | | [ ⋱
] | | … (2)
⋯
Ó …………………….. (3)
P-2 Tomando como solución inicial X (0) arbitrario generar la sucesión {X (k)} → X (*) mediante la
relación de recurrencia:
Sea el sistema Ax = b
Donde:
A=
𝑎 𝑎 … 𝑎
𝑎 𝑎 … 𝑎
⋱
𝑎 𝑎 … 𝑎
𝑎 𝛼 𝛼
⋯ ⋯ ⋯
𝑎 𝛼 𝛼
𝐷 [ ] 𝐿 ⋱ 𝑈 [ ]
⋱ ⋱
⋯ 𝑎 𝛼 … 𝑎 ( - ) ⋯
(D + L + U)X = b
DX + (L + U) X = b
DX = b – (L + U) X
X = D-1b – D-1(L + U) X
Si el método de Jacobi es X = β + αX
Ejemplo. 1
Con un ε = 10-1
Verificar su convergencia
Ǝ {X (k)} → X (+) Si ||α | |∞ < 1
Obs. Para que se cumpla ||α | | < 1 es necesario que del sistema Ax = b, A sea diagonalmente
dominante.
𝛽 𝛼 ( )
X (0) = 0
X (0) X (0) = β
X (0) = 1
X (k+1) = β + αX (k)
X (1) = β + αX (0)
( )
X (1)
=| ( )| | | [ ] | | | |
( )
Donde
K=1 1° Iteración:
X (2) = β + αX (1)
( )
X (2)
=| ( )| | | [ ] | | | |
( )
Donde:
K=2 2° iteración:
X (3) = β + αX(2)
( )
( )
X (3)= | | | | [ ] | | | |
( )
Donde:
{| |}
( ) ( )
|| ||
|| ( ) ||
{| |}
{| |}
10-1 = ε → X (3) = X (*) con ε=10-1
Ejemplo 2:
CONVERGENCIA DE JACOBI
( )
{ } X* Si ||α|| < 1 …………….. (i)
Observación
x1 = +0+0-
x2 = - +0-
x3 = - - +0
… …. . ………………….
x = β+ α
α | | = | |
| |
{ } X* por jacobi
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 81
UNMSM MÉTODOS NUMÉRICOS
Por jacobi obtener una solución con €
Si la relación de jacobi es =β+α ,k 0, 1,2…
Para k = 0
Interacción inicial
=β+α
Observación es arbitraria
Sea =
= = +
….. ……………………. …
β + α
Para k = 1
= = +
Donde
= 0.1 +
= 0.2 +
= 0.205
Para k = 2
= = + =
β α
k =3
= = + =
β α
= = 0.03289625 < =
* con € <
Del sistema Ax = b
la relación matricial de jacobi
Sea A = D + L + U
= b + [- ( L + U )]
( D + L + U )x = b k = 0, 1, 2…
Dx + ( L + U)x = b Observación
α=- ( L + U ) es igual al despejar
Dx = b + [-( L + U)x]
xi de la ecuación (i), i = 1, 2, 3…
x= b + [- ( L + U )]x
…… ………………..
x=β + α
SEGUNDO METODO:
METODO DE GAUSS- SEIDEL
También determina la solución del sistema iterativamente.
( )
( ) ( ) … ( )
𝑥 (𝑘 )
𝐷 𝑏 ( 𝐷 𝐿)𝑥 (𝑘 ) ( 𝐷 𝑈)𝑥 (𝑘)
Observación:
*Si ( )
*La relación ( ) se puede obtener al igual que Jacobi del sistema , de la ecuación
despejar la variable , para obtener la Matriz .
Observación:
‖ ‖
) ( )
{ }
Ejercicios resueltos:
1) Dados:
( )
( ) ( ), ( )
Solución:
Utilizando Gauss-Seidel:
( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
La tasa de convergencia del método de Gauss-Seidel viene dada por la norma de:
( ) ( )
( ) ( )
¿Puede resolver este sistema por el método de Gauss-Seidel? ¿Por qué? Si lo puede hacer,
haga solo dos iteraciones a partir de la solución nula y determine la tasa numérica de
convergencia. Además calcula la tasa exacta de convergencia. ¿Cuántas iteraciones
necesitará para alcanzar un error absoluto de .
Solución:
(( ) )
NOTA: Calculando con más iteraciones nos acercamos a la tasa teórica, por ejemplo:
( )
‖ ( )
‖
Para alcanzar (en norma infinito) un error absoluto menor que se requieren 13
iteraciones.
Ejemplo 1
Sea el sistema:
Analizar su divergencia
Hallar su solución con
Solución:
Analizar su divergencia
[ ]
L [ ]
Luego:
(L )
[ ][ ] [ ]
[ ]
‖ ‖ { }
∃ {X (k)} X*
[ ][ ] [ ]
( ) ( ) ( )
De L[ ]
( )
( ) ( )
Sea [ ]
( )
( ) ( ) ( )
L[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )
( ) ( )
( )
( )
( )
( )
( ) ( )
[ ]
( )
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )
( )
( )
( )
( )
( ) ( )
[ ]
( )
: 2da Iteración
( ) ( ) ( )
L[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )
( )
[ ]
( ) ( )
( )
( )
( )
( )
[ ]
: 3era Iteración
( ) ( ) ( )
L[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )
( )
( )
( )
[ ]
| |
‖ ( ) ( )‖
‖ ( )‖
| |
( )
Ejemplo 2
Sea el sistema:
Analizar su divergencia
Hallar su solución con
Solución:
Analizar su divergencia
[ ]
[ ]
Luego:
( )
[ ][ ] [ ]
‖ ‖ { }
∃ {X (k)} X*
[ ][ ] [ ]
( ) ( ) ( )
De [ ]
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 92
UNMSM MÉTODOS NUMÉRICOS
( )
( ) ( )
Sea [ ]
( )
( ) ( ) ( )
[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )
( )
( )
( )
( )
[ ]
: 1era Iteración
( ) ( ) ( )
[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )
( )
( )
( )
( )
[ ]
: 2da Iteración
( ) ( ) ( )
[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )
( )
( )
( )
[ ]
‖ ( ) ( )‖
‖ ( )‖
( )
Ejemplo 3
Sea el sistema:
Analizar su divergencia
Hallar su solución con
Solución:
Analizar su divergencia
[ ]
[ ]
Luego:
( )
[ ][ ] [ ]
[ ]
‖ ‖ { }
∃ {X (k)} X*
[ ][ ] [ ]
( ) ( ) ( )
De [ ]
( )
( ) ( )
Sea [ ]
( )
( ) ( ) ( )
[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )
( ) ( )
( )
( )
( )
( )
( ) ( )
[ ]
( )
: 1era Iteración
( ) ( ) ( )
[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )
( )
( )
( )
( )
( ) ( )
[ ]
( )
: 2da Iteración
( ) ( ) ( )
[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )
( )
[ ]
( ) ( )
( )
( )
( )
( )
[ ]
: 3era Iteración
( ) ( ) ( )
[ ]
( ) ( ) ( )
[ ] [ ]
( ) ( )
[ ][ ]
( )
( )
( )
( )
[ ]
| |
‖ ( ) ( )‖
‖ ( )‖
| |
( )
DIFERENCIA NUMERICA
Aproximaciones a la Derivada
Diferenciación numérica
P …( )
( ) ( P )
( )
… ( )
Si Xp = X0 en (i) P = 0
fórmula de NP es:
Según (ii)
(P P) ∆ (P P P) ∆ (P P P P) ∆
[∆ ! ! !
]
( P )∆ ( P P )∆ ( P P P )∆
[∆ ! ! !
]( )
∆ ∆ ∆
∆ ⋯
( ) . Además P
( ( ))
( ) Si se sabe
n
En general se tiene
P P
[∆ (P )∆ ( )∆ …]
Si XP=X0 → P=0
[∆ ∆ ( )∆ …]
Según (ii)
(P P) (P P P) (P P P P)
! ! !
( P ) ( P P ) ( P P P )
⋯
! ! !
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 100
UNMSM MÉTODOS NUMÉRICOS
Si XP=0 → P=0
[ ⋯]
Nota: Para determinar la 1ra derivada se debe tomar una diferencia más que la que indica la
T O T en el caso de interpolación.
P P
P [ (P ) ( ) …]
P [ ( ) …]
X f(X) ∆ ∆2 ∆3
0.00 1.0000 513 26 1
0.05 1.0513 539 27 3
0.10 1.1052 566 30 0
0.15 1.1618 596 30
0.20 1.2214 626
0.25 1.2840
Solución(a):
∆ ∆
[∆ ]
[ ]
Solución (b)
H=0.05 → P
f0 ∆f0
X0 ∆2f0 ∆3f0
0.05 1.0513 539 27 3
( P )∆ ( P P )∆
S P [∆ ! !
]
( )( ) ( ) ( )
( ) [ [ ]( )]
Hallar(a) ( ) y (b) ( )
Solución (a)
( ) [ ]
Solucion(b)
P P P
( P ) ( P P )
P [ ! !
]
( ) ( ) ( )
( ) [ [ ]( ) [ ]( )]
( )
P ( ) ⋯
P [ ( ) ⋯]
P
S P
P(P ) P P P
P(P )(P ) P P P P P
( )
[ ⋯]
( ) ( ) ⋯
P [ ( ) ( ) ⋯]
P P(P )(P ) P
S S ( !)
P P (P )(P ) P P
S P S !
( P )
P [ ] P ( ) ⋯
En XP=X0 → P=0
( ) ( )
[ ⋯]
Solución(a)
( ) ( )
Como 0.10 [0.10, 0.15] →
P P S g
g |∆ | S g
P [ ( ) ]…( )
P
P () P
( )
[ ]
En la tabla se tiene:
( )
( )
( )
[ ]
Solución (b)
( ) P
|∆ | ()
P ( ) P P
()
( ) ( )( ) ( ) ( )( )
INTEGRACIÓN NUMERICA
Para intervalos Simples
∫ ( ) ( )
( ) , m є [X0, X1]
Donde ( )= max { | ( )| | ( )| }
∫ ( )
( ) , m є [X0, X1]
Donde ( ) {| ( )| | ( )| }
∫ ( )
( )
( ) {| ( )| | ( )| }
Ejemplo:
∫ ( )
Solución:
X f(x)
X0=1 f0=0.841471
X0+h=X1=2 f1=1.818595
Determinación del
Si ( )
( )
( )
( ) {| ( )| | ( )| }
( ) {| | | |}
( ) ( )
Entonces
∫ ( )
X f(x)
X0=1 f0=0.841471
X0+h=1.5 f1=1.496242
X0+2h=2 f2=1.818595
Determinación del
Si ( )
( )
( ) {| ( )| | ( )| }
( ) { }
( ) ( )
Entonces:
∫ ( ) ( )
∫ ( )
X f(X)
X0=1 f0=0.841471
X1=4/3 f1=1.295917
X2=5/3 f2=1.659013
X3=2 f3=1.818595
( ) { }
( ) ( )
∫ ( )
m veces h
Demostración:
∫ ( ) ( )
∫ ( ) ( )
∫ ( ) ( )
…
…
∫ ( ) ( )
∫ ( ) ( ) ( …… )
( )
( )
Demostración:
∫ ( )
∫ ( )
∫ ( )
…
∫ ( )
∫ ( ) ( ) ( ⋯ ) ( ⋯ )
( )
( )
…
…
( )
( ) ( )
Ejemplo:
X f(X)
X0=1 f0
X1=1.2 f1
X2=1.4 f2
X3=1.6 f3
X4=1.8 f4
Es igual al ejemplo
X5=2 f5 del trapecio simple
( ) ( )
( ) ( )
∫ ( ) ( ) ( ) = 1.436070589 +
X f(X)
X0=1 f0
X1=7/5 f1
X2=8/6 f2
X3=9/6 f3
X4=10/6 f4 Es igual al ejemplo
X5=11/6 f5 de Simpson de 1/3
X6=2 f6=fm
( ) ( )
( ) ( )
∫ ( ) ( ) ( ) 2.493614005 +
ER entre la Regla del trapecio y la 1º formula abierta (Integración abierta) “ambas de precisión uno”
porque ( )
Sea ∫ ( ) por dos métodos anteriores se tiene:
(𝑏 𝑎)
𝐸 𝑓 𝑖𝑖 ( ) (𝑥 𝑥 ) 𝐸 𝑓 𝑖𝑖 ( )
(𝑎 𝑏)
𝑖𝑖 (
𝑏 𝑎 𝑓 𝑖𝑖
𝐸 𝑓 ) (𝑥 𝑥 ) 𝐸 ( ) ( )
(𝑎 𝑏)
Que se cumple:
……… ( )
( )
( )
( )
( )
( )
Supongamos que:
( ) ( ) ……… ( )
(2) en (1)
( )
(3) en (1)
( )
ó …………… ( )
Ejemplo:
Calcular ∫ ( ) ( )
Aplicando: 4 es decir:
= 1 + 1(1)
=2
= 1 + 2(1)
=3
( ) ( )
( )
f(X)
f1
( )( )
Aplicando (4)
x0 x1 x2
( ) ( )
( )
∫ ( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
∫ ( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
……( )
Sea el siguiente cociente de errores:
( )
( )
≠ ( )
( )
( )
Si ( ) ( ) … ( )
(2)’ en (1)’:
( )……( )
(3)’ en (1)’:
( )
Ejemplo:
∫ ( )
Solución:
( )
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 116
UNMSM MÉTODOS NUMÉRICOS
( )
𝑓(𝑥)
∫ ( ) ( ) 𝑋 𝑓
X0+1h = 𝑋 𝑓
( ( ) ) 𝑋 𝑓
𝑓(𝑥)
𝑋 𝑓
𝑋 𝑓
( )
𝑋 𝑓
𝑋 𝑓
∫ ( ) ( )
∫ ( ) ( ( ) ( ) )
{ ( ) ( )}
Sea:
…… ( )
( )
( )
; ≠ ( )
( )
( )
Si:
( ) ( ) ( ) ( ) …… ( )
(2)” en (1)”:
( )
( )
[ ( ) ]
…… ( )
( )
(3)” en (1)”:
( ) ⁄
…… ( )
(4)” en (1)”
( )
Solución:
( ⋯ ( )
Se tiene:
Para:
( )
Como
𝑓(𝑥) ( ( ))
1 1 𝑓
2 9 𝑓
2.5 𝑓
Para:
( )
Como
𝑓(𝑥)
1 1 𝑓
1.5 4 𝑓
9 𝑓 ( )
2.5 15 𝑓
3 25 𝑓
( ( ))
( ( ))
Aplicando:
( ) ( )
Ejemplo 2:
Solución:
Para:
𝑓(𝑥) ∫ ( ) ( )
1 1 𝑓
2 1/2 𝑓 ( ( ))
1/3 𝑓
Para:
𝑓(𝑥)
1 1 𝑓 ∫ ( ) ( )
1.5 2/3 𝑓
1/2 𝑓 ( ( ))
2.5 2.5 𝑓
3 1/3 𝑓
( ) ( )
Sea
…… ( )
( ⋯ ) ( ⋯
( )
( )
; ≠ ( )……( )
( )
( )
Si ( ) ( ) ( ) ( ) ……( )
( ) ( )
( )
( ) …… ( )
( )
Para:
en ( )
( )
( )…… ( )
( ) ( )
( )
Ejemplo (1):
Para :
X f(X)
X0=1 f0
X1=2 f1
( ) ( )
Para :
X f(X)
X0=1 f0
X1=1.5 f1
X2=2 f2
Entonces:
INTEGRACION DE ROMBERG
Es un método que combina la convergencia de las reglas del Trapecio o Simpson con las técnicas de
extrapolación de Richardson para retener una sucesión que converge hacia el verdadero valor de la
integral.
1 2 3 4 … n
1 2 4 8
. . . . .
. . . . .
. . . . .
. . .
(𝑘 )
𝐾
𝑅 𝐾 𝑓(𝑎) 𝑓(𝑏) ∑ 𝑓(𝑎 𝑖 𝐾)
𝑖
∫ ( ) ( ( ) ( ))
Obs: Para las demás filas y columnas se sugiere hallar con la siguiente formula
𝑅𝐾 𝑅(𝐾 ) 𝐾 ∑ 𝑓(𝑎 (𝑖 ) 𝐾 )
𝑖
𝑗 i = 2, 3, 4,…n
𝑅𝑖 𝑗 𝑅𝑖 𝑗
𝑅𝑖𝑗 𝑗 j = 2, 3, 4,…n
𝑅𝑘 𝑅𝑘
𝑅𝑘 k = 2,3,…
𝑅𝑘 𝑅𝑘 k = 4,5,…
𝑅𝑘
𝑅𝑘 𝑅𝑘
𝑅𝑘 k = 5,6,…
𝑅𝑘 𝑅𝑘
𝑅𝑘 k = 6,7,…
Solución:
Tenemos de datos:
a=0
b=0.8
n=6
( )
Realizando la tabla
1 2 3 4 5 6
1 2 4 8 16 32
( ) ( ) ∑ ( )
Cuando K = 1
[ ( ) ( ) ( )]
( ) ( )
( )
( )
( )
( ) ∑ ( ( ) )
Cuando K = 3
[ ( ) ( ( ) )]
Cuando K = 4
[ ( ) ( ( ) )]
Cuando K = 5
[ ( ) ( ( ) )]
Cuando K = 6
[ ( ) ( ( ) )]
Cuando K = 2
Cuando K = 3
Cuando K = 4
Cuando K = 5
Cuando K = 3
Cuando K = 4
Cuando K = 5
Cuando K = 6
Cuando K = 4
Cuando K = 5
Cuando K = 6
Cuando K = 5
Cuando K = 6
Cuando K = 6
0.712173
0.594777 0.55545
I) De un solo paso:
𝑑𝑦
𝑦´ 𝑓(𝑥 𝑦) / 𝑦´ 𝑑𝑥
𝑦(𝑥 ) 𝑦
a) Método de Euler:
Es de la forma:
𝑦𝑖 𝑦𝑖 𝑦´𝑖
𝑦𝑖 𝑦𝑖 𝑓(𝑥 𝑦)
Observación:
Ejemplos resueltos:
1º forma de pregunta
1) Dado:
Con:
( )
Hallar: ( )
Solución:
Como:
Entonces:
Para i=0 , ´
Donde:
( ) ( )
Luego:
´ …( )
Donde:
Reemplazando en ( ):
( )( )( )( )
( )
2º forma de pregunta
2) Dado:
Con:
( )
Solución:
Como:
0 1 2 3 4
( )
( )
( )
( )
Es de la siguiente forma:
´´ ´´´ ( )
´
⋯
! ! ! !
O
´ ´´ ´´´ ( )
( ) ( ) ( ) ( )
( ) ( ) ⋯
! ! ! !
Donde:
Ejemplos resueltos:
1º forma de pregunta
Dado:
´
…( )
Con:
( )
Solución:
Como:
Y de ( ) se sabe que:
´´ ´´´
´
! ! !
Se requiere hallar:
´´ ´´´
´
( )
´
…( )
´
Derivando ( )
´´ ´
…( )
´´ ´
´´
( ) ( )( )
´´
Derivando ( )
´´´ ´´ ´ ´
( )
´´´ ´´ ´ ´
( )
´´´
(( )( ) ( )( ))
)( ) ( ) ( ) ( ) ( )
! ! !
( ) …
2º forma de pregunta
Dado:
´
…( )
Con:
( )
Solución:
Como:
… (Resuelto anteriormente)
´´ ´´´
´
! ! !
´´ ´´´
Se requiere hallar: ´
De ( )
´
…( )
´
…
´
…
Derivando ( ):
´´ ´
…( )
´´ ´
´´
( ) ( … )( …)
´´
Derivando ( )
´´´ ´´ ´ ´
( )
´´´ ´´ ´ ´
( )
´´´
(( … )( ) ( … )( … ))
´´´
Luego, reemplazando:
´´ ´´´
´
! ! !
( )( …) ( ) ( ) ( ) ( )
…
! ! !
´´ ´´´
Se requiere hallar: ´
De ( )
´
…( )
Derivando ( ):
´´ ´
…( )
´´ ´
´´
( ) ( )( )
´´
Derivando ( )
´´´ ´´ ´ ´
( )
´´´ ´´ ´ ´
( )
´´´ )( ) ( )( ))
((
´´´
Luego, reemplazando:
´´ ´´´
´
! ! !
( )( ) ( ) ( ) ( ) ( )
! ! !
PREDICTOR – CORRECTOR
Como su nombre lo indica se predice un valor , después se usa una formula diferente para
corregir este valor.
Los métodos Predictor-Corrector hallar el valor del pto( ) utiliza información del
pto( ) y sus precedentes donde cada pto precedente indica un paso, de aquí su nombre como
método de múltiples pasos. A diferencia de los métodos de Runge-Kuta, Taylor, Euler, que son
métodos de un solo paso (Para utiliza la información de )
Ejemplo:
Usando el método predictor – corrector
Predictor: 𝑦𝑖 𝑦𝑖
Corrector: 𝑦𝑖 𝑦𝑖 ( )
Solución:
( ) ; Y h=0.5
Por condición del problema.
( )
( )
Para aplicar el predictor corrector, se necesita hallar por un método no menor de orden
(puede ser Taylor, o RK), Sea RK-4.
( )
( ) ( )
( ) ( )( )
( ) ( ( ))
( ) ( )( ) ( )( )
( ) ( ( )( ))
( )
( ) ( )( )
( )
( ( ))
( )
( ) ( )( )
( )
(… )
( )( ) ( )( )
Aplicando el predictor:
( ) ( )( )
( )
( ) ( ) ( )( )
Aplicando el corrector:
( )
( ) ( )
( ) → este es el corrector
Una ecuación diferencial ordinaria de orden n se puede transformar en un sistema de EDO de orden
1.
Así se tiene una EDO de orden n:
𝑦 (𝑛) 𝑓(𝑥 𝑦 𝑦 𝑦 𝑦 … 𝑦 (𝑛 )
)
( )
con las condiciones iniciales ( ) n condiciones iniciales
.
(n )
n
Se tiene
.
n ( … ( )
)
Sea ( )= ( ) → ( ) ( )
( ) ( )
… …
n( ) ( )
Solución: De
Sea
( ) ( )
( ) ( )
( ) ( )
Matricialmente se tiene:
=
( ) ( ) =
( )
( )
Ejemplo 2:
Dado con ( ) ( )
( ) ( )
Solución
Sea
( ) ( ) ( ) ( )
Matricialmente
= = ( )
,i=0,1,2
( )
( )
( )
Sea
( ) ( ) ( ) =
( )
( )
( )
CONCLUSIONES
Ventajas y desventajas de los métodos iterativos comparados con los métodos directos
Ventajas:
Probablemente son más eficientes que los métodos directos para sistemas de orden
muy alto.
Más simples de programar.
Pueden aprovecharse una aproximación a la solución, si tal aproximación existe.
Se obtiene fácilmente bajo aproximaciones burdas de la solución.
Son menos sensibles a los errores de redondeo (valiosos en sistemas mal
condicionados).
Se requiere menos memoria de maquina. Generalmente, las necesidades de
memoria son proporcionales al orden de la matriz.
Desventajas:
INTEGRANTES