FACULTAD DE CIENCIAS

Y TECNOLOGIA

RED NACIONAL UNIVERSITARIA

SYLLABUS

CÁLCULO NUMÉRICO CUARTO SEMESTRE

Gestión Académica II/2010

U N I V E

R S

I D A D

D E 1

A

Q U

I N

O

B

O L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

UDABOL

UNIVERSIDAD DE AQUINO BOLIVIA Acreditada como PLENA mediante R. M. 288/01

VISION DE LA UNIVERSIDAD

Ser la Universidad líder en calidad educativa.

MISION DE LA UNIVERSIDAD

Desarrollar la Educación Superior Universitaria con calidad y competitividad al servicio de la sociedad.

Estimado(a) estudiante: El syllabus que ponemos en tus manos es el fruto del trabajo intelectual de tus docentes, quienes han puesto sus mejores empeños en la planificación de los procesos de enseñanza para brindarte una educación de la más alta calidad. Este documento te servirá de guía para que organices mejor tus procesos de aprendizaje y los hagas mucho más productivos. Esperamos que sepas apreciarlo y cuidarlo.

U N I V E

R S

I D A D

D E 2

A

Q U

I N

O

B

O L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

I. SYLLABUS Asignatura: Código: Requisito: Carga Horaria: Horas teóricas: Horas prácticas: Créditos: Cálculo Numérico MAT 212A MAT 202A

80 80 HORAS
4

II. OBJETIVOS GENERALES DE LA ASIGNATURA. La formación científica del estudiante involucra el dominio de los métodos fundamentales del Análisis Numérico y su uso en la resolución de problemas matemáticos, utilizando programas computacionales como MATLAB. Al final del curso el estudiante: Comprenderá la necesidad de utilizar métodos numéricos de resolución de ciertos problemas matemáticos, observando que en ocasiones solo es posible la obtención de soluciones aproximadas Podrá identificar los factores claves a la hora de resolver un problema. Concebirá que el análisis teórico correspondiente, es de gran importancia el estudio previo del coste y el error de cada método. El análisis de los diversos factores debe de llevar a una elección correcta entre los distintos métodos que resuelven un mismo problema. Conocerá los recursos técnicos que proporciona el ordenador para la utilización eficiente de los métodos numéricos, implementando los algoritmos correspondientes para comprobar su utilidad.

III.

PROGRAMA ANALÍTICO DE LA ASIGNATURA.

1. INTRODUCCION 1.1. 1.2. 1.3. 1.4. 1.5. 1.6. ¿Qué es el Cálculo Numérico? Sistemas Numéricos Representación de un Número en Base b Representación del Proceso de Cambio de un Fracción en Base Diez a Base Dos Sistemas Numéricos de punto Flotante Propiedades del Sistema de Números de Máquina en Punto Flotante

2. TEORIA DE ERRORES 2.1. 2.2. 2.3. Definición Números Aproximados Definición de Error. Error Absoluto. La Cota del Error Absoluto
U N I V E R S I D A D D E 3 A Q U I N O B O L I V I A

4.5. 5. 4.1. 3. 5.2.2. 6. 3.3. 2. 3. 3.10.5.3.3..3.2. Error en las Operaciones Aritméticas. Error Relativo de una Raíz c) Error de Trucamiento. 4.1.6.3. 5. 4. 4. La Serie de Taylor RAICES DE UNA ECUACION Introducción Definición Métodos Aproximados Para Determinación de una Raíz Método de Bisección Método de la Secante Método de iteración del Punto Fijo Método de Newton de Primer y Segundo Orden Método de la Falsa Posición y Falsa Posición modificada SISTEMA DE ECUACIONES LINEALES Sistemas de ecuaciones. Error en un Cociente. 4. Definición b) Error de Redondeo.2. 4.3. 3. U N I V E R S I D A D D E 4 A Q U I N O B O L I V I A .2. 6. 6.2. 3.7. 3.2. 3.2. 6. Relación Entre el Error Relativo de un Número Aproximado y el Número de Digitos. 6.1.3. Error de un Diferencia.4.2.3.9.3.4.5. Exactos.1.1. 6. 4.FACULTAD DE CIENCIAS Y TECNOLOGIA 2. Error en el Producto. Definición Métodos de Resolución Método de Eliminación Método de Eliminación Gaussiana Método de Gauss Jordan Método de la Matriz inversa Método de Gauss Seidel Método de Relajación Método de Cramer SISTEMAS DE ECUACIONES NO LINEALES Método de Newton Método de Newton Modificado Método de Iteración INTERPOLACION DE FUNCIONES Interpolación de Lagrange Diferencias Finitas y Diferencias Divididas Interpolación de Newton Interpolación de Gauss Interpolación de Stirling Interpolación de Bessel Interpolación de Splines Interpolación de Funciones de Dos Variables Fórmula de Interpolación de Newton Para una Función de Dos Variables 3. 6. 4. 6.2. Error Relativo. La Cota del Error Relativo Tipos de Error a) Error de Cifras Significativas.4. Error Relativo de una Potencia.2. 6. 5. Error de una Suma. 4.2. Regla de Redondeo. 6.2.1.3.6. 4.7.5.

8.Federico Domínguez. Antonio Nieves Hurtado .1.3.4. Métodos Numéricos Aplicados a la Ingeniería. Orden Método de Runge Kutta (4to.7.1. Boston USA. 8. realizados con la universidad. Pws – Kent Publishing. 7.3.1. 7.2.2. 8. • De resultados de los Procesos de aprendizaje o sumativa (examen parcial o final) Se realizará 2 evaluaciones parciales con contenido teórico y práctico. BIBLIOGRAFIA BASICA Y COMPLEMENTARIA. 9. Douglas Faires (1989). repasos cortos y otras actividades de aulas y el CICC. 8.2.4.2.A. 9. 9. U N I V E R S I D A D D E 5 A Q U I N O B O L I V I A .2. 1999. 9. – México. Burden Richard L.1.FACULTAD DE CIENCIAS Y TECNOLOGIA 7. 9. EVALUACION DE LA ASIGNATURA Procesual o Formativa A lo largo del semestre se realizarán exposiciones.6. 8. 9. y J. DIFERENCIACION NUMERICA Derivadas a partir de Tablas de Diferencias Divididas Derivadas de Orden Superior Diferencias Divididas Diferencias Centrales INTEGRACION NUMÉRICA Método de los Trapecios Método de Simpson Formula de Integración de Newton-Cotes Método de Integración de Robeos ECUACIONES DIFERENCIALES Problema de Valores iniciales Método de Taylor Fórmula de Taylor de 1er.2. 9. Orden) Los Métodos Predictora Correctores Fórmula Predictora de Adams V. 7. Numerical Analysis. 9. Cada uno se tomará como evaluación procesual calificándola entre 0 y 50. El examen final consistirá en un examen escrito que se calificará con el 50% de la nota del examen final VI.5. Orden (Euler) Fórmula de Taylor de 2do. Compañía Editorial Continental S. 7.

CONTROL DE EVALUACIONES 1° evaluación parcial Fecha Nota 2° evaluación parcial Fecha Nota Examen final Fecha Nota APUNTES U N I V E R S I D A D D E 6 A Q U I N O B O L I V I A . Nakamura Shoichiro. Metodos Numéricos para Ingenieros – Steven C. 1997. Numerical Methods. McGraw – Hill Método Numéricos Aplicados con Software. Prentice – Hall Rice John R. 1994.. Canale VII. Prentice – Hall.FACULTAD DE CIENCIAS Y TECNOLOGIA Smith Allen W. Software and Analysis. Análisis Numérico. Chapra – Raymond P. 1983..

17ma. 14ta. TURISMO SEMANA DEL AL ACTIVIDADES OBSERVACIONES 1ra. 15ta. DE SISTEMAS. 30ago 06sep 13sep 20sep 27sep 04-oct 04-sep Avance de materia TEMA 1. ING. 6ta. Tema 2: Teoría de errores 18-sep Avance de materia Tema 3: Raíces de una Ecuación 25-sep Avance de materia Tema 3: Raíces de una Ecuación 02-oct 09-oct Avance de materia Tema 4: Sistema de Ecuaciones Lineales Avance de materia Avance de materia Inicio Primera Evaluación Parcial Conclusión Primera Evaluación Parcial Tema 5: Sistema de Ecuaciones no Tema 6: Interpolación de Funciones Presentación de Notas Presentación de Notas 11-oct 16-oct 18-oct 23-oct 25-oct 30-oct 01nov 08nov 15nov 22nov 29nov 06-dic 13-dic 20-dic Avance de materia Tema 4: Sistema de Ecuaciones Lineales Avance de materia Lineales 06-nov Avance de materia Tema 7: Diferenciación Numérica 13-nov Avance de materia 20-nov Avance de materia 27-nov Avance de materia 04-dic 11-dic 18-dic 23-dic Avance de materia Inicio Segunda Evaluación Parcial Conclusión Segunda Evaluación Parcial Tema 8: Integración Numérica Presentación de Notas Presentación de Notas Tema 9: Ecuaciones Diferenciales Inicio Evaluación Final Conclusión Evaluación Final Evaluación del segundo turno Presentación de Notas Transcripción de Notas Presentación de Notas FERIADOS 2 de U N I V E Día de todos los santos R S I D A D D E 7 A Q U I N O B O L I V I A . GAS Y PETROLEOS. 13ra. 2da. 9na. 10ma. 5ta. INTRODUCCION 11-sep Avance de materia TEMA2. 16ta. 4ta. ING. 3ra. ING. COMERCIAL.FACULTAD DE CIENCIAS Y TECNOLOGIA VIII PLAN CALENDARIO CALENDARIO ACADÉMICO GESTIÓN II/2010 TURNOS REGULAR-TRABAJO ESTUDIANTES NUEVOS Y ANTIGUOS ING. 7ma. 8va. 12da. TELECOM. 11ra.

FACULTAD DE CIENCIAS Y TECNOLOGIA nov PLANIFICACIÓN DE ACTIVIDADES CONTENIDO MÍNIMO SISTEMAS DE ECUACIONES NO LINEALES CONTENIDO ACTIVIDAD ANALÍTICO Método de Newton Método de Newton Docencia Modificado Método de compartida Iteración Los Métodos Predictora Seminario Correctores Fórmula Predictora taller de Adams PERIODOS ACADÉMICOS RECURSOS DIDÁCTICOS Data Display Equipos de computación Software de aplicación 4 Periodos ECUACIONES DIFERENCIALES 4 Periodos Data Display Documentación bibliográfica Método de Eliminación Gaussiana Método de Gauss SISTEMA DE Jordan ECUACIONES Método de la Matriz Visita INSERPAZ LINEALES inversa Método de Gauss Seidel Método de Relajación APLICACIONES EN MATLAB Seminario Taller 6 Periodos Data Display Equipo de Computación Software Aplicaciones 6 Periodos Data Display Equipos de computación Dcumentación bibliografica Material del Congreso TOPICOS AVANZADOS CICC 8 Periodos U N I V E R S I D A D D E 8 A Q U I N O B O L I V I A .

Carrera de Ingeniería de Sistemas FECHA DE DIFUSIÓN: Agosto 2010 FECHA DE ENTREGA: Agosto 2010 U N I V E R S I D A D D E 9 A Q U I N O B O L I V I A .FACULTAD DE CIENCIAS Y TECNOLOGIA WORK PAPER # 1 PROGRAMA DE CONTROL DE CALIDAD Nro DE PROCEDIMIENTO: APRO 07 Nro. DE HOJAS: 6 ELABORO: ING. ROSMERY LUIZAGA SALINAS CÓDIGO: MAT 212 TITULO WORK PAPER: TEORIA DE ERRORES DPTO: UDABOL – ORURO DESTINADO A: DOCENTE ALUMNOS x ADMINISTRATIVOS OTROS OBSERVACIONES: Cálculo Numérico.

conducen a soluciones aproximadas que son siempre numérica. La solución formal es tan complicada que hace imposible cualquier interpretación posterior.FACULTAD DE CIENCIAS Y TECNOLOGIA WORK PAPER # 1 METODOS NUMERICOS TEORIA DE ERRORES 1.1. se incluyen aquellos en los que la definición matemática del problema es sólo una aproximación a la situación física real. Estos errores son normalmente despreciables. U N I V E R S I D A D D E 10 A Q U I N O B O L I V I A . ERRORES El concepto de error es consustancial con el cálculo numérico. Desafortunadamente. El importante esfuerzo de cálculo que implica la mayoría de estos métodos hace que su uso esté íntimamente ligado al empleo de computadores. el que se comete al obviar los efectos relativistas en la solución de un problema de mecánica clásica. que mediante una labor de cálculo más o menos intensa. INTRODUCCIÓN La ciencia y la tecnología describen los fenómenos reales mediante modelos matemáticos. sin el desarrollo que se ha producido en el campo de la informática resultaría difícilmente imaginable el nivel actual de utilización de las técnicas numéricas en ámbitos cada día más diversos. Su aplicación resulta excesivamente compleja. Los errores asociados a todo cálculo numérico tienen su origen en dos grandes factores: • • Aquellos que son inherentes a la formulación del problema. De hecho. La matemática aplicada es la rama de las matemáticas que se dedica a buscar y aplicar las herramientas más adecuadas a los problemas basados en estos modelos. En aquellos casos en que estos errores no son realmente despreciables. por ejemplo.2. El estudio de estos modelos permite un conocimiento más profundo del fenómeno. así como de su evolución futura. En estos casos son útiles las técnicas numéricas. Dentro del grupo de los primeros. no siempre es posible aplicar métodos analíticos clásicos por diferentes razones: • • • • No se adecúan al modelo concreto. En todos los problemas es fundamental hacer un seguimiento de los errores cometidos a fin de poder estimar el grado de aproximación de la solución que se obtiene. Los que son consecuencia del método empleado para encontrar la solución del problema. 1. Simplemente no existen métodos analíticos capaces de proporcionar soluciones al problema. nuestra solución será poco precisa independientemente de la precisión empleada para encontrar las soluciones numéricas.

2. como error por truncamiento. la otra fuente de error de importancia es aquella que tiene su origen en el hecho de que los cálculos aritméticos no pueden realizarse con precisión ilimitada. En el caso de errores en la medida de los datos empíricos y teniendo en cuenta su carácter generalmente aleatorio. sino mediante algún tipo de aproximación. como la empleada en la regla del trapezoide. Cuando no resulta posible verificar que la solución calculada es razonablemente correcta. Algunos ejemplos son: • • • • El cálculo de una función elemental (por ejemplo. Muchos números requieren infinitos decimales para ser representados correctamente. DEFINICIONES. algunas operaciones aritméticas pueden dar lugar a la aparición de errores (las divisiones pueden producir números que deben ser redondeados y las multiplicaciones dar lugar a más dígitos de los que se pueden almacenar). Sin embargo. U N I V E R S I D A D D E 11 A Q U I N O B O L I V I A . Equivocaciones en la realización de las operaciones (errores de bulto). en todas sus formas. Aproximación de la integral de una función por una suma finita de los valores de la función. no es despreciable la probabilidad de que el programador cometa uno de estos errores (calculando correctamente el resultado erróneo). la probabilidad de que se haya cometido un error de bulto no puede ser ignorada. sin embargo. Esta fuente de error es bien conocida por cualquiera que haya realizado cálculos manualmente o empleando una calculadora. Sin embargo. Obviamente. En lo que se refiere al segundo tipo de error (error computacional). para operar con ellos es necesario redondearlos. no es esta la fuente de error que más nos va a preocupar. Por último. converge sólo cuando el número de iteraciones tiende a infinito. Seno x) empleando sólo n términos de los infinitos que constituyen la expansión en serie de Taylor. 1.1. El error causado por resolver el problema no como se ha formulado. Solución de la ecuación f (x) = 0 por el método de Newton-Raphson: proceso iterativo que. 2. su tratamiento analítico es especialmente complejo pero imprescindible para contrastar el resultado obtenido computacional-mente. este error en cualquier procedimiento numérico. El error que se introduce al redondear un número se denomina error de redondeo. o al menos acotar. 3. ya que resulta de truncar un proceso infinito para obtener un proceso finito. Generalmente está causado por la sustitución de un infinito (sumatorio o integración) o un infinitesimal (diferenciación) por una aproximación finita. Más aún. en general. El empleo de computadores ha reducido enormemente la probabilidad de que este tipo de errores se produzcan. estamos interesados en estimar. tres son sus fuentes principales: 1.FACULTAD DE CIENCIAS Y TECNOLOGIA Otra fuente de este tipo de errores tiene su origen en la imprecisión de los datos físicos: constantes físicas y datos empíricos. Incluso en el caso en que un número pueda representarse exactamente. Resolución de una ecuación diferencial reemplazando las derivadas por una aproximación (diferencias finitas). Denominaremos a este error. la presencia de bugs no detectados en el compilador o en el software del sistema no es inusual.

Generalmente. Para estimar la magnitud de este error necesitamos dos definiciones básicas: Error absoluto de x: EA = x − x Error relativo de x: EA x − x ER = = x x (1) ( x ≠ 0) (2) En la práctica. esto es. podemos formalizar el concepto de error. se emplea la expresión: ER = EA x − x = x x ( x ≠ 0) (3) En general. sino sólo de una acotación de su valor. es tal que: ε r (d ) = X − X ≤ 1 *10− d 2 (8) Otra forma de obtener el número de cifras significativas es mediante truncamiento. al que denominaremos x(d).FACULTAD DE CIENCIAS Y TECNOLOGIA Ahora que disponemos de una idea correcta de qué es el error y de cual es su origen. no conocemos el valor de este error.2. en donde simplemente se eliminan los dígitos de orden inferior. tenemos que un numero se representará del siguiente modo: x = x ± EA(x) (6) (7) x = x(1 ± ER( x)) 1. Podemos decir que x ha sido adecuadamente redondeado a un número con d decimales. DÍGITOS SIGNIFICATIVOS Sea x un número real que.2. no conocemos el valor de una cierta magnitud y hemos de conformarnos con un valor aproximado x. ya que no es habitual disponer del valor exacto de la magnitud. en general. tal que: EA( x) ≤ ξA( x) o bien: (4) (5) ER( x) ≤ ξR( x) De acuerdo con este formalismo. un número ξ (x ) . tiene una representación decimal infinita. si el error de redondeo. El error cometido en este caso es: U N I V E R S I D A D D E 12 A Q U I N O B O L I V I A .

Solución: El error cometido... PROPAGACIÓN DE ERRORES Cuando se resuelve un problema matemático por métodos numéricos y aunque las operaciones se lleven a cabo exactamente. se puede calcular mediante: Sustituyendo valores.. Es importante tratar de conocer el efecto que sobre el resultado final del problema tiene cada una de las operaciones realizadas.FACULTAD DE CIENCIAS Y TECNOLOGIA ε r ( d ) = X − X ≤ 1 *10− d (9) Que en general. Para estudiar como se propaga en error. conduce a peores resultados que el método anterior. = = = = (10) (11) (12) (13) Cuando el problema consiste en calcular el resultado y = f (x) tenemos la siguiente fórmula aproximada de propagación del error: (14) En el caso más general. 1.3.x2.2.xn). veamos cual es el efecto que cada una de las operaciones básicas tiene sobre el error final cuando se aplican sobre dos números x1 ± EA( x1) y x 2 ± EA( x 2) . en que una función depende de más de una variable (x1. obtenemos: U N I V E R S I D A D D E 13 A Q U I N O B O L I V I A . la fórmula aproximada de propagación del error maximal es: y = f (15) Ejemplo 3: Determinar el error máximo cometido en el cálculo y = x1 x22 para X1 = 2 ± 0. obtenemos una aproximación numérica del resultado exacto.. de acuerdo con la ecuación (15)..1 y .

Primero. conduce al resultado: U N I V E R S I D A D D E 14 A Q U I N O B O L I V I A .FACULTAD DE CIENCIAS Y TECNOLOGIA Por lo que el resultado final se debe expresar como: Ejemplo 4: Sea el siguiente sistema de ecuaciones lineales: en donde producto xy ?. obtenemos el siguiente resultado: Una forma mucho más adecuada de resolver este problema consiste en sustituir en la expresión (16) los valores de b y d por sus correspondientes expresiones en función de a. b = 1 / a y d = b – a ¿Con qué exactitud podemos determinar el Solución: Primero resolveremos el sistema de ecuaciones por reducción: Ecuaciones que conducen a la siguiente expresión para el producto: (16) Resolveremos ahora el problema por dos métodos. . calcularemos el error asociado a cada una de las variables y los términos de la expresión anterior: Sustituyendo valores. obtenemos que el producto y el error asociado vienen dados por: Que. sustituyendo valores. Sustituyendo y operando.

5 ± 02 y X2 = 3 ± 0. de longitud y sección cuadrada de 2. la flexión s que ésta experimenta viene dada por la expresión: En donde E es una constante que depende sólo del material denominada módulo de Young. Si sobre el extremo libre aplicamos una fuerza F perpendicular a la barra. Supongamos una barra de hierro de longitud l y sección rectangular a x b fija por uno de sus extremos. Suponer que los datos vienen afectados por un error máximo correspondiente al de aproximar por truncamiento las cifras dadas. menor será el error cometido. Conociendo que una fuerza de 140 Kp aplicada sobre una barra de 125 cm. permitiendo que algunos errores se cancelen mutuamente. para X1 = 3 ± 02 y X2 = 4 ± 0. ¿Con qué exactitud es necesario medir el radio de una esfera para que su volumen sea conocido con un error relativo menor de 0. U N I V E R S I D A D D E 15 A Q U I N O B O L I V I A . 5.1 7. calcular el módulo de Young y el intervalo de error.1 6. Determinar el máximo error en el calculo y = X 1 * 5 X 4 . CUESTIONARIO Y APLICACIONES PRACTICAS 1.5 cm. En general.71 mm. Determinar el máximo error en el calculo y = Cos ( X 1 ) * 2 X 3 . 4. Definir error Que es un error absoluto ejemplificar Que es un error relativo ejemplificar Definir propagación de errores. 2. para X1 = 1. 3.FACULTAD DE CIENCIAS Y TECNOLOGIA Si ambos resultados son correctos ¿Por qué el error es mucho menor en el segundo caso que en el primero? La respuesta es simple: en el segundo caso hemos eliminado operaciones intermedias. cuanto menor sea el número de pasos intermedios que efectuemos para alcanzar la solución. produce una flexión de 1.01%? ¿Cuantos decimales es necesario emplear para el valor de ? 8.

Carrera de Ingeniería de Sistemas FECHA DE DIFUSIÓN: Septiembre 2009 FECHA DE ENTREGA: Septiembre 2009 U N I V E R S I D A D D E 16 A Q U I N O B O L I V I A . DE HOJAS: 5 ELABORO: ING. ROSMERY LUIZAGA SALINAS CÓDIGO: MAT 212 TITULO WORK PAPER: SISTEMA DE ECUACIONES DPTO: UDABOL – ORURO DESTINADO A: DOCENTE ALUMNOS x ADMINISTRATIVOS OTROS OBSERVACIONES: Cálculo Numérico.FACULTAD DE CIENCIAS Y TECNOLOGIA INGENIERIA DE SISTEMAS WORK PAPER # 2 PROGRAMA DE CONTROL DE CALIDAD Nro DE PROCEDIMIENTO: APRO 07 Nro.

FACULTAD DE CIENCIAS Y TECNOLOGIA WORK PAPER # 2 SISTEMA DE ECUACIONES 2. EJEMPLO DEL MÉTODO DE ELIMINACIÓN DE GAUSS Como ejemplo resolveremos el sistema La matriz aumentada es Para ir simplificando el sistema avanzaremos por la diagonal principal. En este caso se tiene U N I V E R S I D A D D E 17 A Q U I N O B O L I V I A .1. Primero localicemos en la primera columna el primer elemento que sea y lo llevaremos al primer renglón. Para lograr llevar el sistema a la forma triangular superior.2. se emplean las operaciones elementales. El ultimo paso se conoce como sustitución en reversa. MÉTODO DE ELIMINACIÓN DE GAUSS Este método consiste en expresar el sistema como una matriz aumentada de la forma La idea del método es llevar el sistema a la forma triangular superior y de allí despejar una variable a la vez partiendo de la última. 2. los elementos de la diagonal principal los denominaremos pivote.

9. Ahora nuevamente dividamos el renglón pivote entre el pivote Eliminado los elementos debajo del pivote tenemos U N I V E R S I D A D D E 18 A Q U I N O B O L I V I A .FACULTAD DE CIENCIAS Y TECNOLOGIA El pivote es 10. Obtenemos A continuación pasaremos a hacer 0 los elementos que están debajo del pivote. Este será ahora el renglón pivote. Tenemos El pivote vale 10. Después dividamos el renglón pivote entre el pivote. Busquemos el primer elemento que sea para que sea el pivote. Para ello sumaremos múltiplos apropiados del renglón pivote a cada renglón de tal forma que los elementos debajo del pivote sean 0. En este caso tenemos Avancemos por la diagonal principal al segundo renglón.

111. Llevando el elemento al renglón pivote El pivote es 9.FACULTAD DE CIENCIAS Y TECNOLOGIA Los pasos anteriores se repiten hasta que la matriz este en la forma triangular superior. Dividiendo entre el elemento pivote Haciendo 0 elementos abajo del elemento pivote Llevando el elemento al renglón pivote El pivote es 7. Dividiendo entre el elemento pivote Haciendo 0 elementos abajo del elemento pivote U N I V E R S I D A D D E 19 A Q U I N O B O L I V I A .541.

método de eliminación Gaussiana. APLICACIONES PRÁCTICAS. método de inversión de matrices y método de Gauss Seidel. resolver por el Método de eliminación. A continuación usamos la sustitución en reversa. 2. Sustituyendo en la ecuación de arriba x2=2. En función a lo avanzado en clase y al presente Work Paper.3. Finalmente sustituyendo en la primera ecuación x1=1.3X2 + 2X3 = 6 3X1 + X2 – 3X3 = 2 U N I V E R S I D A D D E 20 A Q U I N O B O L I V I A .FACULTAD DE CIENCIAS Y TECNOLOGIA Ya tenemos la matriz en la forma triangular superior. método de Gauss Jordan. La solución es x1=1 x2=2 x3=-1 x4=1. Sustituyendo en la ecuación de arriba x3=-1. los siguientes sistemas de ecuaciones: 1 Sistema de ecuaciones X1 – X2 + X3 = -4 5X1 – 4X2 + 3X3 = -12 2X1 + X2 + X3 = 11 2 Sistema de ecuaciones 2X1 + X2 –3X3 = 1 -X1 +3X2 + 2X3 = 12 3X1 + X2 – 3X3 = 2 3 Sistema de ecuaciones X1 + X2 – 5X3 = 2 X1 . Del ultimo renglón x4=1.

ROSMERY LUIZAGA SALINAS CÓDIGO: MAT 212 TITULO WORK PAPER: METODO DE DIFERENCIAS DIVIDIDAS DPTO: UDABOL – ORURO DESTINADO A: DOCENTE ALUMNOS x ADMINISTRATIVOS OTROS OBSERVACIONES: Cálculo Numérico. DE HOJAS: 4 ELABORO: ING.FACULTAD DE CIENCIAS Y TECNOLOGIA WORK PAPER # 3 PROGRAMA DE CONTROL DE CALIDAD Nro DE PROCEDIMIENTO: APRO 07 Nro. Carrera de Ingeniería de Sistemas FECHA DE DIFUSIÓN: Octubre 2010 FECHA DE ENTREGA: Octubre 2010 U N I V E R S I D A D D E 21 A Q U I N O B O L I V I A .

. f(xo).. x1. Para encontrar los valores de ao. Otro ejemplo será el de tres términos: f(x)=ao+a1x+a2x2 Este polinomio se emplea cuando se conocen 3 puntos y los respectivos valores de sus funciones. Otro ejemplo será el de cuatro términos: f(x)=ao+a1x+a2x2+a3x3 Este polinomio se emplea cuando se conocen 4 puntos y los respectivos valores de sus funciones es decir: xo. x4. f(x1)... uno de los polinomios de interpolación de Lagrange pueden tener diferentes números de términos. el de dos términos tiene la forma: f(x)=ao+a1x y se emplea cuando se conocen 2 puntos y los respectivos valores de sus funciones. a2.... . Los polinomios de interpolación de Diferencias divididas son polinomios que sirven para encontrar el valor de una función f(x) para un cierto valor de x. U N I V E R S I D A D D E 22 A Q U I N O B O L I V I A . x5. x2. a5. x1. f(x2). x2. f(x1). f(xo) y x1. x3. f(xo).. Por ejemplo. es decir: xo. f(x2). f(x1) y x2. a3.. desde dos términos.. y x3... Esto seguiría así sucesivamente: f(x)=ao+a1x+a2x2+a3x3+a4x4 (para 5 puntos conocidos) f(x)=ao+a1x+a2x2+a3x3+a4x4+a5x5 (para 6 puntos conocidos) f(x)=ao+a1x+a2x2+a3x3+a4x4+a5x5 +a6x6 (para 7 puntos conocidos) .. .. y se desea conocer con valor de la función f(x) para una x dada..…. f(x4). INTRODUCCION... f(xo).etc.1.. a1.FACULTAD DE CIENCIAS Y TECNOLOGIA WORK PAPER # 3 METODO DE DIFERENCIAS DIVIDIDAS 3... y se desea conocer más valores de la función f(x) para una x dada.. es decir: xo. f(x3)... a4. se emplean los valores conocidos de xo. f(x5)…. f(x1). y se desea conocer un valor de la función f(x) para una x dada. f(x2).. x1... según sea el caso... . f(x3).. etc. hasta n+1 términos.

5 113.-Diferencias Divididas 3.0 181.0 214.FACULTAD DE CIENCIAS Y TECNOLOGIA Tabla 1.0 Solución: xi 1 5 20 40 f(xi) 56. Se dispone de los siguientes datos en una tabla: i 0 1 2 3 Y se desea interpolar a x=2.2.5 U N I V E R S I D A D D E 23 A Q U I N O B O L I V I A . EJEMPLO DE APLICACIÓN.

I 0 1 2 3 4 5 XI 0 0.0 A una función de 2 atmósferas hay una temperatura de 71.FACULTAD DE CIENCIAS Y TECNOLOGIA Se calculan las primeras diferencias divididas Se calculan las segundas diferencias divididas Se calculan las terceras diferencias divididas Ahora se calcula a f(x) con x=2.5 2 2.5 F(XI) 1 2.94 5.6. 3. Interpole el valor de la función para x = 1.3.72 8. APLICACIONES PRÁCTICAS.91 3.6oC.5 1 1. a) Obtenga la aproximación polinomial de Diferencias Divididas con todos los puntos.69 U N I V E R S I D A D D E 24 A Q U I N O B O L I V I A .09 2.

9698 0.0 1.9801 0.9599 Obtenga los tres puntos de Chevishev. x = 0. N° X F(x) c) U N I V E R S I D A D D E 25 A Q U I N O B O L I V I A .35 .6 0.FACULTAD DE CIENCIAS Y TECNOLOGIA b) Determinar los polinomios de interpolación de Newton hacia atrás y adelante según lo avanzado en clase para x = 0.9987 0.02 1 2 3 4 5 6 0.8 1.72 .9865 0. en 3 < x < 5.4 0. escribiendo la formula de interpolación ajustada a ln (x) y encontrar el valor de y = ln (x) para x=3. x = 1.2 0.9752 0.8.2 0.

Durante el proceso de bisección se debe ir evaluando los signos. a diferencia del de biseccion y regla falsa. La determinación de las raíces de una ecuación es uno de los problemas más antiguos en matemáticas y se han realizado un gran número de esfuerzos en este sentido. METODO DE BISECCION. determinamos una aproximación mejor aplicando una determinada regla de cálculo y así sucesivamente hasta que se determine el valor de la raíz con el grado de aproximación deseado. como con todos los que se explican en esta pagina. etc. casi nunca falla ya que solo requiere de 2 puntos al principio. por lo que se debe tener en cuenta que no todas las ecuaciones tienen una sola solución. Estos métodos trabajan del siguiente modo: a partir de una primera aproximación al valor de la raíz.2.. Si f(x) es una función polinómica de grado 1 ó 2. INTRODUCCION.1. conocemos expresiones simples que nos permitirán determinar sus raíces. lo que se busca es determinar la raíz de una ecuación.FACULTAD DE CIENCIAS Y TECNOLOGIA DIF # 1/2010 METODOS NUMERICOS RAÍCES DE ECUACIONES 1.1. resolver sistemas de ecuaciones lineales y diferenciales. Para polinomios de grado 3 ó 4 es necesario emplear métodos complejos y laboriosos.1. su intersección con el eje de las X o su solución. valores propios de matrices. y que no todas tienen solución. y después el mismo método se va retroalimentando. U N I V E R S I D A D D E 26 A Q U I N O B O L I V I A . Lo que hace básicamente es ir tirando rectas secantes a la curva de la ecuación que se tiene originalmente. 2. Su importancia radica en que si podemos determinar las raíces de una ecuación también podemos determinar máximos y mínimos. METODO DE LA SECANTE. 2. La determinación de las soluciones de la ecuación puede llegar a ser un problema muy difícil.1.1. o sea. Procedimiento: Bisectar el intervalo (a. y va observando la intersección de esas rectas con el eje de las X para ver si es la raíz que se busca..b) en dos mitades b = a+c 2 El nuevo intervalo que contiene al raíz se bisecta de nuevo hasta que este intervalo este dentro de la tolerancia del error. La mayoría de los métodos utilizados para el cálculo de las raíces de una ecuación son iterativos y se basan en modelos de aproximaciones sucesivas. asi que se debe tener una idea de la forma de la curva de la ecuación antes de comenzar a aplicar el método. no hay ninguna fórmula conocida que permita determinar los ceros de la ecuación (excepto en casos muy particulares). METODOS DE RESOLUCIÓN. si f(x) es de grado mayor de cuatro o bien no es polinómica. Sin embargo.Este método. 2.Con este método.

2.1.4. METODO DE NEWTON. sin embargo la derivación se realiza hasta la segunda derivada de la función dada. por eso la derivada. las cuales se van como deslizando por la misma hasta que quedan prácticamente horizontales.1. que se detalla a continuación: X n +1 = Xn − f ( X n} * ( X n − X n −1 ) f ( X n ) − f ( X n +1 ) se aplicara una tabla que contendrá los siguientes elementos: Xn-1 Xn Xn+1 F(Xn-1) F(Xn) F(Xn+1) No es necesario evaluar los signos resultante . lo que se llama gravedad matemática. de la cual se obtiene la siguiente relación: U N I V E R S I D A D D E 27 A Q U I N O B O L I V I A . Procedimiento: El método de Newton se obtiene a partir del desarrollo de la Serie de Taylor. La obtención de la formula radica en la aplicación del Serie de Taylor hasta la segunda derivada. solo ir reemplazando los nuevos valores. Trabaja trazando líneas tangentes a la curva original. ya que casi nunca falla. de cuyo procedimiento se obtiene la siguiente relación: X n +1 = Xn − f (Xn) f '( X n ) posteriormente se va aplicando la formula con su derivada de la función f(Xn).Este método es el mas seguro de todos. pero por lo demás es muy fácil.3. Por lo demás es el mas confiable y el mas fácil de usar. la única dificultad que presenta es que se tiene que derivar la ecuación que se quiere encontrar la raíz. porque se sabe que una línea vertical no tiene pendiente ni recta tangente.FACULTAD DE CIENCIAS Y TECNOLOGIA Procedimiento: Se aplicara la formula desarrollada por la Serie de Taylor. METODO DE NEWTON DE 2° ORDEN Consiste en una aceleración del método de Newton de 1° orden. en la siguiente planilla tipo: Xn Xn+1 F (Xn) F’(Xn+1) 2. la única vez que puede fallar es que se quede "oscilando" encima de la raíz sin encontrarla nunca.

parte de dos puntos que rodean a la raíz f(x) = 0. dos puntos x0 y x1tales que f(x0)f(x1) < 0.1. se calcula como la intersección con el eje X de la recta que une ambos puntos (empleando en la ecuación del método de la secante). se toma aquel que cumpla f(x)f(x2) < 0. MÉTODO DE LA FALSA POSICIÓN. x2.Basado en la interpolación lineal. 2. Este método. es análogo al método de Bisección con la rapidez del método de la secante.5.f(x1)) si la función es convexa en el intervalo (figura a) o bien U N I V E R S I D A D D E 28 A Q U I N O B O L I V I A . La aproximación a la raíz se toma a partir del punto de intersección con el eje X de la recta que une los puntos ( x0. Por otra parte y respecto al método de la bisección. En la figura (1) se representa geométricamente este método.x2] y [x2.f(x0)/2) y (x1. [x0. como en el método de la bisección. mejora notablemente la elección del intervalo (ya que no se limita a partir el intervalo por la mitad). Figura 2: Modificación del método de la falsa posición propuesta por Hamming. La siguiente aproximación. Figura 1: Representación geométrica del método de la falsa posición. La elección guiada del intervalo representa una ventaja respecto al método de la secante ya que inhibe la posibilidad de una divergencia del método.x1]. es decir.FACULTAD DE CIENCIAS Y TECNOLOGIA 1 f ' ( Xn) 1 f ' ' ( Xn) =− + * ∆Xn f ( Xn) 2 f ' ( Xn) Consiguientemente se desarrollada aplicando una tabla conformada por los elementos descritos en la relación anterior de la cual el Xn obtenido se ira sumando a valor de Xn inicial. La asignación del nuevo intervalo de búsqueda se realiza como en el método de la bisección: entre ambos intervalos.

x=g(x). tendrá como límite la solución del problema. Esto da lugar a una sucesión de valores .f(x0)) y (x1. U N I V E R S I D A D D E 29 A Q U I N O B O L I V I A . Según este método. en los valores obtenidos. definida en la forma g(x)=f(x)+x. Para encontrar la solución.Dada la ecuación f(x) = 0. denominada método de Hamming o de la falsa posición modificada.f(x1)) si la función es convexa en el intervalo o bien a partir de la recta que une los puntos (x0. 2. Procedimiento: Se aplicara la formula desarrollada por la Serie de Taylor.f(x0)/2) y (x1. la aproximación a una raíz se encuentra a partir de la determinación del punto de intersección con el eje X de la recta que une los puntos ( x0. partimos de un valor inicial x0 y calculamos una nueva aproximación x1=g(x0). se ha propuesto una modificación del método. METODO DEL PUNTO FIJO. Figura: Interpretación geométrica del método de las aproximaciones sucesivas. que se detalla a continuación: X n +1 = Xn − f ( X n} * ( X n − X n−1 ) f ( X n ) − f ( X n +1) se aplicara una tabla que contendrá los siguientes elementos: Xn-1 Xn Xn+1 F(Xn-1) F(Xn) F(Xn+1) En la aplicación de este método es necesario evaluar los signos resultantes. uno de los extremos del intervalo tiende a no modificarse Para obviar este problema.6. el método de las aproximaciones sucesivas reemplaza esta ecuación por una equivalente. Sin embargo. una vez iniciado el proceso iterativo. para intercalar un positivo con un negativo. el método de la falsa posición tiene una convergencia muy lenta hacia la solución. que si converge. Reemplazamos el nuevo valor obtenido y repetimos el proceso.f(x0)) y (x1.FACULTAD DE CIENCIAS Y TECNOLOGIA a partir de la recta que une los puntos (x0.1. f(x1)/2) si la función es cóncava en el intervalo. Efectivamente. f(x1)/2) si la función es cóncava en el intervalo (figura b).

Partimos de un punto inicial x0 y calculamos y = g(x0). La intersección de esta solución con la recta y=x nos dará un nuevo valor x1 más próximo a la solución final. Un ejemplo de este caso se muestra en la figura (5). } U N I V E R S I D A D D E 30 A Q U I N O B O L I V I A . Es fácil comprobar que el método sólo podrá converger si la derivada g'(x) es menor en valor absoluto que la unidad (que es la pendiente de la recta definida por y=x). Para ello basta elegir la función g(x) del siguiente modo: de forma que tomando un valor de condición de la derivada. que a priori puede considerarse una severa restricción del método.FACULTAD DE CIENCIAS Y TECNOLOGIA En la figura se representa la interpretación geométrica del método. Sin embargo. puede obviarse fácilmente. Esta condición. adecuado. siempre podemos hacer que g(x) cumpla la Figura: Demostración gráfica de que el método de las aproximaciones sucesivas diverge si la derivada g'(x) > 1. el método puede divergir fácilmente.

se considera que el vector es una matriz de nx1. un vector de tamaño m.m MATRIZ IDENTIDAD.n Para el caso de una matriz A de mxn por un vector B de tamaño n. ... B: vector de términos independientes. U N I V E R S I D A D D E 31 A Q U I N O B O L I V I A .. La matriz identidad I se define como aquella matriz cuadrada en la cual.. 2.1. i=1. el producto de matrices se define como . Para calcular el producto de las mismas.. 2.. la diagonal principal esta formada por 1's y el resto por 0's.m. j=1.. i=1. es decir.. X: vector solución. entonces se obtiene una matriz C de m x n.. PRODUCTO DE MATRICES Consideremos 2 matrices A y B...2. Se tiene.3. la matriz B de k x n. Al multiplicarlos se obtiene una matriz C de mx1. si la matriz A es de orden m x k. INTRODUCCIÓN Un sistema de ecuaciones lineales es de la forma: ó en forma mas compacta: A*X=B donde A: matriz de coeficientes..FACULTAD DE CIENCIAS Y TECNOLOGIA DIF # 2/2010 METODOS NUMERICOS SISTEMA DE ECUACIONES 2.

MATIZ INVERSA. Multiplicando por la matiz inversa ambos lados se tiene A-1 AX=A-1 B de donde IX=A-1 B y finalmente X=A-1 B.5. Los restantes no todos son 0. La matriz A se convierte en I. es decir.1.FACULTAD DE CIENCIAS Y TECNOLOGIA 2. |A|I|. Dado que no esta definida la división de matrices se usa la matriz inversa A-1. La matriz inversa A-1 se define como aquella matriz que A A-1 = I. Para hallar la matriz inversa se puede utilizar el siguiente procedimiento.6. 2. 2. Ejemplo del Método de Inversión de Matrices Nuevamente resolveremos el sistema de los ejemplos anteriores. 3.4. Consiste en expresar el sistema como una ecuación matricial de la forma AX=B y despejar el vector X. las operaciones que se le hagan a la matriz A. La matriz inicial junto a la matriz identidad es U N I V E R S I D A D D E 32 A Q U I N O B O L I V I A . El problema se reduce a hallar la matriz inversa para multiplicarla por el vector B y así hallar X. Primero procedamos a hallar la matriz inversa. . MATRIZ TRIANGULAR SUPERIOR. Este método es mas teórico. Se dice que una matriz esta en la forma triangular superior si todos los elementos debajo de la diagonal principal son 0. 2. Se aplica la eliminación de Gauss Jordán a la matriz A. Se coloca la matriz A junto a una matriz identidad I del mismo tamaño.6. Una matriz es inversible si 2. también se le aplican a I . INVERSIÓN DE MATRICES . Se puede demostrar que matriz I se convierte en A-1 . 1. Una vez hallada A-1 se procede a multiplicarla por B.

El pivote es 10. Dividiendo entre el pivote el renglón pivote Haciendo 0 elementos arriba y abajo del pivote Pasamos al segundo renglón.FACULTAD DE CIENCIAS Y TECNOLOGIA Comenzamos en el primer renglón. primera columna. segunda columna. En este caso obtenemos. Buscamos el elemento que no sea 0. Llevando el elemento tenemos al renglón pivote Haciendo 0 elementos arriba y abajo del elemento pivote U N I V E R S I D A D D E 33 A Q U I N O B O L I V I A .

tercera columna.541.FACULTAD DE CIENCIAS Y TECNOLOGIA Pasamos al tercer renglón. cuarta columna. Llevando el elemento al renglón pivote El pivote es 7. Dividiendo entre el elemento pivote Haciendo 0 elementos arriba y abajo del elemento pivote U N I V E R S I D A D D E 34 A Q U I N O B O L I V I A .111. Dividiendo entre el elemento pivote Haciendo 0 elementos arriba y abajo del elemento pivote Pasemos al ultimo renglón. Llevando el elemento al renglón pivote El pivote es 9.

la solución es Por lo tanto las raíces del sistema de ecuaciones son: X1= 1 X2=2 X3=-1 X4=1 U N I V E R S I D A D D E 35 A Q U I N O B O L I V I A .FACULTAD DE CIENCIAS Y TECNOLOGIA La matriz inversa es Multiplicando la inversa por el vector B.

1.FACULTAD DE CIENCIAS Y TECNOLOGIA DIF # 4 METODOS NUMERICOS INTEGRACION NUMERICA 3.e. Definimos el largo de los subintervalos por: El j-esimo subintervalo esta dado por [xj-1. MÉTODO DEL TRAPEZOIDE: Sea p1(x) el polinomio lineal que interpola a f(x) en x=a y x=b. Si los subintervalos son suficientemente pequeños.xj] donde U N I V E R S I D A D D E 36 A Q U I N O B O L I V I A . Examinamos los primeros dos casos de este método donde se usan polinomios de interpolación lineales y cuadráticos. i.b] en subintervalos más pequeños y aplicamos la fórmula anterior en cada subintervalo. Este procedimiento se conoce como las reglas de Cuadratura de Newton. MÉTODOS DEL TRAPEZOIDE Y SIMPSON En este DIF comenzamos el estudio de métodos numéricos para el cálculo numérico de integrales de la forma Un método común para aproximar I(f) es reemplazando f(x) con un polinomio de interpolación.. En el caso general. entonces f es aproximadamente lineal en cada subintervalo y la aproximación es buena. Por el momento basta observar que la aproximación es buena siempre que f sea aproximadamente lineal. dividimos el intervalo [a. Usando la fórmula para el área de un trapezoide o integrando p1(x) directamente se obtiene que Asi que podemos escribir la aproximación: (*) Más adelante analizamos en detalles el error en esta aproximación.

99963 3.81467e-006 -9. x0=1.00387663 -0.FACULTAD DE CIENCIAS Y TECNOLOGIA Podemos escribir ahora que: Usando la aproximación (*) podemos escribir Sin embargo por aspectos de bibliografía y conceptualizaciones realizadas en clase de la formula extendida del trapecio será: I= n −1 h  fo + 2∑ f ( x) + fn   2 i =1  Ejemplo 1: Usando la regla del trapezoide con n=2 y n=4 aproximamos: cuyo valor exacto es correcto al número de cifras mostradas.697024 0.5. x0=1.000244022 -0.99854 3. x1=1.5. de modo que Los resultados fueron como sigue: n 2 4 8 16 32 64 128 256 512 U N I V E R S Tn(f) 0. Para n=2 tenemos que h=(2-1)/2=0.97738 3.25.693208 0.0000152583 -3.99999 B O L I V I A .693148 0. x3=1.99419 3.5.693147 I D A D en=I(f).0151862 -0. x2=2.693151 0.693391 0.694122 0.99991 3.91736 3. x2=1.53672e-007 -2. x2=2.708333 0. Ahora Con n=4 tenemos h=(2-1)/4=0.38418e-007 D E 37 A Q U I N O en/ e2n ----3.75.Tn(f) -0.0000610277 -0.00097467 -0.99998 3. x1=1.25.693162 0.

Sea p2(x) el polinomio de grado (a lo más) dos que interpola a f(x) en x=a.96046e-008 4.693147 -5.FACULTAD DE CIENCIAS Y TECNOLOGIA 1024 REGLA DE SIMPSON 0. Este polinomio se puede escribir como: Tenemos ahora que Pero con h=(b-a)/2 y u=x-a tenemos que En forma similar se obtiene que Tenemos pues que (**) Argumentando en forma similar a en método del trapezoide. x=(a+b)/2.00000 Utilizamos ahora un polinomio de interpolación cuadrático. x=b. tenemos que si n es un entero par (¿por qué?) entonces Usando la fórmula (**) podemos aproximar Ahora U N I V E R S I D A D D E 38 A Q U I N O B O L I V I A .

U N I V E R S I D A D D E 39 A Q U I N O B O L I V I A .FACULTAD DE CIENCIAS Y TECNOLOGIA Esta fórmula se conoce como la regla (compuesta) de Simpson para aproximar a I(f).

Sign up to vote on this title
UsefulNot useful