METODOS NUMERICOS

100401_13

PRESENTADO A:

TUTOR: JOSE ADEL BARRERA

ELABORADO POR:

ESTHEFANY TATIANA CARDOZO CÓDIGO: 1052381775

KAREN LIZETH PEREZ RODRIGUEZ CÓDIGO: 1057582871

JOSÉ RICARDO ARCHILA DUEÑAS CÓDIGO 74362743

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

2015
SOLUCION AL PROBLEMA:

1. Regla de Simpson.

( )

( )

( )

( )

( )

( )
 ( )

( )

( ( ) ( ) ( ) ( ) ( ) ( ) ( ))

Regla de trapecio

La fórmula general es:

∫ ( ) [ ( ) ( ) ( ) ( ) ( )]

( )

( )

( )

( )

( )

( )

( )

ǀ=∫ ( ) [ ( ) ( ) ( ) ( ) ( ) ( ) ( )]
( ( ) ( ) ( ) ( ) ( ) ( ) ( ))

( ( ) ( ) ( ) ( ) ( ) ( )

( ))

( ( ) ( ) ( ) ( ) ( ) ( )

( ))

( )

∫
 METODOS ITERATIVOS:
Estos métodos incluyen fórmulas que tienen la propiedad de producir un resultado más
cercano a la respuesta a partir de un valor estimado previo. El resultado obtenido se puede
usar nuevamente como valor previo y continuar mejorando la respuesta. Los métodos
iterativos se acercan a la respuesta mediante aproximaciones sucesivas. Para usar estos
métodos deben considerarse algunos aspectos tales como la elección del valor inicial, la
propiedad de convergencia de la fórmula y el criterio para terminar las iteraciones. Estos
métodos son auto-correctivos. La precisión de la respuesta está dada por la distancia entre
el último valor calculado y la respuesta esperada

Método iterativo estacionario Métodos de los gradientes conjugados

Un método iterativo estacionario es un
esquema iterativo que genera una sucesión
de vectores {x 0. x 1, . . . , x k} a partir de
una expresión de la forma x k+1 = Gxk + h,
(1) donde G y h son una matriz y un vector
constantes que no dependen de la iteración
k. La sucesión de vectores generados a
partir de la fórmula anterior debería
converger a la única solución del sistema de
ecuaciones planteado. Es decir, l´ım k→∞ x
k = x ∗. Para ello, se estudia la consistencia
y la convergencia en las siguientes
secciones.
De hecho, es uno de los llamados métodos
de Krylov. Estos métodos son métodos que
en cada iteración k calculan una
aproximación x k que minimiza una cierta
medida del error en el espacio x 0 + Kk,
donde Kk ⊂ R n es el llamado k-esimo
espacio de Krylov. Si no se llega a
convergencia antes de la iteración n, el n-
ésimo espacio de Krylov es Kn = R n y la
minimización sobre Kn proporciona la
solución x ∗. Los métodos de Krylov se
pueden considerar métodos directos, ya que
encuentran la solución x ∗ del sistema lineal
como mucho en n iteraciones. Sin embargo,
para sistemas lineales con un gran número
de ecuaciones, se utilizan como métodos
iterativos. El más popular de los métodos de
Krylov es el método de los gradientes
conjugados. Aunque se puede hacer una
deducción del método de los gradientes
conjugados como un método de Krylov, aquí
se va a hacer una deducción más sencilla
motivada por el método del máximo
descenso. El método de los gradientes
conjugados se basa en la minimización de
una cierta función φ. En la siguiente sección
se comprueba la equivalencia del problema
Ax = b con la minimización de la función φ.
A continuación, se presenta el método del
máximo descenso. Finalmente, el método de
 los gradientes conjugados se plantea como
una mejora de este método
Ventajas y Desventajas:
Un elemento en contra que tienen los métodos iterativos sobre los métodos directos es que
calculan aproximaciones a la solución. Los métodos iterativos se usan cuando no se conoce
un método para obtener la solución en forma exacta. También se utilizan cuando el método
para determinar la solución exacta requiere mucho tiempo de cálculo, cuando una respuesta
aproximada es adecuada, y cuando el número de iteraciones es relativamente reducido.
Convergencia
Dado que estos métodos forman una base, el método converge en N iteraciones, donde N es
el tamaño del sistema. Sin embargo, en la presencia de errores de redondeo esta afirmación
no se sostiene; además, en la práctica N puede ser muy grande, y el proceso iterativo
alcanza una precisión suficiente mucho antes. El análisis de estos métodos es difícil,
dependiendo de lo complicada que sea la función del espectro del operador.
3- Realizar aportes que permitan aplicar o el método de Runge-Kutta de orden cuatro
para obtener la aproximación y(0,2) a la solución del siguiente problema de valor
inicial, con h=0,3

y"=2+2y+3x3

( )

( ) ∗

( )( )
( )

( ) ∗

( ) ( )

( ) ( ) ( )

( ) ( ) ( )

( ) ( ) ( )

( ) ( )

( ) ( ( ) ( ) )

( ) ( )
 CONCLUSIONES

 La integración con métodos numéricos es una herramienta útil cuando se trata de

integrar una función muy complicada o datos tabulados.

 Con el método de Simpson se puede aproximar una integral compleja a la integral

de un polinomio.

 Con el método de Simpson se logra convertir matemáticas superiores en aritméticas

básicas.

 Tener en cuenta que para resolver cada problema de los métodos numéricos es

necesario tener orden porque la cantidad de datos son demasiados, también se

necesita tener los programas para resolver cada método.

 Estos métodos numéricos nos dan una introducción a los medos numéricos más

complicados.

 Los métodos numéricos son técnicas, donde es posible resolver los problemas por

medio de operaciones aritméticas, estos métodos implementan un buen número de

cálculos.
 BIBLIOGRAFÍA

 http://datateca.unad.edu.co/contenidos/100401/Guia_Integradora_metodos_numeric

os_FINAL.pdf.

 http://66.165.175.211/campus13_20142/mod/lesson/view.php?id=210

 http://66.165.175.211/campus13_20142/mod/lesson/view.php?id=210&pageid=6.

 http://66.165.175.211/campus13_20142/mod/lesson/view.php?id=210&pageid=7.