Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INGENIERÍA COMERCIAL
MÉTODOS NUMÉRICOS
Docente
La Paz - Bolivia
2020
Índice general
i
METODOS NUMERICOS
3.2.1. Practica: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3. Integración de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3.1. Practica: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.4. Integracion de Orden Superior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.4.1. Practica: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.5. Integración Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.6. Formula de Stirling - Derivacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.7. Integracion - Derivacion Montecarlo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
ii
CAPÍTULO 1
1.1. Introducción:
La resolución de problemas de Ingeniería está asociada, por lo general, a resultados numéricos puesto que se
requieren respuestas prácticas. Muchos de estos problemas sólo se pueden resolver de forma aproximada, por ello
es importante el estudio de una rama de las Matemáticas denominada Análisis Numérico, esta rama involucra
el estudio de Métodos Numéricos. Su desarrollo estuvo y está notablemente influenciado y determinado por las
computadoras digitales que permiten realizar los cálculos de manera veloz, confiable y flexible.
Se pueden definir a los métodos numéricos como las técnicas mediante las cuales es posible formular problemas
de manera que puedan resolverse utilizando operaciones aritméticas, ó también como el grupo de conocimientos
matemáticos relacionados con el diseño y análisis de algoritmos necesarios para resolver problemas de ciencia e
ingeniería. Estos métodos se caracterizan porque: permiten dar más importancia a la formulación e interpretación
de la solución, los cálculos involucrados están relacionados con cantidades discretas, permiten obtener resultados
aproximados y ayudan a identificar, cuantificar y minimizar los errores.
Existen varios motivos por los cuales deben estudiarse estos métodos:
1. Son herramientas poderosas para la solución de problemas. Permiten manejar sistemas de ecuaciones grandes,
no linealidades y geometrías complicadas.
1
METODOS NUMERICOS
1. Conceptualización: En la primera se debe caracterizar el contexto del problema real, definir claramente el
propósito y los límites del modelo, identificar y establecer relaciones entre las variables.
2. Formulación: Determinar las ecuaciones asociadas al modelo y seleccionar y estimar los parámetros del
modelo.
2
METODOS NUMERICOS
El objetivo del modelo es aplicarlo para obtener alguna información del problema o fenómeno que se estudia.
Frecuentemente sufre modificaciones y a veces es descartado y aunque contenga errores, puede poner en evidencia
componentes esenciales de una realidad compleja.
¿Como se clasifican los modelos matemáticos?
Los modelos matemáticos pueden clasificarse en función del tratamiento de la incertidumbre; del origen de la
información; de su campo de aplicación, etc.
a) En función del tratamiento de la incertidumbre.
Determinístico: Se conoce de manera puntual la forma del resultado ya que no hay incertidumbre. Además, los
datos utilizados para alimentar el modelo son completamente conocidos y determinados.
Estocástico: Probabilístico, no se conoce el resultado esperado, sino su probabilidad y existe por lo tanto incerti-
dumbre.
b) En función del origen de la información utilizada para construirlos.
Modelos heurísticos: Del griego euriskein, hallar, inventar. Son los que están basados en las explicaciones sobre
las causas o mecanismos naturales que dan lugar al fenómeno estudiado.
Modelos empíricos: Del griego empeiricos (experiencia, experimento) Son los que utilizan las observaciones
directas o los resultados de experimentos del fenómeno estudiado.
c) En función de su campo de aplicación
Modelos conceptuales: Son los que reproducen mediante fórmulas y algoritmos matemáticos más o menos
complejos los procesos físicos que se producen en la naturaleza.
Modelo matemático de optimización: Los modelos matemáticos de optimización son ampliamente utilizados
en diversas ramas de la ingeniería para resolver problemas que por su naturaleza son indeterminados, es decir
presentan más de una solución posible.
d) En función del factor tiempo
Modelos estáticos: Son independientes del tiempo, consideran situaciones estacionarias.
Modelos dinámicos: Son los que describen el comportamiento del sistema en estudio en función del tiempo.
3
METODOS NUMERICOS
También la expresión 1000 cm es confusa y para mantener el criterio de cifras significativas se utiliza la notación
científica 1,0 × 103 .
1. Algoritmo estable: Un error pequeño en los datos de perdida produce errores pequeños en los resultados
finales.
El error de algoritmo se presenta así al codificar el modelo matemático en algún lenguaje de programación, por
ejemplo en el momento de codificar se puede cometer el error de programar las cifras significativas a utilizar.
2 x4 x6 x8
ex = 1 + x2 + + + + ···
2! 3! 4!
pero
2 x4 x6 x8
ex ≈ 1 + x2 + + +
2! 3! 4!
x10
así el error de truncamiento que se comete es de R5 = 5! + ···
4
METODOS NUMERICOS
2. Exactitud: Se refiere a la aproximación de un número o de una medida al valor verdadero que se supone
representa.
1.7. Practica:
1. Ejemplifique el proceso de generación de un modelo matemático, a partir de un fenómeno o problema del mundo
real. Detalle los aspectos involucrados en la conceptualización y la formulación del mismo.
2. Responda verdadero o falso:
a) Un algoritmo debe ser finito y preciso
b) Los métodos numéricos son aquellos en los que se re formula un problema matemático para que pueda
resolverse mediante operaciones aritméticas.
c) Un modelo matemático nunca puede ser modificado.
3. Enuncie las características relevantes del Métodos Numérico e indique por lo menos cinco problemas matemáticos
que surgen en Ingeniería y pueden resolverse por Métodos Numéricos.
4. Suponga que debe cuantificar la cantidad de β−caroteno en lechuga y experimentalmente se determino que el
valor es 0,042 mg por 100 g. Si el valor verdadero es 0,048 mg por 100 g, indique el error absoluto y el error relativo
porcentual.
5
METODOS NUMERICOS
5. Estime el valor de e0,5 utilizando la expansión en serie de Taylor, calculando los errores absolutos y relativos
porcentuales. (considere que el valor exacto de e0,5 es 1,648721271) para tres cifras significativas.
6. En la tabla que sigue se muestran las velocidades de formación del compuesto C, mediante una reacción enzi-
mática, a partir de los reactivos A y B. Se indican las velocidades de formación con 3, 4, 5 y 6 cifras significativas.
Calcule los errores relativos porcentuales para un tiempo t = 12s, considerando que el valor real con 10 cifras
significativas es 4984,921508 µg por s.
6
CAPÍTULO 2
7
METODOS NUMERICOS
8
CAPÍTULO 3
Definición. (2) Sea f : [a, b] → R una funcion acotada y P ∈ P [a, b] una particion con P = {a = x0 , x1 , ..., xn = b}.
Sean
se denominan respectivamente, suma inferior y suma superior de Riemann de la funcion f respecto a la particion
P a las siguientes sumas
n
P n
P
L(f, P ) = mk (xk , xk−1 ) U (f, P ) = Mk (xk , xk−1 )
k=1 k=1
Por las propiedades del supremo y el infimo se observa que L(f, P ) ≤ U (f, P ).
Definición. (3) Sean P, Q ∈ P [a, b]. Se dice que la particion Q refina a la particion P si P ⊂ Q, y se lo denota
por P Q, Entonces
9
METODOS NUMERICOS
Teorema. (1) Sean P, Q ∈ P [a, b] con P Q, entonces L(f, P ) ≤ L(f, Q) y U (f, Q) ≤ U (f, P )
Demostración. Sin perdida de generalidad supongamos que P = {x0 , ..., xn } y Q = {x0 , ..., xi−1 , p, xi , ..., xn }, asi
la particion Q refina a la particion P (P ⊂ Q), por tanto
es decir |xi − xi−1 | ≤ |p − xi−1 | + |xi − p|, por tanto mi (xi − xi−1 ) ≤ m0p (xp − xi−1 ) + m0i (xi − xi−1 )
de donde
n
X i−1
X n
X
L(f, P ) = mk (xk , xk−1 ) ≤ mk (xk , xk−1 ) + m0p (xp − xi−1 ) + m0i (xi − xi−1 )+ mk (xk , xk−1 )
k=1 k=1 k=i+1
| {z }
L(f,Q)
asi se tiene que L(f, P ) ≤ L(f, Q) de forma similar se verifica que U (f, Q) ≤ U (f, P )
Demostración. Como mi ≤ Mi para todo i = 0, 1, ..., n y por el anterior teorema se tiene que L(f, P ) ≤ U (f, Q)
Corolario. (1)
Demostración. Para el inciso a) por el teorema (2) L(f, P ) ≤ U (f, Q) para cualquier particion P ∈ P [a, b] entonces
el conjunto {L(f, P ) : P ∈ P [a, b]} esta acotado superiormente.
Para el inciso b) por el teorema (2) L(f, P ) ≤ U (f, Q) para cualquier particion Q ∈ P [a, b] entonces el conjunto
{U (f, P ) : P ∈ P [a, b]} esta acotado inferiormente.
Definición. (4)
a) Se denomina integral inferior de Reimann al supremo del conjunto de las sumas inferiores, y lo denotamos
Rb
por a f (x)dx.
b) Se denomina integral superior de Reimann al infimo del conjunto de las sumas superiores, y lo denotamos
Rb
por a f (x)dx.
Rb Rb
Ejercicio. Verificar que a f (x)dx ≤ a f (x)dx.
Solucion: Por el corolario (1) el conjunto {L(f, P ) : P ∈ P [a, b]} esta acotado superiormente y el conjunto {U (f, Q) :
Q ∈ P [a, b]} esta acotado inferiormente y por el teorema (2) L(f, P ) ≤ U (f, Q) para todo P, Q ∈ P [a, b] por tanto
Rb Rb
a
f (x)dx ≤ a f (x)dx.
Definición. (5) Sea f : [a, b] → R una funcion acotada. Se dice que la funcion f es integrable segun Reimann en
Rb Rb
[a, b], si a f (x)dx = a f (x)dx, y a este valor numerico se lo denomina como la integral de Reimann o Integral
Rb
Rectangular en el intervalo [a, b] y lo denotamos por a f (x)dx.
10
METODOS NUMERICOS
3.1.1. Practica:
Segun la integral de Reimann o la Integral Rectangular calcular:
R1 1 1
1. 0 (1 − x) 2 x− 2 dx
R1
2. 0 lnx
√ dx
R π2 x 5
3. 0 sen tcos3 tdt
4. Hallar el volumen de la interseccion de los cilindros x2 + y 2 = r2 y y 2 + z 2 = r2
b−a
1. Sea f : [a, b] → R continua y tomemos la particion xi = x0 + i n para i = 0, 1, 2, ..., n de igual amplitud
en el intervalo [a, b]
Rb
2. Se aproxima f (x) mediante la serie de Taylor y se integra para obtener la aproximacion de a
f (x)dx.
e integrando se tiene
Z b Z b Z 1
f (x)dx ∼
= p1 (x)dx =
|{z} p1 (x0 + sh)hds
a a 0
x=x0 +s(b − a)
| {z }
h
asi
R1 R1
p1 (x0 + sh)hds ∼
= [f (x0 ) + s∇f (x0 )] hds
0 0
R1
= h 0 [f (x0 ) + s∇f (x0 )] ds
h 2
i
= h sf (x0 ) + s2 4f (x0 ) |10
h i
= h f (x0 ) + 4f2(x0 )
Rb
pero como 4f (x0 ) = f (x0 + h) − f (x0 ), entonces a
f (x)dx ∼
= h
2 (f (x0 ) + f (x1 )) donde h = b − a y x0 = a, x1 = b.
R π
Ejemplo. Calcular la integral 2
0 senxdx por el metodo trapezoidal con una particion y con una particion de
cuatro intervalos iquitativos
π π
2 −0
senxdx ∼ sen(0) + sen( π2 ) = π
R
Solucion: Para una particion 2
0 = 2 4
π
2 −0
Para cuatro particiones, el intervalo [0, π2 ] segun la relacion xi = x0 + i 4 para i = 0, 1, 2, 3, 4 se divide en los
π
siguientes intervalos equivalentes [0, 8 ], [ π8 , π4 ], [ π4 , 3π
8 ] y [ 3π π
8 , 2 ], asi por el metodo trapezoidal se tiene
11
METODOS NUMERICOS
R π R π R π R 3π R π
0
2
senxdx = 8
0
senxdx + π
4
senxdx + π
8
senxdx + 2
3π senxdx
8 4 8
3.2.1. Practica:
R3
1. Use el metodo trapezoidal para aproximar 0
(x − 3)5 dx con uma particion P = {0, 1, 3} y determine el error
absoluto.
R1 1
2. Use el metodo trapezoidal para aproximar 0 x2 +1
dx con una particion P = {0, 14 , 12 , 1} y compare con el valor
exacto.
x2
3. Use el metodo trapezoidal para aproximar el area de la region R, limitado por las curvas y = 2 − 2x + 1,
x
y= 3 + 1 y y = −x + 5, tambien determine el error absoluto.
x x
a
e a + e− a
4. Use el metodo trapezoidal para aproximar la longitud del arco de la catenaria y = 2 desde x = 0
hata x = a y determinar el error absoluto que existe.
x0 = x0 + 0 b−a
2 = x0 = a
x1 = x0 + 1 b−a = a + b−a a+b
2 2 = 2
x2 = x0 + 2 b−a
2 =a+b−a=b
y la funcion f (x) se aproxima mediante un polinomio de segundo grado p2 (x) (f (x) ∼
= p2 (x)) en el polinomio de
b−a
segundo grado se realiza el cambio de variable x = x0 + sh donde h = x1 − x0 = x2 − x1 = 2 , es decir
∼ s(s − 1) 2
p2 (x) |{z}
= p2 (x0 + sh) = f (x0 ) + s4f (x0 ) + 4 f (x0 )
|{z} 2!
x=x0 +sh Serie de T aylor
R2 R2
0
p2 (x0 + sh)dx = p (x + sh)dx
0 2 0
R2h i
∼ f (x0 ) + s4f (x0 ) + s(s−1) 2
= 0 2! 4 f (x0 ) hds
h 2 3 2
i
= h sf (x0 ) + s2 4f (x0 ) + s3! 42 f (x0 ) − s4 42 f (x0 ) |20
h 2f (x0 ) + 24f (x0 ) + 31 42 f (x0 )
=
pero
12
METODOS NUMERICOS
asi
Rb
∼ h 2f (x0 ) + 24f (x0 ) + 13 42 f (x0 )
a
f (x)dx =
h 2f (x0 ) + 2 (f (x1 ) − f (x0 )) + 31 (f (x2 ) − 2f (x1 ) + f (x0 ))
=
h 2f (x0 ) + 2f (x1 ) − 2f (x0 ) + 31 f (x2 ) − 32 f (x1 ) + 13 f (x0 )
=
h
= 3 [f (x0 ) + 4f (x1 ) + f (x2 )]
Rb
por tanto a
f (x)dx ∼
= h
3 y x0 = a, x1 = a+b
[f (x0 ) + 4f (x1 ) + f (x2 )] donde h = 2 y x2 = b
b−a
2
R4
Ejemplo. Mediante el metodo de Simpson aproxime la integral −1 x4 − 2x2 + x + 10 dx
3.3.1. Practica:
1. Mediante el metodo de Simpson, aproxime el area bajo la curva de la siguiente funcion dada en forma tabular,
entre x = −1 y x = 4
Puntos 0 1 2 3 4 5
x -1 0 1 2 3 4
f (x) 8 10 10 20 76 238
y determinar el error absoluto si f (x) = x4 − 2x2 + x + 10
Rb Rb
2. Aproximar a f (x)dx ∼= a p3 (x)dx y hallar una formula general, donde p3 (x) es el polinomio de grado ≤ 3 que
pasa por los puntos (xi , f (xi )) para i = 0, 1, 2, 3 donde la particion xi son equidistantes en [a, b] y x0 = a, x3 = b.
13
METODOS NUMERICOS
p3 (x) =
|{z} p3 (x0 + sh)
x=x0 +sh
∼ s(s−1) 2 s(s−1)(s−2) 3
=
|{z} f (x0 ) + s4f (x0 ) + 2! 4 f (x0 ) + 3! 4 f (x0 )
Serie de T aylor
finalmente integrando
Z b Z b Z 3
f (x)dx ∼
= p3 (x)dx |{z}
= p3 (x0 + sh)dx
a a 0
x=x0 +sh
x−x0 a−a b−a 3h
donde s = h por tanto s = h =0ys= h = h = 3 tambien dx = hds
de donde
R3 R3
p (x + sh)dx
0 3 0
= p (x + sh)hds
0 3 0
R3h i
∼
= f (x 0 ) + s4f (x 0 ) + s(s−1) 2
4 f (x 0 ) + s(s−1)(s−2) 3
4 f (x 0 ) hds
0 2! 3!
h i
R3 R3 42 f (x0 ) R 3 43 f (x0 ) R 3
h f (x0 ) 0 ds + 4f (x0 ) 0 sds + 2! 0
s(s − 1)ds + 3! 0
s(s − 1)(s − 2)ds
h 2
3 2
4 3 2
i
= h sf (x0 ) + s2 4f (x0 ) + s6 − s4 42 f (x0 ) + 24 s
− s6 + s6 43 f (x0 ) |30
h 3f (x0 ) + 29 4f (x0 ) + 94 42 f (x0 ) − 81 43 f (x0 )
=
pero
finalmente
Rb
∼ h 3f (x0 ) + 92 4f (x0 ) + 94 42 f (x0 ) − 81 43 f (x0 )
a
f (x)dx =
h 3f (x0 ) + 92 (f (x1 ) − f (x0 )) + 49 (f (x2 ) − 2f (x1 ) + f (x0 ))
=
− 81 (f (x3 ) − 3f (x2 ) + 3f (x1 ) − f (x0 ))
h
= 8 [7f (x0 ) − 3f (x1 ) + 21f (x2 ) − f (x3 )]
asi en resumen se tiene
Z b
h
f (x)dx ∼
= [7f (x0 ) − 3f (x1 ) + 21f (x2 ) − f (x3 )]
a 8
b−a 2a+b
para h = 3 , x0 = a, x1 = x2 = a+2b
3 , 3 y x3 = b
Para un polinomio de grado 4: (f (x) = ∼ p4 (x))
El intervalo [a, b] segun la relacion xi = x0 + i b−a
n para i = 0, 1, 2, ..., n se particiona en cuatro intervalos de igual
longitud, es decir n = 4 asi i = 0, 1, 2, 3, 4
b−a
x0 = x0 + 0 4 = x0 = a
b−a b−a 3a+b
x1 = x0 + 1 4 =a+ 4 = 4
b−a b−a a+b
x2 = x0 + 2 4 =a+ 2 = 2
b−a 3b−3a a+3b
x3 = x0 + 3 4 =a+ 4 = 4
b−a
x4 = x0 + 4 4 =a+b−a=b
14
METODOS NUMERICOS
p4 (x) =
|{z} p4 (x0 + sh)
x=x0 +sh
∼ s(s−1) 2 s(s−1)(s−2) 3 s(s−1)(s−2)(s−3) 4
=
|{z} f (x0 ) + s4f (x0 ) + 2! 4 f (x0 ) + 3! 4 f (x0 ) + 4! 4 f (x0 )
Serie de T aylor
R4 R4
0
p4 (x0 + sh)hds = p (x + sh)hds
0 4 0
R4h i
∼
= f (x 0 ) + s4f (x 0 ) + s(s−1) 2
4 f (x 0 ) + s(s−1)(s−2) 3
4 f (x 0 ) + s(s−1)(s−2)(s−3) 4
4 f (x0 ) hds
0 2! 3! 4!
h R4 R4 42 f (x0 ) R 4 43 f (x0 ) R 4
h f (x0 ) 0 ds + 4f (x0 ) 0 sds + s(s − 1)ds + s(s − 1)(s − 2)ds
4
i 2! 0 3! 0
4 f (x0 ) R 4
s(s − 1)(s − 2)(s − 3)ds
h 4! 0
2
3 2
4 3 2
= h sf (x0 ) + s2 4f (x0 ) + s6 − s4 42 f (x0 ) + 24 s
− s6 + s6 43 f (x0 )
5 i
s s4 11s3 s2 4
120 − 16 + 72 − 8 4 f (x 0 ) |40
h 4f (x0 ) + 84f (x0 ) + 20 8 3 14 4
2
= 3 4 f (x0 ) + 3 4 f (x0 ) + 45 4 f (x0 )
pero
finalmente
Rb
∼ h 4f (x0 ) + 84f (x0 ) + 20 8 3 14 4
2
a
f (x)dx = 3 4 f (x0 ) + 3 4 f (x0 ) + 45 4 f (x0 )
h 4f (x0 ) + 8 (f (x1 ) − f (x0 )) + 20
= 3 (f (x2 ) − 2f (x1 ) + f (x0 ))
+ 38 (f (x3 ) − 3f (x2 ) + 3f (x1 ) − f (x0 )) + 14
45 (f (x4 ) − 4f (x3 ) + 6f (x2 ) − 4f (x1 ) + f (x0 ))
h
= 45 [14f (x0 ) + 64f (x1 ) + 24f (x2 ) + 64f (x3 ) + 14f (x4 )]
15
METODOS NUMERICOS
3.4.1. Practica:
Rb Rb
1. Aproximar a
f (x)dx ∼
= a
p5 (x)dx y hallar una formula general, donde p5 (x) es el polinomio de grado ≤ 5 que
pasa por los puntos (xi , f (xi )) para i = 0, 1, 2, 3, 4, 5 donde la particion xi son equidistantes en [a, b] y x0 = a,
x5 = b.
2. Generalizar el anterior ejercicio.
o equivalentemente
Rb
a
f (x)dx ∼
= h2 f (x0 ) + h2 f (x1 ) (α)
Gaus realiza una interpretacion de forma diferente en la relacion (α), que es el siguiente
Rb h h
a
f (x)dx ∼
= f (x0 ) + f (x1 )
2
|{z} | {z } 2 | {z }
|{z}
w1 F (z1 ) w2 F (z2 )
es decir
Rb
a
f (x)dx ∼
= w1 F (z1 ) + w2 F (z2 ) (α)
2x−(a−b) 2
para determinar la funcion F el cambio de variable que propone Gaus es: z = b−a donde dz = b−a dx asi:
Rb b−a
R1 z(b − a) + (a + b)
a
f (x)dx = 2 −1
f( )dz
{z2
|{z}
2x−(a+b) | }
z= b−a F (z)
dz= 2 dx
b−a
para determonar los cambios F (z1 ) y F (z2 ) se analizan los casos particulares:
Si F (z) = 1, entonces
R1 R1 R1
−1
F (z)dz = −1
1dz = −1
dz = z |1−1 = 2
Si F (z) = z, entonces
R1 R1 z2
−1
F (z)dz = −1
zdz = 2 |1−1 = 0
Si F (z) = z 2 ,entonces
R1 R1 z3 2
−1
F (z)dz = −1
z 2 dz = 3 |1−1 = 3
Si F (z) = z 3 ,entonces
R1 R1 z4
−1
F (z)dz = −1
z 3 dz = 4 |1−1 = 0
16
METODOS NUMERICOS
2 1
asi 3 = z12 + z22 = z12 + (−z1 )2 = 2z12 , enotnces z12 = 3 es decir z1 = ± √13 tambien z2 = ± √13 , pero por la relacion
z2 = −z1 implica que z1 = − √13 y z2 = √1
3
Por tanto
Rb R1 z(b − a) + (a + b)
a
f (x)dx = b−a
2 −1
f( )dz ∼
= b−a
2 (w1 F (z1 ) + w2 F (z2 ))
{z2
|{z}
2x−(a+b) | }
z= b−a
F (z)
dz= 2 dx
b−a
donde w1 = 1, w2 = 1, z1 = − √13 y z2 = √1
3
R3
Ejemplo. Calcular la integhral 0
(x − 3)5 dx mediante el metodo de Gauss, y determinar el error absoluto.
Solucion:
R3
(x − 3)5 dx ∼
= b−a
(w1 F (z1 ) + w2 F (z2 ))
0 | {z } |{z} 2
f (x) donde a = 0 y b = 3
3−0
= 2 1F (− √13 ) + 1F ( √13 )
∼
= 3
(−74,148 − 0,102)
|{z} 2
z(b−a)+(a+b) 2x−(a+b)
F (z)=f ( 2 ) donde z = b−a
∼
= −111,375
R3 R3
por tanto 0
(x − 3)5 dx ∼
= −111,375 (valor aproximado). Por otro lado en valor exacto de 0
(x − 3)5 dx se determina
mediante la integral rectangular (o de Riemann), es decir:
3 0
u6 0 (0)6 (−3)6
Z Z
5 243 ∼
(x − 3) dx |{z}
= u5 du = |−3 = − =− = −121,500
0 −3 6 6 6 2
u=x−3
du=dx
17
METODOS NUMERICOS
√ √
− √13 (3−0)+(0+3)
5
Operacion auxiliar: F (− √13 )
=f = f 3 2√3−3
= 3 √3−3
− 3 ∼
= −74,148 tambien F ( √13 ) =
2 3 2 3
1
√ (3−0)+(0+3)
√ √ 5
f 3
= f 3 √3+3
= 3 √
3+3
− 3 ∼
= −0,102
2 2 3 2 3
Rb
Ejercicio. Si en la relacion a
f (x)dx ∼
= w1 F (z1 ) + w2 F (z2 ) se agrega un termino mas en el lado derecho se tendria
Z b
f (x)dx ∼
= w1 F (z1 ) + w2 F (z2 ) + w3 F (z3 ) (β)
a
entonces determinar los valores de w1 ,w2 , w3 , z1 , z2 y z3
Solucion:
Ejercicio. El momento de inercia I de una figura plana que se halla en el plano XY con respecto al eje perpendicular
que pasa por el origen esta dada por,
Z
x2 + y 2 dR
I=
R
donde R es el dominio que delimita la figura.
Si la figura es un semi-circulo superior de radio 1 centrado en el origen, calcular I utilizando la integral Gaussiana
con la realcion (α) la integral interna y mediante la relacion (β) la integral externa.
Solucion:
√ 1
n! ∼
= 2πnn+ 2 e−n para n suficientemente grande
√ 1
125! ∼
= 2π(125)125+ 2 e−125 ∼
= 2,894 × 10209
ver el tutorial en la plataforma Moodle.
√ n+ 1 −n
Ahora daremos las ideas que propone Stirling para determinar la relacion lim 2πn n! 2 e = 1.
Rn n→∞
¿Determinar la integral An = 1 lnxdx medianmte en metodo rectangular, para n > 1?
Rn R
R.- Para determinar la integral 1 lnxdx primero calculemos la integral indefinida lnxdx, es decir
R R
lnxdx = 1 |{z}
|{z} lnx dx
f0 g
R R R 0
= 1dx lnx − 1dx (lnx) dx
xlnx − x x1 dx
R
=
= xlnx − x
18
METODOS NUMERICOS
R
asi lnxdx = xlnx − x, por tanto
Z n
An = lnxdx = (xlnx − x) |n1 = (nlnn − n) − (1ln1 − 1) = nln(n) − n + 1
1
19
METODOS NUMERICOS
20
CAPÍTULO 4
Remplazar una fila por la misma fila más el multiplo de otra fila
4x − 9y + 2z = 5
Ejemplo. Resolver el sistema de ecuaciones lineales 2x − 4y + 6z = 3 mediante el método de Eliminación de
x − y + 3z = 4
Gauss
donde A es la matriz de coeficientes, X la matriz de variables y B la matriz contante, que coresponde a un sistema
no homogeneo. Asi por el método de eliminación de Gauss se tiene
21
METODOS NUMERICOS
.. ..
4 −9 4 −9 2 . 5 − 4
2 . 5 − 2 1
4
.
. .
A..B
= 2 −4 6 .. 3 ←- ∼ 0 1
5 .. 12 |
2
. .
←-
1 −1 3 .. 4 1 −1 3 .. 4
.. ..
4 −9 2 . 5 4 −9 2 . 5
.. 1 5 .. 1
∼ 0
1
5 . 2 − 12 ∼ 0
4 1
5 . 2
2 2
5 5
.. 11
←-
.. 3
0 . 0 0 −10 . 2
4 2 4
.. 0
= T .B
4x − 9y + 2z = 5
1 1
2y + 5z = 2
3
−10z = 2
3 5 139
de donde z = − 20 ,y= 2 yx= 20
3x − 6y + 2z − t = 0
−2x + 4y + z + 3t = 0
Ejemplo. Resolver el sistema de ecuaciones lineales mediante el método de Eliminación
z+t=0
x − 2y + z = 0
de Gauss.
donde A es denominada matriz de coeficientes, X matriz de variables y B la matriz constante, que coresponde a
un sistema homogeneo. Asi por el método de eliminación de Gauss se tiene
22
METODOS NUMERICOS
.
A..B =
|{z} A
Como B = 0 entonces solo se toma A
2
− 31
3 −6 2 −1 3 3 −6 2 −1
−2 4 1 3 ←-
0 0 37 7
3
|
= ∼
0
0 1 1
0
0 1 1
|
1 −2 1 0 1 −2 1 0 ←-
3 −6 2 −1 3 −6 2 −1
0 0 37 7
3
0 0 7
3
7
3
∼ ∼
1
−1
0 3
0 1 1 0
0 1 1
0 0 13 1
3 ←- 0 0 0 0
= T
el sistema equivalente al anterior sistema es:
3x − 6y + 2z − t = 0
7
3z + 73 t = 0
z+t=0
asi de la eciación (3) se tiene que z = −t y también, x = 2y + t, es decir
x 2y + t 2 1
y y 1 0
= = y + t
z
−t
0
−1
t t 0 1
portanto para determinar las soluciones de las variables x, y, z ,y t se asignan números reales arbitrarios a y y t.
i) Remplazar una fila por la misma fila más el multiplo de otra fila o soimbolicamnete a0ij = aij + cai0 j para j = 1, 2, ..., m
ii) Intercambias de filas o simbolicamente akj = aij y aij = akj para k 6= i
iii) Multiplicación de una fila por un escalar diferente de cero o simbolicamente a0ij = caij para c 6= 0
para determinar la matriz escalon reducida por filas R. Es decir R tiene que cumplin las siguientes propiedades
a) El primer elemento no nulo de cada fila no nula de R tiene que ser igual a 1
b) Los elementos correspondiente a la colunma del primer elemento no nulo (igual a 1) tienen que ser iguales a cero
c) Denotemos por kj al primer elemento no nulo de cada columna no nula, luego se ordenan las filas
segun la realción k1 ≺ k2 ≺ · · ·
d) Las filas nulas tiene que ir por debajo de las filas no nulas
23
METODOS NUMERICOS
4x − 9y + 2z = 5
Ejemplo. Resolver el sistema de ecuaciones lineales 2x − 4y + 6z = 3 mediante el método de Gauss-Jordan
x − y + 3z = 4
Solución:
.. ..
4 −9 2 . 5 0 −5 −10 . −11
.
. .
A..B
= −4 6 .. 3 | ∼ 0 .. −5
−3
2 0 −2
.
(−2)(−4)
.
1 −1 3 .. 4 1 −1 3 .. 4
.. ..
0 1 −10 . 4 (2)(1) 0 1 −10 . 4
.. .
0 0 −20 .. 3
∼ ←- | ∼ 1
0
−2 0 . −5
← (− 20 ) ∼
.
←-
.
1 −1 3 .. 4 1 0 −7 .. 8
.
0 1 0 .. 5
2
. |{z} ..
0 1 −10 .. 4 k2
1 0 0 . 139
..
20
.. ..
3
0 0 |{z} 1 . − 20
∼ 3 (10)(7) ∼ ∼ 5
0 0 1 . − 20 0 1 0 .
|{z}
2
k3
.
←-
k1 ≺k2 ≺k3 ..
0 −7 ..
1 8 . 0 0 1 . 3
− 20
0 ..
1 139
|{z} 0 20
k1
.
= R..B 0
139
x= 20
5
y= 2
3
z= − 20
1
3x + 2y − 6z = 0
−4x + 5z = 0
Ejemplo. Resolver el sistema de ecuaciones lineales mediante el método de Gauss-Jordan
−3x + 6y − 13z = 0
− 37 x + 2y − 83 z = 0
24
METODOS NUMERICOS
.
A..B =
|{z} A
como B = 0, entonces
1
3 2 −6 ← (3) 1 6 −18 (4)(3)(7)
−4 0 5 −4 0 5 ←-| |
= ∼
−3 −13 −3 −13
6 6 ←- |
−7 2 − 83 ← (3) −7 6 −8 ← ←-
3
1 6 −18 1 6 −18
0 24 −67 (−1)
0 24 −67 (−2)
∼ ∼
0
24 −67 ←-
0
0 0
|
0 48 −134 0 48 −134 ←-
1 6 −18 1 6 −18
1 67
0 24 −67 ← ( 24 )
0
1 − 24 (−6)
∼ ∼
0 0 0 0 0 0
0 0 0 0 0 0
1 0 − 45
|{z}
1k
1 0 − 54
67
− 24 − 67
0 1 0 1
24
∼ |{z} ∼
|{z}
k2 k ≺k 0 0 0
1 2
0 0 0
0 0 0
0 0 0
= R
x − 45 z = 0
67
y− 24 z =0
67
de donde y = 24 z y x = 54 z, es decir
5 5
x 4z 4
y = 67 = z 67
24 z
24
z z 1
observando esta relación el sistema tiene infinitas soluciones.
25
METODOS NUMERICOS
a11 a12 ··· a1n x1 b1
a21 a22 ··· a2n x2 b2
AX = B ⇔ =
. .. .. ..
..
|{z}
simbolo de equivalencia .
.
.
an1 an2 ··· ann xn bn
a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2
⇔ ..
.
an1 x1 + an2 x2 + · · · + ann xn = bn
x1 = − aa11
12
x2 − · · · − a1n
a11 xn + b1
a11
x2 = − aa21
22
x1 − · · · − a2n
a22 xn + b2
a22
⇔
|{z} ..
Si aij 6= 0 para i = j .
an(n−1)
xn = − aann
n1
x1 − · · · − ann xn−1 +
bn
ann
a12
x1 = −0x1 − a11 x2 − · · · − aa1n
11
xn + b1
a11
x2 = − aa22
21
x1 − 0x2 − · · · − a2n
a22 xn + b2
a22
⇔ ..
.
a
xn = − aann
n1
x1 − · · · − n(n−1)
ann xn−1 − 0xn + ann
bn
x1 −0 − aa12
11
· · · − aa1n11
x1 b1
a11
a a
b2
x2 − 21 −0 · · · − a2n x2
a22 22 a22
⇔ . = +
.. .
.. .
..
.
.. ..
.
an1 an2 bn
xn − ann − ann · · · −0 xn ann
| {z } | {z }| {z } | {z }
X C X D
(0)
x1
(0)
x2
(0)
segundo se toma un valor inicial X = .
..
(0)
xn
Luego se procede a realizar las iteraciones según Jacobi
Primera Iteración:
(1) (0)
x1 −0 − aa12
11
··· − aa1n
11
x1 b1
a11
(1) a (0)
− aa2n b2
x2 − 21 −0 ··· x2
a22 22 a22
= +
. .. .. . ..
.. ..
. .
.
(1) an1 (0)
xn − ann − aann
n2
··· −0 xn bn
ann
Segunda Iteración:
26
METODOS NUMERICOS
(2) (1)
x1 −0 − aa12
11
··· − aa1n
11
x1 b1
a11
(2) a (1)
− aa2n b2
x2 − 21 −0 ··· x2
a22 22 a22
= +
. .. .. . ..
.. ..
. .
.
(2) an1 (1)
xn − ann − aann
n2
··· −0 xn bn
ann
continuando de esta manera se tiene que la n−esima iteracion segun Jacobi será de la forma
(n) (n−1)
x1 −0 − aa11
12
··· − aa1n
11
x1 b1
a11
(n) a (n−1)
− aa2n b2
x2 − 21 −0 ··· x2
a22 22 a22
= +
. .. .. .. ..
..
. .
.
.
(n) an1 (n−1)
xn − ann − aann
n2
··· −0 xn bn
ann
Segunda Iteración:
(2) (1) a12 (1) a1n (1) b1
x1 = −0x1 − a11 x2 − · · · − a11 xn + a11
(2) (2) (1) (1)
x2 = − aa21 x − 0x2 − · · · − aa2n
22 1 22
xn + b2
a22
(2) (2) (2) (1) a3n (1)
x3 = − aa31 x − aa32
33 1
x − 0x3 − · · · −
33 2 a33 xn + b3
a33
..
.
(2) (2) an2 (2) an(n−1) (2) (1)
xn = − aann
n1
x1 − ann x2 − ··· − ann xn−1 − 0xn + bn
ann
continuando de esta manera se tiene que la n−esima iteracion segun Jacobi será de la forma
(n) (n−1) a12 (n−1) (n−1)
x1 = −0x1 − a11 x2 − · · · − aa1n
11
xn + ab11
1
(n)
x1
(n)
x2
(n)
Para que la matriz X = . ∈ Rn sea una solución aproximada del sistema AX = B, entonces
..
(n)
xn
(n)
AX − B → 0, pero esto ocurre con seguridad si
27
METODOS NUMERICOS
(n) (n−1)
x x1
1
(n) (n−1)
x2 x2
. −
→ 0
.. ..
.
x(n) (n−1)
n xn
(n) (n−1)
x1 x1
(n) (n−1)
x2 x2
La distancia del vector . al vector se determina según las siguientes normas:
.. ..
.
(n) (n−1)
xn xn
1.- La Norma Euclidiana: Se determina bajo el teorema de Pitagoras de la siguiente forma
(n) (n−1)
x x1
1
(n) (n−1)
r
x2 x2
2 2 2
(n) (n−1) (n) (n−1) (n) (n−1)
−
= x1 − x1 + x2 − x2 + · · · + xn − xn
. ..
.. .
x(n) (n−1)
n xn
(n) (n−1)
x x1
1
(n) (n−1)
x2 x2
(n) (n−1) (n) (n−1)
−
= x1 − x1 + x2 − x2 + · · · + xn(n) − x(n−1)
. .. n
..
.
x(n) (n−1)
n xn
(n) (n−1)
x x1
1
(n) (n−1)
x2 x2
(n) (n−1) (n) (n−1)
−
= máx{x1 − x1 , x2 − x2 , ..., x(n) (n−1)
n − xn
. ..
..
}
.
x(n) (n−1)
n xn
4x − y = 1
−x + 4y − z = 1
Ejemplo. Resolver el sistema (1) por el método de Jacobi y Gauss-Seidel
−y + 4z − t = 1
−z + 4t = 1
Solución: El sistema en su forma maticial se escribe
4 −1 0 0 x 1
−1 4 −1 0 y 1
=
0
−1 4 −1
z 1
0 0 −1 4 t 1
| {z }| {z } | {z }
A X B
28
METODOS NUMERICOS
x = 14 y + 1
4
1 1 1
y= 4 x + 4z + 4
1 1 1
z= 4y + 4t + 4
1 1
t= 4z + 4
29
METODOS NUMERICOS
z (1) = 0( 14 ) + 14 ( 16
5
) + 0(0) + 14 (0) + 14 = 2164
t(1) = 0( 41 ) + 0( 165
) + 14 ( 21
64 ) + 0(0) + 1
4 = 85
256
1 1
x(1) 0
4
4
q
y (1) 5 5
16
0
16
2 5 2 21 2 85 2
0 − 41 + 0 −
(1)
asi X = = y
−
= + 0− + 0− =
z (1) 21 21 16 64 256
64
0
64
85 85
t(1)
256
0 256
0,61
Segunda iteración:
x(2) = 0( 41 ) + 14 ( 16
5
) + 0( 21 85
64 ) + 0( 256 ) +
1
4 =85
256
y (2) = 14 ( 256
85
) + 0( 165
) + 14 ( 21 85 1
64 ) + 0( 256 ) + 4 = 1024
425
85
z (1) = 0( 256 ) + 41 ( 1024
425
) + 0( 21 1 85 1 1137
64 ) + 4 ( 256 ) + 4 = 2048
85 425
t(1) = 0( 256 ) + 0( 1024 ) + 41 ( 1137 85 1
2048 ) + 0( 256 ) + 4 = 8192
3185
85 1 85
x(2)
256
4 256
q
y (2) 425
5 425
1024 16 1024 1 85 2 5 425 2 21 1137 2 85 3185 2
(2)
asi X = = y
−
= − + − + − + − =
z (2) 1137
21 1137
4 256 16 1024 64 2048 256 8192
2048
64 2048
3185 85 3185
t(2)
8192 256 8192
0,27
x − iy + iz = 0
Solución: Segun el método de Gauss-Seidel el sistema 2x + 2y = 0 se resuelve:
ix + (1 + i)y = 0
Primero: (Escribir el sistema AX = 0 a la forma X = CX + D)
30
METODOS NUMERICOS
1 −i i x 0
AX = 0 ⇔ 2
y = 0
2 0
i 1+i 0 z 0
x − iy + iz = 0
⇔ 2x + 2y = 0
ix + (1 + i)y = 0
z = ix + y
⇔ y = −x
x = (−1 + i)y
z 0 1 i z 0
⇔ y = 0
0 −1 y + 0
x 0 (−1 + i) 0 x 0
0
(0)
Segundo: Sea el valor inicial X = 1
1
Tercero: Se realizan las iteraciones según Gauss-Seidel
Primera iteración
z (1) = 0(0) + 1(1) + i(1) + 0 = 1 + i
y (1) = 0(1 + i) + 0(1) − 1(1) + 0 = −1
x(1) = 0(1 + i) + (−1 + i)(−1) + 0(1) + 0 = 1 − i
z (1) 1+i
(1)
asi X = y (1)
= −1 por tanto
x(1) 1−i
0 1+i
1 − −1
= k0 − (1 + i)k + k1 − (−1)k + k1 − (1 − i)k
|{z}
aplicando la norma de la suma
1 1−i
= k−1 − ik + k1 + 1k + kik
= k(−1, −1)k + k(2, 0)k + k(0, 1)k
p √ √
= (−1)2 + (−1)2 + 22 + 02 + 02 + 12
= 4,41
Segunda iteración:
z (2) = 0(1 + i) + 1(−1) + i(1 − i) + 0 = i
y (2) = 0(i) + 0(−1) − 1(1 − i) + 0 = −1 + i
x(2) = 0(i) + (−1 + i)(−1 + i) + 0(1 − i) + 0 = −2i
z (2) i
asi X (2) =
y
(2) =
por tanto
−1 + i
x(2) −2i
31
METODOS NUMERICOS
1+i i
−1 − −1 + i
= k1 + i − ik + k−1 − (−1 + i)k + k1 − i − (−2i)k
1−i −2i
= k1k + k−ik + k1 + ik
= k(1, 0)k + k(0, −1)k + k(1, 1)k
√ p √
= 12 + 02 + 02 + (−1)2 + 12 + 12
√
= 1 + 1 + 2 = 3,41
1 3 10 14 0
Gauss-Seidel con cinco iteraciones.
10 −3 0 2
2.- AX = B donde A = −3 10 −2 y B =
por el método de Gauss-Seidel con cinco iteraciones.
3
0 −2 10 5
f1 (x, y) = 0
f2 (x, y) = 0
como la solución del sistema no lineal tiene que ser de forma iterativa, entonces
1 ∂f (x,y) ∂f (x,y) (n+1)
f (x(n+1) , y (n+1) ) − (x(n) , y (n) ) = f (x(n) , y (n) ) + 1! ∂x (x (n+1)
− x (n)
) + ∂y (y − y (n)
)
2
1 ∂ f (x,y) (n+1) (n) 2 ∂ 2 f (x,y) (n+1)
+ 2! ∂x2 (x − x ) + 2 ∂y∂x (x − x(n) )(y (n+1) − y (n) )
2
+ ∂ f∂y(x,y)
2 (y (n+1) − y (n) ) + · · ·
pero si n → ∞, entonces
32
METODOS NUMERICOS
:0
1 ∂f (x,y) ∂f (x,y) (n+1)
f (x(n+1) , y
(n+1)
− (x(n) , y (n) )
) = f (x(n) , y (n) ) + 1! ∂x (x
(n+1)
− x(n) ) + ∂y (y − y (n) )
:0
:
0
2 2
1 ∂ f (x,y) (n+1) (n) 2 ∂ f (x,y)
− x ) + 2 ∂y∂x (x(n+1)−x (n)
)(y (n+1) − y (n) )
+ 2! ∂x2 (x
!
0
2 :
+ ∂ f∂y(x,y)
2 (y (n+1)−y (n) ) + · · ·
por tanto
∂f (x,y) ∂f (x,y) (n+1)
0 =
|{z} f (x(n) , y (n) ) + ∂x (x
(n+1)
− x(n) ) + ∂y (y − y (n) )
n→∞
o equivalentementa
∂f (x,y) (n+1) ∂f (x,y) (n+1)
∂x (x − x(n) ) + ∂y (y − y (n) ) = −f (x(n) , y (n) ) (1)
sea h = x(n+1) − x(n) , entonces x(n+1) = x(n) + h de la misma forma i = y (n+1) − y (n) , entonces y (n+1) = y (n) + i,
es decir
x(n+1) = x(n) + h
y (n+1) = y (n) + i
y en forma matricial
∂f1 (x,y) ∂f1 (x,y)
∂x |(x(n) ,y(n) ) ∂y |(x(n) ,y(n) ) h −f1 (x(n) , y (n) )
=
∂f2 (x,y) ∂f2 (x,y)
∂x |(x(n) ,y(n) ) ∂y |(x(n) ,y(n) ) i −f2 (x(n) , y (n) )
x(n+1) = x(n) + h
y (n+1) = y (n) + i
33
METODOS NUMERICOS
x(0)
bajo el valor inicial X (0) =
y (0)
f1 (x, y) = 0
Ejemplo. Resolver el sistema de ecuaciones no lineales donde f1 (x, y) = x2 + y 2 − 13 y f2 (x, y) =
f2 (x, y) = 0
xy − 6
x2 + y 2 − 13 = 0
Solución: Para resolver el sistema no lineal
xy − 6 = 0
(0)
x 2,17
Primero: Sea el valor inicial X (0) = =
y (0) 2,75
Segundo: Se determinan las derivadas parciales de f1 y f2 respecto de x e y
∂f1 (x,y)
∂x = 2x
∂f1 (x,y)
∂y = 2y
∂f2 (x,y)
∂x =y
∂f2 (x,y)
∂y =x
Primera Iteración:
Segun la relacion (2)
2x |(2,17,2,75) 2y |(2,17,2,75) h −f1 (2,17, 2,75)
=
y |(2,17,2,75) x |(2,17,2,75) i −f2 (2,17, 2,75)
o equivalentemente
4,34 5,50 h 0,73
=
2,75 2,17 i 0,03
4,34 5,50 h 0,73
Resolviendo el sistema = se tiene que h = −0,25 y i = 0,33 por tanto
2,75 2,17 i 0,03
es decir
34
METODOS NUMERICOS
3,84 6,16 h −0,17
=
3,08 1,92 i 0,09
3,84 6,16 h −0,17
Resolviendo el sistema = se tiene que h = 0,08 y i = −0,07 por tanto
3,08 1,92 i 0,09
35
CAPÍTULO 5
Puntos 1 2 3 ··· n
xi x1 x2 x3 ··· xn
yi f (x1 ) f (x2 ) f (x3 ) ··· f (xn )
o equivalentemente
Xn
minimizar{ |P (xi ) − f (xi )|}
i=1
n
X 2
minimizar{ (P (xi ) − f (xi )) }
i=1
Puntos 1 2 3 4 5
xi 1 2 3 4 5
yi 1,3 3,5 4,2 5,0 7,0
36
METODOS NUMERICOS
Xn
2
g (a1 , a2 ) = minimizar{ (a1 xi + a0 − f (xi )) }
i=1
por lo estudiado en calculo II hay que determinar la derivada de la función g (a1 , a2 ) en los puntos a1 y a2 e igualar
a cero, es decir
5
P 2
d (g (a1 , a2 )) = d (a1 xi + a0 − f (xi ))
i=1
∂g ∂g
= ∂a1 ∂a2
5 5
P P
= 2 (a1 xi + a0 − f (xi )) xi 2 (a1 xi + a0 − f (xi ))
i=1 i=1
asi
5 5
P P
2 (a1 xi + a0 − f (xi )) xi 2 (a1 xi + a0 − f (xi )) = 0 0
i=1 i=1
de donde
5
P
2 (a1 xi + a0 − f (xi )) xi = 0
i=1
P5
2 (a1 xi + a0 − f (xi )) = 0
i=1
reduciendo el sistema
5 5 5
x2i + a0
P P P
a1 xi = xi f (xi )
i=1 i=1 i=1
P5 P5 5
P
a1 xi + a 0 1= f (xi )
i=1 i=1 i=1
pero
xi yi x2i xi f (xi )
1 1.3 1 1.3
2 3.5 4 7
3 4.2 9 12.6
4 5.0 16 20.0
5 7.0 25 35.0
5 5 5 5
x2i = 55
P P P P
xi = 15 f (xi ) = 21,0 xi f (xi ) = 75,9
i=1 i=1 i=1 i=1
asi
55a1 + 15a0 = 75,9
15a1 + 5a0 = 21,0
de donde a1 = 1,3 y a2 = 0,3, por tanto P (x) = 1,3x + 0,3
Puntos 1 2 3 4 5
xi 0,00 0,25 0,50 0,75 1,00
yi 1,0000 1,2840 1,6487 2,1170 2,7183
37
METODOS NUMERICOS
n
X 2
g (a2 , a1 , a0 ) = minimizar{ a2 x2i + a1 xi + a0 − f (xi ) }
i=1
así por calculo II hay que determinar la derivada de la función g (a1 , a2 , a3 ) respecto de las variables a1 , a2 y a3 e
igualar a cero.
5
2
a2 x2i + a1 xi + a0 − f (xi )
P
d (g (a2 , a1 , a0 )) = d
i=1
∂g ∂g ∂g
= ∂a2 ∂a1 ∂a0
5 5
2 a2 x2i + a1 xi + a0 − f (xi ) x2i 2 a2 x2i + a1 xi + a0 − f (xi ) xi
P P
=
i=1 i=1
5
2 a2 x2i + a1 xi + a0 − f (xi )
P
i=1
de donde
5 5 5
2 a2 x2i + a1 xi + a0 − f (xi ) x2i 2 a2 x2i + a1 xi + a0 − f (xi ) xi 2 a2 x2i + a1 xi + a0 − f (xi )
P P P
= 0 0 0
i=1 i=1 i=1
de donde
38
METODOS NUMERICOS
por tanto a2 = 0,1573, a1 = 1,7905 y a0 = 0,7393 asi la curva que mejor aproxima la información discreta es
P (x) = 0,1573x2 + 1,7905x + 0,7393
Practica: Resolver los siguientes ejercicios
1. Obtener los polinomios de mínimos cuadrados de primer, segundo y tercer grado para los datos de la tabla anexa.
En cada caso grafique los datos y los polinomios.
xi 4.0 4.2 4.5 4.7 5.1 5.5 5.9 6.3 6.8 7.1
yi 102.56 113.18 130.11 142.05 167.53 195.14 224.87 256.73 299.50 326.72
39
METODOS NUMERICOS
Promedio Promedio
Puntuación de grados Puntuación de grados
ACT de puntos ACT de puntos
28 3.84 29 3.75
25 3.21 28 3.65
28 3.23 27 3.87
27 3.63 29 3.75
28 3.75 21 1.66
33 3.20 28 3.12
28 3.41 28 2.96
29 3.38 26 2.92
23 3.53 30 3.10
27 2.03 24 2.81
5. El siguiente conjunto de datos, presentados al Senate Antitrust Subcommittece de Estados Unidos, muestra las
caracteristicas comparativas de choque-supervivencia de automóviles de varios tipos. Obtenga la recta de minimos
cuadrados que aproxime estos datos. (La tabla contiene el porcentaje de vehiculos accidentados en los cuales la
lesión más seria fue fatal o grave)
40
METODOS NUMERICOS
Peso Ocurrencia
Tipos promedio porcentual
1. Rugular de lujo, de fabricación nacional 4800 lb 3.1
2. Regular intermodio, de fabricaciónnacional 3700 lb 4.0
3. Económico regular, de fabricación nacional 3400 lb 5.2
4. Compacto de fabricación nacional 2800 lb 6.4
5. Compacto de fabricación extranjera 1900 lb 9.6
n
!
X 2
d (P (xi ) − f (xi )) =0
i=1
Puntos 1 2 3 ··· n
xi x1 x2 x3 ··· xn
yi f (x1 ) f (x2 ) f (x3 ) ··· f (xn )
P (x) = a1 x + a0
sy
donde a1 = (coeficiente de correlación) sx donde sx y sy son las desviaciones estandares o tipicas de la variable
x e y respectivamente, es decir
v v
n n
2
uP uP
u (xi − x) u x2i
t
i=1
t
i=1 2 x1 + x2 + · · · + xn
sx = = − (x) donde x =
n n n
y
v v
n n
2
uP uP
u (yi − y) u yi2
t
i=1
t
i=1 2 y1 + y2 + · · · + yn
sy = = − (y) donde y =
n n n
también
cov[x, y] sxy
coeficiente de correlación= =
sx sy sx sy
n
P n
P
(xi −x)(yi −y) xi yi
i=1 i=1
donde sxy = cov[x, y] = n = n − xy, y a0 = y − a1 x
41
METODOS NUMERICOS
Ejercicio. La tabla siguiente contiene las calificaciones de las practicas del semestre y las del segundo parcial de
30 estudiantes de Metodos Numericos. Encuentre la ecuación de la recta mediante el método de regresión lineal
para estos datos, y use esta recta para determinar la calificación de la tarea que se requiere para predecir las
calificaciones mínimas A (90 %) y D (60 %) es los examenes finales.
Solución: Sea x las practicas de los 30 estudiantes e y las notas del segundo parcial, entonces
x1 +x2 +···+xn
x= n = 311,63
y1 +y2 +···+yn
y= n = 68,8
Pn
xi yi
sxy = i=1n − xy = 339,53
s
n
x2i
P
i=1 2
sx = n − (x) = 38,99
s
n
yi2
P
i=1 2
sy = n − (y) = 16,73
r = 0,52
s
a1 = r sxy = 0,22
a0 = y − a1 x = −0,8
de donde P (x) = a1 x + a0 = 0,22x − 0,8
Xn
2
g (a, b) = minimizar{ (beaxi − f (xi )) }
i=1
42
METODOS NUMERICOS
xi 4.0 4.2 4.5 4.7 5.1 5.5 5.9 6.3 6.8 7.1
yi 102.56 113.18 130.11 142.05 167.53 195.14 224.87 256.73 299.50 326.72
es decir
10
!0
X 2
0 axi
g (a, b) = (be − f (xi )) =0
i=1
10 0
P axi 2
0 = (be − f (xi ))
i=1
∂g ∂g
= ∂a ∂b
10 10
axi axi axi axi
P P
= 2 (be − f (xi )) be xi 2 (be − f (xi )) e
i=1 i=1
de donde
10
2 (beaxi − f (xi )) beaxi xi = 0
P
i=1
10
2 (beaxi − f (xi )) eaxi = 0
P
i=1
o equivalentemente
10 10
2
(eaxi ) xi − f (xi )eaxi xi = 0
P P
b
i=1 i=1
10 10
2
(eaxi ) − f (xi )eaxi = 0
P P
b
i=1 i=1
el sistema se tiene que resolver por medio de los metodos de la bisección o Newton. O si no la otra forma para dar
solución al problema planteado es el siguiente.
yi = beaxi aplicando ln
lnyi = ln (beaxi ) por el algebra basica
lnyi = |{z}
lnb + a (xi lne)
c
xi lne 4.0 4.2 4.5 4.7 5.1 5.5 5.9 6.3 6.8 7.1
lny i 4.63 4.73 4.87 4.96 5.12 5.27 5.41 5.55 5.70 5.79
ti 4.0 4.2 4.5 4.7 5.1 5.5 5.9 6.3 6.8 7.1
f (ti ) 4.63 4.73 4.87 4.96 5.12 5.27 5.41 5.55 5.70 5.79
para el polinomio P (t) = at + c, este problema ya se a resuelto en el primer ejercicio y se observa que los valores
de a y c se obtienen resolviendo el sistema
43
METODOS NUMERICOS
10 10 10
t2i + c
P P P
a ti = ti f (ti )
i=1 i=1 i=1
P10 10
P 10
P
a ti + c 1= f (ti )
i=1 i=1 i=1
o equivalentemente
de donde a = 0,37 y c = 3,18, pero c = lnb, entonces b = ec = e3,18 = 24,05 asi la curva buscada es P (t) = 24,05e0,37t
y determinar el cambi que se obtendria en t = 7,6 y t = 5
Obs:
0
1.- y = beaxi , entonces y 0 = (beaxi ) = beaxi xi
10
f (xi )eaxi xi = 102056(4)ea4 + 113,18(4,2)ea4,2 + · · ·
P
2.-
i=1
Puntos 0 1 2 ··· n
xi x0 x1 x2 ··· xn
yi f (x0 ) f (x1 ) f (x2 ) ··· f (xn )
se aproxima mediante un polinomio de Lagrange de grado uno, dos, etc. siguiendo el sigiente criterio:
P (x0 ) = f (x0 )
P (x1 ) = f (x1 )
..
.
P (xn ) = f (xn )
P (x) = a1 (x − x0 ) + a0 (x − x1 )
P (x0 ) = f (x0 )
P (x1 ) = f (x1 )
asi
:0
f (x0 ) = P (x0 ) =
a1 0 − x0 ) + a0 (x0 − x1 )
(x
:0
f (x1 ) = P (x1 ) = a1 (x1 − x0 ) +
a0 1 − x1 )
(x
44
METODOS NUMERICOS
de donde
f (x0 ) = a0 (x0 − x1 )
f (x1 ) = a1 (x1 − x0 )
por tanto
f (x0 )
a0 = (x0 −x1 )
f (x1 )
a1 = (x1 −x0 )
f (x1 )
asi la curva buscada es P (x) = (x1 −x0 ) (x − x0 ) + (xf0(x 0)
−x1 ) (x − x1 )
Para el polionomio de Lagrange de segundo grado:
P (x) = a2 (x − x0 ) (x − x1 ) + a1 (x − x0 ) (x − x2 ) + a0 (x − x1 ) (x − x2 )
P (x0 ) = f (x0 )
P (x1 ) = f (x1 )
P (x2 ) = f (x2 )
asi
:0 :0
0− 0 ) (x0 − x1 ) + a1 (x
0− 0 ) (x0 − x2 ) + a0 (x0 − x1 ) (x0 − x2 )
f (x0 ) = P (x0 ) = a2 (x x x
:
0 :0
1−
f (x1 ) = P (x1 ) = a2 (x x0 ) (x1 − x1 ) + a1 (x1 − x0 ) (x1 − x2 ) + a0 (x
1−x1 ) (x1 − x2 )
:
0 :0
f (x2 ) = P (x2 ) = a2 (x2 − x0 ) (x2 − x1 ) + a1 (x
2− 0 ) (x2 − x2 ) + a0 (x
2− 1 ) (x2 − x2 )
x x
de donde
f (x2 ) f (x1 ) f (x0 )
P (x) = (x − x0 ) (x − x1 )+ (x − x0 ) (x − x2 )+ (x − x1 ) (x −
(x2 − x0 ) (x2 − x1 ) (x1 − x0 ) (x1 − x2 ) (x0 − x1 ) (x0 − x2 )
la constreucción de los polinomios de Lagrange de tercer grado, cuarto grado se lo realiza de forma similar que los
polinomios de primer y segundo grado.
Ejemplo. Determinar un polinomio de primer y segundo grado de Lagrange para la siguiente información discreta
45
METODOS NUMERICOS
Puntos A B C D E
xi 1 2 3 4 5
yi 1,3 3,5 4,2 5,0 7,0
Solución: Para el polinomio de primer grado: Según el anterior analisis el polinomio de primer grado de Lagrange
es:
f (x1 ) f (x0 )
P (x) = (x − x0 ) + (x − x1 )
(x1 − x0 ) (x0 − x1 )
asi remplazando valores númericos se tiene
f (x1 )
P (x) = (x − x0 ) + (xf0(x0)
(x − x1 )
(x1 −x0)
−x1 )
3,5 1,3
= (2−1) (x − 1) + (1−2) (x − 2)
= 3,5 (x − 1) − 1,3 (x − 2)
por tanto el polinomio de primer grado para los puntos A y B es P (x) = 3,5 (x − 1) − 1,3 (x − 2) = 2,2x − 0,9 y
el polinomio de primer grado para los puntos D y E es: P (x) = 7 (x − 4) − 5 (x − 5) = 2x − 3, de la misma forma
se pueden ir obteniendo polinomios de primer grado para otros pares de puntos de la información discreta. Pero
2,9 0,3
el polinomio de primer grado que pasa por los puntos A y C es: P (x) = 2 x − 2 = 1,4x − 0,2 es el polinomio
que nos puede dar información con respecto a la información discreta como por ejemplo cual seria el cambio o la
interpolación para el valor 0,5 y 6, en este caso el cambio es P (0,5) = 1,4 (0,5)−0,2 = 0,5 y P (6) = 1,4 (6)−0,2 = 8,2
Para el polinomio de segundo grado: Según el anterior analisis el polinomio de segundo grado de Lagrange es:
f (x2 ) f (x1 ) f (x0 )
P (x) = (x − x0 ) (x − x1 )+ (x − x0 ) (x − x2 )+ (x − x1 ) (x −
(x2 − x0 ) (x2 − x1 ) (x1 − x0 ) (x1 − x2 ) (x0 − x1 ) (x0 − x2 )
asi remplazando valores
4,2 3,5 1,3
P (x) = (x − 1) (x − 2) + (x − 1) (x − 3) + (x − 2) (x − 3)
(3 − 1) (3 − 2) (2 − 1) (2 − 3) (1 − 2) (1 − 3)
es decir el polinomio de Lagrange de segundo grado que pasa por los punto A, B y C es:
no es un polinomio optimo pero el polinomio que pasa por los puntos A, D y E es el mas adecuado para analizar
toda la información discreta y este polinomio es:
46
METODOS NUMERICOS
xn xn+2 − x2n+1
x˜n ≈
xn − 2xn+1 + xn+2
xn −l
tal que lim = 0 esto significa que x˜n converge más rapido que xn
n→∞ x˜n −l
Trabajo Practico: Tema libre
1. Titulo:
2. Introducción, Antecedentes, Planteamiente del Problema, Objetivo:
3. Marco Conceprual:
4. Marco Practico:
5. Conclusión:
6. Bibliografia:
fecha de presentación dia miercoles 10 de junio del 2020 a horas 23:55 pm
47
CAPÍTULO 6
6.1. Euler
dy
dx = f (x, y)
El método de Euler determina una solución aproximadas a la ecuación diferencial ordinaria y0 = y(x0 ) denomi-
y(xf ) =?
nada problema del valor inicial (PVI). Para determinar la solución aproximada a este PVI se siguen los siguientes
pasos:
Paso 1: Se divide el segmento x0 xf de longitud xf − x0 en n intervalos de igual longitud, es decir
xf − x0
xi = x0 + i para i = 0, 1, ...n
n
xf −x0
las iteraciones para los diferentes valores de x se determinan bajo la relación xi = x0 + ih donde h = n para
i = 0, 1, 2, ..., n, es decir
x0 = x0 + (0) h
x1 = x0 + (1) h
..
.
xf = x0 + (n) h
y1 −y0
Paso 2: La pendiente de la recta secante que pasa por los puntos (x0 , y0 ) y (x1 , y1 ) es x1 −x0 , pero la pendiente de
dy dy
la recta tangente en el punto (x1 , y1 ) es dx |(x1 ,y1 ) = f (x1 , y1 ) analogamente (x0 , y0 ) es dx |(x0 ,y0 ) = f (x0 , y0 ) por
y1 −y0
geometria se tiene que x1 −x0 = f (x0 , y0 ) despejando y1 se tiene
y1 = (x1 − x0 ) f (x0 , y0 ) + y0
realizando un analisis similar en los diferentes puntos de yj se tienen las siguientes relaciones
48
METODOS NUMERICOS
y1 = (x1 − x0 ) f (x0 , y0 ) + y0
y2 = (x2 − x1 ) f (x1 , y1 ) + y1
..
.
yn = (xn − xn−1 ) f (xn−1 , yn−1 ) + yn−1
asi y(xf ) = (xn − xn−1 ) f (xn−1 , yn−1 ) + yn−1 .
dy
dx = 2x − y + 1
| {z }
f (x,y)
Ejemplo. Resolver el PVI para una partición de cuatro intervalos equidistantes
y(0) = 0
y(1) =?
Solución: Notemos que x0 = 0, y0 = 0 y xf = 1
Primera iteración:
xf −x0 1−0
= 14 , entonces x1 = x0 + (1) h = 0 + (1) 41 = 14 asi x1 = 41
Paso 1: Sea h = n = 4
Paso 2: De la relación y1 = (x1 − x0 ) f (x0 , y0 ) + y0 = 14 − 0 f (0, 0) + 0 = 14 (1) = 41 asi y1 = 1
4
asi de los pasos 1 y 2 se determina el par ordenado 14 , 14
Segunda iteración:
1 1
de donde x2 = 21
Paso 1: Asi x2 = x0 + (2) h = 0 + 2 4 = 2
Paso 2: Asi y2 = (x2 − x1 ) f (x1 , y1 ) + y1 = 12 − 41 f ( 14 , 14 ) + 1 1 5 1 9 9
4 = 4 4 + 4 = 16 de donde y2 = 16
asi de los pasos 1 y 2 se determina el par ordenado 12 , 16 9
Tercera iteración:
Paso 1: Asi x3 = x0 + (3) h = 0 + (3) 14 = 3
de donde x3 = 43
4
Paso 2: Asi y3 = (x3 − x2 ) f (x2 , y2 ) + y2 = 34 − 21 f ( 12 , 16
9 9 3 1
23 9 59
)+ 16 = 4 − 2 16 + 16 = 64
3 59
asi de los pasos 1 y 2 se determina el par ordenado 4 , 64
Cuarta iteración:
Paso 1: Asi x4 = x0 + (4) h = 0 + (4) 14 = 1
3
f ( 34 , 59 59 3
101 59 337
Paso 2: Asi y4 = (x4 − x3 ) f (x3 , y3 ) + y3 = 1 − 64 ) + 4 64 = 1− 4 64 + 64 = 256
337
asi de los pasos 1 y 2 se determina el par ordenado 1, 256
Resolviendo la ecuación diferencial y 0 + |{z}
1 y = 2x + 1 lineal por los métodos comunes, la curva solución es:
| {z }
P (x) Q(x)
R R R
y = e− P (x)dx
Q(x)e
dx P (x)dx
R R R
= e− 1dx (2x + 1) e 1dx dx
e−x
(2xex + ex ) dx
R
=
= e−x (2xex − 2ex + ex )
asi y = e−x (2xex − ex ) = 2x − 1 + c pero la curva tiene que pasar por el punto (0, 0) es decir y(0) = 0 por tanto
0 = y(0) = 2 (0) − 1 + c
de donde c = 1 asi la curva buscada y = 2x − 1 + 1 = 2x de donde y(1) = 2 (1) = 2 asi el error absoluto es
EA = 2 − 337 = 0,68
256
49
METODOS NUMERICOS
6.2. Taylor
Según el método de Euler se tiene la relación
dy
y1 = y0 + |(x ,y ) (x1 − x0 )
dx 0 0
dy
dx = f (x, y)
que corresponde a la primera iteración para el PVI y0 = y(x0 ) . Esta relación es la serie de Taylor de orden uno,
y(xf ) =?
esta serie se puede ampliar a una serie de orden dos es decir
d dy
dy 1 dx 2
y1 = y0 + |(x ,y ) (x1 − x0 ) + |(x0 ,y0 ) (x1 − x0 )
dx 0 0 2! | dx
{z }
d2 y
dx2
o equivalentemente
d2 y
dy 1 2
y1 = y0 + |(x ,y ) (x1 − x0 ) + |(x ,y ) (x1 − x0 )
dx 0 0 2! dx2 0 0
dy
d2 y d( dx ) d(f (x,y)) ∂f (x,y) ∂f (x,y) dy
donde dx2 = dx = dx = ∂x + ∂y dx
dy
dx = f (x, y)
y esta iteración corresponde al método de Taylor para el PVI y0 = y(x0 ) .
y(xf ) =?
dy
dx = f (x, y)
En resumen para resolver el PVI y0 = y(x0 ) mediante el método de Taylor se sigen los siguientes pasos:
y(xf ) =?
Paso 1: Se divide el segmento x0 xf de longitud xf − x0 en n intervalos de igual longitud, es decir
xf − x0
xi = x0 + i para i = 0, 1, ...n
n
xf −x0
las iteraciones para los diferentes valores de x se determinan bajo la relación xi = x0 + ih donde h = n para
i = 0, 1, 2, ..., n, es decir
x0 = x0 + (0) h
x1 = x0 + (1) h
..
.
xf = x0 + (n) h
Paso 2: Los valores de yj se determinan
2 2 d2 y ∂f (x,y)
dy
y1 = y0 + dx 1 d y
|(x0 ,y0 ) (x1 − x0 ) + 2! dx2 |(x0 ,y0 ) (x1 − x0 ) donde dx2 = ∂x + ∂f ∂y
(x,y) dy
dx
2 2 2
dy 1 d y
d y ∂f (x,y) ∂f (x,y) dy
y2 = y1 + dx |(x1 ,y1 ) (x2 − x1 ) + 2! |
dx2 (x1 ,y1 ) (x 2 − x 1 ) donde dx2 = ∂x + ∂y dx
..
.
dy
2
1 d y 2 d2 y ∂f (x,y) ∂f (x,y) dy
yn = yn−1 + dx |(xn−1 ,yn−1 ) (xn − xn−1 ) + 2! dx2 |(xn−1 ,yn−1 ) (xn − xn−1 ) donde dx2 = ∂x + ∂y dx
50
METODOS NUMERICOS
dy 1
d2 y 2
asi y(xf ) = yn−1 + dx |(xn−1 ,yn−1 ) (xn − xn−1 ) + 2! dx2 |(xn−1 ,yn−1 ) (xn − xn−1 ) .
x0 = x0 + (0) h
x1 = x0 + (1) h
..
.
xf = x0 + (n) h
1
yn = yn−1 + (h) (k1 + 2k2 + 2k3 + k4 )
6
donde
k1 = f (xn−1 , yn−1 )
k2 = f (xn−1 + 21 h, yn−1 + 21 k1 h)
k3 = f (xn−1 + 12 h, yn−1 + 21 k2 h)
k4 = f (xn−1 + h, yn−1 + k3 h)
dy
dx = 2x − y + 1
| {z }
f (x,y)
Ejemplo. Resolver el PVI para n = 2
y(0) = 0
y(1) =?
Solución:
Primera iteración:
1−0 1
Paso 1: x1 = x0 + (1) h = 0 + 1 2 = 2
Paso 2:
k1 = f (0, 0) = 1
k2 = f (0 + 12 21 , 0 + 12 (1) 12 ) = f ( 41 , 14 ) = 54
k3 = f (0 + 12 21 , 0 + 12 54 12 ) = f ( 14 , 16 5
) = 19
16
k4 = f (0 + 12 , 0 + 19 1 1 19 45
16 2 ) = f ( ,
2 32 ) = 32
51
METODOS NUMERICOS
1 1 1 5 19 45 613
así y1 = y0 + 6 (h) (k1 + 2k2 + 2k3 + k4 ) = 0 + 6 2 1+2 4 +2 16 + 32 = 96
Segunda iteración:
1
Paso 1: x2 = x0 + (2) h = 0 + 2 2 =1
Paso 2:
k1 = f (x1 , y1 ) = f ( 12 , 613
96 ) = − 96
421
k2 = f ( 12 + 12 12 , 613 1 421
1 3 677 347
96 + 2 − 96 2 ) = f ( 4 , 128 ) = − 128
k3 = f ( 12 + 12 12 , 613 1 347
1 3 321
96 + 2 − 128 2 ) = f ( 4 , 5,71) = − 100
k4 = f ( 12 + 12 , 613 321 1 89
96 + − 100 2 ) = f (1, 4,78) = − 50
52