Documentos de Académico
Documentos de Profesional
Documentos de Cultura
∆2 f k = ∆ f k +1 − ∆ f k = f k + 2 − 2 f k +1 + f k
∆n f k = ∆n −1 f k +1 − ∆n −1 f k
n
i n
∆n f k = ∑ (− 1) i f
i=0
k + n −i
n n!
donde: =
i i!(n − i )!
Una tabla de diferencias es un arreglo de la forma:
k fk ∆f k ∆2 f k ∆3 f k ∆4 f k ∆5 f k ∆6 f k ∆7 f k
0 0 0 0 0 1 -5 15 -35
1 0 0 0 1 -4 10 -20 35
2 0 0 1 -3 6 -10 15
3 0 1 -2 3 -4 5
4 1 -1 1 -1 1
5 0 0 0 0
6 0 0 0
7 0 0
8 0
Las diferencias finitas tienen ciertas propiedades análogas a las derivadas. Así por
ejemplo:
∆ (c1u k + c 2 v k ) = c1 ∆u k + c 2 ∆v k
∆ (u k v k ) = u k ∆v k + v k +1 ∆u k
u v k ∆u k − u k ∆v k
∆ k =
vk v k v k +1
n −1 n −1
∑
i =0
u i ∆v i = ( u n v n − u 0 v 0 ) − ∑∆(u v
i=0
i i +1 )
5-1
En forma similar, pueden definirse diferencias finitas hacia atrás:
∇f k = f k − f k − 1
∇ n f k = ∇ n −1 f k − ∇ n −1 f k −1
y diferencias centrales:
δ fk = f − f
k+ 1 k−1
2 2
δ2 fk = δ f −δf = f k +1 − 2 f k + f k −1
k+ 1 k−1
2 2
.....
δ n f k = δ n −1 f − δ n −1 f
k+1 k−1
2 2
∆ f k = ∇f k +1 = δ f
k+1
2
Y en general:
∆n f k = ∇ n f k + n = δ n f k + n
2
Por ejemplo:
k xk fk [x k , x k +1 ] L
0 0 -5 6 2 1 0 0
1 1 1 12 6 1 0
2 3 25 30 11 1
3 4 55 63 15
4 6 181 108
5 7 289
Para el caso de puntos con espaciamiento uniforme, h , las diferencias divididas pueden
relacionarse con diferencias finitas hacia delante:
∆n f i
[ xi , x i +1 , x i + 2 , L xi + n ] =
n! h n
5-2
Si f ( x ) es un polinomio de grado n , las diferencias finitas (de cualquier tipo) de orden
n + 1 o superior obtenidas con los f k = f ( x k ) son cero. En el ejemplo anterior f (x ) es
un polinomio de tercer grado.
5.2. Interpolación
Supóngase que se tiene una tabla de valores tales como:
xn f ( xk )
0 1.000 000
0.1 0.995 004
0.2 0.980 067
0.3 0.955 336
0.4 0.921 061
0.5 0.877 582
Y se requiere calcular f (0.25) . Para ello, f (x ) puede aproximarse localmente por una
función más simple, g ( x) , tal que g ( x k ) = f ( x k ) . El caso más común es aquel en que
g (x ) es un polinomio, pero también son frecuentes las aproximaciones con funciones
trigonométricas, por ejemplo:
1 x0 x 02 x0 K a 0 f ( x 0 )
1 x1 x12 x13 K a1 f ( x1 )
1 x2 x 22 x 23 K a 2 = f ( x 2 )
1 x3 x32 x33 K a 3 f ( x3 )
K M M
pero esto no es práctico. Otros métodos más eficientes se revisan a continuación.
f ( x k + αh) ≈ f k + α ∆f k + 12 α (α − 1) ∆2 f k =
(α − 1) (α − 2) α (α − 1)
= f k + α (2 − α) f k +1 + f k +2
2 2
5-3
Considerando los valores numéricos:
k xk f ( xk )
2 0.2 0.980 067
3 0.3 0.955 336
4 0.4 0.921 061
(para los que h = 0.1 ), el valor de f (0.25) podría obtenerse con α = 0.5 :
( −0.5) (−1.5) (0.5) (−0.5)
f ( x 2 + 0. 5 h ) = (0.980067) + (0.5) (1.5) (0.955336) + (0.921061)
2 2
de donde f (0.25) ≈ 0.968 895 (el valor exacto es 0.968 912 )
f ( x) = f 0 + [x 0 , x1 ]( x − x 0 ) + [x 0 , x1 , x 2 ]( x − x 0 ) ( x − x1 ) +
+ [x 0 , x1 , x 2 , x 3 ] ( x − x 0 ) ( x − x1 ) ( x − x 2 ) + L
Esta última expresión es válida también para puntos con espaciamiento no uniforme.
f (0.25) = 0.980067 + (−0.247301) (0.25 − 0.2) + ( −0.477270) (0.25 − 0.2) (0.25 − 0.3) +
+ (0.060908) (0.25 − 0.2) (0.25 − 0.3) (0.25 − 0.4) + L = 0.968914
f ( x k + αh ) = f k + α δ f + 12 α (α − 1) δ 2 f k + 16 α (α − 1) (α + 1) δ 3 f +L
k+1 k+1
2 2
f ( x k + αh ) = f k + α δ f + 12 α (α + 1) δ 2 f k + 16 α (α − 1) (α + 1) δ 3 f +L
k−1 k−1
2 2
Estas son las fórmulas de Gauss. Promediando las dos expresiones se obtiene la
fórmula de Stirling:
α α2 2 α (α 2 − 1) 3
f ( x k + αh ) = f k + δ f k+1 + δ f k−1 + δ fk + δ f k+1 + δ3 f k−1 + L
2 2 2 2 12 2 2
5-4
5.2.2. Fórmula de Interpolación de Lagrange
Esta fórmula es más adecuada para análisis teóricos que para el cómputo práctico. El
polinomio de interpolación se obtiene como:
m
p ( x) = ∑ g ( x) ⋅ f
i =0
i i
m
(x − x )
Los polinomios g i (x) se obtienen multiplicando n binomios: g i ( x ) = ∏ (x
j =0 i
j
−x )j
.
j ≠i
Nótese que g i ( x j ) = δ ij .
( x − 0) ( x − 3) 1
g 1 ( x) = = (− x 2 + 3x)
(1 − 0) (1 − 3) 2
( x − 0) ( x − 1) 1 2
g 2 ( x) = = ( x − x)
(3 − 0) (3 − 1) 6
2
p ( x) = ∑ g ( x) ⋅ f
i =0
i i = 2x 2 + 4x − 5
p (i ) ( x j ) = f (i ) ( x j ) i = 0,1, K m
j = 0,1, K n − 1
La interpolación de una función cuando una o más de sus derivadas son conocidas en
cada punto se llama interpolación de Hermite. p( x ) puede obtenerse utilizando la
fórmula de Newton con diferencias divididas y considerando que:
f ( x1 ) − f ( x 0 )
[x0 , x 0 ] = xLim = f ′( x 0 )
→x 1 0 (x1 − x0 )
f ′( x 0 ) − [x 0 , x1 ]
[x0 , x 0 , x1 ] =
(x 0 − x1 )
5-5
También podrían usarse las expresiones de Lagrange, considerando primero puntos a
una distancia pequeña, ε , y luego identificando a las derivadas con los límites de
diversas expresiones para ε → 0 .
v −v θ 2(v A − v B ) θ A + θ B
p (x ) = v A + θ A (x − 0 ) + B 2 A − A ( x − 0 ) + (x − 0 ) ( x − L )
2 2
3
+ 2
L L L L
( ) ( )
p ( x) = 1 − 3ξ 2 + 2ξ 3 v A + 3ξ 2 − 2ξ 3 v B + ξ (1 − ξ ) θ A L − ξ 2 (1 − ξ ) θ B L donde ξ =
2 x
L
.
xk f ( xk )
1. 1.76
2. 0.41
3. -0.16
4. -0.32
x ≈ 2.37
5-6
5.2.5. Generalización a Varias Dimensiones.
n
(x − x r )
donde g xi ( x ) = ∏ (x
r =0 i − xr )
y expresiones similares en las direcciones y, z .
r ≠i
La figura muestra una zona de una malla bidimensional con espaciamiento uniforme.
Las coordenadas de un punto en la proximidad de A pueden definirse por dos
parámetros α, β (coordenadas relativas medidas en unidades ∆x, ∆y ).
D C B
P
β ∆y
E O A
α ∆x
∆y
F G H
∆x
donde:
a1 = 12 α(α − 1) b1 = 12 β(β − 1)
a2 = 1 − α 2 b2 = 1 − β 2
a 3 = 12 α(α + 1) b3 = 12 β(β + 1)
5-7
y es igualmente fácil desarrollar expresiones análogas considerando un número mayor o
menor de puntos en cada dirección. La presencia de bordes curvos introduce algunas
dificultades (no es posible seguir teniendo un espaciamiento uniforme).
Sin embargo, en muchos casos es necesario trabajar con mallas no regulares, como la
mostrada en la figura adjunta. Las diferencias finitas no son entonces la herramienta
más adecuada. El concepto de elementos finitos es útil y permite un tratamiento más
simple. La región en estudio se divide en subregiones o elementos, conectados en un
número finito de nudos con los elementos adyacentes.
∑ N ( x, y , z ) = 1
i =0
i
1 x x y y
N i ( x, y ) = 1 + i 1 + i i = 1,2,3,4
4 a a b b
5-8
Y Y
4 3 4 7 3
b b
8 6
X X
b b
1 2 1 5 2
a a a a
1 x x y y x x y y
Ni = 1 + i 1 + i i + i − 1 i = 1,2,3,4
4 a a b b a a b b
1 x
2
Ni = 1− 1 + y i y i = 5,7
2 a
b b
x x y
2
1
Ni = 1 + i 1 − i = 6,8
2 a a b
5-9
En subregiones triangulares las funciones de interpolación resultan más simples si se
escriben en coordenadas de área, L1, L2, L3.. Un punto en el interior de un triángulo
permite definir tres triángulos parciales, cuyas áreas divididas entre el área total del
triángulo son justamente las Li:
Ai
Li =
A
En consecuencia:
L1 + L2 + L3 = 1 .
∑L x
i =1
i i =x ∑L y
i =1
j j =y
1 bi c
Li = + x+ i y
3 2A 2A
donde:
bi = y j − y k
ci = x k − x j i, j , k son permutaciones cíclicas de 1,2,3 .
Para un elemento con 3 nudos, el valor de una función, f ( x, y ) , puede obtenerse por
interpolación lineal de los tres valores nodales f 1 , f 2 , f 3 :
3
f ( x, y ) = ∑L f
i =1
i i 3
es decir, N i ( x, y ) = Li ( x, y ) .
En forma similar, para un elemento con 6 nudos 2
(nudos adicionales al centro de cada lado), f ( x, y )
puede obtenerse por interpolación cuadrática de
1
los valores nodales.
N i = Li (2 Li − 1) i = 1,2,3
N 4 = 4 L1 L2 3
N 5 = 4 L 2 L3 5
N 6 = 4 L3 L1 6
2
(Los elementos triangulares de mayor orden son en
general poco útiles). Expresiones análogas
4
pueden escribirse fácilmente para los 1
correspondientes elementos tridimensionales.
5 - 10
Por ejemplo, para el hexaedro de Serendip con 20 nudos:
20
f ( ξ, η, ς ) = ∑ N ( ξ, η, ς ) ⋅ f
i =1
i i
Ni = 1
8
( 1 + ξ i ξ )( 1 + η i η )( 1 + ς i ς )( ξ i ξ + η i η + ς i ς − 2 ) i = 1, L8
N i = g ( ξ, ξ i ) g ( η, η i ) g ( ς, ς i ) i = 9, L 20
donde: g ( ξ, ξ i ) = 1
2
(1 + ξ ξi ) si ξ i = ±1
g ( ξ, ξ i ) = 1 − ξ( 2
) si ξ i = 0 .
Las coordenadas x, y, z pueden asociarse con las ξ, η, ς usando las mismas funciones
de interpolación:
20
x= ∑ N ( ξ, η, ς ) x
i =1
i i
20
y= ∑ N ( ξ, η, ς ) y
i =1
i i
20
z= ∑ N ( ξ, η, ς ) z
i =1
i i
Nótese que también es posible hacer mapeos con las coordenadas de área.
5 - 11
5.3. Derivación
Dados f 1 ≈ f ( x1 ), f 2 ≈ f ( x 2 ) K f n ≈ f ( x n ) puede obtenerse una aproximación, g (x ) ,
a la función f (x) , tal que g ( x i ) = f ( x i ) para i = 1,2, K n . Este es el problema de
interpolación considerado en la sección 5.2. Entonces, las derivadas de f (x) podrían
aproximarse, localmente, por aquellas de g (x ) . Sin embargo, debe tenerse presente
que pequeños errores en los valores de la función pueden amplificarse enormemente al
calcular las derivadas. A mayor orden de la derivada, mayores son las probabilidades de
errores de cancelación.
f ( x i ± h ) = f ( x i ) ± h f ′( x i ) + 12 h 2 f ′′( x i ) ± 16 h 3 f ′′′( x i ) + K
hf ′( x i ) = f ( x i + h) − f ( x i ) − 12 h 2 f ′′( x i ) − K
− 13 f i −1 − 12 f i + f i +1 − 16 f i + 2
f i′ = + O(h 3 )
h
Pero las expresiones más simples son las más frecuentemente utilizadas.
Igualmente, f ′′(x ) puede ser aproximada por diferencias finitas de segundo orden:
f ′′( xi ) = f i′′=
f i +1 − 2 f i + f i −1
( )
+ O h2 = δ2 fi + O h2 ( )
h2
Por ejemplo, para la función de la tabla precedente:
0.995004 − 2 (0.980067) + 0.955036
f ′′(0.2) ≈ ≈ 0.97925
(0.1) 2
5 - 12
El valor exacto es 0.980067...
y las derivadas de orden superior pueden ser aproximadas por las correspondientes
diferencias finitas.
(m) ∆m f i
Por ejemplo: fi ≈
hm
(m) δm f
fi ≈ mi
h
Cuando se tienen 2 o más variables independientes, x, y, t L y mallas ortogonales de
puntos uniformemente espaciados, las derivadas parciales pueden aproximarse por
diferencias finitas trabajando separadamente con cada variable. Así por ejemplo, para
∆x = ∆y = h , el Laplaciano:
∂ 2u ∂ 2 u
∇ 2u = +
∂ x2 ∂ y2
en un punto de coordenadas xi , y j puede aproximarse por:
u i +1, j − 2u i , j + u i −1, j u i , j +1 − 2 u , j + u i , j +1
∇ 52 u ij = 2
+
h h2
( )
con un error de O h 2 Nótese que en ∇ 2 u y ∇ 52 u ij el símbolo ∇ no es el operador
para diferencias hacia atrás.
5 - 13
∂f ∂x ∂y ∂z ∂f
∂ξ ∂ξ ∂ξ ∂ξ
∂x
∂f ∂x ∂y ∂z ∂f
= ∂y
∂η ∂η ∂η ∂η
∂f ∂x ∂y ∂z ∂f
∂ς ∂ς ∂ς ∂ς ∂z
∂f ∂f ∂f
O en notación más compacta: =J . Los elementos de la matriz J y de se
∂r ∂x ∂r
obtienen con expresiones e la forma:
n
∂x ∂ Ni
∂ξ
= ∑i =1
∂ξ
xi
M
n
∂z ∂ Ni
∂η
= ∑i =1
∂η
zi
dx dy dz = det( J ) ⋅ d ξ d η d ς
lo que facilita enormemente las integrales, ya que los límites de integración son en cada
caso − 1 y + 1 .
La ecuación
y n + k + a1 y n + k −1 + K + a j y n + k − j + K + a k y n = 0
p(r ) = r k + a1 r k −1 + a 2 r k − 2 + K + a k −1 r + a k = 0 .
Lo cual puede probarse por simple sustitución. Si en cambio se tiene una raíz de
j
multiplicidad m , deben considerarse términos q ( j ) r , donde q ( j ) es un polinomio de
orden m − 1 . En cualquier caso la solución tiene k constantes independientes.
5 - 14
y 2 = (5)(1) − (6)(0) = 5
y 3 = (5)(5) − (6)(1) = 19
y 4 = (5)(19) − (6)(5) = 65
y 5 = (5)(65) − (6)(19) = 211
( )
Tn = c1 e +iθ
n
( )
+ c 2 e −iθ
n
= c1 e inθ + c 2 e −inθ . Con las condiciones iniciales T0 ( x ) = 1 ,
T1 ( x ) = x = cos θ se obtienen c1 = c 2 = 1
2
y finalmente Tn ( x ) = 12 e inθ + 12 e − inθ = cos nθ ,
donde θ = arc cos x .
5 - 15
5.5. Integración Numérica (Cuadratura)
La evaluación de una integral definida:
b
∫ a
f ( x) dx
∫ x0
f ( x) dx ≈ 1
2
(x1 − x0 ) [ f ( x0 ) + f ( x1 )]
∫
2 IV
f ( x) dx = ( x1 ) + K
x0 3 90
y en general, considerando un número par de subintervalos:
5 - 16
h
( )
xn
∫ x0
f ( x) dx =
3
( f 0 + 4 f 1 + 2 f 2 + 4 f 3 + 2 f 4 + K + 2 f n −2 + 4 f n −1 + f n ) + O h 4
y en forma similar
h T (h )
1.0 1.683 333
0.5 1.628 968
0.25 1.614 406
....
3h
( )
x
∫ ( f 0 + 3 f1 + 3 f 2 + f 3 ) + O h 7
3
f ( x) dx =
x0 8
y la regla de Bode:
2h
( )
x
∫ (7 f 0 + 32 f1 + 12 f 2 + 32 f 3 + 7 f 4 ) + O h 9
4
f ( x ) dx =
x0 45
5 - 17
También pueden obtenerse fórmulas que utilizan puntos uniformemente espaciados pero
no incluyen los valores de la función en uno o en los dos límites de la integral. Estas son
las fórmulas de Newton - Cotes de intervalo abierto. Por ejemplo:
3h
( )
x
∫ ( f1 + f 2 ) + O h 3
3
f ( x) dx =
x0 2
4h
( )
x
∫ (2 f1 − f 2 + 2 f 3 ) + O h 5
4
f ( x) dx =
x0 3
∫ f ( x ) dx + a1 (2h ) + a 2 (2h ) + a 3 2h 6 + K
2 4
T (2h) =
a
y entonces:
4T (h) − T ( 2h) b
3
= ∫ a
f ( x ) dx + b2 h 4 + b3 h 6 + K
b
es decir 1
3
(4 T (h) − T (2h)) es una aproximación a ∫ a
f ( x) dx con un error de truncación
( )
de O h 4 , menor que el de T (h ) o T (2h ) . En forma similar, para la regla de Simpson:
b
S ( h) = ∫ a
f ( x) dx + b2 h 4 + b3 h 6 + b4 h 8 + K
b
S ( 2h) = ∫ a
f ( x) dx + b2 (2h) 4 + b3 (2h) 6 + b4 (2h) 8 + K
y entonces:
es una aproximación mejor a la integral, con un error global de O h 6 . Estos son dos ( )
ejemplos de la extrapolación de Richardson.
5 dx
Para la integral
∫1 x
considerada anteriormente:
Obsérvese que estos resultados coinciden con los obtenidos de la regla de Simpson.
5 - 18
El método de Romberg considera inicialmente los resultados T1. j , de aplicar la regla de
los trapecios con distintos grados de subdivisión, h j = (b − a ) 2 j . Estas aproximaciones
2
( )
tienen errores de truncación de O h j . No es necesario rehacer todos los cálculos para
cada nueva subdivisión, pudiéndose emplear la expresión:
2 j −1
T1, j = 1
T
2 1, j −1
+ hj ∑ f (a + h i )
i =1
j
∆i = 2
2 j −1
j
2
4
hj = j ∑ f (a + i h )
i =1
j T1, j
∆i = 2
0 4. 2.4
1 2. 0.333 333 1.866 667
2 1. 0.75 1.683 333
3 0.5 1.574 603 1.628 968
4 0.25 3.199 689 1.614 406
5 0.125 6.427 862 1.610 686
∫ f (x )dx ≈ c f (x ) + c
a
1 1 2 f ( x 2 ) + c3 f (x3 ) + L + c m f (x m )
5 - 19
Con propósitos ilustrativos, considérese la fórmula de integración de Gauss con 3
puntos:
b
∫ a
f (x ) dx ≈ w1 f (x1 ) + w2 f (x 2 ) + w3 f ( x3 )
Esta expresión será exacta si f (x ) es un polinomio de grado igual o menor que 5 (es
decir, 2(3)-1) ¿Cuáles deben ser las abscisas x1 , x 2 , x 3 ? Esto se considera brevemente
en lo que sigue. El polinomio g ( x ) = ( x − x1 )( x − x 2 )( x − x 3 ) , cuyas raíces son
precisamente las abscisas de integración, es de tercer grado. En consecuencia la
integración:
b
∫ a
g ( x ) dx = w1 g ( x1 ) + w2 g ( x 2 ) + w3 g ( x3 ) = 0
∫ a
x g ( x) d x = w1 x1 g ( x1 ) + w2 x 2 g ( x 2 ) + w3 x3 g ( x 3 ) = 0
∫ a
x 2 g ( x) d x = w1 x12 g ( x1 ) + w2 x 22 g ( x 2 ) + w3 x32 g ( x3 ) = 0
Es decir, x1 , x 2 , x 3 son los 3 ceros del polinomio g ( x ) que satisface las condiciones de
ortogonalidad:
b
∫ g ( x) dx = 0
a
b
∫ x g ( x) dx = 0
a
b
∫ x g ( x) dx = 0
2
a
∫ a
f (x ) dx = ∫ −1
F ( z ) dz = w1 F (z1 ) + w2 F ( z 2 ) + w3 F (z 3 )
y en tal caso las abscisas z i son los ceros del polinomio que satisface las condiciones:
+1
∫−1
P3 ( z ) dz = 0
+1
∫−1
z P3 ( z ) dz = 0
+1
∫−1
z 2 P3 ( z ) dz = 0
5 - 20
m Pm ( z ) zi
1 z 0.
2 1
2
(3z − 1)
2 ± 0.57735K
3 1
2
(5z − 3z )
3 0., ± 0.77459K
4 1
8
(35z − 30z4 2
+3 ) ± 0.33998K , ± 0.86113K
5 1
8
(63z − 70z5 3
+ 15 z ) 0., ± 0.53846K , ± 0.90617 K
∫ F ( z)dz = w F ( z ) + w F ( z
−1
1 1 2 2) + K + wm F ( z m ) = 0
2
wi = .
(1 − z i2 ) Pm′ ( z i )
zi wi
0. 0.56888 88888 88889
± 0.53846 9310105683K 0.47862 86704 99366
± 0.90617 98459 38664 K 0.23692 68850 56189
[ ]
b
∫ f ( x) dx =
a
1
2
(b − a ) w1 f ( x1 ) + w2 f ( x 2 ) + K + wm f ( x m )
donde:
x i = 12 (b − a ) z i + 12 (b + a )
x i = ( z i + 3) / 2 y se tiene:
i zi xi f (x i ) wi
1 0. 1.5 0.666667 0.568889
2 -0.538469 1.230766 0.812502 0.478629
3 0.538469 1.769235 0.565216 0.478629
4 -0.906180 1.046910 0.955192 0.236927
5 0.906180 1.953090 0.512009 0.236927
1
Véase: "Handbook of Mathematical Functions".- M. Abramowitz e I.A. Segun, editores. Dover Publications
Inc., N.Y. 1965
5 - 21
5
∑ w f ( x ) = 0.6931474 .
2
y finalmente
∫
1
1
x
dx ≈ 12 (2 − 1)
i =1
i i
Fórmula de Radau:
n −1
+1
2
∫ −1
f ( x)dx ≈ 2
n
f (−1) +
∑ w f (x )
i =1
i i
(Pn −1 ( x) + Pn ( x))
Las abscisas son los ceros de
(1 + x )
(1 − xi )
Los correspondientes pesos resultan: wi =
(nPn −1 ( xi )) 2
Fórmula de Lobatto:
n −1
+1 2
∫ −1
f ( x) dx ≈
n(n − 1)
[ f (1) + f (− 1)] + ∑ w f (x )
i =1
i i
Los pesos, w i , están dados por wi = 2[n(n − 1)] [Pn −1 (xi )]−2 .
−1
∫ 0
e − x f ( x)dx ≈ ∑ w f (x )
i =1
i i
∫∫ f ( x, y ) dx dy ≈ ∑ ∫
i =1
wi f ( x i , y ) dy ≈ ∑∑ w w
i =1 j =1
i j f ( xi , y j )
5 - 22