Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNIDAD IV
4.0 DERIVACIÓN E INTEGRACIÓN NUMÉRICA
4.1 DIFERENCIACIÓN NUMÉRICA
4.2 FÓRMULA DE LOS 3 Y 5 PUNTOS
4.3 FÓRMULA PARA N PUNTOS
Una valoración simple del dos-punto es computar la cuesta de un próximo línea secante a
través de los puntos (x,f (x)) y (x+h,f (x+h)). Elegir un número pequeño h, h representa un
cambio pequeño adentro x, y puede ser positivo o negativa. La cuesta de esta línea es
La cuesta de esta línea secante diferencia de la cuesta de la línea de la tangente por una
cantidad a la cual sea aproximadamente proporcional h. Como h los acercamientos ponen a
cero, la cuesta de la línea secante acercamientos la cuesta de la línea de la tangente. Por lo
tanto, el verdad derivado de f en x es el límite del valor del cociente de la diferencia mientras
que las líneas secantes consiguen cada vez más cerca de ser una línea de la tangente:
2. OBJETIVO
Conceptualizar los métodos de derivación e integración. Comparar los métodos de
derivación numérica, formula de 3 y 5 puntos en base a los criterios de eficiencia, precisión
y tolerancia.
3. DIFERENCIACIÓN NUMÉRICA
Una valoración simple del tres-punto es computar la cuesta de una línea secante próxima a
través de los puntos (x-h,f (x-h)) y (x+h,f (x+h)). La cuesta de esta línea es más
generalmente, la valoración del tres-punto utiliza la línea secante a través de los
puntos (x − h1,f(x − h1)) y(x + h2,f(x + h2)).
1
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
La cuesta de estas líneas secantes diferencia de la cuesta de la línea de la tangente por una
cantidad a la cual sea aproximadamente proporcional h2 de modo que la valoración del
tres-punto sea una aproximación más exacta a la línea de la tangente que la valoración del
dos-punto cuando h es pequeño.
Se le llama diferencia " hacia adelante " ya que usa los datos(i) e (i+1) para estimar la derivada.
Esta diferencia dividida hacia adelante no es sino una de tantas que se pueden desarrollar
mediante la serie de Taylor para la aproximación de derivadas numéricas.
Por ejemplo, las aproximaciones a primeras derivadas, utilizando las diferencias hacia atrás o
las diferencias centrales se pueden desarrollar de una manera similar a la de la ecuación 2.
Las primeras usan a, mientras x con sub-índice i+1 que las segundas usan información
igualmente espaciada alrededor del punto donde está estimada la derivada.
2
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Finalmente, todas las versiones anteriores se pueden desarrollar para derivadas de segundo
orden, tercer orden y órdenes superiores. Las siguientes secciones analizan brevemente estos
casos, ilustrando como se deriva cada una de ellos. Concretamente tenemos lo siguiente:
Diferenciación Numérica
La derivada de la función f en x0 es
f ( x0 h) f ( x0 )
f '( x0 )= lim .
h 0 h
3
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
f ( x0 h) f ( x0 ) 2( x x0 ) h
f '( x) f ''( ( x))
h 2
( x x0 )( x x0 h)
Dx ( f ''( ( x)))
2
De modo que
f ( x0 h) f ( x0 )
f '( x ) .
h
4
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Grafica
5
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Por lo que se concluye que las cotas del error son las adecuadas para la función del
ejemplo anterior.
INTRODUCCIÓN.
Consideremos una función f(x) de la cual se conoce un conjunto discreto de valores (x0,y0),
(x1,y1),.....(xn,yn). El problema que vamos a abordar es el de calcular la derivada de la función
en un punto x que en principio no tiene por qué pertenecer a los datos de que disponemos.
La forma más sencilla de resolver el problema de la diferenciación numérica consiste en
estimar la derivada utilizando fórmulas obtenidas mediante la aproximación de Taylor, que
se denominan fórmulas de diferencias finitas.
Básicamente, en una solución por diferencias finitas, las derivadas son reemplazadas por
aproximaciones en diferencias finitas, convirtiendo entonces un problema de ecuaciones
diferenciales en un problema algebraico que fácilmente se puede resolver por medios
comunes.
Es importante mencionar que los errores que tengan los datos, por ejemplo los cometidos
en la adquisición de los mismos o los debidos al redondeo aumentan en el proceso de
diferenciación.
OBJETIVO.
En los objetivos para esta clase tenemos: El ccomparar los métodos de derivación numérica,
formula de n puntos en base a los criterios de eficiencia, precisión y tolerancia. Analizar una
muestra de datos empleando cada uno de los métodos de derivación e integración.
6
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
8
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Fórmulas de 5 puntos
Son las que evalúan la función en 5 puntos (ecuaciones 4.6 y 4.7), y
cuyo término del error tiene la forma O( h 4 ).
1
f '( x0 ) f ( x0 2h) 8 f ( x0 h) 8 f ( x0 h) f ( x0 2h)
12h
h 4 (5)
f ( ), (4.6)
30
donde se encuentra entre x0 - 2h y x0 2h.
9
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
1 25 f ( x0 ) 48 f ( x0 h) 36 f ( x0 2h)
f '( x0 )
12h 16 f ( x0 3h) 3 f ( x0 4h)
h 4 (5)
f ( ), (4.7)
5
donde se encuentra entre x0 y x0 4h.
1 25 f ( x0 ) 48 f ( x0 h) 36 f ( x0 2h)
f '( x0 )
12h 16 f ( x0 3h) 3 f ( x0 4h)
h 4 (5)
f ( ), (4.7)
5
donde se encuentra entre x0 y x0 4h.
10
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
EJEMPLO 2.
Los valores de f ( x) xe x , son los siguientes:
x f ( x)
1.8 10.889365
1.9 12.703199
2.0 14.778112
2.1 17.148957
2.2 19.855030
Ya que f '( x) ( x 1)e x , se tiene f '(2) 22.167168.
11
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Fórmula de 5 puntos
Al utilizar (4.6) con h 0.1 (la única fórmula de cinco puntos
aplicable):
1
f '(2.0) f (1.8) 8 f (1.9) 8 f (2.1) f (2.2) 22.166996.
1.2
El error de esta fórmula es aproximadamente 1.69 10-4 .
1 h 2 (4)
f ''( x0 ) 2 f ( x0 h) 2 f ( x0 ) f ( x0 h) f ( ), (4.9)
h 12
para alguna , donde x0 h x0 h.
EJEMPLO 3.
Con los datos del ejemplo 2, para f ( x) xe x se puede usar la
ecuación (4.9) para aproximar f ''(2.0).
12
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Ejemplo 4 :
Utilizar la siguiente tabla para aproximar f’(0.9) donde f(x)=sen(x) , el valor verdadero es cos
0.9 = 0.62161.
13
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Conclusiones:
Aunque solo se ha analizado los problemas del error de redondeo en la fórmula de tres
puntos, también presentes en el resto de fórmulas, debido a la necesidad de dividir una
potencia de h.
4. ENLACES SUGERIDOS
https://es.wikipedia.org/wiki/Derivaci%C3%B3n_num%C3%A9rica
https://metodosnumericosisc.wikispaces.com/UNIDAD+4.-
+Diferenciaci%C3%B3n+e+integraci%C3%B3n+num%C3%A9ricas.
5. BIBLIOGRAFÍA
- Análisis Numérico, Richard L. Burden/J. Douglas Faires, Editorial Thomson Learning Inc.
- Métodos Numéricos Con SCILAB, Héctor Manuel Mora Escobar, Abril 2010
6. GLOSARIO
14
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
7. PREGUNTAS DE AUTOEVALUACIÓN
2. ¿Cuál es su fórmula?
4. ¿Qué otro criterio se debe tomar en cuenta para las formulas anteriores?
15
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
UNIDAD IV
4.0 DERIVACIÓN E INTEGRACIÓN NUMÉRICA
4.4 INTEGRACION NUMERICA
4.5 FORMULAS DE NEWTON COTES
1. INTRODUCCIÓN.
Consideremos una función f(x) de la cual se conoce un conjunto discreto de valores (x0,y0),
(x1,y1),.....(xn,yn). El problema que vamos a abordar es el de calcular la derivada de la función
en un punto x que en principio no tiene por qué pertenecer a los datos de que disponemos.
La forma más sencilla de resolver el problema de la diferenciación numérica consiste en
estimar la derivada utilizando fórmulas obtenidas mediante la aproximación de Taylor, que
se denominan fórmulas de diferencias finitas.
Básicamente, en una solución por diferencias finitas, las derivadas son reemplazadas por
aproximaciones en diferencias finitas, convirtiendo entonces un problema de ecuaciones
diferenciales en un problema algebraico que fácilmente se puede resolver por medios
comunes.
Es importante mencionar que los errores que tengan los datos, por ejemplo los cometidos
en la adquisición de los mismos o los debidos al redondeo aumentan en el proceso de
diferenciación.
2. OBJETIVO.
En los objetivos para esta clase tenemos: el comparar los métodos de integración
numérica y otros métodos en base a los criterios de eficiencia, precisión y tolerancia.
3. INTEGRACIÓN NUMÉRICA
1
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Para evaluar la integral definida de una función se usa el método llamado: “Cuadratura
Numérica”
n
Que usa a f x
i 0
i i =a0 f x0 a1 f x1 ... an f xn
b
para aproximar a f x dx
a
f x0 L0 x f x1 L1 x ... f xn Ln x
x xi f n 1 x dx
1
ai f xi
i 0 n 1! a i 0
donde:
a x b y
b
ai L x dx ,
a
i para cada i 0,1, ,n
f x dx ai f xi a0 f x0 a1 f x1 ... an f xn
a i 0
2
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
FÓRMULAS DE INTEGRACIÓN
3
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
REGLA DE SIMPSON:
x2
h h5 4
f x dx
x0
3
f x0 4 f x1 f x2
90
f
con x0 x2
y
ba
h , a x0 , b x2 ,
2
h x2 x1 x1 x0 .
EJEMPLO:
Use la Regla del trapecio y la Regla de Simpson para calcular las integrales de las siguientes
funciones en el intervalo de [0,2]:
4
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
f x
1
x2 x4 1 x2 sin( x) exp( x)
x 1
1
f x x2 x4 1 x2 sin( x) exp( x)
x 1
Según esta definición la regla del Trapecio tiene el grado de precisión uno .
5
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
El grado de precisión de una fórmula de cuadratura será n, y el error E(P(x)) = 0 para todos
los polinomios P(x) de grado k=0,...,n pero E(P(x))≠0 para algún P(x) de grado n+1.
Son los tipos de integración numérica más comunes, su estrategia es remplazar a la función
complicada o de datos tabulados por un polinomio de aproximación que es fácil de integrar.
b
I f ( x ) dx
Es decir supongamos que nos interesa determinar a ; entonces, tenemos:
∫ ( ) ∫ ( ) ,
( ) ,
Donde n es el grado del polinomio el método en estudio lo realiza en general en dos pasos.
Observemos que cuando el polinomio de aproximación es lineal se trata de una línea recta
como observamos en el caso (a) y cuando se trata de un polinomio de segundo orden
tenemos el caso (b)
f(x)
f(x)
6
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
En otros términos:
Primero: Dividir el intervalo [a, b] en “n” intervalos de igual magnitud en donde sus valores
extremos son:
( ) , siendo , (1)
x0 x1 x2 x3 xi xi + 1 …
h h h h h ...
a b
Segundo: Se aproxima f (x) por un polinomio de grado “n”, Pn (x) y se integra para obtener la
aproximación de f(x).
1. OBJETIVO.
En los objetivos para esta clase tenemos: Comparar los métodos de integración numérica y
Newton Cotes en base a los criterios de eficiencia, precisión y tolerancia y analizar una
muestra de datos empleando cada uno de los métodos de integración numérica y Newton
Cotes.
7
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Las reglas del Trapecio y Simpson, son casos del Método llamado Fórmula de Newton-
Cotes.
Las fórmulas cerradas incluyen los extremos del intervalo [a,b] como parte de los nodos.
donde x0 a, xn b, y h
b a
n
b n
Entonces f x dx a i f xi
a i 0
xn xn
x x dx
n
ai Li x dx j
donde
x0 x0
x x
j 0 i j
j i
El siguiente teorema detalla el análisis de error asociado a las fórmulas cerradas para el
método llamado newton Cotes :
n
Teorema : Supongamos que a f x
i 0
i i denota la fórmula
xn b y h
b a . Existe un a, b para el cual
n
8
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Si n es par y si f C n 2 a, b
b n
h n 3 f ( n 2) n 2
f x dx a f x
a i 0
i i
n 2 ! 0
t t 1 t 2 t n dt
Y Si n es impar y si f C n 1 a, b
b n
h n 2 f ( n 1) n
f x dx a f x
a i 0
i i
0
n 1 ! t t 1 t 2 t n dt
n = 2, Regla de Simpson:
x2
h h5 (4)
f x dx f x0 4 f x1 f x2 f con x0 x2
x0
3 90
3
n = 3, Regla de de Simpson:
8
x3
3h 3h5 (4)
f x dx f x0 3 f x1 3 f x2 f x3 f
x0
8 80
con x0 x3
9
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
n=4
x4
2h
f x dx 45 7 f x 32 f x 12 f x 32 f x 7 f x
x0
0 1 2 3 4
8h 7 6
f donde x0 x4
945
donde x0 a h, xn b h, y h
b a
n2
Y para los extremos se tiene x1 a y xn 1 b
Las fórmulas abiertas contienen todos los nodos usados para hacer las aproximaciones
dentro del intervalo abierto (a,b). Las fórmulas se convierten en:
b xn 1 n
b
ai L x dx
a
i
n
Teorema : Supongamos que a f x denota la fórmula
i 0
i i
xn 1 b y h
b a . Existe un a, b para el cual
n2
10
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Si n es par y si f C n 2 a, b
h n 3 f ( n 2 )
b n n 1
a i 0 n 2! 1
Y Si n es impar y si f C a, b
n 1
h n 2 f ( n 1)
b n n 1
a f x dx
i 0
ai f xi
n 1! 1
t t 1t 2 t n dt
n=3
x4
5h
f x dx 24 11 f x f x f x 11 f x
x1
0 1 2 3
95h5
f 4
donde x1 x4
144
Ejercicio: Aplicar las fórmulas abiertas y cerradas para n=0,1,2,3 y 4 para aproximar:
11
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
4
2
Sin( x)dx 1
0
2
0.29289322
> newtoncot
Recuerde que:
si n=2: De Simpson,
1. Cerrada
2. Abierta
12
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Ingrese x0:
Ingrese x3:
pi/4
'sin(x)'
1. En pantalla
2. En archivo de texto
Aproximación = 2.9291070255e-001
Error = 1.7483735719e-005
3. ENLACES SUGERIDOS
https://metodosnumericosisc.wikispaces.com/UNIDAD+4.-
+Diferenciaci%C3%B3n+e+integraci%C3%B3n+num%C3%A9ricas.
https://es.wikipedia.org/wiki/F%C3%B3rmulas_de_Newton%E2%80%93Cotes
4. BIBLIOGRAFÍA
- Análisis Numérico, Richard L. Burden/J. Douglas Faires, Editorial Thomson Learning Inc.
- Métodos Numéricos Con SCILAB, Héctor Manuel Mora Escobar, Abril 2010
13
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
5. GLOSARIO
6. PREGUNTAS DE AUTOEVALUACIÓN
1. ¿En qué consiste el método del trapecio?
4. ¿Cuáles son sus fórmulas, que son las que se utilizan en el algoritmo?
14
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
UNIDAD IV
4.0 DERIVACIÓN E INTEGRACIÓN NUMÉRICA
4.6 FORMULAS COMPUESTAS DE INTEGRACION
4.7 METODOS ADAPTATIVOS DE CUADRATURA
1. INTRODUCCIÓN.
La integración compuesta son los tipos de integración numérica más comunes, su
estrategia es remplazar a la función complicada o de datos tabulados por un polinomio
de aproximación que es fácil de integrar.
Por ejemplo, cuando se aproxima una función f(x) por un polinomio Pn(x). Desde el
punto de vista de la aproximación numérica este resultado podría ser inaceptable
debido a las oscilaciones que presenta el polinomio interpolador y a las grandes
diferencias que hay entre este y la función f(x).
2. OBJETIVO.
En los objetivos para esta clase tenemos: Comparar los métodos de fórmulas
compuestas de integración en base a los criterios de eficiencia, precisión y tolerancia,
así como el analizar una muestra de datos empleando cada uno de los métodos de
fórmulas compuestas de integración.
1
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
4
Considerar el problema de obtener una aproximación a 0
e x dx.
La regla de Simpson con h 2, resulta:
2 0
e 4e 2 e 4 56.76958.
4
0 3
e x dx
3
1 0
e 4e e 2 e 2 4e3 e 4
1
3
e 0 4e 2e 2 4e3 e 4
1
3
53.86385
A continuación podemos ver un poco sobre como es el comportamiento del error que es
muy clave al momento de considerar las estimación de un mínimo de error en los cálculos.
2
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
1 0 1
1 3
e 4e 2
e e 4e 2
e2
6 6
1 2 5
3 1 3 7
e 4e e e 4e 2 e 4
2
6 6
1 0 1 3 5 7
e 4e 2e 4e 2e 4e 2e 4e 2 e 4
2 2 2 2 3
6
Para generalizar este procedimiento, se selecciona un entero par n.
53.61622.
es 0.01807 .
Se subdivide el intervalo a, b en n subintervalos y se aplica la
El error de esta aproximación
regla de Simpson en cada par consecutivo de subintervalos.
Ver figura.
3
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
(b a )
Con h y x j a jh para cada j 0,1,..., n; se tiene
n
n/2
f ( x )dx
b x2 j
a
j 1
x2 j 2
f ( x )dx
h
f ( x2 j 2 ) 4 f ( x2 j 1 ) f ( x2 j )
3 n/2
5 ,
j 1 h
f (4) ( j )
90
para alguna j con x2 j -2 j x2 j , siempre que f C 4 a, b .
h ( n / 2) 1 n/2
b
a
f ( x)dx
3
f ( x0 ) 2
j 1
f ( x2j ) 4
j 1
f ( x2 j 1 ) f ( xn )
h5 n / 2 (4)
f ( j )
90 j 1
por ejemplo con n 6 :
b h f ( x0 ) 2 f ( x2 ) f ( x4 ) 4 f ( x1 ) f ( x3 ) f ( x5 )
f ( x )dx
3
f ( x6 )
a
4
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
5
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Paso 6: Tomar XI h( XI 0 - 2 XI 2 4 XI 1) / 3.
Paso 7: SALIDA (XI );
PARAR.
EJEMPLO 1:
Aplicar la regla compuesta de simpson con
2
un valor de n =4 para aproximar 1
x ln( x ) dx
Aplicando el algoritmo 041, se tiene:
>> ALG041
This is Simpsons Method.
6
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
h n 1 ba 2
b
a
f ( x)dx
2
f ( a ) 2
j 1
f ( x j ) f (b)
12
h f ''( ).
b h f ( x0 ) 2 f ( x1 ) f ( x2 ) f ( x3 ) f ( x4 )
con n=5: f ( x)dx
2
f ( x5 )
a
Ver figura.
7
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
f ( x) dx 2h f ( x0 ) f ( x2 ) f ( x4 ) f ( x6 )
b
con n=6: a
8
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
EJEMPLO 2 :
Con la regla compuesta de Simpson, considere el problema de
aproximar 0
sen( x)dx con un error absoluto menor que 0.00002.
Esto implica realizar un número de cálculos mucho mayor que los que se
requieren al aplicar la regla compuesta de Simpson.
9
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Por ejemplo, la regla del trapecio se basa en obtener el área bajo la línea recta que une
a los valores de la función, en los extremos del intervalo de integración. La fórmula que
se utiliza para calcular esta área es
I = (a-b)[ ( f( a ) + f( b ) ) / 2 ]
Debido a que la regla del trapecio necesita los puntos extremos, existen casos donde la
formula pueda dar un gran error.
Ahora, suponga que se elimina la restricción de los puntos fijos y se tuviera la libertad de
evaluar el área bajo una línea recta que uniera dos puntos cualesquiera de la curva.
Al ubicar estos puntos en forma inteligente, definiríamos una línea recta que equilibrara
los errores negativo y positivo. Así que, llegaríamos a una mejor estimación de la
integral.
10
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Cuadratura es el nombre de una clase de técnicas para realizar tal estrategia. Las
formulas particulares de cuadratura. Antes de describir el procedimiento, mostraremos
que las fórmulas de integración numérica, como la regla del trapecio, pueden obtenerse
usando el método de coeficientes indeterminados. Este método se empleara después
para desarrollar las fórmulas apropiadas.
1. OBJETIVO.
En los objetivos para esta clase tenemos el cconocer los métodos adaptativos de
cuadratura en base a los criterios de eficiencia, precisión y tolerancia. Analizar una
muestra de datos empleando cada uno de los métodos de fórmulas compuestas de
integración y el método adaptativo de cuadratura.
Esto requiere que el método a usar prediga el grado de variación funcional y que adapte el
tamaño del paso según sea la necesidad.
11
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
b
Suponga que queremos aproximar f x dx con
a
12
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
f x dx 6 f a 4 f a 2 2 f a h 4 f a
a
f b
2
4
h
f 4
~ ~ en a, b
para alguna (**)
2
Y que :
ab h 3h
S , b f a h 4 f a f b
2 6 2
Entonces se puede re - escribir la expresión (**) como : (* * *)
ab a b 1 h 4 ~
b 5
13
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
ab ab
Este resultado significa que S a, S ,b
2 2
b
aproxima a f x dx
a
unas 15 veces mejor de lo que
14
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
15
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
16
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
El algoritmo 043, detalla este procedimiento. Pero la tolerancia inicial se fija en 10ε en
lugar de 15ε
Esto se hace para compensar el error en la suposición de que las cuartas derivadas son
iguales, y en los problemas en donde se sabe que la derivada varía mucho se puede
escoger un valor menor.
y = (100/x^2) * (sin(10/x))
Input lower limit of integration and upper limit of integration on separate lines
17
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Input tolerance.
1e-4
100
3. ENLACES SUGERIDOS
https://es.wikipedia.org/wiki/F%C3%B3rmulas_de_Newton%E2%80%93Cotes
4. BIBLIOGRAFÍA
- Análisis Numérico, Richard L. Burden/J. Douglas Faires, Editorial Thomson Learning Inc.
- Métodos Numéricos Con SCILAB, Héctor Manuel Mora Escobar, Abril 2010
5. GLOSARIO
6. PREGUNTAS DE AUTOEVALUACIÓN
18
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
UNIDAD IV
4.0 DERIVACIÓN E INTEGRACIÓN NUMÉRICA
4.8 MÉTODOS DE INTEGRACIÓN GAUSSIANA
4.9 MÉTODOS DE GAUSS LEGENDRE
Donde, wi son las funciones de peso y f(x) son las n+1 evaluaciones de la función f(x)
2. OBJETIVO.
1
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
La regla del trapecio, sin duda ésta no es la mejor línea para aproximar la integral. Las
líneas como las que se muestran en la siguiente figura seguramente producirán, en la
generalidad de los casos, mucho mejores aproximaciones.
A X1 B X2 A X1 B X2 A X1 B X2
2
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Se escogen los nodos x1, x2, …, xn en el intervalo [a,b] y los coeficientes c1, c2, …, cn, para
reducir en lo posible el error esperado que se obtiene al efectuar la aproximación.
n
f ( x)dx ci f ( xi )
b
a
i 1
En la fórmula de aproximación los coeficientes c1, c2, …, cn son arbitrarios, y los nodos
x1,x2,…,xn están restringidos sólo por la especificación de que se encuentren en [a,b], el
intervalo de la integración . Esto genera 2n parámetros de donde elegir.
Para dar un ejemplo del procedimiento con que se escogen los parámetros apropiados, se
mostrará cómo seleccionar los coeficientes y los nodos cuando n = 2 y cuando el intervalo
de integración es [-1, 1].
Después se explicará el caso más general de una elección arbitraria de los nodos y
coeficientes, indicando cómo modificar el método cuando se integra en un intervalo
arbitrario.
Suponiendo que se quiere determinar c1, c2, x1 y x2 de modo que la fórmula de integración:
1 n
f x dx c f ( x ), da el resultado exacto,
1 i 1
i i
Siempre que f(x) sea un polinomio de grado 2(2) – 1 = 3 o menor, es decir, cuando f(x)=a0
+a1x + a2x2 +a3x3, para algún conjunto de constantes a0, a1, a2 y a3.
3
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Dado que:
1 1
c1 1 c2 1 1
1dx 2, c1 x1 c2 x2
1
xdx 0,
2 1 1
c1 x12 c2 x22
1 3
, y c1 x13 c2 x23 x 3 dx 0,
x 2 dx
1
ALGORITMO EN EJECUCION
'x^4'
0.5
4
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
con N igual a 2
es :-------> 0.1935763888901679300000000000
EJEMPLO 2: Aproximar la integral de X4, en el intervalo [0.5,1]. El valor real es: 0.19375
5
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Donde, wi son las funciones de peso y f(x) son las n+1 evaluaciones de la función f(x)
El objetivo de este método es aproximar la función f(x), por un polinomio pn (x) que sea
ortogonal con respecto a una función de peso dado, en el intervalo.
f(x)=Pn(x)+Rn(x)
Donde w(x) son funciones de peso, Pn(x) es el polinomio seleccionado y Rn(x) es el residuo
originado por la aproximación.
Es conveniente que los límites de integración sea entre (-1,1) y no entre (a, b ). para ello se
puede hacer un sencillo cambio de variable de la siguiente forma:
L1 es el polinomio de Legendre:
6
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Las funciones Ω(t) son funciones positivas integrales asociadas a la propiedad de ciertos
polinomios ortogonales. De hecho los valores que aparecen en el cálculo de la sumatoria son
justamente las raíces de estos mismos polinomios ortogonales, raíces utilizadas en el
desarrollo:
Dependiendo del intervalo (a,b), también llamado dominio, se selecciona el tipo de polinomio
que satisfaga la ecuación general del método de Romberg.
Finalmente el resultado de la integral es:
7
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Polinomios de Legendre:
4. OBJETIVO.
Estudiar los métodos matemáticos de derivación e integración Gaussiana en base a los
criterios de eficiencia, precisión y tolerancia así como aprender a estudiar los métodos
matemáticos de derivación e integración Gauss-Legendre en base a identificar el
método idóneo que debe aplicarse a una muestra de datos de un problema real.
8
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
9
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
n Raíces rn ,i Coeficientes cn ,i
4 0.8611363116 0.3478548451
0.3399810436 0.6521451549
-0.3399810436 0.6521451549
-0.8611363116 0.3478548451
5 0.9061798459 0.2369268851
0.5384693101 0.4786286705
0.0000000000 0.5688888889
-0.5384693101 0.4786286705
-0.9061798459 0.2369268851
b
Una integral
a
f ( x) dx en un intervalo arbitrario [a,b] se puede
transformar, en otra en [-1, 1] usando el cambio de variables,
así:
10
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
t
(b, 1)
2x – a – b
1
t = ---------------
b-a
x
a b
-1
(a, -1)
2x - a - b 1
t x= (b a )t a b .
b-a 2
Esto permite aplicar la cuadratura gaussiana a cualquier
intervalo [a, b], ya que
b 1 ((b a )t a b) b a
a
f ( x ) dx = f
-1
2
2
dt (*1*)
n 0 1 2 3 4
Fórmulas
cerradas 0.1183197 0.1093104 0.1093404 0.1093643
Fórmulas
abiertas 0.1048057 0.1063473 0.1094116 0.1093971
11
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
n2
- x2
1.5 1 (5 0.5773502692)
1 e dx e (5 0.5773502692) 0.1094003.
2 2
/16 /16
e
4
n3
(0.5555555556)e (5 0.7745966692) /16
2
1
- x 2
1.5
e dx (0.8888888889)e (5) /16 0.1093642.
2
1 4 (5 0.7745966692) /16
2
(0.5555555556)e
6. ENLACES SUGERIDOS
https://es.wikipedia.org/wiki/Integral_de_Gauss
https://en.wikipedia.org/wiki/Gauss%E2%80%93Legendre_algorithm
7. BIBLIOGRAFÍA
- Análisis Numérico, Richard L. Burden/J. Douglas Faires, Editorial Thomson Learning Inc.
- Métodos Numéricos Con SCILAB, Héctor Manuel Mora Escobar, Abril 2010
8. GLOSARIO
9. PREGUNTAS DE AUTOEVALUACIÓN
1. ¿Qué es la Cuadratura Gaussiana?
12
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
UNIDAD V
TÉCNICAS DE SOLUCIÓN DE ECUACIONES DIFERENCIALES ORDINARIAS
CON PROBLEMAS DE VALOR INICIAL
1. INTRODUCCIÓN
Las Ecuaciones Diferenciales son utilizados para para modelar problemas de ciencias e
ingeniería que requieren para su explicación el cambio de una variable con respecto a
otra.
2. OBJETIVO
Conceptualizar los métodos matemáticos que resuelven ecuaciones diferenciales cuyas
soluciones convergen a un valor y además el comparar los métodos matemáticos de Euler,
en base a los criterios de eficiencia, precisión y tolerancia.
MÉTODO DE EULER
La idea del método de Euler es muy sencilla y está basada en el significado geométrico de
la derivada de una función en un punto dado.
1
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Debido a que la recta tangente aproxima a la curva en valores cercanos al punto de tangencia,
podemos tomar el valor de la recta tangente en el punto como una aproximación al valor
deseado.
Ahora bien, suponemos que es un punto cercano a , y por lo tanto estará dado
como . De esta forma, tenemos la siguiente aproximación:
2
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
nueva h igual a .
Para obtener únicamente hay que pensar que ahora el papel de lo toma el punto
3
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Esta es la conocida fórmula de Euler que se usa para aproximar el valor de aplicándola
sucesivamente desde hasta en pasos de longitud h.
Ejemplo 1
Dada la siguiente ecuación diferencial con la condición inicial:
Aproximar .
NOTA
Primero observamos que esta ecuación sí puede resolverse por métodos tradicionales de
ecuaciones diferenciales. Por ejemplo, podemos aplicar el método de separación de variables.
Veamos las dos soluciones.
Solución Analítica.
4
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Solución Numérica
Aplicamos el método de Euler y para ello, observamos que la distancia entre y no es
lo suficientemente pequeña. Si didimos esta distancia entre cinco obtenemos un valor de y por
lo tanto, obtendremos la aproximación deseada en cinco pasos.
5
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
n
0 0 1
1 0.1 1
2 0.2 1.02
3 0.3 1.0608
4 0.4 1.12445
5 0.5 1.2144
Puesto que en este caso, conocemos el valor verdadero, podemos usarlo para calcular el error relativo
porcentual que se cometió al aplicar la fórmula de Euler. Tenemos que:
Ejemplo 2
Aplicar el método de Euler para aproximar , dada la ecuación diferencial.
Solución
Nuevamente vemos que nos conviene dividir en pasos la aproximación. Así, elegimos
nuevamente para obtener el resultado final en tres pasos. Por lo tanto, aplicamos el método
de Euler con los siguientes datos:
6
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
n
0 1 2
1 1.1 2.3
2 1.2 2.6855
3 1.3 3.1901
La fórmula es la siguiente:
donde
Para entender esta fórmula, analicemos el primer paso de la aproximación, con base en la siguiente
gráfica:
7
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Ejemplo 1
Aplicar el método de Euler mejorado, para aproximar si:
Solución
Vemos que este es el mismo ejemplo 1 del método anterior. Así que definimos y
encontraremos la aproximación después de cinco iteraciones. A diferencia del método de Euler
posteriormente el de .
Para aclarar el método veamos con detalle las primeras dos iteraciones. Primero que nada,
aclaramos que tenemos los siguientes datos iniciales:
8
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Nótese que el valor de coincide con el (Euler 1), y es el único valor que va a coincidir,
pues para calcular se usará y no .
9
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
0 0 1
1 0.1 1.01
2 0.2 1.040704
3 0.3 1.093988
4 0.4 1.173192
5 0.5 1.28336
Concluímos entonces que la aproximación obtenida con el método de Euler mejorado es:
Vemos que efectivamente se ha obtenido una mejor aproximación con este método,
reduciendo el error relativo verdadero de un 5.4% hasta un 0.05%. En nuestro tercer método
veremos cómo se reduce aún más este error prácticamente a un 0%
Ejemplo 2
Aplicar el método de Euler mejorado para aproximar y(1.3) si tenemos :
Solución
Tenemos los siguientes datos:
10
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
n
0 1 2
1 1.1 2.385
2 1.2 2.742925
3 1.3 3.07635
Por simplicidad del curso, no veremos la justificación formal de estas últimas fórmulas.
11
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
x(t t )
Despejando y teniendo en cuenta que x es precisamente f(x,t) encontrábamos una
x x
ecuación de recurrencia para (t t ) . Ahora haremos lo siguiente: desarrollaremos (t t ) en
serie de Taylor hasta un orden que elegimos a conveniencia.
x(t t )
Por ejemplo si desarrollamos en Taylor a tomando solo 3 términos de la serie
obtenemos:
f (x,t) y entonces
pero, según la ecuación diferencial, x
f f
fx ft
( donde hemos utilizado la notación: x y t
Luego, si en la ecuación 3.1 reemplazamos x por f y además reemplazamos x por 3.2 nos
x
queda una ecuación de recurrencia para (t t )
12
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
A diferencia de la de Euler, esta ecuación (aunque más “precisa”) posee derivadas de la función,
f es decir es necesario calcular previamente estas derivadas.
Por qué decimos que la 3.5 es más precisa que su análoga 2.4, se justifica inmediatamente si se
x
tiene en cuenta que la 2.4 también es originada desarrollando en Taylor a (t t ) , pero
quedándose solamente con un solo termino del desarrollo .Vale decir el método de Euler pasa a
ser un caso particular de resolución por serie de Taylor (cuando tomamos solo dos términos de
la serie)
Teniendo en cuenta entonces que se trata de métodos que utilizan desarrollos en Taylor, el
x
error cometido al aproximar (t t ) por el polinomio
Está en el orden de t o menor, mientras que en la 3.5 (que sale del polinomio de Taylor 3.1)
2
complicado bastante más. Si por ejemplo hubiésemos tomado 4 términos de la serie de Taylor
hubiese aparecido una derivada tercera, que si la calculamos da:
3.6
donde utilizamos la notación:
2 2 2
f ftt ftx f fxx
t2 tx x2
2. OBJETIVO
Conceptualizar los métodos matemáticos que resuelven ecuaciones diferenciales cuyas
soluciones convergen a un valor. Comparar los métodos matemáticos de Euler y Taylor, en
base a los criterios de eficiencia, precisión y tolerancia. Analizar una muestra de datos
empleando cada uno de los métodos matemáticos de Euler y Taylor.
13
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
T 2 ti , i f ti , i
h
2
h
2
f ti , i i ti2 1 i ti2 2ti 1
1 h
2
t
i i
2
1 hti
14
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
h2 h3
T 4
ti , i f ti , i f ti , i f ti , i f ti , i
h
2 6 24
2
h h
i ti2 1 i ti2 2ti 1 i ti2 2ti 1
2 6
3
h
i ti2 2ti 1
24
h h 2 h3 h h2
1
i ti2 1 hti 1
h h 2 h3
2 6 24 3 12 2 6 24
En consecuencia, los métodos de Taylor de órdenes 2 y 4 son :
0 0.5
i 1 i h 1 i ti2 1 hti
h
para cada i 0,1,..., N 1
2
y 0 0.5
h h 2 h 3 h h2 h h 2 h3
i 1 i h 1 i ti 1 hti 1
2
2 6 24 3 12 2 6 24
2
i 1 1.22i 0.0088i 2 0.008i 0.22 y el de 4º orden es :
0 0.5
0.2 0.04 0.008
1 2 6 24 i 0.04i
2
i 1 i 0.2
0.2 0.04 0.2 0.04 0.008
1 3 12 0.04i 1 2 6 24
i 1 1.2214i 0.008856i 2 0.00856i 0.2186
15
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Así como las aproximaciones a y(1.2) y y(1.4) Donde las aproximaciones a las derivadas están
disponibles de la ED:
Dado que y f t , y t y t t 2 1
Así y 1.2 y 1.2 1.2 1 3.3180810
2
ALGORITMO
Obtener f´(t,y(t))
Calcular T(2)(t,y(t))
Definir ωi+1
Obteniendo f t , y t
f t , y t 1
y
t
f t t , y t 2
y
t
f y t , y t
1
t
f t , y t f t t , y t f y t , y t f t , y t
y 1 y
f t , y t
y 1 y 1
1 2 2
t 2
t t t t t t
Calcular T 2 t , y t :
T 2 t , y t f t , y t f t , y t
h
2
y 0.25 1
1
t 2 t
y 0.25
1
t 2t
Definir i1
Si i y ti entonces i1 i hT 2 ti , i
0.25
i 0.251 i
ti 2ti
Si ti 1 0.25i
i 0.25
Entonces i1 i 0.251
1 0.25i 21 0.25i
17
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
ti i
1.00 2.00000000
1.25 2.78125000
1.50 3.61250000
1.75 4.48540000
2.00 5.39400000
Por ejemplo para el cálculo de 1 :
0 0.25
1 con i 0 : 01 0 0.251
1 0.250 21 0.250
2.00 0.25
1 2.00 0.251 2.78125
1.00 2.001.00 0
4. ENLACES SUGERIDOS
https://es.wikipedia.org/wiki/M%C3%A9todo_de_Euler
https://es.wikipedia.org/wiki/Teorema_de_Taylor
5. BIBLIOGRAFÍA
- Análisis Numérico, Richard L. Burden/J. Douglas Faires, Editorial Thomson Learning Inc.
- Métodos Numéricos Con SCILAB, Héctor Manuel Mora Escobar, Abril 2010
6. GLOSARIO
7. PREGUNTAS DE AUTOEVALUACIÓN
18
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
6. ¿A su criterio cual puede ser una desventaja del método de Taylor, que considera la
fórmula :?
19
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
UNIDAD V
TÉCNICAS DE SOLUCIÓN DE ECUACIONES DIFERENCIALES ORDINARIAS
CON PROBLEMAS DE VALOR INICIAL
Respuesta:
Respuesta:
6. ¿A su criterio cual puede ser una desventaja del método de Taylor, que considera la
fórmula :?
Respuesta: Que como requisito para sus cálculos de orden dos y cuatro, la formula debe
tenerse la primera, segunda y tercer derivada, definida en el intervalo en estudio.
1
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
UNIDAD V
TÉCNICAS DE SOLUCIÓN DE ECUACIONES DIFERENCIALES ORDINARIAS
CON PROBLEMAS DE VALOR INICIAL
5.4 MÉTODO DE RUNGE-KUTTA
5.5 MÉTODO DE RUNGE-KUTTA FEHLBERG
Los métodos numéricos son técnicas, donde es posible resolver los problemas por medio de
operaciones aritméticas, estos métodos implementan un buen número de cálculos que son por
demás demasiado lentos si se hacen manualmente, gastando mucha energía en la técnica
misma de solución en vez de aplicarla sobre la definición del problema y su interpretación.
2. OBJETIVO
El comparar los métodos matemáticos de Runge-Kutta, en base a los criterios de eficiencia,
precisión y tolerancia, Así como el analizar una muestra de datos empleando cada uno de los
métodos matemáticos de Runge-Kutta.
3. MÉTODO DE RUNGE-KUTTA
Los métodos numéricos de Runge-kutta, es el análisis y solución de los problemas de valor
inicial de ecuaciones diferenciales ordinarias (EDO), estos son una extensión del método de
Euler para resolver las (EDO’S), pero con un orden de exactitud más alto que este.
Estos métodos se aplican a una EDO´s utilizando puntos igualmente espaciados. La forma
general del método RK de orden n es la siguiente:
1
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
K1 = hf (xi, yi)
Se ve claramente que los métodos vistos son de RK: el método de Euler es uno de RK de orden
1, el método de Heun y el del punto medio son métodos de RK de orden 2.
Método de Euler:
K1 = hf (xi, yi)
Y
i+1 = y i + K1
Método de Heun:
K1 = hf (xi, yi)
K2 = hf (xi + h, yi + K1)
1 1
Yi + 1= yi + 2 K1 + 2 K2.
K1 = hf (xi, yi)
1 1
K2 = hf (xi + 2 h, yi + 2 K1)
yi+1 = yi + 0K1 + K2.
2
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
K1 = hf (x0, y0)
= 0.25f (1, 0.7182818)
=−0.320430
K4 = hf (x0 + h, y0 + K3)
=0.25f (1.25, 0.361581)
=−0.378355
K1 = hf (x1, y1)
= 0.25f (1.25, 0.3653606)
=−0.377410
K2 = hf (x1 + h/2, y1 + K1/2)
=0.25f (1.375, 0.176656)
=−0.385524
3
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
K4 = hf (x1 + h, y1 + K3)
=0.25f (1.5, −0.02117)
=−0.380294
y2 = y1 + (K1 + 2K2 + 2K3 + K4)/6 =−0.0182773
xi y˜(xi) y(xi)
1.00 0.7182818 0.7182818
1.25 0.3653606 0.3653430
1.50 -0.0182773 -0.0183109
1.75 -0.3703514 -0.3703973
2.00 -0.6108932 -0.6109439
2.25 -0.6372210 -0.6372642
2.50 -0.3174905 -0.3175060
2.75 0.5175891 0.5176319
3.00 2.0853898 2.0855369
4
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
En este ejemplo, los resultados son aún mejores. Hubo que evaluar 32 veces la función f(x, y), 4
veces en cada iteración. Si se trabaja con h = 0.1 se obtiene y˜(3) = 2.0855314; con h = 0.01 se
obtiene y˜(3) = 2.0855369; con h = 0.001 se obtiene y˜(3) = 2.0855369.
y’ = f(x,y)
y(x0) = y0
en intervalo [x0, xf]
// n = numero de subintervalos
h = (xf-x0)/n
X = zeros(1,n+1)
Y=X
X(1) = x0
Y(1) = y0
xi = x0
yi = y0
for i=1:n
K1 = h*f(xi, yi)
K2 = h*f(xi+h/2, yi+K1/2);
K3 = h*f(xi+h/2, yi+K2/2);
K4 = h*f(xi+h, yi+K3);
xi = xi+h
yi = yi + (K1 + 2*K2 + 2*K3 + K4)/6
Y(i+1) = yi X(i+1) = xi
end endfunction
5
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Ejemplo 1 :
Suponiendo que se aplica los métodos de Runge-Kutta de orden dos
al siguiente problema de valor inicial
y ' y - t 2 1, 0 t 2, y (0) 0.5,
con N 10, h 0.2, ti 0.2i y w0 0.5 en cada caso.
Las ecuaciones de diferencias son:
Método del Punto Medio: wi 1 1.22 wi 0.0088i 2 0.008i 0.218;
Método modificado de Euler: wi 1 1.22 wi 0.0088i 2 0.008i 0.216;
Método de Heun: wi 1 1.22 wi 0.0088i 2 0.008i 0.2173;
para cada i 0,1,..., 9.
6
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Método
ti y (ti ) de Heun Error
0.0 0.5000000 0.5000000 0
0.2 0.8292986 0.8273333 0.0019653
0.4 1.2140877 1.2098800 0.0042077
0.6 1.6489406 1.6421869 0.0067537
0.8 2.1272295 2.1176014 0.0096281
1.0 2.6408591 2.6280070 0.0128521
1.2 3.1799415 3.1635019 0.0164396
1.4 3.7324000 3.7120057 0.0203944
1.6 4.2834838 4.2587802 0.0247035
1.8 4.8151763 4.7858452 0.0293310
2.0 5.3054720 5.2712645 0.0342074
1. INTRODUCCIÓN
En matemáticas, el método de Runge-Kutta-Fehlberg (o método de Fehlberg) es
un algoritmo de análisis numérico para la resolución numérica de ecuaciones diferenciales
ordinarias. Fue desarrollado por el matemático alemán Erwin Fehlberg y se basa en los métodos
de Runge-Kutta.
Desde entonces se han desarrollado métodos similares con diferentes pares de órdenes.
Realizando un cálculo adicional a los requeridos por el método RK5, es posible estimar y
controlar el error en la solución así como determinar automáticamente la longitud del paso con
el que el método avanza en su cálculo de la solución, haciendo de este un método eficiente
para problemas de integración numérica de ecuaciones diferenciales ordinarias
Siguiendo las ideas presentadas anteriormente para la estimación del error local, Fehlberg
desarrolló un par de métodos Runge Kutta de orden 4 y 5 asociados, de tal forma que ambos
utilizan en cada paso las mismas evaluaciones de f con el fin de ahorrar cálculos.
7
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
El estimador de orden 4 así obtenido puede utilizarse junto con el de orden 5 para estimar el
error local, sin necesidad de nuevas evaluaciones de f y habilitando una estimación del nuevo
paso h.
2. OBJETIVO
El conceptualizar el método matemáticos que resuelven ecuaciones diferenciales cuyas
soluciones que convergen a un valor. Analizar una muestra de datos empleando cada uno de
los métodos matemáticos de Runge-Kutta y Fehlberg
Por sí mismos ello no sería un motivo suficiente para preferirlos como método de solución
numérica de EDO’s, y presentan otra característica útil:
El procedimiento del tamaño de paso que incorpora una estimación del error de truncamiento
que no requiere aproximar las derivadas de orden superior de la función
A estos métodos se les llama “Adaptativos”, adaptan el número y la posición de los nodos con
que se efectúa la aproximación, y garantizar que el Error de Truncamiento no rebase la cota
dada.
La forma general del método de diferencias que incluye el control del error que es la siguiente:
8
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Aunque por lo general no es posible determinar el error global de un método, existe una
estrecha relación entre el error local de truncamiento y el error global.
16 6656 28561 9 2
~
i 1 i k1 k3 k4 k5 k6
135 12825 56430 50 55
El método de R - K de 4º orden es :
25 1408 2197 1
i 1 i k1 k3 k 4 k5
216 2565 4104 5
Donde
k1 hf ti , i
h 1
k 2 hf ti , i k1
4 4
3h 3 9
k3 hf ti , i k1 k2
8 32 32
12h 1932 7200 7296
k 4 hf ti , i k1 k2 k3
13 2197 2197 2197
439 3680 845
k5 hf ti h, i k1 8k 2 k3 k4
216 513 4104
h 8 3544 1859 11
k 6 hf ti , i k1 2k 2 k3 k4 k5
2 27 2656 4104 40
9
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Una ventaja de este método consiste en que sólo se requieren 6 evaluaciones de la función por
paso, en cambio de manera conjunta los métodos de R-K de 4º y 5º orden sumados requieren
por lo menos
Como el objetivo no es sólo estimar el error local de truncamiento, sino que también lo es
ajustar el tamaño del paso para mantenerlo dentro de una cota dada esto se hace suponiendo
que:
Como i 1 h es de O h n , entonces existe un número K
independie nte de h tal que i 1 h Kh n
En el proceso de control del error se usó un valor inicial de h en el i-esimo paso para obtener los
primeros valores de w i+1 que permitió encontrar q en ese paso y luego se repitieron los
cálculos.
Este procedimiento requiere el doble de evaluaciones de funciones por paso, sin control del
error
10
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Rechazar de ser necesario, la elección inicial de h en el i-esimo paso y repetir los cálculos por
medio de qh Predecir una elección adecuada de h para (i+1) esimo paso.
Ejercicio :
Utilizar el ALG053, para aproximar la solución de
y y t 2 1 0t 2 y 0 0.5
Usando TOL 10 -5 , tamaño máximo de paso 0.25
y un tamaño mínimo de paso 0.01.
Verifique sus respuestas con la solución exacta :
y t t 1 0.5e t
2
Algoritmo:
'y-t^2+1'
0.5
Input tolerance
10^-5
0.01
0.25
11
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
RUNGE-KUTTA-FEHLBERG METHOD
T(I) W(I) H R .
0.0000000 0.5000000 0 0
0.2500000 0.9204886 0.2500000 0.0000062
0.4865522 1.3964910 0.2365522 0.0000045
0.7293332 1.9537488 0.2427810 0.0000043
0.9793332 2.5864260 0.2500000 0.0000038
1.2293332 3.2604605 0.2500000 0.0000024
1.4793332 3.9520955 0.2500000 0.0000007
1.7293332 4.6308268 0.2500000 0.0000015
1.9793332 5.2574861 0.2500000 0.0000043
2.0000000 5.3054896 0.0206668 0.0000000
RUNGE-KUTTA-FEHLBERG METHOD
T(I) W(I) Y(I)=(t+1)2-0.5et |Y(I)-W(I)|
0.0000000 0.5000000 0.5000000 0
0.2500000 0.9204886 0.9204873 0.0000009
0.4865522 1.3964910 1.3964884 0.0000026
0.7293332 1.9537488 1.9537446 0.0000042
0.9793332 2.5864260 2.5864198 0.0000062
1.2293332 3.2604605 3.2604520 0.0000085
1.4793332 3.9520955 3.9520845 0.0000110
1.7293332 4.6308268 4.6308127 0.0000141
1.9793332 5.2574861 5.2574687 0.0000174
2.0000000 5.3054896 5.3054720 0.0000176
4. ENLACES SUGERIDOS
https://es.wikipedia.org/wiki/M%C3%A9todo_de_Runge-Kutta
https://es.wikipedia.org/wiki/M%C3%A9todo_de_Runge-Kutta-Fehlberg
5. BIBLIOGRAFÍA
- Análisis Numérico, Richard L. Burden/J. Douglas Faires, Editorial Thomson Learning Inc.
- Métodos Numéricos Con SCILAB, Héctor Manuel Mora Escobar, Abril 2010
12
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
6. GLOSARIO
7. PREGUNTAS DE AUTOEVALUACIÓN
13
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
UNIDAD V
TÉCNICAS DE SOLUCIÓN DE ECUACIONES DIFERENCIALES ORDINARIAS
CON PROBLEMAS DE VALOR INICIAL
5.4 MÉTODO DE RUNGE-KUTTA
5.5 MÉTODO DE RUNGE-KUTTA FEHLBERG
1. PREGUNTAS DE AUTOEVALUACIÓN
1. ¿Qué es el método de Runge-Kutta?
Respuestas:
Método de Euler:
K1 = hf (xi, yi)
Y
i+1 = y i + K1
Método de Heun:
K1 = hf (xi, yi)
K2 = hf (xi + h, yi + K1)
1 1
Yi + 1= yi + 2 K1 + 2 K2.
K1 = hf (xi, yi)
1 1
K2 = hf (xi + 2 h, yi + 2 K1)
yi+1 = yi + 0K1 + K2.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en línea en la
Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del mismo es
responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Respuesta:
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en línea en la
Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del mismo es
responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
UNIDAD V
TÉCNICAS DE SOLUCIÓN DE ECUACIONES DIFERENCIALES ORDINARIAS
CON PROBLEMAS DE VALOR INICIAL
5. 6 MÉTODOS MULTIPASO
1. INTRODUCCIÓN
Los métodos de un solo paso (como el método de Euler) se refieren solo a un punto anterior y a
su derivada para determinar el valor buscado.
Métodos como el de Runge–Kutta utilizan un paso más (por ejemplo, un paso intermedio) para
obtener un método de orden superior, para luego descartar la información anterior antes de
dar un segundo paso. Los métodos de varios pasos intentan obtener eficiencia manteniendo y
utilizando la información de los pasos anteriores, en lugar de descartarla.
Por consiguiente, se refieren a distintos puntos anteriores y a los valores de sus derivadas.
En el caso de los métodos lineales "multipaso", se utiliza una combinación lineal de los puntos
anteriores y de los valores de sus derivadas.
2. OBJETIVO
Estudiar los métodos matemáticos del método de multipaso, en base a los criterios de
eficiencia, precisión y tolerancia. Identificar el método idóneo que debe aplicarse a una
muestra de datos de un problema real. Implementar los métodos de multipaso en la
herramienta informática. Elaborar una lista de conclusiones sobre la idoneidad de aplicar los
métodos.
1
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
3. MÉTODOS MULTIPASO
Los métodos de Euler, Heun, Taylor y Runge-Kutta se llaman método de un paso porque en el
cálculo de cada punto sólo se usa la información del último punto. Los métodos multipaso
utiliza la información de los puntos previos a saber, yi , yi-1,..., yi-m+1 para calcular yi+1.
Por ejemplo, en un método de tres pasos para calcular yi+1 , se necesita conocer yi , yi-1, yi-2.
El principio que subyace en un método multipaso es utilizar los valores previos para construir
un polinomio interpolante que aproxime a la función f(t,y(t)).
Los métodos que hemos analizado hasta ahora son monopaso, o de paso sencillo. El valor de
yiC1 se calcula a partir de la información de un único punto.
Los multipaso utilizan la información de más puntos anteriores con el objetivo de hacer menos
evaluaciones de la función para el mismo orden de error.
Los métodos que hemos analizado hasta ahora son monopaso, o de paso sencillo. El valor de
yiC1 se calcula a partir de la información de un único punto.
Los multipaso utilizan la información de más puntos anteriores con el objetivo de hacer menos
evaluaciones de la función para el mismo orden de error.
Necesitan la ayuda de otros para dar los primeros pasos y no se adaptan bien a
discontinuidades en la solución: discontinuidades en las fuerzas aplicadas, impactos, enlaces
que aparecen o desaparecen, etc.
Los métodos de Euler y de Runge-Kutta que se han expuesto son métodos de un paso. Esto es,
para calcular la aproximación yi+1 de y(ti+1), hacen uso solamente de la aproximación yi
Los métodos explícitos calculan yi+1 haciendo uso de f (ti , yi) así como de la función f evaluada
en la solución correspondiente a instantes anteriores.
2
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
Los métodos explícitos calculan yi+1 haciendo uso de f (ti , yi) así como de la función f evaluada
en la solución correspondiente a instantes anteriores.
y0 = α0 , y1 = α1 ,
y0 = α0 ,
y0 = α0 ,
y1 = α1 , y2 = α2 , y3 = α3 ,
yi+1 = yi + h 24 (55f (ti , yi) − 59f (ti−1, yi−1) + 37f (ti−2, yi−2) −9f (ti−3, yi−3)) .
A los métodos multipaso implícitos se les llama métodos de Adams-Moulton. Para el cálculo de
yi+1, estos métodos hacen uso de f(ti+1, yi+1). Estos métodos son los siguientes:
3
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
y0 = α0 ,
Este método es conocido como el trapezoidal, aunque se corresponde también con un método
RK implícito de orden 2.
y0 = α0 , y1 = α1 , y2 = α2 ,
y0 = α0 ,y1 = α1 , y2 = α2 , y3 = α3 ,
ALGORITMO
% y’ = f(t,y)
% Método Adams-Moulton de 3 pasos y de orden 4
% Se inicializa con el método RK4 global cont cont = 0;
% Tiempo inicial, final y n´umero de divisiones t0=0; tf=10; Npasos = 300;
% Tamaño del paso de integración h = (tf-t0)/Npasos;
% Condiciones iniciales y = [4 ; 1];
% R4 almacena las soluciones obtenidas en cada instante R4 = *t y’ eps+;
% Magnitud conservada
4
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
for i2 = 1:2;
t1 = t + h/2; t2 = t + h/2; t3 = t + h;
%%%% Metodo RK-4 estandard
K1 = fVolt(t,y);
K2 = fVolt(t1,y+h*K1/2);
K3 = fVolt(t2,y+h*K2/2);
K4 = fVolt(t3,y+h*K3); y = y + ((K1 + 2*(K2 + K3) + K4)*h/6);
t = t + h; R4 = *R4 ; t y’ eps+;
end
for i3 = 3:Npasos;
y2p = y2 + h*(23*f2 - 16*f1 + 5*f0)/12; %Predictor
f2p = fVolt(t,y2p);
y2 = y2 + h*(9*f2p + 19*f2 - 5*f1 + f0)/24; %Corrector
t = t + h;
f0 = f1; f1 = f2; f2= fVolt(t,y2);
In = y2(1) - 2*log(y2(1)) + y2(2) - log(y2(2));
lerror = log10(abs(In-I0))
R4 = *R4 ; t y2’ lerror+;
end
ADAMS-BASHFORTH Explícitos
5
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
ADAMS-MOULTON Implicitos
4. ENLACES SUGERIDOS
https://es.wikipedia.org/wiki/M%C3%A9todo_lineal_multipaso
5. BIBLIOGRAFÍA
- Análisis Numérico, Richard L. Burden/J. Douglas Faires, Editorial Thomson Learning Inc.
- Métodos Numéricos Con SCILAB, Héctor Manuel Mora Escobar, Abril 2010
6. GLOSARIO
7. PREGUNTAS DE AUTOEVALUACIÓN
6
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ANALISIS NUMERICO
UNIDAD V
TÉCNICAS DE SOLUCIÓN DE ECUACIONES DIFERENCIALES ORDINARIAS
CON PROBLEMAS DE VALOR INICIAL
5. 6 MÉTODOS MULTIPASO
1. PREGUNTAS DE AUTOEVALUACIÓN
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en línea en la
Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del mismo es
responsabilidad del estudiante.