Está en la página 1de 143

INSTITUTO TECNOLGICO SUPERIOR de Acayucan

Asignatura: Mtodos Numricos Clave de la asignatura: SCC - 0423 Carrera: Ingeniera en Sistemas Computacionales

AN TOLOGIA
Presenta:

ING. ULISES GIRON JIMENEZ

ACAYUCAN, VER.

OCTUBRE 2009

Mtodos Numricos

Ing. Ulises Girn Jimnez

INDICE
OBJETIVO GENERAL... JUSTIFICACION .. UNIDAD I Teora de errores 1.1 importancia de los mtodos numricos. 1.2 Conceptos bsicos: cifra significativa, precisin, exactitud, incertidumbre y sesgo............... 1.3 Tipos de errores... 1.3.1 Definicin de error: error absoluto y relativo 1.3.2 Error por redondeo 1.3.3 Error por truncamiento.. 1.3.4 Error numrico total 1.4 Software de computo numrico.. 1.5. Mtodos iterativos .. 5 6 7 8

15 17 17 18 20 22 23 26

UNIDAD II

Mtodos de solucin de ecuaciones... 2.1. 2.2. 2.3. Mtodo de Intervalo.. Mtodo de biseccin Mtodo de interpolacin.. 2.3.1. Mtodo de Newton Raphson 2.3.2. Mtodo de la secante Aplicaciones

37 38 41 48 48 51 54

2.4.

UNIDAD III

Mtodos de solucin de sistemas de ecuaciones 3.1 Mtodos Iterativos 3.1.1 Jacobi.. 3.1.2. Gauss Seidel. 3.2 Sistemas de ecuaciones no lineales. 3.2.1. Mtodo iterativo secuencial.

61 62 62 64 66 66

III

3.3 Iteracin y convergencia de sistemas de ecuaciones.. 3.3.1 sistemas de ecuaciones de Newton.. 3.4 Aplicaciones..

71 71 76

UNIDAD IV

Diferenciacin e integracin numrica ... 4.1. Diferenciacin numrica.. 4.2. Integracin numrica.... 4.2.1. Mtodo del trapecio... 4.2.2. Mtodo de Simpson. 4.3. Integracin Mltiple.. 4.4. Aplicaciones..

86 87 95 98 106 114 116

UNIDAD V

Soluciones de ecuaciones diferenciales 5.1 Mtodo de un paso.. 5.1.1 Mtodo de Euler y Euler mejorado.. 5.1.2 Mtodo de Runge Kutta.. 5.2. Mtodo de pasos Mltiples 5.3. Sistemas de ecuaciones diferenciales ordinarias 5.4. Aplicaciones

118 119 120 129 134 135 136

Bibliografa

141

IV

OBJETIVO GENERAL

El estudiante conocer, comprender y aplicar mtodos numricos para resolver problemas de la ingeniera y cientficos mediante el uso de computadora.

JUSTIFICACION

Uno de los objetivos del Instituto Tecnolgico Superior de Acayucan, es el de promover, apoyar e impulsar el trabajo creativo del docente, principalmente en la elaboracin de antologa que apoya al proceso enseanza aprendizaje, el cual debe ser estimulado con los comentarios y sugerencias del profesorado y conviene que sea imitado por otros maestros, quienes con capacidad de trabajo y tiempo disponible, pueden y deben gestar literatura de este gnero, dando los pasos adecuados para pulirla y poder formar as textos que faciliten la enseanza y el aprendizaje del curso.

El presente material de consulta y apoyo didctico se pone en manos de nuestros maestros y, particularmente, de los alumnos que se forman en nuestro instituto. Considero los contenidos de esta antologa como el propsito ms firme de mi convencimiento para facilitar el estudio de la probabilidad y estadstica en las nuevas generaciones que me honran al confiarme su preparacin y garantizar modestamente el fijarles una enseanza para toda la vida.

VI

UNIDAD 1
TEORA DE ERRORES.

Objetivo: El estudiante comprender la importancia de los mtodos numricos y conocer las caractersticas operativas del software de cmputo numrico comercial.

UNIDAD I / TEORIA DE ERRORES

1.1. Importancia de los mtodos numricos. El objeto de estudio del anlisis numrico es la construccin y valoracin de los mtodos numricos que tienen como resultados un valor numrico. Relacin entre anlisis numrico y mtodos numricos:

Algunas de las razones por las cuales se debe estudiar los mtodos numricos son los siguientes: Son algoritmos que establecen la secuencia de solucin de sistemas de ecuaciones de gran tamao, con caractersticas de ser no lineales y geomtricas complicadas, porque la mayor parte de los problemas reales tienen este comportamiento, y que por lo general su solucin es muy complicada a travs de mtodos analticos. Es importante que el futuro ingeniero tenga los conocimientos bsicos de los mtodos ms comunes, ya que en el transcurso de su carrera, tendr la necesidad de usar software comercial o implementar su propio software, que resuelvan los algoritmos de problemas reales y que estn basados sobre algn mtodo numrico. Con los mtodos numricos el ingeniero usara la computadora como herramienta, el cual es uno de los propsitos, porque el profesionista debe de olvidarse de los clculos, y enfocarse en el diseo y planteamiento de la solucin de los problemas. Proporciona una mayor comprensin de las matemticas, ya que reducen las matemticas superiores a operaciones bsicas simples.

UNIDAD I / TEORIA DE ERRORES

Los mtodos numricos son tcnicas mediante las cuales es posible formular problemas de tal forma que puedan resolverse usando operaciones aritmticas. Aunque hay muchos tipos de mtodos numricos, todos comparten una caracterstica comn: invariablemente los

mtodos numricos lleva a cabo un buen numero de tediosos clculos aritmticos. Con el desarrollo de computadoras digitales eficientes y rpidas, el papel de los mtodos numricos en la solucin de problemas de ingeniera haya aumentado considerablemente en los ltimos aos. Mtodos anteriores a la aparicin de la computadora. Ms all de solo proporcionar un aumento en la potencia de clculo la disponibilidad general de las computadoras (especialmente de las computadoras personales) y su asociacin con los mtodos numricos, ha tenido una influencia muy significativa en el proceso de solucin de problemas de ingeniera. Antes del uso de la computadora haba tres mtodos diferentes que los ingenieros aplicaban a la solucin de problemas: 1. Primero, se encontraban las soluciones de algunos problemas usando mtodo exacto o analtico. Con frecuencia estas soluciones resultaban tiles y

proporcionaban una comprensin excelente del comportamiento de algunos sistemas. Sin embargo, las soluciones analticas pueden encontrarse solo para una clase limitada de problemas. Estos problemas incluyen aquellos que pueden aproximarse mediante modelos lineales y tambin aquellos que tienen valor prctico limitado, porque la mayor parte de los problemas reales no son lineales, e implican formas y procesos complejos.

2. Para analizar el comportamiento de los sistemas se usaban soluciones grficas. stas tomaban la forma de grafos o nomogramas. Aunque las tcnicas grficas a menudo pueden emplearse para resolver problemas complejos, los resultados no son muy precisos. Es ms, las soluciones grficas (sin la ayuda de una computadora) son tediosas en extremo y difciles de implementar. Finalmente, las tcnicas grficas estn limitadas a aquellos problemas que puedan describirse usando tres dimensiones o menos.

3. Para implementar los mtodos numricos se utilizaban calculadoras manuales y reglas de clculo. Aunque en teora estas aproximaciones deberan ser perfectamente adecuadas para resolver problemas complicados, en la prctica se

UNIDAD I / TEORIA DE ERRORES

presentan algunas dificultades. Los clculos manuales son lentos y tediosos. Adems no existen resultados consistentes debido a que surgen equivocaciones cuando se efectan las tareas manualmente.

Antes del uso de la computadora, se gastaba mucha energa en la tcnica misma de solucin, en vez de aplicarla sobre la definicin del problema su interpretacin (Fig. 1.1 a). Esta situacin desafortunada exista debido al tiempo y trabajo montono que se requeran para obtener resultados numricos con tcnicas que no utilizaban a la computadora. Hoy en da, las computadoras y los mtodos numricos proporcionan una alternativa para clculos tan complicados. Al usar la computadora para obtener soluciones directamente, se pueden aproximar los clculos sin tener que recurrir a suposiciones de simplificacin o tcnicas deficientes. Aunque dichas suposiciones son an extremadamente valiosas tanto para resolver problemas como para proporcionar una mayor comprensin, los mtodos numricos representan alternativas que amplan considerablemente la capacidad para confrontar y resolver los problemas; como resultado, se dispone de ms tiempo para aprovechar las habilidades creativos personales. Por consiguiente, es posible dar ms importancia a la formulacin de un problema, a la interpretacin de la solucin y a su incorporacin al sistema total, o conciencia "holstica" (Fig. 1.1 b).

Figura: Las tres fases en la solucin de problemas de ingeniera en a) la era anterior a las computadoras y b) la era de las computadoras. Los tamaos de los recuadros indican con el

10

UNIDAD I / TEORIA DE ERRORES

nivel de importancia que se dirige a cada fase en el saln de clases. Las computadoras facilitan la implementacin de tcnicas de solucin as permiten un mayor cuidado sobre los aspectos creativos de la formulacin de problemas y la interpretacin de resultados. Los mtodos numricos y la prctica de la ingeniera Desde finales de la dcada de 1940, la multiplicacin y disponibilidad de las computadoras digitales ha llevado a una verdadera explosin en cuanto al uso y desarrollo de los mtodos numricos. Al principio, este crecimiento estaba algo limitado por el costo de acceso a computadoras grandes (mainframes), por lo que muchos ingenieros continuaban usando simples planteamientos analticos en una buena parte de su trabajo. No es necesario mencionar que la reciente evolucin de computadoras personales de bajo costo, ha dado a mucha gente un fcil acceso a poderosas capacidades de cmputo. Adems existen un buen nmero de razones por las cuales se deben estudiar los mtodos numricos: 1. Los mtodos numricos son herramientas extremadamente poderosas para la solucin de problemas. Son capaces de manejar sistemas de ecuaciones grandes, no linealidades y geometras complicadas que son comunes en la practica de la ingeniera y que, a menudo, son imposibles de resolver analticamente. Por lo tanto, amplan la habilidad de quien los estudia para resolver problemas.

2. En el transcurso de la carrera, es posible que el estudiante tenga la ocasin de usar software disponible comercialmente que contenga mtodos numricos. El uso inteligente de programas depende del conocimiento de la teora bsica en la que se basan estos mtodos.

3. Los mtodos numricos son un vehculo eficiente para aprender a servirse de las computadoras personales. Es bien sabido que una manera efectiva de aprender programar las computadoras es escribir los programas. Como los mtodos numricos, en su mayor parte estn elaborados para implementarse en computadoras, resultan ideales para este propsito. Aun mas, estn especialmente adaptadas para ilustrar la potencia as como las limitaciones de las computadoras.

11

UNIDAD I / TEORIA DE ERRORES

4. Los mtodos numricos son un medio para reforzar su comprensin de las matemticas. Porque una funcin de los mtodos numricos es la de reducir las matemticas superiores a operaciones aritmticas bsicas ya que se profundizan en los temas que de otro modo resultan oscuros. Esta alternativa aumenta su capacidad de comprensin en la materia.

Problemas matemticos y sus soluciones. En el campo profesional de la ingeniera se requiere utilizar modelos matemticos para la prediccin y explicacin de ciertos fenmenos, un modelo matemtico imprescindible para el ingeniero son los mtodos numricos, ya que son tcnicas mediante las cuales es posible plantear soluciones a los problemas. 1. Races de ecuaciones.

Estos problemas estn relacionados con el valor de una variable o de un parmetro que satisface una ecuacin. Son especialmente valiosos en proyectos de ingeniera donde con frecuencia resulta imposible despejar analticamente parmetros de ecuacin de diseo.

Encontrar x tal que f(x) = 0 2. Sistemas de ecuaciones algebraicas lineales.

Estos problemas son similares a los de races de ecuaciones en sentido de que estn relacionados con valores que satisfacen las ecuaciones. Sin embargo, en lugar de satisfacer una sola ecuacin se busca un conjunto de valores que satisfaga simultneamente un conjunto de ecuaciones algebraicas lineales las cuales surgen en el contexto de una variedad de problemas y en todas las disciplinas de ingeniera. Se originan a partir de modelos matemticos de grandes sistemas de elementos interrelacionados, tal como estructuras, circuitos elctricos y redes de flujo. Las ecuaciones lineales simultneas surgen en el contexto de una variedad de problemas y en todas las disciplinas de la ingeniera.

12

UNIDAD I / TEORIA DE ERRORES

Dadas las a y las c Encontrar:

a11 x1 + a12 x2 = c1 a21 x1 + a22 x2 = c2


3. Integracin. x tal que

Tal como se representa, una interpretacin fsica de la integracin numrica es la determinacin del rea bajo la curva. La integracin tiene diversas aplicaciones en la prctica de la ingeniera, que van desde la determinacin de los centroides de objetos de forma extraa hasta el clculo de cantidades totales basadas en conjunto de medidas discretas.

I = f ( x)dx
a

Encontrar el rea bajo la curva.

4.

Ecuaciones diferenciales ordinarias.

Las ecuaciones diferenciales ordinarias tienen un enorme significado en la practica de la ingeniera. Esto se debe a que muchas leyes fsicas estn expresadas en trminos de la razn de cambio de una cantidad mas que en trminos de magnitud. Entre otros

13

UNIDAD I / TEORIA DE ERRORES

ejemplos tenemos los modelos de la prediccin demogrfica (razn de cambio de una poblacin) hasta la aceleracin de un cuerpo que cae ( razn de cambio de la velocidad)

dy y = f (t , y ) dt t
de t.

Encontrar y como funcin

14

UNIDAD I / TEORIA DE ERRORES

1.2. Conceptos bsicos: cifra significativa, precisin, exactitud, incertidumbre y sesgo. El anlisis numrico proporciona mtodos computacionales para el estudio y solucin de problemas matemticos. Al derivar los mtodos numricos para la solucin de dichos Debido a que muchos

problemas, analizaremos los errores presentes en esos mtodos.

clculos son realizados en computadores digitales, es conveniente la discusin para la implementacin de los mtodos numricos como programas de computador. Una caracterstica de estos mtodos es que proporcionan slo resultados aproximados, por lo tanto el estudio del error es de inters central para el anlisis numrico. En la practica profesional, los errores pueden resultar costosos y en algunas ocasiones catastrficos. Se puede perder hasta la vida si una estructura o un dispositivo llega a fallar. El concepto de cifras o dgitos significativos se han desarrollado para designar ormalmente la confiabilidad de un valor numrico. Las cifras significativas de un numero son aquellas que pueden utilizarse en forma confiable. Se trata del numero de dgitos que se ofrecen con certeza, mas uno estimado. Estas cifras proporcionan informacin real relativa a la magnitud y precisin de las mediciones de una cantidad. El aumento de la cantidad de cifras significativas incrementa la precisin de una medicin. Los ceros no siempre son cifras significativas ya que pueden usarse solo para ubicar el punto decimal. Los nmeros 0.000 018 45 0.000 184 5 0.001 845 tienen cuatro cifras significativas. La incertidumbre (duda) se puede desechar usando la notacin cientfica en donde : 4.53 x 10
4

4.530 x 104 4.5300 x 104 muestran que el numero tiene tres, cuatro y cinco cifras significativas. El concepto de cifras significativas tiene dos implicaciones importantes en el estudio de los mtodos numricos:

15

UNIDAD I / TEORIA DE ERRORES

1. Los mtodos numricos dan resultados aproximados, por lo tanto, se deben de desarrollar criterios para especificar que tan confiables son dichos resultados. Una manera de hacerlo es en trminos de cifras significativas. Por ejemplo, es posible afirmar que la aproximacin es aceptable siempre y cuando sea correcta con cuatro cifras significativas. 2. Aunque ciertas cantidades tales como

, e, 7 representan cantidades especificas,

no se pueden expresar exactamente con un numero finitos de dgitos. Por ejemplo,


= 3.14159265358979 ..

hasta el infinito. Como las computadoras tienen solo un numero finito de cifras significativas, tales nmeros jams se podrn representar con exactitud. A la

omisin del resto de cifras significativas se le conoce como error de redondeo.

Los errores asociados con los clculos y medidas se pueden caracterizar observando su precisin y exactitud. La precisin es el grado de concordancia dentro de un grupo de mediciones o instrumentos. Ya que el numero de cifras significativas que representa una cantidad o la extensin en las lecturas repetidas de un instrumento que mide alguna propiedad fsica. La precisin se compone de dos caractersticas: conformidad y el numero de cifras significativas con las cuales se puede realizar la medicin.

La exactitud se refiere al grado de aproximacin o conformidad al valor real de la cantidad medida. . Estos conceptos se pueden ilustrar grficamente usando una analoga con un buen tirador al blanco. Los agujeros en el centro del tiro al blanco de cada esquema de la figura siguiente se pueden imaginar como las predicciones en una tcnica numrica, mientras que el centro del blanco de cada esquema representa la verdad. La inexactitud (conocida tambin como sesgo) se define como un alejamiento sistemtico de la verdad. Por lo tanto, aunque las balas en la figura c estn ms juntas que las de la figura a, los dos casos son igualmente inexactos ya que ambos se centran en la esquina superior izquierda del blanco. La precisin, por el otro lado se refiere a la magnitud del esparcimiento de las balas. Por lo tanto, aunque las figuras b y d son igualmente exactas (esto es, igualmente centradas respecto al blanco), la ltima es ms precisa ya que las balas estn en un grupo ms compacto.

16

UNIDAD I / TEORIA DE ERRORES

Figura: Un ejemplo de un buen tirador ilustra el concepto de exactitud y precisin. a) Inexacto e impreciso; b) exacto e impreciso; e) inexacto y preciso; d) exacto y preciso.

1.3. Tipos de errores. 1.3.1. Definicin de error: error absoluto y relativo.

Definicin de Error. Es la discrepancia que existe entre la magnitud verdadera y la magnitud obtenida. Si p * es una aproximacin a p , el error se define como

E = p p*
Sin embargo, para facilitar el manejo y el anlisis se emplea el error absoluto definido como

EA = p p *
y el error relativo como

ER =
y como por ciento de error a

p p* p

si p 0

ERP = ( ER )100

17

UNIDAD I / TEORIA DE ERRORES

Error aproximado

a =

aproximacionactual aproximacionanterior x100 aproximacionactual

Ejemplo: Suponga que el valor para un calculo debera ser

p = 0.10 x10 2 pero se obtuvo el resultado p * = 0.08 x10 2 , entonces


EA = 0.10 x10 2 0.08 x10 2 = 2 ER = 0.10 x10 2 0.08 x10 2 = 0. 2

0.10 x10 2 ERP = ERx100 = 20%


1.3.2. Error por redondeo

Este error es el resultado de representar aproximadamente nmeros exactos. Es decir, se debe a la omisin de algunas de las cifras significativas de algn valor especfico. Un ejemplo de donde sucede se da en las computadoras o calculadoras, que solo guardan un nmero finito de cifras significativas, cuyo mximo de dgitos o de cifras significativas son de 8 a 14 lo cual obliga a redondear el valor real.

Los errores de redondeo se deben a que las computadoras solo guardan un numero finito de cifras significativas durante un calculo. Las computadoras realizan esta funcin de maneras diferentes. Por ejemplo, si solo se guardan siete cifras significativas, la computadora puede almacenar y usar como = 3.141592, omitiendo los trminos restantes y generando un error de redondeo. Ya que la mayor parte de las computadoras tienen entre 7 y 14 cifras significativas, los errores de redondeo pareceran no ser muy importantes. Sin embargo, hay dos razones del porque pueden resultar crticos en algunos mtodos numricos: 1. ciertos mtodos requieren cantidades extremadamente grandes para obtener una respuesta. Adems, estos clculos a menudo depende entre si. Estos es, los clculos posteriores son dependientes de los anteriores. En consecuencia, aunque

18

UNIDAD I / TEORIA DE ERRORES

un error de redondeo individual puede ser muy pequeo, el efecto de acumulacin en el transcurso de la gran cantidad de clculos puede ser significativos.

2.

el efecto del redondeo puede ser exagerado cuando se llevan a cabo operaciones algebraicas que emplean nmeros muy pequeos y muy grandes al mismo tiempo. Ya que este caso se presenta en muchos mtodos numricos, el error de redondeo puede resultar de mucha importancia.

En el redondeo se conservan las cifras significativas y el resto se descarta.

El ltimo dgito retenido se aumenta en uno si el primer dgito descartado es fuera as, el dgito conserva su valor. Ejemplo: la importancia de las cifras significativas de los clculos algebraicos. Determnese la diferencia de dos nmeros grandes: 32981108.1234

5 , si no

y 32981107.9989.

Enseguida, reptase los clculos pero incrementndose el minuendo en in 0.001%. Solucin: La diferencia de los nmeros es:

32981108.1234 32981107.9989 0.1245

19

UNIDAD I / TEORIA DE ERRORES

Ahora incrementando el minuendo en un 0.001 % se obtiene el numero 32 981 437.934 5 y la diferencia es:

32981437.9345 32981107.9989 329.3356


Que es considerable diferente de la primera. De aqu que una modificacin en el minuendo, aparentemente insignificante, provoca una gran diferencia en el resultado. Ejemplo: Ilustraciones de las reglas de redondeo Los siguientes ejemplos tienen por objeto ilustrar las reglas de redondeo analizados. 1. Errores de redondeo 5.6723 10.406 7.3500 88.21650 1.25001 5.67 10.41 7.4 88.217 1.3 3 cifras significativas 4 cifras significativas 2 cifras significativas 5 cifras significativas 2 cifras significativas

2. suma y resta a) 2.2 1.768 = 0.432 = 0.4 b) 0.00468 x 10


-7 -4

+ 8.3 x 10

228 x 10-6 =6.02468 x 10

= 6.0 x 10

-4

se

redondea hasta el 3 porque nos indica que es el valor para redondeo 3. multiplicacin y divisin a) Evalese 0.0642 x 4.8 = 0.30816 = 0.31 b) 945/0.3185 = 2967.032967= 2970

1.3.3.

Error por truncamiento.

Los errores de truncamiento son aquellos que resultan al usar una sucesin finita o infinita de pasos en el cual se realizan clculos para producir un resultado exacto, se trunca prematuramente despus de un cierto nmero de pasos.

20

UNIDAD I / TEORIA DE ERRORES

Truncar la siguiente cifra hasta centsimos, o hasta que sean dos las cifras significativas :

7 = 2 . 645751311
7 2.64

Como podemos ver, en este tipo de error, lo que se hace es omitir algunas de las cifras de una cantidad, debido a que esta contiene muchos decimales, entonces se trunca o corta el nmero, por lo que tambin cae en un error. Los errores de truncamiento son aquellos que resultan al usar una aproximacin en lugar de un procedimiento matemtico exacto. Estos errores se regresan a la formulacin matemtica usada ampliamente en los mtodos numricos para expresar funciones en forma polinomial. La serie de Taylor. La serie de Taylor La serie de Taylor da una formulacin para predecir el valor de la funcin en xi +1 en trminos de la funcin y de sus derivadas en una vecindad al punto xi . Por ejemplo: el primer trmino de la serie es conocida como aproximacin de orden cero.

f ( xi +1 ) f ( xi )
aproximacin de primer orden .

f ( xi +1 ) f ( xi ) + f ( xi )h donde h = ( xi +1 xi )
aproximacin de segundo orden .

f ( xi +1 ) f ( xi ) + f ( xi )h +

f ( xi ) 2 h donde h = ( xi +1 xi ) 2!

De esta manera se puede agregar trminos adicionales para desarrollar la expansin completa de la serie de Taylor.

21

UNIDAD I / TEORIA DE ERRORES

f (xi+1 ) f (xi ) + f (xi )h +

f (xi ) 2 f (n) (xi ) n h + h + Rn 2! n!

Se incluye un termino residual para considerar todas los trminos desde n + 1 hasta el infinito:

Rn =

f ( n +1) ( ) n +1 h (n + 1)!

donde el subndice n indica que el residuo es de la aproximacin a n- simo orden y valor cualquiera de x que se encuentra en xi y xi +1

es un

1.3.4.

Error numrico total.

El error numrico total es la suma de los errores de truncamiento y de redondeo. ste es el medio para poder lograra minimizar los errores debido a redondeo, y esto se logra incrementando el nmero de cifras significativas.

Los errores por truncamiento pueden ser disminuidos cuando los errores por redondeo se incrementan. Para poder disminuir un componente del error numrico total, se debe

incrementar otro valor.

Errores humanos 1. Errores por equivocacin. Las equivocaciones ocurren a cualquier nivel del proceso de modelacin matemtica y puede contribuir con todas las otras componentes del error.

22

UNIDAD I / TEORIA DE ERRORES

Se puede evitar nicamente con el conocimiento de los principios fundamentales y con el cuidado sobre la aproximacin y diseo de la solucin a un problema.

2. Errores de formulacin. Los errores de formulacin o de modelamiento degeneran en lo que se podran considerar como un modelo matemtico incompleto. Un ejemplo de un error de formulacin imperceptible es el hecho de que la segunda ley de newton no explica los efectos relativistas.

3. Incertidumbre en los datos. Algunas veces se introducen errores en un anlisis debido a la incertidumbre de los datos fsicos sobre los que se basa el modelo.

1.4. Software de cmputo numrico En la actualidad existen dos tipos de usuarios de software. Por un lado estn aquellos que toman lo que se les da. Es decir, quienes se limitan a las capacidades que encuentran en el modo estndar de operacin del software existente. Por ejemplo, resultan muy sencillo resolver un sistema de ecuaciones lineales o generar graficas con valores x - y con EXCEL, Matlab o Mathcad . como este modo de operacin por lo comn requiere un mnimo esfuerzo, muchos de los usuarios adoptan este modo de operacin. Adems, como los diseadores de estos paquetes se anticipan a la mayora de las necesidades tpicas de los usuarios, muchos de los problemas pueden resolverse de esta manera. Pero , Que pasa cuando se presentan problemas que estn mas all de las capacidades estndar de dichas herramientas ? . en tal caso usted tiene dos alternativas. La primera seria buscar otro paquete y ver si sirve para resolver el problema. Esta es una de las razones por las que quisimos usar EXCEL como mathcad o Matlab. Como veremos , ninguno de ellos abarca todo y cada uno tiene sus ventajas. El segundo seria que es posible volverse un potente usuario si se aprende a escribir macros en EXCEL VBA ( visual basic for applications ). Programas computacionales Los programas computacionales son nicamente conjuntos de instrucciones que dirigen a la computadora para realizar cierta tarea.

23

UNIDAD I / TEORIA DE ERRORES

Visto desde esta perspectiva , reducimos toda complejidad a unos cuantos tpicos de programacin, que son: Representacin de informacin sencilla ( declaracin de constantes, variables y tipos) Representacin de informacin ms compleja ( estructura de datos, arreglos y registros) Formulas matemticas (asignacin, reglas de prioridad y funciones intrnsecas) Entrada / salida Representacin lgica ( secuencia, seleccin y repeticin) Programacin modular ( funciones y subrutinas) Programacin estructurada En esencia la programacin estructurada es un conjunto de reglas que desarrollan en el programa los hbitos para lograr un buen estilo. Aunque la programacin estructurada es bastante flexible para permitir considerable creatividad y expresin personal, sus reglas imponen suficientes restricciones para hacer que los programas resultantes sean muy superiores a sus versiones no estructuradas. Un diagrama de flujo es una representacin visual o grafica de un algoritmo. Emplea una serie de cajas o bloques y flechas, cada una de las cuales representa un determinado paso u operacin del algoritmo. Otra manera de expresar los algoritmos y que constituyen un puente de unin entre los diagramas de flujo y el cdigo de la computadora, es el pseudocodigo. Programacin modular Dividir una tarea o una materia complicada en partes mas accesibles es una manera de hacerla mas fcil. Siguiendo una misma idea, los programas de computacin se dividen en subprogramas mas pequeos, o mdulos que pueden desarrollar y probarse por separado. A esta forma de trabajar se le llama programacin modular. Excel. Excel es una hoja de calculo producida por Microsoft Inc. Las hojas de clculos son un tipo especial de software para matemticas que permite al usuarios ingresar y realizar clculos en renglones y columnas de datos. Como tales, son una versin computarizada de una gran hoja de contabilidad en la que se lleva a cabo una gran cantidad de clculos interrelacionados. Puesto que cuando se modifica un valor de la hoja , hay que actualizar todos los clculos , las hojas son ideales para hacer anlisis del tipo y que pasa si ... ?

24

UNIDAD I / TEORIA DE ERRORES

Excel cuenta con varios recursos numricos interconstruidos como resolucin de ecuaciones, ajuste de curvas y optimizacin. Incluye tambin VBA como un lenguaje de macro que sirve para hacer clculos numricos. Por ultim, tiene varias herramientas para la visualizacin como diagramas y graficas tridimensionales, que son un valiosos complemento para el anlisis numrico. Matlab Matlab es el principal producto de software de Mathworks, Inc. , fundada por los analistas numericos Cleve Moler y John N. Little. Como su nombre lo indica, Matlab se desarrollo originalmente como un laboratorio para matrices. Hoy , el elemento principal de Matlab sigue siento la matriz. La manipulacin matemtica de matrices se ha realizado muy adecuadamente en un ambiente interactivo fcil de utilizar. A esta manipulacin matricial, Matlab agrega varias funciones numricas, clculos simblicos y herramientas para visualizacin. Matlab tiene diferentes funciones y operadores que permiten la adecuada realizacin de los mtodos numericos que aqu desarrollamos. Mathcad El uso del software Mathcad 2001 Professional supone un paso adelante para clarificar y potenciar el aprendizaje de conceptos, tcnicas e ideas matemticas de forma que sean de clara utilidad prctica, tanto de cara al desarrollo del currculo acadmico como de cualquier actividad profesional. En este sentido, el uso adecuado de este programa no slo facilita la adquisicin de conceptos clave sino que tambin fomenta la creatividad dentro del mbito matemtico, facilitando la contextualizacin de las asignaturas cuantitativas y ofreciendo cientos de operadores y funciones incorporadas para resolver problemas tcnicos, desde los ms simples hasta los ms complicados. Mathcad 2001 Professional es un software de clculo, extremadamente verstil y potente como lenguaje de programacin. Contiene una exhaustiva biblioteca de funciones estadsticas y de anlisis, una coleccin de potentes algoritmos para resolucin problemas as como herramientas de manipulacin de matrices. La principal caracterstica de Mathcad es que resulta tan fcil de usar como las conocidas hojas de clculo que pueden encontrarse en el mercado. Y, sin embargo, no es necesario aprender ninguna sintaxis complicada en Mathcad una ecuacin aparece tal y como se podra ver en una pizarra o en un libro.

25

UNIDAD I / TEORIA DE ERRORES

Algoritmos y estabilidad. El tema fundamental de esta asignatura es el estudio, seleccin y aplicacin de algoritmos, que se definen como secuencias de operaciones algebraicas y lgicas para obtener la solucin de un problema. Por lo general, se dispone de varios algoritmos para resolver un problema particular; unos de los criterios de seleccin es la estabilidad del algoritmo; esto es, que a pequeos errores de los valores manejados se obtengan pequeos errores en los resultados finales . 1.5. Mtodos iterativos. Ejemplo: Estimacin del error para mtodos iterativos Enunciado del problema : en matemticas, a menudo se puede representa las funciones mediante una serie infinita. Por ejemplo la funcin exponencial se puede calcular usando:

x 2 x3 x4 e = 1+ x + + + + ... 2! 3! 4!
x

Mientras mas trminos se le agreguen a la serie , la aproximacin se acercara mas y mas al valor de x . la ecuacin anterior se le llama serie de Maclaurin. Empezando con el primer termino , e x = 1, y agregando un termino a la vez, estmese el valor de e
0.5

. despus que se agregue cada termin, calclense los ERP y

a . Ntese

que el valor real de

e 0.5 = 1.648721271

agrguense trminos hasta que

a < s contempla tres cifras significativas.


Solucin s = (0.5 x 10 2 3 ) % = 0.05 % por lo tanto , se agregaran trminos a la serie hasta que a se menos que este nivel.

ER =

p p* p

si p 0

ERP = ( ER )100

26

UNIDAD I / TEORIA DE ERRORES

a =

aproximacionactual aproximacionanterior x100 aproximacionactual

Ejercicio: La expansin en serie de Maclaurin para el cos x es:

x 2 x 4 x 6 x8 Cosx = + + L 2! 4! 6! 8!
Iniciando con el primer termino cos x = 1 , agrguense los trminos uno a uno para estimar

cos

3 . Despus que se agregue cada uno de los trminos, calclense los errores

porcentuales relativos, exactos y aproximados .sense una calculadora para determinar el valor exacto. Agrguense trminos hasta el valor absoluto del error aproximado falle bajo cierto criterio de error, considerando dos cifras significativas. Solucin: s = (0.5 x 10 2 2 ) % = 0.5 %

cos

= 0.5 3

27

UNIDAD I / TEORIA DE ERRORES

Ejercicio: Reptase los clculos del problema anterior pero ahora usando la serie de Maclaurin para sen x = 0

x3 x5 x7 Senx = x + +L 3! 5! 7!
Sen
estmese el

s = (0.5 x 10 2 2 ) % = 0.5 %

Sen

= 1 empezando

sen x = 0

Ejemplo: Aproximaciones de un polinomio mediante la serie de Taylor. Enunciado del problema: sense trminos en la serie de Taylor de cero a cuarto orden para aproximar la funcin :

f ( x) = 0.1x 4 0.15 x 3 0.5 x 2 0.25 x + 1.2 desde el punto xi = 0 y con h = 1. Esto es,
predecir el valor de la funcin en xi +1 = 1. Solucin: Ya que se trata de una funcin conocida se puede calcular valores f(x) 0 y 1

28

UNIDAD I / TEORIA DE ERRORES

f ( x) := 0.1x 0.15x 0.5x 0.25x + 1.2 f ( x) = 1.2 f ( x) := 0.1x 0.15x 0.5x 0.25x + 1.2 f ( x) = 0.2
4 3 2

x := 0

x := 1

Los resultados indican que la funcin empieza en f(0)=1.2 y continua hacia abajo hasta f(1)=0.2. por lo tanto el valor que se trata de predecir es 0.2.

La aproximacin en serie de Taylor de orden cero es:

f ( xi +1 ) f ( xi ) =1.2
Como se puede ver en la figura la aproximacin de orden cero es una constante . el error de truncamiento en este caso es

E = p p*
E = 0.2 1.2 = - 1.2

En x = 1. Para n = 1, la primera derivada se debe determinar y evaluar en x = 0

f ( x) := 0.1x 0.15x 0.5x 0.25x + 1.2 d f ( x) = 0.25 dx


La aproximacin a primer orden es:

x := 0

h = ( xi +1 x i ) f ( xi +1 ) f ( xi ) + f ' ( xi )( xi +1 x i ) f ( xi +1 ) 1.2 0.25h

29

UNIDAD I / TEORIA DE ERRORES

f ( h ) := 1.2 + ( 0.25 h ) f ( h ) = 0.95

h := 1

que se puede usar para h = 1 , calcular f(1) = 0.95 . Por consiguiente , la aproximacin empieza a coincidir con la trayectoria de la funcin como la pendiente de una lnea recta. De esta manera el error de truncamiento se reduce a :

E = valor verdadero valor aproximado = 0.2 0.95 = - 0.75

en x = 1 para n = 2, se evala la segunda derivada en x = 0:

f ( x) := 0.1x 0.15x 0.5x 0.25x + 1.2 d


2 2

x := 0

f ( x) = 1

dx

f ( xi +1 ) f ( xi ) + f ' ( xi )( xi +1 x i ) + 1 2 )h 2!

f ' ' ( xi ) ( xi +1 x i ) 2 2!

f ( xi +1 ) 1.2 0.25h + (

f ( h ) := 1.2 + ( 0.25 h ) + f ( h ) = 0.45

1 h 2 2!

h := 1

E = valor verdadero valor aproximado = 0.2 0.45 = - 0.25

Los trminos adicionales mejoran aun mas la aproximacin.

en x = 1 para n = 3, se evala la tercera derivada en x = 0:

30

UNIDAD I / TEORIA DE ERRORES

f ( x) := 0.1 x

0.15 x d
3 3

0.5 x

0.25 x + 1.2

x := 0

f ( x) = 0.9

dx

f ( xi +1 ) f ( xi ) + f ' ( xi )( xi +1 x i ) + f ( xi +1 ) 1.2 0.25h + (

f ' ' ( xi ) f ' ' ' ( xi ) ( xi +1 x i ) 2 + ( xi +1 x i )3 2! 3!

1 2 0 .9 3 )h + ( )h 2! 3!

f ( h ) := 1.2 + ( 0.25 h ) + f ( h ) = 0.3

1 h 2 + 0.9 h 3 2! 3!

h := 1

E = valor verdadero valor aproximado = 0.2 0.3 = - 0.1

En x = 1 para n = 4, se evala la cuarta derivada en x = 0:


f ( x ) := 0.1 x
4

0.15 x d
4 4

0.5 x

0.25 x + 1.2

x := 0

f ( x ) = 2.4

dx

f ' ' ( xi ) f ' ' ' ( xi ) f 4 ( xi ) 2 3 ( xi +1 x i ) + ( xi +1 x i ) + f ( xi +1 ) f ( xi ) + f ' ( xi )( xi +1 x i ) + ( xi +1 x i ) 4 2! 3! 4!


1 2 0 .9 3 2 .4 4 )h + ( )h + ( )h 2! 3! 4!

f ( xi +1 ) 1.2 0.25h + (

Donde el termino residual es:

Rn

f ( n +1) ( ) n +1 h = ( n + 1 )!

R4 =

f (5) ( ) 5 h 5!

31

UNIDAD I / TEORIA DE ERRORES

f ( x) := 0.1 x 0.15 x 0.5x 0.25 x + 1.2 d


5 5

x := 0

f ( x) = 0

dx

ya que la quinta derivada de un polinomio de cuarto orden es nula, R4 =0. Por consiguiente, la expansin en serie de Taylor hasta la cuarta derivada produce una aproximacin exacta en x = 1
f ( h ) := 1.2 + ( 0.25 h ) + f ( h ) = 0.2

1 h 2 + 0.9 h 3 + 2.4 h 4 2! 3! 4!

h := 1

En general, la expansin en serie de Taylor de n-simo orden es exacta para un polinomio de n-simo. Para otras funciones continuas diferenciales, como las exponenciales o senoidales, no se obtiene una estimacin exacta mediante un numero finito de trminos. Cada uno de los trmino adicionales contribuye al mejoramiento de la aproximacin , aunque sea con poco. La decisin sobre cuantos trminos se requieren para obtener una aproximacin razonable se basa en el termino residual de la expansin .

Rn

f ( n +1) ( ) n +1 h = ( n + 1 )!

Esta ecuacin residual es de la forma general, tiene dos grandes desventajas . Primero

no se conoce exactamente sino que solo se sabe que esta entre xi y xi+1 . Segundo , para la evaluacin de la ecuacin anterior se requiere para evaluar la (n + 1 ) sima derivada de f(x).

Ejemplo: Uso de la serie de Taylor para aproximar una funcin que tiene un numero infinito de derivadas.

Enunciado del problema : sense los trminos de la serie de Taylor con n = 0 hasta 6 para aproximar :

32

UNIDAD I / TEORIA DE ERRORES

f ( x ) = cos x
en

x = /3

(60) con base al valor de f(x) y de sus derivadas alrededor del punto

x = / 4 ( 45) .Ntese que esto significa que


Solucin: El valor exacto

h=

12

Nota: el resultado de la sustitucin y de ellos quien tengan el valor pequeo ese ser el valor exacto

f ( x) := cos ( x) f ( x) = 0.5

x :=

F(x)= 0.5

f(x)= 0.707106781

La aproximacin de orden cero es

f ( x) := cos ( x) f ( x) = 0.707106781

x :=

ERP =

0.5 0.707106781 100% = 41.4% 0 .5

La aproximacin de primer orden es

f ' ( x ) = sen ( x )

f cos( x ) ( sen( x))h 3


f ( h ) := cos ( x) + ( sin ( x) ) h f ( h ) = 0.521986659 x := 4 h := 12

ERP =

0.5 0.521986659 100% = 4.40% 0 .5

La aproximacin de segundo orden es

f ' ' ( x) = cos( x )

33

UNIDAD I / TEORIA DE ERRORES

cos( x) 2 f cos( x ) ( sen( x))h h 2! 3 cos ( x) 2 f ( h ) := cos ( x) + ( sin ( x) ) h + h 2!


f ( h ) = 0.497754491

x :=

h :=

12

ERP =

0.5 0.497754491 100% = 0.449% 0 .5

La aproximacin de tercer orden es

f ' ' ' ( x) = sen ( x )

cos( x) 2 sen( x) 3 f cos( x ) ( sen( x))h h + h 2! 3! 3 sin ( x) 3 cos ( x) 2 f ( h ) := cos ( x) + ( sin ( x) ) h + 2! h + 3! h


f ( h ) = 0.499869147

x :=

h :=

12

ERP =

0.5 0.499869147 100% = 0.0262% 0 .5

La aproximacin de cuarto orden es

f 4 ( x) = cos( x)
cos( x ) 2 sen( x ) 3 cos( x) 4 f cos( x ) ( sen( x))h h + h + h 2! 3! 4! 3
f ( h ) := cos ( x) + ( sin ( x) )h + f ( h ) = 0.500007551

cos ( x) h 2 + sin ( x) h 3 + cos ( x) h 4 2! 3! 4!

x :=

h :=

12

ERP =

0.5 0.500007551 100% = 1.51x10 2 0 .5

34

UNIDAD I / TEORIA DE ERRORES

La aproximacin de quinto orden es

f 5 ( x) = sen( x)
cos( x) 2 sen( x) 3 cos( x) 4 sen( x) 5 f cos( x ) ( sen( x ))h h + h + h h 2! 3! 4! 5! 3 cos ( x) 2 sin ( x) 3 cos ( x) 4 sin ( x) 5 f ( h ) := cos ( x) + ( sin ( x) )h + 2! h + 3! h + 4! h + 5! h
f ( h ) = 0.500000304

x :=

h :=

12

ERP =

0.5 0.500000304 100% = 6.08 x10 5 0 .5

La aproximacin de sexto orden es

f 6 ( x) = cos( x)
cos( x) 2 sen( x) 3 cos( x) 4 sen( x) 5 cos( x) 6 f cos( x ) ( sen( x))h h + h + h h h 2! 3! 4! 5! 6! 3

f(h) := cos( x) + ( sin(x))h + f(h) = 0.499999988

cos(x) h2 + sin(x) h3 + cos(x) h4 + sin(x) h5 cos(x) h6 2! 3! 4! 5! 6!

x :=

h :=

12

ERP =

0.5 0.499999988 100% = 2.40 x10 6 0 .5

Ntese que las derivadas nunca se acercan a cero, como es el caso del polinomio. Sin embargo, cada trmino que se le agrega a la serie produce una mejor aproximacin. Ntese tambin que la mayor aproximacin se consigue con los primeros trminos.

35

UNIDAD I / TEORIA DE ERRORES

f ( x) := cos ( x)
1

x := 4 , 3.9 .. 10

f ( x)

10

1 x

Orden n

f n ( x)
cos( x) sin( x) cos( x) sin( x) cos( x) sin( x) cos( x)

f 3

ERP

0 1 2 3 4 5 6

0.707106781 0.521986659 0.497754491 0.499869147 0.500007551 0.500000304 0.499999988

41.4 4.4 0.449 0.0262 1.51x10 2 6.08 x10 5

2.40 x10 6

36

UNIDAD 2
METODOS DE SOLUCION DE ECUACIONES

Objetivo: Implementara mtodos de solucin de ecuaciones algebraicas o trascendentales, con apoyo de un lenguaje de programacin.

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

2.1 Mtodo de Intervalo A estas tcnicas se les llama mtodos que usan intervalos porque se necesitan de dos valores inciales para la raz. Como su nombre lo indica, estos valores deben encerrar o estar uno de cada lado de la raz. Los mtodos particulares descritos sobre este punto emplean diferentes estrategias para reducir sistemticamente el tamao del intervalo y as converger a la respuesta correcta. Adems de la utilidad de los mtodos grficos para determinar valores inciales, tambin son tiles para visualizar las propiedades de las funciones y el comportamiento de los mtodos numricos.

Mtodos grficos. Un mtodo simple para obtener una aproximacin a la raz de la ecuacin f(x) = 0 consiste en graficar y observar en donde cruza el eje x. Este punto , que representa el valor de x para el cual f(x) = 0 , proporciona una aproximacin inicial de la raz.

Ejemplo: Mtodos grficos Enunciado del problema: Emplese graficas para obtener una raz aproximada de la funcin : f ( x) = e
x

Solucin: Se calcula los siguientes valores


f ( x ) := e
x

x
2

x := 0.2 , 0.1 .. 1.1

1 f ( x) 0.5 1 x 0 0.5 1 1.5

Ejemplo: Mtodos grficos Enunciado del problema: Emplese graficas para obtener una raz aproximada de la funcin

38

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

f ( x) := 0.874 x + 1.75 x + 2.627


5

x := 2.5 , 2.4 .. 4.5

5 f ( x) 5

10 x

Ejemplo: Mtodos grficos Enunciado del problema: Emplese graficas para obtener una raz aproximada de la funcin
f ( x ) := 2x
2

3x

x :=

5 .. 5

100

50 f ( x) 5 50 x 0 5

f ( x) := sin ( 10x) + cos ( 3x)

x := 5 , 4.9 .. 5

f ( x)

2 x

Ejemplo: Para determinar el coeficiente de arrastre c necesario para que un paracaidista de masa m = 68.1 kg. Tenga una velocidad de 40 m/s despus de una cada libre de t = 10 s. Nota la aceleracin de la gravedad es 9.8 m/s 2 . Determine su grafica.
t gm 1 e m v(t ) = c c

39

UNIDAD II / METODO DE SOLUC O CION DE EC CUACIONES S

Solucin: S Este problema se resuelve determinand la raz de la ecuacin usando los p E a e do parmetros t = 10, 1 g = 9.8, v = 40 y m = 68 8.1
t gm 1 e m v f (c ) = c c c 10 9.8(68.1) 1 e 68.1 40 f (c ) = c

34.115

40

20 f ( c) 0 3.977 5 10 15 20

20 4 c 17

Ejemplo : Graficar E
f ( x ) := x
10

x := 0 , 0.001

.. 1.3

15

10

f ( x)

0.5

1.5

5 x

Ejemplo: realic la grafica de la ecuacin E ce d n

Solucin: S

40 0

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

Ejemplo: Escriba el programa que utiliza en Matlab para poder grafica r la siguiente funcin X = 1:0.1:5 Y = x.^3 + 3*x^2 + 5*x +3 Figure Plot(x,y) Disp( grafica de funcin )

2.2 Mtodo de biseccin Los mtodos de bsqueda incremental se aprovechan de esta caracterstica para localizar un intervalo donde la funcin cambie de signo. Por lo tanto, la localizacin del cambio de signo, se logra ms exactamente dividiendo el intervalo en una cantidad definida de subintervalos. El mtodo de biseccin conocido tambin como de corte binario, de particin en dos intervalos iguales o mtodo Bolzano, es un mtodo de bsqueda incremental en el que el intervalo se divide siempre en dos. Si la funcin cambia de signo sobre un intervalo, se evala el valor de la funcin en el punto medio. La posicin de la raz se determina

41

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

situndola en el punto medio del subintervalo dentro del cual ocurre un cambio de signo. El proceso se repite hasta obtener una mejor aproximacin. Si el intervalo original es de tamao absoluto de la diferencia de dos

a y el criterio de convergencia aplicado al valor

xr consecutivas es , entonces se requerirn n iteraciones

, donde n se calcula con la igualdad de la expresin

a 2n
de donde :

n=

ln (a ) ln ( ) ln(2)

Por esto se dice que se puede saber de antemano cuantas iteraciones se requieren. O bien se puede utilizar el siguiente criterio de convergencia

Ea <

E a = aproxactual aproxanterior
Algoritmo Sencillo : Paso 1: Elija los valores iniciales inferior

x1 y x u de forma tal que la funcin cambie de

signo sobre el intervalo. Esto se puede verificar asegurndose de que

f ( x1 ) f ( xu ) < 0
Entonces hay al menos una raz entre

x1 y x u .

Paso 2: La primera aproximacin a la raz X, se determinan como:

xr =

x1 + xu 2

42

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

Paso 3: Realice las siguientes evaluaciones para determinar en que subintervalo cae la raz

a ) f ( x1 ) f ( xr ) < 0 ; entonces la raz se encuentra dentro del subintervalo inferior o


izquierdo . Por lo tanto, tome xu = x r y continu en el paso 2.

b ) f ( x1 ) f ( xr ) > 0 ; entonces la raz se encuentra dentro del subintervalo superior o


derecho. Por lo tanto, tome

x1 = xr y continu en el paso 2.

c) f ( x1 ) f ( xr ) = 0 ; la raz es igual a xr ; termina el calculo.


Paso 4: Fin

Problema: Utilice el mtodo de biseccin para encontrar la raz real de la siguiente funcin:
x f( x) := e x error :=

0.001

x1 :=

xu :=

Datos n = [ln (xu - x1 ) - ln ( error)] / ln (2) n = numero de iteraciones x1 = valor de x inferior xu = valor de x superior xr = valor de x media (aproximacion de la raz) f(x1) = funcion de x inferior f(xu) = funcion de x superior f(xr) = funcion de x media

Algoritmo Intervalo [x1,xu] f(x1)*f(xu) < 0 , existe raz xr = (x1 + xu ) / 2 f(x1)*f(xr) < 0, intevalo izquierdo f(x1)*f(xr) > 0, intevalo Derecho

Calculo :
x f( x) := e x x1 :=

x :=

0 , 0.001.. 1
1

xu :=

f( x1) f( xu ) = 0.632120559 n := ln

si tiene raz n=

( 1 0) ln( 0.001) ln( 2)

10

f( x)

0.5

43

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

s :=

x1 xu

0 1 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 , 10
x1 + xu

for k xr

c e if c <

2
x1

x1 e

)(

xr

xr

0
x1 + xu

xr

tmp xr xu tmp if c >

0
x1 + xu

xr

tmp xr x1 tmp xr if c = xr s=

0 0.567382813

44

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

Problema 2: Utilice el metodo de biseccion para obtener la ra real de la funcin

f ( x ) := cos ( x ) ln ( x )

error

:=

0.001

x1 :=

xu :=

Datos n = [ln (xu - x1 ) - ln ( error)] / ln (2) n = numero de iteraciones x1 = valor de x inferior xu = valor de x superior xr = valor de x media (aproximacion de la raz) f(x1) = funcion de x inferior f(xu) = funcion de x superior f(xr) = funcion de x media

Algoritmo Intervalo [x1,xu] f(x1)*f(xu) < 0 , existe raz xr = (x1 + xu ) / 2 f(x1)*f(xr) < 0, intevalo izquierdo f(x1)*f(xr) > 0, intevalo Derecho

Cal culo :
f ( x ) := cos ( x ) ln ( x ) x1 :=

x :=

1 , 1.001
1

..

xu :=

f ( x1 ) f ( xu ) = 0.599354115 n := ln

si tiene raz n =

(2

1)
ln

ln

(2 )

( 0.001 )

10

f( x )

1 1

1.5

s :=

x1 xu for

1 2 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 , 10
x1 + xu

2
x

k xr

2 0
x1 + xu

c ( cos ( x1 ) ln ( x1 ) ) ( cos ( xr ) ln ( xr ) ) if c <

xr

tmp xr xu tmp if c >

0
x1 + xu

xr

tmp xr x1 tmp xr xr s = if c =

0 1.303710938

45

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

Problema: La ecuacin de estado de Van der Walls para un gas real es:

a P + 2 (V b ) = RT V
Donde :

P = presin en atm ; T = temperatura en K;


R = constante universal de los gases en atm L / (gmol K) = 0.08205

V = volumen molar del gas en L / gmol;

46

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

a, b = constantes particulares para cada gas


Calcule V a 80 C (353.2 K) para una presin de 10 atm

Gas

a 0.03412

b 0.02370

He

Realice los clculos necesarios para resolver esta ecuacin usando como intervalo inicial

V1 = 0.8v , Vu = 1.2v ,
Donde

v = RT / P . Con E a < 0.01

Solucin:

v :=

R T p

p := 10

R := 0.08205 b := 0.02370

T := 353.2

a := 0.03412

v1 := 0.8 v v1 = 2.3184048 f ( V) := p V

vu := 1.2 v vu = 3.4776072

( 3) (pb + RT)V2 + aV ab
si tiene raz
Algoritmo Intervalo [x1,xu] f(x1)*f(xu) < 0 , existe raz xr = (x1 + xu ) / 2 f(x1)*f(xr) < 0, intevalo izquierdo f(x1)*f(xr) > 0, intevalo Derecho

f ( v1) f ( vu ) = 2178.6232848 Datos


n = [ln (xu - x1 ) - ln ( error)] / ln (2) n = numero de iteraciones x1 = valor de x inferior xu = valor de x superior xr = valor de x media (aproximacion de la raz) f(x1) = funcion de x inferior f(xu) = funcion de x superior f(xr) = funcion de x media

n :=

ln( vu v1) ln( 0.01) ln( 2)

n=7

47

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

s :=

v1 2.3184048 vu 3.4776072 for k 1 , 2 , 3 , 4 , 5 , 6 , 7 vr c v1 + vu 2

p v13 ( p b + R T) v12 + a v1 a b p vr3 ( p b + R T) vr2 + a vr a b


v1 + vu 2

if c < 0 vr

tmp vr vu tmp if c > 0 vr v1 + vu 2

tmp vr v1 tmp vr if c vr s = 2.925174806 0

2.3. Mtodo de interpolacin

2.3.1.

Mtodo de Newton Raphson

Calculo de races por el mtodo de newton Es una de las formulas mas ampliamente usadas para localizar races, si el valor inicial de la raz es Xi, entonces se puede extender una tangente desde el punto [Xi, f (Xi) ]. El punto donde esta tangente cruza el eje X, representa una aproximacin mejorada de la raz.

El mtodo de Newton-Raphson se puede obtener sobre la base de una interpretacin geomtrica, la primera derivada en X es equivalente a la pendiente

48

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

f (x i ) =

f (x i ) 0 xi xi+1

Que se puede ordenar para obtener

xi+1 = xi

f (x i ) f (x i )

La cual es conocida como frmula de Newton - Raphson.

Ejemplo . Utilice el mtodo de Newton Raphson para obtener la raz real de la funcin

f ( x) = x 3 + 2 x 2 + 10 x 20 xi +1 xi = 10 3

49

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

Clculos en mathcad
f ( x) := x + 2x + 10 x 20 df ( x) := 3x + 4x + 10 x := 1
0 2 3 2 2 d f ( x) 3 x + 4 x + 10 dx

i+ 1

:= x
i

( i) df ( x ) i
f x

i := 0 .. 5

x =
i 1 1.41176 1.36934 1.36881 1.36881 1.36881

i+ 1

f x

( i) =
-7 0.918 0.011 1.70410 -6 3.90810 -14 0

0.412 0.042 5.28310 -4 8.0810 -8 1.77610 -15 0

Clculos de Matlab

Ejemplo: Use el mtodo de Newton Raphson para encontrar la raz de la ecuacin

f ( x) =
.

3 x 2 18 x + 15 , con un punto inicial de 8 , con un error de aproximacin Ea = 0.01 5

50

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

2.3.2.

Mtodo de la secante

Un problema fuerte en la implementacin del mtodo de newton Raphson es la evaluacin de la derivada. Aunque esto no es un inconveniente para los polinomio y para muchas otras funciones, existen algunas cuyas derivadas pueden ser extremadamente difciles de evaluar. En estos casos la derivada se puede aproximar mediante una diferencia dividida, como la figura

Esquema grfico del mtodo de la secante. Esta tcnica es similar a la del mtodo de Newton - Raphson en el sentido de que una aproximacin a la raz se calcula extrapolando

51

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

una tangente de la funcin hasta el eje x. Sin embargo, el metodo de la secante usa una diefrencia en vez de la derivada para aproximar la pendiente.

Por lo tanto el mtodo de la secante

xi +1 = xi

(xi xi 1 ) f (xi ) f ( xi ) f ( xi 1 )

xi +1 xi <

Ejemplo . Utilice el mtodo de la secante para obtener la raz real de la funcin

f ( x) = x 3 + 2 x 2 + 10 x 20

xi +1 xi = 10 3

clculos en Mathcad
f ( x) := x + 2x + 10x 20 x := 0
0 3 2

x := 1
1

i := 0 .. 5 k := 1 .. 6

k+ 1

:= x
k

(xk xk1)f(xk) (f(xk) f(xk1))


x
i+ 1

x =
i 0 1 1.53846 1.35031 1.36792 1.36881

x =
i 1

f x

( k) =
-7 3.75967228 -0.388136149 -0.018786791 1.00857988810 -4 -2.60078039110 -8

0.538461538 0.188150612 0.017606419 0.000895543 0.000004782

52

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

Clculos en Matlab

Otra forma de resolver en Matlab

53

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

clculos en EXCEL.

2.4. Aplicaciones Problema: utilice el mtodo de biseccin: La ecuacin de estado de Van der Walls para un gas real es:

a P + 2 (V b ) = RT V
donde :

P = presin en atm ; T = temperatura en K;

R = constante universal de los gases en atm L / (gmol K) = 0.08205

V = volumen molar del gas en L / gmol ;


a, b = constantes particulares para cada gas
Calcule V a 80 C (353.2 K) para una presin de 10 atm

Gas

A 0.03412

b 0.02370

He

Realice los clculos necesarios para resolver esta ecuacin usando como intervalo inicial

V1 = 0.8v , Vu = 1.2v , donde v = RT / P . Con E a < 0.01

54

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

v :=

R T p

p := 10

R := 0.08205 b := 0.02370

T := 353.2

a := 0.03412

v1 := 0.8 v v1 = 2.3184048 f ( V) := p V

vu := 1.2 v vu = 3.4776072

( 3) (pb + RT)V2 + aV ab
si tiene raz
Algoritmo Intervalo [x1,xu] f(x1)*f(xu) < 0 , existe raz xr = (x1 + xu ) / 2 f(x1)*f(xr) < 0, intevalo izquierdo f(x1)*f(xr) > 0, intevalo Derecho

f ( v1) f ( vu ) = 2178.6232848 Datos


n = [ln (xu - x1 ) - ln ( error)] / ln (2) n = numero de iteraciones x1 = valor de x inferior xu = valor de x superior xr = valor de x media (aproximacion de la raz) f(x1) = funcion de x inferior f(xu) = funcion de x superior f(xr) = funcion de x media

n :=

ln( vu v1) ln( 0.01) ln( 2)

n=7

55

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

s :=

v1 2.3184048 vu 3.4776072 for k 1 , 2 , 3 , 4 , 5 , 6 , 7 vr c v1 + vu 2

p v13 ( p b + R T) v12 + a v1 a b p vr3 ( p b + R T) vr2 + a vr a b


v1 + vu 2

if c < 0 vr

tmp vr vu tmp if c > 0 vr v1 + vu 2

tmp vr v1 tmp vr if c vr s = 2.925174806 0

Problema : utilice el mtodo de biseccin: La ecuacin de estado de Van der Walls para un gas real es:

a P + 2 (V b ) = RT V
donde :

P = presin en atm ; T = temperatura en K; R = constante universal de los gases en atm L / (gmol K) = 0.08205

V = volumen molar del gas en L / gmol ;


a, b = constantes particulares para cada gas
Calcule V a 80 C (353.2 K) para una presin de 30 atm

56

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

Gas

a 0.03412

b 0.02370

He

Realice los clculos necesarios para resolver esta ecuacin usando como intervalo inicial

V1 = 0.8v , Vu = 1.2v ,
Donde

v = RT / P . Con E a < 0.01

v :=

R T p

p := 30

R := 0.08205 b := 0.02370

T := 353.2

a := 0.03412 v = 0.966002

v1 := 0.8 v v1 = 0.7728016

vu := 1.2 v vu = 1.1592024

f ( V) := p V

( 3) (pb + RT)V2 + aV ab
si tiene raz

f ( v1) f ( vu ) = 26.5288152

Datos
n = [ln (xu - x1 ) - ln ( error)] / ln (2) n = numero de iteraciones x1 = valor de x inferior xu = valor de x superior xr = valor de x media (aproximacion de la raz) f(x1) = funcion de x inferior f(xu) = funcion de x superior f(xr) = funcion de x media

Algoritmo Intervalo [x1,xu] f(x1)*f(xu) < 0 , existe raz xr = (x1 + xu ) / 2 f(x1)*f(xr) < 0, intevalo izquierdo f(x1)*f(xr) > 0, intevalo Derecho

n :=

ln ( vu v1 ) ln ( 0.01) ln ( 2)

n =5

57

UNIDAD II / METODO DE SOLUC O CION DE EC CUACIONES S

s :=

v1 0. .7728016 vu 1.15922024 for k 1 , 2 , 3 , 4 , 5 vr c v1 + vu 2

p v1 3 ( p b + R T) v1 2 + a v1 a b p vr 3 ( p b + R T) vr 2 + a vr a b
v1 + vu 2

if c < 0 v vr

t tmp vr v tmp vu if c > 0 v vr v1 + vu 2

t tmp vr v tmp v1 if vr i c vr s = 0.978086503 0

Problema: Para obtener la temperatura d burbuja de una mezcla de CCl4 y CF4 en equilibrio P de e F o con c su vapor, se lleg a la ecuacin:

Aplicando un mtodo iterat A tivo de dos p puntos, encue entre la tempe eratura de burbuja con una a aproximacin de 10-2 aplica a f(T). a ado

Solucin: S

58 8

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

A continuacin se muestra la hoja de MathCAD con que se resuelve este problema usando el mtodo de posicin falsa. Previamente a lo mostrado, se hicieron algunas evaluaciones de f(T) para obtener un intervalo de bsqueda relativamente pequeo.

A continuacin se muestra la hoja de MATLAB con que se resuelve este problema usando el mtodo de posicin falsa. Previamente a lo mostrado, se hicieron algunas evaluaciones de f(T) para obtener un intervalo de bsqueda relativamente pequeo.

59

UNIDAD II / METODO DE SOLUCION DE ECUACIONES

60

UNIDAD 3
METODOS DE SOLUCION DE SISTEMAS DE ECUACIONES
Objetivo: Implementara los mtodos numricos de solucin de sistemas de ecuaciones, con apoyo de un lenguaje de programacin.

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

3.1 Mtodos Iterativos

3.1.1.

Jacobi

El mtodo de Jacobi es un proceso simple de iteraciones de punto fijo en la solucin de races de una ecuacin. La iteracin de punto fijo tiene dos problemas fundamentales : Algunas veces no converge Cuando lo hace, es a menudo, muy lento.

El mtodo Jacobi tambin puede tener esas fallas. Esquema grafico que muestra el mtodo de iteracin de Jacobi, en la solucin de ecuaciones algebraicas lineales simultaneas.

a ,i =

xik xik 1 * 100 < s xik

Ejemplo : resuelva el siguiente sistema por el mtodo de Jacobi

4 x1 x 2 = 1 x1 + 4 x 2 x3 = 1 x 2 + 4 x3 x 4 = 1 x3 + 4 x 4 = 1

62

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

con

s = 0.01

a ,i =

xik xik 1 * 100 < s xik

despejando las ecuaciones

x1 =

x2 + 1 4

x2 =

x1 + x3 + 1 4

x3 =

x2 + x4 + 1 4

x4 =

x3 + 1 4

Otro manera de poder resolverse utilizando otro criterio de paro o de convergencia

x (k +1) x (k ) = d 1

d1 =

(x

k +1 1

x1k

) + (x
2

k +1 2

k x2

k k + ... + xn +1 xn

Problemas: Resolver los siguientes sistemas de ecuaciones utilizando el mtodo de Jacobi con

= 10 2

63

UNIDAD III / METODO DE SOLU OS UCION SIST TEMAS DE E ECUACIONE ES

x1 + 3 x 2 + 5 x3 + 2 x 4 = 10 x1 + 9 x 2 + 8 x3 + 4 x 4 = 15 x2 + x4 = 2 2 x1 + x 2 + x3 x 4 = 3

3.1.2. 3

Gauss Seidel

Los mtodos iterativos o aproximad L s dos proveen una altern n nativa en los mtodos de eliminacin. El mtodo de Gauss-Seidel es el m e todo iterativo ms com nmente usad do. Suponga que se da un con S e njunto de n ec cuaciones:

a ,i =

xik xik 1 * 100 < s xik

para todas las i, donde j y j-1 son las ite p eraciones actuales y previa as. Como cada nuevo valor de x se calcula con el mtodo de Gauss-Seide este se u C el, usa inmediatamen en la sigu i nte uiente ecuaci para deter n rminar otro va de x. De esta manera, si alor la l solucin es convergente se emplear la mejor es s e, ra stimacin posible.

64

UNIDAD III / METODO DE SOLU OS UCION SIST TEMAS DE E ECUACIONE ES

Ejemplo : res suelva el sigu uiente sistema por el mto de Gauss Seidel a odo s

4 x1 x 2 = 1 x1 + 4 x 2 x3 = 1 x 2 + 4 x3 x 4 = 1 x3 + 4 x 4 = 1
Despejando las ecuacione D es

x1 =

x2 + 1 4

x2 =

x1 + x3 + 1 4

x3 =

x2 + x4 + 1 4

x4 =

x3 + 1 4

Otro manera de poder re O a esolverse utilizando otro criterio de p paro o de con nvergencia

x ( k +1) x (k ) = d 1

d1 =

(x

k +1 1

k k k k x1k + x2 +1 x2 + ... + xn +1 xn

) (
2

65

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

Problemas : Resolver los siguientes sistemas de ecuaciones utilizando el mtodo de Gauss Seidel con

= 10 2
x1 + 3 x 2 + 5 x3 + 2 x 4 = 10 x1 + 9 x 2 + 8 x3 + 4 x 4 = 15 x2 + x4 = 2 2 x1 + x 2 + x3 x 4 = 3

3.2. Sistemas de ecuaciones no lineales

3.2.1.

Mtodo iterativo secuencial

A continuacin se dan ejemplos: a)


2 f1 ( x1 , x 2 ) = x12 + x 2 4 = 0

f 2 ( x1 , x 2 ) = x 2 x12 = 0
b)

f1 ( x1, x 2 ) = 10( x 2 x12 ) = 0 f 2 ( x1 , x 2 ) = 1 x1 = 0

66

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

c)

f ( x1 , x 2, x3 ) = x1 x 2 x3 10 x13 + x 2 = 0 f ( x1 , x 2, x3 ) = x1 + 2 x 2 x3 + sen( x 2 ) 15 = 0
2 3 f ( x1 , x 2, x3 ) = x 2 5 x1 x3 3 x3 + 3 = 0

Ejemplo: Encuentre una solucin del sistema de ecuaciones no lineales

f 1 (x , y ) = x 2 10x + y 2 + 8 = 0 f 2 (x , y ) = xy 2 + x 10y + 8 = 0
Solucin: Despejar x Despejar y

x =

x2 +y2 +8
10

y =

xy 2 + x + 8
10

Con la notacin de la ecuacin :

k +1

( x k ) 2 + (y k ) 2 + 8 = 10

k +1

x k (y k ) 2 + (y k ) 2 + 8
10

con los valores iniciales Primera iteracin

x 0 = 0, y 0 = 0,

se inicia el proceso iterativo

x1 =

02 + 02 + 8 = 0.8 10

y1 =

0(0) 2 + 0 + 8 = 0.8 10

Segunda iteracin

x2 =

(0.8) 2 + (0.8) 2 + 8 = 0.928 10

y2 =

0.8(0.8) 2 + 0.8 + 8 = 0.9312 10

Al continuar el proceso iterativo, se muestra la siguiente sucesin de vectores:

67

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

k
0 1 2 3 4 5 6 7 8 9 10 11 12 13

xk
0.00000 0.80000 0.92800 0.97283 0.98937 0.99578 0.99832 0.99933 0.99973 0.99989 0.99996 0.99998 0.99999 1.00000

yk
0.00000 0.80000 0.93120 0.97327 0.98944 0.99579 0.99832 0.99933 0.99973 0.99989 0.99996 0.99998 0.99999 1.00000

Usando mathcad
s := x 0 y0 for k 0 .. 12 xr x + y + 8 10 x y + x + 8 10
2 2 2

xq

tmp1 xr tmp2 xq x tmp1 y tmp2 s =1

68

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

Para observar la convergencia del proceso iterativo, se pudieron usar los criterios, como distancia entre dos vectores consecutivos, o bien las distancias componente a componente de dos vectores consecutivos. Una condicin suficiente aunque no necesaria , para asegurar la convergencia es que

g1 g 2 g g 2 + M < 1; 1 + M <1 x x y y
Por otro lado, si M es muy pequea en una regin de inters, la iteracin converge rpidamente ; si M es cercana a 1 en magnitud , entonces la iteracin puede converger lentamente.

x k +1 = g1 (x k , y k )

y k +1 = g 2 (x k +1 , y k )

Problema : Encuentre una solucin del sistema de ecuaciones no lineales, utilizando el mtodo de punto fijo multivavriable con desplazamiento sucesivos

f 1 (x , y ) = x 2 10x + y 2 + 8 = 0 f 2 (x , y ) = xy 2 + x 10y + 8 = 0

69

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

Solucin:

x=

x2 + y2 + 8 10

y =

xy 2 + x + 8
10

x k +1 = g1 x k , y k =

(x k )2 + ( y k )2 + 8 10 x k +1 ( y k ) 2 + x k +1 + 8 10

y k +1 = g 2 x k +1 , y k =

Al derivar parcialmente, se obtiene

g1 2 x k = x 10 g 2 ( y k ) + 1 = x 10
con los valores iniciales

g1 2 y k = y 10 g 2 2 x k +1 y k = y 10

x 0 = 0, y 0 = 0,
g1 y =0

se inicia el proceso iterativo

g1 x
g 2 x

x0

=0

y0

y0

1 10

g 2 y

x0 y
0

=0

Por lo tanto

g1 g 2 1 1 + = 0+ = < 1; x x 10 10 g1 g 2 + = 0+0 = 0 <1 y y

70

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

3.3. Iteracin y convergencia de sistemas de ecuaciones

3.3.1. El

Sistemas de ecuaciones de Newton

mtodo iterativo para sistemas de ecuaciones convergen linealmente. Como en el

mtodo de una incgnita, puede crearse un mtodo de convergencia cuadrtica, es decir, el mtodo de Newton Raphson multivariable , a continuacin se obtendr este procedimiento para dos variables; la extensin a tres o mas variables es viable generalizando los resultados. Supngase que se esta resolviendo el sistema.

f 1 ( x, y ) = 0

f 2 ( x, y ) = 0
Donde ambas funciones son continuas y diferenciables, de modo que puedan expandirse en serie de Taylor. Esto es:

f f ( x a ) + ( y b) + x x 2 2 1 f f [ ( x a) 2 + 2 ( x a )( y b) + 2! xx xy f ( x, y ) = f ( a , b ) + 2 f ( y b) 2 xy

] + ...

donde f(x, y) se ha expandido alrededor del punto ( a, b) y todas las derivadas parciales estn evaluadas en ( a, b ).

71

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

Para simplificar aun mas se cambia la notacin con

x k +1 x k = h y k +1 y k = j
y as queda la ( k + 1) sima iteracin en trminos de la k sima , como se ve a continuacin:

x k +1 = x k + h y k +1 = y k + j
la sustitucin de la ecuacin :

f1 f h + 1 j = f1 ( x k , y k ) x y f 2 f h + 2 j = f2 (xk , y k ) x y
el cual es un sistema de ecuaciones lineales en las incgnitas h y j. Este sistema de ecuaciones lineales resultante tiene solucin nica, siempre que el determinante de la matriz de coeficiente o matriz j no sea cero; es decir, si

f 1 x J = f 2 x

f1 y 0 f 2 y

Interpretacin geomtrica del mtodo de Newton Raphson. Desarrollemos en etapas esta interpretacin para un sistema de dos ecuaciones. Sea el sistema

f 1 ( x, y ) = x 2 + y 2 1 f 2 ( x, y ) = x 2 y 2 1
La grafica de

f1 ( x, y ) = x 2 + y 2 1 se muestra en la figura 4.4.

72

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

73

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

Ejemplo: Use el mtodo de Newton Raphson para encontrara una solucin aproximada del sistema:

f 1 (x , y ) = x 2 10x + y 2 + 8 = 0 f 2 (x , y ) = xy 2 + x 10y + 8 = 0

f 1 x = 2 x 10 f 2 = y 2 + 1 x

f 2 = 2 xy 10 y

f 1 = 2y y

que aumentada en el vector de funciones resulta en:

f 1 x = 2 x 10 f 2 = y 2 + 1 x

x 2 + 10 x y 2 8 f 2 xy 2 x + 10 y 8 = 2 xy 10 y

f 1 = 2y y

primera iteracin al evaluar la matriz en

[x , y ]
0

0 T

se obtiene :

10 0 8 1 10 8
que al resolverse por eliminacin de Gauss da h = 0.8, j = 0.88 al sustituir en la ecuacin se obtiene

x1 = x 0 + h = 0 + 0.8 = 0.8 y 1 = y 0 + j = 0 + 0.88 = 0.88

74

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

Calculo de la distancia entre x y x

x (1) x ( 0) = (0.8 0) 2 + (0.88 0) 2 = 1.18929

segunda iteracin al evaluar la matriz en

[x , y ]
1

1 T

se obtiene :

8.400 1.7600 1.41440 1.7744 8.592 0.61952


que al resolverse por eliminacin de Gauss da h = 0.19179, j = 0.11171 al sustituir en la ecuacin se obtiene

x 2 = x1 + h = 0.8 + 0.19179 = 0.99179 y 2 = y 2 + j = 0.88 + 0.11171 = 0.99171


Calculo de la distancia entre x y x
1 2

x (1) x ( 0) = (0.99179 0.8) 2 + (0.99171 0.88) 2 = 0.22190


Con la continuacin de este proceso iterativo se obtienen los resultados siguientes:

k
0 1 2 3 4

xk
0.00000 0.80000 0.99179 0.99998 1.00000

yk
0.00000 0.88000 0.99171 0.99997 1.00000

x k +1 x k
-----1.18929 0.22195 0.01163 0.00004

75

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

3.4. Aplicaciones Problema: En una columna de cinco platos, se requiere absorber benceno contenido en una corriente de gas V, con un aceite L que circula a contracorriente del gas. Considrese que el benceno transferido no altera sustancialmente el nmero de moles de V y L, fluyendo a contracorriente, que la relacin de equilibrio est dada por la ley de henry (y = mx) y que la columna opera a rgimen permanente. Calcule la composicin del benceno en cada plato. Datos: V = 100 moles / min; L = 500 moles / min,

y 0 = 0.09 fraccin molar de benceno en V.

x0 = 0.0 fraccin molar del benceno en L (el aceite entra por el domo sin benceno).
m = 0.12. Solucin : los balances de materia para el benceno en cada plato son Plato Balance de benceno

5 4 3 2 1

L( x0 x5 ) + V ( y 4 y 5 ) = 0 L( x5 x 4 ) + V ( y 3 y 4 ) = 0 L( x 4 x3 ) + V ( y 2 y 3 ) = 0 L( x3 x 2 ) + V ( y1 y 2 ) = 0 L( x 2 x1 ) + V ( y 0 y1 ) = 0

Al sustituir la informacin que se tiene, las consideraciones hechas y rearreglando las ecuaciones, se llega a:

512 x1 - 500 x2 = 9 12 x1 - 512 x2 + 500 x3 = 0 12 x2 - 512 x3 + 500 x4 = 0 12 x3 - 512 x4 + 500 x5 = 0 - 12 x4 + 512 x5 = 0

76

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

Un sistema de cinco ecuaciones con cinco incgnitas, que se resuelve con mathcad como sigue:
rref ( A ) =

1 0 0 0 0

0 1 0 0 0

0 0 1 0 0

0 0 0 1 0

0 0 0 0 1

0.018 4.32 10
4 5 7 9

A :=

512 12 0 0 0

500 512 12 0 0

0 500 512 12 0

0 0 500 512 12

0 0 0 500 512

9 0 0 0 0

1.037 10 2.487 10 5.829 10

Problema : Con los datos del diagrama siguiente 8 donde los porcentajes estn dados en peso) , encuentre posibles valores de la corriente

M 1 , M 2 , M 3 , si M 4 = 100kg

Solucin : Mediante balance de materia por componentes y global, se tiene: Componente Etanol Metanol Agua Global Balance de materia

0.83M 1 + 0 M 2 + 0.55M 3 0.58M 4 = 0 0 M 1 + 0.61M 2 + 0.24 M 3 0.21M 4 = 0 0.17 M 1 + 0.39M 2 + 0.21M 3 0.21M 4 = 0 M1 + M 2 + M 3 M 4 = 0

77

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

0.83M 1 + 0M 2 + 0.55M 3 = 58 0M 1 + 0.61M 2 + 0.24M 3 = 21 0.17 M 1 + 0.39M 2 + 0.21M 3 = 21 M1 + M 2 + M 3 M 4 = 0


0.83 0 0.55 58 A := 0 0.61 0.24 21 0.17 0.39 0.21 21
por lo tanto

1 0 0 19.014 rref( A ) = 0 1 0 4.225 0 0 1 76.761

M 1 = 19.014kg , M 2 = 4.225kg , M 3 = 76.761kg

Problema: Un granjero desea preparar una formula alimenticia para engordar ganado, dispone maz, desperdicios, alfalfa y cebada, cada uno con ciertas unidades de ingredientes nutritivos , de acuerdo con la tabla siguiente: Alimento Maz Carbohidratos Protenas Vitaminas Celulosa 80 28 20 50 Desperdicios 15 72 20 10 Alfalfa 35 57 12 20 Cebada 60 25 20 60 Requerimientos unidades / Kg. 230 180 80 160

Costo $

18

20

__

a) Determine los kilogramos necesarios de cada material para satisfacer el requerimiento diario ( Presentado en la ultima columna) b) Determine el costo de la mezcla.

78

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

( a)

80 28 A := 20 50
( b)

15 35 60 230 20 12 20 80

72 57 25 180

10 20 60 160

1 0 rref( A ) = 0 0

0 0 0 1.852 1 0 0 1.032 0 1 0 0.618 0 0 1 0.745

Costo := ( 18 5 7 20 )

1.852 1.032 kilogramos := 0.618 0.745


Total = ( 57.722)

Total := Costo kilogramos

Problema : (manufactura). R. S. C. L. S y Asociados fabrica tres tipos de computadora personal: Cicln, Cclope y Cicloide. Para armar una Cicln se necesitan 10 horas, otras 2 para probar sus componentes y 2 horas mas para instalar sus programas. El tiempo requerido para la Cclope es 12 horas en su ensamblado, 2.5 para probarla y 2 horas para instalarla. La Cicloide, la mas sencilla de la lnea, necesita 6 horas de armado, 1.5 horas de prueba y 1.5 horas de instalacin. Si la fabrica de esta empresa dispone de 1560 horas de trabajo por mes para armar, 340 horas para probar y 320 horas para instalar, cuantas PC de cada tipo puede producir en un mes ? Solucin: Marcas Cicln Cclope Cicloide Ensamblado Pruebas Instalacin 10 12 6 1560 2 2.5 1.5 340 2 2 1.5 320

10 x + 12 y + 6 z = 1560 2 x + 2.5 y + 1.5 z = 340 2 x + 2 y + 1.5 z = 320

79

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

Resuelta por el mtodo de Gauss Jordn

10 12 6 1560 A := 2 2.5 1.5 340 2 2 1.5 320

1 0 0 60 rref( A ) = 0 1 0 40 0 0 1 80

Por consiguiente cada mes se pueden fabricar 60 Ciclones, 40 Cclopes y 80 Cicloides. Problema : ( Cambio de moneda extranjera ).Una empresaria internacional necesita, en promedio, cantidades fijas de yenes japoneses, libras inglesas y marcos alemanes durante cada viaje de negocios. Este ao viajo 3 veces. La primera vez cambio un total de $ 2550 dlar con las siguientes tasas: 100 yenes por dlar, 0.6 libras por dlar y 1.6 marcos por dlar. La segunda vez cambio $ 2840 dlar en total con las tasas de 125 yenes, 0.5 libras y 1.2 marcos por dlar. La tercera vez, cambio un total de $ 2800 dlar a 100 yenes, 0.6 libras y 1.2 marcos por dlar. Cuantos yenes, libras y marcos compro cada vez ?

Solucin:

1 1 1 x+ y+ z = 2550 100 0.6 1.6 1 1 1 x+ y+ z = 2840 125 0.5 1.2 1 1 1 x+ y+ z = 2800 100 0.6 1.2

Resuelta por el mtodo de Gauss Jordn

A :=

1 1

1 1

1 1

2840 125 0.5 1.2 1 1 1 2800 100 0.6 1.2

100 0.6 1.6

2550

1 0 0 80000 rref( A ) = 0 1 0 600 0 0 1 1200

En consecuencia, cada vez compro 80 000 yenes, 600 libras y 1200 marcos para viajar.

80

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

Problema : ( Calculo de una funcin demanda ). Bikey, Inc., quiere fabricar un nuevo tipo de zapato deportivo, poco costoso, e investiga el mercado de la demanda. Encuentra que si un par de zapatos nuevo cuesta $ 20 en un rea de ingreso familiar promedio de $ 20000, y que si un competidor Trceps , Inc., vende cada par de zapatos a $ 20, vendera 660 pares. Por otro lado, si el precio fuera igual y Trceps bajara su precio a $10 el par, entonces, vendera 1130 pares en un rea de $ 30000 de ingreso. Por ultimo, si el precio de los zapatos fuera $ 15 el par, y la competencia se queda en $ 20 el par, se vendera 1010 pares en un rea de $25000 de ingreso. Determine la funcin demanda, suponiendo que depende linealmente de sus variables. Solucin: Sea D = a P + b I + c C . Deseamos conocer a, b y c.

20a + 20000b + 20c = 660 20a + 30000b + 10c = 1130 15a + 25000b + 20c = 1010
Resuelta por el mtodo de Gauss Jordn

20 20000 20 660 A := 20 30000 10 1130 15 25000 20 1010

1 0 0 20 rref( A ) = 0 1 0 0.05 0 0 1 3

Por consiguiente , la funcin demanda esta expresada por

D = 20P + 0.05I + 3C

Problema: ( soluciones qumicas ). Se necesitan tres ingredientes distintos, A, B y C , para producir determinada sustancia. pero deben disolverse primero en agua, antes de ponerlos a reaccionar para producir la sustancia. La solucin que contiene A con 1.5 gramos por centmetros cbicos ( g / cm3 ), combinada con la solucin B cuya concentracin es de 3.6 g / cm3 y con la solucin C con 5.3 g / cm3 forma 25.07 g de la sustancia. si las proporciones de A, B y C en esas soluciones se cambian a 2.5, 4.3 y 2.4 g / cm3 , respectivamente ( permaneciendo iguales los volmenes ), se obtienen 22.36 g de la sustancia. Por ultimo, si las proporciones se cambian a 2.7, 5.5 y 3.2 g / cm3 , respectivamente, se producen 28.14 g de la sustancia. Cuales son los volmenes, en centmetros cbicos, de las soluciones que contienen A, B y C?

81

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

Solucin:

1.5 x + 3.6 y + 5.3 z = 25.07 2.5 x + 4.3 y + 2.4 z = 22.36 2.7 x + 5.5 y + 3.2 z = 28.14
Resuelta por el mtodo de Gauss Jordn

1.5 3.6 5.3 25.07 A := 2.5 4.3 2.4 22.36 2.7 5.5 3.2 28.14

1 0 0 1.5 rref( A ) = 0 1 0 3.1 0 0 1 2.2

Por consiguiente, los volmenes correspondientes de las soluciones que contienen A, B y C son 1.5 cm3 , 3.1 cm3 y 2.2 cm3.

Ejemplo: Un ingeniero industrial supervisa la produccin de cuatro tipos de computadoras. Se requiere cuatro clases de recursos horas-hombre, metales, plsticos y componentes electrnicos en la produccin. En el cuadro siguiente se resumen las cantidades necesarias para cada uno de estos recursos en la produccin de cada tipo de computadora. Si se dispone diariamente de 504 horas-hombre, 1970 Kg. de metal , 970 Kg. de plstico y 601 componentes electrnicos, Cuntas computadoras de cada tipo se puede construir por da?

Computadoras

Horas-hombre, kg/computadora 3 4 7 20 504

Metales kg/computadora 20 25 40 50 1970

Plsticos kg/computadora 10 15 20 22 970

Componentes, unidades / computadora 10 8 10 15 601

1 2 3 4 Totales

82

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

Usando mathcad

3 20 A := 10 10

25 40 50 1970 15 20 22 970 8 10 15 601


4 7 20 504 4 7 20

1 0 rref ( A ) = 0 0 504 1970 v := 970 601 10 12 soln = 18 15

0 0 0 10 1 0 0 12 0 1 0 18 0 0 1 15

3 20 M := 10 10

25 40 50 15 20 22 8 10 15

soln := lsolve ( M , v )

x :=
1

504 1970 970 601

4 25 15 8 4 25 15 8

3 20 10 10

20 22 10 15 7 20 40 50 20 22 10 15
7 20 50 40

x :=
2

3 20 10 10

504 1970 970 601 4 25 15 8

3 20 10 10

20 22 10 15 7 20 40 50 20 22 10 15
7 20 50 40

x = 10
1

x = 12
2

x :=
3

3 20 10 10

4 25 15 8 4 25 15 8

504 1970 970 601 7 40 20 10

3 20 10 10

50 22 15 20 50 22 15
20

x :=
4

3 20 10 10

4 25 15 8 4 25 15 8

7 40 20 10 7 40 20 10

1970

3 20 10 10

970 601 20 50 22 15
504

x = 18
3

x = 15
4

83

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

Problema : Un ingeniero necesita 4800 m3 de NaCl, 5810 m3 de KCl y 5960 m3 de NaOH, existen tres depsitos donde el ingeniero puede conseguir estos materiales. La composicin de estos depsitos viene dad en la siguiente tabla. Cuantas m3 debe tomar de cada depsito para cumplir con las necesidades requeridas ?

Sustancia

Depsito ( % ) 1 2 20 50 30 3 25 20 55

NaCl KCl NaOH

52 30 18

Solucin:

0.52 0.20 0.25 4800 A := 0.30 0.50 0.20 5810 0.18 0.30 0.55 5960

1 0 0 3744.767 rref( A ) = 0 1 0 7071.744 0 0 1 5753.488

Problema: Sobre una membrana elstica, apoyada en sus extremos actan 3 fuerzas

f1 , f 2 , f 3 , aplicadas en 3 puntos equidistantes P1 , P2 , P3 . Estas fuerzas provocan los


siguientes deshilamiento en cada punto respectivamente 3, 5 y 3 , si los coeficientes de influencia son a1, 2 = 3 ; a1, 2 = 2 ; a1, 3 = 1 ; para el para

P1 y a 2,1 = 2 ; a 2, 2 = 4 ; a 2,3 = 1 / 5

P2 y a 3,1 = 1 ; a3, 2 = 2 ; a 3,3 = 3 para P3 . Se piden determinar las fuerzas para

f1 , f 2 , f 3 .

3 2 1 3 2 4 1 5 A := 5 1 2 3 3

1 0 0 5 29 0 1 0 67 rref( A ) = 58 5 0 0 1 29

1 0 0 0.172 rref( A ) = 0 1 0 1.155 0 0 1 0.172

84

UNIDAD III / METODOS DE SOLUCION SISTEMAS DE ECUACIONES

Problema: Determine las concentraciones molares de una mezcla de cinco componentes en solucin a partir de los siguientes datos espectrofotometricos . Longitud de onda Absorbancia molar del componente Absorbancia total observada 5 0.5 0.88 2 25 118 0.1100 0.2235 0.2800 0.3000 0.1400

j
i
1 1 2 3 4 5 98 11 27 1 2 2 9 118 27 3 4 3 2 9 85 17 7 4 1 4 8 142 17

Asmase que la longitud de la trayectoria ptica es unitaria y que el solvente no absorbe a estas longitudes de onda. Utilice el mtodo de Gauss Seidel. Utilizando como criterio de paro

= 0.002 ; C j = es la concentracin molar del componente j en la mezcla.

85

UNIDAD 4
DIFERENCIACION E INTEGRACION NUMERICA
Objetivo: Aplicara los mtodos numricos para la solucin de problemas de diferenciacin e integracin numrica, usando un lenguaje de programacin.

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

4.1 Diferenciacin numrica. Cuando se va a practicar una operacin en una funcin tabulada, el camino es aproximar la tabla por alguna funcin y efectuar la operacin aproximadamente. As se procedi en la integracin numrica y as se proceder en la diferenciacin numrica; esto es, se aproximara la funcin tabulada f(x) y se diferenciara la aproximacin p n (x). Si la aproximacin es polinomial y con el criterio de ajuste exacto, la diferenciacin numrica consiste simplemente en diferenciar la formula del polinomio interpolante que se utilizo. Sea en general.

f ( x ) = p n ( x ) + Rn ( x )
y la aproximacin de la primera derivada queda entonces

df ( x) dp n ( x) = dx dx
o en general

d n f ( x) d n p n ( x) = dx n dx n
Al diferenciar la formula fundamental de Newton dada arriba se tiene

d n f ( x ) d n p n ( x ) d n Rn ( x ) = + dx n dx n dx n
donde

d n Rn ( x ) d n p n ( x) d n f ( x) es el error que se comete al aproximar por . dx n dx n dx n

Si las abcisas dadas x 0 , x1 ,..., x n estn espaciadas regularmente por intervalos de longitud h, entonces p n (x ) puede escribirse en trminos de diferencias finitas.

Y la primera derivada de f(x) queda aproximada por

df ( x) f ( x1 ) f ( x0 ) = dx h
Se desarrollan las diferencias hacia delante y se tiene

87

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

df ( x) 2 x x0 x1 2h 2 x 4 x + 2 x1 + 2h 2 x x0 x1 = f ( x0 ) + 0 f ( x1 ) + f ( x2 ) 2 2 dx 2h 2h 2h 2
la segunda derivada puede calcularse derivando una vez mas con respecto a x, o sea

d 2 f ( x) 1 2 1 = 2 f ( x0 ) 2 f ( x1 ) + 2 f ( x 2 ) 2 dx h h h

Problema : La ecuacin de Van der Walls para un gmol de CO2 es

a P + 2 (v b ) = RT v
donde

a = 3.6 x10 6 atm * cm 6 / gmol 2 b = 42.8cm 3 / gmol R = 82.1atm * cm 3 / gmol * K


Si T = 350 K, se obtiene la siguiente tabla de valores. Puntos P (atm) V (cm )
3

0 13.782 2000

1 12.577 2200

2 11.565 2400

3 10.704 2600

Calcule

P cuando v = 2300 cm3 y comprelo con el valor de la derivada analtica v

Solucin :

P 2v v 0 v1 2h 2v 4v + 2v1 + 2h 2v v 0 v1 = P0 + 0 P1 + P2 ; con h = 200 2 2 v 2h 2h 2h 2


2 ( 2300 ) 2000 2200 2 ( 200 ) 2 ( 2000 ) 4 ( 2300 ) + 2 ( 2200 ) 2 ( 200 ) (13 .782 ) + (12 .577 ) 2 2 ( 200 ) 2 ( 200 ) 2 2 ( 2300 ) 2000 2200 + (11 .565 ) = 0 .00506 2 ( 200 ) 2 =

88

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

La derivada analtica es
a v a b v +
2

Pv Pb +

RT a b R T

P( v b ) +

a v

a b v
2

RT a a b R T ( v b)

P( v )

a v( v b)

v (v b)

( v b)

P( v )

(v2 v b) (v3 v2 b) (
2

a b 1 2 a v 4 a v b + 2 a b R T v a d d d R T 2 + dv 3 2 + dv v b simplify 3 2 dv v v b v ( v + b ) v v b R := 82.1 T := 350 a := 0.0000036 b := 42.8 v := 2300

(2 a v2 4 a v b + 2 a b2 R T v3)
( v + b )
2

5.6398962938964669366 10

-3

Problema : En una reaccin qumica A + B ----> Productos, la concentracin del reactante A es una funcin de la presin P y la temperatura T. La siguiente tabla presenta la concentracin de A en gmol/L como una funcin de estas dos variables. P (Kg/cm2) Temperatura T (K) 273 1 2 8 15 20 0.99 0.88 0.62 0.56 0.52 300 0.97 0.82 0.51 0.49 0.44 325 0.96 0.79 0.48 0.46 0.41 360 0.98 0.77 0.45 0.42 0.37

Calcule la variacin de la concentracin de A con la temperatura a P = 8 Kg/cm2 y T = 300 K, usando un polinomio de segundo grado. Solucin.

Lo que se busca es en si

C A T

T =300, P =8

que se puede evaluar con la ecuacin

89

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

2 x x0 x2 2 x x0 x1 dp 2 ( x) 2 x x1 x 2 f ( x0 ) + f ( x1 ) + = ( x x )( x x ) ( x x )( x x ) ( x x )( x x ) f ( x 2 ) dx 0 1 2 0 2 1 1 0 2 0 1 2
donde f(x) representa a CA y x a T; de tal modo que sustituyendo los tres puntos enmarcados de la tabla queda

p2 ( x) C A (2(300) 300 325)(0.62) = T =300, P =8 = x T (273 300)(273 325) gmol (2(300) 273 325)(0.51) (2(300) 273 300)(0.48) + + = 0.0026 LK (300 273)(300 325) (325 273)(325 300)

90

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

Diferencias divididas finitas de la primera derivada hacia delante

Primera derivada

f ( xi ) = f ( xi ) =

f ( xi +1 ) f ( xi ) h f ( xi + 2 ) + 4 f ( xi +1 ) 3 f ( xi ) 2h f ( xi + 2 ) 2 f ( xi +1 ) 3 f ( xi ) h2 f (xi +3 ) + 4 f ( xi + 2 ) 5 f ( xi +1 ) + 3 f ( xi ) h2 f (xi +3 ) 3 f ( xi + 2 ) + 3 f ( xi +1 ) f ( xi ) h3 3 f (xi + 4 ) + 14 f (xi +3 ) 24 f ( xi + 2 ) + 18 f ( xi +1 ) 5 f ( xi ) 2h 3 f (xi + 4 ) 4 f ( xi +3 ) + 6 f ( xi + 2 ) 4 f ( xi +1 ) + f ( xi ) h4 2 f (xi +5 ) + 11 f (xi + 4 ) 24 f (xi +3 ) + 26 f ( xi + 2 ) 14 f ( xi +1 ) + 3 f ( xi ) h4

Segunda derivada

f ( xi ) = f ( xi ) =

Tercera derivada

f ( xi ) = f ( xi ) =

Cuarta derivada

f ( xi ) = f ( xi ) =

91

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

donde: fi = se le conoce como la primera diferencia hacia adelante y h = se le llama tamao del paso, esto es la longitud del intervalo sobre el cual se hace la aproximacin.

Se le llama diferencia hacia adelante ya que se usa los datos i e i + 1 para estimar la derivada.

Esta diferencia dividida hacia adelante no es sino una de tantas que se puede desarrollar mediante la serie de Taylor para la aproximacin de derivadas numricas. Por ejemplo, las aproximaciones a primeras derivadas, utilizando las diferencias hacia atrs o las diferencias centrales se pueden desarrollar de una manera similar a la ecuacin: Aproximaciones a la primera derivada con diferencia hacia atrs. Primera derivada

f ( xi ) = f (xi ) =

f ( xi ) f ( xi 1 ) h 3 f ( xi ) 4 f ( xi 1 ) + f ( xi 2 ) 2h f ( xi ) 2 f ( xi 1 ) + f (xi 2 ) h2 2 f ( xi ) 5 f ( xi 1 ) + 4 f ( xi 2 ) f ( xi +3 ) h2 f ( xi ) 3 f ( xi 1 ) + 3 f ( xi 2 ) f (xi 3 ) h3 5 f ( xi ) 18 f ( xi 1 ) + 24 f ( xi 2 ) 14 f ( xi 3 ) + 3 f ( xi 4 ) 2h 3
92

Segunda derivada

f ( xi ) = f ( xi ) =

Tercera derivada

f ( xi ) = f ( xi ) =

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

Cuarta derivada

f ( xi ) = f ( xi ) =

f (xi ) 4 f ( xi 1 ) + 6 f ( xi 2 ) 4 f ( xi 3 ) + f (xi 4 ) h4 3 f ( xi ) 14 f ( xi 1 ) + 26 f ( xi 2 ) 24 f ( xi 3 ) + 11 f (xi 4 ) 2 f ( xi 5 ) h4

Aproximaciones a la primera derivada con diferencias centrales. Primera derivada

f ( xi ) = f ( xi ) =

f ( xi +1 ) f ( xi 1 ) 2h f (xi + 2 ) + 8 f ( xi +1 ) 8 f ( xi 1 ) + f (xi 2 ) 12h f ( xi +1 ) 2 f ( xi ) + 3 f ( xi 1 ) h2 f ( xi + 2 ) + 16 f ( xi +1 ) 30 f ( xi ) + 16 f ( xi 1 ) f ( xi 2 ) 12h 2 f ( xi + 2 ) 2 f ( xi +1 ) + 2 f ( xi 1 ) f ( xi 2 ) 2h 3 f (xi +3 ) + 8 f (xi + 2 ) 13 f ( xi +1 ) + 13 f ( xi 1 ) 8 f ( xi 2 ) + f ( xi 3 ) 8h 3

Segunda derivada

f ( xi ) = f ( xi ) =

Tercera derivada

f ( xi ) = f ( xi ) =

93

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

Cuarta derivada

f ( xi ) = f ( xi ) =

f (xi + 2 ) 4 f (xi +1 ) + 6 f ( xi ) 4 f ( xi 1 ) + f ( xi 2 ) h4 f (xi +3 ) + 12 f (xi + 2 ) + 39 f (xi +1 ) + 56 f (xi ) 39 f ( xi 1 ) + 12 f (xi 2 ) + f ( xi 3 ) 6h 4

Las aproximaciones mas exactas de la primera derivada se pueden desarrollar incluyendo en la serie de Taylor trminos de orden mas alto. Finalmente, todas las versiones anteriores se pueden desarrollar para derivadas de segundo orden, tercer orden y ordenes superiores.

Ejemplo : Formulas de diferenciacin con alta exactitud. Planteamiento del problema:

F (x) = - 0.1 x 4 0.15 x 3 0.5 x 2 0.25 x + 1.2 En x = 0.5 usando un tamao de paso h = 0.25. Solucin: F (x) = - 0.4 x 3 0.45 x 2 1.0 x 0.25 x Y se puede usar para calcular el valor exacto de :

F (x) = - 0.4 x 3 0.45 x 2 1.0 x 0.25 x ; X = 0.5;

f ( 0.5) = - 0.9125.

94

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

x i 2 = 0 x i 1 = 0.25 x i = 0.5 x i +1 = 0.75 x i +2 = 1

f f f f f

(x i 2 ) = 1.2 (x i 1 ) = 1.103516 (x i ) = 0.925 (x i +1 ) = 0.6363281 (x i + 2 ) = 0.2

Estos datos se pueden usar para calcular la diferencia dividida hacia delante

f (0.5) =

0.2 + 4(0.6363281) 3(0.925) = 0.859375 2(0.25)

la diferencia dividida hacia atrs

f (0.5) =

3(0.925) 4(1.103515625 ) + 1.2 = 0.878125 2(0.25)

Y la diferencia dividida central


f (0.5) =
0.2 + 8(0.6363281) 8(1.103515625) + 1.2 = 0.9125 12(0.25)

Ejercicios propuestos: sense aproximaciones de diferencias de 0(h) hacia atrs y hacia delante y una aproximacin central de 0 (h2 ). Para estimar la primera derivada de la funcin mencionada . F(X) = 25 x3 6x 2 + 7x 88 Evalese la derivada en x = 2.5 usando un tamao de paso de h = 0.25. comprense los resultados con el valor correcto de la derivada en x = 2.5.

4.2 Integracin numrica De acuerdo a la definicin del diccionario, integrar significa unir todas las partes en un todo; unificar; indicar la cantidad total, . . . . matemticamente, la integracin se representa por

I =

f ( x )dx

EC. 1

95

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

La cual representa a la integracin de la funcin f (x) con respecto a la variable x, evaluada entre los limites x = a y x = b.

Como lo sugiere la definicin del diccionario, el significado de la ecuacin es el valor total o sumatoria de f (x ) dx sobre el intervalo de x = a a b. En realidad, el smbolo es una s mayscula estilizada que indica la conexin cercana entre la integracin y la sumatoria ( Thomas y Finney, 1979).

La figura 1 , representa una manifestacin grafica de este concepto. Para las funciones que se encuentran sobre el eje x, la integral expresada por la ecuacin 1, corresponde al rea bajo la curva de f (x) entre x = a y x = b. Habr muchas ocasiones de volver a referirse a esta concepcin grafica a medida que se desarrollen formulas matemticas para integracin numrica. De hecho, la mayor parte de los mtodos numricos para integracin, se puede interpretar desde una perspectiva grafica.

figura 1. Representacin grafica de la integral de f(x) .

Formulas de integracin de Newton - cotes Las formulas de Integracin de Newton-Cotes son los esquemas de integracin numrica ms comunes. Se basan en la estrategia de reemplazar una funcin complicada o datos tabulados con una funcin aproximada que sea fcil de integrar :

I = f ( x)dx f n ( x)dx
a a

donde f n (x)=polinomio

96

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

donde n es el orden del polinomio. Por ejemplo en la figura (1) , se usa un polinomio de primer orden (una lnea recta) como aproximacin. En la figura (1 b) se emplea una parbola para el mismo propsito.

figura 1 : estimacin de una integral mediante el rea bajo a) una lnea recta, y b) una parbola.

La integral se puede aproximar usando una serie de polinomios aplicados por partes a la funcin o a los datos sobre intervalos de longitud constantes. Por ejemplo en la figura 2, se usan tres segmentos de lnea recta para aproximar la integral.

figura 2: aproximacin de la integral mediante el rea bajo tres segmentos. Se puede usar polinomio de mayor grado para este mismo propsito. Con estos fundamentos ahora se reconoce que el mtodo de bandasde la figura 3 empleo una serie de polinomios de orden cero ( esto es, constantes) para aproximar la integral.

97

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

Se dispone de las formas abiertas y cerradas de las formulas de Newton-Cotes. Las formas cerradas son aquellas en donde los puntos al principio y al final de los limites de integracin se conocen figura (3 a. )

figura 3: diferencia entre formulas de integracin a) cerradas y b) abiertas.

Las formulas tienen los limites de integracin extendidos mas all del rango de los datos figura (3 b) . Las formulas abiertas de Newton Cotes, en general, no se usan en la integracin definida. Sin embargo, se usan extensamente en la solucin de ecuaciones diferenciales ordinarias.

Fundamentos matemticos

I =

a f (x )dx

= F (x ) a

en donde F(x) es la integral de F(x) , esto es , cualquier funcin tal que F(x) = f(x) . la nomenclatura sobre el lado derecho queda

F (x ) a = F (b ) F (a )

4.2.1

Mtodo del trapecio

La regla del trapecio o regla trapezoidal es la primera de las formulas de integracin cerrada de Newton-Cotes. Corresponde al caso donde el polinomio en la ecuacin [1] es de primer orden :

98

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

/ = f ( x)dx f1 ( x)dx
a a

Recuerde que una lnea recta se representa como :

f1 ( x ) = f (a ) +

f (b ) f (a ) (x a ) ba

El rea bajo la lnea recta es una aproximacin de la integral de f (x) entre los limites a y b :
b f (b) f (a ) I = f (a ) + ( x a ) dx a ba

El resultado de la integracin es :

I = (b a )

f ( a ) + f (b) 2

La cual se denomina regla trapezoidal.

Error de la regla Trapezoidal Cuando empleamos la integral bajo un segmento de lnea recta para aproximar la integral bajo una curva, obviamente podemos incurrir en un error que puede ser sustancial. Una estimacin para el error de truncamiento de una sola aplicacin de la regla trapezoidal es :

Et =

1 3 f ( )(b a ) 12

donde est en algn lugar en el intervalo de "a" a "b". La ecuacin anterior indica que si la funcin sujeta a integracin es lineal, la regla trapezoidal ser exacta.

De otra manera, ocurrir un error para funciones con derivadas de segundo y tercer orden (es decir con curvatura).

99

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

Ejemplo: aplicacin de la regla trapezoidal simple para integrar numricamente


2 3 4 5

f ( x) := 0.2 + 25x 200x + 675x 900x + 400x a := 0


b

x := 0 , 0.001.. 0.8

b := 0.8 I = 1.64053333
1 4

I := f ( x) dx 1
a

f ( x)

I := ( b a)

f ( a) + f ( b ) 2

0.5 x

I = 0.1728

que representan un error de

E v = 1.64053334 0.1728 = 1.46773334 Que corresponde a un error relativo porcentual de tan grande es evidente en la grafica . ntese que el rea bajo la lnea recta descuida una porcin significativa de la integral sobre la lnea. En la situacin actual, no se tendra conocimiento previo del valor verdadero. Por lo tanto, se requiere una aproximacin al error. Parta obtener esta aproximacin, se calcula la segunda derivada de la funcin sobre el intervalo , derivando la funcin original dos veces para dar
v

= 89.5 % . La razn para este error

100

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

media :=

2 2

f ( x) dx media = 60

dx

ba 1 12 media ( b a)
3

E :=
a

E = 2.56
a

Que es el mismo orden de magnitud y signo que tiene el error verdadero. Existe una discrepancia debido a que un intervalo de este tamao, el promedio de la segunda derivada no es necesariamente una aproximacin exacta de f ( ). Por lo tanto, se denota que el error es aproximado usando la notacin E a , en vez de usar E v.

Ejercicio : aplicacin de la regla trapezoidal simple


f ( x) := 10 + 2x 6x + 5x a := 0
b 2 4

x := 0 , 0.001.. 10

b := 10
6 .10
4

I := f ( x) dx 1
a

I = 98200
1 4 .10 f ( x) 2 .10
4 4

I := ( b a)

f ( a) + f ( b ) 2

5 x

10

I = 247200

Ejercicio : aplicacin de la regla trapezoidal simple

101

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

f ( x) := 1 x 4x + 3x a := 3 I := 1
b

x := 3 , 2.99 .. 5

b := 5
1 .10
4

f ( x) dx

I = 6904
1 5000 f ( x) 5 0 5000 x 5

f ( a) + f ( b ) I := ( b a ) 2 I = 33016

Ejercicio : aplicacin de la regla trapezoidal simple


f ( x) := 8 + 5 sin ( x) a := 0
b

x := 0 , 0.001..

b :=
14

I := f ( x) dx 1
a

I = 35.13274123
1 12 f ( x) 10

I := ( b a)

f ( a) + f ( b ) 2

2 x

I = 25.1327

La regla del trapecio utilizando segmentos mltiples Una mejor manera de mejorar la actitud de la regla trapezoidal es la de dividir el intervalo de integracin de segmentos.

a a b en un conjunto de segmentos y aplicar el mtodo a cada uno de los

102

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

Figura: ilustracin de la regla trapezoidal mltiple a) dos segmentos, b) tres segmentos; c) cuatro segmentos; d) cinco segmentos En seguida se suman las reas de los segmentos individuales y se obtiene la integral sobre el intervalo completo. A las ecuaciones resultantes se les conoce como formulas de integracin de segmento mltiple o formulas de integracin compuestas.

h=

ba n

Si a y b son designados como X o y X n, respectivamente, la integral total se representa como

I = f ( x) dx + f ( x ) dx + ... +
x0 x1

x1

x2

xn

xn 1

f ( x) dx

Al sustituir la regla trapezoidal para cada integral se obtiene :

f ( xn 1 ) f ( xn ) f (x0 ) f (x1 ) f ( x1 ) f (x2 ) I = h + h + ... + h 2 2 2


o mediante agrupacin de trminos :

103

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

I=

n 1 h f ( x 0 ) + 2 f ( x i ) + f ( x n ) 2 i =1

en formato general es :

I = (b a )

f ( x 0 ) + 2 f ( x i ) + f ( x n )
i =1

n 1

2n

ya que la sumatoria de los coeficientes de f(x) en el numerador dividido por 2n es igual a 1, la altura promedio representa un promedio pesado de los valores de la funcin. De acuerdo a la ecuacin anterior , las alturas de los puntos interiores aparecen doblemente respecto a los puntos finales f ( x0) y f (x n ).

f =

f
i =1

por lo tanto.

Ea =

(b a )3 f
12n 2

De esta manera que , si el numero de segmento se duplica , el error de truncamiento disminuye a un cuarto de su valor. Ntese que la ecuacin anterior es un error aproximado debido a la naturaleza aproximada de la ecuacin. Ejemplo : regla trapezoidal de segmentos mltiples.

104

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

f ( x) := 0.2 + 25x 200x + 675x 900x + 400x a := 0


b

x := 0 , 0.001.. 0.8

b := 0.8

n := 2 Int = 1.64053333

Int := f ( x) dx
a

h := x := 0
0

ba n h = 0.4 x := x + h
2 2 1 4

x := x + h
1 1 0

x = 0.4

x = 0.8

f ( x)

I := ( b a) I = 1.0688

f ( x0) + 2 f ( x1) + f ( x2) 2 n

0.5 x

Ejercicio : regla trapezoidal de segmentos mltiples


f ( x) := 8 + 5 sin ( x) a := 0
b

x := 0 , 0.001.. n := 6 Int = 35.13274123


f ( x) 14 12 10

b :=

Int := f ( x) dx
a

h :=

ba n h = 0.523599

2 x

105

UNIDAD IV / D DIFERENCIA ACION E INT TEGRACION NUMERIC CA

x := 0
0

x := x + h
1 1 0

x := x + h
2 2 1

x := x + h
3 3 2

x := x + h
4 4 3

x := x + h
5 5 4

x = 0.523599 x := x + h
6 6 5

x = 1.047198

x = 1.570796 6

x = 2.09439 95

x = 2.6179 994

x = 3.141593 3

I := ( b a)

f ( x0) + 2 ( f ( x1) + f ( x2) + f ( x3) + f ( x4) + f ( x5) ) + f ( x6) 2 n b 2 d f( x) dx ( dx2 3 ( b a a a) E := ba 2 12 n

I = 34.9032274 4

E = 0.228463 3

4.2.2 4

Mto de Simp odo pson

Un U forma de obtener una estimacin e exacta de una integral es c el uso de polinomios de a con e orden superio para conectar los punto Por ejemplo, si hay un punto extra a la mitad d o or os. a del camino entre f(a) y f(b), los tres puntos se pueden co c s onectar con u parbola. una .

Si S hay dos puntos igualm p mente espaci iados entre f f(a) y f(b), lo cuatro pun os ntos se pued den conectar con un polinomio de tercer ord c o den.

106 1

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

Las formulas que resultan al tomar las integrales bajo esos polinomios son conocidos como reglas de Simpson.

Regla de Simpson 1/3 La Regla de Simpson 1/3 resulta cuando una interpolacin polinomial de segundo orden es sustituida en la ecuacin :

I = f ( x)dx f 2 ( x)dx
b b

h=

ba 2

donde, para este caso, h = (b - a)/2. Esta ecuacin es conocida como regla Simpson 1/3. La especificacin"1/3" surge del hecho de que h est dividida entre 3 en la ecuacin anterior . La regla de Simpson 1/3 se expresa tambin con el uso del formato de la ecuacin :

I = (b a )

f ( x0 ) + 4 f ( x1 ) + f ( x 2 ) 6

Ejemplo de aplicacin de la regla de Simpson de 1/3 simple


f ( x) := 0.2 + 25x 200 x + 675 x 900 x + 400 x desde a = 0 hasta b = 0.8 solucion el valor exacto es:
0.8 2 3 4 5

f ( x) dx 1.640533333333333333 x := 0 , 0.01 .. 0.8

107

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA


,
4

f ( x)

0.5 x

h :=

(b a) 2

a := 0

b := 0.8

h = 0.4

f ( x) := 0.2 + 25 x 200 x f ( a ) = 0.2

+ 675 x

900 x

+ 400 x

f ( h ) = 2.456

f ( b ) = 0.232

la regla de Simpson 1/3 I := ( b a ) I = 1.367467 f ( a ) + 4 f ( h ) + f ( b ) 6

media :=

0.8

d
0

4 4

f ( x ) dx 2400.0000000000000000 1 90

dx

b a
5

:=

(b a) 2880 = 0.2730667

media

E :=

h media )

E = ( 0.2730667

Problemas propuestos: evalense las integrales con la aplicacin simple de la regla Simpson de 1/3

10

( a)

(10 + 2x 6x2 + 5x4) dx (1 x 4x3 + 3x5) dx


108

0 5

(b)

UNIDAD IV / D DIFERENCIA ACION E INT TEGRACION NUMERIC CA

( c)

( 8 + 5 sin ( x) ) d x 8 + 10 0
0

( d)

7 1 2x x e d x ex ( 8) + xp 4 4 0

Regla de Sim R mpson 1/3 de segmentos mltiple e s La L Regla de Simpson se p S puede mejora al dividir el intervalo de i ar integracin en un numero de n segmentos de igual anchu s e ura

h=

ba n

La L integral tot se puede representar c tal como :

f ( x0 ) + 4 I = (b a)

i =1, 3, 5

n 1

f ( xi ) + 2 3n

j = 2, 4, 6

f (x

n2

) + f ( xn )

Observe que se debe ut O e, tilizar un num mero par de s segmentos p para implementar el mtod do. Adems, los coeficientes "4"y "2" en la ecuacin po A a odran parece peculiares a primera vis er sta. Sin S embargo siguen en forma natu o, n ural la regla de Simpso 1/3. Los puntos non a on nes representan el termino me r e edio para cad aplicacin Los puntos pares son c da n. s comunes en las aplicaciones adyacentes y por tanto se cuentan dos veces. a

109 1

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

Un error estimado para la aplicacin de la regla de Simpson se obtiene sumando los errores individuales de los segmentos y sacando el promedio de la derivada.

Ea =

(b a) 5 ( 4) f ( ) 180n 4

donde f (4) es el promedio de la cuarta derivada para el intervalo

Ejemplo : de la regla de Simpson de 1/3 de aplicacin mltiples


2 3 4 5

f ( x) := 0.2 + 25x 200 x + 675 x 900 x + 400 x desde a = 0 hasta b = 0.8 con n = 4 solucion el valor exacto es:
0.8

f ( x) dx 1.640533333333333333 x := 0 , 0.01 .. 0.8

,
4

f ( x)

0.5 x

h :=

(b a) n

a := 0

b := 0.8
2

n := 4
3 4 5

h = 0.2

f ( x) := 0.2 + 25 x 200 x + 675 x 900 x + 400 x

110

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

x := a
0

x := a + h
1

x := a + h + h
2 2

x := a + h + h + h
3

x := b
4

x = 0
0

x = 0.2
1

x = 0.4 f x

x = 0.6
3

f x

( 0 ) = 0.2
I :=

f x

( 1 ) = 1.288

( 2 ) = 2.456

f x

( 3 ) = 3.464

x = 0.8 4 f x

( 4 ) = 0.232

la regla de Simpson 1/3 de aplicacin multiple f ( x ) + 4 ( f ( x ) + f ( x ) ) + 2 ( f ( x ) ) + f ( x ) 0 1 3 2 4 (b a) 3 n

I = 1.623467 media :=
0.8 4 4

d
0

f ( x ) dx 2400.0000000000000000

dx

b a

E :=
a

(b a) 180 n
4

media

E = 0.017067
a

Regla de Simpson 3/8

h=

ba 3

I = (b a)

f ( x0 ) + 3[ f ( x1 ) + f ( x 2 )] + f ( x3 ) 8

111

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

Ea =

(b a) 5 ( 4) f ( ) 6480

LA REGLA DE SIMPSON 3/8 ( a ) Con la regla de Simpson 3/8 integre f ( x) := 0.2 + 25 x 200 x
2 3 4 5

+ 675 x

900 x

+ 400 x

desde a = 0 hasta b = 0.8 con n = 4 ( b ) Usela junto con la regla de simpson 1/3 con la finalidad de integrar la misma funcion en cinco segmentos.

solucion ( a ) Una sola aplicacion de la regla de Simpson requiere cuatro puntos equidistantes: el valor exacto es:
0.8

f ( x) dx 1.640533333333333333 x := 0 , 0.01 .. 0.8


4

f ( x)

0.5 x

h :=

( b a) 3

a := 0

b := 0.8

n := 4
2 3 4 5

h = 0.267 x := a
0 1

f ( x) := 0.2 + 25x 200x + 675x 900x + 400x x := a + h + h


2 2

x := a + h x = 0.267
1

x := b
3

x =0
0

x = 0.5333 f x

x = 0.8
3

f x

( 0) = 0.2 f (x1) = 1.432724

( 2) = 3.487177

f x

( 3) = 0.232

112

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

la regla de Simpson 3/8 I := (b a)

f x + 3 f x + 3 f x + f x 8

( 0)

( 1)

( 2) ( 3)

I = 1.51917 media:=
0.8 4 4

f(x) dx 2400.0000000000000

dx

ba

E :=
a

( b a ) 6480

media

E = 0.121363
a

(b)

Los datos necesarios para una aplicacion con cinco segmentos

h :=

( b a) n x := a + h
1

a := 0

b := 0.8

n := 5
2 3 4 5

h = 0.16 x := a
0 5 0

f ( x) := 0.2 + 25x 200x + 675x 900x + 400x x := a + h + h


2 3 4

x := a + h + h + h x := a + h + h + h + h

x := a + h + h + h + h + h x =0 x = 0.16
1

x = 0.32
2

x = 0.48
3

x = 0.64
4

x = 0.8
5

f x

( 0) = 0.2 f (x1) = 1.296919 f (x2) = 1.743393 f(x3) = 3.186 f (x4) = 3.182

f x

( 5) = 0.232

113

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

La integral para los dos primeros segmentos se obtiene usando la regla de simpson 1/3 x = 0 f x + 4 f x + f x x = 0.16 0 1 2 0 1 I := x x 1 2 0 6

( )

( )

( )

x = 0.32
2

= 0.3803237

Para los ultimos tres segmentos , la regla 3/8 se utiliza para obtener x = 0.32 f x + 3 f x + f x + f x 2 3 4 5 2 I := x x 2 5 2 8

( )

(( )

( ))

( )

x = 0.48
3

x = 0.64
4

x = 0.8
5

= 1.2647535

La integral total calculada sumando los dos resultados: I := I + I


1 2

I = 1.6450772

4.3 Integracin Mltiple

Cualquiera de las tcnicas de integracin vistas en esta unidad es modificable, de modo que se puede aplicar en la aproximacin de integrales dobles o triples. A continuacin se ilustra el mtodo de Simpson 1/3 en la solucin de integrales dobles.

a)

ysenxdxdy

Se divide el intervalo [ a, b] = [ 0, 3 ] en n = 6 subintervalos iguales, con lo que la amplitud de cada subintervalo es igual a:
3 I := y sin( x) dx dy 0 0

I = 9.82022

f ( x) := sin( x) x0 := 0 x1 := x0 + h1 x2 := x1 + h1

h1 :=

3 0 6

h1 = 0.5 x5 := x4 + h1 x6 := x5 + h1

x3 := x2 + h1

x4 := x3 + h1

I1 := ( 3 0) I1 = 1.9907

f ( x0) + 4 ( f ( x1) + f ( x3) + f ( x5) ) + 2 ( f ( x2) + f ( x4) ) + f ( x6) 3 ( 6)

114

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

Se divide el intervalo [ a, b] = [ 0, ] en n = 8 subintervalos iguales, con lo que la amplitud de cada subintervalo es igual a:
g( y ) := I1 y y0 := 0 y1 := y0 + h2 h2 :=
0

h2 = 0.393 y4 := y3 + h2 y5 := y4 + h2 y6 := y5 + h2

y2 := y1 + h2 y3 := y2 + h2 y7 := y6 + h2 y8 := y7 + h2

I2 := ( 0)

g( y0 ) + 4 ( g( y1 ) + g( y3 ) + g( y5 ) + g( y7 ) ) + 2 ( g( y2 ) + g( y4 ) + g( y6 ) ) + g( y8 ) 3 ( 8)

I2 = 9.8237

Se divide el intervalo [ a, b] = [ 0, 4 ] en n = 4 subintervalos iguales, con lo que la amplitud de cada subintervalo es igual a:
3 I := 1 4 x+ y e dx dy 0 I = 930.85274

f ( x) := e x0 := 0

h1 := x2 := x1 + h1

4 0 4

h1 = 1

x1 := x0 + h1

x3 := x2 + h1

x4 := x3 + h1

I1 := ( 4 0)

f ( x0) + 4 ( f ( x1) + f ( x3) ) + 2 ( f ( x2) ) + f ( x4) 3 ( 4)

I1 = 53.8638

Se divide el intervalo [ a, b] = [ 1, 3 ] en n = 6 subintervalos iguales, con lo que la amplitud de cada subintervalo es igual a:
g( y ) := I1 e y0 := 0 y1 := y0 + h2
y

h2 :=

3 1 6

h2 = 0.333 y4 := y3 + h2 y5 := y4 + h2 y6 := y5 + h2

y2 := y1 + h2 y3 := y2 + h2

I2 := ( 3 1)

g( y0 ) + 4 ( g( y1 ) + g( y3 ) + g( y5 ) ) + 2 ( g( y2 ) + g( y4 ) ) + g( y6 ) 3 ( 6)

I2 = 344.162

115

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

4.4 Aplicaciones Antecedentes: La determinacin de la cantidad de calor requerido para elevar la temperatura de un material es un problema con el que a menudo nos enfrentamos. La caracterstica necesaria para llevar acabo este calculo es la capacidad calorfica

. este parmetro representa la cantidad

de calor requerida para elevar una unidad de temperatura en una unidad de masa. Si constante en el intervalo de temperatura que se examinan, el calor requerido

es

H = mc T
donde

............EC. 1

esta en

cal /(g C ) , m = masa (g) y T c (T ) :

= cambio de temperatura

(C ) . Y la

ecuacin para calcular el promedio

c (T ) =

T
1

c (T ) dT
2

........................EC. 2

donde

T = T 2 T 1 .

Nota : para hallar el valor exacto de la funcin se debe sustituir la ecuacin 2 en la ecuacin 1. La capacidad calorfica de un material podra aumentar con la temperatura de acuerdo con la relacin tal como

c (T ) = 0.132 + 1.56x 10 4T + 2.64x 10 7T

con 1000 gramos de material desde 100 hasta 200 C. Determine: a) El valor exacto de la integral

H = mc T

T 2c (T ) dt T = ( m )[ c (T ) ]( t ) = m 1 T 2 T1

T (

T1)= m

T
1

c (T ) dt

116

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

1000

200

(0.132

+ 0.000156 T + 0.000000264 T

) dT

42732.000000000000000

100

b) Grafica
0.174 0.2

c( T )

0.15

0.119 100 100

0.1

0 T

100

200 200

c) Las integracin numrica siguiente

Regla del trapecio simple

c ( T) := 0.132 + 0.000156 + 0.000000264 T T

( 0) = 0.11904 c ( T ) = 0.17376 T := 200 1 1 c( T ) + c( T ) 0 1 I := ( T T ) 1 1 0 2


T := 100
0

c T

m := 1000

I := m I

I = 43920

Regla del trapecio de aplicacin mltiple con n = 2

c ( T ) := 0.132 + 0.000156 T + 0.000000264 T h := 200 ( 100 ) 2 150 T := 100


0 1 2

n := 2 m := 1000

T := T + h 50
0 1

T := T + h 200

( 0 ) = 0.11904 c ( T ) = 0.17376 1 c ( T ) = 0.17376 2


c T
1

I := T T
1 2

c T

( 0 ) + 2 c ( T 1 ) + c ( T 2 )
2n I := m I I = 43029

117

UNIDAD IV / DIFERENCIACION E INTEGRACION NUMERICA

Regla de Simpson de 1/3


c ( T ) := 0.132 + 0.000156 T + 0.000000264 150 T T m := 1000 T
0 1 2

h :=

200 ( 100 ) 2

:= 100 := T := T
0 1

+ h 50 + h 200

( 0 ) = 0.11904 c ( T ) = 0.14046 1 c ( T ) = 0.17376 2


c T I := m I
1

:=

c T

( 0) +

4c T 6

( 1 ) + c (T 2 )
I = 42732

Regla de Simpson de 1/3 de aplicacin mltiple n = 5


c ( T ) := 0.132 + 0.000156 T + 0.000000264 T
2 2

h := + h 80

300 5

60
4 3

T := 100
0

T := 40
1

T := T
2

+ h 20

T := T
3

T := T
5

+ h 140
4

c T

( 0 ) = 0.11904
m := 1000 I := 300
1

c T

c ( T ) = 0.13523 ( 1 ) = 0.12618 2 c ( T ) = 0.14617 3 c ( T ) = 0.15901 4 c ( T ) = 0.17376 5

T := T

+ h 200

0.11904 + 4 ( 0.12618 + 0.14617 ) + 2 ( 0.13523 + 0.15901 ) + .17376 15 I := m I I = 39413.6

39.413600000000000001

Regla de Simpson de 3/8


c ( T ) := 0.132 + 0.000156 T + 0.000000264 T
2 2

h := + h 200

300 3

100

T := 100
0

T := 0
1

T := T
2

+ h 100 c T

T := T
3

c T

( 0 ) = 0.11904
m := 1000 I := 300
1

c T

( 1 ) = 0.132

( 2 ) = 0.15024

c T

( 3 ) = 0.17376

0.11904 + 3 ( 0.132 + .15024 ) + .17376 8 I := m I I = 42732

42.732000000000000000

118

UNIDAD 5
SOLUCION DE ECUACIONES DIFERENCIALES
Objetivo: Aplicara los mtodos numricos para la solucin de problemas de diferenciacin de integracin numrica, usando un lenguaje de programacin. .

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

5.1. Mtodo de un paso El objetivo del mtodo es obtener una aproximacin al problema

dy = f ( x, y ), dx
con la condicin inicial, y ( x 0 ) = y 0 .

a xb

Inicialmente no se obtendr una aproximacin continua de la solucin y(x), sino que se generarn aproximaciones de y en varios puntos, llamados puntos de red, en el intervalo [a , b]. Una vez que se obtenga la solucin aproximada en estos puntos, es posible encontrar un polinomio de interpolacin que se ajuste a los valores (tabulados) obtenidos. Supondremos que los puntos de la red estn distribuidos uniformemente sobre el intervalo [a , b]. Podemos garantizarlo, escogiendo un entero positivo N y seleccionando los puntos de red

x0 < x1 < x 2 < ... < x n

donde

xi = x 0 + ih , para cada i = 0, 1, 2, ..., N


La distancia comn entre los puntos,

h=

b-a N

se llama tamao de paso, y el punto inicial, (x0 , y0), es el nico punto conocido de la solucin exacta. La aproximacin y1 en el prximo punto x1 de la red est determinado por la recta tangente a la curva y en el punto (x0 , y0):

119

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

Como

y1 - y0 dy = y ( x0 ) = f( x0 , y0 ) = , dx x1 - x 0
entonces,

y1 y 0 = ( x1 x 0 ) f ( x0 , y 0 )
Por lo tanto,

y1 = y 0 + hf ( x 0 , y 0 )
Y, en general,

y n +1 = y n + hf ( x n , y n )
con h = x n +1 x n La solucin explcita es y = 2ex - x - 1, y para el punto x20 = 1 se tiene que y (x 20) = 3.4365637.

5.1.1

Mtodo de Euler y Euler mejorado

Mtodo de Euler Este mtodo fue ideado por Euler hace ms de 200 aos. Es bastante sencillo, pero no tan preciso como los otros mtodos que veremos posteriormente. Sin embargo, el mtodo de Euler sirve como punto de partida hacia tcnicas alternativas que aparecern segn se considere.

La primera derivada proporciona una estimacin directa de la pendiente en Xi

= f ( xi , yi )
donde f (X i, Y i) es la ecuacin diferencial evaluada en Xi y Yi, Tal estimacin podr substituirse en la ecuacin nos queda que :

Y i +1 = y i + f ( x i , y i )h

120

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

Esta frmula es conocida como el mtodo de Euler ( o Euler- Caunchy o de un punto medio). Se predice un nuevo valor de Y por medio de la pendiente (igual a la primera derivada en el valor original de X) que habr de extrapolarse en forma lineal sobre el tamao de paso h

Ejemplo: Mtodo de Euler Enunciado del problema : utilcese el mtodo de Euler para la ecuacin
f ( x) := 0.5x + 4x 10x + 8.5x + 1
4 3 2

De x = 0 hasta x = 4 con un tamao de paso de 0.5. La condicin inicial en x = 0 es y = 1. Solucin:

df ( x) 3 2 dx = 2.0 x + 12 x 20 x + 8.5 PVI = y (0) = 1 y ( 4) = ? h = 0 .5

121

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

f ( x) := 0.5 x + 4x 10x + 8.5 x + 1 x := 0 , 0.0001 .. 4


10

5 f ( x) d dx 5 f ( x) 0 1 2 3 4

10 x

8.00000 7.00000 6.00000 5.00000 4.00000 3.00000 2.00000 1.00000 0.00000 1 2 3 4 5 6 7 8 9 7.12500 7.00000 5.87500 5.87500 5.25000 5.12500 4.75000 4.71875 4.50000 4.00000 3.25000 3.21875 3.00000 3.00000 2.71875 2.21875 2.00000 1.00000

Ejercicios: Enunciado del problema : utilcese el mtodo de Euler para la ecuacin


f ( x) := 0.5x + 4x 10x + 8.5x + 1
4 3 2

De x = 0 hasta x = 4 con un tamao de paso de 0.25. La condicin inicial en x = 0 es y = 1.

df ( x) 3 2 dx = 2.0 x + 12 x 20 x + 8.5 PVI = y (0) = 1 y ( 4) = ? h = 0.25


122

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

7.00000 6.00000 5.00000 4.00000 3.00000 2.00000 1.00000 0.00000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 5.86719 5.80469 5.46875 5.00000 4.84375 4.71875 4.52930 4.49219 4.31055 4.17969 4.00000 4.17969 4.34375 3.96875 3.61719 3.55469 3.34180 3.27930 3.12500 3.12500 3.21875 3.00000 3.24219 3.25000 3.12500 3.00000 2.71875 2.59180 2.56055 2.24805 2.21875 1.99805 2.00000 1.00000

Anlisis de error en el mtodo de Euler

La solucin numrica de las ecuaciones diferenciales ordinarias (EDO) involucra dos tipos de error : 1) Errores de Truncamiento, o discretizacion, causados por la naturaleza de las tcnicas empleadas para aproximar los valores de y. 2) Errores de Redondeo , que son el resultado del numero limite de cifras significativas que pueden retener una computadora.

Los errores de truncamiento se componen de dos partes. La primera es un error de truncamiento local que puede que resulta al aplicar el mtodo en cuestin en un paso. El

123

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

segundo error de programacin que resulta de las aproximaciones producidas durante los pasos anteriores. La suma de los dos es el error de truncamiento global. Ejercicio: Resuelva el siguiente

dy dx = ( x y ) PVI y (0) = 2 y (1) = ? h = 0.2


mediante el mtodo de Euler

2.00000 1.50000 1.00000 0.50000 0.00000 1 -0.50000 -1.00000 0.00000 2 -0.300003 4 5 6 -0.44800 -0.50160 -0.50304 -0.48304 1.60000 1.32000 1.13600 1.02880 0.983040.98643

Ejercicios: Un tanque cilndrico de fondo plano con un dimetro de 1.5 m contiene un lquido de densidad = 1.5 kg/L a una altura

de 3 m. Se desea saber la altura del lquido dentro

del tanque tres minutos despus de que se abre completamente la vlvula de salida, la cual

124

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

da un gasto de 0.6 A 2ga

m 3 / s , donde A es el rea seccional del tubo de salida y es

78.5x 10 4 m2 y g = 9.81 m/s2.

Solucin El vaciado el llenado de un tanque cilndrico se modela haciendo un balance de materia con las siguiente expresin :

h =

180 0 = 30 6

Acumulacin = entrada salida

dV = 0 0.6A 2ga dt

donde :

V = r 2 h = ( 0 . 75 ) 2 a
entonces :

(0.75) 2

da = 0.6 A 2ga dt

da 0.6A 2ga = = 0.0026653 2ga dt (0.75) 2

Al considerar como tiempo cero el momento el abrir momento de abrir la vlvula y adems la altura buscada a un tiempo de 3 minutos (180 segundos), se llega

da dt = 0.0026653 2ga PVI a (0) = 3m a (180) = ?

125

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

En virtud de que la exactitud de los resultados que se esperan no es grande, se usa el mtodo de Euler para resolver este PVI.

Tiempo (s) a (m)

0 3.00

30 2.39

60 1.84

90 1.36

120 0.95

150 0.60

180 0.33

Ejercicios : Calcule el tiempo necesario para que el nivel del liquido del tanque esfrico con radio r = 5 m mostrado en la figura pase de 4 m a 3 m. La velocidad de salida por el orificio del fondo es v = 4.895

m/s, el dimetro de dicho orificio es de 10 cm

Solucin : Balance de materia en el tanque Acumulacin = entrada Salida

dV = 0 Av dt
126

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

donde v es el volumen del lquido en el tanque que, en funcin de la altura esta dado por

V = (5a 2
A es el rea del orificio de salida

a3
3

m3

A=
y

(0.1) 2

m2

v = 4.895 a

m/s

Estas cantidades se sustituyen en la primera ecuacin y se tiene

Se deriva

d (5a 2 dt

a3
3

(0.1)2 4.895 a

da 3a 2 da (0.1) 2 10a = 4.895 a dt 3 dt 4


y al despejar se tiene

da 4.895(0.1) 2 a = dt 4(10a a 2 )
que con la condicin inicial y la pregunta forma el siguiente y la pregunta forman el siguiente PVI(problema de valor inicial)

da 0.122375 a = (10a a 2 ) dt PVI a (0) = 4m a (?) = 3m

127

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

Con el Mtodo de Euler y un paso de integracin de h = 10 segundos, se tiene

Por lo tanto el tiempo necesario para que el nivel del liquido dentro del tanque esfrico pase de 4 a 3m es aproximadamente 100 segundos.

Mtodo de Euler mejorado. En el mtodo de Euler se tomo como valida para todo el primer subintervalo la derivada encontrada en un extremo de este. Para obtener una exactitud razonable se utiliza un intervalo muy pequeo, a cambio de un error de redondeo mayor 8 ya que se realizara mas clculos). El mtodo de Euler modificado trata de evitar este problema utilizando un valor promedio de la derivada tomada en los extremos del intervalo, en lugar de la derivada tomada en un solo extremo. El mtodo de Euler modificado consta de dos pasos bsicos : 1. Se parte de ( x 0 , y 0 ) y se utiliza el mtodo de Euler a fin de calcular el valor de y correspondiente a

x1 . Este valor de y se denotara aqu como y1 , ya que solo es un y1 . Esta parte del proceso se conoce como paso predictor.

valor transitorio para

2. El segundo paso se llama corrector , pues trata de corregir la prediccin. En el nuevo punto obtenido

(x1 , y1 ) se evalua la derivada f (x1 , y1 )

usando la ecuacin

diferencial ordinaria PVI que se este resolviendo; se obtiene la media aritmtica de esta derivada y la derivada en el punto inicial ( x 0 , y 0 ) .

128

UNIDAD V / S SOLUCION DE ECUAC CIONES DIFERENCIALE ES

1 derivada prom medio [ f (x0 , y 0 ) + f (x1 , y1 )] = d 2


se s usa la deri ivada promed para calcu un nuevo valor de y1 , con la ecuacin dio ular

Y i +1 = y i + f ( x i , y i )h
que q deber ser mas exact que y1. to

y1 = y 0 +

(x1 x0 )
2

[ f (x0 , y 0 ) + f (x1 , y1 )]

5.1.2 5

Mto de Runge Kutta odo e

Es E la resoluci de ecuaci in iones diferenc ciales de la fo orma

dy = f ( x, y ) dx
Utilizando un mtodo num U mrico se pued resolver un ecuacin c de na como : Nuevo valor = valor anterio + pendient * tamao del paso N or te o en trminos matemticos como : s

Yi +1 = yi + h
De D acuerdo con esta ecu c uacin, la pen ndiente estim mada se us para extra sa apolar desde un valor anterior Yi a un nuevo valor Yi+1 en una dista v r ancia h (ver g grfico N1). E Esta frmula se puede aplicar paso a paso para calcula el valor en el futuro y, p tanto, trazar la trayecto p r o ar por oria de d la solucin n.

129 1

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

Todos los mtodos de un paso se pueden expresar en esta forma general, que slo va a diferir en la manera en la cual se estima la pendiente. El procedimiento mas simple es usar la ecuacin diferencial para estimar la pendiente derivada en Xi al inicio del intervalo. En otras palabras, la pendiente al inicio del intervalo es tomada como una aproximacin de la pendiente promedio sobre todo el intervalo. Este procedimiento se llama mtodo de Euler. Existen otros mtodos de un paso que cumplen estimaciones de pendiente en forma alterna y cuyas resultantes sern predicciones mas exactas. Todas estas tcnicas se conocen por lo general como mtodos de Runge-Kutta.

Mtodo de Runge-Kutta Los mtodos de Runge-Kutta (RK) logran la exactitud del procedimiento de una serie de Taylor sin requerir el calculo de derivadas superiores. Existen muchas variaciones, pero todas se pueden denotar en la forma generalizada de la ecuacin :

Yi +1 = yi + ( xi , yi , h)h
donde (xi,yi,h) es conocida como funcin incremento, al cual puede interpretarse como una pendiente representativa sobre el intervalo. La funcin incremento se escribe por lo general como :

= a1k1 + a2 k2 + ... + an kn
donde a son constantes y las k son :

k1 = f ( xi , yi ) k2 = f ( xi + p1h, yi + q11k1h) k3 = f ( xi + p2 h, yi + q21k1h + q22 k2 h) kn = f ( xi + pn 1h, yi + qn 1k1h + qn 1,2 k2 h + ... + qn 1,n 1kn 1h)
Observe que las k son relaciones de concurrencia. Esto es k1 aparece en la ecuacin para k2, que apareces en la ecuacin de k3,etc. Esta recurrencia hace a los mtodos RK eficientes para su calculo en computadoras.

Es posible concebir varios tipos de mtodos de Runge-Kutta al emplear diferentes nmeros

130

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

de trminos en la funcin incremento como la especificada por n. Observe que el mtodo de Runge-Kutta (RK) de primer orden con n = 1 es, de hecho, el mtodo de Euler.

Una vez que se elige n, se evalan las a,p y q al igualar la ecuacin [10] a los termino de la serie de expansin de Taylor .As al menos para las versiones de orden inferior, el numero de trminos n con frecuencia representa el orden de la aproximacin.

Mtodo de Runge-Kutta de segundo Orden La versin de segundo orden de la ecuacin [10]

Yi +1 = yi + (a1k1 + a2 k2 )h k1 = f ( xi , yi ) k2 = f ( xi + p1h, yi + q11k1h)


Los valores para a1,a2,p1 y q11 son evaluados al igualar el termino se segundo orden de la ecuacin Yi+1 en [12] con la expansin de la serie de Taylor. Para realizar esto, desarrollamos tres ecuaciones para evaluar las cuatro constantes desconocidas. Las tres ecuaciones son :

a1 + a2 = 1 1 2 1 a2 p11 = 2 a1 p2 =
Ejemplo : Mtodo RK de segundo orden: F ( x , y) = - 2 x 3 + 12 x 2 20 x + 8.5 Desde x = 0 hasta x = 4 usando un tamao de paso de 0.5. La condicin inicial en x = 0 es y = 1. Solucin: Y I + 1 = y I + ( 1/3 k 1 + 2/ 3 k 2) h k 1 = f ( x i , y i)

131

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

k 2 = f ( x I + 3/4 h , y I + 3/4 hk1 ) = 1/3k1 + 2/3 k2 X = 0 y = 1 h = 0.5 k 1 = f ( x i , y i) K 1 0 f ( 0 , 1 ) = - 2 (0) 3 + 12 (0) 2 20 (0) + 8.5 = 8.5

k 2 = f ( x I + 3/4 h , y I + 3/4 hk1 ) K 2 = f [ ( 0 +3/4 ( 0.5) , 1 + 3/4 (0.5)(8. 5 )] = K 2 = f ( 0.375 , 4.1875 ) = - 2 (0.375) = 2.58203125
3

+ 12 (0.375) 2 20 (0.375) + 8.5 =

= 1/3k1 + 2/3 k2 = 1/3( 8.5 ) + 2/3 (2.58203125) = 4.5546875

Y I + 1 = y I + ( 1/3 k 1 + 2/ 3 k 2) h Y (0.5) = 1 + 4.5546875 ( 0.5 ) = 3. 27734375

X = 0.5 y = 3.27734375 k 1 = f ( x i , y i) K1 = f ( 0.5 , 3. 27734375 )

h = 0.5

= - 2 (0.5) 3 + 12 (0.5) 2 20 (0.5) + 8.5 = 1.25

132

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

k 2 = f ( x I + 3/4 h , y I + 3/4 hk1 ) K 2 = f [ ( 0.5 +3/4 ( 0.5) , 3.27734375 + 3/4 (0.5)(1.25 )] = K 2 = f ( 0.875 , 3.74609375 ) = - 2 (0.875)
3

+ 12 (0.875) 2 20 (0.875) + 8.5

= - 1.15234375 = 1/3k1 + 2/3 k2 = 1/3( 1.25 ) + 2/3 (- 1.15234375) = - 0.3515625

Y I + 1 = y I + ( 1/3 k 1 + 2/ 3 k 2) h Y (0.5) = 3.27734375 + ( - 0. 3515625) ( 0.5 ) = 3.1015625

X 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0

Y verdadera 1.00000 3.21875 3.00000 2.21875 2.00000 2.71875 4.00000 4.71875 3.00000

Ralston RK 1.00000 3.27734375 3.1015625 2.34765625 2.140625 2.85546875 4.1171875 4.80078125 3.03125

v 0 1.8 3.4 5.8 7.0 5.0 2.9 1.7 1.0

133

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

6.00000

5.00000

4.00000
Y verdadera

3.00000

2.00000

1.00000

0.00000 0 2 4 6 8 10

Mtodo de Runge-Kutta de tercer Orden

Para n = 3, se puede hacer desarrollo similar al mtodo de segundo orden. El resultado de dicho desarrollo es de seis ecuaciones con ocho incgnitas. Por tanto, se debe especificar con antelacin los valores para las dos incgnitas con el fin de establecer los parmetros restantes. Una versin comn que resulta es :

Yi +1 = yi +

1 ( k1 + 4k2 + k3 ) h 6 k1 = f ( xi , yi ) 1 1 k2 = f ( xi + h, yi + k1h) 2 2 k3 = f ( xi + h, yi k1h + 2k2 h)

5.2. Mtodos de pasos mltiples Los mtodos del tipo de Runge - Kutta (los cuales incluyen los mtodos de Euler y de Euler modificado como caso especial), se llaman mtodos de un paso, debido a que solo utilizan la informacin del ltimo paso calculado. Es decir, a pesar de que estos mtodos generalmente

134

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

usan informacin de evaluacin funcional en puntos entre x1 y x informacin para usarla directamente en aproximaciones futuras.

i+1,

no retienen esta

Las tcnicas alternas, llamadas Mtodos de Pasos Mltiples, se basan en el conocimiento de que una vez que los clculos se han iniciado, la informacin evaluada en puntos previos sirve de gua. La curvatura de las lneas que conectan estos puntos anteriores proporciona informacin referente a la trayectoria de la solucin. El principio fundamental de los Mtodos de Pasos Mltiples es el de utilizar los valores anteriores de y o y' para construir un polinomio que se aproxime a la funcin derivada, y extrapolar este polinomio en el siguiente intervalo. La mayora de los mtodos utilizan valores equiespaciados anteriores, para hacer que la construccin de polinomios sea fcil.

5.3. Sistemas de ecuaciones diferenciales ordinarias


Problema : Pase la ecuacin diferencial ordinaria

d 2 y dy + = x2 + y2 dx 2 dx
A un sistema de dos ecuaciones diferenciales ordinarias simultaneas de primer orden. Solucin :

d2y = y + x 2 + y 2 2 dx
El cambio de variable es:

y1 = y ;
Al derivar la primera y sustituir en la segunda queda:

y2 = y

y1 = y 2
Se deriva la segunda

y = y 2
Y las nuevas variables se sustituyen en la ecuacin diferencial, con lo cual resulta

y1 = y 2

y 2 = y 2 + x 2 + y12

135

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

5.4. Aplicaciones Ejercicios: En un tanque perfectamente agitado se tiene 400L de una salmuera en la cual estn disueltos 25 kg de sal comn (NaCl), en cierto momento se hace llegar al tanque un gasto de 80 L/min de una salmuera que contiene 0.5 Kg. de sal comn por litro. Si se tiene un gasto de salida de 80 L/min determine. a) Que cantidad de sal hay en el tanque transcurridos 10 minutos? b) Qu cantidad de sal hay en el tanque transcurridos un tiempo muy grande?

Solucin:

a) si se llaman x los Kg. De sal en el tanque despus de t minutos , la acumulacin de sal en el tanque esta dada por

dx / dt y por la expresin

dx = masa de sal que entra dt

- masa de sal que sale

los valores conocidos se sustituyen y se llega a la ecuacin :

dx x = 80(0.5) 80( ) dt 400 dx = 40 0.2x dt


que con la condicin inicial de que hay 25 Kg. De sal al tiempo cero, da el siguiente

dx dt = 40 0.2x PVI x (0) = 25 x (10) = ?


como va de ilustracin se utilizara un mtodo de Runge - Kutta de tercer orden cuyo algoritmo esta dado por:

136

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

y i +1 = y i +

h
6

(k 1 + 4k 2 + k 3 )

con

k 1 = f (x i , y i )
2 k 3 = f (x i + h , y i + 2hk 2 hk 1 ) 2
x := 0
0 1 1

k2 = f xi +

,yi +

hk 1

y := 25
0

h := 1

k := 40 0.2 y k = 35 y := y +
1 0

( 0)

k := 40 0.2 y +
2 2

k h 2 1
1

k := 40 0.2 y k h + 2 k h
3 3 0 1 2

k = 31.5 1 6 k + 4 k + k h
2 3

k = 29.4

(1

y = 56.733
1

x := 1
1 1 1

y := 56.733
1

h := 1 1

k := 40 0.2 y k = 28.653 y := y +
2 1

( 1)

k := 40 0.2 y +
2 2

k = 25.788 k + 4 k + k h
2 3

2 1

k h

k := 40 0.2 y k h + 2 k h
3 3 1 1 2

k = 24.069

1 6

(1

y = 82.712
2

x := 1
2 1 1

y := 82.712
2

h := 1 1

k := 40 0.2 y k = 23.458 y := y +
3 2

( 2)

k := 40 0.2 y +
2 2

k = 25.788 k + 4 k + k h
2 3

2 1

k h

k := 40 0.2 y k h + 2 k h
3 3 2 1 2

k = 19.704

1 6

(1

y = 103.98
3

137

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

x := 1
3 1 1

y := 103.98
3

h := 1

k := 40 0.2 y k = 19.204 y := y
4

( 3)
1

k := 40 0.2 y
2 2

k = 17.284 k + 4k + k
2

1 2

k h
1

k := 40 0.2 y
3 3

k h + 2k h
1 2

k = 16.131

1 6

) h
h := 1

= 121.392

x := 1
4 1 1

y := 121.392
4

k := 40 0.2 y k = 15.722 y := y
5

( 4)
1

k := 40 0.2 y
2 2

k = 14.149 k + 4k + k
2

1 2

k h
1

k := 40 0.2 y
3 3

k h + 2k h
1 2

k = 13.206

1 6

) h
h := 1

= 135.646

x := 1
5 1 1

y := 135.646
5

k := 40 0.2 y k = 12.871 y := y
6

( 5)
1

k := 40 0.2 y
2 2

k = 11.584 k + 4k + k
2

1 2

k h
1

k := 40 0.2 y
3 3

k h + 2k h
1 2

k = 13.206

+
6

1 6

) h

= 147.316

x := 1
1 1

y := 147.316
6

h := 1 1 2
6

k := 40 0.2 y k = 10.537 y := y +
7 6

( 6)

k := 40 0.2 y +
2 2

k h
1

k = 11.584 k + 4 k + k h
2 3

k := 40 0.2 y k h + 2 k h
3 3 6 1 2

k = 10.811

1 6

(1

y = 156.869
7

x := 1
7 1 1

y := 156.869
7

h := 1 1 2

k := 40 0.2 y k = 8.626 y := y +
8 7

( 7)

k := 40 0.2 y +
2 2

k = 7.764 1 6 k + 4 k + k h
2 3

k h
1

k := 40 0.2 y k h + 2 k h
3 3 7 1 2

k = 7.246

(1

y = 164.69
8

138

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

x := 1
8 1 1

y := 164.69
8

h := 1

k := 40 0.2 y k = 7.062 y := y
9

( 8)
1

k := 40 0.2 y
2 2

k = 6.356 1 6 k + 4k + k
2

1 2

k h
1

k := 40 0.2 y
3 3

k h + 2k h
1 2

k = 5.932

) h
h := 1

= 171.093

x := 1
9 1 1

y := 171.093
9

k := 40 0.2 y k = 5.781 y := y +
9

( 9) (1

k := 40 0.2 y +
2 2 2

k = 5.203 1 6 k + 4 k + k h
3

k h 2 1
1

k := 40 0.2 y k h + 2 k h
3 3 9 1 2

k = 4.856

10

10

= 176.335

b) la solucin se obtiene hasta que la cantidad de sal en el tanque no cambie con el tiempo; esto es, hasta que se alcance rgimen permanente. Por lo tanto se obtuvieron los siguientes datos:

139

UNIDAD V / SOLUCION DE ECUACIONES DIFERENCIALES

140

BIBLIOGRAFIA

Chapra Steven y Canale R. ; Mtodos Numricos para ingenieros; Ed. Mc Graw Hill

Antonio Nieves Federico C. Domnguez; Mtodos numricos aplicados a la ingeniera ; Ed. CECSA

Ing. Javier Rosas Margarito ; Mtodos numricos, teora y programacin en lenguaje C.; Ed. Moya

Nakamura Shoichiro; Mtodos numricos aplicados a software; Ed. Prentice Hall; Smith Allen; Anlisis numrico; Ed.Prentice Hall

141

142