Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
; Donde:
m=es la descomposicin polinmica.
n= numero de cifras significativas exactas.
DEFINICION DE CIFRAS DECIMALES EXACTAS:
Se define por la siguiente relacin:
; Donde:
t=numero de cifras decimales exactas.
Ahora sea:
P = ln(5)
Entonces:
P= ln(5) = 1.609437912
Y sea sus siguientes aproximaciones:
P1 = 1.60123456
P2 = 1.609413131
P3 = 1.6094372
Donde: m = 0
Ahora hallamos sus Ea de cada uno.
Ea1 = | p p | = 0.008203 = 0.008 = 0.8x10 = 0.001 = 0.1x10
Ea = |p - p | = 0.000025 = 0.00003 = 0.3x10
Ea = |p - p | = 0.0000012 = 0.00001 = 0.1x10
Ahora hallaremos el nmero de cifras significativas exactas:
Para p:
0.1x10 0.5x10
-2 = -n+1
n = 3 ---> p tiene 3 cifras significativas exactas.
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 6
Para p:
0.3x10 0.5x10
-4 = -n+1
n = 5 ---> p tiene 5 cifras significativas exactas.
Para p:
0.1x10 0.5x10
-5 = -n+1
n = 6 ---> p tiene 6 cifras significativas exactas.
Ahora hallaremos el nmero de cifras decimales exactos:
Para p:
0.1x10 0.5x10
K = 2
Entonces p tiene 2 cifras decimales exactas.
Para p:
0.3x10 0.5x10
K = 4
Entonces p tiene 4 cifras decimales exactas.
Para p:
0.1x10 0.5x10
K = 5
Entonces p tiene 5 cifras decimales exactas.
TEOREMA DE BOLZANO (TB)
Sea la ecuacin no lineal f(x) =0;
Donde f(x) es funcin no trascendente (trigonomtrica, exponencial, logartmica o
polinomial), , -
Si ()()
)
Aplicacin del Teorema de Bolzano:
Sea f(x) = x.cos(x) 1
x f(x)
-2 -
-1 -
0 -
1 -
2 +
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 7
Como f(1).f(2) < 0 ---> existe x* que pertenece a [1,2]
MTODO DE BISECCIN
Dado la ecuacin no lineal f(x) = 0 /. Existe la raz X* [a, b] por T.B.
El mtodo de biseccin consiste en hallar el promedio simple de cada intervalo
[
] X*.
Algoritmo de biseccin:
P-1.- Dado la ecuacin f(x) = 0 /. Existe la raz X* [a, b] por T.B.
P-2.- Generar la sucesin {xi} x* mediante la siguiente relacin
; i = 0, 1, 2,3.
P-3. Hallar
()()
P-4. - Dejar de iterarse
Parar si |
Caso contrario ir al paso numero 2.
Ejemplo 01.
()
X* [-1,2]
Obtener una solucin con 2 cifras ex
Se deja de iterar si |
i=0 ,
- ,-
()()
i=1 ,
- , -
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 8
|
()()
i=2 ,
- , -
()()
i=3 ,
- , -
()()
i=4 ,
- , -
X* = -0.03125
Ejemplo 02.
()
X* [-2,1]
Obtener una solucin con 2 cifras ex
Se deja de iterar si |
i=0 ; ,
- ,-
()()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 9
i=1 ; ,
- , -
()()
i=2 ,
- , -
()()
i=3 ,
- , -
()()
i=4 ,
- , -
()()
i=5 ,
- , -
X* = -1.953125
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 10
MTODO DE REGULA FALSI O MTODO DE FALSA POSICIN
Es un mtodo similar al mtodo de biseccin en la que en vez de hallar el promedio simple
de dos intervalos ,
- --> X*.
Algoritmo del mtodo de R.F.
Paso 1: Dada la ecuacin ()=0
Paso 2: Generar la sucesin: {xn} x* mediante la relacin:
()()
()()
Paso 3: Hallar
()()
Paso 4: Parar si |
|
Ejercicio 1:
()
, Con X* [1,3]
Obtener una solucin con 2 cifras ex
Se deja de iterar si |
i=0 ,
- ,-
) (
)
(
)(
i=1 ,
- ,-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 11
) (
)
|
)(
i=2 ,
- ,-
) (
)
|
X*=0.804
Ejercicio 2
()
; Con X* [-2,2]
Obtener una solucin con 2 cifras ex
Se deja de iterar si |
i=0 ,
- ,-
) (
)
(
)(
i=1 ,
- , -
) (
)
|
X*=-0.20713
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 12
MTODO DE PUNTO FIJO O MTODO DE APROXIMACIONES
SUCESIVAS
Algoritmo:
Paso 1: Dado la ecuacin ()=0 / exista la raz X* [a, b] por el T.B.
De ()=0 despejar de diferentes formas y obtener una ecuacin de la siguiente forma:
= g (x).. (2)
Donde g(x) es llamado funcin de iteracin.
Si x = x* es raz o solucin de (2) tambin lo ser de ()=0, X* que satisface (2) es
llamado punto fijo.
Paso 2: Generar la sucesin:
{x
n
} x*
Mediante la siguiente relacin:
Xn+1 = g (X
n
) ; Donde n= 0,1,2,3,
Tomando como valor
arbitrario /
, b]
Paso 3: Dejar de iterar si:
|
|
Caso contrario ir al paso 2.
Condicin de convergencia:
Existe {x
n
} x* Si se cumple lo siguiente:
a) g (x) , b]
b) g() | g()| L ; b>
L es llamado constante de Lipschitz
L = Max {| g (a) |, | g (b) |}
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 13
Donde tambin consideramos obvio () es continua y diferenciable en [a, b].
L ,a, b]
Ejemplos:
Por el mtodo del punto fijo obtener una solucin con dos cifras significativas exactas.
F(x) = 10.sen(x).
-1
Primero hallaremos el intervalo donde exstela raz.
x F(x)
-1 -23.87
-0.5 -8.90
0 -1
0.5 1.91
1.5 1.23
Verificamos su condicin de convergencia, veremos si cumple 1 condicin.
F(x) = 10.sen(x).
-1 = 0 ---> x = arcsen (
) = g(x)
Anlisis para g(x) = arcsen(
)
1 condicin:
g(x) I = [a,b] = [0,1]
g(0) = 0.10
g(1) = 0.28
Por lo tanto g(x) cumple la 1 condicin
2 Condicin:
g | g ()| L
, -
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 14
S g () arcsen(
) ---> g () (
)
| g () | = 0.11 < 0.9
| g () | = 0.25 < 0.9
L = max{| g () | , | g () | }
L L , --- g () , cumple 2 condicin
Siendo su relacin de recurrencia lo siguiente:
Xn+1 = g(X
n
) = arcsen(
) ; n = 0,1,2,
Obtener una solucin con 2 cifras significativas exactas.
OBSERVACIN: x
0
puede tomar cualquier valor /.x
0
[a, b]
Sea x
0
=0.5
X arbitrario;
Donde: X = 0.5
n = 0
X = arcsen(
)
X = 0.1656
n =1
X = arcsen(
)
X= 0.1183
n =2
X = arcsen(
)
X = 0.1128
| X - X| = 0.05 = 0.5x10 0.5x10
Por lo tanto x = X* con 2 cifras significativas exactas.
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 15
MTODO DE LA SECANTE
Algoritmo:
Paso 1: Dado la ecuacin () =0. / x* , b].
Paso 2: Generar la {xi} x* Mediante:
=
(
)(
)(
)(
)
(
)(
)
; Donde i =2, 3,4,
Paso 3: Dejar de iterar si:
|
|
Caso contrario ir al paso 2.
Ejemplos:
Por el mtodo de la secante obtener una solucin con dos cifras significativas exactas.
F(x) = 10.sen(x).
-1
Primero hallaremos el intervalo donde exstela raz.
x F(x)
-1 -23.87
-0.5 -8.90
0 -1
0.5 1.91
1.5 1.23
Se observa que: f (0).f (0.5) <0 ---> Existe x* ,-
Entonces ahora:
Sea x = 0 y x = 0.5
Para i = 2:
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 16
x = f(0.5).0 - f(0).0.5 = 0.551
f(0.5) - f(0)
Para i = 3:
x = f(0.551).0.5 - f(0.5).0.551 = 0.022
f (0.551) - f(0.5)
Vemos que |x - x| = 0.0529 = 0.5x10
Como: 0.5x10 0.5x10
Donde m = 0 y n = 2
Entonces x* = x
Por lo tanto x = 0.022 es la raz con 2 cifras significativas exactas.
F(x) = 0.91X - 4.9X + 11.9X 5
x F(x)
-1 -22.71
-0.5 -12.29
0 -5.00
0.5 -0.16
1.5 4.89
Se observa que: f(0.5).f(1.5)<0 ---> Existe x* ,-
Entonces ahora:
Sea x = 0.5 y x = 1.5
Para i = 2:
x = f(1.5).0.5 - f(0.5).1.5 = 0.89
f(1.5) - f(0.5)
Para i = 3:
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 17
x = f(0.596).1.5 - f(1.5).0.596 = 1.20
f(0.596) - f(1.5)
Vemos que |x - x| =0.031 = 0.3x10
Como: 0.3x10 0.5x10
Donde m = 0 y n = 2
Entonces x* = x
Por lo tanto x = 1.20 es la raz con 2 cifras significativas exactas.
MTODO DE NEWTON RAPHSON
El Mtodo de Newton-Raphson es ampliamente utilizado para encontrar las races de la
ecuacin f(x)=0, ya que converge rpidamente, la contra es que uno debe conocer la
derivada de f(x) y se necesita una aproximacin inicial muy cercana a la raz.
Se requiere que f(x) sea doblemente continua y diferenciable en [a, b].
Algoritmo:
Paso 1: Dado la ecuacin f(x) = 0 / Existe la raz X* , b] por T.B.
Paso 2: Generar la sucesin {xn} x* mediante la siguiente relacin de recurrencia.
-
(
)
(
)
; n=0, 1, 2,
Paso 3: Dejar de iterar si:
|
|
Caso contrario ir al paso 2.
Convergencia de N-R.
Existe {x
n
} x*
Si: |
()()
(())
| < 1
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 18
Ejemplo:
Sea f(x)=
-3x; donde x* ,-
Primero analizamos su convergencia:
|
()()
(())
| X = 0 < 1
= 0.2479 <1
Si:
()=
-3x
()=
-3
()
|
()()
(())
| x = 1 < 1 Existe {x
n
} x* Por el mtodo de N-R con =0.1
Obtendremos una solucin con 4 cifras significativas exactas.
n=4
Se deja de iterar si |
| =0.5*10
n=0
-
(
)
(
)
Entonces:
= 0.52493063
Observacin: Si
=0.61315951
n =2
= 0.619033363
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 19
n =3
= 0.69001281
|
| = 0.000027923 = 0.3*10
Entonces:
x* =
; C.C. ir al 2 Paso.
Condicin de convergencia del punto fijo:
{Xn} x
k
^
{yn} Y
k
Si se cumple lo siguiente:
|
|(
) |
|(
)
^
|
|(
) |
|(
)
Ejemplo:
Sea el sistema.
(1)
(2)
|
|
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 21
Localizar el intervalo inicial (x
0
, y
0
) por el T.B.
De (1) y (2) se tiene:
()
Con intervalo de longitud = l = 1
x ()
-2
-1
0
1
2
3
-
-
-
-
+
Con intervalo de longitud = l = 0.1
x ()
2
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3
-
-
-
-
-
-
-
-
+
+
+
()
;
Verificar su condicin de convergencia
De:
( )
() ()
,-
() ()
, -
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 22
De:
( )
( )
Se requiere que se cumpla: (
|(
) |
|(
)
0 + 1 = 1 < 1
|
.
|( )
Como L = 1 1 la solucin puede converger o no
^ |
|(
) |
|(
)
0.9 + 0 = 0.9 < 1
|( )
Obtener una solucin con dos cifras significativas exactas (m = 2)
Se deja de iterar si:
|
|
0.5*10
m-n+1
/m=0, n=2
0.5*10
-1
|
| 0.5*10
-1
Sus relaciones de recurrencia son:
Iterando:
n = 0; ITERACION INICIAL; con X0 = 2.7 ^ Y0 = 2.8
^
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 23
n = 1; PRMERA ITERACION; con X1 = ^ Y1 =
n = 2; SEGUNDA ITERACION; con X2 = ^ Y2 =
n = 3; TERCERA ITERACION; con X3 = ^ Y3 =
n = 4; CUARTA ITERACION; con X4 = ^ Y4 =
n = 5; QUINTA ITERACION; con X5 = ^ Y5 =
n = 6; SEXTA ITERACION; con X6 = ^ Y6 =
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 24
^
n = 7; SEPTIMA ITERACION; con X7 = ^ Y7 =
Si:
|
| = 0.02 = 0.2*10
-1
0.5*10
-1
^
|
| = 0.1*10
-1
0.5*10
-1
Cumple con las condiciones dadas, por tanto deja de iterar.
METODO DE NEWTON RAPSON (N.R)
El sistema debe de estar en la forma:
F = F(x, y) = 0
G = G(x, y) = 0
Para que tenga solucin su Jacobiano = J(x, y) = J 0
* Algoritmo de N.R.
1 Paso:
Dado el sistema:
F(x, y) = 0
G(x, y) = 0
2 Paso:
Generar la sucesin:
{Xn} x
k
^
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 25
{yn} Y
k
Mediante la siguiente relacin de recurrencia:
^
Parar si:
C.C. ir al 2 Paso.
Ejemplo:
( )
( )
( )
)
( )
(
)
;
)
( )
(
)
;
|
|
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 26
*Obtener una solucin con dos cifras significativas exactas (m = 2).
Iterando:
n = 0; ITERACION INICIAL; con X0 = 2.7 ^ Y0 = 2.8
n = 1; PRIMERA ITERACION; con X1 = 2.7629 ^ Y1 = 2.8937
( )
.
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 27
Si:
|
| = 0.0003 = 0.3*10
-3
0.5*10
-3
^
|
| = 0.0005 = 0.5*10
-3
0.5*10
-3
Cumple con las condiciones dadas, por tanto deja de iterar.
INTERPOLACIN
Supongamos que se conoce f
0
, f
1
, f
2
, .fn valores correspondientes a X
0
, X
1
, X
2
, .., Xn
valores independientes de una variable independiente X.( X0<X1<<Xn) entonces tenemos
dos tipos de interpolacin.
a) Interpolacin directa.- consiste en que dado un valor X
P
diferente de los X
i
pero
correspondido entre X
0
y Xn, se desea hallar el valor de su imagen f
P
b) Interpolacin inversa.- consiste en que dado el valor de la imagen f
P
se desea hallar
el valor X
P
que genera dicha imagen.
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 28
(X
1
,f
1
)
1.- INTERPOLACIN DIRECTA LINEAL
X
P
= valor a interpretar f
F
P
= f (X
P
) imagen de X
P
Xo X
P
X
1
X
n
INTERPOLACIN DIRECTA DE
NEWTON -PROGRESIVO Y NEWTON REGRESIVO.
Para un conjunto de (n+1) puntos igualmente espaciados Interpolacin consiste, en dado un valor no
considerado
.
B) Interpolacin Inversa. Consiste en que dado el valor de la imagen
.
1) Interpolacin Directa de Newton Progresivo (IDNP)
Se utiliza cuando se desea interpolar un valor
sector de la tabla.
Utiliza la siguiente frmula.
Donde
-
Utiliza la siguiente Tabla de omisin de Trminos (T.0.T)
P(P)
!
P(P)(P)
!
P(P)(P(n))
n!
F(X)
(X
0
,f
0
)
(X
P
,f
P
)
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 29
Newton Progresivo
Newton Regresivo
4 8 12 16
Observacin:
Si |
Diferencia, o
sea;
.
Si |
|<8 Se tiene Inter. Directa No Lineal (IDNL) y se utiliza la frmula de N.P. hasta la
Diferencia, o sea;
P(P)
!
.
Si |
diferencia, osea
P(P)
!
+
P(P)(P)
!
.
(4) Tanto en (1),(2) y (3) solo se considera las cifras significativas.
Ejemplo 1: En la Sgte. Tabla si
=1.05, hallar
1 1.1 1.2 1.3
()
4 4.3 4.6 4.9
Sol:
Como|
|=0<4
()
1
x
p
=1.05
1.1
1.2
1.3
4
f
p
=? 3=
4.3 0=
3
4.6 0
3
4.9
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 30
P=0.5 <0,1>
()
Ejemplo 2: Si
Hallar
en la Sgte. Tabla
x
()
g ()
6.2 0.79239=
Xp=6.36 fp=? 1279=
6.4 0.30618=
-43=
1336=
4
6.6 0.8195 =
-39=
1297=
1
6.8 0.83251=
-38=
1259=
2
7 0.84510=
-36=
1223=
7.2 0.85733=
P(P )
!
()
( )()
!
Si
()
()
()
6.2 6.4 6.6 6.8 7 7.2
()
g () 0.79239 0.30618 0.81954 0.83251
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 31
2) Interpolacin de Newton Regresivo (NR)
Se utiliza cuando se quiere interpolar un valor en la parte final de la tabla. Su frmula es
Donde
-
Ejemplo Si
=3.9 hallar
x
()
3 20.08
4.45
3.2 24.53 0.98
5.43 .22
3.4 29.96 1.20 6
6.63 .28
3.6 36.59 1.48 2
8.11 .30
3.8 49.7 1.78
9.89
4.0 54.59
|
|<12 Se aplica
de NR hasta la
diferencia
P(P )
!
P(P )(P )
!
()()
( )()
!
( )( )()
!
P(P)
!
P(P)(P)
!
P(P)(P(n))
n!
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 32
INTERPOLACION DIRECTA CENTRAL
Se utiliza cuando se quiere interpolar un valor en la parte central de la tabla.
Se tienen las siguientes formulas:
a) Interpolacin de Stirling:
Se aplica si p
Su formula es:
p
=
0
+ S
1
(
-1/2
+
1/2
) + S
2
0
+ S
3
(
-1/2
+
1/2
) + S
4
0
+
Donde:
S
1
=
; S
2
=
; S
3
=
(
)
!
; S
4
=
)
!
; S
5
=
(
)(
)
!
;
b) Interpolacin de Bessel:
Se aplica si p
Su formula es:
p
=
0
+
1
1/2
+
2
(
0
+
1
) +
5
1/2
+
Donde:
1
= ;
2
=
()
!
;
3
=
()(
)
!
;
4
=
()()(
)
!
;
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 33
c) Interpolacin de Everett:
Se aplica si p
Su formula es:
Donde:
()()
!
;
()()()()
!
;
()()
!
;
()()()()
!
;
*Tabla de Omisin de Trminos (T.O.T):
Bessel o Stirling 4 60 20 500 100
Everett 4 no existe 20 no existe 100
Ejemplos resueltos:
En la siguiente tabla se tiene:
X f(x)=
+ x +1
; No cumple
Solucin a):
Se sabe que:
Entonces:
Como:
|
|
Se aplica Stirling y Everett porque
Para Stirling su
p
=
0
+ S
1
(
-1/2
+
1/2
) + S
2
p
= 1.248 + 0.12 (0.137 + 0.169) + 0.0288*0.032
p
= 1.2856416 valor aproximado
Con calculadora:
p
= 1.285415424
*Solucin segn Everett:
p
=0.76*1.248+0.24*1417-(0.053504*0.032)-(0.037606*0.038)
p
=1.285415424
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 35
INTERPOLACIN PARA EL CASO DE DATOS NO EQUIDISTANTES
POLINOMIO DE APROXIMACIN DE LAGRANGE
Sean (X
0
, f
0
), (X
1
, f
1
),, (Xn, f
n
) (n+1) ptos
Entonces existe un polinomio de grado que para por dichos puntos
(X
0
<X
1
<X
2
<. <Xn)
F(X) = a
0
(X-X
1
) (X-X
2
)..(X-Xn)+a
1
(X-X
0
)(X-X
2
).(X-Xn)++a
n
(X-X
0
)(X-X
1
)(X-X
2
)...(X-Xn-1)
OBS: en el primer termino falta (X-X
0
), en el 2 termino (X-X
1
), y as sucesivamente en el
ultimo termino falta (X-X
n
) esto es una cualidad de dicho polinomio.
Como f(x) debe contener a los puntos dados
Si X = X
0
; f(X
0
)= a
0
(X
0
-X
1
) (X
0
-X
2
)..(X
0
-Xn)
a0=
f(o)
(X0X1)(X0X2)(X0X3)(X0Xn)
Si X = X1 ; f(X
1
)= a
1
(X
1
-X
0
) (X
1
-X
2
)..(X
1
-X
n
)
a1=
f(1)
(X1X0)(X1X2)(X1X3)(X1Xn)
.
.
.
Si X = Xn ; f(X
n
)= a
n
(X
n
-X
0
)(X
n
-X
1
)(X
n
-X
2
)..(X
n
-X
n-1
)
an=
(n)
(XnX1)(XnX2)(XnX3)(XnXn1)
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 36
Remplazando los as en el polinomio P(X)
f(X)=
(XX1)(XX2)(XXn)
(X0X1)(X0X2)(X0Xn)
f0+
(
1
0
)(
2
)(X1Xn)
(X1X0)(X1X2)(X1Xn)
f1++
(XX0)(XX1)(XXn1)
(XnX0)(XnX1)(XnXn1)
fn
L
0
(X) L
1
(X) L
n
(X)
F(X) = L
0
(X)fo + L
1
(X)f1 + . + L
n
(X)fn
Polinomio de Lagrange
Donde:
i(X)=
(XX0)..(XXi1)(XXi+1)(XXn)
(XiX0)..(XiXi1)(XiXi+1)(XiXn)
Funcin multiplicadora de Lagrange
TEOREMA.- Sean (X
0
, f
0
), (X
1
, f
1
),, (Xn,f
n
) para los puntos (n+1) y adems
(X
0
<X
1
<X
2
<<Xn)
Entonces existe un nico polinomio de grado que pasa por dichos puntos.
DEMOSTRACIN
i). La existencia del polinomio est generalizada por el `polinomio de aproximacin de
Lagrange.
ii). La unicidad: supongamos que existen dos polinomios P(X) y Q(X) de
grado que pasan por los puntos dados.
Probaremos que P(X) =Q(X) , (X0,Xn)
Consideremos
R(X)= P(X) - Q(X)
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 37
R(X) es de grado (ya que el grado de P(X) y Q(X) es )
Adems:
R(X
0
)= P(X
0
) - Q(X
0
)= f
0
-f
0
=0
R(X
1
)= P(X
1
) - Q(X1)= f
1
-f
1
=0
En general
R (Xi) = 0 i 0, 1, 2, 3,n
Entonces.
X
0
, X
1
, X
2
,., Xn son las races de R(X)
R(X) tiene (n+1) races (pero el grado de R(X) es menor o igual a n)
Entonces R(X) debe ser el polinomio nulo (el nico que tiene ms races que su grado)
R(X)= P(X) - Q(X)= 0
P(X) =Q(X) , (
0
, Xn)
Ahora consideremos
X -1 0 2
Fx 2 1 5
El polinomio P(X) = X
2
+1 pasa por estos puntos, tambin pasa por estos puntos el
polinomio Q(X) = X
3
-2X + 1
Contradice el teorema?
No contradice el teorema, ya que el teorema establece que son iguales para aquellos
que tengan grado , luego pueden muchos otros de grado >n que sean
diferentes al del grado grado
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 38
INTERPOLACION Y APROXIMACION DE LAGRANGE
Polinomio de Lagrange: Dado un conjunto de (n+1) puntos de la forma (
); i=0, 1, 2,, n.
Se puede aproximar a un polinomio de grado n.
Sea el siguiente polinomio () () a determinar:
Observacin:
El polinomio () se caracteriza por:
En el 1 trmino falta el factor (
) , en el 3 termino falta
el factor (
) .
En el polinomio de Lagrange los puntos (
; ; de la siguiente manera:
Si x=
)(
)(
) (
)(
)(
) (
)(
)(
) (
)
(
)(
)(
) (
)(
)(
)(
)
Si x=
)(
)(
) (
)(
)(
) (
)(
)(
) (
)
(
)(
)(
) (
)(
)(
)(
)
Si x=
()
)(
)(
) (
)(
)(
) (
)(
)(
) (
) .
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 39
(
)(
)(
) (
)(
)(
) (
)(
)(
) (
)
(
)(
)(
) (
)(
)(
)(
)
Remplazando los coeficientes en () tenemos:
()
(
)(
)(
) (
)
(
)(
)(
) (
)(
)(
) (
)
(
)(
)(
) (
)(
)(
) (
)
(
)(
)(
) (
El polinomio de Lagrange, tambin se puede expresar como:
()
()
()
()
()
()
Ejemplo: 1
En la siguiente tabla:
a) Aproximar a un polinomio de Lagrange.
b) Si
=1.1. Determinar
por Lagrange.
Tenemos:
X ()
26
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 40
a) Solucin:
El polinomio de Lagrange ()
()
, ser:
()
(
)(
)(
)(
)
(
)(
)(
)(
)(
)(
)(
)
(
)(
)(
)(
)(
)(
)(
)
(
)(
)(
)(
)(
)(
)(
)
(
)(
)(
)(
)(
)(
)(
)
(
)(
)(
)(
()
()()()()
()()()()
()()()()
()()()()
()()()()
()()()()
()()()()
()()()()
()()()()
()()()()
Luego, resolviendo tenemos:
()
b) Solucin:
Como: ()
() (
) ()
() ()
)
Aprox. E interpolacin de un polinomio de newton.
()
)
()
)
()
)
()
)
()
Donde:
(
)
()
(
)
(
)
()
(
)(
)
(
)
()
(
)(
)(
)
(
)
()
(
)(
)(
)(
)
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 41
(
)
()
|
( )( ) ( )( )( )
(
)
()
|
( )( )( ) ( )( )( )
( )( )( )
Ejemplo: 2
Aproximar la siguiente tabla a un polinomio de newton
x
()
1.1 1.04 =
0.04
1.2 1.08=
-0.02
0.03 0.02
1.3 1.11=
-0.01
0.04
1.4 1.15=
Donde: h=1.4-1.3=0.1
( )
()
( )
( )
()
( )( )
( )
()
( )( )( ()() )
()
( )
()()
)()
()()
)()
()()
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 42
PROBLEMAS RESUELTOS
(Mtodo de Newton Raphson)
F(x)=
[0,1]
Cuantas cifras significativas exactas tiene la solucin en la 2da iteracin.
Solucin:
F(x)=
F(x)=
F(x)=
( )
1ro Analizar el pto inicial x optimo / x [0,1]
Para x :
F(x).F(x)<0 ->x no es valido.
Para x =1:
F(1).F(1)>0 ->x =1 es valido para iterar.
-> |
() ()
()
n=0 Xn+=Xn-
(n)
(n)
=> Xn+1 = Xn
n
(n)
Con X=1
X = X
()
X=0.683939
1ra Iteracin.
X = X
()
X=0.5774544772
2da Iteracin.
X = X
()
|X - X|=0.01=0.01*
n=1 -> X=
de (1)
Remplazando en (2)
F (y)=
Y F (y)
0 -
1 +
2 +
Y F (y)
0 -
0.5 -
0.6 +
1
Segn (*)
Sea Y=0.5 -> X=
Se tiene el punto inicial X=1.6 y Y=1.5 muy cercano a la raiz.
X= 2
-> f
Y= LnX -> g
fx=0 fy=
g
x
=
g
y
=0
f
x
(1.6;1.5)=0 f
y
(1.6;1.5)=0.5773502642
g
x
(1.6;1.5)=0.625 g
y
(1.6;1.5)=0
|f
x
(1.6;1.5)+f
y
(1.6;1.5)|=0.57785026 < 1
|g
x
(1.6;1.5)+g
y
(1.6;1.5)|=0.625 < 1
->{Xn} ->
{Y
n
} ->
-1 =0 (1)
(2)
F (0).F(1)<0 ->
[0,1]
F (0.5).F(0.6)<0 ->
,-(*)
1er intervalo para F(y)=
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 44
X
n+
=2
n=0, 1, 2
Y
n+
=L
n
(X
n
) n=0, 1, 2
Dejar de iterar
|X
n+
-X
n
|0.5*
Iterando como punto inicial *X,Y+=*1.6;1.5
X=2
=1.732050
Y=0.4700036292
X=1.765328965
Y=0.5493061446
X=1.671242364
Y=0.5683370555
X=1.645591676
Y=0.5135672804
X=1.716098655
Y=0.49810001
X=1.734239187
Y=0.5400534907
|X-X|=0.018 = 0.02 = 0.2*
0.5*
|Y-Y|=0.04 = 0.4*
0.5*
->-> X=
y Y=
-> F(x)=
Utilizando el T.B. localizamos el intervalo donde existe la raiz.
x F(x)
1 -
2 +
x F(x)
1.6 -
1.7 +
Sea X=1.6 ; Y?
De (1) -> Y=Lnx = Ln(1.6)=0.47 -> Y=0.47
Entonces:
{
b) Sea
F(x,y)=X
-1
G(x,y)=
F
x
(x,y)=
F
y
(x,y)=-X.
G
x
(x,y)=2X G
y
(x,y)=8y
3
X
-1 =0 (1)
(2)
F (1).F(2)<0 ->
[1,2]
F(1.6).F(1.7)<0 ->
[1.6,1.7]
X 1.6
Y 0.47
Pto ms cercano de la raz.
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 46
Fx F
Gx G
J(x,y)=| |=| |
= 5.550020142 0
Y como (XY) es muy cercano:
->-> {xn} ->
c) Dejamos de iterar si:
|Xn-Xn+|0.5*
=0.5*
|Yn-Yn+|0.5*
=0.5*
Ahora:
| |=| |
8Y [X
-1]+ X.
-
| |=| |=
]-2x [-X.
]
Veamos que la formula de recurrencia asi:
Xn+=Xn -
n,
- n
;
n=0, 1, 2,..
Yn+=Yn -
,n
n=0, 1, 2,
Siendo P inicial: (1.6;0.47)=(X;Y)
X=1.6
()
=1.700250715
Y=0.47-
()
= 0.53265975
X.
2x 8y
F Fy
G Gy
X
-1 -X.
8y
-X.
n=0
Fx(x,y) Fy(x,y)
Gx(x,y) Gy(x,y)
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 47
X=1.700250715
()
=1.697250462
Y=0.53265975-
()
= 0.52900931
X=1.697250462
()
=1.6972239658
Y=0.53265975-
()
= 0.5290032
Luego
|X - X|= 0.000026=0.00003=0.3*
0.5*
->
0.5*
->
0 0
+= (
+
El sistema tiene nueve ecuaciones con doce incgnitas, entonces existen infinitas
soluciones. Para que tenga solucin debemos fijar tres variables libres, puede ser lii=1 o
uii=1
Sea uii=1 u11= u22= u33=1,
(
+ = (
0 0
+(
+
L U
Resolviendo la ecuacin matricial se tiene los siguientes resultados:
l11=2, l21=4, l31=1
u12=0, l22=3, l32=2
u13=
, u23=2, l33=
(
+ = (
0 -1
4
+(
)
L U
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 50
Observacin.- El mtodo Crout Doolitle sirve para resolver un sistema de ecuaciones
usando la factorizacin L U mediante las siguientes igualdades:
A.x = B L.y = B
L.U.x = B U.x = y
PRIMER METODO DIRECTO:
MTODO CROUT-DOOLITLE.
Para un sistema lineal de la forma:
Donde A se factoriza de la forma:
L: Matriz Triangular Inferior
U: Matriz Triangular Superior
Sea:
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 51
Ejemplo:
Sea la matriz
(
+(
+ (
+
Para
(
)(
+ (
+
Para
(
)(
+ (
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 52
SEGUNDO METODO DIRECTO
METODO DE CHOLESKY
Tambin para resolver el sistema Ax = b para aplicar cholesky se debe cumplir lo siguiente:
Simetrico
1 que X
t
AX>0 / X=|
| X
t
= (X
1
X
2
X
3
)
A definida Positiva 2 cada sub determinante sea positiva es decir: A
33
|| |
| |
|
1 versin de cholesky
Ejemplo: 1
Aplicar cholesky al sistema siguiente:
|
| |
| |
|
A es simtrico
A es definida positiva?
Se debe de cumplir que X
t
AX>0
,
- |
| |
|
( ) ( ) ( )
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 53
Se puede aplicar cholesky
Ax = b
A = L*L
t
|
| |
| |
|
l
11
=2
l
21
=
l
31
= 1
l
22
=
l
32
=
l
33
=
L*L
t
=
|
|
|
|
|
|
|
|
Ax = b
L*L
t
X = b
L*L
t
X = b
Y =
L
t
X
L*Y = b
L
t
*X = Y
L
t
*X = Y
L*Y = b
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 54
Para L*Y = b
|
|
|
|
|
| |
|
Y
1
=
Y
2
=
Y
3
= 4*
Para Lt*X = Y
|
|
|
|
|
|
|
|
|
|
X
1
= 28/27 X
2
= 35/27 X
3
= -16/27
Ejemplo: 2
(Mtodos de Cholesky para hallar el sistema Ax=B)
Resolver el siguiente sistemas por Cholesky.
|
|
|
.
|
\
|
|
|
|
.
|
\
|
|
|
|
.
|
\
|
5
3
2
=
6 2 0
2 5 2
0 2 4
3
2
1
x
x
x
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 55
Solucin:
t
A A= , entonces A es simtrica.
0 > Ax x
t
, luego A es definida positiva.
Factorizamos la matriz
T
LL A=
|
|
|
.
|
\
|
|
|
|
.
|
\
|
|
|
|
.
|
\
|
33
32 22
31 21 11
33 32 31
22 21
11
0 0
0 0
0 0
=
6 2 0
2 5 2
0 2 4
=
u
l l
l l l
l l l
l l
l
A
Para la
ra
1 columna tenemos:
0 = 0 =
1 = 2 =
2 = 4 =
31 11 31
21 11 21
11
2
11
l l l
l l l
l l
Para la
da
2 columna tenemos:
1 = 2 =
2 = 5 =
2 =
32 22 32 21 31
22
2
22
2
21
21 11
l l l l l
l l l
l l
+
+
Para la
ra
3 columna tenemos:
2 = 6 =
2 =
0 =
33
2
33
2
32
2
31
32 22 31 21
31 11
l l l l
l l l l
l l
+ +
+
|
|
|
.
|
\
|
|
|
|
.
|
\
|
2 0 0
1 2 0
0 1 2
= ,
2 1 0
0 2 1
0 0 2
=
t
L L
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 56
Del sistema b x LL b Ax
t
= = , luego b Ly = y y x L
t
=
Para b Ly =
|
|
|
.
|
\
|
|
|
|
.
|
\
|
|
|
|
.
|
\
|
|
|
|
.
|
\
|
2
1
1
=
5
3
2
=
2 1 0
0 2 1
0 0 2
3
2
1
y
y
y
y
Para y x L
t
=
|
|
|
|
|
.
|
\
|
|
|
|
.
|
\
|
|
|
|
.
|
\
|
|
|
|
.
|
\
|
1
0
2
1
=
2
1
1
=
2 0 0
1 2 0
0 1 2
3
2
1
x
x
x
x
2. Segunda versin de cholesky
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 57
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 58
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 59
TERCER METODO DIRECTO:
MTODO TRIDIAGONAL PARA SISTEMAS DE ECUACIONES
LINEALES.
Sea el sistema de ecuaciones de la forma:
. (1)
. (2)
. (3)
. (n-1)
. (n)
ALGORITMO TRIDIAGONAL:
P-1: Del sistema , expresarlo como
P-2: Sea
, C es constante arbitraria / *+
De la Ec. (1) despejar
De la Ec. (2) despejar
De la Ec. (3) despejar
.
De la Ec. (n-1) despejar
De la Ec. (n) despejar
Pero como no existe
se hace lo siguiente:
Tal que: ( )
+(
+ (
+
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 60
Si
es solucin de
Si
es solucin de
P-3: Del sistema expresarlo como
y sea
Si
es solucin de
Si
es solucin de
Se tiene:
.. ()
.. ()
() () (
) ( )
0
Se busca una relacin:
Tal que: ( )
Ejemplo:
Resolver:
Del sistema
(1)
2
... (2)
2
(3)
(4)
Sea
, *+
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 61
De (1):
De (2):
0
De (3):
De la ec. (4) despejo
()
Del sistema
Sea
, en
, en
, en
Observacin: Si cambiar el valor inicial de
( )
Se busca una solucin
Tal que:
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 62
Verificando: 2
2() () ()
Ejemplo 2
(Solucin de sistemas lineales en Tribanda)
Sea en Tribanda.
()
()
()
()
Algoritmo del sistema Tridiagonal
Solucin:
Del sistema
()
()
()
()
Sea
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 63
()
De (2) despejo
:
()
De (3) despejo
:
()
De (4) despejar
; pero
:
()
Y se tiene que:
()
Ahora expresarlo como es un vector nulo.
()
()
()
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 64
Sea
*+
De (1) despejar
:
()
De (2) despejar
:
()
De (3) despejar
:
()
( )
De (4) despejar
, pero
entonces:
()
Entonces:
) (
) (
)
(
) (
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 65
Comprobacin:
-46+24+13
-22+13=-9
CUARTO METODO DIRECTO
MTODO PENTADIAGONAL PARA
SISTEMAS DE ECUACIONES LINEALES.
(
+
(
=
(
A x b
Algoritmo Pentadiagonal
P-1 Dado el sistema Ax=b , expresarlo en la forma A =b y definir
=C
=D
Donde C D son constantes arbitrarias.
P-2 De Ec (1) despejar
De Ec (2) despejar
Ec (1)
Ec (2)
Ec (n)
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 66
De Ec (n-2) despejar
De Ec (n-1) despejar
De Ec (n) despejar
Como no existe
se hace lo siguiente :
Como no existe
se hace lo siguiente :
Donde (
* es un vector residual.
Si
P-3 : La primera solucin homognea del sistema A.x = b se debe expresar como
; luego definir
en la cual se
considera C y D como constantes arbitrarias, finalmente se procede similar al paso
anterior (P-2) llegando a la siguiente solucin
en donde .
/ es un vector residual.
Si
P-4 : La segunda solucin homognea del sistema A.x = b se debe expresar como
; luego definir
en la cual se
considera C y D como constantes arbitrarias, finalmente se procede similar al paso P-2
llegando a la siguiente solucin.
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 67
en donde (
* es un vector residual.
Si
P-5 : Finalmente se llegar al siguiente sistema
()
()
()
Luego hacemos (1) () () y se llega a lo siguiente
A (
() ()) ( )
X
Se busca luego una solucin en donde R = /
Entonces la solucin del sistema A.x = b estar dado por
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 68
Ejemplo
Resolver el siguiente sistema pentadiagonal
2
+ 3
= 8 Ec(1)
3
+ 2
+ 4
= 15 Ec(2)
+ 4
+ 4
+ 2
= 13 Ec(2)
+ 4
+ 2
= 19 EC(4)
2
+ 7
= 15 EC(5)
PASO DEL ALGORITMO
P-1: Expresar el sistema como A. = b
2
+ 3
= 8 Ec(1)
3
+ 2
+ 4
= 15 Ec(2)
+ 4
+ 4
+ 2
= 13 Ec(3)
+ 4
+ 2
= 19 Ec(4)
2
+
+ 7
= 15 Ec(5)
Sea
= 0
= 1 cte arbitrario
P-2:
DE Ec(1) despejar
= 5
pues 0 + 3(1) +
= 8
DE Ec(2) despejar
= 7
pues 0 + 2(1) +4(8) +
= 15
DE Ec(3) despejar
= 16
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 69
pues 0 + 4(1) + 5 + 4(7) + 2
= 13
DE Ec(4) despejar
; como
, hacemos lo sgte. :
+ 4
+ 2
= 19 +
1 + 4(5) + 2(7) + 16 = 19 +
= 45
De la Ec(5) despejar
; como
hacemos
2
+ 7
= 15 +
2(5) + (7) +7(16) = 15 +
= 100
R = (
) , como R ; A.
= b + R
Se tiene:
=
(
=
(
=(
P-3:
Primera solucin homognea del sistema A.x = b, expresarlo
Como A. =
2
+ 3
= 0 Ec(1)
3
+ 2
+ 4
= 0 Ec(2)
+ 4
+ 4
+ 2
= 0 Ec(3)
+ 4
+ 2
= 0 Ec(4)
2
+ 7
= 0 Ec(5)
Sea
= 10
= 20
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 70
De Ec(1) despejar
= 80
pues 2(10) + 3(29) +
= 0
De Ec(2) despejar
= 250
pues 3(10) +2(20) + 4(8) +
= 0
De Ec(3) despejar
=
pues 10 + 4(20) + (80) + 4(250) + 2
=0
De Ec(3) despejar
; como
hacemos
+ 4
+ 2
= 0 +
20 + 4(80) + 2(250) + (505) = 0 +
= 1445
De Ec(5) despejar
; como
hacemos
2
+ 7
= 0 +
S = (
)
2()+ (250) + 7()= 0 +
= 0
P-4: Segunda solucin homognea del sistema A.x = b
expresar A.
= 0
2
+ 3
= 0 Ec(1)
3
+ 2
+ 4
= 0 Ec(2)
+ 4
+4
+ 2
= 0 Ec(3)
+ 4
+2
= 0 Ec(4)
2
+ 7
= 0 Ec(5)
Sea
= 20
= 10
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 71
De Ec(1) despejar
=
pues 2(20) + 3(10) +
= 0
De Ec(2) despejar
=
3
+ 2
+ 4
= 0
3(20) + 2(10) + 4() +
= 0
De Ec(3) despejar
= 395
+ 4
+ 4
+ 2
= 0
20 + 4(10) + ()+ 4(200) + 2
= 0
De Ec(4) despejar
como
, hacemos
+ 4
+2
= 0 +
= 1925
10 + 4() 2(200) + 395 = 0 +
De Ec(5) despejar
; como
+7
= 0 +
T = .
/= (
) ;
=
(
A.
= + T
P-5: Y se llega a lo siguiente
A.
= b + R
A.
= 0 + S
A.
= 0 + T
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 72
R = 0 R= .
/
+ = R S = .
/
.
/+ .
/= .
/ T = .
/
1445 + 1925 = ; = 0.025992507
2705 = 100 ; = 0.003865364
X =
X =
(
=
(
+ 0.025992507
(
+ 0.003865364
(
X =
(
Comprobacin : Ec(1)
2
+ 3
= 8
0.6744647 + 4.67551134 + 2.65002396 = 8
8 = 8 Cumple!!!
Y tambien cumple tod
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 73
NORMA DE UNA MATRIZ
La Norma de una matriz
*|| || + *+
*|| || + *+
()
()
Para el vector X =
*+
|
| |
| |
|
()
()
()
|| ||
()
-Norma m o Norma ""
-Norma l,
-Norma k,
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 74
Ejemplo 2:
Sea X = ( )
*|| ||+
|| ||
()
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 75
SOLUCION ITERATIVA DE SISTEMAS DE ECUACIONES
LINEALES
PRIMER METODO:
METODO DE JACOBI
Dado el sistema AX=b (1)
Despejamos X de la ecuacin 1 obteniendo un sistema equivalente de la forma: X = + X (2)
De la siguiente manera.
Ec.(1) a
11
X
1
+a
12
X
2
+ .. +a
1m
X
m
= b
1
Ec.(1) a
21
X
1
+a
22
X
2
+ .. +a
2m
X
m
= b
2
Ec.(1) a
31
X
1
+a
32
X
2
+ .. +a
3m
X
m
= b
3
Ec.(1) a
m1
X
1
+a
m2
X
2
+ .. +a
mm
X
m
= b
1
Donde:
Despejamos X; de la Ec. (i); i=1,2,3, . , m
X = +
i-1
X
X
1
=
X
2
=
.
.
.
.
.
.
. (2)
X =|
|
A =
b = |
| y si a
ii
0
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 76
Donde:
= b
i
/a
ii
; a
ii
0 ; = (
1
,
2
, ,
m
)
t
=
ij
= -a
ij
/a
ii
=
El sistema (2) anterior se puede expresar en la siguiente forma X = + X
X = + X
|
| |
| *
+ |
| (2)
El Sistema (2) sugiere Jacobi la siguiente relacin de recurrencia
X
(k+1)
= + X
(k)
, k=0, 1, 2,
.. (3)
X
(k)
= + X
(k-1)
, k=1 , 2,
De la relacin (3) se obtiene la sucesin {X
k
}
k=0
tomando como valor inicial X (0) arbitrario, que
generalmente X
(0)
=0 X
(0)
= =1
Obs. X
(k+1)
= (X
1
(k+1)
,X
2
(k+1)
, , X
m
(k+1)
)
t
X
(0)
= (X
1
(0)
, X2
(0)
, , X
m
(0)
)
t
*
+
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 77
ALGORITMO DE JACOBI:
P-1 Dado el Sistema Ax = b (1)
Expresarlo en el sistema equivalente X = + x (2)
P-2 Tomando como solucin inicial X
(0)
arbitrario generar la sucesin {X
(k)
} X
(*)
mediante la
relacin de recurrencia:
X
(k+1)
= + x
(k)
, k=0, 1, 2, ..
X
(k)
= + X
(k-1)
, k=1,2,
P-3 Dejar de iterar si
(|| X
(k)
X
(k-1)
||)/ || X
(k)
|| <= = 10
-m
C.C. ir al P-2
NOTACION MATRICIAL DEL METODO DE JACOBI
Sea el sistema Ax = b
Donde:
La matriz A se le puede descomponer en la forma A = D +L + U, donde
Matriz Diagonal Matriz Triangular inferior Matriz Triangular superior
*
(-)
*
+
A =
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 78
As el sistema Ax = b se le puede expresar como:
(D + L + U)X = b
DX + (L + U) X = b
DX = b (L + U) X
X = D
-1
b D
-1
(L + U) X
X = D
-1
b + [-D
-1
(L + U)] X = D
-1
b ^ = -D
-1
(L + U)
Si el mtodo de Jacobi es X = + X
Matricialmente es: X = D
-1
b D
-1
(L + U) X
Su relacin de recurrencia es X
(k+1)
= D
-1
b D
-1
(L + U) X
(k)
, k=0, 1, 2
Ejemplo. 1
Sea el sistema siguiente:
Con un = 10
-1
Verificar su convergencia
{X
(k)
} X
(+)
Si || | |
< 1
Obs. Para que se cumpla || | | < 1 es necesario que del sistema Ax = b, A sea diagonalmente
dominante.
De (1) X1: X
1
= 12/10 (-1/10) X2-(1/10)X
3
(2) X2: X
2
= 12/10 (1/10)X
1
(-1/10)X3
(3) X3: X
3
= 12/10 (1/10)X
1
(1/10)X2
(
+
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 79
|| | |
= || | |
m
= Max {0 + |-0.1| + |-0.1|, |-0.1| + 0 + |-0.1|, |-0.1| + |-0.1| + 0}
= Max {0.2, 0.2, 0.2} || | | = 0.2 <= 1 {X
(k)
} X
(+)
POR EL MTODO DE JACOBI
Obs. Se toma como valor inicial X
(0)
arbitrario
X
(0)
K=0 Iteracin Inicial:
X
(k+1)
= + X
(k)
X
(1)
= + X
(0)
Donde
y sea X
(0)
= = ( X
(0)
1
X
(0)
2
X
(0)
3
)
t
X
(1)
= |
()
()
()
| |
| [
] |
| |
|
Donde
X
1
(1)
= 1.2 + (0 -0.1-0.1)(
+ ()() ()()
X
2
(1)
= 1.2 + ( -0.1 0 -0.1)(
+
K=1 1 Iteracin:
X
(2)
= + X
(1)
X
(2)
= |
()
()
()
| |
| [
] |
| |
|
X
(0)
= 0
X
(0)
=
X
(0)
= 1
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 80
Donde:
X
2
(2)
= 1.2 + (0 -0.1 -0.1)(
+ = 1.008
K=2 2 iteracin:
X
(3)
= + X
(2)
X
(3)
= |
()
()
()
| |
| [
] |
| |
|
Donde:
X
(3)
= 1.2 + (0 -0.1 -0.1)(
+ = 0.9984
Veremos si ya se consigui la solucin:
||
()
()
||
||
()
||
{|
|}
{|
|}
{|
|}
10
-1
= X
(3)
= X
(*)
con =10
-1
Ejemplo 2:
Sea el siguiente sistema
Ec (1) 20x1 + 5x3 =2
Ec (2) x1 + 20x2 + 2x3 = 4
Ec (3) x1 + 9x2 + 20x3 = 6
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 81
Por Jacobi verificar su convergencia
CONVERGENCIA DE JACOBI
{
()
} X* Si |||| < 1 .. (i)
Observacin
Para que se cumpla (i)
Es necesario que A del sistema original Ax = b sea diagonalmente dominante, es decir
a
ii
> |a
ij
| de su fila y de su columna
As: a
11
= 20 > = 0 + 5 de su fila
a
11
= 20 > = 1 +1 de su columna
a
22
= 20 > = 1 + 2 de su fila
a
22
= 20 > = 0 + 9 de su columna
Igual para a
33
x
1
=
+ 0 + 0 -
x
2
=
+ 0 -
x
3
=
+ 0
. . .
x = +
|
|
|
|
= |
|
|| || mx.{ 0 + 0 + |
| , |
| + 0 + |
| , |
| + |
| + 0 }
|| || mx.{0.25, 0.15, 0.5 }
|| || 0.5 < 1
{ } X* por jacobi
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 82
Por jacobi obtener una solucin con
Si la relacin de jacobi es = + , k 0, 1,2
Para k = 0
Interaccin inicial
= +
Observacin es arbitraria
Sea =
= = +
.. .
+
Para k = 1
Primera iteracin +
= = +
Donde
= 0.1 +
= 0.1 + (0)(0.1) + (0)(0.2) + (-0.25)(0.3) = 0.025\
= 0.2 +
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 83
= 0.2 + (-0.05)(0.1) + (0)(0.2) + (-0.1)(0.3) = 0.165
= 0.205
Para k = 2
Segunda iteracin +
= = + =
.. ....
k =3
Tercera iteracin +
= = + =
.. ....
Verificamos si se llego a la solucin
=
=
= = 0.03289625 < =
* con <
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 84
SOLUCION MATRICIAL DE JACOBI
Del sistema Ax = b
Sea A = D + L + U
( D + L + U )x = b
Dx + ( L + U)x = b
Dx = b + [-( L + U)x]
x = b + [- ( L + U )]x
..
x = +
la relacin matricial de jacobi
= b + [- ( L + U )]
k = 0, 1, 2
Observacin
= - ( L + U ) es igual al despejar
xi de la ecuacin (i), i = 1, 2, 3
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 85
SEGUNDO METODO:
METODO DE GAUSS- SEIDEL
Tambin determina la solucin del sistema iterativamente.
De la relacin matricial del sistema :
( )
) (
) ()
De () se obtiene la relacin matricial de G-S , siguiente:
Observacin:
*Si
( )
{
*La relacin () se puede obtener al igual que Jacobi del sistema , de la ecuacin
despejar la variable
()
)
()
(
)
()
;
Paso 3: Dejar de iterar si
()
()
()
()
)
()
(
)
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 86
Observacin:
En la convergencia del mtodo de Gauss-Seidel tambin se cumple que:
{
)
}
()
Ejercicios resueltos:
1) Dados:
(
+ (
+ ,
()
(
+
Resuelva el sistema Ax = b por el mtodo de Gauss-Seidel.
Solucin:
Utilizando Gauss-Seidel:
()
)
()
(
)
()
Operando obtenemos la secuencia:
()
(
+
()
(
()
(
+
()
(
()
(
+
()
(
+
Claramente converge a la solucin exacta ( )
.
La tasa de convergencia del mtodo de Gauss-Seidel viene dada por la norma de:
( )
(
+
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 87
Cuyas normas son:
= 227/500 = 0.454 y
= 2/5 = 0.4.
2) Considere el siguiente sistema de ecuaciones:
(
+ (
+
Puede resolver este sistema por el mtodo de Gauss-Seidel? Por qu? Si lo puede hacer,
haga solo dos iteraciones a partir de la solucin nula y determine la tasa numrica de
convergencia. Adems calcula la tasa exacta de convergencia. Cuntas iteraciones
necesitar para alcanzar un error absoluto de
.
Solucin:
El mtodo de Gauss-Seidel es aplicable porque por que la matriz es simtrica definida
positiva. Dos iteraciones conducen a:
()
( )
()
( )
()
( )
Y la tasa de convergencia numrica la podemos calcular como (en norma infinito)
()
()
Que se parece poco a la tasa de convergencia exacta:
(( )
)
NOTA: Calculando con ms iteraciones nos acercamos a la tasa terica, por ejemplo:
()
()
Para alcanzar (en norma infinito) un error absoluto menor que
se requieren 13
iteraciones.
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 88
Ejemplo 1
Sea el sistema:
Por el mtodo de Gauss-Seidel
Analizar su divergencia
Hallar su solucin con
Solucin:
Analizar su divergencia
[
]
L [
]
Luego:
(L )
[
] [
] [
]
[
]
* +
{X (k)} X*
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 89
Hallar su solucin con
[
] [
] [
]
De
()
L-[
()
] ,
-
()
Sea
()
()
()
()
[
]
()
L-[
()
] ,
-
()
()
()
()
()
[
] [
]
()
()
()
[
] [
()
()
()
()
()
()
()
()
()
()
[
]
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 90
: 1era Iteracin
()
L-[
()
] ,
-
()
()
()
()
()
[
] [
]
()
()
()
[
] [
()
()
()
()
()
()
()
()
[
]
: 2da Iteracin
()
L-[
()
] ,
-
()
()
()
()
()
[
] [
]
()
()
()
[
] [
()
*
()
()
()
+
()
()
()
()
[
]
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 91
: 3era Iteracin
()
L-[
()
] ,
-
()
()
()
()
()
[
] [
]
()
()
()
[
] [
()
()
()
()
[
()
()
()
|
|
|
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 92
Ejemplo 2
Sea el sistema:
Por el mtodo de Gauss-Seidel
Analizar su divergencia
Hallar su solucin con
Solucin:
Analizar su divergencia
[
]
[
]
Luego:
( )
[
] [
] [
]
* +
{X
(k)
} X
*
Hallar su solucin con
[
] [
] [
]
De
()
-[
()
] ,
-
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 93
Sea
()
()
()
()
[
]
()
-[
()
] ,
-
()
()
()
()
()
[
] [
]
()
()
()
[
] [
()
()
()
()
()
[
]
: 1
era
Iteracin
()
-[
()
] ,
-
()
()
()
()
()
[
] [
]
()
()
()
[
] [
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 94
()
()
()
()
[
]
: 2da Iteracin
()
-[
()
] ,
-
()
()
()
()
()
[
] [
]
()
()
()
[
] [
()
()
()
()
[
()
()
()
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 95
Ejemplo 3
Sea el sistema:
Por el mtodo de Gauss-Seidel
Analizar su divergencia
Hallar su solucin con
Solucin:
Analizar su divergencia
[
]
[
]
Luego:
( )
[
] [
] [
]
[
]
* +
{X
(k)
} X
*
Hallar su solucin con
[
] [
] [
]
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 96
De
()
-[
()
] ,
-
()
Sea
()
()
()
()
[
]
()
-[
()
] ,
-
()
()
()
()
()
[
] [
]
()
()
()
[
] [
()
()
()
()
()
()
()
()
()
()
[
]
: 1
era
Iteracin
()
-[
()
] ,
-
()
()
()
()
()
[
] [
]
()
()
()
[
] [
]
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 97
()
()
()
()
()
()
()
()
[
]
: 2
da
Iteracin
()
-[
()
] ,
-
()
()
()
()
()
[
] [
]
()
()
()
[
] [
()
*
()
()
()
+
()
()
()
()
[
]
: 3
era
Iteracin
()
-[
()
] ,
-
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 98
()
()
()
()
[
] [
]
()
()
()
[
] [
()
()
()
()
[
()
()
()
|
|
|
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 99
DIFERENCIA NUMERICA
- Aproximaciones a la Derivada
- Generacin de Formulas de Diferenciacin Numrica
- Primera y Segunda Derivada Aplicando los Mtodos de Newton Progresivo y
Regresivo y Mtodos Centrales.
Diferenciacin numrica
Dado una tabla de (n+1) puntos igualmente espaciados de la forma:
(X
0
, f
0
), (X
1
, f
1
), (X
n
, f
n
) continua y diferenciable en [X
0
, X
n
]. El problema de la
Diferenciacin Numrica es que dado un valor Xp [X
0
, X
n
] se desea hallar el valor
tal que
, donde:
P
()
P
(
P)
()
Frmula de Newton Progresivo (N P):
Si Xp = X
0
en (i) P = 0
frmula de NP es:
P(P)
P(P)(P)
P(P)(P)(P)
!
Segn (ii)
(P
P)
(P
P)
(P
P)
!
1
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 100
(P)
(P
P)
(P
P)
!
1 ()
Si X
P
=X
0
en (i) P=0 en (iii)
-
DIFERENCIACION DE ORDEN SUPERIOR
Se desea hallar
) en forma aproximada
. Adems P
)
(
))
Si se sabe
En general se tiene
n
(P )
.
P
1
Si X
P
=X
0
P=0
1
Formula de Newton Regresivo (NR). Su formula de interpolacin es:
P(P )
P(P )(P )
!
Segn (ii)
(P
P)
(P
P)
!
(P
P)
(P )
(P
P )
(P
P )
!
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 101
Si X
P
=0 P=0
1
Nota: Para determinar la 1ra derivada se debe tomar una diferencia ms que la que indica la
T O T en el caso de interpolacin.
DIFERENCIACION DE ORDEN SUPERIOR
(P )
.
P
1
P
1
Ejemplo: En la siguiente tabla determinar (a)
y (b)
() por NP
X
f(X)
2
3
0.00 1.0000 513 26 1
0.05 1.0513 539 27 3
0.10 1.1052 566 30 0
0.15 1.1618 596 30
0.20 1.2214 626
0.25 1.2840
Solucin(a):
Solucin (b)
()
.
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 102
H=0.05 P
X
0
f
0
f
0
2
f
0
3
f
0
0.05 1.0513 539 27 3
S
P
(P)
(P
P)
!
1
()
0
()()
0
()
()
1 ()1
Ejemplo de la Frmula Newton Regresivo
Hallar(a)
() y (b)
()
Solucin (a)
Para P=0 y |
| se utiliza
()
()
Solucion(b)
P
P
P
P
(P)
(P
P)
!
1
()
0 0
()
1 () 0
()
()
1 ()1
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 103
FRMULA DE DIFERENCIACIN DE BESSEL
]
S
P(P)
P(P)(P)
Si X
P
es un punto tabulado X
P
=X
0
P=0
1
FRMULA DE DIFERENCIACIN DE STIRLING
) ]
S
P(P)(P)
(!)
P S
(P)(P)
!
1 P
(P
)
En X
P
=X
0
P=0
0
(
1
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 104
Ejemplo 3: Hallar(a)
(), (b)
( )
Solucin(a)
()
Como 0.10 [0.10, 0.15]
P -
Sg
g |
Sg
] ()
P ()
1
En la tabla se tiene:
1
Solucin (b)
()
P
,-
P
| ()
()
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 105
()
,()() ( ) ()()-
INTEGRACIN NUMERICA
Para intervalos Simples
Mtodo del trapecio
()
()
, m *X
0
, X
1
]
Donde
()
= max * |
()
| |
()
| +
Mtodo de Simpson de 1/3
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 106
()
, m [X
0
, X
1
]
Donde
()
* |
()
| |
()
| +
Mtodo de Simpson de 3/8
()
()
()
* |
()
| |
()
| +
Ejemplo:
)
Por el trapecio Simple
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 107
Solucin:
X f(x)
X
0
=1 f
0
=0.841471
X
0
+h=X
1
=2 f
1
=1.818595
Obs: Los puntos X
i
son dela forma X
i
=X
0
+h
i
Determinacin del
Si
()
()
()
()
* |
()
| |
()
| +
()
* || || +
()
()
Entonces
)
Solucin por el mtodo Simpson de 1/3 para intervalo simple
Sol:
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 108
X f
(x)
X
0
=1 f
0
=0.841471
X
0
+h=1.5 f
1
=1.496242
X
0
+2h=2 f
2
=1.818595
Determinacin del
Si
()
()
()
* |
()
| |
()
| +
()
* +
()
()
Entonces:
()
Por Simpson 3/8 para intervalo Simple
Sol:
()
* +
()
()
Integracin Numrica para intervalos compuestos
Mtodo del trapecio compuesto
m veces h
Demostracin:
()
()
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 110
()
Entonces la suma todas las integrales seria:
()
,(
) (
)-
Determinacin del del trapecio
( )
()
Mtodo de Simpson de 1/3 compuesta.
Demostracin:
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 111
Entonces la suma de todas las integrales seria:
()
,(
) (
) (
)-
Determinacin del de Simpson de 1/3 compuesta
()
()
()
( )
()
Ejemplo:
Por trapecio compuesto con m=5
Sol:
X f
(X)
X
0
=1 f
0
X
1
=1.2 f
1
X
2
=1.4 f
2
X
3
=1.6 f
3
X
4
=1.8 f
4
X
5
=2 f
5
()
()
()
()
()
,(
) (
)-
= 1.436070589 +
Es igual al ejemplo
del trapecio simple
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 112
Simpson de 1/3 compuesto con m=3
X f
(X)
X
0
=1 f
0
X
1
=7/5 f
1
X
2
=8/6 f
2
X
3
=9/6 f
3
X
4
=10/6 f
4
X
5
=11/6 f
5
X
6
=2 f
6
=f
m
( )
()
( )
()
,(
) (
) (
)-
2.493614005 +
Es igual al ejemplo
de Simpson de 1/3
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 113
EXTRAPOLACION DE RICHARDSON- (E.R)
Definicin ER: Consiste en que a partir de dos estimacin (o aproximaciones) de una integral, obtener
una tercera aproximacin (muchas veces la mejor).
Se tiene los siguientes casos:
Para intervalos simples:
ER entre la Regla del trapecio y la 1 formula abierta (Integracin abierta) ambas de precisin uno
porque
()
Sea
()
1 Regla Abierta de Newton Cotes:
El valor de la integral I* (generalmente es el mejor).
Que se cumple:
()
Tomando el cociente de errores
( )
()
( )
()
( )
Supongamos que:
()
()
()
() (
)
(
()
( )
() (
)
( )
()
( )
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 114
(2) en (1)
)
(3) en (1)
()
E.R. entre la R. trapecio Simple y la primera formula abierta
FORMULA EXTRAPOLACION -(ER) ENTRE TRAPECIO SIMPLE
Y 1
RA
FORMULA ABIERTA.
Ejemplo:
Calcular (
()
Aplicando: 4 es decir:
= 1 + 1(1)
= 2
= 1 + 2(1)
= 3
( )
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 115
()
()()
Aplicando (4)
()
()
()
E.R. ENTRE LAS FORMULAS DE SIMPSON DE 1/3 Y 3/8 SIMPLE
Se sabe que para Simpson de 1/3 para intervalo simple es:
()
() (
() ( )
( )
()
Y que para Simpson de 3/8 es:
f1
f(X)
x0 x2 x1
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 116
()
() (
()
( )
() ( )
()
Sea el siguiente cociente de errores:
( )
()
( )
()
( )
Si
()
()
()
(2) en (1):
) ()
(3) en (1):
)
(4)`
Ejemplo:
Aplicando la frmula
para hallar:
(
Solucin:
()
Formula De Extrapolacin entre
Simpson de 1/3 y Simpson de 3/8
para Intervalo Simple
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 117
()
()
( () )
()
()
()
( () () )
()
()
}
(E.R) PARA EL TRAPECIO COMPUESTO
Sea:
()
Para
Para
X
0
+1h =
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 118
( )
()
( )
()
; ( )
Si:
()
()
()
(2) en (1):
[ .
()
(3) en (1):
Para
en (3). Se tiene:
()
(4) en (1)
Extrapolacin de Richardson (E.R.)
para el Trapecio Compuesto para n1 y
n2.
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 119
Ejemplo 1:
Calcular (
) y despues cuatro
aplicaciones (
) de la regla del Trapecio compuesto y despues aplicar E.R. para encontrar una
3 aproximacion (que es la mejor).
Solucin:
- ()
Se tiene:
Para:
)
Como
( ())
Para:
)
Como
()
()
1 1
2 9
2.5
()
1 1
1.5 4
2.5 15
3 25
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 120
. (
)/
. (
)/
Aplicando:
()
()
Ejemplo 2:
Evaluar
()
/*
Para:
()
1 1
2 1/2
1/3
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 121
()
/*
E.R. PARA LAS REGLAS DE SIMPSON DE 1/3 COMPUESTO
Sea
()
) (
-
Donde
son aproximaciones de
Aplicando
( )
()
( )
()
; ( ) ()
Si
()
()
()
()
()
()
1 1
1.5 2/3
1/2
2.5 2.5
3 1/3
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 122
()
Para:
en ()
) ()
()
()
)
()
Ejemplo (1):
Para
( )
Para
X f(X)
X
0
=1 f
0
X
1
=1.5 f
1
X
2
=2 f
2
X f(X)
X
0
=1 f
0
X
1
=2 f
1
Extrapolacin de Richardson (E.R.)
entre las reglas de Simpson de 1/3
compuesto para
aplicaciones.
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 123
()()
Entonces:
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 124
INTEGRACION DE ROMBERG
Es un mtodo que combina la convergencia de las reglas del Trapecio o Simpson con las tcnicas de
extrapolacin de Richardson para retener una sucesin que converge hacia el verdadero valor de la
integral.
Descripcin de la tcnica de integracin de Romberg
Vamos a introducir la
, la aproximacion de la integral ()
.
Para:
1 2 4 8
La integracin de Romberg da su respuesta en forma matricial:
Se sugiere hallar
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . .
() () (
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 125
()
(() ())
Obs: Para las dems filas y columnas se sugiere hallar con la siguiente formula
De la segunda columna hacia adelante se calculara con la siguiente frmula:
Para la segunda columna se utilizara:
Para la tercera columna k=3 ser:
Para la cuarta columna k=4 ser:
Para la quinta columna k=5 ser:
Para la sexta columna k=6 ser:
()
( (
i = 2, 3, 4,n
j = 2, 3, 4,n
k = 2,3,
k = 3,4,
k = 4,5,
k = 5,6,
k = 6,7,
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 126
Ejercicio 1
Hallar
Realizando la tabla
1 2 3 4 5 6
1 2 4 8 16 32
0.8 0.4 0.2 0.1 0.05 0.025
Hallamos la primera fila y columna
() () (
Cuando K = 1
[() () (
,() ()-
()
()
()
, -
Calculando la primera columna y dems filas.
()
( (
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 127
Cuando K = 2
0
()
( (
1
Cuando K = 3
0
()
( (
1
Cuando K = 4
0
()
( (
1
Cuando K = 5
0
()
( (
1
Cuando K = 6
0
()
( (
1
PARA LOS VALORES DE LA SEGUNDA COLUMNA:
Cuando K = 2
Cuando K = 3
Cuando K = 4
Cuando K = 5
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 128
Cuando K = 6
PARA LOS VALORES DE LA TERCERA COLUMNA:
Cuando K = 3
Cuando K = 4
Cuando K = 5
Cuando K = 6
PARA LOS VALORES DE LA CUARTA COLUMNA:
Cuando K = 4
Cuando K = 5
Cuando K = 6
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 129
PARA LOS VALORES DE LA QUINTA COLUMNA:
Cuando K = 5
Cuando K = 6
PARA LOS VALORES DE LA SEXTA COLUMNA:
Cuando K = 6
LA MATRIZ FINAL SER:
0.712173
0.594777 0.55545
0.564899 0.554939 0.554891
0.557395 0.554889 0.554889 0.554888
0.555517 0.554890 0.554890 0.554890 0.554890
0.555047 0.554890 0.554889 0.554889 0.554889 0.554889
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 130
SOLUCIN NUMRICA DE ECUACIONES DIFERENCIALES
ORDINARIAS CON VALOR INICIAL.
I) De un solo paso:
Dada la Ecuacin Diferencial Ordinaria:
Con la condicin inicial:
a) Mtodo de Euler:
Es de la forma:
O
Observacin:
Euler es un caso particular de Taylor de orden 1.
Ejemplos resueltos:
1 forma de pregunta
1) Dado:
Con:
()
Hallar: ()
( ) /
( )
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 131
Solucin:
Como:
Entonces:
Para i=0 ,
Donde:
() (
Luego:
()
Donde:
Reemplazando en ():
()()()()
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 132
2 forma de pregunta
2) Dado:
Con:
()
Hallar: () para , - , con n=4
Solucin:
Como:
0 1 2 3 4
1 1.25 1.5 1.75 2
()
()
()
()
Para i=0, con (
) ( )
Para i=1, con (
) ( )
Para i=2, con (
) ( )
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 133
Para i=3, con (
) ( )
Para i=4, con (
) ( )
b) Mtodo de Taylor de orden K:
Es de la siguiente forma:
()
!
O
(
) (
)
!
)
!
)
!
()
(
)
!
Donde:
El error local es de la forma:
()
(
)
!
Ejemplos resueltos:
1 forma de pregunta
Dado:
()
Con:
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 134
Por Taylor de orden 3 hallar: ()
Solucin:
Como:
Y de () se sabe que:
Luego, Taylor de orden 3 es de la forma:
!
Para i=0 con (
) ( )
!
Se requiere hallar:
()
()
Derivando ()
()
() ()()
Derivando ()
(()() ()())
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 135
Por ltimo, reemplazando:
)()
!
()
()
!
()
()
!
()
2 forma de pregunta
Dado:
()
Con:
()
Por Taylor de orden 3 en el segmento , - con n=2, hallar: ()
Solucin:
Como:
Determinamos los puntos:
, -
Para i=0 con (
) ( )
(Resuelto anteriormente)
Para i=1 con (
) ( )
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 136
!
Se requiere hallar:
De ()
()
Derivando ():
()
() ()()
Derivando ()
(()() ()())
Luego, reemplazando:
()()
!
()
()
!
()
()
!
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 137
Para i=2 con (
) ( )
!
Se requiere hallar:
De ()
()
Derivando ():
()
() ()()
Derivando ()
(()() ()())
Luego, reemplazando:
()()
!
()
()
!
()
()
!
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 138
PREDICTOR CORRECTOR
Como su nombre lo indica
se predice un valor
) y sus precedentes donde cada pto precedente indica un paso, de aqu su nombre como
mtodo de mltiples pasos. A diferencia de los mtodos de Runge-Kuta, Taylor, Euler, que son
mtodos de un solo paso (Para
utiliza la informacin de
)
Ejemplo:
Usando el mtodo predictor corrector
Con h=0.5, hallar
()
sabiendo que satisface:
Solucin:
()
Y h=0.5
Por condicin del problema.
()
()
Para aplicar el predictor corrector, se necesita hallar
orden
(puede ser Taylor, o RK), Sea RK-4.
()
()
()()
)
(())
()
()()
()()
Predictor:
Corrector:
)
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 139
)
( ()())
()
()
()()
(())
()
()
()()
()
()()
()()
Aplicando el predictor:
()
()()
()
()
()
()()
Aplicando el corrector:
()
( )
()
este es el corrector
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 140
ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR
Una ecuacin diferencial ordinaria de orden n se puede transformar en un sistema de EDO de orden
1.
As se tiene una EDO de orden n:
con las condiciones iniciales
(
()
n condiciones iniciales
Sea las sgtes transformaciones
n
(n)
Se tiene
n
(
()
)
Sea
)
=
Ejemplo 1: La Sgte. EDO de
orden
Con
()
()
()
Como un conjunto de ecuaciones de
orden
Solucin: De
Sea
()
()
()
()
()
()
n(
()
(
()
)
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 141
La EDO de
orden sgte:
Matricialmente se tiene:
=
Con las Sgts. condiciones iniciales
=
()
Ejemplo 2:
Dado
con
()
()
()
()
Expresar como un sistema de EDO de
orden
Solucin
Sea
El sistema de EDO de
orden es:
()
()
()
()
()
()
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 142
Matricialmente
= = ,i=0,1,2
Sea
)
()
=
()
()
()
()
()
()
()
()
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 143
CONCLUSIONES
Ventajas y desventajas de los mtodos iterativos comparados con los mtodos directos
Ventajas:
Probablemente son ms eficientes que los mtodos directos para sistemas de orden
muy alto.
Ms simples de programar.
Pueden aprovecharse una aproximacin a la solucin, si tal aproximacin existe.
Se obtiene fcilmente bajo aproximaciones burdas de la solucin.
Son menos sensibles a los errores de redondeo (valiosos en sistemas mal
condicionados).
Se requiere menos memoria de maquina. Generalmente, las necesidades de
memoria son proporcionales al orden de la matriz.
Desventajas:
Si se tiene varios sistemas que comparten la matriz coeficiente, esto no representara
ahorro de clculos ni tiempo de maquina, ya que por cada vector a la derecha de A
tendr que aplicarse el mtodo seleccionado.
Aun cuando la convergencia este asegurada, puede ser lenta y, por; lo tanto, los
clculos requeridos para obtener una solucin particular no son predecibles.
El tiempo de maquina y la exactitud del resultado dependen del criterio de
convergencia.
Si la convergencia es lenta, los resultados deben interpretarse con cautela.
No se tiene ventaja particular alguna (tiempo de maquina por iteracin) si la matriz
coeficiente es simtrica.
No se obtiene la inversa de A ni el determinante de A.
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 144
INTEGRANTES
1. ALARCON MONRROY, ALEXANDER.. 08190032
2. ALVARADO LACMA, MARCIAL09190023
3. CORREA GALLUFFE, BORIS..08190144
4. CESPEDES BURGOS, JUAN.04190205
5. CAQUI PINTADO, GABRIEL...09190107
6. CASTILLO VELASQUEZ, JUAN.09190026
7. CALDERON HUAMAN, DAVID JESUS..10190264
8. DELGADO ARPITA, MIGUEL.07190020
9. GOMERO GOMERO, CARLOS J.09100168
10. HUAMANI QUISPE, JUAN PABLO.03190038
11. LOPEZ PORRAS, JUAN JOSE..09190116
12. MARIANO CABELLO, ISIDRO...09190118
13. MENDOZA GUZMAN, JORGE07190151
14. MEJIA SANCHEZ, JOSE EDUARDO08190173
15. ROSALES LEON, FERNANDO JESUS09190171
16. RODRIGUEZ ALVARADO, JORGE...08190051
17. RIVERA YANAC, VLADIMIR..09190139
18. SUEROS ZARATE, JONATHAN.08190094
19. TUOQUE MEZA, JOB JOSUE05190041
20. VILLA FLORES, DANIEL..06190148
21. ZAMORA MONTENEGRO, RONEL.09190020
22. ZELADA LOPEZ, ROYBHER FRANK.09190153