Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
PASTO
Enero de 2013
TABLA DE CONTENIDO
UNIDAD I:
Conceptos Bsicos, Exactitud y Races de Ecuaciones.
C
CA
APPIITTU
ULLO
O 11:: C
CO
ON
NC
CEEPPTTO
OSS B
BA
ASSIIC
CO
OSS
74
C
CA
APPIITTU
ULLO
O 22:: R
RA
AIIC
CEESS D
DEE EEC
CU
UA
AC
CIIO
ON
N
UNIDAD II:
Sistemas de Ecuaciones Lineales, No Lineales
e Interpolacin.
C
CA
APPIITTU
ULLO
O 33:: SSO
OLLU
UC
CII
N
ND
DEE SSIISSTTEEM
MA
ASS D
DEE EEC
CU
UA
AC
CIIO
ON
NEESS LLIIN
NEEA
ALLEESS
YY N
NO
O LLIIN
NEEA
ALLEESS..
C
CA
APPIITTU
ULLO
O 44:: IIN
NTTEER
RPPO
OLLA
AC
CIIO
ON
N
UNIDAD III:
Diferenciacin, Integracin Numrica y Solucin de Ecuaciones
Diferenciales.
C
CA
APPIITTU
ULLO
O 55:: D
DIIFFEER
REEN
NC
CIIA
AC
CII
N
N ee IIN
NTTEEG
GR
RA
AC
CIIO
ON
NN
NU
UM
MEER
RIIC
CA
A..
177
..
180
186
189
198
C
CA
APPIITTU
ULLO
O 66:: SSO
OLLU
UC
CIIO
ON
ND
DEE EEC
CU
UA
AC
CIIO
ON
NEESS D
DIIFFEER
REEN
NC
CIIA
ALLEESS..
216
217
Una pregunta muy natural que surge al introducirse en el estudio de los mtodos
numricos, es la siguiente:
El precio que hay que pagar es el de clculos cada vez ms largos y tediosos y aqu es
donde hace acto de presencia la poderosa herramienta computacional, que nos permite
hacer clculos largos y tediosos en poco tiempo y con mayor exactitud que si los
hiciramos a mano. Esta gran herramienta hace factible el camino de los mtodos
numricos pues de otra forma, seran muy lentos los procesos y con mucho riesgo de
cometer errores en cada paso.
Por otro lado, cabe mencionar que para poder elaborar un buen programa de
computacin, aparte de manejar un lenguaje determinado, debemos saber realizar el
proceso "a mano", ya que esto nos permitir implementar un mejor programa que
contemple todas las posibles piedras en el camino.
Cmo?
Mtodo o
Algoritmo
pasos
consecutivos
lgicos
ordenados
Programa:
Cmo?
Programa
C, Matlab, Excel
UNIDAD I:
Conceptos bsicos, exactitud y races de ecuaciones.
Errores
Truncamiento
Errores
Redondeo
Ejemplo
11
En ambos casos, el error absoluto es igual!, pero obviamente tiene mayor trascendencia
el error en el caso del clavo que en el caso de la varilla, es decir, necesitamos comparar el
error absoluto contra el valor verdadero y esto da lugar a las siguiente definicin.
Desde luego, las dos preguntas corresponden a lo mismo. Slo en raras ocasiones los
datos proporcionados sern correctos, puesto que suelen originarse errores en el proceso
de medida. De modo que hay un error probable en la informacin de entrada. Adems, el
propio algoritmo introduce error, quiz redondeos inevitables. La informacin de salida
contendr entonces error generado por ambas fuentes.
12
Dgitos Significativos:
Son aquellos nmeros diferentes de cero, en una cifra o guarismo, leyendo de izquierda a
derecha; empiezan con el primer dgito diferente de cero y terminan con el tamao que
permitan las celdas que guardan la mantisa.
Exactitud:
Se refiere a la cercana de un nmero o de una medida al valor verdadero que se supone
representa.
Precisin:
Se refiere al nmero de cifras significativas que representan una cantidad, a esto se
refiere cuando se habla de doble precisin, dependiendo de la mquina que estemos
utilizando.
Errores Sistemticos:
Debidos a la imprecisin de los aparatos de medicin.
Errores Accidentales:
Debidos a la apreciacin del observador y otras causas.
Errores de Truncamiento:
13
Error de Redondeo:
Se ocasiona debido a las limitaciones propias de la mquina para representar cantidades
que requieren un gran nmero de dgitos.
Dependiendo de como se redondea puede ser de dos formas.
Ms Errores
Existen mas errores, pero los tipos de error que estudiaremos a fondo sern:
1) Error absoluto
2) Error relativo
3) Error relativo Aproximado
4) Error aritmtico de la computadora
Error absoluto
Debido a que la ecuacin se dio en trminos del valor absoluto, el error absoluto no es
negativo. As pues, una coleccin (suma) de errores siempre se incrementan juntos, sin
reducirse. Este es un hecho demasiado pesimista, dado que el redondeo y otros errores
rara vez estn en la misma direccin, es posible que la suma ("algebraica") de errores sea
cero, con aproximadamente la mitad de los errores positiva y la otra mitad negativa. Pero
tambin es demasiado optimista esperar que errores con signo sumen cero a menudo. Un
enfoque realista es suponer que los errores, en especial el redondeo, estn
estadsticamente distribuidos.
Error relativo
Error relativo =
con la condicin de p
0.
Ejemplo
16
Ejemplo
p=0.3x10-3
p*=0.31x10-3
Calcular el error absoluto y el error relativo.
Ejemplo
p=0.3x104
p*=0.31x104
Calcular el error absoluto y el error relativo.
Conclusin:
Como una medida de precisin el error absoluto puede ser engaoso y el error relativo es
ms significativo.
Definiciones
1) Error relativo aproximado = ERA
17
2) Tolerancia = (0.5x102-n) %
Ejemplo
Usando la serie de Taylor con xo=0
Encontrar e1.5 con tres cifras significativas. Se desea saber tambin: En cuntas
iteraciones se cumple el trmino de convergencia?
SOLUCION:
Como n = 3, entonces:
Tolerancia = (0.5x102-3) % = 0.05%
Trmino de convergencia: ERA < Tolerancia
ERA = ((Valor actual - Valor anterior)/ Valor actual) 100%
18
19
20
EJEMPLO
Encontrar cos( / 6) con n = 2 (2 cifras significativas), donde =180o = 3.1416 radianes
Para i=1
Cos( / 6) = 1
i=2
21
EJEMPLO:
Ejemplo
22
como sigue:
En seguida, usamos la serie, agregando un trmino cada vez, para obtener nuevas
aproximaciones hasta que se logre que
#
trminos
Aprox. al
valor e
Error
aproximado
50%
2.5
20%
2.666666667
6.25%
2.708333333
1.54%
2.716666667
0.307%
2.718055556
0.051%
2.718253968
0.007%
2.718278770
0.0009%
24
25
El error de redondeo se origina porque una mquina involucra nmeros con slo un
nmero finito de dgitos; por lo tanto, los clculos se realizan con representaciones
aproximadas de los nmeros verdaderos. Dicho de otra manera, el error de redondeo se
debe a la naturaleza discreta del sistema numrico de mquina de punto flotante, el cual a
su vez se debe a su longitud de palabra finita. Cada nmero (real) se reemplaza por el
nmero de mquina ms cercano. Esto significa que todos los nmeros en un intervalo
local estn representados por un solo nmero en el sistema numrico de punto flotante.
En una computadora se almacena una parte fraccionaria llamada la mantisa junto con una
parte exponencial llamada caracterstica; adems de un espacio para el signo.
Error de redondeo
Error de truncamiento
26
Este tipo de error ocurre cuando un proceso que requiere un nmero infinito de pasos se
detiene en un nmero finito de pasos.
Que
es
el
residuo
o
error
de
truncamiento
asociado
con
Pn.
f(x)=Pn(x)+Rn(x)
En el caso especfico de que xo=0 el polinomio de Taylor se conoce como el polinomio de
Maclaurin y la serie de Taylor se conoce como la serie de Maclaurin.
Ejemplo
Determine el polinomio de Taylor de segundo grado y tambin el de tercer grado para
f(x)=cos(x) respecto a xo=0 y use este polinomio para aproximar cos (0.01)
27
SOLUCION:
Polinomio de Taylor de segundo orden.
Calculando derivadas:
Donde
a lo ms es 1 por lo que
28
29
Donde
a lo ms es 1 por lo que
Conclusin:
Las dos primeras partes del ejemplo ilustran los 2 objetivos de los mtodos numricos. El
primero es obtener una aproximacin que los polinomios de Taylor ofrecen en ambas
partes.
El segundo objetivo consiste en determinar la exactitud de la aproximacin (error de
truncamiento).
En este caso el polinomio de tercer grado proporciona una exactitud mayor o un error de
truncamiento menor.
Ejemplo
Sea f(x)=x3
SOLUCION:
30
Ejemplo
Calcular f(x)=x3 para un polinomio de Taylor de segundo grado con xo=1.
31
Es el Error de Truncamiento
32
Mtodos preliminares
Los mtodos numricos para tratar los problemas relacionados con races de una
ecuacin, sirven para obtener aproximaciones a las soluciones de ecuaciones de
las cuales no es posible obtener respuesta exacta con mtodos algebraicos (Solo
respuestas aproximadas). Por ejemplo, la ecuacin:
1564000=1000000*e
-1)
33
Ejemplos.
2
1. Las races de f ( x) x 9 son x 3 y
x 3 .
4
2
2. La funcin f ( x) x x 1 no tiene races.
3. La funcin
34
Sea
f (x)
contnua en un intervalo
a, b
y supongamos que
f (a) z f (b) ,
tal que
existe un
f (a) f (b) .
x0 a, b
tal que
En particular, si
f (a)
es precisamente
z 0,
debe existir
de
f (x)
x0 a, b
f (b)
en el intervalo (a, b) .
Sea
f (x)
continua,
xa , xb
tales que
f ( xa )
y f ( xb ) tienen signos
35
xa
xb :
f ( xa )
f ( xr )
xa , xr .
xr , xb .
f ( xr ) 0
Es decir,
36
En otras palabras:
Este es uno de los problemas de aproximacin ms antiguos y sin embargo la
investigacin correspondiente todava contina.
Supongamos que f(x) es una funcin contina definida en el intervalo [a, b] con
f(a) y f (b) de signos diferentes.
El de biseccin nos dice que de acuerdo al teorema del valor intermedio existe un
nmero p en a, b tal que f(p)=0.
Aunque el procedimiento en el caso en que f(a) y f(b) tengan signos diferentes y
exista ms de una raz en el intervalo (a,b), por razones de simplicidad suponemos
que la raz de este intervalo es nica.
Figura. f (p1) tiene signo diferente a f(a1) entonces ac est la raz; f(p1) tiene
signo igual a f(b1) entonces esta mitad se elimina.
si f(p1)=0 entonces p=p1
si f(p1) y f(a1) tienen el mismo signo, entonces p (p1,b1) y a2=p1 y b2=b1
si f(p1) y f(a1) tiene signos opuestos entonces p (a1,p1) y a2=a1 y b2=p1
37
Para PN 0
Donde representa la tolerancia permitida con respecto al error relativo. Al trabajar
programas de computadora conviene fijar el nmero mximo de iteraciones que se
efectuaron.
Aproximar la raz de
f ( x) e x ln x
hasta que
a 1% .
38
SOLUCION
1,1.5 .
f (x)
sin embargo, para poder aplicar el mtodo de biseccin debemos chequear que
f (1) y
mientras que
ii) Evaluamos
iii)
Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos la
siguiente tabla:
39
1.25,1.5.
Aqu podemos calcular el primer error aproximado, puesto que contamos ya con la
aproximacin actual y la aproximacin previa:
Evaluamos
1.25,1.375.
40
Error
aprox.
1.25
1.375
1.3125
1.28125
1.296875
1.3046875
9.09%
4.76%
2.43%
1.20%
0.59%
Ejemplo:
Encontrar la raz de:
intervalo [1,2], se sugiere trabajar con cuatro cifras significativas despus del
punto decimal. Y usar a.
a =10-4 o a =0.0001 o sea que el error relativo sea menor a 0.0001.
En resumen:
an
Bn
Pn
f(pn)
1.5
2.375
1.5
1.25
-1.7068
41
1.25
1.5
1.375
0.16214
1.25
1.375
1.3125
-0.8483
1.3125
1.375
1.343
-0.333
1.343
1.375
1.359
-0.102
1.359
1.375
1.367
0.029
1.359
1.367
1.363
-0.036
1.363
1.367
1.365
-0.0037
10
1.365
1.367
1.366
11
1.365
1.366
1.3655
0.0044
12
1.365
1.3655
1.36525
0.0003
13
1.365
1.36525
1.36515
-0.0021
14
1.36515
1.36525
1.36517
-0.0009
Ejemplo:
Aproximar la raz de
f ( x) arctan x x 1
hasta que
a 1% .
SOLUCION
f (x)
se localiza en
el intervalo 0,1 . Para poder aplicar el mtodo de biseccin, es importante checar que s
se cumplen las hiptesis requeridas.
Sabemos que f (x) es contnua en el intervalo 0,1 , y checamos que
tengan signos opuestos.
f (0)
f (1)
En efecto,
42
Mientras que,
Evaluamos
f (x) .
Puesto que
intervalo
f (0.5)
0.5,1 .
f (1)
En este punto, solo contamos con una aproximacin, a saber, xr1 0.5 , que es el
primer punto medio calculado.
Repetimos el proceso, es decir, calculamos el punto medio ahora del intervalo 0.5,1 ,
43
f (x) .
Evaluamos
Puesto que
intervalo
f (0.5)
0.5,0.75 .
f (0.75)
44
Aprox. a la raz
0.5
0.75
0.625
0.5625
0.53125
0.515625
0.5234375
0.51953125
Error
aprox.
33.33%
20%
11.11%
5.88%
3.03%
1.49%
0.75%
xr8 0.51953125
45
46
En el caso de que f(C)*f(b) sea la que haya dado el producto menor a cero, o sea
negativo, entonces ahora a equivaldr a C, y se repite el clculo para encontrar una nueva
C.
47
EJEMPLO:
Encontrar la raz de f(x)=cosx por el mtodo de la falsa posicin en el intervalo
[1,2] y s =0.001.
SOLUCION:
a=1, b=2
f(a=1)=cos 1 = 0.5403
f (b=2)=cos 2 = -0.4161
f(a)*f (b) < 0
(0.5403)*(C_ant= 99999 para arrancar
Itera=0
s =0.001
Encontrado= False
fa=f(a=1)=0.5403
fb=f(b=2)=-0.4161
fa=f(a=1.5649)=0.005896
fb=f(b=2)= -0.4161
a = a =1.5649
b = Cact = 1.5709
Itera = 2
C_ant = 1.5709
f(a=1.5649) = 0.005896
f(b=1.5709)=cos 1.5709 = -0.0001036
Raz = 1.5707
Donde hemos agregado la lnea recta que une los puntos extremos de la grfica en el
intervalo
a, b .
Es claro que si en lugar de considerar el punto medio del intervalo, tomamos el punto
donde cruza al eje x esta recta, nos aproximaremos mucho ms rpido a la raz; sta es
en s, la idea central del mtodo de la regla falsa y sta es realmente la nica diferencia
49
con el mtodo de biseccin, puesto que en todo lo dems los dos mtodos son
prcticamente idnticos.
f ( xa )
f ( xb )
f (x)
xa , xb
( xa , f ( xa )) , ( xb , f ( xb )) .
Multiplicando por
xb xa
nos da:
50
xr
f (x)
continua,
xa , xb
f ( xa )
tales que
f ( xb )
iii) Evaluar
f ( xa )
f ( xr )
en el intervalo
f ( xa )
f ( xr )
f ( xr )
xa , xr .
xr , xb .
51
f ( xr ) 0
Ejemplo
Usar el mtodo de la regla falsa para aproximar la raz de
comenzando en el intervalo
f ( x) e x ln x ,
a 1% .
SOLUCION
Este es el mismo ejemplo 1 del mtodo de la biseccin. As pues, ya sabemos que f (x)
es contnua en el intervalo dado y que toma signos opuestos en los extremos de dicho
intervalo. Por lo tanto podemos aplicar el mtodo de la regla falsa.
Calculamos la primera aproximacin:
Puesto que solamente tenemos una aproximacin, debemos seguir con el proceso.
As pues,
evaluamos
52
1,1.397410482 .
Y el error aproximado:
53
Observe la rapidez con la cual converge el mtodo de la regla falsa a la raz, a diferencia
de la lentitud del mtodo de la biseccin.
Ejemplo:
Usar el mtodo de la regla falsa para aproximar la raz de
comenzando en el intervalo 0,1 y hasta que
f ( x) arctan x x 1 ,
a 1% .
SOLUCION
Este es el mismo ejemplo 2 del mtodo de la biseccin. As pues, ya sabemos que se
cumplen las hiptesis necesarias para poder aplicar el mtodo, es decir, que
f (x) sea
contnua en el intervalo dado y que f (x) tome signos opuestos en los extremos de dicho
intervalo.
Calculamos pues, la primera aproximacin:
54
Nuevamente observamos el contraste entre la rapidez del mtodo de la regla falsa contra
la lentitud del mtodo de la biseccin.
Por supuesto que puede darse el caso en el que el mtodo de la regla falsa
encuentre la aproximacin a la raz de forma ms lenta que el mtodo de la
biseccin. Como ejercicio, el estudiante puede aplicar ambos mtodos a la funcin
56
57
xi
a la raz
xi 1
xr
de f (x) ,
x en un
xr .
58
Hacemos y 0 :
Y despejamos x :
Note que el mtodo de Newton-Raphson no trabaja con intervalos donde nos asegure
que encontraremos la raz, y de hecho no tenemos ninguna garanta de que nos
aproximaremos a dicha raz. Desde luego, existen ejemplos donde este mtodo no
converge a la raz, en cuyo caso se dice que el mtodo diverge. Sin embargo, en los
casos donde si converge a la raz lo hace con una rapidez impresionante, por lo cual es
uno de los mtodos preferidos por excelencia.
f ( x ) 0
i
Tambin observe que en el caso de que
, el mtodo no se puede aplicar. De
hecho, vemos geomtricamente que esto significa que la recta tangente es horizontal y
xi
f (x) !
Ejemplo
x0 1
y hasta que
f ( x) e x ln x ,
a 1% .
SOLUCION
En este caso, tenemos que
59
Comenzamos con
x0 1 y obtenemos:
Error aprox.
21.19%
3.06%
0.052%
60
Ejemplo
Usar el mtodo de Newton-Raphson para aproximar la raz de
a 1% .
SOLUCION
En este caso, tenemos que
a
En este caso tenemos un error aproximado de
0.5 0
100% 100%
0.5
Error
aprox.
100%
3.88%
0.01%
Ejemplo
Usar el mtodo de Newton-Raphson para aproximar races cuadradas de nmeros reales
positivos.
SOLUCION
Sea R 0 . Queremos calcular x tal que
x2 R 0
Esto nos sugiere definir la funcin f ( x) x R de donde
datos en la frmula de Newton-Raphson nos da:
2
xi 1 xi
f ( x) 2 x . Al sustituir estos
xi2 R
2 xi
1
R
xi 1 xi
2
xi
Esta frmula era conocida por los antiguos griegos (Hern).
Para fijar un ejemplo de su uso, pongamos
x
comenzando con 0
R 26
Error aprox.
1.96%
0.019%
0.0000018%
La misma idea puede aplicarse para crear algoritmos que aproximen races
nmeros reales positivos.
n -simas de
63
Ejemplo:
Encontrar la raz de f(x)=x5+x2=9 con un valor inicial de xo=1.5 y s = 0.001.
SOLUCION:
f(x)= x5+x2-9 f(x)= 5*x4+2*x
f(xo=1.5)= (1.5)5+(1.5)2 - 9 = 0.84375
f(xo=1.5)=5* (1.5)4+2*(1.5)= 28.3125
x1 = xo - f(xo) / f(xo)= 1.5 - (0.84375 / 28.3125) = 1.4701986755
ERA (x1, xo)=
(que no es menor a s)
64
(que no es menor a s )
(que s es menor a s )
65
SOLUCION:
f(x)= ex-3*x
recordemos que
f(x)= ex-3
< s =0.001
4=0.619023039928
EJEMPLO:
La siguiente frmula se aplica a un vertedor con contracciones:
Q=3.33*(B-0.2*H)*(H3)1/2
Donde:
Q - Cantidad de agua que pasa por le vertedor en pies3/seg
B - Ancho del vertedor en pies
H - Carga sobre la cuesta del vertedor en pies.
Si B=3 ; Q=12 entonces cual es el valor de H=?.
Calcular por el mtodo de Newton-Raphson con s =0.001 y Ho=B/2
SOLUCION:
12=3.33*(3-0.2*H)*( H3)1/2
f(H)=12 - 3.33*(3-0.2*H)*( H3)1/2 = 0
f(H)= - 3.33*(3-0.2*H)*(1/2)*( H3)-1/2 (3*H2)+ ( H3)1/2*(-3.33)*(-0.2)
f(H)=-3.33*(3)*(1/2)*(H)-3/2(3*H2)*(-3.33)*(-0.2H)*(1/2)*(H)3/2
(3*H2)+(3.33)*(0.2)*(H3/2)
f(H)=-14.985*H1/2+0.99*H*H-3/2*H2+0.666*H3/2
f(H)=-14.985*H1/2+1.665*H3/2
f(H)=12-3.33*(3-0.2H)*(H3)1/2
f(H)=-14.985*H1/2+1.665*H3/2
Hi+1 =
Hi
f(Hi)
F(Hi)
1.5
-4.51
-15.32
1.20517
1.20517 -0.16
-14.26
1.19362
9.5837x10-3
1.19362 -14.20
0.000278
1.19360
0.000016756
Hi+1
ERA
2=1.19360.
67
Si la ecuacin es
, entonces puede despejarse
bien sumar
ambos lados de la ecuacin para ponerla en la forma adecuada.
en
Este mtodo sirve para encontrar las races de una ecuacin y consiste en los
siguientes pasos:
1.- Nos deben dar la funcin a la cual le debemos encontrar la raz, es decir,
debemos conocer f(x)=0.
Ejemplo: f(x)= 0.5*x - 4 = 0
2.- Nos deben de dar un valor inicial xo. Ejemplo xo = 0.
3.- De la funcin f(x) debemos de despejar x de manera que encontremos una
nueva funcin de x llamada ahora g(x).
Ejemplo:
(2/2)*x - (1/2)*x - 4 = 0 donde (1/2)*x no se altera
x - (1/2)*x - 4 = 0 x = (1/2)*x + 4
g(x) = x = (1/2)*x + 4
4.- Se deriva la funcin g(x). En el caso de que el valor absoluto de la derivada de
g(x) sea menor a uno, se asegura que el despeje realizado funcione.
si
5.- Luego se evala g(x) utilizando primero xo. El resultado de esta evaluacin se
convierte en el nuevo valor de x y as se contina hasta encontrar la raz deseada
desde luego, satisfaciendo un error deseado.
SOLUCION:
xo = 0 , = 0.001
x1 = (xo/2) + 4 = 0 + 4 = 4
ERA (x1,xo)
x2 = (x1/2) + 4 = 6
ERA (x2,x1
x3 = (x2/2) + 4 = 7
ERA (x3,x2
x4 = (x3/2) + 4 =7.5
ERA (x4 = 7.5, x3= 7)
68
(que no es menor a s)
x5 = (x4/2) + 4 = 7.75
ERA (x5,x4
x6 = (x5/2) + 4 = 7.875
ERA (x6, x5)=
x7 = (x6/2) + 4 = 7.9375
ERA (x7, x6
x8 = (x7/2) + 4 = 7.96875
(que no es menor a s)
ERA (x8,x7)=
x9 = (x8/2) + 4 = 7.984375
(que no es menor a s)
ERA (x9,x8)=
x10 = (x9/2) + 4 = 7.9921875
(que no es menor a s)
ERA (x10,x9)=
10 = 7.9921875 (tiende a 8)
El nmero 7.9921 se le llama punto fijo de g(x), sin importar cual sea el xo. El
punto fijo de g(x) es la raz de f(x).
Ejemplo:
Sea f(x) = x + 4 = 0 y xo = 0 Encontrar una raz por el mtodo iterativo del punto
fijo.
Hagamos un posible despeje:
2*x - x + 4 = 0
x = 2*x + 4 g(x) = 2*x + 4
g(x) = 2 donde g(x) no es menor a 1, por lo tanto, no se asegura que este despeje
sirva:
Probemos:
xo=0
x1=2*(0)+4=4
x2=2*(4)+4=12
x3=2*(12)+4=28
x4=2*(28)+4=60
x tiende al infinito de manera tal que no vamos a encontrar ninguna raz, desde
luego comenzando con xo=0.
Al analizar f(x)=x+4=0. Vemos que la solucin es x+4=0 x= -4.
Y desde luego, si iniciramos con la solucin, es decir, que xo= -4, si tenderamos
a encontrar la solucin. Sin embargo, el mtodo trata de que dado un valor inicial
que no sea la solucin, se encuentre la solucin.
xo = -4; x1=2*(-4)+4 x1= -4
Sea f(x) = x+4 = 0 con xo=0
2*x - x + 4 = 0 x = 2*x + 4 g(x) = 2*x + 4
g´(x)= 2 que es mayor a 1 g(x) no es menor que 1 y por lo tanto no se
69
Otros Ejemplos:
1)
La ecuacin
2)
La ecuacin
se puede transformar en
se puede transformar en
.
.
71
Dada la aproximacin
, es decir,
y diferenciable en
entonces existe
es contnua
tal que
tal que:
O bien,
72
sima iteracin.
en un intervalo
es contnua y
en dicho intervalo.
En el ejemplo 1,
que
En
ejemplo
2,
en
este
caso,
y hasta que
Solucin
Como ya aclaramos anteriormente, el mtodo s converge a la raz.
Aplicando la frmula iterativa tenemos,
Y un error aproximado de
Ejemplo 2
Usar el mtodo de iteracin del punto fijo para aproximar la raz de
, comenzando con
Solucin
Si despejamos la
y hasta que
de donde,
. Un vistazo a la grfica,
74
Aprox. a la raz
Error aprox.
0
-0.2
100%
-0.1557461506
28.41%
-0.1663039075
6.34%
-0.163826372
1.51%
-0.164410064
0.35%
75
x= e-x
g(x)= e-x
g´(x)= e-x *[d(-x)/ dx]
si se cumple
Para x=0
Por lo tanto vemos que pasa con x>0 y x<0:
ejecute;(x)= - e-x
Por ejemplo para:
x=10
si se cumple
EJEMPLO:
Encontrar una raz para f(x)=5*x2-4*x-7 por el mtodo iterativo del punto fijo dentro
del intervalo (- 0.9,- 0.8).
Solucin:
Propongamos primero una funcin g(x)
5*x2-4*x=7
factorizando a x y trabajando con respecto a la x que se factoriz:
x(5x-4)=7 y despejando a x
x = 7 / (5*x - 4)
g(x)=7 / (5*x - 4)
dg(x) / dx = d/dx(7 / (5*x-4) = (d/dx)(7*(5*x-4)-1)
g(x)=7*[(-1)*(5*x-4)-1-1((d/dx)(5*x-4))]
g(x)=7[(-1)(5*x-4)-2(5-0)]
g(x)=(7*(-1)*(5)) / (5*x-4)2 = -35 / (5*x-4)2
Probemos para los lmites del intervalo dado para -0.9.
x2-x-2=0
x2-2=x
g1(x)=x= x2-2
2) respecto a x2
x2-x-2=0
x2=2+x
x= (2+x)1/2
2) g2(x)= -(2+x)1/2
3) g3(x)= (2+x)1/2
4) respecto a x2
x2-x-2=0
x2=x+2
se despeja con respecto a x*x
x*x=x+2
x=1 + 2/x
g4(x)= 1+2/x
5) factorizamos a x
x2-x-2=0
x*(x-1)-2=0
x*(x-1)=2
x=2 / (x-1)
g5(x)= 2 / (x-1)
Probemos si g1(x) nos puede servir para encontrar las dos races (-1,2).
g1(x)=x2-2
g1(x)=2*x
2*x < 1
x<1/2
Esto quiere decir que el despeje propuesto nos va a servir para encontrar la raz
con x que sea una sola palabra sea menor a 0.5.
Probemos con xo=0
xAct=xAnt-2
x1= xo2-2
x1=-2
x2= x12-2=(-2)2-2=2
x3= (-2)2-2=2
Como sabemos que una raz es 2 veamos si 1.5 lo aproxima:
Probemos con xo=1.5
x1= (1.5)2-2
x1=0.25
x2= x12-2=-1.9375
x3= x22-2=1.75390625
x4= x32-2=1.0768713379
No tiende a alguna convergencia. Esto demuestra que debe respetarse que x<
79
(1/2)* (2+x)-1/2< 1
(2+x)1/2 esta dividiendo y pasa multiplicando:
1 / (2*(2+x)1/2)< 1
1/2 < (2+x)1/2
elevo al cuadrado y reacomodo para despejar a x:
2+x > 1/4
x > 1/4 - 2
x > 1/4 - 8/4
x > -7/4
x > -1.75
x2 > 2
x > 21/2
x > 1.4142
Esto quiere decir que el despeje hecho, nos podr servir para encontrar la raz
mayor a 1.4142 o sea para encontrar la raz.
Probemos ahora g5(x):
Se desea saber si este despeje es vlido para encontrar la raz de -1? O bien
este despeje es vlido para encontrar la raz 2?
g5(x)= 2 / (x-1) = 2*(x-1)-1
g5(x)=2*(-1)*(x-1)-2 dx/dx
g5(x)= -2 / (x-1)2
Probemos s esto fuese vlido para encontrar la raz igual a -1.
81
82
EJERCICIOS
NOTA: Usa todos los dgitos en tu calculadora para que la aproximacin sea lo
ms exacta posible.
1. Usa el mtodo de biseccin para aproximar la raz de
comenzando en el intervalo
y hasta que
.
Solucin:
y hasta que
y hasta que
Solucin:
y hasta que
Solucin:
5.
Usa
el
.
mtodo
de Newton-Raphson
comenzando con
Solucin:
para aproximar
y hasta que
Solucin:
7.
raz
.
de
la
y hasta que
83
Solucin:
84
UNIDAD II:
SISTEMAS DE ECUACIONES LINEALES, NO LINEALES E
INTERPOLACION
(1)
Es una ecuacin algebraica lineal en las variables X1, X2, X3,..., Xn. Se admite que
los coeficientes a11, a12, a13,..., a1n y el trmino independiente C1, son constantes
reales.
85
SISTEMA DE ECUACIONES
Es un conjunto de ecuaciones que deben resolverse simultneamente. En los sucesivo se
considerarn nicamente sistemas de ecuaciones algebraicas lineales, o sea conjuntos
de ecuaciones de la forma:
.
a n1 x1 a n 2 x 2 a n3 x3 ... a nn x n c n (c)
(2)
(3)
(5)
86
DE ECUACIONES
Mtodo de eliminacin
Es un conjunto de valores de las incgnitas que verifican simultneamente a todas
y cada una de las ecuaciones del sistema.
De acuerdo con su solucin, un sistema puede ser: Consistente, si admite
solucin; o Inconsistente, si no admite solucin.
Un sistema Consistente puede ser: Determinado, si la solucin es nica o
Indeterminado, si la solucin no es nica. En este caso se demuestra que existe
una infinidad de soluciones.
Teoremas sobre rangos
El rango de una matriz es el orden de determinante no nulo de mayor orden que puede
obtenerse de esa matriz. El rango de la matriz A se representa con la notacin r(A) y el de
la matriz ampliada con r(A, C).
En lgebra se demuestra que:
1. Para cualquier sistema,
2. Si r(A) < r(A, C) el sistema es inconsistente
3. Si r(A) = r(A, C) el sistema de ecuaciones es consistente
En este caso, si adems r(A) = n, el sistema es determinado e indeterminado si r(A) < n,
siendo n el nmero de variables en el sistema.
Sin embargo, la expresin "en principio" del prrafo anterior es crucial: en realidad
se tienen errores por redondeo. Tendremos que considerar ms cuidadosamente
esta cuestin. En un sistema grande, mal comportado, los errores por redondeo de
un mtodo directo puede hacer que la "solucin" carezca de sentido. A pesar de
su error terico por truncamiento, un mtodo indirecto puede ser mucho ms
deseable porque en l los errores por redondeo no se acumulan.
88
(6)
En el cual los superndices indican los nuevos coeficientes que se forman en el proceso
de reduccin. La reduccin real se logra de la siguiente manera:
1. La primera ecuacin (2) se divide entre el coeficiente de X1 en esa ecuacin para
obtener:
(7)
(8)
3. La ecuacin utilizada para eliminar las incgnitas en las ecuaciones que la siguen
se denomina Ecuacin Pivote. En la ecuacin pivote, el coeficiente de la incgnita
que se va a eliminar de las ecuaciones que la siguen se denomina el Coeficiente
Pivote (a11 en los pasos previos).
4. Siguiendo los pasos anteriores, la segunda ecuacin (8) se convierte en la
ecuacin pivote, y los pasos de la parte 1 se repiten para eliminar X2 de todas las
ecuaciones que siguen a esta ecuacin pivote. Esta reduccin nos conduce a:
(9)
90
x1 4 x 2 x3 7
x1 6 x 2 x3 13
(10)
2 x1 x 2 2 x3 5
Utilizando como ecuacin pivote la primera ecuacin (el coeficiente pivote es unitario),
obtenemos:
x1 4 x 2 x3 7
2 x 2 2 x3 6
(11)
9 x 2 0 9
A continuacin, utilizando la segunda ecuacin del sistema (11) como ecuacin pivote y
repitiendo el procedimiento, se obtiene el siguiente sistema triangular de ecuaciones:
x1 0 5 x3 5
2 x 2 2 x3 6
(12)
9 x 2 0 9
De la tercera ecuacin del sistema (12) obtenemos el valor de
en las otras ecuaciones se obtienen los valores de x3
x2 1 , que al reemplazarlo
y x1
91
92
Este mtodo, que constituye una variacin del mtodo de eliminacin de Gauss, permite
resolver hasta 15 o 20 ecuaciones simultneas, con 8 o 10 dgitos significativos en las
operaciones aritmticas de la computadora. Este procedimiento se distingue del mtodo
Gaussiano en que cuando se elimina una incgnita, se elimina de todas las ecuaciones
restantes, es decir, las que preceden a la ecuacin pivote as como de las que la siguen.
El mtodo se ilustra mejor con un ejemplo. Resolvamos el siguiente conjunto de
ecuaciones
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.8500
0.1 X1 + 7.0 X2 - 0.3 X3 = - 19.3
0.3 X1 - 0.2 X2 + 10 X3 = 71.4000
Primero expresemos los coeficientes y el vector de trminos independientes como una
matriz aumentada.
El trmino X1 se puede eliminar del segundo rengln restando 0.1 veces el primero del
segundo rengln. De una manera similar, restando 0.3 veces el primero del tercer rengln
se elimina el trmino con X1 del tercer rengln.
93
Finalmente, los trminos con X3 se pueden reducir de la primera y segunda ecuacin para
obtener:
Inversin de matrices
Sea A una matriz cuadrada no singular, es decir, que su determinante sea diferente de
cero
Es la inversa de A si:
(13)
Haciendo
, con lo que se
EJEMPLO
Invertir la matriz
95
Usando a11 como pivote, el rengln 1 se normaliza y se usa para eliminar a X1 de los otros
renglones.
96
97
2.
3.
4.
5.
99
EJEMPLO
Resolver el siguiente sistema de ecuacin por el mtodo Gauss-Seidel utilizando un
0.001.
100
101
102
X1 = 3.0
X2 = -2.5
X3 = 7.0
EJERCICIOS
NOTA: En todos los ejercicios, redondea tus resultados a cinco decimales.
1. Usa el mtodo de Gauss con pivoteo para resolver el siguiente sistema:
SOLUCION:
SOLUCION:
SOLUCION:
104
SOLUCION:
i)
ii)
Soluciones:
i)
ii)
a 1%
SOLUCION:
SOLUCION:
106
CAPITULO 4: INTERPOLACION
INTERPOLACION DE POLINOMIOS
Con frecuencia se tienen que estimar valores intermedios entre valores conocidos.
El mtodo ms comn empleado para este propsito es la interpolacin
polinomial.
Recuerde que la frmula general de un polinomio de n-simo orden es:
(1)
Para n + 1 puntos, existe uno y slo un polinomio de n-simo orden o menor que pasa a
travs de todos los puntos. Por ejemplo, hay slo una lnea recta (es decir un polinomio
de primer orden) que conecta dos puntos. El polinomio de interpolacin consiste en
determinar el nico polinomio de n-simo orden que se ajusta a los n + 1 puntos dados.
Este polinomio proporciona una frmula para calcular los valores intermedios.
Aunque existe uno y slo un polinomio de n-simo orden que se ajusta a los n + 1
puntos, existen una gran variedad de frmulas matemticas mediante las cuales se puede
expresar este polinomio. En esta unidad se estudian dos tcnicas alternativas que estn
bien condicionadas para implementarse en una computadora. Estos son los polinomios de
Newton y de Lagrange.
107
(21)
en donde:
(22)
En donde
(23)
108
(24)
(25)
f(X)
1.0
0.000 0000
4.0
1.386 2944
6.0
1.791 7595
Solucin:
El polinomio de primer orden es:
109
Comentarios adicionales
Hay dos temas adicionales que se deben de mencionar: La interpolacin con los
datos igualmente espaciados y la Extrapolacin.
Ya que los mtodos de Newton y de Lagrange son compatibles con los datos
espaciados en forma arbitraria, se debe de preguntar por que se aborda el caso de
los datos igualmente espaciados. Antes del advenimiento de las computadoras
110
111
Interpolacin lineal
La frmula ms simple de interpolacin es la de conectar dos puntos con una lnea
recta. Este mtodo, llamado Interpolacin Lineal, se muestra en la figura.
Fig. 1
(2)
112
(3)
113
Interpolacin cuadrtica
../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y cuaciones/metodos para
clase/tema2/interp02.html - atras El error en el ejemplo 3.1 se debe a que se aproxima a
una curva mediante una lnea recta. Por consiguiente, una estrategia que mejora la
aproximacin es la de introducir cierta curvatura en a lnea que conecta a los puntos. Si se
dispone de tres puntos lo anterior se puede llevar a cabo con un polinomio de segundo
orden (llamado tambin polinomio cuadrtico o parbola). Una manera conveniente para
este caso es:
(4)
O, agrupar trminos:
(6)
En donde:
(7)
114
De esta manera, las ecuaciones (1) y (4) son frmulas alternativas equivalentes
del nico polinomio de segundo grado que une a los tres puntos.
Se puede usar un procedimiento simple para determinar los valores de los
coeficientes. Para b0, se usa la ecuacin (4) con X = X0, y se obtiene
b0 = f(X0) (8)
(9)
Y por ltimo, las ecuaciones (8) y (9) se sustituyen en la ecuacin (4), y se evala
sta en X = X2 y se obtiene:
(10)
SOLUCIN:
Aplicando la ecuacin (8) da:
b0 = 0
116
(11)
(12)
...
bn = f [Xn, Xn-1, ..., X1, X0]
117
(13)
(14)
(15)
Estas diferencias se usan para evaluar los coeficientes de la ecuacin (12), los
cuales se sustituyen en la ecuacin (11), para obtener el polinomio de
interpolacin:
f n (X) = f(X0) + (X-X0) f[X1, X0] + (X-X0)(X-X1) f[X2, X1, X0] +
(16)
...+ (X-X0)(X-X1)...(X-Xn-1) f[Xn, Xn-1,...,X1, X0]
118
Xi
f(Xi)
Primera
Segunda
Tercera
X0
f(X0)
f(X1, X0)
X1
f(X1)
f(X2, X1)
X2
f(X2)
f(X3,X2)
X3
f(X3)
EJEMPLO 3.3
Usando la siguiente tabla de datos, calclese ln 2 con un polinomio de
interpolacin de Newton con diferencias divididas de tercer orden:
f(X)
0.000 0000
1.386 2944
1.791 7595
1.609 4379
SOLUCIN:
El polinomio de tercer orden con n = 3, es.
119
Los resultados para f(X1, X0), f(X2, X1, X0) y f(X3, X2, X1, X0) representan los
coeficientes b1, b2 y b3 Junto con b0 = f (X0) = 0.0, la ecuacin da:
f 3 (X) = 0 + 0.46209813 (X-1) - 0.0518731 (X-1)(X-4) + 0.0078655415 (X-1)(X-4)(X-6)
120
f [X]
f1[]
f2[]
f3[]
0.20273255 - 0.020410950
6.0 1.7917595
0.18232160
5.0 1.6094379
(17)
en donde es un punto cualquiera dentro del intervalo (Xi, Xi+1). Una relacin
anloga del error en un polinomio interpolante de n-simo orden est dado por:
(18)
121
En donde es un punto cualquiera dentro del intervalo que contiene las incgnitas
y los datos. Para uso de esta frmula la funcin en cuestin debe ser conocida y
diferenciable. Y usualmente, este no es el caso.
Afortunadamente existe una frmula alternativa que no requiere conocimiento
previo de la funcin. En vez de ello, se usa una diferencia dividida finita que
aproxima la (n+1)-sima derivada:
Rn = f [X, Xn, Xn-1,..., X1, X0] (X-X0) (X-X1)...(X-Xn) (19)
122
De los puntos mostrados nos podemos dar cuenta que parece tener la forma de un
polinomio de segundo grado de la forma:
(1)
Esta ecuacin (1) puede usarse para representar el conjunto de valores obtenidos
experimentalmente para la cual debemos determinar los valores de a 1, a 2, a 3, etc.
donde:
d = distancia = Yobservada - Y obtenida por la ecuacin
Yobservada = Valor obtenido experimentalmente.
Y obtenida por la ecuacin = valor de la funcin evaluada en cualquier valor X
Observando la grfica, parece que esta distancia se puede usar para representar el error,
pero habr distancias positivas y negativas, (como se puede observar la distancia d1 es
positiva y la distancia d2 es negativa) de modo que el error promedio para los puntos
como los mostrados ser pequeo aunque los errores individuales sean grandes.
Esta dificultad podra ser resuelta usando el valor absoluto de las distancias, sin embargo
al derivar la funcin del valor absoluto se generan ciertos problemas.
La solucin podra ser definir el error como el cuadrado de la distancia, esto elimina la
dificultad del signo. Por esta razn el mtodo se llama: Mtodo de Mnimos Cuadrados.
(2)
124
(3)
Siendo el caso de que la curva supuesta es una ecuacin de segundo grado, se tiene la
ecuacin:
(4)
(5)
(Obsrvese que las variables son a 1, a 2 y a 3, mientras que Yi, X i son constantes)
Las ecuaciones se pueden expresar de acuerdo como sigue:
(6)
125
(7)
La frmula general para un polinomio de grado n en donde hay m parejas de datos es:
126
(8)
EJEMPLO:
X
0.00
0.0000
0.60
0.6367
0.10
0.1002
0.70
0.7586
0.20
0.2013
0.80
0.8881
127
0.30
0.3045
0.90
1.0265
0.40
0.4108
1.00
1.1752
0.50
0.5211
128
M =11
129
130
a2 = 1.004150
a3 = - 0.019075
a4 = 0.190032
y el polinomio queda:
131
La transformada de Fourier
La transformada de Fourier de una funcin continua e integrable de una variable
real x se define por
132
y su inversa como
u=0,1,...,N-1
v=0,1,...,N-1:
y su inversa como
133
La Separabilidad
Esta propiedad de la TFD esta relacionada con la posibilidad de calcular la TFD de
una funcin bidimensional como una combinacin de dos transformadas Fourier
discretas, calculando primero una TFD sobre la variable de uno de los ejes y al
resultado aplicarle de nuevo la TFD sobre la variable del otro eje.
La ventaja que aporta esta propiedad es el hecho de poder obtener la
transformada F(x,y) o la inversa f(x,y) en dos pasos, mediante la aplicacin de la
Transformada de Fourier 1-D o su inversa:
donde
134
La linealidad
La transformada de Fourier y su inversa son transformaciones lineales, es decir,
poseen la propiedad distributiva respecto de la suma.
La traslacin
Tanto la transformada discreta de Fourier como la transformada inversa, son
peridicas de periodo N.
Un caso particular de esta propiedad consiste en mover el origen de la
transformada de Fourier de f(x,y) al centro de la matriz N X N que le corresponda,
es decir al punto (N/2,N/2). Para ello, podemos hacer uso de que:
f(x,y)(-1)x+y se hace corresponder con F(u-n/2,v-N/2)
Tambin cabe resaltar, que un desplazamiento en la funcin f(x,y), no provocar
un cambio en la magnitud de su transformada de Fourier. Vase esto
matemticamente en la siguiente expresin:
La Simetra
La transformada de Fourier de una funcin f(x,) es real es simtrica conjugada.
Esto provoca que:
|F(u,v)|=|F(-u,-v)|
Por tanto, gracias a esta propiedad de simetra, para calcular la magnitud de los
puntos de un periodo completo, tan slo necesitamos calcular los N/2+1 primeros
puntos, siempre y cuando el origen de la transformada este centrado en el punto
(N/2,N/2).Para conseguir este movimiento del origen en la transformada, podemos
aplicar la propiedad de traslacin.
La rotacin
135
136
EJERCICIOS
i)
x 2 2 1
4
y 0.5 3 2.4 7.8
ii)
Soluciones:
i)
ii)
x
1
2
3
5
y 1.56 3.54 2.57 8.9
x 1.5 0.5 1 2 4
y
9
2 5 33 0
Soluciones:
137
( x 2)( x 3)( x 5)
( x 1)( x 3)( x 5)
( x 1)( x 2)( x 5)
i) p( x) 1.56
3.54
2.57
36
45
80
( x 1)( x 2)( x 3)
8.9
144
3.125
7.875
56.25
4.5
i)
x 2 1
3
y 40 5 20
i)
x 5 2 3
7
y 20 4 6 40
Soluciones:
i)
x 2,1
x 1,3
138
ii )
5
75 2
5860
526
x 3 526
x 4703
si x 5,2
789 x 789
3
2257 2
15619
8012
s ( x) 1241
si x 2,3
7890 x 2630 x 3945 x 1315
299 x 3 2093 x 2 10511 x 860 si
x 3,7
526
789
263
1578
139
UNIDAD 3:
DIFERENCIACIN, INTEGRACIN NUMRICA Y SOLUCIN DE
ECUACIONES DIFERENCIALES
, desarrollada con
(1)
se encuentra en la
est dada en forma similar por:
140
(2)
Utilizando solamente los tres primeros trminos de cada desarrollo, podremos obtener
una expresin para Y'i restando la ec. (2) de la ec. (1),
(3)
Frmulas de diferencia
(Diferencias centrales, hacia adelante y hacia atrs)
../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y cuaciones/metodos para
clase/tema6/derivada.html - atras
Fig. 1
Observando la figura, vemos que si designamos los puntos uniformemente espaciados a
la derecha de Xi como Xi+1 , Xi+2, etc. y los puntos a la izquierda de Xi como Xi-1, Xi-2 ,
etc. e identificamos las ordenadas correspondientes como Yi+1, Yi+2, Yi-1, Yi-2,
respectivamente, la ec. (3) se puede escribir en la forma:
(4)
141
La ec. (4) se denomina la primera aproximacin, por Diferencias Centrales de Y', para X.
La aproximacin representa grficamente la pendiente de la recta discontinua mostrada
en la figura. La derivada real se representa mediante la lnea slida dibujada como
tangente a la curva en Xi.
Si sumamos las ecuaciones (1) y (2) y utilizamos la notacin descrita previamente,
podemos escribir la siguiente expresin para la segunda derivada:
(5)
(6)
es decir,
(7)
142
(8)
, respectivamente,
(9)
Restando la primera ec. (9) de la segunda, y utilizando solamente los cuatro trminos
mostrados para cada desarrollo, se obtiene:
(10)
(11)
143
144
(12)
(13)
145
(14)
(15)
146
(16)
(17)
EJEMPLO
../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y cuaciones/metodos para
clase/tema6/deriva02.html - atrassense aproximaciones de Diferencias Finitas Hacia
Adelante, Hacia Atrs y Centradas para estimar la primera derivada de:
147
= 0.5.
= 0.25.
y evaluando tenemos:
f'(0.5) = -0.9125
SOLUCIN:
Para
Yi-1 = 1.200
Xi = 0.5
Yi = 0.925
Xi+1 = 1.0
Yi+1 = 0.200
148
Para
Yi-1 = 1.10351563
Xi = 0.50
Yi = 0.92500000
Xi+1 = 0.75
Yi+1 = 0.63632813
Para los dos tamaos de paso, las aproximaciones por Diferencias Centrales son ms
exactas que las Diferencias Divididas Hacia Adelante o las Diferencias Divididas Hacia
Atrs. Tambin, como lo predijo el anlisis de la serie de Taylor, la divisin del intervalo en
dos partes iguales, divide a la mitad el error de las Diferencias Hacia Atrs o Hacia
Adelante y a la cuarta parte el error de las Diferencias Centrales.
En ingeniera se presenta con frecuencia la necesidad de integrar una funcin que sera,
en general, de una de las tres formas siguientes:
1. Una funcin simple y continua tal como un polinomio, una funcin exponencial o
una funcin trigonomtrica.
2. Una funcin complicada y continua que es difcil o imposible de integrar
directamente.
3. Una funcin tabulada en donde los valores de X y f(X) se dan en un conjunto de
puntos discretos, como es el caso a menudo, de datos experimentales.
149
En el primer caso, la integral simplemente es una funcin que se puede evaluar fcilmente
usando mtodos analticos aprendidos en el clculo. En los dos ltimos casos, sin
embargo, se deben emplear mtodos aproximados.
Las frmulas de integracin de Newton-Cotes son los esquemas ms comunes dentro de
la integracin numrica. Se basan en la estrategia de reemplazar una funcin complicada
o un conjunto de datos tabulares con alguna funcin aproximada que sea ms fcil de
integrar.
La integral se puede aproximar usando una serie de polinomios aplicados por partes a la
funcin o a los datos sobre intervalos de longitud constante.
Se dispone de las formas abierta y cerrada de las frmulas de Newton-Cotes. Las formas
cerradas son aquellas en donde los puntos al principio y al final de los lmites de
integracin se conocen. Las frmulas abiertas tienen los lmites de integracin extendidos
ms all del rango de los datos. Las frmulas 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.
150
Fig. 1
Llamando a las ordenadas Y i (i = 1, 2, 3,...., n+1), las reas de los trapecios son:
151
(1)
(2)
(3)
(4)
152
Si la funcin f(X) se puede expresar como una funcin matemtica continua que tiene
derivadas continuas f'(X) y f''(X), el error que resulta de aproximar el rea verdadera en
una faja bajo la curva f(X) comprendida entre Xi y Xi+1 mediante el rea de un trapecio,
se demuestra que es igual a:
(5)
Este error es la cantidad que se debe agregar al rea del trapecio para obtener el rea
real. Se llama Error por Truncamiento, ya que es el error que resulta de utilizar una serie
de Taylor truncada, en vez de una serie de Taylor completa, para representar en forma de
serie el rea de una faja. Generalmente no se puede valuar directamente el trmino
mostrado como error por truncamiento. Sin embargo, se puede obtener una buena
aproximacin de su valor para cada faja suponiendo que f '' es suficientemente constante
en el intervalo de la faja (se supone que las derivadas de orden superior son
despreciables) y evaluando f '' para
. La estimacin del error por truncamiento
para la integracin total se obtiene sumando las estimaciones para cada faja. Si la
estimacin obtenida para el error total por truncamiento es mayor de lo que se puede
tolerar, se debe utilizar una faja ms angosta o un mtodo ms preciso.
Otro error que se introduce al obtener el rea aproximada de cada faja es el Error por
Redondeo. Este se produce cuando las operaciones aritmticas requeridas se efectan
con valores numricos que tienen un nmero limitado de dgitos significativos.
Se puede demostrar que una aproximacin a el lmite del error por redondeo es:
(6)
.
sino con
en que 0 < p < 1, pero sin embargo an supera al error por truncamiento si
decrece lo suficiente.
153
154
Adems de aplicar la regla trapezoidal con segmentos cada vez ms finos, otra manera
de obtener una estimacin ms exacta de una integral, es la de usar polinomios de orden
superior para conectar los puntos. Por ejemplo, si hay un punto medio extra entre f(a) y
f(b), entonces los tres puntos se pueden conectar con un polinomio de tercer orden.
A las frmulas resultantes de calcular la integral bajo estos polinomios se les llaman
Reglas de Simpson.
Fig. 2
155
Por conveniencia al derivar una expresin para esta rea, supongamos que las dos fajas
que comprenden el rea bajo la parbola se encuentran en lados opuestos del origen,
como se muestra en la fig. 3. Este arreglo no afecta la generalidad de la derivacin.
La forma general de la ecuacin de la parbola de segundo grado que conecta los tres
puntos es:
(7)
(8)
Fig. 3
(9)
, (0,
Yi + 1), y
deben satisfacer la ec. (7). La sustitucin de estos tres pares de
coordenadas en la ec. (7) produce:
(10)
(11)
(12)
que nos da el rea en funcin de tres ordenadas Yi, Y i+1, Y i+2 y el ancho
faja.
de una
Esto constituye la regla de Simpson para determinar el rea aproximada bajo una curva
contenida en dos fajas de igual ancho.
157
Si el rea bajo una curva entre dos valores de X se divide en n fajas uniformes (n par), la
aplicacin de la ec. (12) muestra que:
(13)
(14)
o bien
(15)
en donde n es par.
La ec. (15) se llama Regla de Simpson de un Tercio para determinar el rea aproximada
bajo una curva. Se puede utilizar cuando el rea se divide en un nmero par de fajas de
ancho
Si la funcin f(X) se puede expresar como una funcin matemtica continua que tiene
derivadas continuas f ' a
, el error que resulta de aproximar el rea verdadera de dos
fajas bajo la curva f(X) comprendida entre Xi-1 y Xi+1 mediante el rea bajo una parbola
de segundo grado, se demuestra que es:
158
(16)
Este error por truncamiento es la cantidad que se debe agregar al rea aproximada de
dos fajas, que se obtiene mediante la regla de un tercio de Simpson, para obtener el rea
real bajo la curva en ese intervalo. El trmino mostrado del error por truncamiento
generalmente no se puede valuar en forma directa. Sin embargo, se puede obtener una
buena estimacin de su valor para cada intervalo de dos fajas suponiendo que
es
suficientemente constante en el intervalo (se supone que las derivadas de orden superior
son despreciables) y valuando
para
. La estimacin del error por
truncamiento para toda la integracin se obtiene sumando las estimaciones
correspondientes a cada dos fajas. Si la estimacin del error total por truncamiento es
mayor de lo que se puede tolerar, se deben utilizar intervalos de dos fajas menores.
Considerando el error por redondeo que tambin aparece, existe un ancho ptimo de la
faja para obtener un error total mnimo en la integracin.
(17)
Fig. 4
159
, lo que produce:
(18)
(19)
160
f(X)
0.0
0.200
0.2
1.288
0.4
2.456
0.6
3.464
0.8
0.232
f(X)
0.0
0.200
0.2
1.288
161
0.4
2.456
0.6
3.464
0.8
0.232
f(X)
0.0000
0.20000000
0.2667
1.43286366
0.5333
3.48706521
0.8000
0.23200000
162
f(X)
0.00
0.20000000
0.16
1.29691904
0.32
1.74339328
0.48
3.18601472
0.64
3.18192896
0.80
0.23200000
Para los ltimos tres segmentos, se usa la regla de Simpson de 3/8 para obtener:
163
164
Sea
donde
mediante una
Se puede demostrar que el error que se comete con la regla del trapecio para n
subintervalos est dado por las siguientes frmulas:
donde
es un promedio de la doble derivada entre ciertos valores que
pertenecen a cada uno de los subintervalos.
Ahora bien, si suponemos que el valor de
es constante, entonces :
165
166
Esta frmula es solo una parte del algoritmo de Romberg. Para entender el
mtodo, es conveniente pensar que se trabaja en niveles de aproximacin. En un
primer nivel, es cuando aplicamos la regla del Trapecio, y para poder usar la
frmula anterior, debemos de duplicar cada vez el nmero de subintervalos: as,
podemos comenzar con un subintervalo, luego con dos, cuatro, ocho, etc, hasta
donde se desee.
Posteriormente, pasamos al segundo nivel de aproximacin, que es donde se usa
la frmula anterior, tomando las parejas contiguas de aproximacin del nivel
anterior, y que corresponden cuando
Ejemplo
Usar el algoritmo de Romberg, para aproximar la integral
1.
167
Solucin.
Primero calculamos las integrales del nivel 1, usando la regla del trapecio para las
longitudes de segmentos indicadas:
168
donde
donde:
es
la
integral
ms
exacta
Ejemplo
Usar el algoritmo de Romberg para aproximar la integral:
donde
2.
Solucin.
Calculamos
Ejemplo
Aproximar la siguiente integral:
3.
170
Solucin.
Igual que arriba, primero usamos la regla del trapecio (con los valores de
indicados) para llenar el nivel 1. Tenemos entonces que:
Podemos escribir una frmula general para calcular las aproximaciones en cada
uno de los niveles como sigue:
171
donde:
es
la
integral
ms
exacta
donde
es la cota suficiente.
Ejemplo
1.Aplicar el algoritmo de integracin de Romberg a la integral:
tomando
172
Solucin.
En este caso no sabemos exactamente cuantas aproximaciones debemos hacer
con la regla del trapecio. As que para comenzar hacemos los clculos
correspondientes a uno, dos, cuatro y ocho subintervalos:
Con estos datos, podemos hacer los clculos hasta el nivel 4. Tenemos la
siguiente tabla:
Haciendo los clculos de los errores, nos damos cuenta que efectivamente la
aproximacin se obtiene hasta el nivel 4, donde
Por lo tanto, concluimos que la aproximacin buscada es:
173
174
EJERCICIOS
1. Usar la regla del trapecio para aproximar,
i)
ii)
Dividiendo en 6 intervalos.
Soluciones: i) 3.4115
ii) 0.36907
i)
ii)
Dividiendo en 4 intervalos.
Soluciones: i) 82.60511
ii) 76.94497
i)
ii)
Dividiendo en 4 intervalos.
Soluciones: i) 2.76591
ii) 2.76501
ii)
175
Soluciones:
i) -17.11458
ii) 9.425
i)
Usando 1, 2 y 4 intervalos.
ii)
Soluciones:
i)
9.156626413
ii) 9.153287278
como cota
Solucin. 9.153112082
176
G( X , Y , C1 , C2 ,..., Cn ) 0 (2)
Grficamente esta ecuacin representa una familia de curvas planas, cada una de
ellas obtenidas para valores particulares de la n constante, C1 , C2 ,..., Cn , como se
ve en la grfica:
177
Se tratar de obtener una solucin particular de (1) que verifique (3) como se
presenta en la grfica
178
179
X 0 a, X 1 X 0 h, X 2 X 0 2h, X 3 X 0 3h,...
y en el caso de valores en la frontera se sustituye el intervalo
conjunto finito de puntos
por el
X 0 a, X 1 X 0 h, X 2 X 0 2h, X 3 X 0 3h,..., X n X 0 nh b
Obtenidos, al dividir el intervalo en n partes iguales.
La presentacin grfica muestra estas dos cosas:
180
181
X 1 X 0 ih , para i = 1, 2, 3,...
Se lleva a cabo usando frmulas de recurrencia, que usan los valores conocidos
de Y en las estaciones anteriores.
X i 1 , X i 2 , X i 3 ,...
As, para aplicar estas ecuaciones, es necesario entonces evaluar muy
aproximadamente a Y(X) en algunos de los primeros puntos pivotes (uno a
cuatro); y esto se hace usualmente desarrollando f(X) en serie de potencias.
EJEMPLO
Encuentre la solucin del siguiente problema de valores iniciales por medio de los
primeros cuatro trminos de la serie de Taylor para X = 0.1, 0.2, 0.3, 0.4 y 0.5.
Y (0) = 1
182
SOLUCIN
Se obtienen las derivadas sucesivas:
Sustituyendo valores:
Por lo que:
183
0.1
1.055375
0.2
1.123000
0.3
1.205125
0.4
1.304000
0.5
1.421875
184
Se
debe
integrar
la
ecuacin
diferencial
en
el
intervalo
(4)
Entonces
Yi 1 Yi hf ( X i , Yi )
(5)
EJEMPLO
Resolver el problema del ejemplo anterior aplicando el mtodo de Euler.
185
Se tiene
Yi 1 Yi hf ( X i , Yi )
Donde
Entonces
(6)
Yi solucin exacta
186
Y ( X 0 ) Y0 (8)
X X 1 , X 2 , X 3 ,...
Sustituyendo la funcin f(X, Y) dada en (7), en (9), se tiene que
187
De este planteamiento grfico puede verse que una mejor aproximacin a la solucin de
la ecuacin diferencial se obtendra si en vez de ir por la tangente T1 para determinar la
solucin en el siguiente Punto Pivote, se utiliza una secante con pendiente igual al
promedio de pendientes de la curva integral en los puntos coordenados (Xn, Yn), (Xn+1,
Yn+1) en donde Xn+1 y Yn+1 pueden estimarse con el procedimiento normal de Euler, como
se muestra en la siguiente grfica:
Con lo anterior se obtendra un mtodo mejorado de Euler con error del orden de
definido por la expresin
(11)
Y Yn hf ( X n , Yn )
188
Observando las expresiones para resolver la ecuacin diferencial, puede decirse que
ambas consisten en aplicar la frmula de recurrencia
(12)
En donde
(13)
En el mtodo de Euler y
(14)
En lo que
Y' = f(X, Y) (15)
(16)
En el cual
(17)
EJEMPLO
Resolver
Llevando estos valores a (16) y el resultante a (12) se obtiene que para X = 0.1 la solucin
del problema es
Luego
191
k1
k2
k3
k4
0.0
1.0000
0.5000
0.5516
0.5544
0.6127
0.1
1.0554
0.6126
0.6782
0.6823
0.7575
0.2
1.1236
0.7575
0.8431
0.8494
0.9494
0.3
1.2085
0.9492
1.0647
1.0745
1.2121
0.4
1.3158
1.2119
1.3735
1.3896
1.5872
0.5
1.4545
1.5868
1.8234
1.8517
2.1509
192
(1)
para n 3. Luego se sustituye el valor de y*n+1 en la correccin Adams-Moulton
(2)
193
Obsrvese que la frmula (1) requiere que se conozcan los valores de yo, y1, y2 y y3 para
obtener el de y4. Por supuesto, el valor de yo es la condicin inicial dada. Como el error
local de truncamiento en el mtodo de Adams-Bashforth/Adams-Moulton es O(h5), los
valores de Y1 , Y2 y Y3 se suelen calcular con un mtodo que tenga la misma propiedad de
error, como la frmula de Runge-Kutta de cuarto orden.
EJEMPLO 1 Mtodo de Adams-Bashforth/Adams-Moulton
Use el mtodo de Adams-Bashforth/Adams-Moulton con h = 0.2 para llegar a una aproximacin a y(0. 8) de la solucin de
y' = x +y -1, y(0)=1.
SOLUCIN Dado que el tamao de paso es h = 0.2, entonces Y4 aproximar y(0.8). Para
comenzar aplicamos el mtodo de Runge-Kutta, con X0 = 0, Y0 = 1 y h = 0.2 con lo cual
Y1 = 1.02140000,
Y2 = 1.09181796,
Y3 = 1.22210646.
194
en cada paso. Cada que se usa el corrector ocurre otra evaluacin de funcin, con lo cual
aumenta la precisin al costo de perder una de las ventajas del mtodo en varios pasos.
En la prctica, el corrector slo se calcula una vez, y si el valor de yn+1 cambia mucho, se
reinicia todo el problema con un tamao menor de paso. Con frecuencia, esto es la base
de los mtodos de tamao variable de paso, cuya descripcin sale del propsito de este
libro.
EJERCICIOS
tomando
en cada
tomando
en cada
tomando
SOLUCION:
196
tomando
SOLUCION:
5. Dada la ecuacin diferencial:
tomando
en
tomando
en
SOLUCION:
6. Dada la ecuacin diferencial:
197
AUTOEVALUACION
Ejercicio
La funcin
. Empezando con
y
, usar ocho iteraciones del mtodo de la biseccin para aproximar la raz.
Tabular el error despus de cada iteracin y tambin las estimaciones del error mximo.
El error real siempre es menos que la estimacin del error mximo? Los errores reales
continan disminuyendo?
Ejercicio
Encontrar la raz cerca de
de
empezando con
.
Cun exacta es la estimacin despus de cuatro iteraciones del mtodo
de Newton? Cuntas iteraciones requiere el mtodo de la biseccin
para lograr la misma exactitud? Tabule el nmero de dgitos correctos en
cada iteraccin del mtodo de Newton y observe si se duplican cada vez.
(SOLUCION)
Ejercicio
Usando el mtodo de eliminacin gaussiana con pivoteo y sustitucin regresiva, resuelva
el siguiente sistema de ecuaciones:
Ejercicio
Utilizar el mtodo de reduccin de Crout para obtener una descomposicin
matriz:
de la
198
Ejercicio
Dado que
,
y
polinomio de Lagrange el logaritmo natural de cada entero desde
anterior junto con el error en cada punto.
, interpole con un
hasta
. Tabule lo
Ejercicio
Dados los datos:
5,04
8,12
10,64
13,18
16,20
20,04
Realizar un ajuste por mnimos cuadrados de los mismos a una recta y a una
cuadrtica. Cul de los dos ajustes es mejor?
Ejercicio
La siguiente tabla tiene valores para
regla trapezoidal con
. Integre entre
usando la
199
Ejercicio
Usa la integracin de Romberg para evaluar la integral de
entre
y
. Lleva seis decimales y contina hasta que no haya cambio en la quinta cifra
decimal. Compare con el valor analtico.
200
UNIDAD PRCTICA
4. Disear e implementar un programa para resolver un sistema de ecuaciones nolineales, mediante alguno de los mtodos conocidos.
6. Aplicaciones propuestas por las academias de las diferentes disciplinas (ingeniera civil,
elctrica, electrnica, qumica, .etc.).
201
BIBLIOGRAFIA
1. Burden, R.; Faires, D. Anlisis Numrico. ED. Thomson, 6a. ed., 1998.
3. De Levie, Robert. Advanced Excel for Scientific Data Analysis. Oxford University
Press, 2004.
4. Liengme, B.; A Guide to Microsoft Excel 2002 for Scientists and Engineers.
Butterworth Heinemann, 3rd, ed. 2002.
5. Mathews, J; Fink, K. Mtodos Numricos con MATLAB. Prentice Hall, 3a. ed., 2000.
6. Nakamura Shoichiro. Mtodos Numricos Aplicados con Software. Ed. Prentice Hall
Hispanoamericana, Mxico.
202
2. www.uacj.mx/gtapia/AN/Unidad2/regla.htm
3. www.mitecnologico.com/Main/ErroresDeRedondeo.
4. www.virtualum.edu.co/antiguo/.../error/deferror.htm
5. www.wikipedia.org/wiki/Mtodo_de_biseccin
6. www.monografias.com/.../descomposicion-lu.shtm
7. www.uaem.mx/posgrado/mcruz/cursos/mn/euler
8. html.rincondelvago.com/metodo-de-minimos-cuadrados-ordinarios
9. www.scribd.com/doc/2993252/branchandbound
203