Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Integración Numérica
Introducción al Cálculo Numérico
• Métodos SIMBÓLICOS:
– Dan soluciones exactas
– Proporcionan fórmulas genéricas válidas para todo valor de los
parámetros
– Sin embargo, pueden ser difíciles de calcular
• Métodos NUMÉRICOS:
– Dan soluciones aproximadas, aunque pueden ser tan buenas
como queramos
– Hay que repetir los cálculos según cambian los parámetros
– Dan soluciones allí donde no llegan los métodos numéricos
Introducción al Cálculo Numérico
• “El análisis numérico es la rama de la ciencia que tiene
como objetivo el diseño y estudio de métodos que
permitan obtener efectivamente soluciones numéricas de
problemas matemáticos”
• Es necesario resolver problemas matemáticos porque
surgen de manera natural tanto en el análisis de datos
experimentales obtenidos en todas las tareas científicas
como en la simulación de los modelos matemáticos
utilizados por las diferentes ramas de la ciencia y
tecnología.
El Análisis numérico es una rama de la matemática cuyos
límites no son del todo precisos. De una forma rigurosa, se
puede definir como la disciplina ocupada de describir,
analizar y crear algoritmos numéricos que nos permitan
resolver problemas matemáticos, en los que estén
involucradas cantidades numéricas, con una precisión
determinada.
• En el contexto del cálculo numérico, un algoritmo es
un procedimiento que nos puede llevar a una
solución aproximada de un problema mediante un
número finito de pasos que pueden ejecutarse de
manera lógica. En algunos casos, se les da el nombre
de métodos constructivos a estos algoritmos
numéricos.
Diversas razones por las cuales se deben
estudiar los métodos numéricos
– Cálculo de derivadas
– Integrales
– Ecuaciones diferenciales
– Operaciones con matrices
– Interpolaciones
– Ajuste de curvas
– Polinomios
– Los métodos numéricos se aplican en áreas como:
– Ingeniería Industrial, Ingeniería Química, Ingeniería
Civil, Ingeniería Mecánica, Ingeniería eléctrica, etc...
LIMITES Y CONTINUIDAD
Sea f(x) definida en los números reales.
Se dice que f(x) tiene el límite L en x = xo, y se escribe como:
lim f ( x) L
X XO
lim f ( xo h) L
X XO
lim Xn L
n
Su equivalente es:
lim( L Xn) 0
n
8n 2 6n 1
Xn 2
4 n 2n 1
Entonces::
8n 2 6n 1 8 6 / n 1/ n2
lim Xn 2 lim Xn 2
n 4n 2n 1 n 4 2 / n 1/ n 2
f ( xo h) f ( xo)
f ' ( xo) lim
h0 h
F’(x) = 80
f (2.01) f (2)
f ' ( x)
0.01
Teoremas Fundamentales
Teorema: Si f(x) es diferenciable en x=xo, entonces f(x) es
continua en x= xo
Teorema de Rolle: Si f(x) es continua en el intervalo cerrado y
finito I = [a,b] y diferenciable en (a,b); si, además, f(a) = f(b) =
0, es porque existe un valor ce c con a < c < b, tal que f’( c )= 0
Ans =
Cos (x)
Ans =
-cos (x)
FUNCIONES INTEGRABLES
Teorema Fundamental 1: Si f(x) es continua en [a,b] entonces existe una función F,
conocida como la antiderivada de f, que cumple:
b
b
d
dx a
f (t )dt f ( x)
En MatLab
Haciendo uso de la matemática simbólica, se asigna la variable explícita x; luego se
define la variable simbólica f y se invoca a la función int, para la integración
>> syms X
>> f=-cos(x);
>> int(f))
Ans =
-sin (x)
Convergencia y estabilidad de los Métodos
Numéricos
• Se entiende por convergencia de un método numérico la garantía de que, al
realizar un “buen número” de iteraciones, las aproximaciones obtenidas terminan
por acercarse cada vez más al verdadero valor buscado.
• En la medida en la que un método numérico requiera de un menor número de
iteraciones que otro, para acercarse al valor deseado, se dice que tiene una mayor
rapidez de convergencia.
• Se entiende por estabilidad de un método numérico el nivel de garantía de
convergencia, y es que algunos métodos numéricos no siempre convergen y, por el
contrario, divergen; esto es, se alejan cada vez más del resultado deseado.
• En la medida en la que un método numérico, ante una muy amplia gama de
posibilidades de modelado matemático, es más seguro que converja que otro, se
dice que tiene una mayor estabilidad.
• Es común encontrar métodos que convergen rápidamente, pero que son muy
inestables y, en contraparte, modelos muy estables, pero de lenta convergencia.
SERIES DE TAYLOR CON RESIDUO
Teorema de Taylor: Sea f(x) una función con derivadas de orden 1, 2, …., (n+a); y
xo perteneciente a [a,b] es un valor fijo, entonces:
f ( x) Pn ( x) Rn ( x)
Con:
n
f k ( xo)
Pn ( x) ( x xo) k
k 0 k!
Y:
f ( n1) ( )
Rn ( x) ( x xo) n1
(n 1)!
Ejemplo
Si f(x)= ex; entonces:
f(1)(x)=ex, f(2)(x)=ex, f(3)(x)=ex
S e tienen los valores numéricos f(0) =1, f(1)(0)=1, f(2)(0)=1, f(n)(0)=1, con n= 0, 1, …
Luego, para n=5, en xo=0
x 2 x3 x 4 x5
P( x) 1 x
2! 3! 4! 5!
>> syms X
>> f=exp (x);
>> taylor(f)
Ans =