Documente Academic
Documente Profesional
Documente Cultură
MTODOS NUMRICOS
--2012
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ
Pg. 1
UNMSM
MTODOS NUMRICOS
INDICE
Pg.
INDICE..2
INTRODUCCIN........ 4
ERROR ABSOLUTO....5
Teorema de Bolzano...6
MTODO DE BISECCIN..7
MTODO DE REGULA FALSI O MTODO DE FALSA POSICIN.10
MTODO DE PUNTO FIJO O MTODO DE APROXIMACIONES SUCESIVA..12
MTODO DE LA SECANTE...15
MTODO DE NEWTON RAPHSON...17
MTODO DE NEWTON RAPHSON EN DOS VARIABLES....24
INTERPOLACIN...27
INTERPOLACIN DIRECTA DE NEWTON -PROGRESIVO...28
INTERPOLACIN DE NEWTON REGRESIVO (NR)..31
INTERPOLACION DIRECTA CENTRAL.32
INTERPOLACIN PARA EL CASO DE DATOS NO EQUIDISTANTES..35
INTERPOLACION Y APROXIMACION DE LAGRANGE.38
PROBLEMAS RESUELTOS...42
METODOS DIRECTOS DE SISTEMAS DE ECUACIONES LIENALES...48
Mtodo Crout-Doolitle..50
Mtodo de Cholesquy...52
Mtodo Tridiagonal para sistemas de ecuaciones lineales59
Pg. 2
UNMSM
MTODOS NUMRICOS
Pg. 3
UNMSM
MTODOS NUMRICOS
INTRODUCCIN
En la prctica de la ingeniera y ciencias es frecuente tener la necesidad de resolver un
sistema de ecuaciones lineales. Estos sistemas aparecen en muy diversos problemas, ya sea
como la solucin completa de un problema al menos como parte de ella. Dada esta
necesidad frecuente, se requiere resolverlos en forma eficiente.
Para una mejor organizacin y bsqueda rpida de cada tema se ha implementados con un
ndice al principio del trabajo para su fcil ubicacin de los temas ya que el texto completo
se encuentra enumerada de principio a fin, adems en el final se ha considerado incluir
problemas resueltos de los diferentes temas estudiados.
Como los algoritmos de los mtodos ya estn disponibles en la mayora de los libros de texto
sobre la materia, se explicara en la medida de lo posible, detalles de implementacin
(personales) de los mtodos directos (que son mas difciles de programar). El lenguaje de
programacin idneo para tal fin ser matlab 6.0
Damos desde ya los agradecimientos a todas aquellas personas que dieron su apoyo para
completar el trabajo tanto en ideas, criticas para su mejoramiento sin importar la magnitud
de la ayuda han sido de gran ayuda y esperando aun recibir su aportes para la continua
superacin en los prximos trabajos que se han de mostrar.
Pg. 4
UNMSM
MTODOS NUMRICOS
ERROR ABSOLUTO
Es la diferencia entre un valor de exacto y una de sus aproximaciones. Puede ser positivo o
negativo, segn si la medida es superior al valor real o inferior (la resta sale positiva o
negativa). Tiene unidades, las mismas que las de la medida.
DEFINICION DE CIFRAS SIGNIFICATIVAS EXACTAS:
Se define por la siguiente relacin:
; 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
Pg. 5
UNMSM
MTODOS NUMRICOS
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 ( ) ( )
( )
f(x)
-2
-1
Pg. 6
UNMSM
MTODOS NUMRICOS
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
( ) ( )
Ejemplo 01.
( )
X* [-1,2]
) (
i=1 ,
|
-
)
-
Pg. 7
UNMSM
MTODOS NUMRICOS
|
(
) (
i=2 ,
)
-
|
(
) (
i=3 ,
|
(
) (
i=4 ,
X* = -0.03125
Ejemplo 02.
( )
X* [-2,1]
) (
Pg. 8
UNMSM
i=1 ; ,
|
(
) (
i=2 ,
)
-
|
(
) (
i=3 ,
)
-
|
(
) (
i=4 ,
)
-
|
(
) (
i=5 ,
MTODOS NUMRICOS
)
-
X* = -1.953125
Pg. 9
UNMSM
MTODOS NUMRICOS
( )
( )
Paso 3: Hallar
( ) ( )
Paso 4: Parar si |
Ejercicio 1:
( )
, Con X* [1,3]
( )
( )
(
) ( )
i=1
( )
( )
Pg. 10
UNMSM
( )
( )
|
MTODOS NUMRICOS
( )
( )
|
( ) ( )
i=2 ,
( )
( )
|
( )
( )
X*=0.804
Ejercicio 2
( )
; Con X* [-2,2]
( )
( )
(
i=1
( )
( )
) ( )
,
( )
( )
|
( )
( )
X*=-0.20713
Pg. 11
UNMSM
MTODOS NUMRICOS
( )=0 despejar
= g (x).. (2)
Donde g(x) es llamado funcin de iteracin.
arbitrario /
, b]
Condicin de convergencia:
Existe {xn} x* Si se cumple lo siguiente:
a) g (x)
, b]
b) g( )
| g( )|
b>
Pg. 12
UNMSM
MTODOS NUMRICOS
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
-1
0.5
1.91
1.5
1.23
-1 = 0 ---> x = arcsen (
) = g(x)
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
-
Pg. 13
UNMSM
MTODOS NUMRICOS
S g ( ) arcsen(
) ---> g ( ) (
| g ( ) | = 0.11 < 0.9
| g (
L = max{| g (
L
L ,
) | , | g ( ) | }
--- g ( ) , cumple 2 condicin
n =1
X = arcsen(
X= 0.1183
n =2
X = arcsen(
X = 0.1128
Pg. 14
UNMSM
MTODOS NUMRICOS
MTODO DE LA SECANTE
Algoritmo:
Paso 1: Dado la ecuacin ( ) =0. / x*
, b].
)(
)
)
)(
Ejemplos:
Por el mtodo de la secante obtener una solucin con dos cifras significativas exactas.
F(x) = 10.sen(x).
-1
F(x)
-1
-23.87
-0.5
-8.90
-1
0.5
1.91
1.5
1.23
Entonces ahora:
Sea x = 0 y x = 0.5
Para i = 2:
Pg. 15
UNMSM
MTODOS NUMRICOS
F(x)
-1
-22.71
-0.5
-12.29
-5.00
0.5
-0.16
1.5
4.89
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:
Pg. 16
UNMSM
MTODOS NUMRICOS
, b] por T.B.
; n=0, 1, 2,
Convergencia de N-R.
Existe {xn} x*
Si: |
( ) ( )
( ( ))
|<1
Pg. 17
UNMSM
MTODOS NUMRICOS
Ejemplo:
Sea f(x)=
-3x; donde x*
( ) ( )
( ( ))
| X = 0 < 1
= 0.2479 <1
Si:
( )=
-3x
( )=
-3
( )
|
( ) ( )
( ( ))
=0.1
=0.5*10
n=0
=
Entonces:
=
Observacin: Si
= 0.52493063
=0.5, estara ms cercano a la raz.
n=1
=
=0.61315951
= 0.619033363
n =2
=
Pg. 18
UNMSM
MTODOS NUMRICOS
n =3
=
= 0.69001281
| = 0.000027923 = 0.3*10
Entonces:
x* =
Dado el Sistema:
F(x, y) = 0 (1)
G(x, y) = 0 (2)
De (1) y (2), despejamos de alguna forma x e y para obtener un sistema de la siguiente forma:
x = f(x, y) = f (3)
y = g(x, y) = g (4)
F(x, y) = 0
G(x, y) = 0
Despejar x ^ y, y obtener el siguiente sistema.
x = f(x, y) = f
y = g(x, y) = g
Pg. 19
UNMSM
MTODOS NUMRICOS
2 Paso:
Generar la sucesin:
{Xn}
xk
^
{yn}
Yk
Mediante la siguiente relacin de recurrencia:
n = 0, 1, 2,
3 Paso:
Dejar de iterar si:
|
|
; |
C.C. ir al 2 Paso.
xk
^
{yn}
Yk
Si se cumple lo siguiente:
| |(
|(
| |(
^
| |(
)
)
Ejemplo:
Sea el sistema.
(1)
(2)
Pg. 20
UNMSM
MTODOS NUMRICOS
x
-2
-1
0
1
2
3
( )
( ) ( )
x
2
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3
( )
+
+
+
) (
( )
Pg. 21
UNMSM
De:
MTODOS NUMRICOS
)
0
=1 <1
| |
| |(
+
| |(
|(
0.9
|(
|(
= 0.9 < 1
|
| 0.5*10-1
Sus relaciones de recurrencia son:
(
Iterando:
n = 0; ITERACION INICIAL; con X0 = 2.7 ^ Y0 = 2.8
(
Pg. 22
UNMSM
MTODOS NUMRICOS
^ Y1 =
^ Y2 =
^ Y3 =
^ Y4 =
^ Y5 =
^ Y6 =
Pg. 23
UNMSM
MTODOS NUMRICOS
^ Y7 =
Si:
|
|
* Algoritmo de N.R.
1 Paso:
Dado el sistema:
F(x, y) = 0
G(x, y) = 0
2 Paso:
Generar la sucesin:
{Xn}
xk
^
Pg. 24
UNMSM
MTODOS NUMRICOS
{yn}
Yk
( )
( )( )
( )
( )( )
Parar si:
|
|
C.C. ir al 2 Paso.
Ejemplo:
)
(
(
)
)
Pg. 25
UNMSM
MTODOS NUMRICOS
( )
|
*
|
*
Pg. 26
UNMSM
MTODOS NUMRICOS
|
Si:
|
|
| = 0.0003 = 0.3*10-3
^
| = 0.0005 = 0.5*10-3
0.5*10-3
0.5*10-3
INTERPOLACIN
Supongamos que se conoce f0 , f1, f2, .fn valores correspondientes a X0, X1, X2, .., Xn
valores independientes de una variable independiente X.( X0<X1<<Xn) entonces tenemos
dos tipos de interpolacin.
Pg. 27
UNMSM
MTODOS NUMRICOS
FP = f (XP) imagen de XP
F(X)
(X1,f1)
(X0,f0
)
(XP,fP)
Xo
XP
X1
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 , en la tabla, se debe hallar su imagen . Hay dos tipos de Interpolacin.
A) Interpolacin Directa. Consiste en que dado se debe hallar su imagen .
B) Interpolacin Inversa. Consiste en que dado el valor de la imagen , se debe hallar el valor
P(P
)(P (n
))
n!
Donde
P(P
)
!
P(P
)(P
!
sector de la tabla.
Pg. 28
UNMSM
MTODOS NUMRICOS
Newton Progresivo
Newton Regresivo
12
16
Observacin:
Si
sea;
Si
|<8
|<12
P(P
Diferencia, o sea;
Si |
Diferencia, o
)
!
)
!
P(P
)(P
diferencia, osea
( )
1.1
1.2
1.3
4.3
4.6
4.9
=1.05, hallar
Sol:
( )
1
4
xp=1.05 f p =?
1.1
4.3
3=
0=
3
1.2
4.6
0
3
1.3
|=0<4
4.9
Pg. 29
UNMSM
MTODOS NUMRICOS
P=0.5
<0,1>
Ejemplo 2: Si
Hallar
( )
en la Sgte. Tabla
g( )
6.2
6.4
6.6
6.8
0.79239
0.30618
0.81954
0.83251
g( )
( )
6.2
Xp=6.36
6.4
0.79239=
fp=?
0.30618=
7 7.2
1279=
-43=
1336=
6.6
0.8195 =
-39=
1297=
6.8
0.83251=
0.84510=
7.2
0.85733=
1
-38=
1259=
2
-36=
1223=
P(P
!
(
Si
)(
!
( )
( )
Pg. 30
UNMSM
MTODOS NUMRICOS
P(P
P(P
)
!
)(P (n
))
n!
Donde
Ejemplo Si
x
3
)(P
P(P
!
n
=3.9 hallar
( )
20.08
4.45
3.2
24.53
3.4
29.96
3.6
36.59
0.98
5.43
.22
1.20
6.63
.28
1.48
8.11
3.8
.30
49.7
1.78
9.89
4.0
54.59
|
P(P
)
!
)(
)(P
!
)(
P(P
(
|<12 Se aplica
de NR hasta la
diferencia
)
)
)(
)(
Pg. 31
UNMSM
MTODOS NUMRICOS
Se aplica si p
Su formula es:
p=
0+
S1 (
-1/2
1/2)
+ S2
+ S3 (
-1/2
1/2)
+ S4
Donde:
S1=
; S2=
; S3=
; S4=
)
!
; S5=
)(
!
b) Interpolacin de Bessel:
Se aplica si p
Su formula es:
p=
0+
1/2 +
2(
1)
1/2
Donde:
1=
2=
)
!
3=
)(
!
4=
)(
)(
!
Pg. 32
UNMSM
MTODOS NUMRICOS
c) Interpolacin de Everett:
Se aplica si p
Su formula es:
=
Donde:
(
)(
!
(
)(
)(
)(
)(
!
(
)(
) (
!
)(
Bessel o Stirling 4
60
Everett
no existe 20
20
500
100
no existe 100
Ejemplos resueltos:
En la siguiente tabla se tiene:
X
f(x)=
+ x +1
1
0.111
0.026
0.006
0.1
1.111
0.137
0.032
0.006
0.2
1.248
0.169
0.038
0.006
0.3
1.417
0.207
0.044
0.4
1.624
0.251
0.5
1.875
Como:
; No cumple
; cumple con la T.O.T, segn P se aplica Bessel, Stirling o Everett.
Pg. 33
UNMSM
MTODOS NUMRICOS
Entonces hallar: fp
a) Si
Solucin a):
Se sabe que:
Entonces:
Como:
y|
|
Para Stirling su es hasta su 2diferencia, como
se aplica Everett o hasta su
anterior pero como no existe la 3 diferencia; el de Everett es hasta la 2 diferencia.
*Solucin segn Stirling:
p=
0+
S1 (
-1/2
1/2)
+ S2
p=
p=
1.2856416
valor aproximado
Con calculadora:
p=
1.285415424
=0.76*1.248+0.24*1417-(0.053504*0.032)-(0.037606*0.038)
=1.285415424
Pg. 34
UNMSM
MTODOS NUMRICOS
Sean
(n+1) ptos
(X0<X1<X2<. <Xn)
F(X) = a0(X-X1) (X-X2)..(X-Xn)+a1(X-X0)(X-X2).(X-Xn)++an(X-X0)(X-X1)(X-X2)...(X-Xn-1)
a0=
Si X = X1
f(o)
a1=
f(1)
.
.
.
Si X = Xn
; f(Xn)= an(Xn-X0)(Xn-X1)(Xn-X2)..(Xn-Xn-1)
an=
(n)
Pg. 35
UNMSM
MTODOS NUMRICOS
f(X)=
L0(X)
F(X)
L1(X)
L0(X)fo +
L1(X)f1
Ln(X)
.
+ Ln(X)fn
Polinomio de Lagrange
Donde:
i(X)=
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
Pg. 36
UNMSM
R(X) es de grado
MTODOS NUMRICOS
(ya que el grado de P(X) y Q(X) es
Adems:
R(X0)= P(X0) - Q(X0)= f0-f0 =0
R(X1)= P(X1) - Q(X1)= f1-f1 =0
En general
R (Xi) = 0
i 0, 1, 2, 3,n
Entonces.
X0, X1, X2,., 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
Fx
0 2
1
El polinomio P(X) = X2 +1 pasa por estos puntos, tambin pasa por estos puntos el
polinomio Q(X) = X3-2X + 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
Pg. 37
UNMSM
MTODOS NUMRICOS
n.
( ) a determinar:
() ( )( )( ) ( ) ( )(
)( ) ( ) ( )( )( ) (
) .
Observacin:
El polinomio ( ) se caracteriza por:
), en el 2 trmino falta el factor (
) , en el 3 termino falta
En el 1 trmino falta el factor (
) y as sucesivamente, en el n-simo termino falta el factor (
).
el factor (
; de la siguiente manera:
Si x=
( )
( )
)(
(
(
)(
( )
)(
)(
)(
)(
)(
)(
)(
) (
)(
)(
)(
)(
)(
)(
)(
)(
Si x=
( )
( )
)(
(
(
)(
(
)(
)(
)(
)(
)(
)(
)(
)(
)
)(
)(
Si x=
Pg. 38
UNMSM
( )
MTODOS NUMRICOS
( )
)(
(
(
)(
)(
)(
(
)(
)(
)(
)(
)(
)(
)(
)(
)(
)(
)
)
)
)(
( )
)(
)(
)(
)(
(
)(
)(
)(
)(
)(
)(
(
)
)(
)(
)(
)(
)(
)(
)(
)(
)
)
)
)
( )
( )
( )
( )
( )
Ejemplo: 1
En la siguiente tabla:
a) Aproximar a un polinomio de Lagrange.
b) Si
=1.1. Determinar
por Lagrange.
Tenemos:
X
( )
2
1
2
26
Pg. 39
UNMSM
MTODOS NUMRICOS
a) Solucin:
El polinomio de Lagrange
( )
(
(
)(
)(
( )
(
(
(
(
)(
)(
)(
)(
)(
)(
)(
)(
)
)(
)(
)
(
(
)(
)(
)(
)(
)(
)(
)(
)(
)
)
( )
)(
)(
(
)
(
(
)(
)(
( )
)
)
(
(
)(
)(
)(
)(
(
)(
)(
)(
)(
(
(
)(
)(
)(
)(
)(
)(
)(
)(
)
)(
)(
(
)
)(
)(
)(
)(
)(
)(
)
)
)(
)(
)(
)(
, ser:
)(
)(
)
)
(
(
)(
)(
)(
)(
)(
)(
)
)
)
)
b) Solucin:
Como:
( )
( )
)
(
( )
)( )
)( )
)( )
(
!
Donde:
(
)(
)(
)(
)(
)(
)(
)(
)(
)(
)(
)
Pg. 40
UNMSM
MTODOS NUMRICOS
)( ) |
)(
)( ) |
(
(
)(
)(
)(
)(
)(
)(
)
)(
)(
Ejemplo: 2
Aproximar la siguiente tabla a un polinomio de newton
( )
1.1
1.04 =
1.2
1.08=
1.3
1.11=
0.04
-0.02
0.03
0.02
-0.01
0.04
1.4
1.15=
Donde: h=1.4-1.3=0.1
)(
(
)(
(
(
( )
)(
)(
)
( )(
)(
)(
)
( )(
)(
( )(
)
)
)(
( )(
( )
Pg. 41
UNMSM
MTODOS NUMRICOS
PROBLEMAS RESUELTOS
(Mtodo de Newton Raphson)
F(x)=
[0,1]
( )
( )
( )
Xn+=Xn-
( n)
(
=> Xn+1 = Xn
n)
n
( n
Con X=1
X = X
X=0.683939
n=
1
1ra Iteracin.
X = X
X=0.5774544772
2da Iteracin.
n=
2
X = X (
)
|X - X|=0.01=0.01*
n=1 -> X = con 1 cifra significativa.
Pg. 42
UNMSM
2
MTODOS NUMRICOS
Resolver por el mtodo por el punto fijo con 1 cifra decimal exacta.
Solucin:
{} X -1 =0 (1)
X= (2)de (1)
Remplazando en (2)
F (y)=
Y
0
1
2
F (y)
F (0).F(1)<0 ->
+
[0,1]
+
Y
0
0.5
0.6
1
F (y)
F (0.5).F(0.6)<0 -> ,
1er intervalo para F(y)=
+
-(*)
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
Y= LnX
-> f
-> g
fx=0
fy=
gx=
gy=0
fx(1.6;1.5)=0
fy(1.6;1.5)=0.5773502642
gx(1.6;1.5)=0.625 gy(1.6;1.5)=0
|fx(1.6;1.5)+fy(1.6;1.5)|=0.57785026 < 1
|gx(1.6;1.5)+gy(1.6;1.5)|=0.625 < 1
->{Xn} ->
{Yn} ->
Mediante la Sgte. Relacin.
Pg. 43
UNMSM
Xn+=2
Yn+ =Ln(Xn)
MTODOS NUMRICOS
n=0, 1, 2
n=0, 1, 2
Dejar de iterar
|Xn+-Xn| 0.5*
Iterando como punto inicial *X,Y+=*1.6;1.5
n=0 X=2
=1.732050
Y=0.4700036292
n=1
n=2
X=1.765328965
Y=0.5493061446
X=1.671242364
Y=0.5683370555
n=3
X=1.645591676
Y=0.5135672804
n=
4
n=5
X=1.716098655
Y=0.49810001
X=1.734239187
Y=0.5400534907
Pg. 44
UNMSM
3
MTODOS NUMRICOS
a)
(2) Localizar el intervalo donde existe la raz
b) Verificar su condicin de convergencia
c) Hallar una solucin con 4 cifras decimales exactas.
Solucin:
a) Y=Lnx de (1)
Remplazando en (2)
-> F(x)=
Utilizando el T.B. localizamos el intervalo donde existe la raiz.
x
1
2
F(x)
+
F (1).F(2)<0 ->
[1,2]
x F(x)
1.6
F(1.6).F(1.7)<0 ->
[1.6,1.7]
1.7
+
Sea X=1.6 ; Y?
De (1) -> Y=Lnx = Ln(1.6)=0.47 -> Y=0.47
Entonces:
{ X 1.6
Y 0.47
b) Sea
F(x,y)=X
G(x,y)=
-1
Fx(x,y)=
Fy(x,y)=-X.
Gx(x,y)=2X
Gy(x,y)=8y
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ
Pg. 45
UNMSM
MTODOS NUMRICOS
Fx(x,y)
Gx(x,y)
J(x,y)=|
|=| 2x
Fy(x,y)
Gy(x,y)
X.
8y
= 5.550020142 0
Y como (X Y ) es muy cercano:
->-> {xn} -> y -> {yn} ->
c) Dejamos de iterar si:
|Xn-Xn+| 0.5*
=0.5*
|Yn-Yn+| 0.5*
=0.5*
Ahora:
| F
G
8Y [X
Fy |=| X
Gy
-1]+ X.
| Fx
Gx
-1 -X.
8y
F |=|
G
-X.
|=
]-2x [-X.
n,
n=0, 1, 2,..
Yn+=Yn -
, n
n=0, 1, 2,
Siendo P inicial: (1.6;0.47)=(X;Y)
n=0
X=1.6
Y=0.47-
=1.700250715
)
= 0.53265975
Pg. 46
UNMSM
MTODOS NUMRICOS
n=1
X=1.700250715
(
=1.697250462
Y=0.53265975(
n=2
= 0.52900931
X=1.697250462
=1.6972239658
Y=0.53265975(
= 0.5290032
Luego
|X - X|= 0.000026=0.00003=0.3*
0.5*
->
con 4 cifras significativas decimales exactas.
|Y - Y|= 0.0000061=0.00001=0.1*
0.5*
->
con 4 cifras significativas decimales exactas.
Pg. 47
UNMSM
MTODOS NUMRICOS
Donde:
A: es la matriz a factorizar
L : es una matriz triangular inferior, cuyos elementos de la diagonal principal son iguales
a 1. Se llama L porque viene de la palabra inglesa low, que significa bajo.
U : es una matriz triangular superior, cuyos elementos se hallan por el mtodo de la
eliminacin gaussiana. Se llama U porque viene de la palabra inglesa up, que significa
arriba.
NOTAS:
. Este tipo y todos los tipos de factorizacin matricial se basan en el mtodo de
eliminacin gaussiana.
. Aunque no todas las matrices admiten este tipo de representacin, muchas de las que
aparecen frecuentemente en las aplicaciones de las tcnicas numricas s la tienen.
. La factorizacin LU es especialmente til cuando hay que resolver varios sistemas
lineales con la misma matriz de coeficientes A, puesto que el proceso de las
operaciones se realiza solamente una vez.
Pg. 48
UNMSM
MTODOS NUMRICOS
. Desde un punto de vista prctico, esta factorizacin slo ser til cuando los
intercambios de filas no sean necesarios para controlar los errores que aparecen por
utilizar aritmtica con un nmero finito de cifras.
. Tambin se podra decir que la factorizacin LU solamente es aplicable cuando los
determinantes de las submatrices de A son todos distintos de cero.
Ejemplo
0
Sea la matriz
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
0
0 +(
+=(
L
l11=2,
l21=4,
l31=1
u23=2, l33=
+=(
L
0 -1
4+(
Pg. 49
UNMSM
MTODOS NUMRICOS
A.x = B
L.y = B
L.U.x = B
U.x = y
MTODO CROUT-DOOLITLE.
Para un sistema lineal de la forma:
Pg. 50
UNMSM
MTODOS NUMRICOS
Ejemplo:
Sea la matriz
(
+( +
( +
Para
)( +
( +
Para
)( +
Pg. 51
UNMSM
MTODOS NUMRICOS
METODO DE CHOLESKY
Tambin para resolver el sistema Ax = b para aplicar cholesky se debe cumplir lo siguiente:
Simetrico
1 que XtAX>0 /
A definida Positiva
| Xt = (X1 X2 X3)
X=|
1 versin de cholesky
Ejemplo: 1
Aplicar cholesky al sistema siguiente:
|| |
| |
A es simtrico
A es definida positiva?
Se debe de cumplir que XtAX>0
-|
|| |
Pg. 52
UNMSM
MTODOS NUMRICOS
Ax = b
L*LtX = b
Y=
t
LX
A = L*Lt
L*Y = b
Lt*X = Y
||
l11=2
l21 =
l31 = 1
l22 =
l32 =
l33 =
L*L =
|
|
||
||
|
|
Ax = b
L*L X = b
Lt*X = Y
L*Y = b
Pg. 53
UNMSM
Para
MTODOS NUMRICOS
L*Y = b
|
|
||
|
| |
Y1 =
Y2 =
Y3 = 4*
Para
Lt*X = Y
|
|
||
|
|
|
X1 = 28/27
|
|
X2 = 35/27
X3 = -16/27
Ejemplo: 2
2 5 2 x2 = 3
0 2 6
x
5
Pg. 54
UNMSM
MTODOS NUMRICOS
Solucin:
A = At , entonces A es simtrica.
x t Ax > 0 , luego A es definida positiva.
Factorizamos la matriz A = LLT
4 2 0 l11 0 0 l11 l21 l31
l112 = 4 l11 = 2
l 21l11 = 2 l 21 = 1
l31l11 = 0 l31 = 0
l11l 21 = 2
2
2
l 21
l 22
= 5 l 22 = 2
l11l31 = 0
l 21l31 l 22 l32 = 2
l312 l322 l332 = 6 l33 = 2
2 0 0
2 1 0
L = 1 2 0 , L = 0 2 1
0 1 2
0 0 2
Pg. 55
UNMSM
MTODOS NUMRICOS
1 2 0 y2 = 3 y = 1
0 1 2 y 5
2
Para Lt x = y
1
2 1 0 x1 1
2
0 2 1 x2 = 1 x = 0
0 0 2 x 2
1
Pg. 56
UNMSM
MTODOS NUMRICOS
Pg. 57
UNMSM
MTODOS NUMRICOS
Pg. 58
UNMSM
MTODOS NUMRICOS
+( +
. (1)
. (2)
. (3)
. (n-1)
. (n)
ALGORITMO TRIDIAGONAL:
P-1:
Del sistema
P-2:
Sea
, expresarlo como
* +
, C es constante arbitraria /
se hace lo siguiente:
Tal que:
Se tiene
(
(
Pg. 59
UNMSM
Si
Si
MTODOS NUMRICOS
es solucin de
es solucin de
P-3:
Del sistema
llegando a lo siguiente:
Tal que:
Se tiene
Si
Si
y sea
.. ( )
.. ( )
Se tiene:
()
expresarlo como
( )
)
0
Tal que:
Ejemplo:
Resolver:
2
2
Del sistema
(1)
Sea
* +
... (2)
(3)
(4)
Pg. 60
UNMSM
De (1):
De (2):
De (3):
MTODOS NUMRICOS
(
(
Del sistema
Sea
,
,
, en
en
en
Observacin: Si
(
Pg. 61
UNMSM
MTODOS NUMRICOS
Verificando:
2
)
2(
Ejemplo 2
(Solucin de sistemas lineales en Tribanda)
Sea
en Tribanda.
( )
( )
( )
( )
Algoritmo del sistema Tridiagonal
Solucin:
Del sistema
( )
( )
( )
( )
Sea
* +
Entonces:
De (1) despejo :
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ
Pg. 62
UNMSM
( )
MTODOS NUMRICOS
De (2) despejo :
( )
De (3) despejo :
( )
Y se tiene que:
(
(
es un vector nulo.
( )
( )
( )
Pg. 63
UNMSM
MTODOS NUMRICOS
* +
Sea
De (1) despejar :
( )
De (2) despejar :
( )
De (3) despejar :
( )
Entonces:
( )
( )
Pg. 64
UNMSM
MTODOS NUMRICOS
Comprobacin:
-46+24+13
-22+13=-9
Ec (1)
Ec (2)
+
(
Ec (n)
) (
x
Algoritmo Pentadiagonal
=D
De Ec (2) despejar
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ
Pg. 65
UNMSM
MTODOS NUMRICOS
De Ec (n-2) despejar
De Ec (n-1) despejar
De Ec (n) despejar
Como no existe se hace lo siguiente :
Donde
Si
* es un vector residual.
( ) es solucin del sistema A.x = b
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
Si
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
Pg. 66
UNMSM
MTODOS NUMRICOS
en donde
( * es un vector residual.
(
) es solucin del sistema A.x = b
Si
Si
P-5
A(
( )
( ))
( ) y se llega a lo siguiente
= /
Pg. 67
UNMSM
MTODOS NUMRICOS
Ejemplo
Resolver el siguiente sistema pentadiagonal
2 +3 +
3 +2
= 8 Ec(1)
+4
+4
= 15 Ec(2)
+4
+4
+2
+2
= 13 Ec(2)
= 19 EC(4)
+7
= 15 EC(5)
+3
+2
+4
+4
+4
+2
= 13 Ec(3)
+4
+2
= 19 Ec(4)
+7
= 15 Ec(5)
2
Sea
= 8 Ec(1)
= 15 Ec(2)
=0
=1
cte arbitrario
P-2:
DE Ec(1) despejar
=5
pues 0 + 3(1) +
DE Ec(2) despejar
=8
= 7
pues 0 + 2(1) +4(8) +
DE Ec(3) despejar
= 15
= 16
Pg. 68
UNMSM
MTODOS NUMRICOS
pues 0 + 4(1) + 5 + 4( 7) + 2
DE Ec(4) despejar
+4
+2
; como
De la Ec(5) despejar
; como
= 45
hacemos
+ 7 = 15 +
2(5) + ( 7) +7(16) = 15 +
R=
, hacemos lo sgte. :
= 19 +
1 + 4(5) + 2( 7) + 16 = 19 +
2 +
= 13
( ) , como R
= 100
; 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
Pg. 69
UNMSM
MTODOS NUMRICOS
De Ec(1) despejar ;
= 80
De Ec(2) despejar ;
= 250
(
= 1445
)
2(
)+ (250) + 7(
)= 0 +
=0
= 0 Ec(1)
+ 2
+ 4
+
= 0 Ec(2)
+ 4
+
+4
+ 2
= 0
Ec(3)
+ 4
+2
+
= 0
Ec(4)
+
+ 7
= 0
2
Ec(5)
= 20
Sea
= 10
Pg. 70
UNMSM
MTODOS NUMRICOS
;
De Ec(1) despejar
De Ec(2) despejar
+ 2
+ 4
+
= 0
3
) + = 0
3(20) + 2(10) + 4(
De Ec(3) despejar
= 395
+ 4
+
+ 4
+ 2
= 0
20 + 4(10) + (
= 0
)+ 4(200) + 2
como
, hacemos
De Ec(4) despejar
+ 4
+2
+
= 0 +
10 + 4(
= 1925
) 2(200) + 395 = 0 +
; como
De Ec(5) despejar
+
+7
= 0 +
2
T = . /= (
);
)
(
A.
= +T
Pg. 71
UNMSM
MTODOS NUMRICOS
=0
R= .
/+
=R
1445 + 1925
2705
S=.
/= .
T=.
= 100
/
/
= 0.025992507
= 0.003865364
X=
X=
+ 0.025992507
+ 0.003865364
(
X=
)
Comprobacin :
Ec(1)
2 +3 +
=8
Cumple!!!
Pg. 72
UNMSM
MTODOS NUMRICOS
()
()
||
()
()
Principales Normas
-Norma k,
| |
| |
| |
Ejemplo 1:
Sea
*|
*|
Para el vector X =
|
|
+
+
* +
| |
| |
Pg. 73
UNMSM
MTODOS NUMRICOS
| |
| |
| |
Ejemplo 2:
Sea X = (
)
*|
|
)
|+
|
(
Pg. 74
UNMSM
MTODOS NUMRICOS
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.
Donde:
A=
b = | | y si aii
0
X =| |
i=1,2,3, . , m
X = + i-1X
X1 =
X2 =
. (2)
.
.
.
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ
Pg. 75
UNMSM
MTODOS NUMRICOS
Donde:
= (1,2, ,m)t
= bi/aii ; aii 0 ;
= ij = -aij/aii
+ |
| (2)
.. (3)
X (k) = + X (k-1),
k=1 , 2,
De la relacin (3) se obtiene la sucesin {Xk} k=0 tomando como valor inicial X (0) arbitrario, que
generalmente X (0)=0 X (0)= =1
Obs.
Pg. 76
UNMSM
MTODOS NUMRICOS
ALGORITMO DE JACOBI:
P-1
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)
P-3
k=1,2,
Dejar de iterar si
A=
Matriz Diagonal
( - )
Pg. 77
UNMSM
MTODOS NUMRICOS
= D-1b
Si el mtodo de Jacobi es
X = + X
= -D-1(L + U)
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
(-1/10) X2-(1/10)X3
(-1/10)X3
Pg. 78
UNMSM
MTODOS NUMRICOS
X (0) = 0
X (0) =
X (0) = 1
X (0)
K=0
Iteracin Inicial:
X (k+1) = + X (k)
X (1) = + X (0)
Donde
(1)
( )
( )|
( )
=|
] |
Donde
K=1
)(
)(
1 Iteracin:
X (2) = + X (1)
(2)
=|
( )
( )|
( )
] |
Pg. 79
UNMSM
MTODOS NUMRICOS
Donde:
K=2
+ = 1.008
2 iteracin:
X (3) = + X(2)
( )
( )
X (3)= |
] |
( )
Donde:
+ = 0.9984
||
( )
||
( )
||
{|
( ) ||
{|
|}
{|
|}
|}
10-1 =
Ejemplo 2:
Pg. 80
UNMSM
MTODOS NUMRICOS
CONVERGENCIA DE JACOBI
{
( )
} X*
Si |||| <
.. (i)
Observacin
Para que se cumpla (i)
Es necesario que A del sistema original Ax = b sea diagonalmente dominante, es decir
aii > |aij| de su fila y de su columna
As: a11 = 20 > = 0 + 5 de su fila
a11 = 20 > = 1 +1 de su columna
a22 = 20 > = 1 + 2 de su fila
a22 = 20 > = 0 + 9 de su columna
Igual para a33
x1 =
+0+0-
x2 =
+0-
x3 =
+0
. . .
x = +
|
|
| = |
|
|| ||
mx.{ 0 + 0 + |
|| ||
|| ||
0.5 <
|,|
|+0+|
|,|
|+|
|+0}
} X* por jacobi
Pg. 81
UNMSM
MTODOS NUMRICOS
=+
,k
0, 1,2
Para k = 0
Interaccin inicial
=+
Observacin
Sea
es arbitraria
..
.
+
Para k = 1
Primera iteracin
Donde
= 0.1 +
Pg. 82
UNMSM
MTODOS NUMRICOS
Para k = 2
Segunda iteracin
..
....
k =3
+
Tercera iteracin
..
....
=
=
= 0.03289625 < =
* con <
Pg. 83
UNMSM
MTODOS NUMRICOS
Del sistema Ax = b
Sea A = D + L + U
=
b + [k = 0, 1, 2
( D + L + U )x = b
Dx + ( L + U)x = b
Dx = b + [-( L + U)x]
x=
b + [
x=
Observacin
=( L + U ) es igual al despejar
xi de la ecuacin (i), i = 1, 2, 3
( L + U )]x
..
+
Pg. 84
UNMSM
MTODOS NUMRICOS
SEGUNDO METODO:
iterativamente.
:
)
(
( )
( ) (
( ) ()
Observacin:
*Si
)
{
, de la ecuacin
obtener su sistema
( )
(
( )
(
( )
)
)
generar la sucesin {
)
( )
( )
( )
mediante la
Pg. 85
UNMSM
MTODOS NUMRICOS
Observacin:
En la convergencia del mtodo de Gauss-Seidel tambin se cumple que:
( )
Ejercicios resueltos:
1) Dados:
( )
+,
( +
Solucin:
Utilizando Gauss-Seidel:
(
( )
( )
( )
( )
( )
( )
( )
) .
La tasa de convergencia del mtodo de Gauss-Seidel viene dada por la norma de:
(
+
Pg. 86
UNMSM
MTODOS NUMRICOS
( +
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:
( )
( )
( )
(
(
)
)
( )
NOTA: Calculando con ms iteraciones nos acercamos a la tasa terica, por ejemplo:
(
( )
se requieren 13
Pg. 87
UNMSM
MTODOS NUMRICOS
Ejemplo 1
Sea el sistema:
Solucin:
Analizar su divergencia
[
Luego:
(L
][
{X (k)}
+
X*
Pg. 88
UNMSM
MTODOS NUMRICOS
De
][ ]
L-[
( )
( )
( )
( )
Sea
[ ]
( )
( )
L-[
( )
( )
( )
( )
( )
( )
( )
( )
][ ]
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
Pg. 89
UNMSM
MTODOS NUMRICOS
: 1era Iteracin
( )
L-[
( )
( )
( )
( )
( )
( )
( )
( )
][
( )
( )
( )
( )
( )
( )
( )
( )
: 2da Iteracin
( )
L-[
( )
( )
( )
( )
( )
( )
( )
( )
( )
][
( )
( )
( )
( )
( )
( )
( )
( )
Pg. 90
UNMSM
MTODOS NUMRICOS
: 3era Iteracin
( )
L-[
( )
( )
( )
( )
( )
( )
( )
( )
][
( )
( )
( )
( )
( )
( )
( )
( )
( )
Pg. 91
UNMSM
MTODOS NUMRICOS
Ejemplo 2
Sea el sistema:
Luego:
(
][
][ ]
{X (k)}
X*
De
-[
( )
Pg. 92
UNMSM
MTODOS NUMRICOS
( )
Sea
( )
( )
[ ]
( )
( )
( )
-[
( )
( )
( )
( )
( )
( )
( )
][ ]
( )
( )
( )
( )
( )
( )
: 1era Iteracin
( )
( )
-[
( )
( )
( )
( )
( )
( )
( )
][
( )
( )
Pg. 93
UNMSM
MTODOS NUMRICOS
( )
( )
( )
( )
: 2da Iteracin
( )
-[
( )
( )
( )
( )
( )
( )
( )
( )
][
( )
( )
( )
( )
( )
( )
( )
( )
( )
Pg. 94
UNMSM
MTODOS NUMRICOS
Ejemplo 3
Sea el sistema:
Luego:
(
][
*
{X (k)}
+
X*
][ ]
Pg. 95
UNMSM
De
MTODOS NUMRICOS
-[
( )
( )
( )
( )
( )
Sea
[ ]
( )
( )
-[
( )
( )
( )
( )
( )
( )
( )
][ ]
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
: 1era Iteracin
( )
-[
( )
( )
( )
( )
( )
( )
( )
( )
][
( )
Pg. 96
UNMSM
MTODOS NUMRICOS
( )
( )
( )
( )
( )
( )
( )
: 2da Iteracin
( )
-[
( )
( )
( )
( )
( )
( )
( )
( )
( )
][
( )
( )
( )
( )
( )
( )
( )
( )
: 3era Iteracin
( )
-[
( )
( )
Pg. 97
UNMSM
MTODOS NUMRICOS
( )
( )
( )
( )
( )
( )
( )
][
( )
( )
( )
( )
( )
( )
( )
( )
Pg. 98
UNMSM
MTODOS NUMRICOS
DIFERENCIA NUMERICA
Aproximaciones a la Derivada
Diferenciacin numrica
Dado una tabla de (n+1) puntos igualmente espaciados de la forma:
(X0, f0), (X1, f1), (Xn, fn) continua y diferenciable en [X0, Xn]. El problema de la
Diferenciacin Numrica es que dado un valor Xp [X0, Xn] se desea hallar el valor
( )
, donde:
P
tal que
( )
P
(
)
(
P )
( )
Frmula de Newton Progresivo (N P):
Si
Xp = X0 en (i) P = 0
frmula de NP es:
P(P
)
!
)(P
P(P
P(P
)(P
)(P
Segn (ii)
0
(P
P)
!
(P
P)
!
(P
P
!
P)
Pg. 99
UNMSM
( P
MTODOS NUMRICOS
( P
( P
1( )
Se desea hallar
(
) en forma aproximada
. Adems P
( (
))
Si se sabe
En general se tiene
Si XP=X0 P=0
. /
)(P
!
P(P
)(P
P(P
)(P
Segn (ii)
,
,
(P
P)
!
(P
( P
( P
!
P)
(P
P
!
!
P
!
( P
P)
)
Pg. 100
UNMSM
MTODOS NUMRICOS
Si XP=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
. /
/
1
f(X)
1.0000
1.0513
1.1052
1.1618
1.2214
1.2840
y (b)
) por NP
513
539
566
596
626
26
27
30
30
3
1
3
0
Solucin(a):
0
1
1
Solucin (b)
Pg. 101
UNMSM
MTODOS NUMRICOS
H=0.05 P
f0
X0
0.05 1.0513
( P
f0
539
)
!
( P
2f0
27
P
!
)(
3f0
3
1
0
1(
)1
) y (b) (
Solucin (a)
Para P=0 y |
se utiliza
Solucion(b)
P
( P
P
)
!
( P
P
!
1(
1(
)1
Pg. 102
UNMSM
MTODOS NUMRICOS
)
)
P
P(P
P(P
)(P
[ (
P
1
)(P
P(P
)
)
( !)
P (P
S
P
S
P
)(P
!
( P
En XP=X0 P=0
0
Pg. 103
UNMSM
MTODOS NUMRICOS
Ejemplo 3: Hallar(a)
), (b)
Solucin(a)
(
)
( )
Como 0.10 [0.10, 0.15]
P
P
|
g
P
()
S
S
]( )
P
En la tabla se tiene:
(
)
(
Solucin (b)
(
P
|
()
P
()
Pg. 104
UNMSM
(
MTODOS NUMRICOS
,( )(
)(
)-
INTEGRACIN NUMERICA
Para intervalos Simples
Mtodo del trapecio
( )
( )
Donde
( )=
max * |
,
( )|
m *X0, X1]
|
( )|
Pg. 105
UNMSM
MTODOS NUMRICOS
( )
Donde
*|
( )
m [X0, X1]
( )|
( )|
( )
( )
( )
*|
( )|
( )|
Ejemplo:
Pg. 106
UNMSM
MTODOS NUMRICOS
Solucin:
f(x)
X0=1
f0=0.841471
X0+h=X1=2
f1=1.818595
*|
*|
( )
( )
( )
( )|
( )|
| |
+
|+
Entonces
Pg. 107
UNMSM
MTODOS NUMRICOS
f(x)
X0=1
f0=0.841471
X0+h=1.5
f1=1.496242
X0+2h=2
f2=1.818595
Determinacin del
Si
( )
( )
( )
*|
( )
( )|
( )|
( )
Entonces:
( )
Sol:
f(X)
X0=1
f0=0.841471
X1=4/3
f1=1.295917
X2=5/3
f2=1.659013
X3=2
f3=1.818595
Pg. 108
UNMSM
*
( )
MTODOS NUMRICOS
+
( )
m veces h
Demostracin:
( )
( )
( )
Pg. 109
UNMSM
( )
MTODOS NUMRICOS
(
( )
,(
Determinacin del
)-
del trapecio
)
( )
Demostracin:
Pg. 110
UNMSM
MTODOS NUMRICOS
,(
( )
Determinacin del
)-
( )
( )
( )
( )
Ejemplo:
f(X)
X0=1
X1=1.2
X2=1.4
X3=1.6
X4=1.8
f0
f1
f2
f3
f4
X5=2
f5
(
( )
( )
,(
Es igual al ejemplo
del trapecio simple
)
( )
)-
= 1.436070589 +
Pg. 111
UNMSM
MTODOS NUMRICOS
X
X0=1
X1=7/5
X2=8/6
X3=9/6
X4=10/6
X5=11/6
X6=2
(
f(X)
f0
f1
f2
f3
f4
f5
f6=fm
(
( )
,(
Es igual al ejemplo
de Simpson de 1/3
( )
)-
2.493614005 +
Pg. 112
UNMSM
MTODOS NUMRICOS
( )
( )
( )
( )
( )
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:
( )
( )
( )
Pg. 113
UNMSM
MTODOS NUMRICOS
(2) en (1)
(3) en (1)
)
( )
Ejemplo:
Calcular (
( )
Aplicando: 4 es decir:
= 1 + 1(1)
=2
= 1 + 2(1)
=3
(
Pg. 114
UNMSM
MTODOS NUMRICOS
( )
f(X)
f1
( )( )
Aplicando (4)
x0
x1
x2
)
( )
( )
(
(
Pg. 115
UNMSM
MTODOS NUMRICOS
(
( )
( )
Sea el siguiente cociente de errores:
(
Si
( )
(2) en (1):
(
)( )
(3) en (1):
(
(4)`
Ejemplo:
Aplicando la frmula
para hallar:
Solucin:
Pg. 116
UNMSM
MTODOS NUMRICOS
( )
(
( )
()
X0+1h =
()
(
( )
( )
)}
Sea:
( )
Para
Para
Pg. 117
UNMSM
MTODOS NUMRICOS
(
Si:
( )
(2) en (1):
. /
. /
. / ]
( )
(3) en (1):
Para
en (3). Se tiene:
.
( )
(4) en (1)
(
Pg. 118
UNMSM
MTODOS NUMRICOS
Ejemplo 1:
)
) y despues cuatro
Calcular (
usando 1 dos aplicaciones (
) de la regla del Trapecio compuesto y despues aplicar E.R. para encontrar una
aplicaciones (
3 aproximacion (que es la mejor).
Solucin:
( )
Se tiene:
y
Para:
Como
()
1
2
1
9
2.5
Para:
( ))
Como
()
1
1.5
2.5
3
1
4
9
15
25
Pg. 119
UNMSM
MTODOS NUMRICOS
.
(
.
)/
)/
Aplicando:
Ejemplo 2:
Evaluar
Solucin:
Para:
()
1
2
1
1/2
1/3
( )
(
(
)
. /*
Para:
Pg. 120
UNMSM
MTODOS NUMRICOS
()
1
1.5
1
2/3
1/2
2.5
1/3
2.5
3
( )
. /
/*
. /
Sea
( )
,
Donde
Aplicando
donde:
Si
( )
son aproximaciones de
^
. /
. /
)( )
( )
( )
. /
Pg. 121
UNMSM
MTODOS NUMRICOS
. /
( )
Para:
en ( )
(
( )
) ( )
( )
(
( )
Ejemplo (1):
Para :
X
X0=1
X1=2
f(X)
f0
f1
Para :
X
X0=1
X1=1.5
X2=2
f(X)
f0
f1
f2
Pg. 122
UNMSM
MTODOS NUMRICOS
(
)(
Entonces:
Pg. 123
UNMSM
MTODOS NUMRICOS
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
( )
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Se sugiere hallar
. .
()
()
Pg. 124
UNMSM
MTODOS NUMRICOS
( )
( ( )
( ))
Obs: Para las dems filas y columnas se sugiere hallar con la siguiente formula
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,
Pg. 125
UNMSM
MTODOS NUMRICOS
Ejercicio 1
Hallar
Solucin:
Tenemos de datos:
a=0
b=0.8
n=6
( )
Realizando la tabla
1
16
32
0.8
0.4
0.2
0.1
0.05
0.025
( )
( )
Cuando K = 1
[ ( )
, ( )
)-
)]
( )
( )
(
Pg. 126
UNMSM
MTODOS NUMRICOS
Cuando K = 2
)1
)1
)1
)1
)1
Cuando K = 3
Cuando K = 4
Cuando K = 5
Cuando K = 6
Cuando K = 2
Cuando K = 3
Cuando K = 4
Cuando K = 5
Pg. 127
UNMSM
MTODOS NUMRICOS
Cuando K = 6
Cuando K = 3
Cuando K = 4
Cuando K = 5
Cuando K = 6
Cuando K = 4
Cuando K = 5
Cuando K = 6
Pg. 128
UNMSM
MTODOS NUMRICOS
Cuando K = 5
Cuando K = 6
Cuando K = 6
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
Pg. 129
UNMSM
MTODOS NUMRICOS
( ) /
( )
a) Mtodo de Euler:
Es de la forma:
( )
Observacin:
Euler es un caso particular de Taylor de orden 1.
Ejemplos resueltos:
1 forma de pregunta
1) Dado:
Con:
( )
Hallar: (
Pg. 130
UNMSM
MTODOS NUMRICOS
Solucin:
Como:
Entonces:
Para i=0 ,
Donde:
(
( )
Luego:
( )
Donde:
Reemplazando en ( ):
)( )( )( )
Pg. 131
UNMSM
MTODOS NUMRICOS
2 forma de pregunta
2) Dado:
Con:
( )
Hallar: (
) para
- , con n=4
Solucin:
Como:
0
1.25 1.5
(
1.75
Pg. 132
UNMSM
MTODOS NUMRICOS
( )
( )
( )
!
( )
!
( )
!
( )
( )
Donde:
El error local es de la forma:
(
( )
Ejemplos resueltos:
1 forma de pregunta
Dado:
( )
Con:
( )
Pg. 133
UNMSM
MTODOS NUMRICOS
Solucin:
Como:
Y de (
) se sabe que:
!
Para i=0 con (
Se requiere hallar:
( )
( )
Derivando ( )
( )
( )
( )( )
Derivando ( )
(( )( )
( )( ))
Pg. 134
UNMSM
MTODOS NUMRICOS
) ( )
!
) ( )
!
2 forma de pregunta
Dado:
( )
Con:
( )
,
Solucin:
Como:
Determinamos los puntos:
(Resuelto anteriormente)
Pg. 135
UNMSM
MTODOS NUMRICOS
Se requiere hallar:
De ( )
( )
Derivando ( ):
( )
)(
Derivando ( )
((
)
)(
)(
))
Luego, reemplazando:
!
(
)(
)
!
) (
) (
)
!
Pg. 136
UNMSM
MTODOS NUMRICOS
Se requiere hallar:
De ( )
( )
Derivando ( ):
( )
( )
)(
Derivando ( )
((
)
)(
)(
))
Luego, reemplazando:
!
(
)(
)
!
) (
)
!
) (
)
!
Pg. 137
UNMSM
MTODOS NUMRICOS
PREDICTOR CORRECTOR
Como su nombre lo indica
se predice un valor
, despus se usa una formula diferente para
corregir este valor.
Los mtodos Predictor-Corrector hallar el valor del pto(
) utiliza informacin del
pto(
) 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
Predictor:
Corrector:
( )
Solucin:
;
Por condicin del problema.
(
Y h=0.5
)
( )
orden
( )
)
(
( )(
( ))
)(
)(
Pg. 138
UNMSM
MTODOS NUMRICOS
)(
))
)(
))
)(
)
( )
)(
)(
Aplicando el predictor:
( )
)(
( )
( )
( )(
Aplicando el corrector:
(
( )
( )
)
(
este es el corrector
Pg. 139
UNMSM
MTODOS NUMRICOS
()
( )
n condiciones iniciales
.
n
(n
Se tiene
.
n
Sea
(
( )=
( )
( )
( )
( )
( )
( )
n( )
( )
( )
orden
( )
orden
Solucin: De
Sea
( )
( )
( )
( )
( )
( )
Pg. 140
UNMSM
La EDO de
MTODOS NUMRICOS
orden sgte:
Matricialmente se tiene:
=
( )
( )
( )
Ejemplo 2:
Dado
con
( )
( )
( )
( )
orden
Solucin
Sea
El sistema de EDO de
( )
( )
orden es:
( )
( )
Pg. 141
UNMSM
MTODOS NUMRICOS
Matricialmente
=
=
( )
,i=0,1,2
( )
( )
( )
Sea
( )
( )
( )
( )
( )
( )
Pg. 142
UNMSM
MTODOS NUMRICOS
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.
Pg. 143
UNMSM
MTODOS NUMRICOS
INTEGRANTES
1. ALARCON MONRROY, ALEXANDER..
08190032
Pg. 144