MÉTODOS

TECNOLGICO DE ESTUDIOS SUPERIORES DE HUIXQUILUCAN.
TRABAJO: APUNTES.
NOMBRE DE LA MATERIA:
MTODOS NUMRICOS
NOMBRE DEL PROFESOR:
ING. CESAR ARTURO MARTNEZ GARCA
NOMBRE DEL ALUMNO:
URIEL LABRA CESAREO
CARRERA. INGENIERIA CIVIL
METODOS NUMERICOS (URIEL LABRA CESAREO)
Pgina 1
TEMARIO UNIDAD 1. IMPORTANCIA DE LOS MTODOS NUMRICOS ALGORITMOS ERRORES UNIDAD 2. MTODOS ITERATIVOS MTODOS DE APROXIMACIONES SUCESIVAS MTODO DE LA FALSA POSICIN MTODO DE NEWTON RAPHSON MTODO DE NEWTON RAPSHON (2 ORDEN) UNIDAD 3 MTODOS ITERATIVOS EN LA SOLUCIN DE SISTEMAS DE ECUACIONES LINEALES MTODO DE ELIMINACIN GAUSSIANA MTODO DE JACOBI MTODO DE GAUSS SEIDEL INVERSIN DE MATRICES UNIDAD 4. INTERPOLACIN MTODO DE MNIMOS CUADRADOS MTODO DE LAGRANGE UNIDAD 5. MTODO DEL TRAPECIO MTODO DE SIMPSON UNIDAD 6. DIFERENCIACIN NUMRICA MTODO DERUNGE KUTTA MTODO DE EULER
Pgina 2
ERRORES. Error absoluto y error relativo Los errores numricos se generan con el uso de aproximaciones para representar las operaciones y cantidades matemticas. La relacin entre un resultado exacto o verdadero X = exacto o verdadero y el valor aproximado x* esta dado por.
La respuesta numrica a problemas determinados contiene generalmente errores que se generan u originan de dos formas. a).- errores inherentes en la formulacin matemtica del problema. b).- errores en que incurre en la determinacin numrica de la solucin. Los errores inherentes se producen cuando la produccin matemtica es una aproximacin a la situacin fsica o cuando o cuando hay una falta de exactitud en los datos fsicos. El segundo tipo de errores sin errores de cmputo se generan cuando no se resuelve el problema tal como fue formulado obteniendo ms bien una aproximacin del mismo. Un ejemplo de este error se presenta (computo) se presenta cuando se calcula una funcin elemental F(x) = . Cuando el error es causado por el hecho de los mtodos aritmticos casi nunca puede llevarse a cabo con una cierta exactitud, entonces muchos nmeros que tienen representaciones decimales infinitas deben ser redondeados de manera que se generan los llamados errores o redondeos. Esos errores se obtienen debido a las representaciones de un modelo matemtico para expresarse en un modelo fsico. Y a la forma en que estn programadas las computadoras con respecto a los dgitos que manejan para ambos tipos de errores, la relacin entre el valor exacto o verdadero de una cantidad o valor aproximado esta dado por.
El que un error tenga signo positivo o negativo generalmente no tiene importancia de manera que el error absoluto se define como el valor absoluto como el valor verdadero y el valor aproximado.
Pgina 3
Valor exacto
Ecuacin. (1)
Error absoluto
Ecuacin. (2)
El error absoluto se expresa en las mismas unidades que al valor exacto (X) y no toma en cuenta el orden de magnitud de cantidad que se est midiendo. El error relativo normaliza el error absoluto respecto al valor verdadero de cantidad medida. Ecuacin. (3) El error relativo es adimencional y puede quedar expresado as en forma fraccional o se puede multiplicar por (100%) para expresarlo en trminos porcentuales. Ecuacin. (4) Las ecuaciones (1), (2), (3), (4) suponen que se conocen el valor verdadero (X) lo que hace que los errores absolutos (E) y relativo sean tambin verdaderos. Pero normalmente el valor verdadero no se conoce; no tendra sentido considerar una aproximacin si se conociera el valor verdadero. La mejor estimacin posible del verdadero valor de X es una aproximacin (X X ) y se define entonces una estimacin del error relativo, como.
El problema consiste en como determinar E* en ausencia de conocimiento del verdadero valor de X. Algunos mtodos numricos usan un esquema iterativo en los que se hace una aproximacin con base en la aproximacin previa esto se hace varias veces, para obtener cada vez mejores aproximaciones:
Los clculos se repiten hasta que,
donde e0 es un valor prefijado previamente.
Ejemplo. Al medir la longitud de un puente se obtuvo el valor de 9,999cm, al mismo tiempo se obtuvo la longitud de un remache de una de las uniones con un valor de 9cm. Encontrar los errores de medicin si la longitud verdadera del puente es de 10,000cm y del remache es de 10cm.
Pgina 4
METODO DE APROXIMACIONES SUCESIVAS. EJEMPLO 1.
PRIMERA ITERACIN
SEGUNDA ITERACIN
Pgina 5
Tercera iteracin
EJEMPLO 2.
Primera iteracin
Pgina 6
Segunda iteracin
Tercera iteracin
Pgina 7
Cuarta iteracin
Todas las aproximaciones n = 0. a partir de la segunda son aproximaciones por exceso las formulas siguientes demuestran con facilidad que el valor absoluto del error de la aproximacin realizando X y n disminuye cada caso al menos dos veces.
Pgina 8
EJEMPLO 3.
Primera iteracin
Segunda iteracin
TAREA NUMERO 1. Por aproximaciones sucesivas realizar:
Pgina 9
EJERCICIO NUMERO 1.
EJERCICIO NMERO 2.
EJERCICIO NMERO 3.
Pgina 10
CONVERGENCIA DE UNA SUCESIN. Teorema. Sea b = (1,.b n) y Sn = (Sn,.Snm) donde Snk k= (1,.m) es el kaesimo componente de S n entonces el Lim Sn = b si y solo si Snk = bk para cada k = (1,., n). Una aplicacin importante de este teorema es la determinacin de limite de una sucesin de nmeros complejos, los nmeros complejos. Zn = Xn + i Yn, pueden considerarse como puntos (Xn, Yn) de R2 entonces el Lim Zn = (Lim Xn, Lim Yn) Lim = (Lim Xn, Lim iYn). TAREA NMERO 2. Cuando existe el lmite en una funcin si el Limite Xn. Lim iYn existen LMITE DE UNA FUNCIN Tender a un lmite significa aproximarse a una meta, que no siempre se logra alcanzar. En el mbito matemtico, esta idea se ha plasmado en una definicin precisa que combina los conceptos de lo infinitamente pequeo (infinitsimos) y lo infinitamente grande (el infinito).
(a, L)
Y=F(x) X
Pgina 11
NOCIN DE LMITE DE UNA FUNCIN Se dice que una funcin f (x) tiene lmite L en el punto x = a, si es posible aproximar f (x) a L tanto como se quiera cuando x se acerca indefinidamente a a, siendo distinto de a. En trminos matemticos, se expresa como:
Dado el punto a, y segn la anterior definicin, existen dos formas de aproximar x a a: desde valores x > a (por la derecha) y desde valores x < a (por la izquierda). En cada caso se obtienen valores denominados lmite por la derecha (xa+) y lmite por la izquierda (xa-). Por definicin, para que exista el lmite de una funcin ha de cumplirse que existan los dos lmites laterales (por la derecha y por la izquierda) y que ambos sean iguales. Ello se expresa como:
TEOREMA: Existe el lmite si y solo si existen los limites laterales (por la derecha y por la izquierda) y ambos coinciden. TEOREMA: Si existe el lmite, ste es nico. Todo lo dicho anteriormente es tambin vlido si consideramos que el lmite vale PROPIEDADES DE LOS LMITES Dadas dos funciones f(x) y g(x) que tienen lmite en un punto a, se cumplen las siguientes propiedades: El lmite de la suma de ambas funciones es igual a la suma de los lmites. El lmite de la diferencia se calcula como la diferencia de los lmites. El lmite del producto de las funciones es igual al producto de sus lmites. El lmite del cociente entre ambas funciones es igual al cociente entre los lmites, siempre y cuando el lmite del denominador sea distinto de cero. El lmite del producto de una constante por una funcin viene determinado por la multiplicacin de la constante por el lmite de la funcin. Estas propiedades se expresan matemticamente como sigue: en lugar de l.
Pgina 12
ASNTOTAS VERTICALES Y HORIZONTALES Si una funcin f(x) crece indefinidamente cuando el valor de la variable x tiende a a, se dice que su lmite es infinito (+, si el crecimiento es en sentido positivo, y -, si lo es en sentido negativo). Anlogamente, tambin es posible definir lmites de una funcin cuando el valor de x tiende a + o a -. Entonces, se dice que una funcin f (x) tiene por asntota vertical la recta cuya ecuacin es x = a, cuando al menos existe uno de los lmites laterales de la funcin en el punto a y dicho lmite es + o - . De igual forma, la funcin f (x) tiene por asntota horizontal la recta de ecuacin y == b, cuando existe al menos uno de los lmites de la funcin en el caso de que x tienda a + o - y dicho lmite sea b.
Asntotas horizontales de una funcin.
Asntotas verticales de una funcin. RESOLUCIN DE INDETERMINACIONES Para calcular el lmite de una funcin complicada suelen aplicarse las propiedades generales de los lmites. Sin embargo, en ocasiones no es posible recurrir simplemente a tales propiedades, por cuanto aparecen indeterminaciones que es preciso resolver. Se dice que hay una indeterminacin cuando el lmite de la funcin no se obtiene directamente de los lmites de las funciones que la componen. Las ms corrientes son: INFINITO ENTRE INFINITO (/): para resolverla, si se trata de funciones polinmicas, se procede a dividir el numerador y el denominador por el trmino de mayor grado; cuando las funciones presentan radicales, se multiplican el denominador y el numerador por el conjugado de la expresin que contiene al radical.
Pgina 13
INFINITO MENOS INFINITO ( - ): si se trata de una diferencia de funciones, se realiza la operacin de manera que se obtenga una expresin de cociente de una funcin por otra y se calcula el lmite. Cuando aparecen radicales, se multiplica y se divide por la expresin conjugada de la que contiene al radical. CERO DIVIDIDO POR CERO (0/0): si se trata de funciones polinmicas, se factorizan el numerador y el denominador y se simplifican los binomios iguales resultantes; en funciones con radicales, se multiplican el numerador y el denominador por la expresin conjugada de la que contiene al radical. CERO POR INFINITO (0 ): si f(x) 0, y g(x) , la expresin f(x) g (x) se puede sustituir por f(x)/(1/g(x)), que es del tipo 0/0. UNO ELEVADO A INFINITO (+) e infinito elevado a cero (0): se sustituye por el nmero e, mediante la siguiente frmula:
A1) Lmite finito.
A2) Lmite infinito.
Todo lo referente a las propiedades de los lmites vistas en la pregunta anterior es vlido si escribimos en lugar de a. Hay casos que parecen indeterminaciones y no lo son realmente. Ejemplo.
Si formamos una sucesin dada presidiendo trminos de una sucesin dada, esta nueva sucesin se llama sucesin de la sucesin original.
Pgina 14
MTODO DE LA FALSA POSICION Una ecuacin al ser resuelta f(x) = 0 se escribe en la forma x = y(x) luego se elige la aproximacin inicial X 1 y se sustituye en el segundo miembro de la ecuacin anterior. El valor obtenido en X 2 = y(x) se toma por la segunda aproximacin para la raz en general si se conoce la aproximacin Xn, la aproximacin posterior. Se halla segn la formula
Xl
xr
xu
F(x) f(x) aproximacin
xl
xr
(x)
f(xl)
xu
F(xr)=xu --
El valor de xr calculado por la ecuacin anterior para la siguiente iteracin remplaza a alguno de los dos valores Xl o XU de modo que se elija al que produzca un valor de la funcin que tenga el mismo signo de fx r.
Pgina 15
De esta manera los valores de Xl y Xu siempre encierran a la raz. El proceso se repite hasta que la aproximacin a la raz sea la adecuada.
EJERCICIO 1. Determine mediante el mtodo de la falsa posicin la raz de la siguiente funcin f(x)=x 3-x-1
f(x)
-2 -1 0.5 0 0.5 1 2
-7 -1 -0.625 -1 -1.375 -1 5
Primera iteracin Xl=1 f(Xl)=-1 Xu=2 f(Xu)=5
FORMULA
F(xr) = xu =
Pgina 16
Xr = 2 --
f(xr) = f(1.1667) = 0.5789 Segunda iteracin Xl=1.1667 f(Xl)=-0.5786 Xu=2 f(Xu)=5
Xl = 2 -f(xr) = f(1.2531) = -0.2854 Tercera iteracin Xl=1.2531 f(Xl)=-0.2854 Xu=2 f(Xu)=5
Xr = 2 -F(xr) = f(1.2934) =-0.1296 Cuarta iteracin Xl=1.2934 Xu=2 f(Xl)=-0.1296 f(Xu)=5
Xr= 2 -f(xr) = f(1.3112) = -0.05692 Quinta iteracin Xl=1.3112 Xu=2 f(Xl)=-1 f(Xu)=5
Pgina 17
Xr=2F(xr) = f(1.3188) = -0.02467 Sexta iteracin Xl=1.3188 Xu=2 f(Xl)=-0.0250 f(Xu)=5
Xr = 2 -f(xr) = fx=-0.0111 Ejercicio 2. Por el mtodo de la falsa posicin hallar la raz de la siguiente funcin. F(x) = e-x x
f(x)
-2 -1 -0.5 0 0.5 1 2
9.3890 3.7182 2.1487 1 0.1065 -0.6321 -1.8646
Pgina 18
Primera iteracin Xl=0.5 Xu=0.75 f(Xl)=0.106 f(Xu)=-0.2776
Xr = 0.75 -F(xrr = fx(0.5690) = -0.002908
Segunda iteracin Xl=0.5690 Xu=075 f(Xl)=-0.0029 f(Xu)= -0.2776
Xr = 075 -f(xr) = f(0.5670)=-0.00024 TAREA NMERO 3. IMPORTANCIA DE LOS MTODOS NUMRICOS Los mtodos numricos son tcnicas mediante las cuales es posible formular problemas matemticos de tal forma que puedan resolverse usando operaciones aritmticas. El anlisis numrico trata de disear mtodos para aproximar de una manera eficiente las soluciones de problemas expresados matemticamente. El objetivo principal del anlisis numrico es encontrar soluciones aproximadas a problemas complejos utilizando slo las operaciones ms simples de la aritmtica. Se requiere de una secuencia de operaciones algebraicas y lgicas que producen la aproximacin al problema matemtico. Los mtodos numricos pueden ser aplicados para resolver procedimientos matemticos en: Clculo de derivadas Integrales Ecuaciones diferenciales Operaciones con matrices Interpolaciones Ajuste de curvas Polinomios Los mtodos numricos se aplican en reas como:
Pgina 19
Ingeniera Industrial, Ingeniera Qumica, Ingeniera Civil, Ingeniera Mecnica, Ingeniera elctrica, etc... Mtodos Numricos para Ingenieros civiles Que son los Mtodos Numricos (MN) Son tcnicas mediante las cuales es posible formular problemas de tal forma que puedan resolverse usando operaciones aritmticas (llevan a cabo un buen nmero de clculos aritmtico). La disponibilidad de Computadores Personales (PC) y su asociacin con los MN han tenido una influencia muy significativa en el proceso de solucin de problemas. Aplicar MN implica: 1.Resolver problemas matemticos, cientficos y de ingeniera en una PC. 2.Escribir programas y resolverlos en una PC. 3.- Usar correctamente el software existente para dicho mtodo. Importancia de los MN - Son herramientas extremadamente poderosas para la solucin de problemas (capaces de manejar sistemas de ecuaciones grandes). - El uso inteligente de los programas especializados en MN depende del conocimiento de la Teora bsica en la que se basan estos mtodos. - Los MN implican programacin en una PC (Capacidad de disear programas propios) - Los MN son una herramienta eficiente para utilizar PC (en su mayora estn elaborados sus algoritmos para su implementacin) - Los MN son un medio para reforzar su comprensin de las matemticas (una funcin es la de reducir las matemticas superiores a operaciones aritmticas bsicas). - Se analizarn las causas principales de errores en los MN. Estos son temas preparatorios para el clculo numrico. - Con el objeto de explicar las causas de estos errores se examinaran las Series de Taylor y como se calculan y almacenan los nmeros en las PC. - Existen dos causas principales de errores en los clculos numricos: Error de truncamiento y error de redondeo. - Error Truncamiento: Se debe a las aproximaciones utilizadas en la frmula matemtica del modelo ( la serie de Taylor es el medio ms importante que se emplea para obtener modelos numricos y analizar los errores de truncamiento) - Error de Redondeo : se asocia con el nmero limitado de dgitos con que se representan los nmeros en una PC (para comprender la naturaleza de estos errores es necesario conocer las formas en que se almacenan los nmeros y como se llevan a cabo las sumas y restas dentro de una PC). Aunque no sea tan elaborado como el mtodo de Newton-Raphson el mtodo de la falsa posicin es bueno para ser utilizado con funciones para las cuales el mtodo de Newton-Raphson presente dificultades como sucede cuando la derivada f(x) tiende a cero en el punto donde este la raz o sus proximidades. Esto sucede corrientemente cuando la funcin tenga 2 races para un mismo valor de X como, Por ejemplo: f(x)=(x+1)(x-2)2 Factorizando =(x+1) (x2-2x+1) =X3-2x2+x+x2-2x+1 =X3- X2-x+1 =X3-x(x+1)-x+1 =(x+1) =X=-1
Pgina 20
Tambin puede resultar difcil aplicar el mtodo de Newton-Raphson en el caso de funciones complicadas cuya derivada f(x) no sea fcil calcular. Por lo tanto conviene disponer de otro mtodo y el de la falsa posicin constituye una buena alternativa. El mtodo de la falsa posicin es un mtodo sistemtico de estrechamiento de la regin en la cual existe una raz. En la siguiente figura tenemos la grafica de una funcin f(x) en el que las abscisas se representa x. el punto L se halla a la izquierda del punto en que f(x)=0 y el punto R se halla a la derecha del punto. Notemos que entre dichos puntos, L y R, entre los cuales se encuentra una raz simple, f (x L) f (xR) <0, siempre. Para hallar los puntos inciales L y R puede ser necesario una grafica aproximada de f(x).
F(x)
XC XL XR
Se construye el punto C (punto de interseccin) con el eje de las abscisas de la recta que pasa por los puntos L y R, (Y tomando como estimacin de la Raz). El punto C se puede hallar por los tringulos semejantes.
Despejando Xc tenemos:
Como f (x) no es una recta, f (Xc) no ser igual a cero. Si f (Xc) f (R)<0, Xc estar a la izquierda de la raz en tal caso, se traslada el punto L al punto C y se repite el proceso. Si f (Xc) f (X L) <0, Xc estar a la derecha de la raz. En este caso, se traslada el punto R al punto C y se repite el proceso. El proceso termina cuando el punto C conocido con uno de los puntos extremos (dentro de los lmites del error del redondeo numrico). Entonces, el punto C ser la raz buscada. Resuelva utilizando el mtodo de la falsa posicin con una precisin del 0.001%
200 =
Pgina 21
X 1000 1500 2000 2500 3000
F (x) 0 542.94 86.16 -156.41 -308.27
XC = XR -
XC = 2500-
XC = 2500XC = 2500 322.40 XC = 2177.6
F (XL) = 86.16 F (XR) = -15.15
2177.6 =
- 1000 = -15.15
XC = 2177.6-
XC = 2177.6-
Pgina 22
XC = 2177.6 26.55 XC = 2151.05
F (XL) = 86.16 F (XR) = -1.27
2151.05 =
- 1000 = -1.27
XC = 2151.05-
XC = 2151.05XC = 2151.05 2.19 XC = 2148.86
F (XL) = 86.16 F (XR) = -0.11
2148.86 =
- 1000 = -0.11
XC = 2148.86-
XC = 2148.86XC = 2148.86 0.189 XC = 2148.671
F (XL) = 86.16 F (XR) = -0.016
2148.671=
- 1000 = -0.016
XC = 2148.671-
XC = 2148.671XC = 2148.671 0.027 XC = 2148.644
Pgina 23
XL = 2000.00000 XR = 2500.00000 XC = 2177.59797 XL = 2000.00000 XR = 2177.59797 XC = 2151.03704 XL = 2000.00000 XR = 2151.03704 XC = 2148.83882 XL = 2000.00000 XR = 2148.83882 XC = 2148.65682 XL = 2000.00000 XR = 2148.65682 XC = 2148.64175 XL = 2000.00000 XR = 2148.64175 XC = 2148.6405
F (XL) = 86.16126 F (XR) = -156.41263 F (XC) = -15.15207 F (XL) = 86.16126 F (XR) = -15.15207 F (XC) = -1.27253 F (XL) = 86.16138 F (XR) = -1.27253 F (XC) = -0.10549 F (XL) = 86.16138 F (XR) = -0.10549 F (XC) = -0.00874 F (XL) = 86.16138 F (XR) = -0.00874 F (XC) = -0.00073 F (XL) = 86.16138 F (XR) = -0.00073 F (XC) = -0.00006
La raz del problema es 2148.6405 TAREA NMERO 4. Programa para encontrar races utilizando el mtodo de la falsa posicin. F (x) = ex-1 5x3; a = 0.4; b = 0.7; tol = 10-4
Celda B2 D2 J2 A5 B5 C5 D5 Formula o valor 0.4 0.7 0.0001 1 B2 D2 Exp(B5-1)-5* B^3
Pgina 24
E5 F5 G5 A6 B6 C6 D6 E6 F6 G6 H6 I6 J6
Exp(C5-1)-5*(5^3) B5-D5*((C5-B5)/(E5-D5)) Exp(F5-1)-5*F5^3 A5+1 Si(D5*G5>0,F5,B5) Si(B6=F5,C5,F5) Exp(B6-1)-5*B6^3 Exp(C6-1)-5*C6^3 B6-D6*((C6-B6)/(E6-D6)) Exp(F6-1)-5*F6^3 H6 ABS (F6-F5) I6 ABS (H6/F6) J6 Si (H6<=J$2,F6,``)
TAREA NMERO 4.
a = 1 2 3 4 5 6 7 8 0.4 0.4 0.457060 57 0.480418 44 0.489154 14 0.492306 06 0.493428 32 0.493826 01 0.493966 70 0. 7 0. 7 0. 7 0. 7 0. 7 0. 7 0. 7 0. 7 b= 0.228811 636 0.103628 078 0.040361 97 0.014783 972 0.005292 542 0.001879 116 0.000665 224 0.000235 25 0.7 0.974181 78 0.974181 78 0.974181 78 0.974181 78 0.974181 78 0.974181 78 0.974181 78 0.974181 78 0.457060 57 0.480418 44 0.489154 14 0.492306 06 0.493428 32 0.493826 01 0.493966 7 0.494016 45 0.103628 078 0.040361 97 0.014783 972 0.005292 542 0.001879 116 0.000665 224 0.000235 25 8.31633E05 0.023357 873 0.008735 694 0.003151 918 0.001122 264 0.000397 693 0.000140 691 4.97419E05 0.048619 85 0.017858 78 0.006402 36 0.002274 42 0.000805 33 0.000284 82 0.000100 69 FALSO FALSO FALSO FALSO FALSO FALSO 0.4940164 5 0.0001
EL MTODO NEWTON-RAPHSON Supone lo siguiente que la funcin f (x) es continuamente diferenciable 2 veces en un intervalo (a,b).
Pgina 25
Este mtodo el cul es un mtodo iterativo es uno de los ms usados y efectivos. El mtodo de NewtonRaphson no trabaja sobre un intervalo si no que baja su formula en un proceso iterativo Supongamos que tenemos la aproximacin Xi a la raz Xr de f(x). Tratamos la recta tangente a la curva, en el punto Xi, f(Xi); esta cruza el eje X en un punto Xi + 1 que ser nuestra siguiente aproximacin a la raz Xr. Para calcular, el punto Xi +1, calculamos primero la ecuacin de la recta tangente. Sabemos que tiene pendiente. F(x) M= f(Xi) Por lo tanto la ecuacin de la recta tangente es. y- f(Xi) = f(Xi)(X-Xi) Hacemos y=0 -f(Xi)=f(Xi)(X-Xi) Despejando X tenemos Xr Que es la formula iterativa para calcular la siguiente iteracin. X i+1 Xi
El mtodo de NewtomRaphson no trabaja con intervalos donde nos asegure que encontraremos la raz, de hecho no se tiene ninguna garanta de que nos aproximemos 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 lo hace con una rapidez impresionante, por lo cual es uno de los preferidos por excelencia. Tambin observe que en el caso de que f (X i)= 0 el mtodo no se puede aplicar, de hecho, vemos geomtricamente que esto significativa que la recta tangente es horizontal, y por lo tanto no interseca al eje X en ningn punto, a menos que coincidan con este, en cuyo caso Xi mismo es una raz de f(X). EJERCICIO 1.
Sean f (x) = x3 + 4x2 -10 = 0 F`(x) = 3x2 + 8x
Pgina 26
F``(x) = 6x + 8
x 2 1 0 -1 -2 F(x) 14 -5 -10 -7 -2
(a, b)= {1, 2} Si x=1

x -2 -1 0 1 2 3 F (x) -2 -7 -10 -5 14 53
Xr = XiF (x) = x3 + 4x2 -10 = 0 F`(x) = 3x2 + 8x F``(x) = 6x + 8 Si x = 1
X2 = 1-
= 1.4545
f` (i) = 3(1)2 + 8 (1) f`(i) =3 + 8 f (i) = 11 f (i) = (1)3 + 4(1)2 10 = 0 f (i) = -5
X3 = 1.4545-
= 1.3688 f (i) = 3(1.4545)2 + 8 (1.4545) f`(i) =17.9827
f (i) = (1.4545)3 + 4(1.4545)2 10 = 0
Pgina 27
f (i) = 1.5393
X4 = 1.369-
= 1.3652 f (i) = 3(1.369)2 + 8 (1.369) f`(i) =16.5744
f (i) = (1.369)3 + 4(1.369)2 10 = 0 f (i) = 0.0623
La raz del problema es 1.3652 TAREA NMERO 5. Usar el mtodo de newton raphson para aproximar la raz F(x)= Comenzando Y 4 3 y hasta que leguemos a la aproximacin del 1%
Primera interaccin X=1 ;
X Segunda interaccin
Pgina 28
Tercera interaccin
Pgina 29
Pgina 30
EJERCICIO. 2
F(x) = e-x - x
1. Iteracin
Pgina 31
Para x=0 X=0, F(x) = -2 F(x) =1
2. Iteracin.
3. Iteracin
4. Iteracin
EJERCICIO 3. Resuelva por el mtodo de newton raphson.
Pgina 32
1.
Iteracin
2. Iteracin
Pgina 33
3. Iteracin
4. Iteracin
5. Iteracin
EJERCICIO 4.
1. Iteracin
2. Iteracin
3. Iteracin
Pgina 34
4. Iteracin
5. Iteracin
UNIDAD III SISTEMA DE ECUACIONES LINEALES a11x1+a12x2+a13x3=b1 a21x1+a22x2+a23x3=b2 a31x1+a32x2+a33x3=b3 Reconocemos como un sistema de ecuaciones lineales al formado por ecuaciones algebraicas lineales individuales y que obligan a resolverse simultneamente. La solucin de un sistema de ecuaciones lineales es un conjunto de valores de las incgnitas que verifican simultneamente a todas las igualdades y a cada una de las ecuaciones del sistema. Se trata el caso de determinar los valores X 1, X2.Xn que satisfagan simultneamente un conjunto de ecuaciones, para ya no determinar el valor de X que satisface una ecuacin. F(X) =0 esta va a ser en conjunto f(X 1, X2.Xn)=0, f2(X1, X2.Xn)=0, f3 (X1, X2.Xn)=0.
METODO DE LA ELIMINACION DE GAUSS
Pgina 35
Se manejan las ecuaciones de modo que permita eliminar una incgnita de una ecuacin. El resultado de este caso de eliminacin es una sola ecuacin con una incgnita. Por consiguiente esta ecuacin se puede resolver directamente y el resultado se sustituye hacia otras en las ecuaciones originales para encontrar las incgnitas restantes. EJERCICIO 1.0
X1 -0.1 X2 0.2 X3 = 7.85.....1 X2 -0.3 X3 = -19.32
0.1 X1 +7
0.3 X1 - 0.2X2+ 10 X3 = 71.4...3
DESPEJANDO X3=7.000 X2-0.041X3=-2.793 X2-0.041(7)=-2.793 X2=-2.793+0.287 X2=-2.506 X1-0.033X2-0.066X3=2.616 X1-0.033(-2.506)-0.066(7)=2.616 X1=2.616+0.379 X1=2.995 SUSTITUYENDO 3 (2.995)-0.1 (-2.506) 0.2 (7) = 7.85.....1
0.1 (2.995)+7 (-2.506) -0.3 (7) = -19.32 0.3 (2.995) - 0.2 (-2.506) + 10(7) = 71.4...3
Pgina 36
METODO DE LA ELIMINACION DE GAUSS -12 X1 + X2 - 7 X3 = -80..1
X1 - 6 X2 + 4 X3 = 132 -2 X1 X2+ 10 X3 = 92..3
Pgina 37
DESPEJANDO X3=9.919 X2-0.577 X3=-1.070 X2-0.577(9.919)=-1.070 X2=4.653 X1-0.083X2+0.583X3=6.666 X1-0.083(4.653)+0.583(9.919)=6.666
Pgina 38
X1+5.396=6.666 X1=6.666-5.396 X1=1.27 SUSTITUYENDO
-12 (1.27)+ (4.653) - 7(9.919) = -80..1 (1.27)- 6 (4.653) + 4 (9.919) = 132 -2 (1.27)- (4.653)+10(9.919) = 92..3 VARIANTE DEL METODO DE ELIMINACION GAUSS USANDO UNA TABULACION
X1 -0.1 X2 0.2 X3 = 7.85.....1 X2 -0.3 X3 = -19.32
0.1 X1 +7
0.3 X1 - 0.2X2+ 10 X3 = 71.4...3 PRIMER PASO Anotar por tabulacin los coeficientes de las ecuaciones del sistema, incluyendo las constantes respectivas, asegrese una columna de sumatoria que es el total rengln por rengln de la suma de coeficientes.
X1 3 0.1 0.3
X2 -0.1 7 -0.2
X3 -0.2 -0.3 10.0
Cte. 7.85
10.75
-19.3 -12.50 71.4 81.50
SEGUNDO PASO Dividir entre los tres valores del primer rengln.
Pgina 39
-0.033 -0.067 2.617 3.583
TERCER PASO Multiplicar los valores obtenidos en el paso anterior excepto el 1 por cada uno de los valores de la segunda fila en la tabla original, segn corresponda a su posicin en las columnas. Los resultados sern restados de los valores correspondientes de la segunda fila de acuerdo a su posicin en las columnas. (0.1*-0.0033)=-0.0033 7+0.0033=7.003 (0.1*-0.067)=-0.0067 -0.3+0.0067=-0.293 (0.1*2.617)=0.262 -19.3-0.262=-19.562 (0.1*3.583)=0.358 -12.50-0.358=-12.858 CUARTO PASO La operacin anterior ser del mismo modo para la tercera fila. (0.3*0.033)=0.009 -0.2-0.009=-0.191 (0.3*-0.067)=-0.020 10-0.020=10.02 (0.3*2.617)=0.785 71.4-0.785=70.615 (0.3*3.583)=1.0749 81.50-1.074=80.425 SEGUNDA ETAPA
Pgina 40
La primera fila de A se divide entre el primer valor es decir 7.003
X1 3 0.1 0.3
X2 -0.1 7 -0.2
X3 -0.2 -0.3 10.0
Cte. 7.85
10.75
-19.3 -12.50 71.4 81.50
0.033 A 7.003 -0.191
-0.067 -0.293 10.02
2.617 -19.562 70.615
3.583 -12.858 80.425
1.0
-0.042
-2.796
-1.84
(-0.191*-0.042)=0.008 10.02-0.008=10.012 (-0.191*-2.796)=0.534 70.615-0.534=70.08 (-0.191*-1.84)=0.351 80.425-0.351=80.074
VALORES X1=3.003 X2=-2.502 X3=7
Pgina 41
METODO DE GAUSS-SEIDEL Este mtodo se le conoce como basado en el mtodo de iteraciones. 4X1-X2=2 -X1+4X2-X3=6 -X2+4X3=2 DESPEJAR EN LA ECUACION X1, X2, X3 X1= 2+X2=0.5+0.25 X2 4 X2=6+X3+X1=1.5+0.25 X1+0.25X3 4 X3=2+X2=0.5+0.25 X2 4 Sistema de ecuaciones. X1 =0.5+0.25 X2 X2 =1.5+0.25 X1+0.25X3 X3 =0.5+0.25 X2 Darle valores igual a cero. DARLE VALORES A X1, X2, X3 (Iniciar con cero) Primera iteracin X1 = 0.5+0.25x2 X1 =0.5 X2 = 1.5+0.25x1+0.25x3 X2 = 1.5+0.25 (0.5)+0.25 (0)=1.625 X2 = 1.625 X3= 0.5+0.25x2
Pgina 42
X3= 0.5+0.25 (1.625) X3= 0.906 Segunda iteracin X1 = 0.5+0.25x2 X1 = 0.5+0.25 (1.625) X1 =0.906 X2 = 1.5+0.25x1+0.25x3 X2 = 1.5+0.25 (0.906)+0.25 (0.906) X2 = 1.953 X3= 0.5+0.25x2 X3= 0.5+0.25 (1.953) X3= 0.988 Tercera iteracin X1 = 0.5+0.25x2 X1 = 0.5+0.25 (1.953) X1 =0.988 X2 = 1.5+0.25x1+0.25x3 X2 = 1.5+0.25 (0.988)+0.25 (0.988) X2 = 1.994 X3= 0.5+0.25x2 X3= 0.5+0.25 (1.994) X3= 0.998 Cuarta iteracin X1 = 0.5+0.25x2 X1 = 0.5+0.25 (1.994)
Pgina 43
X1 =0.998 X2 = 1.5+0.25x1+0.25x3 X2 = 1.5+0.25 (0.998)+0.25 (0.998) X2 = 1.999 X3= 0.5+0.25x2 X3= 0.5+0.25 (1.999) X3= 0.999 Quinta iteracin X1 = 0.5+0.25x2 X1 = 0.5+0.25 (1.994) X1 =0.999 X2 = 1.5+0.25x1+0.25x3 X2 = 1.5+0.25 (0.999)+0.25 (0.999) X2 = 1.999 X3= 0.5+0.25x2 X3= 0.5+0.25 (1.999) X3= 0.999 MTODO DE GAUSS SEIDEL DE LA FORMA TABULAR. 2X1-X2=7 3X1+5X2=4 X1= X1=3.5+0.5 X2 X2=
Pgina 44
X2=0.8-0.6X X1 1 -0.6 3.5 2.85 3.045 2.9865 3.00405 2.9987 3.0004 2.9999 3 3 X2 0.5 1 0 -1.3 -0.91 -0.027 -0.9919 -1.00243 -0.999 -1.0002 -0.9999 -1 -1 CTE 3.5 0.8
METODO DE JACOBI 4X1-X2=2 -X1+4X2-X3=6 -X2+4X3=2 DESPEJAR EN LA ECUACION X1, X2, X3 X1= 2+X2=0.5+0.25 X2 4 X2=6+X3+X1=1.5+0.25 X1+0.25X3 4 X3=2+X2=0.5+0.25 X2
Pgina 45
4 DARLE VALORES A X1, X2, X3 (Iniciar con cero) Primera iteracin X1 = 0.5+0.25 (0)=0.5 X2 = 1.5+0.25 (0)+0.25 (0)=1.5 X3= 0.5+0.25 (0)=0.5 Segunda iteracin X1 = 0.5+0.25 (1.5)=0.875 X2 = 1.5+0.25 (0.5)+0.25 (0.5)=1.75 X3 = 0.5+0.25 (1.5)=0.875 Tercera iteracin X1 = 0.5+0.25 (1.75)=0.9375 X2 = 1.5+0.25 (0.875)+0.25 (0.875)=1.937 X3 = 0.5+0.25 (1.75)=0.937 Cuarta iteracin X1 = 0.5+0.25 (1.937)=0.984 X2 = 1.5+0.25 (0.937)+0.25 (0.937)=1.968 X3 = 0.5+0.25 (1.937)=0.984 Quinta iteracin X1 = 0.5+0.25 (1.968)=0.992 X2 = 1.5+0.25 (0.984)+0.25 (0.984)=1.992 X3 = 0.5+0.25 (1.968)=0.992 Sexta iteracin X1 = 0.5+0.25 (1.992)=0.998 X2 = 1.5+0.25 (0.992)+0.25 (0.992)=1.996
Pgina 46
X3 = 0.5+0.25 (1.992)=0.998 Sptima iteracin X1 = 0.5+0.25 (1.996)=0.999 X2 = 1.5+0.25 (0.998)+0.25 (0.998)=1.999 X3 = 0.5+0.25 (1.996)=0.999 Valores. X1 = 1.0 X2 = 2.0 X3 = 1.0
INVERSIN DE MATRICES AB = BA = I Teora: se dice que una matriz cuadrada A es invertible si existe una matriz B con la propiedad AB = BA = I. Donde I es la matriz identidad, tal matriz B es nica pues AB = B, A = I y AB 2 = B2 A = I que implican que BI = B, I = BI (AB2) = (B, A) B2 = IB2 = B2 llamamos a matriz B la inversa de A y la denotamos poa A-1 Obsrvese que la relacin anterior es simtrica., esto es, si B es la inversa de A, entonces A es la inversa de B
EJEMPLO. 1 A=
A=
Pgina 47
EJEMPLO. 2
AB = I A X = B X=B
=-1.0
Pgina 48
EJEMPLO. 3
X=B
= 10
+3
+6
Pgina 49
TAREAS DE PROGRAMAS.
METODO DE ELIMINACION DE GAUSS-JORDAN
3x1-0.1x2-0.2x3=7.85 0.1x1+7x2-0.3x3=-19.3 0.3x1-0.2x2+10x3=71.4
METODO DE ELIMINACION DE GAUSS-JORDAN 3 3 -0.1 0.1 7 2 -0.2 -2 -0.1
-0.2 -0.3 10
7.85 4 71.4 2.61666667 4 71.4 2.61666667 3.73833333 66.1666667 2.61666667 0.53379343 66.1666667 2.61666667 0.53379343 66.2378391
RESULTADOS DE X x3= x2= x1= 6.54023329 0.8077299 3.07960655
1 -0.03333333 -0.06666667 0.1 7 -0.3 2 -0.2 10 1 -0.03333333 -0.06666667 0 7.00333333 -0.29333333 0 -0.13333333 10.1333333 1 -0.03333333 -0.06666667 0 1 -0.04188482 0 -0.13333333 10.1333333 1 -0.03333333 -0.06666667 0 1 -0.04188482 0 0 10.1277487
7.00333333
comprobacion 0.13333333 7.85 4 71.4
Pgina 50
METODO DE JACOBI 1.- DESPEJAR LA ECUACIN X, X, X 4x - X 2 x +4x - x 6 X2+ 4X3 2 DARLES VALORES A X, X, X x 0.5 x 1.5 x 0.5 1 iteraccin x x x 2 iteraccin 0.5 x x x 1.5 0.5 0.875 1.75 0.125 0.5 1.5 0.5 1 4 0 0.25 0.25 0.25 x x x 0 0 0
0.25
3 iteraccin x x x 4 iteraccin x x x 0.9375 1.75 0.0625 0.9375 1.75 0.0625
4 X1 -
X1 + X2
4 +
X2 X2 4
= X3
2 X3 2 = 6
X1= X2= X3=
0,5 1,5 0,5 X1= X2= X3=
+ + +
0,25 0,25 0,25 0,5 1,5 0,5
X2 X1 X2
0,25
X3
2DA ITERACION XI= X2= X3= 0,875 1,75 0,875 TERCERA
Pgina 51
X1 X2= X3= X1 X2 X3 X1 X2 X3 X1 X2 X3
X1 X2 X3
ITERACCION 0,9375 1,9375 0,9375 CUARTA ITERACCION 0,984375 1,96875 0,984375 QUINTA ITERACCION 0,9921875 1,9921875 0,9921875 SEXTA ITERACCION 0,99804688 1,99609375 0,99804688 SEPTIMA ITERACCION 0,99902344 1,99902344 0,99902344
Pgina 52
GAUSS - SEIDEL 1.- DESPEJAR LA ECUACIN X, X, X 4x - X x +4x - x x +4x DARLES VALORES A X, X, X x x x x x 1 0.25 0.25 1 0.25 0.25 1 2 6 2 0.5 1.5 0.5 x 1 4 0 0.25 0.25 0.25 Cte 0.5 1.5 0.5 x x x
0.25
0.5 0.90625 0.98828125 0.993408203 0.998855591 0.999176025 1
0 0 1.625 0.90625 1.953125 0.98828125 1.973632813 0.9934082 1.995422363 0.9934082 1.996704102 0.99885559 1.999427795 0.99917603 2 1
TAREAS DE INVESTIGACION.
MTODO DE GAUSS-SEIDEL. Es un mtodo iterativo utilizado para resolver sistemas de ecuaciones lineales. El mtodo se llama as en honor a los matemticos alemanes Carl Friedrich Gauss y Philipp Ludwig von Seidel y es similar al mtodo de Jacobi. DESCRIPCIN Es un mtodo iterativo, lo que significa que se parte de una aproximacin inicial y se repite el proceso hasta llegar a una solucin con un margen de error tan pequeo como se quiera. Buscamos la solucin a un sistema de ecuaciones lineales, en notacin matricial: El mtodo de iteracin Gauss-Seidel es Donde para i=j, o y para .
Pgina 53
Esto es tambin que: Si definimos y . Considerando el sistema Ax=b, con la condicin de que frmula de iteracin del mtodo , i= 1, ..., n. Entonces podemos escribir la
, i=1,...,n(*) La diferencia entre este mtodo y el de Jacobi es que, en este ltimo, las mejoras a las aproximaciones no se utilizan hasta completar las iteraciones. CONVERGENCIA Teorema: Suponga una matriz es una matriz no singular que cumple la condicin de
. Entonces el mtodo de Gauss-Seidel converge a una solucin del sistema de ecuaciones Ax=b, y la convergencia es por lo menos tan rpida como la convergencia del mtodo de Jacobi. Para ver los casos en que converge el mtodo primero mostraremos que se puede escribir de la siguiente forma: (**) (El trmino es la aproximacin obtenida despus de la k-sima iteracin) este modo de escribir la iteracin es la forma general de un mtodo iterativo estacionario. Primeramente debemos demostrar que el problema lineal que queremos resolver se puede representar en la forma (**), para este motivo debemos tratar de escribir la matriz A como la suma de una matriz triangular inferior, una diagonal y una triangular superior A=D(L+I+U), D=diag( ). Haciendo los despejes necesarios escribimos el mtodo de esta forma
Por lo tanto B=-(L+I)-1 U. Ahora podemos ver que la relacin entre los errores, el cul se puede calcular al substraer x=Bx+c de (**) Supongamos ahora que , i= 1, ..., n, son los valores propios que corresponden a los vectores propios ui, i= 1,..., n, los cuales son linealmente independientes, entonces podemos escribir el error inicial
(***) Por lo tanto la iteracin converge si y slo si | i|<1, i= 1, ..., n. De este hecho se desprende el siguiente teorema: Teorema: Una condicin suficiente y necesaria para que un mtodo iterativo estacionario converja para una aproximacin arbitraria x^{(0)} es que Donde (B) es el radio espectral de B.
Pgina 54
EXPLICACIN Se elige una aproximacin inicial para . Se calculan las matrices M y el vector c con las frmulas mencionadas. El proceso se repite hasta que xk sea lo suficientemente cercano a xk 1, donde k representa el nmero de pasos en la iteracin.Se tiene que despejar de la ecuacion una de variable distinta y determinante.Si sumo los coeficientes de las variables divididos si da entre 1 y -1 es ms probable que el despeje funcione. ALGORITMO El mtodo de Gauss-Seidel se puede escribir en forma de algoritmo de la siguiente manera: Algoritmo Mtodo de Gauss-Seidel funcin Gauss-Seidel (A, x0) //x0 es una aproximacin inicial a la solucin// para hasta convergencia hacer para hasta hacer para hasta hacer
si entonces = + aijxj fin para
fin para comprobar si se alcanza convergencia fin para
Se elige una aproximacin inicial para <math>x^{0}\,</math>.<br /> Se calculan las matrices M y el vector c con las frmulas mencionadas. El proceso se repite hasta que <math>x^{k}</math> sea lo suficientemente cercano a <math>x^{k1}</math>, donde k representa el nmero de pasos en la iteracin.Se tiene que despejar de la ecuacion una de variable distinta y determinante.Si sumo los coeficientes de las variables divididos si da entre 1 y -1 es ms probable que el despeje funcione. TEOREMA DE GAUSS. En conclusin si el racional p/q es raz de P(x) con coeficientes enteros, entonces p debe ser un divisor del trmino independiente y q debe ser divisor del coeficiente principal. A este teorema se lo conoce como teorema de Gauss. Por ejemplo si p/q, con p y q enteros, son races del polinomio Q(x) = 4x4 - x2 - 6x + 3 utilizando el teorema de Gauss tenemos que p divide a 3 y q divide a 4. Entonces los posibles p son 1, -1, 3 y -3 y la posible q son 1, -1, 2, -2, 4 y -4. No se olviden de incluir los divisores negativos. Es decir que los racionales p/q pueden ser 1, -1, 1/2, -1/2, 1/4, -1/4, 3, -3, 3/2, -3/2, 3/4 y -3/4. Esto no significa que estos doce racionales son races del polinomio, que de hecho no lo son, sino que quiere decir que si algn racional es raz de Q(x) entonces tiene que estar entre estos doce racionales. Para saber si son o no son races, lo que debemos hacer es especializar en cada uno de estos racionales (o sea, reemplazar a x por cada uno de ellos) y fijarnos si el polinomio se anula. Aqu vemos que Q(1) = 0, Q(1/2) = 0 y para los dems valores da distinto de cero. Ahora s, podemos concluir que las nicas races racionales de Q(x) son 1 y 1/2.
Pgina 55
Tendr Q(x) ms races, sean reales o complejas? Recuerden que los nmeros complejos son los de la forma a + bi donde a y b son reales y donde i es la raz cuadrada de -1. La respuesta es s. Esto se deriva de un resultado general que dice que todo polinomio de coeficientes complejos (obviamente pueden ser todos reales) de grado n tiene exactamente n races. En particular tendr a lo sumo n races reales, y sern exactamente n cuando no tenga races complejas*. Para tener una escritura ms cmoda, adoptaremos la notacin complejos* para referirnos a los nmeros complejos que no son reales. Por ejemplo el polinomio P(x) = x4 - x - 4x - 5x - 3 tiene dos races reales y dos races complejas*, en total son 4, igual que el grado del polinomio. Se animan a encontrar las 4 races? Resulta a veces interesante conocer la cantidad de races reales de un polinomio, o lo que es lo mismo, saber la cantidad de races complejas* que tendr. Para ello nos ayudar el siguiente teorema: Sea P(x) un polinomio de coeficientes reales y sea z un nmero complejo*. Si z es raz de P(x) entonces tambin lo ser su conjugado. Para aquellos que no lo saben, si z = a + bi el conjugado de z es a - bi. Esto nos indica que si z es una raz compleja* de P(x) entonces su conjugado tambin ser raz de P(x); adems z es distinto de su conjugado si z no es real. Por tanto: Todo polinomio de coeficientes reales tiene una cantidad par de races complejas*. Utilizando esto podemos saber que si un polinomio de grado 4 tiene al menos una raz real, entonces tendr al menos dos races reales. Esto sucede porque al tener una raz real, la cantidad de races complejas* es a lo sumo 3. Sin embargo no puede ser 3 pues es impar; es decir que la cantidad de races complejas* ser dos o cero. En consecuencia podemos afirmar que el polinomio tendr 2 o 4 races reales. Este teorema nos dice ms todava, que informarnos sobre la paridad de la cantidad de races no reales. Si z = a+bi y su conjugado son races de P(x) con coeficientes reales entonces (x - (a+bi))(x - (a-bi)) = x - 2ax + a + b divide a P(x). Este polinomio de grado 2, como habrn notado, tiene todos sus coeficientes reales. Entonces, por cada complejo y su conjugado que son races de P(x) encontramos un polinomio de grado dos que divide a P(x). Si a es una raz real entonces x-a divide a P(x). En otras palabras podemos expresar a cualquier polinomio de coeficientes reales como producto de polinomios de grado uno y dos de coeficientes reales. Por ejemplo, P(x) = x5 - x + 2x - 2 = (x-1)(x - x + 1)(x + 2x + 2). Hagan distributiva y verifquenlo. Obtener estas factorizaciones no es nada sencillo pues requiere mayores conocimientos sobre nmeros complejos. Es ms, incluso en polinomios que tengan todas sus races reales no siempre podremos obtenerlas todas. Menos an si sus coeficientes no son racionales como en los ejemplos que fuimos poniendo a lo largo de la clase. Aunque existen frmulas, semejantes a la de la ecuacin cuadrtica, para obtener las races de polinomios de grados 3 y 4 sabiendo solamente los coeficientes del polinomio, no existen frmulas para polinomios de grados mayores. Es ms, Galois demostr que no se puede armar una frmula para los polinomios de grado 5 o ms. A. Luego de haber visto el teorema de Gauss el problema resulta bastante ms fcil. El nico inconveniente es que nosotros vimos el teorema de Gauss cuando los coeficientes del polinomio son enteros, y el polinomio del enunciado tiene coeficientes racionales. Cmo podemos solucionar esto? El tema es que si P(x)=0 entonces Q(x) = 3P(x) = 0. Es decir que Q(x) = 9xn - 3xn-1 + 3x - 1 tendr las misma races que P(x) y tiene todos sus coeficientes enteros. Generalizando este ltimo procedimiento, se les ocurre como probar que para todo polinomio con
Pgina 56
coeficientes racionales existe un polinomio de coeficientes enteros con exactamente las misma races? Les dejamos esta pregunta para que la piensen. Siguiendo con el problema, por el teorema de Gauss si p/q es un racional que es races de Q(x) entonces p divide a 1 y q divide a 9. Es decir que los posibles racionales son 1, -1, 1/3, -1/3, 1/9 y -1/9. Veamos cuales de estos racionales son efectivamente races del polinomio: Q(1) = 9 . 1n - 3 . 1n-1 + 3 . 1 - 1 = 8 Q(-1) = 9 . (-1)n - 3 . (-1)n-1 + 3 . (-1) - 1 es distinto de cero tanto si n es para como si n es impar. Veamos que Q(1/9) y Q(-1/9) son distintos de cero. Dado que Q(1/9). 9n-1 = 1 - 3 + 3.9n-2 - 9n-1 no puede ser igual a cero porque todos los trminos azules son mltiplos de 3 y el trmino rojo no lo es, y cero es divisible por 3. En conclusin Q(1/9) no puede ser cero. Del mismo modo se demuestra que Q(-1/9) es distinto de cero. Por el otro lado Q(-1/3) = 9.(-1/3)n - 3.(-1/3)n-1 + 3.(-1/3) - 1 = (-1/3)n-2 + (-1/3)n-2 - 2, que siempre es menor que -1. Finalmente tenemos que Q(1/3) = 0. Entonces la nica raz racional de P(x) es 1/3. MATRIZ INVERSA Una de las aplicaciones del mtodo de Gauss-Jordan, es el clculo de matrices inversas. Recordamos primero la definicin de matriz inversa.
Definicin. Sea A una matriz de nxn . La matriz inversa de A es una matriz B de nxn tal que:
Se escribe siempre
B = A 1 para denotar la matriz inversa. Cuando la matriz inversa existe, es nica, pro no
existe la matriz inversa.
Un resultado de algebra lineal prueba que la matriz inversa es distinto El mtodo de Gauss-Jordan procede como sigue:
existe si y solo si el determinante de A de cero.
Es decir, en una matriz comenzamos por escribir la matriz A, y a su derecha agregamos la matriz identidad
I n del mismo orden que la matriz A; enseguida aplicamos el mtodo de Gauss-Jordan para hacer los ceros y I unos y obtener del lado izquierdo la matriz identidad n . Del lado derecho lo que obtendremos ser la matriz
inversa de A.
Ejemplo 1. Usar el mtodo de Gauss-Jordan para calcular la matriz inversa de la siguiente matriz:
Solucin. En una matriz, colocamos la matriz A y a su derecha agregamos la matriz identidad I 2 : METODOS NUMERICOS (URIEL LABRA CESAREO) Pgina 57
El primer elemento pivote a11 = 4 est bien colocado y procedemos a hacer
1 ceros debajo de este elemento. Para ello, multiplicamos el rengln 1 por 4 y lo sumamos al rengln 2. Esto nos da:
Nuestro segundo elemento pivote es a 22 = 0.25 . Para hacer ceros arriba de
11 este elemento, multiplicamos el rengln 2 por 0.25 y lo sumamos al rengln 1. Esto nos da:
Finalmente, hacemos los 1s en la diagonal principal. Para ello, multiplicamos el rengln 1 por
1 4
y el rengln 2 por 0.25 . Esto nos da la matriz final:
Por lo tanto, concluimos que la matriz inversa de A es:
Ejemplo 2. de:
Usar el mtodo de Gauss-Jordan para calcular la matriz inversa
Solucin. En una matriz, colocamos la matriz A y a su derecha agregamos la matriz identidad:
Vemos que el primer elemento pivote a11 = 2 est bien colocado y procedemos a hacer ceros debajo de este elemento. Para ello multiplicamos el rengln 1 por
0.5 2
y lo sumamos al rengln 2; tambin, multiplicamos el

0.3125 2
mismo rengln 1 por
y lo sumamos al rengln 3. Esto nos da:
Pgina 58
Para elegir el segundo elemento pivote, debemos escoger el elemento mayor
(con valor absoluto) entre a 22 = 0.2 y a32 = 1.25 , el cual obviamente es ste ltimo. Por lo tanto, debemos intercambiar el rengln 2 y el rengln 3. Tenemos entonces:
Procedemos a hacer ceros arriba y abajo de nuestro segundo elemento pivote; tambin multiplicamos el mismo rengln 2 por 3. Esto nos da:
0 .2 1.25
4 para ello, multiplicamos el rengln 2 por 1.25 y lo sumamos al rengln 1, y
y lo sumamos al rengln
Nuestro tercer elemento pivote es a33 = 0.4 . Para hacer ceros arriba de este tambin multiplicamos el mismo rengln 3 por Esto nos da:
10 0.4
3.125 elemento, multiplicamos el rengln 3 por 0.4 y lo sumamos al rengln 2, y
y lo sumamos al rengln 1.
Finalmente, hacemos los 1s en la diagonal principal. Para ello multiplicamos el rengln 1, 2 y 3 por final:
1 2 1 , 1.25 y 1 0.4
, respectivamente. Esto nos da la matriz
Por lo tanto, concluimos que la matriz inversa de A es:
Pgina 59
Matriz de cofactores Sea A una matriz cuadrada de orden n . Al quitarle la lnea i y la columna j se obtiene una submatriz de orden n-1, que se denota habitualmente Ai,j. Por ejemplo, con n = 4, i = 3 y j = 2:
El determinante de esta submatriz se llama la menor relativa a la casilla (i, j): M i, j = det( A i, j ) . En el ejemplo, M3,2 = 34 El cofactor de ai,j, es decir el cofactor relativo a la casilla (i, j) de la matriz A =( ai,j ), es la menor multiplicada por el signo (-1) i + j. Se le nota c i, j = (-1) i + j Mi,j o ai,j con una tilde encima. En el ejemplo, c 3, 2 = (-1)5 34 = -34. La matriz de los cofactores de A se llama la comatriz de A, y se nota com A o A con una tilde encima. La comatriz sirve para calcular la matriz inversa de A, cuando existe, gracias a la relacin: Atcom A =tcom A A = det A In, donde In es la matriz identidad de orden n. Matriz adjunta e inversa. Definicin: Si A es una matriz de n x n y B es la matriz de sus cofactores, entonces la Adjunta de A , denotada por es la transpuesta de la matriz B de n x n , esto es:
Ejemplo:
Pgina 60
Encuentra la adjunta de la matriz
Solucin: Encontrando primeramente la matriz B de cofacores:
Pgina 61
entonces
Teorema: Si A es una matriz invertible, entonces
Demostracin: Dada la matriz A de n x n, entonces:
Pgina 62
Donde el elemento en el i-simo rengln y la j-sima columna de es:
En el caso de que el rengln Por lo tanto de A y si
, la suma anterior es la expansin del determinante de A sobre la suma es 0.
Luego, dado que A es invertible, entonces entonces
Pgina 63
y multiplicando en ambos miembros de la igualdad por
Ejemplo: Encuentra la inversa de la matriz
Solucin: Encontrando primeramente la adjunta de A:
Pgina 64
Enseguida, calculando el determinante de A:
Finalmente:
Pgina 65
UNIDAD. IV INTERPOLACIN El problema del a interpolacin es aproximar la ecuacin general a una clase de funciones ms simples. Las clases de funciones simples aproximadas son usualmente polinomios. Hay dos usos de la interpolacin, el primero seria remplazar funciones complicadas por una funcin ms sencilla. El segundo uso sera la de interpolar por tablas para calcular otra funcin en algn punto desconocido cuando los valores de las funciones se conocen en un conjunto de puntos tabulares. En general, el polinomio de interpolacin consiste en determinar el nico polinomio denensimo orden que se ajusta a los n+1 puntos dados. Este polinomio proporciona una frmula para calcular los valores de n- ensimo orden por proporciones.
Pgina 66
F(x) = EJERCICIO. 1 Ln x = f(x) Tabulacin
(x-
x 1 2 6
Ln x 0 ? 1.7917
x 1 3
Lnx 0 1.098 6
Ln=1 Ln=2 Ln=6
Error relativo =
Pgina 67
Error relativo =
ln 6 ln 2
f(x)
ln 1
INTERPOLACIN CUADRTICA
Una estrategia que mejora la aproximacin a una curva no con una lnea recta (por lo cual arrastra errores grandes) es la de interpolar cierta curvatura en la lnea que conecte a los puntos. Si se dispone de tres datos lo anterior se puede llevar a cabo con un polinomio de 2 orden tambin llamado polinomio cuadrtico o parbola. Una manera conveniente para este caso es utilizar la siguiente expresin.
Pgina 68
Si x = x
x 1 2 4 6
Ln x 0
1.386 2 1.791 7
INTERPOLACIN DE NEWTON
Pgina 69
Un polinomio de n- simo orden para los n+1 puntos es f(x) = b0 +b1(x-x0)++bn(x-x0)(x-x1)(x-xn-1) ECUACION.1 Como en el caso anterior se usan los puntos en la evaluacin de los coeficientes b0+b1bn . Se requiere n+1 puntos para obtener un polinomio den e-esimo orden: x0, x1, xn. Usando estos datos, con las situaciones siguientes se evalan los coeficientes. B0= f(x0) B1= f(x1, x0) B2= f(xn, xn-1,, x1, x0), en donde las evaluaciones de las funciones entre corchetes son diferencias divididas o polinomios de interpolacin ( diferencias divididas).son diferencias divididas finitas, por ejemplo: La primera diferencia dividida finita se representa generalmente como.
La segunda diferencia dividida finita que representa la diferencia de la dos primeras diferencias divididas finitas, se expresan de la siguiente manera.
De manera similar para la n-esima diferencia dividida finita es.
Estas diferencias se usan para evaluar los coeficientes b0, b1bn , los cuales se sustituyen en la ecuacin 1 hasta obtener el polinomio de interpolacin siguiente. Fn(x)= f(x0)+(x-x0)f(x1x0)+(x-x0)(x-x1)f(x2,x1,x0)++f(x-x0)(x-x1).(x-xn-1)f(xn,xn-1),f(xn,xn-1,x0) EJERCICIO. 1 Usando el polinomio de interpolacin de newton y dados los datos siguientes como resultado de un experimento determinar el correspondiente valor de f (1.5)
i 0 1 2
xi 1.0 1.3 1.6
F(xi) 0.7651977 0.6200860 0.4554022
Pgina 70
3 4
1.9 2.2
0.281886 0.1103623
F(1.5) = f(x0)+f(x1,x0)(x1-x0)(x-x1)+f(x2,x1,x0)(x-x0)(x-x1)(x-x2)+f(x3,x2,x1,x0)(x-x0)(x-x1)(xx2)(x-x3) F(x0) =90 = f(x0)
b4 = (x4, x3,x2,x1,x0)
Pgina 71
1a Diferencia dividida finita F(xi,xi-1) 3a Diferencia dividida finita F(xi,xi-1, xi-2, xi-3) 1a Diferencia dividida finita 2a Diferencia dividida finita
2a Diferencia dividida finita F(xi,xi-1, xi-2) 4a Diferencia dividida finita F(xi,xi-1, xi-2, xi-3, xi-4) 3a Diferencia dividida finita F(xi,xi-1, xi-2, xi-3) 0.06620 0.066820 4a Diferencia dividida finita F(xi,xi-1, xi-2, xi-3, xi-4) 0.011653
F(xi,xi-1) F(xi,xi-1, xi-2) -0.4837056 -0.108734 -0.548946 -0.049068 -0.578387 0.011070 -0.511745 En base a la forma general
POLINOMIO DE INTERPOLACIN DELA LAGRANGE.
Pn (x) = Li (x)f(xi)
Pgina 72
xi 0 1 1.0 1.3
F(x) 0.7551977 0.6200860 Pgina 73
2 3 4
1.6 1.9 2.2
0.4554022 0.2818186 0.1103623
Hallar f (1.5); n = 4
UNIDAD V INTEGRACIN NUMRICA Para calcular la integral definida, aplicando el Teorema Fundamental del Clculo, es preciso obtener previamente una integral indefinida. Aunque se conocen diversos mtodos para hallar la integral indefinida de una cantidad considerable de funciones, existen funciones para las cuales estos mtodos no son aplicables. Este inconveniente se supera haciendo uso de la integracin numrica. La integracin numrica permite evaluar la integral definida de una funcin continua en un intervalo cerrado con la exactitud deseada. En este apartado vamos a
Pgina 74
estudiar dos mtodos de integracin numrica: la Regla del trapecio y la Regla de Simpson (debida a Thomas no a Homero).
Ejercicios resueltos En los ejercicios 1 a 3, use (a) la Regla del Trapecio y (b) la Regla de Simpson, con el valor de n indicado para estimar las integrales definidas. Aplique valores aproximados de f (xk) que tengan una precisin de cuatro decimales y redondee las respuestas a dos decimales. Ninguna de las integrales definidas de los ejercicios 4 a 6 puede ser evaluada exactamente en trminos de funciones elementales. Utilice la Regla de Simpson, con el valor de n que se indica, para determinar un valor aproximado de la integral definida dada. Exprese el resultado con tres cifras decimales.
Pgina 75
Solu ciones
Pgina 76
Pgina 77
MTODO DEL TRAPECIO La primera etapa para evaluar en forma numrica una integral. Por el mtodo general consiste en dividir el rea representada por I en cierto nmero de bandas son del mismo ancho, de manera que si se forman n bandas, su ancho ser. (B A ) H = -------------N
Pgina 78
En el mtodo del trapecio se dice lo siguiente: en vez de aproximar la integral f(x) en una distancia (a , b) por una recta, conviene dividir la distancia(a , b) en n subintervalos o segmentos y aproximar a cada uno por un polinomio de primer grado una vez hecho esto , se aplica la formula trapezoidal para cada intervalo y se obtiene el rea de cada trapezoide que componen la curva, de tal modo que la suma de todas ellas da la aproximacin del rea bajo la curva f(x). En el mtodo del trapecio se dice lo siguiente: en vez de aproximar la integral f(x) en una distancia (a , b) por una recta, conviene dividir la distancia(a , b) en n subintervalos o segmentos y aproximar a cada uno por un polinomio de primer grado una vez hecho esto , se aplica la formula trapezoidal para cada intervalo y se obtiene el rea de cada trapezoide que componen la curva, de tal modo que la suma de todas ellas da la aproximacin del rea bajo la curva f(x). Esto es en la frmula del Trapecio I=(b-a)* (f(x0+2(f(xi) )+f(xn))/2 Ejemplo Calcular por medio del mtodo del trapecio la integral de la siguiente funcin. F(X) = 0.2 + 25 X - 200 X2 + 675 X3 - 900 X4 + 400 X5 Desde a = 0 hasta b= 0.8 con un nmero de segmentos n = 2 Se calcula el ancho de cada segmento. (B - A ) H = -------------N (0.8 - 0) H = -------------2 (0.8) H = ----------= 0.4 2 Primeramente se calcula la integral en forma normal 0.2 dx + 25 X dx - 200 X2 dx + 675 X3 dx - 900 X4 dx+ 400 X5 dx 0.2x+ (25 x2)/2- (200 x3)/3+ 6754/4- (9005)/5+ (400 x6)/6 0.2 x + 12.5 x2 - 66.66 x3 + 168.75 x4 - 180 x5 + 66.66 x6 |ab
Pgina 79
Haciendo x = a y sustituyendo el valor de a tenemos: I(a)=0.2(0)+ 12.5 (0)- 66.66 (0) + 168.75 (0) - 180 (0) + 66.66 (0) I(0)=0.0 Haciendo x = b y sustituyendo el valor de b tenemos: I(b)=0.2(.08)+12.5(0.8)- 66.66(0.8)+ 168(0.8)180(0.8)+66.66(0.8) I(0.8)=1.6422 I(total) =I(b) I(a) I(total) =1.64220.0 I(total) =1.6422 El valor real de la integral es 1.6422 Se calculan los valores de cada funcin tomando en cuenta el ancho de cada segmento. F(H*0)=F(0.4*0)=F(0)=0.2+25(0)200(0)2+2+675(0)3900(0)4+400(0)5 F(0)=0.2 F(H*1)=F(0.4*1)=F(0.4)=0.2+25(0.4)200(0.4)2+2+675(0.4)3900(0.8)4+400(0.4)5 F(0.4)=2.456 F(H*2)=F(0.4*2)=F(0.8)=0.2+25(0.8)200(0.8)2+2+675(0.8)3900(0.8)4+400(0.8)5 F(0.8)=0.232 MTODO DE SIMPSON Clculo de reas: Uno de los problemas matemticos ms frecuentes es el clculo del rea que se forma al graficar una funcin. Por ejemplo, se necesita calcular el rea A que aparece en la siguiente figura:
Pgina 80
En donde la funcin f(x) y los valores a y b son conocidos. En este tipo de problemas se pueden obtener dos tipos de soluciones:
Soluciones algebraicas: se obtiene una frmula precisa y exacta para el rea solicitada. Soluciones numricas: se calcula numricamente una estimacin del rea.
Desde luego, la soluciones algebraicas son mejores que las numricas, porque son exactas. Pero a veces, la complejidad de las funciones hace imposible (o difcil) obtener la solucin algebraica, por lo que una solucin numrica permite ahorrar tiempo. El mtodo de Simpson. En este procedimiento, se toma el intervalo de anchura 2h, comprendido entre xi y xi+2, y se sustituye la funcin f(x) por la parbola que pasa por tres puntos (xi, yi), (xi+1, yi+1), y (xi+2, yi+2). El valor del rea aproximada, sombreada en la figura, se calcula con un poco ms de trabajo y el resultado es
Pgina 81
La simple inspeccin visual de esta figura y la que describe el procedimiento de los trapecios nos confirma que el mtodo de Simpson deber ser mucho ms exacto que el procedimiento del trapecio. El rea aproximada en el intervalo [a, b] es
Bien, agrupando trminos
El primer parntesis, contiene la suma de los extremos, el segundo, la suma de los trminos de ndice impar, y el tercero la suma de los trminos de ndice par. En el mtodo de Simpson, el nmero de divisiones n debe de ser par. En el caso de que el usuario introduzca un nmero impar el programa lo convierte en el nmero par siguiente. Ejemplo: Usando la regla de Simpson con n=2 y n=4 aproximamos:
Cuyo valor exacto es correcto al nmero de cifras mostradas. Para n=2 tenemos que h=(2-1)/2=0.5, x0=1, x1=1.5, x2=2. Ahora
Pgina 82
Con n=4 tenemos h=(2-1)/4=0.25, x0=1, x1=1.25, x2=1.5, x3=1.75, x2=2, de modo que
Obtuvimos los siguientes resultados: n 2 4 8 16 32 64 128 256 512 1024 Sn(f) 0.694444 0.693254 0.693155 0.693148 0.693147 0.693147 0.693147 0.693147 0.693147 0.693147 en=I(f)- Sn(f) -0.00129726 -0.000106788 -7.35009e-006 -7.35009e-006 -2.97299e-008 -1.86151e-009 -1.16398e-010 -7.27562e-012 -4.54747e-013 -2.84217e-014 en/ e2n ----12.1481 14.5288 14.5288 15.885 15.9708 15.9927 15.9983 15.9993 16.0000
Estos resultados confirman claramente la convergencia de la regla de Simpson en este ejemplo particular. Podemos ver que cada vez que se duplica la n, lo cual equivale a dividir la h entre dos, el error disminuye por un factor de 16 aproximadamente (ltima columna de la tabla) esto es caracterstico de convergencia O(h4) lo cual confirmaremos tericamente ms adelante.
Pgina 83
UNIDAD VI DIFERENCIACIN NUMRICA El clculo de la derivada de una funcin puede ser un proceso "difcil" ya sea por lo complicado de la definicin analtica de la funcin o por que esta se conoce nicamente en un nmero discreto de puntos. (Este es el caso si la funcin representa el resultado de algn experimento). En esta leccin estudiaremos tcnicas para aproximar las derivadas de una funcin y veremos el anlisis de error de dichas formulas. Formulas para la primera derivada: La definicin de la derivada de una funcin f(x) en el punto "x" est dada en trminos del lmite:
De esta definicin podemos decir que si "h" es pequeo entonces:
(Note el smbolo de aproximacin). Esto nos da inmediatamente la primera formula numrica para aproximar la derivada:
Antes de ver algunos ejemplos donde usamos esta frmula, tratemos de contestar la pregunta de cun buena es esta aproximacin de la derivada? Por el Teorema de Taylor sabemos que:
Donde
est entre x y x+h. Si despejamos ahora en esta frmula por f'(x) y tenemos que:
usamos la definicin de
Esta frmula nos dice que i.e., O(h).
aproxima a f'(x) con un error proporcional a "h",
Pgina 84
Ejemplo 1: Tomamos
y queremos aproximar
cuyo valor exacto es como funcin de
nueve. En la siguiente figura ilustramos los errores "h" en escala logartmica.
Podemos ver que los errores disminuyen hasta un cierto valor crtico "h min" luego del cual los errores aumentan segn la "h" disminuye. Contradice esto el resultado de arriba de O(h) del error? NO! El resultado de arriba es sobre la convergencia si la aritmtica es exacta y se dice que es un resultado asinttico. La figura ilustra los efectos de redondeo debido a la aritmtica finita los cuales se hacen significativos para "h" pequeo y pueden afectar cualquier frmula numrica para aproximar la derivada. Sin embargo, una formula con un grado de aproximabilidad digamos O(h2) es preferible a una O(h) ya que los errores (tericos) tienden a cero ms rpido y as la "h" no se tiene que hacerse tan pequea reduciendo as los efectos de los errores por la aritmtica finita. <> El mtodo de arriba usando la expansin de Taylor se puede utilizar para obtener formulas para aproximar la derivada con un grado de aproximabilidad ms alto que uno. Ilustramos esto para la obtencin de una formula O (h 2). Si en lugar de llegar hasta trminos de orden dos, expandimos hasta trminos de orden tres en la expansin de Taylor, obtenemos las formulas:
Pgina 85
Si restamos estas dos ecuaciones, despejamos para f'(x), y usamos el teorema del valor medio aplicado a f'''(x) obtenemos la formula:
Donde
y esta entre [x-h,x+h]. Tenemos pues que la formula proporcional a O (h2).
tiene un error
Ejemplo 2: Comparamos las dos formulas obtenidas hasta ahora para aproximar f'(x) con el ejemplo de para . Los resultados los presentamos en forma tabulada para distintos valores de h: h 0.1 0.05 0.025 0.0125 13.5795 11.0266 9.95452 9.46337 4.57948 2.02656 0.954519 0.463374 9.85264 9.21079 9.05255 9.01313 0.852636 0.210788 0.0525492 0.0131281 . Note que cada ves que h se se formula divide por se dos divide
Este ejemplo ilustra lo superior de la formula divide entre dos, el error en la formula (aproximadamente) mientras que en la (aproximadamente) por cuatro (por qu?). <>
En forma similar se pueden obtener formulas de orden mayor utilizando expansiones de Taylor que envuelvan x2h, x3h, etc. Por ejemplo la expansin
Pgina 86
Nos da una formula de orden cuatro para f'(x). Es importante observar que mientras ms alto el grado de aproximabilidad de la formula, ms suave tiene que ser la funcin para que dicha aproximacin sea vlida. Por ejemplo esta frmula de orden cuatro requiere que la funcin tenga cinco derivadas continuas en el intervalo en cuestin mientras que la formula de orden dos requiere nicamente tres derivadas continuas. Formulas para la segunda derivada: El proceso de arriba se puede usar para obtener formulas para las derivadas de orden mayor de uno de una funcin f(x). Usamos este proceso para obtener una frmula para la segunda derivada. Usando el Teorema de Taylor, podemos escribir las expansiones:
Sumando estas dos expansiones y despejando para f''(x) obtenemos:
Donde
esta entre [x-h,x+h]. Tenemos aqu una formula de orden dos para f"(x). MTODO DE EULER
La idea del mtodo de Euler es muy sencilla y est basada en el significado geomtrico de la derivada de una funcin en un punto dado. Supongamos que tuviramos la curva solucin de la ecuacin diferencial y trazamos la recta tangente a la curva en el punto dado por la condicin inicial.
Pgina 87
Debido a que la recta tangente aproxima a la curva en valores cercanos al punto de tangencia, podemos tomar el valor de la recta tangente en el punto como una aproximacin al valor deseado .
As, calculemos la ecuacin de la recta tangente a la curva solucin de la ecuacin diferencial dada en el punto . De los cursos de Geometra Analtica, sabemos que la ecuacin de la recta es:
Donde m es la pendiente. En este caso, sabemos que la pendiente de la recta tangente se calcula con la derivada:
Por lo tanto, la ecuacin de la recta tangente es:
Ahora bien, suponemos que dado como
es un punto cercano a
, y por lo tanto estar
. De esta forma, tenemos la siguiente aproximacin:
De aqu, tenemos nuestra frmula de aproximacin:
Esta aproximacin puede ser suficientemente buena, si el valor de h es realmente pequeo, digamos de una dcima menos. Pero si el valor de h es ms grande, entonces podemos cometer mucho error al aplicar dicha frmula. Una forma de reducir el error y obtener de hecho un mtodo iterativo, es dividir la distancia
Pgina 88
en n partes iguales (procurando que estas partes sean de longitud suficientemente pequea) y obtener entonces la aproximacin en n pasos, aplicando la frmula anterior n veces de un paso a otro, con la nueva h igual a . En una grfica, tenemos lo siguiente:
Ahora bien, sabemos que:
Para obtener nicamente hay que pensar que ahora el papel de lo toma el punto , y por lo tanto, si sustituimos los datos adecuadamente, obtendremos que:
De aqu se ve claramente que la frmula recursiva general, est dada por:
Esta es la conocida frmula de Euler que se usa para aproximar el valor de aplicndola sucesivamente desde hasta en pasos de longitud h. Ejemplo 1 Dada la siguiente ecuacin diferencial con la condicin inicial:
Aproximar
NOTA Primero observamos que esta ecuacin s puede resolverse por mtodos tradicionales de ecuaciones diferenciales. Por ejemplo, podemos aplicar el mtodo de separacin de variables. Veamos las dos soluciones.
Pgina 89
Solucin Analtica.
Sustituyendo la condicin inicial:
Por lo tanto, tenemos que la curva solucin real est dada:
Y por lo tanto, el valor real que se pide es:
Solucin Numrica Aplicamos el mtodo de Euler y para ello, observamos que la distancia entre y no es lo suficientemente pequea. Si dividimos esta distancia entre cinco obtenemos un valor de y por lo tanto, obtendremos la aproximacin deseada en cinco pasos. De esta forma, tenemos los siguientes datos:
Pgina 90
Sustituyendo estos datos en la formula de Euler, tenemos, en un primer paso:
Aplicando nuevamente la formula de Euler, tenemos, en un segundo paso:
Y as sucesivamente hasta obtener tabla: n 0 1 2 3 4 5 0 0.1 0.2 0.3 0.4 0.5
. Resumimos los resultados en la siguiente
1 1 1.02 1.0608 1.12445 1.2144
Concluimos que el valor aproximado, usando el mtodo de Euler es:
Puesto que en este caso, conocemos el valor verdadero, podemos usarlo para calcular el error relativo porcentual que se cometi al aplicar la formula de Euler. Tenemos que:
Ejemplo x Aplicar el mtodo de Euler para aproximar
, dada la ecuacin diferencial.
Pgina 91
Solucin Nuevamente vemos que nos conviene dividir en pasos la aproximacin. As, elegimos nuevamente para obtener el resultado final en tres pasos. Por lo tanto, aplicamos el mtodo de Euler con los siguientes datos:
En un primer paso, tenemos que:
Resumimos los resultados en la siguiente tabla: n 0 1 2 3 1 1.1 1.2 1.3 2 2.3 2.6855 3.1901
De lo cual, concluimos que la aproximacin buscada es:
MTODO DE RUNGE-KUTTA El mtodo de Runge-Kutta es un mtodo genrico de resolucin numrica de ecuaciones diferenciales. Este conjunto de mtodos fue inicialmente desarrollado alrededor del ao 1900 por los matemticos C. Runge y M. W. Kutta. Se trata de un mtodo por etapas que tiene la siguiente expresin genrica:
, Donde:
Pgina 92
i = 1,...,e Con aij,bi,ci constantes propias del esquema numrico. Los esquemas RungeKutta pueden ser explcitos o implcitos dependiendo de las constantes aij del esquema. Si esta matriz es triangular inferior con todos los elementos de la diagonal principal iguales a cero; es decir, aij = 0 para j = i,...,e, los esquemas son explcitos. Ejemplo: Esquema Runge-Kutta de dos etapas, una en t = tn y otra en t = tn + tn. F (u, t) en la primera etapa es:
y para estimar F (u, t) en t = tn + tn usamos un esquema Euler
Con estos valores de F introducidos en la ecuacin nos queda la expresin:
Las constantes propias de este esquema son: b1 = b2 = 1 / 2;a21 = 1;c2 = 1. Existen variantes del mtodo de Runge-Kutta clsico, tambin llamado RungeKutta explcito, tales como la versin implcita del procedimiento o las parejas de mtodos Runge-Kutta (o mtodos Runge-Kutta-Fehlberg). Este ltimo consiste en ir aproximando la solucin de la ecuacin mediante dos algoritmos Runge-Kutta de rdenes diferentes, para as mantener el error acotado y hacer una buena eleccin de paso. Mtodos de Runge-Kutta Mtodos de Runge-Kutta Los Runge-Kutta no es slo un mtodo sino una importante familia de mtodos iterativos tanto implcitos como explcitos para aproximar las soluciones de ecuaciones diferenciales ordinarias (E.D.Os), estas
Pgina 93
tcnicas fueron desarrolladas alrededor de 1900 por los matemticos alemanes Carl David Tolm Runge y Martin Wilhelm Kutta. El clsico mtodo Runge-Kutta de cuarto orden Un miembro de la familia de los mtodos Runge-Kutta es usado tan comnmente que a menudo es referenciado como RK4 o como el mtodo Runge-Kutta. Definamos un problema de valor inicial como:
Entonces el mtodo RK4 para este problema est dado por la siguiente ecuacin:
Donde
As, el siguiente valor (yn+1) es determinado por el presente valor (yn) ms el producto del tamao del intervalo (h) por una pendiente estimada. La pendiente es un promedio ponderado de pendientes: k1 es la pendiente al principio del intervalo; k2 es la pendiente en el punto medio del intervalo, usando k1 para determinar el valor de y en el punto usando el mtodo de Euler
k3 es otra vez la pendiente del punto medio, pero ahora usando k2 para determinar el valor de y
Pgina 94
k4 es la pendiente al final del intervalo, con el valor de y determinado por k3 Promediando las cuatro pendientes, se le asigna mayor peso a las pendientes en el punto medio:
Esta forma del mtodo de Runge-Kutta, es un mtodo de cuarto orden lo cual significa que el error por paso es del orden de O(h5), mientras que el error total acumulado tiene el orden O(h4). Runge-Kutta Es un mtodo de un paso, es decir, para determinar Yn+1 se necesita conocer nicamente los valores de Xn y Yn del punto anterior, adems no requieren evaluar ninguna derivada, sino nicamente valores de la funcin f(x,y). Todo ello hace que el mtodo de Runge Kutta, sea ms fcil de aplicar que otros sistemas, como por ejemplo la serie de Taylor. Siendo:
y con las ecuaciones anteriormente explicadas. Aplicacin del Mtodo de Runge-Kutta Ej. Resolver la ecuacin
Condiciones inciales: Xo = 0,Yo = 1. Comprobaremos la influencia del intervalo (h) en el resultado de la aplicacin del mtodo de Runge-Kutta respecto a los valores reales, se observar la eficiencia de aproximacin de dicho mtodo. h = 0.1 X 0 1 Yrk 0,05 k1 k2 k3 k4 Yreal
0,05515781 0,05543572 0,06126695 1
Pgina 95
0,1 1,055409
0,06126385 0,03538455 0,06621391 0,07548228 1,05540897
0,2 1,11206618 0,07420147 0,07923508 0,08289846 0,09281613 1,12359551 0,3 1,19394696 0,09265811 0,0999885 0,10444881 0,11800821 1,20845921 0,4 1,29720378 0,11779163 0,12873043 0,13440558 0,1537129 1,31578947 0,5 1,43016654 0,15340322 0,17029887 0,17795414 0,20688417 1,45454545 h = 0.05 X 0 1 Yrk k1 0,025 k2 k3 k4 Yreal
0,02626963 0,02630258 0,02764905 1
0,05 1,02629891 0,02764885 0,01487553 0,02871893 0,03060922 1,02629891 0,1 1,05054008 0,03034995 0,03123309 0,0319694 0,03369002 1,05540897 0,15 1,0822809 0,03367579 0,03473179 0,03552093 0,03748443 1,08769545 0,2 1,11755851 0,03746811 0,03873482 0,03958589 0,04184322 1,12359551 0,25 1,15688397 0,04182439 0,04335012 0,04427442 0,0468904 1,16363636 0,3 1,20087795 0,0468685 0,04871556 0,04972734 0,05278546 1,20845921 0,35 1,25030124 0,0527598 0,05500962 0,0561271 0,05973643 1,2588513 0,4 1,30609618 0,05970605 0,06246661 0,06371354 0,06801873 1,31578947 0,45 1,3694437 0,06798238 0,07139907 0,07280701 0,07800327 1,38050043 0,5 1,44184333 0,07795921 0,08223137 0,08384326 0,09019913 1,45454545
Pgina 96
'Conclusin': Cuando el intervalo es ms pequeo (h), el nmero de clculos ser mayor y la aproximacin ser ms cercana a la real. Mtodos de Runge-Kutta Explcitos La familia de los mtodos Runge-Kutta explcitos esta dado por la generalizacin del mtodo RK4 mencionado antes, esta dado por:
Donde
Para especificar un mtodo en particular, se necesita proveer un valor entero s (nmero de etapas), y los coeficientes aij (para 1 j < i s), bi (para i = 1, 2, ..., s) and ci (para i = 2, 3, ..., s). Esos valores usualmente son organizados en una tabla conocida como Butcher tableau o arreglo de Butcher (por John C. Butcher): 0 c2 a21 c3 a31 a32
cs as1 as2 b1 b2
as,s 1 bs 1 bs
El mtodo Runge-Kuta es consistente si
Pgina 97
Tambin existen requerimientos adicionales si queremos que el mtodo tenga cierto orden p, significando esto que el error de truncamiento es O (hp+1). Eso puede ser derivado de la definicin de error de truncamiento, por ejemplo, un mtodo de dos etapas tiene grado 2 si b1 + b2 = 1, b2c2 = 1/2, y b2 a21 = 1/2.
Pgina 98
EJEMPLO 1 To get started, select MATLAB Help or Demos from the Help menu. >> disp('NEWTON-RAPHSON') NEWTON-RAPHSON >> x0=input('Valor inicial='); Valor inicial=5 >> n=input('numero de iteraciones='); numero de iteraciones=7 >> salida=ones(n,4); % matiz de salida de datos
Pgina 99
>> for i=1:n x1=x0-[(exp(-x0)-x0)]/[(-exp(-x0)-1)]; vsal=[x0;x1]; er=[[abs((x0-x1)/x0)]]*100; % error relativo porcentual ea=[[abs((x1-x0)/x1)]]*100; % error x0=x1; salida(i,1)=i; salida(i,2)=x1; salida(i,3)=er; salida(i,4)=ea; end >> disp('ite raiz er ea'); ite raiz er ea >> disp(num2str(salida)); 1 2 3 4 5 6 7 0.0401571055 0.509637531 0.566534509 0.567143223 99.1968579 1169.10923 11.1642048 0.107445228 12351.0966 92.1204576 10.0429854 0.107329907
0.56714329 1.18267281e-005 1.18267267e-005 0.56714329 1.56605647e-013 1.56605647e-013 0.56714329 1.95757059e-014 1.95757059e-014
EJEMPLO 2
To get started, select MATLAB Help or Demos from the Help menu.
Pgina 100
Warning: Unable to register DirectX component C:\MATLAB701\toolbox\matlab\audiovideo\private\MatlabDataSink.dll Warning: Unable to register DirectX component C:\MATLAB701\toolbox\matlab\audiovideo\private\MatlabDataSource.dll >> disp('NEWTON-RAPHSON') NEWTON-RAPHSON >> x0=input('Valor inicial='); Valor inicial=5 >> n=input('numero de iteraciones='); numero de iteraciones=12 >> salida=ones(n,4); % matiz de salida de datos >> for i=1:n x1=x0-[(exp(-x0)-x0)]/[(-exp(-x0)-1)]; vsal=[x0;x1]; er=[[abs((x0-x1)/x0)]]*100; % error relativo porcentual ea=[[abs((x1-x0)/x1)]]*100; % error x0=x1; salida(i,1)=i; salida(i,2)=x1; salida(i,3)=er; salida(i,4)=ea; end >> disp('ite raiz er ea'); ite raiz er ea >> disp(num2str(salida));
Pgina 101
1 2 3 4 5 6 7
0.0401571055 0.509637531 0.566534509 0.567143223
99.1968579 1169.10923 11.1642048 0.107445228
12351.0966 92.1204576 10.0429854 0.107329907
0.56714329 1.18267281e-005 1.18267267e-005 0.56714329 1.56605647e-013 1.56605647e-013 0.56714329 1.95757059e-014 1.95757059e-014

(x 3)+(4 (x 2))-10
350
300
250
200
150
100
50
-50
-100 -6 -4 -2 x 0 2 4 6
Pgina 102

MÉTODOS

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

MÉTODOS

Încărcat de

Drepturi de autor:

Formate disponibile

TECNOLGICO DE ESTUDIOS SUPERIORES DE HUIXQUILUCAN.

NOMBRE DEL PROFESOR:

ING. CESAR ARTURO MARTNEZ GARCA

NOMBRE DEL ALUMNO:

URIEL LABRA CESAREO

CARRERA. INGENIERIA CIVIL

METODOS NUMERICOS (URIEL LABRA CESAREO)

METODOS NUMERICOS (URIEL LABRA CESAREO)

METODOS NUMERICOS (URIEL LABRA CESAREO)

Los clculos se repiten hasta que,

donde e0 es un valor prefijado previamente.

METODOS NUMERICOS (URIEL LABRA CESAREO)

METODO DE APROXIMACIONES SUCESIVAS. EJEMPLO 1.

METODOS NUMERICOS (URIEL LABRA CESAREO)

METODOS NUMERICOS (URIEL LABRA CESAREO)

METODOS NUMERICOS (URIEL LABRA CESAREO)

METODOS NUMERICOS (URIEL LABRA CESAREO)

TAREA NUMERO 1. Por aproximaciones sucesivas realizar:

METODOS NUMERICOS (URIEL LABRA CESAREO)

METODOS NUMERICOS (URIEL LABRA CESAREO)

METODOS NUMERICOS (URIEL LABRA CESAREO)

METODOS NUMERICOS (URIEL LABRA CESAREO)

Asntotas horizontales de una funcin.

METODOS NUMERICOS (URIEL LABRA CESAREO)

A1) Lmite finito.

A2) Lmite infinito.

METODOS NUMERICOS (URIEL LABRA CESAREO)

F(x) f(x) aproximacin

METODOS NUMERICOS (URIEL LABRA CESAREO)

Primera iteracin Xl=1 f(Xl)=-1 Xu=2 f(Xu)=5

METODOS NUMERICOS (URIEL LABRA CESAREO)

f(xr) = f(1.1667) = 0.5789 Segunda iteracin Xl=1.1667 f(Xl)=-0.5786 Xu=2 f(Xu)=5

Xl = 2 -f(xr) = f(1.2531) = -0.2854 Tercera iteracin Xl=1.2531 f(Xl)=-0.2854 Xu=2 f(Xu)=5

Xr = 2 -F(xr) = f(1.2934) =-0.1296 Cuarta iteracin Xl=1.2934 Xu=2 f(Xl)=-0.1296 f(Xu)=5

METODOS NUMERICOS (URIEL LABRA CESAREO)

Xr=2F(xr) = f(1.3188) = -0.02467 Sexta iteracin Xl=1.3188 Xu=2 f(Xl)=-0.0250 f(Xu)=5

9.3890 3.7182 2.1487 1 0.1065 -0.6321 -1.8646

METODOS NUMERICOS (URIEL LABRA CESAREO)

Primera iteracin Xl=0.5 Xu=0.75 f(Xl)=0.106 f(Xu)=-0.2776

Xr = 0.75 -F(xrr = fx(0.5690) = -0.002908

Segunda iteracin Xl=0.5690 Xu=075 f(Xl)=-0.0029 f(Xu)= -0.2776

METODOS NUMERICOS (URIEL LABRA CESAREO)

METODOS NUMERICOS (URIEL LABRA CESAREO)

METODOS NUMERICOS (URIEL LABRA CESAREO)

X 1000 1500 2000 2500 3000

F (x) 0 542.94 86.16 -156.41 -308.27

XC = 2500XC = 2500 322.40 XC = 2177.6

F (XL) = 86.16 F (XR) = -15.15

METODOS NUMERICOS (URIEL LABRA CESAREO)

XC = 2177.6 26.55 XC = 2151.05

F (XL) = 86.16 F (XR) = -1.27

XC = 2151.05XC = 2151.05 2.19 XC = 2148.86

F (XL) = 86.16 F (XR) = -0.11

XC = 2148.86XC = 2148.86 0.189 XC = 2148.671

F (XL) = 86.16 F (XR) = -0.016

XC = 2148.671XC = 2148.671 0.027 XC = 2148.644

METODOS NUMERICOS (URIEL LABRA CESAREO)

METODOS NUMERICOS (URIEL LABRA CESAREO)

METODOS NUMERICOS (URIEL LABRA CESAREO)

METODOS NUMERICOS (URIEL LABRA CESAREO)

(a, b)= {1, 2} Si x=1

Xr = XiF (x) = x3 + 4x2 -10 = 0 F`(x) = 3x2 + 8x F``(x) = 6x + 8 Si x = 1

f` (i) = 3(1)2 + 8 (1) f`(i) =3 + 8 f (i) = 11 f (i) = (1)3 + 4(1)2 10 = 0 f (i) = -5

(-0.191-0.042)=0.008 10.02-0.008=10.012 (-0.191-2.796)=0.534 70.615-0.534=70.08 (-0.191*-1.84)=0.351 80.425-0.351=80.074