Sunteți pe pagina 1din 8

Mtodos Numricos

Kerly Chrig Hidalgo


Escuela Superior Politcnica de Chimborazo
Riobamba 9 de Abril
Ecuador
Kerly2813@hotmail.com

Abstract.-

Este

trabajo

fundamentos

El concepto de error es consustancial con el clculo

importantes para el comprendimiento de los Mtodos

numrico. En todos los problemas es fundamental

Numricos, aun mas cuando se inicia el estudio de

hacer un seguimiento de los errores cometidos a fin

los mismos en el campo estudiantil, tomando en

de poder estimar el grado de aproximacin de la

cuenta el contenido amplio que presenta el tema. Es

solucin que se obtiene.

indispensable

Generalmente, no conocemos el valor de una cierta

el

contiene

conocimiento de los

Mtodos

Numricos para la aplicacin en la carrera.

magnitud

I. INTRODUCCIN

aproximado x. Para estimar la magnitud de este error

La ciencia y la tecnologa describen los fenmenos

necesitamos dos definiciones bsicas:

reales mediante modelos matemticos. El estudio de

1) Error absoluto

estos modelos permite un conocimiento ms profundo

y hemos de conformarnos con un valor

De x:

del fenmeno, as como de su evolucin futura. La


matemtica aplicada es la rama de las matemticas
que se dedica a buscar y aplicar las herramientas

2) Error relativo
De x:

ms adecuadas a los problemas basados en estos


modelos. Desafortunadamente, no siempre es posible
aplicar mtodos analticos clsicos por diferentes

En la prctica, se emplea la expresin:

razones:

No se adecan al modelo concreto.


Su aplicacin resulta excesivamente compleja.
La solucin formal es tan complicada que
hace

imposible

cualquier

interpretacin

En general, no conocemos el valor de este error, ya


que no es habitual disponer del valor

posterior.
Simplemente no existen mtodos analticos
capaces

de

proporcionar

soluciones

al

problema.
Exacto de la magnitud, sino slo de una
En estos casos son tiles las tcnicas numricas, que
mediante una labor de clculo ms o menos intensa,
conducen a soluciones aproximadas que son siempre
numricos.

acotacin de su valor, esto es, un nmero, tal que:


o bien:
De acuerdo con este formalismo, tenemos que un
numero se representar del siguiente modo:

II. DESARROLLO DEL CONTENIDO

A. Errores

3) Dgitos Significativos

En el caso ms general, en que una funcin depende

Sea x un nmero real que, en general, tiene una


representacin

decimal

infinita.

Podemos

decir

f(x) = 0

de ms de una variable (

), la

frmula aproximada de propagacin del error maximal

que x ha sido adecuadamente redondeado a un

es:

nmero con d decimales, al que denominaremos x(d),


B) Clculo de Races de Ecuaciones

si el error de redondeo,

El objeto del clculo de las races de una ecuacin es

es tal que:

determinar los valores de x para los que se cumple:

4) Propagacin De Errores
Cuando se resuelve un problema matemtico por
mtodos numricos y aunque las operaciones se
lleven

cabo

exactamente,

obtenemos

una

aproximacin numrica del resultado exacto. Es


importante tratar de conocer el efecto que sobre el
resultado final del problema tiene cada una de las
operaciones realizadas.
Para estudiar cmo se propaga en error, veamos cual
es el efecto que cada una de las operaciones bsicas
tiene sobre el error final cuando se aplican sobre dos

1) Mtodo de la Biseccin
Es el mtodo ms elemental y antiguo para
determinar las races de una ecuacin. Est basado
directamente en el teorema de Bolzano. Consiste en
partir de un intervalo [x0,x1]tal que f(x0)f(x1) < 0, por lo
que sabemos que existe, al menos, una raz real. A
partir de este punto se va reduciendo el intervalo
sucesivamente hasta hacerlo tan pequeo como exija
la precisin que hayamos decidido emplear.
2) Mtodo De Las Aproximaciones Sucesivas
Dada la ecuacin f(x) = 0, el mtodo de las
aproximaciones sucesivas reemplaza esta ecuacin

por

una

la

partimos de un valor inicial x0 y calculamos una nueva

encontrar

la

solucin,

obtenido y repetimos el proceso. Esto da lugar a una

converge,

de

valores

tendr

como

,
lmite

problema.

:
problema

Para

aproximacin x1=g(x0). Reemplazamos el nuevo valor

sucesin

el

en

forma g(x)=f(x)+x.

nmeros

Cuando

definida

equivalente, x=g(x),

consiste

en

calcular

resultado y = f(x) tenemos la siguiente


frmula aproximada de propagacin del

el

Interpretacin geomtrica del


mtodo de las
aproximaciones sucesivas.

error:

(14)

Figura 1.

la

que

solucin

si
del

3) Mtodo de Newton
Este mtodo parte de una aproximacin inicial x0 y
obtiene una aproximacin mejor, x1, dada por la
frmula:

5) Mtodo de Steffensen
El mtodo de Steffensen presenta una convergencia
rpida y no requiere, como en el caso del mtodo de
la secante, la evaluacin de derivada alguna.
Presenta adems, la ventaja adicional de

Interpretacin geomtrica del


mtodo de Newton.

Figura 2.

que el proceso de iteracin slo necesita


un punto inicial. Este mtodo calcula el

siguiente punto de iteracin a partir de la expresin:

6) Mtodo de la Falsa Posicin


El mtodo de la falsa posicin pretende conjugar la
seguridad del mtodo de la biseccin con la rapidez
del mtodo de la secante. Este mtodo, como en el
mtodo de la biseccin, parte de dos puntos que
rodean

la

raz f(x)

0,

es

decir,

dos

puntos x0 y x1tales que f(x0)f(x1) < 0. La asignacin del


4) Mtodo de la Secante

nuevo intervalo de bsqueda se realiza como en el

El mtodo de la secante parte de dos puntos (y no

mtodo de la biseccin: entre ambos intervalos, [x0,x2]

slo uno como el mtodo de Newton) y estima la

y [x2,x1], se toma aquel que cumpla f(x)f(x2) < 0.

tangente (es decir, la pendiente de la recta) por una


aproximacin

de

acuerdo

expresin:

Figura 3.

con

la

Figura 4.

Representacin geomtrica
del mtodo de la falsa
posicin.

Representacin geomtrica
del mtodo de la secante.

C) Puntos Fijos e iteracin Funcional

El mtodo de Newton y el de Steffenson son ejemplos

1) Los Mtodos exactos o algoritmos finitos que

de procedimientos mediante los cuales se calcula una

permiten obtener la solucin del sistema de

sucesin de puntos empleando una frmula de

manera directa.

recurrencia como la siguiente:


2) Los Mtodos

xn+1 = F(xn)

aproximados que

utilizan

algoritmos iterativos e infinitos y que calculan

D) Resolucin de Sistemas de Ecuaciones


Lineales
El objetivo de este apartado es examinar los

las solucin del sistema por aproximaciones


sucesivas
E) Interpolacin
Nos centraremos ahora en el problema de obtener, a
partir de una tabla de parejas (x,f(x)) definida en un
cierto intervalo [a,b], el valor de la funcin para
cualquier x perteneciente a dicho intervalo.
Supongamos que disponemos de las siguientes

aspectos numricos que se presentan al resolver


sistemas de ecuaciones lineales de la forma:
Se

trata

de

un

sistema

con n incgnitas, x1, x2,

de n ecuaciones

..., xn.

Los

parejas de datos:
x

x0

x1

x2

xn

y0

y1

y2

yn

El objetivo es encontrar una funcin continua lo ms


sencilla posible tal que

elementos aij y bi son nmeros reales fijados.

1) Polinomios de Interpolacin de Lagrange

f(xi) = yi

Un polinomio de interpolacin de Lagrange, p, se


define en la forma:

Entonces

podemos

denotar

estas

matrices

por A, x y b de forma que la ecuacin se reduce


simplemente a:
Ax=b
Los

mtodos

de

resolucin

de

sistemas

de

ecuaciones se pueden dividir en dos grandes grupos:

en

donde

son

dependen

slo

de

los

nodos

ordenadas

. La frmula general del


es:

no

que

tabulados

polinomio

pero

polinomios

de

las

funcin en los nudos. Un spline de grado 1 se puede


definir por:

Para el conjunto de nodos


polinomios

son

conocidos

, estos
como funciones

cardinales.

3) Splines cbicos

2) Interpolacin de Splines
Una funcin

spline est

El spline cbico (k=3) es el spline ms empleado,


formada

por

varios

polinomios, cada uno definido sobre un subintervalo,


que se unen entre s obedeciendo a ciertas

debido a que proporciona un excelente ajuste a los


puntos tabulados y su clculo no es excesivamente
complejo.

condiciones de continuidad.
Supongamos que disponemos de n+1 puntos, a los

Sobre cada intervalo

que

, S est definido por un polinomio cbico diferente.

denominaremos nudos,

tales

Sea Si el polinomio cbico que representa a S en el


que

. Supongamos adems que

se ha fijado un entero
Decimos

entonces

grado k con

intervalo [ti,ti+1], por tanto:

.
que

nudos

una funcin

en

spline
es

de
una

funcin S que satisface las condiciones:


(i)

Los polinomios Si-1 y Si interpolan el mismo valor en el


punto ti, es decir, se cumple:
Si-1(ti) = yi = Si(ti)

en cada intervalo

, S es un polinomio de

por lo que se garantiza que S es continuo en todo el

grado menor o igual a k.

intervalo. Adems, se supone que S' y S'' son

(ii)

continuas, condicin que se emplea en la deduccin

S tiene una derivada de orden (k-1) continua

de una expresin para la funcin del spline cbico.


F) Integracin Numrica

en

Los splines de grado 0 son funciones constantes por


zonas. Una forma explcita de presentar un spline de
grado 0 es la siguiente:

Dada una funcin f definida sobre un intervalo [a,b],


estamos interesados en calcular
suponiendo que esta integral tenga sentido para la
funcin f.

La cuadratura o integracin

numrica consiste en obtener frmulas aproximadas


para calcular la integral J(f) de f. Estos mtodos son
no se intersectan entre s,

de gran utilidad cuando la integral no se puede

por lo que no hay ambigedad en la definicin de la

calcular por mtodos analticos, su clculo resulta

Los intervalos

muy costoso y estamos interesados en una solucin


=

con precisin finita dada o bien slo disponemos de


una tabla de valores de la funcin (es decir, no

Por lo que:

conocemos la forma analtica de f).


1) La Integracin Va Interpolacin Polinomial
Una estrategia muy til para calcular el valor
numrico

de

la

integral

dada

consiste

La frmula de cuadratura correspondiente es:

en

reemplazar fpor otra funcin g, fcil de integrar, que


Esta expresin se conoce como regla del trapecio y
aproxima a f de forma adecuada. Si

, se

proporciona un resultado exacto para todas las


funciones de grado menor o igual a 1.

deduce que

4) Regla de Simpson
Empleando un razonamiento similar al anterior y
tomando un polinomio de grado n=2 para interpolar
Los polinomios son buenos candidatos para el papel

a f, obtenemos la conocida regla de Simpson:

de g. De hecho, g puede ser un polinomio que


interpola a f en cierto conjunto de nodos.
Podemos elegir una serie de nudos,
en el intervalo [a,b] e iniciar un proceso de
interpolacin de Lagrange. El polinomio de grado
menor o igual a n que interpola a f en los nudos es:
(75)

Que es exacta para todos los polinomios de grado


2 y curiosamente, exacta para todos los polinomios
de grado

3.

En los clculos prcticos se emplea, generalmente,


2) Regla del trapecio

la regla de Simpson compuesta, en la que el

Si empleamos polinomios de grado n=1 y tomamos

intervalo de integracin [a,b] se divide en un nmero

(78

par, n, de subintervalos. Tenemos entonces:

)
como nudos x0=a y x1=b, tenemos el caso ms

en donde

sencillo

h = (b-a)/n

posible,

en

interpolacin son:

donde

los

polinomios

de

Aplicando la regla de Simpson en cada uno de los


=

subintervalos

se

obtiene

la

expresin

final:

CONCLUSIONES

Obtuvimos fuentes importantes de recopilacin de datos, los cuales fueron utilizados en la obtencin de
este trabajo.
Conocimos ms acerca del tema expuesto.
Obtuvimos conocimientos previos.

REFERENCIAS
E. H. Miller, A note on reflector arrays, [online] IEEE Trans. Antennas Propag., vol. 53, pp. 475, 2005. Disponible en:
http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=1549967&tag=1

josue

perezLes

Roches

International

Les

Roches

International

School

in

Hospitality

http://www.monografias.com/trabajos73/metodos-numericos/metodos-numericos.shtml
Wladimiro Diaz Villanueva 1998-05-11 Mtodos numricos http://www.uv.es/~diaz/mn/fmn.html

and

Hotel

Management.

S-ar putea să vă placă și