Documente Academic
Documente Profesional
Documente Cultură
Métodos Numérico
1
TABLA DE CONTENIDO
UNIDAD I:
“Conceptos Básicos, Exactitud y Raíces de Ecuaciones.”
CAPITULO 1: CONCEPTOS BASICOS
UNIDAD II:
“Sistemas de Ecuaciones Lineales, No Lineales
e Interpolación.”
CAPITULO 3: SOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES
Y NO LINEALES.
CAPITULO 4: INTERPOLACION
2
Lección 11 Polinomio de Interpolación con diferencias divididas de newton
………………………………………………...…………………………………. 151
Lección 12 Interpolación Polinomial de diferencias finitas de Newton… 156
Lección 13 Ajuste de curvas……………………………………………….... 161
Lección 14 Transformada discreta de Fourier y Ejercicios del Capitulo.. 169
UNIDAD III:
“Diferenciación, Integración Numérica y Solución de
Ecuaciones Diferenciales.”
3
ALCANCE DEL CURSO ACADEMICO
El estudiante comprenderá la importancia de los métodos numéricos y conocerá
Las características operativas del software de cómputo numérico comercial.
4
Implementar y evaluar los métodos iterativos empleando un lenguaje de
programación.
Buscar y clasificar los fundamentos matemáticos de la solución de sistemas de
ecuaciones no-lineales.
Analizar en grupo la solución de sistemas de ecuaciones no-lineales, empleando
métodos iterativos.
Implementar y evaluar los métodos iterativos empleando un lenguaje de
programación.
Buscar y clasificar los métodos numéricos de diferenciación.
Representar gráficamente los métodos clasificados.
Analizar en grupo la diferenciación, empleando los métodos clasificados.
Diseñar e implementar los métodos de diferenciación numérica.
Diseñar e implementar los métodos de integración numérica.
Buscar y clasificar los métodos numéricos de integración.
Representar gráficamente los métodos clasificados.
Analizar en grupo la integración, empleando los métodos clasificados.
Buscar y clasificar los métodos numéricos de diferenciación.
Aplicar los métodos a la solución de ejercicios, empleando una calculadora.
Diseñar, implementar y evaluar los métodos numéricos de Euler y de Runge-
Kutta.
Investigar aplicaciones de estos métodos numéricos y mostrar resultados.
5
INTRODUCCIÓN A LOS MÉTODOS NUMÉRICOS
Una pregunta muy natural que surge al introducirse en el estudio de los métodos
numéricos, es la siguiente:
El precio que hay que pagar es el de cálculos cada vez más largos y tediosos y
aquí es donde hace acto de presencia la poderosa herramienta computacional,
que nos permite hacer cálculos largos y tediosos en poco tiempo y con mayor
exactitud que si los hiciéramos a mano. Esta gran herramienta hace factible el
camino de los métodos numéricos pues de otra forma, serían muy lentos los
procesos y con mucho riesgo de cometer errores en cada paso.
Por otro lado, cabe mencionar que para poder elaborar un buen programa de
computación, aparte de manejar un lenguaje determinado, debemos saber realizar
el proceso "a mano", ya que esto nos permitirá implementar un mejor programa
que contemple todas las posibles piedras en el camino.
6
Mapa Conceptual Métodos Numéricos
7
Método, Algoritmo, Receta, proceso,
¿Cómo? procedimiento, Rutina: Es una secuencia ordenada
pasos
Método o
Algoritmo consecutivos
lógicos
ordenados
para laPrograma:
solución de un problema dado.
¿Cómo?
Programa
C, Matlab, Excel
8
UNIDAD I:
“Conceptos básicos, exactitud y raíces de
ecuaciones.”
Errores
Truncamiento
Errores
Redondeo
9
= valor verdadero - valor aproximado
Ejemplo
10
Lección 1 Exactitud y Precisión
Dígitos Significativos:
Son aquellos números diferentes de cero, en una cifra o guarismo, leyendo de
izquierda a derecha; empiezan con el primer dígito diferente de cero y terminan
con el tamaño que permitan las celdas que guardan la mantisa.
Exactitud:
Se refiere a la cercanía de un número o de una medida al valor verdadero que se
supone representa.
Precisión:
Se refiere al número de cifras significativas que representan una cantidad, a esto
se refiere cuando se habla de doble precisión, dependiendo de la máquina que
estemos utilizando.
Errores Sistemáticos:
Debidos a la imprecisión de los aparatos de medición.
Errores Accidentales:
Debidos a la apreciación del observador y otras causas.
Errores de Truncamiento:
Se debe a la interrupción de un proceso matemático antes de su terminación.
Sucede cuando se toman sólo algunos términos de una serie infinita o cuando se
toma sólo un número finito de intervalos. Un caso adicional de error de
truncamiento ocurre cuando una calculadora poco sofisticada sólo toma en cuenta
los dígitos que caben en la pantalla y no analiza el primer dígito perdido.
Error de Redondeo:
Se ocasiona debido a las limitaciones propias de la máquina para representar
cantidades que requieren un gran número de dígitos.
Dependiendo de como se redondea puede ser de dos formas.
11
Se desprecian los dígitos que no pueden conservarse dentro de la localización de
memoria correspondiente (pensando de una manera estricta, este caso puede
considerarse como un error de truncamiento).
Más Errores
Existen mas errores, pero los tipos de error que estudiaremos a fondo serán:
1) Error absoluto
2) Error relativo
12
6) Error por truncamiento
Error absoluto
Error relativo
13
Ejemplo
Ejemplo
p=0.3x10-3
p*=0.31x10-3
Calcular el error absoluto y el error relativo.
Ejemplo
p=0.3x104
p*=0.31x104
Calcular el error absoluto y el error relativo.
Conclusión:
Como una medida de precisión el error absoluto puede ser engañoso y el error
relativo es más significativo.
Definiciones
1) Error relativo aproximado = ERA
14
Valor actual - Valor anterior
ERA = (-----------------------------------------) * 100%
Valor actual
2) Tolerancia = (0.5x102-n) %
Ejemplo
Usando la serie de Taylor con xo=0
Encontrar e1.5 con tres cifras significativas. Se desea saber también: ¿En cuántas
iteraciones se cumple el término de convergencia?
SOLUCION:
Como n = 3, entonces:
Tolerancia = (0.5x102-3) % = 0.05%
Término de convergencia: ERA < Tolerancia
ERA = ((Valor actual - Valor anterior)/ Valor actual) 100%
15
Aquí mi ERA < Tolerancia
16
EJEMPLO
Para i=1
Cos ( / 6) = 1
i=2
Cos ( / 6) = 1- (π /6)2 / 2!=0.86292152
17
Se muestra a continuación el diagrama de flujo del algoritmo de solución de este
EJEMPLO:
Ejemplo
18
Aquí, podemos calcular el primer error aproximado:
# Aprox. al Error
términos valor e aproximado
1 1
2 2 50%
3 2.5 20%
4 2.666666667 6.25%
5 2.708333333 1.54%
6 2.716666667 0.307%
7 2.718055556 0.051%
8 2.718253968 0.007%
9 2.718278770 0.0009%
19
Que en realidad tiene 8 cifras significativas. La cota impuesta por , nos asegura
que tendremos al menos n cifras significativas; en este ejemplo, obtuvimos 4 cifras
significativas más.
Error de redondeo
Error de truncamiento
Este tipo de error ocurre cuando un proceso que requiere un número infinito de
pasos se detiene en un número finito de pasos.
20
diferencia del error de redondeo, no depende directamente del sistema numérico
que se emplee.
Ejemplo
Determine el polinomio de Taylor de segundo grado y también el de tercer grado
para f(x)=cos(x) respecto a xo=0 y use este polinomio para aproximar cos (0.01)
SOLUCION:
Polinomio de Taylor de segundo orden.
Calculando derivadas:
21
Donde a lo más es 1 por lo que
22
Donde a lo más es 1 por lo que
Conclusión:
Las dos primeras partes del ejemplo ilustran los 2 objetivos de los métodos
numéricos. El primero es obtener una aproximación que los polinomios de Taylor
ofrecen en ambas partes.
El segundo objetivo consiste en determinar la exactitud de la aproximación (error
de truncamiento).
Ejemplo
Sea f(x)=x3
23
SOLUCION:
Ejemplo
Calcular f(x)=x3 para un polinomio de Taylor de segundo grado con x o=1.
24
Es el Error de Truncamiento
25
CAPITULO 2: RAICES DE ECUACIONES.
Métodos preliminares
Los métodos numéricos para tratar los problemas relacionados con raíces de una
ecuación, sirven para obtener aproximaciones a las soluciones de ecuaciones de
las cuales no es posible obtener respuesta exacta con métodos algebraicos (Solo
respuestas aproximadas). Por ejemplo, la ecuación:
26
En esta gráfica, vemos que la raíz es x 1 .
Ejemplos.
Sea
f (x) contínua en un intervalo a, b y supongamos que f (a) f (b) .
Entonces para cada z tal que
f (a ) z f (b) , existe un x0 a, b tal que
f ( x0 ) z . La misma conclusión se obtiene para el caso que f (a ) f (b) .
Básicamente el Teorema del Valor Intermedio nos dice que toda función contínua
en un intervalo cerrado, una vez que alcanzó ciertos valores en los extremos del
intervalo, entonces debe alcanzar todos los valores intermedios.
27
En particular, si
f (a) y
f (b) tienen signos opuestos, entonces un valor
intermedio es precisamente z 0, y por lo tanto, el Teorema del Valor Intermedio
Sea
f (x) continua,
xa , xb f ( xa )
i) Encontrar valores iniciales tales que y f ( xb ) tienen signos
opuestos, es decir,
f ( xa ) f ( xr )
En este caso, tenemos que y tienen signos opuestos, y
por lo tanto la raíz se encuentra en el intervalo
xa , xr .
28
En este caso, tenemos que f ( xa ) y f ( xr ) tienen el mismo signo, y
de aquí que f ( xr ) y f ( xb ) tienen signos opuestos. Por lo tanto, la raíz
se encuentra en el intervalo xr , xb .
Es decir,
En otras palabras:
Supongamos que f(x) es una función continúa definida en el intervalo [a, b] con
f(a) y f (b) de signos diferentes.
El de bisección nos dice que de acuerdo al teorema del valor intermedio existe un
número p en a, b tal que f(p)=0.
29
Figura. f (p1) tiene signo diferente a f(a1) entonces acá está la raíz; f(p1) tiene
signo igual a f(b1) entonces esta mitad se elimina.
PN 0
Para
30
En la figura se ilustra gráficamente el método de bisección.
EJEMPLO:
Aproximar la raíz de
f ( x) e x ln x hasta que
a 1%
.
SOLUCION
mientras que
31
i) Calculamos el punto medio (que es de hecho nuestra primera aproximación a
la raíz):
ii) Evaluamos
f (1.25) e 1.25 ln(1.25) 0.0636 0
iii) Para identificar mejor en que nuevo intervalo se encuentra la raíz, hacemos la
siguiente tabla:
En este punto, vemos que todavía no podemos calcular ningún error aproximado,
puesto que solamente tenemos la primera aproximación. Así, repetimos el proceso
Aquí podemos calcular el primer error aproximado, puesto que contamos ya con la
aproximación actual y la aproximación previa:
Evaluamos
f (1.375) e 1.375 ln(1.375) 0.06561 0 , y hacemos la tabla:
32
Así, vemos que la raíz se encuentra en el intervalo
1.25,1.375 .
Calculamos el punto medio,
Ejemplo:
33
En resumen:
N an Bn Pn f(pn)
1 1 2 1.5 2.375
2 1 1.5 1.25 -1.7068
3 1.25 1.5 1.375 0.16214
4 1.25 1.375 1.3125 -0.8483
5 1.3125 1.375 1.343 -0.333
6 1.343 1.375 1.359 -0.102
7 1.359 1.375 1.367 0.029
8 1.359 1.367 1.363 -0.036
9 1.363 1.367 1.365 -0.0037
10 1.365 1.367 1.366 -
11 1.365 1.366 1.3655 0.0044
12 1.365 1.3655 1.36525 0.0003
13 1.365 1.36525 1.36515 -0.0021
14 1.36515 1.36525 1.36517 -0.0009
Ejemplo:
f ( x) arctan x x 1 a 1%
Aproximar la raíz de hasta que .
SOLUCION
Sabemos que
f (x) es contínua en el intervalo 0,1 , y checamos que f ( 0) y
f (1) tengan signos opuestos.
34
En efecto,
Mientras que,
Evaluamos
f (0.5) arctan(0.5) 0.5 1 0.0363 0 .
Puesto que
f (0.5) y f (1) tienen signos opuestos, entonces la raíz se localiza en
el intervalo 0.5,1 .
xr1 0.5
En este punto, solo contamos con una aproximación, a saber, , que
es el primer punto medio calculado.
Repetimos el proceso, es decir, calculamos el punto medio ahora del intervalo
0.5,1 ,
35
Que es la nueva aproximación a la raíz de
f (x) .
Evaluamos
f (0.75) arctan(0.75) 0.75 1 0.3935 0 .
Puesto que
f (0.5) y
f (0.75) tienen signos opuestos, entonces la raíz se localiza
en el intervalo 0.5,0.75 .
36
0.75 33.33%
0.625 20%
0.5625 11.11%
0.53125 5.88%
0.515625 3.03%
0.5234375 1.49%
0.51953125 0.75%
xr8 0.51953125
De lo cual, vemos que la aproximación buscada es
37
Diagramas de flujo de bisecciones sucesivas
38
El método de la interpolación lineal inversa, requiere varias condiciones:
1.- f(a)*f(b) < 0
Es decir, que el producto de la función de x, f(x), evaluada en a, f(a), multiplicada
por la función de x, f(x), evaluada en b, f(b), sea negativo (menor a cero).
2.- Que la función f(x) se aproxime por otra función L(x).
Después se calcula f(C) para ver su valor. Si se obtiene cero, no se debe avanzar
más, pero gen caso de no ser así, se realiza lo siguiente:
En el caso de que f(C)*f(b) sea la que haya dado el producto menor a cero, o sea
negativo, entonces ahora a equivaldrá a C, y se repite el cálculo para encontrar
una nueva C.
EJEMPLO:
Encontrar la raíz de f(x)=cosx por el método de la falsa posición en el intervalo
[1,2] y Ɛs =0.001.
SOLUCION:
a=1, b=2
f(a=1)=cos 1 = 0.5403
f (b=2)=cos 2 = -0.4161
f(a)*f (b) < 0
(0.5403)*(-0.4161) < 0 si hay raíz
C_ant= 99999 para arrancar
Itera=0
Ɛs =0.001
Encontrado= False
fa=f(a=1)=0.5403
fb=f(b=2)=-0.4161
39
fc=f(Cact=1.5649)= cos(1.5649)= 0.005896
f(Cact)= 0.005896 ¿no es igual a 0? no
ERA (Cact=1.5649, C_ant = 99999)= 1.5649 - 99999 / 1.5649 Ɛ a no es menor a Ɛs
fC*f(a) < 0
(0.005896)*(0.5403) ≠ 0 es diferente a cero
a = Cact= 1.5649
b=2
Itera = 1
C_ant <-- Cact = 1.5649
fa=f(a=1.5649)=0.005896
fb=f(b=2)= -0.4161
f(a=1.5649) = 0.005896
f(b=1.5709)=cos 1.5709 = -0.0001036
Raíz = 1.5707
40
Consideremos nuevamente una gráfica como la anterior,
Donde hemos agregado la línea recta que une los puntos extremos de la gráfica
en el intervalo
a, b .
Es claro que si en lugar de considerar el punto medio del intervalo, tomamos el
punto donde cruza al eje x esta recta, nos aproximaremos mucho más rápido a la
raíz; ésta es en sí, la idea central del método de la regla falsa y ésta es realmente
la única diferencia con el método de bisección, puesto que en todo lo demás los
dos métodos son prácticamente idénticos.
( xa , f ( xa )) ,
Calculemos la ecuación de la línea recta que une los puntos
( xb , f ( xb )) . Sabemos que la pendiente de esta recta esta dada por:
41
Multiplicando por
xb xa nos da:
Este punto es el que toma el papel de xr en lugar del punto medio del método de
bisección.
Sea
f (x) continua,
iii) Evaluar
f ( xr ) . Forzosamente debemos caer en uno de los siguientes casos:
42
En este caso, tenemos que
f ( xa ) y
f ( xr ) tienen signos opuestos, y
se encuentra en el intervalo
xr , xb .
Ejemplo
SOLUCION
Este es el mismo ejemplo 1 del método de la bisección. Así pues, ya sabemos que
f (x) es contínua en el intervalo dado y que toma signos opuestos en los
extremos de dicho intervalo. Por lo tanto podemos aplicar el método de la regla
falsa.
43
Puesto que solamente tenemos una aproximación, debemos seguir con el
proceso.
Así pues,
evaluamos
44
Y el error aproximado:
Ejemplo:
SOLUCION
Este es el mismo ejemplo 2 del método de la bisección. Así pues, ya sabemos
que se cumplen las hipótesis necesarias para poder aplicar el método, es decir,
que f (x) sea contínua en el intervalo dado y que f (x) tome signos opuestos en
los extremos de dicho intervalo.
Evaluamos
f ( xr1 ) arctan(0.5600991535) 0.5600991535 0.070662953 0
45
Y hacemos nuestra tabla de signos:
Evaluamos
f ( xr2 ) arctan(0.5231330281) 0.5231330281 1 0.00511533 0
.
46
Como se ha cumplido el objetivo, concluimos que la aproximación buscada es:
Por supuesto que puede darse el caso en el que el método de la regla falsa
encuentre la aproximación a la raíz de forma más lenta que el método de la
bisección. Como ejercicio, el estudiante puede aplicar ambos métodos a la función
f ( x) x 6 1 , comenzando en el intervalo 0,1.5 , donde notará que mientras que
a 1%
el método de bisección requiere de 8 aproximaciones para lograr que , el
método de la regla falsa necesita hasta 16 aproximaciones.
47
Figura. Diagramas de flujo de la Interpolación lineal inversa
48
Lección 5 Método de Newton-Raphson
Este método, el cual es un método iterativo, es uno de los más usados y efectivos.
A diferencia de los métodos anteriores, el método de Newton-Raphson no trabaja
sobre un intervalo sino que basa su fórmula en un proceso iterativo.
x
Para calcular el punto i 1 , calculamos primero la ecuación de la recta tangente.
Sabemos que tiene pendiente
Hacemos y 0 :
49
Y despejamos x :
,
si
Ejemplo
SOLUCION
En este caso, tenemos que
50
De aquí tenemos que:
x0 1
Comenzamos con y obtenemos:
Ejemplo
Usar el método de Newton-Raphson para aproximar la raíz de
f ( x) arctan x x 1 , comenzando con x0 0 y hasta que
a 1%
.
SOLUCION
En este caso, tenemos que
51
La cual sustituímos en la fórmula de Newton-Raphson para obtener:
x0 0 para obtener:
Comenzamos sustituyendo
0.5 0
a 100% 100%
En este caso tenemos un error aproximado de 0.5
Ejemplo
Usar el método de Newton-Raphson para aproximar raíces cuadradas de números
reales positivos.
52
SOLUCION
x2 R 0
xi2 R
xi 1 xi
2 xi
1 R
xi 1 xi
2 xi
La misma idea puede aplicarse para crear algoritmos que aproximen raíces n-
ésimas de números reales positivos.
53
a pasos agigantados en cada paso del proceso. Aunque no es nuestro objetivo
establecer formalmente las cotas para los errores en cada uno de los métodos que
hemos estudiado, cabe mencionar que si existen estas cotas que miden con
mayor precisión la rapidez ó lentitud del método en estudio.
54
m=tanθ =f´(x) pendiente de la recta que pasa por (x i, f (xi)).
Lo que en realidad se desea saber es cuanto vale x i+1 para tomarlo en cuenta para
la siguiente iteración, y así seguiría sucesivamente, hasta obtener la raíz.
Ejemplo:
Encontrar la raíz de f(x)=x5+x2=9 con un valor inicial de xo=1.5 y Ɛs = 0.001.
SOLUCION:
f(x)= x5+x2-9 f´(x)= 5*x4+2*x
f(xo=1.5)= (1.5)5+(1.5)2 - 9 = 0.84375
f´(xo=1.5)=5* (1.5)4+2*(1.5)= 28.3125
x1 = xo - f(xo) / f´(xo)= 1.5 - (0.84375 / 28.3125) = 1.4701986755
55
ERA (x3, x2)= (que sí es menor a Ɛs )
Raíz x3=1.46903110316
56
Figura. Falla 3 de Newton-Raphson
Ejemplo
Encontrar la raíz de f(x)=ex-3*x=0 que se encuentra en [0,1] usando xo=0 y el
método de Newton con una Ɛs =0.001.
SOLUCION:
f(x)= ex-3*x
recordemos que
f´(x)= ex-3
< Ɛs =0.001
Raíz=x4=0.619023039928
EJEMPLO:
Q=3.33*(B-0.2*H)*(H3)1/2
Donde:
Q - Cantidad de agua que pasa por le vertedor en pies 3/seg
B - Ancho del vertedor en pies
57
H - Carga sobre la cuesta del vertedor en pies.
Si B=3 ; Q=12 entonces cual es el valor de H=¿?.
Calcular por el método de Newton-Raphson con Ɛs =0.001 y Ho=B/2
SOLUCION:
12=3.33*(3-0.2*H)*( H3)1/2
f(H)=12 - 3.33*(3-0.2*H)*( H3)1/2 = 0
f´(H)= - 3.33*(3-0.2*H)*(1/2)*( H3)-1/2 (3*H2)+ ( H3)1/2*(-3.33)*(-0.2)
f´(H)=-3.33*(3)*(1/2)*(H)-3/2(3*H2)*(-3.33)*(-0.2H)*(1/2)*(H)-
3/2
(3*H2)+(3.33)*(0.2)*(H3/2)
f´(H)=-14.985*H1/2+0.99*H*H-3/2*H2+0.666*H3/2
f´(H)=-14.985*H1/2+1.665*H3/2
f(H)=12-3.33*(3-0.2H)*(H3)1/2
f´(H)=-14.985*H1/2+1.665*H3/2
la raíz es H2=1.19360.
58
Este método sirve para encontrar las raíces de una ecuación y consiste en los
siguientes pasos:
1.- Nos deben dar la función a la cual le debemos encontrar la raíz, es decir,
debemos conocer f(x)=0.
Ejemplo: f(x)= 0.5*x - 4 = 0
2.- Nos deben de dar un valor inicial xo. Ejemplo xo = 0.
3.- De la función f(x) debemos de despejar x de manera que encontremos una
nueva función de x llamada ahora g(x).
Ejemplo:
(2/2)*x - (1/2)*x - 4 = 0 donde (1/2)*x no se altera
x - (1/2)*x - 4 = 0 → x = (1/2)*x + 4
g(x) = x = (1/2)*x + 4
4.- Se deriva la función g(x). En el caso de que el valor absoluto de la derivada de
g(x) sea menor a uno, se asegura que el despeje realizado funcione.
si
5.- Luego se evalúa g(x) utilizando primero x o. El resultado de esta evaluación se
convierte en el nuevo valor de x y así se continúa hasta encontrar la raíz deseada
desde luego, satisfaciendo un error deseado.
SOLUCION:
xo = 0 , Ɛ = 0.001
x1 = (xo/2) + 4 = 0 + 4 = 4
ERA (x1,xo) →
x2 = (x1/2) + 4 = 6
ERA (x2,x1)
x3 = (x2/2) + 4 = 7
ERA (x3,x2)
x4 = (x3/2) + 4 =7.5
ERA (x4 = 7.5, x3= 7)
59
ERA (x9,x8)= (que no es menor a Ɛs)
x10 = (x9/2) + 4 = 7.9921875
ERA (x10,x9)=
60
(3/2)*x - (1/2)*x + 4 = 0
(3/2)*x=(1/2)*x - 4
x= (2/3)*(1/2)*x - (2/3)*(4)=(1/3)*x - (8/3)
g(x)=(1/3)*x - (8/3)
61
(que no es menor a Ɛs)
x_ant = x_act = -3.9735
Itera=5
(que no es menor a Ɛs )
x_ant = x_act = -3.9845
Itera=6
(que si es menor a Ɛs )
Raíz = -3.9881
Esto tiende al número -4. Al número -4 se le llama punto fijo de g(x), sin importar
cual sea el xo. El punto fijo de g(x) es la raíz de f(x).
Otros Ejemplos:
62
Por el Teorema del Valor Medio para derivadas, sabemos que si es contínua
en y diferenciable en entonces existe tal que
O bien,
63
En el ejemplo 1, y claramente se cumple la condición de
que . Por lo tanto el método sí converge a la raíz.
En el ejemplo 2, y en este caso,
Ejemplo 1
Usar el método de iteración del punto fijo para aproximar la raíz de
, comenzando con y hasta que .
Solución
Como ya aclaramos anteriormente, el método sí converge a la raíz.
Y un error aproximado de .
64
Ejemplo 2
Usar el método de iteración del punto fijo para aproximar la raíz de
, comenzando con y hasta que .
Solución
Si despejamos la del término lineal, vemos que la ecuación equivale a
de donde,
65
Con un error aproximado igual al 28.41%.
Aprox. a la raíz
Error aprox.
0
-0.2 100%
-0.1557461506 28.41%
-0.1663039075 6.34%
-0.163826372 1.51%
-0.164410064 0.35%
66
Figura. Diagramas de flujo del método de iteración.
Ejemplo:
Encontrar una raíz por el método iterativo del punto fijo.
Solución:
f(x)=x*ex - 1 = 0 empezar con xo=0 y un Epsilon=0.001
x*ex = 1
x= 1 / ex
x= e-x
g(x)= e-x
g´(x)= e-x *[d(-x)/ dx]
si se cumple
67
Para x=0 que no es menor que 1 no se cumple
ejecute;(x)= - e-x
x=10 si se cumple
no se cumple.
Esto asegura que el despeje hecho si funciona para valores de x 0.
Probemos:
Dado que xo=0 → se debe empezar con otro valor como xo=0.1 ó xo=1 y con la
ecuación iterativa xact=e-xant
x1=1
x2=e-1=0.367879441171
x3=e-x2 =0.692200627556
x4=e-x3=0.500473500563
x5=e-x4=0.606243535086
x6=e-x5=0.545395785975
x7=e-x6=0.579612335503
x8=e-x7=0.560115461361
x9=e-x8=0.57114311508
x10=e-x9=0. 564879347391
x11=e-x10=0.568428725029
x12=e-x11=0. 566414733147
x13=e-x12=0.567556637328
x14=e-x13=0.566908911922
x15=e-x14=0.567276232175
EJEMPLO:
Encontrar una raíz para f(x)=5*x2-4*x-7 por el método iterativo del punto fijo dentro
del intervalo (- 0.9,- 0.8).
68
Solución:
Propongamos primero una función g(x)
5*x2-4*x=7
factorizando a x y trabajando con respecto a la x que se factorizó:
x(5x-4)=7 y despejando a x
x = 7 / (5*x - 4)
g(x)=7 / (5*x - 4)
dg(x) / dx = d/dx(7 / (5*x-4) = (d/dx)(7*(5*x-4)-1)
g´(x)=7*[(-1)*(5*x-4)-1-1((d/dx)(5*x-4))]
g´(x)=7[(-1)(5*x-4)-2(5-0)]
g´(x)=(7*(-1)*(5)) / (5*x-4)2 = -35 / (5*x-4)2
Probemos para los límites del intervalo dado para -0.9.
(-0.9,-0.8).
xo= -0.85
x1=7 / (5*xo-4) = -0.848484848486
x2=7 / (5*x2-4) = -0.849264705882
x3=7 / (5*x2-4) = -0.8488631129735
x4=7 / (5*x3-4) = -0.849069868054
x5=7 / (5*x4-4) = -0.848963423031
El valor tiende a -0.849 punto fijo de g(x) y raíz de f(x).
EJEMPLO:
Encontrar una raíz para f(x)=x2-x-2 por el método iterativo del punto fijo cuyas
raíces son (-1,2)
Propongamos varias funciones de g(x) y veamos cuales de ellas si nos pueden
servir:
1) respecto a la segunda
x2-x-2=0
x2-2=x
g1(x)=x= x2-2
69
2) respecto a x2
x2-x-2=0
x2=2+x
x= ±(2+x)1/2
2) g2(x)= -(2+x)1/2
3) g3(x)= (2+x)1/2
4) respecto a x2
x2-x-2=0
x2=x+2
se despeja con respecto a x*x
x*x=x+2
x=1 + 2/x
g4(x)= 1+2/x
5) factorizamos a x
x2-x-2=0
x*(x-1)-2=0
x*(x-1)=2
x=2 / (x-1)
g5(x)= 2 / (x-1)
Probemos si g1(x) nos puede servir para encontrar las dos raíces (-1,2).
g1(x)=x2-2
g1´(x)=2*x
2*x < 1
x<1/2
Esto quiere decir que el despeje propuesto nos va a servir para encontrar la raíz
con x que sea una sola palabra sea menor a 0.5.
Probemos con xo=0
xAct=xAnt-2
x1= xo2-2
x1=-2
x2= x12-2=(-2)2-2=2
x3= (-2)2-2=2
2 es el punto fijo de g(x) y es la raíz de f(x).
70
g2(x)=-(2+x)1/2
g21(x)=-(1/2)* (2+x)-1/2
(1/2)* (2+x)-1/2< 1
(2+x)1/2 esta dividiendo y pasa multiplicando:
1 / (2*(2+x)1/2)< 1
1/2 < (2+x)1/2
elevo al cuadrado y reacomodo para despejar a x:
2+x > 1/4
x > 1/4 - 2
x > 1/4 - 8/4
x > -7/4
x > -1.75
Esto lo que quiere decir es que el despeje propuesto g 2(x), nos debe de servir para
poder encontrar las dos raíces -1 y 2.
Probemos con xo=0 en g2(x):
xAct=-(2+xAnt)1/2 Ecuación iterativa
x1= -(2+xo)1/2=-1.41421356237
x2= -(2+x1)1/2=-0.765366864732
x3= -(2+x2)1/2=-1.11114046604
x4= -(2+x3)1/2=-0.94279347365
x5= -(2+x4)1/2=-1.02820548839
x6= -(2+x5)1/2=-0.9857
tiende a -1, punto fijo de g(x) y raíz de f(x).
Probando con xo=0 en g3(x):
xAct=(2+xAnt)1/2 Ecuación iterativa
x1= (2+xo)1/2=1.41421356237
x2= (2+x1)1/2=1.84775906502
x3= (2+x2)1/2=1.96157056081
x4= (2+x3)1/2=1.99036945335
tiende a 2, punto fijo de g(x) y raíz de f(x).
Por lo tanto xo si nos sirve para encontrar las dos raíces.
71
Probando con g4(x):
g4(x)=1 + 2/x
g4´(x)=2*(-1) / x2
g4´(x)= -2 / x2
x2 > 2
x > 21/2
x > 1.4142
Esto quiere decir que el despeje hecho, nos podrá servir para encontrar la raíz
mayor a 1.4142 o sea para encontrar la raíz.
Probemos ahora g5(x):
Se desea saber si ¿este despeje es válido para encontrar la raíz de -1? O bien
¿este despeje es válido para encontrar la raíz 2?
g5(x)= 2 / (x-1) = 2*(x-1)-1
g5´(x)=2*(-1)*(x-1)-2 dx/dx
g5´(x)= -2 / (x-1)2
72
Figura. Formas de convergencia.
73
EJERCICIOS
NOTA: Usa todos los dígitos en tu calculadora para que la aproximación sea lo
más exacta posible.
Solución: .
Solución: .
Solución: .
Solución: .
Solución: .
Solución: .
74
7. Usa el método de iteración del punto fijo para aproximar la raíz de
comenzando con y hasta que .
Solución: .
Solución: .
75
UNIDAD II:
“SISTEMAS DE ECUACIONES LINEALES, NO
LINEALES E INTERPOLACION”
Es una ecuación algebraica lineal en las variables X 1, X2, X3,..., Xn. Se admite que
los coeficientes a11, a12, a13,..., a1n y el término independiente C1, son constantes
reales.
76
SISTEMA DE ECUACIONES
(3)
A X = C (4)
(5)
77
CAPITULO 3: SOLUCION DE SISTEMAS DE
ECUACIONES
Método de eliminación
Es un conjunto de valores de las incógnitas que verifican simultáneamente a todas
y cada una de las ecuaciones del sistema.
Naturalmente, ninguna técnica práctica puede ser infinita. Lo que queremos decir
es que en un principio los métodos directos (despreciando errores por redondeo)
producirán una solución exacta, si la hay, en un número finito de operaciones
aritméticas.
78
Por otra parte, un método indirecto requerirá en principio un número infinito de
operaciones aritméticas para producir una solución exacta. Dicho de otra manera,
un método indirecto tiene un error por truncamiento mientras que un método
directo no lo tiene.
Sin embargo, la expresión "en principio" del párrafo anterior es crucial: en realidad
se tienen errores por redondeo. Tendremos que considerar más cuidadosamente
esta cuestión. En un sistema grande, mal comportado, los errores por redondeo de
un método directo puede hacer que la "solución" carezca de sentido. A pesar de su
error teórico por truncamiento, un método indirecto puede ser mucho más
deseable porque en él los errores por redondeo no se acumulan.
(6)
79
1. La primera ecuación (2) se divide entre el coeficiente de X1 en esa ecuación
para obtener:
(7)
(8)
(9)
80
conjunto triangular para obtener un valor de Xn-1, que a su vez se utiliza
junto con el valor de Xn en la penúltima ecuación del conjunto triangular
para obtener un valor Xn-2 y asi sucesivamente. Este es el procedimiento de
sustitución inversa al que nos referimos previamente. Para ilustrar el
método con un conjunto numérico, apliquemos estos procedimientos a la
solución del siguiente sistema de ecuaciones:
x1 4 x 2 x3 7
x1 6 x 2 x3 13 (10)
2 x1 x 2 2 x3 5
x1 4 x 2 x3 7
2 x 2 2 x3 6 (11)
9 x 2 0 9
x1 0 5 x3 5
2 x 2 2 x3 6 (12)
9 x 2 0 9
2. Errores de redondeo
81
decimales que nunca terminan, se introduce un error en la solución de la
computadora. Este se llama error por redondeo.
82
El método se ilustra mejor con un ejemplo. Resolvamos el siguiente conjunto de
ecuaciones
El término X1 se puede eliminar del segundo renglón restando 0.1 veces el primero
del segundo renglón. De una manera similar, restando 0.3 veces el primero del
tercer renglón se elimina el término con X1 del tercer renglón.
83
El tercer renglón se normaliza dividiéndolo entre 10.010:
Inversión de matrices
84
Es la inversa de A si:
(13)
A X = I (14)
EJEMPLO
Invertir la matriz
85
En seguida, se usa a22 como pivote y X2 se elimina de los otros renglones.
86
(que se utilizarían en el método de eliminación) sería difícil de reducir, y se podría
usar con ventaja el método de inversión de matrices.
Sin embargo, existen varias técnicas que se pueden utilizar, para resolver grandes
números de ecuaciones simultáneas. Una de las técnicas más útiles es el método
de Gauss-Seidel. Ninguno de los procedimientos alternos es totalmente
satisfactorio, y el método de Gauss-Seidel tiene la desventaja de que no siempre
converge a una solución o de que a veces converge muy lentamente. Sin
embargo, este método convergirá siempre a una solución cuando la magnitud del
coeficiente de una incógnita diferente en cada ecuación del conjunto, sea
suficientemente dominante con respecto a las magnitudes de los otros coeficientes
de esa ecuación.
Es difícil definir el margen mínimo por el que ese coeficiente debe dominar a los
otros para asegurar la convergencia y es aún más difícil predecir la velocidad de la
convergencia para alguna combinación de valores de los coeficientes cuando esa
convergencia existe. No obstante, cuando el valor absoluto del coeficiente
dominante para una incógnita diferente para cada ecuación es mayor que la suma
de los valores absolutos de los otros coeficientes de esa ecuación, la
convergencia está asegurada. Ese conjunto de ecuaciones simultáneas lineales se
conoce como sistema diagonal.
87
La secuencia de pasos que constituyen el método de Gauss-Seidel es la siguiente:
88
EJEMPLO
SOLUCION:
89
Primero ordenamos las ecuaciones, de modo que en la diagonal principal estén
los coeficientes mayores para asegurar la convergencia.
90
Comparando los valores calculados entre la primera y la segunda iteración
Entonces tomamos los valores calculados en la última iteración y se toman como supuestos
para la siguiente iteración. Se repite entonces el proceso:
91
Como se observa todavía no se cumple la condición
X1 = 3.0
92
X2 = -2.5
X3 = 7.0
Se deja de investigación al alumno alguna forma que haga que este método
converge más rápidamente.
93
EJERCICIOS
NOTA: En todos los ejercicios, redondea tus resultados a cinco decimales.
SOLUCION:
SOLUCION:
SOLUCION:
94
SOLUCION:
i) ii)
Soluciones:
i)
ii)
a 1%
6. Usa el método de Gauss-Seidel hasta que para aproximar la solución
del siguiente sistema de ecuaciones:
95
SOLUCION:
a 1%
7. Usa el método de Gauss-Seidel hasta que para aproximar la solución
del siguiente sistema de ecuaciones:
SOLUCION:
96
CAPITULO 4: INTERPOLACION
INTERPOLACION DE POLINOMIOS
Con frecuencia se tienen que estimar valores intermedios entre valores conocidos.
El método más común empleado para este propósito es la interpolación
polinomial.
(1)
Para n + 1 puntos, existe uno y sólo un polinomio de n-ésimo orden o menor que
pasa a través de todos los puntos. Por ejemplo, hay sólo una línea recta (es decir
un polinomio de primer orden) que conecta dos puntos. El polinomio de
interpolación consiste en determinar el único polinomio de n-ésimo orden que se
ajusta a los n + 1 puntos dados. Este polinomio proporciona una fórmula para
calcular los valores intermedios.
Aunque existe uno y sólo un polinomio de n-ésimo orden que se ajusta a los n + 1
puntos, existen una gran variedad de fórmulas matemáticas mediante las cuales
se puede expresar este polinomio. En esta unidad se estudian dos técnicas
alternativas que están bien condicionadas para implementarse en una
computadora. Estos son los polinomios de Newton y de Lagrange.
97
Lección 10 Polinomios de interpolación de
Lagrange
../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y cuaciones/metodos
para clase/tema2/interp04.html - atrasEl polinomio de interpolación de Lagrange,
simplemente es una reformulación del polinomio de Newton que evita los cálculos
de las diferencias divididas. Este se puede representar concretamente como:
(21)
en donde:
(22)
(23)
(24)
98
(25)
Por lo tanto, cada producto Li(X) f (Xi) toma un valor de f (Xi) en el punto Xi. Por
consiguiente la sumatoria de todos los productos, dada por la ecuación (21) es el
único polinomio de n-ésimo orden que pasa exactamente por los n+1 puntos.
Ejemplo 3.4
i X f(X)
0 1.0 0.000 0000
1 4.0 1.386 2944
2 6.0 1.791 7595
Solución:
99
Como se expresaba, ambos resultados son similares a los que se obtuvieron
previamente usando la interpolación polinomial de Newton.
Comentarios adicionales
Hay dos temas adicionales que se deben de mencionar: La interpolación con los
datos igualmente espaciados y la Extrapolación.
Ya que los métodos de Newton y de Lagrange son compatibles con los datos
espaciados en forma arbitraria, se debe de preguntar por que se aborda el caso de
los datos igualmente espaciados. Antes del advenimiento de las computadoras
digitales, estos métodos tuvieron gran utilidad en la interpolación de tablas con
datos igualmente espaciados. De hecho se desarrolla un esquema conocido como
tabla de diferencias divididas para facilitar la implementación de estas técnicas.
Sin embargo, y debido a que las fórmulas son un subconjunto de los esquemas de
Newton y Lagrange compatibles con la computadora y ya que se dispone de
muchas funciones tabulares como rutinas de biblioteca, la necesidad de puntos
equidistantes se fue perdiendo. En particular, se puede emplear en la derivación
de fórmulas de integración numérica que emplean comúnmente datos
equidistantes.
100
La extrapolación es el proceso de calcular un valor de f(X) que cae fuera del rango
de los puntos base conocidos X0, X1,..., Xn. La interpolación más exacta
usualmente se obtiene cuando las incógnitas caen cerca de los puntos base.
Obviamente, esto no sucede cuando las incógnitas caen fuera del rango, y por lo
tanto, el error en la extrapolación puede ser muy grande. La naturaleza abierta en
los extremos de la extrapolación representa un paso en la incógnita porque el
proceso extiende la curva más allá de la región conocida. Como tal, la curva
verdadera diverge fácilemte de la predicción. Por lo tanto, se debe tener cuidado
extremo en casos donde se deba extrapolar.
Interpolación lineal
La fórmula más simple de interpolación es la de conectar dos puntos con una línea
recta. Este método, llamado Interpolación Lineal, se muestra en la figura.
Fig. 1
101
Usando triángulos semejantes, se tiene:
(2)
(3)
EJEMPLO 3.1
SOLUCIÓN:
102
Por lo contrario, usando el intervalo más pequeño reduce el error relativo
porcentual a e% = 33.3%
Interpolación cuadrática
(4)
(5)
O, agrupar términos:
(6)
En donde:
(7)
103
De esta manera, las ecuaciones (1) y (4) son fórmulas alternativas equivalentes
del único polinomio de segundo grado que une a los tres puntos.
b0 = f(X0) (8)
(9)
Y por último, las ecuaciones (8) y (9) se sustituyen en la ecuación (4), y se evalúa
ésta en X = X2 y se obtiene:
(10)
Ejemplo 3.2
Ajústese el polinomio de segundo orden a los tres puntos usados en el ejemplo 3.1
SOLUCIÓN:
104
b0 = 0
f 2 ( X ) = 0 + 0.4620981 (X - 1) - 0.05187312 (X - 1) (X - 4)
f 2 ( 2 ) = 0.5658443
(11)
105
Como se hizo anteriormente con las interpolaciones lineales y cuadráticas, se
usan los puntos en la evaluación de los coeficientes b0, b1,..., bn.
Usando estos datos, con las ecuaciones siguientes se evalúan los coeficientes:
B0 = f (X0)
B1 = f [X1, X0]
B2 = f [X2, X1, X0] (12)
...
bn = f [Xn, Xn-1, ..., X1, X0]
(13)
(14)
(15)
Estas diferencias se usan para evaluar los coeficientes de la ecuación (12), los cuales se
sustituyen en la ecuación (11), para obtener el polinomio de interpolación:
106
f n (X) = f(X0) + (X-X0) f[X1, X0] + (X-X0)(X-X1) f[X2, X1, X0] +
(16)
...+ (X-X0)(X-X1)...(X-Xn-1) f[Xn, Xn-1,...,X1, X0]
Se debe notar que no es necesario que los datos usados en la ecuación (16) estén
igualmente espaciados o que los valores de la abscisa necesariamente se
encuentren en orden ascendente, como se ilustra en el ejemplo 3.3
0 X0 f(X0) f(X1, X0) f(X2, X1, X0) f(X3, X2, X1, X0)
2 X2 f(X2) f(X3,X2)
3 X3 f(X3)
EJEMPLO 3.3
X f(X)
1 0.000 0000
4 1.386 2944
107
6 1.791 7595
5 1.609 4379
SOLUCIÓN:
108
Los resultados para f(X1, X0), f(X2, X1, X0) y f(X3, X2, X1, X0) representan los
coeficientes b1, b2 y b3 Junto con b0 = f (X0) = 0.0, la ecuación da:
5.0 1.6094379
f 3 (2) = 0.62876869
(17)
en donde ξ es un punto cualquiera dentro del intervalo (Xi, Xi+1). Una relación
análoga del error en un polinomio interpolante de n-ésimo orden está dado por:
109
(18)
En donde ξ es un punto cualquiera dentro del intervalo que contiene las incógnitas
y los datos. Para uso de esta fórmula la función en cuestión debe ser conocida y
diferenciable. Y usualmente, este no es el caso.
(20)
110
De los puntos mostrados nos podemos dar cuenta que parece tener la forma de un
polinomio de segundo grado de la forma:
(1)
Esta ecuación (1) puede usarse para representar el conjunto de valores obtenidos
experimentalmente para la cual debemos determinar los valores de a 1, a 2, a 3,
etc.
111
donde:
Observando la gráfica, parece que esta distancia se puede usar para representar
el error, pero habrá distancias positivas y negativas, (como se puede observar la
distancia d1 es positiva y la distancia d2 es negativa) de modo que el error
promedio para los puntos como los mostrados será pequeño aunque los errores
individuales sean grandes.
Esta dificultad podría ser resuelta usando el valor absoluto de las distancias, sin
embargo al derivar la función del valor absoluto se generan ciertos problemas.
(2)
112
(3)
Siendo el caso de que la curva supuesta es una ecuación de segundo grado, se tiene la
ecuación:
(4)
(5)
(6)
113
Lo anterior lo podemos expresar en forma matricial:
(7)
(8)
114
2. Resolver el sistema de ecuaciones resultantes.
Recordando que:
EJEMPLO:
X Y X Y
0.00 0.0000 0.60 0.6367
0.10 0.1002 0.70 0.7586
0.20 0.2013 0.80 0.8881
0.30 0.3045 0.90 1.0265
0.40 0.4108 1.00 1.1752
0.50 0.5211
SOLUCIÓN
M =11
115
Los términos constantes son:
a1 = 0.006727
a2 = 0.895462
a3 = 0.265963
116
../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y cuaciones/metodos
para clase/tema4/minim02.html - atras Para el caso del polinomio de 3er grado se
requiere:
M =11
117
a1 = - 0.000112
a2 = 1.004150
a3 = - 0.019075
a4 = 0.190032
y el polinomio queda:
a1 = - 0.000112
a2 = 0.994595
a3 = 0.028713
a4 = 0.113563
a5 = 0.038237
118
Lección 14 Transformadas discretas de fourier.
La transformada de Fourier
119
Análogamente, se define la transformada de Fourier de una función continua e
integrable de 2 variables:
y su inversa como
y su inversa como
120
Propiedades de la transformada de Fourier
La Separabilidad
donde
121
La linealidad
La traslación
La Simetría
|F(u,v)|=|F(-u,-v)|
Por tanto, gracias a esta propiedad de simetría, para calcular la magnitud de los
puntos de un periodo completo, tan sólo necesitamos calcular los N/2+1 primeros
puntos, siempre y cuando el origen de la transformada este centrado en el punto
(N/2,N/2).Para conseguir este movimiento del origen en la transformada, podemos
aplicar la propiedad de traslación.
La rotación
122
se da a la inversa, es decir, si la transformada se rota en un determinado ángulo,
la transformada inversa también se verá rotada ese mismo ángulo.
Valor promedio
Una definición ampliamente utilizada del valor promedio de una función discreta de
dos dimensiones es:
El espectro de Fourier suele tener un rango mucho mayor que los usuales para
mostrar una imagen. Una técnica usual para evitar esto es considerar el logaritmo
del espectro usando la fórmula
D(u,v)=C(log(1+|F(u,v)|))
EJERCICIOS
123
NOTA: Cuando sea necesario, redondea a cinco decimales.
x 2 2 1 4
i) y 0 .5 3 2 .4 7 .8
x 0 .3 0 .6 0 .9 1 .2 1 .5
ii) y 3 0 6 9 12
Soluciones:
x 1 2 3 5
i) y 1.56 3.54 2.57 8.9
x 1 .5 0 .5 1 2 4
ii) y 9 2 5 33 0
Soluciones:
124
3. Calcula las splines cúbicas para los siguientes datos:
x 2 1 3
i) y 40 5 20
x 5 2 3 7
i) y 20 4 6 40
Soluciones:
526
5
x 3 526
75 2
x 4703
789 x 789
5860
si x 5,2
ii ) s ( x) 1241
7890 x 2630 x 3945 x 1315
3 2257 2 15619 8012
si x 2,3
299 x 3 2093 x 2 10511 x 860 si
1578 526 789 263 x 3,7
125
UNIDAD 3:
“DIFERENCIACIÓN, INTEGRACIÓN NUMÉRICA Y
SOLUCIÓN DE ECUACIONES DIFERENCIALES”
Otro ejemplo, que comentaremos aquí, utiliza los desarrollos en serie de Taylor.
(1)
(2)
126
Utilizando solamente los tres primeros términos de cada desarrollo, podremos
obtener una expresión para Y'i restando la ec. (2) de la ec. (1),
(3)
Fórmulas de diferencia
(Diferencias centrales, hacia adelante y hacia
atrás)
../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y
cuaciones/metodos para clase/tema6/derivada.html - atras
Fig. 1
(4)
127
Si sumamos las ecuaciones (1) y (2) y utilizamos la notación descrita previamente,
podemos escribir la siguiente expresión para la segunda derivada:
(5)
(6)
es decir,
(7)
(8)
128
(9)
Restando la primera ec. (9) de la segunda, y utilizando solamente los cuatro términos
mostrados para cada desarrollo, se obtiene:
(10)
(11)
Por este método se pueden obtener derivadas sucesivas de mayor orden, pero
como requieren la solución de un número cada vez mayor de ecuaciones
simultáneas, el proceso se vuelve tedioso. La misma técnica se puede utilizar
también para encontrar expresiones más precisas de las derivadas utilizando
términos adicionales en el desarrollo en serie de Taylor. Sin embargo, la derivación
de expresiones más precisas, especialmente para derivadas de orden superior al
segundo, se vuelve muy laboriosa debido al número de ecuaciones simultáneas
que se deben resolver.
129
Se ha demostrado que las expresiones de Diferencias Centrales para las diversas
derivadas encierran valores de la función en ambos lados del valor X en que se
desea conocer la derivada en cuestión. Utilizando desarrollos convenientes en
serie de Taylor, se pueden obtener fácilmente expresiones para las derivadas,
completamente en términos de valores de la función en Xi y puntos a la derecha
de Xi. Estas se conocen como expresiones de Diferencias Finitas Hacia Adelante.
En forma similar, se pueden obtener expresiones para las derivadas que estén
totalmente en términos de valores de la función en Xi y puntos a la izquierda de Xi.
Estas se conocen como expresiones de Diferencias Finitas Hacia Atrás.
(12)
130
(13)
(14)
(15)
131
Expresiones de Primeras Diferencias Hacia Atrás
(16)
(17)
EJEMPLO
132
Repetir los cálculos usando = 0.25.
y evaluando tenemos:
f'(0.5) = -0.9125
SOLUCIÓN:
133
Xi = 0.50 Yi = 0.92500000
Xi+1 = 0.75 Yi+1 = 0.63632813
Para los dos tamaños de paso, las aproximaciones por Diferencias Centrales son
más exactas que las Diferencias Divididas Hacia Adelante o las Diferencias
Divididas Hacia Atrás. También, como lo predijo el análisis de la serie de Taylor, la
división del intervalo en dos partes iguales, divide a la mitad el error de las
Diferencias Hacia Atrás o Hacia Adelante y a la cuarta parte el error de las
Diferencias Centrales.
134
Las fórmulas de integración de Newton-Cotes son los esquemas más comunes
dentro de la integración numérica. Se basan en la estrategia de reemplazar una
función complicada o un conjunto de datos tabulares con alguna función
aproximada que sea más fácil de integrar.
Fig. 1
135
Llamando a las ordenadas Y i (i = 1, 2, 3,...., n+1), las áreas de los trapecios son:
(1)
(2)
(3)
(4)
Si la función f(X) se puede expresar como una función matemática continua que
tiene derivadas continuas f'(X) y f''(X), el error que resulta de aproximar el área
136
verdadera en una faja bajo la curva f(X) comprendida entre Xi y Xi+1 mediante el
área de un trapecio, se demuestra que es igual a:
(5)
Este error es la cantidad que se debe agregar al área del trapecio para obtener el
área real. Se llama Error por Truncamiento, ya que es el error que resulta de
utilizar una serie de Taylor truncada, en vez de una serie de Taylor completa, para
representar en forma de serie el área de una faja. Generalmente no se puede
valuar directamente el término mostrado como error por truncamiento. Sin
embargo, se puede obtener una buena aproximación de su valor para cada faja
suponiendo que f '' es suficientemente constante en el intervalo de la faja (se
supone que las derivadas de orden superior son despreciables) y evaluando f ''
Otro error que se introduce al obtener el área aproximada de cada faja es el Error
por Redondeo. Este se produce cuando las operaciones aritméticas requeridas se
efectúan con valores numéricos que tienen un número limitado de dígitos
significativos.
Se puede demostrar que una aproximación a el límite del error por redondeo es:
(6)
137
El error por redondeo se puede minimizar utilizando aritmética de doble precisión o
mediante compiladores que pueden manejar un gran número de dígitos
significativos.
138
curva f(X) en la fig. 2, se aproxima mediante el área sombreada bajo una parábola que pasa
por los tres puntos:
(Xi , Yi)
(Xi+1, Yi+1)
(Xi+2, Yi+2)
Fig. 2
Por conveniencia al derivar una expresión para esta área, supongamos que las
dos fajas que comprenden el área bajo la parábola se encuentran en lados
opuestos del origen, como se muestra en la fig. 3. Este arreglo no afecta la
generalidad de la derivación.
La forma general de la ecuación de la parábola de segundo grado que conecta los tres
puntos es:
(7)
(8)
139
Fig. 3
(9)
(10)
140
(11)
(12)
que nos da el área en función de tres ordenadas Yi, Y i+1, Y i+2 y el ancho
de una faja.
Esto constituye la regla de Simpson para determinar el área aproximada bajo una
curva contenida en dos fajas de igual ancho.
Si el área bajo una curva entre dos valores de X se divide en n fajas uniformes (n
par), la aplicación de la ec. (12) muestra que:
(13)
(14)
141
o bien
(15)
en donde n es par.
Si la función f(X) se puede expresar como una función matemática continua que
tiene derivadas continuas f ' a , el error que resulta de aproximar el área
verdadera de dos fajas bajo la curva f(X) comprendida entre Xi-1 y Xi+1 mediante el
área bajo una parábola de segundo grado, se demuestra que es:
(16)
142
conecta 4 puntos sobre una curva dada. La forma general de la parábola de tercer
grado es:
(17)
Fig. 4
(18)
(19)
143
EJEMPLO
SOLUCIÓN
n=4
X f(X)
0.0 0.200
0.2 1.288
0.4 2.456
0.6 3.464
0.8 0.232
e% = 9.5 %
144
SOLUCIÓN
n=4
X f(X)
0.0 0.200
0.2 1.288
0.4 2.456
0.6 3.464
0.8 0.232
e% = 1.04 %
X f(X)
0.0000 0.20000000
0.2667 1.43286366
145
0.5333 3.48706521
0.8000 0.23200000
e% = 7.4 %
SOLUCIÓN
X f(X)
0.00 0.20000000
0.16 1.29691904
0.32 1.74339328
0.48 3.18601472
0.64 3.18192896
0.80 0.23200000
Para los últimos tres segmentos, se usa la regla de Simpson de 3/8 para
obtener:
146
La integral total se calcula sumando los dos resultados:
e% = -0.28 %
Se puede demostrar que el error que se comete con la regla del trapecio
para n subintervalos está dado por las siguientes fórmulas:
147
donde es un promedio de la doble derivada entre ciertos valores que
pertenecen a cada uno de los subintervalos.
148
En el caso especial cuando (que es el algoritmo de Romberg),
tenemos :
Esta fórmula es solo una parte del algoritmo de Romberg. Para entender el
método, es conveniente pensar que se trabaja en niveles de aproximación.
En un primer nivel, es cuando aplicamos la regla del Trapecio, y para poder
usar la fórmula anterior, debemos de duplicar cada vez el número de
subintervalos: así, podemos comenzar con un subintervalo, luego con dos,
cuatro, ocho, etc, hasta donde se desee.
149
Ejemplo 1.
Usar el algoritmo de Romberg, para aproximar la integral
Solución.
Primero calculamos las integrales del nivel 1, usando la regla del trapecio
para las longitudes de segmentos indicadas:
150
Ahora pasamos al segundo nivel de aproximación donde usaremos la
fórmula que se dedujo anteriormente:
donde:
151
es la integral más exacta
es la integral menos exacta
Ejemplo 2.
Usar el algoritmo de Romberg para aproximar la integral:
Solución.
Calculamos con la regla del trapecio:
152
De donde concluímos que la aproximación buscada es:
Ejemplo 3.
Aproximar la siguiente integral:
, , ,
Solución.
Igual que arriba, primero usamos la regla del trapecio (con los valores de h
indicados) para llenar el nivel 1. Tenemos entonces que:
153
De donde concluímos que la aproximación buscada es:
donde:
154
Como todo proceso iterativo, éste se detiene cuando se obtiene una
aproximación suficientemente buena. En este caso se pide que:
Ejemplo 1.
Aplicar el algoritmo de integración de Romberg a la integral:
tomando
Solución.
En este caso no sabemos exactamente cuantas aproximaciones debemos
hacer con la regla del trapecio. Así que para comenzar hacemos los
cálculos correspondientes a uno, dos, cuatro y ocho subintervalos:
Con estos datos, podemos hacer los cálculos hasta el nivel 4. Tenemos la
siguiente tabla:
155
Haciendo los cálculos de los errores, nos damos cuenta que efectivamente
la aproximación se obtiene hasta el nivel 4, donde .
Por lo tanto, concluimos que la aproximación buscada es:
156
EJERCICIOS
1. Usar la regla del trapecio para aproximar,
i)
157
ii)
i) Usando 1, 2 y 4 intervalos.
Solución. 9.153112082
158
CAPITULO 6: SOLUCION DE ECUACIONES
DIFERENCIALES
Dada una ecuación diferencial ordinaria de orden n y cualquier grado, cuya forma
general es:
(1)
G ( X , Y , C1 , C 2 ,..., C n ) 0(2)
159
Gráficamente esta ecuación representa una familia de curvas planas, cada una de
ellas obtenidas para valores particulares de la n constante, C1 , C 2 ,..., C n , como se
ve en la gráfica:
(3)
Se tratará de obtener una solución particular de (1) que verifique (3) como se presenta en la
gráfica
160
Por el contrario, en los problemas de valores en la frontera deben establecerse
condiciones de frontera en todos y cada uno de los puntos que constituyen la
frontera del dominio de soluciones del problema. En particular en el espacio de
una dimensión, hay dos puntos frontera, por ejemplo, X = a y X = b, si el dominio
de soluciones es el intervalo cerrado ; por esto mismo el orden
mínimo de la ecuación diferencial de un problema de valores en la frontera será dos y como
podemos observar en la siguiente gráfica:
161
Así, en un problema de valores iniciales, el dominio de definición de soluciones
se sustituye por el conjunto infinito numerable de puntos,
X 0 a, X 1 X 0 h, X 2 X 0 2h, X 3 X 0 3h,...
X 0 a, X 1 X 0 h, X 2 X 0 2h, X 3 X 0 3h,..., X n X 0 nh b
162
Discretización del dominio de definición de soluciones
Una vez hecho esto, la ecuación obtenida expresada en diferencias finitas (ya que
se han sustituido diferenciales por incrementos finitos) se aplica repetidamente en
todos los puntos pivotes donde se desconoce la solución para llegar a una
solución aproximada del problema.
X 1 X 0 ih , para i = 1, 2, 3,...
Se lleva a cabo usando fórmulas de recurrencia, que usan los valores conocidos
de Y en las estaciones anteriores.
X i 1 , X i 2 , X i 3 ,...
EJEMPLO
163
Encuentre la solución del siguiente problema de valores iniciales por medio de los
primeros cuatro términos de la serie de Taylor para X = 0.1, 0.2, 0.3, 0.4 y 0.5.
Y (0) = 1
SOLUCIÓN
Sustituyendo valores:
Por lo que:
164
Evaluando para cada valor de X en esta última ecuación se tiene:
X Y
0 1
0.1 1.055375
0.2 1.123000
0.3 1.205125
0.4 1.304000
0.5 1.421875
(4)
Entonces
165
De donde se obtiene la siguiente expresión aproximada llamada fórmula de Euler
Yi 1 Yi hf ( X i , Yi ) (5)
EJEMPLO
Se tiene
Yi 1 Yi hf ( X i , Yi )
Donde
Entonces
(6)
Xi Yi Yi solución exacta
0.0 1.000 000 1.000 000
0.1 1.050 000 1.055 409
0.2 1.110 638 1.123 596
0.3 1.184 649 1.208 459
0.4 1.275 870 1.315 789
0.5 1.389 819 1.454 545
166
Lección 21 Método de Runge - Kutta
En la sección anterior se estableció que el método de Euler para resolver la
ecuación diferencial de primer orden
Y ( X 0 ) Y0 (8)
Yn 1 Yn hf ( X n , Yn ) donde n = 1, 2,
(9)
3, ...
X X 1 , X 2 , X 3 ,...
Yn 1 Yn hYn' (10)
167
para determinar la solución en el siguiente Punto Pivote, se utiliza una secante con
pendiente igual al promedio de pendientes de la curva integral en los puntos
coordenados (Xn, Yn), (Xn+1, Yn+1) en donde Xn+1 y Yn+1 pueden estimarse con el
procedimiento normal de Euler, como se muestra en la siguiente gráfica:
Con lo anterior se obtendría un método mejorado de Euler con error del orden de
definido por la expresión
(11)
X = Xn+1
Y Yn hf ( X n , Yn )
Observando las expresiones para resolver la ecuación diferencial, puede decirse que ambas
consisten en aplicar la fórmula de recurrencia
(12)
En donde
(13)
En el método de Euler y
168
(14)
En lo que
Estas características dan origen a una gran variedad de métodos conocidos como
de Runge-Kutta. La diferencia entre ellos cosiste en la forma como se define la
función que aparece en la expresión (12).
(16)
En el cual
169
(17)
EJEMPLO
Resolver
SOLUCIÓN
170
Llevando estos valores a (16) y el resultante a (12) se obtiene que para X = 0.1 la
solución del problema es
Luego
X Y k1 k2 k3 k4
0.0 1.0000 0.5000 0.5516 0.5544 0.6127
0.1 1.0554 0.6126 0.6782 0.6823 0.7575
0.2 1.1236 0.7575 0.8431 0.8494 0.9494
0.3 1.2085 0.9492 1.0647 1.0745 1.2121
0.4 1.3158 1.2119 1.3735 1.3896 1.5872
0.5 1.4545 1.5868 1.8234 1.8517 2.1509
171
• Método de Adams-BashforthlAdams-Moulton• Estabilidad de los métodos
numéricos
(1)
(2)
Obsérvese que la fórmula (1) requiere que se conozcan los valores de y o, y1, y2 y
y3 para obtener el de y4. Por supuesto, el valor de yo es la condición inicial dada.
Como el error local de truncamiento en el método de
Adams-Bashforth/Adams-Moulton es O(h5), los valores de 1 2 Y , Y y Y3 se suelen
calcular con un método que tenga la misma propiedad de error, como la fórmula
de Runge-Kutta de cuarto orden.
172
EJEMPLO 1 Método de Adams-Bashforth/Adams-Moulton
173
en la solución calculada. Se dice que un método numérico es inestable si no es
estable. La importancia de la estabilidad radica en que en cada paso subsecuente
de una técnica numérica, en realidad se comienza de nuevo con un nuevo
problema de valor inicial en que la condición inicial es el valor aproximado de la
solución calculado en la etapa anterior. Debido a la presencia del error de
redondeo, casi con seguridad este valor varía respecto del valor real de la
solución, cuando menos un poco. Además del error de redondeo, otra fuente
común de error se presenta en la condición inicial misma; con frecuencia, en las
aplicaciones físicas los datos se obtienen con mediciones imprecisas.
Por ejemplo, para resolver numéricamente y' = f(x, y), y(xo) = yo con el método de
Runge-Kutta de cuarto orden en n pasos, se necesitan 4n evaluaciones de
función. Con el método de Adams-Bashforth se necesitan 16 evaluaciones de
función para iniciar con el método de Runge-Kutta de cuarto orden y n - 4
evaluaciones para los pasos de Adams-Bashforth; el_ total es n + 12 evaluaciones
de función. En general, el método de Adams-Bashforth requiere un poco más de la
cuarta parte de las evaluaciones de función que precisa el método de Runge-Kutta
de cuarto orden. Si la evaluación de f(x, y) es complicada, el método multipasos
será más eficiente. Otro asunto que interviene en los métodos en multipasos es la
cantidad de veces que se debe repetir la de Adams-Moulton en cada paso. Cada
que se usa el corrector ocurre otra evaluación de función, con lo cual aumenta la
174
precisión al costo de perder una de las ventajas del método en varios pasos. En la
práctica, el corrector sólo se calcula una vez, y si el valor de yn+1 cambia mucho,
se reinicia todo el problema con un tamaño menor de paso. Con frecuencia, esto
es la base de los métodos de tamaño variable de paso, cuya descripción sale del
propósito de este libro.
EJERCICIOS
SOLUCION: .
175
SOLUCION: .
SOLUCION:
SOLUCION:
SOLUCION:
176
SOLUCION:
177
AUTOEVALUACION
Ejercicio
Ejercicio
Ejercicio
Ejercicio
178
Ejercicio
Ejercicio
1 5,04
2 8,12
3 10,64
4 13,18
5 16,20
6 20,04
Realizar un ajuste por mínimos cuadrados de los mismos a una recta y a una
cuadrática. ¿Cuál de los dos ajustes es mejor?
Ejercicio
179
Ejercicio
180
UNIDAD PRÁCTICA
181
BIBLIOGRAFIA
1. Burden, R.; Faires, D. Análisis Numérico. ED. Thomson, 6a. ed., 1998.
3. De Levie, Robert. Advanced Excel for Scientific Data Analysis. Oxford University
Press, 2004.
4. Liengme, B.; A Guide to Microsoft Excel 2002 for Scientists and Engineers.
Butterworth Heinemann, 3rd, ed. 2002.
5. Mathews, J; Fink, K. Métodos Numéricos con MATLAB. Prentice Hall, 3a. ed.,
2000.
182
9. www.scribd.com/doc/2993252/branchandbound
183