CNyC 2016 Material para Clases Teoria PDF

Universidad Nacional de Cuyo
Cálculo Numérico y Computación Facultad de Ingeniería
CÁLCULO NUMÉRICO Y COMPUTACIÓN.
MATERIAL PARA CLASES DE TEORÍA.
El Material para Clases de Teoría, es el conjunto de diapositivas con el que se desarrollarán

las clases de Teoría. Está ordenado según el cronograma a seguir en e presente año lectivo.
En general No incluye las demostraciones a desarrollar. Pero si tiene muchos de los gráficos
y tablas con las que se desarrollan las clases de teoría. En general las tablas están asociadas
a ejercicios o conceptos de síntesis; y suelen estar en blanco para sean completadas durante
las clases.
Los temas desarrollados son los siguientes:
Algoritmia. Conceptos Básicos

Solución Numérica de Raíces de Ecuaciones No Lineales
Sistemas de Ecuaciones Lineales
Valores y Vectores Propios
Interpolación y Aproximación de funciones discretas
Integración Numérica
Derivación Numérica, con aplicación a la solución de Ecuaciones Diferenciales con
Valores de Contorno
Solución Numérica de Ecuaciones Diferenciales Ordinarias con Valores Iniciales
El ordenamiento elegido está según el cronograma del año 2016.
Dr. Ing. Anibal Mirasso Página 1 de 2

Año 2016
Universidad Nacional de Cuyo
Cálculo Numérico y Computación Facultad de Ingeniería
Dr. Ing. Anibal Mirasso Página 2 de 2

Año 2016
Facultad de Ingeniería, Universidad Nacional de Cuyo
• Definición de Algoritmo
• Ejemplo
• Pseudo código, Sintaxis de MATLAB
• Variables, definición y tipos
• Estructuras Algorítmicas Secuencial
Decisión
Variar
Mientras
• Ejercicios
• Tips
• Subprogramas en MATLAB
Es la descripción de un procedimiento en forma ordenada y sistemática en un número finito de pasos, líneas o comandos.
Se puede hacer mediante Pseudo código; Diagrama de Flujo; Diagrama de Bloques o Código de Programación
Ejemplo: Algoritmo para calcular el promedio de dos números
Pseudo código Elementos Sintaxis de MATLAB

Programa prom_num Nombre function prom_num
Reales (xa; xb; prom) Declaración de
variables
% Reales (xa; xb; prom)
Escribir “Ingrese el primer número” disp('Ingrese el número 1:');
Leer xa xa = input('');
Ingreso de datos
Escribir “Ingrese el segundo número” disp('Ingrese el número 2:');
xb = input('');
Leer xb
prom (xa+xb)/2 Proceso prom = (xa+xb)/2;
Escribir “el Promedio es: “ Entrega de disp('el Promedio es:');
resultados disp(prom);
Escribir prom
Fin Final end
Variable es una dirección, alojada en la memoria de la computadora, para la identificación del CPU
es una especie de recipiente en cuyo interior podemos colocar cierta información
se identifica con un nombre representativo altura
a
Variables simples solo puede guardar un solo valor y son las variables que ya hemos vistos: altura; base, xa, xb, etc
Variables Dimensionadas son las variables que guardan información referida a un mismo dato y que por la cantidad de
datos es necesario dimensionarlas. Tipicamente Vectores y Matrices.
Vectores. Se dimensionan con el máximo número de componentes en la forma A(N).Se identifica uno con A(j).
Casillero donde van los
Nombre de la A(j) distintos valores de la
variable
variable “A”
dimensionada
A
A(N)
Matrices. Se dimensionan con el máximo número de componentes en la forma A(Nf,Nc).Se identifica uno con A(i,j).
k=1: n3
j=1: Nc j=1: Nc C(2,5,1)
del
B(2,5) C(Nf,Nc;n3)
del B(Nf,Nc)
i varía de i varía de
1 a Nf 1 a Nf
Variable pueden ser clasificadas según el TIPO de información que almacenan:

Reales Enteras Lógicas Caracter
Jerarquía de las operaciones con las distintas variables

Prioridad Operador Resultado
1 ^ Potencia Numérico
2 */ Producto - Cociente Numérico
3 +-+ Suma – Resta – Suma y resta el
Concatenación de resultado es numérico.
caracteres Concatenación el
resultado es Carácter
4 = ≠ < ≤ > ≥ Relación Lógico
5 .NOT. Negación Lógico
6 .AND. Conjunción [Y] Lógico
lógico
7 .OR. Disyunción [O] Lógico
lógico
! ! !
Es un conjunto finito de líneas, con principio y fin
Ejemplo: Algoritmo para calcular las raíces de la ecuación de segundo grado
Programa raices Nombre function raices
Reales (a; b; c; r1; r2) Declaración de
variables
% Reales (a; b; c; r1; r2)
Escribir “Ingrese Coef Cuadrático” disp('Ingrese Coef Cuadrático:');
Leer a a = input('');
Ingreso de datos
Escribir “Ingrese Coef Lineal”
b = input('Ingrese Coef Lineal:');
Leer b
c = input('Ingrese Coef Indep:');
Escribir “Ingrese Coef Indep”, Leer c
Discrim (b^2-4*a*c) Proceso Discrim = (b^2-4*a*c);
r1 (-b+Discrim^0.5)/(2*a) r1 = (-b+Discrim^0.5)/(2*a);
r2 (-b-Discrim^0.5)/(2*a) r2 = (-b-Discrim^0.5)/(2*a);
Escribir “Raices son: “, r1, r2 Entrega de disp('Raices son:');disp(r1);disp(r2);

resultados
Fin Final end
Discriminante puede ser Negativo!!
! !
Es un conjunto finito de líneas, con una bifurcación según la respuesta lógica a una pregunta
Ejemplo: Algoritmo para calcular las raíces de la ecuación de segundo grado
Programa raices Nombre function raices
Reales (a; b; c; r1; r2) Declaración de
variables
% Reales (a; b; c; r1; r2)
Escribir “Ingrese Coef Cuadrático”, Leer a a = input('Ingrese Coef Cuadrático:');
Escribir “Ingrese Coef Lineal”, Leer b b = input('Ingrese Coef Lineal:');
Ingreso de datos c = input('Ingrese Coef Indep');
Escribir “Ingrese Coef Indep”, Leer c
Discrim (b^2-4*a*c) Proceso Discrim = (b^2-4*a*c);

SI (Discrim > 0) entonces If (Discrim > 0)
r1 (-b+Discrim^0.5)/(2*a) y r1 = (-b+Discrim^0.5)/(2*a);
r2 (-b-Discrim^0.5)/(2*a) r2 = (-b-Discrim^0.5)/(2*a);
Escribir “Raices son: “, r1, r2 Entrega de disp('Raices son:');disp(r1);disp(r2);
resultados
Sino else
disp('Raices imaginarias:');
Escribir “Raíces imaginarias“ end
Fin del SI
Fin Final end
! !
Es un conjunto finito de líneas, que se repite un número definido y conocido de veces
Ejemplo: Algoritmo para leer y escribir las componentes de un vector de dimensión 10
Programa leer_vec Nombre function leer_vec
Reales (vec(10)) Declaración de % Reales (vec(10))
Enteros i, j variables % Enteros i, j
DOFOR i =1 HASTA 10 PASO 1 disp(lectura de las componentes');
Escribir “Ingrese componente”, for i=1:10
Ingreso de datos
Leer vec(i) disp ('Ingrese Componente:');
vec(i) = input('');
ENDDO
end
DOFOR j =1 HASTA 10 PASO 1 Proceso disp('Escritura de las componentes');
Escribir “La componente es”, y for j=1:10
Entrega de
Escribir vec(j) disp ('La componente es:');
resultados
disp (vec(j));
ENDDO
end
Fin Final end
! !
Es un conjunto finito de líneas, que se repite un número indefinido y desconocido de veces
Ejemplo: Algoritmo para que:”mientras la función f(x)=(3x2-12) sea distinto de cero, lea un valor de abscisa x0, calcule
la función f(x0) en ese valor x0, y sólo entregue un valor de x0 cuando la función f(x) sea cero”.
Programa leer_vec Nombre function leer_vec
Reales (x0, f) Declaración de %Real (f, x0)
Enteros k variables %Integer k
k 1 k=1;
Escribir “Ingrese x0”, Leer x0 Ingreso de datos x0=input ('íngrese abscisa');
f 3*x0^2-12 f= 3*x0^2-12;
DOWHILE Proceso while (abs(f) > 0)
k k+1 y k =k + 1;
Escribir “Ingrese x0”, Leer x0 Entrega de
x0=input ('íngrese abscisa');
resultados
f 3*x0^2-12 f= 3*x0^2-12 ;
ENDDO end
Escribir “la abscisa que anula f es: “, x0 disp('la abscisa es: '),x0
Fin Final end
¿Cuál es la utilidad de k? Modificar para tener la “historia” de los x0
! !
Es un conjunto finito de líneas, que se repite un número indefinido y desconocido de veces
Ejemplo: Algoritmo para que:”mientras la función f(x)=(3x2-12) sea distinto de cero, lea un valor de abscisa x0, calcule la función f(x0) en
ese valor x0.Y sólo entregue la historia de x0 cuando la función f(x) es cero”.
Programa cer_de_f Nombre function cer_de_f
Reales (x0, f) Declaración de %Real (A(2,1000), x0, f)
Enteros k variables %Integer k
k 1 k=1;
Escribir “Ingrese x0”, Leer x0 x0=input ('íngrese abscisa');
f= 3*x0^2-12;
f 3*x0^2-12 Ingreso de datos A(k,1)=x0;
A(k,1)=x0;
A(k,2)=f;
A(k,2)=f;
DOWHILE Proceso while (abs(f) > 0)
k k+1 y k =k + 1;
Escribir “Ingrese x0”, Leer x0 Entrega de x0=input ('íngrese abscisa');
f 3*x0^2-12 f= 3*x0^2-12 ;
A(k,1)=x0;
resultados
A(k,1)=x0;
A(k,2)=f; A(k,2)=f;
ENDDO end
Escribir “la historio de : “, x0 disp('la historia de x0 y f es: ')
for i=1:k for i=1:k
Escribir, A(k,1), A(k,2) disp(' '), A(k,1), A(k,2)
end end
Fin Final end
Modificar para controlar que no se supere la dimensión 1000 de la matriz A y definir “banda de cero”
! !
Ejercicio Algoritmo para que:”mientras la función f(x)=(3x2-12) sea distinto de cero, lea un valor de abscisa x0, calcule la función f(x0)
en ese valor x0.Y sólo entregue la historia de x0 cuando la función f(x) es cero”. No se debe superar las 1234 iteraciones.
function cer_de_f
%Real (A(2,1000), x0, f, tol) while (comparación o variable lógica)
%Integer k, i
tol=1e-12; Línea 1 Bloque de líneas que se “ejecuta”
max= ; Línea 2 sólo si la comparación o variable
k=1; ……… lógica es VERDADERA.
x=input ('íngrese abscisa'); ……… Debe iniciarse antes del while
f= 3*x^2-12; Debe cambiar dentro del Bloque
A(1,k)=x; end
A(2,k)=f;
%
. (abs(f) > tol ……. k < max)
k =k + 1; Operadores Lógicos
x=input ('íngrese componente');
f= 3*x^2-12 ;
Mayor, Menor,……..….en MATLAB……>…<
A(1,k)=x; Igual, Distinto……..….en MATLAB…....==……~=
A(2,k)=f;
. OR…………………….en MATLAB……|
disp('la historia de x0 y f es: ') AND………..................en MATLAB…..&
for i=1:k
disp(' '), A(i,1), A(i,2) dan como resultado Verdadero o Falso
end
end
! "
Los subprogramas son un subproceso constituido por un bloque de órdenes o comandos que realizan dicho subproceso y
se los identifica con un Nombre.
Se los llama por su Nombre desde un proceso principal
Pueden necesitar datos de ingreso, y en general entregan un resultado
Los datos de ingreso y resultados pueden intercambiarse con el proceso principal mediante argumentos
En MATLAB se los identifica como “function”.
Programa Principal Subprograma
Es un conjunto de líneas de órdenes, y las function puede estar en el archivo principal
en alguna de ellas se invoca una function o en otro archivo
mediante el Nombre de la misma function que debe llamarse con el nombre de la function
--------------------------
-------------------------- function [a, b, c, d]= leer_puntos
% ingreso de datos a=input('Ingrese x1');
[x1, y1, x2, y2]= leer_puntos; b=input('Ingrese y1');
% sin pasaje de argumentos de entrada c=input('Ingrese x2');
% con multiples argumentos de salida d=input('Ingrese y2')
----------------------------- end
-----------------------------
% Cálculo del Punto Medio function zm = Punto_medio (za, zb, zc , zd)
ym = Punto_medio(x1, y1, x2, y2); xx=(za+zc)/2;
% con pasaje de argumentos de entrada zm=(zb+zd)/2;
% con un único argumento de salida end
-----------------------------
NOTAR Variables Globales y Locales

#
Ejercicio 1
Desarrollar un algoritmo que lea un vector de 100 componentes e imprima su módulo (norma cuadrática)
Ejercicio 2
Desarrollar un algoritmo que lea un vector de 45 componentes e imprima su norma infinita
Ejercicio 3
Desarrollar un algoritmo que lea un vector de 45 componentes e imprima su versor, sólo si su norma infnito es no nula.
De lo contario exprese que el vector es nulo
• No hay obviedades
• No debe haber ambigüedades
• Cada orden deber ser precisa
• Ordene cosas simples, que sea sólo una tarea
• Deje la optimización de cantidad de órdenes para una segunda etapa
• Proponga el algoritmo y “ejecútelo”. Sea estricto en ello.
• Si aparecen errores, corrija y vuelva a ejecutar. Itere hasta que esté conforme.
RAÍCES DE ECUACIONES NO LINEALES
Planteo de Problema
Estrategias Iterativas en general Análisis de función

Acercamiento o Inicialización
Recurrencia
Control de Detención
Actualización
Métodos de Intervalo
Bisección
Regula Falsi
Métodos Abiertos
Método de la Secante
Método de Newton Raphson
Métodos de Punto Fijo
Ejemplos
Resumen
Dr. Ing. A.Mirasso Raíces de Ecuaciones No Lineales Año 2014 1 de 31

RAÍCES DE ECUACIONES NO LINEALES

Se busca una aproximación de la abscisa que hace nulo el valor de una función, con una precisión deseada.
Dicha abscisa se denomina raíz de la ecuación no lineal. Se obtiene de imponer igual a cero la ordenada
(imagen) de la función.
Supuestos
Y(x) La función y = f(x): R ĺ R, es no singular, continua,
y=f(x) conocida en forma analítica y tiene al menos una raíz
La ecuación no lineal es f(x)=0

La abscisa X=r es Raíz si verifica la ecuación no lineal.
X Es decir si: f(r)=0
X= r
y ax bxc y x tan( x ) c

Ejemplo 1 Ejemplo 2
0 x tan( x ) c
2
0 a x2 b x c
Dada la función Dada la función
La ecuación no lineal La ecuación no lineal
Tiene como raíces r1, 2 ( b r b 2 4 a c ) /( 2 a )
Tiene como raíces!!!!!!!.???????
Objetivo
Calcular una aproximación de la raíz mediante Métodos Iterativos.

PROCEDIMIENTO GENERAL
Paso Inicial
Realizar un análisis de la función: determinar singularidades, asíntotas, etc.
Se busca toda la información posible a los efectos de elegir adecuadamente las variables iniciales de los
métodos iterativos
Paso Acercamiento o Inicialización

Se debe elegir adecuadamente las variables iniciales de los métodos iterativos buscando toda la
información posible a tal efecto.
Se trata de encontrar un intervalo en el eje X donde exista al menos una raíz de la ecuación no lineal.
Se busca un valor de abscisa cercano a la raíz.
Paso Aproximación mediante Métodos Iterativos

Métodos de Intervalos o Cerrados Métodos Abiertos
Método de Bisección Método de la Secante o de Newton Lagrange
Método de Regula Falsi Método de Newton
Métodos de Puntos Fijos
Siempre requieren de alguna condición de inicialización

Paso Acercamiento o Inicialización

Se trata de encontrar un intervalo en el eje X donde exista al menos una raíz de la ecuación no lineal.
Y(x)
Y(x)
Y=f(x)
Y=f(x)
f(bk)
f(bk)
f(ak)
ak X X= r2
X= r1 X
f(ak) bk
X= r ak bk
f (a k ) f (bk ) 0
Y(x)
Y=f(x)
f(bk)
X= r2
X= r3
existe al menos una raìz
ak X
f(ak) bk
X= r1

Paso Aproximación mediante Métodos Iterativos

INICIALIZACIÓN
Se deben definir los contenidos de las variables de modo que se cumplan las
condiciones de Inicialización del método
HACER MIENTRAS “No Hay Solución” es Verdadero

DOWHILE (NHS)
RECUERRENCIA
Se debe evaluar la nueva solución aproximada correspondiente a la nueva
iteración o ciclo
CONTROL DE DETENCIÓN
Si alguna MEDIDA del ERROR es adecuada entonces se ha logrado la
solución buscada. Se debe Cambiar NHS a falso
SI ( Valor Absoluto de f(rk+1) < Tolerancia)
NHS es FALSO
FINSI
ACTUALIZACIÓN DE VARIABLES
Se reasignan las variable de modo que se cumplan con las condiciones de
Inicalización
FIN DEL MIENTRA
MÉTODOS DE INTERVALOS O CERRADOS MÉTODOS ABIERTOS

Método de Bisección Método de la Secante o de Newton Lagrange
Método de Regula Falsi Método de Newton o de Newton Raphson
Métodos de Puntos Fijos
MÉTODO DE BISECCIÓN
Paso Inicial
Un intervalo [a0 ; b0] en el eje de las abscisas X en el cuál la función no lineal tenga al menos una raíz.
Esto es abscisas tales que
f(a0).f(b0) < 0
Y(x)
f(b0)
Y=f(x)
f(a0) X= r
a0 b0
Primera Aproximación
Se debe encontrar la primera aproximación de la raíz; es decir, el primer elemento de la sucesión de
soluciones aproximadas.

Primera aproximación
Dado el Intervalo Inicial (a0; b0);
f(b0)
se aproxima la raíz con
El Punto Medio del Intervalo
(a0 b0 )
Y=f(x)
r1
2
X
f(a0) X= r
r1
a0 b0
Se tienen dos intervalos Intervalo (a0; r1) Intervalo (r1; b0)

y se debe seleccionar uno de ellos que será el Intervalo 1 (a1; b1) en el cual está la raíz. ¿Cuál es?

Segunda aproximación
Dado el Intervalo 1 (a1; b1);
f(b0)
Y=f(x)
el Punto Medio del intervalo 1
(a1 b1 )
r1
X= r X
r2 f(a0)
2
r1
a0 b0
a1 r2 b1
Se tienen dos intervalos: Intervalo (a1; r2) Intervalo (r2; b1)

y se debe seleccionar uno de ellos que será el Intervalo 2 (a2; b2) en el cual está la raíz.

Tercera aproximación
Dado el Intervalo 2 (a2; b2);
f(b0)
Y=f(x)

el Punto Medio del intervalo 2
X= r
(a2 b2 )
X
f(a0)
r3 r1
2 a0 b0
a1 r2 b1
a2 r3 b2
Se tienen dos intervalos Intervalo (a2; r3) Intervalo (r3; b2)

y se debe seleccionar uno de ellos que será el Intervalo 3 (a3; b3) en el cual está la raíz.

Cuarta aproximación
Dado el Intervalo 3 f(b0)
(a3; b3);
el Punto Medio del Y=f(x)
intervalo 3
(a3 b3 )
r4
2 X= r
X
Se tienen dos intervalos f(a0)

Intervalo (a3; r4) r1
Intervalo (r4; b3) a0 b0
r2 b1
y se debe seleccionar uno a1
que será a2 r3 b2
el Intervalo 4 (a4; b4)
en el cual está la raíz. a3 r4 b
3

k-ésima aproximación Y(x)

Dado el Intervalo k (ak; bk) Y=f(x)
que cumple la condición de inicialización f(bk)
f(ak)*f( bk)<0
se calcula la nueva raíz aproximada
como la abscisa media del Intervalo k f(rk+1) r X
rk+1 = (ak + bk)/2 f(ak)
ak rk+1 bk
Se controla ! si rk+1 es la solución buscada".
Se actualizan las variables si es que no se alcanzó la solución buscada, eligiendo de
los dos intervalos definidos con ak; bk y rk+1.
Si (f(ak)*f(rk+1)<0) entonces Si (f(bk)*f(rk+1)<0) entonces
ak+1= ak ak+1= rk+1
bk+1 =rk+1 bk+1 = bk

ALGORITMO DEL MÉTODO BISECCIÓN

INICIALIZACIÓN
Con k=0, y el Intervalo (a0; b0) tal que Y(x)
f(a0)*f( b0)<0 Y=f(x)
No_Hay_Solu=Verdadero f(bk)
HACER MIENTRAS (No_Hay_Solu)
RECURRENCIA
rk+1 = (ak + bk)/2 f(rk+1) r X
CONTROL DE DETENCIÓN f(ak)
Si ( f(rk+1 )=0) entonces ak rk+1 bk
No_Hay_Solu=Falso
Fin SI
ACTUALIZACIÓN k =k+1
Si (f(ak)*f(rk+1)<0) entonces ak+1= ak bk =rk+1
Si (f(bk)*f(rk+1)<0) entonces ak+1= rk+1 bk+1= bk
FIN DEL HACER MIENTRAS
Ejemplo: Buscar una aproximación de 9

20
y=x^2-9
15
10
x
0
-6 -4 -2 0 2 4 6
-5
-10
-15
itera a b f(a) f(b) r f(r).

0 1 4 -8 7 2,5 -2,75
1
2
3

Si ( f(rk+1 )=0) entonces
No_Hay_Solu=Falso
Fin SI
Pero es !muy exigente" Y(x) Y=f(x)
Es conveniente “suavizar”
Si (Valor absoluto de f(rk+1 )<İf) entonces
X= r
X
No_Hay_Solu=Falso
Fin SI
Es conveniente !controlar el cambio de digitos"
Si (Valor absoluto de [rk+1- rk ]<İ1) entonces Y(x) Y=f(x)
No_Hay_Solu=Falso
Fin SI
Si (Valor absoluto de [(rk+1- rk)/ rk+1 ]<İr) entonces
X
rk rk+1
No_Hay_Solu=Falso
Fin SI

MÉTODO DE REGULA FALSI

INICIALIZACIÓN
Es igual que BISECCIÓN. Es decir, se necesita un intervalo donde al menos exista uan
raíz
Y(x)
Y=f(x)
Recta L0
f(b0)
f(a0) b0
a0

ALGORITMO DEL MÉTODO REGULA FALSI

INICIALIZACIÓN Y(x) Y=f(x)
Con k=0, y el Intervalo (a0; b0) tal que
f(a0)*f( b0)<0 Recta
f(bk) Lk
No_Hay_Solu=Verdadero
RECURRENCIA
§ f (ak ) f (bk ) ·
ak ¨¨ ¸¸ ak X
f ( ak )
© (ak ) (bk ) ¹
rk 1 con mk
mk
f(ak) bk
Si ( f(rk+1 )=0) entonces X= rk+1
No_Hay_Solu=Falso
Fin SI
ACTUALIZACIÓN k =k+1
Si (f(ak)*f(rk+1)<0) entonces ak+1= ak bk =rk+1
Si (f(bk)*f(rk+1)<0) entonces ak+1= rk+1 bk+1= bk

MÉTODO DE REGULA FALSI

20
y=x^2-9
15
10
x
0
-6 -4 -2 0 2 4 6
-5
-10
-15
itera a b f(a) f(b) m r f(r).

0 1 4 -8 7 5 2,6 -2,24
1
2
3
4

MÉTODO DE LA SECANTE
INICIALIZACIÓN
Se necesita dos puntos cercanos a una raíz. Pueden ser dos raíces aproximadas con otro
método
Y(x)
Y=f(x)
f(rk-1)
f(rk)
X
rk rk-1

ALGORITMO DEL MÉTODO DE LA SECANTE

INICIALIZACIÓN Y(x)
Dos Puntos cercanos a la raíz buscada
k=0, Y=f(x)
No_Hay_Solu=Verdadero
f(rk-1) Recta Lk
RECURRENCIA
§ f (rk ) f (rk 1 ) ·
rk ¨¨ ¸¸
f (rk )
© (rk ) (rk 1 ) ¹
rk 1 con mk
mk f(rk)
Si ( f(rk+1 )=0) entonces X
No_Hay_Solu=Falso
Fin SI
rk+1 rk rk-1
ACTUALIZACIÓN
k =k+1
rk-1= rk
rk= rk+1 Se retienen dos soluciones aproximadas

MÉTODO DE LA SECANTE

20
y=x^2-9
15
10
x
0
-6 -4 -2 0 2 4 6
-5
-10
-15
itera a b f(a) f(b) m r f(r).

0 1 4 -8 7 5 2,6 -2,24
1
2
3
4

MÉTODO DE NEWTON RAPHSON

INICIALIZACIÓN
Se necesita un punto cercano a una raíz. Pueden ser una raíz aproximada con otro
método, o simplemente una propuesta
Y(x)
Y=f(x)
f(rk)
rk X

ALGORITMO DEL MÉTODO NEWTON RAPHSON

INICIALIZACIÓN
Un Punto cercano a la raíz buscada
k=0,
No_Hay_Solu=Verdadero Y(x)
Y=f(x) Tk
HACER MIENTRAS (No_Hay_Solu) f(rk)
RECURRENCIA
rk
f (rk ) df
rk 1 con mk
mk dx rk
Si ( f(rk+1 )=0) entonces
No_Hay_Solu=Falso rk X
Fin SI
ACTUALIZACIÓN rk+1
k =k+1
rk= rk+1 Se retienen una solución aproximada

MÉTODO DE NEWTON RAPHSON

20
y=x^2-9
15
10
x
0
-6 -4 -2 0 2 4 6
-5
-10
-15
itera rk f(rk) m rk+1 f(rk+1).

0 1 -8 2
1
2
3
4
5

MÉTODO DE PUNTO FIJO

y=F(x)
Dada una función no lineal F(x)
y = F(x)
se busca el valor de abscisa xs tal que
C
F ( xs ) C
Con C una constante arbitraria y conocida.
Es posible
xs X
\ ( xs ) F ( xs ) C <(x)
escribir la ecuación no lineal en la forma:
y=<(x)
0
y \ ( x)
y=F(x)
F ( x) C
que es la búsqueda de la raíz de la función
Y=D . <(x)
F(x)
X
El valor de la abscisa xs es INVARIANTE C
D un ESCALAR NO NULO
a que la ecuación no lineal se multiplique por
D \ ( x s ) D ( F ( x s ) C ) 0 xs X
Es posible sumar en ambos miembros el valor de la abscisa xs

D \ ( x s ) D ( F ( x s ) C ) 0
Si a la ecuación no lineal
<(x)
y=x
y=<(x)
xs D \ ( xs )
Se le suma xs en ambos miembros resulta y=F(x)-C
xs
que se puede escribir en la forma: y=x + D . <(x)
F(x)
xs g ( xs ) Y=D . <(x)
X
x D ( F ( x) C )
donde C
g ( x)
x D \ ( x) xs X
La igualdad x g (x) se puede interpretar como

la intersección de las siguientes funciones
Recta que bisecta el primer cuadrante (y=x) con la curva y=g(x).
El punto solución es tal que tiene abscisa y ordenadas de igual valor.
Es el Punto Fijo de a curva g(x)

Inicialización
Se necesita un punto cercano a una raíz. (Igual a Newton Raphson)
<(x)
Recurrencia y=x
La aproximación de la raíz se Y=F(x) - C
obtiene mediante,
y=x+D . <(x)
xk 1 g ( xk ) g(xk)
Control de Detención g(xk+1)
Igual que métodos anteriores. y=g(x)
g(xs)
Alternativamente se debe F(x)
controlar si se cumple que
xk 1 g ( xk 1 ) d H f
X
xk+1 xr
C xs
Actualización de Variables X
Se deben retener la última
aproximación obtenida.

<(x) y=x <(x) y=g(x)
Y=F(x) - C g(x2) y=x

g(x1) y=F(x) - C
g(x0)
g(x1) y=g(x) g(x0)
g(xs) g(xs)
F(x) F(x)
x1 x0 X x2 x3 X
x2 xs x1
xs C
C x0
X X
CONVERGE DIVERGE


Condición de Convergencia del Método de Punto Fijo
La solución de la igualdad x g (x ) es xs tal que es el punto fijo de g(x); es decir,

xs g ( xs ) <(x) y=x
Y=F(x) - C
La fórmula de recurrencia es
xk 1 g ( xk ) g(x0)
g(x1) y=g(x)
xk 1 xs g ( xk ) g ( x s )
Al restar miembro a miembro, se tiene g(xs)
F(x)
Al aplicar el Teorema del Valor Medio, resulta x1 x0 X
( xk 1 xs ) ( xk x s )
dg ( x ) xs x2
C
dx x [
con [ una abscisa entre xk y xs..
X
H k 1 Hk 1
dg ( x ) dg ( x)
x [ [
dx CONVERGE si dx x

Ejemplo: Buscar una aproximación de 9 , es buscar que x2=9.

9 y=x^2-9 itera rk rk+1=g(rk) f(rk+1).
g(x)
7
y=x
0 1 1,8 -5,76
5 1
3
2
1
-1 3
0 2 4 6 8 10 x 12
-3 4
-5
5
-7
-9
6
-11 7
x (1 / 10) ( x 2 9)
8
g ( x)
1 (2 / 10) x
dg ( x)
dx
MÉTODO ITERATIVOS PARA OBTENER RAICES DE ECUACIONES NO LINEALES
Resumen de los Métodos

Método Inicialización Recurrencia Actualización
Bisección Intervalo con rk+1 = (ak + bk)/2 Elije Intervalo
Raíz con Raíz
§ f (ak ) f (bk ) ·
rk 1 ak mk ¨¨ ¸¸
Regula Intervalo con f (ak ) Elije Intervalo
© (ak ) (bk ) ¹
con
Falsi Raíz mk con Raíz
§ f (rk ) f (rk 1 ) · Retiene 2
rk ¨¨ ¸¸
Secante 2 Puntos f (rk )
© (rk ) (rk 1 ) ¹ Puntos
rk 1 con mk
Cercanos mk
Cercanos
rk
Newton 1 Punto f (rk ) df Retiene 1
rk 1 con mk
Raphson Cercano mk dx rk
Punto Cercano
Punto Fijo 1 Punto xk 1 g ( xk ) Retiene 1
Cercano Punto Cercano

MÉTODO ITERATIVOS PARA OBTENER RAICES DE ECUACIONES NO LINEALES
Los siguientes controles son complementarios Y(x) Y=f(x)
Si (Valor absoluto de f(rk+1 )<İf) entonces
No_Hay_Solu=Falso X= r
X
Fin SI
Si (Valor absoluto de [rk+1- rk ]<İ1) entonces
No_Hay_Solu=Falso
Fin SI Y(x) Y=f(x)
Si (Valor absoluto de [(rk+1- rk)/ rk+1 ]<İr) entonces
No_Hay_Solu=Falso
Fin SI X
rk+1
Si (k > MaxIter) entonces rk
No_Hay_Solu=Falso
Fin SI

Introducción.
Repaso de métodos iterativos para obtener raíces de ecuaciones no lineales
Sistemas de Ecuaciones Lineales (No Homogéneos)

Método de Jacobi.
Algoritmo, Convergencia
Método de Gauss Seidel.
Algoritmo
Autovalores y Autovectores
Propiedades
Método de la Potencia. Algoritmo, Convergencia
Método de la Potencia Inversa
El cociente de Rayleigh
Aplicaciones
Los métodos iterativos generan una sucesión de soluciones aproximadas,

que debe converger a la solución exacta del problema que se pretende resolver.
Cada iteración genera una solución aproximada, y su diferencia respecto de la solución exacta
debe ser menor que en la iteración anterior para que exista convergencia
Tienen en general los siguientes componentes
Inicialización o Acercamiento
Recurrencia
Control de Detención
Actualización
y deben cumplir algún

CRITERIOS DE CONVERGENCIA
Para garantizar que se encontrará la solución del problema
Se busca el valor xk +1 = r tal que f (r ) = 0

Síntesis:
Método Iterativo
Punto Fijo Newton Raphson
Inicialización Se propone una solución inicial x0
f (rk ) df
Recurrencia xk +1 = g ( xk ) rk +1 = rk −
mk
con mk =
dx rk
f ( xk +1 ) ≤ ε f o k ≤ k max
Control de Detención xk +1 − xk
xk +1 − xk ≤ ε a o ≤ εr
xk +1
Actualización Retiene la última solución aproximada
dg ( x) f ( x)
CRITERIOS DE dg ( x ) < 1 con g ( x ) = x −
<1 dx df
CONVERGENCIA dx x=ξ
x =ξ
dx
La implementación se puede sintetizar de la siguiente forma:

Se eligen los valores de x0 ε a ε r ε f Inicialización
Se define ban =true
while(ban)
f (rk ) df
xk +1 = g ( xk ) r = r −
Recurrencia k +1 k m con mk =
k dx rk
k=k+1
if ( f ( xk +1 ) ≤ ε f )
ban =false Control de Detención

end
if ( xk +1 − xk ≤ ε a )
ban =false end
if ( k ≤ k max )
ban =false
end
xk = xk +1 Actualización de Variables
end
Dada una Matriz A ε RNxN, un vector b ε RN, el sistema de ecuaciones lineales asociado es
A⋅ x = b
a11 a12 a13 .... a1N x1 b1
a21 a 22 a 23 .... a2 N x2 b2
a31 a32 a33 .... a3 N x3 = b3
.... .... .... .... .... ... ...
aN1 aN 2 aN 3 .... a NN xN bN
Es posible escribir A = D+B

a11 0 0 .... 0 0 a12 a13 .... a1N
0 a 22 0 .... 0 a 21 0 a 23 .... a2N
0 0 a33 .... 0 =D B = a31 a32 0 .... a3 N
.... .... .... .... .... .... .... .... 0 ....
0 0 0 .... a NN a N1 aN 2 aN3 .... 0
El sistema se puede escribir
D⋅ x + B⋅ x = b
Dada una Matriz A ε RNxN, un vector b ε RN, el sistema de ecuaciones lineales asociado es
A⋅ x = b
El sistema se puede escribir
D⋅ x + B⋅ x = b
x = −D−1 ⋅ B ⋅ x + D−1 ⋅ b
x = T⋅ x + c
T = −D−1 ⋅ B c = D−1 ⋅ b
0 − a12 / a11 − a13 / a11 .... − a1N / a11 b1 / a11
− a 21 / a 22 0 − a 23 / a 22 .... − a 2 N / a 22 b2 / a 22
T = − a31 / a33 − a32 / a33 0 .... − a3 N / a33 c = b3 / a33
.... .... .... 0 .... ...
− a N 1 / a NN − a N 2 / a NN − a N 3 / a NN .... 0 bN / a NN
Se puede iterar con
( k +1) (k )
x = T⋅ x +c
Hasta encontrar que el ERROR es tan pequeño como se quiera
EJEMPLO
Se busca la solución del siguiente sistema de ecuaciones lineales
50 − 25 x10 10 0
− 25 50 − 25 0 x2 20
=
0 − 25 50 − 25 x3 20 A⋅ x = b
0 0 − 25 50 x4 10
La matriz de coeficientes se puede escribir
A = D + B
50 − 25 0 0 50 0 0 0 0 − 25 0 0
− 25 50 − 25 0 0 50 0 0 − 25 0 − 25 0
= +
0 − 25 50 − 25 0 0 50 0 0 − 25 0 − 25
0 0 − 25 50 0 0 0 50 0 0 − 25 0
x = −D−1 ⋅ B ⋅ x + D−1 ⋅ b
x = T⋅ x + c
c= D −1 ⋅ b
−1
50 0 0 0 10 0 0 0 10
0 50 0 0 20 0 0 0 20
c= ⋅ = ⋅ =
0 0 50 0 20 0 0 0 20
0 0 0 50 10 0 0 0 10
T= − D −1 ⋅ B
0 0 0 0 − 25 0 0
0 0 0 − 25 0 − 25 0
T=− ⋅ =
0 0 0 0 − 25 0 − 25
0 0 0 0 0 − 25 0
A⋅ x = b
50 − 25 0 0 x1 10
− 25 50 − 25 0 x2 20
=
0 − 25 50 − 25 x3 20
0 0 − 25 50 x4 10
x = −D −1 ⋅ B ⋅ x + D −1 ⋅ b
x= T ⋅x + c
0 25 / 50 0 0 x1 10 / 50
25 / 50 0 25 / 50 0 x1 20 / 50
x= ⋅ +
0 25 / 50 0 25 / 50 x3 20 / 50
0 0 25 / 50 0 x4 10 / 50
Proceso Iterativo de JACOBI

( k +1) (k )
x = T⋅ x +c
(k )
0 25 / 50 0 0 x1 10 / 50
( k +1) 25 / 50 0 25 / 50 0 x2 20 / 50
x = ⋅ +
0 25 / 50 0 25 / 50 x3 20 / 50
0 0 25 / 50 0 x4 10 / 50
(0)
Para un vector inicial x arbitrario
Iter. x1 x2 x3 x4
0 1,5 2,5 2,5 1,5
1 (25/50)*(2,5)+10/50 (25/50)*(1,5)+(25/50)*(2,5)+20/50 (25/50)*(2,5)+(25/50)*(1,5)+20/50 (25/50)*(2,5)+10/50
1 1,45 2,4 2,4 1,45
2
3
4
Se puede paralelizar ¡!
Proceso Iterativo de JACOBI

( k +1) (k )
x = T⋅ x +c
(K )
0 25 / 50 0 0 x1 10 / 50
( K +1) 25 / 50 0 25 / 50 0 x1 20 / 50
x = ⋅ +
0 25 / 50 0 25 / 50 x3 20 / 50
0 0 25 / 50 0 x4 10 / 50
Iter. x1 x2 x3 x4 dif_x1 dif_x2 dif_x3 dif_x4 Norma

dif
0 1,5 2,5 2,5 1,5 ------- ------- -------- -------- --------
1 1,45 2,4 -0,1 -0,05 0,1
1,45 2,4 2,4 1,45 -1,5 -2,5
2 2,325 0,075
3 1,3625 0,0625
Norma de un vector: Cuadrática o Infinito.

A partir del método iterativo de Jacobi, cuyo fórmula de recurrencia está dada por
( k +1) (k )
x = T⋅ x +c
( k +1) ( k +1) (k )
Se puede iterar con x = Tl ⋅ x + Ts ⋅ x +c
Hasta encontrar que el ERROR es tan pequeño como se quiera. Siendo
0 0 0 .... 0 x1( k +1)
− a 21 / a 22 0 0 .... 0 x 2( k +1)
( k +1)
Tl = − a31 / a33 − a32 / a33 0 .... 0 x = x3( k +1)
.... .... .... 0 .... ...
− a N 1 / a NN − a N 2 / a NN − a N 3 / a NN .... 0 x N( k +1)
0 − a12 / a11 − a13 / a11 .... − a1N / a11 x1( k )
0 0 − a 23 / a 22 .... − a 2 N / a 22 x 2( k )
(k )
Ts = 0 0 0 .... − a 3 N / a33 x = x3( k )
.... .... .... 0 .... ...
0 0 0 .... 0 x N( k )
Se debe destacar que:
• para calcular x1, participa todo el vector x de la iteración anterior.
• Para calcular x2, participa x1 de la iteración actual (recién calculado)y todas las demás componentes del vector x de la iteración anterior.
• Para calcular x3, participa x1 y x2 de la iteración actual (recién calculadas)y todas las demás componentes del vector x de la iteración
anterior.
• Para calcular x4, participa x1 ,x2 y x3 de la iteración actual (recién calculadas)y todas las demás componentes del vector x de la iteración
anterior.
• Así se sigue hasta calcular xN con todas las componentes de la iteración actual del vector x (recién calculadas), desde la 1 hasta la N-1.
( k +1) ( k +1) (k )
Se itera con x = Tl ⋅ x + Ts ⋅ x +c
0 0 0 .... 0 x1( k +1)
− a 21 / a 22 0 0 .... 0 x 2( k +1)
( k +1)
Tl = − a 31 / a33 − a 32 / a33 0 .... 0 x = x3( k +1)
.... .... .... 0 .... ...
− a N 1 / a NN − a N 2 / a NN − a N 3 / a NN .... 0 x N( k +1)
0 − a12 / a11 − a13 / a11 .... − a1N / a11 x1( k )
0 0 − a 23 / a 22 .... − a 2 N / a 22 x 2( k )
(k )
Ts = 0 0 0 .... − a3 N / a33 x = x3( k )
.... .... .... 0 .... ...
0 0 0 .... 0 x N( k )
Se debe destacar que:
• para calcular x1, participa todo el vector x de la iteración anterior.
• Para calcular x2, participa x1 de la iteración actual (recién calculado) y todas las demás componentes del
vector x de la iteración anterior.
• Así se sigue hasta calcular xN con todas las componentes de la iteración actual del vector x (recién
calculadas), desde la 1 hasta la N-1.
Síntesis
Punto Fijo Sistema de Ecuaciones Lineales
Se busca xk +1 = r tal f = A⋅x −b = 0
x ε R N tal que
que f (r ) = 0
( k +1) ( k +1)
( k +1) (k )
x = Tl ⋅ x +
Recurrencia xk +1 = g ( xk ) x = T⋅ x +c (k )
Ts ⋅ x +c
Control de Detención f ( xk +1 ) ≤ ε f o
xk +1 − xk ≤ ε a o k ≤ k max
Mayor de los Valores Matriz A
CRITERIOS DE Absolutos de T estrictamente
dg ( x ) debe ser menor a 1 diagonal dominante
CONVERGENCIA <1
dx x=ξ ρ (T) < 1
En lugar de se usa
Valor absoluto de una variable real Norma de un Vector de componentes reales
Dada una matriz A, se le puede asociar una Transformación Lineal, la que tiene Direcciones Invariantes,
soluciones de
(A − λ ⋅ I) x = 0
Ejemplos
Simetría respecto de una RECTA Proyección en EJE X en dirección de una RECTA
y y
Tu
u
u
Tu
x x
Dirección Invariante 1
Autovalor
Dirección Invariante 2
Autovalor
Dada una matriz A, se buscan las Direcciones Invariantes, soluciones de

(A − λ ⋅ I) x = 0 o bien A ⋅ x = λ ⋅ x
Esto es equivalente a encontrar un vector y que se puede obtener como y = A⋅ x

y resulta igual a y = λ⋅x
lo que significa que los vectores x e y son PARALELOS
El METODO DE LA POTENCIA es un algoritmo iterativo que propone un y0 arbitrario y
Obtiene un nuevo vector como yk +1 = A ⋅ yk

Sólo se detiene si se cumple que yk +1 es paralelo a yk
EJEMPLO: Dada la matriz A
-10 4
-4 0
y0 y1 y2 y3 y4 y5 y6
2 -12 88 -688
2 -8 48 -352
iterac 1 2 3 4 5 6
alfa(1)
alfa(2)
El METODO DE LA POTENCIA es un algoritmo iterativo para resolver A⋅ x = λ ⋅ x

que propone un y0 arbitrario y se escala para obtener el versor x0 , con el que se inicia el proceso iterativo
Obtener un nuevo vector como yk +1 = A ⋅ xk
Sólo se detiene si se cumple que yk +1 es paralelo a xk
EJEMPLO: Dada la matriz A
-10 4
-4 0
y0 y1 y2 y3 y4 y5 y6
2 -6
2 -4
norma 2 -6
x0 x1 x2 x3 x4 x5 x6
1 1
1 0,66666667
iterac 1 2 3 4 5 6
alfa(1)
alfa(2)
num
den
rho
Se busca x ε R N tal que

Autovalores Sistema de Ecuaciones Lineales
f = A⋅ x −λ ⋅ x = 0 f = A⋅x −b = 0
y k +1 = A ⋅ xk
( k +1) (k )
x = T⋅ x +c
Recurrencia
(
x k +1 = y k +1 ⋅ 1 / y k +1 )
Control de Detención f ( xk +1 ) ≤ ε f o
xk +1 − xk ≤ ε a o k ≤ k max
La matriz A debe ser Mayor de los Valores Absolutos de T
Diagonalizable. debe ser menor a 1
CRITERIOS DE Sus autovectores deben ser ρ (T) < 1
CONVERGENCIA linealmente independientes Matriz A estrictamente diagonal
dominante
En lugar de se usa
Valor absoluto de una variable real Norma de un Vector de componentes reales
Sea el sistema EDO

5 − 10 4
y (t ) = A ⋅ y (t ) con y ( 0) = ,
A=
3 −4 0
admite como solución y (t ) = v ⋅ e λ ⋅t siendo v, λ la solución del siguiente sistema de autovalores y
− 10 4 v1 v 6
=λ⋅ 1
y1(t)
autovectores − 4 0 v2 v2
5 y2(t)
La solución general será la combinación lineal 3
λ 1⋅t λ 2⋅t 2
y (t ) = v ⋅ e1 + v ⋅e2 1
0
0 0,5 1 1,5
que cumple con las condiciones iniciales.
y2
1 1 −2⋅t 14 1 −8⋅t
3,5
Es decir, y (t ) = ⋅ e + ⋅ e 3
3 2 3 0.5 2,5
1,5
0,5
y1
0
0 1 2 3 4 5 6
Dada una matriz A ε RNxN, tal que

Sus autovectores v1, v2, …vN, y sus autovalores λ1, λ2, λ3,…. λN, verifican que
A . vk= λk . vk con k=1 a N
Es diagonalizable: es decir tiene N autovectores linealmente independientes que forman base de RN.
Es posible ordenar los autovalores de mayor a menor considerando sus valores absolutos en la forma:
λ1 > λ2 > λ3 > ........... λ N
Entonces el algoritmo del método de la potencia converge
Se busca u(x,t) solución de u(x,t)

U1(t) U2(t) U3(t)
∂ 2 u ( x, t ) 2
2 ∂ u ( x, t )
− 12 +x = 0 en Ω = {x ε R : 0 ≤ x ≤ 1}
∂x 2 ∂t 2 U4(t)
U0(t) 0,25 0,5 0,75 X
u (0, t ) = 0 u (1, t ) = 0
X=1
Se plantea encontrar una solución aproximada

en forma de función discreta en la variable x,
aunque continua en la variable t. Se pretende t
encontrar las funciones Uk(t)=u(Xk,t) con
k=0,N, en N+1 puntos elegidos del dominio x, identificados con su abscisa Xk.
M ⋅ u (t ) + K ⋅ u(t ) = 0
con
2 −1 0 0,25 2 0 0 U 1 (t )
12 2
K= −1 2 −1 ; M = 0 0,50 0 u(t ) = U 2 (t )
0,25 2
0 −1 2 0 0 0,75 2 U 3 (t )
Que admite una solución del tipo
u (t ) = x ⋅ e I ω t
Que resulta en
⋅ (K − ω 2 M ) ⋅ x = 0
INTERPOLACIÓN Y APROXIMACIÓN DE FUNCIONES
Planteo de Problema
Interpolación de funciones
Método Directo
Método con Polinomios de Lagrange
Método con Polinomios de Newton
Aproximación de funciones
Método de Mínimos Cuadrados
Ejemplos
Resumen
Dr. Ing. A.Mirasso Interpolación y Aproximación Año 2014 1 de 15

INTERPOLACIÓN Y APROXIMACIÓN DE FUNCIONES DISCRETAS
Dada una función discreta, y=f(x) de R o R y
Se propone Pm(x)= 6 ak Ik(x)

definida mediante (n+1) puntos (xi; yi=f(xi)) con i=0,n.
Donde ak son las incógnitas; y {Ik(x)} es una Base elegida

con k=0,m.
Se define: Residuo ri = f(xi) - Pm(xi) con k=0,m; i=0,n

ri = yi - 6 ak Ik(xi) x
r0 ½ y 0 ½ § I 0 ( x0 ) I1 ( x0 ) I 2 ( x0 ) I m ( x0 ) · a 0 ½
x0 xi xn
°r ° ° y ° ¨ I (x ) ¸
I m ( x1 ) ¸°° a1 °°
....
°° 1 °° °° 1 °° ¨ 0 1 I1 ( x1 ) I 2 ( x1 )
y )a
¨ ° °
I m ( x 2 ) ¸® a 2 ¾
....
®r2 ¾ ® y 2 ¾ ¨ I0 ( x2 ) I1 ( x 2 ) I2 ( x2 )
¸
°... ° ° ... ° ¨ .... .... ¸° ... °
.... r
° ° ° ° ¨ ° °
I m ( x n ) ¸¹°¯a m °¿
.... .... ....
°¯rn °¿ °¯ y n °¿ © I 0 ( x n ) I1 ( x n ) I2 ( xn ) ....
INTERPOLACIÓN APROXIMACIÓN
y Forma Fuerte: ri=0, para todo xi y Forma Débil: los ri !son nulos en promedio
f(x) f(x)
ri
Pm(x)
rn Pm(x)
r2
r1
r0
x x
x0 xi xn x0 xi xn
INTERPOLACIÓN: MÉTODO DIRECTO

Dada una función discreta, y=f(x) de R o R definida mediante (n+1) puntos (xi; yi=f(xi)) con i=0,n.
Se adopta como Base = {1, x ,x2, x3,......,xn}
Pn(x)= 6 (ak x )
y
k
Se propone con k=0,n f(x)
Se determinan los ak tales que el Residuo sea nulo, es decir
r0 ½ y0 ½ § I0 ( x0 ) I1 ( x0 ) I2 ( x0 ) Im ( x0 ) · a0 ½ 0 ½
Pn(x)
°r ° ° y ° ¨ I (x ) ¸
Im ( x1 ) ¸°° a1 °° °0 °
....
°° 1 °° °° 1 °° ¨ 0 1 I1 ( x1 ) I2 ( x1 ) °° °°
¨ ° °
Im ( x2 ) ¸® a2 ¾
....
®r2 ¾ ® y2 ¾ ¨ I0 ( x2 ) I1 ( x2 ) I2 ( x2 )
¸ ®0 ¾
x
°...° ° ... ° ¨ .... .... ¸° ... ° °...°
....
° ° ° ° ¨ ° ° ° ° I1(xi)
x0 xi xn
Im ( xn ) ¸¹°¯am °¿
.... .... ....
°¯rn °¿ °¯ yn °¿ © I0 ( xn ) I1 ( xn ) I2 ( xn ) °¯ 0 °¿
I2(xi)
y
y )a
....
I0(xi)
r 0
Que resulta en el sistema de ecuaciones lineales
§ 1 x0 x .... x ·a0 ½ y0 ½
x
¨ ¸° ° °y °
2 n
x0 xi xn
¨ 1 x1 x .... x ¸° a1 °
0 0
° ° °° 1 °°
¨1 x x .... x ¸¸®a 2 ¾
2 n
® y2 ¾
1 1
¨
.... .... ¸° ... ° ° ... °
2 n
¨ .... .... ....

2 2 2
° ° ° °
para que sea Solución Única; m=n y todos x distintos!!!!!
¨ n¸
© 1 xn xn
2
.... x n ¹°¯a n °¿ °¯ y n °¿
Resulta el polinomio interpolante Pn(x)= 6 (ak xk ) con k=0,n

INTERPOLACIÓN: MÉTODO DIRECTO EJEMPLO

Dada una función discreta, y=f(x) de R o R definida mediante (2) puntos (xi; yi=f(xi)) con i=0,1.
x y=f(x) y
1,5 3 P1(x)
3 4 f(x)
Se adopta como Base = {1, x}

con lo que la matriz ) y el sistema a resolver resultan:
§ ·a0 ½ ½
x0 x1
¨¨ ¸¸® ¾ ® ¾
I1(xi)
y
© ¹¯ a1 ¿ ¯ ¿
I0(xi)
x
x0 x1
de donde se tiene que a0 a1
El Polinomio Interpolante usando la Base de Polinomios elementales {1, x} es
P1 ( x) 1 x

INTERPOLACIÓN: MÉTODO DIRECTO EJEMPLO

y
x y=f(x)
f(x)
1,5 3
3 4 Pn(x)
4,5 3,5
Se adopta como Base = {1, x, x2 }
con lo que la matriz ) y el sistema a resolver resultan: I1(xi)
x0 x1 x2
§ · a 0 ½ ½
y
¨ ¸° ° ° ° I2(xi)
¨ ¸® a1 ¾ ® ¾ I0(xi)
¨ ¸°̄a ° °̄ °
© ¹ 2¿ ¿
x
x0 x1 x2
de donde se tiene que a0 a1 a2

x, x2} es
1 x x2
El Polinomio Interpolante usando la Base de Polinomios elementales {1,
P2 ( x)
INTERPOLACIÓN: MÉTODO DE POLINOMIOS DE LAGRANGE

Se adopta como Base = {l0(x), l 1(x), l 2(x),...... ln(x)},
Los polinomios de Lagrange l i(x) se definen como, y

(x x k )
f(x)
(x x 1 )(x x 2 )(x x 3 )...........(x x n )
n
(x i x 1 )(x i x 2 )(x i x 3 )...........(x i x n ) (x i x k ) .

li (x) Pn(x)
li (x) ,
k zi
k 0
Son tales que para los i, k abscisas datos x0
I0(xi)
l0(x)
li(xi)=1 y li(xk)=0 con kzi
y )a
Se determinan los ak imponiendo
r 0 x0
x
que el Residuo sea nulo, xi xn
§ 1 0 0 .... 0 ·a0 ½ y0 ½
lk(x)
¨
¨
¸° °
¸° a1 °
°y ° Ik(xi)
°° 1 °°
¨ 0 0 1 .... 0 ¸°a °
0 1 0 .... 0
¨ ¸® 2 ¾ ® y2 ¾
x
¨ .... .... .... .... .... ¸° ... ° ° ... °

x0 xi xn
¨ 0 0 0 .... 1 ¸°°a °° ° °
De donde resulta
© ¹¯ n ¿ °¯ yn °¿
Pn(x)= 6 (yk lk(x)) con k=0,n

NO HAY QUE RESOLVER SISTEMA DE ECUACIONES!!!!
y resulta el polinomio interpolante

INTERPOLACIÓN: MÉTODO DE POLINOMIOS DE LAGRANGE EJEMPLO

x y=f(x) y
P1(x)
1,5 3 f(x)
3 4
x
l 0 ( x)
x0 x1
y
Base = {l0(x), l1(x)} con l1 ( x) 1 l0(x)
y así la matriz ) y el sistema a resolver resultan:

x
§ ·a0 ½ ½
x0 x1
¨¨ ¸¸® ¾ ® ¾
y
l1(x)
© ¹¯ a1 ¿ ¯ ¿
1
x
x0 x1
El Polinomio Interpolante usando la Base de Polinomios de Lagrange es
P1 ( x)
INTERPOLACIÓN: MÉTODO DE POLINOMIOS DE LAGRANGE EJEMPLO

x y=f(x) l 0 ( x)
1,5 3
3 4 l1 ( x)
4,5 3,5
l 2 ( x)
Con la Base = {l0(x), l1(x), l2(x)} resulta

§ · a0 ½ ½
¨ ¸° ° ° °
¨ ¸® a1 ¾ ® ¾
¨ ¸°̄a ° °̄ ° de donde se tiene que a0
© ¹ 2¿ ¿
a1 a2
El Polinomio Interpolante usando la Base de Polinomios de Lagrange { l0(x), l1(x), l2(x)} es

P2 ( x)
AL AGREGAR UN PUNTO SE DEBE HACER TODO DE NUEVO

INTERPOLACIÓN: MÉTODO DE POLINOMIOS DE NEWTON

Se toma como base a los llamados polinomios de Newton.
Estos tienen como particularidad que se basan en los polinomios bases anteriores.
n0(x) = 1 n0(x) = 1 y
n1(x) = n0(x) (x-x0) n1(x) = 1(x-x0) f(x)
n2(x) = n1(x) (x-x1) n2(x) = 1(x-x0) (x-x1)
Pn(x)
n3(x) = n2(x) (x-x2) n3(x) = 1(x-x0)(x-x1)(x-x2)
nk(x) = nk-1(x)·(x-xk-1), para todo kt1 x
Base = {n0(x), n1(x), n2(x),...... nn(x)},
y )a
Con la xn
n2(x)
Se determinan los ak tales que el Residuo sea nulo,
r 0 y n1(x)
y resulta n0(x)
§1 ·a 0 ½ y0 ½
¨ ¸° ° °y °
0 0 ......... 0
¨1 x1 x0 ¸° a1 ° °° 1 °°
¸ °a °
x
¨1
0 ......... 0
x 2 x0 ( x 2 x0 )( x 2 x1 )
¨ ¸® 2 ¾ ® y2 ¾ x1 x2
¸° ... ° ° ... °
........ 0 x0
¨ ..
¨1 ° ° ° °
........ ( x n x0 )( x n x1 ).....( x n x n 1 ) ¸¹°¯a n °¿
........... ........................... ....... 0
© x n x0 ( x n x0 )( x n x1 ) °¯ y n °¿
y 2 y1 y1 y 0

y1 y 0 x 2 x1 x1 x 0
x1 x 0 x2 x0
De donde: a0= y0, a1 , a2
Resulta el polinomio interpolante Pn(x)= 6 (ak nk(x)) con k=0,1,2,!n

INTERPOLACIÓN: MÉTODO DE POLINOMIOS DE NEWTON EJEMPLO

x y=f(x) ' ' P1(x)

y
1,5 3 f(x)
3 4
n0 ( x) 1 x
Base = {n0(x), n1(x)} con x0 x1
y así la matriz ) y el sistema a resolver resultan:

n1 ( x) y
n0(x)
§ · a 0 ½ ½
1
¨¨ ¸¸® ¾ ® ¾
n1(x)
x
© ¹¯ a1 ¿ ¯ ¿
x0 x1

El Polinomio Interpolante usando la Base de Polinomios de Newton es
P1 ( x)
INTERPOLACIÓN: MÉTODO DE POLINOMIOS DE NEWTON EJEMPLO

x y=f(x) ' ' y

f(x)
1,5 3
Pn(x)
3 4
4,5 3,5 x
xn
Base = {n0(x), n1(x), n2(x)} n2(x)
n1(x)
n0 (x) 1 y
n1 ( x ) n0(x)
con
n2 (x) x
la ) y el sistema a resolver resultan:
§ · a ½ ½
x0 x1 x2
¨ ¸ ° ° ° °
¨ ¸ ® a ¾ ® ¾
0
¨ ¸ °̄ a ° °̄ °
© ¹ ¿ ¿
1
2
de donde se tiene que a0 a1 a2

El Polinomio Interpolante usando la Base de Polinomios de Newton es
P2 ( x)

FUNCIÓN ERROR DE INTERPOLACIÓN

Dados (n+1) puntos de coordenadas (xi; yi=f(xi)) con i=0, n, la Función Error de Interpolación E(x) es la diferencia entre la función f(x)
y el polinomio de interpolación Pn(x), y se puede expresar en la forma: y
E(x) = f(x) - Pn(x)= f(x) -6 ak Ik(x),
con Ik(x) n funciones bases conocidas (Lagrange, Newton, etc); y ak son los coeficientes que hacen cero el residuo.
f(x)
La función Error de interpolación E(x) tiene (n+1) ceros, en cada uno de los xi datos, Pn(x)
por lo que se puede expresar como un polinomio de al menos grado (n+1), como
E(x)= C (x-x0) (x-x1) (x-x2)…… (x-xn) E(x)
x
La C se determinará de modo que la función auxiliar W(x) sea cero para todo valor de x.
x0 xi xn
W(x)= f(x) - Pn(x)-E(x)
xk dato (k=0,n), es decir tiene n+1 ceros. Pero para cualquier otro xi z xk, se elige C de modo que W (xi)=0, entonces
La constante C se determinará de modo que la igualdad f(x)=Pn(x)+E(x), se cumpla para cualquier valor de x. La función W (x) vale cero en cada
d 1W d 2W
W(x) tiene (n+2) ceros, para cada xi; ĺ tiene (n+2-1) ceros, para cada xi ; ĺ tiene (n+2-2) ceros, para cada xi;
dx 1 dx 2
d n 1W d n 1 f d n 1 Pn d n 1 E
n 1
n 1
ĺ
dx n 1 dx n 1 dx n 1
!!. d W tiene (n+2-(n+1)) cero, para cada xi. Esta derivada es:
dx n 1 dx
d n 1W d n 1 f
0 C ( n 1)"
dx n 1 dx n 1
Así para cada valor xi z xk existe una C que hace el error de interpolación se pueda expresar
d n 1 f ( x )
( x x0 )( x x1 )( x x2 ).............( x xn ) con [ H (x0, xn),
1
dx n 1 X (n 1)"
E ( x)
[
x El error de interpolación en las abscisas datos es cero

Esta expresión establece que:
x La interpolación es exacta si f(x) es un polinomio hasta de grado n.

Un tratamiento detallado se puede ver en: Análisis Numérico, R. Burden y D. Faires (1998). Capitulo 3, Teorema 3.3.; Análisis Numérico, W.
Smith (1988). Capitulo 7, Teorema 2.
MÉTODO DE MÍNIMOS CUADRADOS

P (x)= 6 a I (x) con k=0,m. y
ak son las incógnitas; y {Ik(x)} es una Base elegida

Se propone m k k f(x)
Donde
ri
rn Pm(x)
ri = f(xi) - Pm(xi) con k=0,m; r2
6 ak Ik(xi)
Se define: Residuo i=0,n
r0 r1
x
ri = yi - x0
y 0 ½ § I 0 ( x0 ) I1 ( x0 ) I 2 ( x0 ) I m ( x0 ) · a 0 ½
xi xn
r0 ½
° y ° ¨ I (x ) ¸
I0(xi)
°r ° I m ( x1 ) ¸°° a1 °°
....
°° 1 °° °° 1 °° ¨ 0 1 I1 ( x1 ) I 2 ( x1 )
y
¨ ° °
I m ( x 2 ) ¸® a 2 ¾
....
®r2 ¾ ® y 2 ¾ ¨ I0 ( x2 ) I1 ( x 2 ) I 2 ( x2 )
¸
°... ° ° ... ° ¨ .... .... ¸° ... ° I1(xi)
....
° ° ° ° ¨ ° °
I m ( x n ) ¸¹°¯a m °¿
.... .... ....
°¯rn °¿ °¯ y n °¿ © I0 ( x n ) I1 ( x n ) I2 ( xn )
I2(xi)
y )a
....
r x
> @
x0 xi xn
min 6(r (a ) ) 2 ,
Los coeficientes ak son tales que minimizan la Suma de los Cuadrados de los Residuos
2
¦ 2 r (a ) I ( x )
min r
rT I j
2 i k
La condición para que la Suma de los Cuadrados de los Residuos tome un valor extremo es i j j i 0 j 1, m
i 1,n
Como se debe cumplir para todo j=1,m; finalmente resultan las siguientes ECUACIONES NORMALES
ĭ T ĭa ĭT y ,
Sistema de ecuaciones lineales cuya solución da los coeficientes ak. Así la APROXIMACIÓN resulta Pm(x)= 6 ak Ik(x) con k=0,m
MÉTODO DE MÍNIMOS CUADRADOS EJEMPLO

Dada una función discreta, y=f(x) de R o R
x y=f(x)
y )a
definida mediante (2) puntos (xi; yi=f(xi)) con i=0,1.
1,5 3
Con la Base = {1, x} el vector residuo r
r1 ½ ½ § ·
resulta
3 4
° ° ° ° ¨ ¸ a 0 ½
®r2 ¾ ® ¾¨ ¸® ¾
°̄r ° °̄ ° ¨ ¸¯ a1 ¿
3¿ ¿ © ¹
El sistema de ecuaciones normales ĭ T
ĭa ĭT y resulta
§ ·a0 ½ ½
¨¨ ¸¸® ¾ ® ¾
© ¹¯ a1 ¿ ¯ ¿ de donde se tiene que a0 a1
1
El Polinomio de Aproximación usando la Base de Polinomios elementales {1, x}
es Pa( x) x

INTEGRACIÓN NUMÉRICA
Planteo de Problema
Integración de Newton Cotes

Método de Trapecios Simple y Múltiple
Regla de Integración y Error
Método de Simpson Simple y Múltiple

Regla de Integración y Error
Extrapolación de Richardson e Integración de Romberg
Integración de Gauss Legendre
Ejemplos
Dr. Ing. A.Mirasso Integración Numérica Año 2014 1 de 15

El propósito es abordar el cálculo de integrales definidas de funciones.
Se asume que:
la función y = f(x): R ĺ R, no singular, continua (al menos por tramos), es conocida en forma
f(x) se conoce en todo x [x0;xn].

Discreta Analítica
f(x) se conoce en xi, con i = 0,1,2,...,n
y y
f(x) f(x)
x x
x0 xi xn x0 xi xn
Se busca mostrar que:
³ f ( x)dx ¦ w ¦w
es posible calcular la integral definida de la y=f(x) como una combinación lineal:
f ( xk ) yk ,
b
I k k
a k 0, N k 0,N
donde los coeficientes wk son valores particulares para cada regla de integración y los yk=f(xk) son los valores
de la función discreta.

Si f(x) está dada en forma discreta es posible interpolar f(x) colocando un polinomio Pn(x), de grado n,
por los (n+1) puntos datos. Si f(x) está dada en forma analítica se pueden "extraer" esos (n+1) puntos, y
tener la versión discreta de f(x).
Es posible expresar a f(x) como suma del Polinomio de
f ( n1) ([ )
Interpolación mas la función Error de Interpolación y
f(x) = Pn(x) + (n 1)! ( x x0 )( x x1 )........( x xn ) f(x)
Pn(x)
Resulta posible obtener la integral en la forma
³ f ( x)dx ³ P ( x) H ( x) dx ³ P ( x)dx ³ H
Xn Xn Xn Xn
I n n n n ( x) dx
E(x)
x
³ ¦w
X0 X0 X0 X0
yk E n In En ,
Xn
x0 xi xn
I f ( x) dx k
X0 k 0, N
Resultando, la aproximación de la integral In

y su Error de Integración En en la forma:
³ P ( x)dx ¦ w
f ( n 1) ([ )
yk ³H ³ ( x x0 ) ( x x n ) dx
Xn Xn Xn
(n 1)!
In n k En n ( x) dx
X0 k 0, N X0 X0

INTEGRACIÓN NUMÉRICA DE NEWTON COTES

Las reglas de integración de Newton Cotes se basan en interpolar con Polinomios de LAGRANGE. Para los
¦ y l ( x)
n+1 puntos datos, el polinomio interpolante es
n y
f(x)
Pn ( x) i i
i 0 Pn(x)
³ ¦ y l ( x)dx ¦ ³ y
Así el valor aproximado de la integral
lk ( x) dx
Xn n Xn
In i i k x0
I0(xi)
l0(x)
¦ yk ³ lk ( x) dx ¦y
X0 i 0 k 0, N X 0
wk
Xn
In k x
k 0, N X0 k 0, N x0 xi xn
lk(x)
Ik(xi)
³ (x
(x x j )
³l
resulta
( x) dx dx
Xn Xn n
xj)
wk k
x
x0 xi xn
jzk
X0 X0 j 0 k
Así el Error de la aproximación de la integral

f ( n 1) ([ ) n f ( n 1) ([ ) n 2
³H (n 1)! X³0
( x x0 ) ( x x n ) dx h D n 1
Xn X
(n 1)!
En n ( x) dx
X0

REGLA DE INTEGRACIÓN DE LOS TRAPECIOS
Es una regla de integración de Newton ! Cotes por 2 puntos (xi;yi), (xi+1;yi+1). La integral
³ f ( x) dx
xi 1
I f(x)
xi
³ >P ( x) H ( x ) @dx ³ >y l i ( x ) y i 1 l i 1 ( x ) @dx ³H

Se resuelve con un polinomio interpolante degrado uno
xi 1 xi 1 xi 1 X
I 1 1 i 1 ( x ) dx , Xi Xi+1
xi xi xi l0(x)
x x i 1 x x i 1
donde

x i x i 1 x i 1 x i
li ( x) es una recta que vale 1 en xi y 0 en xi+1, li(x) li+1(x)
x xi
xi 1 xi
li 1 ( x) es una recta que vale 0 en xi y 1 en xi+1. X
ª x xi º
³ ³ H ( x)dx,
x xi 1
Xi Xi+1
» dx
xi 1 xi 1
« i
¬ xi xi 1 xi 1 xi ¼
I y y i 1 1
³ ³ ³ H ( x)dx
x xi 1 x xi
xi xi
yi dx yi 1 dx yi wi yi 1 wi 1 E1
xi 1 xi 1 xi 1
xi xi 1 xi 1 xi
I 1
xi xi xi
ªy y º
y, llamando paso hi a la diferencia xi+1-xi y operando, se puede llegar a
hi « i i 1 » E1 I 1 E1 ,
¬2 2 ¼
I

ERROR DE REGLA DE INTEGRACIÓN DE LOS TRAPECIOS
f ( 2 ) ([ ) f ( 2 ) ([ )
³ H ( x)dx ³ ³ ( x x )( x x
El error de interpolación es
( x xi )( x xi 1 ) dx
xb xi 1 xi 1
E1 1 i i 1 ) dx
2! 2!
[ ( xi ; xi 1 ).
xa xi xi f(x)
siendo
P1(x)
x xi t ( 1)
Se propone hacer un cambio de variable mediante
(x-xi) (x-xi+1)
xi 1 xi 1 ( 1) , X
Xi Xi+1
x xi h (t 1) / 2
Definiendo h=xb-xa, es posible despejar,
x xi 1 h(t 1) / 2
t
dx ( h / 2) dt
Así se puede hallar -1 1
³ ( x xi )( x xi1 )dx ³1 2 2 2 dt ³ (t 1)dt

h(t 1) h(t 1) h
h 3
xi 1 1 3 1
h 2 1
1
xi
8 6
de manera que, sustituyéndola en (5), se obtiene
f ( 2 ) ([) § 1 · 3
¨ h h f ([)
1 3 ( 2)
2! © 6 ¹̧ para cierto punto [ (xa, xb).
E1
12

REGLA DE INTEGRACIÓN DE LOS TRAPECIOS MÚLTIPLES
³ f ( x)dx .
y
Se busca I R,
Xn
I f(x)
X0
P1(x)
en subintervalos [x0; x1], [x1; x2], }, [xn-1; xn]. Así

Se divide el intervalo [x0; xn]
³ f ( x) dx ³ f ( x)dx ³ f ( x) dx .
X1 X2 Xn
I x
X0 X1 X n 1 xn x0
y 0 y1 y1 y 2 y n1 y n
En cada uno de los n subintervalos se aplica la regla de los trapecios, se aplica trapecios simple
E1 (h0 ) h1 E1 (h1 ) .............. hn 1 E1 (hn 1 ) .
3 3 3
I h0
2 2 2
Si todos los intervalos tienen igual longitud hi=h, esa fórmula se simplifica y se tiene la regla de
trapecios múltiple:
h « ¦ y i n » E 1M ¦
ª y 0 n 1 y º hª n 1
º
« n » E 1M ,
¬2 i1 2¼ 2¬ ¼
I y 0 2 y i y
i 1
donde E1M es el error total que se acumula al sumar los n errores provenientes de la aplicación de
xn x0 h 2 f ( 2) ([ )
la regla en cada subintervalo, y está dado por
E1M
12
EJEMPLO DE LA REGLA DE INTEGRACIÓN DE LOS TRAPECIOS MÚLTIPLES
³ sen(x)dx cuyo resultado exacto es I = -cos x

S
S
= cos 0 cos S = 2
I
Se busca resolver 0
I ³ sen( x )dx ¦
h ª º
0
S n 1

§2 « 0 n» S ,
h
¬ ¼
y 2 y i y
0 i 1 2
donde yi = sen (xi), i=0,},n.
X Y=sen(x) h1 = ʌ h2 = ʌ/2 h3 = ʌ/4
0 0 1 1 1
ʌ/4 2/2 0 0 2
ʌ/2 1 0 2 2
3ʌ/4 2/2 0 0 2
ʌ 0 1 1 1
0 S1 S2 S3
Es fácil concluir que la mejor aproximación es I3.

Los errores cometidos por cada aplicación de la regla son, respectivamente O(h13), O(h22) y
O(h32).

³0 sen(x)dx
S
I
Extrapolación de Richardson para el ejemplo
A partir de dos valores aproximados de la Integral, obtenidos con la misma Regla y pasos
distintos, es posible encontrar un valor mejorado mediante Extrapolación de Richardson.
E I ( h 2 ) I( h 1 ) § h1 ·
E ¨¨ ¸¸
n
E 1 © h2 ¹
I
con

³ sin(2x) dx
1
3S / 2 3S / 2
Ejemplo 2 Regla de Integración de los Trapecios Múltiples Int cos(2 x) 1

0
2 0
n 16 n 8 n 4 n 2 n 1
h 0,294524311 h 0,58905 h 1,1781 h 2,35619 h 4,7124
w w* Sin(2x) w w* Sin(2x) w w* Sin(2x) w w* Sin(2x) w w* Sin(2x)
1 0 1 0 1 0 1 0 1 0
2 1,111140466
2 1,847759065 2 1,84776
2 1,961570561
2 1,414213562 2 1,41421 2 1,4142
2 0,390180644
2 -0,765366865 2 -0,7654
2 -1,662939225
2 -2 2 -2 2 -2 2 -2
2 -1,662939225
2 -0,765366865 2 -0,7654
2 0,390180644
2 1,414213562 2 1,41421 2 1,4142
2 1,961570561
2 1,847759065 2 1,84776
2 1,111140466
1 2,1439E-15 1 2,1E-15 1 2E-15 1 2,1E-15 1 2E-15
Integral 0,970916536 0,88157 0,488 -2,3562 5E-15
h 0,294524311 0,58905 1,1781 2,35619 4,7124
1,50000 1,50000 1,50000 1,50000
1,00000 1,00000 1,00000 1,00000
0,50000 0,50000 0,50000

0,50000
0,00000 0,00000 0,00000

0,00000
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
0 1 2 3 4 5 -0,50000 -0,50000
-0,50000 -0,50000
seno(2*x) seno(2*x) -1,00000 seno(2*x)
-1,00000 -1,00000 seno(2*x)
-1,00000 Forma discreta Forma discreta
Forma discreta Forma discreta
-1,50000 -1,50000
-1,50000 -1,50000

³ sin(2x) dx
1
3S / 2 3S / 2
Extrapolación de Richardson para el ejemplo Int cos(2 x) 1

2
E I( h 2 ) I( h 1 ) § h1 ·
0 0
E ¨¨ ¸¸
n
E 1 © h2 ¹
I
con
Y la extrapolación de Richardson sucesiva (Método de Romberg) resulta:

n Orden h^2 h^4 h^6 h^8
Intervalos Paso h I(h^2) I(h^4) I(h^6) I(h^8) I(h^10)
16 0,29452 0,97092
8 0,58905 0,88157 1,00069753
4 1,1781 0,48798 1,01277013 0,999892687
2 2,35619 -2,3562 1,43604331 0,98455192 1,000136191
1 4,71239 5,1E-15 -3,14159265 1,741219036 0,972541331 1,00024441
1,50000 1,50000 1,50000 1,50000
1,00000 1,00000 1,00000 1,00000
0,50000 0,50000 0,50000

0,50000
0,00000 0,00000 0,00000

0,00000
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
0 1 2 3 4 5 -0,50000 -0,50000
-0,50000 -0,50000
seno(2*x) seno(2*x) -1,00000 seno(2*x)
-1,00000 -1,00000 seno(2*x)
-1,00000 Forma discreta Forma discreta
Forma discreta Forma discreta
-1,50000 -1,50000
-1,50000 -1,50000

REGLA DE INTEGRACIÓN DE SIMPSON

Es una cuadratura de Newton ! Cotes con n = 2, es decir con tres puntos. Se interpola mediante un
polinomio de Lagrange de grado dos y luego se integra en forma aproximada ese polinomio.
³ f ( x)dx ,
X2
I f(x)
X0
Si f(x) =¦Yi li(x) + E2(x), con i = 0,1,2,

x x1 x x 2 x x0 x x2 x x 0 x x1
X
X0 X1 X2
x 0 x1 x 0 x 2 x1 x 0 x1 x 2 x 2 x 0 x 2 x1
l 0 ( x) l1 ( x ) l 2 ( x) l0(x)
H 2 ( x) x x 0 x x1 x x 2
( 3)
f
¦yZ
X
³ l ( x)dx, i ³H
3"
Zi
2 x2 x2 X0 X1 X2
I2 i i i 0,1,2. E 2 2 ( x) dx l1(x)
i 0 x0 x0
Entonces, si los intervalos son iguales (h1= h2 = h), se tiene:

X
ª1 1 º h5 ( 4)
X0 X1 X2
h « y0 y1 y2 » f ([ )
l2(x)
4
¬3 3 ¼ 90
I
3 X
X0 X1 X2

INTEGRACIÓN DE GAUSS LEGENDRE
³ h ³ G (t ) dt h¨ ¦ Z i G (t i ) R h¦ Z i G (t i ) E
§ n ·
Se busca resolver la
b 1 n
©i 0 ¹̧
I f ( x) dx
1
ba ba
a i 0
G (t ) f (c ( ) t) x c( )t
El problema se resuelve en el dominio unitario >-1, 1@,

2 2
mediante Mapeo o Cambio de variables conveniente.
³ G(t)dt Z1G ( t 1 ) Z 2 G ( t 2 ) R
1
1
Z1, Z2, t1, t2 deben ser tales que el error de integración sea R = 0 a c b
para polinomios de hasta 3º grado. Comparando los resultados
exactos de la integral con el resultado propuesto por la regla, se
tiene:
³ 1dt 2 1Z1 1Z 2
1
ª § 3· § 3 ·º
1
³ tdt Z1 Z2 ¨
h «G ¨ ¸ G¨¨ ¸» E
¸ ¸
t1Z1 t 2 Z 2
1
«¬ © 3 ¹ © 3 ¹»¼
0 1
1
I
t1
³
3
t1 Z1 t 2 Z 2
1
2 t2
t 2 dt
2 2 3
1
3
³ t dt t13Z1 t 2 3Z 2
1
3
0
1

Integración de Gauss Legendre. Generalización.
³ G(t )dt ¦ Z G(t ) R

Se busca resolver la
1 n
i i
1 i 0
En una regla de n+1 puntos existen 2n+2 coeficientes a determinar, que son los (n+1) wk y las (n+1) abscisas
tk. Se exige que la regla de integración sea exacta cuando integra polinomios de hasta grado 2n+1. Dada una
función polinómica G(t) de hasta grado (2n+1), existen polinomios Cn(t) y rn(t) de grado menor o igual a n,
tales que
G(t)= Cn(t) pn+1(t )+ rn(t)
Siendo pn+1(t ) un polinomio de grado (n+1), que en particular puede ser un polinomio de Legendre. Así es
posible expresar la integral
³ G (t ) dt ³ (C (t ) p n 1 (t ) rn (t )) dt ³C (t ) p n 1 (t )dt ³ rn (t ) dt ³ r (t ) dt ¦ w
1 1 1 1 1
I n n n k rn (t k )
1 1 1 1 1 k 0, n
Ya que cualquier polinomio de grado n es ortogonal al polinomio de Legendre de grado n+1 en el

dominio [-1,1]. Para elegir las abscisas tk, es posible elegir las (n+1) raíces del polinomio de Legendre
pn+1(t) de grado (n+1), que se las denomina tr, y en las que se verifica que
G(tr)= Cn(tr) pn+1(tr )+ rn(tr)= rn(tr)
Así la integral resulta
³ G (t ) dt ³ r (t ) dt ¦ w ¦w
1 1
I n k rn (t k ) k G (t k )
1 1 k 0, n k 0, n

Para calcular los wk,

Es posible plantear una interpolación del polinomio de grado n rn(t), con polinomios de Lagrange,
tomando como abscisas conocidos las (n+1) raíces tk del polinomio de Legendre de grado (n+1)
rn(t)= rn(t0) l0(t) + rn(t1) l1(t) + rn(t2) l2(t) +.... rn(tn) ln(t)
o bien considerando que G(tr)= rn(tr)
rn(t)= G(t0) l0(t) + G(t1) l1(t) + G(t2) l2(t) +.... G(tn) ln(t)
³1 ¬k¦0, n k k »¼dt ¦

ª º ª1 º
³ G (t ) dt ³ r (t ) dt « « ³ »
1 1 1
k 0 , n ¬ 1 ¼
I n G ( t ) l ( t ) G ( t )l
k k ( t ) dt
1 1
¦« k ³ k » ¦ wk G(tk )
ª º
³ ³ l (t ) dt
1 1 1
k 0, n ¬ ¼
I G (t ) dt G (t ) l (t ) dt Con wk
1 1
k
k 0, n 1
Es decir que los coeficientes wk son las integrales de los polinomios de Lagrange de grado n+1, definidos por
las (n+1) raíces tk de los polinomios de Legendre de grado n+1. Así resulta,
³ G (t ) dt ¦ w ³ l (t ) dt
1 Siendo Y (tr )raíces del
1
I G (t k ) Polinomio de
k
1
wk k Legendre pn+1(tr )=0
1
k 0, n
Se toma (n+1) puntos de Gauss (raices del polinomio de grado n+1),

y se puede integrar en forma exacta hasta polinomios de grado (2n+1)
(n+1)Puntos de Gauss 1 2 3 4
Grado exacto 1 3 5 7

DERIVACIÓN NUMÉRICA
Planteo de Problema
Derivadas a partir de Interpolación con Polinomios de Newton

Derivada Primera
Derivada Segunda
Derivadas a partir de Serie de Taylor
Derivada Primera
Derivada Segunda
Extrapolación de Richardson
Ejemplos
Dr. Ing. A.Mirasso Derivación Numérica Año 2014 1 de 8

El propósito es abordar el cálculo de derivadas de distinto orden de funciones discretas.
Supuestos
La función y = f(x): R ĺ R, no singular, continua, es conocida en forma
f(x) se conoce en todo x [x0;xn].

Discreta Analítica
f(x) se conoce en xi, con i = 0,1,2,...,n
y y
f(x) f(x)
x x
x0 xi xn x0 xi xn
Hipótesis
¦ ck f ( xk ) ¦ ck y k
Es posible calcular la derivada n-ésima de la y=f(x) evaluada en Xj como una suma:
cT y
d n ( f ( x )) & &
D
dx n Xj k 0, N k 0, N
,
Donde los coeficientes ck son valores particulares para cada regla de derivación y los yk=f(xk) son los valores
de la función discreta.

Si f(x) está dada en forma discreta es posible interpolar f(x) colocando un polinomio Pn(x),
de grado n, por los (n+1) puntos datos.
Si f(x) está dada en forma analítica se pueden "extraer" esos (n+1) puntos, para la versión discreta de
f ( n1) ([ )
la función f(x).
Es posible expresar: f(x) = Pn(x) + (n 1)! ( x x0 )( x x1 )........( x xn )

suma del Polinomio de Interpolación mas la función Error de Interpolación.
y
f(x)
Pn(x)
E(x)
x
xi xn
¦ ck f ( xk ) E n ¦ ck y k E n
Resulta posible
x0
c T y En
d n ( f ( x)) & &
D
dx n Xj k 0, N k 0, N

Si f(x) está dada en forma discreta con (n+1) puntos, es posible interpolar f(x) colocando un
f ( n1) ([ )
polinomio de grado n. A partir de
( x x0 )( x x1 )........( x xn )
f(x) = Pn(x) + (n 1)!
d n Pn ( x ) H n ( x )
Es posible obtener derivadas hasta de grado n, y evaluarlas en cualquier punto Xj, de la forma:
d n ( f ( x )) y
D
dx n dx n
Pn ( x ) d H n ( x )
Xj Xj
f(x)

n n
d
D Pn(x)
dx n dx n

Xj Xj
D Dn En
Pn ( x )
Resultando
¦c ¦c
E(x)
x
f ( xk ) yk cT y
n
d & &
Dn k k xi xn
dx n
x0
§ f ( n 1) ([ )
k 0,N k 0,N
·
Xj
d ¨¨ ( x x 0 ) ( x x n ) ¸¸
d n H n ( x ) © ( n 1)! ¹
n
con el Error de Derivación dado por E n dx n dx n

Xj
Pregunta: ¿Qué cantidad de puntos se necesita para evaluar una derivada primera?, ¿y para una
derivada segunda?
DERIVADA PRIMERA
Si f(x) está dada en forma discreta con 2 puntos (x0;y0), (x1;y1) es posible interpolar f(x)
f ( 2 ) ([ )
colocando un polinomio de grado 1, usando polinomios de Newton, en la forma:
f ( x ) a0 a1 ( x x0 ) ( x x0 ) ( x x1 )
P1(x)
y
( 2)!
f(x)
f ( 2 ) ([ ) d (( x x0 ) ( x x1 ))
La derivada primera de f(x) es
a1
d ( f ( x ))
dx ( 2)! dx
f ( 2 ) ([ )
a1 [( x x1 ) ( x x0 )]
d ( f ( x )) x
dx ( 2)! x0 x1
y
n0(x)
Cuando se evalúa la derivada primera de f(x) en x0 y en x1 se obtienen: 1
n1(x)
f ( 2 ) ([ ) y1 y 0
Derivada Primera Adelante
a1 'x con a1 y 'x x1 x0

x
d ( f ( x ))
'x
x0 x1
dx X X0 ( 2)!
f ( 2 ) ([ ) y1 y 0
Derivada Primera Atrás
a1 'x con a1 y 'x x1 x0

d ( f ( x ))
dx X X1 ( 2)! 'x
Derivada Primera es constante en el intervalo; y el Error es lineal.
DERIVADA SEGUNDA
Si f(x) está dada en forma discreta con 3 puntos (x0;y0), (x1;y1) es posible interpolar f(x)
f ( 3) ([ )
colocando un polinomio de grado 2, usando polinomios de Newton, en la forma:
f ( x ) a0 a1 ( x x0 ) a 2 ( x x0 ) ( x x1 ) ( x x0 ) ( x x1 ) ( x x2 )
(3)!
f ( 3) ([ ) d 2 (( x x0 ) ( x x1 ) ( x x2 ))
La derivada segunda de f(x) es y
2a 2
f(x)
d 2 ( f ( x ))
dx 2
(3)! dx 2 Pn(x)
y 2 y1 y1 y 0

x 2 x1 x1 x 0 1 y 2 y1 y1 y 0
x

x2 x0 2'x 'x 'x
2a 2 2 xn
Con 2 n 2 (x)
y n1(x)
Con lo que la derivadas segunda es
( y 0 2 y1 y 2 ) E D ( x )
d 2 ( f ( x )) 1 n0(x)
dx 2
'x 2
f ( 3) ([ ) d 2 (( x x0 ) ( x x1 ) ( x x2 ))
x

x0 x1 x2
E D ( x)
(3)! dx 2
Derivada Primera es constante en el intervalo; y el Error es lineal.
¿El error será igual a cero en alguno de los puntos datos?
DERIVADA PRIMERA EN BASE A SERIE DE TAYLOR
Si f(x) está dada en forma discreta con 2 puntos (xs;ys), (xs+1;y s+1) es posible considerar el
desarrollo de Serie de Taylor de y s+1=f(x s+1) alrededor de xs

en la forma: P1(x)
h 4 cv
f s h f sc f scc f sccc f s O h5
y
h2 h3 f(x)
f s 1 ,
2! 3! 4!
de donde se puede despejar la derivada primera en xs
ys+1
ys
x
xs xs+1
f xs nh f xs n h f c xs
nh f cc xs nh f ccc xs nh
2

3

4
f cv xs
O h5
2! 3! 4!
DERIVADA SEGUNDA EN BASE A SERIE DE TAYLOR
Si f(x) está dada en forma discreta con 3 puntos (xs-1;y s-1) (xs;ys), (xs+1;y s+1) es posible
considerar el desarrollo de Serie de Taylor de y s±1=f(x s±1) alrededor de xs
en la forma:
h 4 cv
y
f s h f sc f scc f sccc
h2 h3 f(x)
f s 1 f s ...... ,
2! 3! 4!
h 4 cv
f s h f sc f scc f sccc
P2(x)
h2 h3
f s 1 f s .....
>D f s 1 E f s J f s 1 @
2! 3! 4! x
y con ello se puede plantear en xs la derivada segunda de f(x) como
xs-1 xs xs+1
fs ''
f xs nh f xs n h f c xs
nh f cc xs nh f ccc xs nh
2

3

4
f cv xs
O h5
2! 3! 4!

SOLUCIÓN NUMÉRCIA DE ECUACIONES DIFERENCIALES CON VALORES DE

CONTORNO
Ecuaciones diferenciales: una clasificación
Ecuaciones Diferenciales Ordinarias Orden Superior

Problema de Valores de Contorno
Obtención de Sistemas de Ecuaciones Lineales No Homogeneos
Obtención de Sistemas de Valores y vectores propios
Problema de Valores Iniciales
Ecuaciones Diferenciales a Derivadas Parciales
Ejemplos
Resumen
Dr. Ing. A.Mirasso Ec.Dif. con Valores de Contorno Año 2014 1 de 14

SOLUCIÓN NUMÉRCIA DE ECUACIONES DIFERENCIALES ORDINARIAS

Se busca obtener una solución aproximada en forma discreta
Clasificación de EDO
Primer orden u(t)

Siempre son de valor inicial
A u (t ) 0, A R,
du (t ) u0
dt
u (t0 ) U 0 , u(t)
U1
U2 U3 t
La solución discreta es tal que aproxima a la
Uk # u(tk)
solución exacta del problema t0 t1 t2 t3

SOLUCIÓN NUMÉRCIA DE ECUACIONES DIFERENCIALES ORDINARIAS

Se busca obtener una solución aproximada en forma discreta
Orden Superior
Pueden ser
de valores iniciales de valores de contorno
u (t ) 0,
^x H R : 0 d x d 1`
d 2 u (t ) g
u ( x) x en :
dt 2
L d 2 u ( x)
2
0
du (t ) dx
u (t 0 ) u 0 , v0 u (0) 0 u (1) 0
dt t 0
u(t) U(x)
u0
U1 U2 U1 U2 U4
U3 t U0 U3 X
X1 X2 X=3
t1 t2 t3 X=1
Uk # u(tk) Uk # u(xk)
La solución discreta es tal que aproxima a la solución exacta del problema

DISCRETIZACIÓN DE ECUACIONES DIFERENCIALES ORDINARIAS
Se busca u(x) solución de

d 2 u ( x)
2
u ( x) x 0 en : ^x H R : 0 d x d 1`
dx
u ( 0) 0
u (1) 0
se plantea encontrar una solución aproximada en forma de función discreta, sólo en algunos
puntos elegidos del dominio : , equidistantes entre sí, identificados con su abscisa Xk.
Es decir, se busca U(Xk)=Uk con k=0,N; función discreta que es una aproximación de la función
continua u(x).
U(x)
U1 U2 U4
U0 U3 X
X=0,25 X=0,5 X=0,75 X=1

Se busca la función discreta U(Xk)=Uk con k=0,N;

que es una aproximación de la función continua u(x).
^x H R : 0 d x d 1`
U(x)
u ( x) x en :
d 2 u ( x)
0
dx 2
u (0) 0 U1 U2 U4
U0 U3 X
u (1) 0
X=0,25 X=0,5 X=0,75 X=1
Se divide el dominio : en N segmentos iguales

En cada uno de los Xk se puede plantear la ecuación diferencial a resolver pero con una
aproximación de la derivada segunda en forma de derivada numérica

1
>U k 1 2 U k U k 1 @ U k X k 1, ( N 1)
'x 2
0 en X k con k
De estas ecuaciones se pueden plantear tantas como puntos interiores; es decir N-1 ecuaciones y
se tienen N+1 incógnitas.
Además se tienen las dos ecuaciones correspondientes a las Condiciones de Contorno, que
agregan dos ecuaciones más.
Así se tienen N+1 ecuaciones con N+1 incógnitas.


d 2 u ( x)
u ( x) x 0 en : ^x H R : 0 d x d 1` U(x)
dx 2
u (0) 0
u (1) 0 U1 U2 U4
U0 U3 X
X=0,25 X=0,5 X=0,75 X=1
Si se consideran 5 puntos en todo el dominio, que son 3 en el interior y uno en cada uno de los bordes, es posible plantear
en X0 se debe cumplir que: U0 0
en X1 se debe cumplir que:

1
>U 0 2 U1 U 2 @ U1 X 1 0
0,252

1
>U1 2 U 2 U 3 @ U 2 X 2 0
0,252

1
>U 2 2 U 3 U 4 @ U 3 X 3 0
0,25 2
en X4 se debe cumplir que: U4 0
ª § 2 1 0 · §1 0 0 ·º U1 ½ ª32 1 16 0 º U1 ½ 0,25½

O bien en forma de sistema de ecuaciones lineales
« 1 ¨ ¸ ¨ ¸» ° ° « 16 32 1 16 » °U ° ° °
« 0,252 ¨ 1 2 1¸ ¨ 0 1 0 ¸» ®U 2 ¾ « » ® 2¾ ® 0,5 ¾
«¬ ¨ 0 1 2 ¸¹ ¨© 0 0 1 ¸¹»¼ °̄U 3 °¿ «¬ 0 16 32 1»¼ °̄U 3 °¿ °̄0,75°
© ¿
U 1 ½ 0,03488525½
° ° ° °
La solución aproximada resulta ®U 2 ¾ ®0,05632582¾
°̄U ° °̄0,05003676°
3¿ ¿

d 2 u ( x)
u ( x) x 0 en : ^x H R : 0 d x d 1` U(x)
dx 2
u (0) 0
u (1) 0 U1 U2 U4
U0 U3 X
X=0,25 X=0,5 X=0,75 X=1
U 0 ½ ½
La solución aproximada completa, que incluye las condiciones de borde es:
°U ° °0,03488525 °
0
°° 1 °° °° °°
®U 2 ¾ ®0,05632582 ¾
°U ° °0,05003676 °
° 3° ° °
°¯U 4 °¿ °¯ 0 °¿
U 0(1) ½ ª 3 4 1 0 0º ½
Justificar que con la solución obtenida una aproximación de la función derivada primera de esta solución se puede calcular mediante:
° (1) ° « 1 0 0» °0,03488525 °°
» °
0
°°U 1 °° « 1 0
° °
®U 2 ¾ « 0 1 0 0» ®0,05632582 ¾
1
°U (1) ° (2 * 0,25) « »
1» °0,05003676 °
(1)
1
«0 0 1 0
° 3 ° ° °
°¯U 4(1) °¿ «¬ 0 0 1 4 3»¼ °¯ 0 °¿

Caso N=2
>U 0 2 U 1 U 2 @ U 1 X 1
U0 0 en X 0

1 U(x)
0 en X 1
0,5 2
U1 0 en X 1
U1 U1
U0 X
O bien
9 U 1 0,5 0X=0,5 X=1
La solución aproximada es
U1 1 / 18 0,055555
Así el error respecto de la solución exacta en ese punto es
(0,5
1 senh(0,5)
E2 ) 0,001035002
18 senh(1)
(0,5 ) /(0,5
1 senh(0,5) senh(0,5)
E (abs ) 2 ) 1,83%
18 senh(1) senh(1)

Caso N=4
>U 0 2 U 1 U 2 @ U 1 X 1 0
U0 0 en X 0

1 U(x)
en X 1 0,25
>U 1 2 U 2 U 3 @ U 2 X 2 0
0,5 2

1
en X 2 0,5
U1 U2 U4
>U 2 2 U 3 U 4 @ U 3 X 3 0
0,5 2 U0 U3 X

1
en X 3 0,75 X=0,2 X=0,5 X=0,7 X=1
0,5 2
U4 0 en X 4
O bien
ª 33 16 0 º U 1 ½ 0,25½
« 16 33 16» °U ° ° °
« » ® 2¾ ® 0,5 ¾
«¬ 0 16 33 »¼ °̄U 3 °¿ °̄0,75°
¿
U 1 ½ 0,03488525½
° ° ° °
®U 2 ¾ ®0,05632582¾
°̄U ° °̄0,05003676°
3¿ ¿
U 2 (0,5
senh(0,5)
E4 ) 0,000264735
senh(1)
U 2 (0,5 ) /(0,5
senh(0,5) senh(0,5)
E (abs ) 4 ) 0,47%
senh(1) senh(1)

Caso N=8
U0 0 en X 0 0

1
>U 0 2 U 1 U 2 @ U 1 X 1 0 en X 1 1 / 8
(1 / 8) 2

1
>U 1 2 U 2 U 3 @ U 2 X 2 0 en X 2 2 / 8
(1 / 8) 2

1
>U 2 2 U 3 U 4 @ U 3 X 3 0 en X 3 3 / 8
(1 / 8) 2
……….
U8 0 en X 8 1
O bien
ª 129 64 º U1 ½ 1 / 8 ½
« 64 129 64 » °U ° °2 / 8°
0 0 0 0 0
« 0 0 0 0 » ° 2° ° °
« 0 64 129 64 » °U 3 ° °3 / 8 °
« » ° ° ° °
0 0 0
« 0 64 129 64 » °U 4 ° °4 / 8°
« 0 » ®U 5 ¾ ® ¾
0 0 0
64 129 64
« » ° ° °5 / 8 °
» °U 6 ° °6 / 8 °
0 0 0
« 0 64 129 64
« 0 » °U ° ° °
0 0 0
64 129
« » ° 7° °7 / 8°
»¼ °¯ °¿ ° °
0 0 0 0
¬« ¯ ¿
^0,0183367; 0,03500678; 0,04831759; 0,05652399; 0,05780107; 0,05021568; 0,03169615`

UT
U 4 (0,5
senh(0,5)
E8 ) 6,65711E - 05
senh(1)
U 4 (0,5 ) /(0,5
senh(0,5) senh(0,5)
E (abs ) 8 ) 0,12%
senh(1) senh(1)

Evaluación del Error

Al considerar el error para distintos niveles de disicretización; es decir, distinto número de
segmentos en que se divide el dominio, se tiene
(0,5 (0,5 ) /(0,5
senh(0,5) senh(0,5) senh(0,5)
E NU N /2 ) y E (abs ) U N N /2 )
senh(1) senh(1) senh(1)
N 'x
Cuyas evaluaciones se presentan en la siguiente Tabla
Uaprox(0,5) EN E(abs)N
2 0,5 0,05555556 0,001035002 1,83%
4 0,25 0,05632582 0,000264735 0,47%
8 0,125 0,05652399 6,65711E-05 0,12%
Si se asume una relación exponencial entre E(abs) N y 'x, la aproximación por mínimos
16 0,0625 0,05657389 1,66672E-05 0,03%
C 'x P e 2, 6168 'x 1,9861

cuadrados da:
E (abs ) N
Que indica una relación del orden de 'x # 'x que es el error de truncamiento local de la
1, 9861 2
aproximación de derivada segunda utilizado.

DISCRETIZACIÓN DE ECUACIONES DIFERENCIALES A DERIVADAS PARCIALES
Se busca u(x,t) solución de

12
w 2 u ( x, t )
x 2 w u ( x, t )
0 en : ^x H R :0 d x d 1`
2
wx 2 wt 2
u (0, t ) 0 u ( x,0) sin(S x)
wu
wt
u (1, t ) 0 ( x,0) 3
Se plantea encontrar una solución aproximada en forma de función discreta en la variable x,

aunque continua en la variable t. Se pretende encontrar las funciones Uk(t)=u(Xk,t) con k=0,N,
en N+1 puntos elegidos del dominio x, identificados con su abscisa Xk.
u(x,t)
Cuando se consideran derivadas parciales U1(t) U2(t) U3(t)
respecto a la variable x, para t constante, la
U0(t) U4(t)
función a derivar es una función discreta y 0,25 0,5 0,75 X
se puede hacer derivadas numéricas. X=1
Cuando se consideran derivadas parciales

respecto a la variable t, para x constante, la
función a derivar es una función continua y t
se puede hacer derivadas analíticas.


w 2 u ( x, t ) 2 w u ( x, t )
^x H R :0 d x d 1`
u(x,t)
12 x 0 en :
2
wx 2 wt 2
U1(t) U2(t) U3(t)
u (0, t ) 0 u ( x,0) sin(S x) U4(t)
wu
U0(t) 0,25 0,5 0,75 X
wt
u (1, t ) 0 ( x,0) 3 X=1
En cada uno de los Xk se puede plantear la

ecuación diferencial a resolver pero con
una aproximación de la derivada segunda t
respecto a x en forma de derivada
numérica; y con la derivada respecto de la variable t en forma analítica evaluada en esa abscisa
Xk. Así se puede escribir:
en X0 se debe cumplir que: U 0 (t ) 0
>U 0 (t ) 2 U 1 (t ) U 2 (t )@ ( X 1 ) 2
2
12 2 d U 1 (t )
en X1 se debe cumplir que: 0
0,25 2 dt
>U 1 (t ) 2 U 2 (t ) U 3 (t )@ ( X 2 )
2
12 2 d U 2 (t )
0,25 2 dt 2
>U 2 (t ) 2 U 3 (t ) U 4 (t )@ ( X 3 )
2
12 2 d U 3 (t )
0,25 2 dt 2
en X4 se debe cumplir que: U 4 (t ) 0


w 2 u ( x, t ) 2 w u ( x, t )
^x H R :0 d x d 1`
u(x,t)
12 x 0 en :
2
wx 2 wt 2
U1(t) U2(t) U3(t)
u (0, t ) 0 u ( x,0) sin(S x) U4(t)
wu
U0(t) 0,25 0,5 0,75 X
wt
u (1, t ) 0 ( x,0) 3 X=1
Así se puede escribir:
d 2U 1 (t ) ½
° °
ª 2 1 0 º U 1 (t ) ½ ª0,25 0 º ° 2dt ° 0½
° ° « » ° d U 2 (t ) ° ° °
2
12 «
1 2 1»» ®U 2 (t )¾ « 0
2
0
2 «
0 »® ¾ ®0¾
«¬ 0 1 2 »¼ °̄U 3 (t ) °¿ «¬ 0 2 »° dt 2 ° °̄0°
0,50 2
0,75 ¼ d 2U (t )
° ° ¿
0,25
0
° dt 2 °
¯ ¿
3
dU 1 ½
° ( 0) °
U 1 (0) ½ sen(S 0,25)½ ° dt °° °3½°
° ° ° ° ° dU 2
con las condiciones iniciales ®U 2 (0)¾ ®sen(S 0,50) ¾ y ® (0)¾ ®3¾
°̄U (0) ° °̄sen(S 0,75) ° ° dt ° °̄3°
¿ ¿ ° dU 3 ¿
( 0) °
°¯ dt °¿
3
Este sistema se puede resolver con métodos analíticos o con métodos numéricos.

SOLUCIÓN NUMÉRCIA DE ECUACIONES DIFERENCIALES CON VALORES INICIALES
Ecuaciones Diferenciales Ordinarias de Primer Orden

Método de Euler
Método de Runge Kutta de 2do Orden
Sistemas de Ecuaciones Diferenciales Ordinarias de Primer Orden

Ecuaciones Diferenciales Ordinarias de Segundo Orden
Reducción a Sistemas de primer orden
Sistemas de Ecuaciones Diferenciales Ordinarias de Segundo Orden

Método de Diferencia Central
Ejemplos
Resumen

ECUACIONES DIFERENCIALES ORDINARIAS DE PRIMER ORDEN
du (t ) du (t )
Se busca obtener una solución aproximada en forma discreta de la siguiente EDO
° ° A u (t )
® dt ® dt
f (t , u (t )) u(t)
°̄ u (t 0 ) U 0 °̄ u (t 0 ) U 0 u(t)
Forma genércia. Ejemplo u0
uk # u(tk)
La solución discreta es tal que aproxima a la solución u1
exacta del problema
u2 u3 t
t0 t1 t2 t3
Solución en base a Serie de Taylor
' t d 2u
u (tk 't ) u (tk ) 't ..........
du
en tk se conoce uk y sus derivadas
dt tk 2 dt 2 tk
Métodos basados en Derivación Numérica

(u n1 u n ) O('t ) (u n 1 u n ) O('t )
du (t ) 1 du (t ) 1
se consideran aproximaciones dt
tn 't dt tn 1 't
(u n 1 u n 1 ) O('t 2 )
du (t ) 1
dt tn 't
Métodos basados en Integración Numérica
³ du ³ ub ua ¦w f (tk , uk ) O('t p )
ub b
NP
se considera la integral definida f (t , u (t )) dt k
ua a k 1

ECUACIONES DIFERENCIALES ORDINARIAS DE PRIMER ORDEN

Se busca obtener una solución aproximada en
u(t)
du (t ) du (t )
forma discreta de la siguiente EDO
° ° A u (t )
u(t)
® dt ® dt
f (t , u (t ))
°̄ u (t 0 ) U 0 °̄ u (t 0 ) U 0
u0
u1 u2 u3 t
Solución en base a Serie de Taylor
t0 t1 t2 t3
't 2 d 2u
u (t k 't ) u (t k ) 't ..........
du
dt tk 2 dt 2 t
wf (t , u (t )) wf (t , u (t )) du
k

du (t ) d 2 u (t )
wt wu
en tk se conoce uk y f (t k , u (t k )) f (t k , u k ) fk
dt tk dt 2 tk dt tk
u (t k 't ) u (t k ) 't f (t k , u k ) O('t 2 )

Solución de Primer Orden
't 2 § wf (t , u (t )) wf (t , u (t )) du ·
Solución de Segundo Orden
u (t k 't ) u (t k ) 't ¨ O('t 3 )

du
dt tk 2 © wt wu dt ¹̧ tk

EDO DE PRIMER ORDEN-MÉTODO DE EULER
du (t )
Se busca obtener una solución aproximada de la EDO
°
® dt
f (t , u (t ))
°̄ u (t 0 ) U 0
(u n1 u n ) O('t )
du (t ) 1 u(t)
EULER Adelante considera que dt tn 't un+1
du (t )
f (t n , u n ) 't fn
dt tn u(t)
un 't f (t n , un ) O('t 2 )
un
un1
t n 't
un
t n1 EXPLÍCITO t
(u n 1 u n ) O('t )
du (t ) 1
't
tn tn+1
EULER Atrás considera que dt tn 1
du (t )
f (t n 1 , u n 1 )
dt tn 1
un1 un 't f (tn1 , un1 ) O('t 2 )

tn1 tn 't IMPLÍCITO

MÉTODO DE EULER ATRÁS -EJEMPLO

La Ecuación diferencial ordinaria de primer orden
2 t y (t ) 2
u(t)
dy (t )
't fn
con y (0) 1 un+1
yex (t ) 1 /(1 t )
dt
2 u(t)
tiene la solución exacta un
Se busca obtener una solución aproximada de la EDO un
mediante el Método de EULER ATRÁS
y m 't f t m1 , y m1

t
Dado (tm, ym),la nueva solución (tm+1, ym+1) se calcula con
y m1 tn tn+1
t m1 t m 't
Obtener una solución aproximada en el intervalo >0,1), con el método de Euler Atrás y el paso 't=0.25
Identificar la función f(t,y).
…………….se debe resolver una ecuación no lineal!!!!!!!!

MÉTODO DE EULER ADELANTE -EJEMPLO

2 t y (t )
u(t)
dy (t )
't fn
con y (0) 1 un+1
yex (t ) 1 /(1 t )
dt tiene la solución
2 u(t)
exacta un
Se busca obtener una solución aproximada de la EDO un
mediante el Método de EULER ADELANTE t
Dado (tm, ym),
't f t m , ym
la nueva solución (tm+1, ym+1) se calcula con tn tn+1
k1
ym1 ym k1
t m1 t m 't
Obtener una solución aproximada en el intervalo >0,1@, con el método de Euler adelante y el paso 't=0.25:
t y k1='t *f(t,y) y(t+'t) yex(t) Error=abs(yex(t)-yn)

0 1
0,25
0,5

MÉTODO DE EULER-EJEMPLO
yex (t ) 6 e 2t
t / 2
dy (t ) y (t ) t
con y (0) 4 tiene la solución exacta
dt 2 2
mediante el Método de EULER (ADELANTE)
u(t)
't fn
Dado (tm, ym), un+1
't f t m , ym
la nueva solución (tm+1, ym+1) se calcula con
u(t)
k1
ym k1
un
ym1 un
t m 't
t
t m1
tn tn+1
t y k1='t *f(t,y) y(t+'t) yex(t) Error=abs(yex(t)-yn)

0 4
0,25
0,5
0,75
1

Método de EULER (ADELANTE) en MATLAB

function Euler_00

y0=4; % Valores Iniciales dy (t ) y (t ) t
t0=0;
dt 2 2
Dt=0.01; % incremento de tiempo
NDt=1000; % cantidad de Dt a realizar con y (0) 4
% Dimensionamiento
t=zeros(NDt,1); % vector para tiempo
Conocido t m , y m
y=zeros(NDt,1); % vector para y(t)
% Inicialización
't f t m , y m
t(1)=t0;
y(1)=y0;
k1
y m k1
% EULER
for j=1:NDt-1
y m 1
t m 't
k1=Dt*(-(1/2)*y(j) + (1/2)*t(j));
y(j+1) = y(j)+k1; t m 1
t(j+1) = t(j)+Dt;
end
% Graficación
figure(1)
plot(t,y(:,1),'b');
end

MÉTODO DE EULER-EJEMPLO
yex (t ) 6 e 2t
t / 2
dy (t ) y (t ) t)
dt 2 2
Con 't=0.01 se obtienen las siguientes gráficas
Solución de EDO
-3
9 x 10
6
y aprox
y exacta
8
5
7
4
6
3
5
2
4
1
3
0
0 1 2 3 4 5 6 7 8 9 10
2
0 1 2 3 4 5 6 7 8 9 10

EDO DE PRIMER ORDEN-MÉTODO DE PUNTO MEDIO
du (t )
°
® dt
f (t , u (t ))
°̄ u (t 0 ) U 0
(u n 1 u n 1 ) O('t 2 )
du (t ) 1
Punto Medio considera que dt tn 2't
du (t )
f (t n , u n ) u(t)
dt tn
un+1 u(t)
2't fn
un
un1 un1 2't f (tn , un ) O('t ) 3
t n 't
un-1
tn1 un-1 t
Método Multipaso tn-1 tn tn+1
Orden del Error es 3

EDO DE PRIMER ORDEN-MÉTODOS DE RUNGE KUTTA DE SEGUNDO ORDEN
Dado (tm, ym) L1
)
y(x) fm E
y m 't ) (t m , y m , 't )
se busca calcular la nueva solución (tm+1, ym+1) G
y m1 fG
t m 't
yG
t m1
b2 't fm
LG Y=Y(x)
ym+1
't )
Siendo
)(tm , ym , 't) a1 f (tm , ym ) a2 f (tG , yG ) )
tG (tm b1 't)
A
ym
yG ( ym b2't fm ) tm tG tm+1 t
b1't
b2 't
't
f (tm , ym )
Se expande en Taylor
f (tG , yG )
wf wf
(b1't) (b2't f m ) O('t 2 )
wt tm wy t
° wf wf ½
m
2 °
't )(tm , ym , 't) 't ®(a1 a2 ) f (tm , ym ) a2 (b1't) a2 (b2 't f m ) O('t )¾
°̄ wt tm wy t °¿
m

)
Dado (tm, ym) fm E
L1
y(x)
y m 't ) (t m , y m , 't )
se busca calcular la nueva solución (tm+1, ym+1) G fG
y m1 yG
t m 't b2 't
LG Y=Y(x)
t m1 ym+1
't
)
)(tm , ym , 't) a1 f (tm , ym ) a2 f (tG , yG )
Siendo
A
ym
tG (tm b1 't) tm+1 t
yG ( ym b2't fm )
tm tG
b1't b2 't
't
° wf wf ½
2 °
't )(tm , ym , 't) 't ®(a1 a2 ) f (tm , ym ) a2 (b1't) a2 (b2't fm ) O('t )¾
°̄ wt tm wy °¿
wf wf
tm
y m 't (a1 a2 ) f (t m , y m ) a2 (b1't 2 ) a2 (b2 't 2 f m ) O ( 't 3 )

wt wy
y m1
tm tm
't 2 § wf (t , u (t )) wf (t , u (t )) du ·
Se compara con la solución por Serie de Taylor
u (t k 't ) u (t k ) 't ¨ O('t 3 )

du
dt tk 2 © wt wu dt ¹̧ tk
Para que las dos Series sean iguales los coeficientes deben ser iguales

a2 Z z 0
L1
)
De comparar las series se obtiene que
a a 1
y(x) fm E
a2 b1 1 / 2 a1 1 Z
1 2 G
fG
yG
a2 b2 1 / 2
o bien
b2 't fm
LG
2Z
1 Y=Y(x)
b1 b2
ym+1
't )
)
Dado (tm, ym)se calcula
y m 't ) (t m , y m , 't )
la nueva solución (tm+1, ym+1) A
ym
y m1
t m1 t m 't tm tG tm+1 t
b1't
b2 't
't f xm , y m
t m 't /( 2Z )
mediante
't
tG
ym
k1
2Z
1
't f tG , yG
yG k1
ym 1 Z k1 Z k2
k2
ym1
t m1 t m 't
·º ½
y m 't ®1 Z f t m , y m Z f «¨ t m f t m , y m » ¾ O('t 3 )
ª§ 't · § 't
que es equivalente ha obtener:
, ¨ ym
¯ ¬© 2Z ¹̧ © 2Z ¹̧¼ ¿
y m1

)
Dado (tm, ym), la nueva solución (tm+1, ym+1) fm
L1
't f xm , y m
E
se calcula con y(x)
G
k1 fG
t m 't /( 2Z )
yG
b2 't fm
LG Y=Y(x
tG
yG y m
ym+1 )
2Z 't
1
)
k1
k 2 't f tG , yG
A
y m 1 Z k1 Z k 2
ym
y m1
t m 't
tm tG tm+1 t
b1't
t m1
Método de EULER MODIFICADO con Z=1 b2 't
't
k1 't f t m , y m
Dado (tm, ym), la nueva solución (tm+1, ym+1) se calcula con
tG t m 't / 2 Y(t) E
y m k1 / 2
L1
't f t G , yG
LC
yG G ll LC
YG
k2 Ym+1
ym k 2 h)
Y=Y(t)
ym+1 B
y m 1
t m 't
Ym A
t m1
t
't 't
tm tG tm+1
/2

MÉTODO DE EULER MODIFICADO

E
y(t) L1
se calcula con Z=1

Dado (tm, ym), la nueva solución (tm+1, ym+1)
k1 't f t m , y m
LC
yG G
y=y(t)
tG t m 't / 2 yexm+1
y m k1 / 2 't )
B ll LC
ym+1
't f t G , yG
yG
A
k2 ym
y m 1 ym k 2
t m1 t m 't
tm tm+1
't/2
tG t
EJEMPLO 't
yex (t ) 6 e t / 2 2 t

dy (t ) y (t ) t
dt 2 2
Se busca obtener una solución aproximada de la EDOmediante el Método de EULER MODIFICADO
t y k1= tg= yg= k2= Y(t+'t)=

't *f(t,y) t + 't /(2w) y+k1/(2w) 't *f(tG,yG) y+(1-w)k1+w*k2
0 4
0,25
0,5
Método de EULER MODIFICADO en MATLAB

function Euler_00

y0=4; % Valores Iniciales dy (t ) y (t ) t
t0=0;
Dt=0.01; % incremento de tiempo dt 2 2
NDt=1000; % cantidad de Dt a realizar con y (0) 4
% Dimensionamiento
t=zeros(NDt,1); % vector para tiempo
't f t m , y m
y=zeros(NDt,1); % vector para y(t)
% Inicialización
t(1)=t0; k1
t m 't / 2
y(1)=y0; w=1
tG
y m k1 / 2
% EULER
't f t G , yG
for j=1:NDt-1
k1=Dt*(-(1/2)*y(j) + (1/2)*t(j));
yG
yg = y(j) + k1/(2*w); k2
ym k 2
tg = t(j) + Dt/(2*w);
y m1
t m 't
k2=Dt*(-(1/2)*yg + (1/2)*tg);
y(j+1) = y(j)+(1-w)*k1+w*k2; t m1
t(j+1) = t(j)+Dt;
end
% Graficación
figure(1)
plot(t,y(:,1),'b');
end
MÉTODO DE EULER-MODIFICADO
yex (t ) 6 e 2t
t / 2
dy (t ) y (t ) t)
dt 2 2
Con 't=0.01 se obtienen las siguientes gráficas
Solución de EDO
-5
9 x 10
1
y aprox
y exacta 0.9
8
0.8
7
0.7
0.6
6
0.5
5 0.4
0.3
4
0.2
3 0.1
0
0 1 2 3 4 5 6 7 8 9 10
2
0 1 2 3 4 5 6 7 8 9 10

)
L1
Dado (tm, ym), la nueva solución (tm+1, ym+1) y(x) fm E
't f xm , y m
G
se calcula con fG
k1 yG
t m 't /( 2Z ) 2 't fm
LG Y=Y(x
tG ym+1 ) b
ym 't
2Z )
1
yG k1
't f tG , yG
A
ym
y m 1 Z k1 Z k 2
k2
y m1 t
t m 't
tm tG tm+1
t m1 b1't b2 't
Método de EULER MEJORADO con Z=1/2 't
k1 't f xm , y m
Dado (tm, ym), la nueva solución (tm+1, ym+1) se calcula con
t m 't
Y(x)
L1 Lp ll Lp
tG
y m k1
L2
't f t G , yG
Ym+h Y’m E
yG Y=Y(x)
Ym+1
h)
k2 ym+1
y m (k1 k 2 ) / 2
B
y m 1
t m 't
Ym A
t m1
X
Xm Xm+1
h

MÉTODO DE EULER MEJORADO
y(t)
se calcula con Z=1/2
Dado (tm, ym), la nueva solución (tm+1, ym+1)
k1 't f xm , y m
Lp
L1 ll Lp
L2
ym+k1
t m 't
E
tG
y m k1
yexm+1 y=y(t)
't f t G , yG 't )
yG ym+1 B
k2
y m (k1 k 2 ) / 2
A
ym
y m 1
t m1 t m 't tm+1 t
't
tm
yex (t ) 6 e t / 2 2 t
EJEMPLO la EDO

dy (t ) y (t ) t
dt 2 2
Se busca obtener una solución aproximada de la EDOmediante el Método de EULER MEJORADO
t y k1= xg= yg= k2= Y(t+'t)=

't *f(t,y) t + 't /(2w) y+k1/(2w) 't *f(tG,yG) y+(1-w)k1+w*k2
0 4
0,25
0,5

EDO DE PRIMER ORDEN-MÉTODO DE LOS TRAPECIOS
du (t )
Se busca obtener una solución aproximada en forma discreta de la siguiente EDO
°
® dt
f (t , u (t )) u(t)
°̄ u (t 0 ) U 0 u(t)
un-1
Métodos basados en Integración Numérica un
³ du ³
se considera la integral definida un+1 t
un 1 tn 1
tn-1 tn tn+1
f (t , u (t )) dt
un f (tn , un ) f (tn , un1 ) O('t 3 )

't
un tn
un1
2
Método Implícito de un paso
Solución de ecuación no lineal
Corrector iterativo de una Predicción con algún método explícito


Método de Euler


Ejemplos
Resumen

SISTEMAS DE EDO -CIRCUITOS ELÉCTRICOS

Circuito Butterworth para filtros pasa baja (Eronini Umez Eronini, Dinàmica de Sistemas y Control, Thomson Learning, 2001).
Se trata de un circuito de tipo RLC; es decir, con resistencias R,
inductancias L, y capacitares C. Las ecuaciones que describen el
VB VC VD
di1 ½
comportamiento son las siguientes:
° dt °
RS L1 L2 C2
° dV ° ª RS / L1 1 / L1 º i1 ½ Ve / L1 ½
i1(t) RL VD(t)
° C ° « 1/ C » °V ° ° 0 °
0 0 Ve(t) i2(t)
° dt ° « 1/ C2 ° C° ° °
C
»
1
® di ¾ ® ¾® ¾
0 0
° ° « » ° i2 ° ° 0 °
1
° dt ° «¬ 0 »
1 / C 2 1 / RL C 2 ¼ °¯VD °¿ °¯ 0 °¿
2 0 1 / L2 0 1 / L2
° dVD °
0
°¯ dt °¿
Circuitos RL y RC (Zill,G. Cullen, M. Ecuaciones Diferenciales con Problemas de Valores de Frontera, Thomson Learning, 2002).
Se trata de circuitos de tipo RL; es decir, con resistencias R, inductancias L, y RC con resistencias y capacitores C. Cuando se consideran como
incógnitas las corrientes, se tiene que las ecuaciones resultantes son las siguientes:
i2(t)
L1 ( R1 R2 ) i2 (t ) R1 i3 (t ) Ve(t )
di2 (t ) R1 i1(t) i3(t)
dt
L2 3 R1 i2 (t ) R1 i3 (t ) Ve(t )
di (t ) L1 L2
Ve(t)
i1 (t ) i2 (t ) i3 (t )
dt R2
L 1 R i2 (t ) Ve(t )
di (t ) i1(t) i3(t)
dt L i2(t)
RC 2 i2 (t ) i1 (t ) 0
di (t ) R C
i1 (t ) i2 (t ) i3 (t )
dt Ve(t)

SISTEMAS DE EDO-MODELOS DE DISPERSIÓN

Modelo de Dispersión de antihistaminas.
(Borelli, R.; Colleman, C. Ecuaciones Diferenciales, Oxford University Press, 2002).
Durante los resfríos es típico ingeniar sustancias para aliviar los malestares. Dichas sustancias, como la antihistaminas, se
presentan en el organismo como sustancias a eliminar. En principio las antihistaminas están en el aparato digestivo, y desde
allí pasan a la sangre que las circula por todo el cuerpo y son eliminadas de la sangre en los riñones.
Se considera con x(t) es la cantidad de antihistamina en el aparato digestivo en el instante de tiempo t; y con y(t) se
considera la cantidad de antihistamina en la sangre en el mismo instante de tiempo t.
x La tasa de cantidad de antihistaminas en el aparato digestivo es proporcional a la cantidad de antihistaminas en el

Así un modelo de intercambio de antihistaminas en el organismo está dado por las siguientes dos consideraciones:
aparato digestivo. Con una cierta cantidad inicial de antihistaminas

k1 x (t )
dx (t ) k1 x(t) k2 y(t)
dt x(t) y(t)
x ( 0) x 0
x La tasa de cantidad de antihistaminas en sangre es proporcional a la cantidad de antihistaminas en sangre y a la

Al ser una tasa negativa, deja en manifiesto que el proceso es tal que la cantidad decrece.
cantidad de antihistaminas que ingresan desde el aparato digestivo. Con una cierta cantidad inicial de antihistaminas
k 2 y (t ) k1 x (t )
dy (t )
dt
y ( 0) y 0
Otra forma de expresar las ecuaciones diferenciales es en la siguiente forma matricial.
dx(t ) ½
° dt ° ª k1 0 º x(t ) ½ x ( 0) ½ x0 ½
® dy (t ) ¾ «k ® ¾ ® ¾ ® ¾
°̄ ° ¬ 1 k 2 »¼ ¯ y (t )¿ ¯ y ( 0) ¿ ¯ y0 ¿
con
dt ¿

Eliminación de contaminante en un líquido

Considérese un proceso por el cual se busca eliminar un contaminante de un liquido que circula entre dos depósitos depuradores. Se trata de dos
bloques o sistemas depuradores en los cuales la cantidad de contamínate en el primer bloque es x(t), mientras que en el segundo es y(t). En la
siguiente figura se muestra el diagrama de bloques del sistema en análisis.
En el primer bloque solo salen k1 x(t) cantidad de contaminante, que ingresan en el k1 x(t) k2 y(t)
segundo bloque. Pero también existe una retroalimentación no deseada desde el segundo
bloque que hace ingresar al primer bloque k3 y(t) contaminante. Desde el segundo bloque
x(t) y(t)
salen k2 y(t) cantidad de contaminantes residuales. Las cantidades que salen de un bloque k3 y(t)
se consideran negativas, mientras que las que ingresan, positivas. De esa manera es
posible hacer el balance de lo que entra y sale en cada bloque e igualarlo a la tasa de cantidad de sustancia contaminante en el tiempo de dicho
bloque.
k 3 y (t ) k1 x(t ) k 3 y (t ) k1 x(t ) k 2 y (t )
dx(t ) dy (t )
dt dt
x ( 0) x 0 y (0) y 0
dx(t ) ½
Otra forma de expresar las ecuaciones diferenciales es en la siguiente forma matricial.
° dt ° ª k1 º x(t ) ½ x(0) ½ x0 ½
® dy (t ) ¾ «k ® ¾ ® ¾ ® ¾
k 2 k 3 »¼ ¯ y (t )¿
k3
°̄ ° ¬ 1 ¯ y (0)¿ ¯ y0 ¿
con
dt ¿
En este caso se debe resolver las dos incógnitas en forma simultánea con las dos ecuaciones.
Otros problemas descriptos por SISTEMAS de EDO son:

Flujos entre depósitos;
Flujos en procesos químicos;
Evolución de poblaciones y/o especies
Evolución de “Romeo y Julieta”

SISTEMAS DE ECUACIONES DIFERENCIALES ORDINARIAS DE PRIMER ORDEN

Se busca obtener una solución aproximada en forma discreta del siguiente SISTEMA de EDO
10 y1 (t ) 4 y 2 (t )
dy1
1 1½ 2*t 14 1 ½ 8*t
® ¾e ® ¾e
dt y1 (0) 5
4 y1 (t ) 0 y 2 (t ) 3 ¯2¿ 3 ¯1 / 2¿
dy 2 , con:
y (t )
y 2 ( 0) 3 , que tiene solución exacta
dt
Aplicar el Método de Euler y obtener la siguiente aproximación u(t)
t 0 0,01 0,02 0,03 0,04 0,05 un+1
't fn
y1 5
y2 3
k1 _y1 0,01*(-10*5+4*3) u(t)
_y2 0,01*( -4*5+0*3)
y1_(n+1) 5+(-0,38)
un
un
y2_(n+1) 3+(-0,2)
tn+1 0+0,1 t
tn tn+1
't f t m , y m
Método de Euler: Dado (tm,ym)
k1
y m 1 y m k1
t m 1 t m 't
SISTEMAS DE ECUACIONES DIFERENCIALES ORDINARIAS DE PRIMER ORDEN

10 y1 (t ) 4 y 2 (t )
dy1
dt y1 (0) 5
4 y1 (t ) 0 y 2 (t )
dy 2 , con:
y 2 ( 0) 3,
dt
't f t m , y m
Aplicar el Método de Euler Modificado (w=1) y obtener la siguiente aproximación
k1
t m 't /( 2Z )
t 0 0,01 0,02 0,03 0,04
y1 5 4,635 4,2977 tG
ym
y2 3 2,8076 2,6292
2Z
1
yG k1
't f tG , yG
k1 _y1 0,01*(-10*5+4*3)=-0,38
_y2 0,01*( -4*5+0*3)=-0,2
y m 1 Z k1 Z k 2
k2
y m 1
t m 't
tg 0+0,01/2=0,005
yg1 5 -0,38/2= 4,81 t m 1
yg2 3 -0,2/2= 2,9
k2 _y1 0,01*(-10*4,81+4*2,9)= -0,365
_y2 0,01*( -4*4,81+0*2,9)= -0,1924
tg 0+0,01
y1_(n+1) 5 -0,365= 4,635
y2_(n+1) 3 -0,1924= 2,8076

% Datos
y10=5; % Valores Iniciales
y20=3;
t0=0;
NDt=200; % cantidad de Dt a realizar
% Dimensionamiento
t=zeros(1,NDt); % vector fila para el tiempo
y=zeros(2,NDt); % Matriz para el vector solución y(t)
yg=zeros(2,1); % Vector columna auxiliar
ya=zeros(2,1);
k1=zeros(2,1);
k2=zeros(2,1);
% Inicialización del primer estado solución
t(1)=t0;
y(1,1)=y10;
y(2,1)=y20;
% Euler % Euler Modificado
for j=1:NDt-1 for j=1:NDt-1
ya=y(:,j); ya=y(:,j);
ta=t(j); ta=t(j);
k1(1,1)= Dt* (-10*ya(1) + 4*ya(2)); k1(1,1)= Dt* (-10*ya(1) + 4*ya(2));

k1(2,1)= Dt* (-4*ya(1)+0*ya(2)); k1(2,1)= Dt* (-4*ya(1)+0*ya(2));
y(:,j+1) = ya + k1; yg = ya + k1/(2);

t(j+1) = ta + Dt; tg = ta + Dt/(2);
end
k2(1,1)= Dt* (-10*yg(1) + 4*yg(2));
figure(1) k2(2,1)= Dt* (-4*yg(1)+0*yg(2));
plot(t,y(1,:),'b');grid on
end y(:,j+1) = ya + k2;
t(j+1) = ta + Dt;
end
for i=1:NDt
yex(i)=(1/3)*exp(-2*t(i))+(14/3)*exp(-8*t(i)); er(i)=abs(yex(i)-y(1,i));
end
normer=norm(er,inf)
figure(1)
plot(t,y(1,:),'b', t,yex(1,:),'r');grid on
end
% Datos
y10=5; % Valores Iniciales
y20=3;
t0=0;
% Dimensionamiento
y=zeros(2,NDt); % Matriz para el vector solución y(t)
ya=zeros(2,1);
k1=zeros(2,1);
k2=zeros(2,1);
t(1)=t0;
y(1,1)=y10;
y(2,1)=y20;
% Euler % Euler Modificado % Euler y RK
for j=1:NDt-1 for j=1:NDt-1 for j=1:NDt-1
ya=y(:,j); ya=y(:,j); ya=y(:,j);
ta=t(j); ta=t(j); ta=t(j);
k1=Dt*f_sist_1(ya,ta) k1=Dt*f_sist_1(ya,ta) k1=Dt*f_sist_1(ya,ta)
k1(1,1)= Dt* (-10*ya(1) + 4*ya(2)); k1(1,1)= Dt* (-10*ya(1) + 4*ya(2)); if (w==0)
k1(2,1)= Dt* (-4*ya(1)+0*ya(2)); k1(2,1)= Dt* (-4*ya(1)+0*ya(2)); k2=zeros(2,1)
y(:,j+1) = ya + k1; yg = ya + k1/(2); else
t(j+1) = ta + Dt; tg = ta + Dt/(2); yg = ya + k1/(2*w);
end k2=Dt*f_sist_1(yg,tg); tg = ta + Dt/(2*w);
k2(1,1)= Dt* (-10*yg(1) + 4*yg(2)); k2=Dt*f_sist_1(yg,tg);
figure(1) k2(2,1)= Dt* (-4*yg(1)+0*yg(2)); end
plot(t,y(1,:),'b');grid on y(:,j+1) = ya + k2; y(:,j+1) = ya + (1-w)*k1+w* k2;
end t(j+1) = ta + Dt; t(j+1) = ta + Dt;
end end
end
function [fy]=f_sist_1(z,x)
fy(1,1)=(-10*z(1) + 4*z(2));
fy(2,1)=(-4*z(1)+0*z(2));
end

10 y1 (t ) 4 y 2 (t )
dy1
1 1½ 2*t 14 1 ½ 8*t
® ¾e ® ¾e
dt y1 (0) 5
4 y1 (t ) 0 y 2 (t ) 3 ¯2¿ 3 ¯1 / 2¿
dy 2 , con:
y (t )
y 2 ( 0) 3 , que tiene solución exacta
dt
y1(t) con Dt=0.02 EULER MODIFICADO EULER
Solución de EDO
5 Solución de EDO
y aprox 5
4.5 y exacta y aprox
4.5 y exacta
4
4
3.5
3.5
3
3
2.5
2.5
2
2
1.5 1.5
1 1
0.5 0.5
0 0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Soluciones Aproximadas
-3
x 10
9 0.16
8 0.14
7
0.12
6
0.1
5
0.08
4
0.06
3
0.04
2
1 0.02
0 0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Funciones Error

ECUACIONES DIFERENCIALES ORDINARIAS DE SEGUNDO ORDEN

REDUCCIÓN A SISTEMAS DE PRIMER ORDEN
Considérese la EDO de segundo orden del péndulo simple,
d 2T (t ) g
T (t ) 0 T (t0 ) T 0
2 L
dT (t )
dt
E 0 en t t0
donde T(t) es la posición angular medida respecto de la vertical; T0 la posición inicial y E0 la velocidad
dt
y1 (t ) T (t )
inicial. Si se plantea un cambio de variables tal que
T (t ) 0
y1 (t ) y2 (t )
dT (t ) d 2T (t )
g
entonces y (t )
y
con lo que la EDO es 2 (t )
y2 (t ) 2 L
dt dt 2
Se tiene
y1 (t ) 0 y1 (t ) 1 y2 (t )
y 2 (t ) ( g / L) y1 (t ) 0 y2 (t )
y 1 (t ) y 2 (t )
( g / L) y1 (t )
y 2 (t )
o bien
T (t )½ y1 (t ) ½
® ¾ ® ¾
&
¯T ¿ ¯ 2 ¿
con lo que y (t )
(t ) y (t )
& & y (t ) ½ 0 y1 (t ) 1 y 2 (t ) ½ T (0)½ y1 (0) ½ T 0 ½
f (t , y ) ® 1 ¾ ® ¾ con y (0) ® ¾ ® ¾ ® ¾
¯ y 2 (t )¿ ¯ ( g / L) y1 (t ) 0 y 2 (t )¿
&
¯T (0)¿ ¯ y 2 (0)¿ ¯E 0 ¿
y

Buscar u(t), para t H >0;f , tal que

En un sistema masa resorte los desplazamientos son la solución de la siguiente EDO de segundo orden:
u (0)½ 0½
: ® ¾ ® ¾
d 2 u (t ) du (t )
¯u (0)¿ ¯0¿
m c k u (t ) p sen( t ) con
dt 2 dt
Si se plantea un cambio de variables tal que
y1 (t ) u (t )
dy1 (t )
du (t ) lo que implica que y 2 (t )
y 2 (t ) dt
dt
y la EDO se puede escribir
y 1 ( 0) ½ 0½
c y 2 (t ) k y1 (t ) p sen(: t ) ® ¾ ® ¾
dy 2 (t )
¯ y 2 (t ) ¿ ¯0¿
m con
dt
Buscar y1 (t ) , y2 (t ) , para t H >0;f , tal que

El problema original se puede reemplazar por
dy1 (t )
d u (t )½ ½ u (0)½ 0½
y 2 (t ) con y1 (0) 0
® ¾ ® ¾ con ® ¾ ® ¾
dt v(t )
dy 2 (t )
( p / m) sen(: t ) (k / m) u (t ) y 2 (0) 0
dt ¯v(t ) ¿ ¯( p / m) sen(: t ) (k / m) u (t )¿ ¯v(0) ¿ ¯0¿
dt
(: / Z ) sen(Z t ) sen(: t )½
La solución exacta de este problema es
t H >0;f
u (t )½
® ¾ ® ¾ con Z
¯ : ( cos(Z t ) cos(: t )) ¿
p
k 1 (: / Z ) 2
1
¯v(t ) ¿
2
k/m


En un sistema la incógnita primaria es la solución de la siguiente EDO de tercer orden:
u (0)½ A½
° ° ° °
a0 u (t ) b(t ) con ®u (0)¾ ®B¾
d 3u (t ) d 2 u (t ) du (t )
°̄u(0)° °̄C °
a3 a a
¿ ¿
2 1
dt 3 dt 2 dt
Si se plantea un cambio de variables tal que

y1 (t ) u (t )
dy1 (t )
du (t ) y 2 (t )
y 2 (t ) dt
dt lo que implica que dy 2 (t )
y3 (t )
d 2 u (t ) dt
y3 (t )
dt 2
a3 3 a2 y3 (t ) a1 y 2 (t ) a0 y1 (t ) b(t )
dy (t )
y la EDO se puede escribir con u (0) A; u (0) B; u(0) C
dt
y2 (t ) , y3 (t ) para t H >0;f , tal que

El problema original se puede reemplazar por:
Buscar y 1 (t ) ,
dy1 (t )
y1 (0) ½ A½
y 2 (t )
° ° ° °
dt
con ® y 2 (0) ¾ ®B¾

dy 2 (t )
°̄ y (0) ° °̄C °
y3 (t )
¿ ¿
dt
(a 2 / a3 ) y3 (t ) (a1 / a3 ) y 2 (t ) (a0 / a3 ) y1 (t ) b(t ) / a3
dy3 (t ) 3
dt

Buscar y 1 (t ) , y2 (t ) , y3 (t ) para t H >0;f , tal que
dy1 (t ) ½
° dt °
°° dy (t ) °° ª º y1 (t ) ½ 0 ½ y1 (0) ½ A½
« » ° y (t )° ° 0 ° ° ° ° °
0 1 0
® ¾ « »® 2 ¾ ® ¾ con ® y 2 (0)¾ ®B¾
° ° « (a / a ) (a / a ) (a / a )» °̄ y (t ) ° °̄b(t ) / a ° °̄ y (0) ° °̄C °
2
0 0 1
° 3 ° ¬ 3 ¼ ¿ ¿ ¿ ¿
dt
°¯ dt °¿
dy (t ) 0 3 1 3 2 3 3
3
Ejemplo: Pag. 149 de Zill,G. Cullen, M. Ecuaciones Diferenciales con Problemas de Valores de Frontera, Thomson Learning, 2002.
Buscar u(t) solución de
6 u (t ) 3 t
d 3u (t ) d 2 u (t ) du(t )
6 11 con u (0) A ; u (0) B u(0) C
dt 3 dt 2 dt
c1 e t c2 e 2t c3 e 3t (11 / 2) (1 / 2) t
La solución exacta es:
uex (t )


Método de Euler


Ejemplos
Resumen



En un sistema la incógnita primaria es la solución de la siguiente EDO de segundo orden:
u (0)½ 0½
48 u (t ) 36 sen(5 t ) con ® ¾ ® ¾
d 2 u (t ) du(t )
¯ ¿ ¯0¿
12 6
dt 2
dt u ( 0)
t H >0;f
u (t )½ (5 / 2) sen(2 t ) sen(5 t )½
® ¾ ® ¾
36 1
¯ v (t ) ¿ 48 1 (5 / 2) 2 ¯ 5 ( cos(2 t ) cos(5 t )) ¿
Reducir a un sistema de EDO de primer orden de la forma:
& & &
d y (t ) & &
f ( y (t ), t ) con y (0) y0
dt
½ ½ ½
expresar
® ¾ ® ¾ ® ¾
& & & & &
¯ ¿ ¯ ¿ ¯ ¿
y (t ) y ( 0) y0 f ( y (t ), t )
y resolver con un método de Runge Kutta de segundo orden. Comparar con la solución exacta.


En un sistema no lineal la incógnita primaria es la solución de la siguiente EDO de segundo orden:
u (0)½ 0½
c k (1 a u (t )) u (t ) p sen(: t ) con ® ¾ ® ¾
d 2 u (t ) du(t )
¯u (0)¿ ¯0¿
m
dt 2
dt
& & &
dy (t ) & &
f ( y (t ), t ) con y (0) y0
dt
½ ½ ½
expresar
® ¾ ® ¾ ® ¾
& & & & &
¯ ¿ ¯ ¿ ¯ ¿
y (t ) y ( 0) y0 f ( y (t ), t )


En un sistema la incógnita primaria es la solución de la siguiente EDO de tercer orden:
6 u (t ) 3 t
d 3u (t ) d 2 u (t ) du(t )
6 11 con u (0) A ; u (0) B u(0) C
dt 3 dt 2 dt
c1 e t c2 e 2t c3 e 3t (11 / 2) (1 / 2) t
uex (t )
Ejemplo: Pag. 149 de Zill,G. Cullen, M. Ecuaciones Diferenciales con Problemas de Valores de Frontera, Thomson Learning, 2002.
Buscar u(t) solución de

& & &
dy (t ) & &
f ( y (t ), t ) con y (0) y0
dt
½ ½ ½
expresar
° ° ° ° ° °
® ¾ ® ¾ ® ¾
& & & & &
°̄ ° °̄ ° °̄ ° y
y (t ) y ( 0) y0 f ( y (t ), t )
¿ ¿ ¿
resolver con un método de Runge Kutta de segundo orden, eligiendo Dt y el coeficiente w. Comparar con la
solución exacta.

Buscar T(t), T(t) para t H >0;f , tal que

En un sistema las incógnitas primarias son la solución del siguiente sistema de EDO de segundo orden:
d 2T1(t)
4(T 2 T1 ) 5t dT 1 ½
S / 8 ½ ° dt °
T1 ½ 0,1 ½
16
dt 2
d 2T 2(t) ® ¾®
con ¯T 2 ¿
¾ y ® dT ¾ ® ¾
S ¯ 0,2¿
9T1 3t ¯ ¿ °̄ 2 °
dt ¿ t 0
2 / 4
32 2
t0
dt
&
d y (t ) & & & &
f ( y (t ), t ) con y (0) y 0
dt
Expresar
& & & & &

y (t ) y ( 0) y0 f ( y (t ), t )

Buscar x1(t), x2(t) x3(t) para t H >0;f , tal que

En un sistema las incógnitas primarias son la solución del siguiente sistema de EDO de segundo orden:
M x (t ) C x (t ) K x (t ) R (t ),
ª1 0 0º x1 (t ) ½ ª 4 0 0º x1 (t ) ½ ª0 4 1º x1 (t ) ½ 5e t 8e 2t cos t ½
«0 1 0» ° x (t ) ° «0 1 0» ° x (t ) ° «4 2 0» ° x (t ) ° ° °
« »® 2 ¾ « »® 2 ¾ « »® 2 ¾ ® 8e 4 e ¾
°̄ ° °̄ °
«¬0 0 2»¼ x3 (t ) ¿ «¬0 0 3»¼ x 3 (t ) ¿ «¬1 0 1»¼ °̄ x 3 (t ) °¿ °̄ cos t 3sent e t °
2t t
¿
x 1 ( 0) ½ 1 ½ x1 (0) ½ 1 ½
° ° ° ° ° ° ° °
con ® x 2 (0) ¾ ®2 ¾ ® x 2 (0) ¾ ®4 ¾
°̄ x (0) ° °̄1 ° °̄ x (0) ° °̄0°
3 ¿ ¿ 3 ¿ ¿
& & &
d y (t ) & &
f ( y (t ), t ) con y (0) y0
dt
Expresar
& & & & &

y (t ) y ( 0) y0 f ( y (t ), t )

SISTEMA DE EDO DE PRIMER ORDEN -MATLAB

% Datos
Dim= 2 % Dimensión del Sistema de EDO
w= 1 % 0 es Euler; 1 es E-Modificado; ½ es E-Mejorado
y0=[5; 3]; % Valores Iniciales deben ser Dim
t0=0;
% Dimensionamiento
y=zeros(Dim,NDt); % Matriz para el vector solución y(t)
ya=zeros(Dim,1);
k1=zeros(Dim,1);
k2=zeros(2,1);
t(1)=t0;
y(:,1)=y0;
% Euler y RK
for j=1:NDt-1
ya=y(:,j);
ta=t(j);
k1=Dt*f_sist_1(ya,ta)
if (w==0)
k2=zeros(Dim,1)
else
yg = ya + k1/(2*w);
tg = ta + Dt/(2*w);
k2=Dt*f_sist_1(yg,tg);
end
y(:,j+1) = ya + (1-w)*k1+w* k2;
t(j+1) = ta + Dt;
end
end
function [fy]=f_sist_1(z,x) % deben ser Dim componentes
fy(1,1)=(-10*z(1) + 4*z(2));
fy(2,1)=(-4*z(1)+0*z(2));
end


MÉTODO DE DIFERENCIA CENTRAL

En un sistema la incógnita primaria es la solución de la siguiente EDO de segundo orden:
u (0)½ D ½
k u (t ) p g (t ) con ® ¾ ® ¾
d 2u (t )
¯E ¿
du(t )
¯ ¿
m c
dt 2
dt u ( 0)
En base a las reglas de derivadas centrales u(t)
(u n 1 2 u n u n 1 ) O('t 2 )
d 2 u (t ) 1
2
dt t 't 2
n
un+1 u(t)
(u n 1 u n 1 ) O('t 2 )
du (t ) 1 un
dt t n 2 't 2
Se puede escribir la EDO en tn en la forma: un-1

u n1 bg (t n ) DE u n H E u n1 t
't 't
tn-1 tn tn+1
Con
§ 't ·
§ 't ·
1
¨m c ; G E 2 m 't 2 k ; GE ¨ c m ; bg (t ) ' t 2 G E p g (t )
© 2 ¹̧ © 2 ¹̧
GE DE HE
Es necesario conocer dos estados solución (un-1; un) para calcular el nuevo estado un+1 en tn+1.
Buscar con el método de diferencia central la incógnita u(t), para t H >0;f , tal que
EJEMPLO
u (0)½ 0½
400 u (t ) 80 sen(5 t ) con ® ¾ ® ¾
d 2u (t )
¯ ¿ ¯0¿
65 2
dt u ( 0)
^ (5 / 2.48) sen(2.48 t ) sen(5 t )`


80 1
400 1 (5 / 2.48) 2
u (t )

MÉTODO DE DIFERENCIA CENTRAL
(t ) C u (t ) K u (t ) R (t ),
Para un sistema EDO que en forma generalizada se puede escribir
Mu
con valores iniciales conocidos u (0), u (0), y con u (0) que se puede obtener de satisfacer la ecuación
diferencial vectorial en el instante inicial t=0.
Se aproximan la u (t ) y la u (t ) con derivadas numéricas centrales y se reemplazan en el sistema original.
1
u (t 't ) 2u (t ) u (t 't ) C 1 u (t 't ) u (t 't ) Ku (t )
't 2 't
M R (t )
Es posible aproximar u (t 't ) , para cualquier t t t0 en la forma:

2
u (t ' t ) b g (t ) D E ( ' t ) u ( t ) H E ( ' t ) u ( t ' t )

con
§ 't · § 't ·
1
¨M C ; G E 2 M 't 2 K ; G E ¨ C M ; b g (t ) ' t 2 G E R (t )
© 2 ¹̧ © 2 ¹̧
GE DE HE
Se debe destacar que las matrices GE y HE, como así también la matriz inversa que las define, se calcula sólo
Para el valor inicial de t (t=t0), primero se halla una aproximación de u (t0 't ) mediante Serie de Taylor:
una vez al inicio del método.
§ ·
u (t 0 't ) ¨ u (t 0 ) 't u (t 0 ) 't u
1 2
© ¹̧
(t 0 ) .
2

Buscar con el método de diferencia central las incógnitas x1(t), x2(t) x3(t) para t H >0;f , tal que
EJEMPLO
M x (t ) C x (t ) K x (t ) R (t ),
ª1 0 0º x1 (t ) ½ ª 4 0 0º x1 (t ) ½ ª0 4 1º x1 (t ) ½ 5e t 8e 2t cos t ½
«0 1 0» ° x (t ) ° «0 1 0» ° x (t ) ° «4 2 0» ° x (t ) ° ° °
« »® 2 ¾ « »® 2 ¾ « »® 2 ¾ ® 8e 4 e ¾
«¬0 0 2»¼ °̄ x3 (t ) °¿ «¬0 0 3»¼ °̄ x 3 (t ) °¿ «¬1 0 1»¼ °̄ x 3 (t ) °¿ °̄ cos t 3sent e °
2t t
¿
t
x 1 ( 0) ½ 1 ½ x1 (0) ½ 1 ½
° ° ° ° ° ° ° °
con ® x 2 (0) ¾ ®2 ¾ ® x 2 (0) ¾ ®4 ¾
°̄ x (0) ° °̄1 ° °̄ x (0) ° °̄0°
3 ¿ ¿ 3 ¿ ¿

function Dif_cen
clc,clear
% Datos
dim=3; % cantidad de funciones incógnitas
% Dimensionamiento
%t=zeros(1,NDt); % vector fila para guardar el tiempo
%y=zeros(dim,NDt); % Matriz para guardar el vector solución y(t)
%yan=zeros(dim,1); % Vector de solución anterior
%yac=zeros(dim,1); % Vector de solución actual
%ynu=zeros(dim,1); % Vector de solución nueva
M= [1 0 0
0 -1 0
0 0 2];
C= [4 0 0
0 -1 0
0 0 3];
K= [0 4 1
4 2 0
1 0 1];
% Valores Iniciales o actuales

tac=0;
yac= [1; 2; 1]
vac= [1; 4; 0]
fua(1,1)=5*exp(tac)+8*exp(2*tac)+cos(tac);
fua(2,1)=-8*exp(2*tac)+4*exp(tac);
fua(3,1)=-cos(tac)-3*sin(tac)+exp(tac);
% Inicialización
G=inv(M+(Dt/2)*C)
D=G*(2*M-Dt^2*K)
H=G*((Dt/2)*C-M)
yan=yac-Dt*vac+((Dt^2)/2)*inv(M)*(fua-K*yac-C*vac);
t(1)=tac; % Almacenamiento para luego graficar

y(:,1)=yac;

% Diferencia Central
for j=2:NDt
bac=fun_ind(tac,G,Dt); % actualización de término independiente
ynu=bac + D*yac + H*yan; % Calculo con Dif Central

tnu=tac+Dt;
t(j)=tnu; % Almacenamiento para luego graficar
y(:,j)=ynu;
yan=yac; % actualización de estado anterior

yac=ynu; % actualización de estado actual
tac=tnu;
end
end
function [fy]=fun_ind(x,G,Dt)
r(1,1)= 5*exp(x) +8*exp(2*x) +cos(x);
r(2,1)=-8*exp(2*x)+4*exp(x);
r(3,1)=-cos(x) -3*sin(x) +exp(x);
fy=Dt^2*G*r;
end

CNyC 2016 Material para Clases Teoria PDF

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

CNyC 2016 Material para Clases Teoria PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Universidad Nacional de Cuyo

Cálculo Numérico y Computación Facultad de Ingeniería

CÁLCULO NUMÉRICO Y COMPUTACIÓN.

MATERIAL PARA CLASES DE TEORÍA.

El Material para Clases de Teoría, es el conjunto de diapositivas con el que se desarrollarán

Los temas desarrollados son los siguientes:

Algoritmia. Conceptos Básicos

El ordenamiento elegido está según el cronograma del año 2016.

Dr. Ing. Anibal Mirasso Página 1 de 2

Dr. Ing. Anibal Mirasso Página 2 de 2

Ejemplo: Algoritmo para calcular el promedio de dos números

Pseudo código Elementos Sintaxis de MATLAB

Variable pueden ser clasificadas según el TIPO de información que almacenan:

Jerarquía de las operaciones con las distintas variables

Escribir “Raices son: “, r1, r2 Entrega de disp('Raices son:');disp(r1);disp(r2);

Discrim (b^2-4*a*c) Proceso Discrim = (b^2-4*a*c);

NOTAR Variables Globales y Locales

RAÍCES DE ECUACIONES NO LINEALES

Estrategias Iterativas en general Análisis de función

Dr. Ing. A.Mirasso Raíces de Ecuaciones No Lineales Año 2014 1 de 31

RAÍCES DE ECUACIONES NO LINEALES

La ecuación no lineal es f(x)=0

y ax bxc y x  tan( x )  c

Dr. Ing. A.Mirasso Raíces de Ecuaciones No Lineales Año 2014 2 de 31

Paso Acercamiento o Inicialización

Paso Aproximación mediante Métodos Iterativos

Dr. Ing. A.Mirasso Raíces de Ecuaciones No Lineales Año 2014 3 de 31

Paso Acercamiento o Inicialización

Dr. Ing. A.Mirasso Raíces de Ecuaciones No Lineales Año 2014 4 de 31

Paso Aproximación mediante Métodos Iterativos

HACER MIENTRAS “No Hay Solución” es Verdadero

FIN DEL MIENTRA

MÉTODOS DE INTERVALOS O CERRADOS MÉTODOS ABIERTOS

Dr. Ing. A.Mirasso Raíces de Ecuaciones No Lineales Año 2014 6 de 31

Se tienen dos intervalos Intervalo (a0; r1) Intervalo (r1; b0)

Dr. Ing. A.Mirasso Raíces de Ecuaciones No Lineales Año 2014 7 de 31

Se tienen dos intervalos: Intervalo (a1; r2) Intervalo (r2; b1)

Dr. Ing. A.Mirasso Raíces de Ecuaciones No Lineales Año 2014 8 de 31

se aproxima la raíz con

Se tienen dos intervalos Intervalo (a2; r3) Intervalo (r3; b2)

Dr. Ing. A.Mirasso Raíces de Ecuaciones No Lineales Año 2014 9 de 31

Se tienen dos intervalos f(a0)

Dr. Ing. A.Mirasso Raíces de Ecuaciones No Lineales Año 2014 10 de 31

k-ésima aproximación Y(x)

Dr. Ing. A.Mirasso Raíces de Ecuaciones No Lineales Año 2014 11 de 31

ALGORITMO DEL MÉTODO BISECCIÓN

Ejemplo: Buscar una aproximación de 9

itera a b f(a) f(b) r f(r).

Dr. Ing. A.Mirasso Raíces de Ecuaciones No Lineales Año 2014 13 de 31

Dr. Ing. A.Mirasso Raíces de Ecuaciones No Lineales Año 2014 14 de 31

MÉTODO DE REGULA FALSI

Dr. Ing. A.Mirasso Raíces de Ecuaciones No Lineales Año 2014 15 de 31

ALGORITMO DEL MÉTODO REGULA FALSI

HACER MIENTRAS (No_Hay_Solu)

Dr. Ing. A.Mirasso Raíces de Ecuaciones No Lineales Año 2014 16 de 31

MÉTODO DE REGULA FALSI

Ejemplo: Buscar una aproximación de 9

itera a b f(a) f(b) m r f(r).

Dr. Ing. A.Mirasso Raíces de Ecuaciones No Lineales Año 2014 17 de 31

Dr. Ing. A.Mirasso Raíces de Ecuaciones No Lineales Año 2014 18 de 31

ALGORITMO DEL MÉTODO DE LA SECANTE

Dr. Ing. A.Mirasso Raíces de Ecuaciones No Lineales Año 2014 19 de 31

Ejemplo: Buscar una aproximación de 9

Discrim (b^2-4ac) Proceso Discrim = (b^2-4ac);

y ax bxc y x tan( x ) c