Documente Academic
Documente Profesional
Documente Cultură
METODOS NUMERICOS.
INGENIERIA AMBIENTAL
Reordenando la ecuación se encuentra que el error numérico es igual a la diferencia entre el valor
verdadero y el valor aproximado, es decir:
Donde Et se usa para denotar el valor exacto del error. El subíndice t indica que se trata del error “verdadero”
(true). Como ya se mencionó brevemente, esto contrasta con los otros casos, donde se debe emplear una
estimación “aproximada” del error. Una desventaja en esta definición es que no toma en consideración el orden
de la magnitud del valor que se estima.
Error relativo: Es necesario normalizar el error respecto al valor verdadero, el cual se puede expresar también
en forma porcentual
Error Verdadero
Sin embargo, para facilitar el manejo y el análisis se emplea el error absoluto definido como:
EJEMPLO:
Una barra de metal mide 10 metros de largo. La medimos con un metro calibrado en milímetros y nos da una
medición de 9,998 metros. ¿Cuál es el error absoluto?
En este caso el valor es 10 m y el valor aproximado es 9,998 m, que es el valor obtenido, por lo que el error es:
Error por redondeo: Los errores de redondeo se originan debido a que la computadora emplea un número
determinado de cifras significativas durante un cálculo. Los números como p, e o 7 no pueden expresarse con
un número fijo de cifras significativas. Por lo tanto, no pueden ser representados exactamente por la
computadora. Además, debido a que las computadoras usan una representación en base 2, no pueden
representar exactamente algunos números en base 10. Esta discrepancia por la omisión de cifras significativas
se llama error de redondeo.
Numéricamente los errores de redondeo se relacionan de manera directa con la forma en que se guardan los
números en la memoria de la computadora. La unidad fundamental mediante la cual se representa la
información se llama término. Ésta es una entidad que consiste en una cadena de dígitos binarios o bits (binary
digits).
Ciertos métodos requieren cantidades extremadamente grandes para obtener una respuesta. En
consecuencia, aunque un error de redondeo individual puede ser pequeño, el efecto de acumulación en
el transcurso de la gran cantidad de cálculos puede ser significativo.
El efecto del redondeo puede ser exagerado cuando se llevan a cabo operaciones algebraicas que
emplean números muy pequeños y muy grandes al mismo tiempo. Ya que este caso se presenta en
muchos métodos numéricos, el error de redondeo puede resultar de mucha importancia.
Error por truncamiento: Los errores por truncamiento son aquellos que resultan al usar una aproximación en
lugar de un procedimiento matemático exacto. Por ejemplo, se puede aproximar la derivada de la velocidad de
un paracaidista mediante la ecuación de diferencia finita dividida de la forma:
Además, para obtener conocimiento de las características de estos errores se regresará a la formulación
matemática usada ampliamente en los métodos numéricos para expresar funciones en forma polinomial:
las series de Taylor.
PASOS PARA RESOLVER UNA ECUACIÓN DIFERENCIAL POR MEDIO DE MÉTODOS NUMÉRICOS.
Los métodos numéricos se dedican a la solución de ecuaciones diferenciales ordinarias de la forma;
𝒅𝒚
= 𝒇(𝒙, 𝒚)
𝒅𝒙
Los métodos numéricos formulan un problema matemático para lograr resolverlo por distintos métodos
aritméticos, son estándares para encontrar raíces se encuentran en dos áreas de problemas relacionados, pero
fundamentalmente distintos:
Al problema y’ = f(x, y), y(x0) = y0 de valor inicial y de primer orden. Para aproximar la solución de un
problema de valores iniciales de segundo orden como;
Se reduce la ecuación diferencial a un sistema de dos ecuaciones de primer orden. Cuando se sustituye
y’ = u, el problema de valores
iniciales de las ecuaciones.
se transforma en
Y’=u
U’ =f (x, y, u)
Y(x0) = Yo, u(x0) = Yl.
Ahora podemos resolver numéricamente este sistema, adaptándole las técnicas se hará con solo aplicar
un método particular a cada ecuación del sistema; por ejemplo, el método de Euler aplicado al sistema
sería;
yn+1=yn + hun
un+1=un + hf (xn, yn, un)
TIPOS DE METODOS NUMERICOS.
EULER: Una de las técnicas más sencillas para aproximar soluciones del problema de valor inicial
𝒀` = 𝒇(𝒙, 𝒚), 𝒚(𝑿𝟎) = 𝒀𝟎
Aplica el hecho que la derivada de una función y(x), evaluada en un punto Xo, es la pendiente de la
tangente a la gráfica de y(x) en este punto.
La gráfica de esta linealización es una recta tangente a la gráfica de y = y(x) en el punto (Xo, Yo). Ahora
se define h como un incremento positivo sobre el eje x.
La exactitud de la aproximación depende del tamaño h del incremento. Por lo general se escoge una
magnitud de paso “razonablemente pequeña”. Si a continuación repetimos el proceso, identificando al
nuevo punto de partida (x1, y1) como (xo, yo) de la descripción anterior, obtenemos la aproximación
Y (x2) = y (x0 + 2h) = y (x1 + h) = Yz = Y1 + hf (x1, y1)
La consecuencia general es que:
Yn+1 = Yn + hf (Xn, Yn) ecuación (2)
En donde Xn = xg + nh.
Para ilustrar el método de Euler usaremos el esquema de iteración de la ecuación (2) en una ecuación
diferencial cuya solución explícita es conocida; de esta manera podremos comparar los valores
estimados (aproximados) Yn con los valores correctos (exactos) y (Xn).
Identificamos f (x, y) = 0.2 xy, de modo que la ecuación (2) viene a ser:
Que es un estimado del valor de y (1.1); sin embargo, si usamos h = 0.05, se necesitan dos iteraciones para
llegar a 1.1. En este caso,
y1 = 1 + (0.05) [0.2 (1)(1)] = 1.01
y2 = 1.01 + (0.05) [0.2 (1.05)(1.01)] = 1.020605.
Usar software para graficar aproximaciones de la solución y(x) de un problema de valores iniciales
generados en el ejemplo de Euler usando tamaños de paso h=1, y =0.5 y h=0.1
Es una pendiente promedio en el intervalo de Xn a Xn+1. Luego se calcula el valor de Yn+1 en forma semejante
a la que se empleó en el método de Euler, pero se usa una pendiente promedio en el intervalo en lugar de la
pendiente en (Xn, Y (Xn)). Se dice que el valor de Y`n+1 predice un valor de Y (Xn), mientras que
𝒇(𝑿𝒏,𝒀𝒏)+𝒇(𝑿𝒏+𝟏,𝒀𝒏+𝟏)
𝒀𝒏 + 𝟏 = 𝒚𝒏 + 𝒉 𝟐
Runge-Kutta Es probable que uno de los procedimientos más difundidos y a la vez más exactos para obtener
soluciones aproximadas al problema de valor inicial y’ = f(x, y), y (xo) = yo sea el método de Runge-Kutta de
cuarto orden. Como indica el nombre, hay metodos de Runge-Kutta de distintos órdenes, los cuales se deducen
a partir del desarrollo de y (Xn + h).
El procedimiento de Runge-Kutta de primer orden es en otras palabras el método básico de Euler.
𝒌𝟏 = 𝒉𝒇(𝒙𝒏 , 𝒚𝒏 )
𝟏 𝟏
𝒂 + 𝒃 = 𝟏, 𝒃𝒂 = 𝒚 𝒃𝜷 =
𝟐 𝟐
El procedimiento de Runge-Kutta de cuarto orden consiste en:
𝒌𝟏 = 𝒉𝒇(𝒙𝒏 , 𝒚𝒏 )
𝒌𝟐 = 𝒉𝒇(𝒙𝒏 + 𝜶𝟏 𝒉, 𝒚𝒏 + 𝜷𝟏 𝒌𝟏 )
𝒌𝟑 = 𝒉𝒇(𝒙𝒏 + 𝜶𝟐 𝒉, 𝒚𝒏 + 𝜷𝟐 𝒌𝟏 + 𝜷𝟑 𝒌𝟐 )
𝒌𝟒 = 𝒉𝒇(𝒙𝒏 + 𝜶𝟑 𝒉, 𝒚𝒏 + 𝜷𝟒 𝒌𝟏 + 𝜷𝟓 𝒌𝟐 + 𝜷𝟔 𝒌𝟑 )
Con lo anterior se obtienen 2 ecuaciones con 13 incógnitas. El conjunto de valores de las constantes
que más se usa produce el siguiente resultado:
𝟏
𝒚𝒏+𝟏 = 𝒚𝒏 + (𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 )
𝟔
𝒌𝟏 = 𝒉𝒇(𝒙𝒏 , 𝒚𝒏 )
𝟏 𝟏
𝒌𝟐 = 𝒉𝒇 (𝒙𝒏 + 𝒉, 𝒚𝒏 + 𝒌𝟏 )
𝟐 𝟐
𝟏 𝟏
𝒌𝟑 = 𝒉𝒇 (𝒙𝒏 + 𝒉, 𝒚𝒏 + 𝒌𝟐 )
𝟐 𝟐
𝒌𝟒 = 𝒉𝒇(𝒙𝒏 + 𝒉, 𝒚𝒏 + 𝒌𝟑 )
Obsérvese que K2 depende de K1; K3, de K2, y k4 de K3. También, en K2 y K3 intervienen aproximaciones a
la pendiente en el punto medio del intervalo entre Xn y Xn+1.
𝟏
𝒚𝒏+𝟏 = 𝒚𝒏 + (𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 )
𝟔
y en consecuencia
𝟏
𝒚𝟏 = 𝒚𝒐 + (𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 )
𝟔
𝟏
𝒚𝟏 = 𝟏 + (𝟎. 𝟐 + 𝟐(𝟎. 𝟐𝟑𝟏) + 𝟐(𝟎. 𝟐𝟑𝟒𝟐𝟓𝟓) + 𝟎. 𝟐𝟕𝟏𝟓𝟑𝟔𝟏) = 𝟏. 𝟐𝟑𝟑𝟔𝟕𝟒𝟑𝟓
𝟔
En la tabla, se muestran cuyos elementos se redondearon a cuatro decimales, se resumen los cálculos
restantes.
Vemos por qué es tan utilizado el método de Runge-Kutta de cuarto orden. Si todo lo que basta es
exactitud al cuarto decimal, no se necesita un tamaño menor de paso al problema de valor inicial y’ =
2xy, y (1) = 1.
𝒉𝟓
𝒚(𝟓) (𝒄) 𝒐 𝒔𝒆𝒂 𝑶(𝒉𝟓 )
𝟓!
y, por consiguiente, el error global de truncamiento es 𝑶(𝒉𝟒 ). Esto justifica el nombre de método de
Runge-Kutta de cuarto orden.
Newton Rhapson: es una fórmula para localizar raíces
Se requiere que las funciones sean diferenciables, y por tanto, continuas, para poder aplicar este
método.
Se debe calcular la primera derivada de una función dada.
Graficar. 𝑦 = 𝑒𝑥
1
Graficar. 𝑦 =
𝑥
Ilustración 9: grafica
𝛼 = 0.567143
Derivación: es una técnica de análisis numérico para calcular una aproximación a la derivada de una función en
un punto utilizando los valores y propiedades de la misma, La derivación numérica se utiliza para aproximar las
derivadas de una función usando valores dela función en una serie de puntos. Se utiliza en los algoritmos que
resuelven ecuaciones y sistemas de ecuaciones diferenciales y ecuaciones y sistemas de ecuaciones en
derivadas parciales.
Geométricamente equivale a sustituir la recta tangente en in punto por una secante y en lugar de tomar la
pendiente (derivada) de la recta tangente tomamos la de la secante. Los puntos en los que la secante corta la
curva son aquellos que evaluamos para el cálculo de la derivada aproximada.
EJEMPLO DE DERIVACION:
𝑓(𝑥 ) − 𝑒 𝑥 ∗ 𝑥 − 0 𝑐𝑜𝑛 ℎ = 1
La derivada aproximada usando la formula centrada es:
Como 𝑓′(𝑥) − 𝑒𝑥
Ahora para poder comprender los pasos para poder resolver problemas con integración numérica se debe de
conocer sus variantes:
Método del trapecio: La regla del trapecio es la primera de las fórmulas cerradas de integración de Newton-
Cotes. Corresponde al caso donde el polinomio de la ecuación es de primer grado:
El área bajo esta línea recta es una aproximación de la integral de f(x) entre los límites a y b:
El resultado de la integración es
Reglas de Simpson: Además de aplicar la regla del trapecio con una segmentación más fina, otra forma de
obtener una estimación más exacta de una integral consiste en usar polinomios de grado superior para unir
los puntos. Por ejemplo, si hay otro punto a la mitad entre f(a) y f(b), los tres puntos se pueden unir con una
parábola. Si hay dos puntos igualmente espaciados entre f(a) y f(b), los cuatro puntos se pueden unir
mediante un polinomio de tercer grado.
Las fórmulas que resultan de tomar las integrales bajo esos polinomios se conocen como reglas de Simpson.
Simpson 1/3: La regla de Simpson 1/3 resulta cuando un polinomio de interpolación de segundo grado se
sustituye en la ecuación:
Si se designan a y b como x0 y x2, y f 2 (x) se representa por un polinomio de Lagrange de segundo grado
[véase ecuación, la integral se transforma en:
Simpson 3/8: De manera similar a la obtención de la regla del trapecio y Simpson 1/3, es posible ajustar un
polinomio de LaGrange de tercer grado a cuatro puntos e integrarlo:
Antes de comenzar a realizar los ejercicios se debe de identificar con que datos se cuentan o bien, que
tipo de método es el que nos funcionara para darle solución a nuestro ejercicio.
Graficar los datos que se tienen para poder identificar el área del
trapecio, así como los puntos a, b y n.
Antes de comenzar a realizar los ejercicios se debe de identificar con que datos se cuentan o bien, que
tipo de método es el que nos funcionara para darle solución a nuestro ejercicio.
Antes de comenzar a realizar los ejercicios se debe de identificar con que datos se cuentan o bien, que tipo
de método es el que nos funcionara para darle solución a nuestro ejercicio.
Después teniendo los datos que arrojan los cálculos se debe de acomodar en una tabla la cual nos
ayudara a poder reemplazar los datos de la formula seleccionada.
Por último, se debe comprobar el valor obtenido analíticamente para poder determinar exactamente
cada respuesta obtenida.
REFERENCIAS:
Zill D. (1997). Ecuaciones Diferenciales con Aplicaciones de Modelado. Sexta edición. México:
Intemational Thomson Editores, S.A. de C. V.
Chapra, Steven C. and Raymond P. (1988). Métodos Numéricos para Ingenieros. Séptima edición,
México: McGraw-Hill.
Burden, R.L. Faires J.D.: Análisis numérico. International Thomson, México, 1998.